Luận án tiến sĩ hus nghiên cứu tính biến động và nội ngoại suy theo thời gian ngày của co và pm10 tại một số trạm quan trắc môi trường không khí tự động cố định ở việt nam

Luận án tiến sĩ môi trường nghiên cứu hus nghiên cứu tính biến động và nội ngoại suy theo thời gian ngày của co và pm10 tại một số trạm, phân tích chuyên sâu, xây dựng mô hình lý

• Tác giả: Trần Thị Thu Hường
• Người hướng dẫn: Gs. Phạm Ngọc Hồ
• Trường học: Trường Đại học Khoa học Tự nhiên
• Chuyên ngành: Khoa học môi trường
• Đề tài: Nghiên cứu tính biến động và nội ngoại suy theo thời gian ngày của CO và PM10 tại một số trạm quan trắc môi trường không khí tự động cố định ở Việt Nam
• Loại tài liệu: Luận án tiến sĩ
• Năm xuất bản: 2017
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CÁM ƠN
• 1. CHƯƠNG 1: TỔNG QUAN VẤN ĐỀ NGHIÊN CỨU
• 1.1. Nghiên cứu tính biến động và nội ngoại suy số liệu môi trường không khí trên thế giới
• 1.2. Nghiên cứu tính biến động của các thông số môi trường không khí
• 1.3. Nghiên cứu nội ngoại suy số liệu của các thông số môi trường không khí
• 1.4. Nghiên cứu tính biến động và nội ngoại suy số liệu của các thông số môi trường không khí tại Việt Nam
• 1.4.1. Nghiên cứu tính biến động
• 1.4.2. Nghiên cứu nội ngoại suy (dự báo)
• 1.5. Khái quát ô nhiễm môi trường không khí xung quanh các trạm quan trắc tự động cố định Láng - thành phố Hà Nội, Đà Nẵng - thành phố Đà Nẵng và Nhà Bè - thành phố Hồ Chí Minh
• 1.5.1. Vị trí địa lý và đặc điểm của các trạm
• 1.5.1.1. Trạm quan trắc môi trường không khí tự động cố định Láng - thành phố Hà Nội (sau đây viết tắt là Trạm Láng)
• 1.5.1.2. Trạm quan trắc môi trường không khí tự động cố định Đà Nẵng - thành phố Đà Nẵng (sau đây viết tắt là Trạm Đà Nẵng)
• 1.5.1.3. Trạm quan trắc môi trường không khí tự động cố định Nhà Bè - thành phố Hồ Chí Minh (sau đây viết tắt là Trạm Nhà Bè)
• 1.5.2. Ô nhiễm môi trường không khí xung quanh khu vực trạm nghiên cứu
• 1.5.2.1. Đối với khu vực Trạm Láng - thành phố Hà Nội
• 1.5.2.2. Đối với khu vực Trạm Đà Nẵng - thành phố Đà Nẵng
• 1.5.2.3. Đối với khu vực Trạm Nhà Bè - thành phố Hồ Chí Minh
• 1.6. Tiểu kết chương 1
• 2. CHƯƠNG 2: NỘI DUNG VÀ PHƯƠNG PHÁP NGHIÊN CỨU
• 2.1. Nội dung nghiên cứu
• 2.2. Tư liệu và xử lý số liệu
• 2.3. Phương pháp nghiên cứu
• 2.3.1. Phương pháp tính các đặc trưng số của đại lượng ngẫu nhiên
• 2.3.2. Phương pháp tính các giá trị của hàm cấu trúc theo thời gian của quá trình ngẫu nhiên dừng từ số liệu quan trắc thực tế
• 2.3.3. Phương pháp hồi quy áp dụng trong lý thuyết quá trình ngẫu nhiên
• 2.3.4. Mô hình nội ngoại suy thiết lập trên cơ sở lý thuyết quá trình ngẫu nhiên
• 2.3.5. Đề xuất sử dụng quá trình nhiễu động dừng đối với khí CO và bụi PM10
• 2.4. Tiểu kết chương II
• 3. CHƯƠNG 3: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
• 3.1. Các đặc trưng số của khí CO và bụi PM10
• 3.1.1. Đặc trưng số của khí CO tại các khu vực nghiên cứu
• 3.1.1.1. Đặc trưng số của khí CO tại trạm Láng
• 3.1.1.2. Đặc trưng số của khí CO tại trạm Đà Nẵng
• 3.1.1.3. Đặc trưng số của khí CO tại trạm Nhà Bè
• 3.1.2. Đặc trưng số của bụi PM10 tại các trạm nghiên cứu
• 3.1.2.1. Đặc trưng số của bụi PM10 tại trạm Láng
• 3.1.2.2. Đặc trưng số của bụi PM10 tại trạm Đà Nẵng
• 3.1.2.3. Đặc trưng số của bụi PM10 tại trạm Nhà Bè
• 3.2. Hàm cấu trúc thời gian thực nghiệm của nhiễu động dừng khí CO
• 3.2.1. Hàm cấu trúc thời gian của nhiễu động dừng tại Trạm Láng
• 3.2.2. Hàm cấu trúc thời gian của nhiễu động dừng tại Trạm Đà Nẵng
• 3.2.3. Hàm cấu trúc thời gian của nhiễu động dừng tại Trạm Nhà Bè
• 3.3. Hàm cấu trúc thời gian thực nghiệm của nhiễu động dừng bụi PM10
• 3.3.1. Hàm cấu trúc thời gian của nhiễu động dừng tại Trạm Láng
• 3.3.2. Hàm cấu trúc thời gian của nhiễu động dừng tại Trạm Đà Nẵng
• 3.3.3. Hàm cấu trúc thời gian của nhiễu động dừng tại Trạm Nhà Bè
• 3.4. Thiết lập mô hình nội ngoại suy bổ khuyết số liệu cho thông số môi trường không khí sử dụng đại lượng ngẫu nhiên nhiễu động dừng
• 3.4.1. Thiết lập mô hình nội ngoại suy của đại lượng ngẫu nhiên nhiễu động dừng
• 3.4.2. Quy trình tính toán nội ngoại suy số liệu áp dụng cho CO và PM10 tại các trạm thuộc khu vực nghiên cứu
• 3.4.2.1. Trường hợp thiếu hụt một vài giá trị x(tk) trong khoảng số liệu
• 3.4.2.2. Trường hợp thiếu hụt liên tiếp giá trị trong một khoảng
• 3.4.3. Ứng dụng mô hình nội ngoại suy bổ khuyết số liệu thiếu hụt cho thông số CO và PM10 tại 03 trạm nghiên cứu
• 3.4.3.1. Kết quả nội ngoại suy chuỗi số liệu của thông số CO
• 3.4.3.2. Kết quả nội ngoại suy chuỗi số liệu của thông số PM10
• 3.4.3.3. Ngoại suy số liệu thiếu hụt trên một khoảng [x(t1)-x(t6)]
• 3.4.3.4. Sử dụng các hệ số αk đã xác định được từ bộ dữ liệu cơ sở để nội ngoại suy cho một trạm quan trắc bất kỳ có cùng vị trí nghiên cứu vào các thời điểm của năm khác
• 3.4.3.5. Sử dụng các hệ số αk đã xác định được từ bộ dữ liệu cơ sở để nội ngoại suy số liệu cho trạm quan trắc thuộc khu vực lân cận
• 3.5. Đề xuất giải pháp quản lý, vận hành và bổ khuyết chuỗi số liệu cho các trạm quan trắc tự động cố định môi trường không khí tại ba khu vực nghiên cứu và trên phạm vi cả nước
• 3.5.1. Các giải pháp quản lý
• 3.5.2. Các giải pháp kỹ thuật
• 3.5.3. Những tồn tại trong công tác quản lý, vận hành hệ thống mạng lưới trạm quan trắc môi trường tự động cố định
• 3.6. Tiểu kết chương 3
• KẾT LUẬN VÀ KHUYẾN NGHỊ
• DANH MỤC CÁC CÔNG TRÌNH KHOA HỌC CỦA TÁC GIẢ LIÊN QUAN ĐẾN LUẬN ÁN
• TÀI LIỆU THAM KHẢO
• PHỤ LỤC SỐ 01: Bảng giá trị biến trình ngày đêm, phương sai, độ lệch chuẩn và hệ số biến động của khí CO và bụi PM10 tại 03 trạm nghiên cứu
• PHỤ LỤC SỐ 02: Bảng giá trị hàm cấu trúc thời gian của nhiễu động khí CO và bụi PM10 tại 03 trạm nghiên cứu

