Xây dựng hệ thống theo dõi và quản lý nước ngầm cho một vùng địa lý

Mô hình dữ liệu có khả năng biểu diễn các đối tượng tham chiếu địa lý như nguồn nước ngầm là một trong những yêu cầu của hệ thống ứng dụng.. Cho tới nay nghiên cứu liên quan tới phát tri

ĐẠI HỌC QUỐC GIA HÀ NỘI

ĐẠI HỌC QUỐC GIA HÀ NỘI

GIẤY CAM ĐOAN

Tôi xin cam đoan kết quảđạt được trong luận văn là sản phẩm nghiên cứu, tìm hiểu của riêng cá nhân tôi Trong toàn bộnội dung của luận văn, những điều được trình bày hoặc là của cá nhân tôi hoặc là được tổng hợp từ nhiều nguồn tài liệu Tất cảcác tài liệu tham khảo đều có xuất xứ rõ ràng và được trích dẫn hợp pháp

Tôi xin hoàn toàn chịu trách nhiệm và chịu mọi hình thức kỷluật theo quy định cho lời cam đoan của mình

Hà Nội, ngày 8 tháng 6 năm 2014

Người cam đoan

Nguyễn Thị Duyên

LỜI CẢM ƠN

Để hoàn thành luận văn tốt nghiệp là cả một quá trình đầy khó khăn và thử thách trong học tập và nghiên cứu tại trường Đại học Công Nghệ Và để có được những thành quả như ngày hôm nay, ngoài những nỗlực của bản thân, không thể không nhắc tới là sự động viên, giúp đỡ của các Thầy, Cô giáo, bạn bè, đồng nghiệp và người thântrong gia đình

Tôi xin chân thành cảm ơn TS Vũ Thị Hồng Nhạn là cán bộgiảng viên của Đại học Công Nghệ đã tận tình giúp đỡ tôi vềcả chuyên môn, nghiên cứu và định hướng phát triển trong suốt quá trình làm luận văn

Tôi cũng xin gửi lời cảm ơn tới các Thầy, Cô giáo của Khoa Công Nghệ Thông Tin, vì đã truyền dạy những kiến thức bổ ích, hiện đại về lĩnh vực Công NghệPhần Mềm tôi học tập

Với bạn bè cùng khóa,xin cảm ơn vì đã cho tôi cơ hội trao đổi, chia sẻ kiến thức

và kinh nghiệm thực tế qua các mônhọc Mọi người đã giúp tôi hiểu thêm những vấn

đề mà tôi không có điều kiện tìmhiểu, chỉ cho tôi những thứ tôi chưa làm được Tôi có thể tiếp thu được thêm nhiều vấnđề mới và biết được giá trị của việc không ngừng cố gắng học tập, nghiên cứu

Cuối cùng, với gia đình, tôi xin gửi lời biết ơn sâu sắc vì gia đình đã luôn ở bên

và ủng hộ tôi trên con đường học tập và nghiên cứu khó khăn, vất vả Tôi mong rằng với sự cố gắng học tập nâng cao kiến thức, sau này sẽ có thể lĩnh hội nhiều công nghệ, tạo ra nhiều sản phẩm phần mềm có giá trị sử dụng cao, giúp ích được trong nhiều lĩnh vực của cuộc sống

Hà Nội, ngày 8 tháng 6 năm 2014

Nguyễn Thị Duyên

MỤC LỤC

GIẤY CAM ĐOAN 1

LỜI CẢM ƠN 2

MỤC LỤC 3

DANH MỤC HÌNH VẼ 5

DANH MỤC BẢNG 6

Chương I Giới thiệu 7

Chương II Cơ sở lý thuyết 10

2.1 Mô hình dữ liệu không gian-thời gian 10

2.2 Khái niệm thời gian và mối quan hệ 11

2.3 Ranh giới đối tượng không gian 13

2.4 Khảo sát các hệ thống nước ngầm hiện có 15

2.5 Phân loại các loại truy vấn hỗ trợ trong việc thu dữ liệu sử dụng công nghệ cảm biến 22

Chương III Mô hình dữ liệu không gian-thời gian cho hệ thống theo dõi nguồn nước ngầm 26

3.1 Mô hình dữ liệu 26

3.2 Thiết kế CSDL cho hệ thống theo dõi nguồn nước ngầm 30

Chương IV Thiết kế cơ sở dữ liệu 32

4.1.Kiến trúc hệ thống theo dõi và quản lý nước ngầm 32

4.2.Mô tả nghiệp vụ 33

4.2.1 Nghiệp vụ 34

4.2.2 Phỏng đoán mực nước và độ ô nhiễm nước ngầm theo năm 34

4.2.2.1 Phỏng đoán mực nước ngầm của cùng một giếng khoan theo năm 34

4.2.2.2 Phỏng đoán độ ô nhiễm nước ngầm của cùng một giếng khoan theo năm 36 4.3.Thiết kế cơ sở dữ liệu 38

4.4.Thiết kế các toán tử hỗ trợ truy vấn liên quan dữ liệu không gian 39

4.5.Thiết kế các toán tử hỗ trợ truy vấn liên quan điều kiện thời gian 43

4.6.Thiết kế các toán tử hỗ trợ truy vấn liên quan điều kiện tìm kiếm dữ liệu không gian-thời gian 44

4.7.Ứng dụng của các toán tử trong truy vấn 45

Chương V – Thực nghiệm và đánh giá 48

5.1Môi trường thực nghiệm và dữ liệu 48

5.1.1Môi trường thực nghiệm 48

5.1.2Mô tả về việc thu thập dữ liệu 48 5.2Lược đồ dữ liệu 49 5.3Kết quả thực nghiệm 50 5.3.1 Thực nghiệm tích hợp các toán tử thời gian, toán tử không gian và toán tử không gian-thời gian 50 5.3.2 Thực nghiệm phỏng đoán mực nước và độ ô nhiễm nước ngầm theo năm 56

KẾT LUẬN VÀ ĐỊNH HƯỚNG Error! Bookmark not defined TÀI LIỆU THAM KHẢO 62

DANH MỤC HÌNH VẼ

Hình 2.1 Mối quan hệ giữa hai khoảng thời gian [27] 13

Hình 2.2 Mô hình 9-intesection 14

Hình 2.3 Mối quan hệ topological giữa hai khu vực trong khái niệm mô hình vùng lân cận [34] 14

Hình 2.5 Đo mực nước ngầm trong một cái giếng nước cạn 17

Hình 2.6 Đo mực nước ngầm trong một cái giếng nước sản xuất 17

Hình 2.7 Dụng cụ chuyên dụng trong giám sát nước ngầm 17

Hình 2.8 Cơ sở dữ liệu của hệ thống DRASTIC 20

Hình 2.10 Truy vấn event-based cho ngắt ngoài và kiểm soát vòng 25

Hình 3.1 Mô hình dữ liệu raster & vector 27

Hình 3.2 Hệ thống phân cấp dữ liệu 27

Hình 3.3 Tầng sử dụng đất và tầng lexical của nó với giá trị d.o.m được chỉ định đến vị trí độc lập 28

Hình 3.4 Dữ liệu không gian-thời gian 29

Hình 3.5 Mô hình CSDL cho dữ liệu không gian-thời gian 30

Hình 4.1 Hệ thống quản lý và theo dõi nguồn nước ngầm 33

Hình 4.2 Độ cao và mực nước của giếng khoan 35

Hình 4.2 Mô hình quan hệ thực thể ER 38

Hình 4.4 Mối quan hệ giữa một điểm và một vùng 42

Hình 5.1(a) Giao diện chọn điều kiện truy vấn 51

Hình 5.1(b) Kết quả truy vấn 52

DANH MỤC BẢNG

Bảng 2.1 Ngữ nghĩa của các toán tử thời gian cho khoảng thời gian 13

Bảng 2.2 Kết quả đo thuộc tính nước giếng khoan tại ba vị trí nghiên cứu 18

Bảng 4.1 Ngữ nghĩa toán tử cho hai vùng với độ rộng cho trước 40

Bảng 5.1 Các bảng dữ liệu trong CSDL nước ngầm 52

(a)Bảng GIENG lưu thông tin về vị trí của các giếng khoan 49

(b) Bảng GIENGDES mô tả những thông tin đo được tại giếng khoan theo thời gian 50

