Tổng quan nghiên cứu

Vùng biển Nam Trung Bộ Việt Nam là khu vực có hệ sinh thái biển đa dạng và phong phú, đóng vai trò quan trọng trong chu trình sinh địa hóa và cung cấp nguồn lợi thủy sản lớn cho quốc gia. Với chiều dài bờ biển hơn 800 km, vùng này chịu ảnh hưởng mạnh mẽ của các yếu tố khí hậu, thủy văn và hoạt động kinh tế xã hội, đặc biệt là ngư nghiệp và du lịch. Theo ước tính, trữ lượng cá tại vùng biển này đạt khoảng 3-4 triệu tấn, trong đó khả năng khai thác bền vững khoảng 1,5-2 triệu tấn mỗi năm. Tuy nhiên, sự biến động của các thông số sinh thái như bức xạ quang hợp (PAR), hàm lượng chlorophyll a (chla), nhiệt độ nước biển tầng mặt (SST) và hệ số suy giảm ánh sáng (Ka490) ảnh hưởng trực tiếp đến năng suất sinh học sơ cấp (NPP) và trữ lượng cá, từ đó tác động đến sự phát triển bền vững của hệ sinh thái biển.

Mục tiêu nghiên cứu nhằm đánh giá biến động không gian và thời gian của các thông số sinh thái trên vùng biển Nam Trung Bộ trong năm 2017, cung cấp dữ liệu đầu vào cho mô hình năng suất sinh học sơ cấp VGPM, từ đó hỗ trợ giám sát hệ sinh thái biển và dự báo trữ lượng cá giai đoạn 2018-2020. Nghiên cứu sử dụng dữ liệu viễn thám MODIS Aqua cấp độ 3 với độ phân giải 9 km, kết hợp mô hình ARIMA để phân tích chuỗi thời gian và dự báo xu hướng biến động PAR. Phạm vi nghiên cứu giới hạn trong tọa độ 10,30°N – 16,25°N và 107,30°E – 112,30°E, tập trung vào vùng biển ven bờ Nam Trung Bộ.

Ý nghĩa nghiên cứu không chỉ nằm ở việc cung cấp cơ sở khoa học cho công tác quản lý tài nguyên và bảo vệ môi trường biển mà còn góp phần nâng cao hiệu quả khai thác thủy sản, giảm thiểu tác động tiêu cực từ biến đổi khí hậu và các hoạt động kinh tế xã hội. Kết quả nghiên cứu có thể được ứng dụng trong xây dựng các chính sách phát triển bền vững vùng biển Nam Trung Bộ, đồng thời làm cơ sở cho các nghiên cứu tiếp theo về giám sát và dự báo hệ sinh thái biển.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên hai lý thuyết và mô hình chính:

  1. Mô hình năng suất sinh học sơ cấp VGPM (Vertically Generalized Production Model): Mô hình này sử dụng các thông số sinh thái như PAR, chla, SST và Ka490 để tính toán năng suất sơ cấp của thực vật phù du trên biển. VGPM giúp mô phỏng sự biến động không gian và thời gian của NPP, từ đó đánh giá khả năng sản xuất sinh học và dự báo trữ lượng cá.

  2. Phân tích chuỗi thời gian và mô hình ARIMA (Autoregressive Integrated Moving Average): ARIMA được sử dụng để phân tích xu hướng biến động của PAR trong giai đoạn 2007-2017 và dự báo giá trị PAR trong giai đoạn 2018-2020. Mô hình này giúp nhận diện các yếu tố mùa vụ và xu hướng dài hạn trong dữ liệu viễn thám.

Các khái niệm chính trong nghiên cứu bao gồm:

  • PAR (Photosynthetically Active Radiation): Lượng bức xạ quang hợp có sẵn trong dải bước sóng 400-700 nm, là nguồn năng lượng chính cho quá trình quang hợp của thực vật phù du.
  • Chlorophyll a (chla): Sắc tố quang hợp chính của thực vật phù du, dùng làm chỉ số đánh giá sinh khối và năng suất sinh học.
  • SST (Sea Surface Temperature): Nhiệt độ nước biển tầng mặt, ảnh hưởng đến sự phát triển sinh học và các quá trình sinh thái biển.
  • Ka490 (Diffuse Attenuation Coefficient at 490 nm): Hệ số suy giảm ánh sáng tại bước sóng 490 nm, phản ánh độ trong suốt của nước biển.
  • NPP (Net Primary Production): Năng suất sinh học sơ cấp của thực vật phù du, biểu thị lượng carbon được sản xuất trong quá trình quang hợp.

