Ứng dụng công nghệ bay không người lái để quản lý rừng ngập mặn, nghiên cứu cụ thể tại Vườn Quốc gia Xuân Thủy, Nam Định

KHOA HỌC KỸ THUẬT THỦY LỢI VÀ MÔI TRƯỜNG - SỐ 68 (3/2020) 59 
BÀI BÁO KHOA HỌC 
ỨNG DỤNG CÔNG NGHỆ BAY KHÔNG NGƯỜI LÁI ĐỂ 
QUẢN LÝ RỪNG NGẬP MẶN, NGHIÊN CỨU CỤ THỂ 
TẠI VƯỜN QUỐC GIA XUÂN THỦY, NAM ĐỊNH 
Phạm Tiến Dũng1, Nguyễn Huy Hoàng1, Trần Thị Mai Sen2, Nguyễn Thị Xuân Thắng3 
Tóm tắt: Bài báo này sẽ trình bày nghiên cứu áp dụng công nghệ bay không người lái (UAV) tại Vườn 
Quốc Gia Xuân Thủy, Nam Định để đánh giá khả năng áp dụng công nghệ mới này trong quản lý lớp phủ 
thảm thực vật rừng ngập mặn. Dữ liệu UAV được thu thập vào đợt bay các tháng 3/2018 và 3/2019, tập 
trung vào khu vực rừng tự nhiên gần chòi canh, ven cửa sông và rừng trồng Bãi Trong. Phần mềm mã 
nguồn mở OpenDroneMap được sử dụng để xử lý hình ảnh UAV. Kết quả cho thấy rừng tự nhiên sinh 
trưởng tốt trong khi rừng trồng tại Bãi Trong (chủ yếu là rừng Trang) có hiện tượng suy giảm chất lượng. 
Đường bay với chiều cao bay, khoảng cách giữa hai tuyến bay, thời gian chụp ảnh hưởng lớn đến mức độ 
thành công của quá trình xử lý hình ảnh cây rừng. UAV thực sự là công cụ hỗ trợ hiệu quả cho người 
quản lý, giúp đánh giá nhanh, kịp thời chất lượng RNM, đặc biệt tại các khu vực xa xôi, biệt lập, khó tiếp 
cận so với phương pháp truyền thống. 
Từ khóa: Thiết bị bay không người lái (Unmanned Aerial Vehicle- UAV), Rừng ngập mặn (RNM), 
Vườn Quốc Gia Xuân Thủy (VQGXT). 
1. GIỚI THIỆU * 
1.1. Tổng quan 
Rừng ngập mặn (RNM) là một trong những nơi 
dự trữ carbon giàu nhất tại vùng nhiệt đới và cận 
nhiệt đới (Ha et al., 2017), là một thành phần thiết 
yếu bảo vệ vùng bờ biển (Dahdouh-Guebas et al., 
2005), duy trì đa dạng sinh học, là nguồn gỗ, cung 
cấp sinh kế cho người dân địa phương và gìn giữ 
các giá trị văn hóa (Walters et al., 2008). Giám sát 
và quản lý rừng là công tác rất quan trọng để sử 
dụng, bảo tồn hiệu quả và bền vững tài nguyên 
RNM. Tuy nhiên, RNM thường nằm ở vùng xa 
xôi và khó tiếp cận do ảnh hưởng của thủy triều, 
bùn và mạng rễ dày đặc nên công tác giám sát và 
quản lý rừng thường mất nhiều thời gian và tốn 
kém kinh phí. 
