CHƯƠNG 1. TỔNG QUAN CƠ SỞ LÝ LUẬN VÀ PHƯƠNG PHÁP NGHIÊN CỨU NGUY CƠ VÀ CẢNH BÁO CHÁY RỪNG TỈNH SƠN LA TRÊN CƠ SỞ ỨNG DỤNG CÔNG NGHỆ ĐỊA THÔNG TIN
1.2. Cơ sở lý luận nghiên cứu nguy cơ và cảnh báo cháy rừng tỉnh Sơn La trên cơ sở ứng dụng công nghệ Địa thông tin
1.2.6. Khả năng ứng dụng công nghệ Địa thông tin trong nghiên cứu nguy cơ và cảnh báo cháy rừng trên cơ sở kết hợp kiến thức chuyên gia, phương pháp MCA,
Các kết quả nghiên cứu như trên đã khẳng định cháy rừng là hiện tượng ôxy hóa các vật liệu hữu cơ do rừng tạo ra ở nhiệt độ cao. Nó xảy ra khi có mặt đồng thời của 3 thành tố (còn gọi là Tam giác cháy): nguồn nhiệt, Ôxy và VLC. Tùy thuộc
vào đặc điểm của 3 yếu tố trên mà cháy rừng có thể được hình thành, phát triển hay bị ngăn chặn hoặc suy yếu. Hoạt động KTXH của con người như: đốt nương rẫy, săn bắn, du lịch... ảnh hưởng đến mật độ và phân bố nguồn lửa khởi đầu của các đám cháy. Phần lớn các biện pháp phòng cháy và chữa cháy rừng đều được xây dựng trên cơ sở phân tích đặc điểm của của 3 yếu tố trên trong hoàn cảnh cụ thể của địa phương [63].
Trong những năm gần đây, các vụ cháy rừng với cường độ cao đã xuất ở nhiều
quốc gia như: Mỹ, Thụy Điển, Trung Quốc, Bồ Đào Nha và In-đô-nê-xi-a do ảnh hưởng của khô hạn kéo dài kết hợp với điều kiện thời tiết khô và nóng. Hiện tượng cháy rừng sẽ ngày càng gia tăng trong tương lai do sự biến đổi khí hậu [33]. Vì vậy, việc phát triển các mô hình dự báo đáng tin cậy về nguy cơ cháy rừng là rất quan trọng đối với an toàn công cộng, quản lý rừng cũng như việc lập kế hoạch ngăn chặn
thảm họa.
Để đánh giá NCCBCR, có thể sử dụng nhiều nguồn thông tin bao gồm: ảnh vệ tinh, bản đồ hiện trạng sử dụng đất, thông tin địa giới hành chính, bản đồ hiện trạng rừng, dữ liệu thời tiết - khí hậu và thông tin thống kê về điều kiện tự nhiên và KTXH...
Luận án đã sử dụng dữ liệu các điểm nóng, điểm cháy được thu thập từ vệ tinh MODIS, Suomi - NPP của NASA để phân ngưỡng cho các tiêu chí thông qua tần suất xuất hiện của các điểm cháy phục vụ cho việc xác định trọng số theo phương pháp MCA, AHP. Đồng thời là dữ liệu đầu vào cho phương pháp ML được xác thực với dữ liệu điểm cháy của Chi cục kiểm lâm Sơn La, Cục kiểm lâm Việt Nam và thực địa.
Ảnh viễn thám Landsat 8 được sử dụng với sự hỗ trợ của phần mềm Google Earth Engine để hồi quy tính được chỉ số ΔNBR ở hai cảnh ảnh ở hai thời điểm khác nhau để xác thực vùng cháy trên ảnh và xác thực trực quan kết quả của mô hình nghiên
cứu của luận án.
Ảnh vệ tinh SPOT 6 được nắn chỉnh và phân loại để thành lập bản đồ hiện trạng rừng tỉnh Sơn La năm 2016 là nguồn dữ liệu đầu vào cho mô hình nghiên cứu.
