SỬ DỤNG ẢNH VỆ TINH LANDSAT VÀ GIS ĐỂ ƯỚC TÍNH VÀ GIÁM SÁT
LƯỢNG CO2 HẤP THỤ CỦA RỪNG KHỘP (DIPTEROCARP FOREST) TỈNH ĐĂK
LĂK
Huỳnh Thị Kiều Trinh
Viện Khoa học Lâm nghiệp Nam Trung Bộ và Tây Nguyên
Tóm tắt
Hệ sinh thái rừng khộp là hệ sinh thái (HST) độc đáo, hiếm có trên thế giới. Rừng khộp được
hình thành trong điều kiện khắc nghiệt nên rất khó để thay thế những loại cây trồng khác đặc
biệt độc canh cây nông nghiệp, cây công nghiệp. Ở Việt Nam, nó là HST đặc trưng cho Tây
Nguyên và tỉnh Đăk Lăk, mang lại nhiều giá trị đa dạng sinh học và khả năng hấp thụ, lưu giữ
được một lượng lớn CO2, rừng khộp chưa được nhận thức đầy đủ về những giá trị đa dạng
sinh học, sinh thái môi trường tiềm ẩn và “bị xem” là khu rừng kém giá trị về mặt kinh tế sau
nhiều năm khai thác gỗ. Để ước tính, giám sát lượng CO2 hấp thụ cho một khu vực có diện
tích rộng, cần phải có dữ liệu sinh khối rừng, carbon lưu giữ trên bản đồ theo không gian và
thời gian. Do đó, ứng dụng GIS để xây dựng mối quan hệ giữa nhân tố sinh khối, trữ lượng
carbon với giá trị ảnh cho rừng khộp để giám sát lượng CO2 hấp thụ rất cần thiết và ý nghĩa
và là một hướng đi cần được tiếp thu và phát triển để hỗ trợ việc cung cấp dữ liệu phát thải
CO2 khi Việt Nam tham gia chương trình REDD+.
Kết quả nghiên cứu giải đoán ảnh và quản lý trong ArcGIS thông qua các mô hình sinh trắc
cho thấy rừng khộp ở hai huyện Ea Soup và Ea H’Leo tỉnh Đăk Lăk có các giá trị sau: Tổng
diện tích rừng khộp là 125.404,8ha. Tổng sinh khối trên và dưới mặt đất của cây rừng là
8.156.667,6 tấn. Tổng lượng carbon tích lũy 4.093.501,1 tấn. Tổng lượng CO2 hấp thụ của
rừng khộp được là 15.023.149,1 tấn.
Từ khóa: Hệ sinh thái rừng khộp, sinh khối, Carbon lưu giữ và CO2 hấp thụ, GIS, giải đoán
ảnh.

Abtract
Estimating Carbon for Dipterocarp Forest by Remote sensing Landsat
image and GIS in Dak Lak province
Huynh Thi Kieu Trinh
Forest Science Institute of Central Highlands and South of Central Viet Nam

