Phân Bố Cỡ Mẫu Điều Tra Tại Địa Bàn Nghiên Cứu

(1)

Trong đó: n: Số hộ cần phỏng vấn; N: Tổng số hộ; e: Sai số tiêu chuẩn cho phép. Trong đó n là số hộ cần phỏng vấn; N là tổng số hộ; e là sai số tiêu chuẩn cho phép. Với tổng số hộ là 601 và sai số tiêu chuẩn là 10% thì cỡ mẫu tối thiểu là 149. Trong Luận án này đã sử dụng phương pháp chọn mẫu các hộ có diện tích đất nông nghiệp bị ảnh hưởng nhiều bởi ngập lụt và hạn hán theo các xã thể hiện ở bảng 2.2.

Bảng 2.2. Phân bố cỡ mẫu điều tra tại địa bàn nghiên cứu

Vùng điều tra

Xã

Cỡ mẫu điều tra

(Số phiếu mỗi xã)

Vùng phía Nam của huyện

1.Thị trấn Sịa

2. Quảng Phước

3. Quảng An

4. Quảng Thành

5. Quảng Phú

6. Quảng Thọ

7. Quảng Vinh

Vùng Tây Bắc (Vùng cát nội địa)

8. Quảng Thái

9. Quảng Lợi

Vùng cát biển, đầm phá (Vùng phía Bắc)

10.Quảng Công

11. Quảng Ngạn

Có thể bạn quan tâm!

Xem toàn bộ 203 trang tài liệu này.

Thời gian tiến hành điều tra, thực địa và phỏng vấn hộ dân được diễn ra hai đợt tháng 3 và tháng 4 năm 2019. Mục tiêu của việc điều tra phỏng vấn hộ nhằm xác định mức độ ảnh hưởng của các yếu tố đến biến động sử dụng đất nông nghiệp, những ảnh hưởng của ngập lụt và hạn hán đến sử dụng đất nông nghiệp ở địa phương trong những năm qua.

2.2.3. Phương pháp phân tích và xử lý số liệu

- Phương pháp thống kê mô tả: Phương pháp này được sử dụng để mô tả những số liệu đã thu thập để cung cấp những tóm tắt đơn giản về kết quả thu thập.

- Phương pháp so sánh: Phương pháp này được sử dụng để so sánh kết quả thu thập được giữa năm này với năm khác, giữa xã này với xã khác dựa trên số liệu đã thu thập được.

- Phương pháp sử dụng thang đo Likert (Likert Scale):

Dựa trên kết quả của cán bộ công chức, nghiên cứu tiến hành phân cấp mức độ phân hạng của các biến thành phần được cho là có ảnh hưởng đến biến động sử dụng đất nông nghiệp trên địa bàn huyện như sau:

Hạng 1: giá trị trung bình của biến nằm trong khoàng 1 – 1,8 Hạng 2: giá trị trung bình của biến nằm trong khoàng 1,8 – 2,6 Hạng 3: giá trị trung bình của biến nằm trong khoàng 2,6 – 3,4 Hạng 4: giá trị trung bình của biến nằm trong khoàng 3,4 – 4,2 Hạng 5: giá trị trung bình của biến nằm trong khoàng 4,2 – 5,0

Thang đo Likert cung cấp năm tùy chọn khác nhau để người trả lời khảo sát lựa chọn. Các lựa chọn bao gồm hai thái cực, hai ý kiến trung gian và một ý kiến trung lập. Thang đo này có thể được sử dụng để đo lường sự đồng ý, khả năng xảy ra, tần suất,… Sau đó, tiến hành kết hợp mức độ phân hạng của cán bộ và mức đánh giá của người dân đối với từng biến thành phần để đưa ra thang đo cụ thể cho từng yếu tố bằng việc xác định giá trị cho điểm tổng của các yếu tố và tiến hàng phân cấp lại theo thang đo Likert 05 cấp độ.

(2)

Trong đó:

x1,x2,…xn là mức độ xếp hạng của cán bộ đối với biến thành phần thành thứ 1,2,…,n

y1,y2,…yn là mức độ đánh giá của nông hộ đối với biến thành phần thành thứ 1,2,…,n

i là yếu tố ảnh hưởng đến biến động sử dụng đất nông nghiệp.

