LỜI CẢM ƠN
Để hồn thành khóa luận cuối khóa, tơi xin chân thành cảm ơn tới:
Ban lãnh đạo trƣờng Đại học Lâm Nghiệp đã tạo điều kiện thuận lợi
nhất cho tơi có thể hồn thành đợt thực tập.
Tập thể các thầy cô giáo trong Khoa Quản lý tài nguyên rừng và Mơi
trƣờng đã tận tình truyền đạt kiến thức cũng nhƣ hƣớng dẫn những kinh
nghiệm thực tế giúp cho tôi có đƣợc những kiến thức quý báu về ngành nghề
của mình cũng nhƣ giúp tơi có thêm những những kỹ năng, những bài học
kinh nghiệm từ thực tế.
Tôi xin chân thành cám ơn đến PGS.TS Phùng Văn Khoa, Chủ nhiệm
khoa Quản lý tài nguyên rừng và Môi trƣờng, trƣờng Đại học Lâm Nghiệp và
q thầy cơ khác đã tận tình giúp đỡ và hƣớng dẫn tơi trong suốt q trình
thực tập cuối khóa và hồn thành khóa luận này.
Qua đây tôi cũng xin gửi lời cảm ơn sâu sắc đến Th.s Phạm Văn Duẩn
thuộc Viện Sinh thái rừng và Môi trƣờng - trƣờng Đại học Lâm Nghiệp
đã giúp đỡ tôi rất nhiều trong thời gian thực hiện khóa luận.
Các bạn cùng nhóm thực tập đã gắn bó và giúp đỡ tơi trong suốt q
trình học cũng nhƣ trong thời gian làm luận văn tốt nghiệp.
Gia đình và những ngƣời thân đã giúp đỡ tơi về mọi mặt để tơi có thể
hồn thành đƣợc khóa luận này.
Xin chân thành cảm ơn!
Hà Nội, tháng 5 năm 2015
Sinh viên
Kiều Văn Nhâm


MỤC LỤC
LỜI CẢM ƠN
MỤC LỤC
DANH MỤC TỪ VIẾT TẮT
DANH MỤC CÁC BẢNG

DANH MỤC CÁC HÌNH
ĐẶT VẤN ĐỀ ................................................................................................... 1
CHƢƠNG I TỔNG QUAN VẤN ĐỀ NGHIÊN CỨU .................................... 2
1.1. Những nghiên cứu trên thế giới ................................................................. 2
1.2. Những nghiên cứu tại Việt Nam .............................................................. 11
CHƢƠNG II ĐẶC ĐIỂM CƠ BẢN KHU VỰC NGHIÊN CỨU ................ 16
2.1. Vị trí địa lý khu vực nghiên cứu .............................................................. 16
2.2. Điều kiện tự nhiên của khu vực nghiên cứu ............................................ 17
2.2.1. Địa hình ................................................................................................. 17
2.2.2. Khí hậu thủy văn ................................................................................... 17
2.2.3. Đất đai ................................................................................................... 18
2.2.4. Rừng và đặc điểm rừng ......................................................................... 18
2.3 Đặc điểm kinh tế, xã hội ........................................................................... 19
2.3.1. Nông lâm - thủy sản .............................................................................. 19
2.3.2. Công nghiệp .......................................................................................... 20
2.3.3. Thƣơng mại – dịch vụ ........................................................................... 20
2.3.4. Thu chi ngân sách.................................................................................. 20
2.3.5. Văn hóa xã hội ...................................................................................... 21
2.3.6. Giáo dục – Y tế ..................................................................................... 21
2.3.7. Dân số, lao động việc làm ..................................................................... 22
CHƢƠNG III

MỤC TIÊU, ĐỐI TƢỢNG, GIỚI HẠN, NỘI DUNG,

PHƢƠNG PHÁP ............................................................................................. 23
3.1. Mục tiêu nghiên cứu................................................................................. 23
3.2. Đối tƣợng nghiên cứu.............................................................................. 23


3.3. Phạm vi nghiên cứu .................................................................................. 23

3.4. Nội dung nghiên cứu ................................................................................ 23
3.5. Phƣơng pháp nghiên cứu.......................................................................... 23
3.5.1. Cơ sở phƣơng pháp luận ....................................................................... 23
3.5.2. Phƣơng pháp kế thừa số liệu ................................................................. 24
3.5.3. Quy trình thực hiện nghiên cứu ............................................................ 24
3.5.4. Phƣơng pháp nghiên cứu cụ thể ............................................................ 25
CHƢƠNG IV KẾT QUẢ PHÂN TÍCH VÀ THẢO LUẬN ......................... 35
4.1. Kết quả nghiên cứu xây dựng khóa phân loại khu vực mất rừng tại huyện
Tuy Đức ........................................................................................................... 35
4.1.1. Đặc điểm tƣ liệu ảnh sử dụng để thành lập bản đồ hiện trạng rừng ..... 35
4.1.2. Kết quả xử lý ảnh vệ tinh ...................................................................... 40
4.1.3. Xây dựng khóa phân loại khu vực mất rừng ......................................... 49
4.2. Lập bản đồ khu vực mất rừng tại huyện Tuy Đức ................................... 51
4.2.1. Lập bản đồ khu vực mất rừng tại huyện Tuy Đức ................................ 51
4.2.2. Đánh giá độ chính xác mơ hình ............................................................ 52
4.3. Giải pháp nâng cao hiệu quả công tác quản lý bảo vệ rừng ở huyện Tuy
Đức tỉnh Đăk Nông ......................................................................................... 53
4.3.1. Tiếp tục hoàn thiện giao rừng và đất lâm nghiệp cho hộ gia đình
và cộng đồng. .................................................................................................. 53
4.3.2. Tăng cƣờng năng lực của bộ máy quản lý nhà nƣớc về rừng và đất lâm
nghiệp .............................................................................................................. 53
4.3.3. Tăng cƣờng công tác bảo vệ rừng và phát triển rừng ........................... 54
4.3.4. Phát triển nguồn nhân lực phục vụ công tác bảo vệ và phát triển rừng 54
CHƢƠNG V KẾT LUẬN – TỒN TẠI – KIẾN NGHỊ ................................. 55
5.1. Kết luận ................................................................................................... 55
5.2. Tồn tại ..................................................................................................... 55
5.3. Kiến nghị ................................................................................................. 55
TÀI LIỆU THAM KHẢO



TRƢỜNG ĐẠI HỌC LÂM NGHIỆP
KHOA QUẢN LÝ TÀI NGUYÊN RỪNG VÀ MƠI TRƢỜNG
-------------TĨM TẮT KHĨA LUẬN TỐT NGHIỆP
Đề tài: “The study identified areas of forest loss from satellite imagery
Landsat 8 in Tuy Duc, Dak Nong province serves update developments of
forest resources”
Giáo viên hướng dẫn: PGS. TS Phùng Văn Khoa
Sinh viên thực hiện: Kiều Văn Nhâm
Khoá học: 2011 – 2015
ĐẶT VẤN ĐỀ
Rừng là tài nguyên quý giá của mỗi quốc gia, rừng có chức năng sinh
thái cực kỳ quan trọng, rừng tham gia q trình điều hịa khí hậu, đảm bảo
chu chuyển Oxi và các nguyên tố cơ bản khác trên hành tinh, rừng duy trì tính
ổn định và độ màu mỡ của đất, hạn chế lũ lụt, hạn hán, ngăn chặn sói mịn
đất, giảm nhẹ tác động từ thiên tai, bảo tồn nguồn nƣớc và làm giảm ơ nhiễm
khơng khí. Rừng là lá phổi xanh của trái đất, là yếu tố quyết định sự sống còn
của hơn bảy tỷ dân trên hành tinh. Tài nguyên rừng tại Việt Nam nói chung,
huyện Tuy Đức tỉnh Đăk Nơng nói riêng đang gặp phải nhiều vấn đề nhƣ nạn
phá rừng trái phép dƣới nhiều hình thức và nhiều mục đích khác nhau đang
diễn ra rất phức tạp gây nhiều khó khăn cho các cấp chính quyền cũng nhƣ
các cơ quan chức năng trong việc quản lý.
Nhận thức đƣợc tầm qua trọng của rừng đối với đời sống con ngƣời
Việt Nam nói chung và đặc biệt là rừng của huyện Tuy Đức tỉnh Đăk Nơng
nói riêng tơi đã lựa chọn nghiên cứu đề tài: “Nghiên cứu xác định khu vực
mất rừng từ ảnh vệ tinh Landsat 8 tại huyện Tuy Đức tỉnh Đăk Nông phục
vụ cập nhật diễn biến tài nguyên rừng”.


