Tài liệu Báo cáo " TÍCH HỢP GIS VÀ PHÂN TÍCH QUYẾT ĐỊNH NHÓM ĐA MỤC TIÊU MỜ TRONG QUY HOẠCH SỬ DỤNG ĐẤT NÔNG NGHIỆP " doc

TÍCH HỢP GIS VÀ PHÂN TÍCH QUYẾT ĐỊNH NHÓM ĐA MỤC TIÊU MỜ TRONG QUY HOẠCH SỬ DỤNG ĐẤT NÔNG NGHIỆP THE INTEGRATION OF GIS AND FUZZY MULTI-OBJECTIVE GROUP DECISION ANALYSIS FOR AGRICULTUR

TÍCH HỢP GIS VÀ PHÂN TÍCH QUYẾT ĐỊNH NHÓM ĐA MỤC TIÊU MỜ TRONG QUY HOẠCH SỬ DỤNG ĐẤT NÔNG NGHIỆP

(THE INTEGRATION OF GIS AND FUZZY MULTI-OBJECTIVE GROUP DECISION

ANALYSIS FOR AGRICULTURAL LAND-USE PLANNING)

Lê Cảnh Định (*) , Trần Trọng Đức (**)

(*) Phân viện Quy hoạch và Thiết kế Nông nghiệp (miền Nam)

(**) Trường Đại học Bách khoa - ĐH Quốc gia Tp Hồ Chí Minh

Abstract: The decision makers are facing with the multi-objective optimization problem in

allocation of land-use planning - economic efficiency, employment, and environment - in agricultural land-use planning In this research, a model of integration of GIS and FMOGDA

is built to solve multi-objective optimization in the allocation of agricultural land-use This model is applied Lam Dong province In which, the first, GIS is used to evaluate land suitability, the result is a proposal map of land use; Then, based on the proposed land-use and development requirements of socio-economic, the fuzzy multi-objective programming (FMOLP) is formulated with three objectives: maximize gross margin (Z1), maximize employment (Z2), maximize land cover in order to reduce soil erosion (Z3) The FMOLP is solved by the interactive fuzzy satisficing method (Sakawa, 2002) with FAHP-GDM to support

to determine the weights of objectives in the group decision making environment A result of selected land-use plans optimized to meet the requirements of socioeconomic development and protected environment of Lam Dong province

Keywords: GIS, Fuzzy multi-objective linear programming (FMOLP), fuzzy AHP-group, allocation of land-use, spatial land-use planning

1 MỞ ĐẦU

Bố trí sử dụng đất nông nghiệp là một trong những nội dung quan trọng trong quy hoạch phát triển nông nghiệp - nông thôn, nó thường thực hiện dựa trên kết quả đánh giá khả năng thích nghi đất đai (FAO, 1976, 1993b, 2007)

Khó khăn gặp phải trong quá trình bố trí sử dụng đất là bố trí mỗi loại đất với diện tích bao nhiêu để cho phương án sử dụng đất đáp ứng đồng thời nhiều mục tiêu về phát triển kinh

tế, xã hội và bảo vệ môi trường Do vậy, bài toán bố trí sử dụng đất nông nghiệp là bài toán tối ưu đa mục tiêu (multi-objective programming: MOP)

Bài toán MOP (k mục tiêu, k∈Z+ và k ≥ 2) có nhiều cách tiếp cận để giải quyết: (i)

Tiếp cận một mục tiêu: Tối ưu hóa 1 mục tiêu quan trọng nhất và biến đổi (k-1) mục tiêu còn

lại thành hệ ràng buộc, cách tiếp cận này đôi khi không nhận được lời giải khả thi (Burke và

Kendall, 2005); (ii) Tiếp cận đa mục tiêu: Biến đổi bài toán tối ưu k mục tiêu thành bài toán

tối ưu 1 mục tiêu thông qua trọng số các mục tiêu, cách tiếp cận này khá thích hợp cho việc tìm phương án tối ưu (Abdelaziz, 2007) Như vậy, việc giải bài toán MOP liên quan đến hai

kỹ thuật chính: (i) biểu diễn mức độ thỏa dụng của hàm mục tiêu và (ii) xác định trọng số các

mục tiêu

− Đối với việc biểu diễn mức độ thỏa dụng các hàm mục tiêu: Phương pháp tương tác

thỏa hiệp mờ rất phù hợp cho giải bài toán MOP (Sakawa, 2002), trong đó các mục

tiêu được chuyển sang biểu diễn dưới dạng mờ với đơn vị thống nhất là hàm thuộc (μk(Zk) ∈[0,1]) đo độ thỏa dụng của người quyết định (DM) đối với các mục tiêu

