CHƯƠNG 4:QUY TRÌNH VÀ CÁC PHÉP PHÂN TÍCH KHÔNG GIAN

I. Khái niệm:Chức năng quan trọng của GIS là cho phép thực hiện các phép phân tích dữ liệu

không gian và dữ liệu thuộc tính để trợ giúp cho quá trình lập quyết định.Phân tích dữ liệu được thực hiện để giúp trả lời các câu hỏi về thế giới thực bao

gồm tình trạng hiện hữu của các vùng hoặc đối tượng, thay đổi của tình trạng và khuynh hướng thay đổi như thế nào. Do tính chất phức tạp của các câu hỏi có thể đặt ra, các phép phân tích không gian có thể biến đổi từ các hoạt động luận lý hoặc số học đơn giản đến các phân tích mô hình phức tạp.

Sự khác biệt giữa GIS và các phần mềm đồ họa là khả năng biến đổi các dữ liệu không gian gốc thành các câu trả lời cho các mục đích của người sử dụng, khả năng phân tích các dữ liệu không gian và phi không gian, khả năng tái hiện chuỗi từ CSDL bằng các chức năng bất biến và đa biến của các phương pháp thống kê sử dụng các phương pháp nội và ngoại suy.

Phân tích không gian trong GIS bao gồm 3 dạng thao tác: truy vấn thuộc tính, truy vấn không gian, và tạo mới dữ liệu từ cơ sở dữ liệu ban đầu. Phạm vi của phân tích không gian đi từ một truy vấn đơn giản về các hiện tượng không gian đến sự kết hợp phức tạp của các phép truy vấn thuộc tính, truy vấn không gian và sự thay đổi của dữ liệu gốc.

Trong các ứng dụng GIS, các phép truy vấn thuộc tính và không gian rất phổ biến. Truy vấn thuộc tính là phép truy vấn chỉ quan tâm đến thông tin dữ liệu thuộc tính

và bỏ qua các thông tin không gian. Ví dụ, từ một cơ sở dữ liệu về bản đồ rảnh thửa, mỗi rảnh thửa được kê khai với một mã sử dụng đất, một phép truy vấn thuộc tính đơn giản có thể yêu cầu sự đồng nhất tất cả các rảnh thửa theo một loại hình sử dụng đất nhất định. Như vậy, phép truy vấn có thể được sử dụng thông qua một bảng thông tin mà không cần tham chiếu đến bản đồ các rảnh thửa. Vì phép truy vấn không yêu cầu thông tin không gian mà chỉ quan tâm đến truy vấn thuộc tính. Trong ví dụ này, các thực thể trong bảng thuộc tính có một mã sử dụng đất nhất định để được nhận dạng loại hình sử dụng đất nhất định. Ngoài ra, thông tin có thể được mở rộng thêm như số lượng rảnh thửa của loại hình sử dụng đất này hoặc tổng diện tích của loại hình sử dụng đất này trong thành phố.

Hình IV.1: Mô hình quan hệ giữa dữ liệu không gian và dữ liệu thuộc tínhHình minh họa trên cho thấy một ví dụ về bản đồ rảnh thửa, trong đó mỗi rảnh thửa

là một bản ghi trong một cơ sở dữ liệu. Các thuộc tính trong cơ sở dữ liệu bao gồm số của rảnh thửa, kích thước rảnh thửa, giá trị, sử dụng đất…bảng sau trình bày một phần của cơ sở dữ liệu.

Một truy vấn điển hình bao gồm nhận diện các rảnh thửa thuộc dạng sử dụng đất thương mại để tính toán giá trị trung bình của loại hình sử dụng đất này. Sự lựa chọn chỉ được dựa trên các thông tin thuộc tính, do đó không có thông tin không gian nào được quan tâm.

Truy vấn không gian là phép truy vấn quan tâm đến các thông tin không gian. Ví dụ, một câu hỏi có thể được đưa ra về các rảnh thửa nằm trong vòng bán kính 1 dặm của tuyến đường cao tốc chính. Câu trả lời cho phép truy vấn trên là thông tin không gian về vị trí của của tuyến đường cao tốc và vị trí của mỗi rảnh thửa. Trong trường hợp này, câu trả lời có thể được thực hiện bằng việc sử dụng một bản đồ giấy hoặc sử dụng GIS với sự quan tâm đến các thông tin địa lý.

Giả sử, khi có một yêu cầu được đưa ra cho sự quy hoạch lại (rezoning), tất cả các chủ đất có đất nằm trong phạm vi các rảnh thửa có thể bị quy hoạch lại phải khai báo cho chính quyền địa phương. Một truy vấn không gian được thực hiện để xác định tất cả các rảnh thửa trong phạm vi xác định. Thông qua một truy vấn không gian, tất cả các rảnh thửa nằm trong khoảng cách xác định có thể được xác định.Quá trình này không thể được thực hiện nếu không có thông tin không gian. Nói cách khác, bảng thuộc tính của cơ sở dữ liệu đơn lẻ không cung cấp đủ thông tin để giải quyết các vấn đề liên quan đến vị trí.

Các chủ đất nằm trong một khoảng cách xác định từ rảnh thửa bị quy hoạch lại được xác định thông qua một truy vấn không gian.

Trong hầu hết các trường hợp, các truy vấn thuộc tính và các truy vấn không gian có thể được đưa ra với một hệ GIS khi câu hỏi đòi hỏi không có sự thay đổi dữ liệu. Tuy nhiên, một phân tích không gian có thể yêu cầu sự hình thành dữ liệu mới từ dữ liệu gốc. Ví du, giả sử chúng ta muốn tìm mối liên hệ giữa mức độ ồn và khoảng cách gần đường cao tốc (ví dụ trong phạm vi một dặm của đường cao tốc). Để trả lời câu hỏi này, bạn phải kết hợp (ví dụ: chồng lớp (overlay)) bản đồ rảnh thửa, bản đồ đường cao tốc và các khu vực trong phạm vi 1 dặm của đường cao tốc nhận được từ bản đồ đường cao tốc. Quá

trình này có thể yêu cầu sự mô tả các thực thể địa lý mới và tạo ra bảng dữ liệu mới cho thấy sự kết hợp của một số nhân tố.II. Quy trình phân tích địa lý:

Trước khi bắt đầu bất cứ phép phân tích nào, bạn cần phải đánh giá được vấn đề và thiết lập được mục đích. Hãy nghĩ kỹ về quá trình sẽ thực thi trước khi đánh giá dữ liệu hay thực hiện bất cứ một quyết định nào đó; tìm xem những câu hỏi nào là cần thiết về dữ liệu và mô hình; tạo ra một thủ tục bao gồm các bước để quản lý quá trình tiến triển và phác thảo ra một mục đích cụ thể.

Phân tích dữ liệu trong GIS bao gồm khâu chồng xếp bản đồ (map overlay) và phân tích các mối quan hệ không gian có trong CSDL, là sự thể hiện chức năng phân tích địa lý và quản lý CSDL.

Sơ đồ trong Hình III.2 diễn tả cấu trúc quá trình phân tích GIS để đạt được mục đích sử dụng. Trước hết ta cần xác định mục đích phân tích dựa trên yêu cầu của người sử dụng và các câu hỏi mà hệ thống GIS có thể trả lời. Dữ liệu sau khi được thu thập có thể được số hóa đối với dữ liệu không gian hay thành lập bảng số liệu đối với dữ liệu thuộc tính, kể cả công đoạn kết nối dữ liệu thuộc tính với tọa độ không gian.

Tất cả dữ liệu sau đó được nhập vào hệ thống kể cả các mối quan hệ để trở thành một hệ thống liên hoàn cả hai loại dữ liệu. Quá trình xử lý phân tích bao hàm cả dữ liệu không gian và dữ liệu thuộc tính sử dụng các liên kết GIS giữa chúng. Kết quả có thể phân thàh hai loại, kết quả dạng bảng số ( bảng tổng kết tóm lược dữ liệu, bảng kết quả thống kê và các báo cáo) và kết quả dạng đồ họa (bản đồ dạng giấy, bản đồ số dạng tệp tin và bản đồ kết quả của các phép chồng ghép).

Hình IV.2: Sơ đồ phân tích dữ liệu trong hệ thống GISTrước hết ta cần hiểu rõ các vấn đề mà hệ thống GIS có thể giải quyết. Các ứng

dụng GIS được hình thành từ những câu hỏi thực tế đã được đặt ra đối với dữ liệu liên quan đến vị trí không gian. Những câu hỏi phổ biến là:

Có những gì ở một vị trí địa lý nhất định (phân tích vị trí)?

Khi nào thì một số điều kiện về vị trí địa lý được thỏa mãn? Các vật thể và quá trình đã thay đổi như thế nào theo thời gian? Các dữ liệu không gian có dạng như thế nào? Điều gì sẽ xẩy ra nếu ta thay đổi một số điều kiện?

Phân tích vị trí:Dữ liệu trên bản đồ giấy có thể chỉ ra vị trí địa lý của vật thể nhưng không thể giải

thích được tại sao lại như vậy. Ví dụ một ảnh hàng không có thể cho ta biết ngô (bắp) phát triển rất tốt ở một số khu vực trên cánh đồng nhưng ta không thể tìm được thông tin tại sao lại như vậy. Phép phân tích GIS có thể giúp ta tạo ra sự liên kết giữa tình trạng phát triển của ngô, loại đất, và chế độ nước bằng cách xem xét đồng thời bản đồ số về cây trồng, về phân bố loại đất và về độ ẩm đất. Ngoài ra, GIS có khả năng phân tích những quan hệ phức hợp này một cách nhanh chóng và lưu trữ những dữ liệu quan tâm và kết quả phân tích.

Thỏa mãn điều kiện không gian:Người sử dụng rất hay muốn biết sàng lọc để tìm ra những dữ liệu địa lý thỏa mãn

một số điều kiện nhất định. Ví dụ ta dự định bổ sung giếng khoan khai thác nước ngầm cho một điểm dân cư và muốn xác định vị trí các giếng đó. Các giếng này cần phải nằm không xa quá 15 km so với điểm dân cư và phải ở gần sát đường ống cung cấp nước chính đã có sẵn. Như vậy ta cần biểu thị các yêu cầu đó thành ngôn ngữ địa lý và sau đó kết hợp với các điều kiện cục bộ để tìm ra vị trí các giếng khoan tương lại.

