Giới thiệu dự án

Rừng thông đóng vai trò chiến lược trong cơ cấu lâm nghiệp Việt Nam với diện tích đạt hàng trăm nghìn hecta, cung cấp nguồn lâm sản ngoài gỗ có giá trị cao (nhựa thông xuất khẩu, gỗ nguyên liệu giấy, xây dựng) và đảm nhiệm chức năng phòng hộ đầu nguồn xung yếu. Tính đến hết năm 2013, toàn tỉnh Thanh Hóa sở hữu khoảng 15.000 ha rừng thông, tập trung chủ yếu tại hai huyện Tĩnh Gia và Hà Trung. Tuy nhiên, việc phát triển các mô hình rừng trồng thông thuần loài (Pinus merkusii - Thông nhựa, Pinus massoniana - Thông mã vĩ) trên quy mô lớn đã làm suy giảm tính đa dạng sinh học và tạo ra nguồn thức ăn tập trung lý tưởng cho các loài sâu hại bùng phát thành dịch.

Sâu róm thông đuôi ngựa (Dendrolimus punctatus Walker, thuộc họ Ngài lá khô Lasiocampidae, bộ Cánh vẩy Lepidoptera) là loài sâu hại nguy hiểm bậc nhất đối với hệ sinh thái rừng lá kim. Quần thể sâu róm thông có sức sinh sản lớn, vòng đời biến thái nhanh và khả năng ăn trụi toàn bộ tán lá thông trong thời gian ngắn (hiện tượng "cháy rừng sinh học"). Dịch hại gây ra những tổn thất kinh tế và sinh thái nghiêm trọng:

  • Tổn thất kinh tế và sản lượng: Rừng thông bị sâu phá hoại 1 năm sẽ mất khả năng tiết nhựa liên tiếp trong 3 năm ("một năm sâu róm, ba năm không nhựa"), làm giảm sản lượng khai thác nhựa nghiêm trọng.
  • Suy giảm sinh khối và chết cục bộ: Điển hình tại Ban Quản lý (BQL) Rừng phòng hộ Tĩnh Gia, trận dịch năm 2004 đã làm ăn trụi 1.450,6 ha, làm sơ trụi 560,0 ha rừng và làm chết khô gần 40.000 cây thông; trận dịch năm 2012 tiếp tục phá hủy 995,8 ha và gây sơ trụi 650,4 ha.
  • Tác động tiêu cực đến sức khỏe cộng đồng: Lông độc chứa độc tố trên thân sâu non và vỏ kén phát tán trong không khí gây sưng tấy, viêm da hoại tử, làm mất sức lao động của người dân và gây ngộ độc chết gia súc khi ăn phải kén sâu.
                  +----------------------------------------------+
                  |  HỆ SINH THÁI VẬT GÂY HẠI CÂY RỪNG (IPM)     |
                  +----------------------------------------------+
                                          |
          +-------------------------------+-------------------------------+
          |                               |                               |
          v                               v                               v
+-------------------+           +-------------------+           +-------------------+
|  HỆ THỐNG MÔI     |           |  QUẦN THỂ SÂU HẠI |           |  THIÊN ĐỊCH TỰ    |
|  TRƯỜNG & ĐỊA HÌNH|           | (Dendrolimus sp.) |           |  NHIÊN (Ký sinh,  |
| - Nhiệt độ: 25-30°C           | - Sâu non tuổi 1-5|           |  bắt mồi, nấm     |
| - Độ ẩm: 80-90%   |           | - 4 thế hệ/năm    |           |  Bạch cương)      |
| - Độ cao < 200m   |           +-------------------+           +-------------------+
| - Hướng phơi nắng |                     |                               |
+-------------------+                     |                               |
          |                               +---------------+---------------+
          v                                               v
+-----------------------------------------------------------------------------------+
|     GIẢI PHÁP ĐỒNG HÓA DỮ LIỆU VIỄN THÁM (LANDSAT 8) & GIS (ARCGIS 10.7)          |
|    Xây dựng Bản đồ Dự báo & Phân cấp Nguy cơ Phát dịch Tỷ lệ 1:60.000             |
+-----------------------------------------------------------------------------------+

Phương pháp dự báo truyền thống hiện nay tại địa phương dựa trên việc tuần tra lập các ô dạng bản cố định bằng gạch kích thước $1,\text{m} \times 1,\text{m}$ trên các tuyến dài 100–300 m. Cách tiếp cận thủ công này tốn kém nhân lực, thời gian thu thập kéo dài và chỉ mang tính chất điểm (point-based), không phản ánh được tính liên tục trong không gian của quần thể sâu trên diện tích rừng manh mún, dẫn đến việc phòng trừ mang tính bị động khi dịch đã lan rộng.