(c) Bảng REGION lưu thông tin khoanh vùng khu vực sử dụng nước ngầm 50

(d) Bảng REGIONDES mô tả khu vực khai thác sử dụng nguồn nước ngầm 50

Chương I Giới thiệu

Nước ngầm đã và đang đóngmột vai trò to lớn trong việc cung cấp nước thường xuyên cho các sông suối, cung cấp nước sinh hoạt cho cư dân và sản xuất một cách bền vững ở vùng núi cao, vùng trung du và hải đảo Ở một số nước trên thế giới từ lâu khai thác sử dụng nước ngầm rất lớn vào mục đích sinh hoạt và chăn nuôi Ví dụ như, Đan Mạch sử dụng hoàn toàn nước ngầm cho sinh hoạt cuộc sống hằng ngày Một số nước khác tỉ lệ sử dụng nước ngầm đáp ứng nhu cầu sinh hoạt cũng rất cao Ví dụ như

ở Bỉ tỷ lệ nước ngầm sử dụng cho sinh hoạt chiếm 90%, Phần Lan và Thủy Điển chiếm 85-90%, Hà Lan chiếm 75%[1] Bên cạnh đó, nước có vai trò đặc biệt quan trọng đối với cơ thể con người Nó chiếm 70% trọng lượng cơ thể, 65-75% trọng lượng cơ, 50% trọng lượng mỡ và 50% trọng lượng xương Nếu uống không đủ nước thì sẽ ảnh hưởng đến chức năng của tế bào, các hệ thống trong cơ thể, như suy giảm chức năng thận, đau đầu, mệt mỏi Mỗi người, nếu mất trên 20% lượng nước có thể gây ra tử vong.Bên cạnh đó, vai trò của nước trong sản xuất công nghiệp, trồng trọt,chăn nuôi và các ngành kinh tế khác cũng rất quan trọng Trong nông nghiệp, dân gian có câu “Nhất nước, nhì phân, tam cần, tứ giống” Tất cả cây trồng và vật nuôi đều cần nước để phát triển Trong công nghiệp, nước được dùng làm nguội các động cơ, là dung môi làm tan các hóa chất màu và các phản ứng hóa học Mỗi ngành công nghiệp

và mỗi loại hình sản xuất đều cần một lượng nước, loại nước khác nhau[2] Nếu không

có nước thì hầu hết các hoạt động sinh hoạt, sản xuất đều bị ngừng hoạt động Nước ngầm là một dạng nước dưới đất, nó được tích trữ trong các lớp đất đá trầm tích bở rời như cặn, sạn, trong các khe nứt dưới bề mặt trái đất, có thể khai thác cho hoạt động sống của con người Đặc điểm của nước ngầm là khả năng di chuyển nhanh trong các lớp đất xốp, tạo thành dòng chảy ngầm theo địa hình Nước ngầm được chia thành nước ngầm tầng mặt và nước ngầm tầng sâu Mực nước biến đổi nhiều và phụ thuộc vào trạng thái của nước mặt.Nước ngầm tầng mặt rất dễ bị ô nhiễm Các phương pháp phổ biến được sử dụng để lấy nước ngầm là địa chất, địa mạo, địa vật lý, khoan hay đào

Do khai thác tràn lan quá mức và chưa được kiểm soát chặt chẽ, hiện nguồn nước ngầm đã và đang bị sụt giảm và ô nhiễm ở mức báo động Ví dụ như hàng năm nguồn nước ngầm ở tỉnh Sóc Trăng bị sụt giảm từ 0,2 tới 0,3cm với sối lượng giếng khoan hộ gia đình tự ý khoan là 80.000 giếng và 130 trạm cung cấp nước tập trung đã gây hiện

tượng thiếu hụt nguồn nước trầm trọng[3] Bên cạnh đó, khai thác nguồn nước ngầm quá mức khiến cho hạ tầng sụt lún trên diện rộng [4] Nguồn nước ngầm còn lại sẽ bị ô nhiễm xâm nhập Ngày nay, tốc độ đô thị hóa tăng nhanh, nhu cầu sử dụng nước lớn, như thành phố Hà Nội nguồn cung cấp nước chủ yếu là nước ngầm[5] Vì vậy, các thành phố khai thác nước ngầm sâu và nhiều hơn làm tài nguyên nước ngầm đang dần cạn kiệt Hậu quả của nó là làm ô nhiễm nguồn nước, các mạch nước ngầm tụt sâu, nguy hiểm hơn là gây sụt lún trong đô thị Biện pháp khắc phục tạm thời hiện nay của ban quản lý tại các khu vực mới chỉ dừng lại ở việc tuyên truyền nâng cao nhận thức cộng đồng, tăng cường thực thi pháp luật, khảo sát thực địa và thống kê số lượng giếng Bên cạnh đó còn thực hiện chương trình bảo vệ nước ngầm ở các đô thị, từng bước lập kế hoạch bảo vệ, khai thác sử dụng nguồn nước ngầm Ngoài một số kỹ thuật

đo đạc thông số nguồn nước bằng tay, sự ra đời của các máy đặt đo tự động cho phép

ta theo dõi mực nước và các thông số liên quan một cách liên tục Với lượng dữ liệu khá lớn thu được từ các thiết bị đó, một hệ thống hỗ trợ việc theo dõi và quản lý nước ngầm là đòi hỏi cấp thiết hiện nay Chúng ta có thể xác định sự thay đổi hàng năm và dài hạn lưu trữ nước ngầm, hướng và độ dốc của nước ngầm Chúng ta xác định rõ các vấn đề đó thì mới khai thác nước ngầm với lưu lượng hợp lý giúp bảo vệ tài nguyên nước ngầm và tránh được những hậu quả do nguồn nước ngầm cạn kiệt gây ra Ngoài

ra, chúng ta hiểu cách hệ thống tầng chứa làm việc và đạt được cái nhìn sâu sắc để xây dựng, thiết lập máy bơm khai thác hiệu quả nước ngầm

Như ta biết nguồn nước nói riêng và mọi sự vật hiện tượng trong thế giới thực nói chung là bất biến, chúng biến đổi liên tục theo không gian và theo thời gian Mô hình dữ liệu có khả năng biểu diễn các đối tượng tham chiếu địa lý như nguồn nước ngầm là một trong những yêu cầu của hệ thống ứng dụng Dữ liệu được đặc trưng bởi thuộc tính không gian và biến đổi theo thời gian, thời gian có cấu trúc khá phức tạp về mặt bản chất vì thế phương pháp biểu diễn cũng như các toán tử sử dụng trong tính toán phải tinh vi và hiệu quả Cho tới nay nghiên cứu liên quan tới phát triển các hệ thống chuyên biệt như hệ thống thông tin địa lý GIS(Geographic Information Systems)

và hệ thống ứng dụng Cơ Sở Dữ Liệu(CSDL) không gian cho đối tượng tham chiếu địa lý và biểu diễn mối quan hệ không gian giữa các đối tượng vẫn là một trong những chủ đề rất quan trọng.Mô hình biểu diễn đối tượng dữ liệu có ảnh hưởng rất lớn đến hiệu quả của hệ thống cũng như biểu thị ngôn ngữ truy vẫn dữ liệu không gian[6] Ngoài ra, gần đây rất nhiều nghiên cứu tập trung vào các ứng dụng không gian-thời gian có tham chiếu địa lý Những ứng dụng này hướng tới kiểm tra hiện tượng xảy ra tại các khu vực cụ thể và thay đổi theo thời gian[7, 8]

Mục tiêu của luận văn này giới thiệu một kiến trúc hệ thống theo dõi quản lý nguồn nước ngầm biến đổi liên tục theo thời gian thực trên một vùng địa lý Tiếp đến

nghiên cứu đề xuất một mô hình dữ liệu không gian-thời gian để quản lý thông tin Định nghĩa lược đồ CSDL không gian-thời gian sẽ được mô tả chi tiết Phương pháp phân tích các mối quan hệ topo nhị phân giữa các đối tượng địa lý và đặc biệt mô hình 9-intersection[32] được tìm hiểu để tính toán mối quan hệ giữa các đối tượng Nhằm

hỗ trợ tương tác nhanh chóng và hiệu quả cho đối tượng người dùng, tôi thiết kế các toán tử liên quan đến điều kiện tìm kiếm không gian, thời gian và không gian-thời gian Một số ví dụ truy vấn minh họa việc sử dụng các toán tử đó sẽ được trình bày

Hệ thống thực nghiệm cuối cùng được xây dựng với các toán tử được nhúng vào hệ thống Kết quả thực nghiệm thu được với một số dữ liệu có được từ các giếng khoan thuộc một số khu công nghiệp