Khoảng cách mỗi mức độ của từng yếu tố sau khi được phân cấp lại được xác định theo công thức:

Maxi - Mini
∆i	=	(3)
	5

Trong đó: Mini là giá trị thấp nhất của yếu tố i; Maxi là giá trị cao nhất của yếu tố i.

- Phương pháp phân tích tương quan:

Được sử dụng để xác định mối liên hệ giữa việc chuyển đổi đất nông nghiệp với các yếu tố khác (bao gồm: Xã hội, Cơ sở vật chất nông nghiệp, Chính sách nông nghiệp, Biến đổi khí hậu, Thu nhập từ nông nghiệp). Hệ số tương quan (r) có giá trị từ

-1 đến 1. Nếu hệ số tương quan bằng 0 (hay gần 0) có nghĩa là hai biến số không có liên hệ gì với nhau; ngược lại nếu hệ số bằng -1 hay 1 có nghĩa là hai biến số có một mối liên hệ tuyệt đối. Nếu giá trị của hệ số tương quan là âm (r <0) là tương quan nghịch; nếu giá trị hệ số tương quan là dương (r > 0) có nghĩa là tương quan thuận. Có nhiều hệ số tương quan, tác giả sử dụng hệ số tương quan thông dụng nhất là hệ số tương quan Pearson r, được định nghĩa như sau:

(4)

Bảng 2.3. Phân cấp mức độ tương quan theo hệ số r

Hệ số tương quan

Ý nghĩa
r càng gần 1	Mối liên hệ càng chặt chẽ
r ≥ 0,9	Mối liên hệ rất chặt chẽ
0,71 ≤ /r/ ≤ 0,90	Mối liên hệ tương đối chặt chẽ
0,51 ≤ /r/ ≤ 0,70	Mối liên hệ bình thường
0,31 ≤ /r/ ≤ 0,50	Mối liên hệ hết sức lỏng lẻo
/r/ ≤ 0,3	Mối liên hệ không đáng kể

(Nguồn: Daniel, Wayne W. (1990), [81])

*Kiểm định sự tương quan:

H0: Không có tương quan (khi giá trị Sigr > 0,05). H1: Có tương quan (Khi giá trị Sigr ≤ 0,05).

- Phương pháp phân tích hồi quy tuyến tính đa biến:

Phân tích hồi quy sẽ xác định mối quan hệ giữa biến phụ thuộc với các biến độc lập. Mô hình phân tích hồi quy mô tả hình thức của mối liên hệ, qua đó giúp dự đoán được mức độ của biến phụ thuộc (Biến động sử dụng đất nông nghiệp) khi biết trước giá trị của biến độc lập (Thu nhập từ nông nghiệp, Cơ sở hạ tầng nông nghiệp, Xã hội, Chính sách và Biến đổi khí hậu). Phương pháp phân tích được lựa chọn là Stepwise, đây là phương pháp được sử dụng rộng rãi nhất trong các nghiên cứu. Mức ý nghĩa được xác lập cho các kiểm định và phân tích là 5% (độ tin cậy 95%). Các kết luận dựa trên hàm hồi quy tuyến tính thu được chỉ có ý nghĩa khi làm hồi quy đó phù hợp với dữ liệu mẫu và các hệ số hồi quy khác 0 có ý nghĩa, đồng thời các giả định của hàm hồi quy tuyến tính cổ điển về phương sai, tính độc lập của phần dư được đảm bảo.

Phương trình hồi quy của Luận án có dạng như sau:

(5)

Trong đó:

Y là biến động sử dụng đất nông nghiệp;

là hệ số hồi quy của các yếu tố ảnh hưởng đến biến động sử dụng đất; Xi là yếu tố ảnh hưởng đến biến động sử dụng đất;

