MÔ PHỎNG DIỄN BIẾN MẬT ĐỘ RẦY NÂU Ở TỈNH ĐỒNG THÁP DỰA TRÊN KỸ THUẬT NỘI SUY VÀ HỆ THỐNG ĐA TÁC TỬ

MÔ PHỎNG DIỄN BIẾN MẬT ĐỘ RẦY NÂU Ở TỈNH ĐỒNG THÁP DỰA TRÊN KỸ THUẬT NỘI SUY VÀ HỆ THỐNG ĐA TÁC TỬ Huỳnh Khải Vinh1, Nguyễn Nhị Gia Vinh2, Huỳnh Xuân Hiệp3 Khoa Sư phạm Toán - Tin, Đại học Đồng Tháp Email: huynhkhaivinh@gmail.com DREAM Team/UMI 209 UMMISCO-IRD, Đại học Cần Thơ Email: nngvinh@gmail.com Khoa Công nghệ Thông tin & Truyền thông, Đại học Cần Thơ Email: hxhiep@ctu.edu.vn Tóm tắt: Nghiên cứu nhằm mô diễn biến mật độ Rầy nâu vùng tỉnh Đồng Tháp, thuộc đồng sông Cửu Long dựa vào mô hình đa tác tử kỹ thuật nội suy - trọng số nghịch đảo khoảng cách, kết hợp với liệu bẫy đèn Hệ thống hỗ trợ người dùng dễ dàng theo dõi phân bố rầy nâu cánh đồng lúa nhằm kiểm soát dịch hại rầy nâu cách hiệu mang lại sản lượng cao cho nông dân Từ khóa: ước lượng phân bố rầy nâu, mô phân bố rầy nâu, kỹ thuật nội suy, hệ thống đa tác tử Abstract: The study aims to simulate the distribution of Brown plant hopper from the light traps data in Dongthap province among the Mekong Delta region based on Inverse Distance Weight interpolation technique and multi-agent system (GAMA) combined with the geographic information system (GIS) This model supports managers easily observe the distribution of Brown plant hopper populations on rice fields to control effectively the damage of Brown plant hopper and improve farmers' rice crops Keywords: brown plant hopper, Nilaparvata lugens, simulating the distribution of brown plant hopper, Inverse Distance Weight interpolation technique, multi-agent system (GAMA) GIỚI THIỆU Việc kiểm soát mật độ rầy nâu vùng quan trọng kinh tế nông dân an ninh lương thực quốc gia rầy nâu côn trùng gây hại nghiêm trọng đến sản lượng lúa [9] Rầy nâu có tên gọi khoa học Nilaparvata lugens, đối tượng truyền bệnh vàng lùn lùn xoắn [11] Những ruộng lúa non gieo sạ chưa bị rầy nâu công ruộng lúa bị nhiễm rầy với mật độ cao suất gần không (gọi tượng cháy rầy) bị giảm sản lượng đáng kể Đối phó với tình hình dịch hại rầy nâu, nhiều biện pháp áp dụng như: sử dụng thuốc hóa học, lai tạo giống lúa kháng rầy,… Tuy nhiên, việc lạm dụng thuốc hóa học để diệt rầy gây ô nhiễm môi trường Một phương pháp áp dụng mang lại hiệu cao tốn chi phí, “né rầy” [6], đưa lịch gieo sạ chung cho khu vực để tránh cao điểm phát tán rầy nâu Phương pháp đòi hỏi nhà quản lý xác định mật số rầy nâu vùng lân cận Vì vậy, mạng bẫy đèn thiết lập vùng đồng sông Cửu Long từ năm 2005, cách lấy mẫu bẫy đèn phương pháp lấy mẫu đại diện [10] [13] Trong thực tế, có một vài bẫy đèn lấy mẫu đại diện cho huyện Điều dẫn đến sai lệch lớn mật độ rầy nâu vùng huyện số lượng bẫy đèn lấy mẫu đại diện phạm vi rộng lớn (ví dụ: diện tích trung bình huyện tỉnh Đồng Tháp khoảng 346 km2 ) Do đó, nghiên cứu tiếp cận kỹ thuật nội suy hệ thống đa tác tử để ước lượng mô mật số rầy nâu vùng (nơi không lấy mẫu) nhằm hỗ trợ người quản lý dễ dàng theo dõi diễn biến mật số rầy nâu vùng xác phương pháp truyền thống có biện pháp chủ động việc phòng chống dịch hại rầy nâu cách hiệu Việc phát triển hệ thống thông