cụ thể và chứng minh giảm phát thải khí gây hiệu ứng nhà kính CO2 trong việc thực hiện quản
lý rừng tốt hơn ở các kiểu rừng cụ thể, trong đó rừng khộp là một trong kiểu rừng cần được
nghiên cứu.
Nghiên cứu và ứng dụng công nghệ GIS và viễn thám đã được nhiều nước ứng dụng trong
điều tra quản lý tài nguyên rừng. Dữ liệu vệ tinh có thể được sử dụng để ước tính sinh khối và
carbon lưu giữ trên mặt đất. Công nghệ viễn thám có thể thực hiện qui mô toàn cầu để giám
sát thảm thực vật và chu trình carbon[10], [11].Nghiên cứu “Xác định lượng CO2 hấp thụ của
rừng lá rộng thường xanh vùng Tây Nguyên làm cơ sở tham gia chương trình giảm thiểu khí
thải phát từ suy thoái rừng và mất rừng” của Bảo Huy và cộng sự (2010-2012) [1], [2], [5], là
nghiên cứu đầu tiên cho rừng tự nhiên lá rộng thường xanh của Việt Nam đã xây dựng mối
quan hệ giữa nhân tố sinh khối, trữ lượng carbon với giá trị ảnh cho rừng lá rộng thường xanh
cho khu vực Tây Nguyên [3, [4].
Tuy nhiên, trữ lượng carbon sẽ biến thiên theo loại rừng và những vùng sinh thái, tùy thuộc
vào các yếu tố vật lý như đất, thảm thực vật…nó không đồng nhất trong một khu vực trên
quốc gia.
Những nghiên cứu ước tính lượng CO2 hấp thụ đối với rừng khộp trên thế giới, [6], [7], [8],
[9], nhưng chưa xây dựng mối quan hệ giữa nhân tố sinh khối, trữ lượng carbon với giá trị
ảnh cho rừng khộp để giám sát lượng CO2 hấp thụ. Ở Việt Nam, nghiên cứu của Nguyễn Việt
Lương (2012) [13]đã tính tổng sinh khối trên và dưới mặt đất ở khu vực vườn quốc gia Yok
Đôn theo hàm allometric equations được xây dựng bởi Chaivo et al (2010) trên khu vực rừng
khộp ở Thái Lan dựa vào hai tham số chính H và DBH. Tuy nhiên, mỗi kiểu rừng khác nhau,
2


trạng thái khác nhau sẽ hấp thụ lượng CO2 và carbon lưu giữ không giống nhau. Nhưng chưa
có nghiên cứu nào xây dựng mối quan hệ giữa nhân tố sinh khối, trữ lượng carbon với giá trị
ảnh cho rừng khộp ở khu vực Tây Nguyên. Để ước tính, giám sát lượng CO2 hấp thụ cho một
khu vực có diện tích rộng, cần phải có dữ liệu sinh khối rừng, carbon lưu giữ trên bản đồ theo
không gian và thời gian. Do vậy, nghiên cứu này rất cần thiết và ý nghĩa và là một hướng đi
cần được tiếp thu và phát triển để hỗ trợ việc cung cấp dữ liệu phát thải CO2 khi Việt Nam

thấy; kênh 4, 5 và 7 thuộc vùng hồng ngoại có độ phân giải 30m; kênh 6 thuộc vùng hồng
ngoại nhiệt có độ phân giải 30m và kênh Pan có độ phân giải 15m. Các kênh có kèm theo
bước sóng và độ phân giải được thể hiện ở bảng 3.1.
Bảng 3.1: Đặc điểm ảnh Landsat
Kênh

Bước sóng (micromet)
3

Độ phân giải (m)


Kênh 1

0.45- 0.515

30

Kênh 2

0.525-0.605

30

Kênh 3

0.63- 0.69

30


- Các bản đồ cơ sở như địa hình, sông suối, hành chính khu vực Ea Soup và Ea H’Leo.
- Các phần mềm xử lý ảnh ENVI 4.7, phần mềm GIS: ArcGIS và phần mềm thống kê
Statgraphics Centurion Plus.

