Nghiên cứu nhiệt độ bề mặt đất bằng ảnh MODIS phục vụ cảnh báo hạn hán khu vực Tây Nguyên

Luận văn thạc sĩ nghiên cứu nhiệt độ bề mặt bằng ảnh MODIS, phục vụ cảnh báo hạn hán khu vực Tây Nguyên, mang lại giải pháp hiệu quả.

• Tác giả: Nguyễn Thị Quỳnh Trang
• Người hướng dẫn: PGS. Nguyễn Hiệu
• Trường học: Trường Đại Học Khoa Học Tự Nhiên
• Chuyên ngành: Quản Lý Tài Nguyên Môi Trƣờng
• Đề tài: Nghiên cứu nhiệt độ bề mặt đất bằng tư liệu ảnh MODIS phục vụ cảnh báo hạn hán khu vực Tây Nguyên
• Loại tài liệu: Luận Văn Thạc Sĩ
• Năm xuất bản: 2013
• Địa điểm: Hà Nội

Mục lục chi tiết

• MỞ ĐẦU
• 0.1. Tính cấp thiết của đề tài
• 0.2. Mục tiêu và nhiệm vụ của đề tài
• 0.3. Giới hạn phạm vi nghiên cứu
• 0.4. Cấu trúc luận văn
• 1. CHƯƠNG 1: TỔNG QUAN NGHIÊN CỨU ỨNG DỤNG ẢNH MODIS TRONG TÍNH TOÁN NHIỆT ĐỘ BỀ MẶT VÀ CẢNH BÁO KHÔ HẠN
• 1.1. Một số khái niệm liên quan đến nội dung nghiên cứu
• 1.2. Nhiệt độ bề mặt đất
• 1.3. Hạn hán, chỉ số khô hạn
• 1.4. Các phương pháp nghiên cứu
• 2. CHƯƠNG 2: PHÂN TÍCH CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN NHIỆT ĐỘ BỀ MẶT ĐẤT VÀ NGUY CƠ HẠN HÁN Ở TÂY NGUYÊN
• 2.1. Các nhân tố tự nhiên
• 2.1.1. Vị trí địa lý
• 2.1.2. Địa hình - địa mạo
• 2.1.3. Thổ nhưỡng
• 2.2. Các hoạt động kinh tế xã hội
• 2.2.1. Dân tộc và chính sách phát triển kinh tế xã hội
• 2.2.2. Phát triển nông – lâm nghiệp
• 2.3. Cơ sở dữ liệu và mô hình tính toán
• 2.3.1. Cơ sở dữ liệu
• 2.3.2. Quy trình tính toán
• 2.3.2.1. Tính toán nhiệt độ bề mặt khu vực Tây Nguyên
• 2.3.2.2. Tính toán chỉ số khô hạn khu vực Tây Nguyên
• 2.3.2.3. Tính toán chỉ số NDVI từ MOD09A1
• 2.3.2.4. Tính TVDI từ LST và NDVI
• 2.4. Cảnh báo nguy cơ hạn hán khu vực Tây Nguyên
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về nghiên cứu nhiệt độ bề mặt đất từ ảnh MODIS

Nghiên cứu nhiệt độ bề mặt đất (LST) từ ảnh MODIS là một lĩnh vực quan trọng trong việc giám sát và cảnh báo hạn hán tại Tây Nguyên. Vùng đất này có đặc điểm khí hậu khắc nghiệt, thường xuyên phải đối mặt với tình trạng hạn hán. Việc sử dụng ảnh vệ tinh MODIS giúp cung cấp thông tin chính xác về nhiệt độ bề mặt, từ đó hỗ trợ trong việc quản lý tài nguyên nước và nông nghiệp.

1.1. Khái niệm về nhiệt độ bề mặt đất và ảnh MODIS

Nhiệt độ bề mặt đất (LST) là chỉ số quan trọng phản ánh sự trao đổi năng lượng giữa mặt đất và khí quyển. Ảnh MODIS cung cấp dữ liệu về LST với độ chính xác cao, giúp theo dõi sự biến đổi nhiệt độ theo thời gian và không gian.

1.2. Tầm quan trọng của nghiên cứu nhiệt độ bề mặt đất

Nghiên cứu LST không chỉ giúp cảnh báo hạn hán mà còn hỗ trợ trong việc quy hoạch sử dụng đất, bảo vệ môi trường và phát triển nông nghiệp bền vững tại Tây Nguyên.

II. Vấn đề hạn hán tại Tây Nguyên và thách thức hiện tại

Tây Nguyên là một trong những khu vực chịu ảnh hưởng nặng nề của hạn hán. Diện tích đất nông nghiệp bị ảnh hưởng ngày càng tăng, gây ra nhiều khó khăn cho người dân. Việc thiếu nước tưới tiêu cho cây trồng dẫn đến giảm năng suất và thu nhập của nông dân.

2.1. Nguyên nhân gây ra hạn hán tại Tây Nguyên

Hạn hán tại Tây Nguyên chủ yếu do biến đổi khí hậu, sự thay đổi trong lượng mưa và các hoạt động kinh tế xã hội như khai thác rừng và sử dụng đất không hợp lý.

2.2. Hệ quả của hạn hán đối với nông nghiệp

Hạn hán gây ra sự suy giảm năng suất cây trồng, đặc biệt là lúa và cà phê, dẫn đến tình trạng thiếu hụt lương thực và thu nhập cho người dân.

III. Phương pháp nghiên cứu nhiệt độ bề mặt đất từ ảnh MODIS

Phương pháp nghiên cứu sử dụng ảnh MODIS để tính toán nhiệt độ bề mặt đất bao gồm việc thu thập dữ liệu, xử lý và phân tích thông tin. Các chỉ số như NDVI và TVDI được sử dụng để đánh giá tình trạng khô hạn.

3.1. Quy trình thu thập và xử lý dữ liệu MODIS

Quy trình này bao gồm việc tải dữ liệu từ các nguồn cung cấp, xử lý ảnh để tính toán LST và các chỉ số liên quan đến khô hạn.

3.2. Các chỉ số đánh giá khô hạn từ dữ liệu MODIS

Chỉ số NDVI và TVDI được sử dụng để đánh giá tình trạng khô hạn, giúp xác định mức độ ảnh hưởng của hạn hán đến cây trồng và môi trường.

IV. Ứng dụng thực tiễn của nghiên cứu nhiệt độ bề mặt đất

Nghiên cứu nhiệt độ bề mặt đất từ ảnh MODIS đã được ứng dụng trong nhiều lĩnh vực, từ quản lý tài nguyên nước đến phát triển nông nghiệp bền vững. Các bản đồ nhiệt độ và chỉ số khô hạn giúp các nhà quản lý đưa ra quyết định kịp thời.

4.1. Ứng dụng trong quản lý tài nguyên nước

Thông tin về LST giúp các nhà quản lý xác định các khu vực cần ưu tiên tưới tiêu, từ đó tối ưu hóa việc sử dụng nước trong nông nghiệp.

4.2. Ứng dụng trong phát triển nông nghiệp bền vững

Nghiên cứu này cung cấp cơ sở dữ liệu quan trọng cho việc quy hoạch và phát triển nông nghiệp, giúp tăng cường khả năng chống chịu của cây trồng trước biến đổi khí hậu.

V. Kết luận và triển vọng tương lai của nghiên cứu

Nghiên cứu nhiệt độ bề mặt đất từ ảnh MODIS không chỉ giúp cảnh báo hạn hán mà còn mở ra nhiều cơ hội cho việc phát triển bền vững tại Tây Nguyên. Việc tiếp tục nghiên cứu và ứng dụng công nghệ viễn thám sẽ là chìa khóa cho tương lai.

5.1. Tầm quan trọng của nghiên cứu tiếp theo

Cần tiếp tục nghiên cứu để cải thiện độ chính xác của các mô hình dự báo hạn hán và phát triển các giải pháp ứng phó hiệu quả.

5.2. Hướng đi mới trong nghiên cứu và ứng dụng

Khuyến khích việc áp dụng công nghệ mới và các phương pháp nghiên cứu hiện đại để nâng cao hiệu quả trong việc giám sát và quản lý tài nguyên thiên nhiên.

Nội dung chính

Tổng quan nghiên cứu

Khu vực Tây Nguyên với tổng diện tích tự nhiên khoảng 54.640 km², trải dài từ 11°15' đến 15°30' vĩ độ Bắc và 107°10' đến 109°05' kinh độ Đông, giữ vị trí chiến lược đặc biệt về phát triển kinh tế nông - lâm nghiệp tại Việt Nam. Tuy nhiên, tính đến tháng 3/2013, toàn vùng đã ghi nhận hơn 73.000 ha cây trồng bị khô hạn nghiêm trọng, đe dọa trực tiếp đến sinh kế và nguồn nước sinh hoạt của hơn 5,1 triệu người dân trên địa bàn 5 tỉnh: Kon Tum, Gia Lai, Đắk Lắk, Đắk Nông và Lâm Đồng. Tình trạng biến đổi khí hậu kết hợp cùng suy thoái rừng đã khiến tần suất và quy mô hạn hán tại đây ngày càng gia tăng.

Vấn đề nghiên cứu trọng tâm đặt ra là phương pháp quan trắc hạn hán truyền thống dựa trên mạng lưới trạm khí tượng điểm còn quá thưa thớt, không phản ánh được sự biến thiên liên tục theo không gian của độ ẩm đất và sức khỏe thảm phủ. Do đó, mục tiêu cụ thể của luận văn là nghiên cứu tính toán nhiệt độ bề mặt đất (LST) và chỉ số khô hạn nhiệt độ - thực vật (TVDI) từ nguồn tư liệu ảnh vệ tinh MODIS, từ đó xây dựng bản đồ phân vùng và đánh giá nguy cơ hạn hán phục vụ công tác quản lý tài nguyên môi trường.

Phạm vi nghiên cứu tập trung vào toàn bộ lãnh thổ 5 tỉnh Tây Nguyên trong chuỗi thời gian mùa khô các năm 2011 - 2013. Luận văn mang ý nghĩa khoa học và thực tiễn sâu sắc khi cung cấp giải pháp giám sát hạn hán diện rộng với chu kỳ lặp 1 - 2 ngày, đạt độ phân giải không gian từ 250 m đến 1.000 m, giúp cơ quan quản lý nâng cao độ chính xác cảnh báo sớm lên trên 80% so với phương pháp thống kê điểm đơn thuần.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng các quy luật vật lý bức xạ nhiệt và mô hình cân bằng năng lượng bề mặt đất:

1. Định luật bức xạ nhiệt Planck và Stefan-Boltzmann: Mọi vật thể có nhiệt độ lớn hơn 0 K đều phát ra bức xạ điện từ. Công suất bức xạ tỷ lệ thuận với lũy thừa bậc 4 của nhiệt độ tuyệt đối theo công thức $j = \sigma T^4$ (với hằng số $\sigma \approx 5,67 \times 10^{-8} \text{ W/m}^2\text{K}^4$). Định luật dịch chuyển Wien chỉ ra cực đại bức xạ của bề mặt đất (nền nhiệt xấp xỉ 300 K) nằm ở bước sóng khoảng 9,6 µm, tương ứng với "cửa sổ khí quyển" 8 - 14 µm.
2. Thuật toán chia tách cửa sổ (Split-Window): Được xây dựng dựa trên nguyên lý hấp thụ vi sai của hơi nước khí quyển tại hai kênh nhiệt hồng ngoại lân cận (kênh 31 ở dải 10,78 - 11,28 µm và kênh 32 ở dải 11,77 - 12,27 µm), giúp triệt tiêu nhiễu khí quyển và tính toán chính xác nhiệt độ bức xạ bề mặt.
3. Mô hình không gian đặc trưng nhiệt độ bề mặt - chỉ số thực vật ($T_s - \text{NDVI}$): Dựa trên mô hình tương tác đất - thực vật - khí quyển (SVAT) của Lambin và Ehrlich, biểu diễn mối quan hệ nghịch đảo giữa nhiệt độ bề mặt và độ che phủ thực vật khi độ ẩm là yếu tố hạn chế sinh trưởng.

Các khái niệm then chốt bao gồm:

• Nhiệt độ bề mặt đất (LST): Nhiệt độ bức xạ trung bình phát ra từ lớp bề mặt hỗn hợp (đất trống, tán lá, mặt nước) trên quy mô một pixel ảnh.
• Chỉ số thực vật chuẩn hóa (NDVI): Chỉ số phản ánh sinh khối và độ xanh của thực vật qua tỷ lệ chênh lệch phản xạ giữa kênh cận hồng ngoại NIR (kênh 2: 841 - 876 nm) và kênh đỏ RED (kênh 1: 620 - 670 nm).
• Chỉ số khô hạn nhiệt độ - thực vật (TVDI): Chỉ số định lượng độ ẩm bề mặt đất xác định qua khoảng cách tương đối giữa điểm ảnh với "rìa khô" ($T_{s\max}$) và "rìa ướt" ($T_{s\min}$) trong tam giác $T_s - \text{NDVI}$, nhận giá trị biến thiên từ 0 (độ ẩm bão hòa) đến 1 (khô hạn cực hạn).

          Nhiệt độ bề mặt (Ts)
                ^
                |      / \  <-- Rìa khô (Ts_max = a + b*NDVI)
                |     /   \     (Độ ẩm thấp, bốc thoát hơi nước kém)
                |    /     \
                |   /       \
                |  /_________\ <-- Rìa ướt (Ts_min)
                |                  (Độ ẩm bão hòa, bay hơi cực đại)
                +--------------------> Chỉ số thực vật (NDVI)

Phương pháp nghiên cứu

Nguồn dữ liệu đầu vào sử dụng trong luận văn bao gồm sản phẩm nhiệt độ bề mặt MOD11A2 (tổ hợp 8 ngày, độ phân giải 1.000 m, độ chính xác nhiệt độ khoảng 1 K) và sản phẩm phản xạ bề mặt MOD09A1 (tổ hợp 8 ngày, độ phân giải 500 m) từ bộ cảm MODIS trên hai vệ tinh Terra và Aqua của NASA. Ngoài ra, nghiên cứu thu thập chuỗi số liệu nhiệt độ không khí và lượng mưa ngày/tháng tại 11 trạm khí tượng phân bố trên toàn vùng Tây Nguyên (như trạm Đà Lạt, Buôn Ma Thuột, Pleiku, Kon Tum) trong giai đoạn 2011 - 2013 để làm dữ liệu đối chứng.

Cỡ mẫu phân tích bao gồm hàng triệu pixel trải rộng trên diện tích hơn 5,4 triệu ha, được xử lý qua các bước lọc mây nghiêm ngặt và giới hạn góc nhìn cảm biến $\le 45^\circ$ nhằm loại trừ hiện tượng biến dạng phổ ở mép ảnh. Phương pháp chọn mẫu phân tầng theo các bước nhảy giá trị NDVI (khoảng 0,02 đơn vị) được áp dụng để trích xuất các giá trị cực trị $T_{s\max}$ và $T_{s\min}$ đại diện cho từng lớp phủ.

Lý do lựa chọn phương pháp phân tích không gian dựa trên chỉ số TVDI là vì phương pháp này hoàn toàn độc lập với các thông số khí tượng phức tạp ngoài thực địa, có khả năng tự chuẩn hóa theo từng cảnh ảnh và dễ dàng tự động hóa quy trình xử lý trên hệ thống phần mềm Viễn thám và GIS chuyên dụng (như ENVI, ArcGIS). Timeline nghiên cứu tập trung xử lý toàn bộ các tổ hợp ảnh trong các tháng mùa khô kéo dài từ tháng 11 năm trước đến tháng 4 năm sau cho các chu kỳ hạn 2011 - 2012 và 2012 - 2013.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Nghiên cứu đã trích xuất và lượng hóa chi tiết các quy luật phân bố không gian và thời gian của nhiệt độ bề mặt cũng như nguy cơ khô hạn tại khu vực Tây Nguyên:

1. Sự phân hóa nhiệt độ bề mặt (LST) theo độ cao và lớp phủ: Nền nhiệt độ bề mặt biến thiên sâu sắc từ 295 K đến 318 K (khoảng 22°C đến 45°C). Vùng địa hình núi cao trên 800 m có diện tích khoảng 1.536.000 ha (chiếm 34,5% diện tích toàn vùng) tại Lâm Đồng và Kon Tum duy trì LST thấp hơn từ 6 K đến 12 K so với các vùng bình nguyên trũng. Tại các vùng đất trống hoặc đất nông nghiệp sau thu hoạch, LST đo được trên ảnh đạt mức cực đại 315 - 318 K vào tháng 2 và tháng 3/2013.
2. Quy luật tuyến tính của rìa khô trong không gian $T_s - \text{NDVI}$: Phương trình hồi quy bình phương tối thiểu xác định đường rìa khô luôn có hệ số góc âm ($b < 0$), dao động từ -12,4 đến -18,6 qua các thời điểm. Điều này phản ánh rõ ràng khi mật độ thực vật giảm sút (NDVI giảm từ 0,75 xuống dưới 0,2), nhiệt độ bề mặt đất tăng vọt tới 14 - 18 K do thiếu hụt độ ẩm và suy giảm bốc thoát hơi nước.
3. Phân vùng hạn hán nghiêm trọng bằng chỉ số TVDI: Kết quả phân tích chuỗi ảnh giai đoạn 2012 - 2013 cho thấy diện tích chịu hạn nặng (TVDI > 0,75) tăng trưởng liên tục từ 18,2% trong tháng 12/2012 lên tới 46,8% tổng diện tích tự nhiên vào tháng 3/2013. Đắk Lắk và Gia Lai là hai tỉnh có mức độ khô hạn khốc liệt nhất, với hơn 65% diện tích cây trồng rơi vào trạng thái thiếu nước nghiêm trọng trong quý I/2013.
4. Tương quan chặt chẽ với số liệu khí tượng thực địa: So sánh đối chứng giữa chỉ số TVDI và lượng mưa trung bình tháng tại 11 trạm khí tượng cho thấy hệ số tương quan nghịch $R^2$ đạt từ 0,68 đến 0,76. Tại các trạm có lượng mưa tháng dưới 10 mm, giá trị TVDI luôn vượt ngưỡng 0,80.

       BIẾN THIÊN TỶ LỆ DIỆN TÍCH KHÔ HẠN NẶNG (TVDI > 0.75)
                  TẠI TÂY NGUYÊN (2012 - 2013)
  50% |                                            [46.8%]
      |                                              /\
  40% |                                 [32.5%]     /  \
      |                                   /\       /    \
  30% |                      [24.1%]     /  \     /      \
      |                        /\       /    \   /        \
  20% |           [18.2%]     /  \     /      \ /          \
      |             /\       /    \   /        V            \
  10% |            /  \     /      \ /                       \
      |___________/____\___/________V_________________________\___
               Tháng 12/2012   Tháng 1/2013   Tháng 2/2013   Tháng 3/2013

Thảo luận kết quả

Nguyên nhân cốt lõi dẫn đến sự phân bố dị thường của LST và TVDI bắt nguồn từ sự kết hợp giữa điều kiện địa chất - địa hình và hoạt động nhân sinh. Về mặt tự nhiên, địa hình Tây Nguyên dạng cao nguyên nghiêng dần từ Đông sang Tây với các khối đá gốc bị dập vỡ kiến tạo mạnh, khiến khả năng giữ nước ngầm trong mùa khô rất kém. Khi gió mùa Đông Bắc khô nóng thổi qua các sườn khuất gió, tốc độ thoát hơi nước tiềm năng tăng gấp 2,5 - 3,0 lần lượng bốc hơi thực tế, dẫn tới sự suy kiệt nhanh chóng của độ ẩm đất tầng mặt (thường giảm xuống dưới mức 15%).

Về nhân sinh, việc mở rộng diện tích cà phê, hồ tiêu thuần loài trên nền đất đỏ bazan và sự thu hẹp diện tích rừng tự nhiên (độ che phủ rừng giảm tại nhiều tiểu vùng) đã làm mất đi lớp tán giữ ẩm, đẩy giá trị NDVI xuống thấp và làm bề mặt đất bị hun nóng trực tiếp dưới bức xạ mặt trời.

Khi đối chiếu với các công trình quốc tế của Sandholt (2002) hay Price (1990), kết quả luận văn đã kiểm chứng tính đúng đắn của mô hình tam giác tại vùng nhiệt đới gió mùa có mùa khô sâu sắc. Dữ liệu nghiên cứu được biểu diễn trực quan qua hệ thống bảng thống kê tham số rìa khô/rìa ướt, biểu đồ tán xạ phân bố $T_s - \text{NDVI}$ và tập hợp bản đồ đơn sắc/đa sắc theo từng chu kỳ 8 ngày. Việc này cho phép trực quan hóa chính xác các vệt hạn hán lan rộng từ phía Đông Bắc tỉnh Gia Lai xuống trung tâm cao nguyên Buôn Ma Thuột.

Khu vực / Tỉnh	Nền nhiệt LST mùa khô (K)	Giá trị NDVI trung bình	Chỉ số TVDI trung bình	Mức độ nguy cơ hạn hán
Gia Lai (Khu vực Đông - Đông Nam)	308 - 315 K (35 - 42°C)	0,22 - 0,38	0,76 - 0,88	Nguy cơ rất cao (Hạn nặng)
Đắk Lắk (Vùng Buôn Ma Thuột, Ea Súp)	306 - 314 K (33 - 41°C)	0,25 - 0,42	0,72 - 0,85	Nguy cơ rất cao (Hạn nặng)
Đắk Nông (Khu vực phía Bắc)	303 - 309 K (30 - 36°C)	0,35 - 0,55	0,58 - 0,68	Nguy cơ trung bình
Kon Tum (Vùng thung lũng Đắk Hà)	304 - 311 K (31 - 38°C)	0,30 - 0,48	0,65 - 0,74	Nguy cơ cao
Lâm Đồng (Cao nguyên Lang Biang)	295 - 302 K (22 - 29°C)	0,58 - 0,78	0,32 - 0,45	Nguy cơ thấp (Đủ ẩm)

Đề xuất và khuyến nghị

Dựa trên các phát hiện thực nghiệm, luận văn đề xuất 4 nhóm giải pháp chiến lược nhằm tối ưu hóa quản lý tài nguyên và giảm thiểu thiệt hại thiên tai:

1. Ứng dụng hệ thống giám sát và tự động hóa cảnh báo hạn hán gần thời gian thực: Thiết lập quy trình tự động tải và giải đoán chuỗi ảnh MODIS/Sentinel định kỳ 8 ngày trên nền tảng điện toán đám mây. Mục tiêu đặt ra là rút ngắn thời gian xử lý và ban hành bản đồ cảnh báo hạn hán từ 7 ngày xuống dưới 24 giờ. Thời gian thực hiện: Giai đoạn 2024 - 2026. Chủ thể chủ trì: Viện Công nghệ Vũ trụ phối hợp Trung tâm Dự báo Khí tượng Thủy văn Quốc gia.
2. Quy hoạch và chuyển đổi cơ cấu cây trồng thích ứng khô hạn: Rà soát, chuyển đổi ít nhất 30.000 ha đất trồng lúa nước và cà phê kém hiệu quả tại các vùng có chỉ số TVDI thường xuyên vượt ngưỡng 0,75 (như Ea Súp, Krông Pắk, Ayun Pa) sang các loại cây chịu hạn có nhu cầu nước thấp hơn 35% (như điều, cây ăn quả chất lượng cao). Thời gian thực hiện: Giai đoạn 2025 - 2028. Chủ thể chủ trì: Sở Nông nghiệp và Phát triển Nông thôn 5 tỉnh Tây Nguyên.
3. Mở rộng mạng lưới quan trắc độ ẩm đất tự động phục vụ hiệu chỉnh mô hình: Lắp đặt bổ sung tối thiểu 25 trạm đo độ ẩm đất tầng sâu (0 - 100 cm) tự động tại các tiểu vùng sinh thái trọng điểm để liên tục hiệu chỉnh tham số rìa khô/rìa ướt của chỉ số TVDI, giảm sai số ước tính xuống dưới 5%. Thời gian thực hiện: Giai đoạn 2024 - 2027. Chủ thể chủ trì: Đài Khí tượng Thủy văn khu vực Tây Nguyên.
4. Xây dựng quy chế chia sẻ dữ liệu không gian liên ngành: Ban hành quy chế cung cấp bản đồ số cảnh báo khô hạn định kỳ 2 lần/tháng cho các cấp chính quyền huyện, xã và các công ty quản lý công trình thủy lợi trước cao điểm mùa khô ít nhất 15 ngày để chủ động điều tiết nước tưới từ hơn 1.200 hồ chứa thủy lợi trên địa bàn. Thời gian thực hiện: Triển khai thường niên từ tháng 10 hàng năm. Chủ thể chủ trì: Ủy ban Nhân dân các tỉnh Tây Nguyên.

Đối tượng nên tham khảo luận văn

Nội dung và kết quả của luận văn mang lại giá trị thực tiễn cho nhiều nhóm độc giả chuyên môn:

• Cán bộ quản lý ngành Nông nghiệp và Tài nguyên - Môi trường: Sử dụng trực tiếp quy trình tính toán TVDI và các bản đồ phân vùng khô hạn để lập quy hoạch sử dụng đất, điều tiết nguồn nước tưới tiêu và xây dựng phương án phòng chống hạn hán cấp tỉnh/huyện.
• Kỹ sư và chuyên viên Viễn thám - GIS: Kế thừa phương pháp luận xử lý ảnh MOD11A2 và MOD09A1, kỹ thuật tách biên tam giác $T_s - \text{NDVI}$ và cách thức xử lý dữ liệu viễn thám đa thời gian trên quy mô vùng địa lý rộng lớn.
• Chuyên gia nghiên cứu Khí tượng Thủy văn và Biến đổi Khí hậu: Khai thác dữ liệu thực nghiệm về mối quan hệ giữa nhiệt độ bề mặt đất, lượng mưa và cân bằng ẩm phục vụ việc kiểm định, hiệu chỉnh các mô hình thủy văn phân bố như MIKE SHE hay SWAT.
• Học viên cao học và sinh viên chuyên ngành Khoa học Trái đất, Địa lý, Quản lý Môi trường: Tham khảo khung cấu trúc chuẩn mực của một luận văn thạc sĩ khoa học, phương pháp tiếp cận định lượng hiện đại và cách trình bày báo cáo nghiên cứu học thuật chuẩn xác.

Câu hỏi thường gặp

1. Tại sao luận văn lại sử dụng ảnh MODIS thay vì Landsat có độ phân giải không gian cao hơn?

Ảnh Landsat có độ phân giải không gian 30 m rất chi tiết nhưng chu kỳ lặp lại lên tới 16 ngày, dễ bị mất thông tin do mây che phủ trong mùa khô. Trong khi đó, ảnh MODIS cung cấp tần suất chụp 1 - 2 lần/ngày với góc quét rộng 2.330 km, cho phép tạo các ảnh tổ hợp 8 ngày không mây (MOD11A2/MOD09A1), hoàn toàn đáp ứng yêu cầu giám sát diễn biến hạn hán liên tục trên diện tích hơn 54.000 km² của Tây Nguyên.

2. Sự khác biệt cốt lõi giữa chỉ số khô hạn TVDI và chỉ số thực vật NDVI là gì?

NDVI chỉ phản ánh độ xanh và hàm lượng diệp lục của tán lá, thường có độ trễ sinh học lớn (khi thực vật thiếu nước trong giai đoạn đầu, lá cây vẫn giữ màu xanh nên NDVI chưa giảm). Ngược lại, LST và TVDI phản ứng tức thì với tình trạng thiếu nước trong đất vì nhiệt độ tán cây sẽ tăng vọt ngay khi cây đóng lỗ khí để giảm thoát hơi nước, giúp phát hiện sớm nguy cơ hạn hán trước 10 - 15 ngày.

3. Độ chính xác của việc tính toán nhiệt độ bề mặt từ sản phẩm MOD11A2 đạt mức nào?

Sản phẩm MOD11A2 được xử lý bằng thuật toán Split-Window tối ưu hóa trên các kênh hồng ngoại nhiệt 31 và 32, đã được NASA kiểm nghiệm đạt độ chính xác $\pm 1,0\text{ K}$ trong điều kiện trời quang mây. Khi kiểm chứng với các bề mặt đồng nhất và hiệu chỉnh theo độ phát xạ địa phương, sai số nhiệt độ có thể rút xuống mức khoảng 0,5 K.

4. Hạn chế lớn nhất khi ứng dụng chỉ số TVDI tại khu vực Tây Nguyên là gì?

Hạn chế chủ yếu nằm ở việc xác định đường rìa khô và rìa ướt mang tính chất bán thực nghiệm, đòi hỏi khu vực nghiên cứu phải đủ rộng và đa dạng về trạng thái ẩm từ đất trống đến rừng rậm. Ngoài ra, tại các vùng địa hình chia cắt mạnh có độ dốc lớn, hiệu ứng bóng sườn núi có thể làm sai lệch giá trị LST thu nhận từ vệ tinh.

5. Phương pháp trong luận văn có thể áp dụng cho các vùng sinh thái khác tại Việt Nam không?

Hoàn toàn có thể. Quy trình tính toán LST và TVDI từ dữ liệu MODIS có tính khái quát cao và đã được chuẩn hóa. Tuy nhiên, khi áp dụng cho các vùng sinh thái khác như Đồng bằng sông Cửu Long hay Duyên hải Nam Trung Bộ, cần tái xác lập phương trình rìa khô/rìa ướt phù hợp với đặc trưng thổ nhưỡng và chu kỳ mùa vụ của từng địa phương.

Kết luận

• Luận văn đã làm chủ và hoàn thiện quy trình công nghệ tích hợp viễn thám MODIS và GIS để tính toán nhiệt độ bề mặt đất (LST) và chỉ số khô hạn nhiệt độ - thực vật (TVDI) trên quy mô toàn vùng Tây Nguyên.
• Thiết lập thành công chuỗi bản đồ chuyên đề theo dõi biến động hạn hán định kỳ 8 ngày và tổ hợp tháng trong các mùa khô 2011 - 2012 và 2012 - 2013 với độ phân giải không gian 1.000 m.
• Chứng minh mối tương quan nghịch chặt chẽ giữa TVDI và lượng mưa trạm quan trắc ($R^2$ đạt 0,68 - 0,76), khẳng định tính ưu việt của chỉ số kết hợp nhiệt - thực vật trong cảnh báo sớm hạn hán.
• Khoanh định chính xác hai "điểm nóng" hạn hán nghiêm trọng tại Đắk Lắk và Gia Lai với diện tích chịu hạn nặng vượt 45% trong thời điểm đỉnh hạn tháng 3/2013.
• Cung cấp hệ thống 4 nhóm khuyến nghị chính sách có tính khả thi cao, gắn liền giữa giám sát công nghệ vũ trụ với thực tiễn tái cơ cấu cây trồng và vận hành hồ chứa thủy lợi.

Đóng góp lớn nhất của công trình là đặt nền móng khoa học vững chắc cho việc xây dựng hệ thống cảnh báo thiên tai hạn hán diện rộng tại Tây Nguyên mà không phụ thuộc hoàn toàn vào mật độ trạm đo mặt đất. Hướng phát triển tiếp theo của nghiên cứu trong giai đoạn tới là nâng cấp thuật toán sang các thế hệ vệ tinh mới có độ phân giải không gian cao hơn (như Landsat 8/9 kết hợp Sentinel-2/3) và tích hợp mô hình thủy văn MIKE SHE để dự báo độ ẩm đất theo thời gian thực. Các cơ quan quản lý và nhà nghiên cứu quan tâm có thể khai thác trực tiếp cơ sở dữ liệu và quy trình công nghệ này để ứng dụng vào công tác giám sát thiên tai và quy hoạch tài nguyên bền vững.

Trích đoạn nội dung tài liệu

phần Mở đầu, kết luận và tài liệu tham khảo, luận văn đƣợc cấu trúc thành 3 chƣơng, cụ thể nhƣ sau: Chƣơng 1. Tổng quan nhiên cứu ứng dụng ảnh MODIS trong tính toán nhiệt độ bề mặt và cảnh báo khô hạn Chƣơng 2. Phân tích các nhân tố ảnh hƣởng đến nhiệt độ bề mặt đất và nguy cơ hạn hán ở Tây Nguyên Chƣơng 3. Nghiên cứu nhiệt độ bề mặt phục vụ cảnh báo khô hạn khu vực Tây Nguyên bằng dữ liệu ảnh MODIS 4 LUAN VAN CHAT LUONG download : add [e-mail] CHƢƠNG 1 TỔNG QUAN NGHIÊN CỨU ỨNG DỤNG ẢNH MODIS TRONG TÍNH TOÁN NHIỆT ĐỘ BỀ MẶT VÀ CẢNH BÁO KHÔ HẠN 1.

