Ứng dụng công nghệ gis và viễn thám trong đánh giá diễn biến tài nguyên rừng ở xã đắc lua, huyện tân phú, tỉnh đồng nai

BỘ GIÁO DỤC VÀ ĐÀO TẠO

BỘ NÔNG NGHIỆP & PTNT

TRƯỜNG ĐẠI HỌC LÂM NGHIỆP

NGUYỄN VĂN DỰ

ỨNG DỤNG CÔNG NGHỆ GIS VÀ VIỄN THÁM TRONG
ĐÁNH GIÁ DIỄN BIẾN TÀI NGUYÊN RỪNG
Ở XÃ ĐẮC LUA, HUYỆN TÂN PHÚ, TỈNH ĐỒNG NAI

LUẬN VĂN THẠC SỸ KHOA HỌC LÂM NGHIỆP

Đồng Nai, 2017


BỘ GIÁO DỤC VÀ ĐÀO TẠO

BỘ NÔNG NGHIỆP & PTNT

TRƯỜNG ĐẠI HỌC LÂM NGHIỆP

NGUYỄN VĂN DỰ

ỨNG DỤNG CÔNG NGHỆ GIS VÀ VIỄN THÁM
TRONG ĐÁNH GIÁ DIỄN BIẾN TÀI NGUYÊN RỪNG
Ở XÃ ĐẮC LUA, HUYỆN TÂN PHÚ, TỈNH ĐỒNG NAI

CHUYÊN NGÀNH: LÂM HỌC
MÃ SỐ: 60 62 02 01

LUẬN VĂN THẠC SỸ KHOA HỌC LÂM NGHIỆP

NGƯỜI HƯỚNG DẪN KHOA HỌC: TS. TRẦN QUỐC HOÀN

Đồng Nai, 2017



i

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM
Độc lập – Tự do – Hạnh phúc
LỜI CAM ĐOAN
Tôi cam đoan, đây là công trình nghiên cứu của riêng tôi. Các số liệu,
kết quả nêu trong luận văn là trung thực và chƣa từng đƣợc ai công bố trong
bất kỳ công trình nghiên cứu nào khác.
Nếu nội dung nghiên cứu của tôi trùng lặp với bất kỳ công trình nghiên
cứu nào đã công bố, tôi xin hoàn toàn chịu trách nhiệm và tuân thủ kết luận
đánh giá luận văn của Hội đồng khoa học.
Đồng Nai, ngày......tháng......năm 2017
Ngƣời cam đoan
(Tác giả ký và ghi rõ họ tên)

Nguyễn Văn Dự


ii

LỜI CẢM ƠN

Luận văn Thạc sỹ khoa học lâm học: “Ứng dụng công nghệ GIS và Viễn
thám trong đánh giá diễn biến tài nguyên rừng ở xã Đắc Lua, huyện Tân Phú,
tỉnh Đồng Nai” đƣợc hoàn thành theo chƣơng trình Đào tạo Sau đại học của trƣờng
Đại học lâm nghiệp Việt Nam Cơ sở 2.
Có đƣợc luận văn này, tác giả xin bày tỏ lòng biết ơn sâu sắc tới Ban giám
hiệu, các thầy cô trong Khoa đào tạo sau đại học, các thầy cô giáo trực tiếp giảng
dạy đã tạo điều kiện giúp đỡ, động viên tác giả hoàn thành luận văn này. Đặc biệt
tác giả xin bày tỏ lòng biết ơn chân thành và sâu sắc tới TS. Trần Quốc Hoàn ngƣời hƣớng dẫn khoa học, đã tận tình hƣớng dẫn tác giả từ khi hình thành phát
triển ý tƣởng đến xây dựng đề cƣơng, phƣơng pháp luận, tìm tài liệu và có những
chỉ dẫn khoa học quý báu trong suốt quá trình triển khai nghiên cứu và hoàn thành
đề tài.
Xin chân thành cảm ơn sự quan tâm, giúp đỡ nhiệt tình, tạo điều kiện của
Hạt Kiểm lâm, cán bộ, nhân dân xã Đắk Lua, huyện Tân Phú đối với tác giả trong
quá trình thu thập số liệu ngoại nghiệp và hoàn thiện luận văn.
Tác giả xin bày tỏ và gửi lời cảm ơn đến bạn bè, đồng nghiệp và ngƣời thân
trong gia đình đã động viên giúp đỡ tác giả hoàn thành bản luận văn này.
Mặc dù đã nỗ lực hết mình, nhƣng do trình độ hạn chế về nhiều mặt, nên
luận văn không thể tránh khỏi những thiếu sót nhất định. Tác giả rất mong nhận
đƣợc những ý kiến đóng góp và xin chân thành tiếp thu mọi ý kiến đóng góp đó.
Xin chân trọng cảm ơn!
Đồng Nai, 27 tháng 3 năm 2017
Tác giả

Nguyễn Văn Dự


iii

DANH MỤC CÁC TỪ VIẾT TẮT
Từ viết tắt

Nghĩa

DVI

(Difference vegetion index): Chỉ số thực vật sai khác .

EVI

(Enhancement vegetation index): Chỉ số tăng cƣờng lớp thực vật

FAO

(Food and Agriculture Organization of the United Nations): Tổ
chức Lƣơng thực và Nông nghiệp Liên Hiệp Quốc.

GIS

(Geography Infomation System): Hệ thống thông tin địa lý.

GPS

(Global Positioning System) : Hệ thống định vị toàn cầu.

GVI

(green vegetation index): Chỉ số màu xanh thực vật

MKA

Mẫu khóa ảnh.

NDVI

(Normalized Difference Vegetation Index): Chỉ số thực vật khác
biệt chuẩn hóa.

NIR

Kênh cận hồng ngoại của ảnh vệ tinh.

ÔTC

Ô Tiêu chuẩn.

RED

Kênh đỏ của ảnh

RS

(Remote Sensing): Viễn thám

RVI

(ratio vegetion index): Tỷ số chỉ số thực vật.

TRRI

(total ratio reflectance index): Tỷ số tổng giá trị cấp độ xám

UBND

Ủy ban nhân dân.


iv

MỤC LỤC
LỜI CAM ĐOAN ........................................................................................................ i
LỜI CẢM ƠN .............................................................................................................ii
DANH MỤC CÁC TỪ VIẾT TẮT .......................................................................... iii
MỤC LỤC .................................................................................................................. iv
DANH MỤC CÁC BẢNG........................................................................................vii
DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊĐẶT VẤN ĐỀ ......................................... viii
Chƣơng 1 TỔNG QUAN VẤN ĐỀ NGHIÊN CỨU .................................................. 3
1.1. Trên thế giới .........................................................................................................3
1.1.1. Các nghiên cứu về điều tra thành lập bản đồ hiện trạng rừng từ ảnh viễn thám
.....................................................................................................................................3
1.1.2. Các nghiên cứu về điều tra, xây dựng bản đồ biến động tài nguyên ..............12
1.2. Ở Việt Nam ........................................................................................................17
1.2.1. Các nghiên cứu về điều tra xây dựng bản đồ hiện trạng rừng ........................17
Chƣơng 2.ĐIỀU KIỆN TỰ NHIÊN, KINH TẾ - XÃ HỘI XÃ ĐẮK LUA, HUYỆN
TÂN PHÚ, TỈNH ĐỒNG NAI ................................................................................. 24
2.1. Điều kiện tự nhiên ..............................................................................................24
2.1.1. Vị tr địa lý ......................................................................................................24
2.1.2. Địa hình, địa mạo ............................................................................................24
2.1.4. Chế độ thủy văn ..............................................................................................25
2.1.5. Cảnh quan thiên nhiên và tiềm năng du lịch ...................................................25
2.1.6. Đánh giá chung về điều kiện tự nhiên và cảnh quan thiên nhiên....................26

2.2. Các nguồn tài nguyên .........................................................................................26
2.2.1. Tài nguyên đất .................................................................................................26
2.2.2. Tài nguyên rừng ..............................................................................................26
2.2.3. Tài nguyên khoáng sản....................................................................................27
2.2.4. Tài nguyên nƣớc ..............................................................................................27
2.2.5. Tài nguyên nhân văn .......................................................................................27


v

2.3. Thực trạng phát triển kinh tế xã hội ...................................................................28
2.4. Thực trạng phát triển cơ sở hạ tầng ....................................................................28
2.4.1. Giao thông .......................................................................................................28
2.4.2. Thủy lợi ...........................................................................................................28
2.4.3. Xây dựng cơ bản .............................................................................................28
2.4.4. Giáo dục - Y tế ................................................................................................29
2.5. Đời sống xã hội ..................................................................................................29
2.6 Đánh giá chung ...................................................................................................30
Chƣơng 3.MỤC TIÊU, ĐỐI TƢỢNG, PHẠM VI, NỘI DUNG VÀ PHƢƠNG
PHÁP NGHIÊN CỨU............................................................................................... 31
3.1. Mục tiêu nghiên cứu...........................................................................................31
3.1.1. Mục tiêu chung ................................................................................................31
3.1.2. Mục tiêu cụ thể ................................................................................................31
3.2. Đối tƣợng, phạm vi nghiên cứu .........................................................................31
3.2.1. Đối tƣợng nghiên cứu: ....................................................................................31
3.2.2. Phạm vi nghiên cứu:........................................................................................31
3.3. Nội dung nghiên cứu ..........................................................................................32
3.4. Phƣơng pháp nghiên cứu. ...................................................................................32
3.4.1. Chuẩn bị ..........................................................................................................33
2.4.2. Xây dựng mẫu phân loại .................................................................................33

2.4.3. Giải đoán ảnh bằng phần mềm eCogniton Developer ....................................34
2.4.4. Xây dựng bản đồ giải đoán. ............................................................................35
2.4.5. Kiểm tra ngoại nghiệp. ....................................................................................37
2.4.6. Hoàn thiện bản đồ thành quả. ..........................................................................39
2.4.7. Đánh giá biến động tài nguyên rừng. ..............................................................39
Chƣơng 4.KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN ....................................... 40
4.1. Xây dựng bộ mẫu khóa ảnh phục vụ giải đoán ảnh vệ tinh khu vực nghiên cứu.
...................................................................................................................................40
4.2. Xây dựng bản đồ hiện trạng rừng khu vực nghiên cứu ......................................45


vi

4.2.1. Bản đồ giải đoán ảnh vệ tinh. ..........................................................................45
4.2.2. Đánh giá độ ch nh xác của việc thành lập bản đồ hiện trạng rừng huyện ......45
4.2.3. Bổ sung ngoại nghiệp, hoàn thiện bản đồ hiện trạng rừng. ..........................51
4.3: Đánh giá biến động tài nguyên rừng tại xã Đắk Lua giai đoạn 2010 – 2016. ...54
4.4. Giải pháp nâng cao hiệu quả công tác quản lý bảo vệ rừng ở xã Đắk Lua, huyện
Tân Phú, tỉnh Đồng Nai ............................................................................................62
4.4.1. Tiếp tục hoàn thiện giao rừng và đất lâm nghiệp cho hộ gia đình và cộng
đồng. ..........................................................................................................................62
4.4.2. Tăng cƣờng năng lực của bộ máy quản lý nhà nƣớc về rừng và đất lâm nghiệp
...................................................................................................................................63
4.4.3. Tăng cƣờng công tác bảo vệ rừng và phát triển rừng .....................................63
4.4.4. Phát triển nguồn nhân lực phục vụ công tác bảo vệ và phát triển rừng ..........64
KẾT LUẬN, TỒN TẠI VÀ KIẾN NGHỊ ................................................................. 65
1. Kết luận .................................................................................................................65
2. Tồn tại ...................................................................................................................66
3. Kiến nghị ...............................................................................................................66
TÀI LIỆU THAM KHẢO ......................................................................................... 67

PHỤ LỤC .................................................................................................................. 70


vii

DANH MỤC CÁC BẢNG
Bảng 1.1. Thông số kỹ thuật của một số loại ảnh viễn thám đƣợc sử dụng phổ biến
hiện nay ....................................................................................................................... 5
Bảng 1.2. Bảng ma trận biến động giữa hai thời điểm ............................................. 14
Bảng 3.1. Ma trận sai số phân loại ............................................................................ 36
Bảng 4.1. Số lƣợng MKA theo sinh cảnh ................................................................. 42
Bảng 4.2 Một số hình ảnh đại diện cho bộ MKA đề tài đã xây dựng. ...................... 43
Bảng 4.3: Kết quả lựa chọn tham số phù hợp. .......................................................... 46
Bảng 4.4: Ngƣỡng phân loại của các tham số ........................................................... 43
Bảng 4.5: Ma trận sai số giải đoán ............................................................................ 47
Bảng 4.6: Diện t ch các sinh cảnh sau giải đoán ....................................................... 50
Hình 4.5: Bản đồ hiện trạng rừng năm 2016 ............................................................. 52
Bảng 4.7 So sánh diện t ch sinh cảnh các trạng thái ................................................. 52
Bảng 4.8: Quy đổi hệ thống phân loại ...................................................................... 55
Bảng 4.9: So sánh diện t ch các sinh cảnh ................................................................ 56
Bảng 4.10: Ma trận biến động ................................................................................... 58


viii

DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ
Hình 3.1. Sơ đồ các bƣớc xây dựng bản đồ rừng từ ảnh vệ tinh spot6 ..................... 32
Hình 4.1: Bản đồ tuyến điều tra MKA ...................................................................... 41
Hình 4.2. Kết quả phân loại không kiểm định với bộ tham số phù hợp ................... 47
Hình 4.3: Bản đồ giải đoán hiện trạng rừng 2016 ..................................................... 45

Hình 4.4: Biểu đồ diện t ch các trạng thái sinh cảnh sau giải đoán .......................... 51
Hình 4.6: Biểu đồ so sánh diện t ch cá trạng thái sinh cảnh giải đoán và sau cập nhật...................... 54
Hình 4.7: Bản đồ hiện trạng rừng năm 2010 ............................................................. 55
Hình 4.8. Bản đồ biến động tài nguyên rừng giai đoạn 2010-2016 .......................... 58


1

ĐẶT VẤN ĐỀ
Rừng có vai trò rất quan trọng đối với cuộc sống của con ngƣời cũng nhƣ
môi trƣờng. Không chỉ là nơi cung cấp nguồn gỗ, củi, điều hòa, tạo ra oxy, điều hòa
nƣớc… mà rừng còn là nơi cƣ trú của các loài động thực vật và tàng trữ các nguồn
gen quý hiếm, bảo vệ và ngăn chặn gió bão, chống xói mòn đất, đảm bảo cho sự
sống, bảo vệ sức khỏe của con ngƣời.
Ngày nay khoa học công nghệ và sự phát triển mạnh mẽ của khoa học kỹ
thuật giúp con ngƣời quản lý tốt hơn các nguồn tài nguyên, trong đó có khoa học kỹ
thuật viễn thám. Kỹ thuật viễn thám đƣợc ứng dụng vào nhiều lĩnh vực nghiên cứu
của Việt Nam đã mang lại nhiều ứng dụng to lớn trong quản lý tài nguyên. Trong
lĩnh vực lâm nghiệp, kỹ thuật viễn thám đã đƣợc sử dụng để thành lập các loại bản
đồ hiện trạng rừng, phân loại trạng thái rừng, phân vùng trọng điểm cháy rừng, theo
dõi diễn biến tài nguyên rừng.
Những năm trƣớc đây để điều tra theo dõi diễn biến tài nguyên rừng chủ yếu
vẫn dựa trên việc đo vẽ, thành lập bản đồ hiện trạng rừng bằng phƣơng pháp thủ
công vì vậy công việc này đòi hỏi tốn rất nhiều thời gian, công sức, tiền bạc, độ
ch nh xác không cao và thông tin thƣờng không đƣợc cập nhật vì tình hình rừng và
đất rừng luôn biến động. Trong những năm gần đây, khi khoa học công nghệ viễn
thám phát triển mạnh thì việc áp dụng công nghệ viễn thám vào lâm nghiệp là rất
cần thiết vì kỹ thuật viễn thám với khả năng quan sát các đối tƣợng ở các độ phân
giải phổ và không gian khác nhau, chu kỳ chụp lặp từ một tháng đến một ngày cho
phép ta quan sát và xác định nhanh chóng hiện trạng lớp phủ rừng, từ đó có thể dễ

dàng xác định đƣợc biến động rừng và đặc biệt là xu hƣớng của biến động.
Đắk Lua là một xã vùng sâu, vùng xa của huyện Tân Phú có tài nguyên rừng
của xã rất lớn (39.004,69 ha), chiếm 93,17% tổng diện t ch tự nhiên của xã. Chủ
yếu là rừng đặc dụng (38.794,74 ha), có tác dụng chống xói mòn, rửa trôi, bảo vệ
đất đai và môi trƣờng. Ngoài ra, nơi đây còn tập hợp nhiều động thực vật quý hiếm,
nằm trong Vƣờn Quốc gia Cát Tiên.


2

Để đƣa ra các chiến lƣợc hay kế hoạch phát triển rừng bền vững, cần đặc biệt
chú trọng công tác theo dõi, đánh giá và dự báo xu thế diễn biến rừng. Nhận thấy
tầm quan trọng của chúng, tôi tiến hành nghiên cứu “Ứng dụng công nghệ GIS và
Viễn thám trong đánh giá diễn biến tài nguyên rừng ở xã Đắc Lua, huyện Tân
Phú, tỉnh Đồng Nai”


3

Chƣơng 1
TỔNG QUAN VẤN ĐỀ NGHIÊN CỨU
1.1. Trên thế giới
1.1.1. Các nghiên cứu về điều tra thành lập bản đồ hiện trạng rừng từ ảnh viễn
thám
Điều tra rừng là một hệ thống các phƣơng pháp thu thập dữ liệu về đặc điểm
tài nguyên rừng trên một diện t ch xác định, các chỉ tiêu điều tra ch nh bao gồm: tổ
thành loài, đƣờng k nh ngang ngực, chiều cao, tuổi, t nh toán trữ lƣợng, tăng trƣởng
của lâm phần và xây dựng các bản đồ tài nguyên rừng. Điều tra rừng đƣợc thực hiện
nhằm mục đ ch kiểm kê, đánh giá và phân t ch biến động của tài nguyên rừng. Cùng
với sự phát triển của khoa học công nghệ, phƣơng pháp và sản phẩm của điều tra

rừng cũng thay đổi theo thời gian.
Những nghiên cứu về điều tra rừng bắt đầu đƣợc thực hiện từ thế kỷ 19 ở
Châu Âu và Bắc Mỹ, phƣơng pháp điều tra rừng đƣợc sử dụng là đo đếm hoặc liệt
kê toàn bộ cây trên những ô tiêu chuẩn điển hình. Phƣơng pháp ƣớc lƣợng bằng mắt
thƣờng đƣợc áp dụng, phƣơng pháp này sử dụng “cây trung bình” để ƣớc t nh trữ
lƣợng cho một ô tiêu chuẩn, từ đó quy đổi cho toàn khu vực. Trong giai đoạn này,
các phƣơng pháp thống kê toán học (chọn mẫu) cũng bắt đầu đƣợc đƣa vào áp dụng
để xây dựng bản đồ tài nguyên rừng từ các kết quả điều tra trên các ô tiêu chuẩn.
Tuy nhiên, phƣơng pháp điều tra khoanh vẽ trên thực địa khi đƣợc áp dụng thƣờng
không hiệu quả do chi ph rất tốn kém, mất nhiều thời gian và không kịp thời khi
đánh giá biến động tài nguyên rừng, đặc biệt là khi điều tra trên một diện t ch rộng
lớn.
Ảnh hàng không bắt đầu đƣợc áp dụng từ đầu thế kỷ 20 để khoanh vẽ các
trạng thái rừng. Ảnh hàng không thƣờng đƣợc lƣu trên giấy ảnh hoặc ảnh số. Từ
những thử nghiệm lẻ tẻ về ứng dụng ảnh hàng không trong lâm nghiệp vào thời gian
đầu, đã có nhiều tác giả sử dụng thành công ảnh hàng không để xây dựng bản đồ tài


4

nguyên rừng ở các nƣớc nhƣ Canada, Mỹ và Anh. Ảnh hàng không thƣờng đƣợc
giải đoán bằng mắt thƣờng với sự hỗ trợ của các thiết bị quang học nhƣ k nh lúp,
k nh lập thể, máy tổng hợp màu để các định đối tƣợng. Các trạng thái rừng khác
nhau trên ảnh đƣợc khoanh vẽ dựa trên một số tiêu ch sau: cấp độ sáng (tone); k ch
thƣớc (size) và hình dáng (shape) của tán cây; biến đổi trong cấu trúc tán cây
(texture); phân bố không gian của tán cây (pattern); bóng cây (shadow) (Thomas M.
Lillesand, Ralph W. Kiefer, 2000) [22]. Ƣu điểm của việc sử dụng ảnh hàng không
so với điều tra mặt đất là: cung cấp một bức tranh toàn cảnh về phân bố của rừng
trên một diện t ch rộng; lƣu giữ đƣợc những biến đổi về động thái của rừng theo
thời gian; ảnh hàng không có thể chụp với bƣớc sóng từ tia cực t m đến hồng ngoại

gần (0.3m – 0.9m), vì vậy có thể phản ánh những thông tin mà mắt thƣờng không
thấy đƣợc. Nhƣợc điểm của ảnh hàng không là rất khó chụp, lƣu giữ, hiệu chỉnh và
giải đoán. Ngoài ra việc giải đoán bằng mắt là rất chủ quan phụ thuộc vào trình độ,
kinh nghiệm ngƣời giải đoán, kết quả không đồng nhất, khó triển khai trên diện
rộng, thời gian thực hiện lâu và tốn kém nhiều nhân lực. Ở Việt nam, công nghệ giải
đoán bằng mắt cũng đã và đang đƣợc áp dụng đối với ảnh vệ tinh trong phân loại
rừng và đã bộc lộ rất nhiều tồn tại.
Trong vòng khoảng 35 năm trở lại đây, ảnh vệ tinh với phƣơng pháp xử lý số
đã đƣợc sử dụng rộng rãi và dần thay thế ảnh hàng không trong xây dựng các bản
đồ tài nguyên rừng phục vụ công tác điều tra và kiểm kê rừng (Lambin EF, Turner
BL, Helmut J, et al, 2001) [17]. Phƣơng pháp xử lý số có ƣu điểm nổi bật là thời
gian xử lý ngắn, việc phân loại các đối tƣợng đƣợc tiến hành nhanh chóng trên
phạm vi rộng mà không cần công đi thực địa, công việc đƣợc thực hiền hoàn toàn
dựa vào cấp độ xám của các pixel, nên kết quả thu đƣợc khách quan không phụ
thuộc vào chủ quan của nguời giải đoán. Tuỳ thuộc vào yêu cầu sử dụng, ảnh vệ
tinh sẽ cho phép xây dựng các bản đồ tài nguyên rừng với quy mô và tỷ lệ khác
nhau một cách nhanh chóng, hoặc đánh giá đƣợc biến động của hiện trạng rừng ở
hiện tại so sánh với các thời điểm trong quá khứ. Với những ƣu điểm nhƣ vậy, đã có
rất nhiều chuyên gia và các nhà nghiên cứu sử dụng ảnh vệ tinh để khoanh vẽ lớp


5

phủ thực vật trên bề mặt trái đất từ quy mô nhỏ đến toàn cầu (Yichun Xie, Zongyao
Sha and Mei Yu, 2008) [24]. Hiện nay, trên thế giới có rất nhiều vệ tinh cung cấp
ảnh có độ phân giải không gian, bƣớc sóng, số lƣợng kênh phổ và chu kỳ bay chụp
khác nhau, từ các ảnh đa phổ (multispectral sensors) tới ảnh siêu phổ
(hyperspectral), bƣớc sóng biến động từ nhìn thấy tới sóng siêu cao tần, độ phân
giải không gian từ <1m tới vài km, chu kỳ bay chụp có thể từ 30 phút tới tuần hoặc
tháng. Navulur (2006) đã phân nhóm các loại ảnh vệ tinh theo độ phân giải không

gian nhƣ sau: (i) ảnh có độ phân giải thấp > 30m, (ii) ảnh có độ phân giải trung bình
10m - 30m; (iii) ảnh có độ phân giải cao 2 – 10 m; (iv) ảnh có độ phân giải rất cao <
2m. Mỗi loại ảnh vệ tinh khác nhau lại có đặc điểm về độ phân giải không gian,
bƣớc sóng, chu kỳ bay chụp, giá thành khác nhau. Vì vậy, lựa chọn ảnh vệ tinh
th ch hợp trong xây dựng bản đồ phân loại rừng cần phải cân nhắc kỹ, thƣờng dựa
vào những căn cứ sau: (i) mục tiêu của bản đồ, (ii) giá thành của ảnh, (iii) điều kiện
kh quyển, (iv) những yêu cầu kỹ thuật trong việc giải đoán ảnh. Trong xây dựng
các bản đồ phân loại rừng, nhƣng loại ảnh viễn thám đƣợc sử dụng phổ biên bao
gồm Landsat TM và ETM+, SPOT, MODIS, NOAA-AVHRR, IKONOS và
QuickBird. Đặc điểm và khả năng ứng dụng của mỗi loại ảnh vệ tinh trên đƣợc tổng
hợp ở bảng sau:
Bảng 1.1. Thông số kỹ thuật của một số loại ảnh viễn thám đƣợc sử dụng
phổ biến hiện nay
Loại ảnh

Thông số kỹ thuật

Ứng dụng trong phân loại
rừng

1. Ảnh đa phổ có độ phân giải thấp (Multispectral Low Resolution Sensors
MODIS

Độ phân giải thấp (250m – 1000m);
Trƣờng phủ 2330km; Chu kỳ bay chụp
1-2 ngày; Ảnh có từ 2000 (vệ tinh Terra)
hoặc 2002 (vệ tinh Aqua) đến nay.

- Quy mô bản đồ: toàn
cầu, lục địa hoặc quốc

gia
- Phân loại lớp phủ (vd:

AVHRR

Độ phân giải thấp 1km từ các vệ tinh rừng, độ thị, mặt nƣớc...)
NOAA; Trƣờng phủ 2400km x 6400km;
Ảnh có từ 1980 đến nay.


6

2. Ảnh đa phổ có độ phân giải trung bình (Multispectral Moderate Resolution
Sensors)
Landsat TM

Độ phân giải thấp đến trung bình (30m - - Quy mô bản đồ: khu
120m); Trƣờng phủ 185km x 185km; vực
Chu kỳ bay chụp 16 ngày; Ảnh từ năm - Phân loại rừng ở cấp độ
1982 đến nay;

quần xã

Landsat

Độ phân giải thấp đến trung bình (15m - - Quy mô bản đồ: khu

ETM+

120m); Trƣờng phủ 185km x 185km. vực

(Landsat 7)

Chu kỳ bay chụp 16 ngày; Ảnh có từ - Phân loại rừng ở cấp độ
1999 đến nay;
quần xã hoặc một số loài

ASTER

Độ phân giải trung bình (15-90m) với 14 ƣu thế có nhận biệt rõ
kênh phổ từ bƣớc sóng nhìn thấy tới
hồng ngoại gần; Ảnh có từ năm 2000 đến
nay.

3. Ảnh đa phổ có độ phân giải cao (Multispectral High-spatial Resolution Sensors –
Hyperspatial )
SPOT

Độ phân giải cao đến trung bình, từ 2.5m - Quy mô bản đồ: địa
đến 20m (với SPOT VGT là 1km); phƣơng, khu vực (hoặc
Trƣờng phủ 60km x 60km (với SPOT lớn hơn đối với SPOT
VGT là 1000km x 1000 km); SPOT 1, 2, VGT)
3, 4 và 5 có ảnh tƣơng ứng từ 1986, - Phân loại rừng ở cấp độ
1990, 1993, 1998 và 2002. Hiện nay quần xã hoặc các loài cụ
SPOT 1 và 3 đã ngừng cung cấp ảnh.

IKONOS

QuickBird

thể

Độ phân giải rất cao (1m – 4m); Trƣờng - Quy mô bản đồ: khu
phủ 11km x 11km; Chu kỳ bay chụp 3- vực, địa phƣơng hoặc
5ngày
nhỏ hơn
Độ phân giải rất cao (0.6m – 2.4m); - Phân loại rừng chi tiết ở
Trƣờng phủ 16.5km x 16.5km. Chu kỳ cấp độ quần xã hoặc các
bay chụp 1-3.5 ngày tuỳ thuộc vào vĩ độ. loài cụ thể;
- Thƣờng đƣợc sử dụng
để kiểm tra kết quả phân
loại từ các nguồn khác.

4. Ảnh siêu phổ (Hyperspectral Sensors)


7

AVIRIS

Ảnh siêu phổ với 224 kênh từ bƣớc sóng - Quy mô bản đồ: khu
nhìn thấy tới sóng ngắn hồng ngoại; Tuỳ vực, địa phƣơng hoặc
thuộc vào vĩ độ của vệ tinh mà ảnh có độ nhỏ hơn;
phân giải > 1m, trƣờng phủ > 1km.
- Phân loại rừng chi tiết ở
cấp độ quần xã hoặc các
loài cụ thể; ảnh chỉ chụp
theo yêu cầu 1 lần, vì vậy
không th ch hợp với theo
dõi diễn biến rừng.

Hyperion

Ảnh siêu phổ với 220 kênh từ bƣớc sóng - Quy mô bản đồ: khu
nhìn thấy tới sóng ngắn hồng ngoại; Độ vực
phân giải không gian 30m; Ảnh có từ - Phân loại rừng chi tiết ở
năm 2003.

cấp độ quần xã hoặc các
loài có nhận biệt rõ.

Các thông số kỹ thuật và khả năng ứng dụng của một số ảnh vệ tinh có độ
phân giải cao có thể sử dụng để xây dựng bản đồ hiện trạng rừng đƣợc mô tả chi tiết
nhƣ sau:
+ SPOT
Ảnh SPOT rất th ch hợp cho việc nghiên cứu, giám sát, dự báo các biến động
tài nguyên thiên nhiên, cũng nhƣ các hoạt động của con ngƣời. Có tất cả 5 vệ tinh
SPOT đã đƣợc phóng lên từ SPOT1 đến SPOT5 lần lƣợt trong các năm 1986, 1990,
1993, 1998, và 2002. Độ phân giải không gian của ảnh SPOT biến động rất rộng từ
1km đến 2.5m. Ảnh SPOT có 2 mô hình, toàn sắc (panchromatic) hoặc đa phổ
(multispectral). Trong đó, ảnh HRV (High Resolution Visible) ở các vệ tinh
SPOT1, 2, 3 tƣơng tự với ảnh HRVIR (High Resolution Visible and Infrared) ở
SPOT4 và HRG (High Resolution Geometry) ở SPOT5. Ngoài ra, SPOT4 và 5 còn
có thêm kênh chụp lớp phủ thực vật ở độ phân giải 1km với chu kỳ lặp lại 1 ngày
(SPOT VGT), kênh phổ này rất hữu ch trong việc giám sát lớp phủ thực vật trên
một quy mô lớn. Với ƣu thế có nhiều bộ cảm ứng (sensors) và tần suất bay chụp
cao, nên vệ tinh SPOT có thể cung cấp ảnh cho bất kỳ vị tr nào trên trái đất hằng
ngày. Ảnh SPOT cũng rất thuận lợi trong việc xây dựng bản đồ hiện trạng lớp phủ

