NGHIÊN CỨU NGUY CƠ VÀ CẢNH BÁO CHÁY RỪNG TỈNH SƠN LA TRÊN CƠ SỞ ỨNG DỤNG CÔNG NGHỆ ĐỊA THÔNG TIN

Nghiên cứu nguy cơ cháy rừng tỉnh Sơn La dựa trên công nghệ địa thông tin. Phân tích đặc điểm, ứng dụng MCA, ML, cảnh báo sớm tai biến cháy rừng hiệu quả.

• Tác giả: Đặng Ngô Bảo Toàn
• Người hướng dẫn: GS. Nguyễn Ngọc Thạch
• Trường học: Trường Đại Học Khoa Học Tự Nhiên
• Chuyên ngành: Địa Lý
• Đề tài: Nghiên cứu nguy cơ và cảnh báo cháy rừng tỉnh Sơn La trên cơ sở ứng dụng công nghệ địa thông tin
• Loại tài liệu: Luận Án Tiến Sĩ
• Năm xuất bản: 2021
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• 1. MỞ ĐẦU
• 2. TỔNG QUAN CƠ SỞ LÝ LUẬN VÀ PHƯƠNG PHÁP NGHIÊN CỨU NGUY CƠ VÀ CẢNH BÁO CHÁY RỪNG TỈNH SƠN LA TRÊN CƠ SỞ ỨNG DỤNG CÔNG NGHỆ ĐỊA THÔNG TIN
• 2.1. Tổng quan về ứng dụng công nghệ Địa thông tin trong nghiên cứu nguy cơ và cảnh báo cháy rừng
• 2.2. Công nghệ Địa thông tin
• 2.3. Tình hình ứng dụng công nghệ Địa thông tin trong nghiên cứu nguy cơ và cảnh báo cháy rừng
• 2.4. Cơ sở lý luận nghiên cứu nguy cơ và cảnh báo cháy rừng tỉnh Sơn La trên cơ sở ứng dụng công nghệ Địa thông tin
• 2.5. Nguyên lý phát sinh cháy và cháy rừng
• 2.6. Các nhân tố ảnh hưởng và nguyên nhân gây cháy rừng
• 2.7. Phân loại cháy rừng
• 2.8. Nguy cơ cháy rừng và dự báo nguy cơ cháy rừng
• 2.9. Các tiêu chí phân vùng trọng điểm nguy cơ cháy rừng và thành lập bản đồ trọng điểm nguy cơ cháy rừng
• 2.10. Khả năng ứng dụng công nghệ Địa thông tin trong nghiên cứu nguy cơ và cảnh báo cháy rừng trên cơ sở kết hợp kiến thức chuyên gia, phương pháp MCA, ML và WebGIS
• 2.11. Quan điểm, phương pháp và quy trình nghiên cứu
• 2.11.1. Quan điểm nghiên cứu
• 2.11.2. Phương pháp nghiên cứu
• 2.11.3. Quy trình nghiên cứu
• 2.12. TIỂU KẾT CHƯƠNG 1
• 3. PHÂN TÍCH ĐẶC ĐIỂM CÁC NHÂN TỐ ĐẶC TRƯNG GÂY CHÁY RỪNG TỈNH SƠN LA
• 3.1. Đặc điểm cháy rừng ở tỉnh Sơn La
• 3.2. Thực trạng cháy rừng
• 3.3. Nguyên nhân và hậu quả cháy rừng
• 3.4. Công tác phòng cháy và chữa cháy rừng
• 3.5. Đặc trưng của các nhân tố chính gây cháy rừng ở Sơn La
• 3.5.1. Nhóm các nhân tố vật liệu cháy và thời tiết - khí hậu
• 3.5.2. Nhóm các nhân tố địa hình
• 3.5.3. Nhóm các nhân tố điều kiện kinh tế - xã hội
• 3.6. Xác lập bộ tiêu chí cho nghiên cứu nguy cơ và cảnh báo cháy rừng
• 3.7. TIỂU KẾT CHƯƠNG 2
• 4. ỨNG DỤNG CÔNG NGHỆ ĐỊA THÔNG TIN TRONG NGHIÊN CỨU NGUY CƠ VÀ CẢNH BÁO CHÁY RỪNG TỈNH SƠN LA
• 4.1. Nghiên cứu thành lập bản đồ trọng điểm nguy cơ cháy rừng tỉnh Sơn La
• 4.2. Thành lập bản đồ trọng điểm nguy cơ cháy rừng tỉnh Sơn La theo phương pháp phân tích đa chỉ tiêu MCA
• 4.3. Thành lập bản đồ trọng điểm nguy cơ cháy rừng tỉnh Sơn La theo phương pháp học máy (áp dụng cho huyện Thuận Châu)
• 4.4. Mô hình cảnh báo sớm tai biến cháy rừng áp dụng thí điểm cho huyện Thuận Châu, tỉnh Sơn La
• 4.4.1. Nguyên lý thực hiện mô hình
• 4.5. Tích hợp kết quả nghiên cứu vào WebGIS trong dự báo cháy rừng
• 4.6. Đánh giá chung về độ tin cậy của mô hình
• 4.7. TIỂU KẾT CHƯƠNG 3
• KẾT LUẬN VÀ KIẾN NGHỊ
• DANH MỤC CÁC CÔNG TRÌNH ĐÃ CÔNG BỐ
• TÀI LIỆU THAM KHẢO
• PHỤ LỤC

Tóm tắt

I. Tổng Quan Nghiên Cứu Nguy Cơ Cháy Rừng Sơn La Vì Sao Quan Trọng

Rừng đóng vai trò thiết yếu trong việc điều hòa nguồn nước và được ví như 'lá phổi xanh' của Việt Nam. Tình trạng suy giảm tài nguyên rừng đang trở thành mối lo ngại toàn cầu. Trong đó, cháy rừng là một trong những nguyên nhân chính dẫn đến sự suy giảm nhanh chóng này. Theo thống kê của FAO, thiệt hại do cháy rừng trên toàn cầu ước tính khoảng 906 tỷ USD mỗi năm. Các nghiên cứu về biến đổi khí hậu cũng chỉ ra rằng, cháy rừng sẽ trở thành vấn nạn do khí hậu thay đổi dẫn đến hiện tượng El Nino diễn ra thường xuyên và mạnh mẽ hơn. Việt Nam, với khí hậu nhiệt đới, đối diện với nguy cơ cháy rừng cao, đặc biệt vào mùa khô (tháng II - IV), đạt đỉnh điểm vào tháng III. Tỉnh Sơn La, với vị trí chiến lược ở vùng Tây Bắc, cũng không tránh khỏi nguy cơ này. Việc nghiên cứu nguy cơ cháy rừng Sơn La là vô cùng cấp thiết.

1.1. Tầm Quan Trọng Của Việc Quản Lý Rừng Bền Vững

Quản lý rừng bền vững không chỉ bảo vệ nguồn tài nguyên quý giá mà còn góp phần ổn định sinh kế cho người dân địa phương. Việc phòng cháy chữa cháy rừng hiệu quả là yếu tố then chốt trong quản lý rừng bền vững. Nghiên cứu này hướng đến việc cung cấp các công cụ và phương pháp để quản lý rừng một cách khoa học và hiệu quả hơn, giảm thiểu thiệt hại do cháy rừng gây ra. Trích dẫn số liệu của Cục Kiểm lâm Việt Nam, diện tích rừng cả nước là 14.220 ha với độ che phủ 41,89%, trong đó có trên 50% diện tích rừng có nguy cơ cháy cao.

1.2. Thực Trạng Cháy Rừng Tại Sơn La Thách Thức Và Hậu Quả

Thực trạng cháy rừng ở Sơn La diễn biến phức tạp, đặc biệt vào mùa khô. Theo thống kê, từ năm 1996 - 2015, cháy rừng đã thiêu hủy gần 7.000 ha rừng tại tỉnh. Năm 2016, thiệt hại lên đến 919 ha, chiếm 27,68% tổng diện tích rừng thiệt hại của cả nước. Những con số này cho thấy mức độ nghiêm trọng của vấn đề và sự cần thiết của các giải pháp phòng chống hiệu quả. Hậu quả của cháy rừng không chỉ dừng lại ở thiệt hại về kinh tế mà còn ảnh hưởng nghiêm trọng đến môi trường sinh thái, đa dạng sinh học và đời sống của người dân.

