Huỳnh Trung Tính , Võ Quốc Tuấn * , Lý Trung Nguyên Lê Quang Tâm

* Tác giả liên hệ (vqtuan@ctu.edu.vn)

Abstract

This study was aimed to assess the current status and changes in mangrove forests in Soc Trang province between 2016 and 2022. The assessment used Sentinel-2 satellite imagery and employed object-based classification method to generate current status maps of mangrove forests. To validate the accuracy of the image classification, field surveys were conducted at 134 points in coastal districts, including Tran De, Cu Lao Dung, and Vinh Chau. The evaluation results demonstrated a high accuracy of 91% rate of the object-based classification method, with a Kappa coefficient of 0.82, indicating its effectiveness for generating mangrove forest status maps. By comparing the mangrove status maps from 2016 to 2022, the study revealed an approximate increase in mangrove forest area of 907.21 hectares. The research findings serve as a reference source for the current status of mangrove forests and highlight the need for further in-depth studies on forest biomass, species diversity, and environmental impacts to enhance the effective management, protection, and sustainable development of mangrove forests.

Keywords: Mangrove forest, object-based classification, satellite image, Sentinel-2, Soc Trang province

Tóm tắt

Nghiên cứu này được thực hiện nhằm đánh giá diễn biến hiện trạng rừng ngập mặn (RNM) tỉnh Sóc Trăng trong khoảng thời gian từ năm 2016 đến năm 2022. Phương pháp phân loại dựa vào đối tượng trên ảnh vệ tinh Sentinel-2 được sử dụng để thành lập các bản đồ hiện trạng RNM. Để xác thực kết quả phân loại trên ảnh Sentinel-2, nghiên cứu đã tiến hành khảo sát thực địa tại 134 điểm ở các huyện ven biển như Trần Đề, Cù Lao Dung và Vĩnh Châu. Kết quả đánh giá cho thấy độ chính xác của phương pháp phân loại dựa vào đối tượng là 91% với hệ số Kappa đạt 0,82. Điều này chứng tỏ việc sử dụng ảnh vệ tinh Sentinel-2 kết hợp phương pháp phân loại dựa vào đối tượng đạt hiệu quả cao và phù hợp trong việc thành lập các bản đồ hiện trạng RNM. Kết quả các bản đồ hiện trạng và so sánh giữa các năm từ 2016 đến 2022 cho thấy diện tích RNM đã tăng khoảng 907,21 ha. Kết quả nghiên cứu là nguồn tài liệu tham khảo về hiện trạng RNM, cần thực hiện những nghiên cứu phân tích chuyên sâu hơn về sinh khối rừng, đa dạng loài, tác động môi trường góp phần năng cao hiệu quả quản lý, bảo vệ và phát triển rừng bền vững.

Từ khóa: Ảnh vệ tinh, hiện trạng rừng ngập mặn, phân loại dựa vào đối tượng, Sentinel-2, tỉnh Sóc Trăng

Article Details

Tài liệu tham khảo

Abeyta, A. M., & Franklin, J. (1998). The accuracy of vegetation stand boundaries derived from image segmentation in a desert environment. Photogrammetric Engineering and Remote Sensing, 64(1), 59–66.

Bộ Nông nghiệp và Phát triển nông thôn. (2019). Quyết định về việc công bố hiện trạng rừng toàn quốc năm 2018. Số 911/QĐ-BNN-TCLN. https://thuvienphapluat.vn/van-ban/Tai-nguyen-Moi-truong/Quyet-dinh-911-QD-BNN-TCLN-2019-cong-bo-hien-trang-rung-toan-quoc-nam-2018-409754.aspx

Bogoliubova, A., & Tymków, P. (2014). Accuracy assessment of automatic image processing for land cover classification of St. Petersburg protected area. Geodesy and Cartography, 13(1-2), 5–22

Brown, M., Lewis, H. G., & Gunn, S. R. (2000). Linear spectral mixture models and support vector machines for remote sensing. IEEE Transactions on Geoscience and Remote Sensing, 38(5 II), 2346–2360

Cohen, J. (1960). A Coefficient of Agreement for Nominal Scales. Educational and Psychological Measurement, 20(1), 37–46.

Costanza, R., Groot, R., Sutton, P., Ploeg, S., Anderson, S. J., Kubiszewski, I., Farber, S., & Turner, R. K. (2014). Changes in the global value of ecosystem services. Global Environmental Change, 26(1), 152–158.

Foody, G. M. (2008). Harshness in image classification accuracy assessment. International Journal of Remote Sensing, 29(11), 3137–315.

Hòa, N. X., Lan, P. T. & Trường, N. X. (2010). Hiện trạng rừng ngập mặn ở dải ven bờ nam trung bộ (từ Đà Nẵng đến ninh thuận). Tuyển Tập Nghiên Cứu Biển, 2010, XVII: 167-177.

Hồng, P. N., Quỳnh, N. B., & Trí, N. H. (1988). Rừng Ngập Mặn (Rừng Sát) tập 1. Nhà xuất bản Nông nghiệp.

Lợi, L. T. (2016). Hệ sinh thái đất ngập nước. Nhà xuất bản Đại học Cần Thơ.

Lợi, T. T., & Cương, P. M. (2015). Nghiên cứu nguyên nhân suy giảm rừng ngập mặn và các giải pháp công nghệ trồng cây ngập mặn tại vùng bãi xói lở ở các tỉnh ven biển đồng bằng sông Cửu Long. Báo cáo tổng hợp đề tài NCKH cấp Nhà nước.

Mansour, S., Al-Belushi, M., & Al-Awadhi, T. (2020). Monitoring land use and land cover changes in the mountainous cities of Oman using GIS and CA-Markov modelling techniques. Land Use Policy. https://doi.org/10.1016/j.landusepol.2019.104414

Rana, V. K., & Suryanarayana, T. M. V. (2020). Performance evaluation of MLE, RF and SVM classification algorithms for watershed scale land use/land cover mapping using sentinel 2 bands. Remote Sensing Applications: Society and Environment. https://doi.org/10.1016/j.rsase.2020.100351

Rogan, J., & Chen, D. M. (2004). Remote sensing technology for mapping and monitoring land-cover and land-use change. Progress in Planning, 61(4), 301–325.

Thu, T. T. H., Hà, L. T. T., & Lành, P. T. (2012). So sánh phương pháp phân loại dựa vào điểm ảnh và phương pháp phân loại định hướng đối tượng chiết xuất thông tin lớp phủ bề mặt từ ảnh độ phân giải cao. Tạp chí KHKT Mỏ - Địa chất số 39.

Trung, L. V. (2005). Giáo trình viễn thám. NXB Đại học quốc gia TP.HCM.

Wright, G. G., & Morrice, J. G. (1997). Landsat TM spectral information to enhance the land cover of Scotland 1988 dataset. International Journal of Remote Sensing, 18(18), 3811. https://doi.org/10.1080/014311697216630