CHƯƠNG 1:TỔNG QUAN VỀ PHƯƠNG PHÁP VIỄN THÁM VÀ MÔ HÌNH DỰ BÁO BIẾN ĐỘNG SỬ DỤNG ĐẤT
1.4. Tổng quan về phương pháp dự báo biến động sử dụng đất
Hiện nay, có rất nhiều các kiểu mô hình được sử dụng để dự báo biến động sử dụng đất, chẳng hạn như mô hình toán học, thống kê, mô hình phân tích xu hướng (hệ thống đa tác nhân), mô hình tế bào (cellular automata) [Hubert- Moy và nnk,. 2006] và các mô hình dựa trên một phương pháp gọi là "gần đúng". Ngoài ra, các mô hình dựa trên lý thuyết chuỗi Markov hoặc các mô hình chuyên gia đã được sử dụng rộng rãi [Okwuashi và nnk, 2012; He và nnk,. 2006;
Hepinstall và nnk,. 2008; Hubert-Moy và nnk,. 2006]. Parker và nnk. (2003), trong một bản tóm tắt đã phân ra bảy loại mô hình cơ bản: Mô hình toán học dựa trên một hoặc nhiều phương trình cân bằng [Sklar và Costanza, 1991; Chuvieco, 1993]; mô hình hệ thống [Gilbert và Troitzsch, 1999], những mô hình dựa trên các thuật toán thống kê (ví dụ như hồi quy) [Ludeke và nnk., 1990; Mertens và Lambin, 1997]; các mô hình chuyên gia [Eastman, 1999]; các mô hình chuyển đổi dựa trên mạng thần kinh [Balling và nnk., 1999]; mô hình tế bào (tế bào tự động) [Tobler, 1979; Alcamo, 1994], chuỗi Markov [Li và Reynolds, 1997], và các mô hình đa nhân tố [Woolridge, 1999]. Ngoài ra, có một số mô hình được gọi là mô hình kết hợp, vì nó được kết hợp từ hai hoặc nhiều hơn các mô hình trên với nhau [Corgne,. 2004].
Trong vòng 20 năm qua, các mô hình như chuỗi Markov, CA-Markov, GEOMOD và LCM, là những mô hình cho thấy được sự hiệu quả trong việc dự đoán biến động sử dụng đất ; bởi vì chúng được kết hợp với GIS trong phân tích dữ liệu, mô phỏng các xác suất của sự thay đổi và nâng cao độ tin cậy kết quả dự báo [Eastman,. 2006; Pontius và Chen,. 2006; Tewolde và Cabral,. 2011].
Vì vậy, để xác định một mô hình thích hợp có thể áp dụng được trong xây dựng các kịch bản sử dụng đất đối với tỉnh Bình Dương, trong nghiên cứu này chúng tôi sẽ đánh giá sơ bộ một số mô hình phổ biến đã được sử dung trong thời gian qua:
a. Mô hình GEOMOD
GEOMOD là một mô hình mô phỏng sự phân bố không gian của những thay đổi sử dụng đất trong quá khứ và tương lai. Nó mô hình hóa những thay đổi giữa hai loại đất ký hiệu 1 và 2 [Silva và Clarke,. 2002; Pontius et al. năm 2001;
Pontius và Chen,. 2006]. Ví dụ, nó có thể được sử dụng để dự đoán sự thay đổi trong hai loại đất (đất rừng và đất không có rừng) giữa hai thời điểm khác nhau (T1 và T1) [Dushku và Brown,. 2003].
b. Mô đun Markov (Markov modul)
Mô đun Markov sử dụng một cặp hình ảnh về sử dụng đất như là dữ liệu đầu vào, tiến hành phân tích sự thay đổi giữa chúng ; và kết quả đầu ra là một ma trận xác suất chuyển đổi, một ma trận các vùng chuyển đổi, và một tập hợp các hình ảnh xác suất chuyển đổi [Eastman,. 2006; Eşbah et al,. 2011]:
- Ma trận xác suất chuyển đổi là một tập tin dạng văn bản ghi lại các xác suất của một lớp phủ đất có khả năng chuyển sang loại đất khác. Trong ma trận này, các hàng đại diện cho các lớp sử dụng đất cũ hơn, trong khi các cột của ma trận hiển thị các lớp sử dụng đất mới hơn;
- Ma trận các vùng chuyển đổi là một tệp dữ liệu dạng văn bản ghi lại số điểm ảnh sẽ có khả năng chuyển từ loại đất này sang loại đất khác trong kỳ đánh giá
biến động. Trong ma trận này, các hàng và cột cũng tương ứng thể hiện dữ liệu sử dụng dụng đất cũ hơn (thời điểm T1) và dữ liệu sử dụng đất mới hơn (thời điểm T2);
- Ảnh xác suất điều kiện xác định xác suất đối với một loại hình sử dụng đất tương ứng trong mỗi điểm ảnh trong giai đoạn chuyển đổi. Những hình ảnh này sau đó được sử dụng để tạo ra bản đồ dự báo biến động sử dụng đất.
c. Mô hình tế bào tự động (Cellula Automata-CA)
Các mô hình CA là mô hình không gian động, trong đó các đơn vị cơ bản là tế bào. Mô hình này kiểm soát sự phân bố không gian của sự thay đổi dựa trên các quy tắc người láng giềng gần nhất và cho phép xây dựng các bản đồ khả năng chuyển đổi [White và Engelen, 1993; Clarke và nnk., 1994; Laurence và Thomas, 2006; He et al, 2008, Guan et al,. 2010]. Mô hình này có thể được tích hợp với hệ thống thông tin địa lý GIS hoặc có thể được sử dụng như một phần mềm độc lập [Torrens, 2000 và 2006; Eşbah và nnk,. 2011].
d. Mô hình kết hợp CA-Markov
Mô hình CA-Markov là sự kết hợp của mô hình Cellular Automata (CA) và mô-đun "Markov" để dự báo biến động sử dụng đât. Trong thực tế, mô hình này là mô đun Markov được cộng thêm yếu tố phân tích không gian để thể hiện sự phân bố không gian của các khả năng chuyển đổi [Eastman,. 2006].