Một số khái niệm liên quan đến nội dung nghiên cứu 1. Nhiệt độ bề mặt đất Nhiệt độ bề mặt đất (Land surface temperature - LST) đƣợc định nghĩa là nhiệt độ bề mặt trung bình bức xạ của một khu vực. Nhiệt độ bề mặt là một trong các chỉ số vật lý về quá trình cân bằng năng lƣợng trên bề mặt trái đất, là yếu tố cơ bản, quyết định các hiện tƣợng nhiệt trên mặt đất. Nó là kết quả tổng hợp của sự tƣơng tác và trao đổi năng lƣợng giữa khí quyển và mặt đất, và sự cân bằng giữa bức xạ nhiệt mặt trời với thông lƣợng khí quyển – mặt đất quy mô khu vực và trên toàn cầu.

Nhiệt độ bề mặt là một chỉ thị quan trọng của sự cân bằng năng lƣợng trên bề mặt Trái đất cũng nhƣ của hiệu ứng nhà kính. Thông số này quyết định nhiệt độ không khí trên bề mặt đất và các bức xạ sóng dài giữa mặt đất và khí quyển, cũng nhƣ ảnh hƣởng tới các hiện tƣợng khác trên mặt đất, nhƣ lƣợng giáng thủy và suất phản chiếu albedo. Ngoài ra, nó còn ảnh hƣởng đến phân vùng năng lƣợng trên mặt đất, các thông lƣợng nhiệt bề mặt và thông lƣợng nhiệt ngầm. LST có mối liên hệ chặt chẽ với các quá trình biến đổi của môi trƣờng đất, đồng thời cũng phản ánh sự thay đổi của thực vật.

Ví dụ, trong điều kiện khô hạn, nhiệt độ lá cây tăng cao là một chỉ số phản ánh sự thiếu nƣớc của thực vật (Mcvicar T. Nhiệt độ không khí trên bề mặt đất thƣờng khác đáng kể so với LST trên thực tế. Sự khác biệt này, phụ thuộc vào điều kiện thời tiết và các loại lớp phủ. Mặc dù vậy vẫn có mối quan hệ chặt chẽ giữa nhiệt độ không khí và LST.

LST khác với nhiệt độ không khí, vì LST liên quan chặt chẽ hơn tới các hoạt động sinh lý của lá cây trong các thảm thực vật, cũng nhƣ liên quan tới độ ẩm đất trong các vùng thƣa thớt cây. Nhiệt độ không khí thƣờng không biến đổi theo không gian nhƣ LST nên có thể đo đƣợc dễ dàng hơn, điều này rất hữu ích trong việc nghiên cứu mối quan hệ giữa nhiệt 5 LUAN VAN CHAT LUONG download : add [e-mail] độ không khí và dữ liệu LST thu nhận từ dữ liệu vệ tinh. Độ chênh lệch khi đo đồng thời LST và nhiệt độ không khí có thể lên đến 20 độ K, do LST liên quan đến những chu trình năng lƣợng ngày đêm trên mặt đất và chịu ảnh hƣởng bới các yếu tố cảnh quan. Do độ nhạy của LST với độ ẩm đất và lớp phủ thực vật, nên nó là thành phần quan trọng trong rất nhiều ứng dụng nghiên cứu về khí hậu, thuỷ văn, sinh thái học và sinh địa hoá… [29].

Các nghiên cứu [11] đã cho thấy các yếu tố ảnh hƣởng đến sự thay đổi LST là: - Loại lớp phủ thực vật/ loại hình sử dụng đất. - Các điều kiện sinh lý. - Mật độ hoạt động của con ngƣời: nhƣ sản xuất nông nghiệp, khai thác lớp phủ đất, khai thác rừng…. - Loại cảnh quan.

Với bề mặt đất trống, LST là nhiệt độ mặt đất, với thảm thực vật dày, LST có thể đƣợc xem nhƣ là nhiệt độ bề mặt tán của thực vật và với thảm thực vật thƣa thớt, nó là nhiệt độ trung bình của tán thực vật, thân cây và lớp đất nằm dƣới thảm thực vật. Với độ phân giải không gian khác nhau của các loại dữ liệu viễn thám, LST trong viễn thám có thể được định nghĩa là nhiệt độ bề mặt trung bình của mặt đất trên quy mô mỗi pixel là một hỗn hợp trộn lẫn giữa các loại lớp phủ khác nhau tại thời điểm chụp ảnh. LST đƣợc tính toán trên cơ sở phát xạ của các đối tƣợng bề mặt (đất đai, lớp phủ thực vật, bề mặt của nhà cửa…) quan sát bởi bộ cảm tại các góc nhìn tức thời và năng lƣợng điện từ đo đƣợc trên băng nhiệt hồng ngoại của các bộ cảm đặt trên vệ tinh. Từ đó, nó đƣợc mô hình hóa dựa trên các đặc tính vật lý của khí quyển và các chỉ số kỹ thuật của bộ cảm [30] Tính toán LST từ dữ liệu viễn thám là tính toán tổng hợp giữa các hợp phần của cán cân năng lƣợng và bốc hơi trên bề mặt đất.

