intTypePromotion=1
zunia.vn Tuyển sinh 2024 dành cho Gen-Z zunia.vn zunia.vn
ADSENSE

Tóm tắt Luận án Tiến sĩ Kỹ thuật: Lựa chọn mô hình dự báo nguy cơ cháy rừng từ dữ liệu viễn thám và hệ thông tin địa lý

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:28

6
lượt xem
3
download
 
  Download Vui lòng tải xuống để xem tài liệu đầy đủ

Luận án "Lựa chọn mô hình dự báo nguy cơ cháy rừng từ dữ liệu viễn thám và hệ thông tin địa lý" được hoàn thành với mục tiêu nhằm thu thập, tiền xử lý và chiết tách các lớp thông tin chuyên đề từ dữ liệu viễn thám và hệ thông tin địa lý; Đánh giá và lựa chọn mô hình phù hợp với điều kiện cụ thể khu vực phía tây tỉnh Nghệ An;

Chủ đề:
Lưu

Nội dung Text: Tóm tắt Luận án Tiến sĩ Kỹ thuật: Lựa chọn mô hình dự báo nguy cơ cháy rừng từ dữ liệu viễn thám và hệ thông tin địa lý

  1. BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC MỎ - ĐỊA CHẤT ĐOÀN THỊ NAM PHƯƠNG LỰA CHỌN MÔ HÌNH DỰ BÁO NGUY CƠ CHÁY RỪNG TỪ DỮ LIỆU VIỄN THÁM VÀ HỆ THÔNG TIN ĐỊA LÝ NGÀNH: KỸ THUẬT TRẮC ĐỊA - BẢN ĐỒ MÃ SỐ: 9520503 TÓM TẮT LUẬN ÁN TIẾN SĨ KỸ THUẬT Hà Nội - 2023
  2. Công trình được hoàn thành tại: Bộ môn Đo ảnh và Viễn thám, Khoa Trắc địa - Bản đồ và Quản lý đất đai, Trường Đại học Mỏ - Địa chất Người hướng dẫn khoa học: 1. PGS. TS Nguyễn Văn Trung – Trường Đại học Mỏ - Địa chất 2. GS.TS Bùi Tiến Diệu – Trường Đại học Đông Nam (Na Uy) Phản biện 1: PGS.TS Trần Vân Anh-Trường Đại học Mỏ - Địa chất Phản biện 2: PGS.TS Trịnh Lê Hùng - Học viện Kỹ thuật Quân sự Phản biện 3: PGS.TS Phạm Quang Vinh - Viện Địa lý Luận án được bảo vệ tại Hội đồng đánh giá luận án cấp Trường Họp tại Trường Đại học Mỏ - Địa chất vào hồi 8 giờ 30, ngày tháng năm 2023 Có thể tìm hiểu luận án tại: - Thư viện Quốc gia - Thư viện Trường Đại học Mỏ - Địa chất
  3. 1 MỞ ĐẦU 1. Tính cấp thiết của đề tài Các mô hình dự báo nguy cơ cháy rừng đều có những ưu, nhược điểm riêng và việc lựa chọn mô hình phù hợp với điều kiện tự nhiên, xã hội, dữ liệu ở từng khu vực cụ thể là một vấn đề có tính thực tiễn cao. Với những lý do trên, luận án “Lựa chọn mô hình dự báo nguy cơ cháy rừng từ dữ liệu viễn thám và hệ thông tin địa lý” được lựa chọn xuất phát từ nhu cầu thực tế, có ý nghĩa khoa học và thể hiện sự cần thiết phải nghiên cứu. 2. Mục tiêu nghiên cứu Lựa chọn được mô hình dự báo nguy cơ cháy rừng từ dữ liệu viễn thám và hệ thông tin địa lý khu vực phía tây tỉnh Nghệ An. 3. Nội dung nghiên cứu - Tổng quan về vấn đề nghiên cứu: - Cơ sở khoa học xây dựng mô hình dự báo nguy cơ cháy rừng từ dữ liệu viễn thám và hệ thông tin địa lý; - Thu thập, tiền xử lý và chiết tách các lớp thông tin chuyên đề từ dữ liệu viễn thám và hệ thông tin địa lý; - Nghiên cứu đề xuất qui trình xây dựng bản đồ dự báo nguy cơ cháy rừng từ dữ liệu viễn thám và hệ thông tin địa lý trên cơ sở các kỹ thuật như AHP, Rừng ngẫu nhiên (RF), Máy hỗ trợ vector (SVM), Cây phân loại và hồi quy (CART); - Đánh giá và lựa chọn mô hình phù hợp với điều kiện cụ thể khu vực phía tây tỉnh Nghệ An; - Phân tích kết quả.
  4. 2 4. Đối tượng và phạm vi nghiên cứu - Đối tượng nghiên cứu là các mô hình dự báo nguy cơ cháy rừng trên cơ sở kết hợp dữ liệu viễn thám, hệ thông tin địa lý và các kỹ thuật học máy. - Phạm vi khoa học của luận án tập trung vào phân tích, đánh giá, thử nghiệm nhằm lựa chọn mô hình dự báo cháy rừng phù hợp với điều kiện cụ thể khu vực nghiên cứu. - Phạm vi không gian của luận án là khu vực phía tây tỉnh Nghệ An. 5. Phương pháp nghiên cứu - Phương pháp phân tích, tổng hợp - Phương pháp viễn thám - Phương pháp GIS - Phương pháp học máy, phương pháp mô hình hóa - Phương pháp thống kê 6. Ý nghĩa khoa học và thực tiễn của đề tài 6.1 Ý nghĩa khoa học Góp phần hoàn thiện cơ sở khoa học và minh chứng tính hiệu quả của phương pháp ứng dụng dữ liệu viễn thám, GIS và các kỹ thuật trí tuệ nhân tạo (học máy) trong xây dựng mô hình dự báo nguy cơ cháy rừng 6.2 Ý nghĩa thực tiễn Cung cấp thông tin và công cụ xử lý dữ liệu viễn thám, GIS trên nền tảng Google Earth Engine để các nhà quản lý đưa ra các biện pháp trong giám sát và cảnh báo sớm nguy cơ cháy rừng. Bên cạnh đó, kết quả nhận được trong đề tài cũng có thể sử dụng, tham khảo trong công tác nghiên cứu khoa học, giảng dạy ở các trường đại học, viện nghiên cứu.
  5. 3 7. Những điểm mới của luận án - Lựa chọn được 9 lớp thông tin đầu vào cho mô hình dự báo nguy cơ cháy rừng khu vực phía tây tỉnh Nghệ An từ dữ liệu viễn thám và GIS là phù hợp với điều kiện khu vực nghiên cứu. - Lựa chọn được mô hình dự báo nguy cơ cháy rừng khu vực phía tây tỉnh Nghệ An bằng dữ liệu viễn thám và GIS trên cơ sở thuật toán Random Forest. 8. Luận điểm bảo vệ Luận điểm 1: Các lớp thông tin đầu vào chiết xuất từ dữ liệu viễn thám và GIS (mật độ dân số, lớp phủ thực vật, độ bốc thoát hơi nước, hướng sườn, độ dốc, tốc độ gió, độ cao, nhiệt độ bề mặt và lượng mưa trung bình tháng) cho phép xây dựng mô hình dự báo nguy cơ cháy rừng phù hợp với điều kiện khu vực nghiên cứu ở phía Tây tỉnh Nghệ An. Luận điểm 2: Kỹ thuật học máy (thuật toán Random Forest) giúp dự báo nguy cơ cháy rừng từ dữ liệu viễn thám và GIS với độ chính xác cao nhất đối với khu vực nghiên cứu. 9. Kết cấu của luận án Luận án gồm 03 chương chính, phần mở đầu, kết luận - kiến nghị và tài liệu tham khảo. Nội dung chính của luận án được trình bày trong 03 chương
  6. 4 CHƯƠNG 1. TỔNG QUAN VỀ VẤN ĐỀ NGHIÊN CỨU 1. Tổng quan tình hình nghiên cứu trong và ngoài nước 1.1 Đặc điểm tài nguyên rừng Việt Nam 1.2 Hiện trạng cháy rừng ở Việt Nam 1.2.1 Khái niệm cháy rừng Theo Tổ chức Lương thực và Nông nghiệp Thế giới (FAO): “Cháy rừng là sự xuất hiện và lan rộng của đám cháy trong các khu rừng ngoài tầm kiểm soát của con người; gây ra những tổn thất về nhiều mặt về tài nguyên, tài sản và môi trường' (FAO, 1999). 