II. Ứng Dụng Công Nghệ Địa Thông Tin Giải Pháp Phòng Cháy Rừng Sơn La

Công nghệ địa thông tin (CNĐTT) bao gồm Hệ thống định vị toàn cầu (GPS), Viễn thám (RS) và Hệ thống thông tin địa lý (GIS) mở ra hướng tiếp cận mới trong nghiên cứu và quản lý cháy rừng. CNĐTT cho phép thu thập, tổng hợp, phân tích, trình diễn và quản lý dữ liệu không gian liên quan đến nguy cơ cháy rừng một cách hiệu quả. Bằng cách kết hợp CNĐTT với kiến thức chuyên gia, phương pháp phân tích đa tiêu chí (MCA) và học máy (ML), có thể đánh giá, xác định các vùng nguy cơ và dự báo cháy rừng một cách khoa học, kịp thời, chính xác và tiết kiệm chi phí.

2.1. Viễn Thám Giám Sát Và Phân Tích Dữ Liệu Vệ Tinh Cháy Rừng

Viễn thám sử dụng dữ liệu từ vệ tinh để theo dõi và phân tích các yếu tố liên quan đến cháy rừng, chẳng hạn như lớp phủ thực vật, độ ẩm, nhiệt độ và các điểm nóng tiềm ẩn. Dữ liệu viễn thám cung cấp thông tin toàn diện và kịp thời về tình hình cháy rừng, giúp các nhà quản lý đưa ra quyết định chính xác và triển khai các biện pháp phòng chống phù hợp. Theo luận án, việc thu thập và xử lý dữ liệu vệ tinh đóng vai trò quan trọng trong việc xây dựng cơ sở dữ liệu cho mô hình nghiên cứu NCCBCR.

2.2. GIS Xây Dựng Bản Đồ Nguy Cơ Cháy Rừng Chi Tiết Tại Sơn La

GIS (Hệ thống thông tin địa lý) cho phép tích hợp và phân tích các lớp dữ liệu khác nhau, bao gồm dữ liệu viễn thám, dữ liệu địa hình, dữ liệu khí hậu và dữ liệu kinh tế - xã hội để xây dựng bản đồ nguy cơ cháy rừng chi tiết. Bản đồ này cung cấp thông tin trực quan về các khu vực có nguy cơ cháy cao, giúp các nhà quản lý tập trung nguồn lực và triển khai các biện pháp phòng chống hiệu quả. Việc thành lập bản đồ trọng điểm nguy cơ cháy rừng tỉnh Sơn La tỷ lệ 1:100.000, huyện Thuận Châu tỷ lệ 1:50.000 là một trong những mục tiêu quan trọng của luận án.

2.3. GPS Xác Định Vị Trí Và Điều Phối Ứng Cứu Cháy Rừng Nhanh Chóng

Hệ thống GPS (Global Positioning System) đóng vai trò quan trọng trong việc xác định chính xác vị trí các điểm cháy và điều phối lực lượng ứng cứu một cách nhanh chóng và hiệu quả. Các thiết bị GPS cầm tay giúp lính cứu hỏa và nhân viên kiểm lâm xác định đường đi ngắn nhất đến đám cháy và điều hướng trong điều kiện tầm nhìn hạn chế. Việc sử dụng GPS kết hợp với GIS cho phép tạo ra bản đồ trực quan về tình hình cháy rừng, hỗ trợ công tác chỉ huy và điều phối.

III. Phương Pháp Nghiên Cứu MCA AHP ML Cho Đánh Giá Nguy Cơ Cháy Rừng

Nghiên cứu này kết hợp nhiều phương pháp khác nhau để đánh giá nguy cơ cháy rừng. Phương pháp phân tích đa tiêu chí (MCA) được sử dụng để xem xét nhiều yếu tố khác nhau ảnh hưởng đến nguy cơ cháy rừng. Phương pháp phân tích thứ bậc (AHP) giúp xác định trọng số của từng yếu tố. Phương pháp học máy (ML) được sử dụng để xây dựng mô hình dự báo nguy cơ cháy rừng dựa trên dữ liệu lịch sử và các yếu tố liên quan. Sự kết hợp này giúp đưa ra đánh giá toàn diện và chính xác về nguy cơ cháy rừng ở Sơn La.

3.1. Phân Tích Đa Tiêu Chí MCA Xem Xét Yếu Tố Ảnh Hưởng Cháy Rừng

Phương pháp MCA cho phép xem xét đồng thời nhiều tiêu chí khác nhau ảnh hưởng đến nguy cơ cháy rừng, bao gồm yếu tố thời tiết, địa hình, lớp phủ thực vật, hoạt động của con người và các yếu tố kinh tế - xã hội. Bằng cách đánh giá và so sánh các tiêu chí này, có thể xác định được các khu vực có nguy cơ cháy cao và đưa ra các biện pháp phòng ngừa phù hợp. Việc xác định các nhân tố chính gây cháy rừng và xây dựng bộ tiêu chí cho mô hình nghiên cứu NCCR và CBSTBCR là một trong những nội dung quan trọng của luận án.

3.2. Phân Tích Thứ Bậc AHP Xác Định Mức Độ Quan Trọng Của Từng Yếu Tố

Phương pháp AHP giúp xác định mức độ quan trọng của từng tiêu chí trong việc đánh giá nguy cơ cháy rừng. Bằng cách so sánh cặp các tiêu chí, có thể xác định được trọng số của từng tiêu chí và sử dụng chúng để xây dựng mô hình đánh giá tổng thể. Luận án sử dụng AHP để so sánh các chỉ tiêu cháy rừng và xác định trọng số của từng chỉ tiêu.

3.3. Học Máy ML Xây Dựng Mô Hình Dự Báo Nguy Cơ Cháy Rừng

Phương pháp ML cho phép xây dựng mô hình dự báo nguy cơ cháy rừng dựa trên dữ liệu lịch sử và các yếu tố liên quan. Bằng cách sử dụng các thuật toán học máy, có thể tìm ra các mối quan hệ phức tạp giữa các yếu tố và dự đoán nguy cơ cháy rừng trong tương lai. Luận án áp dụng ML cho huyện Thuận Châu để thành lập bản đồ trọng điểm nguy cơ cháy rừng.

IV. Ứng Dụng Thực Tế Cảnh Báo Cháy Rừng Sớm Tại Huyện Thuận Châu Sơn La

Luận án đã xây dựng mô hình cảnh báo sớm tai biến cháy rừng (CBSTBCR) áp dụng thí điểm cho huyện Thuận Châu, tỉnh Sơn La. Mô hình này tích hợp thông tin từ bản đồ trọng điểm nguy cơ cháy rừng và dữ liệu từ các trạm iMetos bằng WebGIS. WebGIS cung cấp giao diện trực quan để theo dõi tình hình cháy rừng và đưa ra cảnh báo sớm cho người dân và các cơ quan chức năng. Đánh giá chung về độ tin cậy của mô hình cho thấy hiệu quả trong việc dự báo cháy rừng.

4.1. Tích Hợp Thông Tin Bản Đồ Và Dữ Liệu Trạm Thời Tiết Với WebGIS

Việc tích hợp thông tin từ bản đồ trọng điểm nguy cơ cháy rừng và dữ liệu từ các trạm thời tiết thông minh iMetos vào WebGIS cho phép cung cấp thông tin toàn diện và kịp thời về tình hình cháy rừng. WebGIS hiển thị trực quan các khu vực có nguy cơ cháy cao, các điểm nóng và các yếu tố thời tiết liên quan, giúp người dùng dễ dàng theo dõi và đánh giá tình hình.