CHƢƠNG I
TỔNG QUAN VẤN ĐỀ NGHIÊN CỨU

Nhìn chung, những nghiên cứu ứng dụng ảnh vệ tinh trong phân loại
rừng ở Việt Nam từ trƣớc đến nay vẫn chủ yếu áp dụng các phƣơng pháp
phân loại truyền thống là giải đoán bằng mắt, hoặc giải đoán bán tự động,
những phƣơng pháp này vẫn chƣa thể đƣợc gọi là phân loại tự động, bởi vì
vẫn cần có ngƣời để chọn vùng mẫu trong phân loại có giám sát hoặc tái phân
loại trong trƣờng hợp phân loại không giám sát. Việc phân loại tự động chỉ có
thể thực hiện địi hỏi phải có những nghiên cứu cơ bản và những bộ dữ liệu
chuẩn, đặc biệt là khi áp dụng đối với rừng nhiệt đới có cấu trúc phức tạp
(Nguyễn Đình Dƣơng, 2004) [6]. Những phƣơng pháp giải đoán truyền thống
thƣờng phụ thuộc rất lớn vào kinh nghiệm của con ngƣời, vì vậy các bản đồ
chun đề khơng có tính đồng nhất cao, năng suất giải đốn thấp. Ngồi ra
những tƣ liệu ảnh đƣợc sử dụng để phân loại rừng từ trƣớc tới nay thƣờng có
độ phân giải thấp và trung bình, nên khơng đáp ứng đuợc yêu cầu về độ chính
xác và tính cập nhật của bản đồ tài nguyên rừng.
CHƢƠNG II
ĐẶC ĐIỂM CƠ BẢN KHU VỰC NGHIÊN CỨU
2.1. Vị trí địa lý khu vực nghiên cứu
Tuy Đức là một huyện thuộc tỉnh Đăk Nông, đƣợc thành lập vào tháng
1 năm 2007 theo quyết định 142/2006/NĐ-CP của Chính Phủ Việt Nam ban
hành tháng 12 năm 2006, đây là một huyện mới đƣợc tách ra từ huyện Đăk
Rlấp (cũ), nằm phía tây nam của tỉnh, có 6 đơn vị hành chính cấp xã gồm:
Đắk Ngo, Quảng Tân, Đắk Búk So, Đắk R'Tíh, Quảng Tâm, Quảng Trực.
CHƢƠNG III
MỤC TIÊU, ĐỐI TƢỢNG, GIỚI HẠN, NỘI DUNG, PHƢƠNG PHÁP
3.1. Mục tiêu nghiên cứu
Xây dựng đƣợc bản đồ khu vực mất rừng tại huyện Tuy Đức tỉnh Đăk Nông.


Đề xuất giải pháp phù hợp nâng cao hiệu quả công tác quản lý bảo vệ
tài nguyên rừng ở huyện Tuy Đức tỉnh Đăk Nông.

3.2. Đối tƣợng nghiên cứu
Đối tƣợng nghiên cứu là khu vực mất rừng tại huyện Tuy Đức, tỉnh
Đắk Nông.
3.3. Phạm vi nghiên cứu
Đề tài tập trung đánh giá sự thay đổi diện tích mất rừng của huyện Tuy
Đức tỉnh Đăk Nông trong các giai đoạn từ ngày 26/10/2013 đến 30/01/2014.
Tƣ liệu sử dụng là ảnh vệ tinh Landsat 8.
3.4. Nội dung nghiên cứu
- Nghiên cứu xây dựng khóa phân loại khu vực mất rừng tại huyện
Tuy Đức tỉnh Đăk Nông.
- Lập bản đồ khu vực mất rừng tại huyện Tuy Đức tỉnh Đăk Nông.
- Đề xuất giải pháp nâng cao hiệu quả công tác quản lý bảo vệ rừng ở
huyện Tuy Đức tỉnh Đăk Nông.
3.5. Phƣơng pháp nghiên cứu
3.5.1. Cơ sở phương pháp luận
3.5.2. Phương pháp kế thừa số liệu
3.5.3. Quy trình thực hiện nghiên cứu

Hình 3.1: Quy trình thực hiện nghiên cứu


3.5.4. Phương pháp nghiên cứu cụ thể
Phƣơng pháp xây dựng bản đồ mất rừng huyện Tuy Đức
Bản đồ chủ yếu đƣợc sử dụng để thành lập bản đồ mất rừng cho huyện
Tuy Đức là bản đồ ranh giới hành chính. Ảnh vệ tinh đƣợc sử dụng để xây dựng
bản đồ mất rừng là ảnh LANDSAT 8. Huyện Tuy Đức nằm trên 2 cảnh ảnh có
số hiệu là: LC81240522013299LGN00 và LC81240522014030LGN00.
Trình tự phƣơng pháp xây dựng bản đồ mất rừng đƣợc tiến hành theo
các bƣớc sau:
* Bƣớc 1: Chuyển đổi giá trị cấp độ xám (DN) ảnh Landsat 8 thành giá

trị bức xạ, phản xạ.
* Bƣớc 2: Chuẩn hóa bản đồ
* Bƣớc 3: Xây dựng khóa phân loại khu vực mất rừng tại huyện Tuy Đức
* Bƣớc 4: Tạo ảnh khu vực mất rừng
* Bƣớc 5: Kiểm tra độ chính xác khóa phân loại khu vực mất rừng
CHƢƠNG IV
KẾT QUẢ PHÂN TÍCH VÀ THẢO LUẬN
4.1. Kết quả nghiên cứu xây dựng khóa phân loại khu vực mất rừng tại
huyện Tuy Đức
Đề tài sử dụng cơng nghệ giải đốn ảnh vệ tinh để thành lập bản đồ mất
rừng của khu vực nghiên cứu. Giải đoán ảnh vệ tinh đƣợc hiểu là việc phân
tích thơng tin để phân loại các đối tƣợng trên ảnh vệ tinh, chuyển kết quả
phân loại cùng những thuộc tính cần thiết của các đối tƣợng vào bản đồ, bảng
số, và các hình thức lƣu trữ thơng tin khác.
4.1.1. Đặc điểm tư liệu ảnh sử dụng để thành lập bản đồ hiện trạng rừng
4.1.2. Kết quả xử lý ảnh vệ tinh
4.1.2.1. Chuyển đổi giá trị cấp độ xám (DN) ảnh Landsat 8 thành giá trị bức
xạ, phản xạ.
4.1.2.2. Chuẩn hóa bản đồ
- Tổ hợp màu cho ảnh Landsat 8
- Xác định các giá trị NVDI các OTC trên 2 ảnh
Đề tài đã kế thừa hệ thống kết quả gồm 192 OTC điểm điều tra thực địa
từ kết quả dự ánh Tổng kiểm kê rừng giai đoạn 2012 – 2015 của Viện Sinh
thái Rừng và Môi trƣờng trƣờng Đại học Lâm Nghiệp. Các điểm đƣợc điều
tra thực địa thể hiện hai khu vực có rừng và mất rừng. Số lƣợng các OTC đại
diện cho các kiểu trạng thái đƣợc thống kê trong bảng 4.5.


