Kết hợp các tham số phân cực SAR để ước tính sinh khối rừng nhiệt đới trên mặt đất

Nhu cầu về thông tin sinh khối rừng ở các vùng nhiệt đới đòi hỏi ngày càng chính xác hơn để sử dụng trong tính toán các-bon rừng. Điều này dẫn đến việc cần thiết phải có công thức ước tính sinh khối trên mặt đất (AGB) có độ tin cậy cao cho các kiểu rừng khác nhau. Các nhà khoa học Việt Nam (Viện Nghiên cứu Khoa học Miền trung, Đại học Duy Tân, Đại học Sài gon và Phân viện điều tra và quy hoạch rừng miền trung) và Nhật bản (Đại học Hokaido) đã nghiên cứu nhằm cải thiện việc ước tính sinh khối bằng cách chọn các mô hình hồi quy tốt nhất dựa trên các quan sát về sự đóng góp của tín hiệu radar đối với AGB trong 5 kiểu rừng ở Việt Nam.

Dữ liệu từ PALSAR và PALSAR-2,được sử dụng để trích xuất 16 tham số radar phân cực (PolSAR) trong năm 2007 và 2016. Nghiên cứu này được thiết kế như một thử nghiệm so sánh của bốn mô hình hồi quy: tuyến tính, đa thức, máy vectơ hỗ trợ (SVR) và random forest. Đầu tiên, sự đóng góp của dữ liệu PolSAR vào ước tính AGB được đánh giá bằng hai cách tiếp cận: dữ liệu mẫu từ tất cả các loại rừng và năm loại rừng riêng lẻ (rừng giàu, trung bình, nghèo, phục hồi và tre nứa). Thứ hai, chúng tôi kiểm tra khả năng cải thiện độ chính xác của công thức ước tính AGB bằng cách chọn các biến quan trọng và đánh giá các mô hình tốt nhất cho các loại rừng khác nhau. Kết quả cho thấy sự cải thiện giá trị của hệ số tương quan R² và sai số RMSE khi sử dụng năm loại rừng riêng lẻ so với sự kết hợp các loại rừng. Đặc biệt, bằng cách sử dụng mô hình đa biến, giá trị RMSE đã được nâng cao 9-18% đối với rừng giàu và 80-85% đối với các loại rừng còn lại trong tất cả các mô hình. SVR mang lại hiệu quả tốt nhất cho rừng trung bình và rừng nghèo (RMSE lần lượt là 8,27 tấn ha-1 và 12,38 tấn ha-1), random forest cho rừng tre nứa (RMSE 23,18 tấn ha-1) và hồi quy đa thức cho rừng phục hồi (RMSE 10,11 tấn ha-1). Cần nghiên cứu thêm để đưa ra mô hình ước tính AGB mạnh mẽ hơn cho rừng giàu.

Báo cáo chi tiết được công bố trên Tạp chí: Polish Journal of Environmental Studies 29(5):3353–3365 (2020)