Luận văn thạc sĩ: Nghiên cứu bản đồ thích nghi cây lúa bằng viễn thám và hệ thống thông tin địa lý

Luận văn thạc sĩ kỹ thuật phân tích bản đổ viễn thám và hệ thống thông tin địa lý thành lập bản đồ thích nghi cây lúa sử dụng kỹ thuật, đánh giá thực trạng, chỉ ra hạn chế, đề

• Tác giả: Hà Thanh Vân
• Người hướng dẫn: TS. Vũ Xuân Cường
• Trường học: Đại học Bách Khoa, Đại học Quốc gia TP.HCM
• Chuyên ngành: Bản đồ, Viễn Thám và Hệ Thống Thông Tin Địa Lý
• Đề tài: Thành Lập Bản Đồ Thích Nghi Cây Lúa Sử Dụng Kỹ Thuật Khai Phá Dữ Liệu Trong Hệ Thống Thông Tin Địa Lý
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2012
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CẢM ƠN
• TÓM TẮT
• ABSTRACT
• BẢNG CHỮ VIẾT TẮT
• DANH SÁCH CÁC HÌNH ẢNH
• DANH SÁCH CÁC BẢNG BIỂU
• 1. CHƯƠNG 1: GIỚI THIỆU
• 1.1. ĐẶT VẤN ĐỀ
• 1.2. MỤC TIÊU, NỘI DUNG VÀ PHƯƠNG PHÁP NGHIÊN CỨU
• 1.2.1. Mục tiêu
• 1.2.2. Nội dung
• 1.2.3. Phương pháp nghiên cứu
• 1.3. ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU
• 1.4. Ý NGHĨA KHOA HỌC Ý NGHĨA THỰC TIỄN CỦA LUẬN VĂN
• 1.5. CẤU TRÚC CỦA LUẬN VĂN
• 2. CHƯƠNG 2: TÌNH HÌNH NGHIÊN CỨU
• 2.1. TỔNG QUAN TÌNH NGHIÊN CỨU NGOÀI NƯỚC
• 2.2. TỔNG QUAN TÌNH NGHIÊN CỨU TRONG NƯỚC
• 3. CHƯƠNG 3: CƠ SỞ LÝ THUYẾT
• 3.1. CƠ SỞ KHOA HỌC XÁC ĐỊNH VÙNG THÍCH NGHI SẢN XUẤT LÚA
• 3.1.1. Khái niệm đánh giá thích nghi đất đai
• 3.1.2. Một số thuật ngữ trong đánh giá đất đai
• 3.1.3. Cơ sở phân loại khả năng thích nghi đất đai
• 3.2. CƠ SỞ LÝ THUYẾT KHAI PHÁ DỮ LIỆU (DATA MINING)
• 3.2.1. Tổng quan phát hiện tri thức và khai phá dữ liệu
• 3.2.2. Quá trình phát hiện tri thức
• 3.2.3. Chức năng khai phá dữ liệu
• 3.2.4. Các kỹ thuật khai phá dữ liệu
• 3.2.5. Kỹ thuật phân loại trong KPDL
• 3.3. CƠ SỞ LÝ THUYẾT GIS
• 3.3.1. Giới thiệu GIS
• 3.3.2. Mô hình và mô hình hóa trong GIS
• 3.4. GIỚI THIỆU PHẦN MỀM SỬ DỤNG
• 3.4.1. Giới thiệu phần mềm ArcGIS
• 3.4.2. Giới thiệu phần mềm WEKA
• 4. CHƯƠNG 4: XÂY DỰNG MÔ HÌNH TÍCH HỢP KỸ THUẬT KHAI PHÁ DỮ LIỆU TRONG GIS
• 4.1. PHÂN TÍCH CÁC PHƯƠNG PHÁP ĐÁNH GIÁ THÍCH NGHI
• 4.1.1. Phương pháp hạn chế lớn nhất của FAO (1976)
• 4.1.2. Phương pháp toán học
• 4.2. PHÂN TÍCH CÁC KỸ THUẬT XỬ LÝ
• 4.2.1. Kỹ thuật chồng lớp thuần túy
• 4.2.2. Kỹ thuật chồng lớp tích hợp hệ quản trị cơ sở dữ liệu quan hệ
• 4.2.3. Kỹ thuật chồng lớp tích hợp khai phá dữ liệu
• 4.3. ĐỀ XUẤT GIẢI PHÁP
• 4.3.1. Mô hình tổng thể
• 4.3.2. Cụ thể hóa mô hình KPDL trong GIS trên địa bàn tỉnh Vĩnh Long
• 5. CHƯƠNG 5: ỨNG DỤNG MÔ HÌNH, XÂY DỰNG BẢN ĐỒ THÍCH NGHI CÂY LÚA TỈNH VĨNH LONG
• 5.1. ĐẶC ĐIỂM TỈNH VĨNH LONG LIÊN QUAN ĐẾN SỬ DỤNG ĐẤT NÔNG NGHIỆP
• 5.2. NGUYÊN TẮC, TIÊU CHUẨN PHÂN CẤP CÁC THÀNH PHẦN THAM GIA XÂY DỰNG BẢN ĐỒ THÍCH NGHI CÂY LÚA
• 5.2.1. Bản đồ đơn vị đất đai
• 5.2.2. Hiện trạng sử dụng đất nông nghiệp
• 5.2.3. Yêu cầu sử dụng đất cho cây lúa
• 5.2.4. Phân loại khả năng thích nghi
• 5.3. TỔ CHỨC XÂY DỰNG CƠ SỞ DỮ LIỆU PHỤC VỤ XÂY DỰNG BẢN ĐỒ THÍCH NGHI CÂY LÚA
• 5.3.1. Thiết kế mô hình CSDL ở mức ý niệm
• 5.3.2. Mô hình CSDL ở mức luận lý
• 5.3.3. Cấu trúc các bảng dữ liệu
• 5.4. QUÁ TRÌNH XÂY DỰNG BẢN ĐỒ THÍCH NGHI CÂY LÚA
• 5.4.1. Thực hiện mô hình 1: Chuẩn bị dữ liệu huấn luyện
• 5.4.2. Kết quả mô hình 1
• 5.4.3. Thực hiện mô hình 2: Mô hình huấn luyện
• 5.4.4. Kết quả mô hình 2
• 5.5. KẾT QUẢ BÀI TOÁN
• 5.6. ĐÁNH GIÁ KẾT QUẢ
• 5.6.1. Kiểm tra các tập luật
• 5.6.2. Đánh giá kết quả giải đoán
• 5.7. NHẬN XÉT KẾT QUẢ
• 5.8. ĐỀ XUẤT SỬ DỤNG ĐẤT
• KẾT LUẬN VÀ KIẾN NGHỊ

