Giới thiệu dự án

Rừng tại Việt Nam giữ vai trò chiến lược trong bảo vệ môi trường sinh thái, bảo tồn đa dạng sinh học và phát triển kinh tế - xã hội. Tuy nhiên, theo số liệu từ Cục Kiểm lâm và Bộ Nông nghiệp & Phát triển Nông thôn, chỉ trong giai đoạn 2017 – 2022, toàn quốc đã xảy ra 1.571 vụ cháy rừng, thiêu rụi hơn 7.500 ha rừng. Đắk Lắk – trung tâm vùng Tây Nguyên – là một trong những điểm nóng cháy rừng nghiêm trọng nhất cả nước, với tổng diện tích rừng tự nhiên và rừng trồng lên đến 528.346 ha (chiếm 40,42% diện tích tự nhiên toàn tỉnh). Do đặc trưng khí hậu cận xích đạo gió mùa, mùa khô kéo dài từ tháng 12 đến tháng 4 năm sau với tổng số giờ nắng lên đến 2.426 giờ/năm, độ ẩm không khí trung bình chỉ đạt 79,3%, kết hợp cùng sự phân bố rộng của hệ sinh thái rừng khộp (rừng thưa rụng lá họ Dầu), nguy cơ bùng phát và lan tràn đám cháy luôn ở mức báo động đỏ.

+-------------------------------------------------------------------------------+
|                             BỐI CẢNH DỰ ÁN                                    |
|  - Khu vực: Ea Súp & Buôn Đôn (Đắk Lắk) | Diện tích: 317.546 ha               |
|  - Thách thức: Rừng khộp rụng lá + Mùa khô khắc nghiệt + Canh tác nương rẫy   |
|  - Giải pháp: Viễn thám quang học/nhiệt đa thời gian (Landsat 5/7/8/9) + GIS  |
+-------------------------------------------------------------------------------+

1. Vấn đề thực tế (Problem Statement)

Phương pháp dự báo nguy cơ cháy rừng truyền thống tại Đắk Lắk phụ thuộc chủ yếu vào các trạm quan trắc khí tượng bề mặt và phương pháp nội suy điểm (chỉ số Nesterov, P). Mô hình này bộc lộ ba nhược điểm chí mạng:

  1. Độ phân giải không gian thô: Không phản ánh được biến động nhiệt vi khí hậu trên các địa hình phức tạp, chia cắt mạnh.
  2. Chi phí duy trì trạm mặt đất cao: Mạng lưới trạm thưa thớt, không thể bao quát các vùng lõi rừng giáp biên giới Campuchia (dài 193 km).
  3. Độ trễ thông tin lớn: Không cung cấp được dữ liệu liên tục về trạng thái vật liệu cháy và độ ẩm sinh khối bề mặt theo thời gian thực.

2. Mục tiêu nghiên cứu (Project Objectives)

  1. Xây dựng quy trình tự động hóa giải đoán và trích xuất chỉ số nhiệt độ bề mặt đất (Land Surface Temperature - LST) từ chuỗi ảnh vệ tinh Landsat (TM, ETM+, OLI, TIRS) qua 31 năm (1993 – 2023).
  2. Phân cấp mức độ nguy cơ cháy rừng theo thang 5 cấp độ (từ Cấp I: Rất thấp đến Cấp V: Cực kỳ nguy hiểm) theo chuẩn Quyết định số 04/2022/QĐ-UBND tỉnh Đắk Lắk và mô hình K. Babu.
  3. Phân tích biến động không gian - thời gian của các vùng có nguy cơ cháy cao gắn liền với biến động lớp phủ và chu kỳ khí hậu ENSO (El Niño/La Niña).
  4. Kiểm chứng độ chính xác mô hình dựa trên 100% tọa độ điểm cháy thực tế ghi nhận bởi Hệ thống Giám sát Cháy rừng của Cục Kiểm lâm giai đoạn 2020 – 2023.