− Đối với việc xác định trọng số các mục tiêu: Kỹ thuật phân tích thứ bậc (AHP) (Saaty,

1980) như là giải pháp kỹ thuật hỗ trợ DM xác định trọng số các mục tiêu (Lê Cảnh Định và Trần Trọng Đức, 2009) Trong đó, người đánh giá sử dụng các số chính xác

aij = 1/aji ∈ [1/9,1] ∪ [1,9] để so sánh mức độ quan trọng của từng cặp mục tiêu (i, j) Tuy nhiên, do sự mơ hồ và không chắc chắn của người đánh giá, nên kết quả đánh giá

chưa đủ và chưa chính xác để ra quyết định (Chen et al., 2011) Để khắc phục hạn chế

của AHP gốc trong môi trường rõ (original crisp AHP), nhiều nghiên cứu đề xuất giải pháp kết hợp hai kỹ thuật AHP và logic mờ (FAHP) trong so sánh cặp, cho phép mô tả chính xác hơn trong quá trình ra quyết định (L.C Định và T.T Đức, 2011) Thêm nữa, trong quá trình ra quyết định chọn phương án sử dụng đất, thường có nhiều người tham gia, do vậy trong nghiên cứu này giới thiệu mô hình xác định trọng số các mục tiêu mờ trong ra quyết định nhóm (fuzzy AHP- group decision making: FAHP-GDM)

hỗ trợ DM xác định vector trọng số trong giải bài toán MOP bằng phương pháp tương tác thỏa hiệp mờ

Mô hình tích hợp GIS và phân tích quyết định nhóm đa mục tiêu mờ (fuzzy multi-objective group decision analysis: FMOGDA), trong đó: GIS đóng vai trò phân tích không gian (xây dựng bản đồ đơn vị đất đai, đánh giá thích nghi đất đai, mô phỏng bản đồ quy hoạch…); FMOGDA với kỹ thuật tối ưu mờ nhóm (mờ hóa và biểu diễn mức độ thỏa dụng của hàm mục tiêu và xác định trọng số các mục tiêu bằng kỹ thuật FAHP-GDM), khả năng hiệp lực giữa hai lĩnh vực GIS và FMOGDA tạo ra công cụ thật sự hữu ích trong phân tích ra quyết định nhóm đa mục tiêu bán cấu trúc không gian (spatial MOGDA) như quy hoạch sử dụng đất

2 THUẬT TOÁN TƯƠNG TÁC THỎA HIỆP MỜ

2.1 Mô tả bài toán tối ưu đa mục tiêu: Mô hình MOLP được mô tả như sau:

Z x Z x Z x

Z( )=( 1( ), 2( ),K ( ))

Hệ ràng buộc (subject to): x∈D={x∈R n|Ax≤B,x≥ 0},

Trong đó: + Zi(x) là các mục tiêu, Zi(x) = Cix với Ci = (Ci1, Ci2,…, Cin)T , i=1,2,…,k; + A ma trận cấp m x n; B là ma trận cấp 1x m; D là miền ràng buộc

+ x là biến quyết định (là diện tích các hệ thống sử dụng đất)

2.2 Thuật giải:

Bài toán MOLP được giải bằng phương pháp tương tác thỏa hiệp mờ (Interactive fuzzy satisficing method) với thuật giải như hình 1:

(i) Giải bài toán quy hoạch tuyến tính cho từng mục tiêu trên miền ràng buộc D; tính giá

trị hàm mục tiêu tại các phương án (Z1, ,…, Zk); xác định hàm thỏa hiệp mờ cho từng mục tiêu (µ1(Z1), µ2(Z2),…, µk(Zk))