Tóm tắt

I. Tổng quan về biến động và nội ngoại suy CO và PM10 tại Việt Nam

Nghiên cứu về biến động chất lượng không khí là một trong những vấn đề cấp bách hiện nay. Tại Việt Nam, ô nhiễm không khí đang gia tăng, đặc biệt là tại các thành phố lớn. Các trạm quan trắc không khí đã được lắp đặt để theo dõi nồng độ của các chất ô nhiễm như CO và PM10. Việc phân tích biến động và nội ngoại suy dữ liệu từ các trạm này giúp cung cấp cái nhìn tổng quan về tình trạng ô nhiễm không khí và đưa ra các giải pháp kịp thời.

1.1. Tình hình ô nhiễm không khí tại các trạm quan trắc

Các trạm quan trắc không khí tại Việt Nam như Trạm Láng, Trạm Đà Nẵng và Trạm Nhà Bè đã ghi nhận nồng độ CO và PM10 ở mức cao. Số liệu cho thấy rằng ô nhiễm không khí có xu hướng gia tăng, đặc biệt trong các mùa khô. Việc theo dõi thường xuyên giúp phát hiện sớm các vấn đề ô nhiễm và đưa ra cảnh báo kịp thời.

1.2. Vai trò của các trạm quan trắc không khí

Các trạm quan trắc không khí đóng vai trò quan trọng trong việc thu thập dữ liệu về biến động chất lượng không khí. Chúng cung cấp thông tin cần thiết cho việc đánh giá tình trạng ô nhiễm và hỗ trợ các cơ quan chức năng trong việc quản lý môi trường. Số liệu từ các trạm này cũng là cơ sở để thực hiện các nghiên cứu sâu hơn về ô nhiễm không khí.

II. Vấn đề và thách thức trong nghiên cứu ô nhiễm không khí

Mặc dù đã có nhiều nỗ lực trong việc nghiên cứu ô nhiễm không khí, nhưng vẫn còn nhiều thách thức cần phải vượt qua. Việc thiếu hụt dữ liệu và sự không đồng bộ trong các số liệu quan trắc là một trong những vấn đề lớn. Điều này ảnh hưởng đến khả năng đánh giá chính xác tình trạng ô nhiễm và đưa ra các giải pháp hiệu quả.

2.1. Thiếu hụt dữ liệu quan trắc

Nhiều trạm quan trắc không khí gặp khó khăn trong việc duy trì hoạt động liên tục, dẫn đến việc thiếu hụt dữ liệu. Điều này gây khó khăn trong việc phân tích và đánh giá chính xác tình trạng ô nhiễm không khí. Cần có các giải pháp để cải thiện tình trạng này.

2.2. Sự không đồng bộ trong số liệu

Số liệu từ các trạm quan trắc không đồng bộ về thời gian và không gian, điều này làm giảm độ tin cậy của các phân tích. Việc đồng bộ hóa dữ liệu là cần thiết để có cái nhìn tổng quan và chính xác hơn về ô nhiễm không khí.

III. Phương pháp nghiên cứu biến động và nội ngoại suy dữ liệu

Để nghiên cứu biến động và nội ngoại suy dữ liệu, các phương pháp thống kê và mô hình hóa được áp dụng. Việc sử dụng các mô hình toán học giúp dự đoán nồng độ CO và PM10 trong tương lai, từ đó đưa ra các giải pháp quản lý ô nhiễm hiệu quả.

3.1. Phương pháp thống kê trong phân tích dữ liệu

Phân tích thống kê giúp xác định các đặc trưng của nồng độ CO và PM10 tại các trạm quan trắc. Các chỉ số như phương sai, độ lệch chuẩn và hệ số biến động được sử dụng để đánh giá tính biến động của các thông số này.

3.2. Mô hình hóa nội ngoại suy dữ liệu

Mô hình hóa nội ngoại suy giúp bổ khuyết các giá trị thiếu hụt trong chuỗi số liệu. Các mô hình này dựa trên các phương pháp toán học để dự đoán nồng độ ô nhiễm trong tương lai, từ đó hỗ trợ các quyết định quản lý môi trường.

IV. Kết quả nghiên cứu và ứng dụng thực tiễn

Kết quả nghiên cứu cho thấy rằng nồng độ CO và PM10 có sự biến động lớn theo thời gian và không gian. Việc áp dụng các mô hình nội ngoại suy đã giúp cải thiện độ chính xác của dữ liệu quan trắc, từ đó hỗ trợ các cơ quan chức năng trong việc đưa ra các biện pháp quản lý ô nhiễm hiệu quả.

4.1. Kết quả nội ngoại suy dữ liệu CO và PM10

Kết quả nội ngoại suy cho thấy rằng nồng độ CO và PM10 có thể được dự đoán chính xác hơn, giúp các cơ quan chức năng có thông tin kịp thời để đưa ra các biện pháp ứng phó với ô nhiễm không khí.

4.2. Ứng dụng kết quả nghiên cứu vào thực tiễn

Kết quả nghiên cứu có thể được ứng dụng trong việc xây dựng các chính sách quản lý ô nhiễm không khí. Các cơ quan chức năng có thể sử dụng dữ liệu này để đưa ra các quyết định kịp thời nhằm bảo vệ sức khỏe cộng đồng.

V. Kết luận và hướng phát triển trong tương lai

Nghiên cứu về biến động và nội ngoại suy CO và PM10 tại các trạm quan trắc không khí ở Việt Nam là rất cần thiết. Kết quả nghiên cứu không chỉ giúp nâng cao nhận thức về ô nhiễm không khí mà còn hỗ trợ các cơ quan chức năng trong việc quản lý môi trường. Trong tương lai, cần tiếp tục cải thiện hệ thống quan trắc và áp dụng các công nghệ mới để nâng cao độ chính xác của dữ liệu.