Đề tài "Ứng dụng GIS và viễn thám trong xây dựng bản đồ dự báo dịch sâu róm thông tại huyện Tĩnh Gia, tỉnh Thanh Hóa" do tác giả Phạm Việt Bắc thực hiện dưới sự hướng dẫn của TS. Nguyễn Hải Hòa (Trường Đại học Lâm nghiệp) đã giải quyết triệt để bài toán này.

Mục tiêu nghiên cứu cụ thể của dự án:

  1. Đánh giá toàn diện thực trạng công tác quản lý rừng, chu kỳ sinh học 4 thế hệ và diễn biến dịch hại sâu róm thông (Dendrolimus punctatus) tại BQL Rừng phòng hộ Tĩnh Gia.
  2. Thiết lập quy trình xử lý dữ liệu ảnh viễn thám quang học Landsat 8 (cảnh ảnh mã hiệu LC81270462015182LGN00 ngày 01/07/2015) kết hợp hệ thống thông tin địa lý (ArcGIS 10.1/10.7) để phân loại thảm phủ rừng thông và chiết xuất các trường nhiệt - ẩm bề mặt.
  3. Xây dựng mô hình phân tích không gian đa biến (Multi-Criteria Spatial Analysis) tích hợp các nhân tố sinh thái (nguồn thức ăn, nhiệt độ, độ ẩm, độ cao địa hình DEM, hướng phơi Aspect) nhằm thành lập bản đồ phân cấp nguy cơ phát dịch sâu róm thông tỷ lệ 1:60.000.
  4. Đề xuất hệ thống giải pháp lâm sinh và quản lý dịch hại tổng hợp (IPM) tích hợp công nghệ cảnh báo sớm.

Phạm vi và đối tượng nghiên cứu: Rừng trồng Thông nhựa (Pinus merkusii) thuần loài tại Khoảnh 20 và Khoảnh 23 thuộc Tiểu khu 663 và 666 của BQL Rừng phòng hộ Tĩnh Gia (địa giới hành chính xã Nguyên Bình, huyện Tĩnh Gia, tỉnh Thanh Hóa; tọa độ địa lý $19^\circ 24',\text{B}$, $105^\circ 36',\text{Đ}$).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trước khi tích hợp công nghệ không gian, các đơn vị quản lý bảo vệ rừng áp dụng các phương pháp giám sát sau:

Tiêu chí phân tích Phương pháp điều tra ô tiêu chuẩn truyền thống Phương pháp dự báo bằng Khí hậu đồ Hệ thống Web-GIS giám sát sâu lúa (Bộ Thủy Lợi) Giải pháp tích hợp Viễn thám & GIS (Đề tài)
Độ phủ không gian Cục bộ, gián đoạn (ô $1,\text{m}^2$, tuyến $100\text{--}300,\text{m}$) Toàn trạm khí tượng (không gian tĩnh) Cấp xã/huyện đồng bằng Toàn diện tích lưu vực rừng (Raster $30,\text{m} \times 30,\text{m}$)
Thời gian đáp ứng Chậm (mất 5–10 ngày lấy mẫu thực địa) Trung bình (tính toán sau chu kỳ tháng) Nhanh qua cổng Web Tức thời sau xử lý ảnh vệ tinh
Tính đa biến Chỉ đếm mật độ cá thể (trứng, sâu non, nhộng) Chỉ xét tương quan Nhiệt độ - Độ ẩm Sinh học rầy nâu, sâu cuốn lá Kết hợp: Thảm phủ + DEM + Hướng phơi + Vi khí hậu
Chi phí vận hành Rất cao (nhân lực đi tuyến địa hình dốc) Thấp nhưng độ chính xác không gian kém Trung bình (cần mạng lưới BVTV cơ sở) Thấp (sử dụng ảnh vệ tinh Landsat 8 miễn phí)
Độ chính xác dự báo Bị động khi sâu đã phát tán rộng Thấp (sai số vi khí hậu tiểu vùng) Tốt trên cây trồng nông nghiệp ngắn ngày Rất cao (>85% kiểm định thực địa)

Phân tích yêu cầu hệ thống theo mô hình MoSCoW:

  • Must have (Bắt buộc):
    • Module tiền xử lý ảnh Landsat 8: Nắn chỉnh hình học, gộp kênh (Layer Stacking), cắt vùng đệm nghiên cứu theo ranh giới tiểu khu 663, 666.
    • Phân loại thảm phủ không kiểm định (Unsupervised ISODATA/K-Means) kết hợp khóa giải đoán chuyên gia để bóc tách trạng thái rừng thông.
    • Trích xuất các lớp raster đơn biến: Mô hình độ cao số (DEM), Hướng phơi (Aspect), Phân bố nhiệt độ và độ ẩm tương đối bề mặt.
    • Phân cấp 4 đến 5 mức độ rủi ro phát dịch dựa trên phương pháp chồng lớp trọng số (Weighted Overlay).
  • Should have (Nên có):
    • Tích hợp thuật toán tính toán định lượng vòng đời và hệ số sinh sản côn trùng theo công thức Lê Nam Hùng & Billings.
    • Ma trận đánh giá độ chính xác phân loại (Confusion Matrix) với tập mẫu ngoại nghiệp bằng thiết bị định vị GPS.
  • Could have (Có thể mở rộng):
    • Phát triển Web-GIS cho phép BQL rừng tra cứu trực tuyến nguy cơ dịch bệnh.
    • Mở rộng tích hợp nguồn ảnh đa phổ Sentinel-2 độ phân giải $10,\text{m}$.
  • Won't have (Chưa thực hiện trong giai đoạn này):
    • Mạng lưới cảm biến IoT truyền dữ liệu vi khí hậu tầng tán thời gian thực.

Thiết kế hệ thống

Kiến trúc xử lý dữ liệu của hệ thống dự báo dịch hại được thiết kế theo cấu trúc module đa tầng:

Technology Stack và công cụ chuyên ngành:

  • Nền tảng GIS & Viễn thám: ArcGIS Desktop phiên bản 10.1 và 10.7 (các extension Spatial Analyst, 3D Analyst, Geostatistical Analyst).
  • Nguồn dữ liệu viễn thám: Ảnh vệ tinh USGS Landsat 8 (Băng phổ OLI phản xạ $30,\text{m}$, Kênh toàn sắc Pan Band 8 $15,\text{m}$, Kênh nhiệt TIRS Band 10/11 resample $30,\text{m}$).
  • Thiết bị đo đạc ngoại nghiệp: Thiết bị định vị toàn cầu GPS Garmin Map 64s, thước đo độ dốc Suunto, nhiệt ẩm kế tự ghi cầm tay.
  • Cơ sở dữ liệu không gian: File Geodatabase định dạng ESRI Shapefile, hệ tọa độ chuẩn Quốc gia VN-2000 kinh tuyến trục $105^\circ$, múi chiếu $3^\circ$.

Mô hình toán học ứng dụng trong dự tính dự báo dịch hại:

  1. Công thức tính sức sinh sản của quần thể sâu ($S$): $$S = \left(\frac{b \cdot f}{m + f}\right)^c$$ Trong đó: $b$ là lượng trứng bình quân của một con bướm cái; $f$ là số lượng cá thể cái; $m$ là số lượng cá thể đực; $c$ là số thế hệ cần tính trong năm.

  2. Công thức ước tính mật độ sâu non thế hệ kế tiếp ($F$): $$F = p \cdot (1 - M)$$ Trong đó: $p$ là mật độ tuyệt đối của nhộng thế hệ hiện tại; $M$ là tỷ lệ tử vong tự nhiên của thế hệ do thiên địch và vi sinh vật (%).

  3. Xác định khả năng phát dịch ($KNPD$) và hệ số phát dịch ($HSPD$): $$HSSS = \frac{\text{Mật độ tuyệt đối lứa sâu hiện tại}}{\text{Mật độ tuyệt đối lứa sâu trước}}$$ $$HSPB = \frac{\text{Mật độ tương đối lứa sâu hiện tại}}{\text{Mật độ tương đối lứa sâu trước}}$$ $$KNPD = HSSS \times HSPB$$ $$HSPD = \frac{KNPD_{\text{lứa hiện tại}}}{KNPD_{\text{lứa dịch trước}}}$$ Khi $HSSS > 1$ và $HSPB > 1 \Rightarrow KNPD > 1$: Mật độ và diện tích sâu tăng đột biến, báo động nguy cơ dịch bùng phát.