STT
1

2

Bảng 4.5 Phân bố kiểu trạng thái rừng huyện Tuy Đức.
Kiểu trạng thái
Số OTC
Có rừng trên 2 năm
172
Mất rừng năm 2014
20
Tổng

192

Kết quả thu đƣợc sau khi xác định chỉ số NDVI trên 2 ảnh thu đƣợc:
- Giá trị NDVI khu vực nghiên cứu biến đổi từ -0,0484014 đến
0,578944 đối với ảnh đƣợc chụp vào ngày 30/1/2014.
- Giá trị NDVI khu vực nghiên cứu biến đổi từ 0,0247247 đến 0,593718
đối với ảnh đƣợc chụp vào ngày 26/10/2013.
4.1.3. Xây dựng khóa phân loại khu vực mất rừng
Để xây dựng bản đồ kiểu trạng thái rừng, đề tài xác định chỉ số thực vật
NDVI, tỷ số thực vật cho 144 điểm điều tra thực địa trong tổng số 203 điểm
OTC kế thừa. Ngoài ra 50 điểm còn lại dùng để đánh giá độ chính xác nhằm
đánh giá độ chính xác của phƣơng pháp nghiên cứu.
Bảng 4.7 Giá trị trung bình phản xạ phổ các chỉ số điều tra.
Tỷ số
NDVI (trung bình)
Kiểu trạng
OTC
thực vật
thái

Năm 2014
Năm 2013
(Trung bình)
Có rừng

129

0,401179

0,413510

0,971933

Khơng có
rừng

15

0,222962

0,453974

0,490847

Bảng 4.8: Giá trị chỉ số cho các kiểu trạng thái rừng huyện Tuy Đức
Điểm có rừng
2014
2013
0,401179
0,413510


Điểm khơng có rừng
2014
2013
0,222962
0,453974

Max

0,481569

0,505387

0,272659

0,520968

Min

0,291771

0,344126

0,209003

0,417339

Trung bình
NDVI


Tỉ số
NDVI
2014 /
NDVI
2013

Trung bình
(̅
Sai tiêu
chuẩn (S)
Khoảng
biến động
(P)

0,971933

0,490847

0,092342

0,113903

0,955988 – 0,987868

0,428204 – 0,553489


4.2. Lập bản đồ khu vực mất rừng tại huyện Tuy Đức
4.3. Giải pháp nâng cao hiệu quả công tác quản lý bảo vệ rừng ở huyện
Tuy Đức tỉnh Đăk Nơng

4.3.1. Tiếp tục hồn thiện giao rừng và đất lâm nghiệp cho hộ gia đình
và cộng đồng.
4.3.2. Tăng cường năng lực của bộ máy quản lý nhà nước về rừng và đất
lâm nghiệp
4.3.3. Tăng cường công tác bảo vệ rừng và phát triển rừng
4.3.4. Phát triển nguồn nhân lực phục vụ công tác bảo vệ và phát triển rừng
CHƢƠNG V
KẾT LUẬN – TỒN TẠI – KIẾN NGHỊ
5.1. Kết luận
Kết quả nghiên cứu thu đƣợc số diện tích mất rừng tại huyện Tuy Đức
tỉnh Đăk Nông là 638,55 (ha) nhƣng độ chính xác đạt đƣợc của nghiên cứu
cịn khá thấp với u cầu thơng tin với độ chính xác cao (sai số tƣơng đối là
83,33%). Mặc dù vậy, kết quả cũng có thể áp dụng để có thơng tin sơ bộ về
tình hình tài ngun rừng và có thể sử dụng nhƣ một thơng tin tham khảo
mang tính chất định hƣớng cho việc quản lý trên diện rộng.
5.2. Tồn tại
Trong quá trình thực hiện đề tài, việc hiệu chỉnh xử lý ảnh còn chịu ảnh
hƣởng của yếu tố điều kiện tự nhiên. Tƣ liệu ảnh sử dụng có độ phân giải
trung bình, chƣa thể hiện cụ thể đƣợc các đối tƣợng có kích thƣớc nhỏ.
Có sự sai khác giữa kết quả sử lý ảnh so với thực tế, cần có quá trình
điều tra tham gia của các chủ rừng để tăng độ chính xác của bản đồ và xử lý
các sai lệch trên ảnh với thực tế.
5.3. Kiến nghị
Để đạt đƣợc kết quả giải đốn có khả năng chính xác cao cần sử dụng
nhiều các nguồn tƣ liệu ảnh viễn thám khác nhau nhƣ ảnh đa thời gian, ảnh
Spot, Quickbird, ảnh Ikonos để kết quả tốt hơn, nâng cao độ chính xác, khả
năng áp dụng kết quả nghiên cứu vào thực tế.
Cần kết hợp nhiều phƣơng pháp tính tốn, phân loại ảnh khác nhau để
phát huy ƣu điểm



DANH MỤC TỪ VIẾT TẮT
Nguyên nghĩa

Viết tắt
DN

Giá trị cấp độ xám

GIS

Geographic Information System

LDCM

Landsat Data Continuity Mission

NDVI

Normalized Difference Vegetation Index

OTC

Ô tiêu chuẩn

ROIs

Region Of Interest



DANH MỤC CÁC BẢNG
Bảng 1.1. Thông số kỹ thuật của một số loại ảnh viễn thám đƣợc sử dụng phổ
biến hiện nay ..................................................................................................... 4
Bảng 4.1: Đặc trƣng Bộ cảm của ảnh vệ tinh Landsat 8 (LDCM) [12].......... 38
Bảng 4.2. Giá trị ML, AL, Mρ, Aρ các band ảnh của cảnh ảnh
LC81240522013299LGN00 chụp ngày 26 tháng 10 năm 2013 ..................... 41
Bảng 4.3. Giá trị ML, AL, Mρ, Aρ các band ảnh của cảnh ảnh
LC81240522014030LGN00 chụp ngày 30 tháng 01 năm 2014 ..................... 41
Bảng 4.4. Các kiểu tổ hợp màu thông dụng trên ảnh Landsat 8 ..................... 42
Bảng 4.5 Phân bố kiểu trạng thái rừng huyện Tuy Đức. ................................ 46
Bảng 4.6: Thống kê giá trị NDVI trung bình cho từng đối tƣợng ở khu vực
nghiên cứu trên ảnh Landsat 8 ........................................................................ 48
Bảng 4.7 Giá trị trung bình phản xạ phổ các chỉ số điều tra. .......................... 49
Bảng 4.8: Giá trị chỉ số cho các kiểu trạng thái rừng huyện Tuy Đức ........... 50


DANH MỤC CÁC HÌNH

Hình 2.1: Vị trí địa lý khu vực nghiên cứu ..................................................... 16
Hình 3.1: Quy trình thực hiện nghiên cứu ...................................................... 24
Hình 3.2: Cửa sổ cơng cụ Raster Calculator chuyển các giá trị số (DN) trên
ảnh về giá trị của bức xạ vật lý tại sensor. ...................................................... 26
Hình 3.3: Cửa sổ cơng cụ Composite Bands .................................................. 27
Hình 3.4: Cửa sổ công cụ Create Pan – sharpened Raster Dataset ................. 28
Hình 3.5: Cửa sổ cơng cụ Create Custom Geographic Transformation ......... 29
Hình 3.6: Cửa sổ cơng cụ Project Raster ........................................................ 30
Hình 3.7 : Cửa sổ cơng cụ Clip ....................................................................... 30
Hình 3.8:Cửa sổ cơng cụ Maximum Likelihood Classifier ............................ 31
Hình 3.9: Cửa sổ cơng cụ Reclassify .............................................................. 33
Hình 4.1. Ảnh Landsat 8 số hiệu LC81240522013299LGN00 chụp ngày

