11. Phân tích không gian nâng cao

Phân tích zonal statistics, nội suy, tính diện tích từ dữ liệu raster.

Zonal statistics

• Zonal statistics là một kỹ thuật phân tích trong GIS dùng để tính toán các giá trị thống kê của một lớp raster dựa trên các vùng (zone) xác định từ lớp vector hoặc raster khác. Đây là công cụ rất hữu ích khi bạn cần tóm tắt thông tin raster theo khu vực hành chính, vùng địa lý, hoặc phân loại đất.

• Các thống kê phổ biến:

  Thống kê	Ý nghĩa
  Mean (trung bình)	Giá trị trung bình trong vùng
  Sum (tổng)	Tổng giá trị các pixel trong vùng
  Count	Số lượng pixel hợp lệ
  Min / Max	Giá trị nhỏ nhất / lớn nhất
  Standard deviation (std)	Độ lệch chuẩn
  Majority / Minority	Giá trị xuất hiện nhiều nhất / ít nhất
  Median	Trung vị
  Range	Khoảng biến thiên (Max - Min)

• Ví dụ ứng dụng thực tế:

Thực hành: tính dân số cấp tỉnh năm 2020 dựa trên dữ liệu raster

Dữ liệu thực hành

• Ranh giới hành chính cấp tỉnh (trước sáp nhập 7/2025): provincial level boundary (gadm41_VNM_1.shp) ở trong file *.zip (9 MB) này: https://geodata.ucdavis.edu/gadm/gadm4.1/shp/gadm41_VNM_shp.zip
• Dữ liệu dân số (population count per pixel) từ WorldPop unconstrained (163 MB). Giá trị pixel là tổng số người được đếm trong phạm vi mỗi pixel: https://data.worldpop.org/GIS/Population/Global_2000_2020/2020/VNM/vnm_ppp_2020_UNadj.tif
  Các bạn có thể dùng các dữ liệu dân số khác đã học ở Bài 10

Các bước tiến hành

• Mở các lớp vnm_ppp_2020_UNadj.tif và gadm41_VNM_1.shp.
• Dùng Processing Toolbox: Gõ chữ “zonal statistics” vào ô search ở Processing Toolbox panel bên phía tay phải.
• Xác lập các tham số như ảnh dưới
  • Input layer: gadm41_VNM_1.shp
  • Raster layer: vnm_ppp_2020_UNadj.tif
  • Statistics to calculate: như đã đề cập về dữ liệu WorldPop, giá trị mỗi pixel là số người sống trên pixel đó. Mục tiêu của chúng ta là tính tổng dân số trong mỗi phạm vi tỉnh. Do đó, chúng ta cần chọn tham số thống kê là tổng (Sum) để ra lệnh cho QGIS tính tổng giá trị tất cả các pixel trong phạm vi mỗi polygon của lớp gadm41_VNM_1.shp.
  • Đặt tên cho file đầu ra.

    

Thực hành / Homework: Tính dân số cấp tỉnh sử dụng các dữ liệu dân số raster phổ biến khác

1. Download dữ liệu dân số năm 2020 từ các nguồn sau:
   • Facebook HRPD, 30m
   • GHS-POP, 250m
2. Join bảng thuộc tính của gadm41_VNM_1.shp với dữ liệu thống kê dân số 2020 cung cấp bởi Cục thống kê (GSO)
3. Chụp ảnh màn hình bảng thuộc tính của gadm41_VNM_1.shp sau khi đã tính số liệu dân số từ 3 nguồn WorldPop, Facebook HRPD, GHS-POP và liên kết với số liệu thống kê từ GSO.
4. Nguồn dữ liệu nào có kết quả gần với số liệu thống kê nhất?

Nội suy

Khái niệm nội suy

• Nội suy (Interpolation) là một kỹ thuật dùng để ước lượng giá trị tại các vị trí chưa có dữ liệu dựa trên các điểm dữ liệu đã biết.
• Về khía cạnh địa không gian, nội suy là quá trình tạo ra một bề mặt liên tục (thường là raster) từ một tập hợp các điểm có giá trị thuộc tính đã biết (thường là shapefile dạng điểm).
• Ví dụ: từ 100 trạm quan trắc mưa rải rác, bạn muốn tạo bản đồ lượng mưa liên tục trên toàn vùng.
• Ứng dụng của nội suy:

  Lĩnh vực	Ứng dụng nội suy
  Khí tượng	Tạo bản đồ nhiệt độ, lượng mưa
  Địa chất - Thủy văn	Độ mặn, mức nước ngầm, ô nhiễm đất
  Địa hình - DEM	Tạo mô hình địa hình từ điểm độ cao
  Môi trường	Chất lượng không khí, NO₂, bụi mịn…
  Nông nghiệp	Độ ẩm đất, pH đất, năng suất

Các phương pháp nội suy

Lưu ý khi sử dụng nội suy

• Số lượng và phân bố điểm đầu vào ảnh hưởng rất lớn đến kết quả.
• Không nên nội suy cho khu vực quá xa các điểm đo (vì sai số cao).
• Một số phương pháp (như Kriging) cần hiểu thống kê không gian để áp dụng đúng.

Thực hành: Nội suy sự phân bố xâm nhập mặn tại đồng bằng sông Cửu Long năm 2021

• Xâm nhập mặn (saline intrusion) là hiện tượng nước mặn (nồng độ muối từ 4‰) từ biển xâm nhập sâu vào nội địa theo các sông, kênh rạch, làm tăng độ mặn của nước mặt và nước ngầm, gây ảnh hưởng đến nông nghiệp, nước sinh hoạt và hệ sinh thái.

• Hậu quả của xâm nhập mặn

  Lĩnh vực	Tác động
  🌾 Nông nghiệp	Giảm năng suất lúa, trái cây chết, đất bị mặn hóa
  💧 Nước sinh hoạt	Thiếu nước ngọt, nhiều vùng phải dùng nước mặn lợ
  🐟 Thủy sản	Ảnh hưởng môi trường nuôi cá, tôm nước ngọt
  🌱 Hệ sinh thái	Thay đổi cấu trúc rừng ngập mặn, vùng đất ngập nước

Dữ liệu thực hành

• Dữ liệu từ một số trạm đo mặn ở ĐBSCL, nguồn OpenDevelopmentMekong Vietnam: Saline Intrusion in the Southern Region, Vietnam in 2021 and in 2022

• Tuy nhiên, dữ liệu này là dữ liệu csv phi không gian. Không có tọa độ vị trí của trạm đo mặn. Chúng ta cần lấy vị trí của các trạm đo mặn ở văn bản sau: Quyết định số 289/QĐ-TTg của Thủ tướng Chính phủ: Phê duyệt Quy hoạch mạng lưới trạm khí tượng thủy văn quốc gia thời kỳ 2021 - 2030, tầm nhìn đến năm 2050

• Đây là dữ liệu mặn sau khi tích hợp vị trí tọa độ trạm đo mặn, có thêm 2 cột tọa độ X và Y:

  

• Ranh giới đất liền của khu vực ĐBSCL (không bao gồm các đảo, quần đảo): download

Các bước thực hành nội suy

• Dữ liệu Saline Intrusion in the Southern Region, Vietnam in 2021 and in 2022 bao gồm giá trị đo xâm nhập mặn 10 ngày một lần đo, từ tháng 1 đến tháng 3 của 2 năm 2021 và 2022. Trong bài thực hành này chỉ sử dụng dữ liệu của năm 2021 như ảnh trên đã trình bày.

• Mở dữ liệu xâm nhập mặn đã tích hợp tọa độ trạm đo bằng cách Add Delimited Text như đã thực hành ở Bài 2.

• Lưu lớp vị trí trạm thành file shp tên là: salinization_2021.shp.
  

  

• Chúng ta sẽ dùng công cụ IDW Interpolation để nội suy phân bố xâm nhập mặn 10 ngày cuối tháng 3 năm 2021, tức là cần chọn trường 21/03 - 31. Từ Processing Toolbox, gọi IDW Interpolation. Xác lập các tham số như ảnh:

  • Cần ấn nút dấu + để hộp bên dưới ghi nhận Vector layer và Interpolation attribute
  • Tham số Distance coefficient P: kiểm soát mức độ ảnh hưởng của các điểm gần và xa tới giá trị nội suy. Để giá trị mặc định.

  Giá trị P	Ảnh hưởng
  P = 1	Trọng số giảm chậm theo khoảng cách. Các điểm xa vẫn có ảnh hưởng đáng kể. Bề mặt mượt.
  P = 2	Thường dùng mặc định. Trọng số giảm mạnh hơn. Các điểm gần có ảnh hưởng rõ rệt hơn.
  P > 2	Trọng số giảm rất nhanh. Chỉ các điểm gần mới có ảnh hưởng lớn. Bề mặt trở nên nhấp nhô, “nhiễu” hơn.
  P → ∞	Chỉ điểm gần nhất có ảnh hưởng → gần giống nearest neighbor.

