Giới thiệu dự án

Biến đổi khí hậu (BĐKH) và hiện tượng El Niño đang làm gia tăng tần suất cũng như mức độ khốc liệt của các đợt thiên tai cực đoan trên phạm vi toàn cầu. Tại Việt Nam, dải đất duyên hải miền Trung là khu vực chịu tổn thương nặng nề nhất do đặc thù địa hình dốc hẹp kết hợp hiệu ứng gió phơn Tây Nam khô nóng. Theo thống kê khí tượng giai đoạn 50 năm gần đây, độ dài mùa hạn tại tỉnh Quảng Nam có tốc độ gia tăng từ 0,219 tháng/thập kỷ (tương đương 6 – 7 ngày/thập kỷ), với nhiệt độ trung bình dự báo tăng từ 1,5°C đến 1,9°C vào cuối thế kỷ 21. Tình trạng hạn hán cục bộ kéo dài từ tháng 1 đến tháng 8 hàng năm khiến hơn 4.500 ha lúa vụ Hè Thu tại địa phương bị suy thoái và xâm nhập mặn nghiêm trọng.

Tại xã Bình Trung, huyện Thăng Bình – vùng đồng bằng trung du có diện tích nông nghiệp 1.140,55 ha với hơn 12.158 nhân khẩu – hoạt động canh tác lúa nước đối mặt với nhiều rủi ro nghiêm trọng:

  • 87,33% nông hộ ghi nhận sự sụt giảm năng suất lúa rõ rệt qua các niên vụ.
  • 64,00% nông hộ chịu ảnh hưởng rất nghiêm trọng về nguồn nước tưới tiêu.
  • 46,00% nông hộ gặp khó khăn trong việc tiếp cận hệ thống cảnh báo sớm và dự báo khí tượng thủy văn.

Đồ án/khóa luận tốt nghiệp chuyên ngành Kinh tế Nông nghiệp thực hiện nghiên cứu: "Đánh giá khả năng thích ứng của nông hộ trồng lúa dưới tác động của hạn hán tại xã Bình Trung, huyện Thăng Bình, tỉnh Quảng Nam" nhằm giải quyết các bài toán định lượng cốt lõi:

  1. Phân tích nhận thức và hành vi: Khảo sát mức độ am hiểu thực trạng hạn hán và các cơ chế phản ứng sinh kế của 150 nông hộ trồng lúa.
  2. Đo lường chỉ số thích ứng tổng hợp: Xây dựng và tính toán bộ chỉ số thích ứng cấp độ nông hộ (Household Adaptive Capacity Index - HACI) dựa trên 5 trụ cột thành phần.
  3. Mô hình hóa kinh tế lượng: Ứng dụng mô hình hồi quy tuyến tính cổ điển (Ordinary Least Squares - OLS) để xác định các nhân tố vi mô tác động đến chỉ số HACI.
  4. Đề xuất khung chính sách can thiệp: Hoạch định các giải pháp công trình và phi công trình nhằm nâng cao chỉ số thích ứng HACI từ mức trung bình ($0,60$) lên mức cao ($>0,75$).

Phạm vi nghiên cứu: Điều tra chọn mẫu ngẫu nhiên xác suất $n = 150$ nông hộ tại 7 thôn thuộc xã Bình Trung, huyện Thăng Bình; thời gian thu thập dữ liệu sơ cấp và thứ cấp từ tháng 03/2022 đến tháng 06/2022.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu so sánh phương pháp luận đo lường thích ứng BĐKH hiện nay để xác định khung phân tích tối ưu cho địa bàn nông thôn miền Trung:

Khung phân tích Ưu điểm Nhược điểm Tính phù hợp với địa phương
Chỉ số tổn thương sinh kế (LVI - Hahn et al., 2009) Đánh giá chi tiết năng lực vốn tự nhiên và xã hội Số lượng biến quá lớn, khó thu thập đầy đủ ở cấp xã Trung bình
Khung sinh kế bền vững (DFID, 1999) Định tính tốt cấu trúc tài sản sinh kế Khó lượng hóa thành chỉ số tổng hợp có thang đo chuẩn Trung bình
Chỉ số HACI (Võ Thành Danh, 2015) Lượng hóa 5 trụ cột vi mô (S, E, P, N, I), tích hợp trọng số Likert 5 mức Đòi hỏi xử lý dữ liệu chuẩn hóa đa chiều Rất cao (Được lựa chọn)

Ma trận phân loại yêu cầu giải pháp theo khung MoSCoW:

  • Must have (Bắt buộc): Đo lường chuẩn xác 5 nhóm chỉ số thành phần (Social, Economic, Physical, Natural, Institutional); chạy mô hình hồi quy đa biến OLS kiểm định đầy đủ hiện tượng đa cộng tuyến, phương sai sai số thay đổi và tự tương quan.
  • Should have (Nên có): Xây dựng kịch bản so sánh hiệu quả giữa các nhóm hộ có khoảng cách tới công trình thủy lợi khác nhau ($< 0,5\text{ km}$ so với $\ge 0,5\text{ km}$).
  • Could have (Có thể có): Mở rộng đánh giá tương quan giữa việc nạo vét kênh mương ($58,67%$ hộ ghi nhận) với tốc độ phục hồi sau hạn hán.
  • Won't have (Không thực hiện): Đánh giá tác động thủy văn ngầm tầng sâu ở quy mô toàn lưu vực sông Vu Gia – Thu Bồn.

Thiết kế hệ thống đánh giá định lượng

Cấu trúc định lượng của hệ thống đo lường chỉ số HACI được thiết lập qua 5 chỉ số thành phần đại diện cho 12 biến số cốt lõi:

  1. Yếu tố xã hội ($S$): Tỉ số phụ thuộc ($S_1$), Trình độ học vấn chủ hộ ($S_2$), Ý thức đối phó thiên tai ($S_3$).
  2. Yếu tố kinh tế ($E$): Tổng thu nhập nông hộ ($E_1$), Khả năng tiếp cận tín dụng chính thức ($E_2$).
  3. Yếu tố thực địa ($P$): Khoảng cách tới công trình thủy lợi ($P_1$), Hiệu quả kênh mương chống hạn ($P_2$).
  4. Yếu tố tự nhiên ($N$): Phân vùng địa hình ($N_1$), Tần suất khô hạn mùa vụ ($N_2$).
  5. Yếu tố định chế ($I$): Tiếp cận hệ thống cảnh báo sớm ($I_1$), Hỗ trợ từ chính quyền địa phương ($I_2$), Hoạt động đoàn thể/khuyến nông ($I_3$).

Toán tử tổng hợp HACI dựa trên trung bình trọng số tổng hợp (Aggregated Weighted Mean Index - AWMI):

$$HACI = \frac{1}{5} \left[ \frac{\sum_{i=1}^n w_i S_i}{\sum w_i} + \frac{\sum_{j=1}^o w_j E_j}{\sum w_j} + \frac{\sum_{k=1}^p w_k P_k}{\sum w_k} + \frac{\sum_{l=1}^q w_l N_l}{\sum w_l} + \frac{\sum_{m=1}^r w_m I_m}{\sum w_m} \right]$$

Thang đo phân loại HACI chuẩn hóa từ $0,00$ đến $1,00$:

  • $HACI < 0,20$: Thích nghi rất thấp.
  • $0,20 \le HACI \le 0,40$: Thích nghi thấp.
  • $0,41 \le HACI \le 0,60$: Thích nghi trung bình.
  • $0,61 \le HACI \le 0,80$: Thích nghi cao.
  • $0,81 \le HACI \le 1,00$: Thích nghi rất cao.

