Tải bản đầy đủ - 0 (trang)
Hình 3.28: Chồng xếp 140 ô mẫu lên 3 hệ thống phân loại ảnh phi giám định

Hình 3.28: Chồng xếp 140 ô mẫu lên 3 hệ thống phân loại ảnh phi giám định

Tải bản đầy đủ - 0trang

Dạng hàm



Hàm



R2

adj

(%)



CF



AIC



S%



S'%



P(T<=t)

one-tail



Ma

hàm



TAGTB=

f(Id_3_4

class)



ln(TAGTB)/Id_3_Class =

4.95427 3.60624*ln(Id_3_Class) +

0.0395272*Id_4_Class^2



93.3



1.06



-296.9



45.8



6.3



0.08



3-135



TAGTB=

f(Id_3_5clas

s)



ln(TAGTB)/Id_3_Class =

4.9753 3.75463*ln(Id_3_Class) +

0.0322547*Id_5_Class^2



93.6



1.06



-304.4



43.9



0.7



0.00



3-136



TAGTB=

f(Id_4_5clas

s)



ln(TAGTB)/Id_4_Class =

4.87108 3.5329*ln(Id_4_Class) +

0.0500584*(Id_5_Class^2)



94.5



1.05



-332.9



45.8



1.4



0.02



3-137



TAGTB=

f(Id_3_4_5cl

ass)



ln(TAGTB)/Id_4_Class =

4.9368 3.41084*ln(Id_4_Class) +

0.0144115*Id_3_Class*Id_

5_Class^2



94.6



1.04



-336.9



50.5



9.8



0.08



3-138



Sư dụng 69 ô mẫu độc lập khơng tham gia lập mơ hình để đánh giá sai số của

các hệ thống phân loại ảnh. Chồng ghép tọa độ 69 ô mẫu độc lập lên các lớp ảnh

phân chia va kiểm tra biến động S% va sai số tương đới (S’%) 7 mơ hình. Đờng

thời sư dụng tiêu chuẩn t bắt cặp theo một chiều để kiểm tra sai khác giữa TAGTB

ước lượng từ mơ hình thơng qua các lớp ảnh với dữ liệu TAGTB của 69 ô đợc lập

khơng tham gia lập mơ hình.

Bảng 3.54 cho thấy 3 mơ hình 3-132, 3-136, 3-137 có P(T<=t) one-tail < 0.05,

có nghĩa la có sự sai khác giữa giá trị sinh khới ước tính qua ảnh với thực tế ở mức

tin cậy 95%, do đó các mơ hình nay khơng phù hợp.

Kết quả lựa chọn cho thấy mơ hình quan hệ TAGTB (mơ hình 3-135) với tổ hợp

hai hệ thớng phân loại ảnh thanh 3 va 4 lớp có đợ tin cậy cao nhất; với biến động S

%

= 45.8% la bé nhất, sai số tương đối S’% = 6.3% la bé nhất; đồng thời qua kiểm tra

bằng tiêu chuẩn t bắt cặp mợt chiều có P >0.05, có nghĩa chưa có sự sai khác giữa

sinh khới ước lượng qua phân loại ảnh thanh 3 va 4 lớp chồng xếp với dữ liệu đánh

giá đợc lập.

Như vậy phân loại ảnh phí giám định thanh 3 va 4 lớp chồng xếp va lập quan hệ

với TAGTB để lập bản đồ, dữ liệu sinh khới rừng từ ảnh SPOT 5 có đợ tin cậy cao,



sai số tương đối rất thấp với S’% = 6.3% va khơng có sai khác giữa giá trị sinh khới

ước tính qua ảnh với thực tế ở mức tin cậy 95%.

Trên cơ sở nay chồng ghép 2 hệ thống phân loại 3 va 4 class sau đó sư dụng mơ

hình quan hệ TAGTB với tổ hợp class lập được bản đờ sinh khới va carbon rừng.



Hình 3.29: Tở hợp chồng xếp hệ thống phân loại ảnh phi giám định với 3 và 4 class

có quan hệ chặt che với TAGTB



3.4.2 Phân loại ảnh có giám đinh đê phân chia rưng theo cấp sinh khối

Trên cơ sở kết quả phân cấp sinh khối ở mục 3.3.3.2 đa xác định được 3 cấp

sinh khối cho rừng lá rộng thường xanh ở khu vực Tây nguyên. Dựa vao kết quả

phân cấp nay tiến hanh phân loại ảnh theo 3 cấp sinh khối.



140 ô mẫu tạo thanh ROI để phân loại ảnh theo cấp sinh khối

Ảnh SPOT 5 được phân chia thanh 3

cấp sinh khối trên cơ sở 140 ô mẫu

hiện trường đa phân cấp sinh khới

TAGTB



Hình 3.30: Ảnh đa được phân loại giám định thành 3 cấp sinh khối dựa vào 140 ô

mẫu hiện trường



Sư dụng 140 ô mẫu đa phân chia thanh 3 cấp sinh khối để phân loại ảnh SOPT

5. Sư dụng chức năng phân loại trong Envi: Classification/Supervised/Maximum

Likelihood. Chọn ảnh va chọn mặt nạ có rừng va chọn vùng điểm quan tâm (ROI)

để phân loại cấp sinh khối theo file 140 ơ mẫu đa được phân cấp TAGTB (Hình

3.30). Kết quả phân loại được rừng thanh 3 cấp sinh khối TAGTB trên ảnhSư

dụng 69 ô mẫu độc lập không tham gia phân loại để kiểm định kết quả phân loại.

Các ơ nay được bớ trí ngẫu nhiên, tính TAGTB va phân thanh 3 cấp sinh khối

tương đồng. Việc đánh giá dựa trên sai số giữa các pixel đa được phân loại thanh 3

cấp sinh khối theo phương pháp Maximum Likelihood va điểm ô mẫu trên thực tế.

Kết quả đánh giá dựa trên các tiêu chí thớng kê đợ chính xác toan bợ (overall

accuracy), đợ chính xác của người sản xuất (Producer accuracy) va đợ chính

xác của người sư dụng (User accuracy). Công việc nay được thực hiện trong

phần mềm Envi. Sư dụng chức năng đánh giá trong Envi: Post Classification /

Confusion matrix.

Kết quả kiểm tra phương pháp phân loại cấp sinh khới rừng có giám định đợ tin

cậy toan bộ la 33.8% với hệ số Kapa rất thấp = -0.1787 (Hình 3.31). Với đợ tin cậy

khơng cao, cho thấy phương pháp phân loại ảnh theo phương pháp có giám định

thanh các cấp sinh khối không đủ tin cậy để ước tính sinh khới, carbon qua ảnh.

Phương pháp cũng thường được dùng để phân loại thảm phủ rừng, lập bản đồ hiện

trạng, trạng thái rừng trong nước va trên thế giới.



Hình 3.31: Ma trận đơ tin cậy của phân loại có giám định



Như vậy qua kết quả thư nghiệm ứng dụng ảnh vệ tinh SPOT 5 để ước tính

giám sát sinh khối carbon rừng theo 2 phương pháp, đi đến kết luận: Phương pháp

phân loại ảnh vệ tinh SPOT 5 phi giám định thanh 3 va 4 lớp, chồng xếp hai hệ

thống lớp nay tạo ra một hệ thống phân loại mới đa phát hiện được quan hệ rất tốt

với giá trị sinh khối lâm phần trên mặt đất. Từ đây ước tính va lập được bản đờ

sinh khới qua mơ hình quan hệ TAGTB với hệ thớng tổ hợp 3-4 class với độ tin cậy

lên đến 93.7% qua đánh giá bằng rút mẫu độc lập đủ lớn (64 ô mẫu đánh giá đợc

lập).

Mơ hình ước tính TAGTB theo hệ thống 3-4 class theo phân loại ảnh SPOT 5

phi giám định:

ln(TAGTB)/Id_3_Class



=



4.95427



-



3.60624*ln(Id_3_Class)



+



0.0395272*Id_4_Class^2

3-135



3.4.3 Quản ly, giám sát sinh khối, carbon rưng GIS

Từ kết quả phân loại phi giám định cho thấy sinh khới cây rừng trên mặt đất có

quan hệ chặt che với tổ hợp 3 lớp va 4 lớp. Sư dụng phương pháp nay để tạo lập cơ

sở dữ liệu va bản đồ sinh khối, carbon rừng.

