Thành lập bản đồ rừng ngập mặn năm 2018 của tỉnh Thái Bình từ tư liệu ảnh Sentinel 2

Chỉ số đề mục

Lĩnh vực nghiên cứu

Trắc địa học và bản đồ học

Dạng tài liệu

Tác giả

Nguyễn Trọng Cương, Nguyễn Hải Hòa, Trần Quang Bảo⁽¹⁾

Nhan đề

Thành lập bản đồ rừng ngập mặn năm 2018 của tỉnh Thái Bình từ tư liệu ảnh Sentinel 2

Nhan đề tiếng anh

Nguồn trích

Tạp chí Khoa học Lâm nghiệp

Năm xuất bản

2019

Số

6

Trang

57-66

ISSN

2615-9368

Từ khóa

Ảnh viễn thám, NDVI, Rừng ngập mặn, SAVI, Sentinel 2, Bản đồ

Từ khóa tiếng anh

Tóm tắt

Ảnh Sentinel 2 là tư liệu quang học có độ phân giải trung bình hoàn toàn miễn phí, với nhiều đặc điểm ưu việt so với các tư liệu viễn thám đa thời gian khác, Sentinel 2 đang trở thành nguồn dữ liệu quý giá cho các nghiên cứu khoa học và giám sát trái đất. Trong bài bài báo này, chúng tôi sử dụng hai chỉ số NDVI (Normalized Difference Vegetation Index) và SAVI (Soil Adjusted Vegetation Index) để phân loại tư tiệu ảnh Sentinel 2 và xây dựng bản đồ hiện trạng rừng năm 2018 của tỉnh Thái Bình. Kết quả cho thấy, tổng diện tích rừng ngập mặn của tỉnh Thái Bình năm 2018 là 9.588,75 ha, trong đó trạng thái rừng ngập mặn có diện tích xấp xỉ 2.363,03 ha (chiếm 24,64%), diện tích đất nuôi trồng thủy sản chiếm 25,68% với 2.462,25 ha, diện tích đất mặt nước (bao gồm đất trống ngập mặn, bãi cát ven biển, mặt nước) chiếm 35,78% (3.431,16 ha). Từ các kết quả đánh giá độ chính xác toàn cục đối với chỉ số NDVI đạt 93,52%, chỉ số Kappa K1 = 0,912, đối với chỉ số SAVI đạt 92,83%, chỉ số Kappa K2 = 0,903 và kết quả kiểm chứng thực địa đạt 90,35% (178/197 điểm kiểm chứng) có thể thấy tư liệu Sentinel 2 sẽ là tư liệu phục vụ nhiều ứng dụng quan sát lớp phủ thực vật và các đối tượng khác khu vực đất liền ven biển. Sentinel 2 có thể được sử dụng để lập bản đồ các thay đổi trong độ che phủ đất và giám sát tài nguyên rừng trên phạm vi cấp tỉnh hoặc tương đương

Tóm tắt tiếng anh

Kí hiệu kho

TTKHCNQG, CVv 421

File toàn văn

Xem toàn văn

Tài liệu tham khảo

[1] Trần Thị Thúy Vân, Lưu Thế Anh, Hoàng Lưu Thu Thủy, Lê Bá Biên (2017), Sinh khí hậu và phát triển rừng ngập mặn ven biển tỉnh Thái Bình.,Tạp chí Khoa học, ĐHQGHN, tập 33, số 01 90-99.
[2] Subhanil Guha (2016), Capability of NDVI technique in detecting mangrove vegetation,I.J.A.B.R, vol. 6(2): 253-258)
[3] Seto, K.C., Fleishman, E., FAY, J.P. and Betrus, C.J., (2004), Linking spatial patterns of bird and butterfly species richness with Landsat TM derived NDVI.,International Journal of Remote Sensing, 25, pp. 4309–4324.
[4] Ozesmi, S.L. and Bauer, M.E. (2002), Satellite remote sensing of wetlands.,Wetlands Ecology and Management, 10, pp. 381–402.
[5] Rouse, J.W., Haas, R.H., Schell, J.A., Deering, D.W (1973), Monitoring vegetation systems in the Great Plains with ERTS.,In: Third ERTS Symposium. NASA, pp. 309–317.
[6] Hong Tao, Manqi Li, Ming Wang & Guonian Lü (2018), Genetic algorithm-based method for forest typeclassification using multi-temporal NDVI f-romLandsat TM imagery,Annals of GIS IASSN: 1947-5683.
[7] Nguyễn Hải Hòa, Trần Duy Bình (2016), Using Landsat imagery and vegetation indices Diferencing to detect mangrove change: A case in Thai Thuy district, Thai Binh province,Journal of forest science and technology No.5.
[8] Green, E.P., Clark, C.D. and edwards, A.J. (2000), Image classification and habitat mapping. In Remote Sensing Handbook for Tropical Coastal Management,A.J. Edwards (Ed.), pp. 141–154 (Paris: UNESCO).
[9] Everitt, J.H., Escobarm D.E anh Judd, F.W. (1991), Evaluation of airborne video imagery for distinguishing black mangrove (Avicennia germinans) on the lower Texas Gulf Coast,Journal of Coastal Research, No 7,1169-1173.
[10] Pham Tien Dat, Kunihiko Yoshino (2011), Monitoring Mangrove Forest using Multi-temporal Satellite Data in the Northern Coast of Vietnam,Remote Sensing.
[11] Claudia Kuenzer, Andrea Bluemel, SteffenGebhardt, Tuan Vo Quoc, Stefan Dech (2011), "Remote Sensing of Mangrove Ecosystems: A Review",,Remote Sensing. 3(5), tr. 878-928
[12] Behara Satyanarayana, Khairul Azwan Mohamad, Indra Farid Idris, Mohd-Lokman Husain, Farid Dahdouh-Guebas (2011), Assessment of mangrove vegetation based on remote sensing and ground-truth measurements at Tumpat, Kelantan Delta, East Coast of Peninsular Malaysia,International Journal of Remote Sensing Vol. 32, No. 6, 20 March 2011, 1635–1650
[13] A Zaitunah, Samsuri, A G Ahmad, R A Safitri (2018), Normalized difference vegetation index (NDVI) analysis for land cover types using landsat 8 oli in besitang watershed, Indonesia,Earth and Environmental Science 126.