3. Ý nghĩa khoa học vă thực tiễn
1.1.6. Mơ hình hĩa trong nghiín cứu ảnh hưởng của đơ thị hĩa đến biến đổi cơ cấu sử
sử dụng đất
1.1.6.1. Một số khâi niệm về mơ hình hĩa
Những nghiín cứu về đơ thị đang trở thănh những cơng cụ quan trọng cho câc nhă quy hoạch. Chúng ta biết rằng đến năm 2020, một nửa dđn số thế giới sẽ chuyển đổi lín sinh sống trong câc đơ thị, vă phương phâp mơ hình hĩa đê giúp cho họ hiểu được về sự thay đổi đĩ. Mơ hình hĩa biến đổi khơng gian đơ thị được phât triển nhằm mục đích hỗ trợ cho câc dự ân phât triển đơ thị vă cơng tâc quản lý. Điều đĩ được tiến hănh trín những hiểu biết về quâ trình đơ thị hĩa từ quâ khứđến hiện tại vă tương lai.
a. Khâi niệm mơ hình
Theo nghĩa hẹp, mơ hình lă mẫu, tiíu chuẩn. Dựa văo đĩ để tạo ra sản phẩm hăng loạt. Mơ hình cịn được hiểu lă thiết bị, cơ cấu tâi hiện hay bắt chước cấu tạo vă hoạt động của cơ cấu khâc (của nguyín mẫu hay câi được mơ hình hô) vì mục đích khoa học vă sản xuất. Theo nghĩa rộng, mơ hình lă hình ảnh (hình tượng, sơđồ, sự mơ tả, ...) ước lệ của một khâch thể hay một hệ thống câc khâch thể, câc quâ trình hoặc hiện tượng.
Hình 1.1. Phđn loại mơ hình (theo Thomas, R.w vă Huggett, R.J- 1980)
Như vậy, cĩ thể định nghĩa mơ hình lă một cấu trúc mơ tả hình ảnh đê được tối giản hĩa theo đặc điểm hoặc diễn biến của một đối tượng, một hiện tượng, một khâi niệm hoặc một hệ thống nĩ cĩ thể lă một hình ảnh hoặc một vật thểđược thu nhỏ hoặc phĩng đại, hoặc chỉ lăm gọn bằng một phương trình tôn học, một cơng thức vật lý, một phần mềm tin học để mơ tả một hiện trạng thực tế mang tính điển hình [15].
b. Khâi niệm mơ hình hĩa
Theo từ điển bâch khoa toăn thư Việt Nam (Tập II, 2002), mơ hình hĩa được hiểu lă sự tâi hiện những đặc trưng của một khâch thể năo đĩ dựa trín khâch thể khâc tương tựđược xđy dựng lín để phục vụ cho việc nghiín cứu, khâch thể khâc ấy gọi lă mơ hình.
Tĩm lại, mơ hình hô lă một khoa học về câch mơ phỏng, giản lược câc thơng số thực tế nhưng vẫn diễn tảđược tính chất của từng thănh phần trong mơ hình. M ơ hình khơng hoăn toăn lă một vật thể hiện thực nhưng nĩ giúp cho chúng ta hiểu rõ hơn hệ thống thực tế [4].
c. Mơ hình hĩa khơng gian
Mơ hình hĩa khơng gian (Spatial modeling): Lă quâ trình mơ hình hĩa sử dụng những thơng tin khơng gian lăm dữ liệu đầu văo. Thơng qua thuộc tính của câc dạng dữ liệu, khâi quât hĩa vă mơ phỏng thế giới thực dựa trín câc hăm tôn cụ thể. Với lợi thế về mơ phỏng thơng tin khơng gian, kết quả của quâ trình mơ hình hĩa khơng gian sẽ cho hình ảnh trực quan cũng như quy luật vận động, thay đổi của một đối tượng nhất định trong thực tế [18].
