Tóm tắt: Lựa chọn mô hình dự báo nguy cơ cháy rừng từ dữ liệu viễn thám và hệ thông tin địa lý

Lựa chọn mô hình dự báo nguy cơ cháy rừng từ dữ liệu viễn thám và hệ thông tin địa lýLựa chọn mô hình dự báo nguy cơ cháy rừng từ dữ liệu viễn thám và hệ thông tin địa lýLựa chọn mô hình dự báo nguy cơ cháy rừng từ dữ liệu viễn thám và hệ thông tin địa lýLựa chọn mô hình dự báo nguy cơ cháy rừng từ dữ liệu viễn thám và hệ thông tin địa lýLựa chọn mô hình dự báo nguy cơ cháy rừng từ dữ liệu viễn thám và hệ thông tin địa lýLựa chọn mô hình dự báo nguy cơ cháy rừng từ dữ liệu viễn thám và hệ thông tin địa lýLựa chọn mô hình dự báo nguy cơ cháy rừng từ dữ liệu viễn thám và hệ thông tin địa lýLựa chọn mô hình dự báo nguy cơ cháy rừng từ dữ liệu viễn thám và hệ thông tin địa lýLựa chọn mô hình dự báo nguy cơ cháy rừng từ dữ liệu viễn thám và hệ thông tin địa lýLựa chọn mô hình dự báo nguy cơ cháy rừng từ dữ liệu viễn thám và hệ thông tin địa lýLựa chọn mô hình dự báo nguy cơ cháy rừng từ dữ liệu viễn thám và hệ thông tin địa lýLựa chọn mô hình dự báo nguy cơ cháy rừng từ dữ liệu viễn thám và hệ thông tin địa lýLựa chọn mô hình dự báo nguy cơ cháy rừng từ dữ liệu viễn thám và hệ thông tin địa lýLựa chọn mô hình dự báo nguy cơ cháy rừng từ dữ liệu viễn thám và hệ thông tin địa lýLựa chọn mô hình dự báo nguy cơ cháy rừng từ dữ liệu viễn thám và hệ thông tin địa lýLựa chọn mô hình dự báo nguy cơ cháy rừng từ dữ liệu viễn thám và hệ thông tin địa lýLựa chọn mô hình dự báo nguy cơ cháy rừng từ dữ liệu viễn thám và hệ thông tin địa lýLựa chọn mô hình dự báo nguy cơ cháy rừng từ dữ liệu viễn thám và hệ thông tin địa lýLựa chọn mô hình dự báo nguy cơ cháy rừng từ dữ liệu viễn thám và hệ thông tin địa lýLựa chọn mô hình dự báo nguy cơ cháy rừng từ dữ liệu viễn thám và hệ thông tin địa lýLựa chọn mô hình dự báo nguy cơ cháy rừng từ dữ liệu viễn thám và hệ thông tin địa lýLựa chọn mô hình dự báo nguy cơ cháy rừng từ dữ liệu viễn thám và hệ thông tin địa lýLựa chọn mô hình dự báo nguy cơ cháy rừng từ dữ liệu viễn thám và hệ thông tin địa lýLựa chọn mô hình dự báo nguy cơ cháy rừng từ dữ liệu viễn thám và hệ thông tin địa lýLựa chọn mô hình dự báo nguy cơ cháy rừng từ dữ liệu viễn thám và hệ thông tin địa lýLựa chọn mô hình dự báo nguy cơ cháy rừng từ dữ liệu viễn thám và hệ thông tin địa lý

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC MỎ - ĐỊA CHẤT ĐỒN THỊ NAM PHƯƠNG LỰA CHỌN MƠ HÌNH DỰ BÁO NGUY CƠ CHÁY RỪNG TỪ DỮ LIỆU VIỄN THÁM VÀ HỆ THÔNG TIN ĐỊA LÝ NGÀNH: KỸ THUẬT TRẮC ĐỊA - BẢN ĐỒ MÃ SỐ: 9520503 TÓM TẮT LUẬN ÁN TIẾN SĨ KỸ THUẬT Hà Nội - 2023 Cơng trình hồn thành tại: Bộ mơn Đo ảnh Viễn thám, Khoa Trắc địa - Bản đồ Quản lý đất đai, Trường Đại học Mỏ - Địa chất Người hướng dẫn khoa học: PGS TS Nguyễn Văn Trung – Trường Đại học Mỏ - Địa chất GS.TS Bùi Tiến Diệu – Trường Đại học Đông Nam (Na