Luận văn thạc sĩ: Nghiên cứu và ứng dụng phương pháp ước tính nồng độ bụi từ ảnh vệ tinh

• Tác giả: Trần Huy Tấn
• Người hướng dẫn: PGS. Nguyễn Thị Nhật Thanh
• Trường học: Đại học Quốc gia Hà Nội
• Chuyên ngành: Hệ thống thông tin
• Đề tài: Nghiên Cứu Và Ứng Dụng Phương Pháp Ước Tính Nồng Độ Bụi Từ Ảnh Vệ Tinh
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2019
• Địa điểm: Hà Nội

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Thực trạng ô nhiễm không khí
• 1.2. Phương pháp quan trắc chất lượng không khí
• 1.2.1. Sử dụng các thiết bị quan trắc tại mặt đất
• 1.2.2. Ước tính thông qua AOD đo từ ảnh vệ tinh
• 1.2.3. Tính toán thông qua các mô hình ô nhiễm không khí
• 2. CHƯƠNG 2: PHƯƠNG PHÁP ƯỚC TÍNH NỒNG ĐỘ BỤI
• 2.1. Phương pháp hồi quy đa biến (MLR)
• 2.2. Phương pháp hồi quy địa lý (GWR)
• 2.2.1. Mô hình
• 2.2.2. Hàm tính trọng số địa lý
• 3. CHƯƠNG 3: THỰC NGHIỆM PHƯƠNG PHÁP ƯỚC TÍNH BỤI TỪ ẢNH VỆ TINH TRÊN KHU VỰC VIỆT NAM
• 3.1. Khu vực nghiên cứu
• 3.2. Dữ liệu thực nghiệm
• 3.2.1. Dữ liệu ảnh vệ tinh
• 3.2.2. Dữ liệu trạm quan trắc
• 3.3. Phương pháp ước tính
• 3.3.1. Chuẩn bị dữ liệu
• 3.3.2. Xây dựng mô hình hồi quy nhiệt độ
• 3.3.3. Xây dựng ảnh hồi quy nhiệt độ
• 3.3.4. Xây dựng mô hình hồi quy PM2.5
• 3.3.5. Xây dựng ảnh hồi quy PM2.5
• 3.3.6. Đánh giá mô hình
• 4. CHƯƠNG 4: THỰC NGHIỆM VÀ KẾT QUẢ
• 4.1. Môi trường thực nghiệm
• 4.2. Dữ liệu thực nghiệm
• 4.2.1. Dữ liệu cho mô hình nhiệt độ
• 4.2.2. Dữ liệu cho mô hình PM2.5
• 4.3. Đánh giá ước tính mô hình hồi quy cho nhiệt độ
• 4.3.1. Đánh giá và so sánh các thuật toán tính trọng số cho mô hình hồi quy địa lý
• 4.3.2. Đánh giá và so sánh mô hình hồi quy tuyến tính và mô hình hồi quy địa lý
• 4.3.3. Đánh giá và so sánh mô hình hồi quy địa lý một biến độc lập nhiệt độ và nhiều biến độc lập nhiệt độ, hơi nước, NDVI
• 4.3.4. Đánh giá và so sánh các mô hình tạo ảnh hồi quy
• 4.4. Đánh giá ước tính mô hình hồi quy cho PM2.5
• 4.4.1. Đánh giá và so sánh các thuật toán tính trọng số cho mô hình hồi quy địa lý
• 4.4.2. Đánh giá và so sánh mô hình hồi quy tuyến tính và mô hình hồi quy địa lý
• KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN

I. Tổng quan về nghiên cứu ước tính nồng độ bụi từ ảnh vệ tinh

Nghiên cứu ước tính nồng độ bụi từ ảnh vệ tinh là một lĩnh vực quan trọng trong việc giám sát ô nhiễm không khí. Bụi mịn, đặc biệt là PM2.5, có tác động nghiêm trọng đến sức khỏe con người và môi trường. Việc sử dụng ảnh vệ tinh để ước tính nồng độ bụi giúp cung cấp dữ liệu chính xác và kịp thời, hỗ trợ các nhà quản lý trong việc đưa ra quyết định. Nghiên cứu này không chỉ giúp hiểu rõ hơn về tình trạng ô nhiễm mà còn mở ra hướng đi mới cho các phương pháp giám sát môi trường.