4.2. Cảnh Báo Sớm Nguy Cơ Cháy Rừng Giải Pháp Giảm Thiểu Thiệt Hại

Mô hình CBSTBCR cung cấp cảnh báo sớm về nguy cơ cháy rừng cho người dân và các cơ quan chức năng, giúp họ có thời gian chuẩn bị và triển khai các biện pháp phòng ngừa. Cảnh báo sớm có thể được gửi qua tin nhắn SMS, email hoặc hiển thị trên WebGIS. Việc CBSTBCR giúp giảm thiểu thiệt hại do cháy rừng gây ra, bảo vệ tài sản và tính mạng của người dân.

4.3. Đánh Giá Độ Tin Cậy Của Mô Hình Cảnh Báo Cháy Rừng Sớm

Việc đánh giá độ tin cậy của mô hình CBSTBCR là rất quan trọng để đảm bảo tính chính xác và hiệu quả của hệ thống. Luận án đã thực hiện đánh giá độ tin cậy của mô hình bằng cách so sánh kết quả dự báo với tình hình cháy rừng thực tế. Kết quả đánh giá cho thấy mô hình có độ tin cậy cao và có thể được sử dụng để cảnh báo sớm nguy cơ cháy rừng.

V. Kết Luận Và Kiến Nghị Hướng Phát Triển Nghiên Cứu Cháy Rừng

Nghiên cứu này đã xây dựng cơ sở lý luận và khoa học cho mô hình nghiên cứu NCCBCR ở tỉnh Sơn La theo hướng ứng dụng CNĐTT. Luận án đã xây dựng bộ tiêu chí và thành lập bản đồ trọng điểm NCCR tỉnh Sơn La tỷ lệ 1:100.000, huyện Thuận Châu tỷ lệ 1:50.000 trong nghiên cứu NCCBCR. CBSTBCR ở huyện Thuận Châu, tỉnh Sơn La trên cơ sở tích hợp thông tin bản đồ trọng điểm NCCR và dữ liệu 3 Trạm iMetos bằng WebGIS đã mang lại kết quả khả quan. Tuy nhiên, cần tiếp tục nghiên cứu và hoàn thiện mô hình để nâng cao hiệu quả và áp dụng rộng rãi trên địa bàn tỉnh Sơn La.

5.1. Hoàn Thiện Mô Hình Nghiên Cứu Nâng Cao Độ Chính Xác Dự Báo

Để nâng cao độ chính xác dự báo của mô hình, cần tiếp tục nghiên cứu và hoàn thiện các yếu tố sau: Cập nhật dữ liệu thường xuyên, đặc biệt là dữ liệu về lớp phủ thực vật, khí hậu và hoạt động của con người. Sử dụng các thuật toán học máy tiên tiến hơn để xây dựng mô hình dự báo. Tích hợp thêm các nguồn dữ liệu khác, chẳng hạn như dữ liệu từ mạng xã hội và dữ liệu từ người dân địa phương.

5.2. Mở Rộng Phạm Vi Ứng Dụng Áp Dụng Cho Các Khu Vực Khác

Mô hình nghiên cứu có thể được áp dụng cho các khu vực khác có đặc điểm tương đồng với Sơn La, chẳng hạn như các tỉnh miền núi phía Bắc và miền Trung. Để áp dụng mô hình cho các khu vực khác, cần điều chỉnh các tham số và tiêu chí cho phù hợp với điều kiện địa phương. Đồng thời, cần đào tạo và chuyển giao công nghệ cho cán bộ địa phương để họ có thể tự vận hành và bảo trì hệ thống.

5.3. Phát Triển Công Nghệ Ứng Dụng AI và IoT Trong Phòng Cháy Chữa Cháy Rừng

Trong tương lai, có thể phát triển các công nghệ mới dựa trên trí tuệ nhân tạo (AI) và Internet of Things (IoT) để nâng cao hiệu quả phòng cháy chữa cháy rừng. Các hệ thống cảm biến IoT có thể được triển khai trong rừng để theo dõi liên tục các yếu tố môi trường và phát hiện sớm nguy cơ cháy. Các thuật toán AI có thể được sử dụng để phân tích dữ liệu và đưa ra cảnh báo chính xác hơn.

Nội dung chính

Tổng quan luận án

Luận án tiến sĩ địa lý với đề tài "Nghiên cứu nguy cơ và cảnh báo cháy rừng tỉnh Sơn La trên cơ sở ứng dụng công nghệ Địa thông tin", chuyên ngành Bản đồ, viễn thám và hệ thông tin địa lý (mã số: 9440211.01), được nghiên cứu sinh Đặng Ngô Bảo Toàn thực hiện tại Trường Đại học Khoa học Tự nhiên – Đại học Quốc gia Hà Nội năm 2021, dưới sự hướng dẫn khoa học của GS. Nguyễn Ngọc Thạch và PGS. Đinh Thị Bảo Hoa.

Tính cấp thiết và khoảng trống nghiên cứu

Tài nguyên rừng đóng vai trò điều tiết thủy vực và duy trì cân bằng sinh thái. Theo Tổ chức Nông lương Thế giới (FAO), thiệt hại do cháy rừng trên toàn cầu ước tính khoảng 906 tỉ USD mỗi năm. Tại Việt Nam, theo thống kê của Cục Kiểm lâm tính đến ngày 31/12/2019, diện tích rừng toàn quốc là 14.220 ha (rừng tự nhiên 10.434 ha, rừng trồng 4.786 ha, độ che phủ 41,89%), trong đó trên 50% diện tích thuộc nhóm có nguy cơ cháy cao (rừng thông, tràm, tre nứa, keo, bạch đàn, rừng khộp, rừng non tái sinh). Giai đoạn 2009–2018, cháy rừng đã thiêu hủy gần 22.000 ha rừng trên cả nước; riêng 6 tháng đầu năm 2019 xảy ra 156 vụ cháy làm thiệt hại 930 ha.

Tỉnh Sơn La nằm ở trung tâm vùng Tây Bắc, có diện tích tự nhiên 14.174 km² (chiếm 4,28% diện tích cả nước, đứng thứ 3 toàn quốc), mùa khô kéo dài từ tháng XI đến tháng IV năm sau. Thống kê giai đoạn 1996–2015 cho thấy cháy rừng tại Sơn La đã thiêu hủy gần 7.000 ha; riêng năm 2016 diện tích rừng bị cháy lên đến 919 ha (chiếm 27,68% tổng diện tích rừng thiệt hại của cả nước). Khoảng trống nghiên cứu đặt ra là các phương pháp dự báo truyền thống (như chỉ số Nesterop, số ngày khô hạn) bộc lộ nhiều sai số do chưa tích hợp đồng thời biến động thời tiết theo thời gian thực và đặc điểm không gian thảm phủ; các nghiên cứu ứng dụng công nghệ địa thông tin trước đó chủ yếu dừng lại ở tỷ lệ bản đồ nhỏ hoặc áp dụng cho các khu vực đặc thù (Tây Nguyên, Đồng bằng sông Cửu Long) mà chưa xây dựng quy trình tích hợp đa tiêu chí, học máy và trạm quan trắc tự động phục vụ cảnh báo sớm cho cấp tỉnh và cấp huyện tại vùng miền núi Tây Bắc.

Mục tiêu nghiên cứu

1. Xây dựng cơ sở lý luận và khoa học cho mô hình nghiên cứu nguy cơ và cảnh báo cháy rừng (NCCBCR) ở tỉnh Sơn La theo hướng ứng dụng công nghệ Địa thông tin (CNĐTT) trên cơ sở kết hợp kiến thức chuyên gia, phương pháp phân tích đa tiêu chí (MCA), phân tích thứ bậc (AHP) và học máy (ML) để cảnh báo sớm tai biến cháy rừng (CBSTBCR).
2. Xây dựng bộ tiêu chí và thành lập bản đồ trọng điểm nguy cơ cháy rừng (NCCR) tỉnh Sơn La tỷ lệ 1:100.000, huyện Thuận Châu tỷ lệ 1:50.000.
3. Cảnh báo sớm tai biến cháy rừng ở huyện Thuận Châu, tỉnh Sơn La trên cơ sở tích hợp thông tin bản đồ trọng điểm NCCR và dữ liệu 3 Trạm thời tiết thông minh iMetos bằng công nghệ WebGIS.

