Ma trận chuyển dịch dựa vào mô hình Markov cho phép dựa vào 2 bản đồ hiện trạng ở 2 thời điểm khác nhau có thể xác định được ma trận chuyển dịch (có quy luật) giữa 2 thời điểm.
Khởi động mô hình Markov: Modeling/Environmental-Simulation Models/MARKOV.
First (earlier) land cover image: nhập dữ liệu bản đồ TCD.
Second (later) land cover image: nhập dữ liệu bản đồ TCT.
Prefix for output conditional probability images: tên ma trận chuyển dịch đầu ra.
Number of time periods between the first and second land cover images: khoảng thời gian giữa 2 thời điểm TCD và TCT.
Number of time periods to project foward from the second image:
khoảng thời gian dựbáo trong tương lai.
Kết quả của bước này là xác định được ma trận chuyển dịch giữa các lớp thông tin trong giai đoạn cần nghiên cứu. Ma trận chuyển dịch là cơ sở để mô hình có thể dự báo sự thay đổi của đối tượng nghiên cứu trong tương lai. Bao gồm: ma trận chuyển dịch xác suất, ma trận chuyển dịch diện tích các lớp, và một tập hợp các hình ảnh xác suất có điều kiện.
Các ma trận chuyển dịch xác suất là 1 file văn bản ghi lại xác suất mà mỗi lớp phủ sẽ thay đổi. Các ma trận chuyển dịch diện tích là 1 file văn bản ghi lại diện tích dự kiến thay đổi từ các lớp đối tượng trong tương lai. Tập các hình ảnh xác suất có điều kiện báo cáo xác suất mà từng loại lớp phủ sẽ biến đổi trong tương lai.
Hình 3.30. Ma trận chuyển dịch xác suất giữa các lớp
3.3.4. Mô hình hóa sự biến động sử dụng đất và lớp phủ mặt đất dựa vào bài toán CA_Markov
Với ưu điểm là đưa được yếu tố không gian vào bài toán thống kê Markov, mô hình CA_Markov cho phép dự báo sự biến đổi của sử dụng đất trong khoảng thời gian xác định.
* Dự báo biến động sử dụng đất, lớp phủ mặt đất tỉnh Phú Thọđến năm 2015
Dựa trên nguồn tư liệu đầu vào là bản đồ hiện trạng sử dụng đất năm 2005 và năm 2010, mô hình CA_markov cho phép dựbáo được sự biến động của sử dụng đất tỉnh Phú Thọđến năm 2015.
Trên Idrisi, chọn Modeling / Environmental-Simulation Models / CA_MARKOV để khởi động module Markov_CA
Hình 3.32.Mô hình hóa biến đổi lớp phủ mặt đất dựa vào CA_Markov
Basic land cover image: nhập dữ liệu bản đồ lớp phủ TCT.
Markov trasition areas file: ma trận chuyển dịch giữa các lớp đối tượng.
Transition suitability image collection: tập ảnh phân cấp thích hợp
Output land cover projection: tệp dữ liệu đầu ra (bản đồ lớp phủ trong tương lai)
Với việc sử dụng 7 bản đồ phân cấp thích hợp làm ngưỡng giới hạn của biến động lớp phủ mặt đất tỉnh Phú Thọ, kết quả mô hình hóa được thể hiện trong hình sau:
Hình 3.33. Kết quả mô hình hóa biến đổi sử dụng đất tỉnh Phú Thọ đến năm 2015
Mục đích chính của công đoạn này là dựa trên kết quả mô hình hóa biến đổi đất tỉnh Phú Thọ đến 2015 để đánh giá mức độ chính xác của quá trình mô hình hóa cho giai đoạn tiếp theo.
Sử dụng chức năng kiểm chứng (Validate) của phần mềm Idrisi: GIS Analysis / Change – Time Series / Validate, so sánh kết quả mô hình hóa sử dụng đất đến năm 2015 và bản đồ lớp phủ bề mặt năm 2015:
Hình 3.34. Kiểm chứng kết quả mô hình hóa và bản đồ lớp phủnăm 2015
Kết quả được thể hiện trong hình 3.35 như sau:
Hình 3.35. Kết quả kiểm chứng kết quả mô hình hóa và bản đồ lớp phủ năm 2015
Hình trên cho thấy kết quả mô hình hóa đạt tỷ lệ chính xác khá cao (70%) so với bản đồ hiện trạng năm 2015. Kết quả này cho phép đề tài mô hình hóa sự biến đổi đất tỉnh Phú Thọđến năm 2020 và 2025.