2.2.4. Phương pháp ứng dụng GIS và viễn thám

2.2.4.1. Phương pháp phân vùng ngập lụt, dự báo ngập lụt dựa vào GIS và viễn thám

* Dữ liệu ảnh viễn thám

Theo báo cáo tình hình thiệt hại thiên tai từ UBND huyện Quảng Điền trong năm 2017 và 2019, các đợt lụt diễn ra vào tháng 10 và tháng 11 đã gây thiệt hại nghiêm trọng cho sản xuất nông nghiệp. Do đó, nghiên cứu sinh đã sử dụng 4 ảnh Landsat được ghi lại vào tháng 10 và tháng 11 năm 2017, 2019. Với độ phân giải không gian trung bình (30 m ở kênh quang phổ, 60 – 120 m ở kênh hồng ngoại nhiệt, 15 m ở kênh toàn sắc), đặc biệt được cung cấp hoàn toàn miễn phí với chu kì cập nhật 16 ngày, ảnh Landsat là nguồn tư liệu quý giá phục vụ nghiên cứu tài nguyên thiên nhiên và giám sát môi trường, ảnh được tải miễn phí tại trang web: https://earthexplorer.usgs.gov. Các ảnh viễn thám được sử dụng để xác định chỉ số mặt nước và thành lập bản đồ phân vùng ngập lụt ở khu vực nghiên cứu.

* Dữ liệu raster DEM

Dữ liệu raster DEM được sử dụng để xây dựng bản đồ dự báo ngập lụt ở huyện Quảng Điền. Ngoài ra, để tăng thêm tính thực tiễn, nghiên cứu sinh còn tham khảo các số liệu khác về khí hậu, vị trí địa lý; số liệu thống kê, kiểm kê đất đai; các số liệu thông tin về lũ lụt và rủi ro do thiên tai tại vùng nghiên cứu và các số liệu về kịch bản nước biển dâng của Bộ Tài nguyên và Môi trường (Bảng 2.4).

Bảng 2.4. Dữ liệu đầu vào để thành lập bản đồ dự báo đất nông nghiệp bị ngập do nước biển dâng

STT

Dữ liệu đầu vào

Nguồn dữ liệu

Ảnh vệ tinh DEM của huyện Quảng Điền được ghép lại từ 4 ảnh:

AP_19307_FBD_F0320_RT1

AP_19307_FBD_F0310_RT1

https://vertex.daac.asf.alaska.edu/

AP_19059_FBD_F0320_RT1 AP_19059_FBD_F0310_RT1

Độ phân giải 12,5 ×12,5 m

Kịch bản BĐKH và nước biển dâng cho Việt Nam năm 2016 cho khu vực nghiên cứu.

Bộ Tài nguyên và Môi trường

Bản đồ hiện trạng sử dụng đất nông nghiệp của huyện Quảng Điền tỷ lệ 1:

25.000 ở định dạng *dgn, dùng phần mềm FME Workbench 2017 chuyển sang định dạng *shp trong ArcGIS.

Phòng Tài nguyên và Môi trường huyện Quảng Điền

Hình 2.1. (a) DEM khu vực nghiên cứu; (b) DEM huyện Quảng Điền

*Phương pháp tiền xử lý dữ liệu ảnh viễn thám bằng các phần mềm chuyên dụng

Kỹ thuật giải đoán ảnh viễn thám được thực hiện với sự hỗ trợ của phần mềm giải đoán ảnh ENVI. Sự tồn tại của che phủ mây trên ảnh viễn thám là trở ngại đáng kể để đánh giá tình hình ngập lụt trong điều kiện thời tiết xấu. Do đó, để thu thập dữ liệu trên nền tảng đám mây cho một ngày duy nhất là khó khăn và ngay cả trong nghiên cứu này, mặc dù đám mây che phủ trên toàn bộ ảnh <20%, nhưng nó vẫn ảnh hưởng đến độ chính xác của kết quả phân loại. Cách tiếp cận dựa vào DEM để phân loại các điểm ảnh nước bị che khuất trên đám mây đã được sử dụng hiệu quả. Những đám mây được số hóa từ màu lỗi tổng hợp thành một lớp mới. Các công cụ tính toán raster đã được sử dụng để trích xuất các điểm ảnh đám mây có độ cao thấp hơn các điểm ảnh có độ cao tối đa [80].

