Nghiên cứu ứng dụng công nghệ viễn thám và GIS trong quản lý, đánh giá tổng hợp tài nguyên thiên nhiên và môi trường phục vụ phát triển kinh tế xã hội và du lịch tỉnh Đắk Nông

Mã đề tài  VT-UD.06/18-20
Hướng nghiên cứu  Ứng dụng công nghệ vũ trụ
Chủ nhiệm đề tài  TS. Lê Quang Toan
Cơ quan chủ trì  Viện Công nghệ Vũ trụ
Thời gian  2018-2021
Mục tiêu đề tài - Nghiên cứu ứng dụng công nghệ viễn thám và GIS trong quản lý và đánh giá tổng hợp tài nguyên thiên nhiên và môi trường bao gồm lớp phủ rừng, nước mặt, sử dụng đất và khai thác khoáng sản.
- Đề xuất phân vùng chức năng sinh thái môi trường phục vụ phát triển kinh tế xã hội và du lịch tỉnh Đắk Nông
Kết quả đạt được

1. Ứng dụng công nghệ viễn thám và GIS trong quản lý tài nguyên rừng, nước mặt và sử dụng đất tỉnh Đắk Nông
Sự phát triển không ngừng của công nghệ không gian, công nghệ thông tin cùng với những nhu cầu thực tiễn và nền ảng áp dụng khoa học thống kê trong quản lý tài nguyên và môi trường đã dẫn đến phương pháp toán học phân loại ảnh vệ tinh không ngừng được cải tiến. Trong nghiên cứu này, phương pháp sử dụng thuật toán học máy Random Forest (RF) để phân loại ảnh vệ tinh đã được thử nghiệm, so sánh, phân tích và ứng dụng trong phân loại, cập nhật, thành lập bản đồ rừng, bản đồ tài nguyên nước mặt, lớp phủ đất.
Thuật toán Random Forest (RF): được đề xuất bởi Breiman vào năm 2001. Đây là thuật toán phân loại học máy (Machine Learning) có kiểm định dựa trên cây quyết định, kỹ thuật bagging và bootstrapping đã được cải tiến. Phân loại RF chứa một lượng lớn các cây phân loại. Mỗi cây được phát triển từ các pixel huấn luyện (training pixels) được lựa chọn ngẫu nhiên. Hai tham số cần được xác định trong thuật toán phân loại này là ntree (số lượng cây được phát triển) và mtry (số lượng biến để phân chia tại mỗi node). Sau khi mô hình Random Forest được tạo thành, mỗi kết quả của các boostrap trong tập hợp sẽ bỏ phiếu cho lớp phổ biến nhất và cho ra một kết quả phân loại. Mô hình được tạo thành dựa vào phân loại có số phiếu bầu nhiều nhất của mỗi sơ đồ cây quyết định (ntree). Thuật toán RF phân loại dựa vào đặc trưng phổ của từng điểm ảnh (pixel-based classification). Các giá trị pixel ảnh trong các vùng huấn luyện cho mỗi band trong ảnh đầu vào cần được trích xuất và lưu trữ chúng trong một khung dữ liệu chung cùng với mã số lớp phủ tương ứng bằng một loạt các hàm khác nhau nằm trong một vòng lặp và kết quả là tạo ra một bộ dữ liệu (tập huấn luyện N). Dữ liệu đầu vào cho mô hình RF là tập huấn luyện N tức là dữ liệu “training” đã được trích xuất và B biến độc lập là số band ảnh vệ tinh được sử dụng. Với mỗi nút của cây, chọn ngẫu nhiên mtry là cơ sở phân chia tại nút đó (các mtry tại mỗi nút là độc lập), mtry < B (giá trị mặc định của mtry = sqrt(B)).
Mỗi sơ đồ phân loại cây quyết định riêng lẻ được tạo thành hoàn toàn không bị cắt xén vì vậy nó thể hiện đầy đủ kết quả cuối cùng của sơ đồ cây phân loại. Mỗi dự đoán (các loại rừng hoặc lớp phủ) được đưa ra từ mỗi sơ đồ cây phân loại, nó được gán nhãn (là 1 trong các loại rừng hoặc lớp phủ) cho các nút cuối của sơ đồ phân loại. Quá trình sẽ được thực hiện qua tất cả các cây (ntree) và lớp có số bình chọn nhiều nhất của sơ đồ phân loại này sẽ đại diện cho sơ đồ cây đó tham gia vào kết quả tổng hợp của mô hình Random Forest.
- Trong quản lý tài nguyên rừng
Dữ liệu ảnh Sentinel năm 2018, cảnh ảnh Landsat 5 năm 2005 và 2010 kết hợp với bản đồ Kiểm kê rừng tỉnh Đắk Nông năm 2014 thu thập từ Chi cục Kiểm lâm là đầu vào cho quá trình phân loại ảnh. Các vùng mẫu được thu thập ngoài thực địa, trên nền bản đồ kiểm kê rừng, tổng cộng 1613 vùng mẫu thuộc tất cả các loại lớp phủ trên toàn bộ khu vực nghiên cứu. Bộ mẫu được chia thành 2 phần độc lập, với 60% mẫu dùng cho phân loại và 40% mẫu dùng để đánh giá độ chính xác của kết quả phân loại. Kết quả đã đạt được độ chính xác toàn bộ (OA) là 80.29% và hệ số Kappa là 0.778. Sử dụng ảnh Sentinel 2 để phân loại 10 lớp LULC đã cho kết quả đạt được độ chính xác toàn bộ khá cao. Độ chính xác OA trên 80% và thể hiện mức độ quan hệ chặt chẽ của mô hình phân loại so với dữ liệu kiểm định (Kappa = 0.778). Tương tự như vậy, kết quả phân loại trên ảnh LANDSAT năm 2010 và 2005 đạt được có độ chính xác tương ứng là OA = 78% và 72%, Kappa = 0,74 và 0,68 do dữ liệu ảnh vệ tinh có độ phân giải giảm dần.

H1
Hình 1. Bản đồ lớp phủ rừng từ ảnh Landsat 2005, 2010 và Sentinel 2018

- Trong quản lý tài nguyên nước mặt
Từ phương pháp phân loại Random Forest trên nền tảng Google Earth Egine, hiện trạng nước mặt trong mùa khô các năm 2005, 2010, 2015 và 2019 của tỉnh Đắk Nông được chiết xuất từ ảnh tổ hợp Landsat. Bên cạnh các kênh phổ có sẵn của ảnh, các chỉ số vật lý được bổ sung bao gồm NDVI, NDWI, mNDWI, LSWI, WI, AWEI1, AWEI2. Kết quả thu đươc cho thấy độ chính xác tổng thể của các năm theo phương pháp phân loại Random Forest đều rất cao: tương ứng năm 2005 là 0.846, năm 2010 là 0.991, năm 2015 là 0.936 và năm 2019 là 0.991. Các kết quả phân loại này là đầu vào để phân tích diễn biến sự thay đổi diện tích nước mặt qua các năm của tỉnh Đăk Nông từ khi thành lập đến 2019.

Hình 2
Hình 2. Biến động diện tích nước mặt theo huyện các năm của tỉnh Đắk Nông

Diễn biến mức độ khô hạn của tỉnh được đề tài thực hiện thông qua chỉ số hạn hán khác biệt chuẩn hóa Normalized Difference Drought Index (NDDI). Chỉ số NDDI tính từ sự kết hợp của hai chỉ số NDVI và chỉ số mặt nước NDWI: NDDI = (NDVI - NDWI) / (NDVI + NDWI). Hiện trạng các chỉ số NDDI cho thấy rằng, từ năm 2014 trở lại đây vùng khô hạn mở rộng dần ra trên toàn tỉnh so với các năm trước. Vùng khô hạn nhất tập trung ở các huyện phía Bắc: Cư Jut, Đăk Mil và Krông Nô. Trong đó, Cư Jut có diện tích rừng khộp lớn, Krông Nô là huyện có diện tích đất đá bazan chuyên trồng ngô.
- Trong quản lý sử dụng đất
Phương pháp viễn thám trong phân loại lớp phủ sử dụng đất có hướng tiếp cận tương tự như trình bày trong nội dung quản lý rừng. Ảnh vệ tinh sử dụng là ảnh trung vị (median) tạo ra từ tất cả các ảnh chụp trong năm trên nền tảng Google Earth Engine để đảm bảo thu được ảnh đầy đủ toàn vùng, không bị mây che phủ. Kết quả phân tích cho thấy rừng tự nhiên của tỉnh Đắk Nông có phân bố rải rác ở các huyện và ngày càng thu hẹp dần từ năm 2005 đến 2018. Phân tích và định lượng thay đổi lớp phủ, sử dụng đất trong đó có đất lâm nghiệp là rất quan trọng vì giúp hiểu được xu hướng thay đổi để cung cấp thông tin cho việc quản lý sử dụng nguồn tài nguyên bền vững. Trong thời gian từ năm 2005 – 2018, rừng tự nhiên của tỉnh Đắk Nông giảm mạnh hơn 120 ngàn ha. Trong đó, rừng thường xanh là đối tượng giảm nhiều nhất gần 100 ngàn ha. Trong khi đó, các lớp phủ khác lại có xu hướng tăng, đặc biệt là diện tích đất trồng cao su và nông nghiệp lần lượt tăng 21.5 ngàn ha và 145 ngàn ha. Rừng trồng mặc dù có xu hướng tăng nhưng không nhiều (2.5 ngàn ha) so với diện tích rừng bị mất đi.

Hình 3
Hình 3. Biến động lớp phủ giai đoạn 2005-2018 trên địa bàn tỉnh Đắk Nông

2. Ứng dụng công nghệ phân tích ảnh viễn thám UAV trong quản lý khai thác khoáng sản
Với mục tiêu thí điểm đánh giá khả năng quan trắc, giám sát mỏ khai thác khoáng bằng công nghệ máy bay không người lái UAV, đề tài xác định một số tiêu chí và lựa chọn mỏ đá Tân An tại thành phố Gia Nghĩa, Đắk Nông làm khu vực nghiên cứu thử nghiệm. Mỏ Tân An là mỏ đá lộ thiên, nằm trong khu vực có diện tích 60 ha.
Sau khi đánh giá đặc điểm khu bay đo, nhu cầu độ chính xác, phương pháp đo đạc, điều kiện thực tế về thời gian, kinh phí. Đo lưới khống chế ảnh được thực hiện theo phương pháp đo GPS động thời gian thực (RTK). Thời gian đo mỗi điểm khống chế ảnh là 3-5 giây. Để đảm bảo độ chính xác, mỗi điểm sẽ được đo ba lần và lấy kết quả trung bình.

H5
Hình 5. Bình đồ ảnh UAV và mô hình số bề mặt DSM mỏ đá Tân An.

Khu vực mỏ đá Tân An có đặc điểm địa hình tương đối phức tạp, việc sử dụng phương pháp phân loại thông thường sẽ khó đáp ứng được nhu cầu về dữ liệu và độ chính xác phục vụ công tác quản lý. Do đó, đề tài đã sử dụng phương pháp phân loại hướng đối tượng cho khu vực thử nghiệm. Trong đó, mô hình số bề mặt được sử dụng kết hợp để phân tích độ dốc và phân cấp độ cao. Các dữ liệu này cung cấp thông tin chi tiết về mặt bằng khai thác, khu vực đã hoàn thành khai thác, cũng như phân biệt các lớp đất đá đã bốc dỡ.
Kết quả của phân loại lớp phủ đất khu vực mỏ đá Tân An là bản đồ lớp phủ đất với 27 loại lớp phủ theo bản chú giải đã thiết kế ban đầu. Bản đồ đã chỉ rõ cấu trúc trong lõi mỏ mai thác với các đường nội bộ trong khu khai thác, khu hoàn thổ, khu chờ hoàn thổ, khu đang khai thác và khu đã bóc dỡ đất đá chuẩn bị cho khai thác, bao quanh khu khai thác. Bên cạnh đó, khu kho bãi lưu trữ đá thành phẩm cũng được nhận diện, phân loại rõ ràng. Ngoài ra, các nhóm cây trồng, thực phủ trong khu vực bay chụp cũng được nhận biết rõ trên ảnh và được phân loại chi tiết.
Mô hình số bề mặt xây dựng bằng công nghệ ảnh UAV chụp năm 2019 và năm 2020 được so sánh để đánh giá biến động độ cao khu vực mỏ đá Tân An. Giá trị âm biểu thị khu vực bị giảm độ cao, giá trị dương biểu thị khu vực có sự tăng độ cao giữa 2 năm. Giá trị giảm lớn nhất là -23m, tập trung tại khu vực bóc dỡ đất đá. Giá trị lớn nhất biến động dương là 26 m được xác định là các khu vực rừng cây cao su biến động độ cao xảy ra do trạng thái rụng lá và có lá tại hai thời điểm chụp ảnh. Một số biến động không có quy luật trên mặt hồ Đắk Tik gây ra do sai số không tìm được điểm khớp ảnh đặc trưng trên mặt nước.
Từ những kết quả của thực nghiệm trên mỏ đá Tân An, có thể kết luận về khả năng ứng dụng hiệu quả của việc kết hợp công nghệ ảnh vệ tinh và ảnh UAV đa thời gian cho mục tiêu phân tích đánh giá hoạt động khai thác và hoàn nguyên môi trường của các mỏ khai thác lộ thiên. Cũng cần lưu ý là trong phạm vi đề tài, nghiên cứu mới dừng lại ở thử nghiệm cho một khu vực khai thác nhỏ, độ phức tạp tương đối về địa hình, địa vật.