  4. Quy tắc chuẩn hóa tỷ lệ bản đồ từ độ phân giải ảnh viễn thám: $$\text{Tỷ lệ Bản đồ} = \text{Độ phân giải không gian (m)} \times 2 \times 1.000 = 30 \times 2 \times 1.000 = 1:60.000$$

Methodology

Phương pháp nghiên cứu tuân thủ quy trình chuẩn hóa gồm 5 giai đoạn liên hoàn:

[Giai đoạn 1: Khảo sát & Kế thừa]
[Giai đoạn 2: Tiền xử lý & Phân loại Viễn thám]
[Giai đoạn 3: Phân tích Sinh thái & Địa hình]
[Giai đoạn 4: Mô hình hóa Chồng lớp Raster (MCDA)]
[Giai đoạn 5: Đánh giá Độ chính xác & Đề xuất Giải pháp]

Implementation và kết quả

Development process

Quá trình phát triển hệ thống bản đồ dự báo trải qua các bước chuẩn hóa dữ liệu trên ArcGIS 10.7 và phân tích vi khí hậu:

  1. Xử lý thảm phủ và nguồn thức ăn: Từ ảnh Landsat 8 thu thập ngày 01/07/2015, tiến hành phân tách các lớp phủ: Rừng thông thuần loài (nguồn thức ăn chính của sâu róm), Rừng tự nhiên/hỗn giao, Đất nông nghiệp, Mặt nước và Đất trống. Kết quả cho thấy sâu róm thông tại Tĩnh Gia là loài hẹp thực, nguồn thức ăn quyết định trực tiếp đến sự tích lũy mật độ quần thể.
  2. Chiết xuất nhân tố địa hình: Xử lý mô hình DEM khu vực Tĩnh Gia (độ cao $0\text{--}560,\text{m}$, độ dốc trung bình $20\text{--}25^\circ$). Phân cấp độ cao thành 3 mức: Dưới $100,\text{m}$ (nguy cơ cao do nhiệt ẩm ổn định), $100\text{--}200,\text{m}$ (nguy cơ trung bình), và trên $200,\text{m}$ (nguy cơ thấp do nhiệt độ thấp, gió lùa mạnh). Phân tích hướng phơi (Aspect): Các sườn đón nắng, khuất gió Đông Nam có mức độ sâu hại nặng hơn sườn đón gió bão trực diện.
  3. Phân tích nhân tố nhiệt ẩm: Qua theo dõi chu kỳ khí hậu 2009–2014, sâu róm phát triển tối ưu ở nhiệt độ $25\text{--}30^\circ\text{C}$ và độ ẩm $80\text{--}90%$. Nhiệt độ $<10^\circ\text{C}$ hoặc $>45^\circ\text{C}$ làm sâu chết hàng loạt; độ ẩm $<15%$ triệt tiêu ấu trùng.
# Tự động hóa mô hình Raster Calculator tính toán Chỉ số Rủi ro Phát dịch (Pest Risk Index - PRI)
# Thực thi trên môi trường Python 2.7 / ArcPy for ArcGIS Desktop 10.7

import arcpy
from arcpy.sa import *

# Khởi tạo giấy phép phân tích không gian
arcpy.CheckOutExtension("Spatial")
arcpy.env.overwriteOutput = True
arcpy.env.workspace = "D:/Gis_Forest_Pest/TinhGia_Workspace.gdb"

try:
    # 1. Đọc các lớp Raster chuyên đề đã được tái phân loại (Reclassify 1 to 5)
    r_food = Raster("reclass_food_source")      # Trọng số: 0.35 (Nguồn thức ăn rừng thông)
    r_temp = Raster("reclass_surface_temp")     # Trọng số: 0.25 (Nhiệt độ tối ưu 25-30 độ C)
    r_humid = Raster("reclass_humidity")        # Trọng số: 0.15 (Độ ẩm 80-90%)
    r_elev = Raster("reclass_dem_elevation")    # Trọng số: 0.15 (Độ cao < 200m)
    r_aspect = Raster("reclass_aspect")         # Trọng số: 0.10 (Hướng phơi sườn đồi)

    # 2. Thực thi thuật toán Chồng lớp Trọng số Không gian (Weighted Multi-Criteria Overlay)
    pest_risk_index = (r_food * 0.35) + \
                      (r_temp * 0.25) + \
                      (r_humid * 0.15) + \
                      (r_elev * 0.15) + \
                      (r_aspect * 0.10)

    # 3. Phân cấp mức độ nguy cơ thành 4 cấp độ (1: Thấp, 2: Trung bình, 3: Cao, 4: Rất cao)
    remap_range = RemapRange([
        [0.0, 1.8, 1],   # Cấp I: Nguy cơ rất thấp
        [1.8, 2.8, 2],   # Cấp II: Nguy cơ trung bình
        [2.8, 3.8, 3],   # Cấp III: Nguy cơ cao
        [3.8, 5.0, 4]    # Cấp IV: Báo động đỏ phát dịch
    ])
    
    final_pest_map = Reclassify(pest_risk_index, "Value", remap_range, "NODATA")
    
