6. Cấu trúc của luận văn
3.2. ỨNG DỤNG MƠ HÌNH PHÂN TÍCH CHUỖI MARKOV VÀ MẠNG TỰ ĐỘNG
3.2.3. Mơ hình hóa sự biến đổi lớp phủ mặt đất huyện Kiến Thụy dựa vào bài toán
toán CA_Markov
Với ƣu điểm là đƣa đƣợc yếu tố khơng gian (các bản đồ phân cấp thích hợp đã xây dựng ở các bƣớc trên) vào bài toán thống kê Markov, mơ hình CA_Markov cho phép dự báo sự biến đổi của lớp phủ mặt đất huyện Kiến Thụy trong khoảng thời gian xác định.
a. Dự báo sự thay đổi lớp phủ mặt đất huyện Kiến Thụy đến năm 2010
Dựa trên nguồn tƣ liệu đầu vào là ảnh vệ tinh Landsat năm 2000 và năm 2005, mơ hình CA_Markov cho phép dự báo đƣợc sự biến động của lớp phủ mặt đất huyện Kiến Thụy đến năm 2010 (hình 3.21).
Hình 3.20. Mơ hình hóa biến đổi lớp phủ mặt đất 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 Kiến Thụy, kết quả mơ hình hóa đƣợc thể hiện trong hình sau (hình 3.21):
Hình 3.21. Kết quả mơ hình hóa biến đổi đất đơ thị Huyện Kiến Thụy đến năm 2010 Chú giải Quần cư Đất lúa Rau màu Mặt nước
81
Mục đích chính của cơng đoạn này là dựa trên kết quả mơ hình hóa biến đổi lớp phủ mặt đất huyện Kiến Thụy đến 2010 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 2010 và ảnh phân loại năm 2010 (hình 3.22):
Hình 3.22. Kiểm chứng kết quả mơ hình hóa và ảnh phân loại thực tế năm 2010
Kết quả đƣợc thể hiện trong hình 3.22 nhƣ sau:
Hình 3.23. Kết quả kiểm chứng giữa ảnh mơ hình hóa và ảnh phân loại năm 2010
Hình trên cho thấy kết quả mơ hình hóa đạt tỷ lệ chính xác khá cao (gần 70%) so với kết quả phân loại ảnh SPOT năm 2010. Kết quả này cho phép đề tài mô hình hóa sự biến đổi lớp phủ mặt đất huyện Kiến Thụy đến năm 2020.
b. Dự báo biến đổi lớp phủ mặt đất huyện Kiến Thụy đến năm 2020
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 2020 cho kết quả cụ thể nhƣ sau:
83
Hình 3.24. Ảnh dự báo lớp phủ mặt đất huyện Kiến Thụy năm 2020
Chú giải
Quần cư Đất lúa Rau màu Mặt nước
Bảng 3.5. Dự báo biến động lớp phủ huyện Kiến Thụy 2010 - 2020
2010 – 2020 (đơn vị: ha)
ID Hiện trạng Quần cƣ Lúa Rau màu Mặt nƣớc
1 Quần cƣ 2.549,9 154,5 203,4 52,2
2 Lúa 250,0 4.761,0 300,0 109,3
3 Rau màu 250,0 275,6 118,8 87,0
4 Mặt nƣớc 14,7 25,0 75,0 1.524,9
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 sẽ 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 không 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 ngồi 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
85
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 VÀ KIẾN NGHỊ Kết luận
Việc thiết lập cơ sở khoa học cho việc quản lý và sử dụng đất trong thời điểm huyện Kiến Thụy không ngừng phát triển là một yêu cầu hết sức cần thiết. Chính việc thành lập này sẽ đƣa ra đƣợc những dự báo trong tƣơng lai, tạo tiền đề cho việc quy hoạch sử dụng đất một cách hợp lý.
Theo kết quả dự đốn ở trên thì q trình biến đổi lớp phủ mặt đất giai đoạn 2010 - 2020, quần cƣ là loại hình có sự biến động khá lớn: 2.960,1 ha năm 2010 tăng mạnh lên thành 3.064,6 ha năm 2020, tăng 104,6 ha; Diện tích đất trồng lúa và rau màu có sự thay đổi nhiều sang đất quần cƣ: năm 2010 có 6.151,7 ha và giảm mạnh xuống 5.913,4 ha vào năm 2020, giảm -238,3 ha; Diện tích đất mặt nƣớc có sự thay đáng kể, năm 2010 là 1.639,6 tăng lên 133,8 ha năm 2020. Với kết quả dự báo ở trên cũng rất phù hợp với xu thế phát triển cũng nhƣ quy hoạch phát triển kinh tế xã hội của huyện Kiến Thuỳ nói riêng, của thành phố Hải Phịng nói chung. Tuy nhiên, qua kết quả dự báo cũng tác giả cũng thấy rằng việc phát triển nóng, chuyển dịch nhanh từ đất sản xuất nông nghiệp sang đất sản xuất, dân cƣ huyện Kiến Thuỳ cũng phải đặt vấn đề về đảm bảo an ninh lƣơng thực và đảm bảo diện tích trồng lúa theo quy định của chính phủ. Vì vậy, huyện Kiến Thuỳ phải quy hoạch trƣớc những diện tích đất bù vào đất sản xuất nông nghiệp sau khi đã thu hồi để phục vụ phát triển kinh tế xã hội nhƣ đất mặt nƣớc hiện là ruộng sâu trũng, đất bãi bồi ven sông, ven biển, đất chƣa sử dụng …
Mơ hình hóa khơng gian các đối tƣợng 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 mơ hình hóa đến năm 2010 và ảnh phân loại năm 2010 cho thấy kết quả mơ hình hóa đạt tỷ lệ chính xác khá cao (gần 70%) so với kết quả phân loại ảnh Landsat năm 2010. Kết quả này cho phép mơ hình hóa sự biến đổi lớp phủ mặt đất huyện Kiến Thụy đến năm 2020.
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)
87
Trong nghiên cứu biến đổi lớp phủ mặt đất, Idrisi Andes 15 là một phần mềm tích hợp viễn thám và GIS cho phép xử lý tƣ liệu viễn thám (phân loại, hiệu chỉnh phổ,...) và các hợp phần GIS (thành lập, biên tập bản đồ,...), các hợp phần mơ hình hóa khơng gian, kết hợp với phân tích chuỗi Markov để đƣa các ngƣỡng đƣợc xác định bằng phƣơng pháp đánh giá đa chỉ tiêu nhằm gia tăng độ chính xác của kết quả mơ hình hóa. Tuy nhiên, nhƣợc điểm của Idrisi là khi tính tốn mơ hình 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 và yêu cầu các dữ liệu khơng gian ở đầu vào của mơ hình phải đảm bảo chi tiết và chính xác.
Kiến nghị
Tuy nhiên, trong q trình triển khai thực hiện luận văn, với những kết quả và khó khăn đã gặp phải, xin có một số kiến nghị nhƣ 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 mơ hình để mơ hình có ý nghĩa thực tiễn cao hơn.
- Cần có các nghiên cứu sâu hơn nữa trong việc ứng dụng mơ hình vào cơng tác quản lý và sử dụng đất của huyện Kiến Thụy nhằm phát triển bền vững tài nguyên đất tại huyện
Tài liệu tham khảo
Tiếng Việt
1. Thủ tƣớng Chính phủ (2006). Quyết định số 271/2006/QĐ-TTg ngày
27/11/2006 của Thủ tướng Chính phủ V/v phê duyệt “Quy hoạch tổng thể phát triển kinh tế xã hội Thành phố Hải Phòng đến năm 2020”
2. Thành ủy Hải Phòng (2005). Nghị quyết đại hội Đảng bộ Thành phố Hải Phòng lần thứ XIII
3. Huyện ủy Kiến Thụy (2005). Nghị quyết đại hội Đảng bộ huyện Kiến Thuỵ
lần thứ XXII.
4. Quy hoạch tổng thể phát triển kinh tế - xã hội huyện Kiến Thụy, TP. Hải phòng đến năm 2020.
5. Huyện ủy, UBND huyện Kiến Thụy cùng các nhà khoa học (2009). Kiến Thụy Xưa và Nay, Nhà xuất bản Lao Động 11/2009
6. Ngơ Quang Tồn và nnk (1993). Báo cáo địa chất và khoáng sản thành phố
Hải Phòng.
7. Bộ Xây dựng (2002). Phân loại đô thị và cấp quản lý đô thị, NXB Xây dựng Hà Nội.
8. Cục thống kê Hải Phòng (2011). Niên giám thống kê TP. Hải Phòng 2011. 9. Hội đồng quốc gia chỉ đạo biên soạn từ điển bách khoa Việt Nam (2005). Từ
điển bách khoa Việt Nam, tập 4.