Phân tích biến đổi theo thời gian:Quan niệm của chúng ta về thế giới tự nhiên cũng như chính thế giới tự nhiên luôn

thay đổi theo thời gian. Quá trình đô thị hóa làm phân bố sử dụng đất biến động liên tục suốt trong mấy thập kỷ gần đây. Những hiểu biết về thế giới tự nhiên của chúng ta nếu không cập nhật theo thời gian thì sẽ trở thành vô nghĩa. Ví dụ một nhà nghiên cứu quan tâm đến quan hệ giữa phân bố các loại sử dụng đất và luật phân vùng quy hoạch. Nếu anh ta có được lưu trữ của các dữ liệu này trong một khoảng thời gian dài thì hệ thống GIS có thể tìm ra quan hệ đó.

Phân bố không gian:Người sử dụng GIS thường muốn tìm hiểu về xu thế và dạng phân bố của dữ liệu

trong không gian. Nói cách khác là liệu hai hay nhiều vật thể hay thông số thay đổi có tương tự với nhau không trong không gian? Ví dụ, nếu ta thấy số lượng tai nạn giao thông thống kê trên đường cao tốc với tốc độ xe 65 dặm (mile)/ giờ có quan hệ gì với số tai nạn trên đường có xe chạy với vận tốc 55 dặm/ giờ

Đánh giá hậu quả của các phương án:Việc xây dựng các phương án (hay kịch bản) là kết quả của câu hỏi loại “Điều gì sẽ

xảy ra nếu...?”. Ví dụ, tai họa gì sẽ xảy ra với các vùng ven biển nếu nhiệt độ toàn cầu tăng lên, băng ở bắc và nam cực tan ra, và mực nước biển dâng cao? Ở đây, người sử dụng phải kết hợp với các mô hình mô phỏng để dự báo hậu quả và thành lập bản đồ tác động của nhiệt độ tăng lên ở các vùng ven biển.

Ở ví dụ trên, hậu quả phụ thuộc vào mực nước biển sẽ dâng cao bao nhiêu. Mực nước biển lại phụ thuộc vào lượng băng sẽ tan và sự biến đổi của chế độ mưa và bốc hơi nước mà hai hiện tượng sau cũng bị tác động bởi biến động của nhiệt độ. Nếu các phân

tích dựa trên các giả thiết khác nhau về biến đổi của hiện tượng tan băng, chế độ mưa và bốc hơi nước như là hàm số của sự thay đổi nhiệt độ toàn cầu, thì người ta có thể dự báo các mức tác động khác nhau lên môi trường các vùng ven biển.

Tuy vậy, trước khi sử dụng các công cụ phân tích để trả lời các câu hỏi do dự án sử dụng GIS đặt ra, ta cần xử lý dữ liệu không gian và dữ liệu thuộc tính để chúng tương thích với hệ thống GIS của dự án. Các chức năng xử lý dữ liệu này thường là một bộ phận quan trọng của bất kỳ hệ thống GIS nào.

Một quy trình phân tích địa lý có thể bao gồm các bước sau:- Bước 1: Đặt vấn đề- Bước 2: Chuẩn bị dữ liệu để phân tích không gian- Bước 3: Thực hiện các thao tác không gian- Bước 4: Chuẩn bị dữ liệu để phân tích thuộc tính- Bước 5: Tiến hành phân tích thuộc tính- Bước 6: Đánh giá kết quả- Bước 7: Xác định lại và phân tích mới nếu cần- Bước 8: Trình bày các kết quả cuối cùng

Đặt vấn đề:Trong bước này cần phải xác định rõ mục đích và tiêu chuẩn phân tích. Ví dụ nhiw

mục đích phân tích là tìm ra địa điểm đổ chất thải rắn cho một thành phố, lúc đó, các tiêu chuẩn của bãi rác có thể là:

- Cách xa khu dân cư 2km,- Cách xa nhà máy nước 2km,- Nằm trên đất nông nghiệp,- Nằm trong vùng đất sét, - Diện tích trên 20ha,- Dễ ra vào bằng xe tải,…

Như vậy, các tiêu chuẩn lựa chọn có thể định tính hoặc định lượng hoặc cả hai và chúng có thể đề cập đến nhiều khía cạnh như kinh tế - xã hội, môi trường, thẩm mỹ,…

Chuẩn bị dữ liệu để phân tích không gian:Nếu chúng ta đã thiết kế và xây dựng thành công CSDL địa lý, tại thời điểm này, tất

cả các lớp dữ liệu đã sẵn sàng để có thể được phân tích. Có thể cần phải xử lý thêm về các lớp dữ liệu này hoặc có thể sau khi xem lại mục đích của phép phân tích chúng ta khám phá ra là cần phải thêm vào một số thuộc tính cho CSDL để thực hiện phép phân tích một cách hoàn chỉnh.

Công việc chuẩn bị cho phân tích không gian có thể bao gồm:- Cắt vùng nghiên cứu khỏi bản đồ lớn có sẵn trong CSDL- Ghép các mảnh bản đồ lại thành một bản đồ lớn thể hiện hết khu vực nghiên

cứu- Biến đổi đơn vị diện tích như từ m2 sang ha…- Tái phân loại để giảm số loại sử dụng đất không cần thiết,…

Phân tích không gian:

Với dữ liệu đã được chuẩn bị, chúng ta có thể bắt đầu tiến hành các thao tác không gian để kết nối các lớp dữ liệu. Chúng ta đặc biệt quan tâm đến vấn đề tạo các vùng đệm xung quanh các đối tượng, thao tác trên các đối tượng không gian và tiến hành chồng ghép các vùng.

Mỗi thao tác sẽ tạo ra một lớp dữ liệu trung gian mới để xử lý tiếp. Loại và số lượng các thao tác không gian cần tiến hành tùy thuộc vào các tiêu chuẩn phân tích để đi đến kết quả mong muốn.

Chuẩn bị dữ liệu để phân tích thuộc tính:Cũng như dữ liệu không gian, dữ liệu thuộc tính cũng cần được chuẩn bị trước khi

tiến hành phân tích. Điều đó có nghĩa là trước khi tiến hành phân tích dữ liệu bảng, chúng ta cần phải đảm bảo chắc chắn rằng bảng thuộc tính chứa đầy đủ các mục hay có sẵn các cột và dòng trống cần thiết để lưu trữ các dữ liệu mới sẽ được tạo ra khi phân tích.

Phân tích thuộc tính:Trên các dữ liệu thuộc tính có thể tiến hành các thao tác số học, logic và thống kê.

Kết quả là tìm ra các đặc trưng thỏa mãn các tiêu chuẩn lựa chọn. Đánh giá kết quả:

Sau khi phân tích, ta tiến hành đánh giá kết quả phân tích về độ chính xác và nội dung. Câu hỏi đặt ra và cần trả lời là kết quả phân tích có lý không? Có đáng tin cậy không? Các bản đồ đơn giản cùng với các bản báo cáo sẽ giúp cho chúng ta đánh giá được các kết quả.

Sau khi chắc chắn hoàn thành quá trình phân tích một cách chính xác và các điều kiện đều hợp lý thì ta có thể đi xem xét và đối chiếu kết quả ở ngoài thực địa. Nếu các kết quả đó không thể chấp nhận được so với thực tế thì ta có thể sử dụng bước này để xác định được những gì cần thay đổi và nâng cấp cách phân tích của mình. Sau đó, thực hiện lại quá trình phân tích.

Xác định lại tiêu chuẩn phân tích và phân tích mới:Cần xác định lại các tiêu chuẩn phân tích và tiến hành các phân tích mới trong

trường hợp các kết quả phân tích không thể chấp nhận được hay còn có những hạn chế nhất định. GIS thực sự có ích trong vấn đề này bởi vì nó cho phép bạn dễ dàng thực hiện mới và bắt đầu ở bước thích hợp nào đó trong cả quá trình.

Trình bày các kết quả cuối cùng:Các kết quả phân tích địa lý thường được trình bày dưới dạng các bản đồ và các báo

cáo.III. Một số phép phân tích không gian:

Sức mạnh của GIS là khả năng phân tích kết hợp dữ liệu không gian và thuộc tính cùng nhau. Trên cơ sở đặc tính này ta có thể phân biệt GIS với các phần mềm vẽ bản đồ, phần mềm vẽ kỹ thuật hoặc phần mềm quản lý dữ liệu cổ điển.

Phân tích kết hợp không gian và thuộc tính có thể được xếp thành 4 nhóm chức năng chính:

- Rút số liệu, phân loại và đo lường- Chồng lớp- Lân cận

- Chức năng kết nốiIII.1/ Rút số liệu, phân loại và đo lường:

Truy vấn dữ liệu, phân loại và đo đạc là ba chức năng riêng biệt nhưng rất hay được sử dụng kết hợp với nhau. Ví dụ một người sử dụng GIS quan tâm đến vấn đề thu nhập dân cư mong có được bản đồ riêng của từng khu vực trong đó chia rõ các vùng nhỏ với tổng thu nhập các hộ gia đình tương đương nhau hay ở trong một giới hạn cho trước.

Rút số liệu:Hoạt động rút số liệu đối với dữ liệu không gian và thuộc tính bao gồm tìm kiếm

chọn lọc, sắp xếp và hiển thị dữ liệu được chọn, nhưng không cần thiết điều chỉnh vị trí của đối tượng hoặc tạo ra một đối tượng mới.

Trong hệ GIS, dữ liệu còn có thể truy cập theo tiêu chuẩn vị trí của chúng và theo các quan hệ không gian với các vật thể địa lý khác. Quá trình này được gọi là truy vấn không gian (Hình IV.3.a). Ví dụ, các hồ nước có diện tích từ 0 đến 1 ha có thể được tô một màu, từ 1 đến 5 ha tô màu khác….và kết quả ta có một bản đồ màu biểu thị các hồ nước ứng với độ lớn diện tích khác nhau. Phương cách biểu thị theo không gian như vậy rõ ràng có hiệu quả hơn nhiều so với cách biểu thị bằng bảng biểu nếu chỉ sử dụng CSDL.

Khi bản đồ được biểu thị trên màn hình máy tính thì ta có thể phóng đại một vùng nào đó để xem xét chi tiết (Hình IV.3.b). Động tác này có thể được thực hiện với con chuột máy tính hay với việc đặt điều kiện chỉ rõ tọa độ giới hạn vùng xem xét. Kết quả các vật thể (điểm, đường và vùng) nằm trong vùng xem xét có thể được đặt vào một lớp bản đồ mới để tăng tốc độ xử lý phân tích tiếp theo.

