PHÂN TÍCH SỰ THAY ĐỔI LỚP PHỦ  Ở HUYỆN ĐẮK GLONG - TỈNH ĐẮK NÔNG GIAI ĐOẠN 2011 - 2023 DỰA VÀO ẢNH VỆ TINH ĐA THỜI GIAN

Cao Thị Hoài

Từ khóa:

Landsat, lớp phủ, phân loại ảnh, Random forest classification

Tóm tắt

Nghiên cứu đã ứng dụng ảnh vệ tinh Landsat đa thời gian để phân tích thay đổi lớp phủ tại huyện Đắk Glong - tỉnh Đắk Nông trong 3 giai đoạn: 2011 - 2015, 2015 - 2019 và 2019 - 2023. Phương pháp phân loại có kiểm định phi tham số Random Forest (RF) được sử dụng để phân loại ảnh vệ tinh Landsat trong các năm 2011, 2015, 2019 và năm 2023. Kết quả nghiên cứu đạt độ chính xác phân loại khá cao, từ 84,51% đến 90,53% tương ứng với hệ số Kappa từ 0,78 đến 0,85. Kết quả chỉ ra diện tích rừng tự nhiên đã giảm đáng kể theo thời gian, từ 63,52%, giảm xuống 46,21%, 39,74 và 39,28% tương ứng các năm 2011, 2015, 2019 và 2023 (giảm xấp xỉ 15%, tương ứng với giảm trên 35 ngàn ha rừng tự nhiên trong cả giai đoạn điều tra). Trong khi đó, các loại lớp phủ khác có sự tăng lên về diện tích qua các thời kỳ, đặc biệt là đất nông nghiệp và đất khác để đáp ứng các nhu cầu của con người khi dân số tăng lên. Tuy nhiên, giai đoạn 2019 - 2023 cũng chỉ ra sự ổn định của diện tích rừng tự nhiên do tác động của các chính sách quản lý và bảo vệ rừng của Nhà nước và của địa phương. Kết quả nghiên cứu có thể được sử dụng như một tài liệu tham khảo cho các cơ quan chức năng, các chủ rừng trong việc đánh giá thực trạng và diễn biến rừng để có những kế hoạch, chính sách quản lý và bảo vệ rừng phù hợp với định hướng của địa phương.

Tài liệu tham khảo

Abdulla, A.K., Milan S., Abdul F., Muhammad T.R., Bushra M.D., Zullyadini A.R., Arpita B., Kalaivani, Nafiz Rahaman, Golam S.S., 2023. Integrating forest cover change and carbon storage dynamics: Leveraging Google Earth Engine and InVEST model to inform conservation in hilly regions., ecological indicators, volume 152, Elsevier Publisher.

Alix-Garcia, Janvry, Sadoulet, 2004. Payments for environmental services: to whom, for what, and how much? Working Paper, Department of Agricultural and Resource Economics, University of California, Berkeley.

Aytekin, 2016. Microarray Gene Expression Data Classification with RF. Int. J. Eng. Sci.

Báo Đắk Nông, 2023. Đắk Glong gặp khó khăn trong quản lý rừng, đất rừng và dân cư. https://baodaknong.vn/dak-glong-gap-kho-trong-quan-ly-rung-dat-rung-va-dan-cu-150322.html.

Basommi, L.P., Guan, Q-f., Cheng, D-d., and Singh, SK., 2016. Dynamics of land use change in a mining area: a case study of Nadowli District, Ghana, Journal of Mountain Science, 13(4), p. 633-642.

Belgiu, M., & Drăguţ, L., 2016. Random forest in remote sensing: A review of applications and future directions. ISPRS Journal of Photogrammetry and Remote Sensing, 114, 24-31.

Blaschke, T., Hay G.J., Kelly M., Lang S., Hofmann P., Addink E., Feitosa R.Q., Van der Meer, F., Van der Werff, H., Van Coillie, F. and Tiede, D., 2014. Geographic Object-Based Image Analysis-Towards a New Paradigm. ISPRS Journal of Photogrammetry and Remote Sensing, 87, pp.180-191.