10. Viện Việt Nam học và Khoa học phát triển, ĐHQG Hà Nội, (2010). Atlas Thăng Long Hà Nội. NXB Hà Nội.
11. Vũ Thị Chuyên (2010), Định nghĩa đơ thị hố và hệ thống chỉ tiêu phân tích
đơ thị hố ở thành phố Hải Phịng dưới góc độ địa lý KT - XH, Hội nghị địa
lý toàn quốc lần thứ 5 (ngày 19/6/2010), NXB KHTN và CN, Hà Nội.
12. Đinh Thị Bảo Hoa (2007), Nghiên cứu sử dụng hợp lý đất vùng ven đơ huyện
Thanh Trì, Hà Nội với sự hỗ trợ của công nghệ viễn thám và hệ thong tin địa lý, Luận án tiến sỹ.
13. Nguyễn Đình Minh (2000). Hệ thông tin địa lý. Bài giảng. ĐHKHTN, ĐHQG Hà Nội.
14. Nguyễn Ngọc Thạch (2005). Cơ sở viễn thám. NXB Nông nghiệp Hà Nội 15. Vũ Quyết Thắng (2005), Quy hoạch môi trường, Nhà xuất bản Đại học Quốc
89
gia Hà Nội.
16. Vũ Anh Tuân (2004), Nghiên cứu biến động lớp phủ thực vật và ảnh hưởng của nó tới q trình xói mịn đất bằng phương pháp viễn thám và GIS, Luận án tiến sỹ.
17. Trần Anh Tuấn, Dư Vũ Việt Qn (2009). Ứng dụng mơ hình phân tích chuỗi Markov và Mạng tự động đánh giá, dự báo biến động lớp phủ mặt đất huyện Triệu Phong, Tỉnh Quảng Trị.
Tiếng Anh
1. Anderson, J., Hardy, E., Roach, J., & Witmer, R. (1976). A land use and land
cover classification system for use with remote sensor data. Washington:
Geological Survey Professional Paper 964.
2. Agarwal, C., G. M. Green, J. M. Grove, T. P. Evans and C. M. Schweik (2002), A review and Asessment of land-use change models: dynamics of space, time, and human choice.
3. Almeida, C.M.d., M.Batty, A.M.V.Monteiro, G.Camara, B.S.Soares-Filho, G.C.Cerqueira, C.L.Pennachin (2003), Stochastic cellular automata modeling of
urban land use dynamics empirical development and estimation, Computers, Environment and Urban Systems.
4. Balzter, H. (2000). Markov chain models for vegetation dynamics.
Ecological Modeling, 126, 139–154.
5. Barredo, J., Kasanko, M., McCormick, N., & Lavalle, C. (2003). Modelling
dynamic spatial processes: Simulation of urban future scenarios through cellular automata. Landscape and Urban Planning, 64, 145–160.
6. John von Neumann (1951), The general and logical theory of automata, in
L.A. Jeffress, ed., Cerebral Mechanisms in Behavior – The Hixon Symposium, John Wiley & Sons.
7. Li,X. and A.G.O.Yeh (2002), Neural-network-based cellular automata for
simulating multiple land use changes using GIS, International Journal of
geographical information science, 16(4): 323-343.
8. López, E., Bocco, G., Mendoza, M., & Duhau, E. (2001). Predicting land cover and land-use change in the urban fringe. A case in Morelia city,
Mexico. Landscape and Urban Planning, 55(4), 271–285. 9. Stephen Wolfram (2002), A New Kind of Science.
10. Takayama, M. and H. Couclelis (1997), Map Dynamics Integrating Cellular Automata and GIS Through Geo-Algebra, International Journal of
Geographical Information Science, 11(1): 73-91.
11. Tobler, W. (1979). Cellular geography. In S. Gale, & G. Olsson (Eds.),
Philosophy in geography (pp. 379–386). Dordrecht: Reidel.
12. White, R., & Engelen, G. (1993). Cellular automata and fractal urban form:
A cellular modelling approach to the evolution of urban land-use patterns.
Environment and Planning A, 25, 1175–1199.
13. White, R., & Engelen, G., & Uljee, I. (1997). The use of constrained cellular
automata for high-resolution modelling of urban land use dynamics.