Giáo Trình Tin Học Trong Kỹ Thuật Môi Trường

Giáo trình tin học trong kỹ thuật môi trường của Phạm Văn Toàn, NXB Đại học Cần Thơ 2015, cung cấp kiến thức cơ bản và ứng dụng trong ngành.

• Trường học: Trường Đại Học Kỹ Thuật Môi Trường
• Chuyên ngành: Tin Học
• Đề tài: Giáo Trình Tin Học Trong Kỹ Thuật Môi Trường
• Loại tài liệu: Giáo Trình
• Năm xuất bản: 2023
• Địa điểm: Hồ Chí Minh

Mục lục chi tiết

• LỜI GIỚI THIỆU
• LỜI NÓI ĐẦU
• 1. CHƯƠNG 1: CÁC VẤN ĐỀ TRONG NGHIÊN CỨU MÔI TRƯỜNG VÀ THỐNG KÊ LIÊN QUAN
• 1.1. CÁC KIỂU NGHIÊN CỨU MÔI TRƯỜNG
• 1.2. MỘT SỐ KHÁI NIỆM CƠ BẢN TRONG THỐNG KÊ
• 1.3. CÁC GIAI ĐOẠN TRONG ĐIỀU TRA NGHIÊN CỨU MÔI TRƯỜNG
• 1.3.1. Xác định nhiệm vụ, đối tượng, quần thể
• 1.3.2. Tính toán số lượng đơn vị cần thu thập
• 1.3.3. Thu thập dữ kiện
• 1.3.4. Lưu trữ và xử lý số liệu
• 1.3.5. Phân tích kết quả và viết báo cáo
• 1.4. NHỮNG LOẠI BÀI TOÁN THƯỜNG GẶP TRONG ĐIỀU TRA - NGHIÊN CỨU MÔI TRƯỜNG
• 1.5. CÂU HỎI VÀ BÀI TẬP
• 2. CHƯƠNG 2: PHƯƠNG PHÁP THỐNG KÊ MÔ TẢ ỨNG DỤNG TRONG ĐIỀU TRA NGHIÊN CỨU MÔI TRƯỜNG
• 2.1. CÁC PHƯƠNG PHÁP NGHIÊN CỨU TRONG THỐNG KÊ ỨNG DỤNG
• 2.2. CÁC ĐẶC TRƯNG THỐNG KÊ THƯỜNG DÙNG
• 2.2.1. Các đặc trưng diễn đạt chiều hướng tập trung của dữ kiện
• 2.2.2. Các đặc trưng diễn đạt sự phân tán của dữ kiện
• 2.3. MÔ TẢ DỮ KIỆN MÔI TRƯỜNG
• 2.3.1. Phân bố của quần thể
• 2.3.2. Phân bố mẫu
• 2.3.3. Các phân bố xác suất thường gặp trong nghiên cứu môi trường
• 2.4. CÂU HỎI VÀ BÀI TẬP
• 3. CHƯƠNG 3: ƯỚC LƯỢNG VÀ TRẮC NGHIỆM GIẢ THUYẾT THỐNG KÊ
• 3.1. LÝ THUYẾT LẤY MẪU THĂM DÒ
• 3.1.1. Phân tích nhiệm vụ, định nghĩa đơn vị chọn mẫu, xác định quần thể và lựa chọn phương pháp lấy mẫu
• 3.2. MỘT SỐ CƠ SỞ LÝ THUYẾT CỦA ƯỚC LƯỢNG ĐIỂM VÀ ƯỚC LƯỢNG KHOẢNG TIN CẬY
• 3.2.1. Ước lượng điểm
• 3.2.2. Ước lượng khoảng tin cậy
• 3.2.3. Ước lượng cỡ mẫu cần thiết khi thăm dò ngẫu nhiên đơn giản
• 3.3. NHỮNG KIỂM ĐỊNH THAM SỐ THƯỜNG GẶP
• 3.3.1. Những nguyên lý chung về kiểm định giả thuyết
• 3.3.2. Các kiểm định tham số thường gặp trong nghiên cứu môi trường
• 3.4. MỘT SỐ KIỂM ĐỊNH PHI THAM SỐ THƯỜNG GẶP
• 3.5. CÂU HỎI VÀ BÀI TẬP
• 4. CHƯƠNG 4: BỐ TRÍ THÍ NGHIỆM VÀ PHÂN TÍCH PHƯƠNG SAI
• 4.1. KHÁI NIỆM
• 4.2. CÁC KHÁI NIỆM CÓ LIÊN QUAN ĐẾN THÍ NGHIỆM
• 4.2.1. Nghiệm thức và đơn vị thí nghiệm
• 4.2.2. Chọn lựa nghiệm thức
• 4.2.3. Lặp lại
• 4.3. CÁC GIAI ĐOẠN THỰC HIỆN THÍ NGHIỆM
• 4.3.1. Xác định mục tiêu thí nghiệm
• 4.3.2. Bố trí kiểu thí nghiệm
• 4.3.3. Thu thập dữ liệu
• 4.3.4. Nhập và lưu trữ kết quả thí nghiệm
• 4.3.5. Xử lý số liệu thí nghiệm
• 4.3.6. Phân tích, đánh giá kết quả và trình bày báo cáo về thí nghiệm
• 4.4. THÍ NGHIỆM MỘT NHÂN TỐ
• 4.4.1. Bố trí kiểu hoàn toàn ngẫu nhiên (Complete Randomized Design - CRD)
• 4.4.2. Bố trí khối hoàn toàn ngẫu nhiên (Randomized Complete Block Design - RCB)
• 4.4.3. Bố trí kiểu hình vuông Latin (Latin Square design - LS)
• 4.5. BỐ TRÍ HAI NHÂN TỐ
• 4.5.1. Bố trí Khối hoàn toàn ngẫu nhiên
• 4.5.2. Bố trí lô phụ Split-Plot
• 4.6. CÂU HỎI VÀ BÀI TẬP
• 5. CHƯƠNG 5: PHƯƠNG PHÁP HỒI QUY VÀ TƯƠNG QUAN ỨNG DỤNG
• 5.1. KHÁI NIỆM VÀ VẤN ĐỀ LIÊN QUAN ĐẾN NGHIÊN CỨU TẬP HỢP THỐNG KÊ NHIỀU YẾU TỐ
• 5.1.1. Liên hệ tương quan - hồi quy
• 5.1.2. Các kiểu liên hệ tương quan
• 5.1.3. Phương pháp bình phương tối thiểu
• 5.1.4. Sự lạm dụng của phân tích hồi quy và tương quan
• 5.1.5. Phân biệt các nhóm biến số trong nghiên cứu hồi quy và tương quan
• 5.2. HỒI QUY VÀ TƯƠNG QUAN TUYẾN TÍNH ĐƠN BIẾN (SIMPLE LINEAR)
• 5.2.1. Tính các thông số của đường thẳng hồi quy
• 5.2.2. Tính hệ số tương quan và hệ số xác định
• 5.2.3. Ước lượng khoảng tin cậy cho đường thẳng hồi quy
• 5.2.4. Kiểm định về sự tồn tại của hệ số tương quan
• 5.2.5. Ước lượng khoảng tin cậy và kiểm định về sự tồn tại của hệ số hồi quy
• 5.2.6. Kiểm định F trung bình bình phương của sai lệch
• 5.3. HỒI QUY VÀ TƯƠNG QUAN TUYẾN TÍNH ĐA BIẾN
• 5.3.1. Tính toán các hệ số
• 5.3.2. Phân tích phương sai
• 5.3.3. Tính tổng bình phương điều kiện
• 5.4. HỒI QUY VÀ TƯƠNG QUAN PHI TUYẾN TÍNH ĐƠN BIẾN (SIMPLE NONLINEAR)
• 5.4.1. Biến đổi biến số
• 5.4.2. Tạo ra biến số mới
• 5.5. HỒI QUY VÀ TƯƠNG QUAN PHI TUYẾN TÍNH ĐA BIẾN (MULTIPLE NONLINEAR)
• 5.5.1. Tuyến tính hóa bằng cách tạo ra biến mới thay vào phương trình nhằm chuyển đổi tất cả các quan hệ thành tuyến tính
• 5.5.2. Sử dụng phương pháp tìm thông số cho hồi quy phi tuyến tính
• 5.6. CÂU HỎI VÀ BÀI TẬP
• 6. CHƯƠNG 6: XỬ LÝ DỮ LIỆU CHUỖI THỜI GIAN
• 6.1. MÔ PHỎNG DỮ KIỆN BẰNG CÁC HÀM PHÂN BỐ
• 6.2. CHUỖI THỜI GIAN
• 6.2.1. Phân tích chuỗi thời gian
• 6.3. CÂU HỎI VÀ BÀI TẬP
• TÀI LIỆU THAM KHẢO
• PHỤ LỤC
• DANH SÁCH HÌNH
• DANH SÁCH BẢNG
• DANH MỤC TỪ VIẾT TẮT

