Tác giả

Nguyễn Vinh Phú 1 , Phạm Thị Làn 2*

Đơn vị công tác

1 Quỹ Bảo vệ và Phát triển rừng tỉnh Lâm Đồng; vinhphuqbvr@gmail.com

2 Đại học Mỏ - Địa chất; phamthilan@humg.edu.vn

*Tác giả liên hệ: phamthilan@humg.edu.vn; Tel.: +84–983321882

Tóm tắt

Mất rừng là thách thức toàn cầu, làm ảnh hưởng đến là phổi xanh của trái đất và làm mất đi môi trường sống của sinh vật. Do vậy, giám sát mất rừng là cần thiết để có biện pháp chiến lược cho việc bảo vệ rừng trong tương lai. Nghiên cứu sử dụng các chỉ số NDVI, RFI và NBCI được tính từ ảnh Sentinel-1, Sentinel-2 trong xác định diện tích mất rừng của năm 2021 so với năm 2020. Chỉ số NDVI được tính từ ảnh Sentinel-2. và chỉ số RFI tính từ sự khác biệt giá trị tán xạ phản hồi của rừng đối với kênh phân cực VH trên ảnh Sentinel-1. Trong khi đó, chỉ số NBCI được kết hợp kênh NDVI với kênh VH. Kết quả chứng minh được rằng chỉ số NBCI đem lại độ chính xác cao nhất trong xác định mất rừng, đạt 79,53%. Trong khi đó, chỉ số KB - chỉ số khác biệt NDVI và chỉ số RFI đạt lần lượt là 55,83% và 14,85%. Với chỉ số NBCI, rừng ở khu vực Đam Rông được xác định là mất 50,51ha. Hiệu quả của việc kết hợp Sentinel-1 và Sentinel-2 đã định hướng cho các nhà quản lý một giải pháp thích hợp trong việc kiểm kê rừng hàng năm.

Từ khóa

Mất rừng; Sentinel-1; Sentinel-2.

Trích dẫn bài báo

Phú, N.V.; Làn, P.T. Đánh giá hiệu quả ứng dụng ảnh Sentinel-1 và Sentinel-2 xác định mất rừng: Thí điểm khu vực huyện Đam Rông, tỉnh Lâm Đồng. Tạp chí Khí tượng Thuỷ văn 2024, 766, 53-64.

Tài liệu tham khảo

1. Statista Research Department. Total forest area in Vietnam from 2011 to 2022. 2023.

2. Bank, T.W. Country Forest Note Vietnam. International Bank for Reconstruction and Development 1818 H Street NW, Washington, DC 20433, 2019.

3. Blanc, L.; Gond, V.; Minh, D.H.T. Remote Sensing and Measuring Deforestation. Land Surf. Remote Sens. 2016, 27–53.

4. FAO. Manual on deforestation, degradation, and fragmentation using remote sensing and GIS. 2007.

5. FAO. Assessing forest degradation, towards the development of globally applicable guidelines Working paper 177. http://www.fao.org/3/a-i2479e.pdf. 2011.

6. Tarazona, Y.; Zabala, A.; Pons, X.; Broquetas, A.; Nowosad, J.; Zurqani, H.A. Fusing Landsat and SAR Data for Mapping Tropical Deforestation through Machine Learning Classification and the PVts-β Non-Seasonal Detection Approach. Can. J. Remote Sens. 2021, 47(5), 677–696.

7. Adarme, O.M.; Prieto, J.D.; Feitosa, R.Q.; De Almeida, C.A. Improving deforestation detection on tropical rainforests using Sentinel-1 data and convolutional neural networks. Remote Sens. 2022, 14(14), 3290.

8. Sano, E.E.; Rizzoli, P.; Koyama, C.N.; Watanabe, M.; Adami, M.; Shimabukuro, Y.E.; Bayma, G.; Freitas, D.M. Comparative analysis of the global forest/non-forest maps derived from SAR and optical sensors. Case studies from Brazilian Amazon and Cerrado Biomes. Remote Sens. 2021, 13(3), 367.

9. Asner, G.P.; Knapp, D.E.; Broadbent, E.N.; Oliveira, P.J.; Keller, M.; Silva, J.N. Selective logging in the Brazilian Amazon. Science 2005, 310(5747), 480–482.

10. Souza, J.C.; Siqueira, J.; Sales, M.; Fonseca, A.; Ribeiro, J.; Numata, I.; Cochrane, M.; Barber, C.; Roberts, D.; Barlow, J. Ten-year landsat classification of deforestation and forest degradation in the Brazilian Amazon. Remote Sens. 2013, 5(11), 5493–5513.