Đối tượng và phạm vi nghiên cứu

• Đối tượng nghiên cứu: Các nhân tố điều kiện tự nhiên, kinh tế – xã hội và thời tiết – khí hậu liên quan đến tam giác cháy rừng tại tỉnh Sơn La; mô hình ứng dụng CNĐTT kết hợp chuyên gia, MCA, AHP, ML; mô hình cảnh báo sớm tai biến cháy rừng bằng WebGIS tích hợp dữ liệu trạm iMetos.
• Phạm vi không gian: Toàn bộ lãnh thổ tỉnh Sơn La gồm 11 huyện và thành phố Sơn La; thử nghiệm chi tiết tại huyện Thuận Châu.
• Phạm vi thời gian: Dữ liệu điểm nóng (Hot spot) ảnh MODIS và Global Fire Atlas của NASA từ 2003 đến 2020; dữ liệu vụ cháy thực tế thu thập từ 2001 đến 2015 (Chi cục Kiểm lâm Sơn La và Cục Kiểm lâm); dữ liệu khí tượng giai đoạn 1960–2019; dữ liệu hiện trạng rừng và đất đai các năm 2005, 2010, 2015, 2019.

---

Tổng quan tài liệu và vị trí của luận án

Các hướng nghiên cứu trên thế giới

• Ứng dụng ảnh vệ tinh phân loại rừng và theo dõi cháy: Các hệ thống viễn thám được triển khai từ sớm như CFFDRS của Canada (1987), GIMS (1990). Nghiên cứu phát hiện vùng cháy (NBR - Burned area detection) sử dụng ảnh vệ tinh ATSR-2, AATSR qua hệ thống GLOBSCAR của Simon et al. (2004); mô hình phản xạ bề mặt MODIS 500m của Roy et al. (2005); chỉ số thực vật MODIS 16 ngày của Sukhinin et al. (2004); sản phẩm cháy MODIS 8 ngày 1km của Loboda et al. (2007); thuật toán phát hiện biến động theo ngày kết hợp hàm mật độ địa phương của Giglio et al. (2003) kế thừa từ Kaufman et al. (1993).
• Tích hợp GIS và mô hình hóa: Mohamed Said Guettouche et al. (2011) xây dựng hệ thống thông tin quản lý và dự báo cháy rừng trên hệ điều hành HP-UNIX sử dụng phần mềm GDS và module mô phỏng AIOLOS-F. Jaiswal R.K. et al. (2002), E. Chuvieco (2011) phân tích mối quan hệ giữa độ ẩm thực vật (<10%) và các nhóm cháy. Sastry (2002) xác lập trọng số các nhân tố địa hình và khí hậu trong phân vùng tai biến cháy.

Loại ảnh vệ tinh	Độ phân giải không gian	Chu kỳ chụp	Khả năng ứng dụng thực tế trong quản lý rừng
MODIS (Terra/Aqua)	250 m – 1.000 m	1 – 2 ngày	Phân loại thảm phủ toàn cầu, phát hiện điểm cháy dị thường nhiệt
NOAA-AVHRR	1.000 m	Hàng ngày	Theo dõi diễn biến khí tượng và cảnh báo cháy quy mô lớn
Landsat (TM/ETM+/OLI)	15 m – 30 m	16 ngày	Phân loại thảm phủ cấp quần xã, kiểm chứng vết cháy bằng ΔNBR
SPOT (SPOT 5/6/7)	1,5 m – 20 m	1 – 3 ngày	Thành lập bản đồ hiện trạng rừng chi tiết ở cấp độ loài và trạng thái
IKONOS / QuickBird	0,6 m – 4 m	1 – 5 ngày	Kiểm tra, hiệu chỉnh mẫu phân loại rừng ở mức độ chi tiết cao

Các hướng nghiên cứu tại Việt Nam

• Phương pháp truyền thống: Dự báo theo chỉ số tổng hợp $P$ của Nesterop (1981); Phạm Ngọc Hưng (1988, 2004) hoàn thiện cách tính $P$ với ngưỡng mưa $> 5\text{ mm}$, xây dựng chỉ số ngày khô hạn liên tục $H$ và xác định 87% số vụ cháy tập trung từ 10h đến 17h; Bế Minh Châu (2001) chỉ ra sai số của $P$ và $H$ tại vùng chuyển mùa; Võ Đình Tiến (1995) xây dựng cấp nguy hiểm cháy theo tháng tại Bình Thuận dựa trên 6 yếu tố khí hậu và xã hội; Thái Văn Trừng xác định mùa cháy theo chỉ số khô hạn tổng hợp $X = S \times A \times D$ ($S$: số tháng khô, $A$: số tháng hạn, $D$: số tháng kiệt).

Vùng sinh thái	Tháng I	Tháng II	Tháng III	Tháng IV	Tháng V	Tháng VI	Tháng VII	Tháng VIII	Tháng IX	Tháng X	Tháng XI	Tháng XII
Tây Bắc	Hạn kiệt	Hạn kiệt	Hạn kiệt	Khô	-	-	-	-	-	-	Khô	Hạn kiệt
Đông Bắc	Khô	Khô	-	-	-	-	-	-	-	-	Khô	Khô
Tây Nguyên	Hạn kiệt	Hạn kiệt	Hạn kiệt	Hạn kiệt	-	-	-	-	-	-	-	Khô
Đông Nam Bộ	Hạn kiệt	Hạn kiệt	Hạn kiệt	Khô	-	-	-	-	-	-	-	Khô

• Ứng dụng viễn thám và GIS: Nguyễn Đình Dương, Nguyễn Thanh Hoàn (2004) phát hiện cháy bằng ảnh NOAA, MODIS; Phạm Văn Cự et al. (2004) theo dõi lớp phủ thực vật bằng NOAA-AVHRR; Trần Hùng (2007) và Doãn Hà Phong (2006) xử lý kênh nhiệt 21, 22, 31 của MODIS để phát hiện điểm dị thường nhiệt có hiệu chỉnh khí quyển; Vương Văn Quỳnh (2005) xây dựng phần mềm tự động phát hiện cháy từ Landsat ETM+ và MODIS; Đề tài KC.24 (Trường Đại học Lâm nghiệp, 2003) và Bế Minh Châu (2010) phát triển phần mềm cảnh báo nguy cơ cháy rừng; Trần Quang Bảo (2009–2011) ứng dụng GIS và GPS quản lý chế độ nước phòng cháy rừng tràm U Minh; Cục Kiểm lâm vận hành trạm thu TeraScan, module Vulcan tự động xử lý ảnh MODIS 4 lần/ngày đêm đưa lên hệ thống FireWatch.

Khoảng trống luận án giải quyết

Luận án kế thừa các thành tựu trên nhưng tập trung giải quyết khoảng trống về việc tích hợp đồng bộ dữ liệu viễn thám đa thời gian, phương pháp đa tiêu chí AHP với các thuật toán học máy (RF, SVM, MLP), đồng thời kết nối trực tiếp nguồn số liệu khí tượng quan trắc tự động từ mạng lưới trạm iMetos vào hệ thống WebGIS để đưa ra cảnh báo sớm nguy cơ cháy rừng thời gian thực từ 1 đến 3 ngày ở cấp huyện cho vùng núi Tây Bắc.