3. Phương pháp tiếp cận (Solution Approach)

Đề tài kết hợp công nghệ Hệ thống Thông tin Địa lý (GIS) và Viễn thám đa phổ/hồng ngoại nhiệt (TIR). Thuật toán Radiative Transfer Equation (RTE) kết hợp mô hình Split-Window / Single-Channel được áp dụng trên kênh nhiệt Landsat (Band 6 đối với Landsat 5/7; Band 10 đối với Landsat 8/9), hiệu chỉnh độ phát xạ bề mặt ($\epsilon$) thông qua chỉ số thực vật chuẩn hóa (NDVI) và tỷ lệ che phủ sinh khối ($f_v$).

4. Kết quả kỳ vọng (Measurable Expected Outcomes)

  • Bộ cơ sở dữ liệu Raster LST độ phân giải không gian 30m x 30m trong chuỗi 31 năm (1993 – 2023).
  • Bản đồ chuyên đề phân vùng nguy cơ cháy rừng tỷ lệ 1:450.000 hệ tọa độ VN-2000 / UTM Zone 48N (EPSG: 32648).
  • Độ chính xác trùng khớp điểm cháy thực tế đạt trên 80%.

5. Phạm vi và Giới hạn (Scope & Limitations)

  • Phạm vi không gian: Toàn bộ địa giới hành chính huyện Ea Súp và huyện Buôn Đôn, tỉnh Đắk Lắk (317.546 ha, 17 xã/thị trấn).
  • Phạm vi thời gian: Dữ liệu ảnh Landsat thu chụp vào giai đoạn cao điểm mùa khô (tháng 12 đến tháng 3) các năm từ 1993 đến 2023.
  • Giới hạn kỹ thuật: Xử lý sọc dữ liệu (Scan Line Corrector - SLC Off) trên ảnh Landsat 7 từ sau ngày 31/05/2003 và hạn chế mây mù trên ảnh quang học.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí Trạm khí tượng truyền thống Chỉ số Khí tượng FWI (Fire Weather Index) Giải pháp Đề tài (GIS & Viễn thám LST)
Độ phủ không gian Điểm đơn lẻ, ngoại suy sai số lớn Toàn cầu / Lưới 10km – 25km Liên tục, độ phân giải cao (30m/pixel)
Dữ liệu thực bì/nhiệt Không quan trắc trực tiếp thực bì Mô hình hóa lý thuyết Đo trực tiếp bức xạ nhiệt và NDVI của tán rừng
Chi phí đầu tư Rất cao (xây dựng trạm, cảm biến) Trung bình (cần trạm thời tiết đồng bộ) Tối ưu (Dữ liệu Landsat USGS miễn phí)
Tần suất cập nhật Liên tục (theo giờ) 24 giờ/lần Chu kỳ 8 – 16 ngày/ảnh vệ tinh
Khả năng giám sát lịch sử Kém (phụ thuộc chất lượng lưu trữ) Kém Vượt trội (Dữ liệu lưu trữ liên tục >30 năm)

Phân tích yêu cầu theo mô hình MoSCoW

  • Must Have (Bắt buộc):
    • Module chuyển đổi Digital Number (DN) sang bức xạ phổ TOA Spectral Radiance ($L_\lambda$).
    • Module tính nhiệt độ sáng cảm biến (Brightness Temperature - $T_B$) theo phương trình nghịch đảo Planck.
    • Phân tách ngưỡng NDVI để trích xuất hệ số phát xạ bề mặt ($\epsilon$).
    • Bản đồ phân cấp 5 cấp độ cháy theo chuẩn QGIS / ArcGIS.
  • Should Have (Nên có): Thuật toán tự động vá lỗi sọc SLC-off cho Landsat 7 ETM+.
  • Could Have (Có thể có): Khả năng tích hợp thêm lớp dữ liệu địa hình DEM SRTM 30m để đánh giá độ dốc ảnh hưởng tới tốc độ cháy lan.
  • Won't Have (Chưa thực hiện đợt này): Tự động cảnh báo SMS thời gian thực tới kiểm lâm viên địa bàn.

