Tổng quan luận án
Luận án tiến sĩ với đề tài "Nghiên cứu xây dựng bản đồ phân bố ô nhiễm bụi hỗ trợ quy hoạch đô thị thành phố Hà Nội" được thực hiện bởi nghiên cứu sinh Nguyễn Anh Dũng, dưới sự hướng dẫn khoa học của PGS. Dương Hồng Sơn và TS. Nguyễn Đắc Đồng. Luận án thuộc chuyên ngành Quản lý tài nguyên và môi trường (mã số: 9850101), bảo vệ tại Viện Khoa học Khí tượng Thủy văn và Biến đổi khí hậu thuộc Bộ Tài nguyên và Môi trường vào năm 2021.
Vấn đề ô nhiễm không khí, đặc biệt là ô nhiễm bụi hạt lơ lửng, đang là thách thức môi trường lớn đối với các đô thị đang phát triển. Theo Báo cáo hiện trạng môi trường quốc gia năm 2016, chất lượng không khí tại các đô thị lớn ở Việt Nam, đặc biệt là Hà Nội và Thành phố Hồ Chí Minh, liên tục suy giảm và bụi là tác nhân ô nhiễm nổi cộm nhất. Quá trình đô thị hóa nhanh chóng, sự gia tăng dân số cơ học và mật độ phương tiện giao thông cơ giới đã tạo áp lực lớn lên môi trường không khí. Trong công tác quy hoạch đô thị tại Việt Nam, các đồ án chủ yếu tập trung vào quy hoạch sử dụng đất và phân khu chức năng, trong khi các giải pháp kỹ thuật nhằm kiểm soát, phân tán và giảm thiểu ô nhiễm không khí chưa được tích hợp tương xứng.
Khoảng trống nghiên cứu được luận án nhận diện là sự thiếu hụt các đánh giá định lượng chi tiết về mối quan hệ giữa các yếu tố khí tượng đặc thù và nồng độ bụi $PM_{10}$ ở quy mô không gian chi tiết, cũng như thiếu phương pháp thành lập bản đồ phân bố ô nhiễm bụi có độ phân giải cao kết hợp số liệu khí tượng toàn cầu nhằm phục vụ trực tiếp công tác quy hoạch đô thị.
Mục tiêu nghiên cứu của luận án gồm hai nội dung:
- Đánh giá ảnh hưởng của các yếu tố khí tượng đến hàm lượng bụi $PM_{10}$;
- Xây dựng bản đồ phân bố hàm lượng bụi $PM_{10}$ theo không gian và thời gian cho các quận nội đô thành phố Hà Nội từ số liệu khí tượng toàn cầu độ phân giải cao ($1\text{ km}^2$) hỗ trợ công tác quy hoạch đô thị.
Hai luận điểm bảo vệ của luận án được xác định gồm:
- Luận điểm 1: Khí tượng là một trong những nhân tố quan trọng ảnh hưởng đến chất lượng môi trường không khí nói chung và ô nhiễm bụi nói riêng. Mối quan hệ giữa các yếu tố khí tượng với hàm lượng bụi $PM_{10}$ ở Hà Nội là tương đối khác nhau tùy theo từng điều kiện thời tiết cụ thể.
- Luận điểm 2: Bản đồ phân bố hàm lượng bụi $PM_{10}$ được xây dựng dựa trên mô hình mạng thần kinh nhân tạo có xem xét đến sự ảnh hưởng của các yếu tố khí tượng đặc thù có thể phục vụ dự báo ô nhiễm và quy hoạch đô thị.
Đối tượng và phạm vi nghiên cứu:
- Đối tượng nghiên cứu: Sự ảnh hưởng của một số yếu tố khí tượng đến hàm lượng bụi $PM_{10}$ theo không gian và thời gian.
- Phạm vi không gian: 11 quận nội đô thành phố Hà Nội, bao gồm: Ba Đình, Hoàn Kiếm, Đống Đa, Hai Bà Trưng, Thanh Xuân, Tây Hồ, Cầu Giấy, Hoàng Mai, Long Biên, Nam Từ Liêm, Bắc Từ Liêm.
- Phạm vi thời gian và dữ liệu: Chuỗi số liệu quan trắc tự động liên tục của hàm lượng bụi $PM_{10}$ và các yếu tố khí tượng từ tháng 6 năm 2017 đến tháng 12 năm 2018 tại 11 trạm quan trắc do các cơ quan quản lý Nhà nước chuyên ngành quản lý, kết hợp tập dữ liệu khí tượng bề mặt toàn cầu WorldClim 2 độ phân giải $1\text{ km}^2$.
| Thông số |
Đặc điểm xác định trong luận án |
| Tên đề tài |
Nghiên cứu xây dựng bản đồ phân bố ô nhiễm bụi hỗ trợ quy hoạch đô thị thành phố Hà Nội |
| Tác giả & Hướng dẫn |
NCS. Nguyễn Anh Dũng; PGS. Dương Hồng Sơn, TS. Nguyễn Đắc Đồng |
| Chuyên ngành & Mã số |
Quản lý tài nguyên và môi trường (Mã số: 9850101) |
| Cơ sở đào tạo & Năm |
Viện Khoa học Khí tượng Thủy văn và Biến đổi khí hậu (2021) |
| Không gian nghiên cứu |
11 quận nội đô thành phố Hà Nội |
| Dữ liệu thực nghiệm |
Chuỗi quan trắc 11 trạm tự động (06/2017 - 12/2018) và dữ liệu WorldClim 2 ($1\text{ km}^2$) |
Tổng quan tài liệu và vị trí của luận án
Luận án đã hệ thống hóa các công trình nghiên cứu trong và ngoài nước liên quan đến ô nhiễm bụi, ảnh hưởng của các yếu tố khí tượng, các kỹ thuật thành lập bản đồ phân bố ô nhiễm và quá trình quy hoạch xây dựng Thủ đô Hà Nội.