    # 4. Xuất kết quả GeoTIFF phục vụ biên tập bản đồ
    output_path = "D:/Gis_Forest_Pest/Output/BanDo_DuBao_SauRom_TinhGia_2015.tif"
    final_pest_map.save(output_path)
    print("Xử lý bản đồ dự báo nguy cơ phát dịch thành công: " + output_path)

except Exception as e:
    print("Lỗi trong quá trình xử lý Raster: " + str(e))
finally:
    arcpy.CheckInExtension("Spatial")

Đặc điểm 4 thế hệ sinh học của sâu róm thông tại khu vực Tĩnh Gia:

  • Thế hệ I (Tháng 2 – Tháng 5): Sâu non phát triển từ trứng của lứa qua đông, thời gian phát dục $\sim 84\text{--}90$ ngày khi thời tiết ấm dần.
  • Thế hệ II (Tháng 5 – Tháng 7): Thế hệ có vòng đời ngắn nhất ($\sim 60$ ngày) do nhiệt độ trung bình mùa hè cao ($29\text{--}30^\circ\text{C}$), tốc độ ăn lá nhanh nhất.
  • Thế hệ III (Tháng 7 – Tháng 9): Kéo dài khoảng $65\text{--}75$ ngày, chuyển giao sang mùa mưa bão.
  • Thế hệ IV (Tháng 10 – Tháng 3 năm sau): Thế hệ dài nhất ($160\text{--}170$ ngày), sâu non tuổi 3, 4, 5 phân hóa qua đông trong kẽ nứt vỏ cây và lớp thảm mục.

Testing và validation

Quá trình kiểm chứng độ chính xác của mô hình phân loại và phân cấp dự báo được tiến hành thông qua điều tra thực địa tại 30 điểm mẫu khảo sát bằng GPS và lập 2 tuyến điều tra tại Khoảnh 20 (TK 663) và Khoảnh 23 (TK 666).

Bảng phân cấp mức độ bị hại trên cây thông:

  • Cấp 0: Tán lá nguyên vẹn ($0%$ lá bị ăn).
  • Cấp I (Hại nhẹ): Dưới $25%$ số lá bị hại.
  • Cấp II (Hại vừa): Từ $25%\text{--}50%$ số lá bị hại.
  • Cấp III (Hại nặng): Từ $51%\text{--}75%$ số lá bị ăn trụi.
  • Cấp IV (Hại rất nặng): Trên $75%$ tán lá bị phá hủy hoàn toàn.

Bảng ma trận kiểm định độ chính xác bản đồ hiện trạng thảm phủ:

Lớp hiện trạng Mẫu thực địa (GPS) Mẫu giải đoán ảnh Số điểm đúng Độ chính xác Producer (%) Độ chính xác User (%)
Rừng thông thuần loài 12 13 11 91.67% 84.62%
Rừng tự nhiên / Khác 8 7 7 87.50% 100.00%
Đất nông nghiệp / Khu dân cư 6 6 6 100.00% 100.00%
Đất trống / Trạng thái IA 4 4 3 75.00% 75.00%
Tổng cộng 30 30 27 Độ chính xác tổng thể: 90.00% Hệ số Kappa: 0.854

Kết quả đạt được

Hệ thống đã xây dựng thành công bộ bản đồ chuyên đề và bản đồ tổng hợp phân cấp nguy cơ phát dịch sâu róm thông năm 2015 tại xã Nguyên Bình, huyện Tĩnh Gia:

Cấp nguy cơ phát dịch Đặc điểm sinh thái & Mật độ sâu dự báo Tỷ lệ diện tích phân bố (%) Diện tích tương ứng (ha) Khuyến cáo hành động
Cấp I (Rất thấp) Độ cao $>200,\text{m}$, sườn đón gió mạnh, rừng hỗn giao, mật độ $<20,\text{con/cây}$ 18.5% 153.0 ha Theo dõi định kỳ, bảo vệ thiên địch
Cấp II (Thấp) Rừng thông phân tán, nhiệt ẩm trung bình, mật độ $20\text{--}100,\text{con/cây}$ 26.2% 216.6 ha Giám sát tuần tra 1 lần/tháng
Cấp III (Trung bình) Rừng thuần loài, độ dốc $<20^\circ$, nhiệt độ $24\text{--}28^\circ\text{C}$, mật độ $100\text{--}400,\text{con/cây}$ 33.8% 279.4 ha Chuẩn bị vật tư sinh học, bắt bẫy đèn
Cấp IV (Nguy cơ bùng phát) Rừng thuần loài kín tán, độ cao $<100,\text{m}$, khuất gió, mật độ $>400,\text{con/cây}$ 21.5% 177.9 ha Báo động đỏ: Triển khai phun thuốc sinh học dập dịch

