Ứng dụng viễn thám và trí tuệ nhân tạo trong giám sát các đặc điểm chức năng thực vật ngập mặn tại Việt Nam
TS. Nguyễn An Bình cho biết: Việc giám sát định lượng sức khỏe RNM sẽ hỗ trợ các cơ quan quản lý trong việc phát hiện sớm các dấu hiệu suy thoái, từ đó đưa ra chiến lược bảo tồn phù hợp. Hơn nữa, phương pháp này có thể mở rộng để theo dõi hệ sinh thái RNM ven biển ở quy mô quốc gia, góp phần vào các chương trình bảo vệ môi trường và thích ứng với biến đổi khí hậu.
TS. Nguyễn An Bình cùng cán bộ Ban Quản lý Rừng phòng hộ Đất Mũi thực hiện khảo sát thực địa
Dựa trên lý thuyết về tương tác quang phổ giữa thực vật và ánh sáng, nhóm nghiên cứu đã phát triển phương pháp tiên tiến, kết hợp mô hình truyền bức xạ với thuật toán học máy để ước tính chính xác các đặc tính sinh lý - sinh thái của RNM. Các kỹ thuật xử lý dữ liệu và phân tích chuỗi thời gian cũng được tối ưu hóa nhằm thích ứng với điều kiện khí hậu nhiệt đới gió mùa đặc trưng của Việt Nam. Cách tiếp cận này giúp nâng cao độ tin cậy của kết quả phân tích, tạo nền tảng cho việc giám sát dài hạn và xây dựng các chiến lược bảo tồn bền vững.
Sơ đồ quy trình ước tính các đặc điểm chức năng của RNM
Là vành đai sinh thái ven biển quan trọng, RNM không chỉ bảo vệ bờ biển khỏi xói lở, nước biển dâng và bão mà còn điều hòa khí hậu, hấp thụ carbon và duy trì đa dạng sinh học. Tuy nhiên, những năm gần đây, RNM tại Việt Nam và trên thế giới đang suy giảm nhanh chóng do tác động của biến đổi khí hậu và hoạt động của con người. Nước biển dâng, thời tiết cực đoan, cùng với việc chuyển đổi đất rừng thành ao nuôi trồng thủy sản, khai thác gỗ và ô nhiễm môi trường đã khiến diện tích RNM toàn cầu giảm từ 20 - 35% trong vài thập kỷ qua, kéo theo những hệ lụy nghiêm trọng về môi trường và sinh kế của người dân ven biển. Thêm vào đó, hệ sinh thái nhạy cảm này thực sự nhận được ít sự quan tâm nghiên cứu do khó tiếp cận và phân bố hẹp dọc theo vùng ven biển.
Quang cảnh RNM tại Vườn Quốc gia Mũi Cà Mau
Trong bối cảnh đó, việc giám sát và đánh giá sức khỏe của RNM chính xác, liên tục ngày càng trở nên cấp thiết. Trước đây, việc theo dõi RNM chủ yếu dựa vào khảo sát thực địa, tuy có độ chính xác cao nhưng lại đòi hỏi chi phí cao, thời gian dài và khó thực hiện trên quy mô lớn. Sự phát triển của công nghệ viễn thám và các nền tảng điện toán đám mây đã mở ra hướng đi mới, cho phép theo dõi các đặc tính sinh lý và sinh thái của RNM với độ bao phủ rộng và tần suất cập nhật cao.
Trong khuôn khổ đề tài: “Định lượng chỉ số đa dạng chức năng hệ sinh thái rừng ngập mặn dựa trên dữ liệu vệ tinh quan sát trái đất: nghiên cứu điển hình tại huyện Ngọc Hiển tỉnh Cà Mau”, mã số: VAST05.03/23-24, nhóm tác giả gồm TS. Nguyễn An Bình, PGS.TS. Phạm Việt Hòa, ThS. Giang Thị Phương Thảo, Viện Khoa học sự sống đã phối hợp với các nhà khoa học từ Đại học Zurich (Thụy Sĩ) và Đại học Valencia (Tây Ban Nha), đã tiến hành nghiên cứu việc sử dụng dữ liệu vệ tinh Sentinel-2 kết hợp với mô hình mô phỏng quang phổ vật lý, thuật toán học máy để xây dựng quy trình ước tính, đồng thời tích hợp vào nền tảng điện toán đám mây Google Earth Engine (GEE) nhằm giám sát liên tục và quy mô rộng các đặc tính sinh lý - sinh thái của RNM.
