- Xây dựng ma trận chuyển đổi Markov: Bản chất của phƣơng pháp phân tích chuỗi Markov là xây dựng mối liên hệ giữa 2 bản đồ lớp phủ mặt đất tại hai thời điểm đánh giá nhằm tạo cơ sở khoa học cho q trình mơ hình hóa ở các bƣớc tiếp theo. Sở dĩ mốc thời điểm dự báo là năm 2016 và 2023 là dựa trên việc tính tốn ma trận chuyển đổi Markov để xác định ra bƣớc nhảy thời gian (time steps) cho quá trình đánh giá. Mốc thời gian dự báo 2016 đƣợc xác định bằng cách tính khoảng thời gian giữa năm 2002 và 2009 (7 năm), cụ thể theo công thức nhƣ sau:
TDB = TCT + (TCT - TCD)
Trong đó: TDB: Thời điểm dự báo
TCT: Mốc thời gian cận trên của quá trình đánh giá TCD: Mốc thời gian cận trên của q trình đánh giá
Áp dụng cơng thức trên, ta sẽ xác định đƣợc thời điểm dự báo biến đổi lớp phủ mặt đất huyện Từ Liêm nhƣ sau:
TDB1 = 2009 + (2009 – 2002) = 2016 Ảnh phân loại năm 2002 Ảnh phân loại năm 2009 Ảnh phân loại năm 1995
Phân tích chuỗi Markov
Dự báo thay đổi lớp phủ theo Mạng tự động Ma trận chuyển đổi Markov
Dự báo thay đổi lớp phủ mặt đất năm 2016
Dự báo thay đổi lớp phủ mặt đất năm 2023 Đánh giá đa chỉ tiêu Bản đồ phân cấp mức độ thích hợp Đất ở và xd Nông nghiệp Mặt nƣớc Đất trống và bãi bồi
- Phân cấp mức độ thích hợp (suitability):
Phân cấp thích hợp thƣờng đƣợc sử dụng trong quá trình đánh giá đa chỉ tiêu (Multi Criteria Evaluation) trong các bài tốn mơ hình hóa thơng tin khơng gian. Phân cấp thích hợp thể hiện mức độ thích hợp đối với một mục tiêu đánh giá cụ thể của tất cả các địa điểm trong khu vực nghiên cứu.
Đối với bài tốn mơ hình hóa biến động lớp phủ mặt đất Huyện Từ Liêm, đề tài đã xác định các yếu tố quan trọng trong khu vực nghiên cứu đó là: 1) các điểm dân cƣ và xây dựng; 2) nông nghiệp; 3) mặt nƣớc; 4) đất trống và bãi bồi. Các yếu tố ảnh hƣởng tới 4 yếu tố nêu trên là: đặc điểm sử dụng đất (thể hiện bằng bản đồ hiện trạng sử dụng đất), giao thông, thủy văn. Những yếu tố hiện trạng sử dụng đất, giao thông , thủy văn đƣợc đánh giá, phân cấp và tạo ngƣỡng tƣơng ứng với 5 nhân tố nêu trên.
Các bƣớc phân cấp thích hợp đƣợc thể hiện ở hình sau:
Hình 4.6: Quy trình các bước phân cấp thích hợp
Phân cấp thích hợp
Các dữ liệu đƣợc raster hóa bằng Arcgis và đƣa vào phần mềm Idrisi để đánh giá đa chỉ tiêu là các dạng dữ liệu ảnh raster 8 bit có giá trị độ xám từ 0 - 255, do vậy, khi phân cấp thích hợp trong Idrisi đối với các dữ liệu này, tùy theo số lƣợng phân cấp mà chia ra thang điểm trong khoảng từ 0 đến 255.
a. Loại hình quần cư: Đƣợc phân cấp dựa trên việc đánh giá 3 chỉ tiêu: HTSDĐ,
khoảng cách tới đƣờng giao thông. Các chỉ tiêu đƣợc xác định cụ thể nhƣ sau: - HTSDĐ: đƣợc đánh giá theo 5 cấp, thang điểm 255 – 192 – 128 – 64 – 0. + 255: DC, DCD + 192: CAQ Bản đồ HTSDĐ Bản đồ giao thông Bản đồ thủy văn Raster hóa bằng Arcgis P hân cấp thích hợp Đất ở và xây dựng Đất nông nghiệp Đất trống Mặt nƣớc Đánh giá đa chỉ tiêu Bằng Idrisi
+ 128: LUC, LUK + 64: R, CSD, CHN + 0: TS, MN
→ Raster hóa
- Khoảng cách tới đƣờng giao thông: trong khoảng 0 - 100m: thuận lợi nhất, từ 100 - 1000: mức độ thuận lợi giảm dần.
+ Chuẩn bị file vectorr đƣờng giao thông, tạo trƣờng mới (value), cho giá trị bằng 1, cắt theo ranh giới.
+ Chuyển sang raster (TIFF), vào IDRISI chuyển sang dạng .rst.
+ Để phân cấp điểm, dùng hàm FUZZY: GIS Analysis → Decision Support → FUZZY.
Membership function type: J-shaped Input file: gt_final
Output file: gt_fuzzy
Output data format: Byte (0-255)
Membership function shape: Monotonically decreasing Control point c: 100
Control point d: 1000
b. Loại hình Nơng nghiệp: đƣợc đánh giá bằng 1 chỉ tiêu: HTSDĐ.
- HTSDĐ: đƣợc đánh giá theo 3 cấp, thang điểm 255 - 128 – 0. + 255: CAQ, CHN, LUC, LUK
+ 128: CSD, R
+ 0: DC, DCD, TS, MN → Raster hóa
c. Loại hình Mặt nước: tách lớp thơng tin mặt nƣớc giải đốn đƣợc, gán giá trị
= 255, phần còn lại = 0
d. Loại hình Đất trống: đƣợc đánh giá bằng chỉ tiêu HTSDĐ.
- HTSDĐ: đƣợc đánh giá theo 5 cấp, thang điểm 255 - 192 - 128 - 64 – 0 (hình 3.16). + 255: CSD, CHN
+ 170: R, CAQ
+ 0: TS, MN → Raster hóa
Bước phân tích tổng hợp để ra các suit map
a. Xây dựng ảnh phân cấp thích hợp cho quần cư
- Vào Idrisi → GIS Analysis → Decision Support → Decision Wizard: + Create a new file: HN_suit
+ Specify Objectives: số loại hình lớp phủ (4), đặt tên: Đất ở và xây dựng, nông nghiệp, mặt nƣớc, đất trống
Chú ý sau khi đặt 4 obj, chƣơng trình sẽ lần lƣợt đi từng obj để xác định factor, weight (cần chú ý tiêu đề phía trên để biết loại hình nào và xác định factor đúng)
Ví dụ cho loại hình đất ở và xây dựng:
+ Constraint: Xác định ngƣỡng chỉ có 2 trạng thái 0 và 1, ví dụ: đối với
constraint của loại hình quần cƣ, ta đã biết quy hoạch có diện tích để dùng vào mục đích nơng nghiệp chứ khơng phải phát triển quần cƣ, phần diện tích đó đƣợc gán giá trị 0. (Lƣu ý: phần cho điểm ở trên đã chi tiết nên bỏ qua phần này, number of constraints: 0).
+ Factor:
Number of factors: 3
Input: chọn các file raster hóa ở trên: dancu_htsdd, dancu_gt_dis_fuzzy Cột FUZZY: khơng cần chuẩn hóa → chọn No
+ Factors weights: chọn user-defined weight → cho trọng số lớp dancu_htsdd: 0,4; gt_dis_fuzzy: 0,6 do đánh giá của cá nhân ngƣời dùng.
Hình 4.7: Ảnh phân cấp thích hợp cho dân cư và xây dựng b. Xây dựng ảnh phân cấp thích hợp cho đất trống
Làm tƣơng tự nhƣ với quần cƣ. Thay đổi factor (ngƣỡng) gồm có dattrong_htsdd
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, mô 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 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 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 nơng 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 trò 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