Thiết kế hệ thống

                  KIẾN TRÚC HỆ THỐNG XỬ LÝ DỮ LIỆU CHÁY RỪNG
                  
 +-----------------------------------------------------------------------+
 |                         NGUỒN DỮ LIỆU ĐẦU VÀO                         |
 |  - USGS EarthExplorer: Landsat 5 TM, 7 ETM+, 8 OLI/TIRS, 9 OLI-2/TIRS |
 |  - Cục Kiểm Lâm: Vector điểm cháy thực tế (Forest Fire Watch WebGIS)  |
 |  - CSDL ranh giới hành chính & địa hình tỉnh Đắk Lắk (EPSG:32648)     |
 +-----------------------------------+-----------------------------------+
                                     |
                                     v
 +-----------------------------------------------------------------------+
 |                     TIỀN XỬ LÝ DỮ LIỆU RASTER                         |
 |  - Radiometric Calibration (Chuyển DN -> TOA Radiance L_lambda)       |
 |  - Landsat 7 Gap Fill (Thuật toán nội suy không gian Nodata Fill)     |
 |  - Cắt ảnh theo Mask Layer ranh giới Ea Súp - Buôn Đôn                |
 +-----------------------------------+-----------------------------------+
                                     |
                                     v
 +-----------------------------------------------------------------------+
 |                   XỬ LÝ THUẬT TOÁN ĐA PHỔ & NHIỆT                     |
 |  - Trích xuất Brightness Temp: T_B = K2 / ln(K1/L_lambda + 1)         |
 |  - Tính toán NDVI: (NIR - RED) / (NIR + RED)                          |
 |  - Tính Hợp phần thực vật f_v = ((NDVI - 0.2) / (0.86 - 0.2))^2       |
 |  - Xác định Độ phát xạ epsilon = f_v*0.97 + (1-f_v)*0.96              |
 |  - Trích xuất LST: LST = T_B / [1 + (lambda*T_B/rho)*ln(epsilon)]     |
 +-----------------------------------+-----------------------------------+
                                     |
                                     v
 +-----------------------------------------------------------------------+
 |                   PHÂN TÍCH SPATIAL & ĐÁNH GIÁ KẾT QUẢ                |
 |  - Phân loại Raster Reclassification (5 Cấp nguy cơ cháy)             |
 |  - Spatial Join & Overlay kiểm chứng với tập dữ liệu điểm cháy thực tế|
 |  - Xuất Bản đồ chuyên đề & Báo cáo thống kê diện tích (Hecta/%)       |
 +-----------------------------------------------------------------------+

Technology Stack & Môi trường triển khai

  • Hệ thống xử lý GIS: QGIS Desktop 3.28 LTR (Long Term Release), ArcGIS Desktop 10.8.2.
  • Thư viện xử lý không gian & tính toán raster: Python 3.10, GDAL/OGR 3.6.4, Rasterio 1.3.8, NumPy 1.24.3, GeoPandas 0.13.2.
  • Hệ quy chiếu chuẩn: WGS 84 / UTM zone 48N (EPSG: 32648), kinh tuyến trục 108°30', tỷ lệ biến dạng $k_0 = 0.9996$.

Implementation và kết quả

Development process & Core Algorithms

Quá trình trích xuất chỉ số LST từ ảnh vệ tinh Landsat được tự động hóa qua chuỗi 5 bước toán học chuẩn hóa:

1. Chuyển đổi giá trị số nguyên (DN) sang Bức xạ phổ nhiệt ($L_\lambda$)

  • Đối với cảm biến Landsat 5 TM và Landsat 7 ETM+: $$L_\lambda = \left( \frac{L_{max} - L_{min}}{QCAL_{max} - QCAL_{min}} \right) \cdot (QCAL - QCAL_{min}) + L_{min}$$
  • Đối với cảm biến Landsat 8/9 OLI-TIRS (Band 10): $$L_\lambda = M_L \cdot QCAL + A_L$$ (Trong đó: $M_L = \text{RADIANCE_MULT_BAND_10} = 0.0003342$; $A_L = \text{RADIANCE_ADD_BAND_10} = 0.1$ trích xuất từ metadata _MTL.txt)