Tóm tắt

I. Vai Trò Của Tin Học Trong Kỹ Thuật Môi Trường Hiện Đại

Trong kỷ nguyên số, ngành kỹ thuật môi trường không còn chỉ dựa vào các phương pháp quan sát và phân tích truyền thống. Sự bùng nổ của dữ liệu đòi hỏi các kỹ sư phải trang bị những công cụ mạnh mẽ để xử lý và diễn giải thông tin. Giáo trình Tin Học Trong Kỹ Thuật Môi Trường ra đời như một nền tảng cốt lõi, chuyển đổi cách tiếp cận từ định tính sang định lượng, cung cấp cơ sở khoa học vững chắc cho việc ra quyết định. Môn học này không chỉ là về việc sử dụng máy tính, mà là áp dụng các phương pháp thống kê, mô hình hóa và các phần mềm chuyên ngành môi trường để giải quyết các bài toán thực tiễn. Mục tiêu chính là trang bị cho người học khả năng thu thập, quản lý, phân tích và trực quan hóa dữ liệu, từ đó có thể thực hiện quan trắc và giám sát môi trường hiệu quả, đánh giá tác động môi trường (ĐTM) một cách chính xác, và xây dựng các mô hình dự báo đáng tin cậy. Theo TS. Phạm Văn Toàn và ThS. Nguyễn Văn Tuyến (2015), phương pháp chung cho các vấn đề môi trường là "khảo sát, bố trí thí nghiệm, thu mẫu phân tích..., sau đó thống kê, đánh giá và kết luận". Điều này khẳng định vai trò trung tâm của tin học ứng dụng trong môi trường, giúp biến những con số thô thành các tri thức hành động, phục vụ cho mục tiêu phát triển bền vững. Nắm vững kiến thức từ các tài liệu tin học chuyên ngành môi trường là yêu cầu bắt buộc đối với các chuyên gia môi trường thế hệ mới.