Uy) Phản biện 1: PGS.TS Trần Vân Anh-Trường Đại học Mỏ - Địa chất Phản biện 2: PGS.TS Trịnh Lê Hùng - Học viện Kỹ thuật Quân Phản biện 3: PGS.TS Phạm Quang Vinh - Viện Địa lý Luận án bảo vệ Hội đồng đánh giá luận án cấp Trường Họp Trường Đại học Mỏ - Địa chất vào hồi 30, ngày tháng năm 2023 Có thể tìm hiểu luận án tại: - Thư viện Quốc gia - Thư viện Trường Đại học Mỏ - Địa chất MỞ ĐẦU Tính cấp thiết đề tài Các mơ hình dự báo nguy cháy rừng đều có những ưu, nhược điểm riêng và việc lựa chọn mơ hình phù hợp với điều kiện tự nhiên, xã hội, dữ liệu ở từng khu vực cụ thể là vấn đề có tính thực tiễn cao Với những lý trên, luận án “Lựa chọn mô hình dự báo nguy cháy rừng từ dữ liệu viễn thám và hệ thông tin địa lý” lựa chọn xuất phát từ nhu cầu thực tế, có ý nghĩa khoa học và thể cần thiết phải nghiên cứu Mục tiêu nghiên cứu Lựa chọn mơ hình dự báo nguy cháy rừng từ dữ liệu viễn thám hệ thông tin địa lý khu vực phía tây tỉnh Nghệ An Nội dung nghiên cứu - Tổng quan về vấn đề nghiên cứu: - Cơ sở khoa học xây dựng mơ hình dự báo nguy cháy rừng từ dữ liệu viễn thám và hệ thông tin địa lý; - Thu thập, tiền xử lý và chiết tách lớp thông tin chuyên đề từ dữ liệu viễn thám và hệ thông tin địa lý; - Nghiên cứu đề xuất qui trình xây dựng đồ dự báo nguy cháy rừng từ dữ liệu viễn thám và hệ thông tin địa lý sở kỹ thuật AHP, Rừng ngẫu nhiên (RF), Máy hỗ trợ vector (SVM), Cây phân loại hồi quy (CART); - Đánh giá và lựa chọn mơ hình phù hợp với điều kiện cụ thể khu vực phía tây tỉnh Nghệ An; - Phân tích kết Đối tượng phạm vi nghiên cứu - Đối tượng nghiên cứu mơ hình dự báo nguy cháy rừng sở kết hợp dữ liệu viễn thám, hệ thông tin địa lý và kỹ thuật học máy - Phạm vi khoa học luận án tập trung vào phân tích, đánh giá, thử nghiệm nhằm lựa chọn mô hình dự báo cháy rừng phù hợp với điều kiện cụ thể khu vực nghiên cứu - Phạm vi không gian luận án khu vực phía tây tỉnh Nghệ An Phương pháp nghiên cứu - Phương pháp phân tích, tổng hợp - Phương pháp viễn thám - Phương pháp GIS - Phương pháp học máy, phương pháp mơ hình hóa - Phương pháp thống kê Ý nghĩa khoa học thực tiễn đề tài 6.1 Ý nghĩa khoa học Góp phần hoàn thiện sở khoa học và minh chứng tính hiệu phương pháp ứng dụng dữ liệu viễn thám, GIS và kỹ thuật trí tuệ nhân tạo (học máy) xây dựng mơ hình dự báo nguy cháy rừng 6.2 Ý nghĩa thực tiễn Cung cấp thông tin và công cụ xử lý dữ liệu viễn thám, GIS nền tảng Google Earth Engine để nhà quản lý đưa biện pháp giám sát và cảnh báo sớm nguy cháy rừng Bên cạnh đó, kết nhận đề tài cũng có thể sử dụng, tham khảo công tác nghiên cứu khoa học, giảng dạy ở trường đại học, viện nghiên cứu Những điểm luận án - Lựa chọn lớp thông tin đầu vào cho mô hình dự báo nguy cháy rừng khu vực phía tây tỉnh Nghệ An từ dữ liệu viễn thám và GIS phù hợp với điều kiện khu vực nghiên cứu - Lựa chọn mơ hình dự báo nguy cháy rừng khu vực