-Tạo chuỗi ảnh chỉ số khác biệt thực vật NDVI (Normalized Difference Vegetation Index - NDVI); chỉ số nước bề mặt LSWI (Land Surface Water):

Các chỉ số NDVI và LSWI được tính toán từ độ phản xạ bề mặt của các dải RED, NIR và SWIR của Landsat TM / ETM cảm biến với các công thức sau (Running et al. 2004; Hashimoto và cộng sự. 2010):

NDVI = (NIR-R)/(NIR+R) (6) LSWI = (NIR – SWIR)/( (NIR + SWIR) (7)

Trong đó NDVI và LSWI được tính toán từ độ phản xạ bề mặt của phổ phản xạ của băng đỏ (RED), băng xanh (GREEN), phổ phản xạ của băng cận hồng ngoại (NIR) và phổ phản xạ băng hồng ngoại ngắn (SWIR) từ ảnh viễn thám.

Sau khi tạo ảnh chỉ số thực vật NDVI, tiến hành tạo chuỗi ảnh chỉ số thể hiện các điểm ảnh với lớp phủ thực vật bề mặt. Tiếp đến tính toán chỉ số LSWI, tiến hành tạo chuỗi ảnh chỉ số mặt nước. Đây là công cụ để theo dõi sự thay đổi của lớp nước tồn tại trên bề mặt đất theo thời gian.

Ngày 12-10-2017 Ngày 13-11-2017

Ngày 18-10-2019 Ngày 11-11-2019

Hình 2.2. Chuỗi ảnh NDVI, LSWI khu vực nghiên cứu

Các ảnh LSWI được trình bày trong hình 2.2 với các tone màu tối thể hiện giá trị LSWI cao tương ứng với những vùng ngập nước và với những vùng ít hoặc không có sự hiện diện của nước tương ứng với các điểm ảnh có tone màu sáng. Hình 2.2 cho

thấy khoảng thời gian từ tháng 10 không có sự thay đổi nhiều của các điểm ảnh nước, phần diện tích ứng với tone màu sáng trên ảnh ở các xã cho thấy sự hiện diện nước rất ít. Nhưng trong khoảng thời gian tháng 11, diện tích điểm ảnh nước bắt đầu có xu hướng biến đổi rõ rệt theo chiều hướng tăng lên tương ứng với các đợt ngập lụt ở huyện Quảng Điền. Thông qua các cấp độ sáng tối khác nhau trên ảnh có thể thấy được sự thay đổi nước trên bề mặt lớp phủ tháng 10 và tháng 11, tạo cơ sở trong việc phân loại, theo dõi diễn biến ngập lụt ở khu vực nghiên cứu

- Phân loại chuỗi ảnh chỉ số NDVI, LSWI thành lập bản đồ ngập lụt

Các đối tượng được phân loại từ chuỗi các giá trị NDVI, LSWI theo 3 nhóm đối tượng không ngập, ngập và ngập dài hạn. Theo phương pháp được mô tả bởi Dong và cộng sự năm 2014, sự khác biệt giữa NDVI và LSWI đã được sử dụng trong nghiên cứu hiện tại để phân biệt giữa các điểm ảnh liên quan đến nước và các điểm ảnh không bị ngập (Dong et al., 2014) [[80]. Từ kết quả thực tế chạy chuỗi chỉ số của nghiên cứu đã phân nhóm như sau:

Vùng không ngập: 0> NDVI- LSWI> 1

Vùng bị ngập (ảnh hưởng bởi ngập lụt): −1

DỮ LIỆU ẢNH VIỄN THÁM

DỮ LIỆU QUAN TRẮC VÀ BẢN ĐỒ

Dữ liệu lượng mưa và mực nước quan trắc trên sông Bồ

Vùng ngập nước dài hạn (như sông, hồ và biển): −1

THU THẬP SỐ LIỆU

Xây dựng bản đồ ngập lụt huyện Quảng Điền

- Phân loại và giải đoán chuỗi ảnh NDVI, LSWI

- Bản đồ hiện trạng ngập lụt từng năm

XỬ LÝ ẢNH VIỄN THÁM

- Cắt, ghép, nắn chỉnh tọa độ, lọc mây…

- Tạo chuỗi ảnh NDVI, LSWI

Phân tích, đánh giá và đề xuất

Phân tích, đánh giá về hiện trạng ngập lụt ở huyện Quảng Điền

Hình 2.3. Khung nghiên cứu xây dựng bản đồ phân vùng ngập từ ảnh viễn thám

- Đánh giá độ chính xác kết quả phân loại:

Kết quả phân loại ngập lụt được đánh giá độ chính xác theo hai cách: (1) Kết quả phân loại được so sánh với dữ liệu tham chiếu mặt đất (200 điểm mẫu để đối chứng) và (2) So sánh giữa diện tích ngập lụt từ ảnh viễn thám và mực nước đo tại trạm đo Phú Ốc trên sông Bồ tại thời điểm diễn ra ngập lụt để thấy mức độ phù hợp giữa hai nguồn dữ liệu này. Để đánh giá độ chính xác của bản đồ ngập lụt được trích xuất từ hình ảnh vệ tinh, phương pháp ngẫu nhiên phân tầng được sử dụng để thể hiện các lớp phủ khác nhau của khu vực. Đánh giá độ chính xác được thực hiện bằng 200 điểm GPS (Thiết bị GPS được sử dụng là Garmin etrex 10, có độ nhạy thu sóng vệ tinh cao nên xác định được tọa độ nhanh chóng, chính xác ngay cả trong điều kiện thời tiết nhiều mây, độ chính xác trên 5m (sai số từ 1-5m)), đi bấm điểm khảo sát vào 2 đợt cuối năm 2017 và năm 2019. Các vùng đất bị ngập nước được xác định bản đồ nghiên cứu bao gồm đất trồng lúa, đất trồng cây hàng năm khác và đất nuôi trồng thủy sản.

Tính toán mức độ chính xác hay phù hợp giữa dữ liệu ảnh được phân loại với bộ dữ liệu thực địa theo phương pháp xây dựng ma trận sai số. Nhằm xác định độ tin cậy cho kết quả phân loại, nghiên cứu đã thực hiện tính toán mức độ chính xác hay phù hợp giữa dữ liệu ảnh được phân loại với bộ dữ liệu thực địa theo phương pháp xây dựng ma trận sai số để tính độ tin cậy. Sử dụng phương pháp xây dựng ma trận sai số để đánh giá độ tin cậy của kết quả phân loại thông qua việc tính toán hai chỉ số độ chính xác toàn cục (T%) và chỉ số Kappa (K).

Hệ số Kappa được tính theo công thức:

(8)

Trong đó: T: độ chính xác toàn cục cho bởi ma trận sai số. T=Tổng các đại lượng đường chéo/Tổng các đại lượng của dòng (cột); E: đại lượng thể hiện sự mong muốn (kỳ vọng) phân loại chính xác có thể dự đoán trước, nghĩa là E góp phần ước tính khả năng phân loại chính xác trong quá trình phân loại thực sự. Giá trị của E được tính theo tích của hàng và cột biên của ma trận sai số nhằm ước tính số pixel được chỉ định vào từng vị trí trong ma trận sai số hay thể hiện cơ hội pixel được phân cho từng loại.

Hệ số này đánh giá khả năng phân loại các trạng thái khác nhau và được chia làm các mức sau: K < 0,2: Thấp (poor agreement); 0,2 ≤ K < 0,4: Dưới trung bình (fair); 0,4 ≤ K < 0,6: Trung bình, vừa phải (Moderate); 0,6 ≤ K < 0,8: Tốt (good); 0,8

≤ K ≤ 1: Rất tốt (very good) theo Anthony J. và Joanne M. (2005) [70].Tiến hành xây dựng những điểm kiểm chứng ngoài thực địa có tọa độ, tên trạng thái nhằm đánh giá mức độ tin cậy của kết quả giải đoán ảnh. So sánh trạng thái ngoài thực địa và trên bản đồ có cùng vị trí. Tỷ lệ giữa số điểm đúng trạng thái và tổng số điểm kiểm chứng là mức độ tin cây của kết quả giải đoán. Nếu độ tin cậy của kết quả giải đoán chưa đạt yêu cầu đề ra, người sử dụng phải quay lại thực hiện lại bước chọn mẫu với những điều chỉnh rất nhỏ các ngưỡng của từng đặc trưng ảnh.