Thông tin chung:

Ngày nhận: 03/03/2016

Ngày chấp nhận: 24/05/2016

Title:

Using k - Nearest Neighbors (kNN) to estimate stand volume of tropical evergreen broadleaved forest using multi-spectal satellite imagery

Từ khóa:

Ảnh vệ tinh SPOT 5, NDVI, trữ lượng, K-nearest neighbour, sai số trung phương 

Keywords:

SPOT 5, NDVI, stand volume, k-Nearest Neighbors, RMSE, RMSE%

ABSTRACT

The continuous variables of forest such as biomass or stand volume are important in forest management planning. This study used the kNN method (k-Nearest Neighbors) to estimate stand volume of natural evergreen broadleaf forest which have been impacted in different degrees. Different approaches were tested on SPOT 5 images via the calculated NDVI (Normalized Difference Vegetation Index). The estimates were carried out on different stratum and the whole forest stand. The independent field data was then used to validate the results using Root Mean Squared Error (RMSEs) as a criterion of accuracy assessment. The result show the accuracy of estimation was significantly improved with separate stratum analysis in comparison to the whole stand volume. The better results were found in case of using SPOT 5 in comparison to those with the application of NDVI. The RMSE and RMSE% were of ± 27,7 m³ha-1 and 15,6% respectively while these were 37,7 m³ha-1  and 20,9% respectively when using the NDVI. However, in case the stand has been heavily disturbed as the Class 1, the NDVI turns to be the most suitable choice in comparison to others with RMSE and RMSE% of 25 m³ha-1and 28%, respectively while these were 25 m³ha-1 and 28% for RMSE and RMSE%, respectively.

TÓM TẮT

Các biến số liên tục như trữ lượng hay sinh khối là rất cần thiết trong quản lý rừng và kế hoạch sử dụng rừng. Nghiên cứu này đã sử dụng phương pháp kNN (k-Nearest Neighbors) để ước lượng trữ lượng lâm phần rừng tự nhiên lá rộng thường xanh đã bị tác động ở các mức độ khác nhau. Nghiên cứu đã thử nghiệm với các giải pháp khác nhau, bao gồm lâm phần được ước lượng chung và ước lượng theo các khối trạng thái rừng; dữ liệu ảnh được ước lượng là ảnh chỉ số khác biệt thực vật NDVI (Normalized difference vegetation index) được tính từ ảnh SPOT 5 và ảnh đa phổ SPOT 5. Kết quả việc ước lượng bằng phương pháp kNN với dữ liệu từng khối trạng thái và ước lượng chung cho toàn lâm phần cho thấy nếu lâm phần được chia thành các khối tương đối đồng nhất thì việc ước lượng sẽ đạt kết quả tốt hơn so với việc ước lượng chung cho toàn bộ lâm phần, đặc biệt là đối với các khối trạng thái ít bị tác động. Tính chung cho toàn lâm phần sai số ước lượng bằng dữ liệu SPOT 5 đạt kết quả tốt hơn so với sử dụng dữ liệu NDVI. Trong khi sai số trung phương RMSE = 27,7 m³ha-1 tương ứng với sai số trung phương tương đối RMSE% = 15,6% nếu sử dụng ảnh SPOT5 để ước lượng thì sai số này của ảnh NDVI là 37,7 và 20,9%. Tuy nhiên, với lâm phần đã bị tác động mạnh (lớp1), kết quả ước lượng trữ lượng sử dụng dữ liệu NDVI cho thấy hiệu quả hơn so với ảnh đa phổ. Sai số ước lượng bằng ảnh đa phổ là 37 m³ha-1tương ứng với RMSE% là 37,3%, trong khi sai số này khi ước lượng bằng ảnh NDVI là 25 m³ha-1 với RMSE%  là 28%.

Trích dẫn: Nguyễn Thị Thanh Hương, 2016. Áp dụng phương pháp k - Nearest Neighbors để ước lượng giá trị lâm phần lá rộng thường xanh dựa vào ảnh vệ tinh đa phổ SPOT 5. Tạp chí Khoa học Trường Đại học Cần Thơ. 43a: 59-67.