1.2.2 Quy định về cấp dự báo cháy rừng Cấp dự báo cháy rừng được quy định tại Điều 46 Nghị định 156/2018/NĐ-CP (ngày 16/11/2018) quy định chi tiết thi hành một số điều của Luật Lâm nghiệp, trong đó cấp dự báo cháy rừng gồm 5 cấp, từ cấp Tôi lên cấp V. 1.2.3 Phân tích tình hình cháy rừng ở Việt Nam 1.3 Nguyên nhân cháy rừng ở Việt Nam - Cháy rừng do biến đổi khí hậu. - Cháy rừng do hoạt động của con người và sinh học 1.4 Các phương pháp dự báo cháy rừng 1.4.1 Các phương pháp dự báo cháy rừng truyền thống Các nghiên cứu về cháy rừng đã được các nhà khoa học Mỹ, Liên Xô (cũ), Canada, Nhật Bản, Trung Quốc... quan tâm từ đầu thế kỷ 20. Các phương pháp dự báo cháy rừng truyền thống dựa trên mối quan hệ giữa các yếu tố khí tượng, khí hậu và vật liệu dễ cháy. 1.4.2 Các phương pháp sử dụng dữ liệu viễn thám và GIS Các phương pháp dự báo nguy cơ cháy rừng sử dụng tư liệu viễn thám và GIS là quá trình đánh giá mức độ ảnh hưởng của các yếu tố
  7. 5 tự nhiên và xã hội trong quá trình hình thành cháy rừng. Các yếu tố này bao gồm (Phạm Ngọc Hùng, 2004): đặc điểm của rừng, lửa kết cấu vật liệu, khí hậu và thời tiết, địa hình. Ngoài ra, một số mô hình dự báo nguy cơ cháy rừng còn sử dụng các lớp đầu vào như khoảng cách từ khu dân cư đến rừng, khoảng cách từ các tuyến giao thông vào rừng, số người vào rừng trung bình mỗi ngày… (Gholamreza, 2012) . 1.5 Tổng quan tình hình nghiên cứu trên thế giới và Việt Nam 1.5.1 Trên thế giới Cháy rừng là một hiện tượng phức tạp, khó mô hình hóa và quản lý. Có nhiều yếu tố góp phần gây ra cháy rừng và lan rộng, chẳng hạn như yếu tố con người, các biến đổi địa hình và khí tượng. Xây dựng mô hình dự báo nguy cơ cháy rừng và phân loại nguy cơ cháy rừng là vấn đề cấp thiết, cung cấp thông tin kịp thời cho công tác bảo vệ và phát triển tài nguyên rừng. Công nghệ địa không gian, bao gồm công nghệ viễn thám và hệ thống thông tin địa lý (GIS) được ứng dụng rộng rãi và hiệu quả trong xây dựng mô hình dự báo nguy cơ cháy rừng. Viễn thám và GIS cho phép thu thập dữ liệu về độ che phủ của rừng để phân tích, quản lý và lập mô hình cảnh báo sớm nguy cơ cháy rừng. Jaiswal et al. (2002) đã sử dụng phương pháp phân tích thứ bậc (AHP) để lập bản đồ nguy cơ cháy rừng tại khu vực Subwatershed Gorna (bang Madhya Pradesh, Ấn Độ) dựa trên cơ sở dữ liệu ảnh vệ tinh IRS và công nghệ GIS. Kết quả thu được cho thấy, gần 30% diện tích khu vực nghiên cứu có nguy cơ cháy rừng ở mức “cao” đến “rất cao”, phù hợp với các địa bàn xảy ra cháy rừng. (Jaiswal và cộng sự, 2002). Trong nghiên cứu (Wimberly et al., 2008), các tác giả đã sử dụng dữ liệu ảnh vệ tinh Landsat đa thời gian để lập bản đồ mức độ nghiêm trọng của các vụ cháy rừng ở phía nam Appalachia (Bắc