Ứng dụng mô hình phân tích chuỗi Markov kết hợp với thuật toán Mạng tự động để dự báo biến đổi lớp phủ mặt đất khu vực nghiên cứu tới năm 2020 và 2025 cho kết quả cụ thể như sau:
Bảng 3.10. Diện tích các loại hình sử dụng đất tỉnh Phú Thọcác năm 2005, 2010, 2015, 2020, 2025 (đơn vị: ha)
Diện tích(ha) So sánh diện tích các năm
Năm 2005 Năm 2010 Năm 2015 Năm 2020 Năm 2025 2005-2020 2005-2025
Rừng kín 45632,88 41586,52 43599,57 37600,83 37459,73 -8032,05 -8173,15 Rừng t.bình 34461,09 36508,14 36495,09 27485,19 28578,71 -6975,90 -5882,38 Rừng thưa 172277,55 170745,62 178744,27 183741,66 185374,98 11464,11 13097,43 Cây bụi 10194,66 16336,26 14446,96 15146,96 15577,37 4952,30 5382,71 Mặt nước 18827,46 15219,27 14218,91 14327,92 12448,86 -4499,54 -6378,6 Đất x.dựng 9034,02 27728,46 41475,58 46649,53 48352,06 37615,51 39318,04 Đất trống 62584,02 44891,01 24048,27 28085,67 25247,98 -34498,35 -37336,04 Hình 3.38. Biểu đồ thể hiện diện tích các loại hình sử dụng đất tỉnh Phú Thọ các năm 2005, 2010, 2015, 2020, 2025
Dựa vào kết quả dự báo đến năm 2025 ta thấy biến động các loại hình sử dụng đất tỉnh Phú Thọ trong tương lai như sau: so với năm 2005, diện tích rừng thưa tăng 13097,43 ha, diện tích rừng kín và rừng trung bình giảm lần
lượt là 8173,15 ha và 5882,38 ha. Diện tích các loại cây bụi tăng 5382,71 ha , diện tích mặt nước giảm 6378,6 ha. Diện tích đất xây dựng tăng mạnh 39318,04 ha. Diện tích đất trống giảm còn 37336,04 ha.
Nhận xét về khả năng ứng dụng mô hình phân tích chuỗi Markov và Mạng tự động trong dự báo biến đổi lớp phủ mặt đất:
Căn cứ kết quả dự báo biến đổi lớp phủ mặt đất tại hai thời điểm xác định, có thể rút ra một số nhận xét về thuận lợi và khó khăn trong việc áp dụng mô hình phân tích chuỗi Markov và Mạng tựđộng như sau:
- Thuận lợi:
+ Mô hình hóa không gian nói chung và thuật toán phân tích chuỗi Markov và Mạng tự động nói riêng là một phương pháp định lượng có tính logic và chặt chẽ, đảm bảo kết quả mô hình hóa đạt độ chính xác cao.
+ Kết quả mô hình hóa sẽ cung cấp những thông tin hữu ích về xu hướng biến đổi các loại hình lớp phủ mặt đất cho địa phương. Trên cơ sở đó có thể hoạch định được những chính sách phù hợp trong thời gian tới.
+ Mô hình hóa và dự báo biến động sử dụng đất dựa trên việc tích hợp chuỗi Markov với Cellular Automata trên GIS đã tận dụng được ưu điểm và khắc phục hạn chế của từng mô hình riêng lẻ. Mô hình hóa và tính toán định lượng đã cho chúng ta thấy một diễn biến về biến động sử dụng đất trong không gian trong tương lai một cách logic và chặt chẽ .
- Khó khăn và hạn chế của mô hình
+ Mức độ chi tiết của dữ liệu không gian ở đầu vào của mô hình có vai trò rất quan trọng. Trong điều kiện cơ sở hạ tầng không gian (Spatial Data Infrastructure) của Việt Nam còn nhiều hạn chế, vì vậy việc tìm kiếm, thu thập dữ liệu không gian đủ mức độ chi tiết là công việc rất khó khăn, ảnh hưởng lớn tới kết quả mô hình hóa.
+ Mô hình hóa không gian dựa vào phân tích chuỗi Markov và Mạng tự động là một quá trình khép kín, ít hoặc gần như không chịu tác động của những nhân tố bên ngoài hệ thống. Trong khi đó, sự biến đổi của lớp phủ mặt đất hoặc hiện trạng sử dụng đất là một trong những đối tượng phụ thuộc rất nhiều vào sự tác động của các yếu tố bên ngoài, đặc biệt là yếu tố thể chế, chính sách. Do vậy, việc không thể tích hợp được những yếu tố này vào trong mô hình là hạn chế lớn của mô hình.