Đổi mới và đóng góp

  1. Đổi mới phương pháp luận nghiên cứu: Đề tài là công trình tiên phong tại khu vực Bắc Trung Bộ trong việc số hóa và mô hình hóa mối quan hệ tương hỗ giữa sinh học côn trùng học lâm nghiệp (Dendrolimus punctatus) với các trường dữ liệu viễn thám đa phổ (Landsat 8) và phân tích không gian GIS.
  2. Nâng cao hiệu suất quản lý và giảm thiểu chi phí: So với phương pháp điều tra ô tiêu chuẩn truyền thống, việc ứng dụng mô hình GIS giúp giảm $75%$ thời gian khảo sát thực địa và cắt giảm $60%$ chi phí nhân công theo dõi định kỳ hàng năm của Ban quản lý rừng.
  3. Chuyển dịch từ ứng phó thụ động sang dự báo chủ động: Cung cấp thông tin cảnh báo sớm trước từ 15 đến 30 ngày trước khi lứa sâu non tuổi 1–3 nở rộ, giúp đơn vị quản lý khoanh vùng chính xác $177.9,\text{ha}$ trọng điểm để xử lý dứt điểm, ngăn chặn hiện tượng lây lan thành dịch trên toàn bộ $15.000,\text{ha}$ rừng thông của tỉnh.
  4. Đóng góp học thuật: Xác lập bộ trọng số ảnh hưởng của 5 nhân tố sinh thái - địa hình đến quá trình tích lũy mật độ sâu róm thông, làm tài liệu tham khảo cho các nghiên cứu bảo vệ thực vật rừng trên toàn quốc.

Ứng dụng thực tế và triển khai

Kịch bản triển khai kiểm soát dịch hại (IPM Roadmap)

Dựa trên bản đồ phân cấp nguy cơ, các giải pháp kỹ thuật lâm sinh và phòng trừ tổng hợp được phân bổ khoa học:

                            BẢN ĐỒ DỰ BÁO NGUY CƠ (GIS)
                 +-----------------------+-----------------------+
                 |                                               |
                 v                                               v
    [VÙNG NGUY CƠ THẤP & TRUNG BÌNH]                  [VÙNG NGUY CƠ BÙNG PHÁT CAO]
          (Cấp I, Cấp II, Cấp III)                             (Cấp IV)

Hướng dẫn chi tiết từng biện pháp kỹ thuật:

  • Kỹ thuật lâm sinh cải tạo rừng:
    • Tiến hành chặt tỉa thưa tầng dưới những cây sâu bệnh, còi cọc, đưa mật độ rừng thông thuần loài về mức tối ưu $500\text{--}600,\text{cây/ha}$ nhằm tạo độ thông thoáng.
    • Thiết kế các đường băng cản lửa kết hợp ngăn sâu rộng $30,\text{m}$, phân chia rừng thành các lô độc lập diện tích $30\text{--}50,\text{ha}$. Trồng xen các loài cây bản địa lá rộng theo đám ($0.5\text{--}1.0,\text{ha}$) để phá vỡ tính thuần loài, thu hút chim sâu và thiên địch.
  • Biện pháp sinh học và bảo tồn thiên địch: Bảo vệ nghiêm ngặt quần thể 28 loài côn trùng ký sinh và 8 loài côn trùng ăn thịt đã ghi nhận tại địa phương. Ứng dụng phun rải các chế phẩm vi sinh thân thiện với môi trường như nấm Bạch cương (Beauveria bassiana), nấm Lục cương (Metarhizium anisopliae) và vi khuẩn Bacillus thuringiensis (Bt) khi phát hiện sâu non mới nở.
  • Biện pháp can thiệp hóa học có kiểm soát: Chỉ kích hoạt phun thuốc hóa học khi mật độ sâu vượt ngưỡng kinh tế (tổn thất tán lá $>26%$, sâu hại cấp II trở lên). Sử dụng các dòng thuốc chuyên dụng có tính chọn lọc cao:
    • Fenvalerate (Sumicidan 10 EC nồng độ $0.1%\text{--}0.2%$, liều lượng $80\text{--}100,\text{g/ha}$).
    • Dipterex WP ($500,\text{g/kg}$, nồng độ $0.5%\text{--}1.0%$, lượng dùng $500\text{--}1200,\text{g/ha}$).
    • Dimilin 25WP (nồng độ $0.1%\text{--}0.2%$, lượng dung dịch $400\text{--}500,\text{l/ha}$). Phun vào sáng sớm hoặc chiều muộn khi ấu trùng đang ở tuổi 1 đến tuổi 3.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  • Độ phân giải chu kỳ thời gian của vệ tinh: Vệ tinh Landsat 8 có chu kỳ lặp lại 16 ngày, dễ bị ảnh hưởng bởi mây che phủ trong các tháng cao điểm mùa mưa bão (tháng 8–9 tại miền Trung), gây gián đoạn việc cập nhật ảnh tức thời.
  • Độ phân giải không gian $30,\text{m}$: Ở các khu vực đồi núi chia cắt phức tạp, pixel $30,\text{m}$ có thể chứa hỗn hợp quang phổ (mixed pixel) giữa thông và thảm cây bụi bên dưới, dẫn đến hiện tượng nhiễu cục bộ tại các đường ranh giới lô.

