Đánh giá khả năng phân tách rừng ngập mặn từ các lớp phủ thực vật của ảnh Sentinel -2 tại đầm Lập An, tỉnh Thừa Thiên Huế

Tạp chí Nơng Nghiệp và Phát triển Nơng thơn, 12/2017 ISSN 1859-4581
/>----------------------------------------------------------------------------------------------------------------------------

ĐÁNH GIÁ KHẢ NĂNG PHÂN TÁCH RỪNG NGẬP MẶN TỪ CÁC LỚP PHỦ
THỰC VẬT CỦA ẢNH SENTINEL -2 TẠI ĐẦM LẬP AN,
TỈNH THỪA THIÊN HUẾ
Hà Nam Thắng1, Lê Văn Dân1, Lê Thị Ngọc Tú1

TÓM TẮT
Rừng ngập mặn cung cấp nhiều dịch vụ hệ sinh thái quan trọng đối với tự nhiên và đời sống con người. Trong bối
cảnh nóng lên toàn cầu và gia tăng các hoạt động kinh tế của con người, việc quan trắc sự thay đổi phân bố rừng ngập mặn
về không gian và thời gian có tính cấp thiết cao. Trong nghiên cứu này, chúng tôi sử dụng nguồn ảnh vệ tinh mới, được
phân phối miễn phí với độ phân giải khơng gian cao. Một cảnh Sentienl 2 chụp ngày 13/2/2016 bao phủ khu vực nghiên cứu
được sử dụng với mức xử lý 2A. Hai chỉ số Simple Ratio và Chlorophyll Index được áp dụng để bổ sung thêm băng phổ
mới, hỗ trợ quá trình phân tách và giải đoán sự phân bố các thảm rừng ngập mặn thưa, mỏng, diện tích nhỏ tại đầm Lập An.
Kết quả cho thấy ảnh Sentinel – 2 rất phù hợp cho mục đích lập bản đồ phân bố và quan trắc sự biến động của rừng ngập
mặn. Chỉ số Chlorophyll Index giải đoán sự phân bố rừng ngập mặn tốt nhất với độ chính xác chung đạt 88,07%, độ chính
xác Producer đạt 79,81% đối với lớp rừng ngập mặn và hệ số Kappa đạt 0,816. Diện tích rừng ngập mặn ước tính từ ảnh bổ
sung băng Chlorophyll Index đạt 17,68ha, tăng so với các nghiên cứu trước.
Từ khóa: chlorophyll index, Lập An, rừng ngập mặn, sentinel – 2, simple ratio

1. ĐẶT VẤN ĐỀ
Rừng ngập mặn là một trong ba hệ sinh thái có tầm quan trọng đặc biệt đối với tự nhiên và cuộc
sống con người. Chúng cung cấp nhiều dịch vụ sinh thái như bãi giống, giảm tác động của sóng gió
thủy triều, các bon xanh góp phần giảm hiện tượng nóng lên tồn cầu (Duncan et al., 2016; Rogers et
al., 2016). Tuy vậy, hệ sinh thái này đang bị tác động mạnh mẽ, suy giảm nhanh về diện tích tại nhiều
vùng ở Việt Nam (Tín và Phơ 2012; Tình và Thành 2012), trong đó có đầm Lập An, tỉnh Thừa Thiên
Huế (Tín and Phơ 2012). Trong thời gian gần đây, nhiều nghiên cứu đã được thực hiện nhằm cập nhật
hiện trạng của rừng ngập mặn. Các tác giả tập trung chủ yếu tìm hiểu thành phần lồi, tính diện tích sơ
bộ từ điều tra trực tiếp hoặc thông qua công cụ của hệ thống thông tin địa lý nhưng chưa có cơng trình
nào tiếp cận đầy đủ việc quan trắc thông qua nguồn tư liệu viễn thám (Dũng et al., 2012; Tín và Phơ