2.3 AHP mờ trong ra quyết định nhóm (FAHP-GDM):

(1) Lựa chọn phương pháp AHP mờ (FAHP): Theo Kahraman (2008), hiện nay có

các phương pháp FAHP cơ bản thu hút nhiều nhà nghiên cứu: Phương pháp của V Laarhoven, Pedrycz (1983) và Buckley (1985) có yêu cầu tính toán rất lớn ngay cả đối với vấn đề rất nhỏ; Phương pháp Cheng (1996) dựa trên cả hai phương pháp tính xác suất (probability) và khả năng (possibility) nên rất khó xác định; Phương pháp Chang (1996): yêu cầu tính toán tương đối thấp và trình tự thực hiện giống như phương pháp AHP trong môi

trường rõ Do vậy, trong nghiên cứu này chọn phương pháp FAHP (Chang, 1996) để xác định

trọng số các tiêu chuẩn trong đánh giá đất đai

(2) Biến ngôn ngữ và giá trị mờ của biến ngôn ngữ trong so sánh cặp: Theo Onut,

Efendigil và Kara (2010), mối quan hệ giữa các biến ngôn ngữ mô tả mức độ quan trọng giữa

2 tiêu chuẩn [giá trị so sánh rõ, Saaty(1980)] với giá trị mờ của biến ngôn ngữ (các số mờ tam giác) trong so sánh cặp thể hiện như bảng 1

- Giải bài toán cho từng mục tiêu với

tập ràng buộc D,

- Tính Z 1 , Z2,… , Zk

- Tính độ thuộc µ 1 (Z1),…, µk(Zk)

- DM xác định trọng số [w 1 ,…w k ],

- U = w 1 µ 1 (Z 1 )+…+ w k µ k (Z k ),

- Giải bài toán max (u) với tập ràng

buộc D, tìm tập nghiệm X

DM thỏa mãn tập nghiệm X * ?

End

Begin

No

Yes

Hình 1: Thuật giải tương tác thỏa hiệp

mờ (M.Sakawa, 2002)

Chọn phương án X *

- (ii) Xác định mức độ ưu tiên cho các

mục tiêu (trọng số [w1, w2,…wk]) Sakawa

(2002) không đưa ra kỹ thuật xác định vector trọng số, trong quá trình ứng dụng vào thực tiễn quy hoạch sử dụng đất, nghiên cứu này

đề xuất kỹ thuật FAHP-GDM trong xác định [w k ] như mục 2.3

(iii) Lập hàm mục tiêu tổng hợp:

max )

(

) ( )

(1 2 2 2

1

=w z w z w k k z k

(iv) Giải bài toán quy hoạch tuyến tính với hàm mục tiêu tổng hợp trên miền ràng buộc

D, tìm phương án tối ưu X*

- Nếu DM chưa thỏa mãn với X* thì quay về bước (ii)

- Nếu X* thỏa mãn mong muốn của DM thì

X* là phương án chọn

Bảng 1: Biến ngôn ngữ và giá trị mờ của biến ngôn ngữ trong so sánh cặp

Giá trị so sánh

rõ

(Saaty,1980)

Biến ngôn ngữ mô tả mức độ quan trọng (giữa 2 tiêu chuẩn)

Số mờ tam giác

(l, m, u)

Nghịch đảo

số mờ tam giác

(1/u, 1/m, 1/l)

Chỉ bằng nhau (just equal) (1, 1, 1) (1, 1, 1)

1 Quan trọng bằng nhau

(equal importance) (1, 1, 2) (1/2, 1, 1)

3 Quan trọng yếu

(weak importance) (2, 3, 4) (1/4, 1/3, 1/2)

5 Quan trọng mạnh

(essential or strong importance) (4, 5, 6) (1/6, 1/5, 1/4)

7 Quan trọng rất mạnh

(very strong importance) (6, 7, 8) (1/8, 1/7, 1/6)

9 Vô cùng quan trọng

(extremely preferred) (8, 9, 9) (1/9, 1/9, 1/8) 2,4,6,8 Mức trung gian giữa các mức nêu trên (x-1, x, x+1);

x=2,4,6,8

(1/(x+1), 1/x, 1/(x-1));

x=2,4,6,8

Nguồn: Onut, Efendigil và Kara (2010)

(3) Phương pháp FAHP-GDM:

Giả sử có tập đối tượng X ={x1, x2, … xn} và tập mục tiêu U ={u1, u2,…, um}

) , , 2 , 1

; , ,

2

,

1

M j

gi = = là số mờ tam giác thể hiện mức độ ảnh hưởng của đối tượng xi

đối với mục tiêu uj

Số mờ a~ijk =(l ijk,m ijk,u ijk) là kết quả đánh giá mờ của chuyên gia k về mức độ ảnh hưởng của đối tượng xi với mục tiêu uj; Với lijk ≤ mijk ≤ uijk và lijk, mijk, uijk ∈ [1/9,1]∪[1,9]

Tổng hợp kết quả đánh giá của k chuyên gia (Jaskowski et al., 2010):

), , , (

~

ij ij ij

A = với: Lij = min (lijk),

n n

k ijk

M

/ 1

1 ⎟⎟

⎠

⎞

⎜⎜

⎝

⎛

=

, Uij = max(uijk)

Sau khi có ma trận đánh giá tổng hợp mờ của nhóm k chuyên gia (A , sử dụng thuật ~ij)

toán FAHP (Chang, 1996) và được chi tiết bởi Kahraman (2008), để tính trọng số các tiêu

chuẩn, bao gồm các bước như sau:

Bước 1: Tổng hợp mức độ ảnh hưởng mờ của đối tượng i:

∑ ∑∑

=

−

⎦

⎤

⎢

⎣

⎡

⊗

= m

j

n i m j

j gi j

gi

i M M

S

1

1

1 1

(1); Trong đó:

∑ ∑ ∑ ∑

=

m

j

m j m j m j j j j j

gi l m u

M

) , ,

= =

= n

i n i n i i i i n

i m j

j

gi l m u M

1 1

) , ,

Nghịch đảo số mờ (3):

⎟

⎟

⎟

⎟

⎠

⎞

⎜

⎜

⎜

⎜

⎝

⎛

=

⎥

⎦

⎤

⎢

⎣

⎡

∑

∑

∑

∑∑

=

=

=

−

i i n

i i n

i i

n

i

m

j

j gi

l m u M

1 1 1

1

1 1

1 ,

1 ,

Bước 2: So sánh cặp số mờ M 2 (l 2 ,m 2 ,u 2 ) ≥ M 1 (l 1 ,m 1 ,u 1 ) được xác định như sau:

))]

( ), ( [min(

sup )

1 x y M

M

x y

μ μ

≥

=

⇔

⎪

⎪

⎪

⎩

⎪⎪

⎪

⎨

⎧

−

−

−

−

≥

≥

=

=

∩

=

≥

, ) (

) (

:

, 0

, 1 ) ( )

( ) (

1 1 2 2

2 1

2 1

1 2

2 1 1

l m u m

u l else

u l if

m m if d

M M hgt M

M

Trong đó d là độ cao của các hàm thuộc μM1,μM2 của hai số mờ M1 và M2 Khi so sánh

hai số mờ M1 và M2 thì so sánh cả V(M2 ≥ M1) và V(M2 ≤ M1)

Bước 3: So sánh số mờ M với k số mờ khác

V(M ≥ M1, M2, …, Mk) = V[(M≥ M1) and (M≥ M2) and…and (M≥ Mk)]

= minV(M≥ Mi), với i=1,2,…, k;

Đặt d’(Ai)= minV(Si ≥ Sk), với i=1, , n; k=1,2,…, n; k ≠ i;

[W’] = [d’(A1), d’(A2),…, d’(An)]T,

Bước 4: Chuẩn hóa vector [W’] được vector trọng số [W] cần tìm,

[W]= [d(A1), d(A2),…, d(An)]T, [W] là số rõ (nonfuzzy number)

3 ỨNG DỤNG GIẢI BÀI TOÁN BỐ TRÍ SỬ DỤNG ĐẤT

Khu vực nghiên cứu là tỉnh Lâm Đồng Trên địa bàn Lâm Đồng chọn 7 loại hình sử

dụng đất (LUT) chính để đưa vào đánh giá thích nghi và bố trí sử dụng đất: LUT1 (2 vụ lúa),