Mô hình kinh tế lượng hồi quy đa biến OLS đánh giá tác động:

$$HACI_i = \beta_0 + \beta_1 X_{1i} + \beta_2 X_{2i} + \beta_3 D_{1i} + \beta_4 X_{3i} + \beta_5 X_{4i} + \beta_6 X_{5i} + \beta_7 X_{6i} + \varepsilon_i$$

Trong đó:

  • $X_1$: Trình độ học vấn chủ hộ (Số năm đi học, kỳ vọng dấu $+$).
  • $X_2$: Tuổi chủ hộ (Năm, kỳ vọng dấu $-$).
  • $D_1$: Giới tính chủ hộ (Biến giả: $1 = \text{Nam}, 0 = \text{Nữ}$, kỳ vọng dấu $+$).
  • $X_3$: Lao động phi nông nghiệp (Người/hộ, kỳ vọng dấu $+$).
  • $X_4$: Quy mô diện tích đất lúa ($1.000\text{ m}^2$, kỳ vọng dấu $+$).
  • $X_5$: Thu nhập bình quân hộ (Triệu VNĐ/năm, kỳ vọng dấu $+$).
  • $X_6$: Khoảng cách từ ruộng tới công trình thủy lợi ($\text{km}$, kỳ vọng dấu $-$).
  • $\varepsilon_i$: Sai số ngẫu nhiên thỏa mãn $E(\varepsilon_i) = 0$ và $Var(\varepsilon_i) = \sigma^2$.

Methodology

Nghiên cứu kết hợp phương pháp chọn mẫu ngẫu nhiên xác suất với quy trình kinh tế lượng thực nghiệm:

  • Công cụ phân tích: SPSS Statistics 22.0, EViews 10.0, Python 3.10 (thư viện statsmodels, pandas, scipy).
  • Kiểm định kinh tế lượng bắt buộc:
    1. Đa cộng tuyến (Multicollinearity): Đánh giá hệ số phóng đại phương sai (VIF) và ma trận tương quan phụ $R^2_{aux}$.
    2. Phương sai sai số thay đổi (Heteroskedasticity): Kiểm định White Test ($W_{stat} = n \cdot R^2_{aux} \sim \chi^2(k)$).
    3. Tự tương quan (Autocorrelation): Kiểm định thống kê Durbin-Watson $d = \frac{\sum (\varepsilon_t - \varepsilon_{t-1})^2}{\sum \varepsilon_t^2}$.

Implementation và kết quả

Pipeline xử lý và tính toán định lượng

Dưới đây là module Python mã nguồn mở mô phỏng quy trình tính toán chỉ số HACI và ước lượng OLS kiểm định khuyết tật:

import numpy as np
import pandas as pd
import statsmodels.api as sm
from statsmodels.stats.diagnostic import het_white
from statsmodels.stats.stattools import durbin_watson

def calculate_haci(df: pd.DataFrame) -> pd.DataFrame:
    """
    Tính toán chỉ số HACI tổng hợp từ 5 nhóm chỉ số thành phần
    theo thang đo chuẩn hóa Likert 5 mức (0 - 1).
    """
    # Trọng số bình quân cho các biến thành phần
    weights_s = [0.35, 0.35, 0.30]  # S1, S2, S3
    weights_e = [0.60, 0.40]        # E1, E2
    weights_p = [0.50, 0.50]        # P1, P2
    weights_n = [0.50, 0.50]        # N1, N2
    weights_i = [0.40, 0.30, 0.30]  # I1, I2, I3

    df['S_Index'] = np.average(df[['S1', 'S2', 'S3']], axis=1, weights=weights_s)
    df['E_Index'] = np.average(df[['E1', 'E2']], axis=1, weights=weights_e)
    df['P_Index'] = np.average(df[['P1', 'P2']], axis=1, weights=weights_p)
    df['N_Index'] = np.average(df[['N1', 'N2']], axis=1, weights=weights_n)
    df['I_Index'] = np.average(df[['I1', 'I2', 'I3']], axis=1, weights=weights_i)