Tóm tắt

I. Giới thiệu về bản đồ thích nghi cây lúa

Bản đồ thích nghi cây lúa là công cụ quan trọng trong việc quy hoạch và quản lý sản xuất nông nghiệp, đặc biệt là trong bối cảnh hiện nay khi mà nhu cầu về lúa gạo ngày càng tăng cao. Việc xây dựng bản đồ cây lúa dựa trên các yếu tố tự nhiên và kinh tế giúp xác định các khu vực thích hợp nhất cho việc trồng lúa. Đề tài nghiên cứu này tập trung vào việc ứng dụng công nghệ viễn thám trong nông nghiệp và GIS để thu thập, phân tích và trình bày dữ liệu một cách hiệu quả. Sự tích hợp giữa công nghệ GIS và khai phá dữ liệu (Data Mining) cho phép tạo ra các mô hình phân loại chính xác, từ đó xác định được mức độ thích nghi của cây lúa với điều kiện đất đai tại tỉnh Vĩnh Long. Như vậy, bản đồ thích nghi cây lúa không chỉ hỗ trợ cho công tác quy hoạch mà còn đóng vai trò quan trọng trong việc nâng cao năng suất và chất lượng sản xuất nông nghiệp.

II. Phương pháp nghiên cứu

Nghiên cứu này sử dụng một loạt các phương pháp để thu thập và phân tích dữ liệu. Đầu tiên, phương pháp đánh giá đất đai được áp dụng để xác định các yếu tố tự nhiên ảnh hưởng đến sự phát triển của cây lúa. Kỹ thuật khai phá dữ liệu được sử dụng để phân tích các dữ liệu lớn nhằm phát hiện ra các mẫu hình và mối quan hệ giữa các yếu tố. Thông qua việc xây dựng mô hình tích hợp giữa khai phá dữ liệu và GIS, nghiên cứu đã phát triển một hệ thống đánh giá thích nghi cho cây lúa. Kết quả của mô hình này cho thấy khả năng xác định chính xác các vùng đất phù hợp cho cây lúa, từ đó có thể đưa ra các quyết định quy hoạch nông nghiệp hiệu quả hơn. Phương pháp này không chỉ cung cấp thông tin mà còn hỗ trợ trong việc quản lý tài nguyên đất đai một cách bền vững.

III. Ứng dụng thực tiễn của bản đồ thích nghi cây lúa

Bản đồ thích nghi cây lúa được xây dựng từ nghiên cứu này có nhiều ứng dụng thực tiễn trong nông nghiệp. Đầu tiên, nó cung cấp thông tin cần thiết cho các nhà quản lý nông nghiệp trong việc quy hoạch các vùng sản xuất lúa chất lượng cao. Thứ hai, các nông dân có thể sử dụng bản đồ thích nghi để lựa chọn giống lúa phù hợp với điều kiện đất đai của họ, từ đó nâng cao năng suất và chất lượng sản phẩm. Hơn nữa, việc sử dụng công nghệ GIS trong việc xây dựng bản đồ này cũng giúp cải thiện khả năng giám sát và quản lý tài nguyên đất đai, góp phần vào việc phát triển nông nghiệp bền vững. Như vậy, nghiên cứu này không chỉ có giá trị khoa học mà còn có ý nghĩa thực tiễn lớn trong phát triển nông nghiệp tại tỉnh Vĩnh Long.

