Ứng dụng công nghệ bay không người lái để quản lý rừng ngập mặn, nghiên cứu cụ thể tại Vườn Quốc gia Xuân Thủy, Nam Định

ỌC KỸ THUẬT THỦY LỢI VÀ MÔI TRƯỜNG - SỐ 68 (3/2020) 61 
 2.3. Xử lý dữ liệu 3. KẾT QUẢ VÀ THẢO LUẬN 
 Dữ liệu UAV được xử lý trên phần mềm mã 3.1. Hình ảnh lớp phủ thảm thực vật RNM 
nguồn mở OpenDroneMap (ODM) (tham khảo xử lý từ dữ liệu UAV 
phần mềm OpenDroneMap tại link: Rừng tự nhiên gần chòi canh vào tháng 3/2018 
https://www.opendronemap.org). đã được lựa chọn để bay chụp, với chiều cao bay 
 Hình ảnh sau khi được xử lý sẽ được nắn chỉnh 50m, khoảng cách giữa hai tuyến bay là 50m, thời 
tọa độ và kiểm tra độ chính xác trên phần mềm gian chụp 5s/ảnh, mỗi bức ảnh UAV thu được có 
ArcGIS version 10.4. diện tích 50 x 37,5m (xem Bảng 1). Tuy nhiên, do 
 Các bước xử lý dữ liệu UAV trên phần mềm tỷ lệ chùm phủ ảnh rất thấp (≈10%), hình ảnh lớp 
ODM và GIS được thể hiện tại Hình 3. phủ TTV RNM tại khu vực này chưa được tạo lập. 
 Hình 4. Hình ảnh rừng trồng tại Bãi Trong 
 được tạo lập từ chùm phủ ảnh UAV 
 Hình 3. Sơ đồ các bước xử lý dữ liệu UAV trên 
 phần mềm ODM và GIS Do vậy, vào tháng 3/2019, nhằm tăng tỷ lệ chùm 
 phủ ảnh để tạo lập được lớp phủ TTV RNM, hai 
 Độ chính xác của kết quả xử lý dữ liệu ảnh phụ (02) khu vực khác gồm rừng tự nhiên ven cửa sông 
thuộc chất lượng ảnh đầu vào, mức độ chùm phủ và rừng trồng tại Bãi Trong đã được lựa chọn để áp 
của các ảnh bay chụp. Tỷ lệ chùm phủ ảnh được dụng công nghệ UAV, với chiều cao bay là 100m, 
tự động tính toán trong phần mềm ODM. khoảng cách giữa hai tuyến bay 120m, thời gian 
 2.4. Mô hình phân tích SWOT chụp 7s/ảnh, diện tích mỗi bức ảnh UAV thu được 
 Mô hình phân tích SWOT được sử dụng để 140 x 105m. Tuy nhiên, tỷ lệ chùm phủ ảnh đã tăng 
phân tích điểm mạnh, điểm yếu, cơ hội và thách nhưng không cao (≈20%). 
thức đối với việc sử dụng UAV trong công tác Riêng đối với khu vực rừng trồng tại Bãi Trong, 
quản lý RNM. khi điều chỉnh khoảng cách giữa hai tuyến bay 
 Mô hình SWOT do Albert Humphrey và cộng xuống 60m, tỷ lệ chùm phủ ảnh đã đạt 70%. Lớp 
sự phát triển vào những năm 1960 - 1970 tại Mỹ. phủ TTV RNM ở khu vực này đã được tạo lập sau 
Mô hình có tên gọi ban đầu là SOFT (Satisfactory quá trình xử lý hình ảnh UAV (xem Hình 4). 
- thỏa mãn, cơ hội, Fault - lỗi và thách thức). Tuy Như vậy, chiều cao bay, thời gian chụp và 
nhiên, đến năm 1964, mô hình được giới thiệu tại đặc biệt là khoảng cách giữa hai tuyến bay có 
Thụy Sỹ, Strengths - điểm mạnh và Fault - lỗi ảnh hưởng quyết định đến thành công của quá 
được đổi thành Weakness - điểm yếu và SWOT ra trình xử lý hình ảnh lớp phủ TTV RNM bằng 
đời. Năm 1973, SWOT thực sự được phát triển và phần mềm ODM. 