tin để theo dõi mật số rầy nâu trở thành vấn đề quan tâm hàng đầu Việt Nam nước nông nghiệp Một số mô hình phát triển như: ứng dụng kỹ thuật 3D để mô di trú rầy nâu [2] [3] Mô lan truyền nâu vùng đồng sông Cửu Long, ý tưởng mô hình dựa vòng đời rầy nâu hướng gió [5] Tuy nhiên, tác giả giả thuyết huyện có mật số rầy Một nghiên cứu khác dựa kỹ thuật Unit Disk Graph để ước lượng mật số rầy nâu [13], với ý tưởng dựa hướng gió bẫy đèn tâm đường tròn để nội suy mật số rầy nâu vùng xung quanh bẫy đèn Bài viết chia thành năm phần Phần thứ giới thiệu chung tác hại rầy nâu mô hình mô lan truyền rầy nâu Phần thứ hai, mô hình hóa ước lượng phân bố rầy nâu, sơ lược kỹ thuật nội suy trọng số nghịch đảo khoảng cách phương pháp đánh giá, lựa chọn kịch thích hợp mô ước lượng phân bố rầy nâu Phần thứ ba trình bày sơ lược hệ thống đa tác tử - GAMA xử lý đồ cho việc mô phân bố rầy nâu Phần bốn trình bày kết thực nghiệm Tiếp theo, tóm tắt kết đạt số hướng phát triển nêu phần cuối ƯỚC LƯỢNG SỰ PHÂN BỐ RẦY NÂU DỰA TRÊN KỸ THUẬT NỘI SUY 2.1 Tập tính sống rầy nâu Theo quan điểm chuyên gia nông nghiệp, rầy nâu có đặc tính sau: thích sống quần tụ Những cá thể trưởng thành có hai loại: cánh dài cánh ngắn Trong đó, cá thể trưởng thành cánh dài thường bay lại ánh sáng đèn lúc ban đêm Điều cho thấy mật số rầy nâu vùng lân cận bẫy đèn có mật số xấp xỉ với số liệu lấy mẫu bẫy đèn Ngoài ra, rầy nâu sinh trưởng nhanh điều kiện môi trường thuận lợi khí hậu thức ăn dồi (lúa non) rầy nâu sinh trưởng nhanh Sự di trú rầy nâu bùng phát mật số rầy nâu lớn 10000 con/m2 thức ăn cạn kiệt (lúa giai đoạn thu hoạch), chúng chủ yếu di chuyển cách nhảy từ lúa sang lúa khác, có cá thể cánh dài bay xa Kết là, rầy nâu chủ yếu lan truyền sang vùng lân cận Trong thực tiễn, vị trí địa lý bẫy đèn đặt xa nhau, khoảng cách trung bình hai bẫy đèn 9777 mét Do đó, bẫy đèn (điểm lấy mẫu) gần điểm không lấy mẫu có hệ số ảnh hưởng lớn bẫy đèn xa Ví dụ: quan sát hình 1, thấy mật số rầy nâu điểm u1 thời điểm lấy mẫu bẫy đèn A có hệ số ảnh hưởng nhiều bẫy đèn B Hình 1: Minh họa khác biệt mật số rầy nâu vùng Từ phân tích bên cho thấy rằng, kỹ thuật nội suy trọng số nghịch đảo khoảng cách (Inverse Distance Weight – IDW) phù hợp cho việc áp dụng ước lượng mật số rầy nâu thời điểm lấy mẫu 2.2 Sơ lược kỹ thuật nội suy trọng số nghịch đảo khoảng cách Phương pháp giả thuyết rằng, điểm lấy mẫu gần vị trí dự đoán có ảnh hưởng nhiều điểm lấy mẫu xa (Fisher Embleton, 1987) (1) Trong đó: • giá trị dự đoán điểm • giá trị lấy mẫu điểm • khoảng cách điểm điểm dự đoán • n tổng số điểm lấy mẫu tham gia ước lượng cho điểm • p số mũ 2.3 Ước lượng phân bố rầy nâu dựa kỹ thuật nội suy với bán kính động (auto fitting radius) Hình 2: Bán kính động với bẫy đèn lân cận tham gia ước lượng Ước lượng mật số rầy nâu điểm quan tâm gồm có bốn bước sau:  Bước 1: Tính khoảng cách từ điểm dự đoán P đến bẫy đèn S, đặt  Bước 2: Sắp xếp khoảng cách tăng dần với t vector tạm  Bước 3: Xác định bán kính R với tâm P để thỏa điều kiện có n bẫy đèn lân cận tham gia ước lượng giá trị cho điểm P  Bước 4: Sử dụng công thức (1) để tính giá trị ước