2. Tính Nhiệt độ bức xạ cảm biến ($T_B$)

$$T_B = \frac{K_2}{\ln\left(\frac{K_1}{L_\lambda} + 1\right)}$$ (Với Landsat 8/9 Band 10: $K_1 = 774.8853 \ \text{W/(m}^2\cdot\mu\text{m}\cdot\text{sr)}$, $K_2 = 1321.0789 \ \text{K}$)

3. Tính Chỉ số Thực vật Chuẩn hóa (NDVI) và Hợp phần thực vật ($f_v$)

$$NDVI = \frac{\rho_{NIR} - \rho_{RED}}{\rho_{NIR} + \rho_{RED}}$$ $$f_v = \left( \frac{NDVI - NDVI_{soil}}{NDVI_{veg} - NDVI_{soil}} \right)^2 = \left( \frac{NDVI - 0.20}{0.86 - 0.20} \right)^2$$

4. Tính toán Độ phát xạ bề mặt đất ($\epsilon$)

$$\epsilon = f_v \cdot \epsilon_{thuc_vat} + (1 - f_v) \cdot \epsilon_{dat_trong} = f_v \cdot 0.97 + (1 - f_v) \cdot 0.96$$

5. Trích xuất Nhiệt độ Bề mặt Đất ($LST$) theo độ Celsius

$$LST (^\circ\text{C}) = \left( \frac{T_B}{1 + \left( \frac{\lambda \cdot T_B}{\rho} \right) \cdot \ln(\epsilon)} \right) - 273.15$$ (Trong đó: $\lambda = 10.895 \ \mu\text{m}$ (bước sóng hiệu dụng Band 10), $\rho = \frac{h \cdot c}{\sigma} = 1.438 \times 10^{-2} \ \text{m}\cdot\text{K} = 14380 \ \mu\text{m}\cdot\text{K}$)

Trích đoạn mã nguồn thực thi thuật toán trích xuất LST tự động (Python / Rasterio / NumPy):

import numpy as np
import rasterio

def calculate_lst_landsat8_9(band10_path, red_path, nir_path, output_lst_path, 
                             mult_b10=0.0003342, add_b10=0.1, 
                             k1=774.8853, k2=1321.0789, wavelength=10.895):
    """
    Tính toán Land Surface Temperature (LST) từ kênh ảnh Landsat 8/9 OLI-TIRS.
    """
    rho = 14380  # h * c / sigma (micrometer * Kelvin)
    
    with rasterio.open(band10_path) as b10_src, \
         rasterio.open(red_path) as red_src, \
         rasterio.open(nir_path) as nir_src:
        
        profile = b10_src.profile
        profile.update(dtype=rasterio.float32, count=1, nodata=-9999.0)
        
        qcal_b10 = b10_src.read(1).astype(np.float32)
        red = red_src.read(1).astype(np.float32)
        nir = nir_src.read(1).astype(np.float32)
        
        # 1. Tính TOA Radiance L_lambda
        l_lambda = mult_b10 * qcal_b10 + add_b10
        l_lambda[l_lambda <= 0] = np.nan
        
        # 2. Tính Brightness Temperature (Kelvin)
        t_b = k2 / np.log((k1 / l_lambda) + 1.0)
        
        # 3. Tính NDVI
        ndvi_denom = nir + red
        ndvi = np.where(ndvi_denom != 0, (nir - red) / ndvi_denom, 0.0)
        
        # 4. Tính f_v (Fractional Vegetation Cover) & Emissivity (epsilon)
        ndvi_soil, ndvi_veg = 0.20, 0.86
        f_v = np.clip(((ndvi - ndvi_soil) / (ndvi_veg - ndvi_soil)) ** 2, 0.0, 1.0)
        epsilon = f_v * 0.97 + (1.0 - f_v) * 0.96
        
