Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống
1
/ 16 trang
THÔNG TIN TÀI LIỆU
Thông tin cơ bản
Định dạng
Số trang
16
Dung lượng
1,63 MB
Nội dung
CHƯƠNG III: THỰC NGHIỆM ỨNGDỤNGMÔHÌNHNEURONNETWORKTRONGCÔNGTÁCSỬDỤNGĐẤTTẠIHUYỆNTHÁI THỤY-THÁI BÌNH 3.1 Khái quát chung 3.1.1 Khái niệm chung môhìnhNeuronNetwork Mạng nơ ron nhân tạo tính toán khả chuyển đổi sửdụngđấtTrongmôhình LCM, môhình chuyển đổi sử Similarity-Weighted Instance-Based Machine Learning (SimWeight), Logistic Regression Multi-Layer Perceptron (MLP) neural network Mạng nơ ron nhân tạo (Artificial Nerual Networks – ANNs) xây dựng từ năm 1940 Với việc ứngdụng thuật toán lan truyền ngược (back propagation algorithm) năm 1988, ANN trở nên quen thuộc sửdụng nhiều ngành tài nguyên tài nguyên môi trường, đặc biệt dự báo sửdụngđất 3.1.2 Khái quát chung môhình biến động sửdụngđấtMôhình biến động sửdụngđất (Land Change Modeler) – công cụ mà việc phân tích biến động sửdụngđấtmôhình hóa kết hợp với yếu tố sinh địa lý với phát thải hiệu ứng nhà kính, Mô dun môhình hóa biến động dựa vào ma trận chuỗi Markov đồ khả chuyển đổi mà tính toán từ hồi quy logic mạng thần kinh nhân tạo Mục đích toán môhình hóa phần nhằm xác định mức độ khả chuyển đổi sửdụngđất đơn vị điều kiện tự nhiên theo không gian thời gian Bên cạnh đó, môhình Land change modeler sửdụng để dự báo sửdụngđất năm 2021 Từ đánh giá vai trò kết dự báo quy hoạch sửdụng theo mục tiêu phát triển bền vững 3.2 Dữ liệu biến dùngmôhình dự báo xử dụngđất Dữ liệu môhình cần chuẩn hóa theo định dạng liệu phần mềm IDRISI Dữ liệu tổng hợp theo bảng 3.1 sau: Bảng Bảng định dạng liệu stt Tên lớp liệu Dạng liệu Số hàng cột Hiện trạng sửdụngđất 1989 Số thực 3052,2272 Hiện trạng sửdụngđất 2001 Số thực 3052,2272 Hiện trạng sửdụngđất 2005 Hiện trạng sửdụngđất 2013 Bản đồ địa mạo Số thực 3052,2272 Bản đồ thổ nhưỡng Số thực 3052,2272 Lớp liệu xói lở, bồi tụ 1989 – 2001 Số thực 3052,2272 Lớp liệu khoảng cách tới đường bờ Số thực 3052,2272 3.3 Kết hợp môhìnhNeuronnetwork Marko_CA dự báo sửdụngđất Có nhiều cô cụ môhình hóa sửdụngđất khác Cellular Automata (CA) Markov, Markov chain, GEOMOD, Môhình LCM (Land Change Modeler) tích hơp CA-Marrkov mạng nơ ron nhân tạo (neural network) nhằm dự báo sửdụngđất tương lai Hình 3.1 sau mô tả quy trình môhình hóa dự báo sửdụngđất năm 2021 huyệnThái Thụy, TháiBình Bản đồ sdđ 1989 Bản đồ sdđ 2001 Bản đồ sdđ 2005 Bản đồ sdđ 2013 Bản đồ biến động 1989-2001 Bản đồ biến động 2001-2005 Bản đồ biến động 2005-2013 Likelihood 1989-2001 Likelihood 2001-2005 Likelihood 2005-2013 Điều kiện tự nhiêu (địa mạo, thổ nhưỡng, khoảng cách tới đường bờ, biến động đường bờ) Xác suất chuyển đổi đối tượng năm 1989-2001 Xác suất chuyển đổi đối tượng năm 2001-2005 Xác suất chuyển đổi đối tượng năm 2005-2013 CA Markov Bản đồ dự báo sửdụngđất năm 2013 Bản đồ dự báo sửdụngđất năm 2009 Bản đồ dự báo sửdụngđất năm 2021 Đánh giá độ xác môhình Mạng neuronnetworkHình Quy trình môhình hóa sửdụngđất Quy trình môhình hóa thực với mục tiêu:1) đánh giá quan hệ khả chuyển đổi sửdụngđất với điều kiện tự nhiên (trình bày mục 3.2.1); 2) Đánh giá độ xác môhình dự báo sửdụngđất năm 2009 2013 (trình bày mục 3.2.2); 3) Ứngdụngmôhình kiểm chứng mục 3.2.3 để dự báo sửdụngđất năm 2021 (mục 3.2.3) 3.3.1 Đánh giá khả chuyển đổi sửdụngđất mối quan hệ với điều kiện tự nhiên huyệnThái Thụy, TháiBình Khả chuyển đổi có giá trị từ đến Giá trị cao xác suất chuyển đổi lớn Trong đó, giá trị xác suất chuyển đổi, giá trị chắn chuyển đổi Kết đầu mạng thần kinh nhân tạo xác suất chuyển đổi cặp biến động sửdụngđất Trên cặp biến động sửdụng đất, xác suất chuyển đổi chúng có phân bố theo yếu tố tự nhiên, cụ thể thổ nhưỡng, địa mạo, khoảng cách tới đường bờ, xói mòn bồi tụ Mối quan hệ phân tích thể sau: Biến động đất lúa hoa màu Trong giai đoạn 1989 – 2001, biến động đất lúa hoa màu theo ba hướng: đất lúa hoa màu chuyển thành đất dân cư; lúa hoa màu chuyển thành đất nuôi trồng thủy sản; đấttrồng cói chuyển đổi thành đất lúa hoa màu Trong đó, khả chuyển đổi đất lúa hoa màu thành đất nuôi trồng thủy sản nhỏ không đáng kể (giá trị chuyển đổi