phía tây tỉnh Nghệ An bằng dữ liệu viễn thám và GIS sở thuật toán Random Forest Luận điểm bảo vệ Luận điểm 1: Các lớp thông tin đầu vào chiết xuất từ dữ liệu viễn thám và GIS (mật độ dân số, lớp phủ thực vật, độ bốc thoát nước, hướng sườn, độ dốc, tốc độ gió, độ cao, nhiệt độ bề mặt và lượng mưa trung bình tháng) cho phép xây dựng mơ hình dự báo nguy cháy rừng phù hợp với điều kiện khu vực nghiên cứu ở phía Tây tỉnh Nghệ An Luận điểm 2: Kỹ thuật học máy (thuật toán Random Forest) giúp dự báo nguy cháy rừng từ dữ liệu viễn thám và GIS với độ chính xác cao khu vực nghiên cứu Kết cấu luận án Luận án gồm 03 chương chính, phần mở đầu, kết luận - kiến nghị và tài liệu tham khảo Nội dung chính luận án trình bày 03 chương CHƯƠNG TỔNG QUAN VỀ VẤN ĐỀ NGHIÊN CỨU Tổng quan tình hình nghiên cứu và ngoài nước 1.1 Đặc điểm tài nguyên rừng Việt Nam 1.2 Hiện trạng cháy rừng Việt Nam 1.2.1 Khái niệm cháy rừng Theo Tổ chức Lương thực và Nông nghiệp Thế giới (FAO): “Cháy rừng là xuất và lan rộng đám cháy khu rừng ngoài tầm kiểm sốt người; gây những tởn thất về nhiều mặt về tài nguyên, tài sản và môi trường' (FAO, 1999) 1.2.2 Quy định cấp dự báo cháy rừng Cấp dự báo cháy rừng quy định Điều 46 Nghị định 156/2018/NĐ-CP (ngày 16/11/2018) quy định chi tiết thi hành số điều Luật Lâm nghiệp, đó cấp dự báo cháy rừng gồm cấp, từ cấp Tôi lên cấp V 1.2.3 Phân tích tình hình cháy rừng Việt Nam 1.3 Ngun nhân cháy rừng Việt Nam - Cháy rừng biến đổi khí hậu - Cháy rừng hoạt động người và sinh học 1.4 Các phương pháp dự báo cháy rừng 1.4.1 Các phương pháp dự báo cháy rừng truyền thống Các nghiên cứu về cháy rừng đã nhà khoa học Mỹ, Liên Xô (cũ), Canada, Nhật Bản, Trung Quốc quan tâm từ đầu thế kỷ 20 Các phương pháp dự báo cháy rừng truyền thống dựa mối quan hệ giữa yếu tố khí tượng, khí hậu và vật liệu dễ cháy 1.4.2 Các phương pháp sử dụng liệu viễn thám GIS Các phương pháp dự báo nguy cháy rừng sử dụng tư liệu viễn thám và GIS là trình đánh giá mức độ ảnh hưởng yếu tố tự nhiên và xã hội trình hình thành cháy rừng Các yếu tố này bao gồm (Phạm Ngọc Hùng, 2004): đặc điểm rừng, lửa kết cấu vật liệu, khí hậu và thời tiết, địa hình Ngoài ra, số mơ hình dự báo nguy cháy rừng sử dụng lớp đầu vào khoảng cách từ khu dân cư đến rừng, khoảng cách từ tuyến giao thông vào rừng, số người vào rừng trung bình ngày… (Gholamreza, 2012) 1.5 Tổng quan tình hình nghiên cứu giới và Việt Nam 1.5.1 Trên giới Cháy rừng là tượng phức tạp, khó mơ hình hóa và quản lý Có nhiều yếu tố góp phần gây cháy rừng và lan rộng, chẳng hạn yếu tố người, biến đởi địa hình và khí tượng Xây dựng mơ hình dự báo nguy cháy rừng và phân loại nguy cháy rừng là vấn đề cấp thiết, cung cấp thông tin kịp thời cho công tác bảo vệ và phát triển tài nguyên rừng Công nghệ địa không gian, bao gồm công nghệ viễn thám và hệ thống thông tin địa lý (GIS) ứng dụng rộng rãi