  8. 6 Carolina, Hoa Kỳ). Chỉ số tỷ lệ bỏng được chuẩn hóa (NBR) được tính toán từ các dải hồng ngoại sóng ngắn và hồng ngoại gần của hình ảnh Landsat được sử dụng để đánh giá sự thay đổi lớp phủ mặt đất trước và sau đám cháy. Nhiều nghiên cứu đã sử dụng các kỹ thuật trí tuệ nhân tạo (mạng nơ- ron nhân tạo, rừng ngẫu nhiên, máy vector hỗ trợ) kết hợp với phương pháp phân tích thứ bậc AHP để nâng cao độ chính xác của các mô hình dự báo nguy cơ cháy rừng từ dữ liệu viễn thám và GIS (Vasilakos et al., 2009; Oliveira và cộng sự, 2012; Bùi Tiến Diệu và cộng sự, 2016, 2017). Các kỹ thuật hồi quy như hồi quy bội (Oliveira và cộng sự, 2012), hồi quy logistic (Pourghasemi, 2015), hồi quy theo trọng số địa lý (GWR) (Fernandez và cộng sự, 2012), kỹ thuật khai thác dữ liệu (Arpaci và cộng sự, 2014) là còn được sử dụng để xây dựng mô hình dự báo nguy cơ cháy rừng trên cơ sở đánh giá mối quan hệ giữa các yếu tố tự nhiên - xã hội với khả năng xảy ra cháy rừng. 1.5.2 Trong nước Ở Việt Nam, một số nghiên cứu đã sử dụng dữ liệu nhiệt độ bề mặt đất tính toán từ ảnh hồng ngoại nhiệt Landsat và MODIS để cảnh báo sớm các vùng có nguy cơ cháy rừng cao (Vương Văn Quỳnh, 2005; Đoàn Hà Phong, 2007; Trần Quang Báo và nnk., 2016). Dữ liệu viễn thám hồng ngoại nhiệt cũng được sử dụng trong nghiên cứu (Trinh và Zablotskii, 2017) để phát hiện cháy than dưới bề mặt trong các mỏ than. Các nghiên cứu (Nguyễn Ngọc Thạch và cộng sự, 2015; Đặng Ngô Bảo Toàn, 2021; Hoàng và cộng sự, 2020) cũng đã sử dụng dữ
  9. 7 liệu viễn thám và GIS để lập bản đồ nguy cơ cháy rừng ở các khu vực khác nhau ở Việt Nam dựa trên kỹ thuật máy học. Kết quả thu được cho thấy kỹ thuật máy học cho phép phân loại rủi ro cháy rừng với độ chính xác cao hơn so với phương pháp truyền thống sử dụng kỹ thuật phân tích thứ bậc (AHP). Nhìn chung, các nghiên cứu trên đã chứng minh hiệu quả của công nghệ viễn thám và GIS trong xây dựng mô hình dự báo nguy cơ cháy rừng phục vụ công tác giám sát, giảm thiểu thiệt hại do cháy rừng gây ra. 1.6 Thảo luận vấn đề nghiên cứu Phân tích các nghiên cứu trên thế giới và Việt Nam cho thấy, các mô hình dự báo nguy cơ cháy rừng phù hợp với điều kiện tự nhiên - xã hội của từng vùng, không thể áp dụng cho các vùng khác nhau. Vì vậy, đối với từng khu vực cụ thể, cần nghiên cứu, đánh giá nguyên nhân cháy rừng, từ đó lựa chọn, xây dựng mô hình dự báo nguy cơ cháy rừng phù hợp. Với sự phát triển mạnh mẽ của kỹ thuật trí tuệ nhân tạo trong những năm gần đây, việc sử dụng thuật toán học máy trong xây dựng mô hình dự báo nguy cơ cháy rừng là hướng tiếp cận phù hợp và hiệu quả dựa trên dữ liệu viễn thám và dữ liệu GIS. 1.7 Tiểu kết chương 1 Trong chương 1, NCS đã phân tích đặc điểm tài nguyên rừng Việt Nam, nguyên nhân cháy rừng, các phương pháp dự báo nguy cơ cháy rừng, đánh giá tổng quan tình hình nghiên cứu trên thế giới và Việt Nam. Từ những kết quả thu được, nghiên cứu sinh đã luận giải những