        # 5. Tính LST (Celsius)
        lst_k = t_b / (1.0 + (wavelength * t_b / rho) * np.log(epsilon))
        lst_c = lst_k - 273.15
        lst_c = np.where(np.isnan(lst_c), -9999.0, lst_c)
        
        with rasterio.open(output_lst_path, 'w', **profile) as dst:
            dst.write(lst_c.astype(np.float32), 1)

    print(f"[*] Xuất dữ liệu LST thành công: {output_lst_path}")

Phân cấp ngưỡng nguy cơ cháy rừng theo LST

Thang phân loại được xây dựng dựa trên sự tương thích giữa mô hình phân vùng K. Babu, Quyết định số 04/2022/QĐ-UBND tỉnh Đắk Lắk và điều kiện khí hậu thực tế tại khu vực nghiên cứu:

Cấp cháy Ngưỡng nhiệt độ bề mặt LST ($^\circ\text{C}$) Mức độ cảnh báo Đặc điểm nhận diện thực bì & vi khí hậu
Cấp I $LST \le 23^\circ\text{C}$ Thấp Rừng thường xanh kín, độ ẩm cao, gần hồ thủy điện/sông lớn
Cấp II $23^\circ\text{C} < LST \le 31^\circ\text{C}$ Trung bình Độ ẩm vật liệu cháy trung bình, rừng hỗn giao rụng lá nhẹ
Cấp III $31^\circ\text{C} < LST \le 39^\circ\text{C}$ Cao Rừng khộp bắt đầu rụng lá, thực bì cỏ khô dày
Cấp IV $39^\circ\text{C} < LST \le 47^\circ\text{C}$ Nguy hiểm Đất trống, đồi trọc, trảng cỏ tranh/cỏ Mỹ khô khốc, nắng gắt
Cấp V $LST > 47^\circ\text{C}$ Cực kỳ nguy hiểm Nền nhiệt cực cao, vật liệu cháy kiệt ẩm, bùng cháy khi có tia lửa

Testing và validation

Kiểm chứng độ chính xác với dữ liệu điểm cháy thực tế

Dữ liệu kiểm chứng bao gồm toàn bộ tọa độ các điểm phát nhiệt và vụ cháy rừng được Hệ thống Giám sát Cháy rừng Cục Kiểm lâm (watch.kiemlam.org.vn) ghi nhận tại 2 huyện Ea Súp và Buôn Đôn trong các năm đỉnh điểm mùa khô (2020 – 2023):

  • Tỷ lệ trùng khớp tổng thể: Hơn 80% số điểm cháy thực tế phân bố hoàn toàn trong các vùng được mô hình phân loại ở Cấp IV (Nguy hiểm) và Cấp V (Cực kỳ nguy hiểm).
  • Khu vực tập trung điểm cháy: Trùng khớp với các xã Ea Bung, Ia Lốp, Ia Rvé, Cư M’Lan, Ya Tờ Mốt và Krông Na.
+-------------------------------------------------------------------------------+
|                      KẾT QUẢ KIỂM CHỨNG KHÔNG GIAN ĐIỂM CHÁY                  |
|                                                                               |
|  [Cấp V: Cực kỳ nguy hiểm]  ■■■■■■■■■■■■■■■■■■■■■■■■■ (42% điểm cháy)          |
|  [Cấp IV: Nguy hiểm]        ■■■■■■■■■■■■■■■■■■■■■■   (39% điểm cháy)          |
|  [Cấp III: Cao]             ■■■■■■■                  (14% điểm cháy)          |
|  [Cấp I & II: Thấp/TB]      ■■                       (5% điểm cháy)           |
|                                                                               |
|  -> Tổng độ nhạy phát hiện nguy cơ cao (Cấp IV + V): 81.0%                     |
+-------------------------------------------------------------------------------+