26/10/2013 ....................................................................................................... 40
Hình 4.2. Ảnh Landsat 8 số hiệu LC81240522014030LGN00 chụp ngày
30/01/2014 ....................................................................................................... 40
Hình 4.3: Ảnh sau khi đã tổ hợp band 2,3,4 (màu tự nhiên)........................... 43
Hình 4.4: Ảnh trƣớc và sau khi trộn................................................................ 43
Hình 4.5: Ảnh huyện Tuy Đức đã đƣợc cắt theo bản đồ địa giới hành chính
......................................................................................................................... 44
Hình 4.6:Ảnh huyện Tuy Đức đã loại bỏ vùng khơng có rừng năm 2014 ..... 45
Hình 4.7: Ảnh chỉ số thực vật NDVI năm 2014 ............................................. 46
Hình 4.8: Bản đồ vị trí các OTC tại khu vực nghiên cứu ............................... 47
Hình 4.9: Biểu đồ thay đổi giá trị NDVI trung bình tại các OTC .................. 48
Hình 4.10: Bản đồ khu vực mất rừng tại huyện Tuy Đức giai đoạn từ tháng
10/2013 – 1/2014............................................................................................. 51


ĐẶT VẤN ĐỀ
Rừng là tài nguyên quý giá của mỗi quốc gia, rừng có chức năng sinh
thái cực kỳ quan trọng, rừng tham gia q trình điều hịa khí hậu, đảm bảo
chu chuyển Oxi và các nguyên tố cơ bản khác trên hành tinh, rừng duy trì tính
ổn định và độ màu mỡ của đất, hạn chế lũ lụt, hạn hán, ngăn chặn sói mịn
đất, giảm nhẹ tác động từ thiên tai, bảo tồn nguồn nƣớc và làm giảm ô nhiễm
khơng khí. Rừng là lá phổi xanh của trái đất, là yếu tố quyết định sự sống còn
của hơn bảy tỷ dân trên hành tinh. Tài nguyên rừng tại Việt Nam nói chung,
huyện Tuy Đức tỉnh Đăk Nơng nói riêng đang gặp phải nhiều vấn đề nhƣ nạn
phá rừng trái phép dƣới nhiều hình thức và nhiều mục đích khác nhau đang
diễn ra rất phức tạp gây nhiều khó khăn cho các cấp chính quyền cũng nhƣ
các cơ quan chức năng trong việc quản lý.
Với sự phát triển mạnh mẽ của khoa học vũ trụ, công nghệ xử lý ảnh
viễn thám cũng đã xuất hiện và ngày càng tỏ rõ tính ƣu việt trong cơng tác
điều tra, quản lý tài nguyên. Dữ liệu viễn thám với tính chất đa thời gian, đa

phổ, phủ trùm diện tích rộng cho phép chúng ta cập nhật thông tin tiến hành
nghiên cứu một cách nhanh chóng, hiệu quả tiết kiệm thời gian và cơng sức.
Trong nghiên cứu hiện trạng tài nguyên rừng, nghiên cứu ảnh viễn thám ngày
càng tỏ ra ƣu thế bởi khả năng cập nhật thơng tin và phân tích biến động một
cách nhanh chóng. Nghiên cứu ảnh viễn thám đã ứng dụng và vào thực tiễn
rất lâu trên thế giới: những năm 1960 đã thành lập các bản đồ rừng và bản đồ
lớp phủ bề mặt. Tuy nhiên đến nay tại Việt Nam chƣa đƣợc áp dụng rộng rãi.
Nhận thức đƣợc tầm qua trọng của rừng đối với đời sống con ngƣời
Việt Nam nói chung và đặc biệt là rừng của huyện Tuy Đức tỉnh Đăk Nơng
nói riêng tơi đã lựa chọn nghiên cứu đề tài: “Nghiên cứu xác định khu vực
mất rừng từ ảnh vệ tinh Landsat 8 tại huyện Tuy Đức tỉnh Đăk Nông phục
vụ cập nhật diễn biến tài nguyên rừng”.

1


CHƢƠNG I
TỔNG QUAN VẤN ĐỀ NGHIÊN CỨU

1.1. Những nghiên cứu trên thế giới
Điều tra rừng là một hệ thống các phƣơng pháp thu thập dữ liệu về đặc
điểm tài nguyên rừng trên một diện tích xác định, các chỉ tiêu điều tra chính
bao gồm: tổ thành lồi, đƣờng kính ngang ngực, chiều cao, tuổi, tính tốn trữ
lƣợng, tăng trƣởng của lâm phần và xây dựng các bản đồ tài nguyên rừng.
Điều tra rừng đƣợc thực hiện nhằm mục đích kiểm kê, đánh giá và phân tích
biến động của tài nguyên rừng. Cùng với sự phát triển của khoa học công
nghệ, phƣơng pháp và sản phẩm của điều tra rừng cũng thay đổi theo thời
gian.
Những nghiên cứu về điều tra rừng bắt đầu đƣợc thực hiện từ thế kỷ 19
ở Châu Âu và Bắc Mỹ, phƣơng pháp điều tra rừng đƣợc sử dụng là đo đếm

hoặc liệt kê toàn bộ cây trên những ơ tiêu chuẩn điển hình. Phƣơng pháp ƣớc
lƣợng bằng mắt thƣờng đƣợc áp dụng, phƣơng pháp này sử dụng “cây trung
bình” để ƣớc tính trữ lƣợng cho một ơ tiêu chuẩn, từ đó quy đổi cho tồn khu
vực. Trong giai đoạn này, các phƣơng pháp thống kê toán học (chọn mẫu)
cũng bắt đầu đƣợc đƣa vào áp dụng để xây dựng bản đồ tài nguyên rừng từ
các kết quả điều tra trên các ô tiêu chuẩn. Tuy nhiên, phƣơng pháp điều tra
khoanh vẽ trên thực địa khi đƣợc áp dụng thƣờng khơng hiệu quả do chi phí
rất tốn kém, mất nhiều thời gian và không kịp thời khi đánh giá biến động tài
nguyên rừng, đặc biệt là khi điều tra trên một diện tích rộng lớn.
Ảnh hàng khơng bắt đầu đƣợc áp dụng từ đầu thế kỷ 20 để khoanh vẽ
các trạng thái rừng. Ảnh hàng không thƣờng đƣợc lƣu trên giấy ảnh hoặc ảnh
số. Từ những thử nghiệm lẻ tẻ về ứng dụng ảnh hàng không trong lâm nghiệp
vào thời gian đầu, đã có nhiều tác giả sử dụng thành công ảnh hàng không để
xây dựng bản đồ tài nguyên rừng ở các nƣớc nhƣ Canada, Mỹ và Anh. Ảnh
hàng khơng thƣờng đƣợc giải đốn bằng mắt thƣờng với sự hỗ trợ của các
2


thiết bị quang học nhƣ kính lúp, kính lập thể, máy tổng hợp màu để các định
đối tƣợng. Các trạng thái rừng khác nhau trên ảnh đƣợc khoanh vẽ dựa trên
một số tiêu chí sau: cấp độ sáng (tone); kích thƣớc (size) và hình dáng (shape)
của tán cây; biến đổi trong cấu trúc tán cây (texture); phân bố không gian của
tán cây (pattern); bóng cây (shadow) (Thomas M. Lillesand, Ralph W. Kiefer,
2000) [18]. Ƣu điểm của việc sử dụng ảnh hàng không so với điều tra mặt đất
là: cung cấp một bức tranh toàn cảnh về phân bố của rừng trên một diện tích
rộng; lƣu giữ đƣợc những biến đổi về động thái của rừng theo thời gian; ảnh
hàng không có thể chụp với bƣớc sóng từ tia cực tím đến hồng ngoại gần
(0.3m – 0.9m), vì vậy có thể phản ánh những thông tin mà mắt thƣờng
không thấy đƣợc. Nhƣợc điểm của ảnh hàng khơng là rất khó chụp, lƣu giữ,
hiệu chỉnh và giải đốn. Ngồi ra việc giải đốn bằng mắt là rất chủ quan phụ