Tiến hanh chồng các lớp với 3 class va 4 class có quan hệ với TAGTB, thêm

các trường dữ liệu về sinh khới, diện tích … va sư dụng mơ hình để tính TAGTB

theo tổ hợp của 3-4 lớp trong ArcGIS:

ln(TAGTB)/Id_3_Class

0.0395272*Id_4_Class^2



=



4.95427



-



3.60624*ln(Id_3_Class)



+

3-135



Hình 3.32: TAGTB được tính qua mơ hình cho từng tở hợp polygon của hệ thống 3

và 4 class trong ArcGIS



Từ đây đưa ra bản đồ sinh khối được lập từ ảnh SPOT 5 theo hệ thống phân loại

phi giám định với 3 - 4 class tổ hợp (Hình 3.33).



Hình 3.33: Bản đồ sinh khối các tổ hợp 3 lớp và 4 lớp ảnh SPOT 5



Trong thực tế cần quản lý rừng theo từng trạng thái, khối trạng thái, cấp trữ

lượng, sinh khối khác nhau; mặc khác không thể quản lý theo dạng pixel hoặc tổ

hợp các polygon vì sớ lượng polygon rất nhiều. Do đó, dựa vao cấp sinh khới để

gợp va xây dựng bản đồ theo cấp sinh khối.

Kết quả nghiên cứu phân chia cấp sinh khối, thống nhất cấp sinh khối trong

nghiên cứu lâm phần: Cấp 1 (Cao) > 315 tấn/ha; Cấp 2 (TB): 160 – 315 tấn/ha va

Cấp 3 (Thấp): < 160 tấn.ha.

Sư dụng chức năng lọc của ArcGIS để gắn cấp sinh khới 1, 2 va 3 như Hình

3.34.

Cấp sinh khới va sinh khới trung bình cho từng cấp được tính trong ArcGIS.

Sau đó gợp các polygon cùng cấp sinh khới bằng lệnh Dissolve để hình thanh bản

đờ theo cấp sinh khối.

Từ đây mở các trường sinh khối, carbon lâm phần trên va dưới mặt đất va sư

dụng các mô hình quan hệ giữa TBGTB, TAGTC, TBGTC = f(TAGTB) để tính các

giá trị sinh khới, carbon toan lâm phần.

Tính tổng sinh khối TTB va tổng carrbon TTC của vùng nghiên cứu:

TTB = TTB/ha*Area (Diện tích của từng cấp sinh khới)



TTC = TTC/ha*Area.



Hình 3.34: Gắn 3 cấp sinh khối trong ArcGIS



Kết quả có được bản đờ cấp sinh khới va các giá trị sinh khới, carbon trung

bình trên hecta ở trên dưới mặt đất va tổng sinh khối va carbon của toan khu vực tại

thời điểm điều tra như sau:



Hình 3.35: Bản đồ cấp sinh khối vùng Tuy Đức tỉnh Đăk Nông



Cơ sở dữ liệu sinh khối va carbon rừng được quản lý trong ArcGIS trình bay

trong Bảng 3.55. Kết quả cho thấy tại thời điểm giải đoán ảnh SPOT trên khu vực

nghiên cứu diện tích có sinh khới rừng la 51193 ha, lưu giữ được 9.5 triệu tấn sinh

khối ứng với 4.1 triệu tấn carbon va 15.2 triệu tấn CO2 tương đương.

Tại thời điểm giám sát rừng tiếp theo chỉ cần phân loại lại rừng bằng ảnh theo

3- 4 lớp, từ đó sư dụng các mơ hình quan hệ với các lớp phân loại se cập nhật

được lượng sinh khối, carbon thay đổi theo thời gian.