lượng P bẫy đèn nằm phạm vi bán kính R, nghĩa Bảng 1: Khoảng cách từ điểm dự đoán đến tất bẫy đèn xếp tăng 16 19 20 26 27 7 16 24 26 10 10 10 10 10 10 17 20 29 Ví dụ: Với giá trị bảng 1, n = có bẫy đèn tham gia ước lượng cho R = 9; có bẫy đèn tham gia ước lượng cho với với R = 7; có bẫy đèn tham gia ước lượng cho với R = 10 2.4 Ước lượng phân bố rầy nâu dựa kỹ thuật nội suy với bán kính cố định (fixed radius) Hình 3: Bán kính cố định với bẫy đèn lân cận tham gia ước lượng Bước 1: Tính toán giá trị ma trận khoảng cách điểm ước lượng bẫy đèn đoán; , đặt , với Trong đó, tổng số điểm dự tổng số bẫy đèn Bước 2: Sắp xếp giá trị dòng ma trận tăng dần, với t ma trận tạm Bước 3: Xác định cố định bán kính R lớn với tâm , cho có n bẫy đèn lân cận tham gia ước lượng giá trị cho Bước 4: Sử dụng công thức (1) để tính giá trị ước lượng phạm vi bán kính R, nghĩa bẫy đèn nằm Ví dụ: Với giá trị bảng 2, n = R = 10 Khi đó, có bẫy đèn tham gia ước lượng cho Tương tự, có bẫy đèn tham gia ước lượng cho bẫy đèn tham gia ước lượng cho Bảng 2: Khoảng cách từ điểm dự đoán đến tất bẫy đèn xếp tăng 16 19 20 26 27 7 16 24 26 10 10 10 10 10 10 17 20 29 2.5 Phương pháp đánh giá, chọn kịch phù hợp việc ước lượng phân bố rầy nâu Ứng với giá trị tham số n p công thức (1) cho giá trị ước lượng khác Vì để xác định kịch có độ tin cậy cao việc ước lượng phân bố rầy nâu, sử dụng kỹ thuật Cross Validation, cụ thể tính toán giá trị Root Mean Square Error (RMSE) Ý tưởng kỹ thuật sau: lấy bẫy đèn tập mẫu bẫy đèn làm điểm dự đoán, so sánh độ lệch kết ước lượng giá trị thực bẫy đèn Tiếp tục, đưa bẫy đèn trở lại tập mẫu lấy bẫy đèn khác làm điểm dự đoán, lặp lại trình cho tất bẫy đèn (2) (3) Trong đó:  Sj bẫy đèn vị trí  RMSE(Sj) giá trị RMSE bẫy đèn thứ jth  k tổng số ngày thực kiểm tra   , với , n tổng số bẫy đèn giá trị ước lượng bẫy đèn thứ jth ngày thứ ith Zj,i giá trị lấy mẫu, liệu thực tế bẫy đèn thứ jth ngày thứ ith giá trị trung bình giá trị có độ xác cao kịch bản, nhỏ kịch MÔ PHỎNG SỰ PHÂN BỐ RẦY NÂU 3.1 Sơ lược hệ thống đa tác tử - GAMA GAMA (GIS & Agent-Based Modeling Architecture) phần mềm mô phát triển nhóm nghiên cứu MSI-UMMISCO (IFI, IRD) từ năm 2007, cho phép phát mô hình mô đa tác tử [1] Mỗi thực thể hệ thống định nghĩa thành tác tử mô hình Các mô hình mô chạy GAMA viết GAML, ngôn ngữ lập trình có cú pháp dạng XML Để mô phân bố rầy nâu, đa giác (vùng) đồ mô hình hóa thành tác tử gồm có thuộc tính: mã số đa giác, mã huyện, tên huyện, mã xã, tên xã, diện tích đa giác, tọa độ tâm đa giác (kinh độ – longitude, vĩ độ – latitude) cài đặt với khối công việc sau: Khai báo môi trường mô dạng GIS Khởi tạo tham số: n p công thức (1); số liệu rầy nâu bẫy đèn Áp dụng mô hình toán, tính giá trị ước lượng cho tác tử Thiết lập cửa sổ hiển thị, biểu đồ thống kê mật số rầy nâu Hình 4: Các khối công việc mô hình mô phân bố rầy nâu 3.2 Xử lý đồ cho ước lượng mô phân bố rầy nâu Bản đồ huyện, xã chia thành đa giác nhỏ để thể rõ khác biệt mật số rầy nâu nơi xã Trong mô hình mô quan tâm mô phân bố rầy nâu diện tích đất có trồng lúa Vì vậy, sau chia nhỏ đồ xã, xóa diện tích đất trồng