Gần đây, với việc sử dụng dữ liệu viễn thám 
trong giám sát và quản lý rừng đã có thể khắc 
phục được một số hạn chế của các phương pháp 
điều tra mặt đất truyền thống với các ưu điểm về 
giá thành, mức độ cập nhật, giảm thiểu sức lao 
1 Viện Nghiên cứu Lâm sinh 
2 Trường Đại học Lâm nghiệp Việt Nam 
3 Khoa Hóa và Môi trường, Trường Đại học Thủy lợi 
động và khả năng tiếp cận được những khu vực 
khó khăn (Masek et al., 2015). Đặc biệt trong 
thập kỷ qua, việc sử dụng công nghệ thiết bị bay 
không người lái (UAV) trong nghiên cứu tài 
nguyên rừng đã trở nên phổ biến hơn trên thế 
giới do dữ liệu độ phân giải cao có thể được thu 
thập linh hoạt trong thời gian ngắn với giá thành 
tương đối thấp (Anderson và Gaston, 2013; 
Rafael và Colin, 2019). Sử dụng dữ liệu UAV 
trong quản lý rừng gồm nhiều ứng dụng như: 
Lập bản đồ lớp phủ thảm thực vật (TTV), kế 
hoạch quản lý rừng, giám sát suy thoái rừng, 
phân bố, xác định các loài thực vật, chiều cao 
cây, sinh khối và cấu trúc tán (Dandois và Ellis, 
2013; Jaskierniak et al., 2016; Messinger et al., 
2016; Zhang et al., 2016). UAV có khả năng 
cung cấp thông tin không gian rộng lớn và 
nhanh chóng về các thuộc tính sinh học của 
rừng so với phương pháp khảo sát truyền thống 
(Dandois và Ellis, 2013; Messinger et al., 2016) 
và có thể sử dụng hỗ trợ cho các kỹ thuật kiểm 
kê rừng truyền thống (Zhang et al., 2016). Đã có 
một số nghiên cứu sử dụng UAV cho hệ sinh 
thái (HST) ven biển (Mancini et al., 2013; Wang 
 KHOA HỌC KỸ THUẬT THỦY LỢI VÀ MÔI TRƯỜNG - SỐ 68 (3/2020) 60 
et al., 2015), song tập trung vào HST RNM vẫn 
còn hạn chế (Otero et al., 2018). 
So với các kỹ thuật sử dụng ảnh vệ tinh và 
hàng không, UAV có thể bay ở độ cao thấp và tốc 
độ chậm, cho phép chúng có hình ảnh độ phân 
giải không gian siêu cao, có thể thu thập dữ liệu 
gần nhất của quần thể thực vật, động vật (Otero et 
al., 2018). Sử dụng UAV cũng tránh được nhiều 
hạn chế liên quan đến dữ liệu vệ tinh, bao gồm 
việc thiếu độ phân giải không gian đủ để phát hiện 
và đo lường một số tính chất sinh học quan trọng, 
thiếu dữ liệu phân giải thời gian đầy đủ để phát 
hiện những thay đổi trong diễn thế của rừng 
(Zhang et al., 2016). 
Nghiên cứu này nhằm đánh giá khả năng áp 
dụng của công nghệ mới UAV trong quản lý 
RNM, đặc biệt xác định được chế độ bay phù hợp, 
tại một số khu vực RNM được lựa chọn ở Vườn 
Quốc gia Xuân Thủy, huyện Giao Thủy, tỉnh Nam 
Định (VQGXT). 
1.2. Khu vực nghiên cứu 
Vườn Quốc gia Xuân Thủy, với diện tích 
7.100ha, nằm ở phía Đông Nam huyện Giao Thủy, 
tỉnh Nam Định, ngay tại cửa Ba Lạt của sông 
Hồng, có tọa độ từ 20010' - 20015' vĩ độ Bắc và từ 
106020' - 106032' kinh độ Đông (xem Hình 1). 
Vườn Quốc gia Xuân Thủy được công nhận là khu 
Ramsar đầu tiên của Việt Nam từ năm 1989. 
Hình 1. Bản đồ các hệ sinh thái đất ngập nước 
Vườn Quốc gia Xuân Thủy 
Rừng tại VQGXT là kiểu hệ thực vật ngập mặn 
cửa sông ven biển đặc trưng của miền Bắc Việt 
Nam, với độ đa dạng sinh học cao, là bức tường 
xanh có tác dụng chắn sóng, giảm nhẹ tác động của 
thiên tai trong bối cảnh biến đổi khí hậu và nước 
biển dâng, duy trì các nguồn lợi cho người dân 
trong khu vực. 
Nghiên cứu áp dụng UAV tập trung vào 03 khu 
vực: i) rừng tự nhiên gần chòi canh; ii) rừng tự 
nhiên khu vực ven cửa sông và iii) rừng trồng tại 
Bãi Trong. 
Hiện trạng rừng tại những khu vực này đặc 
trưng cho hai (02) kiểu rừng tự nhiên được bảo vệ 
nghiêm ngặt và rừng trồng nhằm phục hồi các loài 
cây ngập mặn. 