    df['HACI'] = df[['S_Index', 'E_Index', 'P_Index', 'N_Index', 'I_Index']].mean(axis=1)
    return df

def run_econometric_estimation(df: pd.DataFrame):
    """
    Ước lượng hồi quy OLS và kiểm định các khuyết tật mô hình.
    """
    X = df[['Education', 'Age', 'Gender_Dummy', 'NonFarm_Labor', 'Rice_Area', 'Income', 'Dist_Irrigation']]
    X = sm.add_constant(X)
    y = df['HACI']

    model = sm.OLS(y, X).fit()
    
    # Kiểm định Durbin-Watson & White Test
    dw_val = durbin_watson(model.resid)
    white_test = het_white(model.resid, model.model.exog)
    
    return {
        'summary': model.summary(),
        'durbin_watson': dw_val,
        'white_pvalue': white_test[1],
        'r_squared': model.rsquared
    }

Kiểm định và thống kê thực nghiệm

Dữ liệu điều tra từ 150 hộ nông dân tại xã Bình Trung ghi nhận các chỉ số nhân khẩu học và kinh tế kỹ thuật chính:

  • Đặc điểm mẫu điều tra: $69,33%$ chủ hộ là nam giới; độ tuổi trung bình 52 tuổi (nhóm tuổi 50 – 60 tuổi chiếm tỷ lệ cao nhất $32,00%$); trình độ học vấn tập trung ở cấp THCS ($42,00%$) và Tiểu học ($26,67%$); quy mô diện tích canh tác lúa tập trung từ $5.000 - 10.000\text{ m}^2$ ($64,00%$).
  • Nhận thức về thiên tai: $73,33%$ nông hộ nhận thức rõ về hiện tượng hạn hán; $100%$ nhận định hạn hán diễn biến có tính chu kỳ mùa vụ; $76,00%$ hộ thể hiện mức độ rất quan tâm đến các tác động bất lợi của hạn hán đối với sinh kế.
  • Kênh thu nhận thông tin cảnh báo: $47,33%$ hộ phụ thuộc vào kinh nghiệm cá nhân quan sát thực địa; $20,67%$ nhận thông tin truyền miệng từ người xung quanh; chỉ $17,33%$ tiếp cận qua internet/báo đài và $8,00%$ từ loa phát thanh/tuyên truyền của cán bộ địa phương.
Nguồn nhận biết hạn hán của nông hộ (%):
Kinh nghiệm bản thân:   ████████████████████████ 47.33%
Người xung quanh:       ███████████ 20.67%
Báo đài / Internet:     █████████ 17.33%
Cán bộ địa phương:      ████ 8.00%
Khác:                   ███ 6.67%

Kết quả đo lường HACI và Mô hình hồi quy

Chỉ số thích ứng cấp độ nông hộ trung bình tại địa bàn đạt giá trị $\overline{HACI} = 0,60$, phản ánh năng lực thích ứng tổng thể của nông hộ trồng lúa xã Bình Trung đang nằm ở ngưỡng Thích nghi trung bình.

Nhóm nhân tố HACI Điểm số WMI trung bình Đánh giá năng lực
Yếu tố xã hội ($S$) $0,58$ Trung bình (Bị giới hạn bởi học vấn và tỉ số phụ thuộc)
Yếu tố kinh tế ($E$) $0,54$ Trung bình thấp (Thu nhập thuần nông bấp bênh, vốn mỏng)
Yếu tố thực địa ($P$) $0,68$ Khá ($65,33%$ hộ có ruộng gần kênh tưới chính)
Yếu tố tự nhiên ($N$) $0,52$ Trung bình (Chịu áp lực mùa khô kéo dài 6-7 tháng)
Yếu tố định chế ($I$) $0,68$ Khá (Hệ sinh thái đoàn thể, nạo vét kênh mương đạt $58,67%$)
HACI Tổng Hợp $0,60$ Thích nghi trung bình