Phương pháp nghiên cứu

Nghiên cứu sử dụng dữ liệu viễn thám MODIS Aqua cấp độ 3 (L3) với độ phân giải 9 km, thu thập từ trang web chính thức của NASA trong giai đoạn 2007-2017 đối với PAR và năm 2017 đối với các thông số chla, SST, Ka490 và NPP. Tổng cộng có 141 ảnh PAR và 12 ảnh cho các thông số còn lại được xử lý.

Phương pháp trích xuất dữ liệu được thực hiện trên phần mềm mã nguồn mở R, bao gồm các bước: thu thập và lưu trữ ảnh, khai báo vùng nghiên cứu (tọa độ 10,30°N – 16,25°N và 107,30°E – 112,30°E), trích xuất giá trị các thông số sinh thái và lưu kết quả dưới dạng file CSV để phân tích tiếp theo.

Phân tích thống kê bao gồm:

  • Kiểm định one-way ANOVA để xác định sự khác biệt giá trị các thông số giữa các tháng và mùa.
  • Kiểm định post hoc Tukey HSD để xác định các cặp tháng có sự khác biệt có ý nghĩa.
  • Kiểm định one-sample t-test để so sánh giá trị trung bình từng tháng với giá trị trung bình năm.
  • Phân tích tương quan Pearson để đánh giá mối quan hệ giữa NPP và các thông số sinh thái liên quan.

Phân tích chuỗi thời gian PAR được phân rã thành các thành phần xu hướng, mùa vụ và ngẫu nhiên. Mô hình ARIMA được xây dựng dựa trên dữ liệu 2007-2017 để dự báo PAR giai đoạn 2018-2020, với đánh giá độ chính xác qua chỉ số RMSE.

Năng suất sinh học sơ cấp (NPP) được tính toán theo mô hình VGPM dựa trên các thông số đầu vào PAR, chla, SST, Ka490 và thời gian chiếu sáng trong ngày (DL). Độ sâu tầng ưu quang (Zeu) được tính từ hệ số suy giảm ánh sáng Kapar, được suy ra từ Ka490.

Dự báo trữ lượng cá được thực hiện dựa trên mô hình chuyển hóa năng lượng qua các bậc dinh dưỡng, với hiệu suất chuyển hóa năng lượng từ thực vật phù du sang cá khoảng 0,062-0,075%. Dữ liệu NPP kết hợp với hiệu suất này để ước tính trữ lượng cá năm 2017 và dự báo giai đoạn 2018-2020.

Phân tích SWOT được áp dụng để đề xuất giải pháp khai thác và sử dụng dữ liệu viễn thám trong quản lý hệ sinh thái và môi trường biển, dựa trên điểm mạnh, điểm yếu, cơ hội và thách thức của công nghệ viễn thám.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

  1. Biến động PAR năm 2017: Giá trị PAR dao động từ 15,99 đến 56,81 Einstein/m²/ngày, trung bình 42,75 ± 8,46 Einstein/m²/ngày. PAR đạt đỉnh vào tháng 4 (51,47 ± 3,35) và thấp nhất vào tháng 12 (29,32 ± 3,41). Sự khác biệt giữa các tháng có ý nghĩa thống kê rất cao (ANOVA, P < 2,2×10⁻¹⁵). Mùa xuân và hè có PAR cao hơn đáng kể so với mùa thu và đông.

  2. Biến động chlorophyll a (chla): Hàm lượng chla trung bình năm 2017 là 0,26 mg/m³, dao động từ 0,01 đến 9,74 mg/m³. Chla có xu hướng giảm từ vùng ven bờ ra ngoài khơi, phản ánh sự phân bố sinh khối thực vật phù du. Sự khác biệt giữa các tháng cũng có ý nghĩa thống kê (ANOVA, P < 0,01).

  3. Nhiệt độ nước biển tầng mặt (SST): SST dao động trong khoảng 20,73°C đến 31,24°C, trung bình 27,63 ± 1,70°C. SST cao nhất vào mùa gió Tây Nam và thấp nhất vào mùa Đông Bắc, phù hợp với đặc trưng khí hậu vùng Nam Trung Bộ.

  4. Hệ số suy giảm ánh sáng Ka490: Giá trị trung bình là 0,04 ± 0,03 m⁻¹, dao động từ 0,02 đến 0,65 m⁻¹. Ka490 phản ánh độ trong suốt của nước biển, ảnh hưởng đến khả năng quang hợp của thực vật phù du.

  5. Năng suất sinh học sơ cấp (NPP): Trung bình đạt 409,28 mgC/m²/ngày, dao động từ 11,42 đến 315,06 mgC/m²/ngày. NPP có tương quan thuận với chla (r > 0,6) và Ka490, nhưng tương quan nghịch với SST và PAR. Điều này cho thấy trong điều kiện PAR dồi dào, NPP phụ thuộc nhiều vào hàm lượng dinh dưỡng (chla).

