Ứng dụng công nghệ viễn thám và gis trong nghiên cứu đặc điểm cấu trúc rừng tràm (Melaleuca cajuputi) tại Vườn quốc gia U Minh Thượng, tỉnh Kiên Giang

 
hình 1. 
Hình 1. Vị trí khu vực nghiên cứu (ranh giới màu đỏ) 
3. PHƯƠNG PHÁP VÀ DỮ LIỆU 
3.1. Phương pháp thực địa 
Nghiên cứu này sử dụng 45 ô tiêu chuẩn, kích 
thước 20 m x 25 m (500 m2) và được thu thập vào 
tháng 10 năm 2018. Tại các ô tiêu chuẩn các thông số 
về cấu trúc rừng đường kính (D1.3 cm), chiều cao (Hm) 
và mật độ cây rừng (N/ha) được đo đếm. Tóm tắt kết 
quả các thông số cấu trúc rừng tràm sử dụng trong 
nghiên cứu này được trình bày tại bảng 1. 
Bảng 1. Tóm tắt các thông số cấu trúc rừng tràm khu vực nghiên cứu từ thực địa 
TT Các thông số cấu trúc rừng Giá trị tối thiểu Giá trị đối đa Giá trị trung bình Độ lệch chuẩn 
1 Đường kính (m) 5,81 13,16 8,99 1,95 
2 Chiều cao (m) 3,66 9,13 5.71 1,40 
3 Mật độ (cây.ha-1) 160 5220 2.229 1602 
3.2. Ảnh vệ tinh được sử dụng 
Bảng 2. Các thông số cơ bản của vệ tinh được sử dụng trong nghiên cứu 
TT 
Satellite 
Sensors 
Scene ID 
Thời gian 
chụp 
Độ phân 
giải 
Ghi chú 
1 
Landsat 8 
OLI 
LC081250532018103101T1-
SC201811151031 
31-10-2018 30m/15m 
Đã được hiệu chỉnh khí 
quyển 
2 
Sentinel-2 
MSI 
S2A_tile_20180327_48PWR_0 02-11-2018 10m 
Đã được hiệu chỉnh khí 
quyển 
3 Sentinel 1 
S1A_IW_GRDH_1SDV_2018
1103T111055_tc_10 
25-03-2018 10m 
Đã được xử lý và hiệu 
chỉnh địa hình 
4 
ALOS-2 
PALSAR-2 
ALOS2205610180-180314 14-03-2018 6.5m 
Đã được xử lý và hiệu 
chỉnh địa hình 
KHOA HỌC CÔNG NGHỆ 
N«ng nghiÖp vµ ph¸t triÓn n«ng th«n - KỲ 2 - TH¸NG 10/2020 96 
Dựa trên năng lực cung cấp, kế hoạch phát triển 
dài hạn của các vệ tinh, khả năng tiếp cận của người 
dùng và ứng dụng vào thực tế đã lựa chọn ảnh vệ 
tinh cho nghiên cứu này. Đối với hình ảnh radar đã 
lựa chọn dữ liệu từ các vệ tinh Sentinel-1, gồm có 2 
phân cực VH (VH_S1) và VV (VV_S1); ALOS-2 
PALSAR-2 gồm có 2 phân cực HH (HH_P2) và HV 
(HV_P2). Các dữ liệu ảnh quang học đã lựa chọn từ 
các vệ tinh Landsat 8 OLI và Sentinel-2 được thể hiện 
trong hình 2. Các thông số cơ bản ảnh vệ tinh được 
sử dụng được mô tả trong bảng 2. 
3.3. Xử lý dữ liệu ảnh vệ tinh 
Đối với ảnh vệ tinh radar: Sentinel 1, băng C 
gồm có 2 phân cực VH và VV, độ phân giải 10 m và 
ALOS-2 PALSAR-2, băng L mức độ xử lý 2.1 với 2 
phân cực HH và HV, độ phân giải của dữ liệu là 6,25 
m. Sử dụng công cụ lọc nhiễu Frost và thực hiện 
hiệu chỉnh bức xạ, hiệu chỉnh địa hình. Chuyển đổi 
giá trị DN (digital number) của hai phân cực HH và 
HV sang giá trị tán xạ ngược (backscattering 
intensity) được tính theo công thức 1 được cung cấp 
bởi JAXA (2017) [7]. 
σo = 10 x log10 (DN
2) + CF (1) 
Trong đó: DN là giá trị số của điểm ảnh; σo là giá 
trị tán xạ ngược, đơn vị là decibels (dB) và CF là hệ 
số chuyển đổi. Theo công bố của JAXA giá trị CF là -
83,0 [7]. 
