Giới thiệu dự án

Rừng tại Việt Nam là hệ sinh thái nhiệt đới đặc hữu với tính đa dạng sinh học cao, trải dài trên 3/4 diện tích tự nhiên là đồi núi. Theo số liệu kiểm kê rừng toàn quốc của Viện Điều tra Quy hoạch Rừng, cả nước có khoảng 13,26 triệu hecta đất có rừng, tỷ lệ che phủ đạt xấp xỉ 39,5%. Tuy nhiên, tài nguyên rừng đang đối mặt với nguy cơ suy thoái nghiêm trọng do biến đổi khí hậu (BĐKH) và áp lực cháy rừng. Giai đoạn 1963–2000 ghi nhận 45.921 vụ cháy rừng trên cả nước, thiêu rụi 632.049 ha rừng kinh tế và tự nhiên.

Đặc biệt, khu vực phía Nam (gồm Nam Trung Bộ, Tây Nguyên, Đông Nam Bộ và Tây Nam Bộ) là trọng điểm cháy với hơn 60% diện tích rừng nằm trong nhóm dễ bắt lửa (rừng khộp họ Dầu, rừng thông, rừng tràm than bùn U Minh). Khi hiện tượng ấm lên toàn cầu kết hợp chu kỳ El Niño cực đoan, nhiệt độ mùa khô thường xuyên vượt 38–41°C, lượng mưa tháng kiệt xuống dưới 5 mm, dẫn đến nguy cơ cháy cấp IV (nguy hiểm) và cấp V (cực kỳ nguy hiểm) diễn biến phức tạp.

+-----------------------------------------------------------------------------------+
|                              BỐI CẢNH VÀ THỰC TRẠNG                               |
|                                                                                   |
|  [Diện tích rừng toàn quốc]   [Số vụ cháy (1963-2000)]   [Diện tích rừng bị cháy] |
|       13,258,843 ha                 45,921 vụ                  632,049 ha         |
|   (Độ che phủ: ~39.5%)        (Mất ~180,000 ha/năm)       (VLC: 5-22 tấn/ha)      |
+-----------------------------------------------------------------------------------+

Khóa luận “Nghiên cứu tác động của Biến đổi khí hậu lên nguy cơ và mùa cháy rừng tại các khu vực phía Nam trên lãnh thổ Việt Nam” do tác giả Phạm Ngọc Hằng thực hiện dưới sự hướng dẫn của PGS. Nguyễn Đăng Quế (Khoa Quản lý Tài nguyên rừng và Môi trường) tập trung giải quyết bài toán định lượng tác động của BĐKH đến chế độ cháy rừng.

Mục tiêu nghiên cứu cụ thể

  1. Làm rõ mối quan hệ định lượng giữa các yếu tố biến đổi khí hậu (nhiệt độ, lượng mưa, độ thiếu hụt bão hòa không khí $D$) với nguy cơ cháy rừng theo chỉ tiêu khí tượng tổng hợp $P$.
  2. Xác định quy luật phân hóa không gian - thời gian của mùa cháy và xu thế dịch chuyển số ngày cháy nguy hiểm (cấp IV, V) tại 12 trạm quan trắc đại diện.
  3. Mô phỏng và dự báo ngoại suy biến đổi số ngày cháy cấp nguy hiểm $Z_{4,5}$ đến cuối thế kỷ 21 theo các kịch bản phát thải khí nhà kính (B1, B2, A2).
  4. Đề xuất hệ thống giải pháp kỹ thuật và quản lý phòng cháy chữa cháy rừng (PCCCR) thích ứng với từng tiểu vùng sinh thái.

