Tổng quan luận án
Luận án tiến sĩ chuyên ngành Khoa học máy tính (mã số: 9480101.01) của nghiên cứu sinh Trần Tuấn Vinh, được thực hiện tại Trường Đại học Công nghệ – Đại học Quốc gia Hà Nội năm 2024, dưới sự hướng dẫn khoa học của GS. Nguyễn Thanh Thuỷ và PGS. Nguyễn Thị Nhật Thanh, mang tiêu đề: "Nghiên cứu phương pháp xác định nguồn phát thải, độ sâu quang học của sol khí và dự đoán nồng độ bụi PM2.5 từ dữ liệu viễn thám và dữ liệu quan trắc".
Ô nhiễm không khí đang là vấn đề môi trường cấp bách trên phạm vi toàn cầu cũng như tại Việt Nam, đặc biệt là ô nhiễm bụi mịn ($PM_{2.5}$) và các khí độc hại ($NO_2, SO_2$). Sự gia tăng dân số, đô thị hóa và phát triển công nghiệp nhanh chóng đã phát thải khối lượng lớn các chất gây ô nhiễm vào khí quyển. Tuy nhiên, việc giám sát chất lượng không khí dựa trên mạng lưới trạm quan trắc mặt đất truyền thống gặp phải rào cản lớn do số lượng trạm thưa thớt, chi phí đầu tư cao và không phản ánh được tính biến thiên liên tục trong không gian. Viễn thám vệ tinh cung cấp phạm vi quan sát rộng lớn, nhưng các phương pháp ước tính độ sâu quang học của sol khí ($AOD$) hiện hành thường có độ phân giải không gian thấp ($10\text{ km}, 3\text{ km}, 1\text{ km}$), phụ thuộc vào giả định bề mặt tối ($DDV$) hoặc phải dựa vào ảnh tham chiếu sạch, gây hạn chế nghiêm trọng khi áp dụng cho các bề mặt đô thị sáng màu và phức tạp. Đồng thời, việc phân loại sol khí đa tầng bằng LIDAR viễn thám chưa được nghiên cứu hệ thống tại Việt Nam, và các phương pháp kiểm kê phát thải đốt phụ phẩm nông nghiệp (rơm rạ) gián tiếp từ trước đến nay thường bỏ sót lượng gốc rạ thực địa, dẫn đến đánh giá thấp lượng phát thải thực tế.
Luận án tập trung giải quyết 3 mục tiêu nghiên cứu chính:
- Nghiên cứu và đề xuất phương pháp xác định nguồn phát thải của các thành phần gây ô nhiễm không khí từ dữ liệu vệ tinh và dữ liệu thực địa.
- Nghiên cứu và phát triển thuật toán ước tính độ sâu quang học của sol khí từ vệ tinh có độ phân giải cao ($30\text{ m}$).
- Nghiên cứu và đề xuất mô hình dự đoán nồng độ $PM_{2.5}$ dựa vào $AOD$ tại khu vực đô thị, khu công nghiệp.
Phạm vi nghiên cứu của luận án bao gồm:
- Đối tượng nghiên cứu: Nguồn phát thải không khí (sol khí đa tầng, khí $NO_2$, phát thải đốt rơm rạ); độ sâu quang học của sol khí ($AOD$); nồng độ vật chất dạng hạt ($PM_{2.5}$); dữ liệu viễn thám và dữ liệu khí tượng mô phỏng.
- Phạm vi không gian: Lãnh thổ Việt Nam (phân tích sol khí qua 3 trạm đại diện miền Bắc, Trung, Nam gồm Nghĩa Đô, Nha Trang, Bạc Liêu và mật độ $NO_2$ toàn quốc); khu vực đồng ruộng hai vụ lúa tại Hà Nội (khảo sát thực địa đốt rơm rạ); khu vực đô thị Hà Nội (ước tính $AOD$ Landsat 8); khu vực tập trung đô thị, công nghiệp và làng nghề tại tỉnh Bắc Ninh (dự đoán $PM_{2.5}$).
- Phạm vi thời gian: Dữ liệu chuỗi thời gian $CALIPSO$ giai đoạn 2006–2015 và 2016–2019; dữ liệu vệ tinh $Sentinel\text{-}5P$ trong giai đoạn giãn cách xã hội do dịch COVID-19 năm 2020; dữ liệu quan trắc thực địa sau thu hoạch lúa; chuỗi dữ liệu trạm quan trắc mặt đất tại Bắc Ninh giai đoạn 2020–2021 và số liệu $TSP$ giai đoạn 2016–2021; dữ liệu khí hậu $NCEP/DOE$ giai đoạn 1979–2014.