+ Mức độ chi tiết của lớp phủ mặt đất (số lượng đơn vị lớp phủ) cũng ảnh hưởng tới kết quả của quá trình mô hình hóa. Nếu số lượng đơn vị lớp phủ mặt đất quá nhiều (trên 10 đơn vị) sẽ làm cho kết quả mô hình hóa thiếu độ tin cậy.
KẾT LUẬN VÀ KIẾN NGHỊ KẾT LUẬN
Việc ứng dụng GIS kết hợp với chuỗi Markov đã nghiên cứu được hiện trạng sử dụng đất trên địa bàn tỉnh Phú Thọ giai đoạn 2005 - 2015 và đã dự báo được xu hướng biến động sử dụng đất đến năm 2025.
Mô hình hóa không gian các đối tượng địa lý (cả tự nhiên và nhân văn) là thế mạnh của công nghệ viễn thám và GIS. Bằng phần mềm Idrisi, kiểm chứng so sánh kết quả mô hình hóa đến năm 2015 và ảnh phân loại năm 2015 cho thấy kết quả mô hình hóa đạt tỷ lệ chính xác khá cao (gần 70%). Kết quả này cho phép mô hình hóa sự biến đổi lớp phủ mặt đất tỉnh Phú Thọ đến năm 2020 và 2025
Nhược điểm của thuật toán Markov là nội suy tuyến tính để dự báo sự thay đổi trạng thái của các pixel theo các bước thời gian khác nhau mà chưa xác định được ngưỡng đánh giá (các yếu tố tự nhiên, chính sách phát triển và các yếu tố kinh tế - xã hội)
Trong nghiên cứu biến đổi lớp phủ mặt đất, Idrisi Selva 17 là một phần mềm tích hợp viễn thám và GIS cho phép xử lý tư liệu viễn thám (phân loại, hiệu chỉnh phổ,...) và các hợp phần GIS (thành lập, biên tập bản đồ,...), các hợp phần mô hình hóa không gian, kết hợp với phân tích chuỗi Markov để đưa các ngưỡng được xác định bằng phương pháp đánh giá đa chỉ tiêu nhằm gia tăng độ chính xác của kết quả mô hình hóa. Tuy nhiên, nhược điểm của Idrisi là khi tính toán mô hình nếu sốlượng đơn vị lớp phủ mặt đất quá nhiều (trên 10 đơn vị) sẽ làm cho kết quả mô hình hóa thiếu độ tin cậy và yêu cầu các dữ liệu không gian ở đầu vào của mô hình phải đảm bảo chi tiết và chính xác.
KIẾN NGHỊ
Với khả năng dựbáo được sự phát triển các loại hình sử dụng đất với sự trợ giúp của hệ thông tin địa lý, kết quả dự báo dựa vào phân tích chuỗi Markov và mạng tự động cho phép dự báo sự biến động của khu vực trong tương lai dựa trên cơ sở kết quả đánh giá biến động qua các thời kỳ.Tuy nhiên, trong quá trình triển khai thực hiện khóa luận, với những kết quả và khó khăn đã gặp phải, tác giả xin có một số kiến nghịnhư sau:
- Cần xây dựng một cơ sở dữ liệu đủ mạnh và có một cơ chế chia sẻ một cách phù hợp để các bên liên quan có thể tiếp cận và sử dụng một cách hiệu quả.
- Cần có đủ thời gian và các điều kiện liên quan để tích hợp các yếu tố thể chế, chính sách vào mô hình đểmô hình có ý nghĩa thực tiễn cao hơn.
- Cần có các nghiên cứu sâu hơn nữa trong việc ứng dụng mô hình vào công tác quản lý và sử dụng đất của tỉnh Phú Thọhướng tới sự phát triển bền vững.
Việc tích hợp mô hình chuỗi Markov và Cellular Automata cho phép luận văn đưa ra các dự báo về sử dụng đất có độ tin cậy cao, tuy nhiên nếu có thể không gian hóa một số biến chính sách phát triển kinh tế - xã hội có liên quan đến sử dụng đất của khu vực và đưa thêm là biến đầu vào của mô hình thì kết quả dự báo sẽchính xác hơn.
TÀI LIỆU THAM KHẢO Tài liệu Tiếng Việt
1. Bộ Tài nguyên và Môi trường, (2017), Quyết định số 2311/QĐ- BTNMT, ngày 28 tháng 9 năm 2017, Quyết định phê duyệt và công bố kết quả thống kê diện tích đất đai năm 2016.
2. Bùi Huy Hiền, Nguyễn Quang Bộ và Bùi Quang Xuân (2001). Kết quả nghiên cứu cải tạo, sử dụng và bảo vệ đất dốc trong sản xuất nông lâm nghiệp, Trong sách: Khoa học Công nghệ Bảo vệ và sử dụng bền vững đất dốc, NXB Nông nghiệp.
