Phát triển kỹ thuật giám sát hỗ trợ khả năng phục hồi của rừng ngập mặn

     Để giúp chống lại sự suy giảm của các hệ sinh thái quan trọng này, các nhà nghiên cứu từ phòng thí nghiệm Global Environmental Remote Sensing (GERS) của UConn đang nỗ lực theo dõi toàn diện sức khỏe của rừng ngập mặn. Nghiên cứu gần đây của họ được công bố trên Remote Sensing of Environment tập trung vào rừng ngập mặn ở Florida để xem khu vực nào ứng phó với các cơn bão ngày càng thường xuyên và dữ dội hơn, rừng ngập mặn nào có nguy cơ bị xóa sổ hoàn toàn cao hơn.

     Tác giả chính, tiến sĩ Xiucheng Yang, cho biết, nhờ công nghệ viễn thám, hình ảnh rừng ngập mặn nhiều năm đã có sẵn, bao gồm cả hình ảnh chụp sau các cơn bão, “Sau khi bị tác động, chúng ta có thể liên tục theo dõi tình trạng rừng ngập mặn, để xem điều gì xảy ra do các sự kiện thời tiết khắc nghiệt và quá trình phục hồi đang diễn ra của rừng ngập mặn bị hư hại”, Yang nói “Chúng tôi tự hỏi liệu chúng tôi có thể sử dụng dữ liệu này để dự đoán rừng ngập mặn nào có thể phục hồi hay không”.

   Để xem điều này có khả thi hay không, Yang và nhóm nghiên cứu đã ghép một chuỗi thời gian liên tục của ảnh Landsat với một thuật toán phát hiện nhiễu loạn mà họ đã phát triển có tên là DEtection and Characterization Of the tiDal wEtland change (DECODE). Họ đã tiến thêm một bước nữa và đưa yếu tố Recovery and Resilience vào để tự động theo dõi tình trạng rừng ngập mặn, trong một phương pháp có tên là DECODER.

    Nghiên cứu này tập trung ở vùng Florida, vì những bờ biển này là nơi sinh sống của khoảng 96% rừng ngập mặn tại Hoa Kỳ. Rừng ngập mặn của Florida cũng đang chịu áp lực ngày càng tăng, với các cơn bão ngày càng mạnh và thường xuyên hơn. Sử dụng phương pháp này, các nhà nghiên cứu đã lập bản đồ tình trạng rừng ngập mặn và theo dõi quá trình phục hồi trong khoảng thời gian từ năm 2000 đến năm 2022 với độ chính xác tổng thể là hơn 97%.

    Phó Giáo sư kiêm Giám đốc Phòng thí nghiệm GERS Zhe Zhu thuộc Khoa Tài nguyên thiên nhiên và Môi trường giải thích rằng việc theo dõi quá trình phục hồi là một yếu tố quan trọng, vì một số rừng ngập mặn phục hồi tự nhiên sau các tác động trong khi những rừng khác suy thoái và một số suy thoái tệ hơn những rừng khác. Bằng cách theo dõi các điều kiện theo thời gian bằng DECODER, các nhà nghiên cứu hy vọng có thể dự đoán được những khu vực nào có nguy cơ cao nhất, để giúp xác định chính xác những khu rừng ngập mặn cần can thiệp.

    “Chúng tôi có thể cung cấp thông tin quan trọng để xác định các điểm nóng cho các nỗ lực phục hồi và tái thiết”, Yang nói. “Trước đây, các nhà nghiên cứu chỉ có thể tạo ra một bản đồ cho thấy rừng ngập mặn hiện diện hay vắng mặt. Phương pháp tiếp cận chuỗi thời gian liên tục của chúng tôi đã cung cấp thông tin chi tiết về tình trạng sức khỏe động của rừng ngập mặn, đặc biệt là quá trình phục hồi của chúng sau các sự kiện thời tiết khắc nghiệt. Khả năng này là duy nhất”.

    Yang giải thích rằng phương pháp của họ phân biệt phản ứng của rừng ngập mặn với sự tác động, phân loại chúng thành khỏe mạnh, bị tác động, đang phục hồi hoặc suy giảm.

    “Mức độ nghiêm trọng cao không có nghĩa là khả năng phục hồi của rừng ngập mặn bị suy yếu. Một số khu vực bị ảnh hưởng nặng nề vẫn có thể phục hồi tự nhiên, trong khi những khu vực khác có thể gặp khó khăn. Đó là lý do tại sao chúng tôi không chỉ đánh giá mức độ nghiêm trọng tức thời của các sự kiện mà còn ước tính tiềm năng và tốc độ phục hồi”, Yang nói thêm. “Đối với một số khu vực, chúng tôi chỉ ra rằng nếu không có sự can thiệp của con người, rừng ngập mặn có thể không bao giờ phục hồi hoặc phục hồi rất chậm”.

    Dữ liệu này rất quan trọng vì nó có thể được sử dụng để hướng các nỗ lực phục hồi đến những khu vực cần nhất. Zhu cho biết một câu hỏi quan trọng khác mà họ hy vọng sẽ giải quyết được là khả năng phục hồi của rừng ngập mặn. “Rừng ngập mặn giống như áo giáp bảo vệ chúng ta khỏi biến đổi khí hậu, nhưng khi đối mặt với mực nước biển dâng cao và thời tiết khắc nghiệt, liệu những môi trường sống quan trọng này có thể bảo vệ chúng ta không? Liệu chúng có đủ khả năng phục hồi không?”, Zhu đặt câu hỏi. Đó là câu hỏi mà mọi người đều muốn trả lời, nhưng làm sao bạn có thể đo lường điều đó trên thực tế?

    “Bằng cách sử dụng những tác động trong quá khứ để quan sát quá trình phục hồi, đó là một cách để trả lời câu hỏi đó. Đây là nơi mà chữ ‘R’ trong DECODER xuất hiện”, Zhu nói. “Phải mất bao nhiêu năm để một khu vực phục hồi về trạng thái trước đó? Và nó phục hồi càng nhanh thì khả năng phục hồi càng cao. Khu vực nào có khả năng phục hồi tốt hơn và tại sao? Thông tin đó cũng sẽ giúp các nỗ lực phục hồi làm cho rừng ngập mặn có khả năng phục hồi tốt hơn”.

    Việc sử dụng công nghệ này là một cách con người có thể làm việc với thiên nhiên để xây dựng khả năng phục hồi trước biến đổi khí hậu. Phòng thí nghiệm GERS có kế hoạch áp dụng phương pháp DECODER rộng rãi để hỗ trợ lập bản đồ rừng ngập mặn và nỗ lực phục hồi trên toàn cầu.

Được cung cấp bởi Đại học Connecticut