5.1. Đề xuất giải pháp cải thiện hệ thống quan trắc

Cần đầu tư nâng cấp các trạm quan trắc không khí, đảm bảo hoạt động liên tục và đồng bộ. Việc này sẽ giúp thu thập dữ liệu chính xác hơn, từ đó hỗ trợ cho các nghiên cứu và quản lý ô nhiễm hiệu quả.

5.2. Hướng nghiên cứu trong tương lai

Nghiên cứu cần tiếp tục mở rộng để bao quát nhiều khu vực hơn, đồng thời áp dụng các công nghệ mới trong việc thu thập và phân tích dữ liệu. Điều này sẽ giúp nâng cao hiệu quả trong việc quản lý ô nhiễm không khí tại Việt Nam.

Nội dung chính

Tổng quan về luận án

Nghiên cứu về diễn biến ô nhiễm và kỹ thuật xử lý chuỗi dữ liệu môi trường không khí là một đòi hỏi cấp bách của khoa học môi trường hiện đại trong bối cảnh tốc độ đô thị hóa và công nghiệp hóa bùng nổ tại các quốc gia đang phát triển. Luận án tiến sĩ khoa học môi trường của tác giả Trần Thị Thu Hường, dưới sự hướng dẫn khoa học của GS. Phạm Ngọc Hồ (Trường Đại học Khoa học Tự nhiên – Đại học Quốc gia Hà Nội, 2017), mang tiêu đề: "Nghiên cứu tính biến động và nội ngoại suy theo thời gian ngày của CO và PM10 tại một số trạm quan trắc môi trường không khí tự động cố định ở Việt Nam". Công trình khai phá một hướng tiếp cận toán - lý môi trường tiên phong: ứng dụng lý thuyết quá trình ngẫu nhiên quy tâm để giải quyết bài toán khuyết thiếu số liệu quan trắc tự động liên tục.

Cơ sở thực tiễn của nghiên cứu bắt nguồn từ các định hướng chiến lược quốc gia theo Quyết định số 16/2007/QĐ-TTg và Quyết định số 90/QĐ-TTg của Thủ tướng Chính phủ về mạng lưới quan trắc tài nguyên và môi trường quốc gia. Dù mạng lưới trạm quan trắc tự động cố định được trang bị thiết bị hiện đại, song kinh phí vận hành, bảo dưỡng hạn chế cùng các sự cố kỹ thuật đã dẫn đến hiện tượng chuỗi số liệu bị gián đoạn và khuyết thiếu nghiêm trọng. Khoảng trống nghiên cứu (research gap) cốt lõi được xác định: phần lớn các nghiên cứu trước đây tại Việt Nam và quốc tế đều mặc định chuỗi nồng độ chất ô nhiễm là quá trình ngẫu nhiên dừng (stationary process) để áp dụng mô hình toán học đơn giản, dẫn đến sai số lớn và hiệu suất dự báo thấp (< 70%).

Luận án tập trung giải quyết 3 câu hỏi và giả thuyết nghiên cứu chính:

1. Câu hỏi nghiên cứu 1 (RQ1): Chuỗi số liệu nồng độ CO và bụi PM10 tại các trạm quan trắc tự động liên tục ở các vùng khí hậu khác nhau tại Việt Nam có bản chất là quá trình ngẫu nhiên dừng hay không dừng?
2. Câu hỏi nghiên cứu 2 (RQ2): Liệu có thể tách thành phần biến trình trung bình ngày đêm có tính chu kỳ để chuyển đổi chuỗi nồng độ thực tế thành chuỗi "nhiễu động dừng" (centered perturbation) thỏa mãn các tiên đề dừng hay không?
3. Câu hỏi nghiên cứu 3 (RQ3): Mô hình nội ngoại suy dựa trên hàm cấu trúc thời gian của nhiễu động dừng có thể bổ khuyết chính xác chuỗi số liệu thiếu hụt với độ tin cậy bao nhiêu?

• Giả thuyết $H_1$: Chuỗi số liệu thô của CO và PM10 là quá trình không dừng do chịu tác động trực tiếp của biến động khí tượng và tầng kết nhiệt khí quyển.
• Giả thuyết $H_2$: Độ lệch giữa giá trị quan trắc thực tế và giá trị kỳ vọng toán học theo giờ trong mùa (chuỗi nhiễu động) là một quá trình ngẫu nhiên dừng trong khoảng thời gian hữu hạn $\Delta t = \tau \le 9$ giờ.
• Giả thuyết $H_3$: Ma trận hàm cấu trúc của nhiễu động dừng cho phép thiết lập hệ phương trình tuyến tính xác định các nhân tử $\alpha_k$ tối ưu, phục hồi dữ liệu khuyết thiếu với hiệu suất vượt trội (> 75%).

Khung lý thuyết của công trình tích hợp lý thuyết quá trình ngẫu nhiên dừng (Khinchin, Yaglom), lý thuyết trường ngẫu nhiên trong khí tượng (Gandin, 1963) và cơ học thủy khí môi trường. Phạm vi nghiên cứu bao quát chuỗi số liệu đo 24/24h từ năm 2004 đến 2010 tại 3 trạm quan trắc đại diện cho 3 miền địa lý: Trạm Láng (Hà Nội: 21°01'N, 105°48'E), Trạm Đà Nẵng (16°02'N, 108°12'E) và Trạm Nhà Bè (TP. Hồ Chí Minh: 10°41'N, 106°47'E), cùng thử nghiệm chuyển giao tại Trạm Nguyễn Văn Cừ (Hà Nội, 2015). Đột phá định lượng của luận án là thiết lập thành công mô hình nội ngoại suy đạt hiệu suất bổ khuyết chính xác từ 75% đến 99,99%, mở ra công cụ toán học vững chắc phục vụ quản lý chất lượng không khí.

Literature Review và Positioning

Phân tích tổng quan tài liệu quốc tế cho thấy nghiên cứu biến động và bổ khuyết chuỗi dữ liệu chất lượng không khí phát triển qua nhiều trường phái. Về mặt phân tích quy luật thời gian - không gian, các nghiên cứu của Svetlana Tsyro (2003) tại châu Âu chỉ ra rằng điều kiện địa hình và các lớp nghịch nhiệt quyết định sự tích tụ bụi PM10. Hilde Fagerli (2003) ứng dụng mô hình EMEP Unified Model 2.0 chứng minh nồng độ SO2 và NOx tại Đông Âu và Bắc Âu tăng mạnh vào mùa đông và giảm trong mùa hè do biến đổi của tầng biên khí quyển. Tại châu Á, các khảo sát tại Bắc Kinh (giai đoạn 2001-2012) và Vũ Hán khẳng định nồng độ PM10 và carbon đen biến động theo đồ thị parabol lõm, đạt đỉnh vào mùa đông do phát thải giao thông, sưởi ấm và nghịch nhiệt bức xạ tầng thấp.

