ThS. Lê Thu Quỳnh
Viện Địa lí nhân văn
1. ĐẶT VẤN ĐỀ
Hạn hán là một hiện tượng tự nhiên được coi là thiên tai khi thiếu hụt lượng mưa nghiêm trọng trong thời gian kéo dài, làm giảm lượng ẩm trong đất và suy kiệt dòng chảy bề mặt, hạ thấp mực nước ngầm gây ảnh hưởng xấu đến sự phát triển của sinh vật. Hạn hán được đánh giá là một trong ba loại thiên tai gây thiệt hại lớn về tài sản và tính mạng con người. Ở Việt Nam, hạn hán xảy ra ở khắp cả nước với cường độ và thời gian khác nhau nhưng ở khu vực miền Trung và Tây nguyên hạn hán xảy ra đặc biệt nghiêm trọng gây ra những thiệt hại to lớn đối với kinh tế - xã hội, đời sống của người dân. Trên thực tế hạn hán thường xảy ra trên diện rộng nên việc quan trắc bằng các phương pháp truyền thống rất khó khăn, đặc biệt ở các nước đang phát triển với những hạn chế trong việc đầu tư cho hệ thống quan trắc, thu thập các tham số môi trường nên khả năng dự báo với độ chính xác chưa cao, gây nên nhiều rủi ro trong sản xuất nông nghiệp.
Sự phát triển của khoa học công nghệ, nhất là công nghệ thông tin, dữ liệu hình ảnh từ vệ tinh đã cho phép nghiên cứu, giám sát diễn biến khô hạn trên phạm vi rộng và liên tục bởi chính tính năng của việc khai thác thông tin từ ảnh viễn thám. Dữ liệu viễn thám cung cấp các thông tin về bề mặt Trái đất ở các kênh phổ khác nhau và có độ phủ rộng nên được sử dụng một cách hiệu quả trong việc quản lý hạn hán. Để xác định hạn hán, nhiều nghiên cứu trên thế giới và ở Việt Nam sử dụng tư liệu viễn thám hồng ngoại nhiệt nhằm đánh giá mức độ khô hạn của bề mặt thông qua chỉ số nhiệt độ và độ ẩm đất. Bài báo sử dụng tư liệu ảnh hồng ngoại nhiệt LANDSAT 8 với độ phân giải không gian trung bình (60 - 120 m), cung cấp thông tin rõ ràng về sự thay đổi độ ẩm bề mặt đất để tính toán chỉ số khô hạn thực vật (TDVI - Temperature vegetation dryness index) nhằm đánh giá tình hình hạn hán của tỉnh Ninh Thuận.
Ninh Thuận là một tỉnh ven biển thuộc vùng Duyên hải Nam Trung Bộ, với hình thể có dạng như một cái chảo lớn, chắn phần lớn các hướng gió gây mưa chính tạo nên tính đặc thù khí hậu khắc nghiệt, khô, hạn thường xuyên diễn ra gây bất lợi cho các hoạt động phát triển, nhất là phát triển nông nghiệp. Ninh Thuận có lượng mưa trung bình năm khoảng 1.000 mm, song phân bố không đều theo không gian và thời gian. Lượng mưa trong năm chủ yếu tập trung vào 4 tháng, từ tháng 9 đến tháng 12, còn lại là mùa khô kéo dài 8 - 9 tháng. Năm hạn bình thường, diện tích lúa thiếu nước khoảng 200 - 300 ha và diện tích rau màu bị hạn 2.000 - 3.000 ha, gia súc thiếu nước 40.000 - 50.000 con... Những năm hạn nặng, con số thiệt hại cho hoạt động nông nghiệp cao hơn 2-3 lần, như năm 2004, diện tích lúa bị khô hạn và thiếu nước là 1.250 ha, diện tích rau màu bị hạn là gần 4.000 ha, số dân bị thiếu nước lên đến 150.000 người, gây thiệt hại hàng trăm tỷ đồng… Liên tiếp 2 năm 2015 - 2016, Ninh Thuận lại gặp hạn hán nặng nề. Đặc biệt, hạn năm 2016 được xem là nghiêm trọng nhất trong khoảng 10 - 15 năm trở lại đây (UBND tỉnh Ninh Thuận đã công bố thiên tai vào tháng 3/2016) [8]. Với tính khắc nghiệt của thời tiết cần thiết phải có công cụ để quản lý hạn hiệu quả, góp phần chủ động bố trí và chuyển đổi sản xuất phù hợp, một trong những công cụ hiệu quả đó là ứng dụng ảnh viễn thám và GIS.