lúa, kết hình 5.2 Bẫy đèn Hình 5.1: Bản đồ trước xử lý Hình 5.2: Bản đồ sau xử lý THỰC NGHIỆM Xây dựng chương trình mô phân bố rầy nâu ứng với thời điểm lấy mẫu điều kiện đồng (nghĩa tất vùng có giai đoạn tuổi lúa), mô hình hóa phân bố rầy nâu thí điểm tỉnh Đồng Tháp thuộc vùng đồng sông Cửu Long Trước hết, mô hình ước lượng mật số rầy nâu cài đặt so sánh độ xác kịch ngôn ngữ R để xác định giá trị tham số n p kịch để có kết ước lượng xác cao nhất, kịch thử nghiệm với liệu rầy nâu thu thập 23 bẫy đèn 31 ngày (từ 01/07/2010 đến 31/07/2010) Sau đó, kịch có giá trị ước lượng xác cài đặt hệ thống đa tác tử để mô phân bố rầy nâu vùng tỉnh Đồng Tháp Bảng 3: Một phần liệu rầy nâu thu thập bẫy đèn năm 2010 Bẫy đèn Xã Huyện Longitude Latitude 01/07 02/07 03/07 PhongHoa LaiVung 105.6976438 10.17978961 6726 33 16 LongHau LaiVung 105.6267561 10.27223552 4420 280 142 AnHoa SaDec 105.7480341 10.30023103 20 15 TanMy LapVo 105.6507234 10.38614076 56 14 385 MyTra TPCaoLanh 105.647852 10.48181178 161 15 15 TanPTrung ChauThanh 105.7410714 10.25543547 0 AnPThuan ChauThanh 105.8946109 10.20503894 7784 5064 3116 4.1 Xác định tham số mô hình ước lượng phân bố rầy nâu Áp dụng công thức (2) (3) để tính giá trị trung bình RMSE ứng với kịch bản, ước lượng mật số rầy nâu dựa kỹ thuật nội suy với bán kính động bán kính cố định Trong kịch bản, cố gắng thử nghiệm thay đổi n số bẫy đèn lân cận tham gia ước lượng số mũ p công thức (1) Từ biểu đồ hình 6, thấy kịch ước lượng mật số rầy nâu với tham số n=3 p=2 có độ xác cao Ngoài ra, độ lệch kết ước lượng cao tăng số bẫy đèn tham gia ước lượng mật số rầy nâu cho điểm quan tâm Hình 6: Biểu đồ so sánh giá trị trung bình RMSE ứng với kịch 4.2 Mô phân bố rầy nâu sử dụng kịch có độ xác cao Kết ước lượng mật số rầy nâu vùng hiển thị với màu khác dựa trên hệ thống đa tác tử - GAMA kết hợp với hệ thống thông tin địa lý (GIS), giúp người quản lý dễ dàng khảo sát mật số rầy nâu vùng xung quanh bẫy đèn, thấy rõ khác biệt mật số rầy nâu vùng Khi khảo sát mật số rầy nâu theo thời gian lịch sử dựa mô hình mô này, người quản lý dễ dàng nhận biết khuynh hướng lan truyền rầy nâu hình hình Hình 7: Mật số rầy nâu vùng ngày 08/07/2010 Hình 8: Mật số rầy nâu vùng ngày 09/07/2010 Ngoài ra, từ kết ước lượng, thống kê mật số rầy nâu xã huyện Ví dụ: từ biểu đồ hình 9, biết xã bị nhiễm rầy nâu với mật số cao diễn biến rầy nâu xã theo thời gian Hình 9: Mật số rầy nâu trung bình xã huyện Cao Lãnh ứng với ngày 08/07/2010 Hình 10: Diễn biến mật số rầy nâu xã Phương Thịnh từ 01/07/2010 đến 31/07/2010 Biểu đồ hình 10, đường line biểu thị mật số rầy nâu cao thấp minh chứng mật số rầy nâu nơi phạm vi xã có khác biệt lớn, khác biệt chủ yếu mật số rầy nâu xã lân cận di trú sang Thông qua biểu đồ dạng line giúp chuyên gia dễ theo dõi chu kỳ phát triển rầy nâu để dễ dàng việc dự báo mật độ rầy nâu thời gian tới KẾT LUẬN 5.1 Kết đạt Chúng phát triển chương trình mô diễn biến mật độ rầy nâu thời điểm lấy mẫu, điều kiện đồng Kết mô giúp người quản lý dễ dàng theo dõi mật số rầy nâu vùng tỉnh Đồng Tháp, để có sách chủ động việc phòng chống dịch hại rầy nâu cách