---

Cơ sở lý thuyết và phương pháp nghiên cứu

Cơ sở lý thuyết

• Nguyên lý phát sinh cháy: Phản ứng hóa học cơ bản của sự cháy chất hữu cơ dạng cellulose: $$(\text{C}6\text{H}{10}\text{O}_5)_n + 6n\text{O}_2 + \text{nguồn nhiệt} \longrightarrow 6n\text{CO}_2 + 5n\text{H}_2\text{O} + \text{nhiệt lượng}$$
• Tam giác cháy rừng: Đòi hỏi 3 điều kiện đồng thời: ôxy trong không khí $> 15%$, độ ẩm vật liệu cháy (VLC) $\le 25%$, và nguồn nhiệt gây cháy đạt ngưỡng $220^\circ\text{C} - 250^\circ\text{C}$.
• Tam giác môi trường cháy rừng: Sự tương tác tổng hợp giữa 3 nhóm thành tố: Địa hình, Vật liệu cháy, và Điều kiện thời tiết trong mối quan hệ với Tác nhân gây lửa.
• Ba giai đoạn cháy: Giai đoạn tích nhiệt ($100^\circ\text{C} - 150^\circ\text{C}$ bay hơi nước, tiền phân giải ở $250^\circ\text{C}$); Giai đoạn cháy thể khí ($275^\circ\text{C} - 350^\circ\text{C}$, giải phóng các khí $\text{CO}_2, \text{C}_2\text{H}_2, \text{H}_2, \text{C}_2\text{H}_4, \text{CH}_3\text{OH}, \text{CH}_3\text{COOH}$, ngọn lửa tự duy trì); Giai đoạn cháy than gỗ ($> 350^\circ\text{C}$, cháy không có ngọn lửa và để lại tàn tro).
• Phân cấp báo động cháy rừng: Thực hiện theo Quyết định số 127/2000/QĐ-BNN-KL gồm 5 cấp: Cấp I (Khả năng cháy thấp), Cấp II (Khả năng cháy trung bình), Cấp III (Khả năng cháy lan diện rộng), Cấp IV (Nguy cơ cháy lớn), Cấp V (Rất nguy hiểm).

Phương pháp nghiên cứu

• Phương pháp phân tích đa tiêu chí (MCA) và phân tích thứ bậc (AHP): Thiết lập ma trận so sánh cặp giữa các nhân tố gây cháy, tính toán vector trọng số, xác định chỉ số nhất quán ($CI$) và tỷ lệ nhất quán ($CR \le 0{,}1$) dựa trên chỉ số ngẫu nhiên ($RI$) để thành lập bản đồ cấp tỉnh.
• Phương pháp học máy (Machine Learning - ML): Áp dụng 3 thuật toán học có giám sát gồm Random Forest (RF), Support Vector Machine (SVM) và Multi-Layer Perceptron (MLP) thông qua phần mềm Weka. Đánh giá và kiểm chứng chất lượng mô hình bằng đường cong ROC (Receiver Operating Characteristic) và diện tích dưới đường cong AUC (Area Under Curve) kèm khoảng tin cậy (CI) và sai số chuẩn (SE).
• Phương pháp xử lý viễn thám và GIS: Xử lý ảnh quang học SPOT 6 (năm 2016) để giải đoán hiện trạng rừng; xử lý dữ liệu số mô hình độ cao DEM ALOS ($12{,}5\text{ m} \times 12{,}5\text{ m}$); tính toán chỉ số khác biệt thực vật (NDVI) và chỉ số vết cháy chuẩn hóa ($\text{NBR} = \frac{\text{NIR} - \text{SWIR}}{\text{NIR} + \text{SWIR}}$, $\Delta\text{NBR} = \text{NBR}{\text{pre-fire}} - \text{NBR}{\text{post-fire}}$) trên nền tảng Google Earth Engine kết hợp ảnh Landsat 8 để xác thực các điểm cháy có độ tin cậy $Cfd \ge 60%$; biên tập bản đồ bằng phần mềm ArcGIS 10.3 và PCI Geomatica 2016.
• Phương pháp tích hợp WebGIS: Xây dựng cơ sở dữ liệu không gian trực tuyến kết nối số liệu khí tượng thời gian thực từ trạm thời tiết thông minh iMetos nhằm xuất bản đồ cảnh báo và gửi tin nhắn SMS tự động.

Nguồn tư liệu và dữ liệu

• Bản đồ địa hình tỉnh Sơn La tỷ lệ 1:100.000; DEM ALOS độ phân giải $12{,}5\text{ m}$.
• Bản đồ hiện trạng sử dụng đất (Sở Tài nguyên và Môi trường tỉnh Sơn La) và bản đồ hiện trạng rừng (Viện Điều tra Quy hoạch Rừng) các năm 2005, 2010, 2015, 2019.
• Dữ liệu điểm cháy vệ tinh từ hệ thống FIRMS, Global Fire Atlas (NASA) giai đoạn 2003–2020; hồ sơ các vụ cháy từ Chi cục Kiểm lâm tỉnh Sơn La (2001–2015).
• Dữ liệu quan trắc khí tượng bề mặt (nhiệt độ, mưa, độ ẩm, gió) giai đoạn 1960–2019 và dữ liệu từ 3 trạm iMetos tại Thuận Châu thuộc Đề tài cấp Nhà nước KHCN-TB.13C/13-18.

---

Nội dung chính theo từng chương

Chương 1: Tổng quan cơ sở lý luận và phương pháp nghiên cứu nguy cơ và cảnh báo cháy rừng tỉnh Sơn La trên cơ sở ứng dụng công nghệ Địa thông tin

Chương 1 (45 trang) hệ thống hóa toàn diện cơ sở lý luận về bản chất vật lý – hóa học của sự cháy rừng, các giai đoạn cháy, các nhân tố ảnh hưởng và phân loại cháy rừng. Tác giả phân tích cấu trúc 3 hợp phần cốt lõi của công nghệ Địa thông tin (GPS, RS, GIS) và lược khảo lịch sử ứng dụng ảnh vệ tinh (từ độ phân giải thấp như MODIS, NOAA đến độ phân giải cao như SPOT, Landsat, QuickBird). Chương này đánh giá chi tiết ưu nhược điểm của các phương pháp dự báo cháy truyền thống tại Việt Nam (công thức Nesterop, phương pháp ngày khô hạn của Phạm Ngọc Hưng, chỉ số khô hạn Thái Văn Trừng) và hệ thống cảnh báo cháy tự động của Cục Kiểm lâm (trạm TeraScan, thuật toán Vulcan). Từ đó, tác giả thiết lập khung phương pháp luận kết hợp giữa MCA, AHP, các thuật toán học máy (RF, SVM, MLP) và nền tảng WebGIS để phục vụ dự báo và cảnh báo sớm.

Chương 2: Phân tích đặc điểm các nhân tố đặc trưng gây cháy rừng tỉnh Sơn La

Chương 2 (36 trang) đi sâu phân tích thực trạng cháy rừng và các đặc trưng tự nhiên, kinh tế – xã hội của tỉnh Sơn La. Thống kê lịch sử cho thấy hoạt động con người là nguyên nhân chính gây cháy rừng (chiếm tỷ lệ lớn do đốt nương làm rẫy, săn bắn lấy mật ong, bất cẩn trong sinh hoạt). Tác giả tiến hành phân tích và lượng hóa 3 nhóm nhân tố chính:

1. Nhóm vật liệu cháy và thời tiết – khí hậu: Đánh giá đặc tính bắt lửa của các kiểu thảm phủ rừng (phân tích từ ảnh SPOT 6 năm 2016), phân bố nhiệt độ tối cao tuyệt đối, lượng mưa trung bình tháng, độ ẩm không khí tối thấp và tốc độ gió mạnh nhất.
2. Nhóm địa hình: Chiết xuất các lớp thông tin từ mô hình DEM ALOS ($12{,}5\text{ m}$) bao gồm độ cao tuyệt đối, độ dốc và hướng sườn (các sườn đón nắng và đón gió khô nóng có nguy cơ cháy cao hơn).
3. Nhóm điều kiện kinh tế – xã hội: Xác lập khoảng cách ly từ các vùng có nguy cơ phát sinh nguồn nhiệt gồm cự ly tới khu dân cư, cự ly tới hệ thống đường giao thông và cự ly tới vùng canh tác nương rẫy.

Từ kết quả phân tích, tác giả xác lập Bộ tiêu chí đầu vào phục vụ mô hình gồm 11 chỉ tiêu thành phần và phân cấp mức độ nguy cơ cho từng chỉ tiêu.