2. DỮ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU
2.1. Dữ liệu sử dụng
Tư liệu viễn thám được sử dụng trong bài viết này là ảnh vệ tinh quang học LANDSAT 8 được chụp vào mùa khô là thời gian hạn hán cao điểm ở miền Trung và Tây Nguyên. Với độ phân giải không gian trung bình (30 m ở các kênh đa phổ, 60 – 120 m ở kênh hồng ngoại nhiệt, 15 m ở kênh toàn sắc. Ảnh được tải miễn phí về từ trang điện tử của Cơ quan Địa chất Hoa Kỳ (USGS) với chu kì cập nhật 16 ngày, đây là tư liệu quý giá phục vụ nghiên cứu về tài nguyên thiên nhiên và giám sát môi trường.
Bảng 1: Tư liệu viễn thám sử dụng
|
STT
|
Năm
|
Cảnh ảnh
|
Ngày chụp
|
|
1
|
2014
|
LC08_L1TP_123052_20140123_20200912_02_T1
|
23/01/2014
|
|
2
|
2023
|
LC08_L1TP_123052_20230116_20230131_02_T1
|
16/01/2023
|
2.2. Phương pháp nghiên cứu
Bài báo sử dụng công cụ Raster Caculator trong phần mềm ArcGIS 10.8 để tính toán các giá trị trên các kênh ảnh viễn thám. Cụ thể:
Hiệu chỉnh ảnh
Tín hiệu nhiệt của vật chất được thu nhận bởi các bộ cảm biến nhiệt. Các bộ cảm biến ghi nhận cường độ bức xạ điện từ bề mặt đất được thể hiện theo giá trị số nguyên (Digital Number - DN) với mỗi kênh. Do vậy, để xác định các chỉ số từ ảnh viễn thám, bước đầu tiên phải tiến hành hiệu chỉnh bức xạ để chuyển đổi giá trị số nguyên của ảnh Landsat về giá trị thực của bức xạ điện từ (Wm-2 μm-1).
Đối với ảnh Landsat, giá trị bức xạ được xác định như sau [5]:
Ll = ML. Qcal +AL
Trong đó: ML AL: Hệ số chuyển đổi, được cung cấp trong file metadata ảnh Landsat 8
ML = 0.0003342; AL = 0.1
Qcal: giá trị số của kênh ảnh
Giá trị bức xạ phổ được tính ở bước trên được dùng để tính nhiệt độ sáng (brightness temperature) theo công thức [5]:
Trong đó: Chỉ số K1, K2 được cung cấp trong file metadata của ảnh Landsat 8 (K1: 774.89; K2: 1321.08)
Xác định khả năng khô hạn
Chỉ số thực vật NDVI (Normalized Diffirence Vegetation Index) là hệ số lớp phủ thực vật chênh lệch hóa giữa hệ số phản xạ mặt ở dải sóng thị phổ và hồng ngoại. Chỉ số NDVI đối với ảnh Landsat được xác định bởi công thức (Sandholt I., Rasmissen K., Anderson J., 2002) [4, 5, 6].
Trong đó: NIR: Kênh cận hồng ngoại
RED: Kênh đỏ
Trị số của biểu thức xác định NDVI thuộc đoạn [-1,1]
Sử dụng kết quả tính NDVI để tính tỷ lệ thực vật (Pv) và hệ số phát xạ bề mặt (ɛ):
Trong đó: NDVI là giá trị chỉ số NDVI của pixel tính toán; là giá trị chỉ số NDVI lớn nhất của khu vực nghiên cứu; là giá trị chỉ số NDVI nhỏ nhất của khu vực nghiên cứu.
Nhiệt độ độ sáng được hiệu chỉnh trên cơ sở độ phát xạ bề mặt được xác định nhiệt độ bề mặt (LST- Land Surface Temperature) theo công thức [4.6]:
Trong đó: l: giá trị bước sóng trung tâm kênh hồng ngoại nhiệt (Landsat 8: kênh 10 có bước sóng từ 10,3 => 11,3 µm nên l = 10,8 µm = 10,8*10-6m)
s: hằng số Stefan – Boltxman (1,38.10-23 J/K)
h – hằng số Plank (6,626.10-34 J.sec)
c – vận tốc ánh sáng (2,998. 108 m/s)
e - độ phát xạ bề mặt
Nhiệt độ sau khi hiệu chỉnh có đơn vị là Kenvin (oK). Để dễ quan sát và đánh giá, chuyển đổi từ ảnh nhiệt oK sang ảnh nhiệt oC theo công thức: oC = oK – 273.
Nhiệt độ bề mặt và lớp phủ thực vật là những yếu tố quan trọng cung cấp thông tin về độ ẩm bề mặt đất. Nhiệt độ tăng lên rất nhanh trong trường hợp bề mặt khô hạn hoặc cây trồng bị thiếu nước. Trong nghiên cứu này sử dụng chỉ số khô hạn nhiệt độ TDVI (Saldholt I. ,2002) trên cơ sở lượng hóa mối quan hệ giữa nhiệt độ bề mặt và lớp phủ.
Xác định đường “giới hạn khô” và “giới hạn ướt” của mỗi ảnh thông qua phương trình hồi quy tuyến tính với hai tham số Ts và NDVI. Sau đó xác định “giới hạn khô” và “giới hạn ướt” cho chuỗi ảnh trong một mùa khô. Tính toán chỉ số TDVI bằng việc sử dụng các thuật toán trong Arcgis. Chỉ số khô hạn TDVI được tính theo công thức:
Trong đó: TS - Nhiệt độ bề mặt
Tsmin, Tsmax - nhiệt độ cực tiểu và cực đại trong tam giác không gian nhiệt độ/NDVI
Hình 1: Tam giác không gian “nhiệt độ/ NDVI” [4]
Tsmin, Tsmax được xác định bằng phương pháp hồi quy tuyến tính các giá trị nhiệt độ cực đại tại các khoảng giá trị NDVI. Giá trị chỉ số TVDI càng cao tương ứng với nguy cơ khô hạn càng tăng. Tại cạnh khô, chỉ số TVDI có giá trị bằng 1, trong khi đó tại cạnh ướt giá trị của TVDI là 0 [4] (hình 1).
3. KẾT QUẢ VÀ THẢO LUẬN
Để xác định các chỉ số NDVI, nhiệt độ bề mặt LST trong bài viết đã sử dụng phần mềm ArcGIS Destop 10.8
Hình 2: Chỉ số thực vật NDVI khu vực tỉnh Ninh Thuận
Hình 3: Kết quả xác định nhiệt độ bề mặt đất khu vực tỉnh Ninh Thuận
Qua phân tích kết quả nhận được cho thấy, những vùng có nhiệt độ bề mặt cao chủ yếu phân bố ở khu vực không có hoặc có rất ít thực vật che phủ. Sự chênh lệnh nhiệt độ giữa các vùng đất có thực vật che phủ dày (rừng) và khu vực thực vật che phủ thưa thớt là khá lớn.
Các nghiên cứu trên thế giới cho thấy, nhiệt độ bề mặt và lớp phủ thực vật là những yếu tố quan trọng cung cấp thông tin về độ ẩm tại bề mặt đất. Nhiệt độ có thể tăng lên rất nhanh trong trường hợp bề mặt khô hạn hoặc cây trồng bị thiếu nước. Để đánh giá mức độ khô hạn bề mặt nghiên cứu sử dụng chỉ số khô hạn nhiệt độ thực vật (TDVI) – được dựa trên cơ sở lượng hóa mối quan hệ giữa nhiệt độ bề mặt (Ts) và lớp phủ (NDVI).
Từ kết quả hồi quy tuyến tính các giá trị nhiệt độ bề mặt cực đại tại các khoảng giá trị NDVI, “cạnh khô” Tsmax trong không gian Ts/NDVI cho các ảnh được xác định như sau:
Tsmax (2014) = -36.447 *NDVI +37.714 (R2 = 0.9332)
Tsmax(2023) = -24,731* NDVI +36,207 (R2= 0.99)
Bảng 2: Phân cấp mức độ khô hạn đối với chỉ số TDVI
|
STT
|
Giá trị TDVI
|
Mức độ khô hạn
|
|
1
|
0 - 0,2
|
Không khô hạn
|
|
2
|
0,2 - 0,4
|
Khô hạn nhẹ
|
|
3
|
0,4 - 0,6
|
Khô hạn trung bình
|
|
4
|
0,6 - 0,8
|
Khô hạn nặng
|
|
5
|
0,8 - 1
|
Khô hạn rất nặng
|
Nguồn [4],[6]
Chỉ số TDVI nhận giá trị trong khoảng từ 0 đến 1. Phân cấp mức độ khô hạn bề mặt đối với chỉ số khô hạn nhiệt độ - thực vật được trình bày trong bảng 3. Trong đó, giá trị TDVI nhỏ hơn 0,2 tương ứng với các vùng không có nguy cơ hạn hán (bề mặt nước, thực vật tươi tốt, đất nông nghiệp ngập nước); chỉ số TDVI trong khoảng từ 0,2 đến 0,4 tương ứng với các khu vực ít có nguy cơ khô hạn (khu vực đất rừng); chỉ số TDVI trong khoảng 0,4 – 0,6 tương ứng với mức độ khô hạn trung bình; trong khoảng 0,6 – 0,8 tương ứng với khu vực bị khô hạn nặng. Nếu giá trị TDVI lớn hơn 0,8 thì đó là khu vực bị khô hạn rất nặng.