Đối với bài toán nội ngoại suy dữ liệu khuyết thiếu, tồn tại cuộc tranh luận học thuật sâu sắc giữa hai trường phái:

• Trường phái thống kê hồi quy thực nghiệm và nội suy hình học: Mohamed Noor Norazian cùng cộng sự tại Malaysia (2011) đã xử lý 8.567 kết quả quan trắc PM10 trong một năm, so sánh nội suy tuyến tính, bậc hai và bậc ba, đưa ra kết luận nội suy tuyến tính đạt hệ số xác định $R^2 = 0,9889$ và chỉ số sai số tuyệt đối trung bình MAE = 1,99. Tại Iran, nhóm nghiên cứu tại Tehran áp dụng phương pháp Likelihood-Based kết hợp chuỗi Markov Monte Carlo (MCMC) và thuật toán Newton-Raphson trên nền phân phối Gaussian để dự báo nồng độ CO tuần 1 và tuần 4 năm 2005. Các mô hình hộp cải tiến (box models) và mô hình chuỗi thời gian tự hồi quy tích hợp di chuyển trung bình (ARIMA) tại Mexico cũng được triển khai để dự báo Ozone ngắn hạn 2–3 giờ.
• Trường phái lý thuyết trường và quá trình ngẫu nhiên: Gandin (1963) và các nhà khoa học Liên Xô đã ứng dụng hàm cấu trúc không gian - thời gian để lọc sai số và nội suy tối ưu các yếu tố khí tượng. Tuy nhiên, khi áp dụng vào môi trường không khí, hầu hết các tác giả thường mắc sai lầm khi giả định chuỗi nồng độ đo đạc là quá trình dừng.

Tại Việt Nam, các nghiên cứu trước đây như công trình của Phạm Ngọc Hồ và cộng sự tại Hà Nội về nồng độ SO2, NO2, TSP hay mô hình hộp cải tiến bậc 4 của quận Thanh Xuân ($C(t) = at^4+bt^3+ct^2+dt+e$) mới dừng lại ở xấp xỉ hồi quy đa thức hoặc ứng dụng lý thuyết rối thống kê trực tiếp trên chuỗi số liệu gốc không dừng, khiến hiệu suất mô hình chỉ đạt quanh ngưỡng 70–87%.

Luận án của Trần Thị Thu Hường định vị rõ ràng điểm nghẽn này: việc xem chuỗi đo trực tiếp là quá trình ngẫu nhiên dừng là không có cơ sở khoa học do tính chất bất ổn định của khí tượng nhiệt đới gió mùa. Luận án tạo ra bước tiến vượt bậc so với nghiên cứu của Norazian (Malaysia) và nghiên cứu tại Tehran (Iran) bằng cách không sử dụng phép xấp xỉ hình học đơn thuần hay phân phối tiền định MCMC phức tạp, mà đề xuất cấu trúc phân rã: triệt tiêu thành phần không dừng bằng kỳ vọng toán học theo mùa, sau đó ứng dụng hàm cấu trúc giải tích $D_{x'}(\tau) = a \cdot \ln(\tau) + b$ trên chuỗi nhiễu động dừng, đạt độ chính xác toán lý cao hơn và tối ưu hóa tài nguyên tính toán.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án mở rộng trực tiếp Lý thuyết Quá trình Ngẫu nhiên Dừng (Stationary Stochastic Process Theory) trong lĩnh vực Khoa học Môi trường. Tác giả chỉ ra định nghĩa thực nghiệm chuẩn xác:

"Đại lượng ngẫu nhiên là đại lượng khi tiến hành một loạt các phép thử trong cùng một điều kiện như nhau thì có thể mỗi lần nhận được giá trị này hoặc giá trị khác không biết trước với một xác xuất nào đó."

Đóng góp lý thuyết cốt lõi được thể hiện qua 3 mệnh đề (propositions):

• Mệnh đề 1 (Tính không dừng của chuỗi nồng độ thực): Nồng độ tức thời $X(t)$ của CO và PM10 là quá trình không dừng do các đặc trưng số (kỳ vọng $E[X(t)]$, phương sai $\sigma^2(t)$, độ lệch chuẩn $S(t)$, hệ số biến động $I(t)$) biến thiên liên tục theo chu kỳ ngày đêm và phân hóa sâu sắc theo mùa.
• Mệnh đề 2 (Tính dừng của chuỗi quy tâm): Khi tách kỳ vọng toán học thời gian $\bar{x}(t)$ theo mùa, đại lượng nhiễu động $x'(t) = x(t) - \bar{x}(t)$ chuyển hóa thành một quá trình ngẫu nhiên dừng (stationary centered perturbation), có kỳ vọng toán học $E[x'(t)] = 0$ và hàm cấu trúc chỉ phụ thuộc vào khoảng cách thời gian dịch chuyển $\tau = |t_1 - t_2|$.
• Mệnh đề 3 (Sự tồn tại của khoảng dừng thực tế): Hàm cấu trúc thực nghiệm của nhiễu động $D_{x'}(\tau)$ tăng dần theo quy luật hàm logarit tự nhiên và đạt trạng thái bão hòa tại khoảng thời gian $\tau_{sat} \le 9$ giờ, xác lập giới hạn biên vật lý cho các bài toán dự báo ngắn hạn.

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp đa tầng 3 lý thuyết nền tảng: Lý thuyết quá trình ngẫu nhiên quy tâm, Lý thuyết khí tượng lớp biên nhiệt động lực học và Phương pháp hồi quy giải tích bình phương tối thiểu.

Mô hình cấu trúc toán học được thiết lập như sau:

1. Biểu diễn đại lượng quan trắc: $x(t_i) = \bar{x}(t_i) + x'(t_i)$, với $\bar{x}(t_i)$ là hàm biến trình chu kỳ ngày đêm xác định theo mùa.
2. Thiết lập hàm cấu trúc thực nghiệm cho chuỗi nhiễu động: $$D_{x'}(\tau) = \frac{1}{N-\tau} \sum_{i=1}^{N-\tau} [x'(t_i + \tau) - x'(t_i)]^2$$
3. Xấp xỉ giải tích hồi quy phi tuyến: $D_{x'}(\tau) = a \cdot \ln(\tau) + b$, đạt hệ số tương quan thực nghiệm $R^2 > 0,90$.
4. Thiết lập mô hình nội suy/ngoại suy giá trị thiếu hụt tại thời điểm $t_0$: $$x'(t_0) = \sum_{k=1}^{n} \alpha_k x'(t_k)$$ Các trọng số nhân tử $\alpha_k$ được xác định thông qua giải hệ phương trình đại số tuyến tính ràng buộc cực tiểu hóa phương sai sai số nội suy $E[\epsilon^2] \to \min$: $$\sum_{k=1}^{n} \alpha_k D_{x'}(|t_i - t_k|) + \lambda = D_{x'}(|t_i - t_0|) \quad (i = 1, 2, \dots, n)$$ $$\sum_{k=1}^{n} \alpha_k = 1$$ Điều kiện biên (boundary conditions): Mô hình vận hành tối ưu trong khoảng dừng hữu hạn $n \le 6$ bước thời gian (tương đương $\tau \le 6$ giờ liên tiếp), đảm bảo tính chất dừng của nhiễu động không bị phá vỡ bởi các xáo trộn thời tiết quy mô lớn.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Luận án vận hành trên nền tảng triết học thực chứng (positivism) kết hợp chủ nghĩa hiện thực phê phán (critical realism), xây dựng quy trình nghiên cứu thực nghiệm lượng hóa nghiêm ngặt từ dữ liệu chuỗi thời gian thực tế. Thiết kế nghiên cứu đa cấp độ (multi-level design) được triển khai trên 3 tầng phân tích:

• Cấp vĩ mô: Phân tích tương quan khí hậu - không gian giữa 3 miền địa lý (Bắc Bộ - Trạm Láng, Duyên hải Miền Trung - Trạm Đà Nẵng, Nam Bộ - Trạm Nhà Bè).
• Cấp trung mô: Phân hóa mùa theo đặc thù khí tượng địa phương (4 mùa tại Láng: Xuân [T2-T4], Hạ [T5-T7], Thu [T8-T10], Đông [T11-T1]; 2 mùa Mưa - Khô tại Đà Nẵng [Khô: T1-T7, Mưa: T8-T12] và Nhà Bè [Khô: T12-T4, Mưa: T5-T11]).
• Cấp vi mô: Biến trình 24 giờ ngày đêm của từng thông số nồng độ đo liên tục theo từng giờ ($t = 1h, 2h, \dots, 24h$).