Khu vực nghiên cứu bao gồm: (A) vị trí địa lý của khu vực, (B) khu vực nghiên cứu tại huyện Ngọc Hiển tỉnh Cà Mau và (C) tổ hợp màu thực Sentinel-2 cận cảnh các khu vực: (1) RNM trồng mới, (2) RNM tự nhiên và (3) RNM sản xuất kết hợp ao nuôi tôm
Các nhà khoa học đã triển khai phương pháp kết hợp giữa mô hình truyền bức xạ lá - tán PROSAIL và thuật toán Gaussian Processes Regression (GPR). Đây là cách tiếp cận tiên tiến, cho phép ước lượng chính xác các đặc điểm chức năng thực vật ngập mặn như chỉ số diện tích lá, hàm lượng diệp lục, nước, sinh khối khô trong lá. Quá trình huấn luyện và tối ưu hóa mô hình GPR dựa trên dữ liệu mô phỏng PROSAIL, kết hợp với kỹ thuật chọn mẫu học chủ động, giúp cải thiện độ chính xác và giảm thiểu dữ liệu huấn luyện không cần thiết. Khi so sánh với dữ liệu đo đạc thực địa, các mô hình đạt độ chính xác cao (với sai số Normalized Root Mean Square Error (NRMSE) < 17%).
Nhóm đã lựa chọn khu vực nghiên cứu bao gồm các cảnh quan RNM đa dạng như hệ sinh thái tự nhiên (Vườn Quốc gia Mũi Cà Mau) và các ô RNM xen kẽ ao nuôi thủy sản (mô hình sinh kế sinh thái tôm - rừng) tại huyện Ngọc Hiển tỉnh Cà Mau, để nghiên cứu thử nghiệm quy trình ước tính trên ảnh viễn thám Sentinel-2 giai đoạn 5 năm gần đây. Ngoài ra, các nhà khoa học còn quan tâm tới tác động của nền khí hậu đặc trưng nhiệt đới gió mùa tại Việt Nam, khi cùng lúc cung cấp kỹ thuật tái cấu trúc dữ liệu khắc phục nhược điểm của mây che phủ đối với các sản phẩm viễn thám quang học và phân tích xu hướng chuỗi thời gian có xét đến ảnh hưởng của chu kỳ mùa trong năm.
Một trong những điểm nổi bật của công trình là việc diễn giải thuật toán học máy GPR và tích hợp nó vào nền tảng GEE, giúp xử lý tự động chuỗi dữ liệu vệ tinh Sentinel-2 từ năm 2019 đến 2023. Đồng thời, nhóm đã áp dụng kỹ thuật làm đầy khoảng trống mây che phủ bằng kiến trúc tái cấu trúc dữ liệu Whittaker. Nhờ đó, nhóm đã tạo ra các sản phẩm bản đồ hoàn thiện và liên tục về các đặc tính chức năng của RNM và ước lượng mức độ bất định tại từng điểm ảnh. Đây là vấn đề quan trọng có định hướng ứng dụng, nhất là trong bối cảnh cộng đồng khoa học thế giới đang quan tâm đến việc chuyển giao các quy trình xử lý ảnh viễn thám nhằm đảm bảo khả năng ước tính dữ liệu tin cậy cho mọi phạm vi không gian và thời gian. Hiện tại, quy trình này được cung cấp miễn phí trên GitHub (https://github.com/thangbomhn87/GEE_Mangrove) hoặc thông qua thư viện PyEOGPR, có sẵn trên hệ sinh thái dữ liệu không gian của Cơ quan Hàng không Vũ trụ Châu Âu (ESA) (https://dataspace.copernicus.eu/analyse/openeo).
Trong tương lai, nhóm nghiên cứu dự kiến tiếp tục phát triển các mô hình phân tích sâu hơn về động thái của RNM, đồng thời thử nghiệm tích hợp dữ liệu từ nhiều nguồn cảm biến khác nhằm nâng cao độ chính xác của dự báo. Công trình này không chỉ có ý nghĩa khoa học và thực tiễn cao mà còn khẳng định vai trò của việc ứng dụng viễn thám và trí tuệ nhân tạo trong quản lý, bảo tồn tài nguyên thiên nhiên tại Việt Nam, do các nhà khoa học Viện Hàn lâm Khoa học và Công nghệ Việt Nam thực hiện.
Kết quả nghiên cứu đã được công bố trên tạp chí ISPRS Journal of Photogrammetry and Remote Sensing (Q1, IF 10.6, CiteScore 21.0), số 214, trang 135 - 152, ngày 15 tháng 6 năm 2024 - https://doi.org/10.1016/j.isprsjprs.2024.06.007.
Cung cấp tin: Chu Thị Ngân, Trung tâm Dữ liệu và Thông tin khoa học
Xử lý tin: Minh Tâm