và hiệu xây dựng mơ hình dự báo nguy cháy rừng Viễn thám và GIS cho phép thu thập dữ liệu về độ che phủ rừng để phân tích, quản lý và lập mô hình cảnh báo sớm nguy cháy rừng Jaiswal et al (2002) đã sử dụng phương pháp phân tích thứ bậc (AHP) để lập đồ nguy cháy rừng khu vực Subwatershed Gorna (bang Madhya Pradesh, Ấn Độ) dựa sở dữ liệu ảnh vệ tinh IRS và công nghệ GIS Kết thu cho thấy, gần 30% diện tích khu vực nghiên cứu có nguy cháy rừng ở mức “cao” đến “rất cao”, phù hợp với địa bàn xảy cháy rừng (Jaiswal và cộng sự, 2002) Trong nghiên cứu (Wimberly et al., 2008), tác giả đã sử dụng dữ liệu ảnh vệ tinh Landsat đa thời gian để lập đồ mức độ nghiêm trọng vụ cháy rừng ở phía nam Appalachia (Bắc Carolina, Hoa Kỳ) Chỉ số tỷ lệ bỏng chuẩn hóa (NBR) tính toán từ dải hồng ngoại sóng ngắn và hồng ngoại gần hình ảnh Landsat sử dụng để đánh giá thay đổi lớp phủ mặt đất trước và sau đám cháy Nhiều nghiên cứu đã sử dụng kỹ thuật trí tuệ nhân tạo (mạng nơron nhân tạo, rừng ngẫu nhiên, máy vector hỗ trợ) kết hợp với phương pháp phân tích thứ bậc AHP để nâng cao độ chính xác mơ hình dự báo nguy cháy rừng từ dữ liệu viễn thám và GIS (Vasilakos et al., 2009; Oliveira và cộng sự, 2012; Bùi Tiến Diệu và cộng sự, 2016, 2017) Các kỹ thuật hồi quy hồi quy bội (Oliveira và cộng sự, 2012), hồi quy logistic (Pourghasemi, 2015), hồi quy theo trọng số địa lý (GWR) (Fernandez và cộng sự, 2012), kỹ thuật khai thác dữ liệu (Arpaci và cộng sự, 2014) là cịn sử dụng để xây dựng mơ hình dự báo nguy cháy rừng sở đánh giá mối quan hệ giữa yếu tố tự nhiên - xã hội với khả xảy cháy rừng 1.5.2 Trong nước Ở Việt Nam, số nghiên cứu đã sử dụng dữ liệu nhiệt độ bề mặt đất tính toán từ ảnh hồng ngoại nhiệt Landsat và MODIS để cảnh báo sớm vùng có nguy cháy rừng cao (Vương Văn Quỳnh, 2005; Đoàn Hà Phong, 2007; Trần Quang Báo và nnk., 2016) Dữ liệu viễn thám hồng ngoại nhiệt cũng sử dụng nghiên cứu (Trinh và Zablotskii, 2017) để phát cháy than bề mặt mỏ than Các nghiên cứu (Nguyễn Ngọc Thạch và cộng sự, 2015; Đặng Ngô Bảo Toàn, 2021; Hoàng và cộng sự, 2020) cũng đã sử dụng dữ liệu viễn thám và GIS để lập đồ nguy cháy rừng ở khu vực khác ở Việt Nam dựa kỹ thuật máy học Kết thu cho thấy kỹ thuật máy học cho phép phân loại rủi ro cháy rừng với độ chính xác cao so với phương pháp truyền thống sử dụng kỹ thuật phân tích thứ bậc (AHP) Nhìn chung, nghiên cứu đã chứng minh hiệu công nghệ viễn thám và GIS xây dựng mơ hình dự báo nguy cháy rừng phục vụ công tác giám sát, giảm thiểu thiệt hại cháy rừng gây 1.6 Thảo luận vấn đề nghiên cứu Phân tích nghiên cứu thế giới và Việt Nam cho thấy, mơ hình dự báo nguy cháy rừng phù hợp với điều kiện tự nhiên - xã hội từng vùng, áp dụng cho vùng khác Vì vậy, từng khu vực cụ thể, cần nghiên cứu, đánh giá nguyên nhân cháy rừng, từ đó lựa chọn, xây dựng mơ hình dự báo nguy cháy rừng phù hợp Với