 Hiệu chỉnh hình học ảnh:Việc nắn chỉnh được tiến hành trong phần mềm ENVI.
 Phân loại vùng nghiên cứu cứu thành vùng có rừng và không rừng, trên cơ sở đó giải đoán
ảnh chỉ trong vùng có rừng: Trên ảnh tạo các vùng quan tâm (ROI – Region of Interest) như
các vùng mẫu cho 2 đối tượng có rừng và vùng mẫu không có rừng. Dựa trên các vùng mẫu
này, sử dụng phương pháp phân loại có kiểm định Maximum Likelihood để phân thành 2 loại
thảm phủ có rừng vào không rừng trên ảnh đã được hiệu chỉnh hình học trong phần mềm
ENVI.
3.3.2 Thu thập số liệu ô mẫu mặt đất, chặt hạ cây để lập mô hình tính toán sinh khối và
carbon phần cây gỗ trên mặt đất.
Lập ô tiêu chuẩn 50x50m và chặt hạ cây để thu thập số liệu sinh khối cây gỗ trên mặt đất:
Tổng các ô mẫu rải đều trên các trạng thái và khu vực gồm 18 ÔTC với 1 ô trạng thái giàu, 5
ô trạng thái rừng trung bình, 8 ô trạng thái nghèo, 4 ô rừng non. Trong đó, khu vực huyện Ea
Soup điều tra 10 ô và 8 điều tra ở huyện Ea Hleo. Tại mỗi ô điều tra thu thập các số liệu ban
đầu của ô mẫu như:
+ Vị trí ô mẫu; Tọa độ địa lý (phải lấy chính xác); Nhân tố lâm phần và sinh thái;
+ Ô mẫu sơ cấp kích thước 50x50(m): Điều tra cây gỗ có D1.3>30cm với nhân tố điều tra gồm
loài, D1.3(cm), H(m).
+ 5 ô mẫu thứ cấp 10x10(m) trong ô sơ cấp: Trong đó một ô đặt ở tâm và 4 ô ở 4 góc của ô
mẫu sơ cấp. Điều tra cây gỗ có 5cm < D1.3 30cm. Nhân tố điều tra là Loài, D1.3 (cm), H(m).
+ 5 ô mẫu phụ 2x2(m) trong ô thứ cấp: Điều tra cây gỗ tái sinh có D1.3<5cm và H >1.3m.
Nhân tố điều tra gồm Loài, D1.3(cm), H(m). Trong ô mẫu phụ 2x2(m)- ô trung tâm, điều tra
các chỉ tiêu sinh thái như G(m2), loại đất, nhiệt độ, độ ẩm, pH đất, tọa độ GPS, độ tàn che,
loài cây gỗ, thực bì.
Kế thừa số liệu của Bộ môn Quản lý Tài nguyên rừng và Môi trường (Trường Đại học Tây
Nguyên, năm 2011) với173 cây chặt hạ rải theo cấp kính ở các ô mẫu 2500m2, có tổng số373
mẫu phân tích sinh khối và carbon, trong đó: 94 thân, 93 mẫu lá, 92 mẫu cành, 94 mẫu vỏ.

cây gỗ trên mặt đất của lâm phần (TAGTB, tấn/ha) và carbon cây gỗ trên mặt đất lâm phần
(TAGTC, tấn/ha), chỉ tính cho cây có DBH từ 6cm trở lên với 3 dạng ô:
+ Đối với ô vuông 30x30m, tính tổng sinh khối và carbon theo công thức 3.1 và công thức
3.2:

TAGTB(tan/ha) 

104
*  AGB(kg / cây) *103
900

(CT III.1)

104
*  C( AGB)(kg / cây) *103
(CT III.2)
900
+ Đối với ô tròn phân tầng, tính tổng sinh khối và carbon theo công thức3.3 và 3.4:
TAGTC(tan/ha) 

TAGTB(tan/ ha)   AGB(kg ) * N *10 3
TAGTC (tan/ ha)   C ( AGB)(kg ) * N *10

(CT III.3)
3

(CT III.4)

Trong đó, mật độ đối với từng cỡ kính được tính theo công thức 3.5, 3.6 và 3.7



TAGTB(tan/ ha) 

104
* AGB(kg ) *103
2 
 *r

(CT III.8)

104
*  C ( AGB)(kg) *103
(CT III.9)
 *r2
Đây là cơ sở dữ liệu để nghiên cứu thiết lập quan hệ giữa ảnh với lượng sinh khối trên mặt đất
theo 3 kiểu ô mẫu khác nhau.
3.3.3Thử nghiệm các phương pháp ứng dụng ảnh vệ tinh trong ước lượng sinh khối và
carbon rừng theo 3 kiểu ô mẫu:
Thử nghiệm các phương pháp khác nhau:Phương pháp nghiên cứu chủ yếu là xác lập mối
quan hệ giữa sinh khối, carbon rừng ở 3 kiểu ô mẫu với dữ liệu ảnh, làm cơ sở ước lượng sinh
khối, carbon rừng và lập bản đồ, quản lý cơ sở dữ liệu carbon rừng thông qua ảnh viễn thám
và GIS.
i) Phương pháp phân loại ảnh phi giám định và lập quan hệ với sinh khối rừng cho 3
dạng ô mẫu:
Phương pháp này nhằm mục đích thử nghiệm khả năng phân loại ảnh dựa vào giá trị ảnh và
quan hệ của nó với sinh khối, carbon rừng trên mặt đất để phân loại rừng và ước lượng sinh
khối, carbon rừng. Cùng với dữ liệu điều tra 3 dạng ô mẫu tròn, vuông và Prodan, tìm mối
quan hệ giữa phương pháp phân loại ảnh và phương pháp lập ô tốt nhất cho kiểu rừng khộp.
TAGTC(tan/ ha) 


