Nghiên cứu do nhóm tác giả trường Đại học Khoa học Tự nhiên - Đại học Quốc gia Hà Nội, Cục Bảo tồn Thiên nhiên và Đa dạng Sinh học và Đại học Hồng Đức thực hiện.

Hiện nay, khoảng 70% dân số thế giới đang sống ở các cửa sông ven biển và xung quanh các vùng nước ngọt nội địa. Hệ sinh thái này cung cấp cho nhân loại một số lượng lớn các sản phẩm có giá trị hàng năm. Tuy nhiên các vùng đất ngập nước đang dần bị suy giảm, thế chỗ cho các công trình nhân sinh. Tại Việt Nam, các khu vực đất ngập nước rất đa dạng, có diện tích khoảng 5.810.000 ha, chiếm khoảng 8% tổng diện tích đất ngập nước của châu Á. Hiện nay, cũng như trên thế giới, các hệ sinh thái đất ngập nước này tại nước ta đang đối mặt với sự suy giảm cả chất lượng lẫn diện tích. Mặc dù sự suy giảm này đã được cảnh báo trong nhiều năm qua, việc đánh giá, kiểm kê và giám sát những thay đổi các vùng đất ngập nước vẫn đang gặp nhiều khó khăn do thiếu khả năng tiếp cận và công nghệ. Do đó, cần thiết trang bị cho các nhà quản lý các công cụ tốt hơn để phân loại và giám sát thường xuyên hệ sinh thái đất ngập nước, đặc biệt tại các khu vực Vườn quốc gia và khu bảo tồn. Vườn quốc gia (VQG) Ba Bể thuộc tỉnh Bắc Kạn với tổng diện tích 7.610 ha, bao gồm khoảng 3.226 ha vùng lõi. Đặc biệt, vào năm 2011 vùng lõi của VQG Ba Bể được Ban Thư ký Công ước RAMSAR công nhận là khu đất ngập nước thứ 1938 có tầm quan trọng trên thế giới. Tuy nhiên, khác với hầu hết các VQG trên cả nước, tại vùng lõi của VQG Ba Bể các hoạt động kinh tế của người dân vẫn diễn ra. Do vậy, việc giám sát đất ngập nước có vai trò quan trọng đối với sinh kế và phát triển kinh tế của người dân tại vùng lõi của VQG Ba Bể.

Gần đây, các mô hình trí tuệ nhân tạo ngày càng phát triển và có chiều sâu, các mạng này có thể cung cấp một dự đoán chính xác hơn so với các phương pháp tính toán viễn thám trước đây. Phương pháp phân đoạn ngữ nghĩa hiện đang bắt đầu được sử dụng trong các mô hình học máy, đặc biệt là trong việc tách các vùng phủ và đất ngập nước cho mỗi đặc điểm lớp phủ trên ảnh viễn thám thành một lớp riêng biệt. Một số mạng sử dụng các phương pháp phân đoạn ngữ nghĩa chẳng hạn như mạng nơ–ron liên kết (CNN) mã hóa thông tin ngữ nghĩa cấp cao với quy trình tách mẫu. Tuy nhiên, phương pháp này không bảo toàn thông tin không gian chi tiết nhất của hình ảnh đầu vào. Do đó, một số mô hình như PSPNet, DeepLab v2 và Deeplab v3 đã được tích hợp với nhiều lớp phức hợp hơn để lưu giữ thông tin không gian trong suốt quá trình. Đặc biệt, mô hình mạng U–Shape có thể khôi phục thông tin không gian của dữ liệu đầu vào sau quá trình mã hóa và giải mã. Hai giai đoạn này được kết nối liên tục và đa chiều, giúp lưu giữ thông tin không gian và thuộc tính đến cùng. Đồng thời để quan sát các loại đất ngập nước trong một khu vực rộng lớn, các ảnh vệ tinh như MODIS, Landsat và Sentinel thường được sử dụng. So với các hình ảnh vệ tinh MODIS và Landsat có độ phân giải không gian kém thì Sentinel với khả năng chụp ảnh đa phổ, có thể thu được hình ảnh quang học một cách có hệ thống trên cả khu vực nội địa và ven biển ở độ phân giải không gian cao (10 m đến 60 m). Do đó, trong nghiên cứu này, các tác giả đề xuất mô hình ResU– Net để dự báo lớp phủ đất ngập nước nội địa dựa trên dữ liệu Sentinel đa thời gian tại Vườn Quốc gia Ba Bể, tỉnh Bắc Kạn. Ba câu hỏi nghiên cứu sau liên quan đến phân loại lớp phủ đất ngập nước dựa trên học sâu sẽ được làm rõ trong nghiên cứu này:

• Lợi ích của việc tích hợp ảnh học sâu và ảnh viễn thám đa thời gian để theo dõi phân loại đất ngập nước nội địa là gì?

• Liệu mô hình học máy sâu có thể thay thế các phương pháp truyền thống trong việc phân loại đất ngập nước nội địa?

• Các loại đất ngập nước nội địa phân bố như thế nào ở khu vực VQG Ba Bể?

Khu vực trọng tâm trong nghiên cứu này là vùng đất ngập nước vườn Quốc gia Ba Bể thuộc các xã Nam Mẫu, Khang Ninh, Cao Thượng, Thượng Giáo, Quảng Khê, Hoàng Trĩ, Đông Phúc thuộc huyện Ba Bể và xã Nam Cường thuộc huyện Chợ Đồn. Vườn Quốc gia Ba Bể có tổng diện tích 44 ha, trong đó vùng lõi chiếm khoảng 10 ha và vùng đệm là hơn 34 ha. Ngày 2 tháng 2 năm 2011, Ban Thư ký Công ước RAMSAR đã công nhận vùng lõi của VQG Ba Bể là khu đất ngập nước thứ 1938 có tầm quan trọng trên thế giới.

Phạm vi khu vực nghiên cứu (Ảnh Sentinel –2).

Nghiên cứu này đã chứng minh lợi ích của việc kết hợp dữ liệu học sâu và viễn thám để theo dõi các kiểu đất ngập nước trong khu vực VQG Ba Bể. Mô hình U–Net được đào tạo đã sử dụng để xác định 7 kiểu hệ sinh thái ĐNN trong khu vực VQG trong vòng 7 năm (2014–2021). Trong đó, 7 loại hình đất ngập nước phù hợp với hệ thống phân loại của RAMSAR và MONRE. Ngoài các hệ sinh thái ngập nước theo mùa, hệ thống thủy văn dòng chảy karst là loại hình lớp phủ đặc biệt trong khu vực đã được xác định nhờ dữ liệu địa chất–địa mạo. Tuy nhiên, do nước tại vùng karst có khả năng tiêu thoát nước nhanh, mức độ phủ mặt nước khu vực tại một thời điểm không cao. Tập trung chủ yếu chỉ tại khu vực hồ Ba Bể.

Bản đồ phân bố các kiểu đất ngập nước khu vực VQG Ba Bể.

Sau 7 năm, các hệ sinh thái đất ngập nước không thay đổi nhiều. Trong thời gian này, diện tích mặt nước suy giảm lớn nhất được ghi nhận vào năm 2019 trong khoảng 270 ha, với độ chính xác 87%. Mặc dù các thống kê cho thấy hiện tượng bồi lấp lòng hồ diễn ra mạnh, kết quả phân tích cho thấy hiện tượng này xuất hiện chủ yếu do hoạt động nông nghiệp ven lòng hồ. Hoạt động nông nghiệp bị thu hẹp nhiều vào những thời điểm nước rút, khiến người dân không thể phát triển sinh kế nông nghiệp tại đây. Các nhà quản lý sử dụng đất có thể sử dụng các mô hình trí tuệ nhân tạo để theo dõi động thái của hệ sinh thái đất ngập nước hoặc mặt hồ mỗi mùa. Các nhà khoa học có thể đào tạo lại mô hình học máy dễ dàng với các mẫu bổ sung trong tương lai và sử dụng nó để phân loại các vùng sinh thái đất ngập nước nội địa khác.

lttsuong