phát triển mạnh mẽ kỹ thuật trí tuệ nhân tạo những năm gần đây, việc sử dụng thuật tốn học máy xây dựng mơ hình dự báo nguy cháy rừng là hướng tiếp cận phù hợp và hiệu dựa dữ liệu viễn thám và dữ liệu GIS 1.7 Tiểu kết chương Trong chương 1, NCS đã phân tích đặc điểm tài nguyên rừng Việt Nam, nguyên nhân cháy rừng, phương pháp dự báo nguy cháy rừng, đánh giá tởng quan tình hình nghiên cứu thế giới và Việt Nam Từ những kết thu được, nghiên cứu sinh đã luận giải những vấn đề tồn tại, đề xuất giải pháp luận án nhằm nâng cao hiệu công tác cảnh báo sớm nguy cháy rừng CHƯƠNG CƠ SỞ KHOA HỌC XÂY DỰNG MƠ HÌNH DỰ BÁO NGUY CƠ CHÁY RỪNG TỪ DỮ LIỆU VIỄN THÁM VÀ HỆ THÔNG TIN ĐỊA LÝ 2.1 Đặc điểm khu vực nghiên cứu Khu vực nghiên cứu nằm ở phía Tây tỉnh Nghệ An, thuộc vùng Bắc Trung Bộ Việt Nam, có tọa độ địa lý từ 18º33' đến 20º01'N, 103º52' đến 105º48'E Hình 2.1 Vị trí địa lý tỉnh Nghệ An 2.2 Tổng quan liệu xây dựng mô hình dự báo cháy rừng 09 nhân tố để xây dựng mơ hình dự báo nguy cháy rừng, bao gồm: + Mật độ dân số + Lớp phủ thực vật (chỉ số NDVI) + Bốc bề mặt + Khía cạnh + Độ dốc + Tốc độ gió 12 2.5 Nghiên cứu lựa chọn mô hình dự báo nguy cháy rừng từ liệu viễn thám và hệ thơng tin địa lý 2.5.1 Phương pháp phân tích thứ bậc AHP Phương pháp AHP phát triển bởi Saaty những cách tiếp cận phân tích đa chỉ tiêu (MCA) linh hoạt thuận lợi nhất, đã sử dụng rộng rãi xây dựng mơ hình dự báo nguy cháy rừng từ dữ liệu viễn thám và GIS Trong mơ hình dự báo nguy cháy rừng theo phương pháp AHP, yếu tố đầu vào có giá trị trọng số ảnh hưởng riêng, từ đó xây dựng đồ phân vùng nguy cháy rừng 2.5.2 Phương pháp sử dụng thuật toán Rừng ngẫu nhiên Hình Sơ đờ thuật tốn RF phân loại (chỉnh sửa từ nguồn: https://www.section.io/) 13 2.5.3 Phương pháp sử dụng thuật toán Máy hỗ trợ vector Hình Mơ tả vector hỗ trợ thuật toán SVM 2.5.4 Phương pháp sử dụng thuật toán phân loại hời quy Hình Mơ tả thuật tốn Cây Phân loại và hồi quy CART (ng̀n: https://www.javatpoint.com/) 14 Hình Sơ đờ quy trình cơng nghệ lựa chọn mơ hình dự báo nguy cháy rừng từ liệu viễn thám GIS 2.6 Tiểu kết chương Trong chương 2, lựa chọn 09 lớp dữ liệu đầu vào mơ hình dự báo nguy cháy rừng bao gồm: mật độ dân số, lớp phủ thực vật, bốc thoát nước bề mặt, độ cao , độ dốc, khía cạnh, tốc độ gió, nhiệt độ bề mặt đất và lượng mưa trung bình hàng tháng 04 phương pháp đã thử nghiệm bao gồm: kỹ thuật AHP và 03 phương pháp học máy (RF, SVM, CART) 15 CHƯƠNG THỰC NGHIỆM DỰ BÁO NGUY CƠ CHÁY RỪNG KHU VỰC PHÍA TÂY TỈNH NGHỆ AN TỪ DỮ LIỆU VIỄN THÁM VÀ HỆ THÔNG TIN ĐỊA LÝ 3.1 Đặc điểm liệu sử dụng 3.1.1 Dữ liệu viễn thám 65 cảnh Sentinel 2A và Sentinel 2B chụp từ ngày 15 tháng 11 năm 2021 đến ngày 16 tháng năm 2022, 15 Ảnh đa phổ Landsat OLI_TIRS với đường dẫn/hàng 127/047, 127/046 và 128/046 chụp khoảng thời gian từ ngày 15 tháng 11 năm 2021 đến ngày 16 tháng năm 2022 