IV. Kết luận và kiến nghị

Nghiên cứu về bản đồ thích nghi cây lúa qua viễn thám và GIS đã chứng minh được tính khả thi và hiệu quả của các phương pháp hiện đại trong việc quản lý nông nghiệp. Kết quả nghiên cứu cho thấy rằng việc tích hợp giữa khai phá dữ liệu và GIS không chỉ giúp nâng cao độ chính xác trong việc đánh giá thích nghi mà còn tạo ra những giá trị gia tăng cho ngành nông nghiệp. Để phát huy tối đa hiệu quả của bản đồ này, cần có sự phối hợp chặt chẽ giữa các cơ quan quản lý nhà nước, các nhà khoa học và nông dân trong việc áp dụng và phát triển các công nghệ mới. Kiến nghị cần thiết là tổ chức các khóa đào tạo về công nghệ thông tin địa lý cho nông dân và cán bộ quản lý nhằm nâng cao nhận thức và khả năng ứng dụng công nghệ trong sản xuất nông nghiệp.

Nội dung chính

Tổng quan nghiên cứu

Khu vực Đồng bằng sông Cửu Long sở hữu diện tích canh tác lúa ước tính khoảng 3,9 triệu ha, đóng góp hơn 50% tổng sản lượng lúa và trên 90% kim ngạch xuất khẩu gạo của cả nước. Dù giữ vai trò an ninh lương thực trọng yếu, sản xuất nông nghiệp trong vùng vẫn đối mặt với nhiều thách thức như canh tác manh mún, phân tán, thiếu quy hoạch không gian đồng bộ và chưa tối ưu hóa cơ cấu giống theo đặc tính sinh thái thổ nhưỡng. Để nâng cao năng lực cạnh tranh và phát triển chuỗi giá trị lúa gạo chất lượng cao, yêu cầu cấp thiết đặt ra là phải xác định chính xác sự phân bố không gian thích nghi của từng giống lúa trên nền tảng khoa học dữ liệu.

Đề tài tập trung giải quyết bài toán đánh giá đất đai bằng cách xây dựng mô hình tích hợp kỹ thuật khai phá dữ liệu phân loại trong Hệ thống Thông tin Địa lý (GIS). Mục tiêu cốt lõi là tự động hóa quá trình phân tích không gian đa tiêu chí, thành lập bản đồ thích nghi cây lúa tại tỉnh Vĩnh Long đến năm 2012, phục vụ quy hoạch các vùng sản xuất chuyên canh bền vững.

Ý nghĩa khoa học và thực tiễn của công trình thể hiện qua việc chuyển đổi từ phương pháp chồng lớp thủ công sang hướng tiếp cận GIS thông minh (Intelligent GIS). Việc tích hợp giải thuật cây quyết định giúp nâng cao độ chính xác phân loại không gian lên trên 92%, đồng thời giảm khoảng 60% thời gian xử lý cơ sở dữ liệu đa thuộc tính phức tạp so với các phương thức truyền thống.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên hai nền tảng khoa học chính gồm Khung đánh giá đất đai của Tổ chức Lương thực và Nông nghiệp Liên Hợp Quốc (FAO công bố năm 1976 và hiệu chỉnh năm 2008) cùng Lý thuyết Phát hiện Tri thức trong Cơ sở Dữ liệu (KDD).

Hệ thống lý thuyết tích hợp vận hành thông qua các khái niệm cơ bản: Đơn vị bản đồ đất đai (LMU), Loại hình sử dụng đất (LUT), Yêu cầu sử dụng đất (LUR), Cây quyết định (Decision Tree), và Hàm đo độ lợi thông tin (Information Gain Ratio) dựa trên chỉ số Entropy. Theo tiêu chuẩn FAO, khả năng thích nghi đất đai được lượng hóa thành 4 cấp bậc rõ ràng:

• Cấp S1 (Rất thích nghi): Đạt năng suất trên 80% so với tiềm năng tối đa, không đòi hỏi chi phí đầu tư cải tạo lớn.
• Cấp S2 (Thích nghi trung bình): Đạt năng suất từ 40% đến 80%, cần đầu tư cải tạo ở mức kinh tế chấp nhận được.
• Cấp S3 (Ít thích nghi): Đạt năng suất từ 20% đến 40%, đòi hỏi chi phí đầu tư cao nhưng hiệu quả kinh tế biên thấp.
• Cấp N (Không thích nghi): Đạt năng suất dưới 20%, có các yếu tố hạn chế tự nhiên nghiêm trọng khó khắc phục.

Phương pháp nghiên cứu

Nguồn dữ liệu không gian và thuộc tính được kế thừa, chuẩn hóa từ Sở Nông nghiệp và Phát triển Nông thôn tỉnh Vĩnh Long cùng Phân viện Quy hoạch và Thiết kế Nông nghiệp. CSDL bao gồm 7 lớp thông tin tự nhiên đơn vị đất đai cốt lõi: nhóm đất (4 nhóm chính), độ sâu xuất hiện tầng sinh phèn Jarosite (2 cấp), độ sâu tầng phèn tiềm tàng Pyrite (4 cấp), độ sâu ngập lũ (các mức dưới 20 cm, 20-40 cm, trên 40 cm), thời gian ngập, địa hình và hiện trạng sử dụng đất trên địa bàn 8 đơn vị hành chính cấp huyện.

Cỡ mẫu nghiên cứu bao gồm hàng trăm khoanh vẽ đơn vị đất đai được số hóa hoàn chỉnh. Tác giả áp dụng phương pháp chọn mẫu phân tầng có giám sát (Stratified Supervised Sampling) từ 12 tổ hợp dữ liệu không gian đặc trưng nhằm đảm bảo tính đại diện cho toàn bộ các tiểu vùng sinh thái tại địa phương.

Phương pháp phân tích kết hợp phần mềm ArcGIS để xử lý dữ liệu vector không gian và phần mềm Weka để thực hiện thuật toán cây quyết định Trees.J48 (phát triển từ thuật toán C4.5). Thuật toán J48 được lựa chọn nhờ năng lực phân tách tối ưu trên cả thuộc tính định danh lẫn thuộc tính số liên tục, cơ chế tính toán Gain Ratio giúp loại bỏ độ lệch đối với các trường đa trị và khả năng tự động cắt tỉa cành (pruning) để phòng ngừa hiện tượng quá khớp (overfitting). Độ tin cậy của mô hình được thẩm định thông qua kỹ thuật kiểm định chéo K-fold (Cross-Validation n-fold) và kỹ thuật phân chia tập mẫu kiểm tra độc lập (Holdout) trong suốt tiến trình hoàn thiện luận văn vào tháng 06/2012.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Nghiên cứu đã tự động hóa việc chiết xuất bộ luật suy diễn dạng If-Then từ cơ sở dữ liệu không gian, xây dựng thành công cây quyết định phân loại mức độ thích nghi đất đai mà không cần thiết lập thủ công các ma trận trọng số phức tạp.

Đề tài đã hoàn thành đánh giá không gian cho 5 loại hình sử dụng đất chuyên lúa và luân canh chính: LUT1 (Lúa 3 vụ), LUT2 (Lúa 2 vụ), LUT3 (Lúa 2 vụ kết hợp màu), LUT4 (Lúa 2 vụ kết hợp thủy sản), LUT5 (Lúa 1 vụ kết hợp màu). Kết quả thể hiện các vùng đất phù sa màu mỡ ven sông Tiền và sông Hậu có mức độ rất thích nghi (S1) với mô hình chuyên lúa 3 vụ, chiếm trên 65% tổng diện tích đất sản xuất nông nghiệp toàn tỉnh.

Độ chính xác phân loại của mô hình huấn luyện trên Weka đạt tỷ lệ vượt trội trên 92% trên toàn bộ tập dữ liệu kiểm nghiệm. Ma trận sai số phân loại (Confusion Matrix) ghi nhận tỷ lệ nhầm lẫn giữa hai cấp liền kề S1 và S2 chỉ dưới 8%, trong khi sự phân định giữa nhóm thích nghi (S) và nhóm không thích nghi (N) đạt độ tin cậy gần 98%.

Thảo luận kết quả

Sự phân hóa không gian của mức độ thích nghi chịu sự chi phối mang tính quyết định của hai yếu tố: độ sâu tầng phèn tiềm tàng và chế độ ngập lũ mùa mưa. Tại các vùng trũng có sự xuất hiện của tầng Jarosite nông dưới 50 cm đi kèm thời gian ngập lũ kéo dài trên 3 tháng, mức thích nghi của loại hình lúa 3 vụ sụt giảm nghiêm trọng từ S1 xuống S3 hoặc N.

Dữ liệu kết quả được thể hiện trực quan qua ma trận sai số đa biến và hệ thống bảng thống kê diện tích LMU. Trên bản đồ GIS tỷ lệ chi tiết, các gam màu phân cấp từ xanh lục (S1 - Rất thích nghi) đến vàng cam và đỏ (S3, N - Kém thích nghi) phản ánh chính xác ranh giới tự nhiên của các tiểu vùng sinh thái nông nghiệp.

So với phương pháp đánh giá đất đai truyền thống vốn phụ thuộc nhiều vào cảm tính chuyên gia và dễ phát sinh sai số trong quá trình giao thoa hình học các lớp bản đồ, mô hình kết hợp Weka và ArcGIS mang lại tính khách quan khoa học cao. Khi có sự thay đổi về công trình hạ tầng thủy lợi (như đê bao triệt để làm thay đổi mức ngập), hệ thống cho phép tái cấu trúc cây quyết định và xuất bản đồ thích nghi mới chỉ trong vài phút, khẳng định bước tiến vượt bậc của công nghệ địa tin học ứng dụng.

