MÔ PHỎNG DIỄN BIẾN MẬT ĐỘ RẦY NÂU Ở TỈNH ĐỒNG THÁP DỰA TRÊN KỸ THUẬT NỘI SUY VÀ HỆ THỐNG ĐA TÁC TỬ

1 MÔ PHỎNG DIỄN BIẾN MẬT ĐỘ RẦY NÂU Ở TỈNH ĐỒNG THÁP DỰA TRÊN KỸ THUẬT NỘI SUY VÀ HỆ THỐNG ĐA TÁC TỬ Huỳnh Khải Vinh 1 , Nguyễn Nhị Gia Vinh 2 , Huỳnh Xuân Hiệp 3 1 Khoa Sư phạm Toán -

1

MÔ PHỎNG DIỄN BIẾN MẬT ĐỘ RẦY NÂU Ở TỈNH ĐỒNG THÁP DỰA TRÊN KỸ THUẬT NỘI SUY VÀ HỆ THỐNG ĐA TÁC TỬ

Huỳnh Khải Vinh 1 , Nguyễn Nhị Gia Vinh 2 , Huỳnh Xuân Hiệp 3

1

Khoa Sư phạm Toán - Tin, Đại học Đồng Tháp Email: huynhkhaivinh@gmail.com

2

DREAM Team/UMI 209 UMMISCO-IRD, Đại học Cần Thơ

Email: nngvinh@gmail.com

3

Khoa Công nghệ Thông tin & Truyền thông, Đại học Cần Thơ

Email: hxhiep@ctu.edu.vn

Tóm tắt: Nghiên cứu này nhằm mô phỏng diễn biến mật độ Rầy nâu tại các vùng

trong tỉnh Đồng Tháp, thuộc đồng bằng sông Cửu Long dựa vào mô hình đa tác tử

và kỹ thuật nội suy - trọng số nghịch đảo khoảng cách, kết hợp với dữ liệu bẫy đèn

Hệ thống này hỗ trợ người dùng dễ dàng theo dõi sự phân bố rầy nâu trên các cánh đồng lúa nhằm kiểm soát dịch hại rầy nâu một cách hiệu quả và mang lại sản lượng cao hơn cho nông dân

Từ khóa: ước lượng sự phân bố rầy nâu, mô phỏng sự phân bố của rầy nâu, kỹ thuật nội suy, hệ thống đa tác tử

Abstract: The study aims to simulate the distribution of Brown plant hopper from

the light traps data in Dongthap province among the Mekong Delta region based

on Inverse Distance Weight interpolation technique and multi-agent system (GAMA) combined with the geographic information system (GIS) This model supports managers easily observe the distribution of Brown plant hopper populations on rice fields to control effectively the damage of Brown plant hopper and improve farmers' rice crops

Keywords: brown plant hopper, Nilaparvata lugens, simulating the distribution of brown plant hopper, Inverse Distance Weight interpolation technique, multi-agent system (GAMA)

1 GIỚI THIỆU

Việc kiểm soát mật độ rầy nâu tại mỗi vùng là rất quan trọng trong kinh tế của nông dân và

an ninh lương thực quốc gia vì rầy nâu là côn trùng gây hại nghiêm trọng đến sản lượng của cây lúa [9] Rầy nâu còn có tên gọi khoa học là Nilaparvata lugens, là đối tượng chính truyền bệnh vàng lùn và lùn xoắn lá [11] Những ruộng lúa non mới gieo sạ chưa được bao lâu nếu bị rầy nâu tấn công hoặc những ruộng lúa bị nhiễm rầy với mật độ cao thì năng suất gần như bằng không (gọi là hiện tượng cháy rầy) hoặc bị giảm sản lượng đáng kể