Kết quả đạt được (Biến động giai đoạn 1993 – 2023)

  1. Xu hướng nhiệt độ bề mặt:
    • Diện tích Cấp II (Trung bình) tăng mạnh nhất: từ 49.304 ha (1993) lên 181.570 ha (2023), tăng hơn 132.266 ha (+268%).
    • Diện tích Cấp IV (Nguy hiểm) tăng gấp 102 lần: từ 65,35 ha (1993) tăng vọt lên 6.691,12 ha (2023).
    • Diện tích Cấp I (Thấp) suy giảm nghiêm trọng: từ 379,76 ha (1993) xuống chỉ còn 22,45 ha (2023), giảm 94,1%.
  2. Tương quan chu kỳ ENSO:
    • Trong các năm chịu ảnh hưởng nặng nề của hiện tượng El Niño cực đoan (2003, 2010, 2015, 2019, 2023), diện tích nguy cơ Cấp IV và Cấp V bùng nổ mạnh mẽ, trong khi Cấp I giảm xuống dưới 0,1% tổng diện tích tự nhiên.
  3. Phân hóa không gian sâu sắc:
    • Huyện Ea Súp: Chiếm trên 75% tổng diện tích cấp nguy hiểm do địa hình bán bình nguyên thoải, vi khí hậu nhiệt đới lục địa khô nóng, thảm thực vật chủ đạo là rừng khộp thưa rụng lá và trảng cỏ tranh.
    • Huyện Buôn Đôn: Nền nhiệt ôn hòa hơn nhờ mạng lưới lưu vực sông Sêrêpôk dày đặc, hồ thủy điện và các dải rừng kín thường xanh lá rộng.

Đổi mới và đóng góp

  1. Tính kế thừa và chuẩn hóa chuỗi dữ liệu 31 năm: Tích hợp xuyên suốt 4 thế hệ cảm biến vệ tinh Landsat (5, 7, 8, 9) bằng thuật toán đồng bộ hóa hiệu chỉnh bức xạ TOA và vá sọc SLC-Off, giải quyết khoảng trống dữ liệu viễn thám trong giám sát cháy rừng dài hạn tại Tây Nguyên.
  2. Loại bỏ nhược điểm nội suy điểm khí tượng: Tăng độ phân giải không gian từ hàng chục km của các trạm khí tượng truyền thống xuống lưới chi tiết 30m x 30m, cho phép phát hiện nguy cơ cháy đến từng tiểu khu, khoảnh rừng.
  3. Kết hợp trực tiếp nhiệt độ bề mặt với động lực học sinh khối (LST - NDVI): Không chỉ dựa vào nhiệt độ không khí đơn thuần mà phản ánh trực tiếp trạng thái mất nước và khô kiệt của lớp thực bì dưới tán rừng khộp.
  4. Cơ sở khoa học cho cơ quan quản lý: Cung cấp bộ bản đồ chuyên đề tỷ lệ 1:450.000 phục vụ Chi cục Kiểm lâm tỉnh Đắk Lắk và Hạt Kiểm lâm các huyện Ea Súp, Buôn Đôn chủ động xây dựng phương án phòng cháy chữa cháy rừng (PCCCR) theo phương châm "4 tại chỗ".

Ứng dụng thực tế và triển khai

Trường hợp ứng dụng thực tế (Real-world Use Cases)

  • Hạt Kiểm lâm Ea Súp & Buôn Đôn: Định vị chính xác các "tọa độ nhiệt báo động" trước cao điểm mùa khô (tháng 1 - tháng 3 hàng năm) để điều phối lực lượng tuần tra, bố trí trạm chòi canh lửa và đào các đường băng cản lửa tại các xã trọng điểm (Ia Lốp, Ia Rvé, Ea Bung).
  • Vườn Quốc gia Yok Đôn: Giám sát biến động sinh khối và mức độ khô hạn của kiểu rừng khộp đặc trưng, quản lý việc đốt dọn thực bì có kiểm soát đầu mùa khô nhằm hạn chế các vụ cháy lan thảm khốc.
  • Chính quyền địa phương (UBND cấp xã): Tuyên truyền và quản lý nghiêm ngặt hoạt động đốt nương làm rẫy, bẫy ong mật bằng lửa của người dân bản địa trong các vùng nằm trong phân cấp Cấp IV và Cấp V.