1.1. Tầm quan trọng của việc ước tính nồng độ bụi

Nồng độ bụi trong không khí ảnh hưởng trực tiếp đến sức khỏe cộng đồng. Việc ước tính chính xác nồng độ bụi giúp phát hiện sớm các vấn đề ô nhiễm, từ đó có biện pháp can thiệp kịp thời. Sử dụng công nghệ vệ tinh cho phép theo dõi ô nhiễm trên diện rộng, điều này đặc biệt quan trọng ở những khu vực khó tiếp cận.

1.2. Các phương pháp ước tính nồng độ bụi hiện nay

Hiện nay, có nhiều phương pháp để ước tính nồng độ bụi, bao gồm sử dụng trạm quan trắc mặt đất, mô hình ô nhiễm không khí, và ảnh vệ tinh. Mỗi phương pháp có ưu nhược điểm riêng, nhưng việc kết hợp chúng có thể mang lại kết quả chính xác hơn.

II. Vấn đề ô nhiễm không khí và thách thức trong nghiên cứu

Ô nhiễm không khí đang trở thành một vấn đề nghiêm trọng trên toàn cầu, đặc biệt là ở các thành phố lớn. Các nguồn ô nhiễm chủ yếu bao gồm khói bụi từ giao thông, công nghiệp và hoạt động xây dựng. Việc theo dõi và ước tính nồng độ bụi là một thách thức lớn do sự biến đổi liên tục của các yếu tố môi trường. Nghiên cứu này nhằm tìm ra giải pháp hiệu quả để ước tính nồng độ bụi từ ảnh vệ tinh, giúp cải thiện chất lượng không khí.

2.1. Nguyên nhân gây ô nhiễm không khí

Ô nhiễm không khí có nhiều nguyên nhân, bao gồm hoạt động công nghiệp, giao thông vận tải, và các hiện tượng tự nhiên như cháy rừng. Những yếu tố này tạo ra nồng độ bụi cao, ảnh hưởng đến sức khỏe con người và môi trường. Việc hiểu rõ nguyên nhân giúp xây dựng các biện pháp giảm thiểu hiệu quả.

2.2. Thách thức trong việc giám sát ô nhiễm

Một trong những thách thức lớn trong việc giám sát ô nhiễm không khí là thiếu dữ liệu chính xác và kịp thời. Các trạm quan trắc mặt đất thường chỉ cung cấp thông tin tại một điểm cụ thể, trong khi ảnh vệ tinh có thể cung cấp cái nhìn tổng quát hơn nhưng lại gặp khó khăn trong việc đo lường chính xác nồng độ bụi.

III. Phương pháp ước tính nồng độ bụi từ ảnh vệ tinh

Nghiên cứu này áp dụng các phương pháp hồi quy để ước tính nồng độ bụi từ ảnh vệ tinh. Hai phương pháp chính được sử dụng là hồi quy tuyến tính và hồi quy có trọng số địa lý (GWR). Các mô hình này giúp phân tích mối quan hệ giữa nồng độ bụi và các yếu tố môi trường khác như nhiệt độ, độ ẩm và AOD. Kết quả từ các mô hình này sẽ được so sánh để tìm ra phương pháp hiệu quả nhất.

3.1. Phương pháp hồi quy tuyến tính MLR

Hồi quy tuyến tính là một trong những phương pháp phổ biến để ước tính nồng độ bụi. Phương pháp này sử dụng các biến độc lập như nhiệt độ và độ ẩm để dự đoán nồng độ bụi. Kết quả cho thấy hồi quy tuyến tính có thể cung cấp những ước tính khá chính xác trong nhiều trường hợp.

3.2. Phương pháp hồi quy có trọng số địa lý GWR

GWR là một phương pháp tiên tiến hơn, cho phép xem xét sự biến đổi không gian của nồng độ bụi. Phương pháp này giúp xác định các yếu tố ảnh hưởng đến nồng độ bụi tại từng khu vực cụ thể, từ đó đưa ra những dự đoán chính xác hơn về ô nhiễm không khí.