Hình 6
Hình 6. Biến động độ cao khu vực mỏ đá Tân An năm 2019-2020

3. Nghiên cứu đánh giá tổng hợp và đề xuất phân vùng chức năng sinh thái môi trường phục vụ định hướng phát triển kinh tế xã hội và du lịch tỉnh Đắk Nông
Phân vùng chức năng cho quản lý tài nguyên và môi trường được hiểu là một quá trình phân chia hay tổ chức - tổ chức lại lãnh thổ có quy mô khác nhau, có mối quan hệ về mặt không gian với sự liên kết tích hợp các chức năng tài nguyên và môi trường một cách biện chứng và có quy luật.
Đắk Nông - một lãnh thổ có diện tích không lớn, nhưng thiên nhiên phân hóa khá đa dạng, phụ thuộc vào nhiều nhân tố. Sự phân hóa thiên nhiên tỉnh Đắk Nông chịu sự chi phối mạnh mẽ của đai cao nhưng tất cả các đai cao đó đều nằm trong cùng một chế độ nhiệt - ẩm. Tính chất nhiệt đới nóng ẩm và phân hóa theo mùa bao trùm lên thiên nhiên Đắk Nông, quyết định sự hình thành một kiểu thảm thực vật (theo nguồn gốc phát sinh) và tất cả các đai cao này đều có cùng một kiểu thảm vật theo nguồn gốc phát sinh là rừng kín thường xanh nhiệt đới ẩm mưa mùa – thuộc cùng một kiểu cảnh quan (CQ). Căn cứ vào kết quả phân tích vai trò các nhân tố thành tạo cảnh quan; đặc điểm phân hóa tự nhiên tỉnh Đắk Nông và tỉ lệ bản đồ cảnh quan, đề tài đưa ra hệ thống phân loại cảnh quan gồm 7 cấp, cấp cơ sở là loại cảnh quan.