Đối phó với tình hình dịch hại rầy nâu, nhiều biện pháp đã được áp dụng như: sử dụng thuốc hóa học, lai tạo giống lúa kháng rầy,… Tuy nhiên, việc lạm dụng thuốc hóa học để diệt rầy sẽ gây ra sự ô nhiễm môi trường Một trong những phương pháp được áp dụng mang lại hiệu quả cao và ít tốn chi phí, đó là “né rầy” [6], đưa ra lịch gieo sạ chung cho từng khu vực để tránh

2

những cao điểm phát tán của rầy nâu Phương pháp này đòi hỏi nhà quản lý xác định được mật

số rầy nâu tại mỗi vùng lân cận Vì vậy, một mạng các bẫy đèn đã được thiết lập ở vùng đồng bằng sông Cửu Long từ năm 2005, cách lấy mẫu tại các bẫy đèn này là một trong những phương pháp lấy mẫu đại diện [10] [13] Trong thực tế, chỉ có một hoặc một vài bẫy đèn lấy mẫu đại diện cho mỗi huyện Điều này dẫn đến sự sai lệch lớn về mật độ rầy nâu tại mỗi vùng trong huyện vì số lượng rất ít bẫy đèn lấy mẫu đại diện trong một phạm vi khá rộng lớn (ví dụ: diện tích trung bình mỗi huyện trong tỉnh Đồng Tháp khoảng 346 km2) Do đó, nghiên cứu này tiếp cận kỹ thuật nội suy và hệ thống đa tác tử để ước lượng và mô phỏng mật số rầy nâu tại các vùng (nơi không được lấy mẫu) nhằm hỗ trợ người quản lý dễ dàng theo dõi diễn biến mật số rầy nâu tại mỗi vùng chính xác hơn phương pháp truyền thống và có biện pháp chủ động trong việc phòng chống dịch hại rầy nâu một cách hiệu quả hơn

Việc phát triển các hệ thống thông tin để theo dõi mật số rầy nâu đã và đang trở thành một trong những vấn đề quan tâm hàng đầu của Việt Nam và các nước nông nghiệp Một số mô hình

đã được phát triển như: ứng dụng kỹ thuật 3D để mô phỏng sự di trú của rầy nâu [2] [3] Mô phỏng sự lan truyền của rày nâu trong vùng đồng bằng sông Cửu Long, ý tưởng chính của mô hình này dựa trên vòng đời của rầy nâu và hướng gió [5] Tuy nhiên, tác giả giả thuyết rằng mỗi huyện có cùng mật số rầy Một nghiên cứu khác dựa trên kỹ thuật Unit Disk Graph để ước lượng mật số rầy nâu [13], với ý tưởng chính dựa trên hướng gió và bẫy đèn là tâm của đường tròn để nội suy mật số rầy nâu tại mỗi vùng xung quanh bẫy đèn

Bài viết này được chia thành năm phần Phần thứ nhất giới thiệu chung về tác hại của rầy nâu và các mô hình mô phỏng sự lan truyền của rầy nâu Phần thứ hai, mô hình hóa ước lượng

sự phân bố rầy nâu, sơ lược về kỹ thuật nội suy trọng số nghịch đảo khoảng cách và phương pháp đánh giá, lựa chọn kịch bản thích hợp nhất trong mô ước lượng sự phân bố rầy nâu Phần thứ ba trình bày sơ lược về hệ thống đa tác tử - GAMA và xử lý bản đồ cho việc mô phỏng sự phân bố rầy nâu Phần bốn trình bày kết quả thực nghiệm Tiếp theo, tóm tắt kết quả đạt được và một số hướng phát triển được nêu ra ở phần cuối cùng

2 ƯỚC LƯỢNG SỰ PHÂN BỐ RẦY NÂU DỰA TRÊN KỸ THUẬT NỘI SUY

2.1 Tập tính sống của rầy nâu

Theo quan điểm của các chuyên gia nông nghiệp, rầy nâu có những đặc tính chính sau: thích sống quần tụ Những cá thể trưởng thành có hai loại: cánh dài và cánh ngắn Trong đó, những cá thể trưởng thành cánh dài thường bay lại ánh sáng đèn lúc ban đêm Điều này cho thấy rằng mật

số rầy nâu tại các vùng lân cận bẫy đèn sẽ có mật số xấp xỉ với số liệu lấy mẫu của bẫy đèn Ngoài ra, rầy nâu sẽ sinh trưởng rất nhanh trong điều kiện môi trường thuận lợi về khí hậu và thức ăn dồi dào (lúa non) thì rầy nâu sẽ sinh trưởng rất nhanh Sự di trú của rầy nâu sẽ bùng phát khi mật số rầy nâu lớn hơn 10000 con/m2 hoặc thức ăn cạn kiệt (lúa ở giai đoạn sắp thu hoạch), chúng chủ yếu di chuyển bằng cách nhảy từ lá lúa này sang lá lúa khác, chỉ có cá thể cánh dài mới có thể bay xa hơn Kết quả là, rầy nâu chủ yếu lan truyền sang các vùng lân cận Trong thực tiễn, vị trí địa lý của các bẫy đèn đặt khá xa nhau, khoảng cách trung bình giữa hai bẫy đèn là 9777 mét Do đó, các bẫy đèn (điểm lấy mẫu) càng gần điểm không lấy mẫu thì

có hệ số ảnh hưởng lớn hơn các bẫy đèn ở xa Ví dụ: quan sát hình 1, chúng ta thấy mật số rầy nâu của điểm u1 tại thời điểm lấy mẫu thì bẫy đèn A có hệ số ảnh hưởng nhiều hơn bẫy đèn B

3

Hình 1: Minh họa sự khác biệt mật số rầy nâu giữa các vùng

Từ phân tích bên trên cho thấy rằng, kỹ thuật nội suy trọng số nghịch đảo khoảng cách (Inverse Distance Weight – IDW) phù hợp cho việc áp dụng ước lượng mật số rầy nâu tại thời điểm lấy mẫu

2.2 Sơ lược về kỹ thuật nội suy trọng số nghịch đảo khoảng cách

Phương pháp này giả thuyết rằng, những điểm lấy mẫu gần vị trí dự đoán thì có sự ảnh hưởng nhiều hơn các điểm lấy mẫu ở xa (Fisher và Embleton, 1987)

(1)

Trong đó:

• là giá trị dự đoán tại điểm

• là giá trị lấy mẫu tại điểm

• là khoảng cách giữa điểm và điểm dự đoán

• n là tổng số điểm lấy mẫu tham gia ước lượng cho điểm

• p là số mũ

2.3 Ước lượng sự phân bố rầy nâu dựa trên kỹ thuật nội suy với bán kính động (auto fitting radius)

Hình 2: Bán kính động với ít nhất 4 bẫy đèn lân cận tham gia ước lượng

Ước lượng mật số rầy nâu tại mỗi điểm quan tâm gồm có bốn bước như sau:

4

 Bước 1: Tính khoảng cách từ điểm dự đoán P đến các bẫy đèn S, đặt là

 Bước 2: Sắp xếp các khoảng cách tăng dần

với t là vector tạm

 Bước 3: Xác định bán kính R với tâm là P để thỏa điều kiện có ít nhất n bẫy đèn lân cận tham gia ước lượng giá trị cho điểm P

 Bước 4: Sử dụng công thức (1) để tính giá trị ước lượng tại P bởi những bẫy đèn nằm trong phạm vi bán kính R, nghĩa là

Bảng 1: Khoảng cách từ mỗi điểm dự đoán đến tất cả các bẫy đèn đã sắp xếp tăng

Ví dụ: Với các giá trị trong bảng 1, nếu n = 4 thì có 4 bẫy đèn tham gia ước lượng cho với

R = 9; có 5 bẫy đèn tham gia ước lượng cho với R = 7; có 6 bẫy đèn tham gia ước lượng cho với R = 10

2.4 Ước lượng sự phân bố rầy nâu dựa trên kỹ thuật nội suy với bán kính cố định (fixed radius)

Hình 3: Bán kính cố định với ít nhất 4 bẫy đèn lân cận tham gia ước lượng

Bước 1: Tính toán giá trị của một ma trận khoảng cách giữa các điểm ước lượng và các bẫy đèn , đặt là , với và Trong đó, là tổng số điểm dự đoán; là tổng số các bẫy đèn

Bước 2: Sắp xếp giá trị của mỗi dòng trong ma trận tăng dần, với t là ma trận tạm

5

Bước 3: Xác định và cố định bán kính R lớn nhất với tâm là , sao cho có ít nhất n bẫy đèn lân cận tham gia ước lượng giá trị cho

Bước 4: Sử dụng công thức (1) để tính giá trị ước lượng tại bởi các bẫy đèn nằm trong phạm vi bán kính R, nghĩa là

Ví dụ: Với các giá trị trong bảng 2, nếu n = 4 thì R = 10 Khi đó, sẽ có 4 bẫy đèn tham gia ước lượng cho Tương tự, có 6 bẫy đèn tham gia ước lượng cho và 6 bẫy đèn tham gia ước lượng cho

Bảng 2: Khoảng cách từ mỗi điểm dự đoán đến tất cả các bẫy đèn đã sắp xếp tăng

2.5 Phương pháp đánh giá, chọn kịch bản phù hợp nhất trong việc ước lượng sự phân bố rầy nâu

Ứng với mỗi giá trị của tham số n và p trong công thức (1) sẽ cho ra các giá trị ước lượng khác nhau Vì thế để xác định kịch bản có độ tin cậy cao nhất trong việc ước lượng sự phân bố rầy nâu, chúng tôi sử dụng kỹ thuật Cross Validation, cụ thể là tính toán giá trị Root Mean Square Error (RMSE) Ý tưởng chính của kỹ thuật này như sau: lấy một bẫy đèn trong tập mẫu các bẫy đèn làm điểm dự đoán, so sánh độ lệch giữa kết quả ước lượng và giá trị thực tại bẫy đèn đó Tiếp tục, đưa bẫy đèn đó trở lại tập mẫu và lấy bẫy đèn khác làm điểm dự đoán, lặp lại quá trình này cho tất cả các bẫy đèn

(2)

(3) Trong đó:

 Sj là bẫy đèn tại vị trí , với , n là tổng số bẫy đèn

 RMSE(Sj) là giá trị của RMSE tại bẫy đèn thứ jth

 k là tổng số ngày thực hiện kiểm tra

 là giá trị ước lượng tại bẫy đèn thứ jth trong ngày thứ ith

 Zj,i là giá trị lấy mẫu, dữ liệu thực tế tại bẫy đèn thứ jth trong ngày thứ ith

6 Bẫy đèn

là giá trị trung bình của các giá trị của kịch bản, nếu càng nhỏ thì kịch bản

đó có độ chính xác càng cao

3 MÔ PHỎNG SỰ PHÂN BỐ RẦY NÂU

3.1 Sơ lược về hệ thống đa tác tử - GAMA

GAMA (GIS & Agent-Based Modeling Architecture) là phần mềm mô phỏng được phát triển bởi nhóm nghiên cứu MSI-UMMISCO (IFI, IRD) từ năm 2007, cho phép phát các mô hình mô phỏng trên đa tác tử [1] Mỗi thực thể trong hệ thống có thể được định nghĩa thành một tác tử trong mô hình Các mô hình mô phỏng chạy trên GAMA được viết bằng GAML, ngôn ngữ lập trình có cú pháp dạng XML

Để mô phỏng sự phân bố rầy nâu, mỗi đa giác (vùng) trên bản đồ được mô hình hóa thành mỗi tác tử gồm có các thuộc tính: mã số của đa giác, mã huyện, tên huyện, mã xã, tên xã, diện tích của đa giác, tọa độ tâm của đa giác (kinh độ – longitude, vĩ độ – latitude) và được cài đặt với các khối công việc như sau:

Hình 4: Các khối công việc trong mô hình mô phỏng sự phân bố rầy nâu

3.2 Xử lý bản đồ cho ước lượng và mô phỏng sự phân bố rầy nâu

Bản đồ mỗi huyện, xã được chia thành các đa giác nhỏ hơn để thể hiện rõ sự khác biệt về mật số rầy nâu tại mỗi nơi trong xã Trong mô hình mô phỏng này chỉ quan tâm mô phỏng sự phân bố rầy nâu tại những diện tích đất có trồng lúa Vì vậy, sau khi chia nhỏ bản đồ các xã, chúng ta xóa những diện tích đất không có trồng lúa, kết quả như hình 5.2

Khai báo môi trường mô phỏng dưới dạng GIS

Khởi tạo các tham số: n và p trong công thức (1); số liệu rầy nâu tại mỗi bẫy đèn

Áp dụng mô hình toán, tính giá trị ước lượng cho mỗi tác tử

Thiết lập các cửa sổ hiển thị, biểu đồ thống kê mật số rầy nâu

7

4 THỰC NGHIỆM

Xây dựng chương trình mô phỏng sự phân bố rầy nâu ứng với thời điểm lấy mẫu và trong điều kiện đồng nhất (nghĩa là tất cả các vùng có cùng giai đoạn tuổi lúa), mô hình hóa sự phân

bố rầy nâu thí điểm ở tỉnh Đồng Tháp thuộc vùng đồng bằng sông Cửu Long

Trước hết, mô hình ước lượng mật số rầy nâu được cài đặt và so sánh độ chính xác giữa các kịch bản trên ngôn ngữ R để xác định giá trị các tham số n và p trong kịch bản để có kết quả ước lượng chính xác cao nhất, các kịch bản được thử nghiệm với dữ liệu rầy nâu được thu thập tại

23 bẫy đèn trong 31 ngày (từ 01/07/2010 đến 31/07/2010) Sau đó, kịch bản có giá trị ước lượng chính xác nhất này được cài đặt trên hệ thống đa tác tử để mô phỏng sự phân bố rầy nâu tại mỗi vùng trong tỉnh Đồng Tháp

Bảng 3: Một phần dữ liệu rầy nâu thu thập tại các bẫy đèn năm 2010

Bẫy

đèn Xã Huyện Longitude Latitude 01/07 02/07 03/07

1 PhongHoa LaiVung 105.6976438 10.17978961 6726 33 16

2 LongHau LaiVung 105.6267561 10.27223552 4420 280 142

3 AnHoa SaDec 105.7480341 10.30023103 20 15 9

4 TanMy LapVo 105.6507234 10.38614076 56 14 385

5 MyTra TPCaoLanh 105.647852 10.48181178 161 15 15

6 TanPTrung ChauThanh 105.7410714 10.25543547 0 0 0

7 AnPThuan ChauThanh 105.8946109 10.20503894 7784 5064 3116

4.1 Xác định tham số trong mô hình ước lượng sự phân bố rầy nâu

Áp dụng công thức (2) và (3) để tính giá trị trung bình của RMSE ứng với mỗi kịch bản, ước lượng mật số rầy nâu dựa trên kỹ thuật nội suy với bán kính động và bán kính cố định Trong mỗi kịch bản, chúng tôi cố gắng thử nghiệm thay đổi n số bẫy đèn lân cận tham gia ước lượng

và số mũ p trong công thức (1) Từ biểu đồ trong hình 6, chúng tôi thấy rằng kịch bản ước lượng mật số rầy nâu với tham số n=3 và p=2 có độ chính xác cao nhất Ngoài ra, độ lệch của kết quả ước lượng càng cao khi chúng ta tăng số bẫy đèn tham gia ước lượng mật số rầy nâu cho mỗi điểm quan tâm