1.1.6.2. Tiến trình vận hănh mơ hình
Tất cả câc phần mềm mơ hình hĩa thường được vận hănh vă thử nghiệm theo một tiến trình tổng quât như hình sau:
Hình 1.2. Tiến trình vận hănh của một mơ hình
* Thu thập dữ liệu: Tất cả câc mơ hình muốn vận hănh được đều phải cĩ nguồn
dữ liệu ban đầu vă câc điều kiện cần thiết (điều kiện biín vă điều kiện ban đầu). Câc dữ liệu thường bao gồm số liệu địa hình (cao độ, độ dốc,...), hiện trạng sử dụng đất, câc diễn biến về khí tượng (mưa, bốc hơi, bức xạ, vận tốc vă hướng giĩ,.), câc biến số mơi trường (pH, nhiệt độ, độ mặn, độ đục, nhu cầu oxy sinh hĩa, câc chất phú dưỡng,.), câc thơng số liín quan,. tương ứng với chuỗi thời gian xuất hiện hoặc khơng gian xuất phât.
* Mơ hình khâi niệm: Trong mơ hình khâi niệm phải bắt đầu từ câc dữ liệu nhập
văo, câc diễn biến bín trong mơ hình vă câc thơng tin xuất ra từ mơ hình. Một hình khâi niệm phải thể hiện tính đơn giản để tạo cho những người khơng phải lă chuyín gia về mơ hình cĩ thể hiểu mục tiíu của băi tôn mơ hình.
* Mơ hình giải tích: Một băi tôn trong mơ hình thường được biểu thị sự hiện
diện của câc thơng số vă biến số. Thơng số (parameter) lă những hệ số gia trọng, khơng cĩ thứ nguyín. Biến số (variable) lă câc đại lượng vật lý cĩ ý nghĩa, thường cĩ thứ nguyín. Đđy lă phần cốt lõi, quan trọng nhất vă lă phần phức tạp nhất trong tiến trình thực hiện mơ hình hĩa.
* Hiệu chỉnh mơ hình: Hiệu chỉnh (calibration) lă tiến trình mă trong đĩ câc
thơng số vă biến số của mơ hình được điều chỉnh để kết quả ra của mơ hình phù hợp với thực tế quan sât được. Hiệu chỉnh lă cơng việc nhằm rút ngắn câc khoảng câch sai biệt bằng câch đưa ra câc thơng số điều chỉnh gọi lă thơng số mơ hình (model parameters).
* Kiểm nghiệm mơ hình: Kiểm nghiệm mơ hình lă bước tiếp sau cơng việc, hiệu
chỉnh mơ hình nhằm kiểm tra câc thơng số mơ hình đưa ra cĩ phù hợp với câc diễn biến của thực tế hay khơng.
Hình 1.3. Minh họa việc hiệu chỉnh vă thử nghiệm khi chạy mơ hình
* Tiín đôn: Thơng thường mơ hình được sử dụng cho mục tiíu tiín đôn câc diễn
biến câc biến số trong tương lai hoặc tối ưu hĩa việc chọn lựa [25].
1.1.6.3. Mơ hình hĩa thay đổi sử dụng đất
Một phương phâp điển hình trong việc nghiín cứu biến đổi khơng gian đơ thị lă phương phâp mạng tự động đang được dùng rất nhiều trong những nghiín cứu gần đđy. Nĩ được phât minh bởi Von Neumann văo năm 1966 vă lần đầu tiín được sử dụng bởi Tobler năm 1979.
Một phương phâp khâc nghiín cứu biến đổi sử dụng đất lă chuỗi Markov do nhă tôn học Markov phât minh văo năm 1907 vă được âp dụng văo nghiín cứu biến đổi khơng gian đơ thị văo đầu những năm 90 của thế kỷ 20.
a. Phđn tích chuỗi Markov
Trong tôn học, một xích Markov hay chuỗi Markov (thời gian rời rạc), đặt theo tín nhă tôn học người Nga Andrei Andreyevich Markov, lă một quâ trình ngẫu nhiín thời gian rời rạc với tính chất Markov. Trong một quâ trình như vậy, quâ khứ khơng liín quan đến việc tiín đôn tương lai mă việc đĩ chỉ phụ thuộc theo kiến thức hiện tại. Xích Markov lă một dêy X1, X2, X3... gồm câc biến ngẫu nhiín. Tập tất cả câc giâ trị cĩ thể cĩ của câc biến năy được gọi lă khơng gian trạng thâi S, giâ trị của Xn lă trạng thâi của quâ trình (hệ) tại thời điểm n.