8

thực vật ở nhiều tỷ lệ và quy mô khác nhau. Với những ƣu điểm nhƣ vậy, ảnh SPOT
đã có nhiều ứng dụng rộng rãi trong phân loại rừng, và thực vật nói chung.
Huang và Siegert (2006) (Dẫn theo Phạm Văn Duẩn (2012) [4]) đã sử dụng
ảnh đa thời gian SPOT VGT để giám sát quá trình sa mạc hoá thông qua theo dõi sự
biết động của thực vật ở vùng bắc Trung Quốc và đi đến kết luận, ảnh SPOT VGT
rất th ch hợp cho việc nghiên cứu biến động lớp phủ thực vật ở quy mô lớn. Kết quả
này cũng tƣơng đồng với nghiên cứu của Cabral (2006) (Dẫn theo Phạm Văn Duẩn
(2012) [4]) trong việc phân loại lớp phủ ở ph a nam châu Phi. Ngoài ra, ảnh SPOT
cũng rất hiệu quả trong việc giám sát sinh trƣởng và phân bố của rừng ở quy mô
nhỏ, hoặc các loài cụ thể, kết quả đƣợc thể hiện trong các nghiên cứu: phân bố sinh
cảnh của chim Công ở New Zealand (Mathieu, 2006) ; biến động thực vật ven biển
ở Hải Nam – Trung Quốc (Millward, 2006). (Dẫn theo Phạm Văn Duẩn (2012) [4])
+ IKONOS
IKONOS là ảnh vệ tinh thƣơng mại đầu tiên có độ phân giải cao từ năm
1999. Trong đó, kênh toàn sắc có độ phân giải 1m, còn các kênh đa phổ (nhìn thấy
đến hồng ngoại gần) có độ phân giải 4m, trƣờng phủ là 11km và chu kỳ bay chụp là
3-5 ngày. Vì vậy, ảnh IKONOS th ch hợp cho phân loại rừng có kết cấu phức tạp và
xây dựng những bản đồ có tỷ lệ cao, quy mô nhỏ. Theo nghiên cứu của Goward
(2003) (Dẫn theo Phạm Văn Duẩn (2012) [4]), ảnh IKONOS rất th ch hợp cho việc
kiểm định kết quả phân loại rừng từ các vệ tinh có độ phân giải thấp hơn.
+ QuickBird
QuickBird có độ phân giải không gian rất cao, 0.6m-0.7m với kênh toàn sắc
và 2.4m-2.8m với kênh đa phổ. Với độ phân giải cao nhƣ vậy, QuickBird có thể
phân loại rừng một cách ch nh xác, mà còn đƣợc ứng dụng trong theo dõi động thái
và cấu trúc rừng. Do giá thành rất cao, nên QuickBird chỉ thƣờng đƣợc sử dụng ở
quy mô nhỏ và chi tiết. Wolter (2005) (Dẫn theo Phạm Văn Duẩn (2012) [4])đã sử
dụng ảnh QuickBird để phân loại thực vật ngập nƣớc ở cho 3 điểm vùng hồ Great
Lakes – Hoa Kỳ; Coops (2006) (Dẫn theo Phạm Văn Duẩn (2012) [4]) sử dụng ảnh

QuickBird để phát hiện, giám sát rừng bị phá hại do côn trùng. Tƣơng tự nhƣ ảnh


9

IKONOS, ảnh QuickBird cũng rất th ch hợp cho việc kiểm định kết quả phân loại từ
các ảnh vệ tinh có độ phân giải thấp hơn.
Ngoài các loại ảnh vệ tinh nêu trên đƣợc sử dụng trong phân loại rừng, thì
cũng còn rất nhiều loại ảnh khác đƣợc sử dụng. V dụ, ảnh ASTER, Landsat,
AVNIR2, hoặc ảnh AVIRIS với giải phổ gần liên tục trong 224 kênh, các ảnh siêu
phổ này có thể lƣu trữ nhiều thông tin về thực vật và phân loại thực vật ch nh xác
hơn các loại ảnh khác có cùng độ phân giải không gian.
- Phân loại ảnh bằng phƣơng pháp xử lý số
Phân loại ảnh đƣợc định nghĩa là quá trình giải đoán phản xạ phổ thành
những đối tƣợng khác nhau. Tổng hợp các công trình nghiên cứu về ứng dụng ảnh
vệ tinh trong phân loại rừng trên thế giới, Yichun (2008) đã chia các phƣơng pháp
phân loại ảnh vệ tinh thành 2 nhóm ch nh: (1) phƣơng pháp truyền thống; (2)
phƣơng pháp cải tiến.
+ Phương pháp phân loại truyền thống (Traditional Methods)
Có hai phƣơng pháp phân loại truyền thống là: phân loại đa phổ không giám
sát (unsupervised multispectral classification) dựa trên các thuật toán K-mean và
ISODATA; phân loại đa phổ có giám sát (supervised multispectral classification)
dựa trên thuận toán xác xuất cực đại (Maximum Likelihood-ML). Cả hai thuật toán
K-mean và ISODATA đều liên quan đến việc phân nhóm các phản xạ phổ theo quá
trình lặp đi lặp lại, đến khi giá trị trung bình của các nhóm phổ t thay đổi hoặc nhỏ
hơn một ngƣỡng nhất định. Phƣơng pháp phân loại không giám sát hoàn toàn dựa
vào cấp độ sáng của các điểm ảnh. Ƣu điểm của phƣơng pháp này là tự động phân
loại lớp phủ, làm cơ sở cho việc sử dụng các phƣơng pháp phân loại khác có độ
ch nh xác cao hơn (Tso và Olsen, 2005). Nhƣợc điểm của phƣơng pháp này là quá
trình phân loại sẽ phải chạy lại khi dữ liệu mới đƣợc bổ sung.

Phƣơng pháp phân loại có giám sát dựa vào việc lựa chọn các vùng mẫu trên
ảnh đƣợc gán tƣơng ứng với các kiểu sử dụng đất hoặc kiểu rừng. Vì vậy, khi bổ
sung thêm kiểu che phủ mới thì không làm thay đổi các kiểu che phủ đƣợc tạo lập
trƣớc đó. Thuật toán xác suất cực đại (ML) đƣợc xem là truyền thống và sử dụng


10

phổ biến cho phƣơng pháp phân loại có giám sát, nguyên lý của thuật toán này là:
mỗi điểm ảnh đƣợc t nh xác suất thuộc vào một lớp nào đó và đƣợc gán vào lớp mà
xác suất thuộc vào lớp đó là lớn nhất (Sohn và Rebello, 2002). Tuy nhiên, thuật
toán xác suất cực đại cũng chƣa phải là giải pháp tối ƣu, khi mà nó giả định phân bố
cấp độ sáng của điểm ảnh là phân bố chuẩn, vì vậy nó không th ch hợp cho việc
phân loại ở những nơi có lớp phủ phức tạp nhƣ phân loại rừng ở vùng nhiệt đới.
+ Phương pháp phân loại cải tiến (Improved Methods)
Trong thực tế, cùng một kiểu rừng vẫn có thể có nhiều giá trị phản xạ phổ
khác nhau, ngƣợc lại các kiểu rừng khác nhau lại có thể có giá trị phản xạ phổ giống
nhau. Vì vậy, nếu sử dụng các phƣơng pháp truyền thống nhƣ phân loại có giám sát,
hoặc không giám sát thì rất khó có thể tách biệt và phân loại hiện trạng rừng một
cách ch nh xác. Nhìn chung, các phƣơng pháp cải tiến thƣờng đƣợc phát triển trên
cơ sở phƣơng pháp truyền thống có bổ sung thêm các thuật toán nhằm đạt đƣợc kết
quả phân loại ch nh xác nhất. Có rất nhiều nghiên cứu phát triển các phƣơng pháp
phân loại lớp phủ thực vật. Stuart (2006) đã sử dụng phƣơng pháp phân loại liên tục
(Continuous Classification) và ảnh Landsat để xây dựng bản đồ hiện trạng rừng
(rừng thƣờng xanh, rừng rụng lá, cây gỗ rải rác...) cho vùng nhiệt đới ở trung mỹ.
Các tác giả đã chứng minh rằng phƣơng pháp phân loại liên tục là tốt hơn phƣơng
pháp xác suất cực đại, đặc biệt là ở những khu vực có kiểu thảm thực vật phức tạp.
Sohn và Rebello (2002) đã phát triển phƣơng pháp phân loại SAC (Spectral Angle
Classifiers) từ phƣơng pháp phân loại có giám sát và không giám sát. Phƣơng pháp
SAC có t nh đến sự biến động phản xạ phổ trong một kiểu rừng là do ảnh hƣởng

của hƣởng của kh quyển và địa hình, phƣơng pháp này đã đƣợc áp dụng thành công
trong phân loại các quần xã sinh vật ở vùng đông nam bang Arizona – Hoa Kỳ
(Sohn Y, Qi J, 2005) [21].
Các chỉ số thực vật nhƣ NDVI (Normalized Differenct Vegetation Index) và
EVI (Enhanced Vegetation Index) cũng đƣợc xem nhƣ là một thuật toán để phân
loại lớp phủ thực vật. Các chỉ số này đƣợc t nh toán trên căn cứ, thực vật thƣờng
phản xạ mạnh với bƣớc sóng hồng ngoại gần và hấp thụ mạnh với bƣớc sóng màu


11

đỏ. Sự tƣơng phản giữa 2 kênh phổ này đƣợc sử dụng để t nh toán chỉ số thực vật.
Các chỉ số thực vật thƣờng có liên hệ rất chặt với hoạt động của quá trình quang
hợp. Chỉ số NDVI đã đƣợc nhiều tác giả sử dụng trong phân t ch biến động của lớp
phủ rừng trên các ảnh vệ tinh đa thời gian (Wang, Tenhunen J, 2004 [25]. Các
nhóm thực vật, hoặc kiểu rừng cũng có thể nhận biết đƣợc qua việc nghiên cứu
phân bố giá trị NDVI trên ảnh (Lenney MP, Woodcock CE, Collins JB, et al 1996)
[18].
Phƣơng pháp ANN (Artifical Neutral Network) và logic mờ cũng đƣợc áp
dụng rất hiệu quả ở những nơi có phân bố thực vật phức tạp (Fillippi và Jensen,
2006). Phƣơng pháp này đã đƣợc Berberoglu (2000) áp dụng để phân loại thực vật
ở vùng Địa trung hải, và tăng độ ch nh xác của bản đồ lên 15% so với phƣơng pháp
xác suất cực đại. Nhƣợc điểm của phƣơng pháp này là xử lý trên máy t nh rất lâu,
đặc biệt là khi dữ liệu lớn. Phƣơng pháp phân loại mờ (fuzzy classification) rất th ch
hợp cho các lớp phủ rừng phức tạp (Zhang J, Foody GM, 1998) [26], phƣơng pháp
này dựa trên phân bố xác suất của các pixel hơn là nhóm các giá trị lại theo phƣơng
pháp truyền thống.
Phƣơng pháp cây vấn đề (Decision Tree - DT) xuất phát từ lý thuyết hồi quy,
trên cơ sở so sánh đặc điểm, kết cấu phản xạ phổ trên ảnh với các kiểu rừng hoặc
loài thực vật. Ngƣời phân loại phải xuất phát từ việc đánh giá khả năng phân tách

các đối tƣợng dựa trên tri thức chuyên gia và đặc t nh phổ của chúng. Phƣơng pháp
này có ƣu điểm là xử lý nhanh, không có giả thuyết toán học và có thể xử lý dữ liệu
ở nhiều cấp độ khác nhau. Hansen (2006) (Dẫn theo Phạm Văn Duẩn (2012) [4]) đã
sử dụng phƣơng này với chỉ số NDVI và ảnh AVHRR để xây dựng bản đồ hiện
trạng rừng toàn cầu. Các tác giả Xu M, Watanachaturaporn P, Varshney PK, et al,
(2005) [23] đã sử dụng 3 phƣơng pháp DT, ANN và ML với 2 loại ảnh đa phổ và
siêu phổ để phân loại lớp phủ thực vật. Kết luận cho thấy phƣơng pháp DT chỉ th ch
hợp với loại ảnh đa phổ. Trong một vài trƣờng hợp, phƣơng pháp DT cũng rất th ch
hợp với lớp phủ thực vật có biến động mạnh liên quan chặt với điều kiện lập địa
nhƣ điều kiện đất và địa hình (He, 2005) (Dẫn theo Phạm Văn Duẩn (2012) [4]).


12

Ngoài ra, các kỹ thuật/phƣơng pháp phân loại nhƣ SPARK (SPAtial
Reclassification Kernel) và ADCM (Ancillary Data Classification Model) nâng độ
ch nh xác của kết quả phân loại ở những nơi có phân bố thực vật không đồng nhất
(Sluiter R, 2005) [20].
Nhìn chung, có rất nhiều phƣơng pháp/thuật toán phân loại đƣợc phát triển
và ứng dụng trong nhiều lĩnh vực khác nhau. Trong một vài trƣờng hợp, khi liên kết
nhiều phƣơng pháp với nhau có thể nâng cao chất lƣợng phân loại lớp phủ thực vật.
Lo CP, Choi J (2004) [19] đã đề xuất phƣơng pháp phân loại kết hợp (Hybrid
Method), trên cơ sở sử dụng những ƣu điểm của cả 2 phƣơng pháp phân loại có
giám sát và phân loại không giám sát, để xây dựng bản đồ lớp phủ cho vùng đô thị
Atlanta – Hoa Kỳ bằng ảnh Landsat ETM+. Tuy nhiên, các phƣơng pháp/thuật toán
phân loại cải tiến thƣờng đƣợc phát triển để nâng cao chất lƣợng phân loại ảnh
trong từng trƣờng hợp cụ thể. Trong khi đó, mỗi loài thực vật lại có một phổ riêng
biệt, phụ thuộc rất lớn vào hình thái, hàm lƣợng các chất hoá học, độ ẩm của lá
cây.Vì vậy, phát triển các phƣơng pháp phân loại ảnh vệ tinh vẫn là một chủ đề
nhận đƣợc nhiều sự quan tâm của các nhà nghiên cứu, bởi vì không có một phƣơng

pháp hay thuật toán phân loại nào lại có thể áp dụng thành công cho tất cả các
trƣờng hợp.
1.1.2. Các nghiên cứu về điều tra, xây dựng bản đồ biến động tài nguyên
Biến động sử dụng đất là sự thay đổi tăng hay giảm về diện t ch đối tƣợng
nào đó trong một giai đoạn nhất định. Để xây dựng bản đồ và đánh giá biến động tài
nguyên thƣờng sử dụng các phƣơng pháp: (1) Sử dụng bản đồ đa thời gian để đánh
giá biến động tài nguyên; (2) Sử dụng ảnh Viễn thám đa thời gian để đánh giá biến
động tài nguyên; (3) Sử dụng kết hợp giữa ban đồ và ảnh viễn thám để đánh giá
biến động tài nguyên. Tuy nhiên, dù sử dụng phƣơng pháp nào thì dữ liệu đầu vào
để xây dựng bản đồ biến động cũng cần phải tuân thủ theo các điều kiện nhƣ sau:
- Các bản đồ, ảnh viễn thám sử dụng để theo dõi biến động một khu vực,
phải ở cùng một hệ tọa độ lƣới chiếu.


13

- Bản đồ phải có tỷ lệ nhƣ nhau: Bản đồ tỷ lệ càng cao thì các đối tƣợng thể
hiện càng rõ ràng, thông tin về các đối tƣợng thực phủ càng chi tiết hơn nên khi
chồng lớp đối tƣợng trên hai bản đồ cho kết quả biến động ch nh xác hơn và ngƣợc
lại.
- Bản đồ phải đƣợc xây dựng trong các thời gian khác nhau
* Xây dựng bản đồ biến động tài nguyên sử dụng ảnh Viễn thám
Nhiều phƣơng pháp phát hiện biến động sử dụng ảnh vệ tinh đã đƣợc
đề xuất nhƣ: so sánh các phân loại lớp phủ; phân loại ảnh đa thời gian; ảnh
hiệu hoặc ảnh chia; sự khác biệt về chỉ số thực phủ; phân tích thành phần
chính. Các phƣơng pháp chính là:
- Tạo ảnh biến động từ ảnh gốc theo từng kênh phổ: Phƣơng pháp so
sánh các giá trị DN của từng kênh giữa hai thời điểm chụp ảnh khác nhau,
bằng cách tạo ảnh hiệu số của hai kênh đó:
DN (1, 2) = DN (1) – DN (2)

Trong đó:
DN (1) - giá trị DN của pixel trong ảnh chụp ở thời gian (1), DN (2) - giá
trị DN của pixel trong ảnh chụp ở thời gian (2),
DN (1, 2) - giá trị DN của pixel ảnh biến động giữa thời gian 1- 2, Nếu DN
= 0, không biến động, DN>0 biến động theo hƣớng 1, DN <0 biến động theo
hƣớng 2.
- Phƣơng pháp dựa vào ngƣỡng: Xác định ngƣỡng phân chia bằng thực
nghiệm để tách các pixels biến động và không biến động. Sau đó áp dụng trên
từng pixels của ảnh cần phân tích. Độ chính xác của phƣơng pháp này phụ
thuộc vào việc xác định ngƣỡng phân chia. Trong thực tế, việc xác định
ngƣỡng phân chia chính xác không là vấn đề đơn giản.
- Phƣơng pháp dựa vào vùng mẫu: Dự trên nghiên cứu thực nghiệm
vùng mẫu trên tập các kênh đa phổ ở các thời điểm khách nhau để phát hiện
sự biến động và không biến động. Tuy nhiện để chọn đƣợc vùng mẫu phù hợp


14

xác định đƣợc là biến động và không biến động cần phải nghiên cứu kỹ
lƣỡng.
- Phƣơng pháp đánh giá biến động sau phân loại: Để đánh giá biến động
theo phƣơng pháp này thì từ kết quả của phƣơng pháp nghiên cứu phân loại
rừng ta sẽ phân loại 2 ảnh ở 2 thời điểm khác nhau theo phƣơng pháp phân
loại chính xác nhất sau đó sẽ đem 2 ảnh sau phân loại chồng phủ lên nhau
để có bản đồ biến động. Để áp dụng phƣơng pháp này có kết quả chính xác
việc phân loại phải thực hiện theo cùng hệ thống phân loại và cùng
phƣơng pháp. Nguyên tắc đánh giá biến động của hai ảnh đã phân loại là dựa
vào bảng ma trận biến động. Bảng ma trận biến động là một bảng chéo
(Crossing image) từ hai ảnh đã phân loại.
Bảng 1.2. Bảng ma trận biến động giữa hai thời điểm

Anh A

L1

L2

L3

L4

L1

L11

L21

L31

L41

L2

L12

L22

L32

L42

L3

L13

L23

L33

L43

L4

L14

L24

L34

L44

Ảnh B

Trên ma trận, theo cột và theo hàng là tên các đối tƣợng đã đƣợc phân
loại theo 2 thời điểm a và b. Theo đƣờng chéo là các đối tƣợng không có sự
biến động, còn lại là những biến động chi tiết của từng đối tƣợng. Ví dụ: L23 là
đối tƣợng L2 của thời điểm a biến thành đối tƣợng L3 của thời điểm b.
* Xây dựng bản đồ biến động tài nguyên sử dụng kết hợp giữa bản đồ và
ảnh viễn thám
Phƣơng pháp đánh giá biến động có sự kết hợp giữa viễn thám và
GIS: Để đánh giá biến động theo phƣơng pháp này thì ta cần thành lập bản đồ

hiện trạng tại hai thời điểm cần đánh giá sau đó chồng xếp 2 lớp bản đồ hiện trạng
này ta sẽ có bản đồ biến động. Trong đó bản đồ hiện trạng ở hai thời điểm