01. ỨNG DỤNG ẢNH VỆ TINH LANDSAT 8 THÀNH LẬP BẢN ĐỒ CÁC TRẠNG THÁI RỪNG TỈNH ĐẮK LẮK
Thanh bên bài viết
-
Viễn thám Remote sensing
Giới thiệu
Đánh giá khả năng lưu giữ cacbon rừng đòi hỏi thông tin cập nhật diện tích các trạng thái rừng. Mục đích của nghiên cứu này là ứng dụng ảnh vệ tinh Landsat 8 để thành lập bản đồ các trạng thái rừng tại tỉnh Đắk Lắk, làm cơ sở cho ước tính khả năng lưu giữa cacbon theo các trạng thái rừng với chi phí thấp và được cập nhật thường xuyên trên địa bàn. Thuật toán phân loại có kiểm định của mô-đun Image Analysis trong phần mềm ArcGIS 10.3 được áp dụng để phân loại các trạng thái rừng trên địa bàn tỉnh Đắk Lắk. Kết quả phân loại cho biết ảnh Landsat 8 có khả năng phân biệt các trạng thái rừng khá hiệu quả. Với rừng lá rộng rụng lá, kết quả phân loại cho biết rừng lá rộng rụng lá nghèo chiếm tỷ lệ diện tích lớn nhất (15,8%), kế đến là rừng lá rụng rộng lá nghèo kiệt (8,09%), rừng lá rộng rụng lá trung bình (5,81%). Với rừng lá rộng thường xanh, trạng thái rừng lá rộng thường xanh giàu chiếm tỷ lệ lớn nhất (14,40%), tiếp đến là rừng lá rộng thường xanh trung bình (13,74%), rừng lá rộng thường xanh nghèo (9,48). Diện tích rừng cao su chiếm diện tích nhỏ (5,08%). Về độ chính xác tổng quát, kết quả phân loại bản đồ hiện trạng các trạng thái rừng tự nhiên từ ảnh Landsat 8 đạt xấp xỉ 90% và hệ số Kappa đạt 0,8. Đây là mức chính xác có thể chấp nhận được trong thực tiễn sử dụng bản đồ trạng thái rừng cho ước tính lượng cacbon lưu giữ theo các trạng thái rừng.
Toàn văn bài báo
Trích dẫn
[2]. Asim Banskota; Nilam Kayastha; Michael J. Falkowski; Michael A. Wulder; Robert E. Froese & Joanne C. White (2014). Forest Monitoring Using Landsat Time Series Data: A Review. Canadian Journal of Remote Sensing, 40:5, 362 - 384, DOI: 10.1080/07038992.2014.987376.
[3]. Brown, S., (1996). Present and potential roles of forests in the global
climate change debate. Unasylva, Vol. 185: pp. 3 - 9.
[4]. Anderson, J.R.; Hardy, E.E.; Roach, J.T.; Witmer, R.E., (1976). A land use and land cover classification system for use with remote sensor data. Government Printing Office: Washington, DC, USA.
[5]. Congalton, R.G., (1991). A review of assessing the accuracy of classifications of remotely sensed data. Remote Sensing of Enviroment. 37:35 - 46.
[6]. Congalton, R.G., (2001). Accuracy assessment and validation of remotely sensed and other spatial information. International Journal of Wildland Fire 10: 321 - 328. doi:10.1071/WF01031.
[7]. Congalton, R.G; K. Green., (2009). Assessing the accuracy of remotely sensed data: principles and practices. 2nd ed. Boca Raton, FL: CRC Press.
[8]. IPCC., (2006). IPCC Guidelines for national greenhouse gas inventories. Prepared by the Natinal Greenhouse Gas Inventories Programme, Eggleston H.S., Buendia L., Miwa K., Ngara T., Tanabe K., (eds). Published: IGES, Japan.
[9]. Thomlinson, J.R; Bolstad, P.V; Cohen, W.B., (1999). Coordinating methodologies for scaling landcover classifications from site-specific to global: steps toward validating global map products. Remote Sensing of Environment, 70, 16 - 28.
[10]. USGS., (2019). Landsat 8 data users handbook. The United State Geological Survey (USGS).