Nghiên cứu của luận văn đóng góp vào việc xây dựng các mô hình hệ thống nguồn nước ngầm quý giá một cách tự động và tiện lợi đối với người sử dụng

Luận văn có bố cục như sau:

Chương I -Giới thiệu tổng quan về tầm quan trọng của nguồn nước ngầm, động

cơ và mục tiêu của nghiên cứu

Chương II - Khảo sát một số hệ thống theo dõi nguồn nước ngầm hiện có và tìm hiểu một số mô hình dữ liệu không gian-thời gian Các toán tử tính toán đối với đối tượng không gian và thời gian cũng sẽ được giới thiệu trong chương này

Chương III - Thiết kế mô hình CSDL không gian-thời gian cho hệ thống theo dõi nguồn nước ngầm cho một khu vực địa lý

Chương IV - Trình bày kiến trúc hệ thống, thiết kế CSDL và thuật toán cho các toán tử hỗ trợ tìm kiếm dữ liệu theo các điều kiện không gian, thời gian và không gian-thời gian

Chương V - Triển khai hệ thống thực nghiệm với một số kết quả thu được từ việc ứng dụng các toán tử xây dựng ở chương IV cho dữ liệu thu được từ các giếng khoan thuộc một số khu công nghiệp

Chương VI - Tổng kết những kết quả đạt được của nghiên cứu và hướng nghiên cứu tương lai

Chương II Cơ sở lý thuyết

Chương này khảo sát kỹ thuật tạo biểu đồ quản lý nguồn nước dùng trong hệ thống thông tin địa lý và một số hệ thống theo dõi quản lý nguồn nước ngầm hiện có Tiếp đó một số mô hình dữ liệu không gian-thời gian để biểu diễn sự biến đổi của đối tượng sẽ được trình bày Các toán tử tính toán trên đối tượng không gian và thời gian cũng sẽ được giới thiệu trong chương này

2.1 Mô hình dữ liệu không gian-thời gian

Một đối tượng chiếm lĩnh một vị trí cụ thể trong không gian được gọi là một đối tượng không gian Đối tượng có vị trí thay đổi theo thời gian được gọi là một đối tượng không gian-thời gian [9] Mô hình dữ liệu là mô hình có cấu trúc mô tả dữ liệu cho các loại đối tượng và có một chương trình khung để tổ chức và quản lý những dữ liệu đó

Nó có ba thành phần [10]: tập hợp các kiểu đối tượng, tập hợp các toán tử, và thiết lập các quy tắc toàn vẹn

Mô hình dữ liệu không gian-thời gian có thể được định nghĩa như là một mô hình

dữ liệu được thiết kế cho mô hình hóa thế giới thực nơi các đối tượng thay đổi vị trí và hình dạng của chúng theo thời gian [11] Hiện nay, giả sử rằng các mô hình dữ liệu không gian-thời gian là cho các đối tượng có ranh giới rõ nét và các mối quan hệ được xác định chính xác với các đối tượng khác Một số mô hình dữ liệu không gian-thời gian đã được trình bày bằng cách ghi lại sự thay đổi về không gian và thời gian của đối tượng đó[12, 13]

Các đối tượng không gian có thể được ghi lại và biểu diễn ở một thời điểm nào

đó mà chúng tồn tại bởi mô hình kết xuất nhanh (snapshot) Mô hình snapshot không thể xác định những thay đổi một cách rõ ràng về vị trí và hình dạng của các đối tượng Cách tiếp cận khác là mô hình dữ liệu dựa trên gán nhãn thời gian, có nghĩa là, gán nhãn thời gian bắt đầu và thời gian kết thúc cho tất cả các đối tượng [14] Vì vậy, với cách tiếp cận này sẽ theo dõi được các phiên bản khác nhau của cùng một đối tượng trên một số bộ dữ liệu không liên quan (nonrelated) trong cùng một bảng Nhưng để xác định lịch sử của một đối tượng đơn lẻ [15] lại rất khó khăn Đã có những phương pháp tiếp cận khác nhau được đề xuất để giải quyết vấn đề này bao gồm việc thực hiện một mô hình hướng đối tượng được gọi là đối tượng thay đổi theo thời gian [16], gán tham chiếu tới các phiên bản trước của đối tượng, trong tương lai, và hiện tại của cùng

một đối tượng, sắp xếp các phiên bản của một đối tượng theo trình tự thời gian Đó là một thay thế cho các mô hình snapshot, các mô hình dựa trên thời gian hay hướng sự kiện như cách tiếp cận sửa đổi vector, mô hình dữ liệu không gian-thời gian hướng sự kiện STDM (Spatiotemporal Data Model) đã được đề xuất để xác định những thay đổi riêng lẻ hoặc những sự kiện giữa các tập dữ liệu snapshot [17, 13,18] Ngoài ra, trong các mô hình dữ liệu hướng đối tượng, tất cả các phiên bản của cùng một đối tượng được nhúng vào một thực thể duy nhất và thời gian thường được biểu diễn như những kích thước trong không gian 3D hay 4D [41] Mặc dù mô hình hướng sự kiện STDM

có nhiều ưu điểm, nhưng chúng cần được khảo sát và thử nghiệm thêm Gần đây, một khung chương trình không gian-thời gian kết hợp với một sơ đồ cơ sở dữ liệu không gian-thời gian thực tế có thể được áp dụng trực tiếp để quản lý các thông tin về thời gian của các đối tượng không gian trong cơ sở dữ liệu khác nhau đã được giới thiệu [19, 20, 21]

Ngôn ngữ truy vấn có liên quan đến các đối tượng đã được nghiên cứu Ngôn ngữ truy vấn không gian [22, 23] được hỗ trợ bởi các toán tử không gian khác nhau đã được phát triển Tương tự như vậy ngôn ngữ truy vấn thời gian cũng đã được phát triển cùng với sự hỗ trợ của các toán tử thời gian [24] Mở rộng ngôn ngữ truy vấn không gian và thời gian cần được phát triển song song độc lập với những phát triển ngôn ngữ truy vấn không gian và thời gian [21, 25]

2.2 Khái niệm thời gian và mối quan hệ

Thời gian là khái niệm chính để cung cấp quản lý lịch sử trong cơ sở dữ liệu Có ba kiểu dữ liệu thời gian, datetime, interval, và period chúng được trình bày trong [24] để đại diện cho giá trị thời gian trong cơ sở dữ liệu Datetime là một điểm biểu diễn độ chi tiết (granularities) nhất định nào đó của thời gian Granularities thường gặp là một giây, một ngày hay một năm Interval xác định một khoảng thời gian, đó là một lượng thời gian với chiều dài được biết nhưng không có thời gian bắt đầu và kết thúc cụ thể như 20 ngày hay 200 phút Period định nghĩa khoảng thời gian, đó là khoảng thời gian

có bắt đầu và kết thúc cụ thể, ví dụ như 20 ngày bắt đầu từ 1/1/2013 đến 20/1/2013

Cơ sở dữ liệu có yếu tố thời gian theo nghĩa rộng bao gồm tất cả các ứng dụng cơ sở

dữ liệu liên quan đến yếu tố thời gian trong việc tổ chức thông tin Để tạo ra các ứng dụng cơ sở dữ liệu chủ yếu được dành cho những người thiết kế và phát triển ứng dụng nhằm khai thác, thiết kế, lập trình và cài đặt các khái niệm thời gian

Có nhiều loại thông tin có yếu tố thời gian khác nhau Một CSDL thời gian sẽ lưu giữ các thông tin liên quan đến khi nào các sự việc chắc chắn xảy ra hay khi nào sự việc được coi là đúng Các điểm sự kiện hay sự việc trong CSDL được kết hợp với một thời điểm nào đó Ví dụ, khi khoan một giếng nào đó để thu thập thông tin có thể được kết hợp với một mốc thời gian Ngoài ra, thời gian sự việc tồn tại được kết hợp

với một giai đoạn thời gian cụ thể trong CSDL Ví dụ diện tích của một khu vực là 900m2 trong khoảng thời gian từ 1/1/1990 đến 1/1/2013

Một khoảng thời gian hay một giai đoạn thời gian được hình dung với thời điểm bắt đầu và thời điểm kết thúc [start-time, end-time] Ví dụ giai đoạn mà khu vực trên

có diện tích 900m2 là [1/1/1990, 1/1/2013] Một khoảng thời gian như thế được giải thích là tập các thời điểm từ thời gian bắt đầu đến thời gian kết thúc Như vậy, khoảng thời gian [1/1/1990, 1/1/2013] biểu diễn cho tập tất cả các ngày từ 1/1/1990 đến 1/1/2013