Về bản chất và tác động của ô nhiễm bụi, theo Tổ chức Y tế Thế giới (WHO [112]), bụi lơ lửng là hỗn hợp phức tạp của các hạt vô cơ và hữu cơ, phân chia thành hạt thô và hạt mịn. Hạt siêu mịn ($<0,1\text{ }\mu\text{m}$) hình thành qua quá trình tạo mầm, ngưng tụ kim loại, cacbon nguyên tố và các phản ứng tạo hạt sunfat, nitrat thứ cấp. Cao Dung Hai và Nguyen Thi Kim Oanh (2013 [30]) chỉ ra rằng tỷ lệ $PM_{2,5}/PM_{10}$ tại Hà Nội đạt khoảng $0,76 - 0,80$ với hệ số tương quan $R^2 = 0,92$, chứng minh sự biến thiên của $PM_{10}$ chịu chi phối chủ yếu bởi hạt mịn $PM_{2,5}$.
Về tác động sức khỏe và kinh tế - xã hội, nghiên cứu dịch tễ học sáu thành phố tại Mỹ của Dockery và cộng sự (1993 [40]) ghi nhận khi $PM_{2,5}$ tăng $10\text{ }\mu\text{g/m}^3$, tỷ lệ tử vong hàng ngày tăng 1,5%. Samet và cộng sự ([93], [94]) chỉ ra mức tăng $10\text{ }\mu\text{g/m}^3$ của $PM_{10}$ làm tăng 0,5% tỷ lệ tử vong hàng ngày tại 20 đô thị ở Mỹ. Laden và cộng sự [71] xác định $PM_{2,5}$ từ nguồn giao thông làm tăng 3,4% tỷ lệ tử vong, cao hơn so với nguồn đốt than (1,1%). Tại châu Âu, Katsouyanni và cộng sự [59] khảo sát tại 29 thành phố ghi nhận mức tăng 0,6% tử vong khi $PM_{10}$ tăng $10\text{ }\mu\text{g/m}^3$. Đánh giá thiệt hại kinh tế, Nam và cộng sự [79] ước tính ô nhiễm không khí làm châu Âu mất 220 tỷ Euro sức tiêu thụ vào năm 2005; tại Mỹ chi phí y tế ước tính 40 - 50 tỷ USD mỗi năm [45]. Tại Việt Nam, Báo cáo môi trường quốc gia 2010 [1] tính toán thiệt hại do bệnh hô hấp tại Hà Nội là 1.538 đồng/người/ngày (tương đương 4,614 tỷ đồng/ngày cho 3 triệu dân nội thành); đến năm 2013 thiệt hại kinh tế do ô nhiễm không khí ước tính khoảng 10 tỷ USD, tương đương 5 - 7% GDP [113].
Về phương pháp thành lập bản đồ phân bố bụi, trên thế giới có ba hướng tiếp cận chính:
- Sử dụng số liệu trạm quan trắc cố định kết hợp thuật toán nội suy: Nội suy khoảng cách nghịch đảo có trọng số (IDW) được Keler và Krisp [62] áp dụng tại Bắc Kinh; phương pháp Kriging thông thường (OK) được Bayraktar và Turalioglu [24], Maji và cộng sự [76] sử dụng; phương pháp đồng Kriging (co-kriging) của Singh và cộng sự [101]; Kriging với ngoại lực của Ignaccolo và cộng sự [56]; phương pháp xu thế bề mặt (TS) được Ahmed và cộng sự [19] áp dụng tại Cairo.
- Sử dụng thiết bị đo di động: Kỹ thuật đo quang học gắn trên phương tiện di chuyển được Sanders và Addo [95], Kuhns và cộng sự [67] (hệ thống TRAKER) thử nghiệm để ghi nhận biến động phát thải theo thời gian thực trên các tuyến đường.
- Sử dụng ảnh viễn thám và độ dày quang học sol khí (AOD/AOT): Sifakis và Deschamps [100], Retalis và cộng sự [90] dùng ảnh SPOT và LANDSAT-5/TM; Grosso và cộng sự [48] kết hợp thuật toán phân tích kết cấu vi sai (DTA) trên ảnh MODIS và MERIS-ENVISAT đạt $R^2 = 0,77 - 0,83$; Vidot và cộng sự [108] dùng ảnh SeaWiFS ($R^2 = 0,42$ cho $PM_{10}$); Zhu và cộng sự [121] đạt $R^2 = 0,52 - 0,66$; Dinoi và cộng sự [37] tại vùng Lombardy đạt $R^2 = 0,74 - 0,84$; Benas và cộng sự [25] tại Athens kết hợp ảnh MERIS và cảm biến AATSR đạt $R^2 = 0,70$; Wald và Baleynaud [153] dùng kênh hồng ngoại nhiệt LANDSAT TM tại Nantes; Ung và cộng sự [106] tại Strasbourg ghi nhận độ tin cậy 95%.
