Ứng dụng viễn thám và GIS trong đánh giá biến động diện tích rừng huyện Đại Lộc, tỉnh Quảng Nam giai đoạn 1988-2017

c lớp, ngoài ra còn sử dụng các 
thông tin hình dạng, kiến trúc, quan hệ của các đối tượng ảnh lân cận để chiết tách thông tin. 
Còn trong phân loại mờ, các mảnh ảnh được phân loại theo chức năng thành phần dựa trên tập 
mờ của đối tượng. Kỹ thuật này trợ giúp cấu trúc hệ thống trong phân cấp lớp. 
Trong cấu trúc phân cấp, mỗi đối tượng ảnh truy cập thông tin về các đối tượng ảnh lân cận, 
đối tượng ảnh cấp trên và cấp dưới trong mọi thời điểm bằng cách kết nối các đối tượng ảnh 
theo chiều dọc, truy cập vào quy mô và cấu trúc. Phân cấp các đối tượng ảnh cho phép đại diện 
thông tin ảnh tại các độ phân giải không gian đồng thời [9]. 
 f. Thiết lập các tiêu chí tham gia phân loại định hướng đối tượng, gồm: 
 i/ Chỉ số khác biệt thực vật (NDVI – Normalized Difference Vegetation Index) 
 NDVI = (Nir – Red)/(Nir + Red) = (kênh 4 – kênh 3)/(kênh 4 + kênh 3) 
trong đó: Nir là kênh cận hồng ngoại; Red là kênh đỏ. 
 ii/ Tỷ số tổng giá trị cấp độ xám (TRRI – Total Ratio Reflectance Index) 
 TRRI = (kênh 1 + kênh 2 + kênh 3 ++ kênh n)/(n*255) 
 iii/ Độ lệch chuẩn (Standard Deviation) sử dụng giá trị của 4 kênh ảnh 
 iv/ Giá trị độ sáng trung bình (Brightness) 
 25 
Nguyễn Hữu Hải và CS. Vol. 128, No. 4A, 2019 
 Brightness = (kênh 1 + kênh 2 + kênh 3 + kênh4)/4 
 v/ Giá trị độ sáng của mỗi kênh ảnh: kênh 1 đến kênh 4 
 vi/ Thông số xuất hiện màu (Hue Saturation Intensity, RGB): Sử dụng kênh 1, 2 và 3 
 vii/ Vector khác biệt cấp độ xám (GLDV Entropy) 
 g. Phương pháp đánh giá độ chính xác kết quả giải đoán ảnh: Tiến hành đánh giá độ 
chính xác sau phân loại ảnh bằng cách sử dụng các điểm mẫu khảo sát thực địa và điểm mẫu 
chọn trong phòng. Tổng số điểm mẫu là 160 điểm, số điểm mẫu này đã được chia đôi một cách 
ngẫu nhiên. Trong đó, 80 điểm mẫu được sử dụng để giải đoán ảnh vệ tinh, 80 điểm mẫu còn 
lại được sử dụng để đánh giá độ chính xác. 
 Sử dụng dữ liệu tham chiếu, hệ số Kappa (ҡ), độ chính xác của nhà sản xuất (producer 
accuracy), độ chính xác của người sử dụng (user accuracy) và độ chính xác tổng thể (overrall 
accuracy) để đánh giá độ chính xác của kết quả giải đoán ảnh [10]. Trong đó hệ số Kappa được 
tính theo công thức sau: 
 ∑푖=1 푖푖− ∑푖=1( 푖+ . +푖)
 Ҡ = 2 [10] 
 − ∑푖=1( 푖+ . +푖)
trong đó, N: Tổng số pixel lấy mẫu; r: Số lớp đối tượng phân loại; xii: Số pixel đúng trong lớp 
thứ nhất; xi+: Tổng pixel lớp thứ i của mẫu; x+i: Tổng pixel của lớp thứ i sau phân loại; Giá trị của 
hệ số Kappa nằm giữa 0 và 1, thể hiện độ chính xác của kết quả phân loại được thể hiện ở 
bảng 3. 
 h. Phương pháp phân tích và xử lý số liệu: Các thông tin, số liệu thô trong quá trình xây 
dựng bản đồ đã được xử lý, phân tích và tính toán bằng công cụ thống kê trong phần mềm 
ArcGIS và Microsoft Excel 2016 để tổng hợp và xuất ra biểu đồ. Quy trình các bước xây dựng 
bản đồ hiện trạng và biến động diện tích rừng được thể hiện ở hình 2. 