Một sự việc hay sự kiện có thể được kết hợp với một thời điểm hay một khoảng thời gian đặc biệt trong CSDL Nhãn hay khoảng thời gian được gắn kết này có thể được hiểu theo nhiều cách khác nhau tùy thuộc vào sự tồn tại và việc ứng dụng Cách giải thích thứ nhất là nhãn thời gian gắn kết có thể xem như thời gian mà sự việc xảy

ra hay suốt quãng thời gian mà sự việc được coi là đúng trong thực tế Nếu nhãn thời gian hiểu theo lối giải thích này được sử dụng thì thời gian gắn kết được gọi là thời gian hiệu lực (valid time) CSDL mô tả những đối tượng có gắn yếu tố thời gian sử dụng lối giải thích này được gọi là CSDL thời gian hiệu lực Giả sử Dtime là tập hợp các thời điểm liên tiếp, thì một khoảng thời gian hiệu lực [VTs,VTe] nghĩa là {ti|ti∈Dtime,VTs≤ti≤VTe}

Kết hợp giá trị thời gian vào ngôn ngữ truy vấn là để xác định mối quan hệ thời gian giữa các đối tượng Các toán tử so sánh thời gian cho phép xác định những mối quan hệ đó Tập mối quan hệ thời gian hoàn chỉnh được trình bày trong [24, 26] Lý luận về khoảng thời gian của Allen là mô hình lý luận nổi tiếng nhất được sử dụng trong mô hình thời gian Lý thuyết của ông về hành động và thời gian đề xuất một hình thức luận dựa trên thời gian logic sử dụng để lập luận về các sự kiện, hành động, quan

hệ nhân quả và sử dụng như chương trình khung(framework) để giải quyết vấn đề Bảng 2.1 mô tả tất cả những mối quan hệ có thể đối với hai khoảng thời gian A và B Hình 2.1 định nghĩa mối quan hệ giữa hai khoảng thời gian trong đó để biểu diễn nhãn thời gian bắt đầu của một khoảng ta sử dụng hàm Begin() và kết thúc của một khoảng

sử dụng hàm End()

Hình 2.1 Mối quan hệ giữa hai khoảng thời gian [27]

Bảng 2.1 Ngữ nghĩa của các toán tử thời gian cho khoảng thời gian

A overlaps B (Begin(A)<Begin(B)˄End(A)<Begin(B) ˄ End(A)>Begin(B)) ˅

(Begin(B)<Begin(A) ˄ End(B)<Begin(A) ˄ End(B)>Begin(A))

A during B (Begin(A)>Begin(B) ˅ Begin(A)=Begin(B))Ù

(End(A)<End(B) ˅ End(A)=End(B))

A starts B Begin(A)=Begin(B) ˄ End(A)=End(B)

A finishes B Begin(A)>Begin(B) ˄ End(A)=End(B)

2.3 Ranh giới đối tƣợng không gian

Trong phần này, tôi nghiên cứu và trình bày một số mô hình đã tồn tại cho các vùng trong không gian

Cho đến nay, mô hình dữ liệu không gian mặc nhiên thừa nhận phạm vi và biên giới của các đối tượng không gian được xác định chính xác và được thừa nhận rộng rãi Tuy nhiên, trong thực tế, không có lý giải rõ ràng cho toàn bộ ranh giới của một đối tượng không gian được rõ nét Tính chất mơ hồ của một số dữ liệu không gian trong các đối tượng nói chung và không gian có ranh giới không xác định nói riêng đã nhận được sự chú ý đáng kể trong phân tích không gian Do tầm quan trọng của đối tượng không gian rõ nét, phân loại của chúng, mô hình hóa, và đặc điểm chính thức đóng một vai trò quan trọng đối với hệ thống thông tin địa lý và cơ sở dữ liệu không gian Tuy nhiên trong luận văn này chỉ nghiên cứu về các đối tượng có đường biên rõ nét và mối quan hệ giữa chúng

Có một số phương pháp tiếp cận sẵn có để biểu diễn các đối tượng không gian Các mô hình hệ thống chuyển giao chính xác về phân vùng cho các đối tượng không gian với ranh giới rõ ràng [23, 28, 29, 30, 31] Mô hình egg-yolk trong [28] trình bày các khu vực với các phần được đặt tên egg (toàn vùng), yolk (định nghĩa phần của vùng), và white (ranh giới của vùng) Mô hình mở rộng là mô hình 9-intesection [32] Hình 2.2 biểu diễn mô hình 9-intesection, bên trong(0), đường biên(𝜕), bên ngoài(-) của không gian đối tượng A tương ứng với các thành phần của không gian đối tượng B khác Mỗi chỗ giao nhau được kiểm thử liên quan đến các tiêu chuẩn topology bất biến rỗng và không rỗng Cho hai vùng đơn đã được xác định dẫn đến tám vị từ của tập Tcr = {disjoint, meets, overlaps, covers, coveredBy, inside, equal, contains}

Hình 2.3 Mối quan hệ topological giữa hai khu vực trong khái niệm mô hình

vùng lân cận [34]

equal contains covers

hồ chứa Feitsui thượng nguồn của lưu vực Đài Bắc tham gia cung cấp nước sử dụng cho khu vực và lưu trữ của hồ đã giúp nâng cao mực nước ngầm hạ lưu của khu vực này[6]

Các ảnh hưởng đi kèm với khai thác nước ngầm quá mức ảnh hưởng sâu rộng Một trong số đó là sụt lún các khu vực lân cận Lưu vực Đài Bắc đã được theo dõi cho mực nước ngầm trong hơn 30 năm Đến năm 1974, cuộc khảo sát đầu tiên đo áp lực nước, hơn ¼ diện tích lưu vực trong các đường viền nước ngầm thấp hơn mực nước biển 40m, trong đó bao gồm các huyện kinh doanh Một trong các giếng nước ngầm thậm chí đạt thấp hơn mực nước biển là 51,77m Kết quả dẫn đến, lưu vực dễ bị lũ lụt, đặc biệt bão khu vực này trong mùa hè

Cục tài nguyên nước của bộ kinh tế và chính phủ thành phố Đài Bắc thiết lập các giếng theo dõi, bao gồm 24 giếng cho mực nước ngầm Các thành phần của chúng đều giống nhau và được gán ID nhận dạng Lấy dữ liệu các giếng để giải thích cho toàn bộ khu vực

Cơ sở dữ liệu của hệ thống truy vấn nước ngầm gồm dữ liệu mực nước ngầm đo được Giá trị của mực nước ngầm là độ cao đọc được từ thiết bị đo Mực nước được đo trong năm ngày cuối cùng của mỗi tháng Để chính xác hơn, chọn ngày không có mưa làm điều kiện đo mực nước Sự xâm nhập do dòng chảy trên bề mặt chắc chắn ảnh hưởng đến việc đo lường và cần phải tránh

Hệ thống sử dụng bản đồ cơ sở được cung cấp bởi hội đồng nông nghiệp Tỉ lệ 1:25,000 và chứa các lớp khác nhau như sông, khu công nghiệp Bản đồ cơ sở không

có đường biên Theo định nghĩa chung của lưu vực Đài Bắc, đường biên là đường viền

độ cao 20m trên mực nước biển Sử dụng dữ liệu địa hình mô hình kỹ thuật Digital Terrain Model) Tọa độ địa lý của các giếng giám sát được thành lập trong bản

số(DTM-đồ với các dữ liệu tải về từ thiết bị hệ thống định vị toàn cầu(GPS-Global Positioning System)

Trong hệ thống, người giám sát có thể truy cập và chỉnh sửa cơ sở dữ liệu, trong khi những người sử dụng chung không thể Để giao tiếp với cơ sở dữ liệu nước ngầm hiện có ở Đài Loan, các dữ liệu trong hệ thống truy vấn định dạng dBASE III Người

sử dụng kiểm tra thuộc tính dữ liệu thông qua giao diện người sử dụng Tất cả các dữ liệu được tính toán và phân tích trước khi kết quả được kết nối với cơ sở dữ liệu Tại giao diện người sử dụng, người sử dụng chọn các mục truy vấn

Các mục truy vấn bao gồm thông tin cơ bản về vị trí giám sát giếng, mực nước ngầm, thuộc tính dữ liệu