Tổng quan tài liệu và vị trí của luận án
Luận án đã tổng thuật chi tiết các hướng nghiên cứu trong nước và quốc tế liên quan đến ba trục nội dung chính:
- Xác định nguồn phát thải và phân loại sol khí từ viễn thám: Các công trình của Borrell và cộng sự (2003), Martin (2008), Palmer (2008), Hoff và Christopher (2009) khẳng định tiềm năng của viễn thám tầng đối lưu trong giám sát phát thải. Về phân loại sol khí, Omar và cộng sự (2009) công bố thuật toán phân loại tự động cho cảm biến $CALIOP$ trên vệ tinh $CALIPSO$ (phiên bản 3), sau đó được nâng cấp ở phiên bản 4 bởi Kim và cộng sự (2018). Các nghiên cứu của Marinou và cộng sự (2017), Eguchi và cộng sự (2009) áp dụng dữ liệu $CALIPSO$ theo dõi sự vận chuyển 3 chiều của bụi khoáng qua các lục địa. Về phát thải khí $NO_2$, Beirle và cộng sự (2011) và Kanniah và cộng sự (2020) đã phân tích dữ liệu vệ tinh để đánh giá biến động phát thải công nghiệp và giao thông, đặc biệt trong giai đoạn suy giảm hoạt động do dịch COVID-19. Về kiểm kê phát thải sinh khối, các công trình của Streets và cộng sự (2003), Bond và cộng sự (2004), Yan và cộng sự (2006), Vadrevu và cộng sự (2012, 2015), Kanokkanjana và cộng sự (2011), Kim Oanh và cộng sự (2011) chủ yếu tính toán dựa trên số liệu thống kê sản xuất nông nghiệp gián tiếp.
- Thuật toán ước tính độ sâu quang học của sol khí ($AOD$): Kaufman và cộng sự (1997), Remer và cộng sự (2005), Levy và cộng sự (2007, 2010, 2013) xây dựng thuật toán mục tiêu tối (Dark Target - DT) cho cảm biến $MODIS$ ở độ phân giải $10\text{ km}$ và $3\text{ km}$. Để tăng độ phân giải, Bilal và cộng sự (2013) phát triển thuật toán $SARA$ ($500\text{ m}$); Li và cộng sự (2014) cải tiến phương pháp $DDV$ trên $MODIS$. Đối với ảnh độ phân giải cao ($30\text{ m}$), Lou và cộng sự (2015), Sun và cộng sự (2015), Lin và cộng sự (2021) đề xuất các biến thể thuật toán cho Landsat nhưng thường phụ thuộc bảng tra cứu ($LUT$) hoặc gặp sai số trên bề mặt đô thị. Các phương pháp của Tanré và cộng sự (1988), Sifakis và Deschamps (1992), Liu và cộng sự (2002) dựa trên hiệu ứng làm mờ so với ảnh tham chiếu sạch, bộc lộ nhược điểm lớn khi tìm kiếm ảnh tham chiếu không ô nhiễm tại các vùng đô thị.
- Mô hình hóa và dự đoán nồng độ $PM_{2.5}$ từ $AOD$: van Donkelaar và cộng sự (2010, 2016), Liu và cộng sự (2004, 2009), Wang và Christopher (2003), Gupta và Christopher (2009) thiết lập tương quan giữa $AOD$ vệ tinh và $PM_{2.5}$. Các nghiên cứu sau đó kết hợp biến khí tượng lớp biên ($PBLH$), độ ẩm, nhiệt độ, áp suất thông qua mô hình thống kê không gian ($GWR$), mô hình học máy và mạng nơ-ron (Di và cs. 2019, 2020; Delavar và cs. 2019; Doreswamy và cs. 2020; Ni và cs. 2018; Wang và cs. 2022). Tại Việt Nam, Nguyễn Thị Nhật Thanh và cộng sự (2014, 2015), Minh, Tín và Hiền (2021) đã bước đầu thử nghiệm mô hình học máy với dữ liệu $MODIS$ và mô hình khí tượng $WRF$.
Khoảng trống nghiên cứu luận án lựa chọn giải quyết:
- Tại Việt Nam chưa có nghiên cứu khai thác dữ liệu LIDAR đa tầng $CALIPSO$ để phân loại và theo dõi quy luật biến động của từng loại sol khí theo độ cao và theo mùa.
- Thiếu phương pháp kiểm kê phát thải rơm rạ kết hợp đo đạc thực địa ô tiêu chuẩn với dữ liệu viễn thám radar ($SAR\text{ }Sentinel\text{-}1A$) nhằm tính toán đầy đủ lượng sinh khối rơm và gốc rạ sau gặt máy.
- Thiếu thuật toán khôi phục $AOD$ độc lập ở độ phân giải cao $30\text{ m}$ từ cảm biến $Landsat\text{ }8\text{ }OLI$ có khả năng xử lý hiệu quả bề mặt đô thị hỗn hợp mà không phụ thuộc vào ảnh tham chiếu sạch.
- Thiếu mô hình học máy tích hợp đồng thời $AOD$ độ phân giải cao $30\text{ m}$ và các biến trường khí tượng số trị $WRF$ để dự đoán nồng độ $PM_{2.5}$ tại các khu vực đô thị và cụm công nghiệp đặc thù.
Cơ sở lý thuyết và phương pháp nghiên cứu
Cơ sở lý thuyết và khung phân tích
- Lý thuyết truyền bức xạ và đặc trưng quang học sol khí: Sử dụng lý thuyết tán xạ ánh sáng (tán xạ Rayleigh bởi phân tử khí và tán xạ Mie bởi các hạt sol khí). Độ sâu quang học sol khí ($AOD$) là tích phân của hệ số suy giảm quang học theo chiều thẳng đứng từ mặt đất lên đỉnh khí quyển ($TOA$). Tín hiệu phản xạ thu nhận tại cảm biến vệ tinh bao gồm phản xạ khí quyển, tán xạ sol khí và phản xạ bề mặt đất.
- Lý thuyết phân loại sol khí LIDAR: Dựa trên tỉ số khử cực phân cực trực giao ($depolarization\text{ }ratio$) và hệ số tán xạ ngược suy hao tại các bước sóng $532\text{ nm}$ và $1064\text{ nm}$, kết hợp thông tin độ cao lớp và loại bề mặt để định danh các loại sol khí đơn và hỗn hợp.
- Hóa học khí quyển và động học $NO_2$: Khí $NO_2$ trong tầng đối lưu có thời gian tồn tại ngắn (vài giờ), tham gia chuỗi phản ứng quang hóa tạo thành $O_3$ và $HNO_3$, nồng độ của nó phản ánh trực tiếp nguồn phát thải nhân tạo lân cận.
- Mô hình tương quan $AOD\text{ - }PM_{2.5}$: $PM_{2.5}$ tương quan phi tuyến với $AOD$ cột tích phân thông qua các tham số điều hòa khí tượng như chiều cao lớp biên hành tinh ($HPBL$), độ ẩm tương đối ($RH$), nhiệt độ ($TMP$), áp suất ($PRES$), hướng gió ($WDIR$) và tốc độ gió ($WSPD$).
Phương pháp nghiên cứu thực tế
Luận án kết hợp phương pháp nghiên cứu định tính phân tích không gian và phương pháp định lượng mô hình hóa toán học – học máy:
| Nhóm phương pháp |
Công cụ / Thuật toán |
Dữ liệu đầu vào |
Mục tiêu áp dụng |
| Phân loại sol khí LIDAR |
Thuật toán trích xuất Mặt nạ đặc trưng cột ($VFM$), phân tích tỉ số LIDAR ($sr$) |
$CALIPSO\text{ }Level\text{ }2$ ($CALIOP$), trạm $AERONET$, gió $NCEP/DOE$ |
Phân loại 7 dạng sol khí theo 2 tầng độ cao ($-0,5\text{ km}$ đến $8,2\text{ km}$ và $8,2\text{ km}$ đến $20,2\text{ km}$) |
| Phân tích không gian $NO_2$ |
Phân tích chuỗi thời gian, mật độ đường cong ($Line\text{ }Density$), mật độ dân số |
$Sentinel\text{-}5P\text{ }TROPOMI\text{ }Level\text{ }2$, bản đồ giao thông, công nghiệp |
Đánh giá suy giảm phát thải công nghiệp và giao thông trong dịch COVID-19 |
| Quan trắc thực địa & SAR |
Lấy mẫu ô tiêu chuẩn ($quadrat$), máy đo độ ẩm $Extech\text{ }MO290$, phân loại ảnh radar $SAR$ |
Ảnh $Sentinel\text{-}1A$, số liệu cân đo sinh khối rơm và gốc rạ thực địa |
Kiểm kê khối lượng rơm rạ đốt trên đồng và lượng phát thải tiềm năng tại Hà Nội |
| Khôi phục $AOD$ độ phân giải cao |
Lọc mây $Fmask$, hiệu chỉnh địa hình $ASTER\text{ }DEM$, quan hệ phản xạ $BLUE\text{-}RED\text{-}SWIR2$ |
$Landsat\text{ }8\text{ }OLI\text{ }Level\text{ }1$, $AERONET\text{ }Level\text{ }2$, $MODIS\text{ }AOD\text{ }3\text{ km}$ |
Ước tính $AOD$ $30\text{ m}$ độc lập cho bề mặt đô thị phức tạp |
| Dự đoán học máy $PM_{2.5}$ |
4 mô hình học máy hồi quy (trong đó có Random Forest), tối ưu hóa bằng $GridSearchCV$ |
$AOD\text{ }Landsat\text{ }8$ ($30\text{ m}$), 6 biến khí tượng $WRF$, trạm $PM_{2.5}$ Bắc Ninh |
Dự đoán nồng độ $PM_{2.5}$ đô thị; đánh giá qua $MAE, MSE, RMSE, R^2$ |
Nội dung chính theo từng chương
Chương 1: Tổng quan nghiên cứu
Chương này thiết lập nền tảng lý luận toàn diện về ô nhiễm môi trường không khí. Tác giả trình bày định nghĩa ô nhiễm không khí theo Tổ chức Y tế Thế giới ($WHO$) và Cơ quan Bảo vệ Môi trường Hoa Kỳ ($US\text{ }EPA$), phân loại chi tiết các chất gây ô nhiễm chính: $SO_2, NO_x, CO, CO_2, CH_4, O_3$, sol khí ($aerosol$, kích thước $10^{-3} - 10^2\text{ }\mu m$) và vật chất dạng hạt ($PM$). Các nguồn phát thải được phân loại theo cấu trúc hình học không gian gồm: nguồn điểm (Point source - nhà máy nhiệt điện, xi măng, luyện kim), nguồn diện (Area source - khu dân cư, đốt phụ phẩm nông nghiệp) và nguồn di động (Line source - giao thông đường bộ, đường sắt).