Phân loại và tổng quát hoá:Chức năng phân loại không gian được hiểu là gộp một số đối tượng không gian

có đặc tính gần giống nhau vào một lớp khác.Chức năng phân loại được cung cấp trong tất cả các hệ GIS. Đối với lớp dữ liệu

đơn, chức năng phân loại liên quan đến việc gán tên lớp cho từng polygon (ví dụ: đất lâm nghiệp, đất nông nghiệp, đất đô thị…trong bản đồ sử dụng đất). Phân loại cũng được tiến hành trên nhiều lớp dữ liệu, thường kết hợp với chức năng chồng lớp (ví dụ: tìm vị trí thích hợp để xây dựng bãi chứa rác)

Phân loại không gian đòi hỏi phải có nhiều lớp dữ liệu và những dữ liệu thuộc tính không gian này sẽ được kết hợp, chồng ghép theo một trình tự đến khi đạt được kết quả mong muốn (Hình IV.3.b). Ví dụ, việc xác định các vùng dân cư với mức sống nghèo khổ khác nhau có thể được xác định trên cơ sở dữ liệu về tỷ lệ thất nghiệp, mức trợ cấp của chính phủ, và dữ liệu thống kê về thu nhập. Việc kết hợp những dữ liệu này sẽ cho biết xu thế phân bố tổng hợp và có thể vạch ra những đường đồng đẳng về vấn đề mà ta quan tâm. Những dạng phân bố kết quả có thể được tiếp tục phân tích nếu thấy cần thiết (ví dụ, xác định những vùng ưu tiên thiếp lập văn phòng cho các dịch vụ xã hội).

Ngoài ra phân loại còn có thể trợ giúp trong việc nhận dạng các kiểu mẩu mới mà thông thường không thể nhận thấy được nếu ta thể hiện từng đối tượng riêng lẻ trên màn hình.

Tổng quát hoá (1 dạng của phân loại) là quá trình làm cho kết quả phân loại kém chi tiết hơn hoặc làm giảm số lớp bằng cách phối hợp các lớp ban đầu. Thường dùng để làm nổi rõ các hiện tượng.

Hình IV.3: Truy cập, phân loại và đo đạc

a)

b) Hình IV.4: Minh họa phép phân loại dữ liệu không gian: a) Phân loại xã phường

theo hai thuộc tính dân số và mật độ dân số; b) Phân hạng các vùng độ cao.

Hình IV.5: Giảm số lớp sử dụng chức năng tổng quát hóa Chức năng đo lường:

Để tính toán những tính chất của dữ liệu hình học, chức năng đo đạc thực sự cần thiết. Mọi hệ GIS đều có các chức năng đo lường.

Với chức năng đo đạc, hệ thống GIS có cung cấp khả năng chuyển đổi đơn vị đo, ví dụ chiều dài có thể chuyển đổi từ đơn vị Anh sang hệ mét và ngược lại. Chiều cao và chiều dài sườn dốc thường là kết quả khi phân tích các quan hệ ba chiều trong mô hình độ cao. Khoảng cách, góc đo so với phương bắc và các số đo trắc địa có thể được biến đổi thành vị trí, khoảng cách và góc đo địa hình để thành lập bản đồ địa hình.

Người sử dụng GIS nhiều khi muốn biết số lần xẩy ra của một hiện tượng. Ví dụ trong việc nghiên cứu ô nhiễm nước ngầm, họ muốn xác định vị trí của các giếng khoang có thể bị ô nhiễm và có thể muốn tìm các khu vực có khả năng bị ô nhiễm. Trong trường hợp này ta phải có cả bản đồ chứa đựng dữ liệu về mức độ mẫu nước bị ô nhiễm trong các giếng (theo không gian) và số lần lấy các mẫu nước đó (tần suất theo thời gian).

Trong các nghiên cứu khác, người ta mong muốn tìm ra sự phân loại một thông số theo không gian dựa trên dữ liệu không gian và dữ liệu thuộc tính. Khi đó dữ liệu trong vùng nghiên cứu phải được xếp loại, kết hợp với một thang phân loại để xác định các đường đồng đẳng chia diện tích thành các vùng có giá trị thông số đồng nhất. Việc phân tích quan điểm chính trị của cộng đồng là một ví dụ loại này, trong đó dữ liệu không gian (vị trí điểm dân cư và dân số) có thể kết hợp với dữ liệu phi không gian (quan điểm chính trị) để lập bản đồ chính trị và tính toán diện tích tương ứng.

Chức năng đo đạc nữa liên quan đến việc xác định kích thước theo không gian ba chiều. Thao tác “đào và đắp” được biết tới trong ngành xây dựng thuộc loại thao tác này. Ví dụ việc tính toán tổng khối lượng đất đổ đi (đào) hoặc lấp đầy vào chỗ trống (đắp) để xây dựng đường giao thông (Hình IV.6)

Hình IV.6: Thao tác “đào và đắp”Đối với các đối tượng dạng vùng chức năng đo đạc thực hiện các thao tác như tính

chu vi, độ dài của vùng, diện tích của vùng và điểm trung tâm của vùng. Đối với các đối tượng dạng đường có các phép đo độ dài đường, hướng của đường.

Ví dụ để xây dựng một con đường men theo hồ, trước hết cần biết chu vi của hồ để có thể tính toán được chi phí cho con đường mới.

Hệ GIS còn có khả năng tính toán khoảng cách giữa những đối tượng khác nhau. Tuy chỉ có khả năng tính toán khoảng cách giữa hai điểm nhưng khoảng cách giữa các tuyến và giữa những các vùng có thể được xác định theo nhiều cách khác nhau (khoảng cách ngắn nhất, khoảng cách giữa hai điểm trung tâm vùng, khoảng cách cực đại…)

Hình IV.7: Đo đạc khoảng cách trong GISVí dụ để biết độ dài của tuyến hành lang mà động vật thường di chuyển từ cánh

rừng này sang cánh rừng khác thì khoảng cách ngắn nhất cần được xác định giữa hai cánh rừng đó.

Trong ba chức năng truy vấn, phân loại và đo đạc của hệ thống GIS như thể hiện tóm tắt ở sơ đồ Hình IV.3 thì chức năng truy vấn hay còn gọi là “hỏi đáp tìm kiếm” rất hay được sử dụng thường xuyên. Ta nên chú ý là sự hỏi đáp trên dữ liệu chuyên đề có thể được thực hiện trên một hoặc nhiều tính chất của các đối tượng.

Quá trình đặt câu hỏi là quá trình lựa chọn thông tin từ tập hợp dữ liệu dựa trên những điều kiện được định rõ. Trường hợp lựa chọn một tính chất (điều kiện đơn) phép tính đại số được sử dụng để cấu thành sự lựa chọn bao gồm tập hợp phép tính đại số (=,

>, <, < >, ≤, ≥). Ví dụ lựa chọn tất cả những thửa đất chuyên dùng có diện tích lớn hơn hoặc bằng 1000 m2 để có thể sử dụng vào việc xây dựng một trạm y tế.

Khi nhiều điều kiện đơn được tổ hợp lại để tạo thành những điều kiện phức tạp (lựa chọn nhiều hơn 1 tính chất của đối tượng) thì người ta cần sử dụng toán tử Boolean (AND, OR, XOR, NOT) để thiết lập sự lựa chọn phức tạp. Kiểu đặt vấn đề này có thể được minh họa trên sơ đồ Venn (Hình IV.8). Những vùng đánh bóng biểu diễn kết quả lựa chọn (Bernhardsen 1999).

Hình IV.8: Sơ đồ VennIII.2/ Chức năng chồng lớp thông tin:

Chồng các lớp thông tin khác nhau để phân tích không gian là một phép toán không gian quan trọng trong GIS. Chức năng chồng ghép là thao tác không gian trong đó những lớp chuyên đề được chồng lên nhau để tạo ra một lớp chuyên đề mới chứa đựng những thông tin mới. Các chức năng chồng lớp số học và logic là một bộ phận trong các phần mềm GIS.

Chồng lớp số học bao gồm những phép toán như cộng, trừ, nhân, chia từng giá trị trong lớp dữ liệu với một giá trị tại vị trí tương ứng trong lớp dữ liệu thứ hai

Chức năng chồng các lớp bản đồ cho phép người sử dụng đặt các lớp dữ liệu lên nhau trên cơ sở các quan hệ không gian. Ghép bản đồ tạo ra các loại dữ liệu tổng quát hơn trong bản đồ (Hình IV.9)

Phép chồng ghép và khả năng đánh giá các quan hệ không gian có thể là chức năng được biết đến nhiều nhất của các hệ thống GIS. Quan hệ giữa các lớp dữ liệu có thể được truy vấn thông qua các biểu thức toán học (logic) hoặc/ và bằng trực quan họa hình.

Phép chồng ghép bản đồ sử dụng các biểu thức logic hoặc các hàm không gian và tích trữ kết quả trong CSDL GIS như là các lớp dữ liệu mới (Hình IV.9.2. a). Do các lớp đã được biến đổi đồng nhất về tọa độ và hệ tham chiếu nên chúng có thể được chồng khớp lên nhau về mặt kích thước không gian. Ví dụ các đường sông ngòi (lines) và vị trí đã quan sát thấy động vật quý hiếm như hưu nai (points) có thể được tích hợp với dữ liệu về diện tích rừng (polygons) để tạo nên một CSDL mới diễn tả quan hệ giữa 3 yếu tố đó thành bản đồ khu vực sống của động vật.

Hình IV.9.1: Chồng ghép dữ liệu không gian

Hình IV.9.2: Chồng ghép bản đồChức năng ghép bản đồ cho phép người sử dụng biến một lớp dữ liệu phức tạp

thành một lớp dữ liệu mới trong đó các đường phân cách hai vùng có cùng một giá trị thông số bị loại trừ (dissolve) như diễn tả trong Hình IV.9.2.b) Kết quả là một lớp có giá trị dữ liệu tổng quát hơn. Chức năng này thực chất là chức năng ngược của phép chồng xếp bản đồ. Ví dụ việc ghép dữ liệu không gian của một bản đồ sở hữu về các loại chủ nhân của các vùng đất bao gồm chủ nhân là chính quyền địa phương, chính quyền trung ương, các xí nghiệp công nghiệp tư nhân, các vùng đất sở hữu tư nhân, sẽ dẫn đến việc thành lập quan hệ không gian giữa sở hữu công cộng và sở hữu tư nhân.

Phép logic là việc sử dụng các lệnh logic để tạo ra các lớp dữ liệu mới và chọn ra các đặc tính địa lý mới từ bảng thuộc tính. Sự lựa chọn logic dựa trên các biểu thức luận lý hoặc các giá trị thuộc tính. Các giá trị thuộc tính được lựa chọn sẽ được chọn, sát nhập hoặc loại bỏ để tạo ra lớp dữ liệu mới.

Phép tính đại số:Chức năng sử dụng phép tính đại số cho phép GIS xác định quan hệ toán học giữa

các lớp dữ liệu. Toàn bộ các bản đồ có thể được gộp với nhau (phép cộng), cắt lẫn nhau (phép trừ), nhân và chia các dữ liệu thuộc tính theo những điều kiện hay quy tắc do người sử dụng đặt ra. Ví dụ một lớp dữ liệu mới từ dữ liệu về độ cao địa hình và dữ liệu về mực nước ngầm để thành lập lớp dữ liệu về các khoảng cách từ mặt đất đến mực nước ngầm (Hình IV.10).

Hình IV.10: Phép tính đại số trên bản đồMap algebra (đại số bản đồ) có thể được sử dụng để phân tích không gian các dữ

liệu dạng raster. Các biểu thức của Algebra cũng tương tự như các hoạt động chồng xếp nhưng các thành phần phép tính đại số được sử dụng trong việc kết hợp hoặc so sánh các lớp dữ liệu (Hình IV.11).

Hình IV.11: Chồng xếp đại số hai lớp dữ liệu không gian.Map Algebra cho biết cách so sánh các lớp dữ liệu thông qua chức năng thuật toán.

Trong sơ đồ trên các giá trị của các cell trùng khớp trong hai dữ liệu được tính bằng tổng của chúng trong lớp dữ liệu kết quả, biểu thức xây dựng là: [grid1]+[grid2].

Trong ESRI Arcvew, biểu thức đại số bản đồ (Map algebra expressions) được xây dựng trong chức năng Map Calculator để phân tích một hay nhiều lớp dữ liệu. Kết quả là tạo ra một lớp dữ liệu mới sau khi áp dụng biểu thức đại số (được thành lập từ sự sử dụng bàn phím hoặc nhấn chuột vào lớp dữ liệu toán tử) và các yêu cầu.

Hình IV.12: Thao tác số học trên hai lớp thông tin raster

Hình IV.13: Thao tác số học trên dữ liệu vector

Chồng lớp logic:Chồng lớp logic liên quan đến việc tìm ra những vùng thoả mãn (hoặc không thoả

mãn) một số điều kiện đặt ra. Qua phép chồng lớp thông tin mà tổ hợp được các chỉ tiêu trong phân tích.Ví dụ:

Tìm vùng thích hợp cho cây lúa nước với hai chỉ tiêu đơn giản là:1. Đất trồng dạng đất sét2. Độ cao < 8m so với mặt nước biểnThuật toán ở đây là trên lớp thông tin về đất trồng có được từ bản đồ đất ta sẽ loại

bỏ tất cả các loại đất khác và chỉ quan tâm đến đất sét. Giá trị đất sét sẽ được gắn là bằng 1 và các vùng khác sẽ được gắn bằng 0.

Trên lớp thông tin địa hình, ta cần dùng đến mô hình số độ cao DEM. Trên lớp thông tin này cần chọn ra vùng có độ cao từ 0 m đến 8 m và được gắn gía trị mới bằng 1. Các vùng có độ cao khác > 8 m ta gắn bằng 0. Khi chồng hai lớp thông tin trên bằng phép nhân hai lớp ta sẽ được một lớp thông tin kết quả. Nơi nào giá trị cho ra bằng 1 sẽ là nơi thích hợp cho trồng lúa. Các vùng có giá trị bằng 0 là không thoả mãn đầy đủ hai chỉ tiêu đặt ra.

Với mô hình dữ liệu vector, ta có thể chồng lớp thông tin về đất với lớp thông tin về độ cao. Nhưng độ cao là mô hình DEM được xây dựng trên mô hình raster, vì thế cần phân loại độ cao thích hợp < 8 m thành một lớp thông tin trung gian và chuyển đổi lớp thông tin trung gian này sang vector trước.

III.3/ Chức năng địa hình:Địa hình của mặt đất có thể được biểu diễn trong GIS bởi dữ liệu độ cao số. Chức

năng về địa hình có thể được dùng để biểu diễn ba chiều các dữ liệu khác ngoài độ cao. Ví dụ mức độ ồn của vùng lân cận sân bay, mức độ ô nhiễm của hồ nước, mức thu nhập của các quận trong thành phố.

Hai thông số thường dùng nhất để thể hiện bề mặt đất là độ dốc và hướng của mặt địa hình. Các thông số này được tính từ số liệu độ cao của các điểm lân cận.

Mô hình số địa hình (DTM)Địa hình mô tả tính chất bề mặt (uốn lượn) của một vùng. Bề mặt biến đổi một cách

liên tục nên khó thực hiện mô hình bằng bản đồ. Tuy nhiên bản đồ đường đẳng trị (hiển thị những đường cong ví dụ những đường nối tất cả các điểm có cùng một giá trị độ cao) kế tiếp nhau hoàn toàn biểu thị tốt một bề mặt liên tục. Các đường đồng mức này có thể được lưu lại dưới dạng những vùng trong một HTTĐL nhưng chúng không thích hợp cho phân tích số hoặc mô hình hóa. Để tiến hành phân tích trên dữ liệu địa hình, mô hình số độ cao cần phải được thiết lập. Bất kỳ biểu diễn số của một sự biến đổi liên tục sự uốn lượn trong không gian dưới dạng số được biết đến như là mô hình số độ cao (DEM) (Burrough, 1996). Bất kỳ một thuộc tính nào khác mang tính chất là biến liên tục trên bề mặt không gian 2 chiều sẽ được mô hình hóa bởi DEM. Tuy nhiên, khi biến không phải là độ cao được mô hình hóa, mô hình được gọi dưới tên khác là mô hình số địa hình (DTM). Bề mặt được biểu diễn bởi thuộc tính này được biết tới như là một bề mặt thống kê. Mức độ ô nhiễm của không khí hoặc mức thu nhập của các vùng lân cận có thể được biểu diễn qua DTM.

Ma trận độ cao là dạng phổ biến nhất của DEM. Vì DEM biểu diễn sự biến đổi liên tục của bề mặt nên mỗi ô của mạng lưới đều chứa đựng một giá trị độ cao. Những giá trị

này có thể rút trực tiếp từ trên ảnh hàng không hoặc được rút ra (nội suy) từ các giá trị độ cao (các điểm quan sát) được đo đạc cho một số hữu hạn các điểm quan sát.

Một ma trận độ cao cần nhiều không gian bộ nhớ vì sự lưu trữ giá trị độ cao tới từng ô một. Mô hình số độ cao vượt qua được vấn đề bộ nhớ là mạng lưới tam giác không đều đặn (TIN). Trong trường hợp này chỉ những điểm độ cao điển hình mới được lưu trữ và được sử dụng làm mô hình cho bề mặt. Tại những nơi mà bề mặt không đều đặn, nhiều điểm sẽ được dùng để tính toán. Cho những khu vực mà bề mặt ít biến đổi chỉ một số lượng hạn chế các điểm xác định được sử dụng cho mô hình. Xuất phát từ những vị trí điểm hạn chế của dữ liệu các tam giác được xây dựng (với các góc là những điểm độ cao) biểu thị cho bề mặt của vùng nghiên cứu. Mỗi tam giác có độ nghiêng nhất định được tính gần đúng với độ nghiêng thực của địa hình. Bề mặt được biểu diễn bởi nhiều tam giác trên các khu vực mà địa hình có nhiều biến đổi. Trên những khu vực địa hình ít biến đổi thì các tam giác thường lớn.

Cho dù DEM được thực hiện như là một ma trận độ cao, mạng TIN hoặc mô hình khác, đa số các chức năng địa hình sau đây có thể áp dụng được:

Miêu tả địa hình tại một vị trí cho trước (ví dụ độ cao tại một vị trí) hoặc trên vùng lân cận (ví dụ góc dốc của vùng gần kề khu vực), những chức năng địa hình sẽ được sử dụng. Để tính toán tính chất địa hình, các giá trị của các vị trí lân cận được sử dụng. Hai tham số thường hay được sử dụng là góc dốc và phương vị hướng dốc. Chức năng địa hình khác bao gồm xây dựng lát cắt địa hình và các phân tích về tầm nhìn.

III.4/ Phép nội suy:Như đã trình bày ở những phần trước, rất khó xác định tính chất biến đổi một cách

liên tục trên bề mặt không gian hai chiều. Biến này thường được xác định tại một số hữu hạn những điểm quan sát. Sự ước tính tính chất tại vị trí không được quan sát bắt đầu từ những điểm quan sát được gọi là nội suy.

Ý tưởng chủ đạo đằng sau quá trình nội suy không gian là những điểm được xác định gần nhau trong không gian thì thường có những giá trị tương tự. Hai điểm cách xa nhau vài mét thì thường có cùng giá trị độ cao hơn là hai điểm cách xa nhau vài km. (Burrough, 1986).

Phép nội suy là quá trình dự báo các giá trị chưa biết từ các giá trị đã biết ở các điểm lân cận (Trong trường hợp nguồn dữ liệu khuyết một số điểm, đường hay vùng thì cần phải thực hiện hình thức nội suy (giải đoán) để tạo thêm dữ liệu). Có nghĩa là dữ liệu của một hay nhiều điểm trong không gian xung quanh được sử dụng để tìm ra các giá trị mới cho các điểm khuyết thiếu mà trước đó không thể đo đạc hay quan trắc được.

Để nội suy có thể dùng các phương pháp nội suy khác nhau như hồi quy đa thức, chuỗi Fourier, hàm spline, trung bình di chuyển, kriging…:

Nội suy giá trị gần nhất: giá trị của dữ liệu cần tìm thông qua giá trị điểm chuẩn (được đo trực tiếp) gần nhất;

Nội suy tuyến tính qua đường thẳng nối 2 điểm; Nội suy dùng đa thức (spline) dựa trên 3 hay nhiều điểm cho trước; Nội suy stochastic trên cơ sở tạo số ngẫu nhiên và các tham số fractal với một

số điểm; và Nội suy trên cơ sở mô hình

…Phương pháp nội suy được chia thành 3 nhóm chính, nội suy cục bộ, nội suy toàn

cầu và Kriging. Chúng biến đổi theo những điểm quan sát lân cận được xem xét tới khi ước tính. Nội suy cục bộ chỉ tính tới những điểm được quan sát lân cận, ngược lại nội suy toàn cầu sử dụng toàn bộ tập hợp điểm đã biết. Kriging tổ hợp cả hai phương pháp nội suy trên.

Nội suy cục bộ:Kỹ thuật sau đây của nội suy cục bộ sẽ được giới thiệu: “Vùng Thiessen”, nội suy

tuyến tính, rãnh trượt và trung bình trọng số. Vùng ảnh hưởng Thiessen (nội suy theo điểm gần nhất):

Ý tưởng đằng sau phương pháp nội suy đơn giản này là thông tin tốt nhất về tính chất của một điểm có thể được rút ra từ điểm được quan sát gần nhất. Hơn nữa vùng ảnh hưởng (= vùng Thiessen) được giới hạn xung quanh mỗi một điểm quan sát. Mỗi điểm rơi vào bên trong vùng ảnh hưởng có cùng giá trị với vùng này (Burrough, 1986)

Vùng Thiessen được định nghĩa là vùng ảnh hưởng riêng biệt xung quanh mỗi điểm trong tập các điểm. Được xây dựng xung quanh tập các điểm sao cho ranh giới của vùng cách đều điểm lân cận. Mỗi điểm rơi vào bên trong vùng ảnh hưởng có cùng giá trị với vùng này.

Phương pháp này thường được sử dụng trong phân tích khí hậu như dữ liệu độ mưa. Khi thiếu các trạm quan sát địa phương, dữ liệu từ trạm khí tượng gần nhất được sử dụng. Để làm được việc này, vùng Thiessen được xây dựng xung quanh mỗi trạm khí tượng. Hình IV.19 minh hoạ việc sử dụng vùng Thiessen để phân tích dữ liệu mưa. Vị trí các trạm đo mưa được thể hiện bằng các điểm. Vùng Thiessen được tạo xung quanh mỗi điểm và giá trị mưa được chỉ định cho mỗi vùng.

Lượng mưa trong vùng xung quanh trạm khí tượng đã biết sẽ bằng chính lượng mưa đo được trên trạm đo. Tổng lượng mưa trên những vùng có thể được tính toán như tổng lượng mưa đo được tại trạm đo nhân với diện tích của vùng (Aronoff, 1989).

Phương pháp này có một số hạn chế. Hạn chế chính là vùng Thiessen coi những điểm gần nhau tương tự những điểm ở xa. Nếu một tập hợp các điểm quan sát rất thưa thớt và tất cả các điểm quan sát được xác định cách xa nhau thì sẽ tạo dựng nên những

vùng lớn. Sự thực, vị trí gần với đường bao của vùng không có cùng giá trị như chính điểm quan sát (Aronoff, 1989).

Đa số phương pháp nội suy bắt đầu từ nguyên lý những giá trị chưa biết thay đổi một cách liên tục trong không gian. Giá trị tại điểm không được quan sát sẽ được ước tính bằng cách sử dụng các giá trị đã biết ở những vị trí lân cận. Để thực hiện điều này, hàm toán học được xây dựng phản ảnh sự biến đổi không gian của hiện tượng được vẽ bản đồ càng chính xác càng tốt. Hàm toán học được rút ra từ bản chất của những điểm quan sát.

Nội suy tuyến tính:Một trong những phương pháp đơn giản nhất để ước tính giá trị chưa biết là nội suy

tuyến tính. Giả thiết cơ bản của phương pháp này là có mối quan hệ tuyến tính giữa sự chênh lệch giá trị của 2 điểm và khoảng cách giữa chúng (Hình IV.20) (Demers, 1997).

Hình IV.20: Nội suy dữ liệu: tuyến tính và hàm SplineVí dụ: Hình dung một sự thay đổi tuyến tính về độ cao giữa 2 điểm ở độ cao ghi

được là 100 và 150m. Khoảng cách giữa hai điểm được biểu diễn trên bản đồ là 10cm. Điều này có nghĩa là mỗi cm tương ứng với sự tăng giảm độ cao là 5m.

Hàm Spline:Trên thực tế, rất hiếm bề mặt thay đổi tuyến tính. Hơn nữa Spline được sử dụng để

mô tả bề mặt. Spline là phương trình toán học miêu tả bề mặt khớp nhất thông qua tập hợp các quan sát xung quanh điểm chưa biết. Khi bề mặt khớp nhất được mô tả thông qua phương trình tuyến tính, nó ứng với nội suy tuyến tính. Cuối cùng, kết quả cho hàm toán học dùng để dự đoán các điểm chưa biết (Hình IV.20). Thông thường, các hàm toán học dùng để thể hiện các bề mặt uyển chuyển (Bernhardsen, 1999)

Trọng số trung bình:Một trong những phương pháp thường được sử dụng là phương pháp trọng số trung

bình. Giá trị dự đoán được rút ra từ tập hợp các điểm quan sát nằm trong một khoảng bán kính cho trước kể từ một điểm chưa biết. Nhằm mục đích để dự đoán một giá trị chưa biết, trọng số trung bình của các giá trị được chọn để tính toán. Các trọng số được gắn cho từng điểm dựa theo mức độ ảnh hưởng được thừa nhận có ở mỗi điểm trong tính toán điểm chưa biết. Giá trị được tính theo biểu thức sau:

Z(x): giá trị dự đoán tại điểm xZ(xi): giá trị quan sát tại điểm xi

hi: trọng số cho xi

Khi khoảng cách được dùng để xác định trọng số, phương pháp này gọi là phương pháp “trọng số trung bình động”. Tùy thuộc vào khoảng cách, một giá trị có sự ảnh hưởng

ít nhiều đến việc dự đoán điểm chưa biết. Trọng số tỷ lệ nghịch với khoảng cách nên điểm quan sát gần với điểm chưa biết sẽ có nhiều khả năng nhận được giá trị tương tự hơn so với một điểm quan sát khác ở xa điểm chưa biết (Hình IV.21) (Jones, 1997)

Hình IV.21: Trọng số trung bìnhBiểu thức chung dùng để tính giá trị trung bình này như sau:

Z(x): giá trị dự đoán tại điểm xZ(xi): giá trị quan sát tại điểm xi

dij: khoảng cách từ điểm xi đến điểm xNội suy toàn cục:Đôi khi điều thú vị là nghiên cứu xu hướng tổng quát của bề mặt (trend). Hướng

tiếp cận chung nhất được dùng gọi là “Phân tích bề mặt Trend”. Một tập hợp điểm được dùng để tìm ra biểu thức toán học diễn tả một bề mặt hoàn chỉnh (về mặt tính chất) có khả năng thực hiện tốt. Ý tưởng ở đây là thỏa mãn một bề mặt đa thức thông qua các dữ liệu điểm đã biết khi sử dụng phương pháp “bình phương nhỏ nhất” (Hình IV.22). Kết quả cho ra một phương trình toán học có thể dùng để dự đoán các giá trị chưa biết. Sự phân tích dùng cho việc tìm ra phương trình trên gọi là phân tích hồi quy (Burough, 1986)

Hình IV.22: Nội suy toàn cầu: Đa thức bậc caoKriging:Kriging là phương pháp nội suy dựa trên phương pháp “phân tích bề mặt” và “trọng

số trung bình”. “Phân tích bề mặt” tìm ra một phương trình toán học diễn tả xu hướng tổng quát của bề mặt nhưng không tính đến các tính bất quy luật cục bộ (Hình IV.23). Nội suy cục bộ dùng để tính độ lệch từ xu hướng toàn cầu do sự không theo quy luật của khu vực. Phương pháp “trọng số trung bình” dùng để tính sự biến thiên này. Trọng số được xác định bởi xu hướng của những độ lệch giữa đường cong bề mặt toàn cầu và các điểm quan sát (Burough, 1986)

Hình IV.23: Các hợp phần chính của kỹ thuật nội suy “Kriging”Trong Kriging, một giá trị chưa biết Z(x) có thể được biểu diễn như tổng của hai

hợp phần là xu hướng toàn cầu m(x) của dữ liệu và sự biến thiên cục bộ e’(x). Biến thiên cục bộ này phụ thuộc vào các giá trị dữ liệu xung quanh. Còn một sai số phi không gian phụ thuộc nữa cần được xem xét gọi là e’’ (Jones, 1997).

Phương trình toán học chi tiết cần thiết cho phương pháp kriging sẽ không mô tả ở đây. Kriging là một trong những phương pháp nội suy thường cho ra những kết quả tốt nhất khi tính toán nhưng cũng đòi hỏi việc xử lý mất nhiều thời gian.

Chất lượng của phép nội suy phụ thuộc vào số lượng và sự phân bố của các điểm đã biết, vào độ chính xác của các giá trị của dữ liệu ghi nhận và hàm toán học được chọn. Kết quả tốt nhất thu được khi hàm toán chạy theo một phương thức giống như hiện tượng. Tùy thuộc vào mục đích, độ gồ ghề của bề mặt địa hình, số lượng và sự phân bố của các điểm đã biết, kỹ nghệ nội suy tương thích cần thiết được lựa chọn (Aronoff, 1989).

Điều quan trọng là hiểu rõ rằng nội suy coi dữ liệu có bản chất có thể chuẩn đoán được về mặt không gian để tính toán những giá trị bị mất. Tất cả phụ thuộc vào khả năng chuẩn đoán đặc tính của bề mặt. Vì lý do này phép nội suy cần được kiểm tra.

Tạo đường đồng mức:Một ví dụ điển hình trong việc sử dụng phép nội suy là tạo đường đồng mức.

Đường đồng mức nối các điểm có cùng giá trị. Một ví dụ phổ biến nhất là đường nối tất cả các điểm có cùng độ cao trên bản đồ địa hình. Tất cả các dữ liệu thuộc tính khác phân bố trên bề mặt có thể được trình bày bởi các đường đồng mức, ví dụ thời gian: đường đẳng thời.

Đại đa số thời gian, việc tạo các đường đồng mức bắt đầu từ một tập hợp các điểm quan sát mà giá trị của chúng được biết. Tất cả các vị trí giữa các điểm đó không được biết giá trị. Chức năng tạo đường đồng mức cho phép nội suy và tính toán giá trị của những điểm chưa biết này. Khi giá trị của hai điểm có độ cao là 100 – 150 m thì điểm trung gian giữa hai điểm này sẽ có giá trị độ cao khoảng 125m. Nếu đường đồng mức có độ cao là 125m cần được vẽ thì vị trí đường này sẽ được tính toán sử dụng kỹ thuật nội suy. Với một ví dụ trên Hình IV.24, dễ dàng nhận thấy rằng một tập hợp dữ liệu có thể cho ra 2 kiểu đường đồng mức. Phụ thuộc vào kỹ thuật nội suy, kết quả của việc tạo đường đồng mức có thể khác nhau. Trên kết quả A không có điểm độ cao 30m nào được tạo nên. Kết quả này là đường đồng mức có độ cao 30m với ít nhiều theo hướng Bắc – Nam. Điều này diễn tả một bề mặt với sống núi theo chiều Bắc – Nam giữa hai đường đồng mức 30m. Kết quả B tạo thêm các điểm 30m cho ra các đường đồng mức ít hoặc nhiều theo hướng Đông – Tây. Điều này thể hiện một bề mặt với hai quả đồi tách biệt nhau bởi khoảng gián

đoạn Đông – Tây. Đại đa số các trường hợp việc tạo đường được đánh giá bởi các chuyên gia vẽ bản đồ và họ biết cách để vẽ các đường đồng mức này (Aronoff, 1989)

Nhiều mô hình toán học khác nhau được dùng trong nội suy, một trong những phương pháp thông dụng trong nội suy cao độ điểm chưa biết là tính toán giá trị trung bình từ các điểm lân cận có độ cao đã biết hoặc dùng phương pháp trung bình trọng số với trọng số tỷ lệ nghịch với khoảng cách.

Một ví dụ điển hình trong việc sử dụng phép nội suy là tạo đường đồng mức. Đường đồng mức nối các điểm có cùng giá trị độ cao trên bản đồ địa hình. Tất cả các dữ liệu thuộc tính khác phân bố trên bề mặt có thể được trình bày bởi các đường đồng mức, ví dụ thời gian: đường đẳng thời.

Hình IV.24: Nội suy đường đồng mứcIII.5/ Chức năng kết nối:

Chức năng kết nối (nối tiếp) đòi hỏi sự nối tiếp không gian giữ các vị trí đối tượng để xử lý các dữ liệu thuộc tính. Những chức năng này tích lũy các giá trị thuộc tính trên những đối tượng đi qua. Chức năng này dừng lại khi sự nối tiếp không gian bị gián đoạn hoặc thuộc tính tích lũy thỏa mãn yêu cầu của các tiêu chuẩn đề ra (Aronoff, 1989).Chức năng này thường sử dụng các hàm dùng đánh giá sự tích luỹ giá trị trên khu vực đã di chuyển qua.

Ví dụ tìm đường ngắn nhất giữa hai điểm A và B dọc theo hệ thống đường. Hệ thống mạng đường tạo khả năng tới được điểm B từ điểm A. Để tạo nên đường ngắn nhất, chức năng sẽ chọn đường giữa A và B và trong khi nó tích lũy khoảng cách của mỗi đoạn mà nó đi qua để tiến tới B. Mọi đoạn đường giữa A và B được đánh giá để tìm ra đường ngắn nhất.

Mọi chức năng kết nối phải bao gồm:1. Định rõ cách mà các đối tượng không gian (ví dụ như đường) được liên kết.2. Tập hợp các quy tắc quy định sự chuyển dịch dọc theo các liên kết này3. Đơn vị đo lường

Ví dụ: Sử dụng chức năng kết nối trong việc di chuyển dọc theo các đường phố:

- Bản đồ đường chỉ ra các đường được liên kết như thế nào- Quy tắc chuyển dịch bao gồm đường một chiều, giới hạn về tốc độ- Đơn vị đo lường là khoảng cách hoặc thời gian

Chọn tuyến đường để đi trên cơ sở đo khoảng cách dịch chuyển tích luỹ dọc theo các tuyến đường.

Chức năng nối tiếp chủ yếu sử dụng để xác định những vùng có kích thước và hình dạng đã cho hoặc để định ra khoảng cách cần qua (phí tổn, thời gian) trong mạng hoặc tính toán đường nước chảy trên một bề mặt địa hình.

Các chức năng kết nối được nhóm vào các chủng loại sau đây: tiếp giáp, lân cận, mạng, lan truyền, hướng dòng và liên thông

III.5.1/ Đo đạc tiếp giáp (đo sự gần kề):Đo đạc tiếp giáp đánh giá đặc tính của các đơn vị không gian tiếp nối với nhau. Một

vùng tiếp giáp bao gồm một một nhóm các đơn vị không gian có chung một hoặc nhiều đặc tính xác định và tạo thành một vùng đơn vị.

Những đối tượng liên tục về mặt không gian khi chúng chia sẻ những đặc trưng và nằm cạnh nhau. Vùng bên cạnh có thể được xác định bằng cách khác nhau: không có một gián đoạn nào cho phép. Đôi khi những gián đoạn cho phép với một hoàn cảnh nào đó. Một vùng xanh có thể được coi là hoàn toàn ngay khi có một con đường (gián đoạn) đi qua vùng (Aronoff, 1989).

Hình IV.25: Các vùng kề cậnKhi một nhóm các đối tượng nối tiếp được vạch ra, sẽ có một tính chất nào đó

được đo và ghi lại cho nhóm các đối tượng này. Sự đo thông thường là tổng diện tích mà các đối tượng nối tiếp này chiếm. Khoảng cách ngắn nhất hoặc dài nhất vạch qua diện tích trên là một phép đo khác được dùng (Aronoff, 1989).

Ví dụ: chức năng đo tính gần kề nhau (contiguity function) được dùng để tìm một khu rừng để xây dựng khu vui chơi giải trí với điều kiện là khu rừng này phải có diện tích ít nhất 30km2 và không có khoảng cách bề ngang nào nhỏ hơn 4 km.

Ví dụ: Tìm một khu rừng để làm công viên bên cạnh khu vực dân cư có diện tích tối thiểu 1000 km2 và chỗ hẹp nhất không nhỏ hơn 20 km2.

Đo đạc lân cận và nối mạng (Tạo vùng đệm và nối mạng):

Hình IV.26: Tạo vùng đệm và chức năng dùng lướiChức năng tạo vùng đệm nhằm xác định vùng xung quanh, sát với một vật thể ta

quan tâm trên bản đồ và chức năng nối mạng là để xác định đường chuyển động trong một vùng. Ví dụ về tạo vùng đệm là tạo vùng xung quanh một vật thể mà khoảng cách mọi điểm trong vùng đó không cách xa vật thể một khoảng cách nhất định (diện tích cách đường quốc lộ 10km). Chức năng nối mạng xem xét chuyển động của một vật thể theo hướng của một vật thể khác trên bản đồ (ví dụ hướng chuyển động chính của hoạt động giao thông trên một đường cao tốc).

Hai loại phân tích dữ liệu không gian này xem xét vùng phụ cận của một vật thể hay vấn đề nối các vật thể điểm trong bản đồ (Hình IV.26). Ví dụ ta có hai lớp dữ liệu không gian, một biểu thị một con đường và dữ liệu kia về khu rừng gồm cả đường kính trung bình các cây lấy gỗ. Ta giả thiết người sử dụng muốn khả năng khai thác gỗ (cây gỗ với đường kính lớn hơn một giá trị nhất định) trong vòng 150m khoảng cách từ con đường. Phép tạo vùng đệm của GIS có thể được áp dụng để tạo ra vùng rừng ở phía hai bên con đường. Sau đó các dữ liệu thuộc tính về cây gỗ có thể được kết hợp phân tích để tạo ra một lớp dữ liệu mới.

Chức năng nối mạng thường được sử dụng để đánh giá các phương án tối ưu đường chuyển động và phân bố tài nguyên (Hình IV.26.b). Cụ thể là xác định đường đi hợp lý giữa hai điểm hoặc xác định vùng ảnh hưởng của một dịch vụ công cộng. Ví dụ, vùng phục vụ của dịch vụ chữa cháy, đường phân phối bưu phẩm, đường đi dự định của dịch vụ cấp cứu. Trong tất cả những ví dụ này thì hệ thống GIS sẽ phân tích yếu tố khoảng cách, vận tốc cho phép trên đường giao thông, và các thông số giao thông thông khác (như mật độ giao thông, mức độ kiểm soát giao thông) để xác định các đường đi hợp lý khác nhau kết nối giữa hai điểm (vị trí không gian)

III.5.2/ Đo đạc lân cận:Đo đạc lân cận bao gồm các chức năng trợ giúp xác định các đặc tính hình học và

chuyên đề trên một khu vực địa lý xung quanh một hoặc nhiều đối tượng cụ thể. Ví dụ đếm số điểm dân cư nằm trong vùng bán kính 20 km của vùng bị cháy.

Để tiến hành các phép đo lân cận, đòi hỏi phải xác định:- Đối tượng quan tâm (đường, bệnh viện, công viên…)- Đơn vị đo (mét, kilomét…)- Hàm tính độ lân cận (khoảng cách thẳng, thời gian đi lại…)- Vùng được phân tích.

Chức năng phân tích lân cận đánh giá những đặc tính của vùng xung quanh vị trí được chọn nào đó. Ví dụ đếm số lượng nhà nằm trong bán kính 5 km của trạm cứu hoả.

Hình IV.27: Thống kê số nhà trong vùng hoạt động của trạm cứu hoảVùng lân cận có thể ở dạng hình vuông, hình chữ nhật, hình tròn hoặc ở hình

dạng bất kỳ, ví dụ trường hợp vùng lân cận là vùng hành chính. Vùng lân cận có thể do người sử dụng vẽ hoặc vùng lân cận có thể được tạo bởi các chức năng khác, ví dụ như hoạt động chồng lớp

Chức năng tìm kiếm:Là một trong những chức năng phổ biến áp dụng kết hợp với vùng lân cận. Tìm

kiếm có thể đơn giản chỉ là xác định các đối tượng nằm trong vùng lân cận xác định. Hoặc có thể đưa vào các biểu thức phục vụ cho việc tìm kiếm.