Mô hình CA-Markov được tích hợp với GIS được coi là một cách tiếp cận thích hợp để mô hình hóa các thay đổi sử dụng đất theo không gian và thời gian [Myint và Wang, 2006; Courage và nnk, 2009]. Trong mô hình CA-Markov, quá trình của chuỗi Markov kiểm soát sự thay đổi về mặt thời gian giữa các lớp sử dụng đất trên cơ sở của ma trận chuyển đổi [Lopeza và nnk,. 2001; Guan và nnk,. 2010]. Trong khi đó, GIS có thể được sử dụng để xác định các điều kiện ban đầu, xác định các tham số của mô hình CA-Markov, tính toán ma trận
chuyển đổi và xác định quy tắc người láng giềng gần nhất [Batty và nnk,. 1999 ; Aitkenhead và Aalders,. 2009].
e. Mô đun Mô hình hóa chuyển đổi sử dụng đất (LCM)
LCM (Land Change Modeler) là một mô-đun tổng hợp được sử dụng cho việc phân tích, dự báo các thay đổi sử dụng đất, đánh giá các yếu tố ảnh hưởng đến đa dạng sinh học và quy hoạch lãnh thổ [Eastman,. 2006 và 2009]. Việc mô hình hóa sự biến động sử dụng đất sử dụng mô đun LCM đòi hỏi phải có hai bản đồ hiện trạng sử dụng đất tương ứng với hai thời điểm khác nhau (thời gian T1 và T2). Các bản đồ này được sử dụng như là dữ liệu đầu vào để phân tích các thay đổi sử dụng đất trong quá khứ. Nó giúp cho việc nắm bắt các thông tin về sự tăng, giảm và các vùng chuyển đổi của các loại sử dụng đất khác nhau. Mô đun này cũng định lượng được những thay đổi sử dụng đất trong giai đoạn T1 và T2 [Tewolde và Cabral,. 2011].
Mô đun LCM cho phép dự báo sự biến động sử dụng đất với một, hai hoặc nhiều lớp sử dụng đất cùng một lúc trên cơ sở của quá trình chuyển đổi tiềm năng. Mỗi quá trình chuyển đổi được mô hình hóa bằng một hàm hồi quy logistic hoặc mạng thần kinh đa lớp (Multi-layer perceptron) [Eastman,. 2006].
1.4.2 Phân tích lựa chọn mô hình dự báo biến động sử dụng đất
Trên thực tế rất khó để so sánh hiệu quả của các mô hình này vì sự khác biệt cơ bản về cách tiếp cận giữa các mô hình và sự phụ thuộc vào các mục tiêu nghiên cứu. Ví dụ, với các mô hình GEOMOD, việc mô phỏng sử dụng đất chỉ thực hiện được với hai lớp sử dụng đất [Silva và Clarke,. 2002 Pontius và nnk,.
2001], trong khi các mô hình khác, chẳng hạn như các CA-Markov và LCM có thể mô phỏng sự thay đổi đối với nhiều lớp sử dụng đất cùng một lúc [Burstedde et al,. năm 2001; Pontius và Chen,. 2006].
Mô hình CA-Markov, trong thực tế là mô-đun Markov được cải tiến với nhiều tính năng hơn so với mô hình CA hoặc mô đun Markov. Về mặt lý thuyết, mô hình này có thể mô phỏng sự thay đổi đồng thời nhiều lớp sử dụng đất. Tuy nhiên, một số nghiên cứu đã chỉ ra rằng mô hình này không đảm bảo độ tin cậy khi dự báo biến động sử dụng đất trong dài hạn (độ chính xác dự báo dưới 70%) [Araya và Cabeal,. năm 2010; Falahatkar và Soffianian,. 2011]. Hơn nữa, mô hình CA-Markov chỉ cho đầu ra là hình ảnh của các xác suất chuyển đổi tiềm năng. Đây không phải là một bản đồ dự báo (bản đồ chính thức). Để có được bản đồ dự báo cuối cùng, cần phải tiến hành thêm một số công đoạn nữa.
Trong khi đó, mô đun LCM cho phép đánh giá độ chính xác của từng bước trong quá trình mô phỏng biến động sử dụng đất và lựa chọn thuật toán thích hợp với mục tiêu đặt ra. Một số nghiên cứu cho thấy, mô đun LCM sử dụng mô hình mạng thần kinh đa lớp cho phép thành lập các bản đồ dự báo biến động sử dụng đất với độ chính xác cao hơn 70% [Islam và Ahmed,. 2011].
Ngoài ra, mô đun này cho phép trực tiếp xuất ra bản đồ dự báo sử dụng đất với các tên và số lượng lớp như các bản đồ hiện trạng đầu vào.
Trong trường hợp cụ thể đối với nghiên cứu này, tôi mong muốn dự báo biến động sử dụng đất trong giai đoạn trung hạn và dài hạn đối với tỉnh Bình Dương với nhiều lớp đối tượng sử dụng đất cùng một lúc và độ chính xác của kết quả đạt yêu cầu. Do đó, tôi sẽ lựa chọn sử dụng mô đun LCM để dự báo diễn biến sử dụng đất của tỉnh Bình Dương trong hai mươi năm tới.