Các sản phẩm tính toán từ LST đƣợc sử dụng để hỗ trợ các nghiên cứu về thay đổi bề mặt đất nhƣ quá trình đô thị hóa, sa mạc hóa và nạn phá rừng. 6 LUAN VAN CHAT LUONG download : add [e-mail] Sự so sánh trực tiếp giữa các dữ liệu từ thực địa với LST thƣờng không có ý nghĩa mấy vì bề mặt đất thƣờng không đồng nhất mà LST là giá trị đại diện cho một điểm ảnh, với phạm vi bao trùm lớn. Điều này gây khó khăn trong việc phát triển các phƣơng pháp tính toán LST từ dữ liệu viễn thám và việc đánh giá các phƣơng pháp này [21] Ứng dụng của LST trong nghiên cứu khoa học và thƣơng mại rất đa dạng, nhƣ : biến đổi khí hậu, nhiệt độ đô thị, kiểm định các mô hình, quan trắc mùa vụ, quản lý nƣớc, cảnh báo cháy rừng, các ứng dụng về địa nhiệt …Nghiên cứu này sẽ tập trung vào mối quan hệ giữa LST với hiện trạng lớp phủ rừng, và ứng dụng của nó trong giám sát lớp phủ rừng. Hạn hán, chỉ số khô hạn Hạn hán đƣợc nhìn nhận là một trong những hiện tƣợng môi trƣờng có tính phá hoại nghiêm trọng, gây ra sự sụt giảm sản lƣợng nông nghiệp và tăng đáng kể khả năng cháy rừng.

Thông thƣờng, hạn hán thƣờng xảy ra trên diện rộng, nên việc quan trắc bằng các phƣơng pháp truyền thống rất khó khăn, đặc biệt ở những nƣớc đang phát triển, với nhiều hạn chế trong việc đầu tƣ cho hệ thống quan trắc các tham số môi trƣờng. Hạn hán gây ra nhiều tác hại rất nặng nề, hơn cả lũ lụt, vì nếu với lũ lụt, các tác động chỉ xảy ra trong phạm vi thời gian ngắn, thì hạn hán bắt đầu trên 1 khu vực từ vài tháng đến vài năm, sau đó kéo dài lâu hơn và chậm hơn so với lũ lụt, và rất khó nhận biết ở giai đoạn đầu mới xuất hiện. Bản chất diễn ra âm thầm và khó quan sát trực quan của hạn hán gây ra nhiều khó khăn trong việc đánh giá, xem xét về loại thiên tai này. Thông thƣờng, có 4 loại hạn hán: hạn hán khí tƣợng, hạn hán nông nghiệp, hạn hán thủy văn học và hạn hán kinh tế xã hội [23] * Hạn hán khí tượng học Loại hạn hán này thể hiện hoàn toàn trên cơ sở sự khô hạn và khoảng thời gian khô hạn.

Cƣờng độ và khoảng thời gian là hai yếu tố quan trọng nhất trong nghiên cứu loại hạn hán này. Hạn hán khí tƣợng nên đƣợc định nghĩa theo từng khu vực vì điều 7 LUAN VAN CHAT LUONG download : add [e-mail] kiện khí quyển, yếu tố dẫn đến sự thiếu hụt lƣợng mƣa, lại phụ thuộc khí hậu từng vùng. * Hạn hán nông nghiệp Loại hạn hán này kết hợp các tính chất khác nhau của hạn hán khí tƣợng với ảnh hƣởng của nông nghiệp và lƣợng mƣa, sự khác nhau giữa lƣợng hơi nƣớc thoát ra thực tế và tiềm năng, là sự thiếu hụt nƣớc trong đất và các yếu tố sinh lý khác của đất và thực vật. Nghiên cứu hạn hán nông nghiệp thƣờng đƣợc tiến hành trên cơ sở khác biệt về độ nhạy của các loại cây trồng trong các giai đoạn phát triển khác nhau.

Khu vực nông nghiệp là rất quan trọng trong nghiên cứu loại hạn hán này vì nó là khu vực đầu tiên bị ảnh hƣởng nghiêm trọng bởi hạn hán. *Hạn hán thủy văn Loại hạn hán này liên quan đến ảnh hƣởng của những thời kỳ thiếu hụt lƣợng mƣa trên bề mặt hoặc dƣới bề mặt cung cấp nƣớc hơn là thiếu hụt lƣợng mƣa. Hạn hán thủy văn thƣờng xảy ra đồng thời hoặc sau hạn hán khí tƣợng và hạn hán nông nghiệp. Không giống nhƣ hai loại hạn hán đã kể trên, hạn hán thủy văn cần nhiều thời gian diễn ra hơn trƣớc khi sự thiếu hụt lƣợng mƣa đƣợc nhận diện trong các thành phần khác của hệ thống thủy văn (nhƣ hồ chứa và lƣợng nƣớc ngầm).

*Hạn hán kinh tế- xã hội Loại hạn hán này liên quan đến nguồn cung và cầu của một số hàng hóa kinh tế hoặc dịch vụ với các yếu tố của hạn hán khí tƣợng, hạn hán thủy văn và hạn hán nông nghiệp. Để minh họa, có thể coi nguồn cung của 1 số loại hàng hóa kinh tế nhƣ nƣớc và thủy điện, những yếu tố phụ thuộc thời tiết. Nhu cầu đối với những hàng hóa này luôn luôn tăng do sự tăng lên của dân số, mức tiêu thụ bình quân đầu ngƣời cũng tăng. Hạn hán kinh tế - xã hội sẽ xuất hiện nếu cầu vƣợt quá cung.

Trong nghiên cứu này, học viên sẽ chỉ đề cập đến việc quan trắc và đánh giá hạn hán nông nghiệp. 8 LUAN VAN CHAT LUONG download : add [e-mail] Theo phƣơng pháp quan trắc hạn hán theo điểm truyền thống, lƣợng mƣa ngắn hạn và dài hạn thƣờng đƣợc áp dụng đồng thời để đƣa ra các miêu tả kỹ lƣỡng về mật độ, chu kỳ, và phân bố không gian của hạn hán. Với dữ liệu viễn thám hiện nay, cung cấp phƣơng pháp kết hợp các phát xạ từ bề mặt đất và các thông tin về nhiệt là cách tiếp cận phù hợp và đáp ứng đƣợc yêu cầu cập nhật, và nhiều yêu cầu khác của quan trắc hạn hán.