1.1. Tổng quan về tin học ứng dụng trong lĩnh vực môi trường

Bản chất của tin học ứng dụng trong môi trường là việc sử dụng các công cụ tính toán và thuật toán để giải quyết các vấn đề môi trường cụ thể. Lĩnh vực này có thể được chia thành hai mảng chính: quan trắc môi trường và nghiên cứu môi trường. Quan trắc môi trường tập trung vào việc thu thập dữ liệu để giám sát nồng độ các chất hoặc kiểm soát sự tuân thủ các quy chuẩn. Ngược lại, nghiên cứu môi trường sử dụng dữ liệu để tìm hiểu mối quan hệ nhân quả, ví dụ như sự phát tán của chất ô nhiễm. Cả hai mảng này đều tạo ra khối lượng dữ liệu khổng lồ, đòi hỏi các kỹ năng về xử lý số liệu môi trường và quản lý cơ sở dữ liệu môi trường. Các công cụ từ cơ bản như Excel cho phân tích sơ bộ, đến phức tạp hơn như phần mềm MATLAB hay ngôn ngữ lập trình Python, đều đóng vai trò quan trọng trong quá trình này.

1.2. Mục tiêu cốt lõi của giáo trình tin học chuyên ngành

Một ebook tin học kỹ thuật môi trường hay một giáo trình chuẩn mực không nhằm mục đích đào tạo một lập trình viên, mà là trang bị cho kỹ sư môi trường tư duy phân tích dựa trên dữ liệu. Mục tiêu cốt lõi là cung cấp kiến thức nền tảng về thống kê ứng dụng, bao gồm: tổ chức lấy mẫu, mô tả số liệu, ước lượng và kiểm định giả thuyết, phân tích tương quan - hồi quy, và dự báo. Các slide bài giảng tin học môi trường thường nhấn mạnh vào việc thực hành trên máy tính, giúp người học chuyển đổi từ lý thuyết sang kỹ năng thực tiễn. Giáo trình của TS. Phạm Văn Toàn và ThS. Nguyễn Văn Tuyến tập trung vào thống kê ứng dụng cơ bản, tạo tiền đề để người học tự nghiên cứu sâu hơn về các phần mềm và phương pháp thống kê phức tạp khác.

II. Thách Thức Khi Xử Lý Số Liệu Môi Trường Phức Tạp

Dữ liệu môi trường vốn dĩ phức tạp và chứa đựng nhiều biến động. Việc xử lý số liệu môi trường không chỉ đơn thuần là nhập liệu và tính toán, mà còn đối mặt với nhiều thách thức về độ chính xác, tính đại diện và các sai số tiềm ẩn. Một trong những khó khăn lớn nhất là sự biến thiên tự nhiên của các yếu tố môi trường và các sai số phát sinh trong quá trình lấy mẫu, phân tích. Theo tài liệu gốc, "sai số thí nghiệm phản ánh mức độ dao động hoặc mức độ khác nhau trong các quan sát có lặp lại". Việc không nhận diện và kiểm soát được các sai số này có thể dẫn đến những kết luận sai lệch, gây ra hậu quả nghiêm trọng trong thực tiễn quản lý. Hơn nữa, dữ liệu môi trường thường không tuân theo phân bố chuẩn, đòi hỏi phải áp dụng các phép chuyển đổi dữ liệu hoặc sử dụng các phương pháp thống kê phi tham số. Cuốn Giáo Trình Tin Học Trong Kỹ Thuật Môi Trường nhấn mạnh tầm quan trọng của việc hiểu rõ các khái niệm cơ bản trong thống kê như quần thể, mẫu, độ chính xác, và các loại biến số để có thể lựa chọn phương pháp phân tích phù hợp, đảm bảo tính khoa học và độ tin cậy của kết quả nghiên cứu.

2.1. Phân biệt các loại dữ liệu và đặc tính quan sát

Để phân tích chính xác, việc đầu tiên là phải phân loại đúng dữ liệu. Dữ liệu môi trường có thể là định tính (ví dụ: mức độ ô nhiễm xếp loại A, B, C) hoặc định lượng (ví dụ: nồng độ CO2). Dữ liệu định lượng lại chia thành biến rời rạc (số cây bị nhiễm bệnh) và biến liên tục (nhiệt độ, pH). Giáo trình phân loại chi tiết hơn thành bốn loại: số liệu dạng tỷ số (Scale), dạng khoảng cách (Interval), dạng thứ hạng (Ordinal) và dạng định danh (Nominal). Mỗi loại số liệu đòi hỏi một công cụ thống kê khác nhau. Việc nhầm lẫn giữa các loại dữ liệu này là một lỗi cơ bản nhưng thường gặp, dẫn đến việc áp dụng sai phương pháp và cho ra kết quả vô nghĩa. Nắm vững đặc tính của dữ liệu là bước đầu tiên và quan trọng nhất trong quy trình phân tích dữ liệu không gian và phi không gian.