hoàn thiện vào đầu năm 2004. Hơn nữa, hình ảnh khu vực rừng trồng tại Bãi 
62 KHOA HỌC KỸ THUẬT THỦY LỢI VÀ MÔI TRƯỜNG - SỐ 68 (3/2020) 
Trong có chất lượng tốt, độ phân giải cao, có thể TTV, song những bức ảnh chụp từ UAV này (kèm 
phân biệt được các loài cây khác nhau trong khu tọa độ) đã giúp nhà quản lý có cái nhìn trực quan, 
vực (xem Hình 4 và 5). Đây là nguồn dữ liệu rất nhanh chóng về khu vực, kịp thời đưa ra các giải 
tốt để giải đoán, xây dựng và cập nhật bản đồ lớp pháp quản lý RNM thích hợp (xem Hình 5). 
phủ TTV RNM. Hình ảnh bay chụp và xử lý từ dữ liệu UAV đã 
 3.2. Các điểm suy giảm về sinh trưởng và bao quát được khu vực nghiên cứu, giúp phát hiện 
chất lượng rừng sớm các điểm suy giảm về sinh trưởng và chất 
 Mặc dù dữ liệu tại một số khu vực bay có tỷ lệ lượng rừng, đặc biệt tại những nơi khó tiếp cận 
chùm phủ chưa cao để tạo lập đầy đủ lớp phủ bằng khảo sát truyền thống. 
 a. b. c. 
 Hình 5. Ảnh chụp UAV tại Vườn Quốc gia Xuân Thủy: a. Rừng tự nhiên gần Chòi canh chụp tháng 
 3/2018 (X: 20.247735; Y: 106.571084); b. Rừng tự nhiên ven cửa sông chụp tháng 3/2019 
 (X: 20.223124; Y: 106.545162); c. Rừng trồng, chủ yếu là cây Trang tại Bãi Trong 
 chụp tháng 3/2019 (X: 20.233260; Y: 106.535813) 
 Kết quả chụp UAV cho thấy cây rừng tự nhiên rừng sinh trưởng kém, bao trùm gần như toàn bộ 
tại khu vực gần chòi canh và cửa sông sinh trưởng khu vực Bãi Trong, với độ tàn che dưới 0,5. 
tốt. Cụ thể, tại Hình 5b có thể quan sát rõ những Kết quả này đã khẳng định thêm suy thoái TTV 
cây Bần chua ở tầng tán trên phát triển tốt cùng với rừng tại khu vực Bãi Trong qua nghiên cứu tương tự 
lớp cây tầng tán dưới (như Trang, Sú); với độ tàn của Trần Thị Mai Sen và cs (2019) bằng ảnh vệ tinh 
che đạt 0,9 (xử lý thông qua phần mềm Gap Light đa thời gian. Điều này cho thấy, nếu xác định được 
Analysis). Ngược lại, qua phân tích các ảnh chụp chế độ bay phù hợp, công cụ UAV hoàn toàn có thể 
khu vực rừng trồng tại Bãi trong cho thấy cây rừng tạo lập và đánh giá chính xác lớp phủ TTV RNM. 
ở đây (chủ yếu là cây Trang) sinh trưởng và chất 3.3. Điểm mạnh và hạn chế của UAV 
lượng kém (xem Hình 4 và 5c). Các ngọn Trang đã Kết quả phân tích SWOT được trình bày cụ thể 
bị khô héo, chuyển sang màu trắng. Diện tích cây tại Bảng 2. 
 Bảng 2. Kết quả mô hình phân tích SWOT trong ứng dụng UAV 
 Điểm mạnh (Strengths) Điểm yếu (Weakness) 
 Dễ dàng tiếp cận các khu vực khó khăn, nguy hiểm Chịu ảnh hưởng bởi thời tiết; Hạn chế 
 như các bãi bùn hay khu vực có mạng rễ cây dày đặc tầm nhìn khi có gió mạnh, mưa, sương 
 Chi phí rẻ hơn so với công tác điều tra, khảo sát truyền mù 
 thống. Kế hoạch bay, thiết kế tuyến bay và 
 Độ phân giải hình ảnh cao, chất lượng hình ảnh tốt hơn phần xử lý nội nghiệp tương đối phức tạp, 
 ảnh vệ tinh. mất khá nhiều thời gian, công sức nên cần 
KHOA HỌC KỸ THUẬT THỦY LỢI VÀ MÔI TRƯỜNG - SỐ 68 (3/2020) 63 
 Điểm mạnh (Strengths) Điểm yếu (Weakness) 
 Thời gian xử lý nhanh hơn so với phương pháp điều tra cán bộ kỹ thuật tác nghiệp có kinh 
 truyền thống (bao gồm cả thời gian bay chụp và thời gian nghiệm. 