Hình 4: Ảnh phân cấp mức độ khô hạn khu vực tỉnh Ninh Thuận
Từ bản đồ phân vùng khô hạn diện tích các vùng, kết quả được thể hiện ở bảng 3
Bảng 3: Phân vùng mức độ khô hạn tương đối khu vực tỉnh Ninh Thuận
|
Mức độ khô hạn
|
Năm 2014
|
Năm 2023
|
|
Diện tích (Km2)
|
Tỷ lệ (%)
|
Diện tích (Km2)
|
Tỷ lệ (%)
|
|
Không khô hạn
|
336,077
|
0,1
|
186,26
|
5,54
|
|
Khô hạn nhẹ
|
1882,03
|
0,56
|
1058,70
|
31,50
|
|
Khô hạn trung bình
|
15997,2
|
4,76
|
1538,77
|
45,79
|
|
Khô hạn nặng
|
60695,4
|
18,06
|
555,46
|
16,53
|
|
Khô hạn rất nặng
|
257132
|
76,51
|
21,57
|
0,64
|
Nguồn: Tính toán từ phần mềm ArcGIS 10.8
Qua bảng số liệu cho thấy, trong giai đoạn từ 2014 - 2023, diện tích đất không khô hạn có tăng nhẹ, diện tích khô hạn nhẹ và trung bình tăng mạnh, còn diện tích khô hạn nặng giảm nhẹ và diện tích khô hạn rất nặng giảm mạnh. Cụ thể, năm 2014, diện tích không khô hạn là 1,1% và tăng lên 5,54% diện tích toàn huyện năm 2023; diện tích khô hạn nhẹ tăng từ 0,56% lên 31,5%; khu vực khô hạn trung bình tăng từ 4,76% lên 45,79%; khu vực khô hạn nặng giảm từ 18,06% xuống còn 16,53%; khu vực khô hạn rất nặng giảm mạnh từ 76,51% xuống chỉ còn 0,64% diện tích toàn tỉnh. Qua đó ta thấy, sau đợt khô hạn kéo dài từ mùa khô năm 2013 kết thúc vào mùa mưa năm 2016, tình trạng khô hạn ở Ninh Thuận vẫn diễn ra nhưng không quá nghiêm trọng như trong giai đoạn 2017 - 2023.
Bảng 4:Tình trạng khô hạn tương đối phân theo huyện năm 2023
Đơn vị: km2
|
Huyện
|
Không khô hạn
|
Khô hạn nhẹ
|
Khô hạn trung bình
|
Khô hạn nặng
|
Khô hạn rất nặng
|
Tổng
|
|
Bắc Ái
|
105,9
|
455,7
|
350,8
|
114,8
|
0,2
|
1027,4
|
|
Ninh Hải
|
2,9
|
66,6
|
142,2
|
28,7
|
0,0
|
240,5
|
|
Ninh Phước
|
1,9
|
38,1
|
242,1
|
56,8
|
3,8
|
342,7
|
|
Ninh Sơn
|
54,0
|
227,9
|
327,5
|
159,3
|
1,1
|
769,8
|
|
Phan Rang - Tháp Chàm
|
0,0
|
0,7
|
52,3
|
24,9
|
0,4
|
78,3
|
|
Thuận Bắc
|
16,0
|
115,5
|
163,2
|
22,3
|
0,0
|
317,0
|
|
Thuận Nam
|
2,8
|
141,7
|
252,7
|
147,9
|
15,9
|
560,8
|
|
Tổng
|
183,4
|
1046,2
|
1530,8
|
554,7
|
21,4
|
3336,5
|
Qua bảng 4 ta thấy năm 2023 tình trạng khô hạn rất nặng tập trung chủ yếu ở huyện Thuận Nam (19,5 km2) và huyện Ninh Phước (3,8 km2); tình trạng khô hạn nặng diễn ra ở tất cả các huyện trong đó huyện có diện tích bị hạn nặng cao nhất là huyện Ninh Sơn (159 km2), huyện Thuận Nam (147,9 km2). Trong mùa khô năm 2023, tình trạng hạn chủ yếu là khô hạn trung bình (tổng diện tích khô hạn trung bình là 1530,8 km2); rải rác vẫn có những khu vực không bị khô hạn.