Về ảnh hưởng của các yếu tố khí tượng và mô hình thống kê:
- Yang và cộng sự [115] chứng minh khí tượng làm giảm ít nhất 16% $PM_{2,5}$ ở các đô thị Trung Quốc. Padro-Martinez và cộng sự [84] ghi nhận ô nhiễm bụi mùa đông cao nhất tại Somerville do khí quyển ổn định. Schleicher và cộng sự [97] giải thích nồng độ bụi than đen tại Bắc Kinh cao vào mùa đông và ban đêm do lớp biên thấp và đốt than. Zhao và cộng sự [119] phân tích nồng độ cực đại theo giờ sáng (7:00 - 8:00) và tối (19:00 - 23:00). Zhang và cộng sự [117] dùng hệ số tương quan Spearman tại Bắc Kinh, Thượng Hải, Quảng Châu; Duo và cộng sự [42] nghiên cứu tại Lhasa; Li và cộng sự [74] tại Thẩm Dương; Miao và cộng sự [78] tại cụm Bắc Kinh - Thiên Tân - Hà Bắc; Yanez và cộng sự [114] tại Chile; Hartog và cộng sự [50] tại Amsterdam, Helsinki, Erfurt; Giri và cộng sự [46] tại thung lũng Kathmandu; Srimuruganandam và Shiva Nagendra [103] tại Chennai; Wang và Ogawa [109] tại Nagasaki.
- Về mô hình hồi quy và trí tuệ nhân tạo: Stadlober và cộng sự [104] đạt $R^2 = 0,70$ với mô hình hồi quy tuyến tính đa biến (MLR); Cai và cộng sự [29] đạt hệ số $R = 0,894 - 0,971$; Shahraiyni và cộng sự [99] tổng kết MLR từng bước có $R^2$ trung bình $<0,50$. Raimondo và cộng sự [89] sử dụng mạng thần kinh nhân tạo (ANN) gồm 18 lớp ẩn với 8 biến đầu vào tại Gothenburg dự báo vượt chuẩn đạt độ chính xác trên 80%. Chaloulakou và cộng sự [32] so sánh MLR và ANN tại Athens, khẳng định ANN vượt trội. Chen và cộng sự [34] ứng dụng mô hình Perceptron đa lớp (MLP) tại Đài Loan đạt độ chính xác 80 - 90%. Paschalidou và cộng sự [85] tại Cyprus so sánh MLP ($R^2 = 0,65 - 0,75$) với hàm cơ sở bán kính RBF ($R^2 = 0,37 - 0,43$). Hooyberghs và cộng sự [54] áp dụng ANN tại Bỉ.
Các nghiên cứu trong nước:
- Dương Hồng Sơn và cộng sự ([7], [8], [9]) ứng dụng chuỗi mô hình SMOKE - MM5 - CMAQ mô phỏng chất lượng không khí và đánh giá ô nhiễm xuyên biên giới từ Trung Quốc vào mùa đông (đóng góp 30% CO, 55% $SO_2$, 48% $NO_2$). Ngô Thọ Hùng [81] ứng dụng mô hình OSPM cho giao thông Hà Nội, xác định xe máy chiếm 92 - 95% phát thải khí xe cộ, đóng góp 86% $PM_{10}$ từ giao thông. Hoàng Xuân Cơ và cộng sự ([10], [11], [12]) dùng mô hình ISC3 và xây dựng hoa ô nhiễm $PM_{10}$, $SO_2$. Bùi Tá Long và Nguyễn Châu Mỹ Duyên [5] dùng AERMOD và WRF. Nghiêm Trung Dũng [15] dùng mô hình tiếp nhận đa biến PMF tại khu vực Thượng Đình, xác định 4 nhóm nguồn chính đóng góp 78,5% bụi chứa PAH.
- Phạm Ngọc Đăng và cộng sự ([17], [18], [21]) cảnh báo nồng độ bụi tại Hà Nội vượt chuẩn 1,5 - 3 lần, tại nút giao thông và công trình xây dựng vượt 7 - 10 lần. Phạm Duy Hiển và cộng sự ([16], [52]) chứng minh hiện tượng đảo bức xạ đêm (tháng 10 - 12) và nghịch nhiệt (tháng 1 - 3) tại Hà Nội làm tăng vọt nồng độ bụi, các yếu tố khí tượng giải thích được 60 - 74% biến đổi hạt hàng ngày. Phạm Ngọc Hồ và cộng sự ([23], [24], [25], [26], [27]) tính toán hệ số biến động, hệ số phát thải từ 06 loại nhiên liệu đun nấu dân sinh và kiểm kê 35 tuyến đường giao thông. Lý Bích Thủy và cộng sự [75] khảo sát hiện tượng khói mù mùa khô 2016 - 2017 bằng cảm biến Panasonic độ phân giải 5 phút. Nguyễn Thị Thu Thủy và cộng sự [83] phân tích mối tương quan giữa tốc độ gió, hướng gió, bức xạ với các phân đoạn bụi $PM_{0,1}$, $PM_{2,5}$ và $PM_{10}$.
- Về quy hoạch đô thị, Hà Nội đã trải qua các đồ án: quy hoạch trước năm 1979, quy hoạch năm 1981 (Quyết định 100/QĐ-TTg), giai đoạn 1986 - 1992, quy hoạch năm 1996 (Quyết định 132/QĐ-TTg), quy hoạch năm 1998 (Quyết định 108/1998/QĐ-TTg) và Quy hoạch chung xây dựng Thủ đô Hà Nội đến năm 2030, tầm nhìn đến năm 2050 (Quyết định 1259/QĐ-TTg ngày 26/7/2011).