 xử lý ảnh) Thời gian bay thường ngắn (đối với 
 Ứng dụng trong nhiều lĩnh vực khác nhau để quản lý Phantom 3 Professional thời gian bay tối 
 TTV như thành lập bản đồ hiện trạng, theo dõi sinh đa là 23 phút, thời gian sạc 40 phút). 
 trưởng, chất lượng rừng. Công nghệ UAV hiện tại còn hạn chế 
 Phạm vi quản lý và chụp ảnh rộng (đối với DJI trong các nghiên cứu chuyên sâu như: tái 
 Phantom 3 là 5km). sinh, sâu bệnh của cây rừng. 
 Cơ hội (Opportunities) Thách thức (Threats) 
 Các nghiên cứu ứng dụng khoa học- công nghệ trong Việc sử dụng UAV vào những việc 
 việc nâng cao hiệu quả của công tác quản lý tài nguyên không đúng mục đích có thể gây hại cho 
 rừng đang được quan tâm, đặc biệt trong bối cảnh Việt an ninh quốc gia. 
 Nam đang theo đuổi cuộc cách mạng công nghệ 4.0. Thủ tục xin phép điều tra, bay chụp 
 Phát triển hệ thống UAV có thời gian bay lâu hơn, giá bằng ảnh UAV còn chưa cụ thể. 
 thành giảm, phát triển các máy đo phổ, máy chụp ảnh đa Chưa có hướng dẫn quy trình bay UAV 
 phổ, siêu phổ, máy quét lidar hoàn thiện hơn. trong việc xây dựng, cập nhật bản đồ hiện 
 UAV được đánh giá là công nghệ mới, giúp giảm thiểu trạng. 
 sức lao động, tăng hiệu quả làm việc. Cần phải có cán bộ kỹ thuật có kinh 
 Nhiều tổ chức về lâm nghiệp tại Việt Nam đã bắt đầu nghiệm trong việc điều khiển thiết bị bay 
 quan tâm và mong muốn ứng dụng UAV trong quản lý và có khả năng xử lý ảnh. 
 tài nguyên. 
 Có nhiều phần mềm xử lý ảnh UAV, bao gồm cả phần 
 mềm mã nguồn mở và phần mềm thương mại. 
 Kết quả tại Bảng 2 cho thấy, điểm mạnh và cơ giữa hai tuyến bay 60m, thời gian chụp 7s/ảnh cho 
hội trong ứng dụng dữ liệu UAV là lớn, như cho tỷ lệ chùm phủ ảnh cao, tạo lập được bản đồ lớp 
phép người quản lý đánh giá nhanh, kịp thời lớp phủ TTV RNM. 
phủ TTV RNM, theo dõi và giám sát được những Đối với công tác theo dõi suy thoái rừng, cần 
khu vực khó tiếp cận. Kinh phí áp dụng UAV thấp xác định trước khu vực nghi vấn trên bản đồ và 
hơn so với công tác điều tra, khảo sát truyền ảnh vệ tinh, sau đó lập kế hoạch bay và tiến hành 
thống. Tuy nhiên, dữ liệu UAV cũng chịu ảnh bay chụp. Đặc biệt tại các khu vực khó tiếp cận 
hưởng bởi yếu tố thời tiết và hạn chế trong các như bãi lầy, mạng lưới cây rừng dày đặc, việc 
nghiên cứu chuyên sâu như hiện tượng tái sinh, áp dụng dữ liệu UAV để theo dõi suy thoái rừng là 
sâu bệnh của cây rừng. rất hiệu quả. 