Tác giả phân tích hiện trạng ô nhiễm bụi mịn toàn cầu (99% dân số thế giới hít thở không khí vượt ngưỡng $WHO$, gây 7 triệu ca tử vong sớm hàng năm; 2,6 tỷ người chịu rủi ro từ khói đun nấu sinh khối/than đá) và tại Việt Nam (theo Báo cáo Hiện trạng Môi trường Quốc gia 2016–2020, Quyết định 1973/QĐ-TTg và Công văn 3051/BTNMT-TCMT). Đồng thời, chương 1 hệ thống hóa sự phát triển của công nghệ cảm biến vệ tinh từ quét cơ học whisk-broom ($Landsat\text{ }1$, $GSD\text{ }80\text{ m}$) sang mảng tuyến tính/ma trận CCD push-broom độ phân giải cao ($< 0,5\text{ m}$), làm rõ nguyên lý các thuật toán $AOD$ ($MODIS\text{ }DT, SARA, DDV$) và cơ sở liên kết $AOD$ với nồng độ $PM_{2.5}$ qua các mô hình học máy.
Chương 2: Xác định nguồn phát thải ô nhiễm không khí
Chương 2 giải quyết bài toán xác định nguồn phát thải qua 3 phương pháp tiếp cận:
- Nhận dạng nguồn sol khí bằng LIDAR vệ tinh CALIPSO:
Dựa trên thuật toán $CALIOP$ phiên bản 3 và phiên bản 4, các loại sol khí được định danh thành 7 lớp:
| STT |
Loại sol khí (Phiên bản 3) |
Loại sol khí (Phiên bản 4) |
Nguồn gốc và đặc trưng vật lý - hóa học |
| 1 |
Biển (Marine) |
Biển (Marine) |
Muối biển ($NaCl$) phát sinh do gió trên mặt đại dương hoặc phát thải $DMS$ từ thực vật phù du. |
| 2 |
Bụi sa mạc (Desert dust) |
Bụi (Dust) |
Đất khoáng mịn do xói mòn trầm tích ở vùng khô cằn. |
| 3 |
Đốt sinh khối (Biomass burning) |
Khói trên cao (Elevated smoke) |
Đốt gỗ, phụ phẩm nông nghiệp hoặc cháy rừng; ở độ cao $> 2,5\text{ km}$. |
| 4 |
Lục địa ô nhiễm (Polluted continental) |
Lục địa ô nhiễm/Khói (Polluted continental/smoke) |
Khu vực công nghiệp, đô thị; phát thải đốt nhiên liệu hóa thạch, giao thông ($SO_4^{2-}, NO_3^-, NH_4^+, OC$, muội than); khói ở độ cao $< 2,5\text{ km}$. |
| 5 |
Lục địa sạch (Clean continental) |
Lục địa sạch (Clean continental) |
Sol khí nền nông thôn tự nhiên, quan sát sau mưa hoặc từ vùng sạch đến ($SO_4^{2-}, NO_3^-, NH_4^+, OC$, phấn hoa). |
| 6 |
Bụi ô nhiễm (Polluted dust) |
Bụi ô nhiễm (Polluted dust) |
Hỗn hợp bụi sa mạc với khói đốt sinh khối hoặc sol khí đô thị/công nghiệp. |
| 7 |
(Chưa có ở V3) |
Bụi biển (Dusty marine) |
Hỗn hợp sol khí biển và bụi khoáng. |
Nghiên cứu xử lý dữ liệu Mặt nạ đặc trưng cột ($VFM$) tại 3 trạm quan trắc $AERONET$ đại diện (Nghĩa Đô - Bắc, Nha Trang - Trung, Bạc Liêu - Nam) kết hợp trường gió $NCEP/DOE$ tầng $925\text{ hPa}$. Kết quả phân bố sol khí được bóc tách theo 2 tầng độ cao ($-0,5\text{ km}$ đến $8,2\text{ km}$ và $8,2\text{ km}$ đến $20,2\text{ km}$). Tại Hà Nội, phân tích so sánh tỷ lệ sol khí giai đoạn 2006–2015 và 2016–2019 theo từng tháng làm rõ sự chiếm ưu thế của bụi ô nhiễm, khói đốt sinh khối trong mùa đông/xuân và sol khí biển trong mùa hè.
-
Phân tích dữ liệu $NO_2$ từ Sentinel-5P TROPOMI:
Tác giả đánh giá nồng độ cột đối lưu $NO_2$ tại Việt Nam trước, trong và sau thời gian thực hiện giãn cách xã hội phòng chống dịch COVID-19 năm 2020. Kết hợp bản đồ vị trí nhà máy nhiệt điện, xi măng, bản đồ gió, mật độ dân số và mật độ đường giao thông ($Line\text{ }Density$), kết quả chỉ ra sự sụt giảm mạnh nồng độ $NO_2$ tại các đô thị lớn trong giai đoạn cách ly, khẳng định vai trò đóng góp chủ đạo của hoạt động giao thông đô thị đối với $NO_2$, trong khi các điểm nóng công nghiệp duy trì phát thải nền ổn định.
-
Kiểm kê phát thải thực địa từ đốt rơm rạ sau thu hoạch:
Để khắc phục hạn chế đánh giá thấp phát thải, nghiên cứu khoanh vùng các ô lưới ruộng lúa hai vụ tại Hà Nội bằng ảnh radar $SAR\text{ }Sentinel\text{-}1A$. Nhóm tác giả tiến hành đo đạc thực địa bằng phương pháp ô tiêu chuẩn ($quadrat$) và máy đo độ ẩm $Extech\text{ }MO290$. Dữ liệu thực nghiệm xác lập mối quan hệ tương quan chặt chẽ giữa diện tích ruộng với khối lượng gốc rạ, rơm và tổng phụ phẩm sau thu hoạch, cũng như tương quan giữa chiều rộng ruộng và số hàng rơm rạ để lại. Kết quả tính toán chứng minh lượng sinh khối rơm rạ bị đốt thực tế và phát thải tiềm năng tại Hà Nội cao hơn đáng kể so với các ước tính chỉ dựa vào thống kê năng suất lúa truyền thống.
Chương 3: Ước tính độ sâu quang học của sol khí
Chương 3 trình bày thuật toán khôi phục $AOD$ độ phân giải không gian cao $30\text{ m}$ từ cảm biến $Landsat\text{ }8\text{ }OLI$:
Ảnh Landsat 8 Level 1 & Dữ liệu bổ trợ (ASTER DEM, ESA WorldCover)
Tiền xử lý & Lọc mây (Fmask)
Hiệu chỉnh độ cao địa hình (ASTER DEM)
Xây dựng quan hệ phản xạ bề mặt mới: BLUE - RED - SWIR2
Mô phỏng bức xạ đỉnh khí quyển TOA & Khôi phục AOD 30m
Đánh giá kiểm chứng với AERONET Nghĩa Đô & So sánh MODIS AOD 3km
- Xử lý dữ liệu: Sử dụng ảnh $Landsat\text{ }8\text{ }Level\text{ }1$, áp dụng thuật toán $Fmask$ để loại bỏ chính xác mây và bóng mây; tích hợp mô hình số độ cao $ASTER\text{ }DEM$ để hiệu chỉnh ảnh hưởng của địa hình lên tán xạ khí quyển.
- Xây dựng quan hệ phản xạ bề mặt: Thay vì áp dụng tỷ số phản xạ kênh tối truyền thống ($VIS/SWIR$) vốn gây sai số lớn trên bề mặt nhân tạo, luận án thiết lập mối quan hệ phản xạ bề mặt mới giữa các kênh xanh lam ($BLUE$), đỏ ($RED$) và hồng ngoại sóng ngắn ($SWIR2$).
- Khôi phục và kiểm chứng: Thuật toán mô phỏng độ phản xạ đỉnh khí quyển ($TOA$) và nghịch đảo để trích xuất $AOD$ $30\text{ m}$. Kết quả kiểm chứng với dữ liệu đo quang kế mặt trời trạm $AERONET$ Nghĩa Đô đạt độ tương quan cao; đồng thời đối chiếu không gian đồng bộ với sản phẩm $MODIS\text{ }AOD\text{ }3\text{ km}$ tại các khung ảnh $Path/Row = 126/044$ và $127/045$, chứng minh khả năng thể hiện chi tiết dải biến thiên sol khí tại các khu vực đô thị có độ phân giải $30\text{ m}$.
Chương 4: Dự đoán nồng độ bụi PM2.5 của khu vực đô thị
Chương 4 xây dựng mô hình dự đoán nồng độ $PM_{2.5}$ tại tỉnh Bắc Ninh – địa bàn tập trung mật độ cao các khu công nghiệp, đô thị và làng nghề (với diễn biến nồng độ $TSP$ giai đoạn 2016–2021):
- Xây dựng tập đặc trưng: Đầu vào của mô hình kết hợp $AOD$ độ phân giải $30\text{ m}$ trích xuất từ $Landsat\text{ }8$ và 6 biến khí tượng trích xuất từ mô hình mô phỏng thời tiết $WRF$, bao gồm: độ cao lớp biên hành tinh ($HPBL$), áp suất bề mặt ($PRES$), độ ẩm tương đối ($RH$), nhiệt độ ($TMP$), hướng gió ($WDIR$) và tốc độ gió ($WSPD$). Dữ liệu đích là giá trị quan trắc thực tế tại các trạm đo $PM_{2.5}$ mặt đất ở Bắc Ninh giai đoạn 2020–2021.
- Huấn luyện và tối ưu hóa mô hình: Luận án triển khai và thử nghiệm 4 mô hình học máy (trong đó có mô hình Rừng ngẫu nhiên - Random Forest). Quá trình tinh chỉnh siêu tham số (fine-tuning) được thực hiện tự động bằng kỹ thuật tìm kiếm lưới kết hợp kiểm định chéo ($GridSearchCV$).
- Đánh giá định lượng: Đánh giá hiệu năng dự đoán thông qua các chỉ số sai số thống kê chuẩn gồm: Sai số trung bình tuyệt đối ($MAE$), Sai số trung bình bình phương ($MSE$), Căn bậc hai sai số trung bình bình phương ($RMSE$) và hệ số xác định ($R^2$). Biểu đồ nhiệt tương quan và biểu đồ phân tán kiểm chứng cho thấy mô hình học máy kết hợp $AOD\text{ }30\text{ m}$ và dữ liệu $WRF$ tái hiện chính xác diễn biến không gian - thời gian của nồng độ $PM_{2.5}$ tại khu vực nghiên cứu.
Kết quả và những đóng góp mới
Đóng góp mới về mặt lý luận và khoa học
- Khung phương pháp luận đa nguồn xác định nguồn phát thải: Luận án đã xây dựng thành công quy trình kết hợp dữ liệu LIDAR viễn thám chủ động ($CALIPSO$), viễn thám siêu phổ thụ động ($Sentinel\text{-}5P\text{ }TROPOMI$) và điều tra thực địa kết hợp viễn thám radar ($Sentinel\text{-}1A\text{ }SAR$) để định danh, phân loại và đánh giá nguồn phát thải ô nhiễm không khí ở các quy mô từ quốc gia đến địa phương.
- Thuật toán khôi phục $AOD$ $30\text{ m}$ cải tiến: Đề xuất mối quan hệ phản xạ bề mặt mới giữa các kênh $BLUE\text{-}RED\text{-}SWIR2$ cho cảm biến $Landsat\text{ }8\text{ }OLI$, khắc phục triệt để điểm nghẽn phụ thuộc vào ảnh tham chiếu sạch hoặc bề mặt thực vật tối ($DDV$) của các thuật toán truyền thống, cho phép ước tính độ sâu quang học sol khí chính xác trên các vùng đô thị và công nghiệp có cấu trúc bề mặt phức tạp.
- Mô hình hóa dự đoán $PM_{2.5}$ độ phân giải cao: Thiết lập quy trình tích hợp $AOD$ viễn thám $30\text{ m}$ với các trường thông số khí tượng động lực học từ mô hình $WRF$ vào các thuật toán học máy, tối ưu hóa qua $GridSearchCV$, nâng cao độ chính xác dự đoán $PM_{2.5}$ ở cấp độ đô thị.
Đóng góp mới về mặt thực tiễn
- Cung cấp bộ dữ liệu thực nghiệm về phân bố sol khí đa tầng theo độ cao và theo mùa tại 3 miền Việt Nam và chuỗi thời gian chi tiết tại Hà Nội (2006–2019).
- Định lượng mức độ suy giảm $NO_2$ trong giai đoạn giãn cách COVID-19, cung cấp bằng chứng thực nghiệm phân tách tỷ trọng phát thải giữa giao thông đô thị và sản xuất công nghiệp.
- Cung cấp bộ hệ số và công thức tính toán khối lượng rơm rạ đốt thực tế trên đồng ruộng miền Bắc, chứng minh sự thiếu hụt của các phương pháp thống kê gián tiếp khi bỏ qua gốc rạ.
- Xây dựng bản đồ $AOD$ $30\text{ m}$ và phân bố $PM_{2.5}$ chi tiết tại Hà Nội và Bắc Ninh, hỗ trợ giám sát chất lượng không khí tại các làng nghề và khu công nghiệp.
Kiến nghị và giải pháp đề xuất
- Tích hợp công nghệ viễn thám $AOD$ độ phân giải cao vào hệ thống thông tin giám sát và cảnh báo chất lượng không khí của cơ quan quản lý môi trường.
- Ứng dụng quy trình kiểm kê phát thải rơm rạ kết hợp $SAR$ và thực địa cho các vùng sản xuất lúa trọng điểm khác (như Đồng bằng sông Cửu Long) để xây dựng chính sách quản lý phụ phẩm nông nghiệp bền vững.
- Kiểm soát nguồn phát thải giao thông đô thị thông qua các chính sách giao thông sạch sau đại dịch, kết hợp giám sát chặt chẽ các nguồn phát thải công nghiệp điểm cố định.
Hạn chế và hướng nghiên cứu tiếp
Hạn chế của nghiên cứu
- Tần suất lặp của vệ tinh: Dữ liệu $Landsat\text{ }8$ có chu kỳ lặp lại $16\text{ ngày}$, kết hợp với điều kiện mây che phủ nhiều tại miền Bắc Việt Nam làm hạn chế số lượng ảnh khả dụng liên tục theo thời gian.
- Mật độ trạm quan trắc mặt đất: Số lượng trạm $AERONET$ chuẩn ($Level\text{ }2$) và trạm quan trắc tự động $PM_{2.5}$ tại Việt Nam còn thưa thớt, giới hạn không gian kiểm chứng chéo mô hình.
- Phạm vi thực địa: Khảo sát thực địa rơm rạ mới được thực hiện tập trung tại khu vực Hà Nội; mô hình dự đoán $PM_{2.5}$ học máy mới thử nghiệm chi tiết trên địa bàn tỉnh Bắc Ninh.
Hướng nghiên cứu tiếp theo
Văn bản luận án nêu rõ 5 hướng nghiên cứu mở rộng:
- Áp dụng phương pháp giám sát nguồn phát thải chất gây ô nhiễm không khí bằng cách kết hợp nhiều nguồn dữ liệu vệ tinh khác nhau nhằm tăng độ phủ không gian và thời gian.
- Sử dụng nguồn dữ liệu vệ tinh kết hợp với dữ liệu quan trắc thực địa và các mô hình phát thải để giám sát ô nhiễm không khí trên các phạm vi lớn hơn.
- Khai thác chuyên sâu nguồn dữ liệu LIDAR với độ phân giải theo cột từ vệ tinh $CALIPSO$ để giám sát mức độ ô nhiễm ở các tầng độ cao khác nhau.
- Nghiên cứu áp dụng thuật toán ước tính $AOD$ của $Landsat\text{ }8$ cho các vệ tinh khác có đặc tính kênh ảnh và độ phân giải tương đồng, đồng thời so sánh đánh giá các sản phẩm mới.
- Nghiên cứu và áp dụng các mô hình học máy nâng cao trên cơ sở kết hợp đa nguồn dữ liệu ảnh hưởng đến chất lượng không khí để hình thành mô hình dự báo tối ưu cho từng vùng hoặc quy mô toàn cầu.
Giá trị tham khảo
Luận án là tài liệu tham khảo chuyên sâu và hữu ích cho nhiều nhóm đối tượng:
- Nghiên cứu sinh, học viên cao học, giảng viên chuyên ngành Khoa học máy tính, Xử lý ảnh viễn thám, Hệ thống thông tin địa lý ($GIS$), Khoa học môi trường và Khí tượng học: Có thể tham khảo phương pháp xử lý dữ liệu LIDAR $CALIPSO$ ($VFM$), thuật toán khôi phục $AOD$ cải tiến $BLUE\text{-}RED\text{-}SWIR2$ trên $Landsat\text{ }8\text{ }OLI$, và quy trình tích hợp biến khí tượng $WRF$ vào mô hình học máy tinh chỉnh qua $GridSearchCV$.
- Cán bộ quản lý môi trường, hoạch định chính sách tại Bộ Tài nguyên và Môi trường, các Chi cục Bảo vệ Môi trường địa phương: Có thể tham khảo số liệu kiểm kê thực địa đốt rơm rạ tại Hà Nội và phương pháp đánh giá biến động $NO_2$ phục vụ xây dựng Kế hoạch quản lý chất lượng môi trường không khí cấp tỉnh/quốc gia theo Quyết định 1973/QĐ-TTg.
Câu hỏi thường gặp
1. Thuật toán ước tính độ sâu quang học sol khí ($AOD$) của luận án có điểm gì khác biệt so với thuật toán Dark Target truyền thống?
Thuật toán Dark Target truyền thống của $MODIS$ phụ thuộc vào giả định bề mặt thực vật tối ($DDV$) và tỷ số phản xạ $VIS/SWIR$ cố định, thường thất bại trên bề mặt đô thị sáng màu. Luận án đã đề xuất mối quan hệ phản xạ bề mặt mới giữa các kênh $BLUE\text{-}RED\text{-}SWIR2$ kết hợp lọc mây bằng $Fmask$ và hiệu chỉnh địa hình bằng $ASTER\text{ }DEM$, cho phép trích xuất $AOD$ ở độ phân giải cao $30\text{ m}$ từ cảm biến $Landsat\text{ }8\text{ }OLI$ một cách độc lập mà không cần ảnh tham chiếu sạch.
2. Dữ liệu LIDAR CALIPSO được sử dụng để phân loại sol khí tại Việt Nam như thế nào?
Luận án sử dụng dữ liệu Mặt nạ đặc trưng cột ($VFM$) từ cảm biến $CALIOP$ ($CALIPSO$) phiên bản 3 và 4, phân loại sol khí thành 7 lớp (Biển, Bụi, Khói trên cao, Lục địa ô nhiễm/Khói, Lục địa sạch, Bụi ô nhiễm, Bụi biển). Dữ liệu được bóc tách theo 2 tầng độ cao ($-0,5\text{ km}$ đến $8,2\text{ km}$ và $8,2\text{ km}$ đến $20,2\text{ km}$) tại 3 trạm $AERONET$ (Nghĩa Đô, Nha Trang, Bạc Liêu) và phân tích chuỗi thời gian theo tháng tại Hà Nội trong 2 giai đoạn: 2006–2015 và 2016–2019.
3. Phương pháp kiểm kê phát thải rơm rạ của luận án có ưu điểm gì so với các nghiên cứu trước đây?
Các nghiên cứu trước đây thường ước tính gián tiếp lượng rơm rạ qua số liệu thống kê sản lượng lúa và bỏ qua thành phần gốc rạ chưa cắt, dẫn đến đánh giá thấp phát thải. Luận án kết hợp phân loại diện tích lúa bằng ảnh radar $SAR\text{ }Sentinel\text{-}1A$ với phương pháp đo đạc thực địa ô tiêu chuẩn ($quadrat$) và máy đo độ ẩm $Extech\text{ }MO290$, xác lập công thức tương quan giữa diện tích/chiều rộng ruộng với khối lượng cả rơm lẫn gốc rạ sau gặt máy, từ đó tính toán chính xác lượng phát thải tiềm năng tại Hà Nội.
4. Mô hình dự đoán nồng độ $PM_{2.5}$ tại Bắc Ninh sử dụng những biến đầu vào nào?
Mô hình học máy sử dụng tập đặc trưng đầu vào gồm: giá trị $AOD$ độ phân giải $30\text{ m}$ từ $Landsat\text{ }8$ kết hợp với 6 biến khí tượng trích xuất từ mô hình mô phỏng thời tiết $WRF$: độ cao lớp biên ($HPBL$), áp suất khí quyển ($PRES$), độ ẩm tương đối ($RH$), nhiệt độ ($TMP$), hướng gió ($WDIR$) và tốc độ gió ($WSPD$), được tối ưu hóa siêu tham số bằng $GridSearchCV$.
5. Dữ liệu $NO_2$ của vệ tinh Sentinel-5P trong thời gian cách ly COVID-19 cho thấy điều gì về nguồn phát thải tại Việt Nam?
Phân tích dữ liệu $TROPOMI$ ($Sentinel\text{-}5P$) kết hợp bản đồ mật độ đường giao thông, mật độ dân số và phân bố nhà máy cho thấy nồng độ cột $NO_2$ sụt giảm mạnh tại các đô thị trong giai đoạn cách ly xã hội. Điều này chứng minh hoạt động giao thông đô thị (đặc biệt là xe máy) là nguồn phát thải $NO_2$ chủ yếu tại khu vực nội thành, trong khi các nguồn phát thải công nghiệp (nhiệt điện, xi măng) duy trì mức phát thải nền cố định.
Kết luận
Luận án tiến sĩ của tác giả Trần Tuấn Vinh đã giải quyết trọn vẹn chuỗi bài toán từ nhận dạng nguồn phát thải, khôi phục độ sâu quang học sol khí ($AOD$) độ phân giải cao $30\text{ m}$ đến dự đoán nồng độ bụi mịn $PM_{2.5}$ tại các khu vực đô thị và công nghiệp ở Việt Nam. Công trình có đóng góp khoa học nổi bật qua việc xây dựng quan hệ phản xạ bề mặt mới $BLUE\text{-}RED\text{-}SWIR2$ cho ảnh $Landsat\text{ }8\text{ }OLI$, quy trình kiểm kê phát thải rơm rạ thực địa kết hợp radar $SAR$, và phân loại sol khí đa tầng bằng LIDAR $CALIPSO$. Các kết quả đạt được đã được công bố trên các tạp chí khoa học quốc tế uy tín (như Geocarto International, Environmental Research Letters) và có giá trị ứng dụng thực tiễn cao trong công tác quản lý và giám sát chất lượng không khí quốc gia.