Khoảng trống luận án lựa chọn giải quyết: Luận án khắc phục hạn chế của việc thiếu mạng lưới trạm quan trắc dày đặc bằng cách kết hợp mô hình học máy phi tuyến (ANN) với bộ cơ sở dữ liệu khí tượng toàn cầu WorldClim 2 độ phân giải $1\text{ km}^2$, từ đó xây dựng các bản đồ phân bố $PM_{10}$ theo thời gian (tháng, mùa) và lồng ghép trực tiếp vào 6 lớp bản đồ quy hoạch phân khu chức năng của Hà Nội.
| Nhóm nghiên cứu |
Tác giả & Công trình tiêu biểu |
Phương pháp / Mô hình |
Kết quả / Đóng góp chính |
| Nội suy trạm cố định |
Keler & Krisp [62]; Bayraktar & Turalioglu [24]; Maji & cs [76]; Ahmed & cs [19] |
IDW, OK, Co-kriging, Trend Surface |
Xây dựng bản đồ bụi đô thị; OK phụ thuộc biến thiên semivariogram giữa các trạm đo. |
| Ảnh viễn thám AOD/AOT |
Sifakis & Deschamps [100]; Grosso & cs [48]; Dinoi & cs [37]; Benas & cs [25] |
DTA, ảnh MODIS, MERIS, SPOT, LANDSAT |
Tương quan $PM_{10}$ và AOT đạt $R^2 = 0,52 - 0,84$; hạn chế bởi điều kiện mây và tầng khí quyển. |
| Mô hình AI & Hồi quy |
Raimondo & cs [89]; Chaloulakou & cs [32]; Chen & cs [34]; Paschalidou & cs [85] |
MLR, ANN (MLP), RBF, SVM, CART |
ANN xử lý tốt biến phi tuyến; MLP đạt $R^2 = 0,65 - 0,75$ vượt trội so với RBF ($R^2 = 0,37 - 0,43$). |
| Khuếch tán & Phát thải tại VN |
Dương Hồng Sơn & cs ([7], [8], [9]); Ngô Thọ Hùng [81]; Nghiêm Trung Dũng [15] |
SMOKE - MM5 - CMAQ, OSPM, AERMOD, PMF |
Xác định giao thông chiếm 86% $PM_{10}$ giao thông; ô nhiễm xuyên biên giới mùa đông chiếm 30 - 55%. |
| Khí tượng & Bụi tại Hà Nội |
Phạm Duy Hiển & cs [52]; Cao Dũng Hải & Nguyễn Thị Kim Oanh [30]; Lý Bích Thủy & cs [75] |
Quan trắc thực địa, phân tích chuỗi thời gian |
Khí tượng giải thích 60 - 74% biến đổi bụi ngày; nghịch nhiệt và áp cao mùa đông làm tăng mạnh nồng độ. |
Cơ sở lý thuyết và phương pháp nghiên cứu
Luận án dựa trên cơ sở lý thuyết về sự lan truyền và tích tụ chất ô nhiễm trong tầng biên khí quyển đô thị, lý thuyết mạng thần kinh nhân tạo và kỹ thuật phân tích không gian trong Hệ thống thông tin địa lý (GIS).
Khung phân tích và phương pháp nghiên cứu thực hiện qua các công cụ cụ thể:
- Phương pháp thu thập và xử lý số liệu:
- Chuỗi số liệu nồng độ bụi $PM_{10}$ và số liệu khí tượng quan trắc theo giờ và ngày tại 11 trạm quan trắc tự động liên tục ở nội thành Hà Nội (gồm các trạm tiêu biểu như Trung Yên 3, Minh Khai, Nguyễn Văn Cừ và trạm khí tượng Hà Đông) giai đoạn 06/2017 - 12/2018.
- Tập dữ liệu khí tượng bề mặt toàn cầu WorldClim 2 với độ phân giải lưới không gian $1\text{ km} \times 1\text{ km}$ ($1\text{ km}^2$), cung cấp các trường thông số: nhiệt độ, độ ẩm tương đối, áp suất khí quyển và tốc độ gió.
- Phương pháp phân tích thống kê:
- Phân tích thống kê mô tả chuỗi thời gian để xác định biến trình nồng độ bụi theo giờ trong ngày, theo ngày trong tuần và theo các mùa trong năm.
- Phân tích tương quan Pearson và Spearman giữa hàm lượng bụi $PM_{10}$ với các yếu tố khí tượng (nhiệt độ, độ ẩm, áp suất, tốc độ gió).
- Xây dựng biểu đồ hoa gió và hoa ô nhiễm để đánh giá hướng lan truyền và phân bố nồng độ bụi theo các hướng gió thịnh hành.
- Phương pháp mô hình hóa quan hệ khí tượng - bụi:
- Mô hình hồi quy tuyến tính đa biến (MLR): Xây dựng các phương trình liên hệ giữa biến phụ thuộc là hàm lượng bụi $PM_{10}$ với các biến độc lập khí tượng đã qua bước chuẩn hóa dữ liệu.
- Mô hình mạng thần kinh nhân tạo (ANN): Sử dụng kiến trúc mạng Perceptron đa lớp (MLP) gồm hai lớp ẩn với các neuron nhân tạo và hàm kích hoạt phi tuyến để mô phỏng mối quan hệ phi tuyến phức tạp giữa các yếu tố khí tượng đầu vào và nồng độ $PM_{10}$ đầu ra.
- Phương pháp nội suy không gian và GIS:
- Ứng dụng các thuật toán nội suy không gian kết hợp dữ liệu trường khí tượng WorldClim 2 và đầu ra của mô hình ANN để ngoại suy nồng độ bụi $PM_{10}$ trên toàn bộ diện tích 11 quận nội thành.