 3.4. Định hướng cho các chuyến bay và xử lý 4. KẾT LUẬN VÀ KIẾN NGHỊ 
hình ảnh UAV phục vụ cho công tác quản lý Nghiên cứu này đã đưa ra cơ sở lý luận và thực 
 Từ kết quả nghiên cứu cho thấy, áp dụng UAV tiễn với việc áp dụng UAV trong công tác thu thập 
đã hỗ trợ hiệu quả trong công tác: i) xây dựng, cập dữ liệu, xây dựng bản đồ lớp phủ TTV RNM; hỗ trợ 
nhật bản đồ lớp phủ TTV RNM và ii) theo dõi, giám sát các điểm suy giảm về sinh trưởng và chất 
giám sát sinh trưởng, chất lượng rừng. Việc khảo lượng rừng tại khu vực nghiên cứu được lựa chọn. 
sát, lập kế hoạch tuyến, chiều cao, thời gian bay UAV thực sự là công cụ hỗ trợ hiệu quả cho 
và khoảng cách giữa hai tuyến bay để xây dựng, người quản lý, giúp đánh giá nhanh, kịp thời 
cập nhật bản đồ hiện trạng là rất quan trọng. chất lượng RNM, đặc biệt tại các khu vực xa 
Đường bay chụp tại các khu vực rừng trồng thuộc xôi, biệt lập, khó tiếp cận so với phương pháp 
VQGXT với chiều cao bay 100m, khoảng cách truyền thống. 
64 KHOA HỌC KỸ THUẬT THỦY LỢI VÀ MÔI TRƯỜNG - SỐ 68 (3/2020) 
 Kết quả nghiên cứu UAV, xử lý thông qua tự áp dụng UAV trong thời gian tới. 
phần mềm mã nguồn mở ODM phụ thuộc khá lớn LỜI CẢM ƠN 
vào đường bay chụp như chiều cao bay, khoảng Cảm ơn Ban Quản lý VQG Xuân Thủy đã cho 
cách giữa hai tuyến bay, thời gian chụp. phép chúng tôi thực hiện nghiên cứu áp dụng 
 Cần tiếp tục tiến hành các đợt bay UAV, với UAV. Nghiên cứu này là một phần kết quả từ đề 
các đường bay thực nghiệm, đặc biệt tại các khu tài có mã số NE/P014127/1: MOnitoring 
vực có hiện tượng suy giảm sinh trưởng và chất Mangrove ExteNT & Services: What is 
lượng cây rừng, như khu vực rừng trồng Bãi controlling Tipping Points? - tên tiếng Việt: Giám 
Trong, để có thể đưa ra bức tranh lớp phủ TTV sát quy mô và các dịch vụ rừng ngập mặn 
rừng toàn diện, kịp thời đề xuất các giải pháp quản (MOMENTS): Yếu tố kiểm soát điểm tới hạn ? 
lý RNM thích hợp. được tài trợ bởi Quỹ Phát triển Khoa học và Công 
 Kết quả nghiên cứu cũng là cơ sở dữ liệu khoa nghệ Quốc gia (NAFOSTED) trong khuôn khổ 
học quan trọng, phục vụ cho các nghiên cứu tương Chương trình hợp tác NAFOSTED-RCUK. 
TÀI LIỆU THAM KHẢO 
Anderson, K., Gaston, K.J., 2013. Lightweight unmanned aerial vehicles will revolutionize spatial 
 ecology. Front. Ecol. Environ. 11 (3), 138.  
Dahdouh-Guebas, F., Jayatissa, L.P., Di Nitto, D., Bosire, J.O., Seen, D.L., Koedam, N., 2005. How 
 effective were mangroves as a defence against the recent tsunami? Current Biol. 15 (12), 443–447. 
Dandois, J., Ellis, E.C., 2013. High spatial resolution three-dimensional mapping of vegetation spectral 
 dynamics using computer vision. Remote Sens. Environ. 136, 259. 
Dji, Phantom 3 Professional Quick Start Guide V1.0. 2016. 
Ha, T.H., Marchand, C., Aime, J., Nhon, Dang Hoai, Hong, Phan Nguyen, Tung, Nguyen Xuan, Cuc, 
 Nguyen Thi Kim, 2017. Belowground carbon sequestration in a mature planted mangroves 
 (Northern Viet Nam). Forest Ecology and Management. 
Jaskierniak, D., Kuczera, G., Benyon, R.G., Lucieer, A., 2016. Estimating tree and stand sapwood area 
 in spatially heterogeneous southeastern Australian forests. J. Plant Ecol. 9 (3), 272. 
Mancini, F., Dubbini, M., Gattelli, M., Stecchi, F., Fabbri, S., Gabbianelli, G., 2013. Using Unmanned 
 Aerial Vehicles (UAV) for high-resolution reconstruction of topography: the structure from motion 
 approach on Coastal Environments. Remote Sens. 5, 6880. 