LUT2 (1 vụ lúa), LUT3 (Chuyên màu), LUT4 (Rau - hoa), LUT5 (Cà phê), LUT6 (Chè),

LUT7 (Điều)

Bước 1: Ứng dụng GIS đánh giá thích nghi đất đai tỉnh Lâm Đồng, kết quả được bản đồ

đề xuất sử dụng đất bền vững với thuộc tính như bảng 2

Bảng 2: Đề xuất sử dụng đất nông nghiệp bền vững

Vùng

thích

nghi

Đơn vị

đất đai

LMU

LUT1 Lúa 2

vụ

LUT2 Lúa 1

vụ

LUT

3 Màu

LUT4 Rau-hoa

LUT5

Cà phê

LUT6 Chè

LUT7 Điều

D.tích T.nhiên (ha)

Phân định N.Nghiệp (ha)

6

14, 15, 16, 17, 18, 20,

21, 22, 23, 24, 25, 26,

27, 30, 31, 33, 34, 42,

43, 44, 47, 48, 56, 57,

58, 64, 65, 73, 74, 87,

88, 92

N N S3 S1 S1 S1 N 260.126 136.427

Vùng

thích

nghi

Đơn vị

đất đai

LMU

LUT1 Lúa 2

vụ

LUT2 Lúa 1

vụ

LUT

3 Màu

LUT4 Rau-hoa

LUT5

Cà phê

LUT6 Chè

LUT7 Điều

D.tích T.nhiên (ha)

Phân định N.Nghiệp (ha)

7 37, 38, 50, 51, 52, 71, 9, 10, 11, 28, 32, 36,

84, 98

N N S3 N S1 S1 S1 45.321 13.268

8 12, 39, 40, 53, 85 N N N N S1 S1 S1 30.068 7.686

9 75, 82, 89, 93, 99, 101 8, 35, 45, 59, 60, 66, N N N N S1 S1 N 71.842 23.190

11 13, 29, 41, 54, 55, 72, 79, 81, 86 N N N N N N S1 103.699 10.809

12

46, 49, 61, 62, 63, 67,

68, 70, 76, 77, 78, 80,

83, 90, 91, 94, 95, 96,

97, 100, 102, 103, 104

N N N N N N N 362.506 45.581

Ghi chú: S1: rất thích nghi, S2: thích nghi trung bình, S3 ít thích nghi, N: không đề xuất cho sản xuất nông

nghiệp

Bước 2: Xây dựng các điều kiện của bài toán

Lâm Đồng là tỉnh nông nghiệp, cơ cấu giá trị sản xuất khu vực I (ngành nông- lâm

nghiệp và thuỷ sản) chiếm 48,5% tổng giá trị sản xuất toàn Tỉnh Ngành nông nghiệp chiếm

97,5% giá trị sản xuất khu vực I, trong đó giá trị sản xuất ngành trồng trọt chiếm 79,5%

(UBND tỉnh Lâm Đồng, 2010) Lao động nông nghiệp chiếm khoảng 71% lao động xã hội,

thời gian lao động nhàn rỗi trong năm ở khu vực nông thôn chiếm khoảng 30% (dự kiến sẽ

giảm xuống còn 18-20% sau năm 2015) Vậy quy hoạch sử dụng đất nông nghiệp phải tập

trung nâng cao hiệu quả kinh tế, giải quyết việc làm cho lao động nông nghiệp và hạn chế đến

mức thấp nhất tác động xấu của sản xuất nông nghiệp đến môi trường Cụ thể, phương án sử

dụng đất nông nghiệp thỏa mãn đồng thời các mục tiêu: Tối đa lãi thuần (Z1), tối đa nhu cầu

lao động (Z2), tối đa độ che phủ (Z3) nhằm giảm đến mức thấp nhất hiện tượng rửa trôi và

xói mòn đất Dựa vào các yêu cầu trên, bài toán tối ưu đa mục tiêu tuyến tính (MOLP) được

cài đặt như sau:

(1) Hàm mục tiêu:

Gọi Xij là diện tích LUTj (j=1,…,7) trên LMUi (i =1,…,104), Xij ≥ 0, Xij∈Z,

Gọi GMij là lãi thuần/1ha khi sản xuất LUTj trên LMUi,

Gọi LBij là nhu cầu công lao động/1ha cho sản xuất LUTj trên LMUi,

Gọi CVij là hệ số che phủ khi sản xuất LUTj trên LMUi

Các tham số lãi thuần (GM), nhu cầu lao động (LB) được xác định trong quá trình đánh

giá thích nghi kinh tế (Lê Cảnh Định, 2010), riêng tham số về độ che phủ (CV) tính theo quy

định của bộ NN&PTNT (cây hàng năm: CV= 0; cây điều: CV=1; cây cà phê và cây chè thì

CV=0,7) Trên cơ sở đó, các hàm mục tiêu được cài đặt như sau:

Mục tiêu tối đa lãi thuần (Z1): ∑∑

= =

→

104

1

7

1

max

X GM

Mục tiêu tối đa nhu cầu lao động (Z2): ∑∑

= =

→

104

1

7

1

max

ij

ij X LB

Mục tiêu tối đa độ che phủ (Z3): ∑∑

= =

→

104

1

7

5

max

X CV

(2) Các hệ ràng buộc:

+ Ràng buộc về tài nguyên đất: Tổng diện tích vùng thích nghi (bảng 2):

104 , , 1 ,

7

1

=

≤

∑

=

i

S

j

ij , trong đó: Si là diện tích được phân định cho sản xuất nông nghiệp

trên LMUi (i=1,…, 104) Ví dụ: vùng thích nghi 1 (LMU3), tổng diện tích bố trí cho các LUT

nhỏ hơn 8.273ha, hay 7 8.273, 3;

1

=

≤

∑

=

i X

+ Ràng buộc về yêu cầu phát triển (theo định hướng phát triển các LUT):

Diện tích LUT1: 8.000 104 12.000, 1

1

=

≤

≤∑

=

j X

i

1

=

=

∑

=

j X

i ij

(trong quy hoạch bỏ lúa 1 vụ); Diện tích LUT3: 30.000 104 40.000, 3

1

=

≤

≤∑

=

j X

i

LUT4: 410.000 104 20.000,

1

=

≤

≤∑

=

j X

i

ij ; Diện tích LUT5: 110.000 104 150.000, 5

1

=

≤

≤∑

=

j X

i

Diện tích LUT6: 25.000 104 32.000, 6

1

=

≤

≤∑

=

j X

i

7 , 000 15 000

1

=

≤

≤∑

=

j X

i

ij

+ Ràng buộc về lao động nông nghiệp: Tổng lao động nông nghiệp:

∑∑

= =

≤

104

1

7

1

000 230 260 /

ij

ij X

Bước 3: Giải bài toán đa mục tiêu: Ứng dụng thuật giải tương tác thỏa hiệp mờ

(sakawa, 2002) để giải bài toán MOLP, các bước thực hiện như hình 1

(i) Giải bài toán quy hoạch tuyến tính cho từng mục tiêu: Kết quả như bảng 3

Bảng 3: Giá trị hàm mục tiêu của các phương án

Các phương án

Z1:

Lãi thuần (triệu đồng)

Z2:

Nhu cầu lao động (ngày công)

Z3:

Diện tích che phủ (ha)

Z2: Tối đa về nhu cầu lao động 9.860.014.929 59.483.035 117.255

Z3: Tối đa độ che phủ 9.550.924.473 44.965.719 132.513

Các hàm mục tiêu có đơn vị tính khác nhau (đơn vị tính của Z1 là triệu đồng, Z2 là ngày

công lao động, Z3 là ha che phủ), do vậy nên được chuyển sang biểu diễn dưới dạng mờ với

đơn vị thống nhất là hàm thuộc (μk(Zk) ∈[0,1]) đo độ thỏa dụng của DM đối với các mục tiêu,

cách biểu diễn như vậy rất gần gũi với suy nghĩ của DM, do đó sẽ dễ dàng hơn cho DM trong

việc lựa chọn các phương án

(ii) Mức độ ưu tiên các mục tiêu: Phương pháp FAHP-GDM (mục 2.3) như là giải pháp

kỹ thuật hỗ trợ DM xác định trọng số các mục tiêu trong ra quyết định nhóm

(iii) Hàm mục tiêu tổng hợp:

(**) max 257

15

255 117 316

517 14

719 965 44 144

986 537

6

473 924 550

3

2 2

1

1×Z − +w ×Z − +w ×Z − →

w

Trong đó: w1, w2, w3 là trọng số các mục tiêu Z1, Z2, Z3

(iv) Giải bài toán: Việc giải bài toán (**) trên miền ràng buộc ban đầu để tìm phương án

sử dụng đất tối ưu chỉ phụ thuộc vào việc xác định bộ trọng số [w1, w2, w3] của các mục tiêu Z1,

Z2, Z3, ứng với 1 bộ trọng số sẽ có 1 phương án sử dụng đất tối ưu

Trong trường hợp tỉnh Lâm Đồng: Quan điểm phát triển: Kinh tế được ưu tiên phát

triển trên cơ sở đáp ứng được lợi ích của toàn xã hội và hạn chế đến mức thấp nhất tác hại đến

môi trường Như vậy, bố trí sử dụng đất nông nghiệp có 2 kịch bản (scenarios) xếp theo thứ tự

ưu tiên như sau:

− Kịch bản I: Kinh tế (Z1) ≥ Môi trường (Z3) ≥ Xã hội (Z2);

− Kịch bản II: Kinh tế (Z1) ≥ Xã hội (Z2) ≥ Môi trường (Z3)

+ Đối với kịch bản I: Nhóm ra quyết định gồm 9 người, kết quả so sánh cặp mục tiêu

trong môi trường rõ (crisp) như bảng 4

Bảng 4: Giá trị so sánh cặp mục tiêu trong môi trường rõ

Mục tiêu Kết quả đánh giá của Chuyên gia thứ

Tỷ số nhất quán (CR ) 4,6% 9,3% 0,8% 6,9% 9,0% 2,1% 8,1% 3,0% 8,6%

Tiếp theo, mờ hóa các ma trận so sánh cặp rõ (bảng 4) của từng chuyên gia (thang phân

loại mờ như bảng 1) Ví dụ mờ hóa ma tra so sánh cặp của chuyên gia thứ 1:

Bảng 5: Ma trận so sánh rõ Bảng 6: Ma trận so sánh mờ

Z2 1/2 1 1/2 1/3 1/2 1/1 1 1 1 1/3 1/2 1/1

Z3 1/2 2 1 1/3 1/2 1/1 1/1 2/1 3/1 1 1 1

Tương tự, mờ hóa ma trận so sánh của các chuyên gia còn lại Tổng hợp tất cả các ma trận

so sánh mờ của các chuyên gia (Jaskowski et al., 2010), kết quả như bảng 7

Bảng 7: Ma trận tổng hợp mờ

Mục tiêu Kinh tế (Z1) Xã hội (Z2) Môi trường (Z3)

Z1 1 1 1 1/1 37/8 9/1 1/1 31/7 8/1

Cuối cùng, từ bảng ma trận tổng hợp mờ (bảng 7), tính trọng số của các yếu tố, các

bước như sau (xem mục 2.3):

- Bước 1: Tổng hợp mức độ ảnh hưởng mờ của các yếu tố:

SZ1 = (3/1; 10/1; 18/1) (1/27; 6/91; 2/13) = (0,1111; 0,6640; 2,7752)

SZ2 = (4/3; 5/3; 3/1) (1/27; 6/91; 2/13) = (0,0504; 0,1105; 0,4625)

SZ3 = (17/8; 17/5; 6/1) (1/27; 6/91; 2/13) = (0,0787; 0,2255; 0,9251)

- Bước 2: So sánh các cặp số mờ:

V(SZ1 ≥ SZ2) = 1,00; V(SZ1 ≥ SZ3) = 1,00

V(SZ2 ≥ SZ1) = 0,39; V(SZ2 ≥ SZ3) = 0,77

V(SZ3 ≥ SZ1) = 0,65; V(SZ3 ≥ SZ2) = 1,00

- Bước 3: Giá trị nhỏ nhất của mỗi cặp số mờ:

d’(Z1) = MinV(SZ1 ≥ Si) = 1,00; Si = SZ2 , SZ3

d’(Z2)= MinV(SZ2 ≥ Si) = 0,39; Si = SZ1, SZ3

d’(Z3)= MinV(SZ3 ≥ Si) = 0,65; Si = SZ1, SZ2

[W’] = [d’(Z1); d’(Z2); d’(Z3)]T = [1,00; 0,39; 0,65]T

- Bước 4: Chuẩn hóa [W’] được vector trọng số rõ (crisp) cần tìm:

[W] = [wZ1; wZ2; wZ3]T = [0,490; 0,191; 0,319]T

+ Đối với kịch bản II: Kết quả so sánh cặp mục tiêu trong môi trường rõ (crisp) như bảng 8, với phương pháp tương tự, xác định được vector trọng số [wZ1; wZ2; wZ3]T = [0,531; 0,340; 0,129]T

Bảng 8: Giá trị so sánh cặp mục tiêu trong môi trường rõ

Mục tiêu Kết quả đánh giá của Chuyên gia thứ

Môi trường (Z3) Xã hội (Z2) 1 1 1/4 1 1/4 1/3 1/2 1/3 1/3

Tỷ số nhất quán (CR ) 1,6% 0,8% 9,3% 2,1% 9,3% 7,4% 2,1% 7,4% 8,1%

Thế từng bộ trọng số vào bài tốn (**), giải bài tốn (**) với hệ ràng buộc ban đầu, sử dụng phần mềm SALUP (Lê Cảnh Định và ctg, 2010), từ đĩ tìm được diện tích tối ưu các phương án, giá trị hàm mục tiêu tổng hợp U và độ thuộc của từng mục tiêu thể hiện trong bảng 9

Bảng 9: Giá trị hàm mục tiêu tổng hợp của các phương án sử dụng đất

Kịch Bộ trong số [W] U Độ thuộc các mục tiêu

Từ bảng 9 cho thấy: So với kịch bản I, kịch bản II cĩ giá trị hàm mục tiêu tổng hợp cao hơn (U2 =0,825 > U1 =0,785), do vậy chọn kịch bản II

Ứng với kịch bản chọn, diện tích từng loại đất như sau: LUT1 (2 vụ lúa): 8.360ha, LUT2 (1 vụ lúa): khơng sản xuất, LUT3 (Chuyên màu): 30.000ha, LUT4 (Rau - hoa): 20.000ha, LUT5 (Cà phê): 125.875ha, LUT6 (Chè): 32.000, LUT7 (Điều): 15.000ha

Kết nối với phần mềm SALUP (Lê Cảnh Định và ctg, 2010) để mơ phỏng bản đồ quy hoạch sử dụng đất nơng nghiệp tỉnh Lâm Đồng (hình 1)

+ Nhận xét: Cả hai nghiên cứu đều chuyển tồn bộ diện tích lúa 1 vụ sang trồng màu, rau-hoa, diện tích đất màu tương đương nhau Diện tích đất 2 lúa của PA tỉnh cao hơn vì một

số địa phương đề xuất giữ lại diện tích hiện sản xuất lúa 2 vụ (kể cả một số nằm trong lâm phần), cịn mơ hình của nghiên cứu này khơng xem xét phần diện tích ngồi phân định cho sản xuất nơng nghiệp Diện tích chè và cà phê cả hai nghiên cứu đều bằng nhau Cây điều cĩ tính bền vững cao nên được chọn trồng ở các Huyện phía Nam thay thế cho màu và cà phê

+ Tĩm lại: So với PA sử dụng đất của Tỉnh (theo phương pháp truyền thống), PA của nghiên cứu này cĩ các mục tiêu đều tốt hơn (giá trị sản xuất, nhu cầu lao động và độ che phủ cao hơn) nên cĩ tính bền vững cao hơn

Hình 1: Kết quả mơ phỏng bản đồ quy hoạch

bằng phần mềm SALUP

0 20 40 60 80 100 120 140 160 180

LUT1:

2 lúa

LUT2:

1 lúa

LUT3:

Màu

LUT4:

Rau-hoa

LUT5:

Cà phê

LUT6:

Chè

LUT7: Điều

Hiện trạng PA_SALUP PA_Tỉnh

Hình 2: So sánh kết quả của tỉnh (theo phương pháp truyền thống) với kết quả của nghiên cứu này (PA_SALUP)