 Bảng 3. Bảng đánh giá độ chính xác của kết quả phân loại theo hệ số Kappa theo Congalton (1991) [10]. 
 Độ chính xác Giá trị hệ số Kappa 
 Rất thấp < 0,2 
 Thấp 0,2 ≤ ҡ < 0,4 
 Trung bình 0,4 ≤ ҡ < 0,6 
 Cao 0,6 ≤ ҡ <0,8 
 Rất cao 0,8 ≤ ҡ < 1 
26 
jos.hueuni.edu.vn Vol. 128, No. 4A, 2019 
 Hình 2. Quy trình các bước xây dựng bản đồ hiện trạng và biến động diện tích rừng 
3 Kết quả và thảo luận 
3.1 Đánh giá phương pháp phân loại dựa trên điểm ảnh và phương pháp phân loại định 
 hướng đối tượng 
 Nhằm so sánh độ chính xác sau phân loại của phương pháp phân loại dựa trên điểm ảnh 
và phương pháp phân loại định hướng đối tượng. Ảnh vệ tinh Landsat 8 chụp khu vực nghiên 
cứu huyện Đại Lộc, tỉnh Quảng Nam vào ngày 09/08/2017 với độ phân giải không gian là 30m, 
gồm 11 kênh phổ với các bước sóng khác nhau đã được sử dụng để đánh giá độ chính xác của 
hai phương pháp phân loại (Hình 3). 
 27 
Nguyễn Hữu Hải và CS. Vol. 128, No. 4A, 2019 
 Hình 3. Kết quả phân loại theo phương pháp phân loại dựa trên điểm ảnh a) và phương pháp phân loại 
 định hướng đối tượng (b) 
 Từ kết quả so sánh hai phương pháp phân loại ảnh cho thấy, phương pháp phân loại 
định hướng đối tượng cho độ chính xác tổng thể và hệ số Kappa cao hơn phương pháp phân 
loại dựa trên điểm ảnh. Do đó, đề tài nghiên cứu đã sử dụng phương pháp phân loại định 
hướng đối tượng để phân loại ảnh ở các năm 1988, 1998, 2010 và 2017. Kết quả phân loại được 
thể hiện ở Bảng 4. 
 Bảng 4. Kết quả đánh giá độ chính xác của hai phương pháp phân loại. 
 Phương pháp phân loại dựa trên điểm ảnh 
 RTN RT KDC MN NN DK 
Độ chính xác nhà sản xuất (Producer accuracy, %) 99,5 99,2 89,1 93,7 61,7 94,2 
Độ chính xác người sử dụng (User accuracy, %) 99,7 66,2 92,7 84,9 87,5 87,0 
Độ chính xác tổng thể (Overall accuracy, %) 87,7 
Hệ số Kappa (Kappa coecifient) 0,84 
 Phương pháp phân loại định hướng đối tượng 
 RTN RT KDC MN NN DK 
Độ chính xác nhà sản xuất (Producer accuracy, %) 100,0 100,0 79,1 100,0 83,3 95,1 
Độ chính xác người sử dụng (User accuracy, %) 100,0 90,7 94,6 100,0 100,0 80,1 
Độ chính xác tổng thể (Overall accuracy, %) 98,0 
Hệ số Kappa (Kappa coecifient) 0,97 
28 
jos.hueuni.edu.vn Vol. 128, No. 4A, 2019 
3.2 Đánh giá độ chính xác của kết quả phân loại 
 Để đánh giá độ chính xác của kết quả phân loại ảnh, nghiên cứu đã sử dụng 80 điểm 
mẫu, 80 điểm mẫu này không trùng vị trí với các điểm mẫu dùng để làm khóa phân loại, và 
được phân bố tương đối đều trên khu vực nghiên cứu. Kết quả phân loại qua các năm có độ 
chính xác tổng thể (overall accuracy) đều lớn hơn 90% và hệ số Kappa đều lớn hơn 0,87. Trong 
đó giá trị cao nhất là năm 2017 với độ chính xác tổng thể đạt 98% và hệ số Kappa là 0,97 (Bảng 
5). Kết quả đánh giá các năm 1988, 1998 và 2010 đều có độ chính xác tổng thể trên 90%; hệ số 
Kappa là 0,88 năm 1988 và 1998, năm 2010 là 0,89. Tuy nhiên, ở những năm này vẫn có sự nhầm 
lẫn từ DK sang KDC, từ NN sang RT tương đối phổ biến. 
 Bảng 5. Độ chính xác tổng thể và hệ số Kappa của bản đồ các năm 1988, 1998, 2010 và 2017. 
 Năm 1988 1998 2010 2017 
 Độ chính xác tổng thể (Overall accuracy, %) 91,2 91,1 92,4 98,0 
 Hệ số Kappa (Kappa coecifient) 0,88 0,88 0,89 0,97 
3.3 Sự biến động diện tích rừng huyện Đại Lộc và nguyên nhân 
Thành lập bản đồ biến động diện tích rừng huyện Đại Lộc 
 Kết quả chồng xếp các lớp dữ liệu bản đồ và phân tích cho thấy diện tích rừng tự nhiên 
giảm đáng kể, năm 1988 và 1998 lần lượt là 30.278,1 ha (51,66%) và 15.603,3 ha (26,88%); năm 
1988 diện tích rừng trồng là 12.637,5 ha (21,77%), đến năm 1998 là 15.569,5 ha (26,82%) (Hình 4). 
Diện tích rừng tự nhiên chủ yếu tập trung ở khu vực có địa hình đồi núi cao; còn diện tích rừng 
trồng chủ yếu tập trung gần khu dân cư và hai bên bờ sông, nơi có hệ thống thủy văn và hệ 
thống giao thông thuận tiện cho việc đi lại. Nhìn chung, sự thay đổi các lớp phủ từ năm 1988 
đến 1998 đều theo xu hướng phục vụ phát triển kinh tế xã hội của địa phương. 
 Giai đoạn 1998-2010, diện tích rừng tự nhiên đã tăng lên từ 15.603,3 ha (29,10%) lên 
18.742,3 ha (32,28%), tăng 3.139 ha (5,41%), nguyên nhân có thể do trong giai đoạn này rừng tự 
nhiên được phục hồi và các chính sách quản lý và bảo vệ rừng được thực hiện tốt. Trong khi đó 
diện tích rừng trồng lại giảm đi 1.822,8 ha (-3,14%) so với ban đầu là 15.569,5 ha (40,04%), cùng 
với rừng trồng thì diện tích lớp khu dân cư và đất khác cũng giảm theo, lớp mặt nước tăng lên 
(Hình 5). 
 29 
Nguyễn Hữu Hải và CS. Vol. 128, No. 4A, 2019 
 Hình 4. Bản đồ biến động diện tích rừng giai đoạn 1988 – 1998. 
 Hình 5. Bản đồ biến động diện tích rừng giai đoạn 1998 – 2010 
30 
jos.hueuni.edu.vn Vol. 128, No. 4A, 2019 
 Giai đoạn 2010-2017, diện tích rừng tự nhiên năm 2010 khoảng 18.742,3 ha (32,28%) giảm 
xuống còn 16.859 ha (29,10%) vào năm 2017. Trong khi đó diện tích rừng trồng tăng lên mạnh, 
năm 2010 diện tích rừng trồng chỉ 13.746,7 ha (23,68%) đã tăng lên đến 23.245,9 ha (40,04%) vào 
năm 2017 (Hình 6). Tương tự như kết quả ở các năm 1988 và 1998 thì diện tích rừng tự nhiên 
năm 2010 và 2017 cũng chủ yếu tập trung ở những vùng xa khu dân cư và hệ thống thủy văn, 
trong khi đó diện tích rừng trồng tập trung ở gần khu dân cư và chạy dọc theo sông, hồ (Hình 
6-7). 
 Hình 6. Bản đồ biến động diện tích rừng giai đoạn 2010 – 2017 
 Hình 7. Bản đồ biến động diện tích rừng giai đoạn 1988 – 2017. 
 31 
Nguyễn Hữu Hải và CS. Vol. 128, No. 4A, 2019 
 Từ bảng 6 cho thấy, trong giai đoạn 1988 – 2017, diện tích rừng tự nhiên không biến 
động là 54,64%, phần rừng tự nhiên chuyển đổi qua các lớp phủ khác chiếm 45,36%; diện tích 
rừng trồng không biến động là 59,58%, phần rừng trồng chuyển đổi qua các lớp phủ khác là 
48,42% (Bảng 6). 
 Bảng 6. Ma trận tỷ lệ chuyển đổi giữa các lớp phủ giai đoạn 1988 – 2017 (đơn vị: %) 
 Lớp RTN RT KDC MN NN DK 
 RTN 54,64 2,51 0 0 0 0,08 
 RT 37,44 59,58 11,45 15,13 36,91 24,10 
 KDC 2,01 8,54 29,00 22,79 21,63 21,07 
 MN 0,16 4,31 9,40 32,97 0,83 6,07 
 NN 2,21 5,51 8,30 1,54 22,23 11,58 
 DK 3,53 19,56 41,85 27,57 18,40 37,09 
Bước đầu tìm hiểu nguyên nhân biến động diện tích rừng huyện Đại Lộc 
 Nghiên cứu đã tiến hành phỏng vấn 99 hộ dân ở 4 xã có diện tích rừng tự nhiên lớn của 
huyện Đại Lộc bao gồm: Đại Hưng, Đại Lãnh, Đại Đồng và Đại Quang. Đối tượng được phỏng 
vấn có độ tuổi từ 28 đến 83 (trung bình: 51 tuổi), nghề nghiệp hầu hết là làm nông, chỉ có một 
vài người là bán hàng, nội trợ và công nhân. Đây là những người dân đại diện cho những hộ 
gia đình đã có thời gian sinh sống ở huyện Đại Lộc trên 10 năm, do vậy ít nhiều họ cũng đã 
chứng kiến được sự thay đổi về diện tích rừng địa bàn nghiên cứu. 
 Qua phân tích kết quả phỏng vấn của người dân, bước đầu đã xác định được một số 
nguyên nhân gây suy thoái chất lượng và biến động diện tích rừng gồm: đốt nương làm rẫy, 
khai thác quá mức, xây dựng công trình, và chuyển đổi mục đích sử dụng đất. Trong đó 
nguyên nhân “khai thác quá mức” chiếm tỷ lệ cao nhất là 38,39%, tiếp đó là “chuyển đổi mục 
đích sử dụng đất” chiếm 28,57%, “xây dựng công trình” chiếm 18,75%, và thấp nhất là nguyên 
nhân “đốt nương làm rẫy” chiếm 14,29% (Hình 8). 
32 
jos.hueuni.edu.vn Vol. 128, No. 4A, 2019 
 Hình 8. Biểu đồ thể hiện nguyên nhân suy thoái chất lượng và biến động diện tích rừng 
4 Kết luận 
 Nghiên cứu đã đánh giá được phương pháp dựa trên điểm ảnh và phương pháp định 
hướng đối tượng trong phân loại ảnh vệ tinh. Kết quả cho thấy phương pháp định hướng đối 
tượng có nhiều ưu điểm và cho độ chính xác sau phân loại tốt hơn so với phương pháp dựa 
trên điểm ảnh. Qua đó cũng cho thấy phương pháp phân loại định hướng đối tượng sẽ phát 
huy hết ưu điểm nếu thực hiện trên ảnh vệ tinh có độ phân giải không gian cao. 
 Độ chính xác của kết quả phân loại ở mức cao và đáng tin cậy được thể hiện qua độ chính 
xác tổng thể (overall accuracy) đều trên 90% và hệ số Kappa từ 0,88 – 0,97. Trong đó độ chính 
xác tổng thể sau phân loại của năm 2017 là lớn nhất với độ chính xác tổng thể (overall accuracy) 
đạt 98% và hệ số Kappa là 0,97. Qua đó cũng cho thấy chất lượng ảnh có ảnh hưởng đến kết 
quả phân loại. 
 Diện tích rừng tự nhiên huyện Đại Lộc, tỉnh Quảng Nam trong giai đoạn 1988–2017 biến 
động mạnh, năm 1988 diện tích rừng tự nhiên là 30.278,1 ha (52,16%), đến năm 2017 đã mất 
khoảng 13.382,8 ha (-23,05%) xuống còn 16.895,3 ha (29,10%). 
 Qua quá trình điều tra phỏng vấn người dân, nghiên cứu đã bước đầu xác định được một 
số nguyên nhân gây suy giảm diện tích rừng. Trong đó do khai thác quá mức và chuyển đổi 
mục đích sử dụng đất là những nguyên nhân phổ biến, ngoài ra còn do xây dựng các công trình 
và đốt rừng làm rẫy. 
