1. Bối cảnh
1.1 Tổng quan
Quy định mới của Liên minh Châu Âu (EU) 2023/1115 về các sản phẩm không gây phá rừng nhằm đảm bảo rằng hàng hóa được bán tại EU không góp phần vào nạn phá rừng hoặc suy thoái rừng trên toàn cầu (Nguồn: environment.ec.europa.eu). Luật này thúc đẩy việc tiêu dùng các sản phẩm “không gây phá rừng” bằng cách yêu cầu các mặt hàng như chăn nuôi, dầu cọ, đậu nành, cà phê, ca cao, cao su và gỗ phải được sản xuất trên đất không bị phá rừng sau ngày 31/12/2020, đồng thời tuân thủ các quy định môi trường và xã hội của quốc gia sản xuất (Nguồn: EU Regulation on Deforestation-free Products (EUDR) | FGP).
Trên thực tế, các công ty phải chứng minh rằng sản phẩm của họ không được trồng trên đất mới bị phá rừng và được sản xuất hợp pháp tại quốc gia nguồn gốc, kèm theo tuyên bố thẩm định (due diligence statement). Quy định này có hiệu lực từ năm 2023 và cho phép các doanh nghiệp đến giai đoạn 2025–2026 (tùy quy mô) để thích ứng, với mục tiêu cuối cùng là loại bỏ hoàn toàn các liên kết trong chuỗi cung ứng của EU với tình trạng phá rừng sau năm 2020.
Meridia đóng vai trò hỗ trợ trong quá trình tuân thủ này thông qua sáng kiến Verify Product. Nền tảng này thực hiện các kiểm tra tuân thủ toàn diện trên dữ liệu chuỗi cung ứng nhằm giúp doanh nghiệp đáp ứng yêu cầu của EUDR. Một trong các bài kiểm tra đó, DEF01, tập trung vào giám sát phá rừng bằng cách sử dụng các bản đồ nguồn mở để đánh giá liệu chuỗi cung ứng của một sản phẩm có chồng lấn với các khu vực bị mất rừng gần đây hay không.
Việc giám sát rừng trên toàn cầu là một thách thức do sự khác biệt về nguồn dữ liệu và phương pháp giữa các khu vực. Sự khác biệt trong cách phát hiện phá rừng, độ phân giải không gian và cách định nghĩa che phủ rừng có thể dẫn đến sự không nhất quán giữa các dataset. Một số dataset cung cấp độ phân giải cao cho từng khu vực cụ thể, trong khi các dataset khác có phạm vi bao phủ rộng hơn nhưng ít chi tiết hơn, dẫn đến khoảng trống hoặc sai lệch dữ liệu. Vì không có dataset nào hoàn toàn đầy đủ, việc chỉ dựa vào một nguồn dữ liệu có thể gây ra sự không chắc chắn. Việc kết hợp nhiều dataset giúp khắc phục các hạn chế này bằng cách tận dụng điểm mạnh bổ sung của từng nguồn. Cách tiếp cận tích hợp này giúp nâng cao độ chính xác và tính nhất quán trong giám sát phá rừng, đảm bảo phát hiện đáng tin cậy hơn các khu vực mất rừng sau năm 2020.
1.2 Mục tiêu
Mục tiêu chính của tài liệu này là giải thích lý do tại sao việc kết hợp các dataset JRC Global Forest Cover 2020 v2, JRC Tropical Moist Forest và Hansen Global Forest Change sẽ cải thiện bản đồ phá rừng trên phạm vi toàn cầu.
2. Hạn chế của cách tiếp cận sử dụng một dataset duy nhất
2.1 Tropical Moist Forest (TMF)
Dataset Tropical Moist Forest (TMF) của Trung tâm Nghiên cứu Chung (JRC) tập trung vào biến động che phủ rừng trong vùng nhiệt đới ẩm. Dataset này cung cấp bản đồ chi tiết về phá rừng và suy thoái rừng từ năm 1990 đến 2023 với độ phân giải 30m từ ảnh Landsat. Tuy nhiên, TMF chỉ bao phủ rừng nhiệt đới ẩm, chủ yếu là rừng mưa rậm và rừng rụng lá ẩm trong vành đai nhiệt đới. Điều này khiến TMF có phạm vi hạn chế ngoài các hệ sinh thái này.
Rừng nhiệt đới ẩm chiếm khoảng 60% tổng diện tích rừng tự nhiên nhiệt đới. Nếu chỉ sử dụng TMF, gần 40% rừng nhiệt đới (như rừng khô và rừng núi cao) sẽ không được giám sát, và toàn bộ rừng ngoài vùng nhiệt đới cũng bị bỏ qua. Vì vậy, TMF có thể bỏ sót các sự kiện phá rừng ở những khu vực như rừng khô Tây Phi do nằm ngoài phạm vi “nhiệt đới ẩm”.