2.2. Các sai số thường gặp và yêu cầu về độ chính xác

Trong thống kê môi trường, "sai số" không có nghĩa là "sai lầm", mà nó chỉ sự biến động không thể tránh khỏi. Các khái niệm như độ chính xác (Accuracy), độ sai lệch (Bias) và độ đúng (Precision) cần được phân biệt rõ ràng. Độ chính xác bao hàm cả hai yếu tố sau. Độ sai lệch đo lường sai số hệ thống, trong khi độ đúng phản ánh độ phân tán của dữ liệu. Một phép đo lý tưởng cần có độ đúng cao và độ sai lệch gần bằng không. Ngoài ra, ba tính chất quan trọng của dữ liệu cần được xem xét là tính chuẩn (Normality), tính ngẫu nhiên (Randomness) và tính độc lập (Independency). Dữ liệu môi trường thường vi phạm tính độc lập do các quan sát được thực hiện theo chuỗi thời gian, đòi hỏi các phương pháp phân tích chuyên biệt để xử lý.

III. Phương Pháp Thống Kê Mô Tả và Suy Luận Trong Môi Trường

Nền tảng của tin học ứng dụng trong môi trường chính là thống kê. Các phương pháp thống kê cung cấp bộ công cụ toàn diện để chuyển đổi dữ liệu thô thành thông tin có ý nghĩa. Quá trình này bao gồm hai giai đoạn chính: thống kê mô tả và thống kê suy luận. Thống kê mô tả, như được trình bày trong Chương 2 của giáo trình, tập trung vào việc tóm tắt và trình bày dữ liệu thông qua các đặc trưng như trung bình, trung vị, phương sai và độ lệch chuẩn, cũng như các dạng biểu đồ. Giai đoạn này giúp có cái nhìn tổng quan ban đầu về mẫu dữ liệu. Tuy nhiên, mục tiêu cuối cùng của nghiên cứu là suy rộng kết quả từ mẫu cho toàn bộ quần thể. Đây là lúc thống kê suy luận phát huy vai trò. Dựa trên lý thuyết xác suất, các kỹ thuật như ước lượng khoảng tin cậy và kiểm định giả thuyết cho phép các nhà khoa học đưa ra kết luận về quần thể với một độ tin cậy nhất định. Ví dụ, kiểm định giả thuyết giúp so sánh hiệu quả của hai công nghệ xử lý nước thải hoặc so sánh nồng độ chất ô nhiễm với tiêu chuẩn cho phép. Đây là những công cụ không thể thiếu để thực hiện đánh giá tác động môi trường ĐTM một cách khoa học.

3.1. Kỹ thuật thống kê mô tả Từ trung bình đến phương sai

Thống kê mô tả là bước đầu tiên trong mọi quy trình xử lý số liệu môi trường. Các đặc trưng thống kê được chia thành hai nhóm chính: các đặc trưng đo lường xu hướng tập trung (trung bình cộng, trung vị, mode) và các đặc trưng đo lường mức độ phân tán (khoảng biến thiên, phương sai, độ lệch chuẩn, hệ số biến động CV). Mỗi đặc trưng cung cấp một góc nhìn khác nhau về dữ liệu. Ví dụ, giá trị trung bình có thể bị ảnh hưởng bởi các giá trị ngoại lai, trong khi trung vị thì không. Phương sai và độ lệch chuẩn cho biết mức độ dao động của dữ liệu quanh giá trị trung tâm. Một hệ số biến động (CV) cao cho thấy dữ liệu có sự biến đổi lớn, và giá trị trung bình có thể không đại diện tốt cho quần thể.

3.2. Ước lượng và kiểm định giả thuyết thống kê ứng dụng

Từ dữ liệu mẫu, làm thế nào để kết luận về quần thể? Đây là câu hỏi mà ước lượng và kiểm định giả thuyết trả lời. Ước lượng điểm (ví dụ: trung bình mẫu) chỉ đưa ra một giá trị duy nhất. Trong khi đó, ước lượng khoảng tin cậy cung cấp một khoảng giá trị mà tham số của quần thể có khả năng nằm trong đó với một độ tin cậy xác định (ví dụ: 95%). Kiểm định giả thuyết là một quy trình chính thức để đưa ra quyết định. Nó bắt đầu bằng việc phát biểu một giả thuyết không (H0), ví dụ: "Không có sự khác biệt về hiệu quả xử lý giữa hai phương pháp". Sau đó, dữ liệu mẫu được sử dụng để tính toán một giá trị thống kê (như t-test, F-test) và so sánh với giá trị tới hạn để quyết định bác bỏ hay không bác bỏ H0. Đây là phương pháp cốt lõi để so sánh kết quả và đưa ra kết luận khoa học.