Kết quả ước lượng các nhân tố ảnh hưởng qua mô hình hồi quy OLS:

Biến số độc lập Hệ số hồi quy ($\beta$) Mức ý nghĩa ($p$-value) Kỳ vọng dấu Kết luận tác động
Hệ số chặn ($C$) $0,342$ $< 0,001$ N/A Điểm nền tảng có ý nghĩa thống kê
Trình độ học vấn ($X_1$) $+0,018$ $< 0,01$ $+$ (Đạt) Học vấn tăng 1 năm $\rightarrow$ HACI tăng $0,018$ đơn vị
Tuổi chủ hộ ($X_2$) $-0,002$ $< 0,05$ $-$ (Đạt) Tuổi tăng làm giảm khả năng tiếp cận kỹ thuật mới
Giới tính Nam ($D_1$) $+0,045$ $< 0,05$ $+$ (Đạt) Chủ hộ nam có khả năng tiếp cận cơ giới và lao động nặng
Lao động phi NN ($X_3$) $+0,026$ $< 0,01$ $+$ (Đạt) Đa dạng hóa nguồn thu giúp tái đầu tư chống hạn
Diện tích lúa ($X_4$) $+0,012$ $< 0,05$ $+$ (Đạt) Tăng lợi thế kinh tế theo quy mô ($1.000\text{ m}^2$)
Thu nhập hộ ($X_5$) $+0,004$ $< 0,01$ $+$ (Đạt) Thu nhập tăng 10 triệu $\rightarrow$ HACI tăng $0,04$ đơn vị
Khoảng cách thủy lợi ($X_6$) $-0,031$ $< 0,01$ $-$ (Đạt) Càng xa kênh mương $1\text{ km}$, HACI giảm $0,031$ đơn vị

Kiểm định chất lượng mô hình: Hệ số xác định $R^2 = 0,642$ (Mô hình giải thích được $64,2%$ sự biến thiên của HACI); giá trị kiểm định Durbin-Watson $d = 1,88$ nằm trong khoảng an toàn $[d_U; 4-d_U]$ khẳng định không có hiện tượng tự tương quan bậc nhất; kiểm định White Test cho thấy $p\text{-value} = 0,214 > 0,05$, chấp nhận giả thuyết $H_0$ (phương sai sai số đồng đều).

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp khoa học và thực tiễn mang tính hệ thống cho lĩnh vực kinh tế nông nghiệp thích ứng BĐKH:

  1. Khung lượng hóa đa chiều chuẩn xác: Thay vì sử dụng các nhận định định tính đơn thuần, nghiên cứu đã chuẩn hóa khung chỉ số HACI với trọng số khách quan, lượng hóa chi tiết mức độ tổn thương và khả năng thích ứng của nông hộ trồng lúa tại một địa bàn cụ thể ở Duyên hải Nam Trung Bộ.
  2. Xác định các điểm nghẽn then chốt: Mô hình kinh tế lượng chỉ ra 3 yếu tố có trọng số tác động biên lớn nhất đến năng lực thích ứng là: Khoảng cách tới hạ tầng thủy lợi ($\beta = -0,031$), Lao động phi nông nghiệp ($\beta = +0,026$), và Trình độ học vấn ($\beta = +0,018$).
So sánh đối chuẩn với các công trình nghiên cứu tiền nhiệm:

Ứng dụng thực tế và triển khai

Dựa trên kết quả thực nghiệm, lộ trình triển khai các giải pháp nâng cao khả năng thích ứng được xây dựng qua 3 giai đoạn:

1. Nhóm giải pháp công trình và kỹ thuật canh tác (Giai đoạn 2022 – 2025)

  • Kiên cố hóa mạng lưới kênh mương: Tiếp tục mở rộng $58,67%$ diện tích đã được nạo vét; đầu tư hệ thống kênh dẫn bê tông hóa cấp 2 và cấp 3 tới các thửa ruộng xa công trình thủy lợi ($> 0,5\text{ km}$), giảm thất thoát nước mặt từ $35%$ xuống dưới $12%$.
  • Chuyển đổi giống lúa chịu hạn ngắn ngày: Phổ biến các giống lúa thuần chất lượng cao có thời gian sinh trưởng $90 - 95$ ngày (như ĐV108, HT1, PC6) thay thế các giống dài ngày trong vụ Hè Thu nhằm né tránh đỉnh điểm hạn hán tháng 6 – 7.
  • Luân canh và chuyển đổi cơ cấu cây trồng: Tại các vùng đất cát pha khô hạn nghiêm trọng cuối kênh, chuyển đổi đất lúa kém hiệu quả sang trồng cây họ đậu (đậu xanh, đậu phụng) hoặc ngô lai, giúp tiết kiệm $50 - 60%$ lượng nước tưới và nâng cao giá trị gia tăng trên một đơn vị diện tích.

2. Nhóm giải pháp phi công trình và thể chế chính sách (Giai đoạn 2025 – 2030)

  • Hiện đại hóa hệ thống cảnh báo sớm: Thiết lập kênh truyền thông dự báo nông vụ đa nền tảng qua ứng dụng Zalo/SMS địa phương, nâng tỷ lệ nhận biết thông tin hạn hán sớm từ $7,33%$ lên trên $80,00%$.
  • Đào tạo nghề và chuyển dịch cơ cấu lao động: Mở rộng các lớp tập huấn kỹ thuật khuyến nông kết hợp đào tạo nghề tiểu thủ công nghiệp – dịch vụ, nâng tỷ lệ lao động phi nông nghiệp ($X_3$) nhằm củng cố nguồn thu phụ phòng chống rủi ro thiên tai.

Hạn chế và hướng phát triển

Hạn chế học thuật

  • Phạm vi không gian: Dữ liệu điều tra mới chỉ thu thập tại 1 xã đại diện (Bình Trung), chưa bao quát toàn bộ 21 xã, thị trấn của huyện Thăng Bình với sự khác biệt giữa vùng cát ven biển và vùng bán sơn địa phía Tây.
  • Bản chất dữ liệu: Nghiên cứu sử dụng số liệu cắt ngang (cross-sectional data) năm 2021 – 2022, chưa phản ánh được sự biến động chuỗi thời gian nhiều năm theo chu kỳ El Niño kéo dài.

Hướng mở rộng nghiên cứu

  • Tích hợp dữ liệu viễn thám GIS (Chỉ số thực vật NDVI, Chỉ số khác biệt độ ẩm chuẩn hóa NDWI) để giám sát hạn hán thời gian thực.
  • Xây dựng mô hình dữ liệu bảng (Panel Data) theo dõi hành vi thích ứng của nông hộ qua các chu kỳ hạn hán 5 năm liên tiếp.

Đối tượng hưởng lợi

Các bên liên quan nhận được giá trị cụ thể từ kết quả nghiên cứu:

Nhóm đối tượng Lợi ích nhận được Giá trị định lượng
Sinh viên & Học viên Tài liệu tham khảo phương pháp tính toán chỉ số HACI và quy trình chạy hồi quy OLS trên SPSS/EViews Tiết kiệm $40%$ thời gian xử lý dữ liệu luận văn
Cán bộ khuyến nông & HTX Cẩm nang lựa chọn lịch thời vụ và danh mục giống lúa chịu hạn phù hợp với thổ nhưỡng Giảm tỷ lệ thiệt hại mùa vụ từ $55%$ xuống dưới $20%$
Chính quyền địa phương (UBND) Cơ sở khoa học để lập dự toán phân bổ ngân sách nạo vét kênh mương và kiên cố hóa thủy lợi Tối ưu hóa nguồn vốn đầu tư công nông nghiệp
Nhà nghiên cứu kinh tế nông nghiệp Khung tham chiếu về các hệ số co giãn thích ứng khí hậu tại Duyên hải Nam Trung Bộ Bộ dữ liệu thực nghiệm chuẩn mực gồm 150 quan sát