Đề xuất và khuyến nghị

Nhằm phát huy giá trị của bản đồ thích nghi không gian và định hướng phát triển nông nghiệp bền vững, nghiên cứu đề xuất 4 nhóm giải pháp trọng tâm:

1. Cơ cấu lại vùng canh tác: Sở Nông nghiệp và Phát triển Nông thôn tỉnh Vĩnh Long cần chủ trì rà soát, chuyển đổi khoảng 15.000 ha đất trồng lúa 3 vụ kém hiệu quả (thuộc cấp S3 và N do nhiễm phèn hoặc ngập sâu) sang mô hình lúa - màu hoặc lúa - thủy sản giá trị cao trong lộ trình 2013-2020.
2. Hoàn thiện công trình thủy lợi: Ủy ban nhân dân các huyện phối hợp với Chi cục Thủy lợi đầu tư nạo vét kênh mương, gia cố đê bao ngăn lũ tại các vùng trũng ngập trên 40 cm, phấn đấu nâng thêm khoảng 25% diện tích đất canh tác lên cấp thích nghi rất cao (S1) trước năm 2025.
3. Số hóa cơ sở dữ liệu thổ nhưỡng: Sở Tài nguyên và Môi trường tỉnh Vĩnh Long cần xây dựng hệ cơ sở dữ liệu GIS chuẩn hóa 100% diện tích đất nông nghiệp, liên thông dữ liệu viễn thám đa thời gian với chu kỳ cập nhật 6 tháng một lần phục vụ công tác giám sát biến động tài nguyên đất.
4. Mở rộng ứng dụng khai phá dữ liệu: Các viện nghiên cứu, trường đại học và cơ quan quản lý chuyên ngành cần nhân rộng mô hình cây quyết định J48 sang đánh giá thích nghi cho các nhóm cây ăn trái đặc sản và cây công nghiệp ngắn ngày trên toàn khu vực Đồng bằng sông Cửu Long với tầm nhìn đến năm 2030.

Đối tượng nên tham khảo luận văn

Nội dung và phương pháp luận của luận văn mang lại giá trị thiết thực cho 4 nhóm đối tượng:

• Cơ quan quản lý nhà nước và nhà hoạch định chính sách nông nghiệp: Cung cấp quy trình công nghệ chuẩn xác để lập bản đồ quy hoạch vùng nguyên liệu lúa chất lượng cao, phục vụ công tác tái cơ cấu nông nghiệp cấp tỉnh và huyện.
• Giảng viên, học viên cao học và sinh viên chuyên ngành GIS, Viễn thám, Địa tin học: Đóng vai trò là tài liệu tham khảo chuyên sâu về mô hình tích hợp thuật toán học máy Weka trong môi trường ArcGIS, mở ra hướng nghiên cứu GIS thông minh.
• Kỹ sư nông học và chuyên gia quản lý đất đai: Cung cấp cơ sở khoa học định lượng về mối quan hệ giữa các chỉ tiêu lý hóa của đất (phèn, phù sa, độ ngập) với nhu cầu sinh thái của các giống lúa cao sản để xây dựng gói kỹ thuật canh tác thích ứng.
• Doanh nghiệp kinh doanh nông sản và hợp tác xã lúa gạo: Hỗ trợ xác định chính xác các tọa độ vùng nguyên liệu có năng suất tiềm năng trên 80% để ký kết hợp đồng bao tiêu, xây dựng cánh đồng mẫu lớn đạt tiêu chuẩn xuất khẩu.

Câu hỏi thường gặp

Kỹ thuật khai phá dữ liệu mang lại ưu thế gì vượt trội so với phương pháp chồng lớp GIS truyền thống?
Phương pháp GIS truyền thống đòi hỏi chuyên gia tự tính toán điểm số và lập ma trận gán trọng số mang tính chủ quan. Kỹ thuật khai phá dữ liệu tự động trích xuất các tập luật If-Then ẩn sâu trong cơ sở dữ liệu không gian lớn, đảm bảo tính khách quan và nâng cao độ chính xác phân loại lên trên 90%.

Thuật toán cây quyết định J48 xử lý các biến số liên tục trong bài toán này như thế nào?
Thuật toán J48 áp dụng hàm tính toán Gain Ratio trên nền tảng Entropy để tìm kiếm các ngưỡng phân tách tối ưu. Ví dụ, với các thông số liên tục như tỷ số lợi nhuận trên chi phí hay độ sâu ngập lũ, thuật toán tự động xác định các điểm chia rõ ràng như ngưỡng 21,5 hoặc 33 để tạo các nhánh quyết định thuần khiết nhất.

Cấu trúc phân loại thích nghi đất đai của FAO trong nghiên cứu gồm những cấp bậc nào?
Hệ thống phân cấp FAO gồm 4 lớp định lượng: S1 (Rất thích nghi, năng suất trên 80%), S2 (Thích nghi trung bình, năng suất 40-80%), S3 (Kém thích nghi, năng suất 20-40%), và N (Không thích nghi, năng suất dưới 20% hoặc có giới hạn tự nhiên không thể khắc phục hiệu quả).

Luận văn đã tích hợp những lớp dữ liệu tự nhiên nào để xây dựng bản đồ đơn vị đất đai?
Nghiên cứu tích hợp 7 lớp thuộc tính tự nhiên cốt lõi bao gồm: nhóm đất chính, tầng sinh phèn Jarosite, tầng phèn tiềm tàng Pyrite, độ sâu ngập lũ, thời gian ngập lũ, đặc trưng địa hình và hiện trạng sử dụng đất canh tác thực tế trên địa bàn tỉnh Vĩnh Long.

Mô hình tích hợp Weka và ArcGIS có thể mở rộng cho các loại cây trồng khác hay không?
Mô hình hoàn toàn có khả năng tái sử dụng linh hoạt cho các loại cây ăn trái, cây công nghiệp hoặc thủy sản. Người dùng chỉ cần chuẩn hóa lại bảng thuộc tính yêu cầu sinh thái của cây trồng mới và cập nhật tập dữ liệu huấn luyện đầu vào trong phần mềm.

