ỨNG DỤNG MÔ HÌNH HỌC MÁY ĐÁNH GIÁ PHÂN HẠNG THÍCH HỢP ĐẤT NÔNG NGHIỆP KHU VỰC HUYỆN SƠN DƯƠNG, TỈNH TUYÊN QUANG

ỨNG DỤNG MÔ HÌNH HỌC MÁY ĐÁNH GIÁ PHÂN HẠNG THÍCH HỢP ĐẤT NÔNG NGHIỆP KHU VỰC HUYỆN SƠN DƯƠNG, TỈNH TUYÊN QUANG

Chu Văn Trung1,2, Hoàng Văn Hùng4, Nguyễn Ngọc Anh1, Nguyễn Huy Trung1, Hoàng Hữu Chiến1, Nguyễn Quang Thi1, Nguyễt Thanh Hải3, Nguyễn Thùy Linh1

[1] Khoa Quản lý Tài nguyên, Đại học Nông Lâm – Đại học Thái Nguyên

2 Trung tâm Nghiên cứu Không gian và Viễn thám – Đại học Quốc lập Trung ương Đài Loan

3 Khoa Môi trường, Đại học Nông Lâm – Đại học Thái Nguyên

TÓM TẮT

Nghiên cứu này ứng dụng mô hình học máy để đánh giá và phân hạng thích hợp đất nông nghiệp trên địa bàn huyện Sơn Dương, tỉnh Tuyên Quang, nhằm xác định mức độ thích hợp cho các loại kiểu sử dụng đất thuộc nhóm đất nông nghiệp: Đất chuyên trồng lúa nước, đất bằng trồng cây hàng năm, đất trồng cây hàng năm khác và đất trồng cây lâu năm. Các biến tự nhiên được sử dụng làm dữ liệu đầu vào bao gồm: Loại đất, tầng dày, thành phần cơ gới, độ phì, độ dốc, khô hạn, lượng mưa, tưới, ngập lụt tổng tích ôn, giúp phản ánh các yếu tố quan trọng ảnh hưởng đến khả năng thích nghi của môi trường canh tác. Mô hình học máy được triển khai để xử lý hiệu quả dữ liệu đa chiều và phi tuyến tính, từ đó phát hiện các mối quan hệ phức tạp giữa các biến đầu vào và mức độ thích hợp của đất đai cho từng loại sử dụng đất. Kết quả nghiên cứu đã xây dựng được bản đồ phân hạng thích hợp đất đai cho 04 loại hình sử dụng đất nói trên, cung cấp thông tin khoa học và thực tiễn quan trọng cho việc quy hoạch và quản lý sử dụng đất nông nghiệp trên địa bàn huyện Sơn Dương trên phạm vi 78.795,14ha (trong đó đánh giá 68.922,45ha, phần không đánh giá là đất phi nông nghiệp, sông suối và đất núi đá) với 200 đơn vị đất đai. Nhóm đất rất thích hợp (H1) và thích hợp (H2) chiếm tỷ lệ đáng kể, với độ chính xác mô hình từ 85,51% đến 92,31%, cho thấy tính khoa học và thực tiễn cao. Nghiên cứu đã đánh giá mức độ tin cậy của mô hình và so sánh với kết quả phân hạng điều tra phân hạng đất nông nghiệp lần đầu tỉnh Tuyên Quang thì phương pháp học máy có kết quả vượt trội và tối ưu hơn. Bản đồ phân hạng này là công cụ hữu ích để định hướng phát triển nông nghiệp bền vững nhóm đất sản xuất nông nghiệp trên địa bàn huyện Sơn Dương trong tương lai.

Từ khóa: phân hạng thích hợp đất đai, mô hình học máy, rừng ngẫu nhiên, Sơn Dương, đất sản xuất nông nghiệp.

SUMMARY

Application of machine learning model for agricultural land suitability classification
in Son Duong district, Tuyen Quang province

Chu Van Trung 1,2, Hoang Van Hung 4, Nguyen Ngoc Anh 1, Nguyen Huy Trung 1, Hoang Huu Chien 1, Nguyen Quang Thi 1, Nguyen Thanh Hai 3, Nguyen Thuy Linh 1

1 Faculty of Resource Management – Thai Nguyen University of Agriculture and Forestry
2 Center for Space and Remote Sensing Research – National Central University, Taiwan
3Faculty of Environment – Thai Nguyen University of Agriculture and Forestry
4 Thai Nguyen University

This study applies machine learning models to evaluate and classify agricultural land suitability in Son Duong District, Tuyen Quang Province, aiming to determine the suitability levels for different agricultural land use types, including paddy fields, annual cropland, other annual cropland, and perennial cropland. Natural variables used as input data include soil type, soil depth, soil texture, fertility, slope, drought, rainfall, irrigation, flooding, and accumulated temperature, which comprehensively reflect key factors influencing agricultural adaptability. The machine learning model is employed to efficiently process high-dimensional and nonlinear data, uncovering complex relationships between input variables and land suitability for each land use type. The study successfully develops a land suitability classification map for the four agricultural land use types, providing valuable scientific and practical information for land-use planning and management in Son Duong District. The study covers a total area of 78,795.14ha, of which 68,922.45ha is assessed, while non-agricultural land, rivers, and rocky mountains are excluded. A total of 200 land units are analyzed. The highly suitable (H1) and suitable (H2) land groups account for a significant proportion, with model accuracy ranging from 85.51% to 92.31%, demonstrating high scientific and practical validity. Model reliability is evaluated and compared with the initial agricultural land classification survey results for Tuyen Quang Province, demonstrating that the machine learning approach yields superior and more optimized results. The classification map serves as a crucial tool for guiding sustainable agricultural development in Son Duong District in the future.

Keywords: land suitability classification, machine learning model, random forest, Son Duong, agricultural production land.

Người phản biện: TS. Trương Thành Nam
Email: truongthanhnam@tuaf.edu.vn

Ngày nhận bài: 19/02/2025

Ngày thông qua phản biện: 17/3/2025

Ngày duyệt đăng: 25/3/2025