Chen and Ishwaran, 2012. Random forests for genomic data analysis. Genomics.

Congalton, R.G., and Green, K., 1999. Assessing the accuracy of remotely sensed data: Principles and practices. Lewis Publishers. Boca Raton FL.

Costello, Polasky, 2004. Dynamic reserve site selection, Resource Energy Econ. 26.

Dwivedi, R. S., Sreenivas, K., Ramana, K. V., 2005. Landuse/land-cover change analysis in part of Ethiopia using Landsat Thematic Mapper data. International Journal of Remote Sensing 26(7), 1285-1287, https://doi.org/10.1080/01431160512331337763.

Erle, E., Pontius, R., 2007. Land-use and land-cover change. In: Cleveland, C. J. (ed.) Encyclopaedia of earth environmental information. Coalition, Washington.

Fan, F., Weng, Q., Wang, Y., 2007. Land use land cover change in Guangzhou, China, from 1998 to 2003, based on Landsat TM/ETM+ imagery. Sensors 7, 1323-1342, https://doi.org/10.3390/s7071323.

Phân viện Quy hoạch và Thống kê Nông nghiệp, 2021. Báo cáo thuyết minh tổng hợp đánh giá thực trạng, xây dựng phương án phát triển và tổ chức không gian phát triển kinh tế xã hội, kết cấu hạ tầng kinh tế xã hội trên địa bàn huyện Đắk Glong thời kỳ 2021 - 2030, tầm nhìn 2050.

Nguyễn Thị Thanh Hương, 2022. Phương pháp ứng dụng viễn thám và GIS trong lâm nghiệp, NXB Đại học Huế.

H.T.T. Nguyen, Q.T.N Chau, A.T. Pham, H.T. Phan, P.T.X.Tran, H.T.Cao, T.Q.Le and D.T.H. Nguyen, 2020. Land use/land cover changes using multi-temporal satellite, ISPRS Ann. Photogramm. Remote Sens. Spatial Inf. Sci., VI-3/W1-2020, p.83-90.

Jensen, J.R., 1995. Introductory Digital Image Processing - A remote sensing perspective, Prentice Hall, New Jersey.

Li Z., Chen X., Qi J., Xu C., An J., Chen J., 2023. Accuracy assessment of land cover products in China from 2000 to 2020. Sci Rep 13, 12936. https://doi.org/10.1038/s41598-023-39963-0.

Navulur K, 2006. Multispectral Image Analysis Using the Object-Oriented Paradigm, CRC Press. Remote Sens. Spatial Inf. Sci., XLIV-3/W1-2020, p.99-105.

Niên giám thống kê, 2021. Niên giám thống kê tỉnh Đắk Nông năm 2020, NXB Thống kê.

Nishiwaki, Kanamori, Ohwada, 2017. Gene Selection from Microarray Data for Alzheimer’s Disease Using Random Forest. Int. J. Softw. Sci. Comput. Intell. IJSSCI, vol. 9, no. 2, pp. 14-30.

Pfaff, Sanchez-Azofeifa, 2004. Deforestation pressure and biological reserve planning: a conceptual approach and an illustrative application for Costa Rica, Resource Energy Econ. 26 (2004) 237-254.

Rodriguez-Galiano, V., Ghimire, B., Rogan, J., Chica-Olmo, M., & Rigol-Sanchez, J. P., 2012. An assessment of the effectiveness of a random forest classifier for land-cover classification. ISPRS Journal of Photogrammetry and Remote Sensing, 67, 93-104.

Bui Thien, Vu Phuong, 2023. Using Landsat satellite imagery for assessment and monitoring of long-term forest cover changes in Dak Nong province, Vietnam. Geographica Pannonica. https://doi.org/10.5937/gp27-41813.

Zhao, G. X., Lin, G., Warner, T., 2004. Using Thematic Mapper data for change detection and sustainable use of cultivated land: a case study in the Yellow River delta, China. International Journal of Remote Sensing 25(13), 2509-2522, https://doi.org/10.1080/0143116031000 1619571.