Hình 6: Dữ liệu ảnh Sentinel MSI khu vực nghiên cứu 3.1.2 Dữ liệu GIS Dữ liệu độ cao Shuttle Radar Topography Mission (SRTM) với độ phân giải không gian 30m (Hình 7) thu thập và xử lý để xây dựng ́u tố địa hình cho mơ hình dự báo cháy rừng, bao gồm độ cao, hướng và độ dốc Hình 7: Mơ hình SRTM khu vực nghiên cứu Dữ liệu mật độ dân số thu thập từ sở dữ liệu WorldPop 16 (https://data.worldpop.org/) Trong đó, tốc độ gió và lượng mưa trung bình hàng tháng thu thập từ sở dữ liệu WorldClim (https://data.worldclim.org/) 3.2 Kết xây dựng lớp thơng tin chun đề Hình ảnh Sentinel MSI sau thu thập tiền xử lý sử dụng để tính tốn chỉ số thực vật NVDI Trong đó, ảnh Landsat dùng để tính tốn nhiệt độ bề mặt đất theo mơ hình NASA Kết thành lập đồ lớp phủ thực vật (chỉ số NDVI), bốc thoát nước bề mặt tầng nhiệt độ bề mặt đất khu vực phía Tây tỉnh Nghệ An từ tư liệu viễn thám trình bày Hình Hình 8: Các lớp liệu NDVI, NMDI nhiệt độ bề mặt đất cho mô hình dự báo nguy cháy rừng Hình 9: Các lớp liệu Độ cao, Độ dốc hướng sườn cho mơ hình dự báo nguy cháy rừng 17 Hình 10 trình bày tốc độ gió, lượng mưa trung bình tháng và lớp đầu vào mật độ dân số mơ hình dự báo nguy cháy rừng ở khu vực phía Tây tỉnh Nghệ An Do độ phân giải dữ liệu thu thập từ sở dữ liệu WorldPop và WorldClime là 1000m nên để phù hợp với lớp dữ liệu khác mô hình dự báo rủi ro cháy rừng, lớp dữ liệu này nội suy thành kích thước pixel 10m Hình 10: Các lớp liệu tốc độ gió, lượng mưa trung bình hàng tháng mật độ dân số cho mơ hình dự báo nguy cháy rừng 3.3 Kết lập đồ dự báo nguy cháy rừng từ liệu viễn thám GIS 3.3.1 Dự báo nguy cháy rừng kỹ thuật AHP Từ lớp đầu vào mơ hình dự báo nguy cháy rừng lựa chọn luận án, đánh giá vai trò từng nhân tố ảnh hưởng đến khả xảy cháy rừng thông qua ma trận so sánh cặp chỉ tiêu bằng phương pháp AHP Kết dự báo nguy cháy rừng khu vực phía Tây tỉnh Nghệ An bằng kỹ thuật AHP thể Hình 11, đó nguy cháy rừng phân thành cấp: thấp, thấp, trung bình, cao cao 18 Hình 11: Bản đồ vùng nguy cháy rừng sử dụng kỹ thuật AHP 3.3.2 Dự báo nguy cháy rừng thuật toán RF Để dự báo nguy cháy rừng bằng thuật toán Random Forest, luận án đã thử nghiệm với nhiều giá trị khác tham số numberOfTrees Kết thu cho thấy thuật toán RF với tham số numberOfTrees bằng 100 có độ xác cao dự báo nguy cháy rừng Bản đồ phân vùng nguy cháy rừng khu vực phía Tây tỉnh Nghệ An thành lập bằng thuật toán RF (100) trình bày Hình 12 19 Hình 12: Bản đờ vùng nguy cháy rừng sử dụng thuật tốn RF(100) 3.3.3 Dự báo nguy cháy rừng thuật toán SVM Để đánh giá nguy cháy rừng bằng thuật toán SVM, nghiên cứu này đã thử nghiệm với giá trị khác tham số chi phí (C) Hình 13: Bản đờ vùng nguy cháy rừng sử dụng thuật toán SVM(25) 20 Tham số C cho thuật toán SVM biết cách cân bằng hai mục tiêu cạnh tranh nhằm tối đa hóa chênh lệch giữa hai lớp không cho phép mẫu bị phân loại sai