- Xây dựng bản đồ phân bố $PM_{10}$ dạng raster, sau đó chồng xếp và lồng ghép không gian với các lớp bản đồ hiện trạng và quy hoạch sử dụng đất trên nền tảng phần mềm GIS.
| Bước thực hiện |
Phương pháp / Công cụ |
Dữ liệu đầu vào / Mục tiêu |
| 1. Đánh giá hiện trạng |
Thống kê mô tả, ma trận tương quan, hoa ô nhiễm |
Số liệu 11 trạm quan trắc tự động (06/2017 - 12/2018), trạm khí tượng Hà Đông |
| 2. Thiết lập mô hình |
Hồi quy tuyến tính đa biến (MLR) và Mạng nơ-ron (ANN - MLP) |
Biến chuẩn hóa: nhiệt độ, độ ẩm, áp suất, tốc độ gió, nồng độ $PM_{10}$ thực đo |
| 3. Xây dựng bản đồ |
Nội suy không gian, GIS, tích hợp lưới WorldClim 2 |
Lưới khí tượng toàn cầu độ phân giải $1\text{ km}^2$, mô hình ANN đã kiểm định |
| 4. Hỗ trợ quy hoạch |
Lồng ghép không gian đa lớp trên nền tảng GIS |
Bản đồ phân bố $PM_{10}$ (12 tháng, trung bình mùa) và 6 bản đồ quy hoạch chuyên ngành |
Nội dung chính theo từng chương
CHƯƠNG 1 - TỔNG QUAN CÁC NGHIÊN CỨU VỀ XÂY DỰNG BẢN ĐỒ PHÂN BỐ HÀM LƯỢNG BỤI
Chương 1 tổng thuật các kiến thức cơ sở về ô nhiễm bụi, nguồn phát sinh, tác động sức khỏe và kinh tế, các công trình nghiên cứu bản đồ ô nhiễm trên thế giới và ở Việt Nam, cùng lược sử quy hoạch phát triển đô thị Hà Nội.
Nội dung chương làm rõ:
- Ô nhiễm bụi tại Hà Nội phát sinh chủ yếu từ 4 nguồn: giao thông vận tải (chiếm khoảng 70% tổng lượng ô nhiễm không khí đô thị, phương tiện xe máy đóng góp 86% $PM_{10}$ từ xe cộ theo Ngô Thọ Hùng [81]); công nghiệp (8 khu công nghiệp, trong đó các KCN lâu đời như Thượng Đình, Mai Động, Điện với ống khói thấp dưới 35 m chậm di dời); hoạt động xây dựng hạ tầng đô thị; và dân sinh (đun nấu than tổ ong).
- Đánh giá ưu nhược điểm của các phương pháp lập bản đồ bụi: phương pháp trạm cố định bị hạn chế do mạng lưới trạm thưa; quan trắc di động phản ánh chi tiết mặt đường nhưng khó bao quát diện rộng dài hạn; ảnh viễn thám (AOD/AOT) phụ thuộc vào điều kiện thời tiết và độ phủ mây.
- Phân tích ảnh hưởng của các điều kiện thời tiết: tại Hà Nội, mùa đông có nồng độ bụi cao do xuất hiện các vùng áp cao phía Bắc, hiện tượng nghịch nhiệt và đảo bức xạ ban đêm làm giảm chiều cao tầng biên xáo trộn, ngăn cản sự khuếch tán; mùa hè có nồng độ thấp hơn do nhiệt độ cao, xáo trộn mạnh và mưa rửa trôi.
- Tổng quan các giai đoạn quy hoạch Hà Nội: quy hoạch trước 1979, năm 1981 (Quyết định 100/QĐ-TTg phát triển hạn chế trong 4 quận nội thành), giai đoạn 1986 - 1992, năm 1996 (Quyết định 132/QĐ-TTg mở rộng diện tích lên $927,39\text{ km}^2$), năm 1998 (Quyết định 108/1998/QĐ-TTg) và Quy hoạch chung xây dựng Thủ đô Hà Nội đến năm 2030, tầm nhìn 2050 (Quyết định 1259/QĐ-TTg năm 2011 xác lập mô hình chùm đô thị gồm đô thị trung tâm và 5 đô thị vệ tinh). Chương 1 chỉ ra các bất cập quy hoạch: tắc nghẽn giao thông, thiếu không gian xanh, hạ tầng kỹ thuật chưa đồng bộ và ô nhiễm không khí gia tăng.
CHƯƠNG 2 - PHƯƠNG PHÁP XÂY DỰNG BẢN ĐỒ PHÂN BỐ HÀM LƯỢNG BỤI
Chương 2 trình bày chi tiết quy trình phương pháp luận, cấu trúc các mô hình toán học và các bước xử lý dữ liệu để xây dựng bản đồ phân bố bụi.
Nội dung chương gồm:
- Quy trình nghiên cứu gồm 4 bước chính: (1) Thu thập, chuẩn hóa chuỗi số liệu quan trắc bụi và khí tượng mặt đất; (2) Phân tích tương quan thống kê, xác định các thông số khí tượng có ảnh hưởng chi phối đến $PM_{10}$; (3) Xây dựng, huấn luyện và kiểm định mô hình hồi quy tuyến tính đa biến (MLR) và mô hình mạng thần kinh nhân tạo (ANN hai lớp ẩn); (4) Tích hợp mô hình dự báo với tập dữ liệu khí tượng toàn cầu WorldClim 2 ($1\text{ km}^2$) thông qua thuật toán nội suy và phần mềm GIS để xuất bản đồ phân bố nồng độ bụi.