hiệu Theo kết phân tích nghiên cứu này, đề xuất áp dụng kỹ thuật nội suy trọng số nghịch đảo khoảng cách với tham số n = p = cho việc ước lượng mật số rầy nâu vùng tỉnh Đồng Tháp 5.2 Hướng phát triển Dựa kết mô hình mô diễn biến mật độ rầy nâu thời điểm lấy mẫu, kết hợp với mô hình sinh trưởng rầy nâu điều kiện môi trường (giai đoạn tuổi lúa, nhiệt độ, lượng mưa, hướng gió) để xây dựng mô hình dự báo mật số rầy nâu vùng LỜI CẢM ƠN Chúng xin chân thành cảm ơn Chi cục Bảo vệ Thực vật tỉnh Đồng Tháp chia sẻ kiến thức chuyên môn đặc tính sinh học rầy nâu cung cấp số liệu rầy nâu thu thập bẫy đèn, góp phần thành công lớn nghiên cứu 10 TÀI LIỆU THAM KHẢO [1] A Drogoul, Lecture notes Simulation, Đại Học Cần Thơ, 2008 http://code.google.com/p/gama-platform/ [2] A Otuka, A migration analysis of the rice planthopper Nilaparvata lugens from the Philippines to East Asia with three-dimensional computer simulations, Tokyo, The Society of Population Ecology and Springer-Verlag, Vol 47, DOI: 10.1007/s10144-005-0216-1, pages 143-150, 2005 [3] A Otuka, Migration of rice planthoppers and simulation techniques, KL Heong and B Hardy, Planthoppers: new threats to the sustainability of intensive rice production systems in Asia, Los Baños : International Rice Research Institute, pages 343-356, 2009 [4] A.N Kravchenko, Influence of Spatial Structure on Accuracy of Interpolation Methods, Soil Science Society of America, pages 1564–1571, 2003 [5] H.C Phan, H.X Huynh, and A Drogoul, An agent-based approach to the simulation of Brown Plant Hopper (BPH) invasion in the Mekong Delta, Hanoi, Vietnam, IEEE-RIVF International Conference on Computing and Communication Technologies, DOI: 10.1109/RIVF.2010.5633134, 2010 [6] Hồ Văn Chiến, Lê Quốc Cường, Đỗ Văn Vấn, Tài liệu chống rầy Trung tâm Bảo vệ Thực vật Phía Nam, Cục Bảo vệ Thực vật, Bộ NN&PTNT, 2009 [7] J Li and A.D Heap, A Review of Spatial Interpolation Methods for Environmental Scientists, Geoscience Australia, pages 57-88, 2008 [8] J Yaserbi, M Saffari, H Fathi, N Karimian, M Moazallahi and R Gazni, Evaluation and comparison of Ordinary Kriging and Inverse Distance Weighting methods for prediction of spatial variability of some soil chemical parameters, Research Journal of Biological Sciences (1), Medwell Journal, pages 93-102, 2009 [9] J.L.A Catindig, G.S Arida, S.E Baehaki, J.S Bentur, L.Q Cuong, M Norowi, W Rattanakarn, W Sriratanasak, J Xia, and Z Lu, Situation of planthoppers in Asia, In Heong KL, pages 191-220, editors 2009 [10] M Köhl, S Magnussen, M Marchett, Sampling Methods, Remote Sensing and GIS Multiresource Forest Inventory, Berlin, Springer, ISBN: 3-540-32571-9, pages 80-120, 2006 11 [...]... Delta, Hanoi, Vietnam, IEEE-RIVF International Conference on Computing and Communication Technologies, DOI: 10.1109/RIVF.2010.5633134, 2010 [6] Hồ Văn Chiến, Lê Quốc Cường, Đỗ Văn Vấn, Tài liệu về chống rầy của Trung tâm Bảo vệ Thực vật Phía Nam, Cục Bảo vệ Thực vật, Bộ NN&PTNT, 2009 [7] J Li and A.D Heap, A Review of Spatial Interpolation Methods for Environmental Scientists, Geoscience Australia, pages