  10. 8 vấn đề còn tồn tại, đề xuất giải pháp trong luận án nhằm nâng cao hiệu quả công tác cảnh báo sớm nguy cơ cháy rừng. CHƯƠNG 2. CƠ SỞ KHOA HỌC XÂY DỰNG MÔ HÌNH DỰ BÁO NGUY CƠ CHÁY RỪNG TỪ DỮ LIỆU VIỄN THÁM VÀ HỆ THÔNG TIN ĐỊA LÝ 2.1 Đặc điểm khu vực nghiên cứu Khu vực nghiên cứu nằm ở phía Tây tỉnh Nghệ An, thuộc vùng Bắc Trung Bộ Việt Nam, có tọa độ địa lý từ 18º33' đến 20º01'N, 103º52' đến 105º48'E.. Hình 2.1 Vị trí địa lý tỉnh Nghệ An 2.2 Tổng quan về dữ liệu xây dựng mô hình dự báo cháy rừng 09 nhân tố để xây dựng mô hình dự báo nguy cơ cháy rừng, bao gồm: + Mật độ dân số + Lớp phủ thực vật (chỉ số NDVI) + Bốc hơi bề mặt + Khía cạnh + Độ dốc + Tốc độ gió
  11. 9 + Độ cao + Nhiệt độ bề mặt đất + Lượng mưa trung bình tháng. 2.3 Phương pháp xây dựng cơ sở dữ liệu thành phần 2.3.1 Các lớp dữ liệu đầu vào trích xuất từ ảnh viễn thám a) Lớp phủ thực vật Chỉ số NDVI được sử dụng để thể hiện hệ số che phủ thực vật trong mô hình dự báo nguy cơ cháy rừng. NDVI được tính từ giá trị hệ số phản xạ phổ trong các kênh màu đỏ và cận hồng ngoại của hình ảnh đa phổ theo phương trình (Rouse et al., 1973):  NIR   RED NDVI  (1)  NIR   RED Trong đó, NIR và RED là phổ phản xạ bề mặt ở kênh cận hồng ngoại và kênh đỏ. Với ảnh Sentinel 2 MSI tương ứng với kênh 8 và kênh 4. b) Thông tin độ ẩm bề mặt Độ bốc thoát hơi nước cũng có thể được sử dụng trong xây dựng lớp thông tin đầu vào về độ ẩm bề mặt. Độ bốc thoát hơi nước có thể chiết xuất từ ảnh viễn thám quang học như Landsat, MODIS..., trong đó sản phẩm độ bốc thoát hơi nước xác định từ ảnh MODIS được sử dụng một cách rộng rãi và được cung cấp trên nền tảng GEE. c) Thông tin nhiệt độ bề mặt Nhiệt độ bề mặt đất được trích xuất từ dữ liệu viễn thám hồng ngoại nhiệt Landsat 8 bằng mô hình của NASA. Ở bước đầu tiên, dữ liệu dải TIRS (Qcal) phải được chuyển đổi thành bức xạ quang phổ TOA (Lλ) bằng cách sử dụng hệ số thay đổi tỷ lệ bức xạ được cung cấp trong tệp siêu dữ liệu theo phương trình sau (http://landsat.gsfc.nasa.gov): L  M L .Qcal  AL (2)
  12. 10 Trong đó: ML, AL – Hệ số chuyển đổi, được lấy trong tệp siêu dữ liệu (metadata file) ảnh Landsat 8; Ở bước thứ hai, các dải nhiệt của Landsat 8 có thể được chuyển đổi từ dạng bức xạ quang phổ (Lλ) thành nhiệt độ sáng (TB) bằng phương trình sau (http://landsat.gsfc.nasa.gov): K2 TB  (3) K ln( 1  1) L Trong đó: K1 và K là các hệ số, được cung cấp trong tệp siêu dữ liệu ảnh Landsat 8. Để xác định nhiệt độ bề mặt đất từ dữ liệu Landsat 8, cần có giá trị phát xạ bề mặt đất. Độ phát xạ bề mặt được xác định bằng phương pháp dựa trên ảnh NDVI do Valor và Caselles (1996) đề xuất theo phương trình sau:    v .Pv   s (1  Pv ) (4) Trong đó: ε – Độ phát xạ bề mặt εv, εs – Độ phát xạ của lớp phủ thực vật thuần khiết và diện tích đất thuần khiết tương ứng. Pv là tỉ lệ thực vật trong từng pixel, được xác định theo công thức sau (Vlassova et al., 2014): 2  NDVI  NDVI soil  Pv    (5)  NDVI veg .  NDVI soil    Ở bước cuối cùng, nhiệt độ bề mặt đất có thể được tính theo phương trình sau (6): TB LST  (6)  .TB 1 .ln  