Lập quan hệ giữa tổng sinh khối, carbon cây gỗ trên mặt đất theo 3 dạng ô mẫu với các mã số
class (id_class) đã phân loại trên ảnh: TAGTB, TAGTC =f(Class_id) theo các tổ hợp giữa 3
lớp, 4 lớp, 5 lớp.Mô hình quan hệ sinh khối, carbon (yi) với các giá trị điều tra, giá trị ảnh (xi)
được thiết lập dạng yi = f(xi); trong đó yi và xi được đổi biến số lần lượt là log, sqrt, exp, 1/yi,
xi và tổ hợp biến để tìm hàm và biến số thích hợp.Chọn mô hình quan hệ sinh khối theo các
nhân tố điều tra, hệ thống lớptheo các chỉ tiêuthống kê như: hệ số quan hệ R2%adj cao nhất,
AIC(Akaike Information Criterion), CF(Correction factor), Cp (Tiêu chuẩn Mallow’Cp)và
S1%, S2%(được tính theo công thức biến động trung bình S1% và sai số tương đối S2%) bé
nhất.So sánh mô hình quan hệ sinh khối với các nhân tố điều tra, hệ thống class, lựa chọn ra
một mô hình tốt nhất tương ứng với tổ hợp hệ thống class, đó chính là số hệ thống class cần
phân chia có mối quan hệ chặt chẽ nhất với sinh khối và carbon rừng trên mặt đất theo kiểu
dạng ô mẫu thích hợp cho rừng khộp.
7


Cuối cùng kết quả phân loại sinh khối, carbon trên ảnh thông qua mô hình được đánh giá sai
số với các giá trị sinh khối thực tế của cácô mẫu.Sử dụng tiêu chuẩn T bắt cặp theo Paired
Two Sample for Means để kiểm tra sự sai khác giữa giá trị ước tính trên ảnh với thực tế, nếu
P(T<=t) one-tail (một chiều) > 0.05 chấp nhận Ho, nghĩa là giá trị ước tính theo lý thuyết và
thực tế không có sự khác biệt với độ tin cậy 95%và ngược lại thì bác bỏ Ho. Việc sử dụng T
bắt cặp là do tại mỗi vị trí ô mẫu có hai giá trị được so sánh là lý thuyết và thực tế, tức là bắt
cặp nhau và sử P một chiều (one tail) để đánh giá sự chênh lệch dữ liệu theo một chiều hướng
(lớn hay nhỏ thua).
ii) Phương pháp phân loại ảnh có giám định và phân chia rừng theo cấp sinh khối
Phương pháp này cũng dựa trên 3 kiểu ô mẫu, mỗi kiểu có 43 ô mẫu quan sát thực địa để
phân loại ảnh thành các lớp đồng nhất về sinh khối và carbon rừng. Các bước tiến hành:
- Phân cấp sinh khối dựa vào 3 kiểu ô mẫu
- Phân lập ảnh theo cấp sinh khối của 3 kiểu ô mẫu: Các ô mẫu là vùng ROI đại diện cho từng
cấp. Sử dụng thuật toán phân loại Maximum Likelihood để phân thành các lớp sinh khối,
carbon trong phần mềm ENVI.