IV. Hướng Dẫn Mô Hình Hóa Môi Trường và Phần Mềm Chuyên Dụng

Vượt ra ngoài các phân tích thống kê cơ bản, tin học trong kỹ thuật môi trường còn bao hàm việc sử dụng các mô hình toán học và phần mềm để mô phỏng các quá trình phức tạp trong tự nhiên. Mô hình hóa môi trường là việc xây dựng các phương trình toán học để biểu diễn một hệ thống môi trường, ví dụ như sự lan truyền chất ô nhiễm trong không khí hoặc dòng chảy của nước ngầm. Các mô hình này cho phép các nhà khoa học dự báo các kịch bản có thể xảy ra, đánh giá hiệu quả của các giải pháp can thiệp trước khi triển khai trên thực tế. Để xây dựng và chạy các mô hình này, một loạt các phần mềm chuyên ngành môi trường được sử dụng. Hệ thống thông tin địa lý GIS, đặc biệt là phần mềm ArcGIS cho quản lý môi trường, đóng vai trò cực kỳ quan trọng trong việc quản lý và phân tích dữ liệu không gian. Các phần mềm khác như AutoCAD trong kỹ thuật môi trường được dùng để thiết kế các công trình xử lý, trong khi phần mềm MATLAB hay ngôn ngữ R, Python được dùng cho các phân tích số liệu và mô phỏng phức tạp hơn. Việc nắm vững các công cụ này giúp kỹ sư môi trường nâng cao năng lực giải quyết vấn đề một cách hiệu quả và toàn diện.

4.1. Nguyên lý phân tích hồi quy và tương quan trong dự báo

Phân tích hồi quy và tương quan là công cụ mạnh mẽ để nghiên cứu mối liên hệ giữa các biến số. Tương quan đo lường mức độ chặt chẽ của mối liên hệ, trong khi hồi quy tìm cách xây dựng một phương trình toán học (mô hình) để dự báo giá trị của một biến (biến phụ thuộc) dựa trên giá trị của một hoặc nhiều biến khác (biến độc lập). Ví dụ, có thể xây dựng một mô hình hồi quy để dự báo nồng độ oxy hòa tan (DO) trong sông dựa trên nhiệt độ và lưu lượng dòng chảy. Chương 5 của giáo trình trình bày chi tiết về phương pháp bình phương tối thiểu để tìm các tham số của phương trình hồi quy và các kiểm định để đánh giá sự phù hợp của mô hình. Đây là nền tảng của nhiều kỹ thuật mô phỏng chất lượng nước và dự báo môi trường.

4.2. Ứng dụng Hệ thống thông tin địa lý GIS và Viễn thám

Dữ liệu môi trường thường gắn liền với yếu tố không gian. Hệ thống thông tin địa lý GIS là công nghệ cho phép thu thập, lưu trữ, phân tích và trình bày các dữ liệu địa lý này. Với GIS, các kỹ sư có thể tạo ra các bản đồ chuyên đề về mức độ ô nhiễm, xác định các khu vực nhạy cảm, hay phân tích sự lan truyền của một sự cố môi trường. Kết hợp với viễn thám ứng dụng (sử dụng ảnh vệ tinh), GIS trở thành một công cụ giám sát mạnh mẽ, cho phép theo dõi các thay đổi trên quy mô lớn như phá rừng, đô thị hóa, hay diễn biến của một trận lụt. Các kỹ năng về phân tích dữ liệu không gian sử dụng GIS là một lợi thế cạnh tranh lớn cho các chuyên gia môi trường hiện nay.

V. Case Study Tin Học Trong Đánh Giá Tác Động Môi Trường

Tất cả các lý thuyết và công cụ của tin học trong kỹ thuật môi trường đều hướng tới việc áp dụng vào giải quyết các bài toán thực tế. Một trong những ứng dụng quan trọng nhất là trong quy trình đánh giá tác động môi trường (ĐTM) và quan trắc và giám sát môi trường. Khi thực hiện ĐTM cho một dự án, các chuyên gia phải thu thập một lượng lớn dữ liệu nền về không khí, nước, đất, và hệ sinh thái. Các phương pháp thống kê được sử dụng để phân tích hiện trạng, so sánh với các tiêu chuẩn, và dự báo các tác động tiềm tàng. Chẳng hạn, bố trí thí nghiệm và phân tích phương sai (ANOVA) có thể được dùng để so sánh chất lượng nước ở các vị trí khác nhau xung quanh khu vực dự án. Phân tích chuỗi thời gian được áp dụng cho các dữ liệu quan trắc dài hạn để xác định xu hướng biến đổi và các yếu tố mùa vụ. Việc ứng dụng đúng đắn các kỹ thuật này không chỉ nâng cao chất lượng của báo cáo ĐTM mà còn cung cấp cơ sở vững chắc cho các biện pháp giảm thiểu và quản lý môi trường sau này.

5.1. Bố trí thí nghiệm và phân tích phương sai ANOVA

Khi cần so sánh ảnh hưởng của nhiều yếu tố (nghiệm thức) khác nhau, ví dụ như so sánh hiệu quả của ba loại hóa chất xử lý nước thải, phương pháp bố trí thí nghiệm và phân tích phương sai (ANOVA) là công cụ tiêu chuẩn. Như trình bày trong Chương 4 của tài liệu gốc, việc bố trí thí nghiệm một cách khoa học (ví dụ: bố trí hoàn toàn ngẫu nhiên - CRD, hoặc khối hoàn toàn ngẫu nhiên - RCB) giúp loại bỏ các yếu tố gây nhiễu và đảm bảo kết quả đáng tin cậy. ANOVA sau đó sẽ phân tích sự biến động của dữ liệu để xác định xem sự khác biệt quan sát được giữa các nghiệm thức có ý nghĩa thống kê hay chỉ là do ngẫu nhiên. Đây là phương pháp nền tảng cho nhiều nghiên cứu thực nghiệm trong lĩnh vực môi trường.