11. Miranda-Castro, W.; Barrios, R.A.; Guerrero, M.; Guzmán, K.; de Gorostizaga, S. Assessing forest cover loss using landsat images and GIS: A case study in Colombian protected area. J. Sustainable For. 2022, 42(8), 831–847.

12. Borges, J.; Higginbottom, T.P.; Cain, B.; Gadiye, D.E.; Kisingo, A.; Jones, M.; Symeonakis, E.; Disney, M.; Levick, S. Landsat time series reveal forest loss and woody encroachment in the Ngorongoro Conservation Area, Tanzania. Remote Sens. Ecol. Conserv. 2022, 8(6), 808–826.

13. Dangbo, F.A.; Gardi, O.; Adjonou, K.; Hlovor, A.K.D.; Blaser, J.; Kokou, K. An analytical assessment of forest cover changes over the last 30 Years in the semi-deciduous forest zone of Togo. J. Hortic. For. 2020, 12(2), 70–83.

14. Hansen, M.C.; Potapov, P.V.; Moore, R.; Hancher, M.; Turubanova, S.A.; Tyukavina, A.; Thau, D.; Stehman, S.V.; Goetz, S.J.; Loveland, T.R.; Kommareddy, A.; Egorov, A.; Chini, L.; Justice, C.O.; Townshend, J.R. High-resolution global maps of 21st-century forest cover change. Science 2013, 342(6160), 850–853.

15. Fawzi, N.I.; Husna, V.N.; Helms, J.A. Measuring deforestation using remote sensing and its implication for conservation in Gunung Palung National Park, West Kalimantan, Indonesia. IOP Conf. Ser.: Earth Environ. Sci. 2018, 149, 012038.

16. Candra, D.S. Deforestation detection using multitemporal satellite images. IOP Conf. Ser.: Earth Environ. Sci. 2020, 500(1), 012037.

17. Verbesselt, J.; Zeileis, A.; Herold, M. Near real-time disturbance detection using satellite image time series. Remote Sens. Environ. 2012, 123, 98–108.

18. Zhu, Z.; Woodcock, C.E. Object-based cloud and cloud shadow detection in Landsat imagery. Remote Sens. Environ. 2012, 118, 83–94.

19. Joshi, N.; Baumann, M.; Ehammer, A.; Fensholt, R.; Grogan, K.; Hostert, P.; Jepsen, M.; Kuemmerle, T.; Meyfroidt, P.; Mitchard, E.; Reiche, J.; Ryan, C.; Waske, B. A review of the application of optical and radar remote sensing data fusion to land use mapping and monitoring. Remote Sens. 2016, 8(1), 70.

20. Danklmayer, A.; Doring, B.J.; Schwerdt, M.; Chandra, M. Assessment of atmospheric propagation effects in SAR Images. IEEE Trans. Geosci. Remote Sens. 2009, 47(10), 3507–3518.

21. Watanabe, M.;C.N. Koyama;M. Hayashi;I. Nagatani, and M. Shimada. Early-Stage Deforestation Detection in the Tropics With L-band SAR. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing. 2018, 11(6), 2127–2133.

22. Ortega, M.X.; Feitosa, R.Q.; Bermudez, J.D.; Happ, P.N.; De Almeida, C.A. Comparison of optical and SAR data for deforestation mapping in the Amazon rainforest with fully convolutional networks. Proceeding of the 2021 IEEE International Geoscience and Remote Sensing Symposium IGARSS. 2021, pp. 3769–3772.

23. Karaman, K.; Garnot, V.S.F.; Wegner, J.D. Deforestation detection in the Amazon with Sentinel-1 Sar Image Time Series. ISPRS Ann. Photogramm. Remote Sens. Spatial Inf. Sci. 2023, X-1/W1-2023, 835–842.

24. Almeida‐Filho, R.; Shimabukuro, Y.E.; Rosenqvist, A.; Sánchez, G.A. Using dual‐polarized ALOS PALSAR data for detecting new fronts of deforestation in the Brazilian Amazônia. Int. J. Remote Sens. 2009, 30(14), 3735–3743.

25. Zeng, T.; Dong, X.; Quegan, S.; Hu, C.; Uryu, Y. Regional tropical deforestation detection using ALOS PALSAR 50 m mosaics in Riau province, Indonesia. Electron. Lett. 2014, 50(7), 547–549.

26. Thám, N.; Ba, L.H.H. Đánh giá điều kiện tư nhiên phục vụ phát triển Nông - Lâm nghiệp huyện Đam Rông, tỉnh Lâm Đồng. Tạp chí Khoa học, Trường Đại học Sư phạm, Đại học Huế 2019, 3(51), 152–159.

27. Bảo, T.Q.; Khang, L.N.; Doanh, L.S.; Thị, N.V.; Duẩn, P.V.; Oanh, T.L.K.; Chính, P.Q. Giải pháp phục hồi rừng trên đất lâm nghiệp hiện đang trồng cây nông nghiệp: trường hợp nghiên cứu điểm tại huyện Di Linh, tỉnh Lâm Đồng. Tạp chí Khoa học và Công nghệ Lâm nghiệp 2021, 6, 81–91.

28. UBND huyện Đam Rông. Quyết định Phê duyệt kết quả theo dõi diễn biến rừng, đất lâm nghiệp và công bố hiện trạng rừng, đất lâm nghiệp năm 2021, Số /QĐ-UBND. 2022.

29. Anh, N.Đ.; Tuân, V.A.; Hằng, N.T.; Bình, N.T. Ứng dụng kết hợp ảnh Sentinel-1 và tỷ số Radar Change Ratio trong nghiên cứu biến động diện tích rừng với khu vục thử nghiệm tại xã Quảng Sơn, huyện Đắk Glong - tỉnh Đắk Nông. Tạp chí Khoa học Đo đạc và Bản đồ 2019, 41, 57–64.

30. Thị, N.V.; Dương, N.Đ.; Bảo, T.Q. Quan hệ giữa tán xạ ngược của ảnh Radar Sentinel-1 với chỉ số thực vật NDVI của ảnh quang học Sentinel-2: trường hợp nghiên cứu cho đối tượng rừng Khộp tại tỉnh Đắk Lắk. Tạp chí Khoa học và Công nghệ Lâm nghiệp 2018, 3, 167–176.

31. Huy, N.Q.; Dương, K.T.; Tuấn, T.A.; Thị, N.V. Ứng dụng ảnh vệ tinh Landsat 8 để xây dựng bản đồ biến động rừng ở tỉnh Bắc Giang. Tạp chí Khoa học và Công nghệ Lâm nghiệp 2021, 3, 77–85.

32. Thị, N.V.; Bảo, T.Q.; Doanh, L.S.; Duẩn, P.V.; Hải, N.N.; Hòa, T.X. Nghiên cứu kết hợp ảnh vệ tinh quang học Sentinel-2 và Radar Sentinel-1 trong phát hiện mất rừng ở tỉnh Gia Lai. Tạp chí Nông nghiệp và phát triển nông thôn 2020, 1, 105–112.

33. Ban tuyên giáo Huyện ủy Đam Rông. Đam Rông giải tỏa dứt điểm diện tích rừng bị tái lấn chiếm. Báo cáo tổng hợp công tác báo chí, số 115-BC/BTGHU. 2022.

34. UBND tỉnh Lâm Đồng. Quyết định số 347/QĐ-UBND về việc phê duyệt kế hoạch sử dụng đất năm 2020 huyện Đam Rông, tỉnh Lâm Đồng. 2020.

35. Chi cục Kiểm lâm tỉnh Lâm Đồn. Thông báo số 26/TB-KL. Kết luận của Chi cục trưởng chi cục Kiểm lâm Lâm Đồng tại cuộc họp giao ban tháng 5 năm 2021. 2021.

36. Hạt Kiểm lâm Đam Rông. Báo cáo số 101/BC-KL về Kết quả kiểm tra, rà soát hiện trạng các vụ phá rừng, lấn chiếm đất lâm nghiệp xảy ra trên địa bàn huyện trong năm 2021 và 9 tháng đầu năm 2022. 2022.

37. Hạt Kiểm lâm Đam Rông. Báo cáo số 135/BC-KL về Kết quả kiểm tra, rà soát hiện trạng các vụ phá rừng xảy ra trên địa bàn huyện Đam Rông trong 11 tháng năm 2021. 2021.

38. UBND tỉnh Lâm Đồng. Quyết định số 372/QĐ-UBND về việc phê duyệt kế hoạch sử dụng đất năm 2021 huyện Đam Rông, tỉnh Lâm Đồng. 2021.

39. Masek, J.G.; Hayes, D.J.; Hughes, M.J.; Healey, S.P.; Turner, D.P. The role of remote sensing in process-scaling studies of managed forest ecosystems. For. Ecol. Manage. 2015, 355, 109–123.