thuộc vào trình độ, kinh nghiệm ngƣời giải đốn, kết quả khơng đồng nhất,
khó triển khai trên diện rộng, thời gian thực hiện lâu và tốn kém nhiều nhân
lực. Ở Việt nam, công nghệ giải đoán bằng mắt cũng đã và đang đƣợc áp
dụng đối với ảnh vệ tinh trong phân loại rừng và đã bộc lộ rất nhiều tồn tại.
Trong vòng khoảng 35 năm trở lại đây, ảnh vệ tinh với phƣơng pháp xử
lý số đã đƣợc sử dụng rộng rãi và dần thay thế ảnh hàng không trong xây
dựng các bản đồ tài nguyên rừng phục vụ công tác điều tra và kiểm kê rừng
(Lambin EF, Turner BL, Helmut J, et al, 2001) [13]. Phƣơng pháp xử lý số có
ƣu điểm nổi bật là thời gian xử lý ngắn, việc phân loại các đối tƣợng đƣợc
tiến hành nhanh chóng trên phạm vi rộng mà không cần công đi thực địa,
công việc đƣợc thực hiền hoàn toàn dựa vào cấp độ xám của các pixel, nên
kết quả thu đƣợc khách quan không phụ thuộc vào chủ quan của nguời giải
đoán. Tuỳ thuộc vào yêu cầu sử dụng, ảnh vệ tinh sẽ cho phép xây dựng các
bản đồ tài nguyên rừng với quy mơ và tỷ lệ khác nhau một cách nhanh chóng,
hoặc đánh giá đƣợc biến động của hiện trạng rừng ở hiện tại so sánh với các
thời điểm trong quá khứ. Với những ƣu điểm nhƣ vậy, đã có rất nhiều chuyên
gia và các nhà nghiên cứu sử dụng ảnh vệ tinh để khoanh vẽ lớp phủ thực vật
3


trên bề mặt trái đất từ quy mô nhỏ đến toàn cầu (Yichun Xie, Zongyao Sha
and Mei Yu, 2008) [21]. Hiện nay, trên thế giới có rất nhiều vệ tinh cung cấp
ảnh có độ phân giải khơng gian, bƣớc sóng, số lƣợng kênh phổ và chu kỳ bay
chụp khác nhau, từ các ảnh đa phổ (multispectral sensors) tới ảnh siêu phổ
(hyperspectral), bƣớc sóng biến động từ nhìn thấy tới sóng siêu cao tần, độ
phân giải không gian từ <1m tới vài km, chu kỳ bay chụp có thể từ 30 phút tới
tuần hoặc tháng. Navulur (2006) đã phân nhóm các loại ảnh vệ tinh theo độ
phân giải không gian nhƣ sau: (i) ảnh có độ phân giải thấp > 30m, (ii) ảnh có
độ phân giải trung bình 10m - 30m; (iii) ảnh có độ phân giải cao 2 – 10 m;
(iv) ảnh có độ phân giải rất cao < 2m. Mỗi loại ảnh vệ tinh khác nhau lại có

đặc điểm về độ phân giải khơng gian, bƣớc sóng, chu kỳ bay chụp, giá thành
khác nhau. Vì vậy, lựa chọn ảnh vệ tinh thích hợp trong xây dựng bản đồ
phân loại rừng cần phải cân nhắc kỹ, thƣờng dựa vào những căn cứ sau: (i)
mục tiêu của bản đồ, (ii) giá thành của ảnh, (iii) điều kiện khí quyển, (iv)
những yêu cầu kỹ thuật trong việc giải đoán ảnh. Trong xây dựng các bản đồ
phân loại rừng, nhƣng loại ảnh viễn thám đƣợc sử dụng phổ biên bao gồm
Landsat TM và ETM+, SPOT, MODIS, NOAA-AVHRR, IKONOS và
QuickBird. Đặc điểm và khả năng ứng dụng của mỗi loại ảnh vệ tinh trên
đƣợc tổng hợp ở bảng sau:
Bảng 1.1. Thông số kỹ thuật của một số loại ảnh viễn thám
đƣợc sử dụng phổ biến hiện nay
Ứng dụng trong phân loại
rừng
1. Ảnh đa phổ có độ phân giải thấp (Multispectral Low Resolution Sensors
MODIS
Độ phân giải thấp (250m – 1000m); - Quy mô bản đồ: toàn
Trƣờng phủ 2330km; Chu kỳ bay chụp cầu, lục địa hoặc quốc gia
1-2 ngày; Ảnh có từ 2000 (vệ tinh Terra) - Phân loại lớp phủ (vd:
hoặc 2002 (vệ tinh Aqua) đến nay.
rừng, độ thị, mặt nƣớc...)
AVHRR
Độ phân giải thấp 1km từ các vệ tinh
NOAA; Trƣờng phủ 2400km x 6400km;
Ảnh có từ 1980 đến nay.
2. Ảnh đa phổ có độ phân giải trung bình (Multispectral Moderate Resolution
Sensors)
Landsat TM Độ phân giải thấp đến trung bình (30m - - Quy mơ bản đồ: khu
Loại ảnh

Thông số kỹ thuật


4


120m); Trƣờng phủ 185km x 185km; vực
Chu kỳ bay chụp 16 ngày; Ảnh từ năm - Phân loại rừng ở cấp độ
1982 đến nay;
quần xã
Landsat
Độ phân giải thấp đến trung bình (15m - - Quy mơ bản đồ: khu
ETM+
120m); Trƣờng phủ 185km x 185km. vực
(Landsat 7)
Chu kỳ bay chụp 16 ngày; Ảnh có từ - Phân loại rừng ở cấp độ
1999 đến nay;
quần xã hoặc một số loài
ASTER
Độ phân giải trung bình (15-90m) với 14 ƣu thế có nhận biệt rõ
kênh phổ từ bƣớc sóng nhìn thấy tới
hồng ngoại gần; Ảnh có từ năm 2000 đến
nay.
3. Ảnh đa phổ có độ phân giải cao (Multispectral High-spatial Resolution Sensors –
Hyperspatial )
SPOT
Độ phân giải cao đến trung bình, từ 2.5m - Quy mô bản đồ: địa
đến 20m (với SPOT VGT là 1km); phƣơng, khu vực (hoặc
Trƣờng phủ 60km x 60km (với SPOT lớn hơn đối với SPOT
VGT là 1000km x 1000 km); SPOT 1, 2, VGT)
3, 4 và 5 có ảnh tƣơng ứng từ 1986, - Phân loại rừng ở cấp độ
1990, 1993, 1998 và 2002. Hiện nay quần xã hoặc các loài cụ

SPOT 1 và 3 đã ngừng cung cấp ảnh.
thể
IKONOS
Độ phân giải rất cao (1m – 4m); Trƣờng - Quy mô bản đồ: khu
phủ 11km x 11km; Chu kỳ bay chụp 3- vực, địa phƣơng hoặc
5ngày
nhỏ hơn
QuickBird
Độ phân giải rất cao (0.6m – 2.4m); - Phân loại rừng chi tiết ở
Trƣờng phủ 16.5km x 16.5km. Chu kỳ cấp độ quần xã hoặc các
bay chụp 1-3.5 ngày tuỳ thuộc vào vĩ độ. loài cụ thể;
- Thƣờng đƣợc sử dụng
để kiểm tra kết quả phân
loại từ các nguồn khác.
4. Ảnh siêu phổ (Hyperspectral Sensors)
AVIRIS
Ảnh siêu phổ với 224 kênh từ bƣớc sóng - Quy mơ bản đồ: khu
nhìn thấy tới sóng ngắn hồng ngoại; Tuỳ vực, địa phƣơng hoặc
thuộc vào vĩ độ của vệ tinh mà ảnh có độ nhỏ hơn;
phân giải > 1m, trƣờng phủ > 1km.
- Phân loại rừng chi tiết ở
cấp độ quần xã hoặc các
loài cụ thể; ảnh chỉ chụp
theo u cầu 1 lần, vì vậy
khơng thích hợp với theo
dõi diễn biến rừng.
Hyperion
Ảnh siêu phổ với 220 kênh từ bƣớc sóng - Quy mơ bản đồ: khu
nhìn thấy tới sóng ngắn hồng ngoại; Độ vực
phân giải khơng gian 30m; Ảnh có từ - Phân loại rừng chi tiết ở

năm 2003.
cấp độ quần xã hoặc các
lồi có nhận biệt rõ.