Chương 3: Ứng dụng công nghệ Địa thông tin trong nghiên cứu nguy cơ và cảnh báo cháy rừng tỉnh Sơn La

Chương 3 (48 trang) trình bày kết quả thực nghiệm và ứng dụng công nghệ:

• Thành lập bản đồ trọng điểm NCCR cấp tỉnh (tỷ lệ 1:100.000): Ứng dụng phương pháp MCA và AHP, xác định trọng số cho 11 chỉ tiêu thành phần thông qua ma trận so sánh cặp. Kết quả phân chia lãnh thổ tỉnh Sơn La thành các cấp nguy cơ cháy (từ không cháy, thấp, trung bình đến nguy hiểm và cực kỳ nguy hiểm). Kết quả đối chiếu với số liệu 2001–2015 cho thấy sự tương quan chặt chẽ giữa mật độ số vụ cháy thực tế và các vùng được dự báo ở mức nguy hiểm/cực kỳ nguy hiểm.
• Thành lập bản đồ trọng điểm NCCR cấp huyện (huyện Thuận Châu, tỷ lệ 1:50.000): Áp dụng 3 thuật toán học máy (RF, SVM, MLP) trên nền tảng dữ liệu huấn luyện và kiểm chứng được trích xuất từ tập điểm cháy lịch sử và chỉ số $\Delta\text{NBR}$ (xử lý trên Google Earth Engine). So sánh độ chính xác qua đường cong ROC/AUC khẳng định cả 3 thuật toán đều đạt độ tin cậy cao, trong đó thuật toán RF cho kết quả phân loại tối ưu.
• Xây dựng mô hình cảnh báo sớm tai biến cháy rừng (CBSTBCR): Thiết kế cấu trúc hệ thống WebGIS tích hợp trực tiếp dữ liệu khí tượng quan trắc thời gian thực từ 3 trạm iMetos tại huyện Thuận Châu. Hệ thống có khả năng tự động tính toán cấp nguy cơ cháy, chiết xuất bản đồ cảnh báo sớm trước 1 đến 3 ngày và tự động truyền tải thông tin qua giao diện Web (http://taibienhuyentaybac) cũng như gửi tin nhắn SMS cảnh báo đến các cấp quản lý và cộng đồng địa phương.

---

Kết quả và những đóng góp mới

Đóng góp mới về mặt lý luận và khoa học

1. Xác định được 3 nhóm nhân tố đặc trưng (Vật liệu cháy & Khí hậu; Địa hình; Kinh tế – xã hội) và xây dựng bộ tiêu chí hoàn chỉnh gồm 11 chỉ tiêu thành phần phản ánh điều kiện tự nhiên và nhân sinh tác động đến nguy cơ cháy rừng tại vùng miền núi Tây Bắc.
2. Phát triển quy trình công nghệ kết hợp linh hoạt giữa phương pháp phân tích đa tiêu chí (MCA - AHP) ở quy mô cấp tỉnh (1:100.000) và các thuật toán học máy (RF, SVM, MLP) ở quy mô cấp huyện (1:50.000), kết hợp công nghệ điện toán đám mây Google Earth Engine để kiểm chứng vết cháy lịch sử qua chỉ số $\Delta\text{NBR}$.
3. Thiết lập khung lý thuyết và quy trình tích hợp trực tuyến số liệu khí tượng quan trắc tự động từ mạng lưới trạm thông minh iMetos vào hệ thống WebGIS để cảnh báo sớm tai biến cháy rừng từ 1 đến 3 ngày.

Đóng góp mới về mặt thực tiễn

1. Thành lập bộ bản đồ chuyên đề hoàn chỉnh: Bản đồ hiện trạng rừng (từ ảnh SPOT 6), các bản đồ đơn suy dẫn theo 11 tiêu chí, bản đồ trọng điểm nguy cơ cháy rừng toàn tỉnh Sơn La (1:100.000) và bản đồ trọng điểm nguy cơ cháy rừng huyện Thuận Châu (1:50.000).
2. Xây dựng và vận hành thử nghiệm thành công cổng thông tin WebGIS cảnh báo cháy rừng tại huyện Thuận Châu (http://taibienhuyentaybac), cung cấp công cụ hỗ trợ ra quyết định trực quan kèm tính năng phát bản tin SMS cảnh báo cháy rừng kịp thời cho lực lượng kiểm lâm và chính quyền địa phương.

Kiến nghị và giải pháp đề xuất

• Đưa bản đồ trọng điểm nguy cơ cháy rừng vào quy hoạch bảo vệ và phát triển rừng, quy hoạch sử dụng đất cấp tỉnh và cấp huyện.
• Mở rộng lắp đặt mạng lưới trạm thời tiết thông minh iMetos tại các huyện trọng điểm khác của tỉnh Sơn La nhằm nâng cao độ phủ dữ liệu khí tượng thời gian thực.
• Tăng cường cơ chế phối hợp giữa lực lượng kiểm lâm, chính quyền cấp xã và người dân trong việc tiếp nhận bản tin cảnh báo sớm qua WebGIS và SMS để chủ động bố trí lực lượng canh phòng trong các ngày cao điểm khô hạn.

---

Hạn chế và hướng nghiên cứu tiếp

• Hạn chế: Do nguồn lực và dữ liệu lưu trữ, luận án chưa cập nhật và bổ sung đồng bộ các nguồn ảnh viễn thám độ phân giải không gian siêu cao trên toàn bộ diện tích tỉnh; chuỗi số liệu thống kê chi tiết về tọa độ và thời gian bắt đầu/kết thúc chính xác của một số vụ cháy trong quá khứ còn thiếu đồng nhất giữa các cấp quản lý kiểm lâm.
• Hướng nghiên cứu tiếp:
  • Ứng dụng các nguồn ảnh viễn thám độ phân giải cao hơn để chiết xuất chi tiết các trạng thái thảm mục dưới tán rừng.
  • Hoàn thiện và nhân rộng mô hình WebGIS cảnh báo sớm tích hợp trạm iMetos cho toàn bộ 11 huyện và thành phố của tỉnh Sơn La cũng như các tỉnh lân cận thuộc khu vực Tây Bắc.

---

Giá trị tham khảo

• Đối với cơ quan quản lý và hoạch định chính sách: Cung cấp cơ sở khoa học trực tiếp cho Chi cục Kiểm lâm tỉnh Sơn La, Sở Nông nghiệp và Phát triển nông thôn, Sở Tài nguyên và Môi trường trong việc phân vùng rủi ro, bố trí tháp canh lửa, xây dựng đường băng cản lửa và lập phương án phòng cháy chữa cháy rừng (PCCCR) hàng năm.
• Đối với nghiên cứu sinh, giảng viên và sinh viên: Tài liệu tham khảo cho các ngành Bản đồ, Viễn thám, Hệ thông tin địa lý, Địa lý tự nhiên, Quản lý tài nguyên rừng và Môi trường. Phần đáng chú ý là quy trình chuẩn hóa ma trận trọng số AHP, phương pháp xử lý dữ liệu học máy bằng phần mềm Weka và kỹ thuật phân tích chỉ số $\Delta\text{NBR}$ trên nền tảng Google Earth Engine.

---

Câu hỏi thường gặp

1. Tam giác cháy rừng và tam giác môi trường cháy rừng trong luận án được xác định gồm những yếu tố nào?

Tam giác cháy rừng bao gồm 3 yếu tố cơ bản: Ôxy (nồng độ $> 15%$), Vật liệu cháy (độ ẩm $\le 25%$) và Nguồn nhiệt gây cháy ($> 220^\circ\text{C} - 250^\circ\text{C}$). Khi đặt trong điều kiện sinh thái thực địa, nó phát triển thành Tam giác môi trường cháy rừng gồm 3 nhóm thành tố: Vật liệu cháy (thảm thực vật), Địa hình (độ cao, độ dốc, hướng sườn), và Điều kiện thời tiết – khí hậu (nhiệt độ, lượng mưa, độ ẩm, gió) tương tác với Tác nhân gây lửa (chủ yếu do con người).