P_Value

96.71

Ln(AGB_kg) = -3.25897 +
0.183087*Ln(H_m) +
2.5682*Ln(DBH_cm)
Ln(AGB_kg) = -3.5857 +
1.56326*Ln(DBH_cm*H_m)

Dạng hàm
Ln(AGB_kg) = -3.13468 +
2.68072*ln(DBH_cm)

Ln(AGB_kg)
=
-3.57369
1.00666*Ln(DBH_cm^2*H_m)

+

Ln(C_AGB__kg)

+

AIC

CF


-232.79

1.13

2.00

41.12

93.02

0.00

-302.68

1.09

2.00

33.48

96.97

0.00

-199.91

1.04

0.00


2.00

36.73

=

-4.22693

2.83379*ln(DBH_cm)

93.71
9


Dạng hàm
Ln(C_AGB__kg)

=

-4.74468

R2adj
+ 91.23

P_Value
0.00

AIC
-119.29


ký theo phép chiếu UTM zone 49, với ellip thực dụng là WGS 84. Phương pháp “nearest
neighbor – người láng giềng gần nhất” được áp dụng với độ phân giải không gian 30x30m để
bảo toàn tính nguyên vẹn của các giá trị pixel.
b) Phân loại vùng có rừng và không có rừng
Kết quả phân loại mặc định theo thứ tự không có rừng mang giá trị 1, trong khi có rừng
mang giá trị 2. Dựa trên ảnh đã được phân loại, tiến hành tạo mặt nạ cho vùng có rừng. Dựa
trên mặt nạ có rừng này, cắt ảnh (Subset) theo vùng có rừng để nghiên cứu. Kết quả sẽ cho
được ảnh chỉ có vùng có rừng.
4.1.3 Phân loại ảnh vệ tinh bằng phương pháp phi giám định và lập mối quan hệ sinh
khối, carbon rừng với các lớp phân loại
Thử nghiệm phân chia thành 3, 4, 5 lớp (class) (dựa vào thực tế biến đổi trạng thái rừng có
khả năng ít nhất là 3 nhiều là 5 lớp trạng thái). Trong phân chia tự động chọn số pixel tối thiểu
trong một lớp (Minimum Pixel in Class) là 6 pixel (mỗi pixel của ảnh Landsat có kích thước
là 30 x 30m) ứng với 5.400m2, lý do chọn số pixel này là để một đơn vị lớp phân loại có thể
bao phủ toàn bộ diện tích 1 ô mẫu (1.000m2), đồng thời phù hợp với quy định kiểm kê rừng
của Việt Nam là một trạng thái rừng chỉ được tách ra khi có diện tích lớn hơn 5.000m2.Trên
cơ sở các ảnh đã được phân loại thành hệ thống lớp khác nhau, chuyển đổi dữ liệu dạng raster
của ảnh đã phân loại phi giám định thành vector với các lớp nói trên.
10


Sau đó, chồng lớp tọa độ các ô mẫu đã tính toán sinh khối phần trên mặt đất TAGTB
(tấn/ha)theo 3 dạng ô mẫu gắn với 3 lớp phân loại theo 3, 4 và 5 class, Tạo được cơ sở dữ liệu
quan hệ giữa sinh khối và carbon rừng ứng với các hệ thống class đã phân loại khác nhau
được tổ hợp từ 3, 4 và 5 class.
Cơ sở dữ liệu được tạo ra trong ArcGIS với 3 dạng ô: ô vuông, ô tròn phân tầng và ô Prodan
của các điểm điều tra giải đoán ảnh và đã tính toán TAGTB; chồng với 3 hệ thống phân loại
class được xuất sang dạng file database để xây dựng phương trình quan hệ:
TAGTB (tấn/ha) = f(Class_3_id, Class_4_id, Class_5_id); trong đó có 3 hệ thống phân loại
thành các Class_id là ứng với 3, 4, 5 lớp.