Nếu C = thuật tốn không cho phép mẫu bị phân loại sai Nếu C > thuật tốn đánh đổi số mẫu bị phân loại sai để tìm lề phân tách tốt điểm cịn lại Từ việc phân tích phân bố số liệu cháy rừng, tham số C=25 cho phép dự báo nguy cháy rừng khu vực nghiên cứu với độ xác cao (Hình 13) 3.3.4 Dự báo nguy cháy rừng thuật toán CART Tương tự thuật toán học máy RF và SVM, để dự báo nguy cháy rừng khu vực phía Tây tỉnh Nghệ An bằng thuật toán CART, luận án đã thử nghiệm với giá trị tham số maxNodes khác nhau, tương ứng với số lượng tham số số nút tối đa quyết định Kết thu cho thấy, với giá trị tham số maxNodes 30, kết dự báo nguy cháy rừng có độ xác cao so sánh với số liệu thực địa (Hình 14) Hình 14: Bản đờ vùng nguy cháy rừng sử dụng thuật toán CART(30) 21 3.4 Đánh giá độ xác mơ hình dự báo nguy cháy rừng Dữ liệu thực địa từ sở dữ liệu Cục Kiểm lâm (Bộ NN&PTNT) gồm 36 điểm cháy và 61 điểm không cháy sử dụng để so sánh, đánh giá độ xác mơ hình dự báo nguy cháy rừng (Bảng 1) Kết thu cho thấy, mơ hình sử dụng thuật tốn RF100 có độ xác cao nhất, đó 31/36 điểm cháy phân bố ở khu vực có mức độ cháy cao cao.b) Đánh giá dựa đường cong ROC Bảng So sánh kết dự báo nguy cháy rừng giữa mơ hình Cấp độ nguy cháy rừng Thuật Rất Rất Thấp TB Cao toán thấp cao Điểm cháy 19 Điểm không cháy 11 18 21 Điểm cháy 23 Điểm không cháy 14 25 15 Điểm cháy 2 20 Điểm không cháy 17 17 12 Điểm cháy 29 Điểm không cháy 11 10 30 Điểm cháy 2 24 CART30 Điểm không cháy 10 19 29 SVM30 Điểm cháy 25 RF3 RF100 RF200 CART5 22 SVM25 AHP Điểm không cháy 38 15 Điểm cháy 11 18 Điểm không cháy 17 28 Điểm cháy 15 Điểm không cháy 31 22 Ngoài ra, nghiên cứu sử dụng đường cong ROC và chỉ số AUC để đánh giá độ chính xác mơ hình dự báo nguy cháy rừng (Bảng 2), đó thuật toán RF100 cũng có giá trị AUC cao Bảng Giá trị AUC mơ hình học máy RF RF CART CART SVM SVM RF (3) (5) (30) (25) (30) (100) (200) AUC 0.947 0.951 0.938 0.905 0.916 0.756 0.743 3.5 Xây dựng công cụ xử lý liệu tảng GEE Trong nghiên cứu, nghiên cứu sinh sử dụng ngơn ngữ lập trình JavaScript giao diện Code Editor để xử lý dữ liệu ảnh Landsat 8/9 Sentinel MSI GIS (Hình 15) Hình 15: Công cụ xử lý dữ liệu địa không gian nền tảng GEE 23 3.6 Tiểu kết chương Trong chương 3, mơ hình dự báo nguy cháy rừng khu vực phía Tây tỉnh Nghệ An đã thử nghiệm để lựa chọn mơ hình phù hợp cho khu vực nghiên cứu Trên sở so sánh, đánh giá kết dự báo nguy cháy rừng từ mơ hình đề xuất và dữ liệu thực tế từ sở dữ liệu Cục Lâm nghiệp, phương pháp sử dụng thuật toán Random Forest với giá trị tham số numberOfTrees 100 (RF100) có độ chính xác cao Trong Chương 3, công cụ phần mềm cũng xây dựng nền tảng điện toán đám mây GEE để xử lý dữ liệu viễn thám và GIS KẾT LUẬN VÀ KIẾN NGHỊ Kết luận Trong nghiên cứu này, 09 yếu tố ảnh hưởng đến nguy cháy rừng bao gồm lớp phủ thực vật (chỉ số NDVI), bốc thoát nước bề mặt, độ cao, độ dốc, hướng, tốc độ gió, nhiệt độ bề mặt đất, lượng mưa trung bình tháng và mật độ dân số sử dụng để lập đồ nguy cháy rừng dựa kỹ thuật AHP và thuật toán RF, SVM, CART Dữ liệu hình ảnh Sentinel MSI, MODIS và Landsat 8/9 sử dụng để tạo lớp dữ liệu lớp phủ thực vật, thoát nước và nhiệt độ bề mặt đất Các lớp dữ liệu địa hình bao gồm độ dốc, độ cao và khía cạnh xây dựng từ mơ hình SRTM với độ phân giải khơng gian 30m Mật độ dân số, lượng mưa trung bình hàng tháng và yếu tố tốc độ gió xây dựng từ sở dữ liệu WorldPop và WorldClim Kết thu cho thấy thuật toán RF với tham số numberOfTrees 100 cho phép dự báo nguy cháy rừng với độ chính xác cao Qua phân tích 36 điểm từng xảy cháy cho thấy, 31/36 điểm phân bố địa bàn có mức độ nguy cháy cao và cao Kết 24 thu có thể sử dụng hiệu cho công tác giám sát, cảnh báo sớm nguy cháy rừng và góp phần giảm thiểu thiệt hại cháy rừng gây Kiến nghị Do khả chủ động nguồn dữ liệu viễn thám và GIS, bước tiếp theo xây dựng phần mềm tự động cập nhật bóc tách lớp đầu vào mơ hình dự báo nguy cháy rừng, từ đó đưa kết dự báo kịp thời Ngoài dữ liệu chỗ từ sở dữ liệu Cục Kiểm lâm (Bộ Nông nghiệp Phát triển nông thôn), cần thu thập dữ liệu khác về khu vực từng xảy cháy rừng để giúp tăng độ xác mơ hình học máy q trình học tập phân loại 25 DANH MỤC CƠNG TRÌNH ĐÃ CƠNG BỐ CỦA TÁC GIẢ [1] Đoàn Thị Nam Phương, Nguyễn Văn Trung, Bùi Tiến Diệu (2018) Sử dụng chỉ số phổ liệu ảnh vệ tinh Sentinel-2 Landsat-8 thành lập bản đồ mức độ cháy rừng xã Na Ngoi, Kỳ Sơn, Nghệ An,, Hội nghị ERSD, trang 71 [2] Nguyễn Văn Trung, Đoàn Thị Nam Phương, Bùi Tiến Diệu (2018) Sử dụng chỉ số phổ liệu ảnh vệ tinh Sentinel-2 Landsat-8 thành lập bản đồ mức độ cháy rừng xã Na Ngoi, Kỳ Sơn, Nghệ An, Tạp chí Khoa học kỹ thuật Mỏ - Địa chât ISSN 1859-1469 Tâp 59 Kỳ 5, trang 44 [3] Doan Thi Nam Phuong, Nguyen Van Trung, Bui Tien Dieu (2019) Evaluation of forest fire on Na Ngoi commune, Ky Son, Nghe An using Sentinel 2A and Landsat-8 Operational Land Imager (OLI) spectral indices, Hội nghị Khoa học Quốc tế Forum, trang 71 (Bài báo đăng kỷ yếu Hội nghị Quốc tế có phản biện) [4] Đoàn Thị Nam Phương, Nguyễn Văn Trung, Phạm Thị Thanh Hòa, Trần Thanh Hà, Lê Thanh Nghị (2019) Quy trình thành lập bản đồ mức độ cháy rừng liệu ảnh vệ tinh Sentinel-2 Tạp chí Tài ngun và Mơi trường ISSN 1859-1477 số 19 kì tháng 10, trang 30 [5] Đoàn Thị Nam Phương, Nguyễn Văn Trung, Bùi Tiến Diệu, Nguyễn Văn Sơn, Trần Thị Trúc Mai, Ngô Thanh Xuân (2020) Xây dựng chuẩn hóa sở liệu thành phần phục vụ dự báo nguy cháy rừng, Hội nghị ERSD, trang 71 [6] Doan Thi Nam Phuong, Nguyen Van Trung, Pham Thi Thanh Hoa, Tran Thanh Ha, Le Thi Thu Ha (2022) Forest Fire Risk Assessment and Mapping Using Support Vector Machine Algorithm, A Case Study in Nghe An Province, Viet Nam European Geographical Studies 9(1), - 12, DOI: 10.13187/egs.2022.1.3