Quy trình nghiên cứu rigorous

Quy trình thu thập và làm sạch chuỗi dữ liệu tuân thủ nghiêm ngặt tiêu chuẩn QA/QC theo quy định của Trung tâm Quan trắc Môi trường – Tổng cục Môi trường:

• Giai đoạn 1 (Lọc dữ liệu thô): Thu thập thông số kỹ thuật thiết bị đo tự động liên tục, dải đo, giới hạn phát hiện, nhật ký hiệu chuẩn định kỳ, nhật ký bảo dưỡng, thay thế giấy lọc và khí chuẩn.
• Giai đoạn 2 (Loại trừ dị biệt): Loại bỏ số liệu khi trạm báo lỗi kỹ thuật, số liệu âm, số liệu bằng 0 liên tục nhiều giờ hoặc số liệu nằm ngoài dải đo vật lý của sensor.
• Giai đoạn 3 (Kiểm định thống kê bất thường): So sánh từng giá trị quan trắc $x(t)$ với cửa sổ trượt gồm 10 giá trị liền trước $[t-10, t-1]$ và 10 giá trị liền sau $[t+1, t+10]$. Các đột biến không có cơ sở vật lý khí tượng bị loại bỏ để tránh tạo nhiễu ảo trong tính toán ma trận hàm cấu trúc.
• Tam giác đạc (Triangulation): Kiểm chứng chéo giữa dữ liệu trạm quan trắc cố định, điều kiện khí tượng bề mặt (nhiệt độ, độ ẩm, tốc độ/hướng gió, lượng mưa) và đặc thù phát thải nhân sinh tại từng đô thị.

Data và phân tích

Bộ dữ liệu nền tảng gồm hàng trăm nghìn bản ghi đo đạc liên tục 24/24h của CO và PM10 trong giai đoạn 2004–2010. Phân tích thống kê thực nghiệm áp dụng các thuật toán chuyên sâu:

• Phép trung bình hóa theo tập hợp các thể hiện $X(t)$ để xác định biến trình chuẩn $\bar{x}(t)$.
• Tính toán độ phân tán qua phương sai $\sigma^2(t)$, độ lệch chuẩn $S(t)$ và hệ số biến động $I(t) = \frac{S(t)}{\bar{x}(t)} \times 100%$.
• Giải hệ phương trình phi tuyến hồi quy logarit $D(\tau) = a \cdot \ln(\tau) + b$ trên môi trường phần mềm thống kê và thuật toán giải ma trận đại số tuyến tính tối ưu nghiệm Cramer/Gauss.
• Đánh giá độ tin cậy và sai số thông qua sai số tuyệt đối $\Delta = |x_{thực} - x_{tính}|$, sai số tương đối $\delta = \frac{|x_{thực} - x_{tính}|}{x_{thực}} \times 100%$ và hiệu suất mô hình $E = (1 - \delta) \times 100%$.

Phát hiện đột phá và implications

Những phát hiện then chốt

Luận án mang lại 5 phát hiện đột phá có giá trị khoa học cao:

Thứ nhất, chứng minh bản chất không dừng mang tính quy luật của nồng độ ô nhiễm: Nồng độ CO và PM10 tại cả 3 trạm đều thể hiện đường biến trình ngày đêm rõ nét với 2 đỉnh cực đại: đỉnh sáng (7h – 9h) trùng khớp giờ cao điểm giao thông buổi sáng kết hợp lớp nghịch nhiệt bức xạ đêm chưa tan hết; đỉnh tối (18h – 21h) ứng với giờ tan tầm và sự suy giảm chiều cao tầng xáo trộn nhiệt.

Thứ hai, phát hiện sự phân hóa hệ số biến động theo mùa và khu vực: Hệ số biến động $I_{CO}$ và $I_{PM10}$ rất lớn, dao động từ 40% đến trên 90%. Tại Trạm Láng (Hà Nội), nồng độ và phương sai mùa đông luôn cao vượt trội mùa hè do hiện tượng nghịch nhiệt mùa đông giam giữ chất ô nhiễm sát mặt đất. Ngược lại, tại Trạm Nhà Bè (TP.HCM), nồng độ mùa khô cao hơn mùa mưa do lượng mưa mùa mưa lên tới 1.718 mm/năm rửa trôi hiệu quả bụi khí quyển.

Thứ ba, xác định đường hàm cấu trúc thời gian thực nghiệm dạng logarit:

"Luận án đã áp dụng lý thuyết các quá trình ngẫu nhiên và lần đầu tiên ở Việt Nam đã đề xuất sử dụng quá trình ngẫu nhiên qui tâm (nhiễu động dừng) trong nghiên cứu môi trường không khí để xây dựng hàm cấu trúc của nhiễu động dừng biến đổi theo khoảng thời gian $\Delta t = \tau$."

Đường cong hàm cấu trúc thực nghiệm $D_{x'}(\tau)$ của nhiễu động tăng liên tục từ $\tau = 1$ đến $\tau = 6-9$ giờ, sau đó tiệm cận trạng thái bão hòa (khoảng dừng thực tế), khẳng định nhiễu động thực sự là quá trình dừng trong phạm vi $\tau \le 9$ giờ.

Thứ tư, hiệu suất mô hình bổ khuyết số liệu đạt độ chính xác đột phá:

"kết quả thử nghiệm cho thấy hiệu suất mô hình đạt độ chính xác cao từ 75% đến 99,99%."

• Khi nội suy khuyết 1 vài điểm lẻ trong khoảng 6 giờ: Sai số tương đối $\delta$ của CO và PM10 chỉ từ 0,01% đến 12%, hiệu suất đạt 88% – 99,99%.
• Khi ngoại suy liên tiếp 6 giờ (ví dụ từ 7h đến 12h tháng 12/2007 tại Trạm Láng): Sai số tương đối sau hiệu chỉnh chỉ dao động từ 1,7% đến 15,3%, hiệu suất đạt trên 84,7%.

Thứ năm, chứng minh khả năng truyền chuyển (transferability) của bộ nhân tử $\alpha_k$: Bộ trọng số $\alpha_k$ tính toán từ dữ liệu cơ sở có thể áp dụng thành công để nội ngoại suy cho các năm khác tại cùng trạm, và đặc biệt áp dụng được cho trạm lân cận trong cùng vùng khí hậu (thử nghiệm thành công tại Trạm Nguyễn Văn Cừ – Hà Nội vào tháng 5/2015 với sai số chỉ từ 0,08% đến 5,66%).

Implications đa chiều

• Về mặt lý thuyết: Cung cấp một phương pháp luận toán lý hoàn chỉnh, giải quyết triệt để xung đột giữa tính không dừng của nồng độ chất ô nhiễm và điều kiện dừng của các mô hình thống kê kinh điển.
• Về mặt phương pháp: Thiết lập thuật toán giải tích ma trận hàm cấu trúc đơn giản, chính xác cao, không đòi hỏi cấu hình máy trạm siêu máy tính phức tạp như các mô hình mạng nơ-ron nhân tạo đa lớp (MLP) hay mô hình động lực hóa học 3D (CMAQ/WRF-Chem).
• Về mặt thực tiễn và chính sách: Đưa ra quy trình chuẩn hóa kỹ thuật cho các kỹ sư, quan trắc viên tại mạng lưới quan trắc môi trường quốc gia, hỗ trợ hoàn thiện cơ sở dữ liệu quốc gia về chất lượng không khí, cung cấp căn cứ xác thực cho công tác cảnh báo khẩn cấp và quy hoạch đô thị bền vững.

Limitations và Future Research

Luận án thẳng thắn chỉ ra các giới hạn nghiên cứu khoa học cần tiếp tục hoàn thiện:

1. Giới hạn chuỗi dữ liệu lịch sử: Số lượng trạm quan trắc tự động cố định đồng bộ giai đoạn 2004–2010 còn ít (3 trạm chính), chưa bao phủ toàn diện các vùng sinh thái đặc thù như Tây Bắc, Tây Nguyên hay Đồng bằng sông Cửu Long.
2. Điều kiện biên thời gian: Mô hình nội ngoại suy chỉ đảm bảo độ chính xác tối ưu trong khoảng thiếu hụt liên tục $\tau \le 6$ giờ. Khi khoảng khuyết thiếu kéo dài trên 12–24 giờ, tính dừng của nhiễu động bị suy giảm do ảnh hưởng của chu kỳ ngày đêm mới.
3. Biến số mô hình: Mô hình hiện tại mới tập trung xử lý đơn biến dựa trên chuỗi thời gian của từng chất riêng biệt (CO, PM10), chưa tích hợp đa biến đồng thời các thông số vi khí hậu tức thời (tốc độ gió tức thời, chiều cao lớp xáo trộn nhiệt).

Chương trình nghiên cứu 10 năm tiếp theo được đề xuất:

• Mở rộng hàm cấu trúc không - thời gian đa chiều $D(\vec{r}, \tau)$ kết hợp mạng lưới trạm quan trắc mặt đất và dữ liệu viễn thám vệ tinh (AOD - Aerosol Optical Depth).
• Ứng dụng mô hình hóa cho các thông số ô nhiễm thứ cấp phức tạp hơn như bụi siêu mịn PM2.5 và Ozone tầng mặt đất ($O_3$).
• Tích hợp thuật toán hàm cấu trúc dừng vào các hệ thống nhúng IoT và phần mềm tự động hóa tại các trung tâm điều hành quan trắc môi trường thông minh (Smart Environmental Monitoring Centers).

Tác động và ảnh hưởng

Luận án tạo ra tác động học thuật sâu sắc, đóng góp nền tảng phương pháp luận cho các nghiên cứu sinh, học viên cao học chuyên ngành Khoa học Môi trường và Khí tượng học. Về mặt quản lý nhà nước, nghiên cứu cung cấp cơ sở khoa học trực tiếp cho Tổng cục Môi trường (Bộ Tài nguyên và Môi trường) trong việc ban hành quy chuẩn kỹ thuật xử lý số liệu quan trắc tự động liên tục.

Về mặt xã hội và quốc tế, phương pháp nội ngoại suy bằng nhiễu động dừng có khả năng ứng dụng rộng rãi tại các quốc gia đang phát triển thuộc khu vực Đông Nam Á (như Thái Lan, Lào, Campuchia, Indonesia) – nơi có điều kiện khí hậu nhiệt đới gió mùa tương đồng và mạng lưới quan trắc tự động đang trong giai đoạn đầu tư hoàn thiện, giúp tiết kiệm hàng tỷ đồng chi phí vận hành đo bù đắp thủ công.

Đối tượng hưởng lợi

• Nghiên cứu sinh và Giới học thuật: Tiếp cận mô hình toán học giải tích tối ưu để mô phỏng và xử lý chuỗi dữ liệu môi trường phi tuyến, mở rộng ứng dụng cho các thành phần môi trường nước và đất.
• Cơ quan Quản lý Nhà nước (Bộ TN&MT, các Chi cục BVMT): Sở hữu công cụ tin cậy để làm sạch chuỗi dữ liệu, xây dựng báo cáo hiện trạng môi trường quốc gia chính xác, không bị đứt gãy thông tin.
• Các Trạm Quan trắc Môi trường Tự động: Cung cấp quy trình vận hành kỹ thuật cụ thể gồm các bước giải hệ phương trình xác định nhân tử $\alpha_k$ để bổ khuyết số liệu tức thời ngay khi trạm gặp sự cố bảo trì.
• Cộng đồng và Xã hội: Được tiếp cận thông tin cảnh báo chất lượng không khí (AQI) liên tục, chính xác, phục vụ bảo vệ sức khỏe cộng đồng trước các nguy cơ ô nhiễm hô hấp.

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của luận án là gì? Đó là việc đề xuất và chứng minh thành công giả thuyết: chuỗi nồng độ chất ô nhiễm thực tế $X(t)$ là quá trình không dừng, nhưng chuỗi quy tâm sai phân $x'(t) = X(t) - \bar{x}(t)$ là một quá trình ngẫu nhiên dừng (stationary perturbation) trong khoảng dịch chuyển $\tau \le 9$ giờ, giải quyết triệt để mâu thuẫn lý thuyết trong ứng dụng toán ngẫu nhiên môi trường.

2. Đổi mới phương pháp luận so với các công trình quốc tế trước đây? So với nghiên cứu nội suy tuyến tính thuần túy của Norazian (Malaysia, 2011) hay mô hình MCMC xác suất phức tạp tại Tehran (Iran), luận án thiết lập hệ phương trình tối ưu bình phương tối thiểu từ ma trận hàm cấu trúc giải tích $D_{x'}(\tau) = a \cdot \ln(\tau) + b$, cho phép giải trực tiếp các nhân tử $\alpha_k$ với tốc độ tính toán tức thời và hiệu suất vượt trội (75% – 99,99%).

3. Phát hiện thực nghiệm nào gây bất ngờ nhất? Đó là tính ổn định và khả năng truyền chuyển (transferability) của bộ trọng số $\alpha_k$. Các hệ số $\alpha_k$ xây dựng từ chuỗi số liệu nền tảng của một trạm có thể áp dụng hiệu quả cho trạm lân cận trong cùng vùng địa lý vào các năm khác nhau (như thử nghiệm từ Trạm Láng sang Trạm Nguyễn Văn Cừ năm 2015) mà vẫn bảo toàn độ chính xác với sai số dưới 6%.