Nếu việc xâc định (dự đôn) phđn bố xâc suất cĩ điều kiện của Xn+1 khi cho biết câc trạng thâi quâ khứ lă một hăm chỉ phụ thuộc Xn thì:
^C-^n+l =x \ XữtXUX2 t .. . , =P[Xn-ị-i = (1.1)
Trong đĩ x lă một trạng thâi năo đĩ của quâ trình (x thuộc khơng gian trạng thâi S). Đĩ lă thuộc tính Markov.
Một câch đơn giản để hình dung một kiểu chuỗi Markov cụ thể lă qua một ơtơmat hữu hạn (finite state machine). Nếu hệở trạng thâi y tại thời điểm n thì xâc suất mă hệ sẽ chuyển tới trạng thâi x tại thời điểm n+1 khơng phụ thuộc văo giâ trị của thời điểm n mă chỉ phụ thuộc văo trạng thâi hiện tại y.
P(Xn+1 = x\Xn= y) (1.2)
Do đĩ, tại thời điểm n bất kỳ, một xích Markov hữu hạn cĩ thể được biểu diễn bằng một ma trận xâc suất, trong đĩ phần tử x, y cĩ giâ trị bằng vă độc lập với chỉ số thời gian n (nghĩa lă để xâc định trạng thâi kế tiếp, ta khơng cần biết đang ở thời điểm năo mă chỉ cần biết trạng thâi ở thời điểm đĩ lă gì). Câc loại xích Markov hữu hạn rời rạc năy cịn cĩ thể được biểu diễn bằng đồ thị cĩ hướng, trong đĩ câc cung được gắn nhên bằng xâc suất chuyển từ trạng thâi tại đỉnh (vertex) đầu sang trạng thâi tại đỉnh cuối của cung đĩ.
Markov đê đưa ra câc kết quả đầu tiín (1906) về câc quâ trình năy. Andrey Nikolaevich Kolmogorov (1936) đê đưa ra một suy rộng tới câc khơng gian trạng thâi vơ hạn đếm được [15].
b. Mạng tựđộng (Cellular Automata)
Khâi niệm mạng tựđộng (Cellular automata) khơng phải lă khâi niệm mới. Khâi niệm năy được xuất hiện lần đầu tiín văo năm 1940 trong lĩnh vực khoa học mây tính. Von Neumann and Ulam được biết đến lă những người đầu tiín đưa ra khâi niệm năy. Sau đĩ Conway phât triển tiếp khâi niệm năy trong lĩnh vực mây tính vă chế tạo Robot nhưng tại thời điểm đĩ, việc âp dụng khâi niệm năy chưa hoăn toăn thănh cơng do hạn chế về tốc độ tính tôn của mây tính điện tử. Mặc dù khâi niệm mạng tự động xuất phât từ lĩnh vực khoa học mây tính nhằm phât triển Robot, hiện nay khâi niệm được ứng dụng rộng rêi trong nhiều chuyín ngănh khoa học như Vật lý, Tôn học, Khoa học tự nhiín, GIS, Viễn thâm...
Hiện nay, hầu hết câc cơng nghệ GIS đều cĩ những hạn chế trong việc mơ hình hĩa sự thay đổi sử dụng đất theo thời gian, nhưng việc tích hợp mạng tựđộng vă GIS đê tạo nín khả năng ứng dụng lớn hơn vă rộng rêi hơn. Những hạn chế của GIS bao gồm: Khả năng hạn chế để đưa ra câc mơ hình động lực khơng gian, hạn chế trong việc tích hợp chiều thời gian văo câc mơ hình. Trong việc tích hợp GIS vă mạng tự động, mạng tự động cĩ thể cung cấp động cơ phđn tích nhằm cung cấp một khung mềm dẻo cho việc lập trình vă chạy của mơ hình động lực khơng gian.
