Dự báo biến động sử dụng đất tại huyện Củ Chi, Thành phố Hồ Chí Minh dựa trên chuỗi Markov tích hợp GIS
,
&
*
Article Sidebar
Main Article Content
Tóm tắt
Nghiên cứu ứng dụng mô hình chuỗi Markov kết hợp GIS để phân tích xu thế biến động sử dụng đất tại huyện Củ Chi, TP. Hồ Chí Minh giai đoạn 2010 - 2020 và dự báo đến năm 2025, 2030. Sử dụng dữ liệu bản đồ hiện trạng các năm 2010, 2015 và 2020, nghiên cứu xây dựng ma trận xác suất chuyển đổi sử dụng đất nhằm mô phỏng xu hướng biến động tương lai. Kết quả cho thấy từ 2010 đến 2030, đất nông nghiệp và đất trồng cây lâu năm giảm, trong khi đất ở và đất sản xuất kinh doanh phi nông nghiệp tăng đáng kể do đô thị hóa và công nghiệp hóa. Độ chính xác mô hình được kiểm định bằng cách so sánh dự báo năm 2020 với dữ liệu thực tế, với kết quả trung bình toàn bộ mô hình đạt sai số trung bình tuyệt đối (MAPE) 9,08% và sai số trung bình bình phương (RMSE) là 428,73 ha, cho thấy độ tin cậy cao. Dự báo đến năm 2030, đất ở tiếp tục tăng (+973,81 ha, +28,52%), trong khi đất trồng cây lâu năm giảm mạnh (-1.946,22 ha, -12,45%), chủ yếu chuyển đổi sang đất đô thị và công nghiệp, đặt ra thách thức trong cân bằng phát triển và bảo vệ tài nguyên đất. Nghiên cứu cung cấp cơ sở khoa học hỗ trợ quy hoạch sử dụng đất, giúp định hướng chiến lược phát triển bền vững tại huyện Củ Chi.
Article Details
Tài liệu tham khảo
Abbas, H., Tao, W., Khan, G., Alrefaei, A. F., Iqbal, J., Albeshr, M. F., & Kulsoom, I. (2023). Multilayer perceptron and Markov Chain analysis based hybrid-approach for predicting land use land cover change dynamics with Sentinel-2 imagery. Geocarto International 38(1), 2256297. https://doi.org/10.1080/10106049.2023.2256297.
Banjara, M., Bhusal, A., Ghimire, A. B., & Kalra, A. (2024). Impact of land use and land cover change on hydrological processes in urban watersheds: Analysis and forecasting for flood risk management. Geosciences 14(2), 40. https://doi.org/10.3390/geosciences14020040.
Biswas, M., Banerji, S., & Mitra, D. (2020). Land-use–land-cover change detection and application of Markov model: A case study of Eastern part of Kolkata. Environment, Development and Sustainability 22, 4341-4360. https://doi.org/10.1007/s10668-019-00387-4.
Ghalehteimouri, K. J., Shamsoddini, A., Mousavi, M. N., Ros, F. B. C., & Khedmatzadeh, A. (2022). Predicting spatial and decadal of land use and land cover change using integrated cellular automata Markov chain model based scenarios (2019-2049) Zarriné-Rūd River Basin in Iran. Environmental Challenges 6, 100399. https://doi.org/10.1016/j.envc.2021.100399.
Houet, T., & Hubert-Moy, L. (2006). Modeling and projecting land-use and land-cover changes with Cellular Automaton in considering landscape trajectories. EARSeL eProceedings 5(1), 63-76.
Huynh, V. C., Chau, V. T. T., & Huynh, C. H. (2017). Using Markov chain and GIS to detect and predict land use change in Nha Trang city, Khanh Hoa province. HUAF Journal of Agricultural Science and Technology 1(1), 37-46. https://doi.org/10.46826/huaf-jasat.v1n1y2017.10.
Kim, S., & Kim, H. (2016). A new metric of absolute percentage error for intermittent demand forecasts. International Journal of Forecasting 32(3), 669-679. https://doi.org/10.1016/j.ijforecast.2015.12.003.
Koko, A. F., Yue, W., Abubakar, G. A., Hamed, R., & Alabsi, A. A. N. (2020). Monitoring and predicting spatio-temporal land use/land cover changes in Zaria City, Nigeria, through an integrated cellular automata and markov chain model (CA-Markov). Sustainability 12(24), 10452. https://doi.org/10.3390/su122410452.
Lambin, E. F., Turner, B. L., Geist, H. J., Agbola, S. B., Angelsen, A., Bruce, J. W., Coomes, O. T., Dirzo, R., Fischer, G., & Folke, C. (2001). The causes of land-use and land-cover change: moving beyond the myths. Global Environmental Change 11(4), 261-269. https://doi.org/10.1016/S0959-3780(01)00007-3.
Le, B. L., & Nguyen, P. T. D. (2024). Evaluating the efficiency of agricultural production land use in Cu Chi district, Ho Chi Minh city. Journal of Science and Technology 68(02), 143-155. https://doi.org/10.46242/jstiuh.v68i02.5087.
Logsdon, M. G., Bell, E. J., & Westerlund, F. V. (1996). Probability mapping of land use change: A GIS interface for visualizing transition probabilities. Computers, Environment and Urban Systems 20(6), 389-398. https://doi.org/10.1016/S0198-9715(97)00004-5.
Moreno, J. J. M., Pol, A. P., Abad, A. S., & Blasco, B. C. (2013). Using the R-MAPE index as a resistant measure of forecast accuracy. Psicothema 25(4), 500-506. https://doi.org/10.7334/psicothema2013.23.
Nguyen, K. L. (2011). Application of Markov chain and GIS in evaluating land use dynamics. National GIS Application Conference. Ha Noi, Vietnam: National Agriculture Publishing House.
Prayudani, S., Hizriadi, A., Lase, Y., & Fatmi, Y. (2019). Analysis accuracy of forecasting measurement technique on random K-nearest neighbor (RKNN) using MAPE and MSE. Journal of Physics: Conference Series (1230, 012007).
Qasim, M., Hubacek, K., Termansen, M., & Khan, A. (2011). Spatial and temporal dynamics of land use pattern in District Swat, Hindu Kush Himalayan region of Pakistan. Applied Geography 31(2), 820-828. https://doi.org/10.1016/j.apgeog.2010.08.008.
Sang, L., Zhang, C., Yang, J., Zhu, D., & Yun, W. (2011). Simulation of land use spatial pattern of towns and villages based on CA-Markov model. Mathematical and Computer Modelling 54(3-4), 938-943. https://doi.org/10.1016/j.mcm.2010.11.019.
Tariq, A., Yan, J., & Mumtaz, F. (2022). Land change modeler and CA-Markov chain analysis for land use land cover change using satellite data of Peshawar, Pakistan. Physics and Chemistry of The Earth 128, 103286. https://doi.org/10.1016/j.pce.2022.103286.
Wang, S. Q., Zheng, X., & Zang, X. (2012). Accuracy assessments of land use change simulation based on Markov-cellular automata model. Procedia Environmental Sciences 13, 1238-1245. https://doi.org/10.1016/j.proenv.2012.01.117.
Wu, H., Li, Z., Clarke, K. C., Shi, W., Fang, L., Lin, A., & Zhou, J. (2019). Examining the sensitivity of spatial scale in cellular automata Markov chain simulation of land use change. International Journal of Geographical Information Science 33(5), 1040-1061. https://doi.org/10.1080/13658816.2019.1568441.