Lộ trình triển khai khuyến nghị

+-------------------------------------------------------------------------------+
|                            LỘ TRÌNH TRIỂN KHAI 4 GIAI ĐOẠN                    |
|                                                                               |
|  [Giai đoạn 1: Tháng 10 - 11]  Xây dựng CSDL & Tự động tải ảnh vệ tinh tiền khô|
|  [Giai đoạn 2: Tháng 12]       Trích xuất bản đồ LST & Khoanh vùng nguy cơ cao |
|  [Giai đoạn 3: Tháng 1 - 4]    Triển khai tuần tra trọng điểm & Đường băng cản|
|  [Giai đoạn 4: Tháng 5 - 6]    Hậu kiểm, thống kê diện tích cháy & Đánh giá mô hình|
+-------------------------------------------------------------------------------+

Hạn chế và hướng phát triển

  • Hạn chế kỹ thuật:
    • Chu kỳ chụp lặp của Landsat (8 - 16 ngày) có thể bỏ lỡ các biến động vi khí hậu xảy ra đột ngột trong vài ngày nắng nóng đỉnh điểm.
    • Ảnh vệ tinh quang học dễ bị ảnh hưởng bởi mây che phủ, dù mùa khô Tây Nguyên lượng mây tương đối thấp.
  • Hướng phát triển tiếp theo:
    • Tích hợp kết hợp dữ liệu ảnh Sentinel-2 (độ phân giải 10m-20m) và cảm biến MODIS/VIIRS với tần suất chụp 1-2 lần/ngày để theo dõi thời gian thực.
    • Ứng dụng mô hình học máy (Random Forest, XGBoost, Deep Neural Networks) kết hợp thêm các biến số: Độ ẩm đất đa dải (NMDI), Chỉ số hạn hán (NDDI), độ dốc địa hình (DEM), khoảng cách tới đường giao thông và khu dân cư.
    • Xây dựng WebGIS tự động đẩy thông báo nguy cơ cháy rừng hàng ngày về máy tính bảng và điện thoại di động của lực lượng bảo vệ rừng chuyên trách.

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành GIS/Địa lý/Lâm nghiệp: Nắm vững phương pháp luận chuẩn xác và trọn vẹn quy trình lập trình xử lý ảnh vệ tinh hồng ngoại nhiệt từ A-Z.
  • Kỹ sư GIS & Lập trình viên Viễn thám: Khai thác mã nguồn xử lý ảnh Raster bằng Python (Rasterio/GDAL) có thể tích hợp trực tiếp vào các hệ thống Geoprocessing tự động.
  • Chi cục Kiểm lâm & Cơ quan quản lý tài nguyên: Sở hữu bộ công cụ khoa học chính xác, khách quan, tiết kiệm hàng trăm triệu đồng ngân sách đo đạc khảo sát thực địa thủ công.
  • Cộng đồng địa phương: Giảm thiểu thiệt hại về người, hoa màu, cây trồng công nghiệp (cà phê, cao su, điều) do cháy rừng lan từ khu vực giáp ranh.