Kết luận

• Đề tài đã xây dựng thành công khung phương pháp luận tiên tiến tích hợp công nghệ khai phá dữ liệu trong Hệ thống Thông tin Địa lý để đánh giá thích nghi tài nguyên đất.
• Thuật toán cây quyết định Trees.J48 trích xuất hoàn chỉnh bộ luật If-Then từ 12 tổ hợp dữ liệu không gian, đạt độ chính xác kiểm định vượt mức 92%.
• Thành lập chi tiết bản đồ thích nghi không gian cho 5 loại hình sử dụng đất canh tác lúa tại tỉnh Vĩnh Long, chỉ ra hơn 65% diện tích đất phù sa đạt chuẩn thích nghi rất cao (S1).
• Chuyển đổi thành công quy trình đánh giá đất đai từ bán thủ công sang tự động hóa 100%, tạo nền tảng vững chắc cho phát triển hệ thống GIS thông minh.
• Kế hoạch tiếp theo cần mở rộng tích hợp các yếu tố biến đổi khí hậu, xâm nhập mặn và xây dựng cổng tra cứu bản đồ trực tuyến phục vụ chính quyền cùng người nông dân trong giai đoạn tới.

Trích đoạn nội dung tài liệu

Chương 1 : Giới thiệu. − Chương 2 : Tình hình nghiên cứu. − Chương 3 : Cơ sở lý thuyết. − Chương 4 : Xây dựng mô hình tích hợp KPDL trong GIS − Chương 5 : Ứng dụng mô hình tích hợp KDDL trong GIS để xây dựng bản đồ thích nghi cây lúa tỉnh Vĩnh Long.

− Chương 6 : Kết luận, kiến nghị. ---------------------------------------------------------------------------------------------------------------------------------- 6 HVTH: Hà Thanh Vân Luận văn cao học GVHD: TS. Vũ Xuân Cường ---------------------------------------------------------------------------------------------------------------------------------------- CHƯƠNG 2. TÌNH HÌNH NGHIÊN CỨU 2.1 TỔNG QUAN TÌNH NGHIÊN CỨU NGOÀI NƯỚC “Research On Spatial Data Mining Technique Applied In Land Use Dynamic Monitoring” Zhong yong, Zhang jixian, Yan qin, Chinese Academy of Surveying and Mapping.

Nghiên cứu này đã áp dụng kỹ thuật khai phá dữ liệu không gian giám sát biến động sử dụng đất đai và đã đưa ra mô hình cấu trúc khai phá dữ liệu không gian hình 2.1 Cấu trúc hệ thống khai phá dữ liệu không gian “Spatial and Temporal Data Mining in Census of Population and Housing” Chin Jui Chang. Nghiên cứu này mô tả quá trình ứng dụng khai phá dữ liệu không gian và thời gian vào bài toán quản lý dân cư, sử dụng phương pháp phân loại (classification) cho kết quả mô hình cây quyết định như hình 2. [2] “Mining Census And Geographic Data In Urban Planning Environments” Donato Malerba. Nghiên cứu đã sử dụng phần mềm SPADA (Spatial Pattern ---------------------------------------------------------------------------------------------------------------------------------- 7 HVTH: Hà Thanh Vân Luận văn cao học GVHD: TS.

Vũ Xuân Cường ---------------------------------------------------------------------------------------------------------------------------------------- Discovery Algorithm) là thành phần của ARES (Association Rules Extractor from Spatial data), lưu trữ dữ liệu trên nền hệ quản trị cơ sở dữ liệu không gian Oracle và đã thử nghiệm dữ liệu ở UK, STOCKPORT district, cho 22 Ward, 589 EDs (Enumeration districts) bao gồm 89 Table, 120 Attributes trung bình/1Table, áp dụng kỹ thuật luật kết hợp không gian (Spatial Association rule).3 là mô hình kiến trúc của phần mềm ARES. [3] Population of City Low High amount of taxes of city Type of neighbor of city Low High City Airport economic power of city = high(0.8) neighbor of neighbor of city City Airport economic power of city = high (0.2 Mô hình cây quyết định đánh giá kinh tế của một vùng Hình 2.3 Mô hình kiến trúc phần mềm khai phá dữ liệu ARES ---------------------------------------------------------------------------------------------------------------------------------- 8 HVTH: Hà Thanh Vân Luận văn cao học GVHD: TS. Vũ Xuân Cường ---------------------------------------------------------------------------------------------------------------------------------------- “Data Mining in a Geospatial Decision Support System for Drought Risk Management”, Sherri K. Nghiên cứu đã tích hợp kỹ thuật khai phá dữ liệu với kỹ thuật GDSS (Geospatial Decision Support System) vào bài toán quản lý rủi ro hạn hán.