- Công thức toán học của mô hình MLR và cấu trúc mạng ANN (mô hình Perceptron đa lớp với thuật toán lan truyền ngược, các hàm kích hoạt phi tuyến và quy trình tối ưu hóa trọng số liên kết giữa các nơ-ron).
- Phương pháp chuẩn hóa dữ liệu đầu vào về khoảng giá trị đồng nhất nhằm loại bỏ sai số do khác biệt đơn vị đo lường trước khi đưa vào mô hình học máy.
CHƯƠNG 3 - KẾT QUẢ XÂY DỰNG BẢN ĐỒ PHÂN BỐ HÀM LƯỢNG BỤI PM10 HỖ TRỢ QUY HOẠCH ĐÔ THỊ
Chương 3 trình bày các kết quả tính toán thực nghiệm, so sánh độ chính xác của các mô hình, kết quả thành lập bản đồ và ứng dụng lồng ghép hỗ trợ quy hoạch đô thị.
Các phát hiện và kết quả chính của chương gồm:
- Đặc điểm phân bố và biến trình $PM_{10}$: Nồng độ bụi theo giờ tại các trạm Trung Yên 3, Minh Khai, Nguyễn Văn Cừ thể hiện rõ hai đỉnh cực đại vào khung giờ cao điểm sáng (7:00 - 9:00) và chiều tối (18:00 - 20:00), trùng khớp với biến trình lưu lượng giao thông của ô tô và xe máy. Theo mùa, nồng độ $PM_{10}$ đạt giá trị cao nhất vào các tháng mùa đông (tháng 11 đến tháng 2 năm sau) và thấp nhất vào các tháng mùa hè (tháng 6 đến tháng 8).
- Tác động của các biến khí tượng: Phân tích ma trận tương quan và hoa ô nhiễm ghi nhận nồng độ $PM_{10}$ tương quan thuận với áp suất khí quyển; tương quan nghịch rõ rệt với tốc độ gió, độ ẩm tương đối và nhiệt độ không khí trong điều kiện mùa hè. Hướng gió Đông Bắc và Bắc trong mùa đông mang theo khối không khí lạnh ổn định làm gia tăng mức độ ô nhiễm tích tụ.
- So sánh mô hình MLR và ANN: Kết quả kiểm định tại 11 trạm quan trắc nội đô chứng minh mô hình mạng thần kinh nhân tạo (ANN) đạt chỉ số tương quan và chỉ số thống kê độ chính xác cao hơn rõ rệt so với mô hình hồi quy tuyến tính đa biến (MLR). ANN có khả năng mô phỏng sát với diễn biến thực đo các giá trị biến động mạnh của $PM_{10}$.
- Bộ bản đồ phân bố nồng độ bụi $PM_{10}$: Xây dựng thành công 12 bản đồ phân bố $PM_{10}$ theo từng tháng (từ tháng I đến tháng XII) và các bản đồ phân bố trung bình theo mùa cho 11 quận nội thành Hà Nội ở độ phân giải $1\text{ km}^2$.
- Ứng dụng lồng ghép phục vụ quy hoạch đô thị: Luận án thực hiện chồng xếp bản đồ phân bố nồng độ bụi $PM_{10}$ với 6 bản đồ quy hoạch chuyên ngành của Thủ đô Hà Nội:
- Bản đồ quy hoạch sử dụng đất khu dân cư;
- Bản đồ quy hoạch sử dụng đất giao thông;
- Bản đồ quy hoạch sử dụng đất cơ sở giáo dục;
- Bản đồ quy hoạch sử dụng đất công cộng;
- Bản đồ quy hoạch sử dụng đất khu công nghiệp / cụm công nghiệp;
- Bản đồ quy hoạch sử dụng đất không gian xanh và không gian mặt nước.
| Lớp bản đồ quy hoạch lồng ghép |
Nội dung đánh giá & Đề xuất quy hoạch không gian từ kết quả $PM_{10}$ |
| 1. Quy hoạch khu dân cư |
Nhận diện các khu dân cư tập trung tại quận Đống Đa, Hai Bà Trưng, Ba Đình nằm trong vùng nồng độ bụi cao vào mùa đông; đề xuất kiểm soát mật độ xây dựng và tăng cường thông gió tự nhiên. |
| 2. Quy hoạch giao thông |
Xác định các trục vành đai và xuyên tâm có nồng độ $PM_{10}$ vượt chuẩn; đề xuất giải pháp phát triển giao thông công cộng, phân luồng xe tải nặng và bố trí dải cây xanh cách ly. |
| 3. Quy hoạch cơ sở giáo dục |
Đánh giá mức độ phơi nhiễm bụi tại mạng lưới trường học; khuyến nghị hạn chế bố trí cơ sở mầm non, tiểu học sát các trục giao thông chính có nồng độ bụi cao. |
| 4. Quy hoạch đất công cộng |
Phân tích chất lượng không khí tại các trung tâm thương mại, dịch vụ, y tế; định hướng bố trí công trình công cộng tại các khu vực có trường khí tượng thông thoáng. |
| 5. Quy hoạch khu/cụm công nghiệp |
Đánh giá vùng ảnh hưởng ô nhiễm từ các cụm công nghiệp Thượng Đình, Mai Động; cung cấp luận cứ đẩy nhanh tiến độ di dời các cơ sở sản xuất gây ô nhiễm ra khỏi nội đô. |
| 6. Quy hoạch không gian xanh, mặt nước |
Xác định vai trò của hệ thống hành lang xanh (sông Hồng, sông Đuống, hồ Tây) trong việc pha loãng bụi; đề xuất bảo tồn và mở rộng quỹ đất cây xanh tại các khu vực nồng độ bụi cao. |
Kết quả và những đóng góp mới
Luận án đã đạt được các kết quả khoa học và đề xuất các giải pháp quản lý thực tiễn sau:
Các đóng góp mới về mặt lý luận và khoa học:
- Đánh giá chi tiết biến động theo không gian và thời gian của hàm lượng bụi $PM_{10}$ cũng như tác động của các yếu tố khí tượng đến hàm lượng bụi $PM_{10}$ tại khu vực Hà Nội dựa trên chuỗi số liệu tự động, liên tục của 11 trạm quan trắc thuộc các cơ quan quản lý Nhà nước chuyên ngành.