2012; Tín et al., 2010; Tình và Thành 2012).
Trên thế giới và Việt Nam, việc ứng dụng viễn thám để thành lập bản đồ hiện trạng cũng như
đánh giá biến động rừng ngập mặn đã được thực hiện và mang lại nhiều thành công (Kuenzer et al.,
2011). Tuy nhiên, hầu hết các nghiên cứu tập trung đánh giá các thảm rừng ngập mặn có diện tích lớn,
phân bố rộng (Kuenzer et al., 2011; Quoc Vo et al., 2015). Những thảm rừng này có thể được nhận
diện dễ dàng nhờ vào sự nâng cấp độ phân giải không gian, độ phân giải phổ và độ phân giải bức xạ
của ảnh vệ tinh. Đối với các thảm rừng phân tán, bị tác động mạnh bởi hoạt động con người sẽ được
quan trắc hoặc từ công tác điều tra trực tiếp, hoặc từ các nguồn ảnh vệ tinh có độ phân giải cao (Wang
1

Khoa Thủy sản, đại học Nông Lâm Huế. Email:

(c)


Tạp chí Nơng Nghiệp và Phát triển Nơng thơn, 12/2017 ISSN 1859-4581
/>---------------------------------------------------------------------------------------------------------------------------et al., 2004). Q trình này thường có u cầu cao về kinh phí hoặc nguồn nhân lực, do vậy khó áp
dụng trong điều kiện thực tế.
Trong nghiên cứu này, chúng tôi tiếp cận một hướng đi mới nhằm hỗ trợ tốt hơn quá trình quan
trắc sự thay đổi về phân bố khơng gian và diện tích rừng ngập mặn. Khả năng nhận diện rừng ngập
mặn phân tán, diện tích nhỏ được thử nghiệm với các băng phổ có bước sóng từ 665-842nm của nguồn
ảnh Sentinel-2 thơng qua các chỉ số SR (Simple Ratio) (Kongwongjan et al., 2013), CI (Chlorophyl
Index) (Clevers và Gitelson 2013) có đối chứng với ảnh không kết hợp chỉ số.
Kết quả của nghiên cứu được hy vọng sẽ đóng góp thêm các cơng cụ mới cho nhà quản lý vùng
bờ để quá trình quan trắc rừng ngập mặn được ứng dụng nhanh, hiệu quả hơn trong thực tế.
2. VẬT LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU
2.1. Đối tượng và phạm vi nghiên cứu
Đối tượng nghiên cứu là các loài thuộc cây ngập mặn
phân bố quanh đầm Lập An, tỉnh Thừa Thiên Huế. Đầm Lập
An là một đầm nửa kín, nằm tách riêng với đầm phá Tam

Giang – Cầu Hai với diện tích khoảng 15km2. Hiện tại, đầm
đang mất dần khả năng hỗ trợ sinh kế cho ngư dân do sự suy
thối về mơi trường cũng như diện tích, sinh cảnh của các hệ
sinh thái rừng ngập mặn, cỏ biển quanh đầm.
Các nghiên cứu trước đây đã xác định có 38 lồi cây
ngập mặn với bậc taxa được đánh giá đa dạng nhất so với các
khu vực cịn lại của tỉnh Thừa Thiên Huế. Diện tích ước tính
khoảng 13,05ha vào năm 2012 (Tín và Phơ 2012).
2.2. Tài liệu và phương pháp nghiên cứu
- Nguồn ảnh viễn thám
Một
cảnh
ảnh
Sentinel-2,
kí
hiệu
S2A_USER_MTD_SAFL2A_PDMC_20160213T133035_
R075_V20160213T032318_20160213T032318 chụp ngày
Hình 1: Vùng nghiên cứu
13/2/2016 được tải về từ địa chỉ theo
chính sách hợp tác và phân phối ảnh miễn phí giữa cơ quan
hàng khơng vũ trụ châu Âu (ESA) và cơ quan vũ trụ Mỹ (NASA). Ảnh bao phủ khu vực tồn bộ đầm
Lập An. Thơng tin chi tiết của ảnh được thể hiện ở Bảng 1.
Bảng 1: Chi tiết cảnh ảnh Sentinel -2
Ngày chụp

Mức độ xử lý ban Băng phổ sử dụng Tâm bước
đầu
trong nghiên cứu
(nm)

13/2/2016

L1C

sóng Độ phân giải không
gian (m)