Hình 7
Hình 7. Bản đồ cảnh quan tỉnh Đắk Nông

Hình 8
Hình 8. Hệ thống chú giải cảnh quan tỉnh Đắk Nông

Sự kết hợp của 7 nhóm loại đất và 11 quần xã thực vật hiện tại trên nền địa hình, địa mạo đã hình thành nên 85 loại CQ với 227 khoanh vi, phân bố từ vùng bán bình nguyên đến cao nguyên và núi thấp, núi trung bình trên lãnh thổ tỉnh Đắk Nông. Đặc điểm của mỗi loại CQ được thể hiện rõ trên bản đồ CQ tỉnh Đắk Nông, bản chú giải bản đồ CQ
Mục đích đánh giá, phân vùng chức năng sinh thái môi trường là xác định mức độ thích hợp của từng loại CQ cho phát triển các loại hình sản xuất nông, lâm nghiệp và du lịch cho toàn tỉnh Đắk Nông. Loại CQ là đơn vị đánh giá vì chúng có sự đồng nhất cao về các điều kiện tự nhiên và tiềm năng tài nguyên nên rất thuận lợi cho công tác thiết kế, quy hoạch các đối tượng kinh tế trên từng đơn vị CQ.
Các loại hình sản xuất lựa chọn để đánh giá:
- Đối với sản xuất nông nghiệp: Dựa trên đặc điểm phân hóa CQ, cây trồng chủ lực và mục đích định hướng không gian phát triển các loại hình sản xuất nông nghiệp, đề tài đã lựa chọn đối tượng đánh giá ở toàn tỉnh Đắk Nông là nhóm cây hàng năm và nhóm cây lâu năm.
- Đối với sản xuất lâm nghiệp: Căn cứ vào tiềm năng phát triển lâm nghiệp, quy hoạch phát triển 3 loại rừng của tỉnh Đắk Nông và mục tiêu phát triển kinh tế - xã hội gắn với bảo vệ môi trường, các loại hình được lựa chọn đánh giá là rừng sản xuất, rừng phòng hộ đầu nguồn.
- Đối với phát triển du lịch: Dựa vào tiềm năng phát triển du lịch tỉnh Đắk Nông, các loại hình được lựa chọn đánh giá cho mục tiêu phát triển 2 loại hình du lịch là du lịch tham quan và nghỉ dưỡng.
Tỉnh Đắk Nông được phân chia thành 06 vùng chức năng sinh thái môi trường. Mỗi vùng có đặc trưng riêng về điều kiện tự nhiên, tài nguyên thiên nhiên và điều kiện kinh tế - xã hội. Gắn với mỗi đặc trưng đó là các chức năng môi trường sinh thái chính. Vì vậy, kết quả nghiên cứu phân chức năng sinh thái môi trường sẽ cung cấp cơ sở khoa học cho việc hoạch định các định hướng, chiến lược phát triển các ngành kinh tế bền vững trên cơ sở sử dụng hợp lý tài nguyên thiên nhiên.

H9
Hình 9. Bản đồ đánh giá phân vùng thích nghi sinh thái môi trường tỉnh Đắk Nông

4. Bài báo và sách chuyên khảo đã công bố
4.1. Bài báo trên các tạp chí quốc tế trong hệ thống ISI:
[1]. Tuan Linh Giang , Kinh Bac Dang , Quang Toan Le, Vu Giang Nguyen, Si Son Tong, And Van-Manh Pham. U-Net Convolutional Networks for Mining Land Cover Classification Based on High-Resolution UAV Imagery. IEEE Access. Volume 8, 2020. Page(s): 186257 – 186273. Doi 10.1109/Access.2020.3030112. ISI & SCOPUS
[2]. Si Son Tong, Quang Toan Le, Phan Long Vu, Thi-Lan Pham, Le Thi Thu Ha, Thi-Huyen-Ai Tong, Vu Giang Nguyen. Coupling satellite images and Unmanned Aerial Vehicle Data to Monitor the Exploitation of Open-Pit Mine. Journal of the Polish Mineral Engineering Society. Volume 2, issue 45, 2020. Pages:325-335. Doi 10.29227/IM-2020-02-33. ISI & SCOPUS
4.2. Các báo cáo trên tạp chí trên tạp chí trong nước
[1]. Đoàn Thị Hồng Phượng, Nguyễn Thị Hồng, Tống Thị Huyền Ái, Lê Quang Toan. Ứng dụng viễn thám và GIS nhằm phân vùng hạn hán tỉnh Đắk Nông phục vụ sản xuất nông nghiệp. Tạp chí Tài nguyên và Môi trường; số 16 (342): 8/2020; ISSN: 1859-1477
[2]. Tống Thị Huyền Ái, Nguyễn Phúc Hải, Lê Hữu Dụng, Võ Hồng Hiền, Phạm Thị Làn. Theo dõi hạn hán trong mùa khô bằng chỉ số hạn hán NDDI trên Google Earth Engine, thí nghiệm tại tỉnh Đăk Nông. Tạp chí Khoa học Đo đạc và Bản đồ, số 46, 12-2020; ISSN: 0866-7705
4.3. Các bài báo tham gia Hội nghị Khoa học trong nước và quốc tế
[1]. Land use/land cover changes using multi-temporal satellite. N.T.T. Huong, C.T.N. Quynh, P.T. Anh, P.T. Hang, T.T.X. Phan, C.T. Hoai, L.Q. Toan, N.T.H. Diep. ISPRS TC IV Gi4DM 2020-13th GeoInformation for Disaster Management conference. Volume VI-3/W1-2020. Doi 10.5194/isprs-annals-VI-3-W1-2020-83-2020. SCOPUS.
[2]. Mapping Land use/land cover using a combination of Radar Sentinel -1A and Sentinel-2A optical images”. T T H Nguyen, T N Q Chau, T A Pham, T X P Tran, T H Phan, and T M T Pham. IOP Conference Series: Earth and Environmental Science, Volume 652, International Conference on Environment. Resources and Earth Sciences 1-5 December 2020, Ho Chi Minh City, Vietnam. SCOPUS.
[3]. Đánh giá tiến trình khai thác mỏ lộ thiên sử dụng ảnh viễn thám độ phân giải siêu cao và ảnh chụp từ máy bay không người lái, thực nghiệm tại mỏ khai thác đá Tân An”. Tống Sĩ Sơn, Lê Quang Toan, Nguyễn Vũ Giang, Vũ Phan Long, Tống Thị Huyền Ái, Nguyễn Phúc Hải. Kỷ yếu Hội thảo Ứng dụng GIS toàn quốc 2019; NXB Nông nghiệp; ISBN: 978-604-60-3104-8.
[4]. Ảnh hưởng của biến đổi lớp phủ/sử dụng đất đến sự phân bố nhiệt độ bề mặt đất của khu vực Tây Nguyên, Việt Nam”. Phạm Văn Mạnh, Đinh Nguyên Anh Tuấn, Đinh Thị Bảo Hoa, Nguyễn Thị Thúy Hằng, Đỗ Thị Nhung, Phạm Việt Anh, Lê Đức Trung, Nguyễn Thị Thanh Hương. Kỷ yếu Hội thảo Ứng dụng GIS toàn quốc 2019; NXB Nông nghiệp; ISBN: 978-604-60-3104-8.
[5]. Ứng dụng chỉ số hạn hán TVDI trên công cụ Google Earth Engine trong giám sát hạn hán mùa khô tỉnh Đăk Nông”. Tống Thị Huyền Ái, Phan Văn Trọng, Nguyễn Phúc Hải, Lê Quang Toan, Vũ Lê Ánh. Hội nghị toàn quốc EME lần thứ III Khoa học Trái đất, Mỏ, môi trường với Cách mạng Công nghiệp lần thứ tư, chuyển đổi số và nâng cao năng lực cạnh tranh Quốc gia. 12/2020.
5. Kết quả tham gia đào tạo
5.1. Tiến sĩ
5.2. Thạc sĩ
[6]. Lê Hữu Dụng, đề tài luận văn “Nghiên cứu ứng dụng công nghệ điện toán đám mây Google Earth Engine đánh giá khô hạn thực vật tỉnh Đắk Nông”, ngành Kỹ thuật Trắc địa - Bản đồ (2020), Trường ĐH Mỏ Địa chất Hà Nội.
[7]. Nguyễn Hữu Minh, đề tài luận “Nghiên cứu ứng dụng công nghệ UAV với ảnh vệ tinh độ phân giải siêu cao đánh giá quá trình khai thác mỏ lộ thiên”, ngành Kỹ thuật Trắc địa - Bản đồ (2020), Trường ĐH Mỏ Địa chất Hà Nội.
6. Tình hình chuyển giao công nghệ
Đề tài đã tiến hành chuyển giao các sản phẩm cho Sở Khoa học và Công nghệ tỉnh Đắk Nông làm đầu mối, phối hợp, chia sẻ với các đơn vị liên quan gồm:
- Ủy ban nhân dân tỉnh Đắk Nông
- Sở Văn hóa Thể thao và Du lịch tỉnh Đắk Nông
- Sở Tài nguyên và Môi trường
- Ban quản lý công viên địa chất
- Trung tâm thông tin kỹ thuật và ứng dụng khoa học công nghệ
7. Kết quả của đề tài được lưu trữ tại
- Thư viện Viện Hàn lâm Khoa học và Công nghệ Việt nam
- Văn phòng Chương trình KHCN Vũ trụ, Viện Hàn lâm Khoa học và Công nghệ Việt nam
- Cục thông tin khoa học và công nghệ Quốc gia.