2.2 Hansen Global Forest Change
Dataset Hansen Global Forest Change (liên quan đến phòng thí nghiệm GLAD – Đại học Maryland) cung cấp dữ liệu che phủ rừng và mất rừng từ năm 2000 trở đi. Dataset này dựa trên phân tích chuỗi thời gian ảnh Landsat, cung cấp bản đồ mất che phủ cây hàng năm với độ phân giải 30m. Tuy nhiên, khi sử dụng riêng lẻ để đánh giá phá rừng, dataset này có một số hạn chế:
Bao gồm cả mất rừng tạm thời và biến động nhỏ: Dataset Hansen đo “mất che phủ cây” tổng thể, bao gồm mọi trường hợp mất hoàn toàn tán cây, bất kể nguyên nhân hay tính lâu dài. Do đó, nó không phân biệt giữa phá rừng vĩnh viễn (ví dụ chuyển đổi sang nông nghiệp) và mất rừng tạm thời do khai thác hoặc thiên tai. Ví dụ, khai thác luân phiên hoặc bão gây thiệt hại cũng được ghi nhận là “mất rừng” dù khu vực có thể phục hồi. Điều này có thể dẫn đến việc đánh giá quá mức phá rừng trong các bối cảnh quản lý rừng bền vững hoặc biến động ngắn hạn.
Không phân biệt loại hình tác động: Dataset Hansen không phân loại rõ nguyên nhân mất rừng (tất cả đều là “loss”), khác với một số dataset chuyên biệt có phân biệt phá rừng, suy thoái hoặc cháy rừng. Điều này làm giảm khả năng diễn giải trong bối cảnh tuân thủ (nơi nguyên nhân và tính hợp pháp rất quan trọng).
2.3 Global Forest Cover 2020 v2
Bản đồ Global Forest Cover 2020 (GFC v2) do JRC phát triển nhằm cung cấp baseline rừng toàn cầu có độ phân giải cao cho năm 2020. Dataset này cung cấp bản đồ đồng nhất về vị trí có/không có rừng tại thời điểm cuối năm 2020 với độ phân giải 10m. Đây là dataset đặc biệt quan trọng trong bối cảnh EUDR vì mốc cắt phá rừng là ngày 31/12/2020. Tuy nhiên, khi sử dụng độc lập, GFC v2 có một số hạn chế:
Không phát hiện thay đổi: Vì chỉ thể hiện năm 2020, dataset này không thể xác định các khu vực bị phá rừng sau năm 2020. Cần kết hợp với dataset khác (như Hansen) để phát hiện thay đổi.
Tích hợp nhiều nguồn dữ liệu: Việc kết hợp nhiều nguồn giúp tăng độ chính xác, nhưng cũng có thể mang theo lỗi hoặc sai phân loại từ dữ liệu đầu vào. Một số vấn đề đã được ghi nhận như nhầm lẫn giữa rừng trồng và rừng tự nhiên, hoặc sai lệch ở khu vực cảnh quan phức tạp.
3. Kết hợp GFC v2, TMF và Hansen
Một cách tiếp cận tích hợp kết hợp các dataset GFC v2, TMF và Hansen có thể khắc phục các hạn chế riêng lẻ đã nêu ở trên. Các phần dưới đây mô tả vai trò của từng dataset trong phương pháp kết hợp này và những lợi ích đạt được từ việc tích hợp.
3.1 GFC 2020 v2 làm baseline rừng
GFC 2020 phiên bản 2 có thể được sử dụng như một baseline rừng. Dataset này cung cấp ranh giới rõ ràng về nơi có rừng tại thời điểm cutoff của EUDR (cuối năm 2020), làm cơ sở để đánh giá tất cả các thay đổi sau này. Các lý do chính để sử dụng GFC v2 làm baseline bao gồm:
Consistency with EUDR requirements: GFC v2 được phát triển специально để hỗ trợ quy định của EU bằng cách lập bản đồ che phủ rừng cho năm tham chiếu 2020 (Nguồn: publications.jrc.ec.europa.eu). Dataset này cung cấp một biểu diễn đồng nhất và nhất quán trên toàn cầu về diện tích rừng trong năm đó, phù hợp với yêu cầu của quy định là xác định “khu đất này có phải là rừng vào ngày 31/12/2020 hay không?”
High resolution and accuracy: Với độ phân giải 10 m, bản đồ GFC v2 có thể ghi nhận các mảng rừng tương đối nhỏ. Mức độ chi tiết này giúp giảm khả năng bỏ sót các khu rừng hẹp ven sông, rừng hộ gia đình quy mô nhỏ hoặc các khu rừng quy mô nhỏ khác mà các dataset có độ phân giải thấp hơn có thể không phát hiện được.
