I. Mở đầu

          Mô hình Module CA-Markov trong chương trình IDRISI có liên quan đến hai kỹ thuật, là phân tích chuỗi Markov và CA. CA làm nền tảng cho động lực của các sự kiện thay đổi dựa trên khái niệm vùng lân cận, để các vùng gần hơn với các khu vực hiện có của cùng một lớp có nhiều khả năng chuyển sang một lớp khác hơn. CA là thực thể có thể thay đổi một cách độc lập điều kiện của nó dựa trên trạng thái trước đó của chính nó (theo quy luật chuyển đổi Markov) và các lân cận liền kề.

          Mô hình kết hợp “Cellular Automata” và “Chuỗi Markov” được coi là có lợi cho việc lập mô hình các biến động LULC. Các vấn đề liên quan khi một mô hình chuỗi Markov thiếu đầu ra được quy chiếu theo không gian và các xác suất chuyển đổi có thể chính xác trên cơ sở phân loại, không có thông số kỹ thuật về sự phân bố theo không gian của từng loại hình LULC. CA được thêm vào mô hình Markov dẫn đến các chuyển đổi không gian có thể xảy ra ở một khu vực cụ thể trong một khoảng thời gian. 

          II. Độ chính mô hình CA-Markov

          Độ chính xác của mô hình dự báo CA-Markov được đánh giá dựa trên chỉ số Kappa. Kết quả phân tích độ chính xác thông qua các chỉ số sau: 

          - Kno (Kappa for no information): Kappa không thông tin;

          - Klocation (Kappa for location): Kappa cho vị trí;

          - Kstandard (Kappa standard): Kappa tiêu chuẩn.

          Kno chỉ ra tỷ lệ được phân loại chính xác liên quan đến tỷ lệ dự kiến được phân loại chính xác bằng mô phỏng mà không có khả năng chỉ định chính xác số lượng hoặc vị trí. Klocation cho biết vị trí của các ô lưới trên khung cảnh. Kstandard so sánh tỷ lệ quan sát đúng với tỷ lệ dự kiến đúng do ngẫu nhiên  Kappa luôn nhỏ hơn hoặc bằng 1. Giá trị 1 có nghĩa là sự đồng nhất hoàn hảo.

          III. Phương pháp đánh giá và dự báo biến động lớp phủ bằng CA-Markov

          Quy trình đánh giá và dự báo biến động lớp phủ bằng mô hình CA-Markov được thể hiện trên Hình 1.

Hình 1 Quy trình đánh giá và dự báo biến động lớp phủ khu vực nghiên cứu

          Phân tích quy trình đánh giá và dự báo biến động lớp phủ

       Quy trình đánh giá và dự báo biến động lớp phủ sử dụng mô hình CA-Markov được thể hiện trên Hình 1.1 được chia thành các bước chính bao gồm:

    Bước đầu tiên, dữ liệu ảnh Landsat TM các năm 2000, 2005 và 2010 có độ phân giải 30m lấy từ website http://earthexplorer.usgs.gov. Ảnh sau khi được hiệu chỉnh được sử dụng để phân loại lớp phủ bằng phương pháp phân loại xác suất cực đại (Maximum likelihood) để thành lập bản đồ hiện trạng LULC các năm 2000, 2005, 2010. Với tư liệu ảnh vệ tinh Landsat khu vực tỉnh Đắk Nông (Tây Nguyên), tiến hành chọn dữ liệu mẫu đối với 12 lớp đối tượng LULC.