- Xây dựng và kiểm định thành công mô hình hồi quy tuyến tính đa biến (MLR) và mô hình mạng thần kinh nhân tạo (ANN) mô phỏng mối quan hệ giữa hàm lượng bụi $PM_{10}$ với các yếu tố khí tượng bề mặt.
- Thiết lập phương pháp kết hợp thuật toán nội suy không gian và mô hình mạng thần kinh nhân tạo để thành lập bản đồ phân bố hàm lượng bụi theo không gian và thời gian dựa trên nguồn số liệu khí tượng toàn cầu WorldClim 2 độ phân giải cao ($1\text{ km}^2$).
- Ứng dụng kết quả phân bố nồng độ bụi theo không gian để lồng ghép vào 6 đồ án quy hoạch chuyên ngành, đề xuất các giải pháp quy hoạch không gian và quản lý môi trường nhằm giảm thiểu ô nhiễm bụi cho các quận nội đô thành phố Hà Nội.
Kiến nghị và giải pháp đề xuất:
- Về quy hoạch không gian đô thị: Cần coi chất lượng không khí và trường phân bố ô nhiễm bụi là một chỉ tiêu kỹ thuật bắt buộc trong quá trình lập và điều chỉnh quy hoạch xây dựng. Mở rộng diện tích công viên, hành lang cây xanh và mặt nước tại các khu vực có nồng độ bụi cao nhằm tăng cường khả năng tự làm sạch của khí quyển.
- Về quản lý giao thông và công nghiệp: Đẩy mạnh các tuyến vận tải hành khách công cộng khối lượng lớn, kiểm soát khí thải phương tiện cơ giới cá nhân, phân luồng xe tải vận chuyển vật liệu xây dựng đi vòng ngoài nội đô; kiên quyết thực hiện lộ trình di dời các cơ sở công nghiệp cũ ra khỏi khu vực 11 quận nội thành theo định hướng của Quyết định 1259/QĐ-TTg.
- Về quản lý môi trường: Tiếp tục duy trì, đầu tư mở rộng mạng lưới các trạm quan trắc không khí tự động liên tục; áp dụng các mô hình học máy và số liệu khí tượng độ phân giải cao để phục vụ công tác cảnh báo, dự báo chất lượng không khí hàng ngày cho cộng đồng.
Hạn chế và hướng nghiên cứu tiếp
Về mặt hạn chế:
- Chuỗi số liệu quan trắc thực nghiệm được sử dụng trong luận án có độ dài giới hạn từ tháng 6 năm 2017 đến tháng 12 năm 2018 tại 11 trạm tự động nội đô.
- Phạm vi không gian nghiên cứu mới tập trung chủ yếu trong phạm vi 11 quận nội thành Hà Nội, chưa mở rộng phân tích chi tiết ra toàn bộ các huyện ngoại thành và các đô thị vệ tinh trong vùng Thủ đô.
- Đối tượng mô phỏng tập trung vào hạt bụi $PM_{10}$, chưa đi sâu mô hình hóa riêng biệt cho phân đoạn bụi siêu mịn hoặc các hợp phần hóa học chi tiết của bụi sol khí trên cùng một khung bản đồ.
Hướng nghiên cứu tiếp theo:
- Mở rộng chuỗi số liệu quan trắc dài hạn nhiều năm nhằm nâng cao độ chính xác huấn luyện cho mô hình mạng thần kinh nhân tạo.
- Mở rộng phạm vi không gian lập bản đồ ra toàn bộ địa giới hành chính thành phố Hà Nội và các tỉnh lân cận.
- Ứng dụng mô hình để mô phỏng và xây dựng bản đồ phân bố cho các chất ô nhiễm không khí khác ($PM_{2,5}$, $NO_2$, $SO_2$, $O_3$), đồng thời tích hợp các kịch bản biến đổi khí hậu và quy hoạch giao thông tương lai vào mô hình đánh giá tác động.
Giá trị tham khảo
Luận án mang lại giá trị tham khảo cụ thể cho các nhóm đối tượng:
- Nghiên cứu sinh, học viên cao học và giảng viên: Cung cấp tài liệu tham khảo về phương pháp kết hợp mô hình trí tuệ nhân tạo (ANN), mô hình thống kê đa biến (MLR) với Hệ thống thông tin địa lý (GIS) và dữ liệu lưới khí tượng toàn cầu ($1\text{ km}^2$) trong việc giải quyết bài toán không gian môi trường đô thị.
- Cơ quan quản lý nhà nước về môi trường (Bộ Tài nguyên và Môi trường, Sở Tài nguyên và Môi trường Hà Nội): Sử dụng phương pháp và kết quả của luận án để phục vụ công tác giám sát, phân vùng chất lượng không khí, đánh giá hiện trạng và xây dựng các kế hoạch quản lý chất lượng môi trường không khí đô thị.