  6. Dự báo PAR và trữ lượng cá: Mô hình ARIMA dự báo PAR giai đoạn 2018-2020 với xu hướng mùa vụ rõ rệt, cao nhất vào mùa xuân và thấp nhất vào mùa đông. Dựa trên hiệu suất chuyển hóa năng lượng, trữ lượng cá năm 2017 ước tính trung bình 2,305 ± 1,738 kg/m²/ngày, dao động từ 0,064 đến 17,543 kg/m²/ngày. Dự báo trữ lượng cá giai đoạn 2018-2020 cũng được xây dựng dựa trên dữ liệu PAR dự báo.

Thảo luận kết quả

Sự biến động theo mùa và không gian của các thông số sinh thái phản ánh rõ ảnh hưởng của các yếu tố khí hậu như gió mùa Tây Nam và Đông Bắc, hiện tượng nước trồi và dòng hải lưu Kurosio. Ví dụ, hiện tượng nước trồi được nhận diện qua sự giảm nhiệt độ bề mặt và tăng nồng độ chla, đặc biệt mạnh vào tháng 7-8.

So sánh với các nghiên cứu trước tại vùng Nam Trung Bộ và vịnh Vân Phong, kết quả PAR và chla tương đồng, khẳng định tính ổn định của dữ liệu viễn thám MODIS Aqua trong giám sát sinh thái biển. Mối tương quan giữa NPP và các thông số sinh thái phù hợp với các nghiên cứu quốc tế, cho thấy mô hình VGPM là công cụ hiệu quả để đánh giá năng suất sơ cấp.

Việc sử dụng mô hình ARIMA để dự báo PAR cho thấy khả năng ứng dụng viễn thám kết hợp phân tích chuỗi thời gian trong dự báo biến động sinh thái biển, hỗ trợ quản lý và khai thác bền vững nguồn lợi thủy sản.

Dữ liệu và kết quả có thể được trình bày qua các biểu đồ biến động theo tháng, bản đồ phân bố không gian các thông số sinh thái và bảng ma trận tương quan, giúp trực quan hóa mối quan hệ và xu hướng biến động.

Đề xuất và khuyến nghị

  1. Tăng cường ứng dụng dữ liệu viễn thám trong giám sát hệ sinh thái biển: Cơ quan quản lý cần xây dựng hệ thống thu thập, xử lý và phân tích dữ liệu viễn thám định kỳ để theo dõi biến động các thông số sinh thái, nâng cao độ chính xác và kịp thời trong quản lý tài nguyên biển. Thời gian thực hiện: 1-2 năm; chủ thể: Bộ Tài nguyên và Môi trường, các viện nghiên cứu.

  2. Phát triển mô hình dự báo năng suất sinh học và trữ lượng cá: Áp dụng mô hình VGPM kết hợp ARIMA để dự báo năng suất sơ cấp và trữ lượng cá, hỗ trợ hoạch định kế hoạch khai thác thủy sản bền vững. Thời gian: 3 năm; chủ thể: Viện Hải dương học, các trường đại học.

  3. Xây dựng bản đồ phân bố sinh thái biển chi tiết: Sử dụng GIS và dữ liệu viễn thám để xây dựng bản đồ phân bố không gian các thông số sinh thái, phục vụ công tác quy hoạch và bảo vệ môi trường biển. Thời gian: 2 năm; chủ thể: Sở Tài nguyên và Môi trường các tỉnh ven biển, các tổ chức nghiên cứu.

  4. Đào tạo và nâng cao năng lực cho cán bộ quản lý và nghiên cứu: Tổ chức các khóa đào tạo về công nghệ viễn thám, phân tích dữ liệu và mô hình sinh thái biển nhằm nâng cao năng lực chuyên môn và ứng dụng thực tiễn. Thời gian: liên tục; chủ thể: các trường đại học, viện nghiên cứu.

  5. Tăng cường hợp tác quốc tế và liên ngành: Kết nối với các tổ chức quốc tế và các ngành liên quan để trao đổi dữ liệu, kinh nghiệm và công nghệ mới trong giám sát và quản lý hệ sinh thái biển. Thời gian: liên tục; chủ thể: Bộ Ngoại giao, Bộ Khoa học và Công nghệ.

Đối tượng nên tham khảo luận văn

  1. Các nhà quản lý tài nguyên và môi trường biển: Luận văn cung cấp dữ liệu và mô hình hỗ trợ ra quyết định trong quản lý khai thác thủy sản, bảo vệ môi trường và phát triển bền vững vùng biển Nam Trung Bộ.