Hệ thống này chỉ cung cấp cho người dùng thực hiện truy vấn để lấy những thông tin cơ bản Nếu người dùng muốn lấy thông tin giếng trong một khoảng không gian hay thời gian cụ thể nào đó thì hệ thống chưa xử lý được

Ngoài hệ thống quản lý và giám sát nước ngầm ở khu vực Đài Bắc, ở phía bắc thung lũng Sacramento thuộc bang California, Mỹ, người ta cũng đã lập một chương trình nhằm bảo vệ tài nguyên nước ngầm tại đây Thung lũng này có thời tiết nóng và khô trong mùa hè, có thời tiết mát mẻ và ẩm trong mùa đông Mỗi năm thung lũng nhận được lượng mưa là 20 inch (510mm)[36] Nền kinh tế chính ở thung lũng này là nông nghiệp Thung lũng Sacramento thuộc thung lũng trung tâm của bang California Thung lũng trung tâm là một trong những khu vực có năng suất sản xuất nông nghiệp lớn nhất trên thế giới và là vùng đất loại một lớn nhất thế giới Tại đây có trên 230 cây trồng được phát triển Thung lũng trung tâm sản xuất 8% giá trị tổng sản lượng nông nghiệp quốc gia, đạt 17 tỉ USD vào năm 2002 Sản xuất nông nghiệp của thung lũng dựa vào hệ thống tưới lấy nước từ hai nguồn nước mặt và nước ngầm Ước tính một phần sáu diện tích đất đai được tưới ở Hoa Kỳ là lấy từ thung lũng trung tâm này Vì vậy mà nguồn nước ngầm ở khu vực này cần được bảo vệ và khai thác một cách hợp

lý Với chương trình này, họ mong muốn đưa lại một số lợi ích: xác định sự thay đổi hàng năm và dài hạn của lưu trữ nước ngầm, xác định được hướng và độ dốc của lưu lượng nước ngầm, hiểu cách hệ thống nước ngầm làm việc và có được cái nhìn sâu sắc

để xây dựng tốt và tìm nơi để thiết lập máy bơm cho khai thác hiệu quả

Trong chương trình theo dõi nước ngầm này, họ đã xem xét một số khía cạnh, bao gồm: xác định độ cao của mặt đất tại mỗi vị trí giám sát, loại giếng được sử dụng

để đo mực nước ngầm, công cụ được sử dụng để đo mực nước ngầm, khu vực để được theo dõi, số lượng và vị trí của các giếng giám sát, tần suất đo đạc và thời gian, cuối cùng của chương trình này là lưu trữ hồ sơ[37]

Xác định độ cao mặt đất cho vị trí giếng giám sát thì thông tin về độ sâu nước ngầm dưới mặt đất sẽ được chính xác Nó có thể được xác định từ bản đồ địa hình hoặc từ chuẩn của một độ cao đã được biết đến

Giếng sản xuất nông nghiệp có thể được sử dụng để giám sát và đo mực nước ngầm Trong Hình 2.5 cho thấy mực nước ngầm đang được đo trong một cái giếng nước cạn Hình 2.6 là mực nước ngầm được đo trong giếng dùng cho sản xuất nông

nghiệp Hình 2.7 là minh họa cho một dụng cụ chuyên dụng trong giám sát nước ngầm

Hình 2.5 Đo mực nước ngầm trong một

cái giếng nước cạn Hình 2.6 Đo mực nước ngầm trong một cái giếng nước sản xuất

Hình 2.7 Dụng cụ chuyên dụng trong giám sát nước ngầm

Một số yếu tố ảnh hưởng đến việc lựa chọn địa điểm và vị trí đặt các giếng theo dõi như thủy văn, địa chất, đất và nước Về yếu tố địa chất cần xem xét đặc điểm của

hệ thống nước ngầm đang được theo dõi và sự hiện diện của đứt gãy địa chất có thể ảnh hưởng đến chuyển động ngầm của dòng chảy Những thay đổi trong sử dụng đất

và nước, ví dụ như khu dân cư, công nghiệp, nông nghiệp và tham gia trong các

chương trình chuyển nước Đó là những ví dụ sử dụng đất, nước ảnh hưởng đến địa điểm xác lập đo mực nước ngầm giám sát

Trong chương trình giám sát nước ngầm này, họ thường đo mực nước ngầm vào mùa xuân, giữa mùa hè và vào mùa thu, trước hoặc sau khi các giếng sản xuất cung cấp nước cho nông nghiệp, vì bây giờ nước ngầm là tĩnh

Sau khi xác định các khía cạnh liên quan đến giám sát giếng nước ngầm, họ thực hiện đo đạc và lưu trữ hồ sơ Hồ sơ lưu trữ bao gồm các thông tin: tên giếng, vị trí giếng, độ cao mặt đất, ngày đo lường, độ sâu nước ngầm, độ cao của bề mặt nước ngầm và lưu ý trạng thái (bơm hay không bơm) và bất kỳ điều kiện xung quanh có thể ảnh hưởng đến mực nước ngầm

Tất cả dữ liệu và thông tin về giám sát nước ngầm đều được lưu trữ bằng tay trên

hồ sơ, từ đó họ rút ra các nhận xét và kết luận

Tại Việt Nam, tình hình khan hiếm và thiếu nước sạch sử dụng cho sinh hoạt ăn uống hằng ngày của người dântrong huyện Nhà Bè nói riêng và TPHCM nói chung diễn ra phức tạp, do nguồn nước nơi dây nhiễmmặn, nhiều giếng khoan khai thác từ các hộ dân không sử dụng được do giếng khoan nhiễm mặn cao.Đề tài chọn phương pháp đo Carota để xác định tầng chứa nước tốt nhất không nhiễm mặn cấp nướcsinh hoạt Chọn 03 vị trí khoan thăm dò, đo Carota và phân tích chất lượng nước giếng khoan so sánhđể đánh chất lượng nước ngầm tại mỗi giếng khoan Đề xuất côngnghệ

xử lý đối với từng giếng khoan khai thác với quy mô cấp nước công nghiệp lưu lượng 7m3/h vàsinh hoạt gia đình 1,5m3-2m3/ngày Phân tích kết quả chất lượng nước sau xử

lý so với tiêu chuẩncho phép sử dụng nước sinh hoạt

Khoan thăm dò tại ba khu vực xã Phước Kiển, xã Phước Lộc và xã Nhơn Đức Kết quả đo trong Bảng 2.2[35]

Bảng 2.2 Kết quả đo thuộc tính nước giếng khoan tại ba vị trí nghiên cứu

Chỉ tiêu Đơn vị Xã Phước

Điển

Xã Phước Lộc

Xã Nhơn Đức

QCVN 09:2008/BTNMT

Lưu trữ kết quả đo phân tích nước ngầm và rút ra kết luận được xử lý bằng tay thay vì xây dựng một hệ thống quản lý và theo dõi nước ngầm tại ba vị trí khoan đó Lưu trữ các thuộc tính của nước ngầm vào cơ sở dữ liệu sẽ giải quyết được một số câu hỏi cho người dùng như (1)Thuộc tính nào của nước ngầm tại xã Phước Kiển vượt quá chỉ tiêu cho phép của QCVN 09:2008/BTNMT? (2)Giếng nước ngầm nào có thể khai thác cấp nước cho xản xuất và sinh hoạt? (3)Giếng nước ngầm ở xã Phước Lộc có thể khai thác cấp nước cho sản xuất và sinh hoạt không và khai thác độ sâu bao nhiêu?

Ba hệ thống, chương trình trên chủ yếu tập trung phân tích mang tính thống kê những dữ liệu thu thập được theo thời gian và không hỗ trợ cũng như trực quan hóa những truy vấn liên quan dữ liệu biến đổi theo không gian và thời gian[26][ 28]

Chất lượng nguồn ngước ngầm đang bị đe dọa trong những năm gần đây do việc

sử dụng các sản phẩm nông hóa học và do nhiễm mặn Để đánh giá mức độ ô nhiễm nguồn nước cơ quan bảo vệ môi sinh Hoa Kỳ đã phát triền hệ thống DRASTIC dựa trên một số nhân tố thủy địa chất Hệ thống sinh ra những bản đồ trực quan hóa những mối nguy hại và sự thay đổi nguồn nước[38]

Trong nghiên cứu này CSDL không gian được thiết kế và xây dựng dựa trên hệ thống thông tin địa lý như sau:

Thiết kế và xây dựng CSDL địa hình: CSDL địa hình được xây dựng bằng cách

sử dụng 1:50,000 quy mô bản đồ địa hình (đường viền khoảng 20m)

Thiết kế và xây dựng CSDL thoát nước: CSDL hệ thống thoát nước được xây dựng bằng cách sư dụng 1:50,000 quy mô bản đồ địa hình CSDL hệ thống thoát nước

có các thuộc tính đường và điểm Các thuộc tính đường đại diện cho sông suối và các thuộc tính đa giác đại diện cho hồ và sông lớn

Thiết kế và xây dựng CSDL giếng nước: CSDL giếng bao gồm thông tin về giếng và nước ngầm Các dữ liệu từ việc kiểm kê là vị trí giếng, chủ sở hữu, địa chỉ, số điện thoại, năm lắp đặt, sử dụng, độ sâu, đường kính, mực nước tĩnh, ngày khảo sát, độ sâu mực nước, nhiệt độ, pH và chúng được xây dựng cho CSDL không gian bằng cách

sử dụng GIS

Thiết kế và xây dựng CSDL địa chất: CSDL địa chất được xây dựng bắng cách

sử dụng 1:50,000 quy mô bản đồ địa chất CSDL địa chất có thuộc tính đa giác

Thiết kế và xây dựng CSDL đất: CSDL địa chất được xây dựng bắng cách sử dụng 1:50,000 quy mô bản đồ địa chất CSDL địa chất có thuộc tính đa giác

Thiết kế và xây dựng CSDL sử dụng đất đai: CSDL sử dụng đất có thuộc tính đa giác Nó được xây dựng bằng cách chuyển đổi từ kết quả xử lý hình ảnh lấy từ vệ tinh LANDSAT TM

Hình 2.8 Cơ sở dữ liệu của hệ thống DRASTIC

Để đánh giá độ nhảy cảm của sự ô nhiễm nước ngầm gồm các bước: thu thập dữ liệu về khu vực nghiên cứu, xây dựng CSDL từ các dữ liệu thu thập được, khai thác các yếu tố địa chất thủy văn từ CSDL, phân tích các yếu tố lớp che phủ

Lập bản đồ nguy cơ ô nhiễm nước ngầm được thực hiện bởi các lớp che phủ đại diện cho các thông số DRASTIC Về mặt lý thuyết, một lớp che phủ cần thiết cho mỗi tham số Tuy nhiên, các thông số DRASTIC thường xuyên liên kết chặt chẽ Trong một số khu vực vùng trọng lực nước (vadose) và lớp giữa của tầng chứa nước (aquifer media) đều giống nhau Trong các khu vực khác, đất và địa hình liên quan mật thiết với nhau

Soil Media Depth to water

DRASTIC Net Recharge

Slope Topographic DB

Trong nghiên cứu này lựa chọn lớp giữa của tầng chứa nước làm tham số khởi đầu vì các giá trị được lựa chọn cho các thông số khác có thể phụ thuộc vào sự lựa chọn của tầng chứa nước để lập bản đồ Hệ thống thích hợp nhất cho khu vực 40 ha hoặc kích thước lớn hơn Các dữ liệu được sử dụng để tạo ra các bản đồ DRASTIC được tạo ra tại một loạt các thông số tỷ lệ Giá trị độ dẫn thủy lợi thường được suy luận từ một vài điểm tham chiếu hoặc chỉ đơn giản là ước tính từ lớp giữa của tầng chứa nước Khi tạo ra các bản đồ, quan trọng là phải cố gắng để "chứng minh" quy mô bằng cách khái quát hóa hoặc tìm kiếm các thông tin chi tiết nhất có sẵn

Đối với mỗi thông số bản đồ raster được thực hiện thông qua phép nội suy trong

phần mềm Arc View GIS bằng cách sử dụng các dữ liệu giếng Bản đồ đất được xem xét và sau đó xử lý từ bản đồ đất Bản đồ độ dốc thu được từ mô hình địa hình kỹ thuật

số (DTM- digital terrain model) Mỗi tham số được phân loại vào các lớp dễ bị tổn thương (vulnerability) nhất định với giá trị từ mô hình địa hình kỹ thuật số Tất cả bảy tham số DRASTIC được ánh xạ với một màu sắc khác nhau Cuối cùng, thông qua một chức năng cụ thể từ phần mềm GIS - chức năng che phủ, trong bảy bản đồ được kết hợp thông qua chức năng tính toán bản đồ từ các nhà phân tích không gian mở rộng kết quả trong bản đồ dễ bị tấn công (Vulnerability Map) của nước ngầm

Cuối cùng phải đánh giá các thiết lập thủy văn có trên bản đồ Các khu vực trên bản đồ được gán nhãn phù hợp với các thiết lập địa chất thủy văn Chỉ số DRASTIC cho khu vực được tính toán

Hình 2.9 Các tầng DRASTIC để tạo bản đồ về sự tấn công nước ngầm

2.5 Phân loại các loại truy vấn hỗ trợ trong việc thu dữ liệu sử dụng công nghệ cảm biến

Với sự phát triển của công nghệ, dữ liệu tại hiện trường có thể được thu nhờ mạng cảm biến thiết lập từ trước Một nghiên cứu gần đây đã phát triển bộ xử lý truy vấn cho các mạng cảm biến kết hợp kỹ thuật thu thập(acquisitional) gọi là TinyDB TinyDB là một

bộ xử lý truy vấn phân tán chạy trên mỗi node trong một mạng lưới cảm biến[39] TinyDB chạy trên nền tảng Berkeley mote, sử dụng hệ điều hành TinyOS Nền tảng này được chọn vì phần cứng có sẵn từ thương mại và hệ điều hành tương đối mạnh TinyDB có rất nhiều tính năng của một bộ xử lý truy vấn truyền thống(ví dụ: khả năng truy vấn, liên kết, dự báo, tổng hợp dữ liệu), nhưng trong phần này sẽ kết hợp một số tính năng khác được thiết kế để giảm thiểu tiêu thụ năng điện

2.5.1 Chức năng cơ bản ngôn ngữ

Truy vấn trong TinyDB, như trong SQL, bao gồm mệnh đề WHERE-GROUPBY hỗ trợ truy vấn, tham gia, dự báo và tổng hợp

SELECT-FROM-Các ngữ nghĩa của mệnh đề SELECT-FROM-WHERE-GROUPBY như trong SQL Mệnh đề FROM có thể xem từ bảng cảm biến và bảng lưu trữ, cái mà chúng ta gọi là điểm thời gian(materialization)

Bộ dữ liệu được tạo ra trong khoảng thời gian xác định mẫu như là một tham số của truy vấn Khoảng thời gian giữa sự bắt đầu của từng thời kỳ mẫu được xem như là một pha Những pha này cung cấp cơ chế thuận tiện cho việc giảm thiểu điện năng tiêu thụ Xem xét truy vấn sau:

SELECT nodeid, light, temp

FROM sensors

SAMPLE PERIOD 1s FOR 10s

Truy vấn này quy định rằng mỗi thiết bị báo cáo id của nó, ánh sáng và nhiệt độ(chứa trong các cảm biến ảo) 10s một lần Kết quả của dòng truy vấn từ gốc của mạng lưới một cách trực tuyến, thông qua các cấu trúc liên kết đa bước, nơi chúng có thể đăng nhập hoặc hiện thị cho người sử dụng Đầu ra bao gồm một dòng dữ liệu, nhóm vào khoảng thời gian 1s mỗi bộ dữ liệu bao gồm một nhãn thời gian tương ứng với thời gian mà nó được sinh ra

Các nút bắt đầu thu thập dữ liệu tại đầu mỗi pha, theo mệnh đề SAMPLE PERIOD Các nút trong TinyDB chạy một giao thức đồng bộ hóa thời gian để đồng ý trên cơ sở toàn cục thời gian cho phép bắt đầu và kết thúc mỗi pha

Khi một truy vấn được gửi tới trong TinyDB, nó được gán định danh(id) cái mà trả lại cho chính thiết bị gửi Id này có thể được sử dụng để ngăn chặn một cách rõ ràng truy vấn thông qua câu lệnh “STOP QUERY id” Ngoài ra, các truy vấn có thể được hạn chế chạy cho một khoảng thời gian cụ thể thông qua mệnh đề FOR(được hiển thị ở trên) hoặc có thể bao gồm một điều kiện dừng lại như một sự kiện(xem bên dưới)