Ví dụ: Để biết loại sử dụng đất nào đang có mặt trong khu đô thị và diện tích mà chúng bao phủ, cần thiết phải có chức năng tìm kiếm. Cửa sổ tìm kiếm và vị trí mục tiêu cả hai đều tương đương với vùng biểu diễn khu đô thị. Vùng này được sử dụng giống như dụng cụ cắt bánh để rút ra những phần tương ứng của những khu sử dụng đất. Diện tích cho mỗi loại sử dụng đất có thể được tính toán và báo cáo dưới dạng bảng.

Hình IV.28: Chức năng tìm kiếm với cửa sổ xác định một vùng đô thị thể hiện thao tác chồng ghép các lớp đô thị và sử dụng đất tạo báo cáo sử dụng đất cho vùng đô thị 25

Tìm kiếm đường trong vùng và điểm trong vùng:Nhận dạng điểm, đường chứa trong vùng là một hàm tìm kiếm chuyên dụng. Ví dụ

tìm tất cả các trường đại học trong thành phố hoặc tìm tất cả các đường cao tốc xuyên qua thành phố.

Hình IV.29: Bài toán tìm kiếm đường hoặc điểm trong vùng

Hình IV.30: Ví dụ vùng đệm được tạo ra từ đối tượng vùng vector và rasterVí dụ: Xác định vùng đệm 100 m xung quanh các đường mòn định nghĩa vùng rừng

có thể được đốn. Phép đo lân cận này thường được gọi là phép tạo vùng đệm

Hình IV.31: Tạo vùng đệm 100m xung quanh các đường mòn dẫn vào rừng

Ví dụ: một con đường mới xây cần được vạch ra một hành lang vỉa hè cách đều đường để trồng cây xanh. Một vùng ô nhiễm tiếng ồn, ô nhiễm không khí cần được vạch ra vùng cách ly hoặc cảnh báo. Một hồ chứa nước cần được vạch ra khoảng cách để bảo vệ. Một công trình đê đập cần vạch ra một hành lang bảo vệ cấm không được xây dựng nhà cao tầng…

Hình IV.32: Buffer theo đối tuợng không gian đường

Hình IV.33: Buffer theo đối tượng không gian là điểm và vùngVí dụ: xem xét một tuyến đường xe lửa được quy hoạch và nhà quy hoạch muốn

biết có bao nhiêu ngôi nhà sẽ nằm trong giới hạn khoảng cách mà mức độ tiếng ồn tạo ra khi tàu chạy qua gây ra là quá lớn. Mức độ tiếng ồn tạo ra giảm theo sự tăng của khoảng cách. Do đó, có khả năng tạo một vùng đệm có khoảng cách tương ứng với mức độ tiếng ồn có thể gây hậu quả cho sức khoẻ con người. Với chức năng đếm, tổng sô ngôi nhà nằm trong vùng đệm này sẽ được truy cứu.

Hình III.34: Thể hiện trực quan của một thao tác buffer

III.5.3/ Chức năng mạng: Mạng là tập hợp các đối tượng dạng tuyến nối tiếp nhau. Ví dụ mạng lưới đường,

sông suối, hệ thống đường dây điện…Chức năng phân tích mạng áp dụng cho các đường cắt nhau. Chúng mô phỏng

quá trình chuyển động của nguồn từ một vị trí này đến vị trí khác, ví dụ chuyển động của người và xe cộ dọc theo đường, dòng điện chạy theo đường dây dẫn. Để thực hiện được phép phân tích mạng, bốn hợp phần cần thiết có là (Aronoff, 1989):

1. Một tập hợp các nguồn (ví dụ hàng hóa cần được phân tán)2. Một tập hợp các vị trí nguồn cần tỏa đi (ví dụ nhà kho nơi hàng hóa được cất giữ)3. Một tập hợp các điểm đích phân tán các nguồn tới (như chỗ ở của khách hàng)

hoặc một khu vực để có thể tới được với một dịch vụ tối thiểu (như đồn công an gần nhất).

4. Một tập hợp các quy tắc quy định cho việc dịch chuyển (như vận tốc lớn nhất trên đường)

Các hệ GIS thường thực hiện ba loại phân tích mạng chủ yếu:- Dự báo lượng vận chuyển trên mạng: dự báo lượng nước và trầm tích vận

chuyển bởi hệ thống sông- Tối ưu đường đi: tìm đường đi tối ưu cho mục đích cứu hoả, vận chuyển hành

khách.- Phân phối tài nguyên: phân chia vùng mà các trạm cứu hoả phục vụ

Giải quyết bài toán phân tích mạng đòi hỏi phải xác định bốn thành phần:- Tập hợp tài nguyên (ví dụ như các hàng hóa phải phân phối)- Một hoặc nhiều vị trí chứa tài nguyên (kho hàng)- Các điểm đích được phân phối tài nguyên (vị trí khách hàng) hoặc vùng dịch

vụ hoạt động tối thiểu (khu vực tuần tra của cảnh sát)- Các ràng buộc (tốc độ xe chạy tối đa)

Việc dự đoán độ tải của mạng, tìm kiếm khoảng cách ngắn nhất giữa hai hoặc nhiều điểm và tìm tất cả các đối tượng nằm trong một khoảng cách từ một điểm đặc trưng là nhưng trật tự thông thường mà thường xuyên được tổ hợp trong HTTĐL. Để làm sáng tỏ cho các quá trình này một ví dụ sẽ được dẫn ra như sau.

Việc dự đoán tải trọng của mạng là một trong nhiều vấn đề khác nhau được dùng để dự đoán lượng trầm tích trên sông, sự tăng thêm tải trọng trên mạng đường giao thông gây ra bởi sự có mặt của một vài nhà máy mới….

Ví dụ sự vận chuyển nước và trầm tích dọc theo một con sông có thể dự đoán được theo mô hình mạng. Khi chúng ta biết sức mạnh của từng con sông, việc dự đoán dòng chảy của nước trong trường hợp có bão có thể vạch ra các vùng có khả năng bị ngập lụt. Những kết quả này có thể được xem xét để thực hiện các bước tiếp theo nhằm bảo vệ cho các vùng rủi ro này (Aronoff, 1989)

Những đặc tính nào đó của đường trong mạng làm chậm sự dịch chuyển dọc theo mạng. Những hạn chế về vận tốc, những công việc trên đường, cao điểm giao thông, những chướng ngại vật, đường một chiều, ánh sáng giao thông, bến đỗ xe và các đoạn cong lớn, tất cả đã gây nên sự cản trở giao thông. Việc gắn các thuộc tính cho các yếu tố

của mạng có tính đến nhân tố cản trở của chúng cho phép mô phỏng sự chuyển động có nhiều khả năng gắn với thực tế hơn. Đôi khi, các thuộc tính khác nhau phụ thuộc vào hướng mà trên đó một đoạn đường đi qua. Tuy nhiên, thuộc tính có thể được xác định khác nhau cho từng hướng của từng đoạn đường trong mạng (Bernhardsen, 1999).

Một khi tất cả các đoạn trong một mạng đã được gắn các giá trị thuộc tính cần thiết, chuyển động mô phỏng dọc theo mạng có thể bắt đầu. Đơn vị chuyển động được chọn (khoảng cách, thời gian, phí tổn hoặc một đơn vị nào đó) cho tính toán đường đi ít cản trở nhất (đường đi tối ưu) giữa hai điểm. Khi mà đơn vị đo là khoảng cách, đoạn đường chọn này gọi là “đường ngắn nhất” giữa hai điểm đó (Bernhardsen, 1999).

Một ứng dụng đường đi tối ưu sử dụng thuật toán “đường ngắn nhất” cho việc tìm đường đi nhanh nhất từ điểm xẩy ra tai nạn đến một bệnh viện. Kết quả của phép phân tích này được trình bày trên bản đồ (xem Hình III.35)

Hình IV.35: Đường ngắn nhất qua mạngTìm đường đi ngắn nhất giữa hai vị trí với một điều kiện giới hạn là con đường cần

đi phải qua một số các điểm trong khi đi giống như vấn đề của “người bán hàng rong”. Thuật toán này được gọi tương tự trong thuật ngữ với người bán hàng rong cần phải thăm một số khách hàng (vị trí đến) trong khi giảm tối thiểu khoảng cách cần đi (xem Hình IV.36). Kỹ thuật này cũng sử dụng lý thuyết “đường ngắn nhất” để tìm ra giải pháp tối ưu (Jones, 1997).

Hình IV.36: Giải pháp cho vấn đề “Người bán hàng rong” giữa điểm xuất phát và 4 điểm đích

Việc tìm tất cả các vị trí nằm trong một khoảng cách cho trước từ một mục tiêu được biết với tiêu trí nguồn phân phối. Khoảng cách có thể là một khoảng cách Ơ-clit, cũng có thể là thời gian cần đi, phí tổn hoặc một giá trị nào đó khác. Việc ứng dụng này cũng cần tính đến những đặc tính làm giảm tốc độ chuyển động trong mạng. Kết quả của sự phân tích này là một tập hợp các điểm nối mạng nằm trong một khoảng cách cho trước. Ví dụ: tìm tất cả các vị trí xung quanh trường học với điều kiện đi bộ đến chúng hết thời gian nhỏ hơn 15 phút hoặc tìm tất cả các vùng mà không được hưởng một cách hiệu quả dịch vụ của bệnh viện (mất hơn 60 phút đi xe ô tô). Kết quả của ví dụ sau cùng cho việc quy hoạch một bệnh viện. Kết quả của các phép phân tích này được chỉ ra trong Hình IV.37 (Jones, 1997).