  2. Các nhà khoa học và nghiên cứu sinh trong lĩnh vực sinh thái biển và viễn thám: Tài liệu chi tiết về phương pháp trích xuất và phân tích dữ liệu viễn thám, mô hình VGPM và ARIMA giúp nghiên cứu và phát triển các công trình khoa học liên quan.

  3. Các tổ chức bảo tồn và phát triển bền vững: Thông tin về biến động sinh thái và dự báo trữ lượng cá hỗ trợ xây dựng các chương trình bảo tồn đa dạng sinh học và quản lý nguồn lợi thủy sản.

  4. Ngành công nghiệp thủy sản và ngư dân: Dự báo trữ lượng cá và bản đồ phân bố sinh thái giúp hoạch định kế hoạch khai thác hợp lý, giảm thiểu rủi ro và tăng hiệu quả kinh tế.

Câu hỏi thường gặp

  1. Dữ liệu viễn thám MODIS Aqua có độ chính xác như thế nào trong giám sát sinh thái biển?
    Dữ liệu MODIS Aqua cấp độ 3 với độ phân giải 9 km đã được kiểm định với dữ liệu đo đạc hiện trường, đặc biệt là hàm lượng chlorophyll a, cho kết quả tin cậy với hệ số tương quan cao (r gần 0,9). Đây là nguồn dữ liệu phù hợp cho giám sát biến động sinh thái quy mô vùng.

  2. Mô hình VGPM có thể áp dụng cho các vùng biển khác ngoài Nam Trung Bộ không?
    VGPM là mô hình phổ biến được sử dụng trên toàn cầu để tính toán năng suất sinh học sơ cấp. Tuy nhiên, các tham số đầu vào cần được hiệu chỉnh phù hợp với đặc điểm sinh thái và khí hậu từng vùng để đảm bảo độ chính xác.

  3. Mô hình ARIMA dự báo PAR có thể dự báo chính xác trong bao lâu?
    Mô hình ARIMA dự báo PAR trong khoảng 3 năm (2018-2020) dựa trên dữ liệu 11 năm trước đó. Độ chính xác được đánh giá qua chỉ số RMSE thấp, tuy nhiên dự báo dài hạn hơn cần kết hợp thêm các yếu tố khí hậu và đại dương khác.

  4. Hiệu suất chuyển hóa năng lượng từ thực vật phù du sang cá được xác định như thế nào?
    Hiệu suất này được xác định qua các nghiên cứu sinh thái tại Việt Nam, dao động từ 0,062% đến 0,075%. Đây là tỷ lệ năng lượng chuyển từ năng suất sơ cấp thành sinh khối cá, dùng để ước tính trữ lượng cá dựa trên NPP.

  5. Làm thế nào để ứng dụng kết quả nghiên cứu vào quản lý thực tiễn?
    Kết quả cung cấp cơ sở dữ liệu và mô hình dự báo giúp các cơ quan quản lý xây dựng kế hoạch khai thác thủy sản bền vững, giám sát biến động sinh thái và phát triển các chính sách bảo vệ môi trường biển hiệu quả.

Kết luận

  • Đã đánh giá thành công biến động không gian và thời gian của các thông số sinh thái PAR, chla, SST, Ka490 trên vùng biển Nam Trung Bộ năm 2017 với số liệu cụ thể và phân tích thống kê chi tiết.
  • Mô hình VGPM kết hợp dữ liệu viễn thám MODIS Aqua được áp dụng hiệu quả để tính toán năng suất sinh học sơ cấp và dự báo trữ lượng cá.
  • Mô hình ARIMA dự báo xu hướng biến động PAR giai đoạn 2018-2020 với độ chính xác cao, hỗ trợ công tác giám sát và quản lý hệ sinh thái biển.
  • Đề xuất các giải pháp ứng dụng dữ liệu viễn thám trong quản lý tài nguyên biển, phát triển mô hình dự báo và nâng cao năng lực cán bộ quản lý.
  • Nghiên cứu mở ra hướng đi mới cho việc sử dụng công nghệ viễn thám trong giám sát và bảo vệ hệ sinh thái biển tại Việt Nam, góp phần phát triển bền vững ngành thủy sản và môi trường biển.

Hành động tiếp theo: Khuyến khích các cơ quan chức năng và viện nghiên cứu triển khai ứng dụng kết quả nghiên cứu vào thực tiễn, đồng thời mở rộng nghiên cứu sang các vùng biển khác và cập nhật dữ liệu viễn thám mới để nâng cao hiệu quả quản lý.