Băng 2

490

10

Băng 3

560

10

(c)


Tạp chí Nơng Nghiệp và Phát triển Nơng thơn, 12/2017 ISSN 1859-4581
/>---------------------------------------------------------------------------------------------------------------------------Băng 4

665

10

Băng 5

705

20

Băng 7

783

20

Băng 8

842

10

- Quy trình xử lý ảnh: Ảnh được xử lý theo sơ đồ dưới đây:

Hình 2: Sơ đồ xử lý ảnh Sentinel – 2 phục vụ q trình giải đốn

(c)


Tạp chí Nơng Nghiệp và Phát triển Nơng thơn, 12/2017 ISSN 1859-4581
/>---------------------------------------------------------------------------------------------------------------------------Q trình hiệu chỉnh khí quyển được thực hiện theo quy trình khuyến cáo bởi ESA từ sự hỗ trợ
của cơng cụ Sen2_cor với giao diện dịng lệnh (Müller 2016). Để phục vụ q trình tính chỉ số CI, băng
5 và 7 có độ phân giải khơng gian 20m sẽ được chuyển về độ phân giải không gian 10m. Q trình này
được thực hiện tự động với cơng cụ Sen2_cor.

Chỉ số SR (Simple Ratio) được đề xuất bởi (Kongwongjan et al., 2013) và tính theo cơng thức
sau:
(1)

Trong đó: RNIR, Rred lần lượt là giá trị phản xạ của băng cận hồng ngoại và băng đỏ với tâm bước
sóng 842nm và 665nm, tương ứng với băng 8 và 4 của ảnh Sentienl – 2.
Chỉ số CI (Chlorophyll Index) được đề xuất bởi (Clevers và Gitelson 2013) và được sử dụng để
ước tính trữ lượng cây trồng, hàm lượng ni tơ của thực vật và tính theo cơng thức sau:
(2)
Trong đó, R783 và R705 lần lượt là giá trị phản xạ bề mặt của băng 7 (tâm bước sóng là 783nm)
và băng 5 (tâm bước sóng là 705nm), tương ứng với băng 7 và 5 của ảnh Sentinel – 2.
Trong nghiên cứu này, chúng tôi thử nghiệm việc bổ sung chỉ số CI vào ảnh gốc 4 băng ban đầu
để kiểm tra khả năng phân tách các lớp phủ thực vật khác nhau cũng như khả năng giải đoán ảnh. Các
chỉ số sau khi được tính dựa trên các băng phổ của ảnh Sentinel – 2 sẽ được bổ sung vào ảnh gốc, tạo
thành các ảnh 5 băng so với 4 băng gốc ban đầu.
- Dữ liệu thực địa phục vụ q trình giải đốn ảnh
Sự phân bố các thảm rừng ngập mặn, nước, thực vật khác, cát, đất được xác định bằng máy
định vị Garmin Extrex 30. Hầu hết các vị trí đều có thể tiếp cận nên khơng ảnh hưởng đến quá trình thu
thập điểm. Số điểm được sử dụng để đánh giá độ chính xác cho mỗi lớp như sau: thực vật khác: 29
điểm; rừng ngập mặn: 104 điểm; nước: 18 điểm; đất – cát: 25 điểm. Thời gian thu thập điểm diễn ra
vào tháng 3/2016, gần thời gian thu nhận ảnh.

(c)


Tạp chí Nơng Nghiệp và Phát triển Nơng thơn, 12/2017 ISSN 1859-4581
/>---------------------------------------------------------------------------------------------------------------------------3. KẾT QUẢ VÀ THẢO LUẬN
3.1. Kết quả

a

b

c

d

Hình 3: (a) Ảnh gốc 4 băng tổ hợp 432; (b) Ảnh gốc 4 băng tổ hợp 843; (c) Ảnh bổ sung băng SR tổ
hợp SR-84; (d) Ảnh bổ sung băng CI tổ hợp CI-84
Sử dụng công thức (1) và (2), hai băng SR và CI được tính và gộp vào ảnh gốc ban đầu, tạo
thành các ảnh mới. Hình 3 thể hiện tổ hợp màu của các ảnh với tổ hợp màu thật ở Hình 3a và tổ hợp