 Tài liệu tham khảo 
 1. Trần Thị Thơm, Phạm Thanh Quế (2014), Sử dụng tư liệu viễn thám và GIS thành lập bản đồ lớp phủ 
 rừng tỷ lệ 1/10.000. Tạp chí Khoa học và Công nghệ Lâm nghiệp, 4, 161-168. 
 33 
Nguyễn Hữu Hải và CS. Vol. 128, No. 4A, 2019 
 2. Hansen MC, Roy DP, Lindquist E, Adusei B, Justice CO, Altstatt A (2008), A method for integrating 
 MODIS and Landsat data for systematic monitoring of forest cover and change in the Congo Basin. 
 Remote Sensing of Environment, 112(5), 2495-2513. 
 3. Rawat JS, Manish K (2015), Monitoring land use/cover change using remote sensing and GIS 
 techniques: A case study of Hawalbagh block, district Almora, Uttarakhand, India. The Egyptian 
 Journal of Remote Sensing and Space Science, 18(1), 77-84. 
 4. Đoàn Duy Hiếu, Nguyễn Thám (2017), Đánh giá biến động rừng huyện Ia Pa, tỉnh Gia Lai trên tư liệu 
 viễn thám đa thời gian và GIS. Tạp chí Khoa học và Giáo dục, Trường Đại học Sư phạm Huế, 02(42), 116-
 126. 
 5. Nguyễn Hải Hòa, Nguyễn Văn Quốc (2017), Sử dụng ảnh viễn thám Landsat và GIS xây dựng bản đồ 
 biến động diện tích rừng tại vùng đệm Vườn Quốc Gia Xuân Sơn. Tạp chí Khoa học và Công nghệ Lâm 
 nghiệp, 3, 46-56. 
 6. Chi cục thống kê huyện Đại Lộc (2016), Niên giám thống kê. Cục thống kê Quảng Nam. 
 7. Rosner B (2011), Fundamentals of Biostatistics (The 7th edition). Boston, MA: Brooks/Cole. 
 8. Trịnh Hoài Thu, Lê Thị Thu Hà, Phạm Thị Làn (2012), So sánh phương pháp phân loại dựa vào điểm 
 ảnh và phân loại định hướng đối tượng chiết xuất thông tin lớp phủ bề mặt từ ảnh độ phân giải cao. 
 Tạp chí Khoa học Kỹ thuật mỏ địa chất, 39(07), 59 - 64. 
 9. Jyothi BN, Babu GR, Krishna IVM (2008), Object oriented and multi-scale image analysis: strengths, 
 weaknesses, opportunities, and threats – a review. Journal of Computer Science, 4(9), 706-712. 
10. Congalton RG (1991), A review of assessing the accuracy of classifications of remotely sensed data. 
 Remote Sensing of Environment, 37(1), 35-46. 
 ASSESSMENT OF FOREST COVER CHANGES OF DAI LOC 
 DISTRICT, QUANG NAM PROVINCE DURING THE PERIOD 
 1988–2017 USING GIS AND REMOTE SENSING TECHNIQUES 
 Nguyen Huu Hai, Hoang Cong Tin*, Ngo Huu Binh 
 Faculty of Environmental Science, University of Sciences, Hue University 
 Abstract. Dai Loc is one of district belonging to Vu Gia-Thu Bon river basin, which have 
 large forest cover area of Quang Nam province in particular and central Vietnam in general. 
 However, after 30 years of economic development (1988–2017), forest cover percentage have 
 been rapidly changed due to over exploiting, land use–land changes as well as 
 infrastructure development. Landsat-5 TM, 8 OLI satellite images data and the forest cover 
 map in 2016 were employed in this study. Assessment results acquired high overall 
 accuracy, over 90%, Kappa coefficient varied from 0.88 to 0.97. The area of natural forest was 
 30,278.1 ha (52.16%) in 1988 and decreased 16,895.3 ha in 2017 (29.10%). While, the planting 
 forest area was significant increasing (reached 9,107.4 ha) in compare with 1988 (14,138.5 
 ha). The outcome of this study would essential contribute for monitoring program and 
 sustainable management of Dai Loc district’s forest resource. 
 Keywords: Dai Loc district, forest cover changes, satellite images data, Vu Gia–Thu Bon 
 river basin 
34