2. PHƯƠNG PHÁP NGHIÊN CỨU 
2.1. Điều tra, khảo sát 
Nhóm nghiên cứu gồm cả chuyên gia đến từ 
các trường Đại học của Vương quốc Anh và 
Indonesia đã tiến hành khảo sát dọc bờ biển và các 
con sông để xác định các điểm “nóng” về suy 
thoái, những điểm khó tiếp cận hoặc nằm sâu 
trong rừng. Đồng thời, các thông tin về tình trạng 
suy thoái RNM kế thừa từ các nghiên cứu liên 
quan khác cũng được thu thập, kết hợp thông qua 
trao đổi, tham vấn với Ban Quản lý VQGXT và 
người dân. 
Tại mỗi khu vực được lựa chọn, 02 tuyến khảo 
sát được tạo lập, cách nhau 50m. Tương ứng mỗi 
tuyến định vị 5 điểm, cách nhau 10m. Tại mỗi điểm 
chụp theo phương thẳng đứng 01 ảnh, để xác định 
độ tàn che bằng phần mềm Gap Light Analysis. 
2.2. Thu thập dữ liệu UAV 
Dữ liệu UAV được thu thập bằng thiết bị 
Phantom 3 Professional (của hãng DJI). Phantom 
3 Professional được trang bị công nghệ định vị vệ 
tinh GPS (Global Positioning System) và 
GLONAS (Global Navigation Satellite System). 
Vị trí và hướng bay của thiết bị được quản lý và 
điều chỉnh thông qua hệ thống Inertial Measuring 
Unit và các cảm biến khí áp (barometric sensors). 
UAV được điều khiển bằng hệ thống Radio 
Control. Các thông tin về tình trạng pin, tín hiệu 
GNSS (GPS and GLONASS), độ cao UAV và góc 
quay của máy ảnh được truyền trực tiếp về trạm 
điều khiển. 
Máy ảnh được tích hợp trên Phantom 3 
Professional gắn bộ cảm biến bên trong có kích 
KHOA HỌC KỸ THUẬT THỦY LỢI VÀ MÔI TRƯỜNG - SỐ 68 (3/2020) 61 
thước 1/2,3″ và có thể chụp ảnh tĩnh 
12,4megapixel ở định dạng JPEG hoặc DNG raw. 
Kích cỡ của cảm biến chụp là 6,30 x 4,72mm. 
Thời gian bay tối đa là 23 phút cho một lần bay, 
với khoảng cách bay là 5km (Dji, 2016). Đường 
bay được thiết lập theo hình chữ Z để bao phủ 
được đầy đủ diện tích RNM tại khu vực nghiên 
cứu (xem Hình 2). 
Hình 2. Đường bay chụp (tuyến màu đỏ) tại Vườn Quốc gia Xuân Thủy: 
a. Tháng 3 năm 2018; b. Tháng 3 năm 2019 
Thời gian lựa chọn để thu thập dữ liệu UAV là 
thời điểm thủy triều xuống thấp nhất, trời nắng, 
gió nhẹ vào các tháng 3 năm 2018 và 2019. Quy 
trình bay chụp và thu thập dữ liệu UAV được thực 
hiện như sau: 
- Khảo sát hiện trường, xác định khu vực 
nghiên cứu ngoài thực địa và trên ảnh vệ tinh 
Google Earth. 
- Xây dựng kế hoạch, đường bay chi tiết 
cho từng khu vực, như: chiều cao bay, khoảng 
cách ảnh, thời gian chụp, hướng bay (xem 
Bảng 1). 
- Cài đặt các thông số máy trước mỗi lần bay 
theo kế hoạch bay đã xác định. 
- Bay chụp và thu thập dữ liệu ảnh. 
- Xác định các điểm khống chế cần định vị trên 
thực địa. 
- Kiểm tra dữ liệu ảnh thu thập sau mỗi lần 
bay, bảo đảm không bị mất hay sai lệch thông tin 
(như: đường bay, số hiệu ảnh). 
Bảng 1. Đường bay chụp để thu thập dữ liệu UAV tại Vườn Quốc gia Xuân Thủy 
TT Khu vực 
Thời 
gian 
Chiều 
cao bay 
(m) 
Khoảng 
cách ảnh 
(m) 
Thời gian 
chụp 
(s/ảnh) 
Số 
lượng 
(ảnh) 
Diện tích 
bay chụp 
(ha) 
3/2018 50 50 5 393 30 
1 
Rừng tự nhiên (gần 
Chòi canh) 3/2019 100 120 7 419 250 
2 
Rừng tự nhiên (ven 
cửa sông) 
3/2019 100 120 7 398 250 
3 
Rừng trồng 
(Bãi Trong) 
3/2019 100 60 7 465 150 
a. b. 