Hình 6: Biểu đồ so sánh giá trị trung bình của RMSE ứng với mỗi kịch bản

8

4.2 Mô phỏng sự phân bố rầy nâu sử dụng kịch bản có độ chính xác cao nhất

Kết quả ước lượng mật số rầy nâu tại mỗi vùng được hiển thị với các màu khác nhau dựa trên trên hệ thống đa tác tử - GAMA kết hợp với hệ thống thông tin địa lý (GIS), giúp người quản lý dễ dàng khảo sát mật số rầy nâu tại mỗi vùng xung quanh các bẫy đèn, thấy rõ sự khác biệt mật số rầy nâu giữa các vùng Khi khảo sát mật số rầy nâu theo thời gian lịch sử dựa trên

mô hình mô phỏng này, người quản lý có thể dễ dàng nhận biết khuynh hướng lan truyền của rầy nâu như hình 7 và hình 8

Hình 7: Mật số rầy nâu tại các vùng trong ngày 08/07/2010

9

Hình 8: Mật số rầy nâu tại các vùng trong ngày 09/07/2010

Ngoài ra, từ kết quả ước lượng, chúng ta có thể thống kê mật số rầy nâu tại mỗi xã trong huyện Ví dụ: từ biểu đồ của hình 9, chúng ta có thể biết được xã nào đang bị nhiễm rầy nâu với mật số cao hoặc diễn biến rầy nâu trong xã theo thời gian

Hình 9: Mật số rầy nâu trung bình tại mỗi xã trong huyện Cao Lãnh

ứng với ngày 08/07/2010

10

Hình 10: Diễn biến mật số rầy nâu tại xã Phương Thịnh

từ 01/07/2010 đến 31/07/2010

Biểu đồ trong hình 10, các đường line biểu thị mật số rầy nâu cao nhất và thấp nhất minh chứng rằng mật số rầy nâu tại mỗi nơi trong phạm vi của xã có sự khác biệt rất lớn, sự khác biệt này chủ yếu là do mật số rầy nâu ở các xã lân cận di trú sang Thông qua biểu đồ dạng line sẽ giúp các chuyên gia dễ theo dõi chu kỳ phát triển của rầy nâu để dễ dàng trong việc dự báo mật

độ rầy nâu trong thời gian tới

5 KẾT LUẬN

5.1 Kết quả đạt được

Chúng tôi đã phát triển chương trình mô phỏng diễn biến mật độ rầy nâu tại thời điểm lấy mẫu, trong điều kiện đồng nhất Kết quả mô phỏng giúp người quản lý dễ dàng theo dõi mật số rầy nâu tại mỗi vùng trong tỉnh Đồng Tháp, để có chính sách chủ động trong việc phòng chống dịch hại rầy nâu một cách hiệu quả hơn

Theo kết quả phân tích trong nghiên cứu này, chúng tôi đề xuất áp dụng kỹ thuật nội suy trọng số nghịch đảo khoảng cách với tham số n = 3 và p = 2 cho việc ước lượng mật số rầy nâu tại mỗi vùng trong tỉnh Đồng Tháp

5.2 Hướng phát triển

Dựa trên kết quả mô hình mô phỏng diễn biến mật độ rầy nâu tại thời điểm lấy mẫu, chúng ta

có thể kết hợp với mô hình sinh trưởng của rầy nâu và điều kiện môi trường (giai đoạn tuổi lúa, nhiệt độ, lượng mưa, hướng gió) để xây dựng mô hình dự báo mật số rầy nâu tại mỗi vùng

LỜI CẢM ƠN

Chúng tôi xin chân thành cảm ơn Chi cục Bảo vệ Thực vật ở tỉnh Đồng Tháp đã chia sẻ các kiến thức chuyên môn về đặc tính sinh học của rầy nâu và cung cấp số liệu rầy nâu thu thập tại các bẫy đèn, góp phần thành công rất lớn trong nghiên cứu này