IV. Ứng dụng thực tiễn và kết quả nghiên cứu

Kết quả nghiên cứu cho thấy việc ước tính nồng độ bụi từ ảnh vệ tinh có thể mang lại những thông tin quý giá cho việc giám sát ô nhiễm không khí. Các mô hình hồi quy đã được áp dụng thành công để tạo ra bản đồ nồng độ bụi cho khu vực nghiên cứu. Những thông tin này có thể hỗ trợ các nhà quản lý trong việc đưa ra các chính sách bảo vệ môi trường hiệu quả.

4.1. Kết quả từ mô hình hồi quy

Các mô hình hồi quy đã cho thấy khả năng dự đoán nồng độ bụi với độ chính xác cao. Kết quả cho thấy mối quan hệ chặt chẽ giữa nồng độ bụi và các yếu tố môi trường như nhiệt độ và độ ẩm. Điều này khẳng định tính khả thi của việc sử dụng ảnh vệ tinh trong nghiên cứu ô nhiễm không khí.

4.2. Ứng dụng trong quản lý môi trường

Thông tin từ nghiên cứu có thể được sử dụng để xây dựng các chính sách quản lý ô nhiễm không khí hiệu quả hơn. Việc theo dõi nồng độ bụi từ ảnh vệ tinh giúp các nhà quản lý có cái nhìn tổng quát hơn về tình trạng ô nhiễm, từ đó đưa ra các biện pháp can thiệp kịp thời.

V. Kết luận và hướng phát triển trong tương lai

Nghiên cứu ước tính nồng độ bụi từ ảnh vệ tinh đã mở ra nhiều cơ hội mới trong việc giám sát ô nhiễm không khí. Kết quả cho thấy các phương pháp hồi quy có thể cung cấp những ước tính chính xác và hữu ích. Trong tương lai, cần tiếp tục phát triển và cải tiến các mô hình này để nâng cao độ chính xác và khả năng ứng dụng trong thực tiễn.

5.1. Tầm quan trọng của nghiên cứu tiếp theo

Nghiên cứu tiếp theo cần tập trung vào việc cải thiện độ chính xác của các mô hình hồi quy. Việc tích hợp thêm dữ liệu từ các nguồn khác nhau có thể giúp nâng cao chất lượng ước tính nồng độ bụi.

5.2. Hướng phát triển công nghệ mới

Công nghệ vệ tinh đang phát triển nhanh chóng, mở ra nhiều cơ hội mới cho việc giám sát ô nhiễm không khí. Việc áp dụng các công nghệ mới như AI và machine learning có thể giúp cải thiện đáng kể khả năng dự đoán nồng độ bụi trong tương lai.

Tổng quan nghiên cứu

Ô nhiễm không khí là một trong những thách thức môi trường nghiêm trọng toàn cầu, ảnh hưởng trực tiếp đến sức khỏe con người và hệ sinh thái. Theo Tổ chức Y tế Thế giới (WHO), năm 2016 có khoảng 92% dân số thế giới sống trong môi trường ô nhiễm không khí, với hơn 3 triệu ca tử vong sớm liên quan đến ô nhiễm bụi mịn PM2.5. Tại Việt Nam, ô nhiễm không khí cũng đang ở mức báo động, với hơn 60.000 ca tử vong liên quan đến các bệnh hô hấp và tim mạch trong năm 2016. Việc theo dõi và ước tính nồng độ bụi PM2.5 là rất cần thiết để đánh giá tác động môi trường và sức khỏe cộng đồng.

Luận văn tập trung nghiên cứu và ứng dụng phương pháp ước tính nồng độ bụi PM2.5 từ ảnh vệ tinh trên khu vực Việt Nam trong năm 2014. Mục tiêu chính là xây dựng và đánh giá các mô hình hồi quy, bao gồm hồi quy tuyến tính đa biến (MLR) và hồi quy có trọng số địa lý (GWR), nhằm ước tính chính xác nồng độ bụi dựa trên dữ liệu vệ tinh và trạm quan trắc mặt đất. Phạm vi nghiên cứu bao gồm toàn bộ lãnh thổ Việt Nam với dữ liệu từ 32 trạm quan trắc không khí và các sản phẩm ảnh vệ tinh MODIS, VIIRS, VIRRS.