5.2. Phân tích dữ liệu chuỗi thời gian trong quan trắc môi trường

Dữ liệu quan trắc và giám sát môi trường thường được thu thập theo thời gian (hàng giờ, hàng ngày, hàng tháng). Dạng dữ liệu này được gọi là chuỗi thời gian. Phân tích chuỗi thời gian, như được đề cập trong Chương 6, giúp tách biệt các thành phần cấu thành nên sự biến động của dữ liệu, bao gồm: xu hướng (Trend), tính chu kỳ (Cyclical), tính thời vụ (Seasonal), và yếu tố ngẫu nhiên (Irregular). Việc xác định được xu hướng dài hạn của một chất ô nhiễm hay hiểu được các biến động theo mùa của chất lượng nước là cực kỳ quan trọng cho công tác quản lý và dự báo. Các kỹ thuật như làm trơn số liệu (moving average) và phân tích các chỉ số thời vụ giúp các nhà quản lý đưa ra những cảnh báo sớm và hoạch định chính sách phù hợp.

Trích đoạn nội dung tài liệu

Chương 1. CÁC VẤN ĐÈ TRONG NGHIÊN CỨU MÔI TRƯỜNG VA THONG KE LIEN QUAN 1 1.1 CAC KIEU NGHIÊN CỨU MỖI TRƯỜNG 1 1.2 MOT SO KHÁI NIỆM CƠ BẢN TRONG THONG KE. 2 3 CAC GIAI DOAN TRONG DIEU TRA NGHIEN CUU MOI TRUGNG 7 1.1 Xác định nhiệm vụ, đối tượng, quần thể 7 1. Tính toán số lượng đơn vị cần thu thập.3 Thu thập dữ kiện 8 1.4 Lưu trữ và xử lý số liệu 8 1.5 Phân tích kết quả và viết báo cáo 8 1.4 NHỮNG LOẠI BÀI TOÁN THƯỜNG GẶP TRONG ĐIỀU TRA - NGHIÊN CỨU MỖI TRƯỜNG CÂU HỎI VÀ BÀI TẬP " Chương 2.

PHƯƠNG PHÁP THÓNG KÊ MÔ TẢ ỨNG DỤNG TRONG DIEU TRA NGHIÊN CUU MOI TRUONG 12 2.1 CÁC PHƯƠNG PHÁP NGHIÊN CUU TRONG THONG KE UNG DUNG 12 2.2 CAC DAC TRUNG THONG KE THUONG DUNG: 3 2.1 Cae đặc trưng điễn đạt chiều hướng tập trung của dữ kiện l3 2. Các đặc trưng diễn đạt sự phân tán của dữ kiện 4 2.3 MÔ TẢ DỮ KIỆN MỖI TRƯỜNG.1 Phân bố của quần thể 17 2.2 Phân bố mẫt 17 2. Các phân bố xác suất thường gặp trong nghiên cứu môi trường. 18 CÂU HỎI VÀ BÀI TẬP.

ƯỚC LƯỢNG VÀ TRAC NGHIEM GIA THUYET THÓNG KÊ 24 3.1 LY THUYET LAY MẪU THĂM DÒ.2 Phan tich nhiệm vụ, định nghĩa đơn vị chọn mẫu, xác định quản thể và lựa chọn phương pháp lây mẫu 25 3.2 MOT SO CO SG LY THUYET CỦA ƯỚC LƯỢNG DIEM VA UGC LUQNG KHOANG TIN CAY 26 3.1 Ước lượng điểm. Ước lượng khoảng tin cậy 27 3. Ước lượng cỡ mẫu cần thiết khi thăm đò ngẫu nhiên đơn giản 30 33 NHUNG KIEM BINH THONG SO THUONG GAP 32 3.1 Những nguyên lý chung về kiểm định giả thuyết 32 3. Các kiểm định tham số thường gặp trong nghiên cứu môi trường 35 3.43 Mộ kiểm định phi tham số thường gặp 51 CÂU HÔI VÀ BÀI TẬP.

BỘ TRÍ THÍ NGHIỆM & N TÍCH PHƯƠNG SAI 65 41 KHÁI NIỆM 65 4.2 CÁC KHÁI NIỆM CÓ LIÊN QUAN ĐẾN THÍ NGHIỆM 65 4.1 Nghiệm thức và don vi thi nghiệm 65 4.2 Chọn lựa nghiệm thức.3 Lap lai 66 43 CAC GIAI DOAN THUC HIEN THi NGHIEM 66 43.1 Xéc dinh muc tiêu thí nghiệm 66 4.2 Bố trí kiểu thí nghiệm 67 4. Thu thập dữ liệu 67 4.4 Nhập và lưu trữ kết quả thí nghiệm.5 Xirh liệu thí nghiệm.6 Phân tích, đánh giá kết quả và trình bảy báo cáo về thí nghiệm 68 44 THÍ NGHIỆM MỘT NHÂN TỎ. Bố trí kiểu hoàn toàn ngẫu nhiên (Complete Randomized Design - CRD) 69 4. Bố trí khối hoàn toàn ngẫu nhiên (Randomized Complete Block Design - RCB) 78 4.