Các ảnh vệ tinh quang học (Sentinel-2 và 
Landsat 8) đã được hiệu chỉnh khí quyển và hình 
học. Chỉ số khác biệt thực vật NDVI được tính theo 
công thức 2 [13]: 
NDVI = (NIR - IR)/(NIR + IR) (2) 
Trong đó: NIR phổ phản xạ của kênh cận hồng 
ngoại và IR là phổ phản xạ của kênh đỏ. 
3.4. Phương pháp phân tích dữ liệu 
Nghiên cứu đã thử nghiệm với 3 dạng phương 
trình (3) (4) (5) sau để biểu diễn mối quan hệ giữa 
các thông số cấu trúc rừng (D1.3 cm, Hm, N/ha) với các 
thông số chiết xuất từ ảnh vệ tinh. 
Hàm tuyến tính một lớp: Y = a + b.X (3) 
Hàm số mũ (Exponential): Y = a.eb.x (4) 
Hàm bậc hai: Y = a0 + a1.X + a2.X
2 (5) 
Phương pháp đánh giá độ chính xác của mô hình 
dựa vào hệ số xác định (R2) và sai số tuyệt đối của 
mô hình được xác định theo phương pháp bình 
phương nhỏ nhất (RMSE). 
4. KẾT QUẢ VÀ THẢO LUẬN 
4.1. Mô hình ước lượng đường kính cây (D1.3 cm) 
rừng Tràm (Melaleuca cajuputi) sử dụng dữ liệu ảnh 
vệ tinh 
Bảng 3. Tóm tắt kết quả xây dựng mô hình ước tính thông số về đường kính cây (D1.3 cm) 
sử dụng dữ liệu ảnh vệ tinh 
TT Mô hình 
Biến số 
sử dụng 
Dạng 
phương trình 
Hệ số xác 
định (R2) 
RMSE 
1 Mô hình 1 HV_P2 3 0,76 0,47 
2 Mô hình 2 HV_P2 4 0,78 0,43 
3 Mô hình 3 HV_P2 5 0,78 0,43 
4 Mô hình 4 HH_P2 3 0,32 1,33 
5 Mô hình 5 HH_P2 4 0,35 1,27 
6 Mô hình 6 HH_P2 5 0,40 1,17 
7 Mô hình 7 VH_S1 3 0,62 0,74 
8 Mô hình 8 VH_S1 4 0,62 0,74 
9 Mô hình 9 VH_S1 5 0,66 0,66 
10 Mô hình 10 VV_S1 3 0,33 1,31 
11 Mô hình 11 VV_S1 4 0,39 1,19 
12 Mô hình 12 VV_S1 5 0,56 0,86 
13 Mô hình 13 NDVI_L8 3 0,62 0,74 
14 Mô hình 14 NDVI_L8 4 0,61 0,76 
15 Mô hình 15 NDVI_L8 5 0,66 0,66 
16 Mô hình 16 NDVI_S2 3 0,60 0,78 
17 Mô hình 17 NDVI_S2 4 0,60 0,78 
18 Mô hình 18 NDVI_S2 5 065 0,68 
KHOA HỌC CÔNG NGHỆ 
N«ng nghiÖp vµ ph¸t triÓn n«ng th«n - KỲ 2 - TH¸NG 10/2020 97 
Các kết quả xây dựng mô hình ước tính thông số 
về đường kính cây rừng tràm (biến phụ thuộc) sử 
dụng dữ liệu chiết xuất từ ảnh viễn vệ tinh (biến độc 
lập) được trình bày tóm tắt tại bảng 3. 
Kết quả nghiên cứu về xây dựng mô hình ước 
tính thông số đường kính cây rừng tràm cho thấy có 
5 mô hình có hệ số tương quan thấp (R2<0,5); có 10 
mô hình có hệ số tương quan (0,5 <R2<0,7); có 3 mô 
hình có hệ số tương quan R2>0,7. Trong đó mô hình 
2, mô hình 3 có hệ số tương quan cao nhất (R2=0,78; 
RMSE=0,43) và được thể hiện trong hình 2. 
Mô hình 2 
Mô hình 3 
Hình 2. Mô hình 2 và mô hình 3 trong ước lượng đường kính cây (D1.3 m) rừng 
4.2. Mô hình ước lượng chiều cao cây (Hm) rừng 
Tràm (Melaleuca cajuputi) sử dụng dữ liệu ảnh vệ 
tinh 
Các kết quả xây dựng mô hình ước tính thông số 
về chiều cao cây rừng tràm (biến phụ thuộc) sử dụng 
dữ liệu ảnh vệ tinh (biến độc lập) được trình bày tóm 
tắt tại bảng 4. 
