BỘ KHOA HỌC VÀ CÔNG NGHỆ
HỆ THỐNG THÔNG TIN KHOA HỌC VÀ CÔNG NGHỆ

Lọc theo danh mục
  • Năm xuất bản
    Xem thêm
  • Lĩnh vực
liên kết website
Lượt truy cập
 Lượt truy cập :  22,931,472
  • Công bố khoa học và công nghệ Việt Nam

36

Viễn thám

Đỗ Thị Nhung(2), Nguyễn Đình Hùng, Phạm Ngọc Hải, Đặng Đỗ Lâm Phương(1), Nguyễn Thị Diễm My, Phạm Văn Mạnh(3)

Ước tính sinh khối trên mặt đất bằng viễn thám tích hợp và thuật toán học máy: nghiên cứu điểm tại Khu dự trữ sinh quyển miền Tây Nghệ An, Việt Nam

Estimation of Above ground biomass using a combination of integrated Remote sensing and Machine learning algorithms: a case study in the Western Nghe An Biosphere Reserve, Vietnam

Khoa học và Công nghệ Lâm nghiệp

2023

4

81-92

1859-3828

Học máy, Khu dự trữ sinh quyển thế giới, Sinh khối trên mặt đất, Tây Nghệ An, Viễn thám

Above ground biomass, Machine learning, Remote sensing, Vietnam, Western Nghe An Biosphere Reserve, World biosphere reserve.

Ước tính sinh khối trên mặt đất (AGB) từ dữ liệu viễn thám quang học và Radar khẩu độ tổng hợp (SAR) là một cách tiếp cận thiết thực để theo dõi chất lượng rừng tại khu dự trữ sinh quyển dài hạn. Sinh khối của rừng có ý nghĩa quan trọng thể hiện khả năng lưu trữ Carbon lớn và góp phần làm giảm biến đổi khí hậu toàn cầu. Nghiên cứu này trình bày phương pháp tích hợp dựa trên dữ liệu viễn thám đa nguồn và thuật toán học máy định lượng AGB và sự phân bố không gian của các kiểu rừng trong Khu dự trữ sinh quyển miền Tây Nghệ An, Việt Nam. Dữ liệu khảo sát thực địa năm 2022 được sử dụng với 169 ô mẫu được thu thập, trong đó 118 ô tham gia mô hình học máy để ước tính AGB và 51 ô còn lại được sử dụng để xác nhận kết quả. Hệ số xác định (R2), sai số bình phương trung bình (RMSE) và sai số trung bình tuyệt đối (MAE) được sử dụng để đánh giá và xác nhận hiệu suất của mô hình. Kết quả cho thấy cả 3 chỉ tiêu của mô hình đều tốt với RMSE và MAE có mức sai số dưới 30 Mg/ha và R2 khoảng 0,81 cho ước tính AGB. Nghiên cứu này cung cấp cái nhìn sâu sắc mới về mô hình ước tính AGB dựa trên công nghệ viễn thám đa nguồn cho rừng nhiệt đới tại Khu dự trữ sinh quyển thế giới thông qua phân tích toàn diện về dữ liệu viễn thám và mô hình học máy.

Estimating above-ground biomass (AGB) through the utilization of optical remote sensing and synthetic aperture radar (SAR) data presents a practical approach for the long-term monitoring of forest quality in a biosphere reserve. The significance of forest biomass lies in its capacity for substantial carbon storage and its contribution to mitigating global climate change. This study introduces an integrated methodology that relies on multi-source remote sensing data and machine learning algorithms to quantify above-ground biomass (AGB) and analyze the spatial distribution of diverse forest types within the Western Nghe An Biosphere Reserve in Vietnam. A total of 169 sample plots werecollected during on-site surveys conducted in 2022. Out of these, 118 plots were employed for machine learning modeling to estimate AGB, while the remaining 51 plots were reserved for result validation. The model's performance was evaluated and confirmed using metrics such as the coefficient of determination (R2), root mean square error (RMSE), and mean absolute error (MAE). The results demonstrate the effectiveness of the model, with RMSE and MAE exhibiting errors below 30 Mg/ha and an R2 value of approximately 0.81 for AGB estimation. Through a comprehensive analysis of remote sensing data and machine learning models, this study provides a fresh and insightful perspective on AGB estimation models based on multi-source remote sensing technology for tropical forests within the World Biosphere Reserve.

TTKHCNQG, CVv 421

Xem toàn văn