Bố trí kiểu hình vuông Lan (Latin'Square design - LS) 85 45 BỒ TRÍ HAI NHÂN TÔ 92 4. Bổ trí Khối hoàn toàn ngẫu nhiên 92 4. Bồ trí lô phụ Split> Plot 97 CÂU HỎI VÀ BÀI TẬP. PHUONG PHAP HOI QUI & TƯƠNG QUAN ỨNG DỤN! 108 5.2 KHAINIEM VA VAN DE LIEN QUAN DEN NGHIEN CUU TAP HOP THONG KE NHIBU YEU TO 109 5.1 Liên hệ tương quan - hồi quy 109 5.2 Các kiểu liên hệ tương quan.

Phương pháp bình phương tối thiểu 110 5.4 Sự lạm dụng của phân tích hôi qui và tương quan 110 5.5 Phân biệt các nhóm biến số trong nghiên cứu hỗ uy và tương quan 112 5.3 HỘI QUY VÀ TƯƠNG QUAN TUYẾN TÍNH ĐƠN BIÊN (SIMPLE LINEAR) 114 5.1 Tính các thông số của đường thăng hồi quy 14 5. Tinh hệ số tương quan và hệ số xác định H4 5. Ước lượng khoảng tin cậy cho đường thẳng hồi quy 116 5. Kiểm định về sựtồn tại của hệ số tương quan 116 5.5 Ước lượng khoảng tin cậy và kiểm định về sự tồn tại của hệ số i quy B 117 5.

Kiểm định ftrung bình bình phương của sai lệch 118 5.4 HÔI QUY VÀ TƯƠNG QUAN TUYỂN TÍNH ĐA BIẾN 119 5.1 Tính toán các hệ số "9 5.2 Phân tích phương sai 120 5.3 Tính tổng bình phương điều kiện 121 5.5 HỘI QUY VÀ TƯƠNG QUAN PHI TUYẾN TÍNH ĐƠN BIẾN (SIMPLE NONLINEAR) 121 5.1 Biến đôi biến số 121 5. Tạo ra biến số mới 122 5.6 HỘI QUY VÀ TƯƠNG QUAN PHI TUYẾN TÍNH ĐA BIẾN (MULTIPLE NONLINEAR) 123 5.1 Tuyén tinh h ig cach tao ra biến mới thay vào phương trình nhằm chuyển đổi tat cả các quan hệ thành tuyến tính.2 Sử dụng phương pháp tìm thông số cho hồi quy phi tuyến tính 124 CÂU HỎI VÀ BÀI TẬP. XỬ LÝ DỮ LIỆU CHUÔI THỜI GIAN 126 6.1 MÔ PHÒNG DỮ KIỆN BANG CAC HAM PHAN BO 126 6.2 CHUỒI THỜI GIAN 126 6.2 Phân tích chuỗi thời gian 128 CÂU HỎI VÀ BÀI TẬP. 137 TÀI LIỆU THAM KHẢO.

138 PHỤ LỤC 139 DANH SÁCH HÌN| Hinh 2. Đồ thị hàm phân bố xác suất của biến liên tục 19 Hinh 2.2 D6 thị hàm mật độ phân bố chuân //= 0, 1 20 Hình 5.1 Nguyên lý của phương pháp bình phương tối thiểu 110 DANH SACH BANG Bang 1.1 Các loại vấn đề và công cụ phân tích thông kê liên quan 10 Bang 3.1 Các phép kiểm định tham số và kiểm định phi tham số.1 Bảng số ngẫu nhiên dùng đề bó trí ba nghiệm thức vào 16 đơn vị thí nghiệm 70 Bang 4.2 Dữ liệu thu thập được từ bố trí thí nghiệm kiểu CRD. của 11 nghiệm thức, T4 Bảng 4.3 'Bảng kết quả phân tích phương sai của kiểu bố trí thí nghiệm CRD 77 Bảng 4.4 Dữ liệu thu thập được từ bố trí thí nghiệm kiểu RCB. của 6 nghiệm thức.5 Bang két quả phân tích phương sai của kiểu bổ trí thí nghiệm RCB 84 Bang 4.6 Dữ liệu thu thập được từ bố trí thí nghiệm kiểu LS của 4 nghiệm thức 88 Bảng 4.7 Bảng kết quả phân tích phương sai của kiểu bổ trí thí nghiệm LS 91 Bang 4.8 Dữ liệu thu thập được từ bố trí thí nghiệm 2 nhân tế kiểu RCB.9 Bảng kết quả phân tích phương sai của kiêu bồ trí thí nghiệm RCB 2 nhân tố 97 Bang 4.10 Dữ liệu thu thập được từ bố tghiệm kiểu Split-Plot 101 Bang 4.1 Bảng kết quả phân tích phương sai của kiêu bố trí thí nghiệm kiểu Split-Plot 105 Bang 5.1 Một số phép biến đổi biến số sang dạng tuyến tính 122 DANH MUC TU VIET TAT.

Từ viết tắt Nghĩa Tiếng Việt Nghia tiéng Anh ANOVA Phân tích phương sai Analysis of variances CRD Bố trí kiểu hoàn toàn Complete randomized design ngẫu nhiên cv Hệ số biến động. Coefficient of variation af Degree of freedom Kiếm định K h Kruskal-Wallis, Kruskal-Wallis Test Kiém dinh U Mann- Whitney Mann- Whitney Test Kiém dinh W h Wilcoxon. Wilcoxon Test Ls. Bồ trí kiểu hình vuông Latin Latin square design MS Trung bình bình phương.

Mean sums of squares Phân bồ F Phan bé Fisher Fisher distribution Phan bé P Phan bé Poisson Poisson distribution Phan bé t Phan bé Student Student distribution Phan bé chuan ‘Normal distribution Bồ trí khối hoàn toàn Randomized complete block design “Tổng bình phường. Sum of squares Tổng bình phương sai số. Sum of squared errors Tông bình phương hồi quy Sum of squared regression “Tổng bình phương tổng cộng. Total sum of squares vi Chuong 1 ĐÈ TRONG NGHIÊN CU'U MOI TRU VA THONG KE LIÊN QUAN 1.1 CAC KIEU NGHIEN CUU MOI TRUONG Nghiên cứu về lĩnh vực môi trường, nhất là khoa học và kỹ thuật môi trường, có thê được chia thành hai k ~ Quan trắc môi trường: Trong quá trình quan trắc, dữ liệu môi trường được thu thập đề giám sát hoặc đẻ mô tả nồng độ của một chất trong môi „ hoặc đề kiểm soát nồng độ của một chất nhân gây ra hiện tượng môi trườn diễn biến theo không gian hay thời theo những quy chuân về phát thải hoạch đài hạn; Đề khẳng định với đang được kiểm soát hợp lý.

- Nghiên cứu môi trường: Dữ liệu trong phòng thí nghiệm và ở ngoài đồng được thu thập để nghiên cứu sự phát tán của chất ô nhiễm trong mí trường thông qua chuỗi thức ăn, hay để xác định mối quan hệ giữa nguyên nhân và hậu quả của sự biến đôi nồng độ ô nhiễm theo không gian và thời gian. Hai kiểu nghiên cứu trên dẫn đến hàng loạt các vấn đẻ cần giải quyết, Phương pháp thống kê được áp dụng đề thu thập, tổng kết, trình bày, lý giải số liệu và sử dụng chúng đẻ kiểm định các giả thuyết liên quan đến vấn đề môi trường (Gilbert, 1987). Khisố liệu môi trường đã được thu thập, người nghiên cứu biết phải rằng có nhiều phép thống kê để xử lý dữ liệu tùy theo mục đích. Khi đó người nghiên cứu phải biết áp dụng phép thống kê nào cho phù hợp.

Chẳng hạn, khi dữ liệu môi trường có phân bó không đối xứng, có xu hướng ch về phía nng độ cao, khi đó phép chuyển đổi dữ liệu phải được áp dụng. và trong trường hợp này thì phương pháp thông kê phi tham số sẽ là lựa chọn. Nhiều chương trình quan trắc môi trường tạo ra dữ liệu rất lớn. Trong những tình huống như vậy thì khả năng trữ, truy xuất và phân tích số liệu phải được lưu ý để dữ liệu có thể được xử lý triệt để và phản ánh đúng thực tế.

Ngược lại, một vài nghiên cứu về ô nhiễm môi trường có thể có ít dữ liệu, không đủ thông tin d đạt được mục tiêu nghiên cứu. Trong trường hợp này cần phải xác định rõ mục tiêu nghĩ tải nguyên có thể đề thu thập. dữ liệu và khả năng dự đoán dữ liệu để nghiên cứu có thể được phát triển. C thể thấy, dù nghiên cứu lớn hay nhỏ, ít hay nhiều dữ liệu, điều quan trọng nhất là phải định rõ độ đúng, độ chính xác của việc đánh giá.2 MOT SO KHAI NIEM CO BAN TRONG THONG KE Quanthé (Population): 1a tập hợp những thông tin về người.

sự vật hoặc sự việc riêng biệt kết hợp với nhau trên cơ sở một đặc điểm chung nào đó mà người nghiên cứu đang quan tâm. thê là một tập hợp rất lớn gồm N quan sát (hay giá trị đo đạc), mà từ đó mẫu của n quan sát có thể được tgo ra. ~ Trong quan trắc đánh giá chất lượng nước của một con sông thì quần thể là toàn bộ nước của sông. mẫu nước đưc c lấy để xác định các thông số lý, hóa hay sinh trong khoảng thời gian quan trắc.

~ Một trạm xử lý nước thải đô thị xã nước đã được xử lý vào một con sông. Một quan trắc thực hiện trong khoảng thời gian ba tháng được hình thành để đánh giá lượng chất lơ lửng trung bình và các chỉ tiêu chất lượng nước khác tại một khu vực dành cho sinh hoạt. Khi đó, quả) nước được lấy trong bình I-líCtại bất kỳ.vị trí hay,độ với một khoảng cách xác định về phía thượng lưu tính từ khu vực được chọn đến nơi xả nước của trạm xử lý.