  13. 11 2.3.2 Nhóm các lớp thông tin được xây dựng từ hệ thông tin địa lý Dữ liệu độ cao (DEM) của Shuttle Radar Topography Mission (SRTM) với độ phân giải không gian 30m được thu thập và xử lý để xây dựng các yếu tố địa hình cho mô hình rủi ro cháy rừng, bao gồm độ cao, hướng và độ dốc 2.3.3 Nhóm các lớp thông tin khác Các lớp dữ liệu Tốc độ gió, Lượng mưa trung bình tháng được trích xuất qua cơ sở dữ liệu WorldClim (https://www.worldclim.org/). Lớp dữ liệu Mật độ dân số được trích xuất qua tập dữ liệu nhân khẩu học WorldPop (https://data.worldpop.org/). 2.4 Phương pháp xử lý dữ liệu trên nền tảng Google Earth Engine Google Earth Engine (GEE) là một nền tảng phân tích không gian địa lý dựa trên điện toán đám mây cho phép người dùng trực quan hóa và phân tích hình ảnh vệ tinh Trái đất. Bộ dữ liệu của GEE lưu trữ dữ liệu viễn thám của các hệ thống vệ tinh trong giai đoạn 40 năm qua, cùng với các công cụ tính toán cần thiết để phân tích và khai thác kho dữ liệu khổng lồ đó mà không cần phải tải về máy tính. Không những thế, dữ liệu từ GEE có thể sử dụng trên các phần mềm khác như QGIS, GIS, Foris để tối ưu hóa dữ liệu. Nền tảng được sử dụng miễn phí với mục đích nghiên cứu, giáo dục và mục đích phi lợi nhuận. Danh mục dữ liệu công khai của GEE bao gồm nhiều bộ dữ liệu raster lên đến 5 triệu gigabyte (5 petabyte).
  14. 12 2.5 Nghiên cứu lựa chọn mô hình dự báo nguy cơ cháy rừng từ dữ liệu viễn thám và hệ thông tin địa lý 2.5.1 Phương pháp phân tích thứ bậc AHP Phương pháp AHP được phát triển bởi Saaty là một trong những cách tiếp cận phân tích đa chỉ tiêu (MCA) linh hoạt và thuận lợi nhất, đã được sử dụng rộng rãi trong xây dựng các mô hình dự báo nguy cơ cháy rừng từ dữ liệu viễn thám và GIS. Trong mô hình dự báo nguy cơ cháy rừng theo phương pháp AHP, mỗi yếu tố đầu vào có giá trị trọng số ảnh hưởng riêng, từ đó xây dựng bản đồ phân vùng nguy cơ cháy rừng. 2.5.2 Phương pháp sử dụng thuật toán Rừng ngẫu nhiên Hình 2. Sơ đồ thuật toán RF trong phân loại (chỉnh sửa từ nguồn: https://www.section.io/)
  15. 13 2.5.3 Phương pháp sử dụng thuật toán Máy hỗ trợ vector Hình 3. Mô tả các vector hỗ trợ trong thuật toán SVM 2.5.4 Phương pháp sử dụng thuật toán cây phân loại và hồi quy Hình 4 Mô tả thuật toán Cây Phân loại và hồi quy CART (nguồn: https://www.javatpoint.com/)
  16. 14 Hình 5 Sơ đồ quy trình công nghệ lựa chọn mô hình dự báo nguy cơ cháy rừng từ dữ liệu viễn thám và GIS 2.6 Tiểu kết chương 2 Trong chương 2, lựa chọn 09 lớp dữ liệu đầu vào của mô hình dự báo nguy cơ cháy rừng bao gồm: mật độ dân số, lớp phủ thực vật, bốc thoát hơi nước bề mặt, độ cao. , độ dốc, khía cạnh, tốc độ gió, nhiệt độ bề mặt đất và lượng mưa trung bình hàng tháng. 04 phương pháp đã được thử nghiệm bao gồm: kỹ thuật AHP và 03 phương pháp học máy (RF, SVM, CART).