Việc đánh giá, phân tích để ra quyết định dựa trên Bộ tiêu chí được xác lập cho mô hình nghiên cứu NCCBCR cần phải có tham vấn kiến thức của các chuyên gia. Do
đó, phương pháp MCA rất hữu ích trong việc phân loại và xác định trọng số các tiêu
chí. Các bước phân tích MCA bao gồm: xác định tiêu chí, định lượng và phân tích cho người đánh giá và kết hợp các phán đoán. Trong số nhiều phương pháp của MCA, kết
hợp trọng số tuyến tính với các thuộc tính không gian thường được sử dụng nhất [33].
Phương pháp phân tích quy trình phân cấp (AHP) cũng thường được áp dụng để đánh giá NCCBCR và có ưu điểm là chia nhỏ vấn đề thành một cấu trúc phân cấp, cho phép các chuyên gia và các bên liên quan tham gia đánh giá. Ở đây, trọng số của các chỉ tiêu được ước tính riêng biệt bằng cách sử dụng AHP để thiết lập ma trận so sánh cặp thông qua bảng câu hỏi. MCA với kỹ thuật AHP xác định trọng số của các
chỉ tiêu và tổng hợp kiến thức tham vấn từ các chuyên gia rất thích hợp trong nhiều lĩnh vực đa dạng. Lập bản đồ trọng điểm NCCR được phát triển từ các tham vấn của các chuyên gia kết hợp với CNĐTT được sử dụng để phân tích không gian trong việc xây dựng cơ sở dữ liệu, phân tích, đánh giá thông tin điểm nóng, điểm cháy và biểu diễn không gian của các lớp thông tin [33, 89].
Phát triển các mô hình dự đoán độ chính xác cao của cháy rừng vẫn là một nhiệm vụ khó khăn bởi vì cháy rừng là điển hình một quá trình phi tuyến và phức tạp được tác động bởi nhiều yếu tố ảnh hưởng. Sự xuất hiện cháy rừng chịu ảnh hưởng bởi các yếu tố như: nguồn lửa, nhiên liệu sinh khối và điều kiện thời tiết cho sự cháy [75]. Những thay đổi của khí hậu đã ảnh hưởng đến các yếu tố này nhiều lần và theo những cách phức tạp [71]. Do đó, các mô hình khác nhau đã được so sánh cho các nghiên cứu NCCBCR từ các kỹ thuật thống kê đơn giản như: hồi quy Poisson, hồi quy địa lý, hồi quy Logistic [59] và hồi quy tuyến tính đến các mô hình phức tạp hơn như: phân phối Pareto, chức năng thuận lợi, tiếp cận dựa trên mô phỏng số và các mô hình toán học [78, 83, 85, 86].
Trong những năm gần đây, mô hình nghiên cứu NCCBCR ứng dụng công
nghệ Địa thông tin trên cơ sở kết hợp tham vấn kiến thức của các chuyên gia, phương pháp ML đã được sử dụng rộng rãi trong các nghiên cứu như: MLP [82], SVM [81], RF [43, 74], phân loại hồi quy logistic với chức năng Kernel [87] và thần kinh mờ NF (neural fuzzy) [86]. Các nghiên cứu trên đã chứng minh mô hình
nghiên cứu ứng dụng ML có khả năng mang lại kết quả nghiên cứu tốt hơn. Để chọn lựa phương pháp tốt nhất cho xây dựng mô hình trong nghiên cứu NCCBCR cần phải có sự so sánh và phân tích kết quả giữa các thuật toán theo từng mô hình bằng phương pháp ML.
Các bản đồ trọng điểm NCCR của luận án được sử dụng tích hợp vào hệ thống cổng thông tin cảnh báo đa tai biến (lũ quét, cháy rừng và sâu bệnh nông nghiệp) sớm 1-6 ngày cấp tiểu vùng hoạt động trực tuyến 24/24h và vận hành tự động qua Internet
(http://taibienhuyentaybac.ddns.net:8088/). Trong Hệ thống, luận án được cho phép sử dụng dữ liệu nhiệt độ và độ ẩm được cung cấp trực tuyến và liên tục từ trang Web:
http://thoitiethuyentaybac.com.vn/ làm cơ sở để luận án có thể tích hợp với các bản đồ trọng điểm NCCR để CBSTBCR trong thời gian từ 1-3 ngày.