(c)


Tạp chí Nơng Nghiệp và Phát triển Nơng thơn, 12/2017 ISSN 1859-4581
/>---------------------------------------------------------------------------------------------------------------------------màu giả ở Hình 3b, 3c, 3d. Khả năng phân tách rừng ngập mặn với các lớp phủ thực vật khác được
đánh giá thông qua khả năng nhận diện các mảng màu trên ảnh, làm cơ sở cho quá trình giải đốn có
kiểm định cũng như độ chính xác của các lớp giải đoán sau phân loại.
Kết quả cho thấy, so với ảnh tổ hợp màu thật, ảnh tổ hợp màu giả giúp làm nổi bật rõ các đối
tượng cần thể hiện với đặc điểm phản xạ phổ khác nhau. Trong trường hợp này, bốn loại hình phủ được
chú ý, bao gồm đất, nước, rừng ngập mặn và thực vật khác. Cả ba ảnh gốc, SR và CI đều có khả năng
nhận diện rất tốt những khu vực có phản xạ phổ liên quan đến nước, đất, và thực vật khác (có diện tích
lớn). Tuy nhiên, đối với những thảm rừng ngập mặn phân tán nhỏ thành từng dải, ảnh bổ sung băng CI
có độ tương phản tốt nhất, giúp người giải đốn nhận diện chính xác sự phân bố của rừng ngập mặn
trên ảnh.

(c)

Tạp chí Nơng Nghiệp và Phát triển Nơng thơn, 12/2017 ISSN 1859-4581
/>----------------------------------------------------------------------------------------------------------------------------

(c)


Tạp chí Nơng Nghiệp và Phát triển Nơng thơn, 12/2017 ISSN 1859-4581
/>----------------------------------------------------------------------------------------------------------------------------

c

c

Hình 4: Kết quả giải đốn với (a) ảnh gốc 4 băng; (b) ảnh bổ sung băng chỉ số SR; (c) ảnh bổ sung
băng chỉ số CI
Dựa trên các điểm định vị trong quá trình thực địa, kết hợp với sự khác biệt về phản xạ phổ của
đối tượng, kĩ thuật phân loại ảnh xác suất cực đại được sử dụng để giải đoán sự phân bố của các lớp
trên ảnh. Ảnh CI được phân loại sử dụng băng 4, 8 và CI. Ảnh SR được phân loại sử dụng băng 4, 8 và
SR trong khi ảnh gốc được phân loại với 4 băng 2, 3, 4, 8.
Các ảnh đều có khả năng nhận diện và phân lớp rừng ngập mặn thành cơng. Tuy nhiên, độ
chính xác của mỗi kết quả là khác nhau. Bảng 2 thể hiện các giá trị độ chính xác chung, độ chính xác
Producer của lớp rừng ngập mặn và hệ số Kappa. Trong cả ba tham số sử dụng để đánh giá độ chính
xác, mức độ tin cậy thì ảnh CI có kết quả tốt nhất. Độ chính xác chung đạt được 88,07% với hệ số

(c)


Tạp chí Nơng Nghiệp và Phát triển Nơng thơn, 12/2017 ISSN 1859-4581
/>---------------------------------------------------------------------------------------------------------------------------Kappa 0,816. Độ chính xác Producer của lớp rừng ngập mặn đạt gần 80%. Trái với giả thuyết ban đầu,
ảnh bổ sung chỉ số SR chỉ đạt kết quả khá thấp với độ chính xác chung đạt 62,57%, thấp hơn ảnh gốc 4

băng kể cả hệ số Kappa và độ chính xác Producer. Độ chính xác Producer được hiểu là khả năng giải
đoán sự phân bố lớp phủ trên thực tế, giá trị này càng cao chứng tỏ khả năng nhận diện và phân loại
của kĩ thuật đó càng tốt.
Theo đó, diện tích rừng ngập mặn ước tính từ ảnh CI khoảng 17,68ha. So với cơng trình nghiên
cứu trước đó của (Tính và Phơ, 2012) là 13,05ha, kết quả đã ghi nhận sự tăng trở lại của rừng ngập mặn
tại đầm Lập An.
Bảng 2: Độ chính xác của kết quả phân loại theo chỉ số SR, CI so với ảnh gốc 4 băng
Độ chính xác chung

Độ
chính
xác Hệ số Kappa
“Producer” của lớp rừng
ngập mặn

Ảnh bổ sung băng SR

62,57%

47,57%

0,485

Ảnh gốc 4 băng

73,68%

63,11%

0,617

Ảnh bổ sung băng CI

88,07%

79,81%

0,816

3.2. Thảo luận
Quá trình phân tách và giải đoán ảnh được thực hiện sau bước che mặt nạ và hiệu chỉnh khí
quyển. Hiệu chỉnh khí quyển giúp tính chuyển về giá trị phản xạ bề mặt của các đối tượng trên Trái
Đất. Điều này giúp việc giải đoán thuận lợi hơn nhờ những hiểu biết của con người về đặc điểm phản
xạ phổ cũng như khả năng vận dụng các chỉ số khác nhau làm tăng độ chính xác của kết quả phân loại.
Bên cạnh đó, việc tạo và che mặt nạ những khu vực không thuộc vùng nghiên cứu giúp làm giảm đáng
kể sự nhiễu về phổ khi tổ hợp màu với nhiều băng khác nhau.
Trong nghiên cứu này, hai chỉ số SR và CI được tính và bổ sung vào ảnh gốc. Những chỉ số này
dựa trên các băng có tâm bước sóng là 665nm, 705nm, 783nm và 842nm thuộc về vùng sóng đỏ và cận
hồng ngoại. Đối với thực vật, lá sẽ hấp thụ rất mạnh các băng sóng đỏ và phản xạ phần lớn ánh sáng ở
băng cận hồng ngoại. Chính vì vậy, việc áp dụng các tỉ lệ giữa băng thuộc vùng sóng đỏ và cận hồng
ngoại tăng khả năng nhận diện sự khác biệt giữa các lớp thực vật khác nhau. Riêng với chỉ số CI, thành
phần Chlorophyll trong lá được chú trọng nhiều hơn, trong đó Chlorophyll-a là thành phần chính. Chỉ
số CI được tính dựa trên đỉnh hấp thụ tại các bước sóng khác nhau. Đối với ảnh Sentienl – 2, băng có
tâm bước sóng 705nm và 783nm được đề xuất sử dụng thay thế cho các băng khác của chỉ số gốc ban
đầu.
Trong cả ba trường hợp, ảnh giải đốn có độ chính xác chung khá cao (từ 62,57- 88,07%), tuy
nhiên độ chính xác Producer của lớp rừng ngập mặn khá thấp trong trường hợp ảnh SR và gốc 4 băng.
Độ chính xác chung cao được giải thích do độ chính xác của các lớp nước, đất, và thực vật khác rất cao

(c)

Tạp chí Nơng Nghiệp và Phát triển Nơng thơn, 12/2017 ISSN 1859-4581
/>---------------------------------------------------------------------------------------------------------------------------do diện tích lớn và phân bố liên tục của những lớp phủ này. Đối với ảnh CI, độ chính xác Producer có
giá trị cao nhất, đạt 79,81%. Điều này được giải thích do chỉ số CI tính đến sự phân bố của hàm lượng
Chlorophyll trong lá cây. Mỗi loài thực vật ở các giai đoạn phát triển khác nhau sẽ có hàm lượng
Chlorophyll khác nhau. Vì vậy, trên thực tế chỉ số này hỗ trợ tốt hơn khả năng nhận diện các lớp phân
bố cũng như phân tích xác suất giống nhau giữa các điểm ảnh khi áp dụng kĩ thuật phân loại dựa trên
thuật toán xác suất cực đại. Hệ số Kappa đạt kết quả tốt trong trường hợp này với giá trị 0,816, khẳng
định tính chắc chắn của kết quả phân loại.
Tuy nhiên, độ chính xác của hầu hết kết quả đều chưa thật sự cao. Nguyên nhân đầu tiên phải
đề cập là sự phân bố rải rác của rừng ngập mặn tại khu vực nghiên cứu. Rừng chỉ còn tập trung thành
các thảm rất mỏng, phân bố chủ yếu ở phía Đơng của đầm Lập An. Nhiều thảm rừng tồn tại với kích
thước dưới điểm ảnh (diện tích phân bố nhỏ hơn diện tích điểm ảnh 10m x 10m). Điều này giải thích vì
sao ảnh Sentinel – 2 với sự hỗ trợ của các chỉ số khác nhau vẫn chưa thể giải đoán sự phân bố các bụi
cây ngập mặn ở rìa phía Tây của đầm Lập An.
Ngoài ra, khoảng cách giữa rừng ngập mặn với các lớp phủ thực vật khác quá gần, dẫn đến sự
tương tác, ảnh hưởng về giá trị phản xạ phổ tại mỗi điểm ảnh. Điểm cuối cùng cần lưu ý là cây ngập
mặn ở đầm Lập An đang ở giai đoạn cây non hoặc cây mới trưởng thành trong thời gian thu nhận ảnh.
Điều này ảnh hưởng đến việc áp dụng các chỉ số SR, CI trong quá trình giải đoán.
4. KẾT LUẬN
Ảnh Sentinel – 2 được hiệu chỉnh khí quyển với độ phân giải khơng gian 10m có thể được sử
dụng để nhận diện và phân loại rừng ngập mặn ở các vùng đầm phá, ven bờ.
So với chỉ số Simple Ratio (SR), chỉ số Chlorophyll Index (CI) hỗ trợ tốt hơn quá trình nhận
diện sự khác biệt về phản xạ phổ của các lớp phủ khác nhau, giúp tăng độ chính xác của q trình giải
đốn.
Ảnh bổ sung chỉ số CI có các giá trị đánh giá độ chính xác cao nhất. Độ chính xác chung đạt
88,07%, độ chính xác Producer đạt 79,81% và hệ số Kappa đạt 0,816.
Diện tích rừng ngập mặn tại đầm Lập An được ước tính từ ảnh CI là 17,68ha, tăng so với các
nghiên cứu trước đây.

(c)


Tạp chí Nơng Nghiệp và Phát triển Nơng thơn, 12/2017 ISSN 1859-4581
/>---------------------------------------------------------------------------------------------------------------------------TÀI LIỆU THAM KHẢO
Clevers, J.G.P.W., and A.A. Gitelson. 2013. “Remote Estimation of Crop and Grass Chlorophyll and
Nitrogen Content Using Red-Edge Bands on Sentinel-2 and -3.” International Journal of Applied
Earth Observation and Geoinformation 23 (August): 344–51. doi:10.1016/j.jag.2012.10.008.
Duncan, Clare, Jurgenne H. Primavera, Nathalie Pettorelli, Julian R. Thompson, Rona Joy A. Loma,
and Heather J. Koldewey. 2016. “Rehabilitating Mangrove Ecosystem Services: A Case Study on
the Relative Benefits of Abandoned Pond Reversion from Panay Island, Philippines.” Marine
Pollution Bulletin 109 (2): 772–82. doi:10.1016/j.marpolbul.2016.05.049.
Dũng, Phạm Ngọc, Hồng Cơng Tín, and Tơn Thất Pháp. 2012. “Thành Phần Loài và Phân Bố Của
Thực Vật Ngập Mặn Ở Đầm Lập An, Huyện Phú Lộc, Tỉnh Thừa Thiên Huế.” Tạp Chí Khoa Học
(Đại Học Huế) 75A (6): 37–48.
Kongwongjan, Jiraporn, Chanida Suwanprasit, and Pun Thongchumnum. 2013. “Comparison of
Vegetation Indices for Mangrove Mapping Using THEOS Data.” Proceedings of the Asia-Pacific
Advanced Network 33 (June): 56. doi:10.7125/APAN.33.6.
Kuenzer, Claudia, Andrea Bluemel, Steffen Gebhardt, Tuan Vo Quoc, and Stefan Dech. 2011. “Remote
Sensing of Mangrove Ecosystems: A Review.” Remote Sensing 3 (12): 878–928.
doi:10.3390/rs3050878.
Müller U-W. 2016. “Sentinel-2 MSI: Level-2A prototype processor installation and user manual”
[Internet]. Germany. Available from: />Quoc Vo, Tuan, C. Kuenzer, and N. Oppelt. 2015. “How Remote Sensing Supports Mangrove
Ecosystem Service Valuation: A Case Study in Ca Mau Province, Vietnam.” Ecosystem Services
14 (August): 67–75. doi:10.1016/j.ecoser.2015.04.007.
Rogers, Kerrylee, Paul I. Boon, Simon Branigan, Norman C. Duke, Colin D. Field, James A.
Fitzsimons, Hugh Kirkman, Jock R. Mackenzie, and Neil Saintilan. 2016. “The State of
Legislation and Policy Protecting Australia’s Mangrove and Salt Marsh and Their Ecosystem
Services.” Marine Policy 72 (October): 139–55. doi:10.1016/j.marpol.2016.06.025.

Tín, Hồng Cơng, and Mai Văn Phơ. 2012. “Thành Phần Loài và Đặc Điểm Phân Bố Của Thực Vật
Ngập Mặn Ở Thừa Thiên Huế.” Tạp Chí Khoa Học Lâm Nghiệp, no. 1.

(c)


Tạp chí Nơng Nghiệp và Phát triển Nơng thơn, 12/2017 ISSN 1859-4581
/>---------------------------------------------------------------------------------------------------------------------------Tín, Hồng Cơng, Mai Văn Phơ, and Tơn Thất Pháp. 2010. “Hiện Trạng Thảm Thực Vật Ngập Mặn Ở
Vùng Đất Ngập Nước Tam Giang - Cầu Hai, Tỉnh Thừa Thiên Huế.” Tạp Chí Nghiên Cứu và
Phát Triển 78 (1).
Tình, Dương Viết, and Nguyễn Trung Thành. 2012. “Rừng Ngập Mặn Tại Cửa Sơng Gianh, Tỉnh
Quảng Bình và Giải Pháp Phát Triển Bền Vững Đất Ngập Nước.” Tạp Chí Khoa Học (Đại Học
Huế) 6 (75A): 187–95.
Wang, Le, Wayne P. Sousa, Peng Gong, and Gregory S. Biging. 2004. “Comparison of IKONOS and
QuickBird Images for Mapping Mangrove Species on the Caribbean Coast of Panama.” Remote
Sensing of Environment 91 (3–4): 432–40. doi:10.1016/j.rse.2004.04.005.

(c)


Tạp chí Nơng Nghiệp và Phát triển Nơng thơn, 12/2017 ISSN 1859-4581
/>----------------------------------------------------------------------------------------------------------------------------

ASSESSMENT THE DISCRIMATION OF MANGROVE FROM FOREST
COVERAGE OF SENTINEL – 2 IMAGERY AT LAP AN LAGOON,
THUA THIEN HUE PROVINCE, VIETNAM
Hà Nam Thắng2, Lê Văn Dân2, Lê Thị Ngọc Tú2
SUMMARY
Mangrove supports several important ecosystem services for human life. In the context of global warming and
increasing of anthropogenic activities, it’s highly necessary to monitor temporal as well as spatial changes of mangrove

forest. In this research, a new-born, free of charge and high spatial resolution - a Sentinel 2 imagery that was acquisited on
Feb.13, 2016 at Level 1C processing - was utilized for the detection of mangrove. Two index, involving Simple Ratio and
Chlorophyll Index were calibrated and added into original image to test the discrimation potency of small area and sparse
mangrove canopy from other forest at Lap An lagoon. The results indicate that Sentinel – 2 is highly appropriate for
mangrove mapping and monitoring. Chlorophyll Index gains the highest accuracy for mangrove mapping. The overall
accuracy, producer accuracy and Kappa coefficient were 88.07%, 79.81% and 0.816 respectively. Mangrove area was
roughly estimated from Chlorophyll Index image as 17.68ha and indicates an increasing in comparison with previous
researches.
Keywords: chlorophyll index, Lap An, mangrove, sentinel – 2, simple ratio

2

Faculty of Fisheries, Hue university of Agriculture and Forestry. Email:

(c)
View publication stats