5


Các thông số kỹ thuật và khả năng ứng dụng của một số ảnh vệ tinh có
độ phân giải cao có thể sử dụng để xây dựng bản đồ hiện trạng rừng đƣợc mô
tả chi tiết nhƣ sau:
+ SPOT
Ảnh SPOT rất thích hợp cho việc nghiên cứu, giám sát, dự báo các biến
động tài nguyên thiên nhiên, cũng nhƣ các hoạt động của con ngƣời. Có tất cả
5 vệ tinh SPOT đã đƣợc phóng lên từ SPOT1 đến SPOT5 lần lƣợt trong các
năm 1986, 1990, 1993, 1998, và 2002. Độ phân giải không gian của ảnh
SPOT biến động rất rộng từ 1km đến 2.5m. Ảnh SPOT có 2 mơ hình, tồn sắc
(panchromatic) hoặc đa phổ (multispectral). Trong đó, ảnh HRV (High
Resolution Visible) ở các vệ tinh SPOT1, 2, 3 tƣơng tự với ảnh HRVIR (High
Resolution Visible and Infrared) ở SPOT4 và HRG (High Resolution
Geometry) ở SPOT5. Ngoài ra, SPOT4 và 5 cịn có thêm kênh chụp lớp phủ
thực vật ở độ phân giải 1km với chu kỳ lặp lại 1 ngày (SPOT VGT), kênh phổ
này rất hữu ích trong việc giám sát lớp phủ thực vật trên một quy mô lớn. Với
ƣu thế có nhiều bộ cảm ứng (sensors) và tần suất bay chụp cao, nên vệ tinh
SPOT có thể cung cấp ảnh cho bất kỳ vị trí nào trên trái đất hằng ngày. Ảnh
SPOT cũng rất thuận lợi trong việc xây dựng bản đồ hiện trạng lớp phủ thực
vật ở nhiều tỷ lệ và quy mô khác nhau. Với những ƣu điểm nhƣ vậy, ảnh
SPOT đã có nhiều ứng dụng rộng rãi trong phân loại rừng, và thực vật nói
chung.
Huang và Siegert (2006) (Dẫn theo Phạm Văn Duẩn (2012) [5]) đã sử
dụng ảnh đa thời gian SPOT VGT để giám sát q trình sa mạc hố thơng qua

theo dõi sự biết động của thực vật ở vùng bắc Trung Quốc và đi đến kết luận,
ảnh SPOT VGT rất thích hợp cho việc nghiên cứu biến động lớp phủ thực vật
ở quy mô lớn. Kết quả này cũng tƣơng đồng với nghiên cứu của Cabral
(2006) (Dẫn theo Phạm Văn Duẩn (2012) [5]) trong việc phân loại lớp phủ ở
phía nam châu Phi. Ngoài ra, ảnh SPOT cũng rất hiệu quả trong việc giám sát
sinh trƣởng và phân bố của rừng ở quy mơ nhỏ, hoặc các lồi cụ thể, kết quả
6


đƣợc thể hiện trong các nghiên cứu: phân bố sinh cảnh của chim Công ở New
Zealand (Mathieu, 2006) ; biến động thực vật ven biển ở Hải Nam – Trung
Quốc (Millward, 2006). (Dẫn theo Phạm Văn Duẩn (2012) [5])
+ IKONOS
IKONOS là ảnh vệ tinh thƣơng mại đầu tiên có độ phân giải cao từ năm
1999. Trong đó, kênh tồn sắc có độ phân giải 1m, cịn các kênh đa phổ (nhìn
thấy đến hồng ngoại gần) có độ phân giải 4m, trƣờng phủ là 11km và chu kỳ
bay chụp là 3-5 ngày. Vì vậy, ảnh IKONOS thích hợp cho phân loại rừng có
kết cấu phức tạp và xây dựng những bản đồ có tỷ lệ cao, quy mơ nhỏ. Theo
nghiên cứu của Goward (2003) (Dẫn theo Phạm Văn Duẩn (2012) [5]), ảnh
IKONOS rất thích hợp cho việc kiểm định kết quả phân loại rừng từ các vệ
tinh có độ phân giải thấp hơn.
+ QuickBird
QuickBird có độ phân giải khơng gian rất cao, 0.6m-0.7m với kênh
toàn sắc và 2.4m-2.8m với kênh đa phổ. Với độ phân giải cao nhƣ vậy,
QuickBird có thể phân loại rừng một cách chính xác, mà cịn đƣợc ứng dụng
trong theo dõi động thái và cấu trúc rừng. Do giá thành rất cao, nên
QuickBird chỉ thƣờng đƣợc sử dụng ở quy mô nhỏ và chi tiết. Wolter (2005)
(Dẫn theo Phạm Văn Duẩn (2012) [5])đã sử dụng ảnh QuickBird để phân loại
thực vật ngập nƣớc ở cho 3 điểm vùng hồ Great Lakes – Hoa Kỳ; Coops
(2006) (Dẫn theo Phạm Văn Duẩn (2012) [5]) sử dụng ảnh QuickBird để phát

hiện, giám sát rừng bị phá hại do côn trùng. Tƣơng tự nhƣ ảnh IKONOS, ảnh
QuickBird cũng rất thích hợp cho việc kiểm định kết quả phân loại từ các ảnh
vệ tinh có độ phân giải thấp hơn.
Ngồi các loại ảnh vệ tinh nêu trên đƣợc sử dụng trong phân loại rừng,
thì cũng cịn rất nhiều loại ảnh khác đƣợc sử dụng. Ví dụ, ảnh ASTER,
Landsat, AVNIR2, hoặc ảnh AVIRIS với giải phổ gần liên tục trong 224
kênh, các ảnh siêu phổ này có thể lƣu trữ nhiều thơng tin về thực vật và phân

7


loại thực vật chính xác hơn các loại ảnh khác có cùng độ phân giải khơng
gian.
- Phân loại ảnh bằng phƣơng pháp xử lý số
Phân loại ảnh đƣợc định nghĩa là q trình giải đốn phản xạ phổ thành những
đối tƣợng khác nhau. Tổng hợp các cơng trình nghiên cứu về ứng dụng ảnh vệ
tinh trong phân loại rừng trên thế giới, Yichun (2008) đã chia các phƣơng
pháp phân loại ảnh vệ tinh thành 2 nhóm chính: (1) phƣơng pháp truyền
thống; (2) phƣơng pháp cải tiến.
+ Phương pháp phân loại truyền thống (Traditional Methods)
Có hai phƣơng pháp phân loại truyền thống là: phân loại đa phổ không
giám sát (unsupervised multispectral classification) dựa trên các thuật toán Kmean và ISODATA; phân loại đa phổ có giám sát (supervised multispectral
classification) dựa trên thuận toán xác xuất cực đại (Maximum LikelihoodML). Cả hai thuật toán K-mean và ISODATA đều liên quan đến việc phân
nhóm các phản xạ phổ theo q trình lặp đi lặp lại, đến khi giá trị trung bình
của các nhóm phổ ít thay đổi hoặc nhỏ hơn một ngƣỡng nhất định. Phƣơng
pháp phân loại khơng giám sát hồn tồn dựa vào cấp độ sáng của các điểm
ảnh. Ƣu điểm của phƣơng pháp này là tự động phân loại lớp phủ, làm cơ sở
cho việc sử dụng các phƣơng pháp phân loại khác có độ chính xác cao hơn
(Tso và Olsen, 2005). Nhƣợc điểm của phƣơng pháp này là quá trình phân
loại sẽ phải chạy lại khi dữ liệu mới đƣợc bổ sung.