Masek, J.G., Hayes, D.J., Hughes, M.J., Healey, S.P., Turner, D.P., 2015. The role of re-mote sensing in 
 process-scaling studies of managed forest ecosystems. Forest Ecology and Management. 355, 109-123. 
Messinger, M., Gregory, P., Asner, G.P., Silman, M., 2016. Rapid assessment of Amazon forest 
 structure and biomass using small unmanned aerial systems. Remote Sens. 8, 615. 
Otero, V., Kerchove, R.V.D., Satyanarayana, B., Martínez-Espinosa, C., Fisol, M.A.B., Ibrahim, 
 M.R.B., Sulong, I., 2018. Managing mangrove forests from the sky: Forest inventory using field data 
 and Unmanned Aerial Vehicle (UAV) imagery in the Matang Mangrove Forest Reserve, peninsular 
 Malaysia, Forest Ecology and Management. 411 (2018) 35-45. 
Rafael C. Carvalho và Colin D. Woodroffe., 2019. Morphological Exposure of Rocky Platforms: Filling 
 the Hazard Gap Using UAVs. Drones2019, 3, 42;. www.mdpi.com/journal/drones. 
Sen Tran Thi Mai, Cuc Nguyen Thi Kim, Lien Le Hong, Ha Tran Viet, Quynh Pham Thi, Van Nguyen 
 Thanh Thuy, Dung Pham Tien (2019), Current status of mangroves in the context of climate change in 
 Xuan Thuy National park buffer zone, Nam Dinh Province, Vietnam. Proceeding of the 10th International 
 Conference on Asian and Pacific Coasts (APAC 2019) Ha Noi, Vietnam. 
KHOA HỌC KỸ THUẬT THỦY LỢI VÀ MÔI TRƯỜNG - SỐ 68 (3/2020) 65 
Walters, B.B., Rönnbäck, P., Kovacs, J.M., Crona, B., Hussain, S.A., Badola, R., Primavera, J.H., 
 Barbier, E., Dahdouh-Guebas, F., 2008. Ethnobiology, socio-economics and management of 
 mangrove forest: a review. Aquat. Bot. 89, 220–236. 
Wang, A., Chen, J., Jing, C., Ye, G., Wu, J., Huang, Z., Zhou, C., 2015. Monitoring the Invasion of 
 Spartina alterniflora from 1993 to 2014 with Landsat TM and SPOT 6 Satellite Data in Yueqing Bay, 
 China. 
Zhang, J., Hud, J., Liane, J., Fan, Z., Ouyang, X., Ye, W., 2016. Seeing the forest from drones: Testing the 
 potential of lightweight drones as a tool for long-term forest monitoring. Biol. Conserv. 198, 60. 
 Abstract: 
 APPLICATION OF UNMANNED AERIAL VEHICLE TO MANGROVE FOREST 
 MANAGEMENT, A CASE STUDY IN XUAN THUY NATIONAL PARK, NAM DINH 
This research article employed unmanned aerial vehicle (UAV) to map the mangrove cover 
management in Xuan Thuy National Park. UAV data was collected in March 2018 and 2019, focusing 
on buffer areas of the natural mangrove forests adjacent to the guarding, along the estuary and planted 
mangrove forests in Bai Trong. OpenDroneMap- as open source software- was used to mapping UAV 
images. Research results showed that selected areas of the natural mangrove forests that have grown 
healthy while the area of the planted mangrove forest in Bai Trong appeared to decrease quality, mainly 
occurred in Kandelia obovata. UAV routes, including height, distance between two Z turn-routes, 
shooting time that have remarkable influences on the success of the images mapping out of selected 
mangrove forests. Therefore, UAV is applied as an effective tool support for managers, helping to 
quickly and precisely assess mangrove cover, especially in remote, isolated and hard-to-access areas 
compared to conventional field study approach. 
Keywords: Unmanned Aerial Vehicle- UAV, Mangrove forests, Xuan Thuy National Park. 
 Ngày nhận bài: 07/01/2020 
 Ngày chấp nhận đăng: 26/3/2020 
66 KHOA HỌC KỸ THUẬT THỦY LỢI VÀ MÔI TRƯỜNG - SỐ 68 (3/2020)