c. Xây dựng ảnh phân cấp thích hợp cho nơng nghiệp
Làm tƣơng tự nhƣ với quần cƣ. Thay đổi factor (ngƣỡng) gồm có nongnghiep_htsdd
Hình 4.9: Ảnh phân cấp thích hợp cho nơng nghiệp d. Xây dựng ảnh phân cấp thích hợp cho mặt nước
Làm tƣơng tự nhƣ với quần cƣ. Thay đổi factor (ngƣỡng): matnuoc
4.4.2. Xây dựng ma trận chuyển dịch dựa vào chuỗi Markov
Ma trận chuyển dịch dựa vào mơ hình Markov cho phép dựa vào 2 ảnh (đã phân loại) ở 2 thời điểm khác nhau có thể xác định đƣợc ma trận chuyển dịch (có quy luật) trong giai đoạn 1995 – 2002.
Hình 4.11: Xây dựng ma trận chuyển dịch dựa vào chuỗi Markov trong Idrisi Andes 15.0
Kết quả của bƣớc này là xác định đƣợc ma trận chuyển dịch giữa các lớp thông tin trong giai đoạn cần nghiên cứu. Ma trận chuyển dịch là cơ sở để mơ hình có thể dự báo sự thay đổi của đối tƣợng nghiên cứu trong tƣơng lai.
4.4.3. Mơ hình hóa sự biến đổi lớp phủ mặt đất huyện Từ Liêm dựa vào bài toán CA_Markov CA_Markov
Với ƣu điểm là đƣa đƣợc yếu tố không gian (các bản đồ phân cấp thích hợp đã xây dựng ở các bƣớc trên) vào bài tốn thống kê Markov, mơ hình CA_Markov cho phép dự báo sự biến đổi của lớp phủ mặt đất huyện Từ Liêm trong khoảng thời gian xác định.
a. Dự báo sự thay đổi lớp phủ mặt đất đến năm 2009
Dựa trên nguồn tƣ liệu đầu vào là ảnh vệ tinh SPOT năm 1995 và năm 2002, mơ hình CA_markov cho phép dự báo đƣợc sự biến động của lớp phủ mặt đất huyện Từ Liêm đến năm 2009 (hình..).
Hình 4.12: Mơ hình hóa biến đổi đất đơ thị dựa vào CA_Markov
Với việc sử dụng 4 bản đồ phân cấp thích hợp làm ngƣỡng giới hạn của quá trình thay đổi lớp phủ mặt đất huyện Từ Liêm, kết quả mơ hình hóa đƣợc thể hiện trong hình sau (hình
Mục đích chính của cơng đoạn này là dựa trên kết quả mơ hình hóa biến đổi lớp phủ mặt đất huyện Từ Liêm đến 2009 để đánh giá mức độ chính xác của q trình mơ hình hóa cho giai đoạn tiếp theo.
Sử dụng chức năng kiểm chứng (Validate) của phần mềm Idrisi, so sánh kết quả mơ hình hóa đến năm 2009 và ảnh phân loại năm 2009 (hình 3.28):
Hình 4.14: Kiểm chứng kết quả mơ hình hóa và ảnh phân loại thực tế năm 2009
Kết quả đƣợc thể hiện trong hình nhƣ sau:
Hình trên cho thấy kết quả mơ hình hóa đạt tỷ lệ chính xác khá cao (gần 90%) so với kết quả phân loại ảnh SPOT năm 2009. Kết quả này cho phép đề tài mơ hình hóa sự biến đổi lớp phủ mặt đất huyện Từ Liêm đến năm 2016 và 2023.
b. Dự báo biến đổi lớp phủ mặt đất huyện Từ Liêm đến năm 2016 và 2023
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 2016 và 2023 cho kết quả cụ thể đƣợc thể hiện:
Hình 4.16: Mơ hình hóa dự báo biến đổi lớp phủ mặt đất tới năm 2016 dựa vào CA_Markov CA_Markov
Hình 4.18: Mơ hình hóa dự báo biến đổi lớp phủ mặt đất tới năm 2023 dựa vào CA_Markov
Kết quả phân loại từ ảnh (ha) Kết quả dự báo (ha) ID Loại lớp phủ 1995 2002 2009 2016 2023 1 Quần cƣ và xd 1831,44 2387,12 3536,8 4274,6 5012,4 2 Nông nghiệp 4962,6 4500,16 3313,52 2593,92 1874,32 3 Mặt nƣớc 809,04 703,24 663,32 643,72 624,12 4 Đất trống 136,6 149,16 226,08 227,48 228,88
Bảng 4.1: Bảng kết quả biến động diện tích lớp phủ mặt đất xác định bằng phân loại ảnh và dự báo bằng mơ hình giai đoạn 1995 - 2023
0 1000 2000 3000 4000 5000 6000 1995 2002 2009 2016 2023 Quần cư và xd Nơng nghiệp Mặt nước Đất trống
Hình 4.20: Đồ thị biến động diện tích lớp phủ mặt đất xác định bằng phân loại ảnh và dự báo bằng mơ hình giai đoạn 1995 - 2023
Nhƣ vậy từ đồ thị dự báo trong những năm tới, có thể nhận thấy rằng: Diện tích đất nơng nghiệp đang ngày càng giảm ở khu vực huyện Từ Liêm, trong khi đó diện tích đất ở ( quần cƣ) và xây dựng đang có xu hƣớng tăng. Một thách thức đƣợc đặt ra cho các nàh quản lý trong tƣơng lai không chỉ là việc mất cân bằng sinh thái trong khu vực, mà còn các vấn đề xã hội khác. Diện tích đất trống và mặt nƣớc có xu hƣớng khá ổn định trong tƣơng lai. Việc đất ở và xây dựng chiếm diện tích đất nơng nghiệp đã đẩy ngƣời nông dân phải chuyển đổi phƣơng thức sản xuất để duy trì cuộc sống, những ngƣời nơng dân chân lấm tay bùn giờ đang chuyển dần sang kinh doanh, dịch vụ. Đây có phải là điều mà họ mong muốn? Khơng thể phủ nhận một diện mạo mới, hiện đại hơn, đẹp đẽ hơn tại khu vực nhƣng liệu điều này có bền vững khi mà
cơn lốc đơ thị hóa kéo theo rất nhiều mặt tiêu cực, phá hủy đời sống vốn đang bình yên của những cƣ dân nơi đây. Nếu với tốc độ nhƣ dự báo, trong tƣơng lai huyện Từ Liêm sẽ khơng cịn diện tích đất nơng nghiệp, thay vào đó là các khu cơng nghiệp, các khu dân cƣ. Ao hồ, đất trống đƣợc thay thế bằng các tòa nhà cao tầng, các nhà máy, công xƣởng.
Nhận xét về khả năng ứng dụng mơ 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 mơ hình phân tích chuỗi Markov và Mạng tự động nhƣ sau:
- Thuận lợi:
+ Mơ hình hóa khơng gian nói chung và thuật tốn phân tích chuỗi Markov và Mạng tự động nói riêng là một phƣơng pháp định lƣợng có tính logic và chặt chẽ, đảm bảo kết quả mơ hình hóa đạt độ chính xác cao.
+ Kết quả mơ hình hóa cung cấp những thơng tin hữu ích về xu hƣớng biến đổi các loại hình lớp phủ mặt đất cho địa phƣơng. Trên cơ sở đó có thể hoạch định đƣợc những chính sách phù hợp trong thời gian tới.
- Khó khăn và hạn chế của mơ hình
+ Mức độ chi tiết của dữ liệu khơng gian ở đầu vào của mơ hình có vai trị rất quan trọng. Trong điều kiện cơ sở hạ tầng không gian (Spatial Data Infrastructure) của Việt Nam cịn nhiều hạn chế, vì vậy việc tìm kiếm, thu thập dữ liệu khơng gian đủ mức độ chi tiết là cơng việc rất khó khăn, ảnh hƣởng lớn tới kết quả mơ hình hóa.
+ Mơ hình hóa khơng gian dựa vào phân tích chuỗi Markov và Mạng tự động là một q trình khép kín, ít hoặc gần nhƣ khơng 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 tƣợng phụ thuộc rất nhiều vào sự tác động của các yếu tố bên ngồi, đặc biệt là yếu tố thể chế, chính sách. Do vậy, việc khơng thể tích hợp đƣợc những yếu tố này vào trong mơ hình là hạn chế lớn của mơ hình.
+ Mức độ chi tiết của lớp phủ mặt đất (số lƣợng đơn vị lớp phủ) cũng ảnh hƣởng tới kết quả của q trình mơ hình hóa. Nếu số lƣợng đơn vị lớp phủ mặt đất quá nhiều (trên 10 đơn vị) sẽ làm cho kết quả mơ hình hóa thiếu độ tin cậy.
KẾT LUẬN
Từ Liêm là một huyện ven đơ của thủ đo Hà Nội, có tốc độ đơ thị hóa nhanh. Do vậy, cần đánh giá biến động lớp phủ mặt đất, làm cơ sở khoa học cho việc quy hoạch, quản lý đất đai.
Công nghệ viễn thám kết hợp với GIS cho hiệu quả cao và khách quan trong đánh giá và dự báo biến đổi lớp phủ mặt đất. Kết quả thực nghiệm cũng đã chỉ rõ việc kết hợp công nghệ viễn thám và GIS rất hữu hiệu xác định diện tích biến động của các đối tƣợng lớp phủ; khơng những vậy cịn xác định đƣợc hình thái biến động, mức độ biến động của từng đối tƣợng. Bên cạnh đó, việc sử dụng ảnh viễn thám độ phân giải cao hoàn toàn đáp ứng đƣợc yêu cầu về độ chính xác hình học cũng nhƣ cung cấp đủ lƣợng thông tin để xây dựng bản đồ biến động lớp phủ mặt đất đến cấp huyện.
Trên cơ sở bản đồ biến động lớp phủ mặt đất đƣợc thành lập bằng công nghệ viễn thám và GIS của khu vực huyện Từ Liêm cho thấy diện tích đất nơng nghiệp chiếm tỉ lệ cao trong tổng diện tích của huyện đang giảm xuống với tốc độ ngày càng tăng, năm 1995 diện tích đất nơng nghiệp là 4976,40 ha (chiếm 64%) tới năm 2002 là 4510,49 ha, giảm 465,91 ha và tới năm 2009 còn 3324,50 ha (chiếm 43%), giảm 1185,99 ha (gấp 2,5 lần tốc độ giảm thời kì 1995 – 2002). Phần lớn điện tích đất nơng nghiệp giảm đƣợc chuyển sang đất ở và xây dựng do q trình đơ thị hóa làm cho diện tích đất ở và xây dựng lại ngày càng tăng. Năm 1995 là 1837,13 ha (chiếm 24%), tới năm 2002 là 2392,78 ha (chiếm 29%) và năm 2009 là 3543,27 ha (chiếm 45%), tăng 1150,49 ha. Diện tích mặt nƣớc và đất trống và bãi bồi chiếm tỉ lệ ít trong tổng diện tích của huyện lần lƣợt khoảng 10% và 3% và biến động không nhiều.
Việc ứng dụng mơ 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 2016 và 2023 cho kết quả là các loại hình nhƣ đất nơng nghiệp có xu hƣớng giảm mạnh về diện tích, xu thế biến đổi chủ yếu là thành dạng quần cƣ và xây dựng. Trong khi đó, diện tích mặt nƣớc cũng có xu thế giảm nhƣng khơng nhiều. Diện tích quần cƣ và xây dựng có xu hƣớng tăng mạnh dọc theo các tuyến đƣờng quốc lộ, thay thế cho các diện tích đất nơng nghiệp hoặc đất trống.
Bên cạnh đó, việc sử dụng phần mềm MADCAT cũng cho phép chạy tự động ra kết quả biến động lớp phủ mặt đất với đầu vào là dữ liệu ảnh. Đây là một phần mềm tốt cho việc nghiên cứu và giám sát biến động. Cùng với đó là việc sử dụng mơ hình phân tích chuỗi Markov kết hợp với thuật tốn Mạng tự động để dự báo biến đổi lớp phủ mặt đất đã đem lại thêm một lựa chọn cho công tác quản lý, hoạch định. Điều này có ý nghĩa rất lớn trong việc phát triển bền vững trong tƣơng lai.
KIẾN NGHỊ
Trong quá trình triển khai thực hiện luận văn, với những kết quả và khó khăn đã gặp phải, tác giả xin có một số kiến nghị nhƣ sau:
Việc sử dụng phần mềm MADCAT cần có một bộ dữ liệu chính xác cho khu vực nghiên cứu, do đó để có thể phổ biến rộng rãi cần phải xây dựng một thƣ viện các mẫu đối tƣợng trên diện rộng, đầy đủ và chính xác tạo thành một hệ thống thống nhất trên phạm vi rộng hơn (Tỉnh hay quốc gia). Từ đó có thể cho phép tự động cho kết quả thay đổi ngay sau khi cập nhật ảnh mới.
Nhƣợc điểm của thuật tốn Markov là nội suy tuyến tính để dự báo sự thay đổi trạng thái của các pixel theo các bƣớc thời gian khác nhau mà chƣa xác định đƣợc ngƣỡng đánh giá (các yếu tố tự nhiên, chính sách phát triển và các yếu tố kinh tế - xã hội). Do đó cần tiếp tục nghiên cứu để nâng cao độ chính xác của mơ hình.
Cần có đủ thời gian và các điều kiện liên quan để tích hợp các yếu tố thể chế, chính sách vào mơ hình để mơ hình có ý nghĩa thực tiễn cao hơn. Qua đó giúp các nhà quản lý đƣa ra đƣợc chiến lƣợc phát triển hợp lý cho khu vực.
TÀI LIỆU THAM KHẢO
TIẾNG VIỆT
[1] Cục Môi trƣờng, Bộ Khoa học, Công nghệ và Môi trƣờng. hội thảo “Ứng dụng viễn thám trong quản lý môi trƣờng Việt Nam” Hà Nội, 1999.
[2] Hà Minh Cƣờng, Nghiên cứu biến đổi đất đô thị thành phố Hà Nội với sự trợ giúp của viễn thám và hệ thông tin địa lý. Luận văn Thạc sĩ, 2010.
[3] Nguyễn Xuân Lâm, Nghiên cứu một số giải pháp kỹ thuật xử lý ảnh viễn thám độ phân giải cao cho mục đích thành lập bản đồ chuyên đề tỷ lệ 1:10.000 và lớn hơn. Đề tài cấp Bộ Tài nguyên môi trƣờng, 2007.
[4] Trƣơng Quang Hải, Nhữ Thị Xuân, Nghiên cứu và thành lập bản đồ thảm thực vật khu vực vƣờn quốc gia Ba Bể bằng phƣơng pháp viễn thám - Hệ thơng tin địa lý. Tạp chí địa chính, Tổng cục Địa chính, Tập 9, 2001
[5] Nhữ Thị Xuân, Đinh Thị Bảo Hoa, Nguyễn Thị Thuý Hằng. Đánh giá biến động sử dụng đất huyện Thanh Trì - thành phố Hà Nội giai đoạn 1994 - 2003 trên cơ sở phƣơng pháp viễn thám kết hợp GIS. Tạp chí khoa học. Đại học Quốc gia Hà Nội.Tập XX. Số 4. 2004.
[6] Nguyễn Trƣờng Sơn, Nghiên cứu sử dụng ảnh vệ tinh và công nghệ GIS trong việc giám sát hiện trạng tài nguyên rừng. Tạp chí Viễn thám và Địa tin học, Trung tâm Viễn thám quốc gia, Bộ Tài nguyên và môi trƣờng, Số 6, 2009. [7] Nguyễn Ngọc Thạch, Giáo trình Cơ sở Viễn thám, 2009.
[8] Chu Hải Tùng, Nghiên cứu khả năng kết hợp ảnh vệ tinh Radar và quang học để thành lập một số thông tin về lớp phủ mặt đất. Đề tài nghiên cứu khoa học cấp Bộ, 2008.
TIẾNG ANH
[9] Agarwal, C., G. M. Green, J. M. Grove, T. P. Evans and C. M. Schweik, A review and Asessment of land-use change models: dynamics of space, time, and human choice, 2002.
[10] Almeida, C.M.d., M.Batty, A.M.V.Monteiro, G.Camara, B.S.Soares-Filho, G.C.Cerqueira, C.L.Pennachin, Stochastic cellular automata modeling of urban land use dynamics empirical development and estimation, Computers,
[11] Barredo, J., Kasanko, M., McCormick, N., & Lavalle, C. Modelling dynamic spatial processes: Simulation of urban future scenarios through cellular automata, 2003.
[12] Canada Centre for Remote Sensing, Fundamentals of Remote Sensing, 2000. [13] Johnson, R. D. and E. S. Kasischke (1998). “ Change vector analysis: a
technique for the multispectral monitoring of landcover and condition.” International Journal of Remote Sensing 19.
[14] Levien. L. M., Roffers. P., Maurizi. B., Suero. J., Fischer. C., Huang. X., A machine-Learning approach to change detection using multi-scale imagery, American Society of Photogrammetry and Remote Sensing. 1999.
[15] Li,X. and A.G.O.Yeh , Neural-network-based cellular automata for simulating multiple land use changes using GIS, International Journal of geographical information science, 2002
[16] López, E., Bocco, G., Mendoza, M., & Duhau, E. Predicting land cover and land-use change in the urban fringe. A case in Morelia city, Mexico. Landscape and Urban Planning, 2001.
[17] http://www.eoearth.org
[18] Karol2na Kolehmainen and Yifang Ban, Multitemporal SPOT images for Urban Land-cover Change Detection over Stockholm between 1986 and 2004. [19] Tobler, W. Cellular geography. In S. Gale, & G. Olsson (Eds.), Philosophy in
geography . Dordrecht: Reidel, 1979.
[20] White, R., & Engelen, G., & Uljee, I. The use of constrained cellular automata for high-resolution modelling of urban land use dynamics, 1997.