S1%

S2%

P(T

-33.96

86.71

43.51

0.282


thành 3, và 5
class
Trong đó: Class_3_id là mã số các lớp phân loại trên ảnh theo 3 lớp (Class) là 1, 2 và 3 bằng
phương pháp phi giám định.Tương tự như vậy cho Class_4_Id và Class_5_Id là phân loại ảnh
thành 4 (mã 1, 2, 3 và 4) và 5 class (mã 1, 2, 3, 4 và 5).
Với dạng ô mẫu hình tròn (Cycle: CY) phân tầng sinh khối có quan hệ chặt với ảnh phân loại
phi giám định được tổ hợp từ 3-4 lớp với sai số tương đối S2%= 21.11% và không có sự sai
khác giữa giá trị ước tính qua ảnh với thực tế ô mẫu với độ tin cậy 95% (kiểm tra t bắt cặp với
P one tail = 0.36 > 0.05).
Dạng ô mẫu hình vuông (Square: SQ) sinh khối có quan hệ cao nhất với ảnh phân loại được tổ
hợp từ 3-4-5 lớp với sai số tương đối S2%=13.20% và không có sự sai khác giữa giá trị ước
tính qua ảnh với thực tế ô mẫu với độ tin cậy 95% (kiểm tra t bắt cặp với P one tail = 0.97 >
0.05).
Dạng ô mẫu Prodan (PR) sinh khối có quan hệ với ảnh phân loại được tổ hợp từ 3-5 lớp, cósai
số tương đối khá cao với S2%=43.51% và không có sự sai khác giữa giá trị ước tính qua ảnh
với thực tế ô mẫu với độ tin cậy 95% (kiểm tra t bắt cặp với P one tail = 0.28 > 0.05.
Kết quả trên cho thấy:
- Giá trị sinh khối lâm phần (TAGTB, tấn/ha) có quan hệ chặt chẽ với các giá trị phân loại ảnh
theo phương pháp phi giám định với tổ hợp các lớp phân loại theo 3, 4 và 5 class. Kiểm tra
cuối cùng bằng tiêu chuẩn t cho thấy chưa có sự sai khác với thực tế ô mẫu khi ước lượng qua

vị). Sử dụng mô hình TAGTB quan hệ với dữ liệu ảnh vệ tinh theo tổ hợp 3-4-5 class ước tính
được TAGTB (tấn/ha) cho 60 tổ hợp 3 hệ thống class đã phân loại trên ảnh.
Kết quả thống kê tần số các đơn vị tổ hợp 3-4-5 class theo TAGTB cho giá trị sinh khối nhỏ
nhất là 0.6 tấn/ha và lớn nhất là 428.5 tấn/ha và phân bố các đơn vị tổ hợp giảm dần khai
TAGTB tăng lên; có nghĩa là sinh khối của rừng khộp ở Đăk Lăk tập trung ở các cấp nhỏ và
giảm dần ở cấp sinh khối lớn. Rừng khộp ở đây tập trung là rừng có trữ lượng thấp sau đó đến
trung bình, rừng có trữ lượng cao còn rất ít. Thực hiện chia thành 4 cấp sinh khối trong
ArcGIS với giá trị sinh khối cấp 1: TAGTB
Skewness
Range
Minimum
Maximum
Sum
Count
Confidence Level(99.0%)

37.40188
1398.901
2.063795
1.228766
180.6132
19.46503
200.0783
3072.586
43
15.38905

Median
Mode
Standard Deviation

61.45489
#N/A
35.30221

Sample Variance
Kurtosis



64.34209
8.33455
52.88445
#N/A
54.6533
2986.983
4.958097

Skewness
Range
Minimum
Maximum
Sum
Count
Confidence Level(99.0%)

2.039609
261.3901
3.171219
264.5613
2766.71
43
22.48717

Mỗi dạng ô biến động sinh khối khác nhau, do vậy các cấp sinh khối được phân chia cũng
khác nhau cho 3 dạng ô. Kết quả chia cấp TAGTB (tấn/ha) được thể hiện ở bảng 4.5.
Bảng 4.5: Phân cấp TAGTB (tấn.ha) theo ô vuông, ô tròn và ô Prodan
Cấp



13.8

52.3

3.2

41.9

2

56.1

87.8

52.3

81.4

41.9

86.8

3

87.8

200.1

81.4

asccuracy) và độ chính xác của người sử dụng. Với 3 dạng ô mẫu khi sử dụng ô độc lập để
đánh giá cho các kết quả nhưbảng 4.6.
Bảng 4.6: Đánh giá kết quả phân loại ảnh theo cấp sinh khối của 3 dạng ô mẫu
Phân loại ảnh thành 3 cấp Độ tin cậy toàn bộ
sinh khối theo 3 dạng ô
Overall Accuracy