 KHOA HỌC KỸ THUẬT THỦY LỢI VÀ MÔI TRƯỜNG - SỐ 68 (3/2020) 62 
2.3. Xử lý dữ liệu 
Dữ liệu UAV được xử lý trên phần mềm mã 
nguồn mở OpenDroneMap (ODM) (tham khảo 
phần mềm OpenDroneMap tại link: 
https://www.opendronemap.org). 
Hình ảnh sau khi được xử lý sẽ được nắn chỉnh 
tọa độ và kiểm tra độ chính xác trên phần mềm 
ArcGIS version 10.4. 
Các bước xử lý dữ liệu UAV trên phần mềm 
ODM và GIS được thể hiện tại Hình 3. 
Hình 3. Sơ đồ các bước xử lý dữ liệu UAV trên 
phần mềm ODM và GIS 
Độ chính xác của kết quả xử lý dữ liệu ảnh phụ 
thuộc chất lượng ảnh đầu vào, mức độ chùm phủ 
của các ảnh bay chụp. Tỷ lệ chùm phủ ảnh được 
tự động tính toán trong phần mềm ODM. 
2.4. Mô hình phân tích SWOT 
Mô hình phân tích SWOT được sử dụng để 
phân tích điểm mạnh, điểm yếu, cơ hội và thách 
thức đối với việc sử dụng UAV trong công tác 
quản lý RNM. 
Mô hình SWOT do Albert Humphrey và cộng 
sự phát triển vào những năm 1960 - 1970 tại Mỹ. 
Mô hình có tên gọi ban đầu là SOFT (Satisfactory 
- thỏa mãn, cơ hội, Fault - lỗi và thách thức). Tuy 
nhiên, đến năm 1964, mô hình được giới thiệu tại 
Thụy Sỹ, Strengths - điểm mạnh và Fault - lỗi 
được đổi thành Weakness - điểm yếu và SWOT ra 
đời. Năm 1973, SWOT thực sự được phát triển và 
hoàn thiện vào đầu năm 2004. 
3. KẾT QUẢ VÀ THẢO LUẬN 
3.1. Hình ảnh lớp phủ thảm thực vật RNM 
xử lý từ dữ liệu UAV 
Rừng tự nhiên gần chòi canh vào tháng 3/2018 
đã được lựa chọn để bay chụp, với chiều cao bay 
50m, khoảng cách giữa hai tuyến bay là 50m, thời 
gian chụp 5s/ảnh, mỗi bức ảnh UAV thu được có 
diện tích 50 x 37,5m (xem Bảng 1). Tuy nhiên, do 
tỷ lệ chùm phủ ảnh rất thấp (≈10%), hình ảnh lớp 
phủ TTV RNM tại khu vực này chưa được tạo lập. 
Hình 4. Hình ảnh rừng trồng tại Bãi Trong 
được tạo lập từ chùm phủ ảnh UAV 
Do vậy, vào tháng 3/2019, nhằm tăng tỷ lệ chùm 
phủ ảnh để tạo lập được lớp phủ TTV RNM, hai 
(02) khu vực khác gồm rừng tự nhiên ven cửa sông 
và rừng trồng tại Bãi Trong đã được lựa chọn để áp 
dụng công nghệ UAV, với chiều cao bay là 100m, 
khoảng cách giữa hai tuyến bay 120m, thời gian 
chụp 7s/ảnh, diện tích mỗi bức ảnh UAV thu được 
140 x 105m. Tuy nhiên, tỷ lệ chùm phủ ảnh đã tăng 
nhưng không cao (≈20%). 
Riêng đối với khu vực rừng trồng tại Bãi Trong, 
khi điều chỉnh khoảng cách giữa hai tuyến bay 
xuống 60m, tỷ lệ chùm phủ ảnh đã đạt 70%. Lớp 
phủ TTV RNM ở khu vực này đã được tạo lập sau 
quá trình xử lý hình ảnh UAV (xem Hình 4). 
Như vậy, chiều cao bay, thời gian chụp và 
đặc biệt là khoảng cách giữa hai tuyến bay có 
ảnh hưởng quyết định đến thành công của quá 
trình xử lý hình ảnh lớp phủ TTV RNM bằng 
phần mềm ODM. 