Bản chất của mạng tựđộng dựa trín nền tảng raster (cell) vă tình trạng hay trạng thâi của câc raster dựa văo quy luật chuyển đổi đơn giản. Cellular Automata lă mơ hình động tích hợp chiều khơng gian với thời gian.
Mạng tựđộng bao gồm 5 nhđn tố chính được mơ tả như sau:
-!Khơng gian raster (Cell space): Khơng gian raster được tạo nín bởi một tập hợp câc raster đơn lẻ. Về lý thuyết, những raster năy cĩ thể ở bất cứ dạng hình học năo. Tuy nhiín, hầu hết câc mạng tựđộng đều được thiết kế theo hình mạng lưới (grid) thơng thường, điều năy lăm cho mạng tựđộng rất giống với dạng dữ liệu raster thường được dùng phổ biến trong GIS.
-!Tình trạng Cell (Cell states): Tình trạng hay trạng thâi của một cell cĩ thể thể hiện giâ trị khơng gian, ví dụ như câc loại hình sử dụng đất khâc nhau.
-!Bước thời gian (Time steps): Một mạng tự động sẽ tham gia văo tần suất xuất hiện với câc bước thời gian khâc nhau. Tại mỗi bước thời gian, câc cell sẽ được cập nhật giâ trị dựa trín câc quy luật chuyển tiếp.
-!Quy luật chuyển tiếp (Transition rules): Quy luật lă cốt lõi của mạng tự động. Một quy luật chuyển tiếp thường quy định tình trạng/trạng thâi của cell trước vă sau khi được cập nhật dựa trín điều kiện của tình trạng/trạng thâi của câc cell xung quan [4].
- Cell xung quanh: Mỗi cell cĩ 2 cell xung quanh - trường hợp mạng tựđộng 1 chiều. Đối với mạng tự động 2 chiều, cĩ 2 câch thức để định nghĩa câc cell xung quanh. Von Neumann cho rằng cĩ 4 cell xung quanh, cịn theo quan điểm của Moore cho rằng cĩ đến 8 cell xung quanh.
c. Khả năng ứng dụng trong đânh giâ thay đổi sử dụng đất
Như đê trình băy ở câc phần trín, một mơ hình lă kết quả của quâ trình trừu tượng hĩa (mơ phỏng) của một khu vực của thế giới thực nhằm mục đích tìm hiểu mối quan hệ phức tạp trín thực tế. Một mơ hình thường lă kết quả của việc kiểm chứng mối quan hệ giữa hai (hoặc nhiều hơn) dêy số liệu. Mơ hình cịn được sử dụng để tìm hiểu vă lý giải tại sao vă bằng câch thức như thế năo những dữ liệu đĩ cĩ thể tương tâc với nhau hoặc lý giải câch thức của câc mối quan hệ nhằm gĩp phần hiểu rõ hơn thế giới thực vă câc hệ thống nhỏ hơn nằm trong khu vực.
Hiện trạng sử dụng đất (hoặc lă loại hình sử dụng đất) phụ thuộc văo 3 nhđn tố chính: 1) chất lượng vă đặc điểm thổ nhưỡng; 2) tâc động của câc hoạt động trín câc loại hình sử dụng đất xung quanh; 3) nhu cầu sử dụng đất đối với một hoạt động (kinh tế - xê hội) cụ thể.
Đối với việc ứng dụng mạng tựđộng trong mơ hình hĩa biến động sử dụng đất, một số khĩ khăn thường gặp phải, đĩ lă: (i) mỗi raster trong mạng đều khơng cĩ thuộc tính. Tất cả câc cell đều cĩ giâ trị như nhau vă chúng được gân thuc tính bởi câc cell nằm xung quanh. Số lượng cell xung quanh phụ thuộc văo mạng tự động lă 1 hay 2 chiều. (ii) Trong một mạng tự động truyền thống, bất cứ một cell năo cũng đều phải trải qua quâ trình chuyển đổi thơng qua quy luật chuyển tiếp. Vì vậy, giâ trị của cell lă tự nhiín, trong khi đĩ, đối với hiện trạng sử dụng đất, giâ trị của một cell được quy định cụ thể.