Hệ số tương quan
Kappa Coefficient

Ô vuông

41.66%

0.1250

Ô tròn

50.00%

0.2088

Ô Prodan

25.00%

-0.2135

Qua kết quả đánh giá cho thấy độ tin cậy của phương pháp phân loại rừng theo phương pháp
có giám định theo cấp sinh khối cho 3 dạng ô là thấp. Độ tin cậy toàn bộ cho 3 dạng ô khác

được xác định thông qua mô hình quan hệ đã được thiết lập.
Trên cơ sở dữ liệu 18 ô mẫu 50 x 50m và các mô hình ước tính sinh khối và carbon cây rừng
trên và dưới mặt đất (AGB) và C(AGB) theo hai nhân tố DBH và H, tính được các giá trị sinh
khối và carbon của cây rừng phần trên và dưới mặt đất: TAGTB, TAGTC, TGBTB và
TGBTC (đơn vị tấn/ha).
Nghiên cứu lập mô hình quan hệ giữa sinh khối và carbon của các bể chứa dưới mặt đất với
TAGTB (biến số đã được xác định quả ảnh).Đối với rừng khộp có đặc thù là kiểu rừng cháy
hằng năm nên lượng thảm tươi, thảm mục và gỗ chết chiếm tỷ trọng nhỏ. Đồng thời, carbon
trong đất rừng khá ổn định nên không đưa vào hệ thống quản lý, giám sát trong GIS. Trên cơ
sở các chỉ tiêu thống kê lựa chọn mô hình tối ưu, đã lựa chọn được các mô hình ở bảng 4.7 để
ước tính sinh khối và carbon trên dưới mặt đất theo biến số TAGTB đã được ước tính dựa vào
ảnh.
Bảng 4.7: Các mô hình ước tính sinh khối và carbon lâm phần trên và dưới mặt đất theo
TAGTB đã được ước tính qua giải đoán ảnh
Mô hình

2

R % (Adj)

P value n

Cp

CF

AIC

S1%


0.00

18

0.0

1.00

-100.1

1.51
6.49

Từ các mô hình trên tính được tổng sinh khối cây gỗ dưới mặt đất (TBGTB, tấn/ha), tổng
carbon của cây rừng phần trên mặt đất (TAGTC, tấn/ha) và tổng carbon của cây rừng phần
dưới mặt đất (TBGTC, tấn/ha) theo TAGTB đã được xác định qua ảnh bằng phương pháp phi
giám định với tổ hơp 3-4-5 class. Tổng sinh khối, carbon cho lâm phần trên và dưới mặt đất
được xác định trên ảnh cho từng cấp tính theo công thức:
Tổng sinh khối cây gỗ trên và dưới mặt đất: TTB (t/ha)= TAGTB+TBGTB
Tổng lượng carbon tích lũy trong cây gỗ trên và dưới mặt đất: TTC (t/ha) = TAGTC +
TBGTC.
16


Tổng sinh khối và carbon TTBcấp và TTCcấp theo từng cấp sinh khối đã phân chia trên
cơ sở diện tích của mỗi tổ hợp class đã được phân loại trên ảnh:
TTB cấp (tấn) = TTB (t/ha)* Diện tích từng cấp
TTC cấp (tấn) = TTC (t/ha)* Diện tích từng cấp
Lượng CO2 hấp thụ ở từng thời điểm của từng cấp: TCO2cấp (tấn)= TTCcấp (tấn)*3.67
Các cơ sở dữ liệu đầu vào của phân loại ảnh vệ tinh Landsat với thông tin cơ bản là class của

103,223.3

37.3

6.8

19.2

2

21,528.2

135.8

22.7

3

588.9

238.4

4

64.4

381.4

Tổng



3,412,219.7

1,782,535.0

6,541,903.5

15.7

277.9

147.2

163,655.3

86,686.1

318,138.0

25.3

444.8

237.6

28,645.1

15,301.4

56,156.1


(t/ha
)