Lưu ý rằng vì bảng cảm biến là một cái không ràng buộc, luồng giá trị dữ liệu liên tục, ngặn chặn các hoạt động nhất định (như sắp xếp) không cho phép với các dòng như vậy trừ khi một tập hợp con bị giới hạn, hoặc khoảng thời gian, được quy định Khoảng thời gian trong TinyDB được xác định thông qua các điểm thời gian trong các dòng cảm biến Điểm thời gian như vậy tích lũy một bộ đệm nhỏ của dữ liệu

có thể được sử dụng trong các truy vấn khác Xem xét ví dụ sau:

CREATR

STORAGE POINT recenlight SIZE 8

AS (SELECT nodeid, light FROM sensors

SAMPLE PERIOD 10s)

Câu lệnh này cung cấp một vị trí (ví dụ: một nút) nào đó để lưu trữ dữ liệu gần đây đến điểm thời gian trong các hệ thống trực tuyến khác như Aurora, TelegraphCQ [Carney et al 2002; Chandrasekaran et al 2003; Motwani et al 2003]

2.5.2 Truy vấn tổng hợp

Cách tiếp cận cơ bản của xử lý truy vấn tổng hợp trong TinyDB như là dữ liệu từ một truy vấn kết hợp luồng trong cây, nó được tổng hợp trong hệ thống theo chức năng tập hợp và phần vùng dựa trên giá trị quy định trong truy vấn

Xem xét vấn đề, người dùng muốn theo dõi bao nhiêu người sử dụng phòng hội thảo trên một tầng của tòa nhà cụ thể Họ sử dụng cảm biến microphone gắn với các mote,

và tìm kiếm các phòng có lượng chứa trung bình trên một ngưỡng nào đó(giả sử rằng phòng có thể có nhiều bộ cảm biến) Truy vấn có thể được thể hiện như sau:

SELECT AVG(volume), room FROM sensors

WHERE floor = 6

GROUP BY room

HAVING AVG(volume)>threshold

SAMPLE PERIOD 30s

Đây là phân vùng truy vấn các nút trên tầng 6 nơi chúng được đặt Truy vấn báo cáo tất cả các phòng lượng chứa trung bình hơn một ngưỡng quy định Cập nhật 30s một lần Các truy vấn chạy cho đến khi người sử dụng xóa nó ra khỏi hệ thống

2.5.3 Truy vấn sự kiện

TinyDB hỗ trợ các sự kiện như là một cái máy để bắt đâu thu thập dữ liệu Sự kiện trong TinyDB được tạo ra một cách rõ ràng hoặc bằng cách truy vấn Ví dụ truy vấn:

ON EVENT birt-delect(loc)

SELECT AVG(light), AVG(temp), event.loc

FROM sensors AS s

WHERE dist(s.loc, event.loc)<10m

SAMPLE PERIOD 2s FOR 30s

Truy vấn trên có thể được sử dụng để báo cáo ánh sáng và nhiệt độ trung bình tại các bộ cảm biến gần một tổ chim, nơi một con chim vừa được phát hiện Mỗi khi có sự kiện phát hiện gia cầm xảy ra, truy vấn được ban hành từ nút phát hiện và trung bình ánh sáng, nhiệt độ được thu thập từ các nút lân cận một lần 2s trong 30s

Những sự kiện này là trung tâm trong xử lý tiếp nhận dữ liệu, vì chúng cho phép các hệ thống không hoạt động cho đến khi một số điều kiện bên ngoài xảy ra, thay vì liên tục kiểm soát lặp chờ dữ liệu đến Các sự kiện có thể giảm cung cấp đáng kể điện năng tiêu thụ, thể hiện trong Hình 2.10 Hình 2.10(a) cho thấy một biểu đồ dao động từ một thiết bị chạy truy vấn eventbased bằng cách chuyển đổi kêt nối với đường dây bên ngoài làm cho các thiết bị hoạt động trở lại So sánh hình này với Hình 2.10(b), biểu diễn một truy vấn event-based được kích hoạt bởi một truy vấn kiểm tra vòng cho điều kiện đúng Rõ ràng, trong Hình 2.10(a) rất thích hợp, năng lượng ít hơn nhiều so với kiểm tra vòng TinyDB hỗ trợ truy vấn kích hoạt thông qua các sự kiện, tiết kiệm điện năng

Chương III Mô hình dữ liệu không gian-thời gian cho hệ thống theo dõi nguồn nước ngầm

Trong chương này, tôi thiết kế mô hình cơ sở dữ liệu không gian-thời gian cho hệ thống theo dõi nguồn nước ngầm cho một khu vực địa lý Trong mô hình này, có ba yếu tố dữ liệu cho đối tượng không gian, thời gian và vùng địa lý Định nghĩa hình thức cho bảng CSDL không gian-thời gian cũng được trình bày

3.1 Mô hình dữ liệu

Các thực thể địa lý được biểu diễn như là một tập hợp các điểm trong không gian-thời gian với tập hợp các thuộc tính đặc trưng cho những điểm đó Các thực thể được đề cập đến là những đối tượng trong thế giới thực, trong nghiên cứu này tôi giới thiệu khái niệm vùng địa lý không gian-thời gian Ở đây, tôi giới hạn tìm hiểu không gian địa lý hai chiều Khi thời gian được coi là tuyến tính, một đối tượng không gian và thời gian được biểu diễn trong không gian địa lý ba chiều Đối tượng không gian tồn tại ở một thời điểm hay một khoảng thời gian nào đó được gọi là đối tượng không gian-thời gian

Trong lĩnh vực hệ thống thông tin địa lý, bản đồ (Map) được xây dựng theo các tầng chủ đề (thematic layer) như quản lý đất sử dụng, giao thông hay thời tiết tùy theo yêu cầu của ứng dụng ta quan tâm Bản đồ địa lý là sự chồng chập của các tầng chủ đề này

Các dữ liệu tầng chủ đề được liên kết với các thực thể địa lý và đặc điểm của chúng phụ thuộc vào miền ứng dụng Một số phương pháp khác nhau có thể được sử dụng để biểu diễn kích thước đối tượng theo mỗi chủ đề gần với thực tế hơn Hai kỹ thuật cơ bản đề biểu diễn đối tượng là vector và raster Đơn vị nhỏ nhất trong bản đồ dựa trên raster là một ô (cell) Nhược điểm của raster là việc biểu diễn đường biên của vùng hay biểu diễn một đường thường dưới dạng thô không chính xác (Hình 3.1) Trong khi đó đơn vị nhỏ nhất trong mô hình dựa trên vector là một điểm, do vậy việc biểu diễn các đối tượng chính xác hơn nhưng dữ liệu lưu trữ và thời gian tính toán trên các đối tượng sẽ lớn hơn Trong nghiên cứu này, tôi biểu diễn đối tượng dựa theo mô hình vector Cụ thể là, trong ứng dụng được k giá trị thuộc tính được định nghĩa để mô

tả một điểm của đối tượng hay hiện tượng Mỗi vị trí riêng biệt pij được gắn k giá trị thành viên (membership), cho mỗi một thuộc tính Giá trị thành viên nhận được thuộc khoảng [0,1]

Hình 3.1 Mô hình dữ liệu raster & vector

Hình 3.2 Hệ thống phân cấp dữ liệu

Mô hình dữ liệu tham chiếu địa lý có thể được xem như là hệ thống phân cấp dữ liệu biểu diễn ở Hình 3.1 Bản đồ ở mức trên cùng biểu diễn bởi một tập các chủ đề (theme) Khi đối tượng thay đổi theo thời gian, đây được xem một thư viện lập phương không gian-thời gian Mỗi theme được biểu diễn bởi một tập lập phương không gian-thời gian, tầng này được gọi là tầng thuộc tính Từ tầng thuộc tính dựa vào các giá trị thành viên tại mỗi vị trí đối với một chủ đề các vùng được tạo ra tại một thời điểm nào

đó Vị trí không gian tại một thời điểm-thời gian là đơn vị nhỏ nhất đáng chú ý cho tầng tương ứng trong một miền ứng dụng

Tầng chủ đề

2 Layer 2

Tầng chủ đề

3 Layer 2

Tầng phân lớp thuộc tính 3 Layer 2

Tầng phân lớp thuộc tính 2 Layer 2 Vùng 1

Layer 2

Vùng 2 Layer 2

Vùng 3 Layer 2

Vị trí 1 Layer 2

Vị trí 2 Layer 2

Vị trí 3 Layer 2 Bản đồ

Layer 2

Các đối tượng được xác định từ dữ liệu quan sát thực địa và dò khoảng bao phủ của mỗi hiện tượng Dữ liệu được chuyển đổi từ mẫu thực địa đến các đối tượng riêng biệt thông qua phân loại Việc chuyển đổi không chắc chắn được thảo luận từ dữ liệu chuyên đến khía cạnh hình học của các đối tượng Do sự mơ hồ của định nghĩa lớp đối tượng và lỗi trong các điểm lấy mẫu thực địa, mỗi vị trí cụ thể pij sẽ tạo ra một giá trị vector hàm thành viên(membership) [L (pij, C1), L (pij, C2), , L (pij, Cn)] tại thời điểm T L (pij, Ck) đại diện cho giá trị hàm thành viên của pij thuộc lớp Ck và n là tổng số của các lớp

Giả sử rằng các lớp chủ đề của một bản đồ bao gồm lớp thực vật, lớp sử dụng đất, lớp mạng lưới đường bộ, lớp thủy văn, vv Lớp sử dụng đất bao gồm các lớp con sau đây: sinh sống, công viên, nuôi trồng được biểu diễn trong Hình 3.3 Một vị trí cụ thể Pij=(X,Y,T) trong công viên được xác định giá trị mức độ thành viên d.o.m (degree

of membership) là 0 tại thời điểm T cho công viên Tất cả các vị trí xác định cụ thể trong khối lập phương công viên với giá trị d.o.m trong khoảng [0,1] tại T, tập hợp các

vị trí với giá trị thành viên tạo thành một vùng Thông thường tại trung tâm của một vùng cấp độ thành viên của điểm cao hơn so với các điểm nằm gần đường biên Nghiên cứu này không xem xét tính mờ của đối tượng, do vậy tại thời điểm T cấp độ thành viên lớn nhất sẽ được gán cho đối tượng và tạo ra vùng với đường biên xác định

cụ thể Ví dụ Pij tại thời điểm T được gán „nuôi trồng‟

Hình 3.3 Tầng sử dụng đất và tầng lexical của nó với giá trị d.o.m đƣợc chỉ định

Một ví dụ khác, để hiểu được hệ sinh thái hồ, sinh thái học cần nhiều loại dữ liệu

từ lấy mẫu dữ liệu và cảm biến quan sát như dữ liệu thời tiết, hình ảnh, và các tư liệu Những dữ liệu được sắp xếp tổ chức theo không gian và thời gian, tùy thuộc vào vị trí

và thời gian quan sát Cơ sở dữ liệu phải được thiết kế để lưu trữ các thuộc tính không gian và thời gian của các dữ liệu quan sát khác nhau Ví dụ, một dữ liệu lấy mẫu quan sát được thu thập tại một thời điểm 10h20‟, 20/3/2008 với vị trí (105045.346‟E,

21006.951‟N) Một mô hình mô phỏng được sử dụng để phân tích dữ liệu tại cùng vị trí đó nhưng tại thời điểm 15h00‟, 10/7/2008

Thời gian(t) Vị trí(x,y) Kiểu 10h20‟, 20/3/2008 105045.346‟E,

<mô hình

mô phỏng>

<công cụ phân tích>

<địa lý>

<dữ liệu quan sát>

t1 t2 t3

3.2 Thiết kế CSDL cho hệ thống theo dõi nguồn nước ngầm

Phần này trình bày cách thức lưu trữ các đối tượng tham chiếu địa lý và thuộc tính của chúng trong CSDL CSDL dạng này gọi là CSDL không gian-thời gian Mối quan hệ giữa các đối tượng và sự thay đổi của chúng theo thời gian sẽ được mô tả một cách hình thức

Mỗi đối tượng tham chiếu địa lý được mô tả bởi hai loại thuộc tính là đặc trưng không gian và phi không gian Do tính phức tạp và tính lặp của đặc trưng không gian,

để tối ưu hóa việc lưu trữ trong quá trình phân tích và thiết kế hai loại thuộc tính này được lưu trữ vào các lược đồ riêng lẻ Mỗi đối tượng có thể thay đổi theo thời gian và đặc biệt nhằm hỗ trợ quản lý và ra quyết định trong các ứng dụng, ngoài việc lưu trữ các đối tượng hiện đang tồn tại ra thì lịch sử của chúng cũng cần lưu trữ Vì vậy ngoài lược đồ dữ liệu hiện tại ta có thêm lược đồ mô tả dữ liệu lịch sử

Quan hệ phi không gian ARi‟ Quan hệ không gian FRi‟

Quan hệ kết nối MRi hid fid VTs VTe

Quan hệ phi không gian lịch sử ARi‟‟ Quan hệ không gian lịch sử FRi‟‟

Hình 3.5 Mô hình CSDL cho dữ liệu không gian-thời gian

Tập tổng U

Tập dữ liệu D1, D2 Dn

Tập chủ đề TL1, TL2 TLn

Tập thuộc tính LL1, LL2 LLn

CSDL không gian-thời gian được mô tả một cách hình thức như sau:

Gọi U, D, TL, LL, STO là tập tổng, tập dữ liệu, tầng chủ đề, tầng thuộc tính của đối tượng không gian-thời gian theo thứ tự tương ứng đó Tập tổng U là một tập đa dữ liệu {D1, D2,…, Dl} gắn kết với các chủ đề Tập dữ liệu Di được phân ra thành nhiều tầng chủ đề {TL1, TL2,…,TLm}, mỗi TLi bao gồm tập các tầng thuộc tính {LL1, LL2,…, LLn} Mỗi tầng thuộc tính LLi bao gồm quan hệ không gian, quan hệ phi không gian cho đối tượng đang tồn tại, và quan hệ không gian lịch sử, quan hệ phi không gian lịch sử Lược đồ đối tượng hiện thời và lịch sữ của chúng được kết nối thông qua một mối quan hệ hợp nhất Mối quan hệ giữa quan hệ không gian và quan

hệ phi không gian được liên kết bởi toán tử equi-join thông qua thẻ nhận dạng (fid) Ngoài ra, mối quan hệ giữa quan hệ không gian và quan hệ phi không gian, quan hệ không gian lịch sử, quan hệ phi không gian lịch sử được kết nối với thông tin lịch sử của quan hệ phi không gian và thông tin lịch sử phi không gian Mỗi quan hệ là một tập gồm nhiều đối tượng không gian-thời gian, {STO1, STO2, ,STOp}

Định nghĩa 3.1: Các quan hệ trong CSDL không gian-thời gian

Quan hệ đặc tính không gian FRi‟ và quan hệ đặc tính không gian lịch sử FRi‟‟ cho tầng thứ i, có liên hệ với tầng thuộc tính thứ i, mô tả dưới dạng một vector dữ liệu

không gian <fid, Density, BoundaW, f1, …,fn, Geoi> trong đó đặc trưng fid để phân biệt các đối tượng khác nhau và đảm bảo tính duy nhất của đối tượng; BoundW giới hạn độ rộng đường biên của đối tượng; f1, , fn là các yếu tố toán học mô tả kích thước không gian của đối tượng; Geoi xác định hình dạng và kích thước thực tế của đối

tượng

Bảng lưu thuộc tính không gian lịch sử ARi‟‟ cho tầng thứ i mô tả dưới dạng

vector dữ liệu phi không gian <fid, Ai, VT> với Ai là vecto thuộc tính cho đối tượng không gian fid của tầng thứ i <fid, a1, a2, , an>; vector thời gian hiệu lực VT=<VTs,

VTe> biểu diễn thời gian bắt đầu và kết thúc của thời gian hiệu lực

Quan hệ không gian ARi‟‟ cho tầng thứ i được biểu diễn bằng vector dữ liệu phi

không gian <Ai, VTs> Mô tả quan hệ kết hợp MRi bằng vector <fid, hid>, trong đó

hid biểu diễn con trỏ lịch sử của đối tượng không gian được xác định bởi fid trong

quan hệ không gian lịch sử Quan hệ kết hợp MRi chỉ lưu trữ thông tin lịch sử của đối tượng không gian khi xuất hiện toán tử kết hợp

Với Định nghĩa 3.1, lịch sử của đối tượng hiện tại có thể tìm kiếm thông qua con

trỏ lịch sử hid trong bảng thuộc tính không gian Lưu trữ độc lập đối tượng hiện tại và

đối tượng lịch sử làm cho khả năng quản lý và sử dụng dữ liệu tối ưu hơn đặc biệt về mặt lưu trữ Mô hình CSDL không gian-thời gian được mô tả trong Hình 3.5