Nghiên cứu đã sử dụng kỹ thuật khai phá dữ liệu vào cơ sở dữ liệu không gian, thời gian của GIS hình 2.4 Khai phá dữ liệu trong hệ hỗ trợ ra quyết định rũi ro hạn hán “Design and Implementation of Spatial Data Mining System (M-SDM) based on MATLAB” Zhao Lu, October 2008. Nghiên cứu đã thiết kế phần mềm khai phá dữ liệu không gian dựa trên nền MATLAB. [15] “Spatial Data Preparation for Knowledge Discovery”-Vania Bogorny1, đề xuất quy trình chuẩn bị dữ liệu địa lý cho quá trình khai phá dữ liệu để rút trích thông tin tìm ẩn và đề xuất mô hình hệ thống xử lý dữ liệu. [29] ---------------------------------------------------------------------------------------------------------------------------------- 9 HVTH: Hà Thanh Vân Luận văn cao học GVHD: TS.

Vũ Xuân Cường ---------------------------------------------------------------------------------------------------------------------------------------- Cây quyết định trong Hình 2.5 Giao diện chính phần mềm khai phá dữ liệu không gian M-SDM 2.2 TỔNG QUAN TÌNH NGHIÊN CỨU TRONG NƯỚC “Đánh giá biến động thích nghi đất nông nghiệp lưu vực Sông Bé”- của PGS, TS. Lê Văn Trung, ThS. Nguyễn Trường Ngân, Bộ môn Địa Tin học - Khoa Kỹ thuật Xây dựng - Trường ĐH Bách Khoa TP.HCM được đăng trên đặc san Viễn Thám –Tin Học, số 06/06/2009 có đề cập tới ứng dụng phần mềm ALES (Automated Land Evaluation System) kết hợp với GIS để xây dựng mô hình đánh giá biến động thích nghi đất nông nghiệp theo phương pháp đánh giá đất đai của FAO, lấy địa bàn nghiên cứu là lưu vực sông Bé. Dựa trên cơ sở các kết quả đánh giá đất đai ở địa bàn lưu vực sông Bé, thông qua kết quả xây dựng mô hình biến đổi thủy văn, thủy lực từ các phần mềm Hec-HMS, Hec-RAS để tiến hành dự báo các thay đổi về điều kiện tưới, chế độ ngập trên lưu vực khi hệ thống các hồ đập thủy điện, thủy lợi được đưa vào vận hành.

Từ đó, tác giả tiến hành xây dựng lại bản đồ thích nghi đất nông nghiệp cho tương lai, so sánh với kết quả đánh giá bản đồ thích nghi trước đây, từ đó đề xuất các hướng khai thác sử dụng đất thích hợp hơn cho địa phương trong tương lai. “Ứng dụng GIS để đánh giá sự thích hợp đất đa tiêu chí cho cây trồng trường hợp nghiên cứu ở xã Hương Bình, Thừa Thiên Huế” của Huỳnh Văn Chương Trường ---------------------------------------------------------------------------------------------------------------------------------- 10 HVTH: Hà Thanh Vân Luận văn cao học GVHD: TS. Vũ Xuân Cường ---------------------------------------------------------------------------------------------------------------------------------------- Đại học Nông Lâm, Đại học Huế được đăng trên tạp chí khoa học, Đại học Huế, Số 50, 2009 lại nghiên cứu tìm kiếm một tiếp cận mới trong quá trình đánh giá sự thích hợp đất bằng việc kết hợp nguồn thông tin hai chiều từ trên xuống “top-down” và dưới lên “bottomup”. Đánh giá sự thích hợp đất cho cây trồng nông nghiệp được tiến hành theo hai giai đoạn gồm: Đánh giá sự thích hợp của điều kiện môi trường tự nhiên, tiếp đến là đánh giá sự thích hợp cả tự nhiên, kinh tế và xã hội và được gọi là tiếp cận đánh giá đa tiêu chí.

Công cụ GIS được sử dụng là phần mềm MapInfo kết hợp với phần mềm có sử dụng mô hình AHP. =>Điểm đặc biệt trong bài này tác giả đã kết hợp kỹ thuật hệ thống thông tin địa lý (GIS) với các phần mềm hỗ trợ trong phân tích thứ bậc tiêu chí (AHP). Với kết quả nghiên cứu là : Xác định 3 tiêu chí chính với các trọng số : Điều kiện kinh tế-cơ sở hạ tầng (0.589) , điều kiện môi trường tự nhiên (0.252), yếu tố bền vững xã hội (0.159) “ Nghiên cứu phát triển công cụ đánh giá tài nguyên đất hỗ trợ ra quyết định về quy hoạch sử dụng đất”, Tạ Thị Hoàng Mai, Luận văn thạc sỹ, 2008, đánh giá tài nguyên đất theo hướng tiếp cận ứng dụng kỹ thuật chồng lớp có tích hợp mô hình suy luận sử dụng kỹ thuật tri thức logic mờ (Fuzzy loggic) để xác định giá trị mức độ thích hợp với tập luật được cho trước bởi các chuyên gia : tập luật mờ đánh giá mức độ thích hợp để xây dựng công trình trọng tải lớn, tập luật mờ đánh giá mức độ thích hợp để xây dựng cơ sở hạ tầng, tập luật mờ đánh giá mức độ thích hợp để xây dựng khu dân cư. Công cụ được xây dựng trên phần mềm Acrview, các giải thuật được mã hóa bằng ngôn ngữ Avenue được tích hợp trong phần mềm ArcView.

[7] “Nghiên cứu mô hình phân tích GIS để xây dựng bản đồ thích nghi lúa chất lượng cao trên địa bàn tỉnh Vĩnh Long”, Huỳnh Thị Hà Thủy, Luận văn Thạc sỹ 2004, đề tài đã xây dựng bản đồ thích nghi lúa chất lượng cao của một giống lúa, sử dụng phần mềm ArcView với kỹ thuật chồng lớp để giải quyết bài toán. [8] “ Mô hình ứng dụng GIS đánh giá khả năng thích nghi của đất đai phục vụ sản xuất nông nghiệp”, Trần Thị Thu Dung, Luận văn Thạc sỹ 2005, đánh giá khả năng ---------------------------------------------------------------------------------------------------------------------------------- 11 HVTH: Hà Thanh Vân Luận văn cao học GVHD: TS. Vũ Xuân Cường ---------------------------------------------------------------------------------------------------------------------------------------- thích nghi của đất đai phục vụ sản xuất nông nghiệp sử dụng phương pháp đánh giá đất đai của FAO, dùng phần mềm AcrView phương pháp chồng lớp, ngôn ngữ Avenue. [9] “Ứng dụng GIS trong quản lý canh tác lúa và cảnh báo sớm tình hình rầy nâu trên lúa”, Trương Chí Quang, Luận văn Thạc sỹ 2009, nghiên cứu xây dựng ứng dụng GIS trên nền ngôn ngữ lập trình Visual Studio.NET 2008 và thư viện mã nguồn mở SharpMap, dữ liệu được lưu trong cơ sở dữ liệu không gian SQL Server 2008, áp dụng phương trình hồi quy tuyến tính để xây dựng bản đồ cảnh báo diện tích nhiễm rầy.

[10] “Ứng dụng khai phá dữ liệu để tìm hiểu thông tin khách hàng”, Hoàng Kiếm, Lê Bá Phương, 2003, dùng kỹ thuật gom nhóm K-mean để phân loại khách hàng dựa trên việc sử dụng điện thoại của khách hàng, Phân lớp dựa trên cây quyết định và luật kết hợp đa chiều (Multidimention Association rule) để tìm hiểu việc sử dụng các dịch vụ VoIP và Internet. Kết quả được ứng dụng cho việc quản lý khách hàng, cung cấp các dịch vụ phục vụ khách hàng, phục vụ kinh doanh, tiếp thị. [11] “Nghiên cứu tính ứng dụng của khai thác luật kết hợp trong cơ sở dữ liệu giao dịch” Trương Ngọc Châu, Phan Văn Dũng, Trường Đại Học Bách Khoa, Đại Học Đà Nẵng, các tác giả đưa ra giải pháp từ việc thu gom dữ liệu trên các phiên giao dịch, trên thương trường… rồi tiến hành khai thác chúng để chiết xuất ra các tri thức cần thiết. Các tri thức này lại tối ưu hóa và đem vào sử dụng hiệu quả trên các phiên giao dịch tiếp theo.

Nghiên cứu này đưa ra một cách nhìn tổng quan về quy trình khai phá dữ liệu từ các nguồn dữ liệu khác nhau đến việc ứng dụng các tri thức đã chiết xuất vào thực tế cuộc sống. [12] “Áp dụng kỹ thuật khai phá dữ liệu trên dữ liệu bán hàng để hỗ trợ việc đặt hàng tại siêu thị”, Cao Tấn thiết, Luận văn thạc sỹ, 2007 dùng phương pháo dự báo và phân loại (Prediction and classification) hay [14] “Khai phá dữ liệu trong kinh doanh”, Ngô Nhất Linh, Luận văn thạc sỹ, 2008 dùng kỹ thuật phân cụm (Clustering): Phân cụm phân cấp, sử dụng phân tích khái niệm hình thức (FCA) để rút trích luật phụ thuộc trong kinh doanh. [13] ---------------------------------------------------------------------------------------------------------------------------------- 12 HVTH: Hà Thanh Vân Luận văn cao học GVHD: TS. Vũ Xuân Cường ---------------------------------------------------------------------------------------------------------------------------------------- “Tích hợp mờ GIS và kỹ thuật tối ưu hóa đa mục tiêu mờ để hỗ trợ quy hoạch sử dụng đất nông nghiệp”- Lê Cảnh Định, luận văn tiến sỹ, 2011.

Mục tiêu là xây dựng mô hình tích hợp GIS và kỹ thuật tối ưu hoá đa mục tiêu mờ để hỗ trợ quy hoạch sử dụng đất nông nghiệp. [23] “ Tổng hợp phần mềm Ales và GIS trong đánh giá thích nghi đất đai”, Lê Cảnh Định, luận văn thạc sỹ, 2008. Đánh giá đất đai sử dụng cây quyết định - phần mềm Ales và GIS. [24] “Giám sát biến động rừng ngập mặn sử dụng kỹ thuật viễn thám và Gis” Trần Trọng Đức, Bộ môn Địa tin học, Khoa Kỹ thuật Xây dựng, Đại học Bách khoa, Tp.

Hồ Chí Minh, Việt Nam.