Hướng phát triển mở rộng

  1. Tích hợp ảnh vệ tinh thế hệ mới: Mở rộng tích hợp nguồn ảnh đa phổ miễn phí Sentinel-2A/2B (độ phân giải $10,\text{m}$, chu kỳ 5 ngày) kết hợp ảnh viễn thám siêu cao độ phân giải từ thiết bị bay không người lái (UAV/Drone trang bị cảm biến Multispectral/LiDAR) để định vị từng cây bị hại.
  2. Nâng cấp nền tảng Web-GIS & AI: Xây dựng hệ thống Web-GIS thời gian thực tự động kích hoạt cảnh báo qua tin nhắn SMS/Email cho cán bộ kiểm lâm khi các chỉ số vi khí hậu vượt ngưỡng kích phát dịch. Ứng dụng mô hình máy học (Random Forest, Convolutional Neural Networks - CNN) để tự động hóa khâu phân loại giải đoán sâu bệnh từ ảnh viễn thám.

Đối tượng hưởng lợi

                                  ĐỐI TƯỢNG HƯỞNG LỢI
         +--------------------+------------+------------+--------------------+
         |                    |                         |                    |
         v                    v                         v                    v
+------------------+ +------------------+     +------------------+ +------------------+
| SINH VIÊN & HỌC  | | KỸ SƯ LÂM NGHIỆP |     | CƠ QUAN QUẢN LÝ  | | CỘNG ĐỒNG DÂN CƯ |
| VIÊN CAO HỌC     | | & LẬP TRÌNH GIS  |     | & DOANH NGHIỆP   | | SỐNG GẦN RỪNG    |
| - Khung nghiên   | | - Pipeline xử lý |     | - Giảm 60% chi   | | - Tránh độc tố   |
|   cứu mẫu        |   ArcPy & Raster   |       phí phòng trừ    |   gây ngứa/bệnh    |
| - Phương pháp    | - Script tự động   |     | - Bảo toàn 100%  | | - Thu nhập nhựa  |
|   MCDA chuẩn hóa |   hóa phân tích    |       sản lượng nhựa   |   thông ổn định    |
+------------------+ +------------------+     +------------------+ +------------------+
  • Sinh viên và Học viên ngành Quản lý Tài nguyên rừng / Địa tin học: Nắm vững quy trình kết hợp lý thuyết côn trùng học với kỹ thuật viễn thám ứng dụng; sử dụng tài liệu làm mẫu chuẩn cho các khóa luận, luận văn tốt nghiệp.
  • Kỹ sư GIS và Chuyên viên Bảo vệ thực vật: Tiếp cận trực tiếp mã lệnh Python ArcPy xử lý dữ liệu không gian, tối ưu hóa quy trình phân tích tự động trong các đề án quy hoạch lâm nghiệp.
  • Ban Quản lý Rừng phòng hộ và Doanh nghiệp khai thác nhựa: Chủ động xây dựng phương án dự toán ngân sách, bảo toàn năng suất khai thác nhựa ổn định ($2\text{--}3,\text{tấn nhựa/ha/năm}$), giảm thiểu thiệt hại do chết cây.
  • Cộng đồng dân cư địa phương: Bảo vệ sức khỏe cộng đồng khỏi độc tố của lông sâu róm và duy trì nguồn sinh kế bền vững từ việc nhận khoán bảo vệ rừng.

Câu hỏi thường gặp

1. Cấu hình phần cứng và phần mềm tối thiểu để triển khai quy trình dự báo này là gì?

Hệ thống yêu cầu máy trạm (Workstation) hoặc PC tối thiểu: CPU Intel Core i5/AMD Ryzen 5 trở lên, RAM tối thiểu 8GB (khuyến nghị 16GB), card đồ họa rời hỗ trợ OpenGL, ổ cứng SSD còn trống tối thiểu 50GB. Về phần mềm: Hệ điều hành Windows 10/11 64-bit, cài đặt phần mềm ArcGIS Desktop 10.x hoặc ArcGIS Pro (kèm extension Spatial Analyst) và môi trường Python 2.7/3.x.

2. Có thể áp dụng quy trình này cho các loài sâu bệnh hại khác như sâu ăn lá keo hoặc rầy hại sến không?

Hoàn toàn có thể. Quy trình mang tính tổng quát hóa cao. Khi chuyển đổi đối tượng sâu hại, người dùng chỉ cần thay đổi: (1) Lớp phân loại cây chủ (nguồn thức ăn); (2) Ngưỡng nhiệt - ẩm sinh học thích nghi của loài côn trùng mục tiêu; (3) Cập nhật trọng số của ma trận phân tích đa tiêu chí AHP phù hợp với tập tính sinh thái của loài mới.

3. Dữ liệu viễn thám Landsat 8 có phải trả phí không và tải từ nguồn nào?

Ảnh vệ tinh Landsat 8 được Cục Khảo sát Địa chất Hoa Kỳ (USGS) cung cấp hoàn toàn miễn phí. Người dùng có thể đăng ký tài khoản và tải trực tiếp dữ liệu thô (Level 1 GeoTIFF) từ cổng thông tin USGS EarthExplorer (earthexplorer.usgs.gov) hoặc GloVis (glovis.usgs.gov).

4. Tại sao lại chọn thế hệ sâu non tuổi 1 đến tuổi 3 để phun thuốc hóa học mà không phải tuổi già hơn?

Sâu non tuổi 1–3 có kích thước nhỏ, lớp cutin bảo vệ vỏ ngoài thân còn mỏng, sức đề kháng thuốc yếu và chưa phát tán rộng khỏi ổ trứng. Từ tuổi 4 trở đi, sâu non phát triển lớp lông độc dày, sức ăn tăng gấp hàng chục lần và có khả năng phân tán nhanh khắp tán rừng, khiến hiệu lực diệt trừ của thuốc hóa học giảm xuống dưới 40%.

5. Dự án mang lại hiệu quả hoàn vốn đầu tư (ROI) như thế nào cho đơn vị quản lý?

Đầu tư ban đầu cho giải pháp GIS - Viễn thám rất thấp do tận dụng nguồn ảnh vệ tinh miễn phí và phần mềm GIS sẵn có. Bằng cách ngăn chặn kịp thời một vụ dịch lớn (tránh thiệt hại phá hủy $\sim 1.000,\text{ha}$ rừng thông với giá trị kinh tế mất đi từ sản lượng nhựa ước tính hơn $5\text{--}7,\text{tỷ đồng}$), mô hình mang lại hiệu quả kinh tế tức thì và bền vững qua nhiều chu kỳ kinh doanh rừng.

Kết luận

Đề tài "Ứng dụng GIS và viễn thám trong xây dựng bản đồ dự báo dịch sâu róm thông tại huyện Tĩnh Gia, tỉnh Thanh Hóa" đã chứng minh tính hiệu quả vượt trội của việc tích hợp công nghệ địa không gian vào bài toán quản trị và bảo vệ tài nguyên rừng. Nghiên cứu đã số hóa thành công mối quan hệ sinh thái phức tạp giữa loài dịch hại nguy hiểm Dendrolimus punctatus và các yếu tố môi trường (thảm phủ, nhiệt ẩm, địa hình), thành lập bản đồ dự báo phân cấp nguy cơ phát dịch tỷ lệ 1:60.000 với độ chính xác kiểm định đạt $90%$. Kết quả này cung cấp một công cụ hỗ trợ ra quyết định mạnh mẽ, hỗ trợ BQL Rừng phòng hộ Tĩnh Gia chủ động ứng phó sớm, bảo tồn hệ sinh thái rừng thông bền vững và tối ưu hóa hiệu quả kinh tế - xã hội cho địa phương.