Phƣơng pháp phân loại có giám sát dựa vào việc lựa chọn các vùng
mẫu trên ảnh đƣợc gán tƣơng ứng với các kiểu sử dụng đất hoặc kiểu rừng. Vì
vậy, khi bổ sung thêm kiểu che phủ mới thì không làm thay đổi các kiểu che
phủ đƣợc tạo lập trƣớc đó. Thuật tốn xác suất cực đại (ML) đƣợc xem là
truyền thống và sử dụng phổ biến cho phƣơng pháp phân loại có giám sát,
ngun lý của thuật tốn này là: mỗi điểm ảnh đƣợc tính xác suất thuộc vào
một lớp nào đó và đƣợc gán vào lớp mà xác suất thuộc vào lớp đó là lớn nhất
(Sohn và Rebello, 2002). Tuy nhiên, thuật toán xác suất cực đại cũng chƣa
8


phải là giải pháp tối ƣu, khi mà nó giả định phân bố cấp độ sáng của điểm ảnh
là phân bố chuẩn, vì vậy nó khơng thích hợp cho việc phân loại ở những nơi
có lớp phủ phức tạp nhƣ phân loại rừng ở vùng nhiệt đới.
+ Phương pháp phân loại cải tiến (Improved Methods)
Trong thực tế, cùng một kiểu rừng vẫn có thể có nhiều giá trị phản xạ
phổ khác nhau, ngƣợc lại các kiểu rừng khác nhau lại có thể có giá trị phản xạ
phổ giống nhau. Vì vậy, nếu sử dụng các phƣơng pháp truyền thống nhƣ phân
loại có giám sát, hoặc khơng giám sát thì rất khó có thể tách biệt và phân loại
hiện trạng rừng một cách chính xác. Nhìn chung, các phƣơng pháp cải tiến
thƣờng đƣợc phát triển trên cơ sở phƣơng pháp truyền thống có bổ sung thêm
các thuật tốn nhằm đạt đƣợc kết quả phân loại chính xác nhất. Có rất nhiều
nghiên cứu phát triển các phƣơng pháp phân loại lớp phủ thực vật. Stuart
(2006) đã sử dụng phƣơng pháp phân loại liên tục (Continuous Classification)
và ảnh Landsat để xây dựng bản đồ hiện trạng rừng (rừng thƣờng xanh, rừng
rụng lá, cây gỗ rải rác...) cho vùng nhiệt đới ở trung mỹ. Các tác giả đã chứng
minh rằng phƣơng pháp phân loại liên tục là tốt hơn phƣơng pháp xác suất
cực đại, đặc biệt là ở những khu vực có kiểu thảm thực vật phức tạp. Sohn và
Rebello (2002) đã phát triển phƣơng pháp phân loại SAC (Spectral Angle
Classifiers) từ phƣơng pháp phân loại có giám sát và khơng giám sát. Phƣơng

pháp SAC có tính đến sự biến động phản xạ phổ trong một kiểu rừng là do
ảnh hƣởng của hƣởng của khí quyển và địa hình, phƣơng pháp này đã đƣợc
áp dụng thành công trong phân loại các quần xã sinh vật ở vùng đông nam
bang Arizona – Hoa Kỳ (Sohn Y, Qi J, 2005) [17].
Các chỉ số thực vật nhƣ NDVI (Normalized Differenct Vegetation
Index) và EVI (Enhanced Vegetation Index) cũng đƣợc xem nhƣ là một thuật
toán để phân loại lớp phủ thực vật. Các chỉ số này đƣợc tính tốn trên căn cứ,
thực vật thƣờng phản xạ mạnh với bƣớc sóng hồng ngoại gần và hấp thụ
mạnh với bƣớc sóng màu đỏ. Sự tƣơng phản giữa 2 kênh phổ này đƣợc sử
dụng để tính tốn chỉ số thực vật. Các chỉ số thực vật thƣờng có liên hệ rất
9


chặt với hoạt động của quá trình quang hợp. Chỉ số NDVI đã đƣợc nhiều tác
giả sử dụng trong phân tích biến động của lớp phủ rừng trên các ảnh vệ tinh
đa thời gian (Wang, Tenhunen J, 2004 [19]. Các nhóm thực vật, hoặc kiểu
rừng cũng có thể nhận biết đƣợc qua việc nghiên cứu phân bố giá trị NDVI
trên ảnh (Lenney MP, Woodcock CE, Collins JB, et al 1996) [14].
Phƣơng pháp ANN (Artifical Neutral Network) và logic mờ cũng đƣợc
áp dụng rất hiệu quả ở những nơi có phân bố thực vật phức tạp (Fillippi và
Jensen, 2006). Phƣơng pháp này đã đƣợc Berberoglu (2000) áp dụng để phân
loại thực vật ở vùng địa trung hải, và tăng độ chính xác của bản đồ lên 15% so
với phƣơng pháp xác suất cực đại. Nhƣợc điểm của phƣơng pháp này là xử lý
trên máy tính rất lâu, đặc biệt là khi dữ liệu lớn. Phƣơng pháp phân loại mờ
(fuzzy classification) rất thích hợp cho các lớp phủ rừng phức tạp (Zhang J,
Foody GM, 1998) [22], phƣơng pháp này dựa trên phân bố xác suất của các
pixel hơn là nhóm các giá trị lại theo phƣơng pháp truyền thống.
Phƣơng pháp cây vấn đề (Decision Tree - DT) xuất phát từ lý thuyết
hồi quy, trên cơ sở so sánh đặc điểm, kết cấu phản xạ phổ trên ảnh với các
kiểu rừng hoặc loài thực vật. Ngƣời phân loại phải xuất phát từ việc đánh giá

khả năng phân tách các đối tƣợng dựa trên tri thức chuyên gia và đặc tính phổ
của chúng. Phƣơng pháp này có ƣu điểm là xử lý nhanh, khơng có giả thuyết
tốn học và có thể xử lý dữ liệu ở nhiều cấp độ khác nhau. Hansen (2006)
(Dẫn theo Phạm Văn Duẩn (2012) [5]) đã sử dụng phƣơng này với chỉ số
NDVI và ảnh AVHRR để xây dựng bản đồ hiện trạng rừng toàn cầu. Các tác
giả Xu M, Watanachaturaporn P, Varshney PK, et al, (2005) [20] đã sử dụng
3 phƣơng pháp DT, ANN và ML với 2 loại ảnh đa phổ và siêu phổ để phân
loại lớp phủ thực vật. Kết luận cho thấy phƣơng pháp DT chỉ thích hợp với
loại ảnh đa phổ. Trong một vài trƣờng hợp, phƣơng pháp DT cũng rất thích
hợp với lớp phủ thực vật có biến động mạnh liên quan chặt với điều kiện lập
địa nhƣ điều kiện đất và địa hình (He, 2005) (Dẫn theo Phạm Văn Duẩn
(2012) [5]). Ngoài ra, các kỹ thuật/phƣơng pháp phân loại nhƣ SPARK
10


(SPAtial Reclassification Kernel) và ADCM (Ancillary Data Classification
Model) nâng độ chính xác của kết quả phân loại ở những nơi có phân bố thực
vật khơng đồng nhất (Sluiter R, 2005) [16].
Nhìn chung, có rất nhiều phƣơng pháp/thuật tốn phân loại đƣợc phát
triển và ứng dụng trong nhiều lĩnh vực khác nhau. Trong một vài trƣờng hợp,
khi liên kết nhiều phƣơng pháp với nhau có thể nâng cao chất lƣợng phân loại
lớp phủ thực vật. Lo CP, Choi J (2004) [15] đã đề xuất phƣơng pháp phân loại
kết hợp (Hybrid Method), trên cơ sở sử dụng những ƣu điểm của cả 2 phƣơng
pháp phân loại có giám sát và phân loại không giám sát, để xây dựng bản đồ
lớp phủ cho vùng đô thị Atlanta – Hoa Kỳ bằng ảnh Landsat ETM+. Tuy
nhiên, các phƣơng pháp/thuật toán phân loại cải tiến thƣờng đƣợc phát triển
để nâng cao chất lƣợng phân loại ảnh trong từng trƣờng hợp cụ thể. Trong khi
đó, mỗi lồi thực vật lại có một phổ riêng biệt, phụ thuộc rất lớn vào hình
thái, hàm lƣợng các chất hố học, độ ẩm của lá cây.Vì vậy, phát triển các
phƣơng pháp phân loại ảnh vệ tinh vẫn là một chủ đề nhận đƣợc nhiều sự