3. Cục thống kê tỉnh Phú Thọ, ( 2017) Niên giám thống kê tỉnh Phú Thọ năm 2016.
4. Đào Châu Thu và Lê Quốc Doanh (2012). Đất dốc vùng đồi núi Việt Nam - Tiềm năng và thách thức, Trong sách: Quản lý bền vững đất nông nghiệp - Hạn chế thoái hóa và phòng chống sa mạc hóa, NXB Nông nghiệp.
5. Đào Châu Thu và Nguyễn Khang (1998). Đánh giá đất, NXB Nông nghiệp.
6. Đinh Thị Bảo Hoa (2007), Nghiên cứu sử dụng hợp lý đất vùng ven đô huyện Thanh Trì, Hà Nội với sự hỗ trợ của công nghệ viễn thám và hệ thong tin địa lý.
7. Đoàn Đức Lâm và Phạm Anh Tuấn, (2010). Ứng dụng GIS thành lập bản đồ biến động hiện trạng sử dụng đất huyện Sông Mã, tỉnh Sơn La (giai đoạn 1995-2005). Kỷ yếu hội thảo Ứng dụng GIS toàn quốc 2010. Thành phố Hồ Chí Minh: Nhà xuất bản Nông Nghiệp.
8. Hà Đình Tuấn và Lê Quốc Doanh (2007). Nghiên cứu áp dụng các biện pháp che phủ đất phục vụ phát triển bền vững nông nghiệp vùng cao, Báo cáo đề tài nghiên cứu khoa học Viện Khoa học Kỹ thuật Nông nghiệp Việt Nam.
9. Hoàng Xuân Thành (2006), Thành lập bản đồ thảm thực vật trên cơ sở phân tích, xử lý ảnh viễn thám tại khu vực Tủa Chùa – Lai Châu.
10. Nguyễn Kim Lợi, (2005). Ứng dụng chuổi Markov và GIS trong việc đánh giá diễn biến sử dụng đất. Trong. Kỷ yếu hội thảo Ứng dụng GIS toàn quốc 2011. Thành phố Hồ Chí Minh: Nhà xuất bản Nông Nghiệp.
11. Nguyễn Thế Đặng, Đào Châu Thu và Đặng Văn Minh (2003). Đất đồi núi Việt Nam, NXB Nông nghiệp.
12. Phạm Huy Hoàng, (2013), Ứng dụng mô hình Markov – Cellular Automata dự báo biến đổi lớp phủ mặt đất huyện Kiến Thuỳ, thành phố Hải Phòng. Đại học Quốc Gia Hà Nội.
13. Thủ tướng Chính Phủ, (2017), Quyết định số 272/QĐ-TTg ngày 27 tháng 02 năm 2007 V/v phê duyệt kết quả kiểm kê đất đai năm 2005.
14. Trần Đức Viên và Phạm Chí Thành (1996). Nông nghiệp trên đất dốc - Thách thức và tiềm năng, NXB Nông nghiệp.
15. Trần Văn Chính, Đỗ Nguyên Hải, Cao Việt Hà, Hoàng Văn Mùa, Nguyễn Hữu Thành và Nguyễn Xuân Thành (2006). Giáo trình Thổ nhưỡng học, NXB Nông nghiệp.
16. UBND tỉnh Phú Thọ, (2012), Báo cáo thuyết minh tổng hợp quy hoạch sử dụng đất đến năm 2020 kế hoạch sử dụng đất 5 năm kỳ đầu (2011 - 2015) tỉnh Phú Thọ.
Tài liệu Tiếng Anh
17. A.A. Markov (1906), "Rasprostranenie zakona bol'shih chisel na velichiny, zavisyaschie drug ot druga". Izvestiya Fiziko-matematicheskogo obschestva pri Kazanskom universitete.
18. Ellis, E. (2010). Land use and land cover change, retrived 1 April 2013
19. FAO (1999). Land use classification for Agri - Enviromental statistics/indicators, Rome, Itatly.
20. FAO (2007). Fao statistics, Food and Agriculture Organization of the United Nation, Rome, Italy.
21. Meyer, W.B. and Turner, B.L. (1994). Changes in land use and land cover: A Global Perspective, Cambridge University Press, Cambridge.
22. Muller, D. and Munroe, D. (2007). Issues in spatially explicit statistical land use/cover change (LUCC) models: Examples from western Honduras and the Central Highlands of Vietnam, Land use Policy, 24: 521- 530.
23. Turner, B.L. and Lambin, E. (2001). The causes of land-use and land-cover change: moving beyond the myths, Global Environmental Change, 11: 261–269.
24. World Bank (2012). Agriculture & Rural Development, retrieved 25 October 2012, from http://data.worldbank.org