2. Bộ tiêu chí đánh giá nguy cơ cháy rừng tỉnh Sơn La gồm bao nhiêu chỉ tiêu thành phần?

Bộ tiêu chí gồm 11 chỉ tiêu thuộc 3 nhóm nhân tố chính:

• Nhóm vật liệu cháy và khí hậu: Hiện trạng thảm phủ rừng, Nhiệt độ không khí tối cao, Tổng lượng mưa, Độ ẩm không khí tối thấp, Tốc độ gió.
• Nhóm địa hình: Độ cao, Độ dốc, Hướng sườn.
• Nhóm kinh tế – xã hội: Khoảng cách đến khu dân cư, Khoảng cách đến mạng lưới giao thông, Khoảng cách đến khu vực canh tác nương rẫy.

3. Những thuật toán học máy nào được thử nghiệm để thành lập bản đồ nguy cơ cháy rừng huyện Thuận Châu và kết quả ra sao?

Tác giả thử nghiệm 3 thuật toán học máy có giám sát gồm Random Forest (RF), Support Vector Machine (SVM) và Multi-Layer Perceptron (MLP) thông qua phần mềm Weka. Kết quả đánh giá bằng đường cong ROC và chỉ số diện tích dưới đường cong AUC (Area Under Curve) trên tập dữ liệu kiểm chứng cho thấy cả 3 thuật toán đều đạt độ chính xác cao, trong đó mô hình Random Forest (RF) thể hiện sự tương quan và độ chính xác phân loại tốt nhất.

4. Mô hình cảnh báo sớm tai biến cháy rừng thí điểm tại huyện Thuận Châu hoạt động theo nguyên lý nào?

Mô hình hoạt động dựa trên sự tích hợp dữ liệu không gian tĩnh (bản đồ trọng điểm nguy cơ cháy rừng cấp huyện tỷ lệ 1:50.000) với dữ liệu động thời gian thực (các thông số nhiệt độ, độ ẩm, gió thu nhận liên tục từ 3 trạm thời tiết thông minh iMetos). Hệ thống tự động tính toán, phân cấp nguy cơ cháy và đưa ra thông tin cảnh báo trước từ 1 đến 3 ngày thông qua cổng thông tin WebGIS (http://taibienhuyentaybac) và gửi tin nhắn SMS trực tiếp đến người quản lý.

---

Kết luận

Luận án của tác giả Đặng Ngô Bảo Toàn đã giải quyết được mục tiêu khoa học và thực tiễn trong công tác đánh giá nguy cơ và cảnh báo sớm cháy rừng tại tỉnh Sơn La. Bằng việc tích hợp công nghệ viễn thám, GIS, phân tích đa tiêu chí AHP và các thuật toán học máy, công trình đã thành lập thành công hệ thống bản đồ trọng điểm nguy cơ cháy rừng ở hai cấp tỷ lệ 1:100.000 và 1:50.000. Mô hình WebGIS thử nghiệm tại huyện Thuận Châu kết nối dữ liệu trạm thời tiết tự động iMetos đã mở ra giải pháp cảnh báo sớm từ 1 đến 3 ngày, cung cấp công cụ phục vụ công tác quản lý tài nguyên và phòng cháy chữa cháy rừng trên địa bàn miền núi Tây Bắc.

Trích đoạn nội dung tài liệu

CHƯƠNG 1. TỔNG QUAN CƠ SỞ LÝ LUẬN VÀ PHƯƠNG PHÁP NGHIÊN CỨU NGUY CƠ VÀ CẢNH BÁO CHÁY RỪNG TỈNH SƠN LA TRÊN CƠ SỞ ỨNG DỤNG CÔNG NGHỆ ĐỊA THÔNG TIN 1. Tổng quan về ứng dụng công nghệ Địa thông tin trong nghiên cứu nguy cơ và cảnh báo cháy rừng Nghiên cứu về PCCCR trên Thế giới được quan tâm từ những năm đầu của thế kỷ XX. Thời kỳ đầu, chủ yếu tập trung ở các nước có nền kinh tế phát triển như Mỹ, Nga, Đức, Thụy Điển, Canada, Pháp, Úc., sau đó mở rộng ở hầu hết các nước có hoạt động lâm nghiệp.

Trong phạm vi nghiên cứu luận án tập trung tổng quan vào 2 nội dung chính là: (1) bản chất của cháy rừng và (2) phương pháp dự báo nguy cơ cháy rừng theo hướng ứng dụng CNĐTT. Công nghệ Địa thông tin Công nghệ Địa thông tin HỆ THỐNG THÔNG TIN ĐỊA LÝ (GIS) HỆ THỐNG ĐỊNH VỊ TOÀN CẦU (GPS) HỆ THỐNG VIỄN THÁM (RS) Hình 1. Các hợp phần của công nghệ Địa thông tin [21] Các kết quả nghiên cứu và ứng dụng trong thực tế trong nhiều năm đã khẳng định việc ứng dụng CNĐTT trong nghiên cứu NCCBCR là hướng đi đúng đắn đảm bảo độ chính xác cao, tính cập nhật của thông tin dự báo về mặt không gian, thời gian thực và cần một lượng kinh phí hợp lý đáp ứng tốt cho các mục tiêu dự báo cháy trên quy mô quốc gia, khu vực và toàn cầu [21, 26, 34]. Địa thông tin (Geoinformation) là thông tin về các đối tượng, hiện tượng có liên quan trực tiếp hoặc gián tiếp đến vị trí địa lý trên Trái Đất (DIN ISO 19101).

Địa 9 thông tin là đại diện của dữ liệu địa lý được mã hóa, đại diện cho một dạng dữ liệu liên quan đến địa lý được xử lý bằng công nghệ thông tin. Thuật ngữ " Địa thông tin " được đề xuất vào những năm 1980 tại Hội nghị Địa chất AGIT và GeoLIS. Đầu những năm 1990 trở nên phổ biến và đồng nghĩa với "Không gian địa lý" hay còn được gọi là "Thông tin không gian". CNĐTT (Geoinformation technology) có thể được hiểu là công nghệ thu thập, tổng hợp, phân tích, trình diễn, diễn giải, chia sẻ và quản lý các dữ liệu Địa thông tin không gian và các các dữ liệu thuộc tính có liên quan.

CNĐTT bao gồm công nghệ 3 hệ thống cơ bản (hình 1.1) đó là: Hệ thống định vị toàn cầu GPS (Global Positioning Systems), hệ thống viễn thám RS (Remote Sesing) và hệ thống thông tin địa lý GIS (Geographic Information Systems) [21, 26, 34]. Về bản chất ứng dụng trong thực tiễn, ba hệ thống nêu trên có tính độc lập và đặc thù riêng. Tuy nhiên, khi kết hợp lại với nhau đã tạo ra mối liên hệ chặt chẽ và bổ sung cho nhau theo từng ứng dụng trong các trường hợp cụ thể. Ngày nay, CNĐTT đã và đang là một trong những công nghệ thu hút sự quan tâm lớn nhất trên thế giới bên cạnh công nghệ Sinh học (Biotechnology) và công nghệ Nano (Nanotechnology).

Bằng những ưu thế của mình, CNĐTT đã nhanh chóng phổ cập trên toàn Thế giới. Hiện nay đã trở thành công cụ đắc lực, hết sức hiệu quả cho quá trình phát triển KTXH, đặc biệt là lĩnh vực quản lý tài nguyên, tai biến thiên nhiên, quản lý lưu vực và an ninh quốc phòng của mỗi quốc gia. Tình hình ứng dụng công nghệ Địa thông tin trong nghiên cứu nguy cơ và cảnh báo cháy rừng 1. Trên Thế giới Cháy rừng gây ra những tác hại đến xã hội và ảnh hưởng tiêu cực đến kinh tế, sinh thái, là nguyên nhân làm suy giảm chất lượng cuộc sống.

Trong nghiên cứu về NCCBCR việc theo dõi và quản lý tài nguyên rừng có vai trò hết sức quan trọng. Từ đầu thế kỷ 20, ảnh hàng không bắt đầu được áp dụng để khoanh vẽ các trạng thái rừng. Ảnh hàng không thường được lưu trên giấy ảnh hoặc ảnh số. Đã có nhiều nghiên cứu sử dụng ảnh hàng không để xây dựng bản đồ tài nguyên rừng ở các nước như: Canada, Mỹ và Anh.