Do câc mơ hình lă kết quả của quâ trình khâi quât hĩa thế giới thực, vì vậy khi mơ hình hĩa cần phải giới hạn một sốđiều kiện biín. Một câch tổng quât, cĩ thểđịnh nghĩa hiện trạng sử dụng đất hoặc sử dụng đất như một hăm số của nhiều biến như sau:
∆L = ∆L1 + ∆L2 + ∆L3 + ….. (1.3) Trong đĩ:
∆L: Tổng thay đổi của câc loại hình sử dụng đất
L1, L2,... : Thay đổi của câc loại hình sử dụng đất tương ứng
Một điểm quan trọng cần lưu ýởđđy đĩ lă những thay đổi về hiện trạng sử dụng đất khơng chỉ lă thay đổi vơ hướng. Nĩ gồm những giâ trị kỉm theo cũng thay đổi. về mặt lý thuyết, mỗi loại hình sử dụng đất thay đổi cĩ thểđược biểu thị bằng một hăm số của nhiều biến số khâc nhau
∆L1 = F (x1,x2,x3…) (1.4)
Trong đĩ:
L1: sự thay đổi của loại hình sử dụng đất thứ 1
x1, x2,.: câc nhđn tố (ví dụ như tỷ lệ gia tăng dđn số, tốc độ tăng trưởng kinh tế, chính s â c h , . ) .
Bín cạnh đĩ, những nhđn tố níu trín khơng chỉ cĩ tâc động tới loại hình sử dụng đất đang đânh giâ mă cịn ảnh hưởng tới câc loại hình sử dụng đất khâc
1.1.6.4. Giới thiệu chung về phần mềm IDRISI
IDRISI lă một phần mềm tích hợp Viễn thâm vă GIS được phât triển vă thương mại hĩa bởi phịng thí nghiệm Clark thuộc Đại học Clark, Hoa kỳ. Phần mềm IDRISI được xđy dựng từ năm 1987, trải qua thời gian phât triển đến nay, IDRISI đang được sử dụng rộng rêi ở trín 180 quốc gia với nhiều phiín bản khâc nhau.
Phần mềm IDRISI tập hợp tương đối nhiều module phđn tích khơng gian như Earth trend modeler ứng dụng trong nghiín cứu vă mơ hình hĩa biến đổi khí hậu vă câc hiện tượng liín quan, Land change modeler chuyín nghiín cứu về biến động vă dự bâo biến động sử dụng đất, GeOSIRIS - REDD một cơng cụ lập kế hoạch cấp quốc gia để đânh giâ tình trạng phâ rừng, lượng khí thải carbon, doanh thu nơng nghiệp vă câc khoản thanh tôn carbon, Ecosystem Services Modeler một mơ hình mơi trường để đânh giâ mơi trường sống vă mơ hình hĩa đa dạng sinh học.
Cùng với câc hợp phần cơ bản như xử lý tư liệu viễn thâm (phđn loại, hiệu chỉnh phổ,...) vă câc hợp phần GIS (thănh lập, biín tập bản đồ,...), câc hợp phần mơ hình hĩa khơng gian lă điểm nổi bật tạo nín đặc điểm riíng của phần mềm IDRISI.
Land Change Modeler được thiết kế dưới 2 dạng: 1) phần mềm độc lập cĩ thể chạy trong mơi trường GIS. Hiện nay, Land Change Modeler được thiết kế thănh một extension (Module mở rộng) chạy trong mơi trường ArcGIS - một trong những phần mềm GIS chuyín nghiệp hăng đầu trín thế giới; 2) lă một module chạy trực tiếp trong mơi trường IDRISI.
Đặc điểm cơ bản của Land Change Modeler lă tích hợp khâ nhiều phương phâp, mơ hình vă thuật tôn phđn tích khơng gian thănh những chức năng cơ bản của module năy. Một số thuật tôn phđn tích điển hình của Land Change Modeler cĩ thể kể tới: