[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"_public_topic_publications_land%20change%20modeler{\"limit\":5}":3,"_public_topic_byId_land change modeler":11},{"code":4,"data":5,"meta":10},"SUCCESS",{"latest":6,"mostCited":7,"vietnamFeatured":8,"vietnamLatest":9},[],[],[],[],null,{"code":4,"data":12,"meta":10},{"id":13,"title":14,"description":15,"content":16,"term":13,"englishTitle":17,"synonyms":18,"definition":22,"discipline":23,"references":24,"faqs":46,"createUser":56,"publishUser":60,"keywords":64,"keywordCount":75,"enrichTopicLink":76,"status":77,"createTime":78,"updateTime":79,"publishTime":80,"linkEnrichedTime":81,"publicationScanTime":10,"contentErrorMessage":10,"viewCount":82,"relateTopics":83},"land change modeler","Land change modeler là gì? Các bài báo nghiên cứu khoa học","Land Change Modeler là công cụ GIS tích hợp trong TerrSet do Clark Labs phát triển, hỗ trợ phân tích lịch sử và dự báo biến đổi sử dụng đất dựa trên ma trận xác suất chuyển đổi và mô hình ô tế bào. Công cụ sử dụng hồi quy logistic đa biến để xác định yếu tố điều kiện và thuật toán Cellular Automata kết hợp, tạo bản đồ xác suất chuyển đổi và mô phỏng kịch bản sử dụng đất tương lai giúp quy hoạch và quản lý tài nguyên hiệu quả. ","\u003Cp>Land Change Modeler (LCM) là một bộ công cụ phân tích không gian và mô hình hóa biến đổi lớp phủ - sử dụng đất (Land Use and Land Cover Change - LULC) chuyên dụng, được phát triển bởi Trung tâm Clark Labs và tích hợp trong hệ thống phần mềm GIS viễn thám TerrSet (trước đây là IDRISI). Công cụ hỗ trợ các nhà khoa học môi trường, chuyên gia địa tin học và nhà quy hoạch đô thị phân tích xu hướng biến động đất đai lịch sử, đánh giá tiềm năng chuyển đổi và mô phỏng các kịch bản không gian cảnh quan tương lai.\u003C\u002Fp>\n\n\u003Ch2>Cơ sở lý thuyết và quy trình mô hình hóa\u003C\u002Fh2>\n\u003Cp>Quy trình vận hành chuẩn trong Land Change Modeler bao gồm ba giai đoạn liên hoàn:\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>\u003Cstrong>Phân tích biến đổi lịch sử (Change Analysis):\u003C\u002Fstrong> So sánh bản đồ sử dụng đất dạng raster tại hai thời điểm để định lượng diện tích tăng giảm ròng, sự chuyển dịch giữa các lớp và mức độ {{topic|%7B%22topic%22%3A%22ph%C3%A2n%20m%E1%BA%A3nh%22%7D}} cảnh quan. Ma trận xác suất chuyển đổi Markov được tính toán như sau:\n  \u003Cscript type=\"math\u002Ftex; mode=display\">P_{ij} = \\frac{n_{ij}}{\\sum_{k} n_{ik}}\u003C\u002Fscript>\n  Trong đó \u003Cscript type=\"math\u002Ftex\">n_{ij}\u003C\u002Fscript> biểu thị số pixel đã chuyển từ lớp \u003Cscript type=\"math\u002Ftex\">i\u003C\u002Fscript> sang lớp \u003Cscript type=\"math\u002Ftex\">j\u003C\u002Fscript>, và mẫu số là tổng các pixel thuộc lớp \u003Cscript type=\"math\u002Ftex\">i\u003C\u002Fscript> ở thời điểm ban đầu.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Mô hình hóa tiềm năng chuyển đổi (Transition Potential Modeling):\u003C\u002Fstrong> Xác định mức độ phù hợp không gian cho từng loại chuyển đổi bằng cách kết hợp các biến động lực (driver variables) như khoảng cách tới đường giao thông, độ dốc địa hình, khoảng cách tới trung tâm đô thị. Mô hình sử dụng {{topic|%7B%22topic%22%3A%22h%E1%BB%93i%20quy%20logistic%22%7D}} đa biến hoặc {{topic|%7B%22topic%22%3A%22m%E1%BA%A1ng%20n%C6%A1-ron%22%7D}} nhiều lớp (Multi-Layer Perceptron - MLP):\n  \u003Cscript type=\"math\u002Ftex; mode=display\">\\ln\\left(\\frac{P}{1-P}\\right) = \\beta_0 + \\sum_{i=1}^{n}\\beta_i X_i\u003C\u002Fscript>\n  Trong đó \u003Cscript type=\"math\u002Ftex\">P\u003C\u002Fscript> là xác suất xảy ra chuyển đổi, \u003Cscript type=\"math\u002Ftex\">X_i\u003C\u002Fscript> là các biến giải thích không gian và \u003Cscript type=\"math\u002Ftex\">\\beta_i\u003C\u002Fscript> là các hệ số hồi quy tương ứng.