          Bước thứ hai là đánh giá sự phù hợp của mô hình CA-Markov trong dự báo biến động lớp phủ. Mô hình dự báo biến động LULC CA-Markov dựa trên hai lớp bản đồ sẽ được đưa vào để xây dựng ma trận xác suất chuyển đổi. Trong phương pháp này, mô hình sẽ duyệt từng kiểu loại hình LULC và tiến hành xác định số pixel chuyển đổi của các loại hình LULC thời điểm t₁ sang loại hình LULC khác vào thời điểm t₂ để tính số lượng pixel chuyển đổi và quy ra tỉ lệ phần trăm thay đổi của từng loại hình LULC. Quy trình đánh giá và dự báo mô hình CA-Markov gồm các bước chính như sau: 

          * Xây dựng ma trận xác suất chuyển đổi Markov: Bản chất của phương pháp phân tích chuỗi Markov là xây dựng mối liên hệ giữa 2 bản đồ hiện trạng lớp phủ tại hai thời điểm đánh giá nhằm tạo cơ sở khoa học cho quá trình mô hình hóa ở các bước tiếp theo. Sở dĩ mốc thời điểm dự báo là năm 2010 vì dựa trên việc tính toán ma trận xác suất chuyển đổi Markov để xác định ra Time steps cho quá trình đánh giá.

          * Chọn mốc thời gian dự báo: Trên cơ sở kết quả dự báo của mô hình, mốc thời gian dự báo 2010 được xác định bằng cách tính khoảng thời gian giữa năm 2000 và 2005 (5 năm), cụ thể theo công thức như sau:

          Trong đó:    TDB: Thời điểm dự báo;

          TCT: Mốc thời gian cận trên của quá trình đánh giá;

          TCD: Mốc thời gian cận dưới của quá trình đánh giá.

          Áp dụng công thức (2.5) trên, ta sẽ xác định được thời điểm dự báo biến động lớp phủ tỉnh Đắk Nông như sau:

TDB1 = 2005 + (2005 – 2000) = 2010

          IV. Kết quả phân loại lớp phủ tỉnh Đắk Nông năm 2000, 2005, 2010

          Bản đồ hiện trạng LULC khu vực tỉnh Đắk Nông thành lập từ tư liệu ảnh vệ tinh Landsat các năm 2000, 2005, 2010 được thể hiện lần lượt trên các Hình 2.6, 2.7 và 2.8.  Độ chính xác của kết quả phân loại được đánh giá bằng chỉ số Kappa dựa trên dữ liệu mẫu kiểm tra. Kết quả nhận được cho thấy, chỉ số Kappa đối với kết quả phân loại lớp phủ khu vực tỉnh Đắk Nông trong các năm 2000, 2005, 2010 đạt lần lượt là 0.87, 0.84 và 0.85. 

Hình 2.6 Bản đồ hiện trạng lớp phủ khu vực tỉnh Đắk Nông năm 2000	Hình 2.7 Bản đồ hiện trạng lớp phủ khu vực tỉnh Đắk Nông năm 2005
Hình 2.8 Bản đồ hiện trạng lớp phủ khu vực tỉnh Đắk Nông năm 2010

          Biến động LULC của khu vực nghiên cứu trong năm 2000 đến năm 2010 được trình bày trong Bảng 1. 

Bảng 1. Biến động lớp phủ trong giai đoạn 2000-2010

          V. Kết luận

          Mô hình hóa không gian nói chung và thuật toán phân tích chuỗi Markov và CA nói riêng là một phương pháp định lượng có tính logic và chặt chẽ, đảm bảo kết quả mô hình hóa đạt độ chính xác cao. Kết quả mô hình hóa sẽ cung cấp những thông tin hữu ích về xu hướng biến đổi các loại hình lớp phủ mặt đất cho địa phương. Trên cơ sở đó có thể hoạch định được những chính sách phù hợp trong thời gian tới.

          Mô hình Module CA-Markov vẫn còn tồn tại nhước điểm đó là: Việc tìm kiếm, thu thập dữ liệu không gian đủ mức độ chi tiết là công việc rất khó khăn, ảnh hưởng lớn tới kết quả mô hình hóa.

          + Sự biến đổi của lớp phủ mặt đất hoặc hiện trạng sử dụng đất là một trong những đối tượng phụ thuộc rất nhiều vào sự tác động của các yếu tố bên ngoài, đặc biệt là yếu tố thể chế, chính sách, biện pháp quản lý, sử dụng. Mức độ chi tiết của lớp phủ mặt đất cũng ảnh hưởng tới kết quả của quá trình mô hình hóa.