Hơn nữa, hình ảnh khu vực rừng trồng tại Bãi 
KHOA HỌC KỸ THUẬT THỦY LỢI VÀ MÔI TRƯỜNG - SỐ 68 (3/2020) 63 
Trong có chất lượng tốt, độ phân giải cao, có thể 
phân biệt được các loài cây khác nhau trong khu 
vực (xem Hình 4 và 5). Đây là nguồn dữ liệu rất 
tốt để giải đoán, xây dựng và cập nhật bản đồ lớp 
phủ TTV RNM. 
3.2. Các điểm suy giảm về sinh trưởng và 
chất lượng rừng 
Mặc dù dữ liệu tại một số khu vực bay có tỷ lệ 
chùm phủ chưa cao để tạo lập đầy đủ lớp phủ 
TTV, song những bức ảnh chụp từ UAV này (kèm 
tọa độ) đã giúp nhà quản lý có cái nhìn trực quan, 
nhanh chóng về khu vực, kịp thời đưa ra các giải 
pháp quản lý RNM thích hợp (xem Hình 5). 
Hình ảnh bay chụp và xử lý từ dữ liệu UAV đã 
bao quát được khu vực nghiên cứu, giúp phát hiện 
sớm các điểm suy giảm về sinh trưởng và chất 
lượng rừng, đặc biệt tại những nơi khó tiếp cận 
bằng khảo sát truyền thống. 
Hình 5. Ảnh chụp UAV tại Vườn Quốc gia Xuân Thủy: a. Rừng tự nhiên gần Chòi canh chụp tháng 
3/2018 (X: 20.247735; Y: 106.571084); b. Rừng tự nhiên ven cửa sông chụp tháng 3/2019 
 (X: 20.223124; Y: 106.545162); c. Rừng trồng, chủ yếu là cây Trang tại Bãi Trong 
chụp tháng 3/2019 (X: 20.233260; Y: 106.535813) 
Kết quả chụp UAV cho thấy cây rừng tự nhiên 
tại khu vực gần chòi canh và cửa sông sinh trưởng 
tốt. Cụ thể, tại Hình 5b có thể quan sát rõ những 
cây Bần chua ở tầng tán trên phát triển tốt cùng với 
lớp cây tầng tán dưới (như Trang, Sú); với độ tàn 
che đạt 0,9 (xử lý thông qua phần mềm Gap Light 
Analysis). Ngược lại, qua phân tích các ảnh chụp 
khu vực rừng trồng tại Bãi trong cho thấy cây rừng 
ở đây (chủ yếu là cây Trang) sinh trưởng và chất 
lượng kém (xem Hình 4 và 5c). Các ngọn Trang đã 
bị khô héo, chuyển sang màu trắng. Diện tích cây 
rừng sinh trưởng kém, bao trùm gần như toàn bộ 
khu vực Bãi Trong, với độ tàn che dưới 0,5. 
Kết quả này đã khẳng định thêm suy thoái TTV 
rừng tại khu vực Bãi Trong qua nghiên cứu tương tự 
của Trần Thị Mai Sen và cs (2019) bằng ảnh vệ tinh 
đa thời gian. Điều này cho thấy, nếu xác định được 
chế độ bay phù hợp, công cụ UAV hoàn toàn có thể 
tạo lập và đánh giá chính xác lớp phủ TTV RNM. 
3.3. Điểm mạnh và hạn chế của UAV 
Kết quả phân tích SWOT được trình bày cụ thể 
tại Bảng 2. 
Bảng 2. Kết quả mô hình phân tích SWOT trong ứng dụng UAV 
Điểm mạnh (Strengths) Điểm yếu (Weakness) 
 Dễ dàng tiếp cận các khu vực khó khăn, nguy hiểm 
như các bãi bùn hay khu vực có mạng rễ cây dày đặc 
 Chi phí rẻ hơn so với công tác điều tra, khảo sát truyền 
thống. 
 Độ phân giải hình ảnh cao, chất lượng hình ảnh tốt hơn 
ảnh vệ tinh. 
 Chịu ảnh hưởng bởi thời tiết; Hạn chế 
tầm nhìn khi có gió mạnh, mưa, sương 
mù 
 Kế hoạch bay, thiết kế tuyến bay và 
phần xử lý nội nghiệp tương đối phức tạp, 
mất khá nhiều thời gian, công sức nên cần 
a. c. b. 
 KHOA HỌC KỸ THUẬT THỦY LỢI VÀ MÔI TRƯỜNG - SỐ 68 (3/2020) 64 
Điểm mạnh (Strengths) Điểm yếu (Weakness) 
 Thời gian xử lý nhanh hơn so với phương pháp điều tra 
truyền thống (bao gồm cả thời gian bay chụp và thời gian 
xử lý ảnh) 
 Ứng dụng trong nhiều lĩnh vực khác nhau để quản lý 
TTV như thành lập bản đồ hiện trạng, theo dõi sinh 
trưởng, chất lượng rừng. 
 Phạm vi quản lý và chụp ảnh rộng (đối với DJI 
Phantom 3 là 5km). 
cán bộ kỹ thuật tác nghiệp có kinh 
nghiệm. 
 Thời gian bay thường ngắn (đối với 
Phantom 3 Professional thời gian bay tối 
đa là 23 phút, thời gian sạc 40 phút). 
 Công nghệ UAV hiện tại còn hạn chế 
trong các nghiên cứu chuyên sâu như: tái 
sinh, sâu bệnh của cây rừng. 
Cơ hội (Opportunities) Thách thức (Threats) 
 Các nghiên cứu ứng dụng khoa học- công nghệ trong 
việc nâng cao hiệu quả của công tác quản lý tài nguyên 
rừng đang được quan tâm, đặc biệt trong bối cảnh Việt 
Nam đang theo đuổi cuộc cách mạng công nghệ 4.0. 
 Phát triển hệ thống UAV có thời gian bay lâu hơn, giá 
thành giảm, phát triển các máy đo phổ, máy chụp ảnh đa 
phổ, siêu phổ, máy quét lidar hoàn thiện hơn. 
 UAV được đánh giá là công nghệ mới, giúp giảm thiểu 
sức lao động, tăng hiệu quả làm việc. 
 Nhiều tổ chức về lâm nghiệp tại Việt Nam đã bắt đầu 
quan tâm và mong muốn ứng dụng UAV trong quản lý 
tài nguyên. 
 Có nhiều phần mềm xử lý ảnh UAV, bao gồm cả phần 
mềm mã nguồn mở và phần mềm thương mại. 
 Việc sử dụng UAV vào những việc 
không đúng mục đích có thể gây hại cho 
an ninh quốc gia. 
 Thủ tục xin phép điều tra, bay chụp 
bằng ảnh UAV còn chưa cụ thể. 
 Chưa có hướng dẫn quy trình bay UAV 
trong việc xây dựng, cập nhật bản đồ hiện 
trạng. 
 Cần phải có cán bộ kỹ thuật có kinh 
nghiệm trong việc điều khiển thiết bị bay 
và có khả năng xử lý ảnh. 
Kết quả tại Bảng 2 cho thấy, điểm mạnh và cơ 
hội trong ứng dụng dữ liệu UAV là lớn, như cho 
phép người quản lý đánh giá nhanh, kịp thời lớp 
phủ TTV RNM, theo dõi và giám sát được những 
khu vực khó tiếp cận. Kinh phí áp dụng UAV thấp 
hơn so với công tác điều tra, khảo sát truyền 
thống. Tuy nhiên, dữ liệu UAV cũng chịu ảnh 
hưởng bởi yếu tố thời tiết và hạn chế trong các 
nghiên cứu chuyên sâu như hiện tượng tái sinh, 
sâu bệnh của cây rừng. 
3.4. Định hướng cho các chuyến bay và xử lý 
hình ảnh UAV phục vụ cho công tác quản lý 
Từ kết quả nghiên cứu cho thấy, áp dụng UAV 
đã hỗ trợ hiệu quả trong công tác: i) xây dựng, cập 
nhật bản đồ lớp phủ TTV RNM và ii) theo dõi, 
giám sát sinh trưởng, chất lượng rừng. Việc khảo 
sát, lập kế hoạch tuyến, chiều cao, thời gian bay 
và khoảng cách giữa hai tuyến bay để xây dựng, 
cập nhật bản đồ hiện trạng là rất quan trọng. 
Đường bay chụp tại các khu vực rừng trồng thuộc 
VQGXT với chiều cao bay 100m, khoảng cách 
giữa hai tuyến bay 60m, thời gian chụp 7s/ảnh cho 
tỷ lệ chùm phủ ảnh cao, tạo lập được bản đồ lớp 
phủ TTV RNM. 
Đối với công tác theo dõi suy thoái rừng, cần 
xác định trước khu vực nghi vấn trên bản đồ và 
ảnh vệ tinh, sau đó lập kế hoạch bay và tiến hành 
bay chụp. Đặc biệt tại các khu vực khó tiếp cận 
như bãi lầy, mạng lưới cây rừng dày đặc, việc 
áp dụng dữ liệu UAV để theo dõi suy thoái rừng là 
rất hiệu quả. 
4. KẾT LUẬN VÀ KIẾN NGHỊ 
Nghiên cứu này đã đưa ra cơ sở lý luận và thực 
tiễn với việc áp dụng UAV trong công tác thu thập 
dữ liệu, xây dựng bản đồ lớp phủ TTV RNM; hỗ trợ 
giám sát các điểm suy giảm về sinh trưởng và chất 
lượng rừng tại khu vực nghiên cứu được lựa chọn. 
UAV thực sự là công cụ hỗ trợ hiệu quả cho 
người quản lý, giúp đánh giá nhanh, kịp thời 
chất lượng RNM, đặc biệt tại các khu vực xa 
xôi, biệt lập, khó tiếp cận so với phương pháp 
truyền thống. 
KHOA HỌC KỸ THUẬT THỦY LỢI VÀ MÔI TRƯỜNG - SỐ 68 (3/2020) 65 
Kết quả nghiên cứu UAV, xử lý thông qua 
phần mềm mã nguồn mở ODM phụ thuộc khá lớn 
vào đường bay chụp như chiều cao bay, khoảng 
cách giữa hai tuyến bay, thời gian chụp. 
Cần tiếp tục tiến hành các đợt bay UAV, với 
các đường bay thực nghiệm, đặc biệt tại các khu 
vực có hiện tượng suy giảm sinh trưởng và chất 
lượng cây rừng, như khu vực rừng trồng Bãi 
Trong, để có thể đưa ra bức tranh lớp phủ TTV 
rừng toàn diện, kịp thời đề xuất các giải pháp quản 
lý RNM thích hợp. 
Kết quả nghiên cứu cũng là cơ sở dữ liệu khoa 
học quan trọng, phục vụ cho các nghiên cứu tương 
tự áp dụng UAV trong thời gian tới. 
LỜI CẢM ƠN 
Cảm ơn Ban Quản lý VQG Xuân Thủy đã cho 
phép chúng tôi thực hiện nghiên cứu áp dụng 
UAV. Nghiên cứu này là một phần kết quả từ đề 
tài có mã số NE/P014127/1: MOnitoring 
Mangrove ExteNT & Services: What is 
controlling Tipping Points? - tên tiếng Việt: Giám 
sát quy mô và các dịch vụ rừng ngập mặn 
(MOMENTS): Yếu tố kiểm soát điểm tới hạn ? 
được tài trợ bởi Quỹ Phát triển Khoa học và Công 
nghệ Quốc gia (NAFOSTED) trong khuôn khổ 
Chương trình hợp tác NAFOSTED-RCUK. 
TÀI LIỆU THAM KHẢO 
Anderson, K., Gaston, K.J., 2013. Lightweight unmanned aerial vehicles will revolutionize spatial 
ecology. Front. Ecol. Environ. 11 (3), 138.  
Dahdouh-Guebas, F., Jayatissa, L.P., Di Nitto, D., Bosire, J.O., Seen, D.L., Koedam, N., 2005. How 
effective were mangroves as a defence against the recent tsunami? Current Biol. 15 (12), 443–447. 
Dandois, J., Ellis, E.C., 2013. High spatial resolution three-dimensional mapping of vegetation spectral 
dynamics using computer vision. Remote Sens. Environ. 136, 259. 
Dji, Phantom 3 Professional Quick Start Guide V1.0. 2016. 
Ha, T.H., Marchand, C., Aime, J., Nhon, Dang Hoai, Hong, Phan Nguyen, Tung, Nguyen Xuan, Cuc, 
Nguyen Thi Kim, 2017. Belowground carbon sequestration in a mature planted mangroves 
(Northern Viet Nam). Forest Ecology and Management. 
Jaskierniak, D., Kuczera, G., Benyon, R.G., Lucieer, A., 2016. Estimating tree and stand sapwood area 
in spatially heterogeneous southeastern Australian forests. J. Plant Ecol. 9 (3), 272. 