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Mô phỏng và dự báo kịch bản (Change Prediction):\u003C\u002Fstrong> Kết hợp ma trận chuyển đổi chuỗi Markov để xác định nhu cầu diện tích và thuật toán ô tự động (Cellular Automata - CA) đa mục tiêu để phân bổ vị trí không gian cho các kịch bản tương lai.\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ctable>\n  \u003Cthead>\n    \u003Ctr>\n      \u003Cth>Phân hệ chức năng\u003C\u002Fth>\n      \u003Cth>Mục tiêu phân tích\u003C\u002Fth>\n      \u003Cth>Dữ liệu đầu vào \u002F Phương pháp\u003C\u002Fth>\n      \u003Cth>Kết quả đầu ra\u003C\u002Fth>\n    \u003C\u002Ftr>\n  \u003C\u002Fthead>\n  \u003Ctbody>\n    \u003Ctr>\n      \u003Ctd>Change Analysis\u003C\u002Ftd>\n      \u003Ctd>Định lượng biến động đất đai lịch sử\u003C\u002Ftd>\n      \u003Ctd>Bản đồ LULC tại hai mốc thời gian\u003C\u002Ftd>\n      \u003Ctd>Biểu đồ tăng giảm ròng, bản đồ chuyển dịch\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>Transition Potentials\u003C\u002Ftd>\n      \u003Ctd>Xác định bề mặt xác suất chuyển đổi\u003C\u002Ftd>\n      \u003Ctd>Mô hình MLP Neural Network, Logistic Regression\u003C\u002Ftd>\n      \u003Ctd>Bản đồ tiềm năng chuyển đổi cho từng phân nhóm\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>Change Prediction\u003C\u002Ftd>\n      \u003Ctd>Mô phỏng kịch bản không gian tương lai\u003C\u002Ftd>\n      \u003Ctd>CA-Markov, kịch bản chính sách và quy hoạch\u003C\u002Ftd>\n      \u003Ctd>Bản đồ dự báo LULC, đánh giá tính dễ bị tổn thương\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>REDD+ & Habitat\u003C\u002Ftd>\n      \u003Ctd>Đánh giá bảo tồn sinh thái và carbon rừng\u003C\u002Ftd>\n      \u003Ctd>Trữ lượng sinh khối, bản đồ sinh cảnh loài\u003C\u002Ftd>\n      \u003Ctd>Bản đồ giảm phát thải carbon rừng, hành lang sinh thái\u003C\u002Ftd>\n    \u003C\u002Ftr>\n  \u003C\u002Ftbody>\n\u003C\u002Ftable>\n\n\u003Ch2>Đánh giá và kiểm định độ chính xác mô hình\u003C\u002Fh2>\n\u003Cp>Kiểm định độ chính xác là bước thiết yếu trong {{topic|%7B%22topic%22%3A%22m%C3%B4%20h%C3%ACnh%20h%C3%B3a%22%7D}} địa lý:\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>\u003Cstrong>Chỉ số {{topic|%7B%22topic%22%3A%22di%E1%BB%87n%20t%C3%ADch%20d%C6%B0%E1%BB%9Bi%20%C4%91%C6%B0%E1%BB%9Dng%20cong%22%7D}} ROC (AUC):\u003C\u002Fstrong> Đánh giá năng lực phân loại của bề mặt tiềm năng chuyển đổi so với dữ liệu thực tế kiểm chứng.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Phân tích bất đồng thuận không gian:\u003C\u002Fstrong> Thay vì phụ thuộc hoàn toàn vào hệ số Kappa truyền thống, các nghiên cứu khuyến nghị bóc tách sai số thành độ sai lệch về số lượng (Quantity Disagreement) và độ sai lệch về vị trí phân bổ không gian (Allocation Disagreement).\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>Ứng dụng thực tiễn của Land Change Modeler\u003C\u002Fh2>\n\u003Cp>LCM được triển khai rộng rãi trong nhiều lĩnh vực {{topic|%7B%22topic%22%3A%22qu%E1%BA%A3n%20l%C3%BD%20t%C3%A0i%20nguy%C3%AAn%22%7D}} và quy hoạch:\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>\u003Cstrong>Quy hoạch phát triển đô thị:\u003C\u002Fstrong> Mô phỏng sự mở rộng của đất đô thị và đất xây dựng, phân tích áp lực chuyển đổi đất nông nghiệp và {{topic|%7B%22topic%22%3A%22%C4%91%E1%BA%A5t%20ng%E1%BA%ADp%20n%C6%B0%E1%BB%9Bc%22%7D}} ven đô.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Bảo tồn {{topic|%7B%22topic%22%3A%22%C4%91a%20d%E1%BA%A1ng%20sinh%20h%E1%BB%8Dc%22%7D}} và rừng:\u003C\u002Fstrong> Dự báo các điểm nóng nguy cơ mất rừng, hỗ trợ thiết kế các khu {{topic|%7B%22topic%22%3A%22b%E1%BA%A3o%20t%E1%BB%93n%20thi%C3%AAn%20nhi%C3%AAn%22%7D}} và hành lang di chuyển của động thực vật hoang dã.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Dự án cơ chế REDD+:\u003C\u002Fstrong> Tính toán đường phát thải cơ sở (baseline emission levels) và dự báo lượng giảm {{topic|%7B%22topic%22%3A%22ph%C3%A1t%20th%E1%BA%A3i%20kh%C3%AD%20nh%C3%A0%20k%C3%ADnh%22%7D}} từ các can thiệp chống phá rừng và suy thoái rừng.\u003C\u002Fli>\n\u003C\u002Ful>\n","Land Change Modeler",[19,20,21,17],"LCM","mô hình biến đổi đất đai","TerrSet LCM","Land Change Modeler (LCM) là một hệ thống phần mềm phân tích không gian và mô hình hóa địa lý được tích hợp trong nền tảng TerrSet\u002FIDRISI, chuyên biệt cho việc đánh giá xu hướng biến đổi sử dụng đất và lớp phủ mặt đất (LULC), phân tích tiềm năng chuyển đổi dựa trên hồi quy logistic hoặc mạng nơ-ron, và dự báo kịch bản không gian tương lai kết hợp chuỗi Markov và Cellular Automata.","NATURAL_SCIENCES",[25,32,39],{"citationText":26,"title":27,"authors":28,"source":29,"year":30,"doi":31,"url":10},"Pontius, R. G., & Millones, M. (2011). Death to Kappa: birth of quantity disagreement and allocation disagreement for accuracy assessment. International Journal of Remote Sensing, 32(15), 4407-4429.","Death to Kappa: birth of quantity disagreement and allocation disagreement for accuracy assessment","Pontius, R. G., Millones, M.","International Journal of Remote Sensing",2011,"10.1080\u002F01431161.2011.552923",{"citationText":33,"title":34,"authors":35,"source":36,"year":37,"doi":38,"url":10},"Mas, J. F., Kolb, M., Paegelow, M., Camacho Olmedo, M. T., & Houet, T. (2014). Inductive pattern-based land use\u002Fcover change models: A comparison of four software packages. Environmental Modelling & Software, 51, 94-111.","Inductive pattern-based land use\u002Fcover change models: A comparison of four software packages","Mas, J. F., Kolb, M., Paegelow, M., Camacho Olmedo, M. T., Houet, T.","Environmental Modelling & Software",2014,"10.1016\u002Fj.envsoft.2013.09.010",{"citationText":40,"title":41,"authors":42,"source":43,"year":44,"doi":45,"url":10},"Jokar Arsanjani, J., Helbich, M., Kainz, W., & Darvishi Boloorani, A. (2013). Integration of logistic regression, Markov chain and cellular automata models to simulate urban expansion. International Journal of Applied Earth Observation and Geoinformation, 21, 265-275.","Integration of logistic regression, Markov chain and cellular automata models to simulate urban expansion","Jokar Arsanjani, J., Helbich, M., Kainz, W., Darvishi Boloorani, A.","International Journal of Applied Earth Observation and Geoinformation",2013,"10.1016\u002Fj.jag.2011.12.014",[47,50,53],{"question":48,"answer":49},"Land Change Modeler (LCM) sử dụng những thuật toán nào để mô hình hóa tiềm năng chuyển đổi đất?","LCM hỗ trợ các phương pháp hồi quy logistic đa biến (Logistic Regression) và mạng nơ-ron truyền thẳng nhiều lớp (Multi-Layer Perceptron - MLP) để xác định mối tương quan giữa các biến động lực môi trường - kinh tế và khả năng chuyển đổi trạng thái đất.",{"question":51,"answer":52},"Sự kết hợp giữa chuỗi Markov và Cellular Automata (CA-Markov) trong LCM đóng vai trò gì?","Chuỗi Markov tính toán tổng lượng diện tích biến đổi kỳ vọng giữa các lớp sử dụng đất, trong khi thuật toán Cellular Automata phân bổ vị trí không gian cụ thể cho từng pixel dựa trên bề mặt tiềm năng chuyển đổi và quy luật lân cận.",{"question":54,"answer":55},"Tại sao việc đánh giá mô hình LCM cần dựa trên độ sai lệch số lượng và vị trí phân bổ thay vì chỉ số Kappa?","Chỉ số sai lệch số lượng (Quantity Disagreement) và sai lệch vị trí phân bổ (Allocation Disagreement) giúp bóc tách minh bạch nguồn gốc sai số dự báo do ước tính tổng diện tích sai hay do đặt sai vị trí trên bản đồ, khắc phục nhược điểm gây hiểu lầm của chỉ số Kappa.",{"id":57,"researcherId":10,"name":58,"imageUrl":59},1,"Nguyễn Ngọc Sơn","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLGfGsF1nYQqYK5BasTLhNu1dBrBXg2fcEgBNPXJ0p2gqLQnO7i=s96-c",{"id":61,"researcherId":10,"name":62,"imageUrl":63},2633,"Hoài Đặng","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLVXVafUxrnnC_H60UeQdpLE3UgeKGCSesypz_6Vi59B-n9C41A=s96-c",[65,66,67,68,69,70,71,72,73,74],"phân mảnh","hồi quy logistic","mạng nơ-ron","mô hình hóa","diện tích dưới đường cong","quản lý tài nguyên","đất ngập nước","đa dạng sinh học","bảo tồn thiên nhiên","phát thải khí nhà kính",10,true,"PUBLISHED","2025-07-21T02:16:28.092+00:00","2026-08-29T04:04:02.749+00:00","2025-07-21T10:18:40.691+00:00","2026-08-29T04:04:02.372+00:00",276,[84,87,90,93,96,99,102,105,108,111],{"id":85,"title":86,"term":85,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"ngữ nghĩa","Ngữ nghĩa là gì? Các nghiên cứu khoa học về Ngữ nghĩa",{"id":88,"title":89,"term":88,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"năng lực mô hình hóa toán học","Năng lực mô hình hóa toán học là gì? Các nghiên cứu khoa học",{"id":91,"title":92,"term":91,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"mô hình lý thuyết","Mô hình lý thuyết là gì? Các nghiên cứu về Mô hình lý thuyết",{"id":94,"title":95,"term":94,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"toán cao cấp","Toán cao cấp là gì? Các nghiên cứu khoa học về Toán cao cấp",{"id":97,"title":98,"term":97,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"simulink","Simulink là gì? Các công bố khoa học về Simulink",{"id":100,"title":101,"term":100,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"artificial intelligence","Artificial Intelligence là gì? Các nghiên cứu khoa học về AI",{"id":103,"title":104,"term":103,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"vị từ","Vị từ là gì? Các nghiên cứu khoa học về Vị từ",{"id":106,"title":107,"term":106,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"giáo dục khởi nghiệp","Giáo dục khởi nghiệp là gì? Nghiên cứu khoa học liên quan",{"id":109,"title":110,"term":109,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"phương pháp luận","Phương pháp luận là gì? Các nghiên cứu khoa học liên quan",{"id":112,"title":113,"term":112,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"phân compost","Phân compost là gì? Các nghiên cứu khoa học về Phân compost"]