Nghiên cứu có ý nghĩa quan trọng trong việc cung cấp công cụ giám sát ô nhiễm không khí liên tục, quy mô rộng, hỗ trợ quản lý môi trường và hoạch định chính sách giảm thiểu ô nhiễm. Các chỉ số đánh giá mô hình như hệ số tương quan R2, sai số trung bình RMSE và sai số tương đối RE được sử dụng để đảm bảo độ chính xác và tin cậy của kết quả.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên hai mô hình hồi quy chính để ước tính nồng độ bụi PM2.5 từ dữ liệu vệ tinh và trạm quan trắc:

• Mô hình hồi quy tuyến tính đa biến (MLR): Mô hình này biểu diễn mối quan hệ tuyến tính giữa biến phụ thuộc (nồng độ PM2.5 hoặc nhiệt độ mặt đất) và nhiều biến độc lập như AOD, nhiệt độ vệ tinh, độ ẩm, áp suất, chỉ số thực vật NDVI, mật độ dân số, giao thông, đô thị. Mục tiêu là tìm các hệ số hồi quy sao cho sai số dự đoán nhỏ nhất.

• Mô hình hồi quy có trọng số địa lý (GWR): Mô hình này mở rộng hồi quy tuyến tính bằng cách cho phép các hệ số hồi quy thay đổi theo vị trí địa lý, phản ánh sự biến đổi không gian của mối quan hệ giữa các biến. Trọng số địa lý được tính bằng các hàm như Gaussian, Bisquare, Exponential, giúp mô hình ưu tiên các điểm dữ liệu gần vị trí dự đoán hơn.

Các khái niệm chính bao gồm: nồng độ bụi PM2.5, độ dày quang học sol khí (AOD), chỉ số thực vật NDVI, các hàm trọng số địa lý, và các chỉ số đánh giá mô hình (R2, RMSE, RE).

Phương pháp nghiên cứu

Nguồn dữ liệu sử dụng gồm:

• Dữ liệu trạm quan trắc không khí: nhiệt độ mặt đất, tọa độ, nồng độ PM2.5 từ 32 trạm trên toàn quốc, thu thập trong năm 2014.
• Dữ liệu ảnh vệ tinh: sản phẩm MODIS, VIIRS, VIRRS cung cấp các chỉ số AOD, nhiệt độ bề mặt, độ ẩm, áp suất, lượng mưa, chiều cao biên hành tinh, độ cao trạm, NDVI, mật độ dân số, giao thông, đô thị.

Phương pháp phân tích gồm:

• Chuẩn bị và tổng hợp dữ liệu vệ tinh và trạm quan trắc.
• Xây dựng mô hình hồi quy nhiệt độ mặt đất từ dữ liệu vệ tinh và trạm, so sánh các thuật toán tính trọng số địa lý khác nhau để chọn mô hình tối ưu.
• Tạo ảnh hồi quy nhiệt độ mặt đất trên toàn khu vực nghiên cứu.
• Xây dựng mô hình hồi quy PM2.5 sử dụng dữ liệu vệ tinh, ảnh hồi quy nhiệt độ và dữ liệu trạm, so sánh mô hình MLR và GWR với các hàm trọng số khác nhau.
• Đánh giá mô hình bằng các chỉ số R2, RMSE, RE trên tập dữ liệu train và test.

Quá trình nghiên cứu được thực hiện trong năm 2019, sử dụng phần mềm R và các thư viện chuyên dụng như GWmodel để xây dựng mô hình hồi quy địa lý. Cỡ mẫu gồm 97 trạm nhiệt độ và 32 trạm PM2.5, dữ liệu được chia thành tập train và test theo tỷ lệ 2/3 và 1/3 để đánh giá mô hình.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Hiệu quả của các thuật toán tính trọng số địa lý trong mô hình GWR: Thuật toán Bisquare cho kết quả tốt nhất với chỉ số R2 trung bình đạt khoảng 0.975, RMSE thấp nhất và sai số tương đối RE nhỏ nhất so với các thuật toán Gaussian, Exponential, Tricube, Boxcar. Điều này cho thấy hàm trọng số Bisquare phù hợp nhất để mô hình hóa sự biến đổi không gian của nhiệt độ mặt đất và PM2.5.

2. So sánh mô hình hồi quy tuyến tính và hồi quy có trọng số địa lý: Mô hình GWR vượt trội hơn mô hình MLR với chỉ số R2 cao hơn khoảng 10-15%, RMSE giảm đáng kể, cho thấy việc tính đến yếu tố không gian giúp cải thiện độ chính xác ước tính nồng độ bụi và nhiệt độ mặt đất.

3. Ảnh hưởng của các biến độc lập trong mô hình nhiều biến: Mô hình GWR sử dụng nhiều biến độc lập như nhiệt độ vệ tinh, độ ẩm, AOD, áp suất, lượng mưa, NDVI, mật độ dân số, giao thông và đô thị cho kết quả ước tính PM2.5 chính xác hơn so với mô hình chỉ dùng một biến độc lập (nhiệt độ). Chỉ số R2 tăng từ khoảng 0.65 lên trên 0.85, RMSE giảm tương ứng.

4. Ảnh hồi quy nhiệt độ và PM2.5 trên khu vực Việt Nam: Ảnh hồi quy nhiệt độ mặt đất và PM2.5 được xây dựng cho toàn bộ lãnh thổ Việt Nam năm 2014, thể hiện rõ sự phân bố không đồng đều của ô nhiễm bụi, tập trung cao tại các đô thị lớn và khu vực có mật độ giao thông cao. Kết quả này phù hợp với các báo cáo quan trắc thực tế và nghiên cứu trước đó.

Thảo luận kết quả

Nguyên nhân mô hình GWR vượt trội là do tính đến sự biến đổi không gian của các yếu tố ảnh hưởng đến ô nhiễm không khí, trong khi mô hình MLR giả định mối quan hệ đồng nhất trên toàn bộ khu vực. Việc lựa chọn hàm trọng số địa lý Bisquare giúp mô hình tập trung vào các điểm dữ liệu gần vị trí dự đoán, giảm ảnh hưởng của các điểm xa không liên quan.

So sánh với các nghiên cứu quốc tế, kết quả R2 đạt được trong nghiên cứu này tương đương hoặc cao hơn, chứng tỏ phương pháp và dữ liệu sử dụng phù hợp với điều kiện Việt Nam. Việc tích hợp dữ liệu vệ tinh và trạm quan trắc giúp khắc phục hạn chế về số lượng trạm đo mặt đất còn ít và phân bố không đều.

Dữ liệu có thể được trình bày qua các biểu đồ đường thể hiện biến động R2, RMSE theo thời gian và các thuật toán, bảng so sánh các chỉ số đánh giá mô hình, cũng như bản đồ phân bố ảnh hồi quy PM2.5 và nhiệt độ mặt đất để minh họa sự phân bố không gian ô nhiễm.

Đề xuất và khuyến nghị

1. Triển khai rộng rãi mô hình GWR với hàm trọng số Bisquare để ước tính nồng độ bụi PM2.5 trên toàn quốc, nhằm cung cấp dữ liệu giám sát liên tục, chính xác cho các cơ quan quản lý môi trường. Thời gian thực hiện: 1-2 năm.

2. Tăng cường mạng lưới trạm quan trắc mặt đất tại các khu vực đô thị và công nghiệp trọng điểm để bổ sung dữ liệu đầu vào cho mô hình, nâng cao độ tin cậy và khả năng dự báo. Chủ thể thực hiện: Bộ Tài nguyên và Môi trường, các địa phương.

3. Phát triển hệ thống cảnh báo ô nhiễm không khí dựa trên mô hình ước tính vệ tinh kết hợp dữ liệu thời gian thực, hỗ trợ người dân và chính quyền ứng phó kịp thời với các đợt ô nhiễm cao. Mục tiêu giảm thiểu tác động sức khỏe, thời gian triển khai 1 năm.

4. Nghiên cứu mở rộng mô hình tích hợp thêm các yếu tố khí tượng và nguồn phát thải chi tiết để nâng cao độ chính xác và khả năng dự báo dài hạn, phục vụ hoạch định chính sách giảm thiểu ô nhiễm. Chủ thể thực hiện: các viện nghiên cứu, trường đại học.

Đối tượng nên tham khảo luận văn

1. Các nhà quản lý môi trường và chính sách công: Sử dụng kết quả nghiên cứu để xây dựng hệ thống giám sát ô nhiễm không khí hiệu quả, hoạch định các biện pháp giảm thiểu ô nhiễm phù hợp với điều kiện địa phương.

2. Các nhà nghiên cứu và học giả trong lĩnh vực công nghệ thông tin và môi trường: Tham khảo phương pháp hồi quy địa lý và ứng dụng ảnh vệ tinh trong giám sát môi trường, phát triển các nghiên cứu tiếp theo.

3. Các tổ chức y tế công cộng: Dựa trên dữ liệu ước tính nồng độ bụi PM2.5 để đánh giá tác động sức khỏe cộng đồng, xây dựng các chương trình phòng ngừa bệnh liên quan đến ô nhiễm không khí.

4. Doanh nghiệp và nhà đầu tư trong lĩnh vực công nghệ môi trường: Áp dụng công nghệ viễn thám và mô hình hồi quy để phát triển sản phẩm, dịch vụ giám sát và quản lý chất lượng không khí.

Câu hỏi thường gặp

1. Phương pháp ước tính nồng độ bụi PM2.5 từ ảnh vệ tinh có chính xác không?
   Kết quả nghiên cứu cho thấy mô hình hồi quy có trọng số địa lý (GWR) với hàm trọng số Bisquare đạt chỉ số R2 lên tới 0.975 và RMSE thấp, cho thấy độ chính xác cao trong ước tính nồng độ bụi PM2.5 so với dữ liệu trạm quan trắc mặt đất.

2. Tại sao cần sử dụng mô hình hồi quy có trọng số địa lý thay vì hồi quy tuyến tính?
   Mô hình GWR cho phép các hệ số hồi quy thay đổi theo vị trí địa lý, phản ánh sự biến đổi không gian của ô nhiễm, giúp cải thiện độ chính xác so với mô hình hồi quy tuyến tính giả định mối quan hệ đồng nhất trên toàn bộ khu vực.

3. Dữ liệu vệ tinh nào được sử dụng trong nghiên cứu?
   Nghiên cứu sử dụng dữ liệu từ cảm biến MODIS trên vệ tinh Terra và Aqua, cảm biến VIIRS trên vệ tinh Suomi-NPP, cung cấp các chỉ số AOD, nhiệt độ bề mặt, độ ẩm, áp suất, lượng mưa, NDVI, mật độ dân số, giao thông và đô thị.

4. Mô hình có thể áp dụng cho các khu vực khác ngoài Việt Nam không?
   Phương pháp và mô hình có thể được điều chỉnh và áp dụng cho các khu vực khác có điều kiện tương tự, tuy nhiên cần hiệu chỉnh tham số và dữ liệu đầu vào phù hợp với đặc điểm địa lý và khí hậu từng vùng.

5. Làm thế nào để cải thiện độ chính xác của mô hình trong tương lai?
   Cải thiện độ chính xác có thể thực hiện bằng cách tăng cường mạng lưới trạm quan trắc mặt đất, bổ sung thêm các biến khí tượng và nguồn phát thải chi tiết, cũng như áp dụng các thuật toán học máy nâng cao kết hợp với dữ liệu vệ tinh.

Kết luận

• Luận văn đã thành công trong việc xây dựng và ứng dụng mô hình hồi quy có trọng số địa lý (GWR) với hàm trọng số Bisquare để ước tính nồng độ bụi PM2.5 từ ảnh vệ tinh trên khu vực Việt Nam năm 2014.
• Mô hình GWR cho kết quả chính xác vượt trội so với mô hình hồi quy tuyến tính đa biến truyền thống, với chỉ số R2 đạt gần 0.98 và RMSE thấp.
• Ảnh hồi quy nhiệt độ mặt đất và PM2.5 được tạo ra cung cấp bản đồ phân bố ô nhiễm không khí có giá trị thực tiễn cao cho quản lý môi trường.
• Nghiên cứu góp phần nâng cao năng lực giám sát ô nhiễm không khí bằng công nghệ viễn thám, hỗ trợ hoạch định chính sách và bảo vệ sức khỏe cộng đồng.
• Các bước tiếp theo bao gồm mở rộng mạng lưới trạm quan trắc, tích hợp thêm dữ liệu khí tượng và phát triển hệ thống cảnh báo ô nhiễm không khí dựa trên mô hình đã xây dựng.

Để tiếp tục phát triển nghiên cứu và ứng dụng thực tiễn, các nhà quản lý, nhà khoa học và doanh nghiệp được khuyến khích hợp tác và triển khai các giải pháp dựa trên kết quả luận văn này.