Tại thời điểm giải đoán ảnh, tổng diện tích rừng khộp khu vực nghiên cứu 125.404,8 ha, tổng
sinh khối trên và dưới mặt đất của cây rừng tương ứng với diện tích trên là 8.156.667,6tấn,
tổng lượng carbon tích lũy 4.093.501,1 tấn và lượng CO2 hấp thụ của rừng khộp là
15.023.149,1 tấn. Lượng CO2 hấp thụ hoặc phát thải do mất rừng theo thời gian được tính
toán theo phương pháp Diference stock method (IPCC, 2006), tức là so sánh lượng CO2 của
khu vực ở hai thời điểm giám sát:

C B 

Ct 2  Ct1
t 2  t1

(CT 4.1.1)

Trong đó:
 C B : Thay đổi sinh khối, carbon, CO2 rừng

Ct*: Sinh khối, carbon, CO2 ở thời điểm 1 hoặc 2
t: Thời điểm đo tính
Trong đó, sinh khối, carbon và CO2 ở thời điểm sau được cập nhật nhanh chóng thông qua
phân loại ảnh vệtinh phi giám định và quan hệ với TAGTB, sau đó chỉ cần cập nhật trường dữ
liệu TAGTB thì tất cả các cơ sở dữ liệu sẽ tự động tính toán lại theo các mô hình allometric
equations và cho biết giá trị sinh khối, carbon và CO2 ở kỳ giám sát sau, từ đó tính được
lượng hấp thụ hoặc phát thải CO2 trong quản lý rừng.
17


rừng khộp là 125.404,8 ha; ii) Tổng sinh khối trên và dưới mặt đất của cây rừng là
8.156.667,6 tấn, iii) Tổng lượng carbon tích lũy 4.093.501,1 tấn và iv). Tổng lượng CO2 hấp
thụ của rừng khộp đượclà 15.023.149,1 tấn.

18


19


TÀI LIỆU THAM KHẢO
1. Bảo Huy và cộng sự: Nguyễn Thị Thanh Hương, Võ Hùng, Cao Thị Lý, Nguyễn Công Tài
Anh, Phạm Đoàn Phú Quốc, Hoàng Trọng Khánh, Hồ Đình Bảo, Nguyễn Đức Định, Nguyễn
Thế Hiển (2010- 2012): Xác định lượng CO2 hấp thụ của rừng lá rộng thường xanh vùng Tây
Nguyên làm cơ sở tham gia chương trình giảm thiểu khí phát thải từ suy thoái và mất rừng.
Đề tài khoa học và công nghệ cấp Bộ.
2. Bảo Huy(2012): Xây dựng phương pháp đo tính và giám sát carbon rừng có sự tham gia
của cộng đồng ở Việt Nam. Đề án thử nghiệm được sự hỗ trợ của dự án HB-REDD của SNV
và được tư vấn bởi nhóm tư vấn Quản lý tài nguyên rừng và môi trường (FREM), trường Đại
học Tây Nguyên.
3. Bảo Huy (2012): Hướng dẫn ứng dụng ảnh vệ tinh để ước tính, giám sát sinh khối và
carbon rừng. Báo cáo đề tài khoa học và công nghệ cấp Bộ.
4. Bảo Huy (2012): Mô hình sinh trắc và công nghệ viễn thám- GIS để xác định lượng CO2
hấp thụ của rừng lá rộng thường xanh vùng Tây Nguyên. Kết quả nghiên cứu đề tài khoa học
công nghệ trọng điểm cấp Bộ (Bộ giáo dục và Đào tạo)- đạt loại xuất sắc năm 2012.
5. Bảo Huy (2012): Thiết lập mô hình ước tính sinh khối và carbon của cây rừng lá rộng
thường xanh vùng Tây Nguyên. Tạp chí Rừng và Môi trường, 51(2012): 21-29.
6. Basuki (2012):Quantifying Tropical Forest Biomass, chapter 2: Allometric Equations for
estimating the above- ground biomass in tropical lowland dipterocarp forest: 36.
7. Basuki (2012): Quantifying Tropical Forest Biomass, chapter 3: The potential of spectral