Phương pháp tiếp cận và phạm vi

  • Phương pháp tiếp cận: Kết hợp chỉ tiêu khí tượng tổng hợp V. Nesterov cải tiến, chỉ số khô hạn sinh thái Gaussel - Walter - Thái Văn Trừng, mô hình hồi quy đa biến LINEST và phương pháp chi tiết hóa thống kê (Statistical Downscaling) từ phần mềm MAGICC/SCENGEN 4.1.
  • Phạm vi nghiên cứu: Chuỗi số liệu khí tượng thực đo 30–34 năm (1976–2009 tại Tây Nguyên; 1978–2009 tại Nam Trung Bộ và Nam Bộ) tại 12 trạm khí tượng tiêu biểu: Nha Trang, Kon Tum, Pleiku, Buôn Ma Thuột, Đà Lạt, Tây Ninh, Cà Mau, Cần Thơ, Châu Đốc, Phú Quốc, Mộc Hóa, Rạch Giá.
  • Giới hạn đề tài: Tập trung phân tích các tháng trong mùa cháy và tính toán ngoại suy nguy cơ cháy cấp IV, cấp V theo kịch bản BĐKH; chưa tích hợp dữ liệu ảnh vệ tinh viễn thám thời gian thực để phân tích lớp phủ tức thời.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Công tác dự báo và quản lý cháy rừng tại các tỉnh phía Nam trước đây tồn tại nhiều bất cập do phụ thuộc vào các ngưỡng khí tượng cố định hoặc kinh nghiệm quan sát định tính.

Giải pháp / Phương pháp Cơ chế tính toán Ưu điểm Nhược điểm & Hạn chế
Nesterov nguyên bản (1949) $P = \sum (T \times D)$ tính từ ngày mưa $> 3\text{ mm}$ Đơn giản, dễ tính toán thủ công Ngưỡng mưa 3 mm không dập tắt được vật liệu cháy dày; bỏ qua độ ẩm tích lũy.
Nesterov cải tiến (Phạm Ngọc Hưng, 1988) Tính chỉ số $P$ với ngưỡng mưa hiệu dụng $> 5\text{ mm}$, kết hợp số ngày khô hạn liên tục $H$ Độ chính xác cao hơn tại vùng nhiệt đới gió mùa Sai số cao khi chuyển mùa hoặc tại vùng duyên hải chịu luân phiên gió biển - đất liền.
Chỉ số tổng hợp 6 yếu tố (Vũ Đình Tiến, 1993) Đánh giá theo nhiệt độ, mưa, độ ẩm, gió, số vụ cháy và mật độ người Tích hợp nhân tố kinh tế - xã hội Dựa trên trung bình nhiều năm nên mang tính xác định mùa cháy hơn là dự báo động hàng ngày.
Mô hình nghiên cứu của đề tài Kết hợp chỉ số Nesterov cải tiến, chỉ số khô hạn $X = S \cdot A \cdot D$, hồi quy đa biến $Z_{4,5}$ và kịch bản IPCC B1/B2/A2 Định lượng hóa chu kỳ dài hạn, dự báo theo kịch bản BĐKH chi tiết cho từng tháng Đòi hỏi chuỗi dữ liệu khí tượng chuẩn hóa tối thiểu 30 năm.

Phân tích yêu cầu hệ thống theo mô hình MoSCoW

  • Must-have (Bắt buộc): Thuật toán xử lý chuỗi dữ liệu khí tượng hàng ngày lúc 13h; thuật toán tính chỉ số khô hạn sinh thái $X$; thuật toán tính chỉ số tổng hợp $P$ và phân cấp cháy I–V; mô hình hồi quy đa biến cho số ngày $Z_{4,5}$.
  • Should-have (Nên có): Bộ lọc làm trượt (Moving Average 5 năm) để triệt tiêu dao động ngắn hạn; module ánh xạ kịch bản phát thải khí nhà kính MAGICC/SCENGEN 4.1.
  • Could-have (Có thể có): Biểu đồ hóa trực quan xu thế nhiệt độ - lượng mưa theo từng thập niên.
  • Won't-have (Chưa triển khai): Hệ thống cảnh báo thời gian thực qua WebGIS/Mobile app (được định hướng cho giai đoạn phát triển tiếp theo).

Thiết kế hệ thống

Ngăn xếp công nghệ sử dụng

  • Ngôn ngữ xử lý dữ liệu: Turbo Pascal 7.0 / Free Pascal 3.2 (xây dựng các thuật toán tính tổng tích lũy chỉ số $P$, đếm ngưỡng ngày liên tục, xử lý ma trận dữ liệu khí tượng 34 năm).
  • Công cụ phân tích thống kê: Microsoft Excel LINEST Algorithm (tính toán hồi quy tuyến tính đa biến, xác định hệ số $R^2$, kiểm định sai số chuẩn $SE$).
  • Mô hình kịch bản BĐKH: MAGICC/SCENGEN 4.1 kết hợp phương pháp hạ quy mô thống kê (Statistical Downscaling) từ Viện Khí tượng Thủy văn và Môi trường.
  • Định dạng cấu trúc dữ liệu: Chuỗi thời gian bảng (CSV/DAT), ma trận 2 chiều StationData[1..12, 1976..2009, 1..12, 1..31].

Mô hình toán học cốt lõi

  1. Chỉ số khô hạn sinh thái Thái Văn Trừng: $$X = S \times A \times D$$ Trong đó: $S$ là số tháng khô ($R \le 2T$), $A$ là số tháng hạn ($R \le T$), $D$ là số tháng kiệt ($R \le 5\text{ mm}$).
  2. Chỉ số khí tượng tổng hợp Nesterov cải tiến: $$P_n = \sum_{i=1}^{n} \left( T_i \times D_i \right)$$ Điều kiện thiết lập lại: Nếu $R_i > 5\text{ mm}$ thì $P_i = 0$.
  3. Mô hình hồi quy số ngày cháy nguy hiểm $Z_{4,5}$: $$Z_{4,5} = a_0 + a_1 T + a_2 D + a_3 R$$

Phương pháp luận và kế hoạch thực hiện

Quy trình nghiên cứu được chia làm 4 giai đoạn logic với các mốc kiểm soát chất lượng (Milestones):

  • Giai đoạn 1 (M1): Thu thập, số hóa và chuẩn hóa số liệu khí tượng thủy văn tại Trung tâm Tư liệu KTTV Quốc gia (Bộ TN&MT) cho 12 trạm đại diện.
  • Giai đoạn 2 (M2): Lập trình thuật toán Nesterov, lọc dữ liệu làm trượt 5 năm, xác định ranh giới mùa cháy theo từng vùng.
  • Giai đoạn 3 (M3): Thiết lập phương trình hồi quy tuyến tính đa biến, kiểm định tham số mô hình với dữ liệu thực nghiệm.
  • Giai đoạn 4 (M4): Chạy mô hình ngoại suy theo kịch bản B1, B2, A2 và xây dựng khung giải pháp kỹ thuật phòng cháy thích ứng.

Implementation và kết quả

Chi tiết thuật toán và cài đặt mã nguồn

Hệ thống xử lý sử dụng module thuật toán Nesterov được tối ưu hóa nhằm duyệt qua hàng trăm nghìn bản ghi khí tượng hàng ngày, tự động tính toán giá trị $P$ và phân loại số ngày đạt cấp IV ($P \ge 2501$) và cấp V ($P \ge 10000$).

program ForestFireDangerIndex;
{$mode objfpc}{$H+}
uses SysUtils, Math;

const
  RAIN_RESET_THRESHOLD = 5.0; // Ngưỡng mưa dập cháy cải tiến (mm)
  LEVEL_4_THRESHOLD = 2501;   // Cấp IV: Nguy hiểm
  LEVEL_5_THRESHOLD = 10000;  // Cấp V: Cực kỳ nguy hiểm

type
  TDailyMeteo = record
    Day: Integer;
    T13: Double;    // Nhiệt độ không khí lúc 13h (°C)
    D13: Double;    // Độ chênh lệch bão hòa lúc 13h (hPa)
    Rainfall: Double; // Lượng mưa ngày (mm)
  end;

function CalculateMonthlyZ45(const DailyData: array of TDailyMeteo; Count: Integer): Integer;
var
  i: Integer;
  AccumulatedP: Double;
  Z45_Count: Integer;
begin
  AccumulatedP := 0.0;
  Z45_Count := 0;
  
  for i := 0 to Count - 1 do
  begin
    if DailyData[i].Rainfall > RAIN_RESET_THRESHOLD then
      AccumulatedP := 0.0
    else
      AccumulatedP := AccumulatedP + (DailyData[i].T13 * DailyData[i].D13);
      
    if AccumulatedP >= LEVEL_4_THRESHOLD then
      Inc(Z45_Count);
  end;
  
  Result := Z45_Count;
end;

Thử nghiệm và kiểm định mô hình

Mô hình hồi quy đa biến LINEST được kiểm định trên chuỗi quan trắc 1978–2009 với các hệ số tương quan đạt độ tin cậy thống kê cao ($R^2 > 0,82$, $p < 0,01$).

Trạm khí tượng Vùng sinh thái Phương trình hồi quy $Z_{4,5} = f(T, D, R)$ Hệ số xác định $R^2$ Sai số chuẩn ($SE$)
Nha Trang Nam Trung Bộ $Z_{4,5} = 1,42 \cdot T + 0,88 \cdot D - 0,045 \cdot R - 22,15$ 0,854 $\pm 1,24$
Pleiku Tây Nguyên $Z_{4,5} = 1,85 \cdot T + 1,12 \cdot D - 0,082 \cdot R - 28,60$ 0,891 $\pm 0,95$
Buôn Ma Thuột Tây Nguyên $Z_{4,5} = 1,92 \cdot T + 1,05 \cdot D - 0,078 \cdot R - 30,10$ 0,883 $\pm 1,05$
Cà Mau Tây Nam Bộ $Z_{4,5} = 1,65 \cdot T + 0,95 \cdot D - 0,061 \cdot R - 25,40$ 0,867 $\pm 1,18$
Tây Ninh Đông Nam Bộ $Z_{4,5} = 1,71 \cdot T + 1,01 \cdot D - 0,052 \cdot R - 26,80$ 0,875 $\pm 1,10$

Kết quả nghiên cứu thực nghiệm

===================================================================================
                       PHÂN HÓA NGUY CƠ CHÁY THEO VÙNG
===================================================================================
Vùng              Mùa cháy chính     Tháng đỉnh điểm      Độ chênh bão hòa (D)
-----------------------------------------------------------------------------------
Nam Trung Bộ      Tháng 1 - Tháng 8  Tháng 6              18.3 hPa (Nha Trang)
Tây Nguyên        Tháng 12 - Tháng 3 Tháng 3              22.0 hPa (Buôn Ma Thuột)
Đông Nam Bộ       Tháng 12 - Tháng 4 Tháng 3, 4           20.5 hPa (Tây Ninh)
Tây Nam Bộ        Tháng 12 - Tháng 4 Tháng 3, 4           19.8 hPa (Cà Mau)
===================================================================================

1. Khu vực Nam Trung Bộ (Trạm Nha Trang)

  • Do hiệu ứng phơn Tây khô nóng và mùa mưa đến muộn (chủ yếu từ tháng 9 đến tháng 12), mùa cháy kéo dài tới 8 tháng (từ tháng 1 đến tháng 8).
  • Tháng 6 ghi nhận nhiệt độ trung bình cao nhất đạt 31,7°C, độ chênh lệch bão hòa cực đại $D = 18,3\text{ hPa}$. Số ngày cháy cấp IV, V trung bình đạt 14,7 ngày/tháng.

2. Khu vực Tây Nguyên (Kon Tum, Pleiku, Buôn Ma Thuột, Đà Lạt)

  • Mùa cháy diễn ra từ tháng 12 đến tháng 3 năm sau với tính chất khô hạn khốc liệt.
  • Buôn Ma Thuột là tâm điểm cháy lớn nhất khu vực với số ngày cháy cấp IV, V trong các tháng đỉnh điểm (tháng 2, 3) đạt xấp xỉ 30–31 ngày/tháng.
  • Trạm Pleiku có số ngày cháy cấp nguy hiểm trung bình tháng 1 đạt 23,8 ngày. Đà Lạt do địa hình cao nguyên lạnh nên nhiệt độ thấp hơn 2–3°C, song tháng 3 ghi nhận $D$ tăng vọt lên 22,03 hPa.

3. Khu vực Nam Bộ (Đông Nam Bộ & Tây Nam Bộ)

  • Mùa cháy bắt đầu từ tháng 12 đến hết tháng 4 năm sau. Các tháng 1, 2, 3, 4 lượng mưa hầu hết dưới 50 mm, nhiều đợt không mưa kéo dài 2–3 tháng.
  • Số ngày cháy cấp IV, V tập trung rất cao ở đầu và giữa mùa (> 25–26,5 ngày/tháng). Tại rừng tràm ngập phèn U Minh (Cà Mau, Kiên Giang), sinh khối tích lũy lớp than bùn khô kiệt từ 15–22 tấn/ha tạo ra nguy cơ cháy ngầm và cháy lướt tán cực kỳ nguy hiểm.
Số ngày cháy cấp 4,5 (Z4,5) trung bình các tháng mùa khô:
[Buôn Ma Thuột] ██████████████████████████████ 31.0 ngày/tháng (Tháng 3)
[Rạch Giá]      ██████████████████████████     26.5 ngày/tháng (Tháng 1)
[Pleiku]        ███████████████████████        23.8 ngày/tháng (Tháng 1)
[Cà Mau]        ██████████████████████         22.4 ngày/tháng (Tháng 2)
[Nha Trang]     ███████████████                14.7 ngày/tháng (Tháng 6)

Đổi mới và đóng góp

Các cải tiến kỹ thuật nổi bật

  1. Mô hình hóa tác động BĐKH dài hạn vào nguy cơ cháy: Khác với các nghiên cứu trước đây chỉ thống kê mô tả hiện trạng, đề tài đã thiết lập cầu nối toán học giữa kịch bản phát thải toàn cầu (SRES B1, B2, A2) với số ngày cháy nguy hiểm cấp địa phương $Z_{4,5}$ thông qua phương trình hồi quy vi khí hậu.
  2. Phát hiện tính dị biệt của quy luật dịch chuyển mùa cháy: Làm rõ hiện tượng suy giảm lượng mưa cục bộ trong các tháng hạn kiệt tại Đông Nam Bộ (Tây Ninh) làm kéo dài mùa cháy thêm 15–20 ngày, trong khi vùng ven biển Tây Nam Bộ (Phú Quốc, Rạch Giá) có xu thế lượng mưa mùa mưa tăng nhẹ làm rút ngắn đuôi mùa cháy.
  3. Cơ sở định lượng cho phân vùng quản lý nhiên liệu rừng: Cung cấp ma trận thông số sinh thái - khí tượng chính xác cho từng loại rừng đặc thù: rừng khộp rụng lá Tây Nguyên (vật liệu cháy 5–10 tấn/ha) và rừng tràm than bùn Tây Nam Bộ (vật liệu cháy 15–22 tấn/ha).
+-----------------------------------------------------------------------------------+
|                        SO SÁNH CÁC PHƯƠNG PHÁP NGHIÊN CỨU                         |
|                                                                                   |
|  [Tiêu chí đánh giá]     [Phương pháp truyền thống]      [Phương pháp đề tài]     |
|  Chu kỳ dự báo           Ngắn hạn (1-3 ngày)             Dài hạn theo thập niên   |
|  Tích hợp kịch bản BĐKH  Không tích hợp                  Tích hợp B1, B2, A2      |
|  Xử lý chuỗi dữ liệu     Thủ công, cục bộ                Lập trình Pascal tự động |
|  Độ chính xác R2         0.65 - 0.72                     0.85 - 0.89              |
+-----------------------------------------------------------------------------------+

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng trong thực tế

  • Chi cục Kiểm lâm các tỉnh Tây Nguyên & Nam Bộ: Sử dụng biểu đồ diễn biến số ngày $Z_{4,5}$ để lập lịch trực chỉ huy cháy rừng, bố trí lực lượng tuần tra cơ động và vận hành tháp canh lửa theo từng tháng cao điểm.
  • Ban Quản lý Vườn Quốc gia Tràm Chim, U Minh Thượng, U Minh Hạ: Điều tiết đóng/mở cống giữ nước trong các kênh rạch nội vùng trước mùa kiệt (tháng 12), đảm bảo độ ẩm than bùn không xuống dưới ngưỡng cháy ngầm ($< 15%$).
  • Các công ty lâm nghiệp: Xây dựng đường băng cản lửa trắng kết hợp đường băng xanh bằng cây bản địa chịu lửa trước tháng 1 hàng năm.

Yêu cầu triển khai hệ thống

  • Hạ tầng tính toán: Máy trạm tiêu chuẩn (CPU Intel Core i3 trở lên, RAM 4GB, hệ điều hành Linux/Windows).
  • Đầu vào dữ liệu: Chuỗi số liệu KTTV hàng ngày gồm nhiệt độ (°C lúc 13h), độ ẩm tương đối hoặc độ thiếu hụt bão hòa ($D$), lượng mưa ngày ($R$).
  • Hiệu quả kinh tế (ROI): Chi phí triển khai phần mềm và mô hình ước tính dưới 50 triệu VNĐ, nhưng giúp tối ưu hóa ngân sách phòng chống cháy hàng tỷ đồng mỗi năm, giảm thiểu nguy cơ thiệt hại rừng trị giá hàng chục tỷ đồng cho các khu bảo tồn.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật hiện tại

  • Chuỗi số liệu phụ thuộc vào hệ thống trạm quan trắc mặt đất truyền thống, khoảng cách giữa các trạm còn thưa tại các vùng đồi núi sâu của Tây Nguyên.
  • Phương pháp hạ quy mô thống kê từ kịch bản MAGICC/SCENGEN mang tính chất ngoại suy tuyến tính, chưa mô phỏng hết các hiện tượng thời tiết cực đoan đột biến phi tuyến (Extreme Flash Droughts).

Hướng nâng cấp mở rộng

  • Tích hợp cảm biến IoT và ảnh vệ tinh viễn thám: Kết nối nguồn ảnh MODIS/VIIRS để phát hiện điểm cháy nóng thời gian thực (Hotspots) kết hợp tính toán chỉ số thực vật $NDVI$, độ ẩm đất $NDWI$.
  • Hiện đại hóa kiến trúc phần mềm: Chuyển đổi mã nguồn xử lý dữ liệu từ Pascal sang Python/FastAPI backend, lưu trữ trên PostgreSQL/PostGIS và hiển thị giao diện bản đồ tương tác WebGIS (Mapbox/OpenLayers).
  • Học máy (Machine Learning): Áp dụng các thuật toán Random Forest và XGBoost để dự báo khả năng bùng phát cháy theo không gian với độ phân giải lưới $1\text{ km} \times 1\text{ km}$.

Đối tượng hưởng lợi

+-----------------------------------------------------------------------------------+
|                            ĐỐI TƯỢNG HƯỞNG LỢI CHÍNH                              |
|                                                                                   |
|  [Sinh viên / Học viên]      [Kỹ sư / Nhà phát triển]    [Cơ quan quản lý & BQL]  |
|  Tài liệu chuẩn mực về KTTV  Source code thuật toán      Quy trình chủ động PCCCR |
|  & kỹ thuật mô hình hóa      Nesterov & hồi quy LINEST   Giảm 30-50% diện tích mất|
+-----------------------------------------------------------------------------------+
  • Sinh viên & Học viên Lâm nghiệp/Môi trường: Nắm bắt phương pháp luận nghiên cứu liên ngành giữa biến đổi khí hậu, vật lý khí quyển và sinh thái rừng nhiệt đới.
  • Kỹ sư phần mềm & Chuyên gia GIS: Tiếp cận thuật toán xử lý dữ liệu khí tượng chuẩn tắc và phương pháp mô hình hóa rủi ro thiên tai.
  • Chi cục Kiểm lâm & Ban Quản lý rừng đặc dụng: Sở hữu công cụ khoa học chính xác để chủ động điều phối nguồn lực, giảm từ 30–50% nguy cơ bùng phát cháy lớn trong các tháng hạn kiệt.
  • Các nhà nghiên cứu BĐKH: Cung cấp bộ tham số thực chứng về đáp ứng của hệ sinh thái rừng Việt Nam dưới tác động của các kịch bản phát thải khí nhà kính.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để triển khai mô hình tính toán là gì?

Hệ thống yêu cầu máy tính văn phòng thông thường cài đặt môi trường thực thi Pascal (Free Pascal IDE) hoặc Python 3.8+, bảng tính Excel hỗ trợ hàm LINEST, cùng bộ dữ liệu đo đạc khí tượng tối thiểu 10–15 năm tại trạm địa phương.

2. Mô hình xử lý thế nào khi lượng mưa phân bố bất thường do La Niña?

Thuật toán Nesterov cải tiến có cơ chế đặt lại chỉ số $P = 0$ ngay khi lượng mưa ngày vượt ngưỡng 5 mm. Bộ lọc làm trượt 5 năm giúp tách lọc dao động ngắn hạn của La Niña/El Niño để nhận diện chính xác xu thế khí hậu nền.

3. Có thể tích hợp mô hình này vào các hệ thống WebGIS kiểm lâm hiện có không?

Hoàn toàn khả thi. Các phương trình hồi quy $Z_{4,5}$ và logic tính toán Nesterov có thể dễ dàng chuyển đổi thành API Restful (sử dụng Python/Node.js) để cung cấp dữ liệu cấp nguy cơ cháy cho bản đồ WebGIS của Cục Kiểm lâm.

4. Chi phí duy trì và cập nhật dữ liệu hàng năm là bao nhiêu?

Chi phí vận hành định kỳ rất thấp, chủ yếu là kinh phí thu nhận bản tin khí tượng định kỳ từ Trung tâm Dự báo KTTV (hoặc trạm đo tự động) và chi phí bảo trì máy chủ dữ liệu nội bộ.

5. Tại sao kịch bản phát thải trung bình (B2) được khuyến nghị sử dụng phổ biến nhất?

Do tính không chắc chắn của các chính sách cắt giảm phát thải toàn cầu, kịch bản B2 đại diện cho lộ trình phát triển kinh tế - xã hội và bảo vệ môi trường hài hòa, có độ tin cậy và khả thi cao nhất cho quy hoạch lâm nghiệp cấp tỉnh tại Việt Nam.


Kết luận

Khóa luận “Nghiên cứu tác động của Biến đổi khí hậu lên nguy cơ và mùa cháy rừng tại các khu vực phía Nam trên lãnh thổ Việt Nam” của tác giả Phạm Ngọc Hằng là công trình khoa học có giá trị lý luận và thực tiễn sâu sắc. Bằng việc kết hợp chỉ tiêu Nesterov cải tiến, phương trình khô hạn Thái Văn Trừng và mô hình kịch bản BĐKH toàn cầu, đề tài đã giải mã chi tiết bức tranh phân hóa mùa cháy tại Nam Trung Bộ, Tây Nguyên và Nam Bộ.

Kết quả nghiên cứu không chỉ làm sáng tỏ quy luật dịch chuyển của các đợt cháy nguy hiểm cấp IV, cấp V theo từng thập niên mà còn cung cấp luận cứ vững chắc để các nhà hoạch định chính sách xây dựng chiến lược phòng cháy chữa cháy rừng chủ động, bảo tồn bền vững nguồn tài nguyên rừng quý giá của đất nước trong bối cảnh biến đổi khí hậu toàn cầu.