Kết quả nghiên cứu về xây dựng mô hình ước 
tính thông số chiều cao cây rừng tràm cho thấy có 5 
mô hình có hệ số tương quan R2<0,5; có 2 mô hình có 
hệ số tương quan (0,5<R2<0,6); có 4 mô hình có hệ số 
tương quan (0,6<R2<0,7); có 6 mô hình có hệ số 
tương quan R2>0,7. Trong đó mô hình 3 có hệ số 
tương quan cao nhất (R2=0,78; RMSE=0,31) và được 
thể hiện trong hình 3. 
KHOA HỌC CÔNG NGHỆ 
N«ng nghiÖp vµ ph¸t triÓn n«ng th«n - KỲ 2 - TH¸NG 10/2020 98 
Bảng 4. Tóm tắt kết quả xây dựng mô hình ước tính thông số về chiều cao cây (Hm) 
sử dụng dữ liệu ảnh vệ tinh 
TT Mô hình 
Biến số 
sử dụng 
Dạng phương 
trình 
Hệ số xác 
định (R2) 
RMSE 
1 Mô hình 1 HV_P2 3 0,75 0,35 
2 Mô hình 2 HV_P2 4 0,77 0,32 
3 Mô hình 3 HV_P2 5 0,78 0,31 
4 Mô hình 4 HH_P2 3 0,36 0,89 
5 Mô hình 5 HH_P2 4 0,37 0,88 
6 Mô hình 6 HH_P2 5 0,41 0,82 
7 Mô hình 7 VH_S1 3 0,70 0,42 
8 Mô hình 8 VH_S1 4 0,70 0,42 
9 Mô hình 9 VH_S1 5 0,77 0,32 
10 Mô hình 10 VV_S1 3 0,39 0,85 
11 Mô hình 11 VV_S1 4 0,43 0,80 
12 Mô hình 12 VV_S1 5 0,57 0,60 
13 Mô hình 13 NDVI_L8 3 0,60 0,56 
14 Mô hình 14 NDVI_L8 4 0,60 0,56 
15 Mô hình 15 NDVI_L8 5 0,67 0,46 
16 Mô hình 16 NDVI_S2 3 0,57 0,60 
17 Mô hình 17 NDVI_S2 4 0,56 0,61 
18 Mô hình 18 NDVI_S2 5 0,62 0,53 
Hình 3. Mô hình 3 trong ước lượng chiều cao cây rừng 
4.3. Mô hình ước lượng mật độ (N/ha) cây rừng 
tràm (Melaleuca cajuputi) sử dụng dữ liệu ảnh vệ 
tinh 
Các kết quả xây dựng mô hình ước tính thông số 
về mật độ cây rừng tràm (biến phục thuộc) sử dụng 
dữ liệu ảnh vệ tinh (biến độc lập) được trình bày tóm 
tắt tại bảng 5. 
Bảng 5. Tóm tắt kết quả xây dựng mô hình ước tính thông số về mật độ cây rừng (N/ha) sử dụng dữ liệu ảnh 
vệ tinh 
TT Mô hình 
Biến số sử 
dụng 
Dạng mô 
hình 
Hệ số xác 
định (R2) 
RMSE 
1 Mô hình 1 HV_P2 3 0,56 663 
2 Mô hình 2 HV_P2 4 0,72 420 
3 Mô hình 3 HV_P2 5 0,75 377 
4 Mô hình 4 HH_P2 3 0,27 1101 
5 Mô hình 5 HH_P2 4 0,36 965 
6 Mô hình 6 HH_P2 5 0,41 890 
7 Mô hình 7 VH_S1 3 0,40 905 
8 Mô hình 8 VH_S1 4 0,54 693 
9 Mô hình 9 VH_S1 5 0,60 603 
10 Mô hình 10 VV_S1 3 0,19 1221 
11 Mô hình 11 VV_S1 4 0,36 965 
KHOA HỌC CÔNG NGHỆ 
N«ng nghiÖp vµ ph¸t triÓn n«ng th«n - KỲ 2 - TH¸NG 10/2020 99 
TT Mô hình 
Biến số sử 
dụng 
Dạng mô 
hình 
Hệ số xác 
định (R2) 
RMSE 
12 Mô hình 12 VV_S1 5 0,49 769 
13 Mô hình 13 NDVI_L8 3 0,55 678 
14 Mô hình 14 NDVI_L8 4 0,59 618 
15 Mô hình 15 NDVI_L8 5 0,64 543 
16 Mô hình 16 NDVI_S2 3 0,62 573 
17 Mô hình 17 NDVI_S2 4 0,63 558 
18 Mô hình 18 NDVI_S2 5 0,68 482 
Kết quả nghiên cứu về đặc điểm mật độ cây rừng 
tràm cho thấy có 7 mô hình có hệ số tương quan thấp 
R2<0,5; có 4 mô hình có hệ số tương quan nằm trong 
khoảng (0,5<R2<0,6); có hai mô hình có hệ số tương 
quan R2>0,7. Trong đó mô hình 3 với kết quả hệ số 
tương quan cao nhất (R2=0,75; RMSE=377) và được 
thể hiện trong hình 4. 
