Ước tính sinh khối trên mặt đất trong rừng kín lá rộng thường xanh bằng viễn thám UAV‑RGB: Nghiên cứu điểm tại xã A Lưới 4, thành phố Huế
DOI:
https://doi.org/10.55250/Jo.vnuf.15.3.2026.117-126Từ khóa:
Máy bay không người lái (UAV), phương trình tăng trưởng di hợp, rừng kín lá rộng thường xanh, sinh khối trên mặt đất (AGB)Tóm tắt
Thu thập dữ liệu sinh khối trên mặt đất (AGB) với độ phân giải không gian cao từ máy bay không người lái (UAV) cho phép thu thập dữ liệu ảnh RGB với độ phân giải không gian siêu cao để ước tính chính xác sinh khối trên mặt đất (AGB) cho từng kiểu rừng là rất cần thiết để đánh giá khả năng hấp thụ carbon. Trong nghiên cứu này, dữ liệu UAV-RGB thu thập tại rừng kín lá rộng thường xanh ở xã A Lưới 4, Thành phố Huế được xử lý để tạo mô hình số độ cao (DEM) và ảnh trực giao kỹ thuật số. Từ các biến trích xuất, nghiên cứu xây dựng mô hình ước tính AGB cho kiểu rừng nghiên cứu. Mô hình đã lựa chọn được phương trình tối ưu để ước tính AGB từ dữ liệu UAV-RGB. Mô hình ước tính AGB này đạt độ chính xác với R2=0,91, RMSE=32,95 Mg ha-1, và MAE=29,84 Mg ha-1. Kết quả cho thấy, Rừng kín lá rộng thường xanh trung bình (TXB) và Rừng kín lá rộng thường xanh nghèo (TXN) có phân bố AGB tương tự nhau với phần lớn diện tích nằm ở ngưỡng AGB trung bình 100–150 Mg ha⁻¹ và AGB cao 150–200 Mg ha⁻¹, với khoảng một nửa diện tích rơi vào khoảng 50–150 Mg ha⁻¹ và hơn 30% ở ngưỡng 150–200 Mg ha⁻¹. Ngoài ra, nghiên cứu cho thấy phương pháp sử dụng dữ liệu UAV-RGB để trích xuất các chỉ số vật lý, kết hợp mô hình hồi quy đa biến là một kỹ thuật thực tiễn và hiệu quả để ước tính AGB ở rừng kín lá rộng thường xanh mưa ẩm nhiệt đới.
Tài liệu tham khảo
[1]. Taiyong Ma, Chao Zhang, Liping Ji, Zheng Zuo, Mukete Beckline, Yang Hu, Xiaojuan Li & Xiangming Xiao. (2024). Development of forest aboveground biomass estimation, its problems and future solutions: A review. Ecol Indic. 159: 111653.
DOI: 10.1016/j.ecolind.2024.111653
[2]. Do Thi Nhung, Dang Do Lam Phuong, Nguyen Thi Diem My, Bui Quang Thanh, Pham Ngoc Hai & Pham Van Manh (2024). Assessing Carbon Stocks in A Tropical Forest Ecosystem of High Conservation Value: A Case Study in Bac Kan province, Vietnam. VNU Journal of Science: Earth and Environmental Sciences. 40(3): 92-110.
DOI: 10.25073/2588-1094/vnuees.5069
[3]. Janine Oettel, Bettina Thalinger, Aglaia Szukala, Linus Munishi & Katharina Lapin. (2025). Monitoring Methods for the Protection of Connectivity in Forest Ecosystems. Ecological Connectivity of Forest Ecosystems. Springer Nature Switzerland, Cham. 143–169.
DOI: 10.1007/978-3-031-82206-3_8
[4]. Zoltán L., Tanács E., & Standovár T. (2023). Validation and limitations of large-scale forest condition indicators – An example from Hungary. Ecol Indic. 154: 110539. DOI: 10.1016/j.ecolind.2023.110539
[5]. Latterini F., Camarretta N., & Watt M.S. (2025). Remote sensing for planning harvesting operations and monitoring their effects on the forest ecosystem: State of the art and future perspectives. For Ecol Manag. 597: 123175. DOI: 10.1016/j.foreco.2025.123175
[6]. Yang Liu, Yiguang Fan, Jibo Yue, Yanpeng Ma, Fuqin Yang, Jiejie Fan, Riqiang Chen, Mingbo Bian & Haikuan Feng. (2025). UAV-based remote sensing estimation of above-ground biomass in different crops: A review. Int J Appl Earth Obs Geoinformation. 144: 104938. DOI: 10.1016/j.jag.2025.104938
[7]. Giribabu Dandabathula, Sudhakar Reddy Chintala, Sonali Ghosh, Padmapriya Balakrishnan & Chandra Shekhar Jha. (2021). Exploring the nexus between Indian forestry and the Sustainable Development Goals. Reg Sustain. 2(4): 308–323.
DOI: 10.1016/j.regsus.2022.01.002
[8]. Suman S., Gupta A., & Srivastava P.K. (2026). Chapter 15 - Role of airborne datasets in forest monitoring. Advanced Geospatial and Ground Based Techniques in Forest Monitoring. Elsevier. 327–343.
DOI: 10.1016/B978-0-443-18949-4.00001-4
[9]. Bao Huy, Krishna P. Poudel & Hailemariam Temesgen. (2016). Aboveground biomass equations for evergreen broadleaf forests in South Central Coastal ecoregion of Viet Nam: Selection of eco-regional or pantropical models. For Ecol Manag. 376: 276–283.
DOI: 10.1016/j.foreco.2016.06.031
[10]. Aishwarya, Meenu Rani, Preeti Kumari, Pankaj Lavania, Garima Gupta, Prabhat Tiwari, Ram Kumar Singh, Manoj Kumar, Manmohan Dobriyal, Manish Srivastav & Pavan Kumar. (2026). Chapter 2 - An overview of remote sensing technology in forest management. Advanced Geospatial and Ground Based Techniques in Forest Monitoring. Elsevier. 37–59.
DOI: 10.1016/B978-0-443-18949-4.00017-8
[11]. Yelu Zeng, Dalei Hao, Alfredo Huete, Benjamin Dechant, Joe Berry, Jing M. Chen, Joanna Joiner, Christian Frankenberg, Ben Bond-Lamberty, Youngryel Ryu, Jingfeng Xiao, Ghassem R. Asrar & Min Chen. (2022). Optical vegetation indices for monitoring terrestrial ecosystems globally. Nat Rev Earth Environ. 3(7): 477–493.
DOI: 10.1038/s43017-022-00298-5
[12]. Kai Yan, Si Gao, Guangjian Yan, Xuanlong Ma, Xiuzhi Chen, Peng Zhu, Jinhua Li, Sicong Gao, Jean-Philippe Gastellu-Etchegorry, Ranga B. Myneni & Qiao Wang. (2025). A global systematic review of the remote sensing vegetation indices. Int J Appl Earth Obs Geoinformation, 139: 104560. DOI: 10.1016/j.jag.2025.104560
[13]. Gudisa A., Taddese H., & Garbole J. (2025). Remote sensing and field-based estimation of aboveground biomass of plantation forests: Kofale, South East Ethiopia. Environ Sustain Indic. 26: 100680.
[14]. Dang An Thi Ngoc, Subrata Nandy, Ritika Srinet, Luong Nguyen Viet, Surajit Ghosh & A. Senthil Kumar (2019). Forest aboveground biomass estimation using machine learning regression algorithm in Yok Don National Park, Vietnam. Ecol Inform. 50: 24–32.
DOI: 10.1016/j.indic.2025.100680