4. Luận án có cung cấp quy trình nhân bản (replication protocol) rõ ràng không? Có. Luận án xây dựng quy trình thuật toán 3 bước chi tiết: (1) Tính toán kỳ vọng mùa $\bar{x}(t)$ và tách chuỗi nhiễu động $x'(t)$; (2) Xác lập hàm cấu trúc thực nghiệm $D_{x'}(\tau)$ và xấp xỉ hồi quy logarit; (3) Giải hệ phương trình ma trận tuyến tính tìm $\alpha_k$ và tính toán giá trị bổ khuyết $x(t_0) = \bar{x}(t_0) + \sum \alpha_k x'(t_k)$.

5. Luận án mở ra chương trình nghiên cứu dài hạn nào? Chương trình nghiên cứu liên kết trường ngẫu nhiên không gian – thời gian (Spatiotemporal Stochastic Random Fields) kết hợp dữ liệu trạm mặt đất với mô hình viễn thám AI để thiết lập bản đồ ô nhiễm thời gian thực độ phân giải cao trên quy mô toàn quốc.

Kết luận

1. Khẳng định một cách khoa học bản chất không dừng của chuỗi số liệu nồng độ CO và bụi PM10 tại 3 vùng địa lý đại diện cho Việt Nam (Hà Nội, Đà Nẵng, TP. Hồ Chí Minh).
2. Lần đầu tiên tại Việt Nam ứng dụng thành công lý thuyết quá trình ngẫu nhiên quy tâm (nhiễu động dừng) trong mô hình hóa môi trường không khí.
3. Xác lập hàm cấu trúc thực nghiệm dạng logarit tự nhiên và chứng minh sự tồn tại của khoảng dừng thực tế $\tau \le 9$ giờ.
4. Thiết lập hệ phương trình nhân tử nội ngoại suy tối ưu, phục hồi dữ liệu khuyết thiếu đạt hiệu suất kỷ lục từ 75% đến 99,99%.
5. Chứng minh tính chuyển giao xuất sắc của bộ nhân tử $\alpha_k$ qua không gian và thời gian.
6. Mở ra 3 hướng nghiên cứu mới: mô hình hóa trường ngẫu nhiên đa biến, dự báo ô nhiễm bụi mịn PM2.5/Ozone tích hợp viễn thám, và số hóa tự động hóa hệ thống kiểm soát chất lượng dữ liệu quan trắc quốc gia.

Trích đoạn nội dung tài liệu

Chương 1. TỔNG QUAN VẤN ĐỀ NGHIÊN CỨU 1. Nghiên cứu tính biến động và nội ngoại suy số liệu môi trường không khí trên thế giới 1. Nghiên cứu tính biến động của các thông số môi trường không khí Việc nghiên cứu đặc trưng biến động của các thông số môi trường không khí đã được nhiều quốc gia quan tâm nhằm phục vụ công tác đánh giá hiện trạng ô nhiễm, đánh giá xu hướng biến đổi của các chất ô nhiễm phục vụ quá trình hoạch định các chiến lược phát triển kinh tế - xã hội bền vững.

Theo nghiên cứu về đặc trưng biến động của PM10 và mối quan hệ của nó với các yếu tố khí tượng từ năm 2001-2012 ở Bắc Kinh cho thấy: PM10 chịu ảnh hưởng rõ nét của biến trình theo mùa, theo tháng, chất lượng không khí xấu hơn trong mùa xuân, và trở nên tốt hơn trong mùa hè, sau đó có xu hướng tăng dần trong mùa thu và mùa đông. Nói chung áp suất khí quyển là đặc điểm khí tượng quan trọng ảnh hưởng đến PM10, tiếp theo là độ ẩm tương đối và tốc độ gió, các yếu tố khí tượng chi phối ảnh hưởng dẫn đến mức độ ô nhiễm khác nhau trong bốn mùa [72]. Một nghiên cứu về đặc trưng biến động theo không gian và thời gian của PM10 tại Malaysia cho thấy PM10 biến động theo cả không gian và thời gian. Sự thay đổi của nồng độ PM10 có thể được phân thành bốn chế độ chi phối theo đặc trưng biến đổi không gian và thời gian khác nhau.

Đầu tiên là khu vực ven biển phía Tây Nam của bán đảo Malaysia cho thấy nồng độ PM10 đạt cực đại trong mùa mưa (mùa hè) tức là khi gió chủ yếu là gió tây nam, và nồng độ tối thiểu trong thời gian gió mùa mùa đông. Thứ hai là khu vực phía tây Borneo với PM10 tăng đột biến tập trung vào tháng Chín, có thể là kết quả của sự chuyển dịch về phía Bắc của đới hội tụ (ITCz) và sự xuất hiện sớm của mùa mưa. Thứ ba là khu vực phía Bắc của bán đảo Malaysia với sự biến đổi mạnh nồng độ PM10 theo mùa, thành phần này thể hiện hai cực đại tập trung trong suốt mùa đông và mùa hè, cũng như hai cực tiểu trong thời gian liên quan tới gió mùa. Thứ tư là đặc điểm của khu vực phía Bắc Borneo cho thấy sự biến động yếu của nồng độ PM10.

Nói chung, sự biến động theo 14 LUAN VAN CHAT LUONG download : add [e-mail] mùa của nồng độ PM10 thường gắn với biến đổi theo mùa của lượng mưa trong cả nước. Bên cạnh đó nồng độ PM10 cũng biến động rõ rệt trong khoảng thời gian giữa hai mùa. Những biến động xảy ra theo mùa khá mạnh, phương sai xảy ra lớn nhất trong mùa hè và thấp nhất vào mùa đông [63]. Nghiên cứu về tính biến động của PM1.5, and PM10 (PM) và mối liên hệ với các bon đen (BC) cho thấy: sự thay đổi về khối lượng trung bình hàng tháng của nồng độ của PM có hình dạng parabol lõm, với các giá trị cao nhất xảy ra trong tháng Giêng và giá trị thấp nhất xuất hiện vào tháng Tám hoặc tháng Chín.

Ngoài ra, mối quan hệ rõ hơn theo mùa giữa PM và BC chỉ xảy ra trong mùa hè và mùa thu, do nhiều yếu tố như địa hình, nhiệt độ, và không khí trong mùa đông và mùa xuân. Cuối cùng, phân tích các biến động trong ngày của PM và BC đã chỉ ra rằng lượng khí thải giao thông trong giờ cao điểm, các chất ô nhiễm từ bên ngoài và sự tích lũy khí thải, tất cả góp phần vào tình trạng ô nhiễm nghiêm trọng của Vũ Hán vào mùa đông [74]. Một nghiên cứu khác về sự biến đổi không gian và thời gian của PM 1, PM2.5 và PM10 tại 03 khu vực đô thị và 01 khu vực nông thôn tại Áo cho thấy: tại tất cả các khu vực nghiên cứu nồng độ PM10 cao hơn trong mùa đông. Tại khu vực nông thôn không thể hiện chu kỳ theo mùa rõ rệt.

Biến trình ngày đêm về cơ bản có hai cực đại trong buổi sáng và vào buổi chiều, đồng thời ở mùa đông rõ rệt hơn mùa hè. Mặc dù các vùng nghiên cứu cho thấy nông thôn ít khác biệt so với các thành phố, ban ngày cực đại xuất hiện vào mùa hè khoảng giữa trưa và trong mùa đông trong các giờ buổi chiều [55]. Trong nghiên cứu của các nhà khoa học Nhật Bản về sự biến đổi theo thời gian và không gian của CO khu vực phía Tây Thái Bình Dương cho thấy: Nồng độ CO trung bình cho thấy giảm rõ rệt theo hướng Bắc-Nam, với giá trị đặc biệt cao ở các vĩ độ Bắc. Nồng độ tối đa và tối thiểu của chu kỳ CO mùa xuất hiện vào mùa xuân và mùa hè.

Giá trị nồng độ cao của CO và chu kỳ theo mùa lớn quan sát được ở các vĩ độ Bắc gây ra bởi sự lan truyền CO do hoạt động nhân sinh ở Đông Á và sự thay đổi của khối không khí kết hợp với hoàn lưu gió mùa châu Á. Sự biến động về 15 LUAN VAN CHAT LUONG download : add [e-mail] thời gian và không gian của nồng độ CO quan sát ở phía Tây Thái Bình Dương được mô tả khá rõ bởi mô hình Chaser. Đặc biệt, nồng độ trung bình và chu kỳ theo mùa của nồng độ CO tính cho Nam bán cầu liên hệ chặt chẽ với các kết quả giám sát. Kết quả mô hình cũng cho thấy rằng CO thải ra ở Trung Quốc đóng một vai trò quan trọng trong việc phân bố nồng độ CO tại khu vực giữa phía Bắc của phía Tây Thái Bình Dương, CO có nguồn gốc ở Bắc Mỹ và Châu Âu được vận chuyển trên một quãng đường dài trong mùa đông và rõ ràng đã quan sát được trong phía Tây Bắc của Thái Bình Dương, CO từ Nam Mỹ và Nam Phi ảnh hưởng đến vùng phía Tây Nam Thái Bình Dương [59].

Một nghiên cứu khác về tính biến động của CO và O3 ở bề mặt đã được thực hiện tại Rishiri, một hòn đảo phía Bắc Nhật Bản cho thấy: O3 biến đổi theo mùa, tối đa vào mùa xuân và tối thiểu vào mùa hè, mà thường được quan sát thấy ở khu vực giữa vĩ độ từ xa ở Bắc bán cầu. Chu kỳ theo mùa của CO cho thấy sự tăng nồng độ theo chu kỳ trong thời gian từ mùa hè đến đầu mùa thu năm 1998, cho thấy một nguồn lớn của CO ở khu vực lân cận. Kết quả từ hình ảnh vệ tinh cho thấy nồng độ trung bình của CO trong cùng thời kỳ liên quan đến sự kiện cháy rừng nghiêm trọng và đám khói lan rộng ở xa phía đông Siberia. Nghiên cứu cho rằng vụ cháy rừng Taiga ở xa phía đông Siberia đã có một tác động đáng kể đến nồng độ CO quan sát thấy ở các vùng nghiên cứu từ mùa hè đến đầu mùa thu năm 1998 [58].

Các nghiên cứu trên đều cho thấy sự biến động của các thông số môi trường không khí xung quanh có ảnh hưởng của các yếu tố khí tượng như: nhiệt độ, độ ẩm, lượng mưa, hướng gió, tốc độ gió, bên cạnh đó là các tác động của các nguồn thải từ các hoạt động dân sinh, công nghiệp, giao thông hay cháy rừng… Các nghiên cứu hầu hết đều chia chuỗi số liệu quan trắc được của các thông số môi trường không khí theo mùa để nghiên cứu tính biến động theo thời gian và không gian. Nghiên cứu nội ngoại suy số liệu của các thông số môi trường không khí Việc sử dụng số liệu của các trạm quan trắc tự động cố định trong nghiên cứu các mô hình nội ngoại suy để có cơ sở dữ liệu phục vụ đánh giá ô nhiễm, cảnh báo ô nhiễm là hết sức quan trọng. Tuy nhiên, việc vận hành các trạm quan trắc 16 LUAN VAN CHAT LUONG download : add [e-mail] cũng dẫn đến khuyết thiếu số liệu trong nhiều thời điểm và thực tế đã có một số nghiên cứu nhằm nội suy bổ khuyết số liệu thiếu hụt này. Trong những năm gần đây phương pháp hồi quy đã trở thành một phương pháp thường được sử dụng trong các nghiên cứu về ÔNKK, vì nó có thể mô phỏng nồng độ chất gây ô nhiễm ở phạm vi không gian tốt.

Tính đến nay, có hơn 200 công trình nghiên cứu về phương pháp này, chủ yếu ở các quốc gia như Hoa Kỳ, các nước Châu Âu, Nhật Bản, Trung Quốc… Phương pháp hồi quy nói chung đã được áp dụng thành công trong mô hình tính nồng độ trung bình hàng năm của NO2, NOx, PM2.5 và hợp chất hữu cơ dễ bay hơi ở các thành phố châu Âu và Bắc Mỹ. Việc thực hiện phương pháp trong khu vực đô thị thường là tốt hơn hoặc tương đương với phương pháp thống kê địa lý. Trong một nghiên cứu về nội suy không gian và thời gian CO sử dụng phương pháp Likelihood-Based của các nhà khoa học tại Iran đã xác định CO là một trong những chất ô nhiễm nguy hiểm nhất tại Tehran. Nghiên cứu áp dụng các phương pháp tiếp cận khả năng, chỉ định một phân phối trước khi sử dụng thông số mô hình mô phỏng cho chuỗi Markov Monte Carlo để xấp xỉ.

Sau đó, các ước tính khả năng tối đa thu được thông qua các phương pháp Newton Raphson. Các giá trị lệch chuẩn so với giá trị trung bình của khu vực cho thấy tính ngẫu nhiên của chuỗi số liệu, việc sử dụng hàm logarit để chuyển đổi là hợp lý. Ngoài ra, phân bố của CO theo không gian gần với phân bố Gaussian và một đa thức bậc hai hai biến sẽ là phù hợp. Sau khi lựa chọn mô hình tương quan chung thời gian và không gian sử dụng tiêu chí AIC đưa ra được dự báo CO cho tuần 1 và tuần 4 của năm 2005.

Mức trung bình của tuần 4 lớn hơn so với tuần 1 do ảnh hưởng của pháo hoa trong suốt lễ kỷ niệm cuộc cách mạng thắng lợi và các hoạt động dân sinh do việc sử dụng nhiên liệu sưởi ấm do thành phố có tuyết rơi nhiều trong giai đoạn này [54]. Tại Malaysia một cách tiếp cận mà thường được sử dụng để xử lý dữ liệu khuyết thiếu là phương pháp nội suy. Mohamed Noor Norazian một giáo sư thuộc khoa Công nghệ môi trường của trường Đại học Malaysia cùng đồng nghiệp đã đưa ra nghiên cứu về ba phương pháp nội suy tuyến tính, bậc hai và bậc ba. Tổng cộng có 8567 kết quả quan trắc PM10 trong một năm được sử dụng để so sánh giữa ba 17 LUAN VAN CHAT LUONG download : add [e-mail] phương pháp khi sử dụng phương pháp hồi quy phân phối loga chuẩn.