  17. 15 CHƯƠNG 3. THỰC NGHIỆM DỰ BÁO NGUY CƠ CHÁY RỪNG KHU VỰC PHÍA TÂY TỈNH NGHỆ AN TỪ DỮ LIỆU VIỄN THÁM VÀ HỆ THÔNG TIN ĐỊA LÝ 3.1 Đặc điểm dữ liệu sử dụng 3.1.1 Dữ liệu viễn thám 65 cảnh Sentinel 2A và Sentinel 2B được chụp từ ngày 15 tháng 11 năm 2021 đến ngày 16 tháng 1 năm 2022, 15 Ảnh đa phổ Landsat 8 OLI_TIRS với đường dẫn/hàng 127/047, 127/046 và 128/046 được chụp trong khoảng thời gian từ ngày 15 tháng 11 năm 2021 đến ngày 16 tháng 1 năm 2022 Hình 6: Dữ liệu ảnh Sentinel 2 MSI khu vực nghiên cứu 3.1.2 Dữ liệu GIS Dữ liệu độ cao của Shuttle Radar Topography Mission (SRTM) với độ phân giải không gian 30m (Hình 7) được thu thập và xử lý để xây dựng các yếu tố địa hình cho mô hình dự báo cháy rừng, bao gồm độ cao, hướng và độ dốc. Hình 7: Mô hình SRTM của khu vực nghiên cứu Dữ liệu mật độ dân số được thu thập từ cơ sở dữ liệu WorldPop
  18. 16 (https://data.worldpop.org/). Trong khi đó, tốc độ gió và lượng mưa trung bình hàng tháng được thu thập từ cơ sở dữ liệu WorldClim (https://data.worldclim.org/). 3.2 Kết quả xây dựng các lớp thông tin chuyên đề Hình ảnh Sentinel 2 MSI sau khi thu thập và tiền xử lý được sử dụng để tính toán chỉ số thực vật NVDI. Trong khi đó, ảnh Landsat 8 được dùng để tính toán nhiệt độ bề mặt đất theo mô hình của NASA. Kết quả thành lập bản đồ lớp phủ thực vật (chỉ số NDVI), bốc thoát hơi nước bề mặt và các tầng nhiệt độ bề mặt đất khu vực phía Tây tỉnh Nghệ An từ tư liệu viễn thám được trình bày trong Hình 8. Hình 8: Các lớp dữ liệu NDVI, NMDI và nhiệt độ bề mặt đất cho mô hình dự báo nguy cơ cháy rừng Hình 9: Các lớp dữ liệu Độ cao, Độ dốc và hướng sườn cho mô hình dự báo nguy cơ cháy rừng
  19. 17 Hình 10 trình bày tốc độ gió, lượng mưa trung bình tháng và các lớp đầu vào mật độ dân số của mô hình dự báo nguy cơ cháy rừng ở khu vực phía Tây tỉnh Nghệ An. Do độ phân giải của dữ liệu được thu thập từ cơ sở dữ liệu WorldPop và WorldClime là 1000m nên để phù hợp với các lớp dữ liệu khác của mô hình dự báo rủi ro cháy rừng, các lớp dữ liệu này được nội suy thành kích thước pixel 10m. Hình 10: Các lớp dữ liệu về tốc độ gió, lượng mưa trung bình hàng tháng và mật độ dân số cho mô hình dự báo nguy cơ cháy rừng 3.3 Kết quả lập bản đồ dự báo nguy cơ cháy rừng từ dữ liệu viễn thám và GIS 3.3.1 Dự báo nguy cơ cháy rừng bằng kỹ thuật AHP Từ 9 lớp đầu vào của mô hình dự báo nguy cơ cháy rừng được lựa chọn trong luận án, đánh giá vai trò của từng nhân tố ảnh hưởng đến khả năng xảy ra cháy rừng thông qua ma trận so sánh cặp các chỉ tiêu bằng phương pháp AHP. Kết quả dự báo nguy cơ cháy rừng khu vực phía Tây tỉnh Nghệ An bằng kỹ thuật AHP được thể hiện trong Hình 11, trong đó nguy cơ cháy rừng được phân thành 5 cấp: rất thấp, thấp, trung bình, cao và rất cao.
  20. 18 Hình 11: Bản đồ vùng nguy cơ cháy rừng sử dụng kỹ thuật AHP 3.3.2 Dự báo nguy cơ cháy rừng bằng thuật toán RF Để dự báo nguy cơ cháy rừng bằng thuật toán Random Forest, luận án đã thử nghiệm với nhiều giá trị khác nhau của tham số numberOfTrees. Kết quả thu được cho thấy thuật toán RF với tham số numberOfTrees bằng 100 có độ chính xác cao nhất trong dự báo nguy cơ cháy rừng. Bản đồ phân vùng nguy cơ cháy rừng khu vực phía Tây tỉnh Nghệ An thành lập bằng thuật toán RF (100) được trình bày trong Hình 12
ADSENSE

CÓ THỂ BẠN MUỐN DOWNLOAD

 

Đồng bộ tài khoản
2=>2