- Cơ quan quản lý và tư vấn quy hoạch (Sở Quy hoạch - Kiến trúc, Viện Quy hoạch Xây dựng Hà Nội): Sử dụng bộ bản đồ phân bố $PM_{10}$ theo tháng và mùa làm lớp dữ liệu đầu vào phục vụ đánh giá môi trường chiến lược, lựa chọn địa điểm xây dựng các công trình công cộng, khu dân cư, trường học và bố trí dải cây xanh cách ly.
Câu hỏi thường gặp
Câu hỏi 1: Tại sao luận án lựa chọn mô hình mạng thần kinh nhân tạo (ANN) thay vì chỉ sử dụng mô hình hồi quy tuyến tính đa biến (MLR)?
Trả lời: Mối quan hệ giữa nồng độ bụi $PM_{10}$ và các yếu tố khí tượng (nhiệt độ, áp suất, độ ẩm, tốc độ gió) mang tính chất phi tuyến phức tạp. Kết quả kiểm định tại 11 trạm quan trắc nội đô trong luận án chứng minh rằng mô hình ANN có khả năng nắm bắt và mô phỏng các mối quan hệ phi tuyến tốt hơn, đạt độ chính xác và hệ số tương quan cao hơn so với mô hình MLR, hạn chế sai số khi nồng độ bụi biến động cực trị.
Câu hỏi 2: Những yếu tố khí tượng nào ảnh hưởng mạnh nhất đến hàm lượng bụi $PM_{10}$ tại Hà Nội theo kết quả phân tích trong luận án?
Trả lời: Các yếu tố khí tượng chi phối chính gồm áp suất khí quyển, tốc độ gió, nhiệt độ và độ ẩm tương đối. Trong mùa đông, áp suất khí quyển cao kết hợp với hiện tượng nghịch nhiệt, đảo bức xạ đêm và tốc độ gió thấp làm tích tụ nồng độ $PM_{10}$. Trong mùa hè, nhiệt độ cao thúc đẩy xáo trộn khí quyển theo chiều đứng kết hợp với lượng mưa lớn làm nồng độ $PM_{10}$ giảm rõ rệt.
Câu hỏi 3: Nguồn dữ liệu khí tượng toàn cầu nào được sử dụng để xây dựng bản đồ phân bố bụi với độ phân giải cao?
Trả lời: Luận án sử dụng tập dữ liệu khí tượng bề mặt toàn cầu WorldClim 2 với độ phân giải không gian $1\text{ km} \times 1\text{ km}$ ($1\text{ km}^2$), bao gồm các trường dữ liệu nhiệt độ, độ ẩm tương đối, áp suất khí quyển và tốc độ gió làm dữ liệu đầu vào cho mô hình không gian.
Câu hỏi 4: Luận án đã lồng ghép bản đồ phân bố bụi $PM_{10}$ với những bản đồ quy hoạch nào của Hà Nội?
Trả lời: Luận án đã lồng ghép bản đồ $PM_{10}$ với 6 bản đồ quy hoạch chuyên ngành thuộc đồ án Quy hoạch chung xây dựng Thủ đô Hà Nội đến năm 2030 và tầm nhìn đến năm 2050 (Quyết định 1259/QĐ-TTg), bao gồm: (1) Quy hoạch đất khu dân cư; (2) Quy hoạch đất giao thông; (3) Quy hoạch đất cơ sở giáo dục; (4) Quy hoạch đất công cộng; (5) Quy hoạch đất khu/cụm công nghiệp; (6) Quy hoạch đất không gian xanh và không gian mặt nước.
Câu hỏi 5: Tỷ lệ đóng góp phát thải của nguồn giao thông đối với ô nhiễm không khí tại Hà Nội được ghi nhận như thế nào trong luận án?
Trả lời: Luận án dẫn các công trình nghiên cứu thực nghiệm xác định hoạt động giao thông vận tải gây ra khoảng 70% tổng mức ô nhiễm không khí đô thị tại Việt Nam (theo Phạm Ngọc Đăng và cộng sự [17]). Riêng tại Hà Nội, lượng khí thải từ xe máy chiếm 92 - 95% phát thải của các phương tiện giao thông và đóng góp 86% tổng lượng phát thải $PM_{10}$ từ nguồn giao thông (theo Ngô Thọ Hùng [81]).
Kết luận
Luận án tiến sĩ của tác giả Nguyễn Anh Dũng đã giải quyết thành công bài toán đánh giá định lượng tác động của các yếu tố khí tượng đến nồng độ bụi $PM_{10}$ và xây dựng bộ bản đồ phân bố ô nhiễm bụi độ phân giải cao ($1\text{ km}^2$) cho 11 quận nội thành Hà Nội. Bằng việc kết hợp dữ liệu quan trắc tự động liên tục với mô hình mạng thần kinh nhân tạo (ANN), tập dữ liệu khí tượng WorldClim 2 và công cụ GIS, luận án đã cung cấp một phương pháp luận tin cậy trong điều kiện mạng lưới trạm quan trắc mặt đất còn thưa thớt. Kết quả lồng ghép bản đồ phân bố $PM_{10}$ với 6 bản đồ quy hoạch chuyên ngành cung cấp cơ sở khoa học trực tiếp hỗ trợ các nhà quản lý trong việc tích hợp tiêu chí môi trường không khí vào quy hoạch không gian đô thị Thủ đô Hà Nội.