Mancini, F., Dubbini, M., Gattelli, M., Stecchi, F., Fabbri, S., Gabbianelli, G., 2013. Using Unmanned 
Aerial Vehicles (UAV) for high-resolution reconstruction of topography: the structure from motion 
approach on Coastal Environments. Remote Sens. 5, 6880. 
Masek, J.G., Hayes, D.J., Hughes, M.J., Healey, S.P., Turner, D.P., 2015. The role of re-mote sensing in 
process-scaling studies of managed forest ecosystems. Forest Ecology and Management. 355, 109-123. 
Messinger, M., Gregory, P., Asner, G.P., Silman, M., 2016. Rapid assessment of Amazon forest 
structure and biomass using small unmanned aerial systems. Remote Sens. 8, 615. 
Otero, V., Kerchove, R.V.D., Satyanarayana, B., Martínez-Espinosa, C., Fisol, M.A.B., Ibrahim, 
M.R.B., Sulong, I., 2018. Managing mangrove forests from the sky: Forest inventory using field data 
and Unmanned Aerial Vehicle (UAV) imagery in the Matang Mangrove Forest Reserve, peninsular 
Malaysia, Forest Ecology and Management. 411 (2018) 35-45. 
Rafael C. Carvalho và Colin D. Woodroffe., 2019. Morphological Exposure of Rocky Platforms: Filling 
the Hazard Gap Using UAVs. Drones2019, 3, 42;. www.mdpi.com/journal/drones. 
Sen Tran Thi Mai, Cuc Nguyen Thi Kim, Lien Le Hong, Ha Tran Viet, Quynh Pham Thi, Van Nguyen 
Thanh Thuy, Dung Pham Tien (2019), Current status of mangroves in the context of climate change in 
Xuan Thuy National park buffer zone, Nam Dinh Province, Vietnam. Proceeding of the 10th International 
Conference on Asian and Pacific Coasts (APAC 2019) Ha Noi, Vietnam. 
 KHOA HỌC KỸ THUẬT THỦY LỢI VÀ MÔI TRƯỜNG - SỐ 68 (3/2020) 66 
Walters, B.B., Rönnbäck, P., Kovacs, J.M., Crona, B., Hussain, S.A., Badola, R., Primavera, J.H., 
Barbier, E., Dahdouh-Guebas, F., 2008. Ethnobiology, socio-economics and management of 
mangrove forest: a review. Aquat. Bot. 89, 220–236. 
Wang, A., Chen, J., Jing, C., Ye, G., Wu, J., Huang, Z., Zhou, C., 2015. Monitoring the Invasion of 
Spartina alterniflora from 1993 to 2014 with Landsat TM and SPOT 6 Satellite Data in Yueqing Bay, 
China. 
Zhang, J., Hud, J., Liane, J., Fan, Z., Ouyang, X., Ye, W., 2016. Seeing the forest from drones: Testing the 
potential of lightweight drones as a tool for long-term forest monitoring. Biol. Conserv. 198, 60. 
Abstract: 
APPLICATION OF UNMANNED AERIAL VEHICLE TO MANGROVE FOREST 
MANAGEMENT, A CASE STUDY IN XUAN THUY NATIONAL PARK, NAM DINH 
This research article employed unmanned aerial vehicle (UAV) to map the mangrove cover 
management in Xuan Thuy National Park. UAV data was collected in March 2018 and 2019, focusing 
on buffer areas of the natural mangrove forests adjacent to the guarding, along the estuary and planted 
mangrove forests in Bai Trong. OpenDroneMap- as open source software- was used to mapping UAV 
images. Research results showed that selected areas of the natural mangrove forests that have grown 
healthy while the area of the planted mangrove forest in Bai Trong appeared to decrease quality, mainly 
occurred in Kandelia obovata. UAV routes, including height, distance between two Z turn-routes, 
shooting time that have remarkable influences on the success of the images mapping out of selected 
mangrove forests. Therefore, UAV is applied as an effective tool support for managers, helping to 
quickly and precisely assess mangrove cover, especially in remote, isolated and hard-to-access areas 
compared to conventional field study approach. 
Keywords: Unmanned Aerial Vehicle- UAV, Mangrove forests, Xuan Thuy National Park. 
Ngày nhận bài: 07/01/2020 
Ngày chấp nhận đăng: 26/3/2020