Tuy nhiên, ảnh vệ tinh ngày nay với các đặc trưng về độ 10 phân giải không gian, phổ và thời gian kết hợp với các phương pháp phân tích hiệu quả đã đưa ra các ý tưởng tốt hơn về các mô hình theo dõi diễn biến cháy rừng. Ảnh vệ tinh với phương pháp xử lý số đã được sử dụng rộng rãi và thay thế ảnh hàng không trong xây dựng các bản đồ tài nguyên rừng phục vụ công tác điều tra và kiểm kê [55, 56]. Trong xây dựng các bản đồ phân loại rừng phục vụ cho công tác nghiên cứu NCCBCR, những loại ảnh viễn thám được sử dụng phổ biến gồm Landsat TM và ETM+, SPOT, MODIS, NOAA - AVHRR, IKONOS và QuickBird. Đặc điểm và khả năng ứng dụng của mỗi loại ảnh vệ tinh trên được tổng hợp ở bảng 1.

Khả năng ứng dụng ảnh vệ tinh trong phân loại lớp phủ rừng Ảnh Khả năng ứng dụng Đặc trưng kỹ thuật vệ tinh thực tế 1. Ảnh đa phổ có độ phân giải không gian thấp (Multispectral Low Resolution Sensors) Độ phân giải không gian: 250 - 1.000 m; độ rộng cảnh 330 km; chu kỳ chụp ảnh 1 - 2 ngày; ảnh có từ năm 2000 (vệ MODIS tinh Terra) hoặc năm 2002 (vệ tinh Aqua) đến nay - Phân loại lớp phủ rừng quy mô toàn cầu, châu lục. Độ phân giải không gian: 1km từ các vệ AVHRR tinh NOAA; độ rộng cảnh: 2.400 km; ảnh có từ năm 1980. Ảnh đa phổ có độ phân giải không gian trung bình (Multispectral Moderate Resolution Sensors) Độ phân giải không gian: 30 - 120 m; độ Landsat rộng cảnh: 183 km x 183 km; chu kỳ Phân loại lớp phủ rừng ở cấp MSS, TM chụp ảnh: 16 ngày; ảnh có từ năm 1972.

Landsat Độ phân giải không gian: 15 - 20 m; Phân loại lớp phủ rừng ở ETM, OLI độ rộng cảnh 183 km x 183 km; chu kỳ cấp độ quần xã hoặc một số (Landsat 7, 8) chụp ảnh: 16 ngày; ảnh có từ năm 1999 loài ưu thế có thể phân biệt đến nay. 11 Ảnh Khả năng ứng dụng Đặc trưng kỹ thuật vệ tinh thực tế Độ phân giải không gian: 15 - 90 m; Phân loại lớp phủ rừng ở ASTER độ rộng cảnh 60 x 60 km; chu kỳ chụp cấp độ quần xã hoặc một số ảnh 3-5 ngày; ảnh có từ năm 2000. Ảnh đa phổ có độ phân giải không gian cao (Multispectral High spatial Resolution Sensors) Độ phân giải không gian: từ 1,5 - 20m (với SPOT VGT là 1km); độ rộng cảnh: 60km x 60km (với SPOT VGT Phân loại lớp phủ rừng ở cấp là 1000km x 1000 km); SPOT 1, 2, 3, SPOT độ quần xã hoặc các loại cụ 4 ,5, 6 và 7 đã có ảnh tương ứng từ năm thể ở mức chi tiết. Hiện nay SPOT 1 và 3 đã ngừng cung cấp ảnh.

Độ phân không gian: 1 - 4m; độ rộng IKONOS - Phân loại lớp phủ rừng chi cảnh: 11km x 11km; chu kỳ chụp ảnh: 1, 2 tiết ở cấp độ quần xã hoặc 3 - 5 ngày; ảnh có từ năm 2. các loài cụ thể. Độ phân giải không gian: 0,6 - 2,4m; - Thường được sử dụng để độ rộng cảnh 16.5km; chu kỳ kiểm tra kết quả phân loại từ QuickBird chụp ảnh 1 - 3.5 ngày; ảnh có từ năm các nguồn ảnh khác. Ảnh siêu phổ (Hyperspectral Sensors) Ảnh có 224 kênh từ bước sóng nhìn Phân loại lớp phủ rừng chi tiết ở thấy tới sóng ngắn hồng ngoại; tùy cấp độ quần xã hoặc các loài cụ thuộc vào độ cao của máy bay mà ảnh thể; ảnh chỉ chụp theo yêu cầu 1 AVIRIS có độ phân giải không gian > 1m; độ lần, vì vậy không thích hợp với rộng cảnh > 1km; ảnh có từ năm 1987.

theo dõi diễn biến rừng. 12 Ảnh Khả năng ứng dụng Đặc trưng kỹ thuật vệ tinh thực tế Earth Ảnh có 200 kênh từ bước sóng nhìn Phân loại lớp phủ rừng chi tiết Observing- thấy tới sóng ngắn hồng ngoại; độ ở cấp độ quần xã hoặc các loài 1 ( EO-1 ) phân giải không gian 30m; ảnh có từ có thể phân biệt rõ ràng. Ngoài các loại ảnh vệ tinh nêu trên được sử dụng trong theo dõi diễn biến tài nguyên rừng, còn có các loại ảnh khác được sử dụng như: ảnh ASTER, Landsat, AVNIR2 hoặc ảnh AVIRIS với giải phổ gần liên tục trong 224 kênh. Các ảnh siêu phổ này, lưu trữ nhiều thông tin về thực vật và phân loại thực vật chính xác hơn các loại ảnh khác có cùng độ phân giải không gian [42, 51, 53, 54].

Các ứng dụng viễn thám trong nghiên cứu tài nguyên rừng bao gồm điều tra khảo sát, nghiên cứu các hệ sinh thái rừng, phát hiện điểm cháy dị thường nhiệt và thành lập bản đồ rừng. Nghiên cứu NCCBCR dựa vào đặc điểm của ảnh viễn thám và sự phát xạ của đám cháy để dự báo cháy rừng là một phương án khả thi và hoàn toàn có thể thay thế được cho các phương pháp thu thập số liệu tại chỗ. Bộ cảm trên các vệ tinh có thể thu nhận được các bức xạ bề mặt phát ra khác nhau từ các vật thể. Các vệ tinh quan sát Trái Đất với khả năng bao quát trên phạm vi rộng lớn và đa thời gian đã trở thành một công cụ quan trọng trong việc dự báo và cảnh báo cháy.

Vấn đề ứng dụng viễn thám trong quản lý, giám sát cháy rừng đã được quan tâm của nhiều quốc gia với các hệ thống trên Thế giới như: Canada với hệ thống CFFDRS (Canadian Forest Fire Danger Ration System) được phát triển để dự báo cháy từ năm 1987; tiếp theo là hệ thống GIMS (Geographical Information and Modeling System) năm 1990. ở phạm vi quốc gia đến toàn cầu [55, 58]. Các sản phẩm điểm nóng/điểm cháy (hot spot) cho chúng ta biết địa điểm xảy ra đám cháy rừng khi vệ tinh quét ảnh. Tuy nhiên, để xác định được vị trí, diện tích, phạm vi tác động của đám cháy phụ thuộc rất nhiều vào công nghệ của mỗi vệ tinh.

Trong khi đó, thông tin xác thực về sự tác động của vụ cháy đến là rất hữu ích cho rất nhiều ứng dụng môi trường bao gồm việc ước lượng khí phác thải, xác định khả 13 năng hồi phục rừng…Điều này dẫn tới sự phát triển của nhiều phương pháp xác định vùng bị cháy NBR (Burned area detection) dựa vào ảnh vệ tinh [55, 56]. Simon và cộng sự đã đề xuất phương pháp và xây dựng hệ thống GLOBSCAR để cung cấp sản phẩm vùng cháy dựa trên ảnh ATSR - 2 và AATSR bằng việc sử dụng các ngưỡng cố định hoặc ngưỡng phụ thuộc ngữ cảnh [84].