Hình 4. Mô hình 3 trong ước lượng mật độ cây 
(N/ha) rừng 
5. KẾT LUẬN 
Trong nghiên cứu này đã sử dụng các thông số 
tán xạ ngược được chiết xuất từ ảnh vệ tinh ALOS-2 
PALSAR-2, Sentinel-1, và NDVI được chiết xuất từ 
ảnh vệ tinh Landsat 8 OLI, Sentinel-2. Kết hợp với 
các dữ liệu thực địa bằng các ô tiêu chuẩn xây dựng 
được 54 mô hình cho ước tính đặc điểm cấu trúc 
rừng tràm, các thông số ước tính bao gồm: đường 
kính (D1.3), chiều cao (Hm) và mật độ cây (N/ha) tại 
VQG U Minh Thượng. Phân tích hồi quy cho thấy 
thông số cấu trúc rừng là đường kính (D1.3), chiều 
cao (Hm) và mật độ (N/ha) không có tương quan 
chặt với các thông số chiết xuất từ ảnh vệ tinh như 
NDVI_L8 (Landsat 8), NDVI_S2 (Sentinel 2) và tán 
xạ ngược từ vệ tinh Sentinel-1. Tuy nhiên, các kết 
quả phân tích lại cho thấy rằng: thông số tán xạ 
ngược từ phân cực HV của ảnh vệ tinh ALOS-2 
PALSAR-2 (HV_P2) đã có liên quan chặt chẽ với các 
thông số cấu trúc rừng là đường kính (D1.3), chiều 
cao (Hm), mật độ (N/ha) và các kết quả tốt nhất đạt 
được là (R2=0,78; RMSE=0,43), (R2=0,7; RMSE=0,3), 
(R2=0,75; RMSE=377) tương ứng. 
Kết quả này chứng tỏ rằng tín hiệu băng L từ vệ 
tinh ALOS-2 PALSAR-2 có khả năng cung cấp hiệu 
quả các thông tin về cấu trúc lâm phần của rừng. Kết 
quả này mở ra một tiềm năng sử dụng dữ liệu radar 
trong nghiên cứu cấu trúc rừng, đặc biệt là cấu trúc 
rừng nhiệt đới. 
LỜI CẢM ƠN 
Tập thể tác giả xin cảm ơn Đề tài VT-UD.05/17-
20 thuộc Chương trình Khoa học và Công nghệ cấp 
Quốc gia về Công nghệ vũ trụ giai đoạn 2016 - 
2020 đã cung cấp kinh phí và số liệu cho nghiên cứu 
này. 
TÀI LIỆU THAM KHẢO 
1. Bartolo, R. E. (2005). Remote sensing of 
Melaleuca biomass on tropical floodplains (Doctoral 
dissertation, Charles Darwin University). 
2. Bell, D., Menges, C. H., & Bartolo, R. E. 
(2001). Assessing the extent of saltwater intrusion in 
a tropical coastal environment using radar and 
optical remote sensing. Geocarto 
International, 16(3), 45-52. 
3. Castillo-Santiago, M. A., Ricker, M., & de 
Jong, B. H. (2010). Estimation of tropical forest 
structure from SPOT-5 satellite images. International 
Journal of Remote Sensing, 31(10), 2767-2782. 
4. Drake, J. B., Dubayah, R. O., Clark, D. B., 
Knox, R. G., Blair, J. B., Hofton, M. A., & Prince, S. 
(2002). Estimation of tropical forest structural 
characteristics using large-footprint lidar. Remote 
Sensing of Environment, 79(2-3), 305-319. 
5. Gómez, C., Wulder, M. A., Montes, F., & 
Delgado, J. A. (2012). Forest structural diversity 
characterization in Mediterranean pines of central 
Spain with QuickBird-2 imagery and canonical 
correlation analysis. Canadian Journal of Remote 
Sensing, 37(6), 628-642. 