4. KẾT LUẬN
Tư liệu ảnh vệ tinh quang học Landsat với ưu điểm có độ phân giải không gian trung bình, được tích hợp các kênh hồng ngoại nhiệt với chu kì cập nhật 16 ngày là nguồn tư liệu phong phú trong nghiên cứu và giám sát hiện tượng hạn hán.
Sử dụng chỉ số TDVI được chiết xuất từ dữ liệu ảnh vệ tinh đa phổ Landsat 8 OLI - TIR trong việc theo dõi độ ẩm bề mặt. Qua đó, theo dõi và dự báo hạn hán trong khu vực. Một trong những ưu điểm nổi bật là việc tính toán chỉ số TDVI tương đối đơn giản và nhanh chóng, có thể tự động hóa. Tuy nhiên, việc kiểm nghiệm chỉ số TDVI với những số liệu quan trắc khí tượng thủy văn thực tế cần được tiến hành bổ sung để tăng thêm độ tin cậy việc xác định khô hạn.
Từ kết quả nghiên cứu, ta thấy được mối tương quan giữa thực vật và nhiệt độ bề mặt. Từ đó có thể ứng dụng cho công tác khoanh vùng và cảnh báo cháy rừng (khu vực có TDVI > 0,6) – đây là những khu vực thực vật đang trong tình trạng khô hạn nhiều ngày, thiếu nước, các thân, cành gỗ dễ bị bắt cháy. Qua đó có thể khoanh vùng cảnh báo và có phương án phòng cháy và chữa cháy kịp thời.
TÀI LIỆU THAM KHẢO
1. Trịnh Lê Hùng, Đào Khánh Hoài (2015), “Ứng dụng viễn thám đánh giá nguy cơ hạn hán khu vực huyện Bắc Bình, tỉnh Bình Thuận”, Tạp chí Khoa học ĐHSP TPHCM, số (70) năm 2015.
2. Lê Sâm, Nguyễn Đình Vượng (2008), “Thực trạng hạn hán, hoang mạc ở Ninh Thuận, nguyên nhân và giải pháp khắc phục”, Tuyển tập kết quả khoa học và công nghệ 2008.
3. Trần Thị Vân (2006), “Ứng dụng viễn thám nhiệt khảo sát đặc trưng nhiệt độ bề mặt đô thị với sự phân bố các kiểu thảm phủ ở Thành phố Hồ Chí Minh”, Science & Technology Development, Enviroment & Resources, Vol..9 - 2006, tr 70 - 72.
4. Alatengtuya, Yinshan, Husiletu (2013), “Monitoring of drought disaster in Xilin Guole grassland using TVDI model”, Taylor & Francis group, London, ISBN 978-1-138-00019-3, pp. 299 - 310.
5. National Aeronautics and Space Administration (NASA), LANDSAT Science data user’s Handbook, 270pp.
6. Sandholt I., Rasmussen K., Anderson J. (2002), “A simple interpretation of the surface temperature/vegetation index space for assessment of the surface moisture status”, Remote Sensing of Environment, 79, pp. 213–224.
7. Zhiqiang Gao, Wei Gao, Ni-Bin Chang (2010) “Integrating temperature vegetation dryness index (TVDI) and regional water stress index (RWSI) for drought assessment with the aid of LANDSAT TM/ETM+ images”, International Journal of Applied Earth Observation and Geoinformation.
8. https://vjst.vn/vn/tin-tuc/3132/han-han-o-ninh-thuan-va-giai-phap-khac-phuc.aspx, Hạn hán ở Ninh Thuận và giải pháp khắc phục, Tạp chí Khoa học và công nghệ Việt Nam (Điện tử) năm 2020.