3.2 TMF để theo dõi mất rừng nhiệt đới
Các khu vực rừng nhiệt đới thường là điểm nóng về phá rừng, liên quan đến các mặt hàng như dầu cọ, ca cao, gỗ và các sản phẩm khác thuộc phạm vi điều chỉnh của EUDR. TMF mang lại nhiều lợi thế khi theo dõi biến động trong các khu vực này:
TMF được thiết kế специально để phát hiện thay đổi trong các hệ sinh thái rừng mưa nhiệt đới rậm và rừng rụng lá ẩm. Do tập trung vào khu vực này, các thuật toán và dữ liệu huấn luyện có thể được tối ưu cho điều kiện nhiệt đới, giúp đạt độ chính xác phát hiện cao trong môi trường này. TMF có thể phát hiện cả các khu vực bị chặt phá lớn và các dấu hiệu suy thoái tinh vi hơn (như khai thác chọn lọc hoặc thiệt hại do cháy rừng) mà các thuật toán toàn cầu tổng quát có thể bỏ sót.
Dataset TMF cung cấp chuỗi thời gian hàng năm (1990–2023) về biến động che phủ rừng trong vùng nhiệt đới. Các thay đổi hàng năm được phân loại chi tiết, phân biệt giữa phá rừng (chuyển đổi vĩnh viễn từ rừng sang không phải rừng) và suy thoái (biến động tạm thời hoặc một phần, nơi rừng vẫn có khả năng phục hồi). Điều này rất hữu ích cho giám sát tuân thủ: ví dụ, nếu một pixel được đánh dấu là “degraded” thay vì bị phá rừng hoàn toàn, điều đó có thể cho thấy một hoạt động khai thác chọn lọc hợp pháp thay vì phá rừng trái phép, và cần được kiểm tra thêm. TMF không coi mọi thay đổi là giống nhau.
TMF cũng có thể phát hiện phá rừng thứ cấp, nghĩa là nếu một khu rừng bị khai thác trước thời điểm cutoff của EUDR, quá trình suy thoái tiếp diễn hoặc việc khai thác muộn hơn vẫn có thể được ghi nhận trong các năm sau khi quy định có hiệu lực. Không giống như hầu hết các dataset toàn cầu chỉ tập trung vào các sự kiện phá rừng quy mô lớn trực tiếp, TMF cung cấp thông tin về các biến động rừng đang diễn ra, bao gồm cả suy thoái dần dần.
3.3 Hansen để giám sát mất rừng toàn cầu hàng năm
Khi được sử dụng kết hợp với GFC v2 và TMF, các điểm mạnh của dataset Hansen trở nên đặc biệt giá trị, bao gồm:
Complete geographic coverage: Dataset Hansen bao phủ toàn bộ các khu vực có rừng trên thế giới, từ rừng boreal (taiga) đến rừng ôn đới và rừng nhiệt đới. Điều này có nghĩa là nó bao phủ các khu vực không nằm trong TMF (ví dụ: rừng boreal ở Nga và Canada, rừng ôn đới ở châu Âu, Bắc Mỹ, Trung Quốc, cũng như các vùng nhiệt đới khô). Đối với EUDR, vốn không chỉ giới hạn ở các mặt hàng nhiệt đới, phạm vi bao phủ rộng này là rất cần thiết.
Consistency in methodology globally: Mặc dù có một số cải tiến thuật toán theo từng năm, dataset Hansen áp dụng một phương pháp thống nhất để phát hiện mất che phủ cây trên toàn cầu. Tính nhất quán này rất hữu ích khi quét diện tích lớn và đảm bảo rằng một sự kiện mất rừng ở quốc gia này được xử lý giống như ở quốc gia khác. Dataset này đóng vai trò như một công cụ phát hiện ban đầu (“first pass”). Bất kỳ pixel nào được gắn nhãn là mất rừng trong năm 2021 hoặc 2022 bởi dữ liệu Hansen sẽ ngay lập tức được chú ý để phân tích sâu hơn (kết hợp với các dataset khác và xác minh tại địa phương).
4. Kết luận
Việc giám sát phá rừng một cách chính xác là yếu tố thiết yếu để tuân thủ quy định của EU về các sản phẩm không gây phá rừng. Việc tích hợp bản đồ baseline GFC 2020 v2, dataset TMF của JRC và dữ liệu Hansen Global Forest Change tạo ra một phương pháp hiệu quả hơn để theo dõi phá rừng trên toàn cầu. Việc sử dụng nhiều dataset giúp nâng cao khả năng phát hiện mất rừng sau mốc cutoff năm 2020, đồng thời giảm thiểu các sai số có thể xảy ra khi chỉ dựa vào một nguồn dữ liệu duy nhất.
Cách tiếp cận kết hợp này giúp tăng cường quá trình xác minh chuỗi cung ứng nhằm đảm bảo không liên quan đến phá rừng gần đây. GFC v2 cung cấp mốc tham chiếu rõ ràng về che phủ rừng tại thời điểm năm 2020. TMF nâng cao khả năng phát hiện trong các khu vực nhiệt đới—nơi phá rừng là vấn đề lớn—đồng thời giúp phân biệt các loại mất rừng khác nhau. Dataset Hansen đảm bảo phạm vi bao phủ toàn cầu, giúp không bỏ sót bất kỳ khu vực nào. Khi kết hợp lại, các dataset này tạo thành một hệ thống đáng tin cậy, phù hợp với mục tiêu của EUDR trong việc bảo vệ rừng.