Câu hỏi thường gặp

1. Cấu hình phần cứng và phần mềm tối thiểu để chạy quy trình xử lý dữ liệu này là gì?

Hệ thống yêu cầu máy tính chạy HĐH Windows 10/11 hoặc Linux (Ubuntu 20.04+), CPU 4 nhân (từ Intel Core i5 thế hệ 8 hoặc AMD Ryzen 5 trở lên), tối thiểu 8GB RAM (khuyến nghị 16GB để xử lý mượt mà các file Raster Landsat đa lớp) và 50GB dung lượng ổ cứng SSD trống. Phần mềm: QGIS 3.22+ hoặc ArcGIS 10.5+ cùng môi trường Python 3.8+ cài sẵn các thư viện rasterio, gdal, numpy.

2. Tại sao chỉ số LST lại có độ tương quan cao với nguy cơ cháy rừng khộp?

Rừng khộp (Dipterocarpaceae) là rừng rụng lá vào mùa khô. Khi cây trút lá, bức xạ mặt trời chiếu thẳng xuống lớp đất và thảm mục thực bì dày đặc. Chỉ số LST phản ánh trực tiếp năng lượng nhiệt bức xạ từ mặt đất và lớp thực bì này; LST càng cao đồng nghĩa độ ẩm vật liệu cháy bị bốc hơi cạn kiệt, chỉ cần một nguồn nhiệt nhỏ (tia sét, tàn thuốc, đốm lửa đốt rẫy) là bùng cháy ngay lập tức.

3. Phương pháp này xử lý lỗi mất dữ liệu do sọc (SLC-Off) của Landsat 7 như thế nào?

Từ ngày 31/05/2003, bộ phận sửa lỗi quét (SLC) của Landsat 7 bị hỏng tạo ra các sọc đen không có dữ liệu (NoData). Đề tài sử dụng công cụ Fill NoData trên ArcGIS/QGIS áp dụng giải thuật nội suy không gian đa chiều (Inverse Distance Weighting hoặc nội suy Spline) từ các pixel lân cận hợp lệ để lấp đầy khoảng trống phổ trước khi tính toán LST.

4. Dữ liệu đầu vào để tính toán LST có thể tải miễn phí ở đâu?

Toàn bộ dữ liệu ảnh vệ tinh Landsat 5, 7, 8, 9 được cung cấp hoàn toàn miễn phí bởi Cơ quan Khảo sát Địa chất Hoa Kỳ (USGS) thông qua cổng thông tin điện tử https://earthexplorer.usgs.gov/ với mã phân mảnh Path: 124, Row: 051 (bao phủ trọn vẹn tỉnh Đắk Lắk).

5. Chi phí triển khai ứng dụng giải pháp này cho một hạt kiểm lâm cấp huyện là bao nhiêu?

Chi phí phần mềm và bản quyền dữ liệu là 0 VNĐ nhờ ứng dụng mã nguồn mở QGIS, Python và kho ảnh Landsat mở của USGS. Chi phí triển khai thực tế chỉ bao gồm đào tạo nâng cao năng lực cho 2-3 cán bộ kỹ thuật kiểm lâm (khoảng 15-20 triệu đồng/khóa tập huấn) và trang bị máy tính trạm xử lý dữ liệu.

Kết luận

Đề tài tốt nghiệp "Ứng dụng GIS và viễn thám đánh giá nguy cơ cháy rừng tại huyện Ea Súp và huyện Buôn Đôn, tỉnh Đắk Lắk" của tác giả Trần Thị Thu Khánh đã chứng minh tính ưu việt, độ chính xác cao và tính khả thi vượt bậc của việc ứng dụng công nghệ không gian trong công tác quản lý tài nguyên rừng. Với chuỗi dữ liệu 31 năm (1993 – 2023) cùng độ chính xác kiểm chứng thực địa trên 80%, giải pháp cung cấp luận cứ khoa học vững chắc giúp chuyển đổi công tác phòng cháy chữa cháy rừng từ thể bị động, ứng phó sang chủ động dự báo và cảnh báo sớm. Đây là tài liệu tham khảo kỹ thuật giá trị dành cho các nhà nghiên cứu lâm nghiệp, kỹ sư không gian địa lý và các cấp chính quyền địa phương trong chiến lược phát triển bền vững vùng Tây Nguyên.