Ưng dụng công nghệ viễn thám, GIS, và học máy trong giám sát và cảnh báo sớm hạn hán khu vực Đồng bằng Sông Cửu Long phục vụ phát triển nông nghiệp bền vững và ứng phó biến đổi khí hậu

Tóm tắt

Trong bối cảnh biến đổi khí hậu, hạn hán tại Đồng bằng sông Cửu Long, vùng nông
 nghiệp trọng điểm của Việt Nam, ngày càng gia tăng cả về tần suất lẫn cường độ, gây
 ra những tác động nghiêm trọng. Nghiên cứu này nhằm phát triển hệ thống giám sát
 và cảnh báo hạn hán dựa trên sự kết hợp giữa dữ liệu viễn thám (SMAP, CYGNSS,
 và dữ liệu đa nguồn), GIS, và học máy. Sử dụng mô hình SAITS để điền dữ liệu thiếu
 trong bộ dữ liệu SMAP, kết hợp mô hình học máy cơ bản để ước tính độ ẩm đất từ
 dữ liệu CYGNSS và các yếu tố khí tượng, địa hình, thổ nhưỡng, nghiên cứu đã xây
 dựng bộ dữ liệu độ ẩm đất với độ phân giải không gian 1 - 3 km và thời gian 1 ngày.
 Chỉ số Độ ẩm đất được Chuẩn hóa (SSMI) được tính toán để chuyển đổi chuỗi dữ liệu
 độ ẩm đất thành phân phối chuẩn, từ đó tạo bản đồ hiện trạng hạn hán theo 9 mức
 độ. Thực nghiệm tại Nghệ An cho thấy kết quả ước tính độ ẩm đất có độ tương quan
 cao với cả dữ liệu trạm đo thực địa và dữ liệu ERA5, đạt hệ số tương quan R trên
 70%. Tại Đồng bằng sông Cửu Long, nghiên cứu đã hoàn thành bản đồ hiện trạng
 độ ẩm đất hàng ngày và tính toán chỉ số cảnh báo hạn hán SSMI, qua đó xây dựng
 bản đồ hiện trạng hạn hán chi tiết, giúp nhận diện rõ các vùng và thời điểm hạn hán
 nghiêm trọng. Những kết quả này khẳng định hiệu quả và độ chính xác của phương
 pháp tích hợp học máy và dữ liệu vệ tinh trong giám sát và cảnh báo hạn hán nông
 nghiệp. Mô hình không chỉ phù hợp với điều kiện của Việt Nam mà còn có tiềm năng
 mở rộng áp dụng tại các khu vực khác, góp phần hỗ trợ phát triển nông nghiệp bền
 vững và ứng phó với biến đổi khí hậu