KHOA HỌC CÔNG NGHỆ 
N«ng nghiÖp vµ ph¸t triÓn n«ng th«n - KỲ 2 - TH¸NG 10/2020 100 
6. Iizuka, K., & Tateishi, R. (2014). Simple 
relationship analysis between L-band backscattering 
intensity and the stand characteristics of sugi 
(Cryptomeria japonica) and hinoki (Chamaecyparis 
obtusa) trees. Advances in Remote Sensing, 3(04), 
219. 
7. JAXA (2017). https://www.eorc.jaxa.jp/ 
ALOS2/calval/CalibrationFactors_PALSAR2_v20170
323.pdf 
8. Kennaway, T. A., Helmer, E. H., Lefsky, M. 
A., Brandeis, T. J., & Sherrill, K. R. (2008). Mapping 
land cover and estimating forest structure using 
satellite imagery and coarse resolution lidar in the 
Virgin Islands. Journal of Applied Remote 
Sensing, 2(1), 023551. 
9. Luong Viet Nguyen., Tateishi, R., Nguyen, H. 
T., Sharma, R. C., To, T. T., & Le, S. M. (2016). 
Estimation of tropical forest structural characteristics 
using ALOS-2 SAR data. Adv. Remote Sens, 5, 131-
144. 
10. Ozkan, U. Y., & Demirel, T. (2018). 
Estimation of forest stand parameters by using the 
spectral and textural features derived from digital 
aerial images. Applied ecology and environmental 
research, 16(3), 3043-3060. 
11. Pham, T. D., Yokoya, N., Bui, D. T., Yoshino, 
K., & Friess, D. A. (2019). Remote sensing 
approaches for monitoring mangrove species, 
structure and biomass: Opportunities and 
challenges. Remote Sensing, 11(3), 230. 
12. Rouse Jr, J., Haas, R. H., Schell, J. A., & 
Deering, D. W. (1974). Monitoring vegetation 
systems in the Great Plains with ERTS. 
13. Thái Văn Trừng (1998). Những hệ sinh thái 
rừng nhiệt đới ở Việt Nam. Nhà xuất bản Khoa học 
và Kỹ thuật. 
14. Trần Văn Thắng (2017). Nghiên cứu cơ sở 
khoa học của giải pháp quản lý thủy văn phục vụ 
phòng cháy chữa cháy rừng ở Vườn Quốc gia U 
Minh Thượng, tỉnh Kiên Giang. Luận án Tiến sĩ, 
Trường Đại học Lâm nghiệp. 
15. Van Leeuwen, M., & Nieuwenhuis, M. 
(2010). Retrieval of forest structural parameters 
using LiDAR remote sensing. European Journal of 
Forest Research, 129(4), 749-770. 
16. Zhao, K., Popescu, S., Meng, X., Pang, Y., & 
Agca, M. (2011). Characterizing forest canopy 
structure with lidar composite metrics and machine 
learning. Remote Sensing of Environment, 115(8), 
1978-1996. 
APPLICATION OF REMOTE SENSING AND GIS TECHNOLOGY IN RESEARCH OF STRUCTRURE 
CHARACTERISTICS OF MELALEUCA FOREST (Melaleuca cajuputi) IN U MINH THUONG NATIONAL 
PARK, KIEN GIANG PROVINCE 
Nguyen Viet Luong, Trinh Xuan Hong, 
To Trong Tu, Phan Thi Kim Thanh, Le Mai Son 
Summary 
In this rearch, we used satellite images in 2018 such as ALOS-2 PALSAR-2, Sentinel-1, Landsat 8 OLI, 
Sentinel-2, and ground data by 45 sample plots to build models for estimation of characteristics of forest 
structure such as diameter, height, density of tree. The research results show that: the backscattering 
signal from the HV polarization of the ALOS-2 PALSAR-2 satellite image is closely relationship to the 
parameters of Melaleuca forest structure such as diameter of tree (R2 = 0.78; RMSE = 0.43), height of tree 
(R2 = 0.78; RMSE = 0.31) and density of tree (R2 = 0.75; RMSE = 377). This result is a scientific basis for the 
rearch of forest structure characteristics by remote sensing data for the purpose of assisting in making 
decisions on selection of suitable silvicultural methods for conservation and restoration and sustainable 
development to Melaleuca forest ecosystems as well as other forest ecosystems in Vietnam. 
Keywords: Melaleuca forest, forest structure, diameter, height, density, model, remote rensing and GIS. 
Người phản biện: PGS.TS. Trần Quang Bảo 
Ngày nhận bài: 28/02/2020 
Ngày thông qua phản biện: 30/3/2020 
Ngày duyệt đăng: 7/4/2020