Bảng 3.55: Cơ sở dữ liệu sinh khối, carbon rừng trong GIS tại thời điểm chụp của

ảnh vệ tinh SOPT 5

TAGTB

trung

bình

(tấn/ha)



TAGTC

trung

bình

(tấn/ha)



TBGTC

trung

bình

(tấn/ha)



TTC



TTB



TTC



CO2



Diện

tích (ha)



TBGTB

trung

bình

(tấn/ha)



TTB



Cấp SK



trung

bình

(tấn/ha)



trung

bình

(tấn/ha)



(tấn)



(tấn)



(tấn)



1



480



134



54



214



22



534



236



71,560



31,669



116,226



2



226



27,769



27



100



11



253



111



7,037,118



3,088,410



11,334,463



3



89



23,290



12



39



5



101



44



2,348,670



1,019,743



3,742,457



9,457,349



4,139,822



15,193,146



Tởng



51,193



3.5GIẢI PHAP ỨNG DUNG CƠNG NGHỆ VIỄN THAM – GIS VÀ MƠ

HÌNH SINH TRẮC TRONG ĐO TÍNH, GIAM SAT CO2 PHAT

THẢI/HẤP THU

Trên cơ sở kết quả nghiên cứu thiết lập hệ thống mô hình sinh trắc cây cá thể,

lâm phần va giải pháp sư dụng ảnh vệ tinh trong đo tính, giám sát sinh khối, carbon

rừng; căn cứ vao năng lực, nguồn lực thực tế của các đối tượng áp dụng, đề xuất giải

pháp ứng dụng cho 3 nhóm đới tượng chính: i) Cộng đồng dân cư tham gia giám sát

carbon rừng trong chương trình REDD+, ii) Cán bợ kỹ thuật lâm nghiệp chuyên

nghiệp của các chủ rừng, các cấp quản lý va iii) Các chun gia lâm nghiệp, viễn

thám – GIS.

Mỡi nhóm đới tượng se áp dụng các mơ hình, cơng nghệ khác nhau nhưng cùng

đi đến kết quả chung la quản lý được CO2 phát thải/hấp thụ trong khu rừng mình

quản lý.

Tiến trình chung được chia thanh 4 bước chính (Hình 3.36):

-



Phân loại ảnh vệ tinh



-



Thu thập dữ liệu rừng



-



Sư dụng các mơ hình sinh trắc để ước tính sinh khới, carbon



-



Quản lý va cập nhật thông tin hấp thụ va phát thải CO2 rừng trong GIS



3.5.1 Phân loại ảnh vệ tinh

Ảnh viễn thám sư dụng có đợ phân giải trung bình đến cao la thích hợp. Đề tai

đa sư dụng ảnh SPOT 5 với độ phân giải 10x10m.

Tiến hanh phân loại ảnh phi giám định để tạo thanh các polygon tương đối đồng

nhất chi số DN của ảnh trên cơ sở tổ hợp 2 hệ thống 3-4 class. Lập bản đồ phân cấp

tổ hợp class để cung cấp cho các đối tượng sư dụng. Đây la các đơn vị phân loại

rừng cơ bản để rút mẫu điều tra mặt đất.

Công việc nay cần tiến hanh bởi chuyên gia ảnh viễn thám va ở quy mô cấp tỉnh

đến vùng.

3.5.2 Thu thập dữ liệu rưng

Cơ sở dữ liệu mặt đất la một trong những yếu tớ quan trọng quyết định đợ chính

xác của các kết quả đo tính, giám sát thay đổi sinh khối va carbon.

Tùy thuộc quy mô điều tra đo tính, u cầu đợ tin cậy để áp dụng các phương

pháp điều tra khác nhau va phù hợp cho từng đối tượng tham gia.

Dựa trên bản đồ phân cấp class, tiến hanh rút mẫu theo hệ thống phân loại cấp

sinh khối. Số lượng ô mẫu cần bảo đảm sai số < 10% theo yêu cầu của IPCC.

Ô mẫu đề nghị la dạng ơ phân tầng hình tròn, diện tích 1000m2 (Hình 3.37); vì

ơ nay dễ lập trên thực địa, đặc biệt la địa hình dớc, giảm chi phí đo đếm vì phân tầng

cấp kính điều tra; sớ lượng cây nhỏ nhiều se đo trong diện tích ơ phụ nhỏ va ngược

lại.



Tài liệu bạn tìm kiếm đã sẵn sàng tải về

Hình 3.28: Chồng xếp 140 ô mẫu lên 3 hệ thống phân loại ảnh phi giám định

Tải bản đầy đủ ngay(0 tr)

×