quan tâm của các nhà nghiên cứu, bởi vì khơng có một phƣơng pháp hay thuật
tốn phân loại nào lại có thể áp dụng thành cơng cho tất cả các trƣờng hợp.
1.2. Những nghiên cứu tại Việt Nam
Trong suốt thời gian dài trƣớc năm 1945, Việt nam khơng có khả năng
thực hiện việc điều tra xây dựng bản đồ tài nguyên rừng. Thời kỳ này chỉ có
số liệu về tài ngun rừng đƣợc cơng bố trong cơng trình "Lâm nghiệp Đơng
Dương" của P. Maurand và số liệu đó thƣờng đƣợc xem là tài liệu gốc để so
sánh diễn biến rừng ở Việt Nam từ năm 1945 trở về sau. Theo tài liệu và bản
đồ của Maurand thì đến năm 1943, rừng Việt nam vẫn cịn khoảng 14.352.000
ha, độ che phủ 43,7%. Trong giai đoạn 1945-1954 không có tài liệu nào đề
cập đến việc xây dựng bản đồ tài nguyên rừng mà chỉ đi sâu phân tích các
hoạt động bảo vệ rừng, khai thác tài nguyên rừng, trồng cây gây rừng và đào
tạo cán bộ lâm nghiệp (Nguyễn Ngọc Bình, 2006) [2].

11


Năm 1958, với sự hợp tác của CHDC Đức đã sử dụng ảnh máy bay đen
trắng toàn sắc tỷ lệ 1/30.000 để điều tra rừng ở vùng Đông Bắc (Chu Thị
Bình, 2001) [3]. Đó là một bƣớc tiến bộ kỹ thuật rất cơ bản, tạo điều kiện xây
dựng các công cụ cần thiết để nâng cao chất lƣợng công tác điều tra rừng ở
nƣớc ta. Từ cuối năm 1958, bình quân mỗi năm đã điều tra đƣợc khoảng
200.000 ha rừng, đã sơ thám đƣợc tình hình rừng và đất đồi núi, lập đƣợc
thống kê tài nguyên rừng đơn giản và vẽ đƣợc phân bố tài nguyên rừng ở
miền Bắc. Đến cuối năm 1960, tổng diện tích rừng ở miền Bắc đã điều tra
đƣợc vào khoảng 1,5 triệu ha. Ở Miền Nam ảnh máy bay đƣợc sử dụng từ
năm 1959, đã xác định tổng diện tích rừng miền Nam là 8 triệu ha.
Năm 1968 đã sử dụng ảnh máy bay trong công tác điều tra rừng cho lâm
trƣờng Hữu Lũng, Lạng Sơn. Dựa vào ảnh máy bay, khoanh ra các loại rừng,
sau đó ra thực địa kiểm tra và đo đếm cho từng loại rừng, xây dựng bản đồ

hiện trạng rừng thành quả.
Giai đoạn 1970 – 1975 ảnh máy bay đã đƣợc sử dụng rộng rãi để xây
dựng các bản đồ hiện trạng, bản đồ mạng lƣới vận xuất, vận chuyển cho nhiều
vùng thuộc miền Bắc (Vũ Tiến Hinh, Phạm Ngọc Giao, 1997) [7]
Từ năm 1981 đến năm 1983, lần đầu tiên ngành Lâm nghiệp tiến hành điều
tra, đánh giá tài ngun rừng trên phạm vi tồn quốc. Trong đó đã kết hợp
giữa điều tra mặt đất và giải đoán ảnh vệ tinh do FAO hỗ trợ. Do vào đầu
những năm 1980, ảnh vệ tinh và ảnh hàng khơng cịn rất hạn chế, chỉ đáp ứng
yêu cầu điều tra rừng ở một số vùng nhất định, mà chƣa có đủ cho tồn quốc.
Ảnh vệ tinh đƣợc sử dụng thời kỳ đó là Landsat MSS.
Từ năm 1991 – 1995 đã tiến hành theo dõi diễn biến tài nguyên rừng
toàn quốc và xây dựng bản đồ hiện trạng tài nguyên rừng trên cơ sở kế thừa
những bản đồ hiện trạng rừng hiện có thời kỳ trƣớc năm 1990, sau đó dùng
ảnh vệ tinh Landsat MSS và Landsat TM có độ phân giải 30x30m để cập nhật
những khu vực thay đổi sử dụng đất, những nơi mất rừng hoặc những nơi có
rừng trồng mới hay mới tái sinh phục hồi. Ảnh vệ tinh Landsat MSS và
12


Landsat TM tỷ lệ 1:250.000, đƣợc giải đoán khoanh vẽ trực tiếp trên ảnh bằng
mắt thƣờng. Kết quả giải đoán đƣợc chuyển hoạ lên bản đồ địa hình tỷ lệ
1:100.000 và đƣợc kiểm tra tại hiện trƣờng. Thành quả đã thành lập đƣợc: bản
đồ sinh thái thảm thực vật rừng các vùng tỷ lệ 1:250.000; bản đồ dạng đất đai
các tỉnh tỷ lệ 1:100.000 và các vùng tỷ lệ 1:250.000.
Từ năm 1996 – 2000, bản đồ hiện trạng rừng đƣợc xây dựng bằng
phƣơng pháp viễn thám. Ảnh vệ tinh đã sử dụng là SPOT3, có độ phân giải
15m x 15m, phù hợp với việc xây dựng bản đồ tỷ lệ 1:100.000. So với ảnh
Landsat MSS và Landsat TM, ảnh SPOT3 có độ phân giải cao hơn, các đối
tƣợng trên ảnh cũng đƣợc thể hiện chi tiết hơn. Ảnh SPOT3 vẫn đƣợc giải
đoán bằng mắt thƣờng nên kết quả giải đoán vẫn còn phụ thuộc nhiều vào

kinh nghiệm của chuyên gia giải đoán và chất lƣợng ảnh. Kết quả về mặt
thành lập bản đồ đã xây dựng đƣợc: bản đồ phân vùng sinh thái thảm thực vật
cấp vùng và toàn quốc; bản đồ phân loại đất cấp tỉnh, vùng và toàn quốc; bản
đồ hiện trạng rừng cấp tỉnh, vùng và toàn quốc và bản đồ hiện trạng rừng tỷ lệ
1:100.000; 1:250.000; 1:1000.000.
Từ năm 2000 – 2005, phƣơng pháp xây dựng bản đồ trong lâm nghiệp
đã đƣợc phát triển lên một bƣớc. Bản đồ hiện trạng rừng đƣợc xây dựng từ
ảnh số vệ tinh Landsat ETM+. Độ phân giải ảnh là 30m x 30m. Việc giải
đốn ảnh đƣợc thực hiện trong phịng dựa trên những mẫu khóa ảnh đã đƣợc
kiểm tra ngồi hiện trƣờng. Ƣu điểm của phƣơng pháp giải đoán ảnh số là tiết
kiệm đƣợc thời gian và có thể giải đốn thử nhiều lần trƣớc khi lấy kết quả
chính thức (Nguyễn Ngọc Bình, 2006) [2].
Nhƣ vậy, tuy khoa học điều tra rừng ở Việt Nam ra đời muộn hơn so
với nhiều môn khoa học khác nhƣng đã đạt đƣợc những thành quả nhất định.
Song song với điều tra mặt đất, đã có nhiều nghiên cứu thử nghiệm và từng
bƣớc ứng dụng có hiệu quả phƣơng pháp viễn thám trong xây dựng các bản
đồ tài nguyên rừng. Tuy nhiên, hệ thống các bản đồ tài nguyển rừng Việt nam
hiện nay, do đƣợc xây dựng tại các thời điểm khác nhau và đã sử dụng nhiều
13