Hình IV.37: Xác định tuyến đường tớiIII.5.4/ Chức năng lan truyền (spread function):

Chức năng lan truyền đánh giá một hiện tượng bằng việc chuyển động từng bước đi ra xa theo tất cả các hướng bắt đầu từ một hoặc nhiều tiêu điểm. Ở mỗi bước, mỗi biến (như khoảng cách, thời gian đi, phí tổn đi…) được cộng thêm vào. Mỗi một vị trí đi qua được gắn giá trị tích lũy này. Quy trình ngừng khi tổng giá trị chạy đạt được bằng giá trị tiêu chuẩn đã định trước. Tệp (file) kết quả còn được biết với tên gọi bề mặt tích lũy. Chức năng lan truyền đặc trưng cho thao tác nguồn là raster và có thể được dùng để đánh giá thuộc tính trên những bề mặt phức tạp hơn (Aronnoff, 1989). Khi mà khoảng cách đi kể từ một cell (cell là ô hay pixel – tức ô nhỏ nhất được dùng làm đơn vị của một ma trận ô lưới raster) xuất phát được tính khi sử dụng chức năng lan truyền, khoảng cách được cộng tăng thêm từng giá trị một theo tất cả các hướng (Hình IV.38). Một ô (cell) nằm giáp hoàn toàn theo cạnh với ô xuất phát sẽ có khoảng cách là 1 kể từ ô xuất phát này. Một ô nằm giáp theo đường chéo với ô xuất phát sẽ có khoảng cách là (1,414) đơn vị và tỏa ra các phía. Các ô ở xa ô xuất phát có thể tiếp cận theo chuyển động thẳng hoặc theo đường chéo qua các ô khác. Trong trường hợp có nhiều đường đi đến một ô, thì khoảng cách ngắn nhất sẽ được dùng (Aronnoff, 1989).

Yếu tố chế ngự có tác dụng làm dừng hoặc làm giảm mức độ chuyển động có thể được dễ dàng tính đến. Những hiện tượng làm chậm hoặc cản trở quá trình trong chuyển động được mô hình hóa là những bề mặt cản kháng (ma sát). Ví dụ, bề mặt địa hình gồ ghề sẽ khó đi qua hơn là địa hình đẳng hướng hoàn toàn. Những hàng rào làm chậm hoặc làm ngừng chuyển động được gọi là những chướng ngại vật. Một chướng ngại vật tuyệt đối sẽ ngăn không cho chuyển động đi qua giống như hồ nước hoặc một vách đá không

thể đi qua được bằng một xe ô tô. Vật chướng ngại một phần hoặc tương đối sẽ gây ra sự tắc nghẽn khi chuyển động giống như xe ca không thể chuyển động với cùng một vận tốc khi chạy trên đường ở ngoài đồng và trên đường bình thường (Demers, 1997).

Một trong những ưu điểm của chức năng lan truyền là các yếu tố hạn chế phân bố không đồng đều dễ dàng được tổ hợp trong chức năng này. Khi thời gian cần thiết để qua một đơn vị phụ thuộc vào sự sử dụng đất tại vị trí, một ma trận được tạo nên để chỉ ra thời gian cần dùng để qua từng ô đơn vị (xem Hình IV.39). Khi tốn 2 phút qua một ô đơn vị (dọc theo bề rộng trực giao), giá trị này sẽ được gán cho ô này trong ma trận. Ma trận này còn được biết đến với tên bề mặt cản kháng, các giá trị được gọi là hệ số cản kháng.

Thời gian qua một ô được tính bằng hệ số của một ô với giá trị chỉ độ rộng của ô (1 cho bề rộng trực giao, 1,414 cho đường phân giác). Thời gian cần đi từ ô A đến lân cận B được nhân với 0,5 vì chuyển động được tính từ tâm ô này đến tâm ô khác. Tổng thời gian cần đi qua từ ô khởi điểm đến một vị trí nào đó trong lưới là tổng giá trị của ô lân cận (mà đã được đi qua) và thời gian cần đến từ ô lân cận này đến vị trí đặt ra (Demers, 1997).

Hình IV.38: Tính khoảng cách thông qua chức năng lan truyền (hình bên phải)

Hình IV.39: Tính toán thời gian qua chức năng lan truyềnN = chướng ngại (barier) tuyệt đối = Ô xuất phát

Để tính khoảng cách từ điểm xuất phát (ô 4,4) đến điểm B trong ma trận, giá trị chứa trong mặt cản kháng được dùng để tính.

Khoảng cách từ ô nằm tại dòng 4 cột 4 đến ô nằm tại dòng 3 cột 3 bằng: (3,3)

0,5*(1,414*1) = 0,707

0,5*(1,414*2) = 1,414

Giá trị đầu = 0

Tổng = 2,121

Giá trị ô nằm tại dòng một cột một bằng:

0,5*(1,000*3) = 1,5

0,5*(1,000*1) = 0,5

Giá trị đầu = 4,414

Tổng = 6,414

Những ảnh hưởng tích lũy của các nhân tố hạn chế này có thể được kiểm tra lập tức. Thay vì phải viết giá trị tích tụ tại các ô kết quả có thể được thể hiện bằng các đường đẳng giá trị (ví dụ đẳng thời gian đi qua) xung quanh điểm xuất phát. Trong Hình V5 ma trận thu được cũng được biểu diễn bằng các đường đồng mức này. Vùng buffer trong mô hình raster HTTĐL được xác định bằng việc sử dụng chức năng này và chức năng tạo đường đồng mức (Aronoff, 1989).

III.5.5/ Chức năng hướng tìm hay dòng (seek or stream funtion)Chức năng dòng (chức năng hướng tìm) dùng để vạch một đường nào đó giữa hai

điểm. Đường vạch ra từ điểm này đến điểm kia được xác định bởi các luật quyết định. Các luật nàu cũng xác định điểm kết thúc. Sự chuyển động được bắt đầu từ điểm được chọn và ngừng khi luật bị phạm. Kết quả là một vạch ra một hoặc nhiều đường nối một điểm xuất phát nào đó với một hoặc nhiều vị trí nơi mà chức năng bị dừng (Aronoff, 1989).

Vạch ra đường của dòng nước trên mô hình số độ cao là một ứng dùn có thể dùng chức năng dòng chảy. Trong chức năng này luật ứng dụng sẽ là chuyển động đến điểm liền kề với độ cao thấp nhất. Quá trình này được lặp lại cho đến khi điểm tới được nơi mà các điểm xung quanh có độ cao cao hơn hoặc cho đến khi tới được ranh giới khu vực nghiên cứu. Đường đi thu được phù hợp với dòng nước chảy. Nếu chức năng này thực hiện cho tất cả các vị trí tại khu vực nghiên cứu thì số thời gian đi qua từng ô hay từng vị trí có thể được dùng để tính tiềm năng dòng chảy của nước qua từng đơn vị của địa hình. Giá trị này có thể thực hiện phép đo tiềm năng xói mòn từ bề mặt chảy. Các tác nhân khác như độ che phủ thực vật và loại đất cũng được tính đến trong khi phân tích.

Tổ hợp của các chức năng “dòng” và “lan truyền” có thể dùng để tìm “đường ngắn nhất” (đường nhanh nhất, đường rẻ nhất…) trong hệ raster. Trước tiên, chức năng lan truyền được dùng để tạo ra ma trận trong đó khoảng cách ngắn nhất từ điểm xuất phát được chỉ ra. Để tìm đường ngắn nhất từ bất kỳ điểm nào trong ma trận đến điểm xuất phát, chức năng “dòng” được thực hiện. Luật chơi là sự chuyển động từ một vị trí nào đó về hướng ô lân cận có giá trị thấp hơn (xem Hình III.40). Khi lớp thông tin khoảng cách

được xây dựng xa điểm xuất phát, chức năng dòng cần phải kết thúc tại chính điểm đó và vạch ra đường đi ngắn nhất (Aronoff, 1989).

Hình IV.40: Sử dụng “chức năng tìm kiếm” để xác định tuyến đường tối ưuIV. Phân tích dữ liệu tổ hợp

Để tiến hành một phân tích không gian, điển hình là tổ hợp các chức năng không gian được chọn được dùng để đạt lời giải thỏa đáng về các câu hỏi không gian và các vấn đề trong tầm tay. Phân tích tổ hợp dữ liệu có thể tương đối phức tạp vì vậy điều có lợi là cần phải nắm bắt được các bước sau:

- Đặt vấn đề;- Tiến hành phân tích thuộc tính và hình học cần thiết để có thể giải quyết vấn

đề;- Đánh giá kết quả;- Xác định lại và phát hiện các phân tích mới nếu cần thiết.

Bước khó nhất trong phân tích không gian là xác định vấn đề và xác định các cách tiếp cận giải quyết vấn đề. Thông thường điều cần thiết là phân tích tất cả các mặt của vấn đề nhằm có được giải pháp giải quyết. Để thực hiện phân tích, sự lựa chọn chỉ tiêu trong nghiên cứu cần được xác định hết sức thận trọng. Những tiềm năng và hạn chế của dữ liệu gốc cần phải được xem xét, bởi vì sự phân tích rất phụ thuộc vào giá trị của dữ liệu trong cơ sở dữ liệu và chất lượng của mô hình dữ liệu (Bernhardsen, 1999).

Bước thứ hai trong phân tích không gian là phân tích dữ liệu bằng việc sử dụng các chức năng không gian đã có trong HTTĐL. Để phân tích các tiêu chuẩn khác nhau đã được định ra trên bước thứ nhất, mô hình được thiết lập để cho ra lời giải. Cho mọi chỉ tiêu, tập hợp các thao tác được chọn để phân tích chúng. Mô hình có thể biểu diễn theo sơ đồ của các bước HTTĐL (United Nations, 1996).

Việc xem xét lại kết quả trên phương diện phê bình là cực kỳ quan trọng. Kết quả phải luôn luôn được đánh giá liên quan đến nội dung và độ chính xác. Những câu hổi luôn đặt ra trong đầu là “các kết quả có giống thực tế không, chúng có ý nghĩa không”. Đánh giá có thể thực hiện bằng việc sử dụng bản đồ và các báo cáo được viết. Còn có các quá trình đặc trưng cho việc đánh giá (Bernhardsen, 1999).Trong trường hợp kết quả không được chấp nhận thì phân tích cần được xem xét lại và được hoàn thiện. Nhiều yếu tố khác nhau có thể gây ra kết quả này: tiêu chuẩn đặt ra không tốt, tài liệu gốc chưa đủ chính xác, các chức năng chọn để phân tích các tiêu chuẩn chưa được tốt,…Để đạt được kết quả chấp nhận được thì các tiêu chuẩn đặt ra cần thiết

được thay đổi và bắt buộc phải có những dữ liệu mới hoặc những phân tích mới. Ở đây rõ ràng rằng HTTĐL là một công cụ hữu hiệu, bởi vì nó xử lý một số lượng dữ liệu lớn và thực hiện các phép tính phức tạp một cách nhanh chóng. Nó cho phép dễ dàng kiểm tra sự lựa chọn và so sánh các kết quả. Bước 2 và bước 3 cần được lặp lại cho đến khi nào đạt kết quả chính xác và có giá trị tin cậy