  • Extent: Chọn extent của lớp diện tích đất liền ĐBSCL.
  • Output raster size: để pixel size khoảng 250m.

• Clip raster nội suy theo file ranh giới đất liền ĐBSCL bằng Clip Raster by Mask Layer:

• Tạo contour để dễ phân tích kết quả. Sử dụng công cụ Contour Polygons:

  

• Kết quả chạy contour polygon. Ở những nơi không có dữ liệu, thì kết quả nội suy không đảm bảo sự chính xác. Ví dụ: trên thực tế, những vùng sâu trong đất liền như hightlight trên ảnh không bị xâm nhập mặn, tuy nhiên kết quả nội suy vẫn cho thấy giá trị xâm nhập mặn của vùng này ở mức 8-12 ‰. Do đó, khi số lượng dữ liệu hạn chế, kết quả nội suy cần phải được so sánh đối chiếu với các nguồn khác và cần được hiệu chỉnh bởi kiến thức chuyên gia.

  

  

Tính diện tích dựa trên dữ liệu raster

• Nhiều ứng dụng yêu cầu định lượng các diện tích sử dụng đất trong một khu vực. Các bộ dữ liệu sử dụng đất / thảm phủ mặt đất (LULC) được định dạng dưới dạng raster, trong đó mỗi pixel được gán một giá trị lớp. Các nhà phân tích GIS thường cần tạo báo cáo dựa trên dữ liệu này bằng cách tính diện tích theo lớp trong một khu vực nhất định. QGIS đi kèm với nhiều công cụ tích hợp để phục vụ mục đích này.

• Phần này sẽ hướng dẫn cách tính diện tích các loại thảm phủ đất dựa trên QGIS ở phạm vi xã Định Hóa, Thái Nguyên (sau sáp nhập). Đây cũng là địa phương đã được lựa chọn để thực hành Bài 3 (hồ Bảo Linh).

Dữ liệu thực hành

• Truy cập trang cung cấp dữ liệu thảm phủ đất ESA Worldcover. Download mảnh dữ liệu ESA_WorldCover_10m_2021_v200_N21E105.tif theo hướng dẫn ở Bài 10.

• Downnload ranh giới xã Định Hóa, Thái Nguyên sau sáp nhập ở https://gis.vn/ban-do-hanh-chinh-viet-nam. Có thể download nhanh ở link này. Chú ý: nguồn dữ liệu bản đồ hành chính này không phải được cung cấp từ cơ quan chức năng có thẩm quyền, do đó chỉ nên dùng với tính chất tham khảo.

Các bước thực hành

• Clip dữ liệu theo ranh giới huyện Định Hóa bằng Clip Raster by Mask Layer, lưu file output là DinhHoa_LULC_.tif:

  

  

• Hiện tại, hệ tham chiếu tọa độ CRS của DinhHoa_LULC_.tif là EPSG:4326, đơn vị của CRS này là độ nên không phù hợp cho việc tính diện tích. Để việc tính diện tích được thực hiện đúng đắn, ta cần chuyển hệ tọa độ cho file DinhHoa_LULC.tif thành EPSG:3405 (VN-2000) bằng công cụ Warp (Reproject), lưu file ở tên mới DinhHoa_LULC_3405.tif :

  

• Sử dụng công cụ Raster layer Unique values report, lưu Unique values table ở dạng *.gpkg với tên file là report.gpkg:

  

  

• Đổi trường value từ code LULC thành tên các loại hình sử dụng đất: mở Field Calculator và điền đoạn mã sau vào ô Expression:

CASE  
WHEN "value" = 10 THEN 'Tree cover'  
WHEN "value" = 20 THEN 'Shrubland'  
WHEN "value" = 30 THEN 'Grassland'  
WHEN "value" = 40 THEN 'Cropland'  
WHEN "value" = 50 THEN 'Built-up'  
WHEN "value" = 60 THEN 'Bare / sparse vegetation'  
WHEN "value" = 70 THEN 'Snow and Ice'  
WHEN "value" = 80 THEN 'Permanent water bodies'  
WHEN "value" = 90 THEN 'Herbaceous wetland'  
WHEN "value" = 95 THEN 'Mangroves'  
WHEN "value" = 100 THEN 'Moss and lichen'  
END

• Cuối cùng, đổi diện tích m2 thành diện tích tính theo ha, sử dụng Field Calculator: