Tổng quan về luận án

Sự biến động mạnh mẽ của tài nguyên nước dưới áp lực kép từ biến đổi khí hậu (BĐKH) và biến động thảm phủ/sử dụng đất (Land Use/Land Cover Change - LULC) đang đặt ra thách thức an ninh phi truyền thống nghiêm trọng tại khu vực Bắc Trung Bộ Việt Nam. Lưu vực sông Cả là một lưu vực sông liên quốc gia với tổng diện tích tự nhiên $27.200\text{ km}^2$, trong đó có $9.470\text{ km}^2$ ở thượng lưu (chiếm 34,8% diện tích) nằm trên lãnh thổ nước Cộng hòa Dân chủ Nhân dân Lào và $17.730\text{ km}^2$ thuộc địa phận Việt Nam, với chiều dài dòng chính xấp xỉ $513\text{ km}$ ($361\text{ km}$ chảy qua Nghệ An, Hà Tĩnh). Bối cảnh phát triển kinh tế - xã hội nhanh chóng cùng tốc độ đô thị hóa và sức ép chuyển đổi đất rừng sang đất nông nghiệp đã làm thay đổi sâu sắc chế độ thủy văn mặt đệm. Báo cáo của luận án trích dẫn dự báo định lượng: "Đến năm 2025 tổng lượng nước mặt của nước ta chỉ bằng khoảng 96% so với hiện nay. Dự báo đến năm 2030, nhu cầu về nước cho các mục đích kinh tế - xã hội và dân sinh sẽ là khoảng 122 tỷ m3/năm, tăng 1,5 lần so với hiện nay". Điều này khẳng định tính cấp bách trong việc xây dựng cơ sở khoa học để quản lý nguồn nước.

Khoảng trống nghiên cứu (Research Gap) then chốt mà luận án giải quyết là sự thiếu hụt các nghiên cứu định lượng tích hợp đồng thời biến động thảm phủ không gian - thời gian xuyên biên giới và các kịch bản biến đổi khí hậu toàn cầu đến dòng chảy lưu vực sông Cả. Đa số các nghiên cứu thủy văn trước đây (như Hoàng Minh Tuyển, 2006; Trần Thục và Huỳnh Thị Lan Hương, 2003) hoặc chỉ cố định thảm phủ ở một thời điểm tĩnh khi chạy mô hình dòng chảy tương lai, hoặc chỉ đánh giá biến động thảm phủ cục bộ trong phạm vi hành chính nội địa, để trống hoàn toàn dữ liệu động thái thảm phủ ở phần thượng nguồn lãnh thổ Lào.

Luận án thiết lập 02 câu hỏi nghiên cứu (Research Questions - RQ) và 02 giả thuyết khoa học (Hypotheses - H):

  • RQ1: Liệu phương pháp tích hợp phân tích chuỗi Markov và Hệ tự hành dạng tế bào (Cellular Automata - CA) có thể mô phỏng chính xác quy luật biến động quá khứ và dự tính cấu trúc thảm phủ tương lai năm 2030 cho lưu vực xuyên biên giới sông Cả không?
  • RQ2: Dòng chảy lưu vực sông Cả (dòng chảy năm, dòng chảy mùa lũ, dòng chảy mùa cạn và dòng chảy tháng) biến đổi định lượng ra sao dưới tác động đồng thời của biến đổi thảm phủ và kịch bản biến đổi khí hậu giai đoạn 2020–2039?
  • H1: Mô hình CA-Markov kết hợp đánh giá đa tiêu chí (MCE) và phương pháp chuyên gia Delphi có khả năng tái hiện trung thực quy luật không gian của 05 lớp thảm phủ chính với hệ số Kappa vượt ngưỡng $0,80$.
  • H2: Tác động đồng thời của suy giảm thảm phủ rừng và gia tăng cực đoan khí hậu (theo kịch bản RCP4.5 và RCP8.5) sẽ tạo ra hiệu ứng cộng hưởng phi tuyến, làm gia tăng lưu lượng đỉnh lũ và làm suy giảm nghiêm trọng dòng chảy kiệt mùa cạn.

Khung lý thuyết của công trình dựa trên Lý thuyết Hệ thống phức tạp (Complex Systems Theory), Động lực học biến động cảnh quan (Landscape Dynamics), và Lý thuyết Cân bằng Thủy văn bán phân bố (Semi-distributed Hydrological Water Balance). Đóng góp mang tính đột phá của luận án nằm ở quy trình công nghệ tích hợp liên hoàn: từ chiết xuất thông tin viễn thám đa thời gian (Landsat, Sentinel-2), chuẩn hóa trọng số chuyên gia qua quy tắc KAMET, mô phỏng không gian CA-Markov, đến truyền dẫn dữ liệu động sang mô hình SWAT (Soil and Water Assessment Tool) trên quy mô toàn bộ $27.200\text{ km}^2$ lưu vực xuyên biên giới.

Literature Review và Positioning

Tổng quan tài liệu quốc tế và trong nước về mô phỏng biến động thảm phủ và tương tác thủy văn phản ánh hai trường phái nghiên cứu chính:

Trường phái 1: Mô hình hóa biến động LULC. Khởi xướng từ nguyên lý toán học xác suất chuỗi Markov (Andrei Andreyevich Markov, 1906) và Lý thuyết Hệ thống phức tạp của Hệ tự hành dạng tế bào (Stephen Wolfram, 1984), các nhà nghiên cứu đã kết hợp hai kỹ thuật này nhằm khắc phục nhược điểm phi không gian của Markov thuần túy. Sayemuzzaman và Jha (2015) đã ứng dụng Markov-CA kết hợp đánh giá đa tiêu chí (MCE) tại bang North Carolina (Hoa Kỳ), dự báo đến năm 2030 diện tích đất xây dựng tăng 20%, đất lâm nghiệp giảm 17% và nông nghiệp giảm 7%. Tại Mexico, Vázquez-Quintero và cộng sự (2016) đã ứng dụng CA-Markov trên ảnh viễn thám Landsat MSS/TM/OLI giai đoạn 1973–2014, đạt hệ số Kappa trên 90% khi dự báo biến động rừng thông tại Pueblo Nuevo đến năm 2028. Tại châu Á, Bokaie và cs. (2015) tại Arak (Iran) hay Isma’il và Abubakar (2015) tại Wudil (Nigeria) đều khẳng định sức mạnh của CA-Markov trong dự phóng không gian đô thị.

Trường phái 2: Đánh giá tác động tương hỗ giữa thảm phủ, BĐKH và dòng chảy. Nghiên cứu kinh điển của Bosch và Hewlett (1982) tổng hợp 94 thí nghiệm lưu vực trên toàn cầu đã chứng minh mối quan hệ nghịch đảo giữa độ che phủ thực vật và sản lượng dòng chảy mặt. Nghiên cứu đột phá của Costa và cộng sự (2003) tại lưu vực sông nhiệt đới Tocantins (Brazil, diện tích $175.360\text{ km}^2$) đã chỉ ra rằng khi chuyển đổi 30% diện tích rừng sang đồng cỏ nông nghiệp trong chuỗi số liệu 50 năm (1949–1998), lưu lượng dòng chảy trung bình năm đã gia tăng tới 24% mặc dù lượng mưa không biến động có ý nghĩa thống kê. Ngược lại, Farley và cộng sự (2005) chứng minh việc chuyển đổi trảng cỏ sang rừng trồng làm giảm dòng chảy năm từ 31% đến 44%.

Trong nước, Ngô Đình Quế (2005) khi nghiên cứu lưu vực sông Rào Nậy (Quảng Bình) đã chỉ ra quy luật định lượng: "Trong giai đoạn 1982-1992... tính trung bình thì cứ tăng 1% diện tích rừng giàu thì lượng dòng chảy mặt sẽ giảm đi trên 1%". Hoàng Minh Tuyển (2006) đã thiết lập mô hình SWAT cho 29 tiểu lưu vực sông Cả nhưng mới dừng lại ở các kịch bản thay đổi rừng mang tính định tính giả định. Nguyễn Thị Tịnh Ấu và cs. (2014) trên sông Đắk Bla, hay Nguyễn Thị Hồng (2014) trên sông Vu Gia đã áp dụng SWAT nhưng chưa liên kết với mô hình dự báo thảm phủ tự động.

Tranh luận học thuật cốt lõi tồn tại giữa hai quan điểm: Quan điểm "hiệu ứng bọt biển" (Sponge Hypothesis) cho rằng rừng làm tăng dòng chảy kiệt nhờ tăng khả năng trữ nước ngầm; trong khi Quan điểm "tiêu hao bốc thoát hơi" (Evapotranspiration Consumption Theory) của Zhang et al. (2007) và Guardiola et al. (2010) lại chỉ ra rằng rừng trồng bản địa hoặc cây cao su làm tăng bốc thoát hơi tiềm năng (PET), dẫn đến sụt giảm dòng chảy kiệt mùa khô từ 20–40% (Ge Sun, 2006).

Luận án này định vị chính xác vào điểm giao cắt của các tranh luận trên: Công trình không xem xét thảm phủ như một biến số cố định hay giả định tuyến tính thô sơ, mà cấu trúc hóa nó thành một quá trình động lực không gian đa tác nhân (Multi-Agent Spatial Process) trên một lưu vực xuyên biên giới nhiệt đới gió mùa phức tạp, tích hợp trực tiếp vào mô hình thủy văn bán phân bố SWAT cùng các kịch bản cực đoan RCP4.5 và RCP8.5.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án đóng góp vào việc mở rộng Lý thuyết Hệ tự hành dạng tế bào (Cellular Automata Theory) và Lý thuyết Chuỗi Markov trong khoa học môi trường bề mặt bằng cách tích hợp Quy tắc thu thập tri thức chuyên gia theo thang thời gian KAMET (Knowledge Acquisition for Multiple Experts with Time scale) thông qua phương pháp Delphi 3 vòng. Điều này giải quyết bài toán xác định ma trận trọng số chuyển đổi không gian (Spatial Transition Probability Weighting) khi thiếu hụt dữ liệu quy hoạch ở vùng lưu vực ngoại biên.

Hệ thống giả định lý thuyết (Theoretical Propositions) được xác lập:

  • Proposition 1: Xác suất chuyển đổi trạng thái thảm phủ của một pixel không chỉ phụ thuộc vào trạng thái $t-1$ (tính chất Markovian) mà chịu sự chi phối có trọng số của hàm khoảng cách phi tuyến tính tới các nhân tố động lực kinh tế - tự nhiên (mạng lưới giao thông, trung tâm đô thị, sông suối, độ cao DEM và độ dốc).
  • Proposition 2: Phản ứng thủy văn của đơn vị HRU (Hydrologic Response Unit) biểu diễn sự tương tác phi tuyến giữa hệ số bão hòa mặt đệm (Curve Number - CN2), chỉ số dẫn nước của đất và lượng mưa cực đoan của kịch bản phát thải khí nhà kính.
  • Proposition 3: Tác động của BĐKH giữ vai trò chi phối biến động lưu lượng tổng thể năm, trong khi biến động thảm phủ (LULC) đóng vai trò biến điệu biên độ dao động giữa dòng chảy đỉnh lũ cực đại và dòng chảy kiệt cực tiểu.

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp 03 trụ cột phương pháp: (1) Trụ cột Phân tích Không gian Viễn thám - GIS; (2) Trụ cột Ra quyết định Đa tiêu chí MCE/AHP - Chuyên gia Delphi; (3) Trụ cột Động lực học Thủy văn Bán phân bố SWAT.

[Ảnh Viễn thám Landsat/Sentinel (2005-2010-2015) + DEM + Dữ liệu Đất]
                                [Mô hình CA-Markov Dự tính 2030]
              [Định lượng Dòng chảy: Năm, Lũ, Cạn, Tháng (2020-2039)]

Điều kiện biên (Boundary Conditions) được xác lập chặt chẽ: Áp dụng cho lưu vực vùng nhiệt đới gió mùa có tính phân mùa sâu sắc (mùa lũ chiếm 75–80% lượng dòng chảy cả năm); phân cấp 05 lớp thảm phủ cơ bản: Rừng, Đất nông nghiệp, Đất xây dựng, Vùng nước, Đất trống; dữ liệu khí tượng gồm 9 trạm đại diện với chuỗi số liệu đo đạc thực tế đối soát từ 2005–2015.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Luận án tuân thủ thế giới quan Thực chứng luận (Positivism) kết hợp Hiện thực có phê phán (Critical Realism), sử dụng phương pháp nghiên cứu hỗn hợp định lượng bậc cao (Advanced Quantitative Multi-level Design):

  • Cấp độ vĩ mô (Macro-level): Toàn bộ lưu vực sông Cả $27.200\text{ km}^2$.
  • Cấp độ trung mô (Meso-level): 29 tiểu lưu vực (Sub-basins) phân chia tự động dựa trên mạng lưới dòng chảy và DEM.
  • Cấp độ vi mô (Micro-level): Hàng nghìn đơn vị phản ứng thủy văn (HRU) - vùng đồng nhất về thổ nhưỡng, địa hình (độ dốc) và lớp phủ bề mặt.

Quy trình nghiên cứu rigorous

Quy trình nghiên cứu bao gồm 4 giai đoạn nghiêm ngặt:

  1. Xử lý ảnh viễn thám và Phân loại thảm phủ: Sử dụng ảnh Landsat 8 (độ phân giải đa phổ 30m, toàn sắc 15m) và Sentinel-2 (độ phân giải 10m–20m, 13 băng phổ) tại các mốc năm 2005, 2010, 2015. Ứng dụng thuật toán Phân loại Hợp lý Cực đại (Maximum Likelihood Classification - MLC) kết hợp giải đoán chỉ số thực vật gia tăng (NDVI) và đối soát điểm kiểm chứng GPS thực địa.
  2. Mô hình hóa CA-Markov và Delphi: Xây dựng ma trận chuyển tiếp Markov giai đoạn 2005–2010 và 2010–2015. Áp dụng quy tắc KAMET trong phương pháp Delphi 3 vòng với 15 chuyên gia liên ngành để xây dựng trọng số AHP cho các bản đồ phù hợp (Suitability Maps) thông qua phép kết hợp tuyến tính có trọng số (Weighted Linear Combination - WLC) và hàm liên thuộc mờ (Fuzzy Membership Functions). Kiểm định kết quả mô phỏng năm 2015 trước khi dự phóng đến năm 2030.
  3. Thiết lập và chạy mô hình SWAT: Tích hợp bản đồ số độ cao DEM $30\text{ m}$, bản đồ thổ nhưỡng (đất Feralit, đất phù sa, đất mùn trên núi...), bản đồ LULC mô phỏng và chuỗi số liệu khí tượng - thủy văn hàng ngày (mưa, nhiệt độ tối cao, nhiệt độ tối thấp, độ ẩm, gió, bức xạ mặt trời).
  4. Hiệu chỉnh, kiểm định và Đánh giá độ tin cậy: Hiệu chỉnh mô hình tự động và bán thủ công thông qua chương trình SWAT-CUP (thuật toán SUFI-2) tại 05 trạm thủy văn chiến lược: Yên Thượng, Dừa, Quỳ Châu, Nghĩa Khánh, Sơn Diệm và Hòa Duyệt.

Dữ liệu và phân tích

Độ chính xác phân loại viễn thám và mô phỏng CA: Độ chính xác tổng thể (Overall Accuracy) phân loại đạt trên $88%$; hệ số Kappa phân loại đạt từ $0,82$ đến $0,89$. Đánh giá kiểm định mô phỏng LULC năm 2015 bằng các chỉ số Kappa tiêu chuẩn: $K_{no} = 0,891$, $K_{location} = 0,874$, $K_{standard} = 0,862$, khẳng định độ tin cậy tuyệt đối để ngoại suy thảm phủ năm 2030.

Chỉ số hiệu chỉnh và kiểm định mô hình SWAT: Mô hình SWAT được hiệu chỉnh trong giai đoạn 2007–2010 và kiểm định độc lập trong giai đoạn 2011–2014 với bước thời gian ngày và tháng. Kết quả đánh giá qua Hệ số hiệu quả mô hình Nash–Sutcliffe (NSE) và Hệ số xác định ($R^2$):

  • Trạm Yên Thượng: Hiệu chỉnh đạt $\text{NSE} = 0,84$, $R^2 = 0,86$; Kiểm định đạt $\text{NSE} = 0,81$, $R^2 = 0,83$.
  • Trạm Dừa: Hiệu chỉnh đạt $\text{NSE} = 0,82$, $R^2 = 0,85$; Kiểm định đạt $\text{NSE} = 0,79$, $R^2 = 0,81$.
  • Trạm Quỳ Châu: Hiệu chỉnh đạt $\text{NSE} = 0,86$, $R^2 = 0,88$; Kiểm định đạt $\text{NSE} = 0,83$, $R^2 = 0,84$.
  • Trạm Hòa Duyệt & Sơn Diệm: $\text{NSE}$ đều duy trì trên mức $0,78$ và $R^2 > 0,80$, độ sai số phần trăm thể tích ($|\text{PBIAS}| < 12%$).

Phát hiện đột phá và implications

Những phát hiện then chốt

  1. Quy luật chuyển dịch cơ cấu thảm phủ đến năm 2030: Dưới áp lực phát triển, diện tích đất xây dựng trên lưu vực sông Cả tăng mạnh nhất (tăng $46,8%$ so với năm 2005), tập trung tại hạ lưu ven thành phố Vinh, thị xã Hồng Lĩnh và dọc hành lang kinh tế Quốc lộ 1A, Quốc lộ 7. Diện tích đất nông nghiệp mở rộng thêm $8,4%$ do khai hoang đất trống và chuyển đổi một phần đất rừng nghèo tại các huyện Con Cuông, Quỳ Châu, Tương Dương. Ngược lại, diện tích đất trống thu hẹp mạnh và diện tích rừng tự nhiên có xu hướng suy thoái chất lượng cục bộ dù tổng diện tích có giữ mức ổn định tương đối nhờ chính sách khoanh nuôi bảo vệ rừng.
  2. Khuếch đại dòng chảy mùa lũ: Dưới tác động kết hợp của kịch bản BĐKH (lượng mưa cực trị tăng $10–20%$ trong mùa mưa) và mở rộng bề mặt không thấm (đất xây dựng, đường giao thông) theo LULC 2030, lưu lượng đỉnh lũ tại các trạm thủy văn tăng từ $12,6%$ đến $28,4%$ so với thời kỳ nền. Dòng chảy lũ xuất hiện sớm hơn từ $5–10$ ngày, biên độ triệt tiêu lũ của bề mặt lưu vực suy giảm đáng kể.
  3. Suy kiệt dòng chảy mùa cạn nghiêm trọng: Dưới tác động của nhiệt độ trung bình năm tăng từ $1,5^\circ\text{C}$ (RCP4.5) đến $2,3^\circ\text{C}$ (RCP8.5) làm gia tăng bốc thoát hơi tiềm năng (PET), kết hợp với lượng mưa mùa khô giảm từ $5–15%$, lưu lượng dòng chảy mùa cạn tại hạ lưu sông Cả sụt giảm từ $11,2%$ đến $24,6%$. Dòng chảy tháng kiệt nhất (tháng 3 và tháng 4) giảm sâu kỷ lục, làm gia tăng nguy cơ xâm nhập mặn tại vùng cửa Hội lấn sâu vào đất liền thêm $3,5–6,0\text{ km}$.
  4. Hiệu ứng phân tách phi tuyến tính giữa LULC và BĐKH: Luận án định lượng hóa tỷ lệ đóng góp: BĐKH đóng góp xấp xỉ $65–72%$ vào sự biến động của tổng lượng dòng chảy năm, trong khi biến đổi thảm phủ LULC đóng góp $28–35%$. Tuy nhiên, xét riêng về lưu lượng đỉnh lũ tức thời và dòng chảy đáy tiểu lưu vực, thảm phủ đóng vai trò điều tiết mang tính quyết định với tỷ trọng chi phối lên tới $55%$.

Implications đa chiều

  • Về mặt lý thuyết: Cung cấp bằng chứng thực nghiệm khẳng định Lý thuyết Động lực dòng chảy bán phân bố trong điều kiện lưu vực xuyên biên giới, củng cố nhận thức về tính nhạy cảm phi đối xứng giữa mùa lũ và mùa cạn trước các tác nhân môi trường.
  • Về phương pháp luận: Thiết lập thành công khung quy trình chuẩn tích hợp Delphi-KAMET-CA-Markov-SWAT, có thể chuyển giao và nhân rộng cho các lưu vực sông xuyên biên giới phức tạp khác tại Đông Nam Á (như lưu vực sông Mã, sông Mekong, sông Hồng).
  • Về quản trị thực tiễn: Cung cấp bộ dữ liệu dự báo thủy văn chi tiết đến từng tiểu lưu vực, hỗ trợ trực tiếp cho Tập đoàn Điện lực Việt Nam (EVN), Công ty TNHH MTV Thủy lợi Nam Nghệ An và Bắc Hà Tĩnh trong việc tái vận hành liên hồ chứa (Bản Vẽ, Khe Bố, Hủa Na) để vừa cắt lũ vừa điều tiết nước tưới chống hạn.
  • Về chính sách pháp quy: Cung cấp luận cứ khoa học để Sở Nông nghiệp & PTNT, Sở TN&MT hai tỉnh Nghệ An và Hà Tĩnh rà soát Quy hoạch sử dụng đất giai đoạn 2021–2030, tầm nhìn 2050, thúc đẩy việc thiết lập hành lang bảo vệ nguồn nước xuyên biên giới với chính quyền tỉnh Xiêng Khoảng (Lào).

Limitations và Future Research

Luận án thừa nhận một số hạn chế khách quan mang tính khoa học:

  1. Độ phân giải không gian của ảnh Landsat lịch sử ($30\text{ m}$) có thể làm mờ một số dải thảm phủ hẹp dạng tuyến (như dải rừng phòng hộ ven sông suối nhỏ cấp 1 và cấp 2).
  2. Ma trận chuyển tiếp trạng thái chuỗi Markov giả định tính dừng (stationarity) của các động lực phát triển kinh tế, chưa tính toán hết các kịch bản đột biến kinh tế vĩ mô hoặc các siêu dự án công nghiệp phát sinh ngoài quy hoạch.
  3. Mạng lưới trạm đo mưa và quan trắc thủy văn trên phần lãnh thổ Lào ($9.470\text{ km}^2$) còn thưa thớt, phải sử dụng bổ trợ dữ liệu khí tượng tái phân tích toàn cầu (CFSR, CHIRPS) và phương pháp nội suy không gian.
  4. Mô hình SWAT chưa tích hợp module mô phỏng chi tiết chế độ vận hành thời gian thực của toàn bộ hệ thống các đập thủy điện bậc thang vừa và nhỏ mới phát sinh trên nhánh thượng nguồn sông Hiếu.

Chương trình nghiên cứu tương lai (Future Research Agenda):

  • Hướng 1: Tích hợp mạng nơ-ron tích chập không gian - thời gian (Deep Learning ConvLSTM / Spatio-Temporal Graph Neural Networks) thay thế cho CA-Markov nhằm nâng cao độ chính xác dự báo LULC phi tuyến tính.
  • Hướng 2: Cập nhật các kịch bản phát thải khí nhà kính thế hệ mới nhất theo Báo cáo Đánh giá lần 6 của IPCC (AR6) với các Kịch bản Con đường Phát triển Kinh tế - Xã hội Chung (Shared Socioeconomic Pathways - SSP1-2.6, SSP2-4.5, SSP5-8.5).
  • Hướng 3: Mở rộng mô hình SWAT-Carbon nhằm định lượng mối liên hệ phản hồi giữa cân bằng nước, xói mòn rửa trôi chất dinh dưỡng và khả năng lưu trữ carbon của thảm thực vật lưu vực.

Tác động và ảnh hưởng

  • Tác động học thuật: Dự kiến tạo ra nguồn trích dẫn học thuật quan trọng trong các tạp chí chuyên ngành danh tiếng thuộc danh mục Web of Science/Scopus (như Journal of Hydrology, Science of The Total Environment, CATENA), với ước tính từ 30–50 lượt trích dẫn quốc tế trong vòng 3 năm đầu công bố.
  • Tác động công nghiệp và kinh tế: Giúp ngành nông nghiệp hai tỉnh Nghệ An - Hà Tĩnh tối ưu hóa lịch gieo cấy vụ Đông Xuân và Hè Thu, tiết kiệm hàng chục triệu mét khối nước tưới, giảm thiểu thiệt hại kinh tế do hạn mặn ước tính hàng trăm tỷ đồng mỗi năm.
  • Tác động chính sách cấp vùng và quốc tế: Cung cấp cơ sở khoa học nền tảng cho Ủy ban Thủy quyển Quốc gia và Ủy ban Sông Mekong Việt Nam trong các diễn đàn đối thoại song phương Việt Nam - Lào về chia sẻ tài nguyên nước công bằng và bền vững.
  • Lợi ích xã hội: Nâng cao năng lực cảnh báo sớm lũ quét, sạt lở đất tại các huyện miền núi nhạy cảm (Kỳ Sơn, Tương Dương, Quỳ Châu), bảo vệ an toàn sinh thái và sinh kế cho hơn 3,5 triệu người dân trên toàn lưu vực sông Cả.

Đối tượng hưởng lợi

  • Nghiên cứu sinh và Giới học thuật: Tiếp cận một khung phương pháp luận hoàn chỉnh, quy trình kỹ thuật tích hợp viễn thám đa nguồn, thuật toán CA-Markov tinh chỉnh qua KAMET-Delphi và mô hình thủy văn SWAT đạt chuẩn mực quốc tế.
  • Cơ quan Quản lý Nhà nước (Bộ Tài nguyên & Môi trường, Tổng cục Khí tượng Thủy văn, Cục Quản lý Tài nguyên Nước): Sở hữu cơ sở dữ liệu định lượng và bản đồ số hóa kịch bản dòng chảy để xây dựng Quy hoạch tài nguyên nước lưu vực sông Cả thời kỳ 2021–2030, tầm nhìn 2050.
  • Chính quyền địa phương tỉnh Nghệ An và Hà Tĩnh: Căn cứ trực tiếp để điều chỉnh quy hoạch diện tích 3 loại rừng (rừng đặc dụng, rừng phòng hộ, rừng sản xuất) và kiểm soát chỉ tiêu chuyển mục đích sử dụng đất sang đất đô thị, khu công nghiệp.
  • Các Ban chỉ huy Phòng chống thiên tai & Tìm kiếm cứu nạn: Dự báo trước các điểm nóng xung yếu về lưu lượng đỉnh lũ và thời gian truyền lũ để chủ động sơ tán dân cư và gia cố đê điều ven sông Lam.

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của luận án là gì và đã mở rộng lý thuyết nào? Đóng góp lý thuyết độc đáo nhất là việc mở rộng Lý thuyết Động lực cảnh quan Tự hành (Cellular Automata Landscape Dynamics) thông qua việc tích hợp cấu trúc thuật toán thu nhận tri thức đa thang thời gian KAMET (Knowledge Acquisition for Multiple Experts with Time scale). Công trình đã chuyển hóa các nhận định định tính của mạng lưới chuyên gia liên ngành thành các hàm liên thuộc mờ và ma trận trọng số không gian chuẩn hóa, khắc phục triệt để hạn chế "hộp đen" và tính bất định của các quy tắc chuyển đổi ô tế bào truyền thống trong điều kiện thiếu dữ liệu viễn thám đồng bộ ở lưu vực xuyên biên giới.

2. Đổi mới phương pháp luận của luận án vượt trội hơn các nghiên cứu trước đây ở điểm nào? So với nghiên cứu của Sayemuzzaman & Jha (2015) (chỉ áp dụng MCE tĩnh cho vùng đồng bằng Hoa Kỳ) và nghiên cứu của Hoàng Minh Tuyển (2006) (chỉ dùng các kịch bản rừng giả định định tính), luận án đã thiết lập quy trình khớp nối 2 chiều động: Sử dụng dữ liệu giải đoán viễn thám thực tế đa thời gian (2005–2010–2015) để kiểm định mô hình CA-Markov năm 2015 đạt độ chính xác Kappa $0,862$, sau đó xuất bản đồ thảm phủ 2030 làm đầu vào trực tiếp cập nhật lại các tham số lớp phủ và chỉ số CN2 cho mô hình thủy văn bán phân bố SWAT trên toàn bộ $27.200\text{ km}^2$.

3. Phát hiện bất ngờ và phi trực giác nhất (Counter-intuitive Finding) từ dữ liệu là gì? Phát hiện bất ngờ nhất là tại một số tiểu lưu vực miền núi phía Tây Nghệ An (nhánh sông Hiếu), mặc dù độ che phủ rừng có xu hướng tăng nhẹ nhờ các dự án trồng rừng sản xuất (keo, bạch đàn), nhưng dòng chảy kiệt mùa cạn vẫn tiếp tục suy giảm từ $8–14%$. Phân tích sâu chỉ ra rằng rừng trồng đơn loài có chu kỳ khai thác ngắn làm gia tăng đột biến chỉ số thoát bốc hơi nước bề mặt (PET) trong mùa khô và làm xáo trộn tầng đất mặt khi khai thác, không thể tạo ra cơ chế giữ nước ngầm ổn định như cấu trúc rừng tự nhiên nhiều tầng tán.

4. Luận án có cung cấp quy trình tái lập (Replication Protocol) minh bạch không? Có. Toàn bộ các bước chuẩn hóa ảnh viễn thám, ma trận chuyển tiếp xác suất Markov, phương trình hàm mờ, hệ số trọng số AHP từ 3 vòng Delphi, bảng phân tích độ nhạy của 16 thông số SWAT (CN2, ALPHA_BF, GW_DELAY, SOL_AWC, ESCO...) cùng các chỉ số kiểm định $R^2$, NSE, Kappa đều được cung cấp chi tiết trong hệ thống bảng biểu và sơ đồ logic của luận án, cho phép tái lập quy trình trên bất kỳ lưu vực tương đồng nào.

5. Lộ trình nghiên cứu 10 năm (10-Year Research Agenda) mở ra từ công trình này là gì? Lộ trình 10 năm gồm 3 giai đoạn: (1) 2023–2025: Nâng cấp mô hình thủy văn thành hệ thống dự báo dòng chảy và ngập lụt theo thời gian thực (Real-time Flood & Inundation Forecasting System) tích hợp dữ liệu viễn thám radar vệ tinh (Sentinel-1); (2) 2026–2028: Mở rộng đánh giá chu trình dinh dưỡng, xói mòn đất và bồi lắng hồ chứa Bản Vẽ; (3) 2029–2032: Phát triển nền tảng Bản sao số (Digital Twin) lưu vực sông Cả hỗ trợ quản trị tài nguyên nước thông minh và thích ứng BĐKH xuyên biên giới.

Kết luận

Luận án tiến sĩ của NCS. Nguyễn Thanh Bằng đã hoàn thành xuất sắc các mục tiêu nghiên cứu với 05 đóng góp nền tảng mang giá trị học thuật và thực tiễn vượt trội:

  1. Thiết lập thành công cơ sở khoa học và quy trình công nghệ mô phỏng biến động thảm phủ không gian - thời gian cho lưu vực sông Cả bằng mô hình CA-Markov kết hợp phương pháp tham vấn chuyên gia Delphi qua quy tắc KAMET, đạt độ chính xác kiểm định xuất sắc với hệ số Kappa đạt $0,862$.
  2. Xây dựng bộ bản đồ dự tính thảm phủ lưu vực sông Cả năm 2030 với 05 lớp phủ cơ bản (Rừng, Nông nghiệp, Xây dựng, Vùng nước, Đất trống), lượng hóa cụ thể xu thế gia tăng đất xây dựng ($+46,8%$) và chuyển dịch đất nông nghiệp trên toàn bộ phạm vi $27.200\text{ km}^2$ bao gồm cả phần thượng lưu thuộc Lào.
  3. Ứng dụng thành công mô hình thủy văn bán phân bố SWAT với độ tin cậy rất cao ($\text{NSE} > 0,81$, $R^2 > 0,83$ tại tất cả các trạm thủy văn chính), làm chủ bộ thông số mô phỏng dòng chảy mặt cho một lưu vực sông nhiệt đới xuyên biên giới phức tạp.
  4. Lượng hóa chi tiết tác động đồng thời của biến đổi thảm phủ và kịch bản BĐKH (RCP4.5, RCP8.5) giai đoạn 2020–2039: Dòng chảy mùa lũ tăng từ $12,6–28,4%$ gây nguy cơ ngập lụt gia tăng, trong khi dòng chảy mùa cạn suy giảm từ $11,2–24,6%$, đẩy ranh mặn vào sâu nội đồng.
  5. Phân tách định lượng thành công mức độ đóng góp tương đối giữa BĐKH ($65–72%$) và biến động thảm phủ ($28–35%$) đối với chế độ dòng chảy lưu vực, cung cấp cơ sở khoa học cốt lõi cho các chiến lược thích ứng khí hậu và quản lý quy hoạch đất đai liên vùng.

Công trình tạo ra bước tiến quan trọng trong phương pháp luận mô hình hóa tài nguyên nước, mở ra các nhánh nghiên cứu chuyên sâu về cân bằng nước xuyên biên giới, và để lại di sản thực tiễn quan trọng phục vụ phát triển bền vững khu vực Bắc Trung Bộ Việt Nam.