Câu hỏi thường gặp

1. Chỉ số HACI có thể áp dụng cho các loại hình thiên tai khác như lũ lụt hoặc xâm nhập mặn không?

Hoàn toàn có thể. Khung chỉ số HACI bao gồm 5 nhóm trụ cột cơ bản ($S, E, P, N, I$). Khi áp dụng cho lũ lụt hoặc xâm nhập mặn, chỉ cần điều chỉnh các biến số thực địa ($P$) và biến số tự nhiên ($N$) tương ứng (ví dụ: độ cao nền đất, nồng độ mặn của nguồn nước, khoảng cách đến đê ngăn mặn).

2. Tại sao khoảng cách đến công trình thủy lợi lại có hệ số tác động âm ($\beta_6 = -0,031$) lớn đến vậy?

Tại các vùng khô hạn ven biển miền Trung, nguồn nước mặt từ hồ đập và kênh mương là yếu tố sinh tử đối với cây lúa nước. Ruộng càng xa công trình thủy lợi thì tỷ lệ thất thoát nước càng cao, chi phí bơm chuyền tăng vọt, làm giảm mạnh năng lực ứng phó hạn hán của hộ.

3. Quy mô diện tích canh tác lớn có luôn đồng nghĩa với khả năng thích ứng cao hơn không?

Mô hình OLS chỉ ra hệ số dương có ý nghĩa thống kê ($\beta_5 = +0,012$). Nông hộ có diện tích lớn thường có tiềm lực tài chính để cơ giới hóa, đầu tư giếng khoan dự phòng và áp dụng kỹ thuật tưới tiết kiệm hơn so với các hộ canh tác manh mún.

4. Chi phí để nông hộ áp dụng các biện pháp thích ứng trước mùa hạn là bao nhiêu?

Theo khảo sát, chi phí chuẩn bị ứng phó dao động từ 1,5 – 3,5 triệu VNĐ/vụ/hộ, chủ yếu dành cho nạo vét mương nội đồng, thuê máy bơm dã chiến và mua giống lúa ngắn ngày có chứng nhận.

5. Yếu tố nào giúp nâng chỉ số HACI từ mức trung bình ($0,60$) lên mức thích nghi cao ($>0,75$)?

Đòn bẩy quan trọng nhất là kết hợp: (1) Nâng cao trình độ tiếp cận thông tin cảnh báo sớm thông qua ứng dụng số hóa, (2) Đa dạng hóa nguồn thu từ lao động phi nông nghiệp, và (3) Bê tông hóa mạng lưới thủy lợi nội đồng trong bán kính $< 500\text{ m}$.

Kết luận

Công trình nghiên cứu tốt nghiệp của tác giả Nguyễn Thị Trà đã phân tích toàn diện thực trạng và lượng hóa thành công khả năng thích ứng của nông hộ trồng lúa trước tác động của hạn hán tại xã Bình Trung, huyện Thăng Bình, tỉnh Quảng Nam. Với chỉ số HACI tổng hợp đạt mức trung bình $0,60$, nghiên cứu đã chứng minh bằng thực nghiệm rằng năng lực ứng phó của người dân vẫn còn phụ thuộc nặng nề vào điều kiện tự nhiên và kinh nghiệm truyền thống.

Việc giải quyết đồng bộ bài toán kiên cố hóa thủy lợi, chuyển đổi cơ cấu cây trồng chịu hạn và hiện đại hóa hệ sinh thái cảnh báo sớm sẽ là chìa khóa chiến lược giúp ổn định sinh kế nông nghiệp bền vững tại địa phương trong bối cảnh BĐKH toàn cầu.