Ứng dụng viễn thám và thuật toán học máy trong giám sát Độ nhiễm mặn Đất tại tỉnh bến tre

Ứng dụng viễn thám và thuật toán học máy trong giám sát Độ nhiễm mặn Đất tại tỉnh bến tre Ứng dụng viễn thám và thuật toán học máy trong giám sát Độ nhiễm mặn Đất tại tỉnh bến tre

ĐẠI HỌC QUỐC GIA HÀ NỘI

TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN

-****** -

Phạm Thị Thuý Nga

ỨNG DỤNG VIỄN THÁM VÀ THUẬT TOÁN HỌC MÁY TRONG GIÁM SÁT

ĐỘ NHIỄM MẶN ĐẤT TẠI TỈNH BẾN TRE

Chuyên ngành: Bản đồ, viễn thám, hệ thông tin địa lý

Mã số: 8850103.01

LUẬN VĂN THẠC SĨ KHOA HỌC

Người hướng dẫn khoa học: TS Nguyễn Hữu Duy

TS Nguyễn Quốc Huy

HÀ NỘI - 2023

ĐẠI HỌC QUỐC GIA HÀ NỘI

TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN

-****** -

Phạm Thị Thuý Nga

ỨNG DỤNG VIỄN THÁM VÀ THUẬT TOÁN HỌC MÁY TRONG GIÁM SÁT

ĐỘ NHIỄM MẶN ĐẤT TẠI TỈNH BẾN TRE

Chuyên ngành: Bản đồ, viễn thám, hệ thông tin địa lý

Mã số: 8850103.01

LUẬN VĂN THẠC SĨ KHOA HỌC

Người hướng dẫn khoa học: TS Nguyễn Hữu Duy

TS Nguyễn Quốc Huy

XÁC NHẬN HỌC VIÊN ĐÃ CHỈNH SỬA THEO GÓP Ý CỦA HỘI ĐỒNG

luận văn thạc sĩ khoa học

TS Nguyễn Hữu Duy TS Nguyễn Quốc Huy PGS.TS Bùi Quang Thành

HÀ NỘI - 2023

LỜI CẢM ƠN

Luận văn được hoàn thành tại Khoa Địa lý - Trường Đại học Khoa học Tự

nhiên, Đại học Quốc gia Hà Nội dưới sự hướng dẫn trực tiếp của TS Nguyễn Hữu

Duy và TS Nguyễn Quốc Huy Tôi xin được gửi lời cảm ơn sâu sắc tới các thầy,

người đã thường xuyên động viên và cố vấn khoa học cho học viên trong suốt quá

trình thực hiện luận văn

Trong quá trình thực hiện, tôi đã nhận được những sự chỉ bảo và góp ý quý

báu từ các thầy, cô thuộc Khoa Địa lý, Trường Đại học Khoa học Tự nhiên -

ĐHQGHN đã giảng dạy, truyền đạt và tạo điều kiện cho tôi học tập và tích lũy kiến

thức để thực hiện luận văn Xin cảm ơn đề tài mã số QG.23.20 đã hỗ trợ về mặt dữ

liệu trong quá trình thực hiện luận văn

Tôi cũng xin gửi lời cảm ơn chân thành tới đồng nghiệp, bạn bè, người thân

đã động viên, góp ý cho tôi trong quá trình học tập và nghiên cứu

Tôi xin chân thành cảm ơn!

Hà Nội, ngày tháng năm 2023

Học viên

Phạm Thị Thuý Nga

LỜI CAM ĐOAN Tôi xin cam đoan luận văn “Ứng dụng viễn thám và thuật toán học máy trong giám sát độ nhiễm mặn đất tại tỉnh Bến Tre” là công trình nghiên cứu khoa học độc lập của tôi Mọi số liệu sử dụng phân tích trong luận văn và kết quả nghiên cứu là do tôi tự tìm hiểu, phân tích một cách khách quan, trung thực, có nguồn gốc

rõ ràng và tài liệu tham khảo đã ghi rõ nguồn trích dẫn

Tôi xin chịu hoàn toàn trách nhiệm nếu có sự không trung thực trong nghiên cứu này

1 Tính cấp thiết của đề tài 9

2 Mục tiêu nghiên cứu 10

3 Đối tượng, phạm vi và nội dung nghiên cứu 11

4 Cách tiếp cận và phương pháp nghiên cứu 11

5 Ý nghĩa khoa học và thực tiễn 12

6 Cấu trúc luận văn 12

CHƯƠNG 1: Tổng quan tài liệu về các vấn đề nghiên cứu 13

1.1 Cơ sở nghiên cứu về nhiễm mặn đất 13

1.1.1 Khái niệm đất nhiễm mặn 13

1.1.2 Mối liên hệ giữa độ dẫn điện EC và độ mặn của đất 13

1.2 Tổng quan tình hình nghiên cứu về nhiễm mặn đất trong và ngoài nước 16 1.2.1 Tình hình nghiên cứu ngoài nước 16

1.2.2 Tình hình nghiên cứu trong nước 19

1.2.3 Ứng dụng viễn thám trong giám sát nhiễm mặn đất 25

CHƯƠNG 2: Các yếu tố ảnh hưởng đến nhiễm mặn đất tại khu vực nghiên cứu 31

2.1 Yếu tố tự nhiên 31

2.1.1 Vị trí địa lý 31

2.1.2 Yếu tố địa hình 32

2.1.3 Yếu tố khí hậu 34

2.1.4 Yếu tố thủy văn 35

2.2 Yếu tố dân sinh, kinh tế - xã hội 38

2.2.1 Dân số và lao động 38

2.2.2 Yếu tố về kinh tế - Xã hội 40

2.3 Tài nguyên thiên nhiên 47

3.2 Kết hợp học máy và viễn thám trong xác định độ mặn đất 63

3.2.1 Xây dựng các biến độc lập dựa trên tính toán chỉ số viễn thám 63

3.2.2 Xây dựng mô hình học máy 66

3.3 Lựa chọn yếu tố điều hòa 74

DANH MỤC HÌNH

Hình 2.1: Vị trí tỉnh Bến Tre 31

Hình 2.2: Bản đồ hiện trạng tài nguyên nước mặt tỉnh Bến Tre 51

Hình 3.1: Vị trí mẫu đất thu thập ngoài thực địa 60

Hình 3.2: Quy trình xây dựng mô hình máy học 67

Hình 3.3: Tầm quan trọng của các yếu tố tham gia ước tính độ mặn của đất 76

Hình 3.4: Biểu đồ phân tán của giá trị độ mặn đất 77

Hình 3.5:Bản đồ nhiễm mặn đất được thành lập bằng phương pháp XGR 79

Hình 3.6:Bản đồ nhiễm mặn đất được thành lập bằng phương pháp RF 80

Hình 3.7: Bản đồ nhiễm mặn đất được thành lập bằng phương pháp CatBoost 80

Hình 3.8: Bản đồ nhiễm mặn đất được thành lập bằng phương pháp SVR 81

DANH MỤC BẢNG

Bảng 1.1: Cách chuyển đổi giá trị EC 1:5 thành giá trị ECe [39] 14

Bảng 1.2: Phân cấp độ nhiễm mặn đất theo giá trị Ece của Richard [85] 15

Bảng 1.3: Phân cấp độ nhiễm mặn đất theo giá trị ECe của FAO [51] 15

Bảng 1.4: Đặc điểm các ảnh viễn thám thường dùng cho giám sát tài nguyên đất 27

Bảng 2.1: Quy mô và tốc độ tăng dân số của tỉnh Bến Tre 39

Bảng 2.2: GRDP và cơ cấu kinh tế tỉnh Bến Tre 40

Bảng 2.3: Các kết quả phát triển công nghiệp trong giai đoạn báo cáo 42

Bảng 2.4: Các nhóm và loại đất ở tỉnh Bến Tre 48

Bảng 2.5: Tổng lượng mưa trung bình nhiều năm (mm) 50

Bảng 2.6: Thông số cơ bản các tuyến sông chính chảy qua tỉnh Bến Tre 50

Bảng 2.7: Các tuyến sông rạch quan trọng khác trên địa bàn tỉnh Bến Tre 51

Bảng 2.8: Diện phân bố các tầng chứa nước (nhạt và mặn) 55

Bảng 2.9: Khoảng cách xâm nhập mặn mùa khô 2015 – 2016 và 2019 - 2020 59

Bảng 3.1: Thông tin chi tiết các kênh ảnh của Sentinel-2A 62

Bảng 3.2: Các chỉ số viễn thám được lựa chọn 64

Bảng 3.3: Độ chính xác của mô hình đề xuất sử dụng RMSE, MAE và R2 78

DANH MỤC TỪ VIẾT TẮT

FAO Tổ chức Lương thực và Nông nghiệp Liên Hợp Quốc

GTSX CN Giá trị sản xuất công nghiệp

MỞ ĐẦU

1 Tính cấp thiết của đề tài

Nhiễm mặn đất là một trong những tai biến môi trường phổ biến, ảnh hưởng đến sản xuất nông nghiệp và tài nguyên đất ở nhiều khu vực trên thế giới, đặc biệt là các khu vực ven biển Theo ước tính của FAO, khoảng 10 đến 30% diện tích được tưới tiêu trên thế giới bị ảnh hưởng bởi độ mặn hoặc độ kiềm, tức là khoảng 76 triệu

ha đất nông nghiệp, trong đó 69% diện tích đất bị ảnh hưởng nằm ở Châu Á, 19% ở Châu Phi và 5% ở Châu Âu [106] Nhiễm mặn ảnh hưởng đến khoảng 1,5 triệu ha đất canh tác hàng năm [58], làm giảm khoảng 10% sản lượng lương thực toàn cầu [107] Việt Nam là một quốc gia có đường bờ biển dài và nhiễm mặn đang là vấn đề ngày càng nghiêm trọng ở một số vùng ven biển Theo báo cáo của Bộ Nông nghiệp

và Phát triển nông thôn, khoảng 200.000 ha đất nông nghiệp ở Việt Nam bị nhiễm mặn trong năm 2020

Theo IPCC, tại Việt Nam, Đồng bằng sông Cửu Long (ĐBSCL) với địa hình thấp được xác định là một trong các “điểm nóng” trên thế giới phải chịu tác động mạnh của biến đổi khí hậu và hiện tượng nước biển dâng, dẫn đến sự gia tăng của quá trình mặn xâm nhập vào sâu trong đất liền Theo báo cáo mới đây của Tổng cục Thủy lợi - Bộ Nông nghiệp và Phát triển Nông thôn (NN&PTNT), sự xâm nhập của nước biển làm tăng độ mặn của mặt nước lên khoảng 4 g/l lan qua sông Hậu và sông Tiền, ăn sâu vào 45–65 km và 55–60 km tính từ bờ biển, gây gia tăng xâm nhập mặn và hạn hán trên ĐBSCL Theo ước tính đến năm 2050, mực nước biển sẽ gia tăng thêm 33 cm và đến năm 2100 sẽ tăng thêm 1 mét [27] Với mức độ gia tăng này, dự báo sẽ có ít nhất 25% diện tích đất nông nghiệp vùng ven biển ĐBSCL sẽ bị chìm ngập và khoảng 75% diện tích canh tác hiện nay sẽ bị nhiễm mặn mùa khô và khoảng 40-50% diện tích nông nghiệp bị ảnh hưởng của nước mặn ngay cả trong mùa mưa, khó có thể canh tác lúa Điển hình, đợt hạn hán và xâm nhập mặn lịch sử trong mùa khô 2015-2016 đã ảnh hưởng đến tất cả 13 tỉnh ĐBSCL Tổng thiệt hại trong đợt hạn - mặn 2015-2016 được ước tính lên đến 5.500 tỷ đồng, trong đó sản xuất nông nghiệp bị thiệt hại nặng nề nhất, với trên 160.000 ha đất canh tác bị nhiễm mặn, tổng thiệt hại khoảng 3.000 tỷ đồng

Tỉnh Bến Tre là một tỉnh thuộc đồng bằng sông Cửu Long, tiếp giáp biển Đông, cuối nguồn nước ngọt và đầu nguồn nước mặn Do đặc thù về điều kiện tự nhiên, Bến Tre được đánh giá là một trong những tỉnh bị ảnh hưởng nặng nề nhất bởi nhiễm mặn Hàng năm, mặn thường xâm nhập vào tỉnh Bến Tre từ tháng 3 đến tháng 6 gây ảnh

hưởng lớn đến cấu trúc đất đai Theo báo cáo tổng hợp tình hình hạn hán, xâm nhập mặn khu vực miền Nam, trong giai đoạn 2019-2020, tính đến đầu tháng 3, tỉnh Bến Tre

bị thiệt hại 104,7 ha lúa Thu Đông (30 - 70%); 5.000 ha lúa Đông Xuân sinh trưởng và phát triển chậm, thậm chí bị mất trắng, toàn bộ người dân trên địa bàn tỉnh đều bị ảnh hưởng do nước sinh hoạt bị nhiễm mặn [22]

Trong bối cảnh Biến đổi khí hậu, sự biến đổi ngày càng mạnh mẽ của môi trường biển, cùng với tác động đa dạng của nhiều yếu tố khác, hiện nay, hiện tượng nhiễm mặn đang trở nên ngày càng phức tạp và ảnh hưởng đáng kể đến hoạt động kinh

tế - xã hội trong các vùng ven biển, đặc biệt là ở các khu vực cửa sông Trong bối cảnh này, việc nghiên cứu và giám sát nhiễm mặn trở nên cấp thiết hơn bao giờ hết, đặc biệt

là để hỗ trợ quản lý và đưa ra những giải pháp ứng phó hiệu quả trong tình hình Biến đổi khí hậu ngày càng trầm trọng Do đó, cần phải áp dụng những phương pháp mạnh mẽ và hiệu quả hơn để đảm bảo tính chính xác và tốc độ trong việc đánh giá và giám sát hiện tượng nhiễm mặn Mặc dù đã có nhiều nghiên cứu về xâm nhập mặn tại Đồng bằng sông Cửu Long và tỉnh Bến Tre trong quá khứ, với sự sử dụng của nhiều phương pháp và mô phỏng khác nhau, tuy nhiên còn nhiều hạn chế như chi phí cao và mất thời gian, công sức Bên cạnh đó, sự phát triển của học máy đã mở ra cánh cửa mới cho những nghiên cứu ở nhiều lĩnh vực khác nhau trong đó có lĩnh vực đất đai Học máy có thể được tích hợp vào quy trình tự động để liên tục cập nhật bản đồ nhiễm mặn đất khi

có thêm dữ liệu

Vì những lý do trên, việc nghiên cứu và phát triển một phương pháp để giám sát, theo dõi tình trạng nhiễm mặn đất trở nên cấp thiết Điều này giúp xác định rkhu vực ảnh hưởng của nhiễm mặn một cách chính xác hơn và cung cấp thông tin quan trọng cho việc quản lý và phát triển khu vực Nghiên cứu "Ứng dụng viễn thám và thuật toán học máy trong giám sát độ nhiễm mặn đất tại tỉnh Bến Tre" mang ý nghĩa quan trọng trong việc tận dụng tiến bộ công nghệ và kết hợp thuật toán học máy hiện đại với ảnh viễn thám để xây dựng bản đồ xâm nhập mặn với độ chính xác cao hơn so với những phương pháp truyền thống Nhờ đó, chúng ta có thể phân chia khu vực bị ảnh hưởng nhiều và ít bởi hiện tượng xâm nhập mặn, từ đó đưa ra các biện pháp quản

lý hiệu quả như cải thiện đất mặn nặng hoặc thay đổi cơ cấu nông nghiệp để thích ứng với điều kiện đất mặn ít hơn

2 Mục tiêu nghiên cứu

Xây dựng được bản đồ xâm nhập mặn sử dụng phương pháp học máy và viễn thám tại tỉnh Bến Tre

3 Đối tượng, phạm vi và nội dung nghiên cứu

a Đối tượng nghiên cứu

- Nhiễm mặn đất trên địa bàn tỉnh Bến Tre

b Phạm vi nghiên cứu

- Phạm vi không gian: địa phận tỉnh Bến Tre, Việt Nam

- Phạm vi thời gian: mùa khô năm 2020-2021

c Nội dung nghiên cứu

Để đạt được mục tiêu trên, nghiên cứu cần thực hiện các nội dung sau:

- Thu thập và đánh giá chất lượng tài liệu, dữ liệu thực địa, ảnh viễn thám và các dữ liệu khác có liên quan;

- Xử lý ảnh viễn thám, tính toán các chỉ số viễn thám làm đầu vào cho mô hình học máy;

- Ứng dụng các mô hình học máy để xây dựng bản đồ độ mặn đất và đánh giá hiệu quả của các mô hình;

4 Cách tiếp cận và phương pháp nghiên cứu

- Phương pháp tổng hợp và phân tích tài liệu: Sau khi xác định rõ mục tiêu,

nhiệm vụ nghiên cứu, đề tài tiến hành thu thập và tổng hợp các tài liệu liên quan đến đề tài, tham khảo và kế thừa có chọn lọc các kết quả nghiên cứu đã được công

bố

- Phương pháp khảo sát điều tra thực địa: Các kết quả điều tra khảo sát thực

địa là tài tiệu quan trọng cùng với hệ thống các bản đồ chuyên đề làm cơ sở để xác

nhận kết quả và hoàn thiện nội dung nghiên cứu của luận văn

- Phương pháp học máy: Trong luân văn này, 4 mô hình học máy, bao gồm

Random Forest, Support Vector Machine, XGBoost, CatBoost được xây dựng để thành lập bản đồ xâm nhập mặn tại tỉnh Bến Tre

- Phương pháp Bản đồ, Viễn thám, và GIS: Nghiên cứu sẽ tiến hành phân

tích và trích dẫn các yếu tố ảnh hưởng đến xâm nhập mặn dựa trên phân tích dữ liệu ảnh viễn thám Những yếu tố này được kết hợp với thông tin về các điểm nhiễm mặn được đo trực tiếp tại thực địa, tạo nên dữ liệu đầu vào để xây dựng các mô hình học máy

5 Ý nghĩa khoa học và thực tiễn

- Ý nghĩa khoa học: Kết quả của luận văn này góp phần bổ sung phương pháp nghiên cứu về xây nhập mặn ứng dụng công nghệ viễn thám và học máy

- Ý nghĩa thực tiễn: Kết quả nghiên cứu của luận văn này góp phần quan trọng, có thể hỗ trợ các nhà hoạch định chính sách, các nhà quản lý có thể phân vùng rủi ro nhiễm mặn, phục vụ phát triển nông nghiệp một cách bền vững tại tỉnh Bến Tre

6 Cấu trúc luận văn

Chương 1: Tổng quan tài liệu về các vấn đề nghiên cứu

Chương 2: Các yếu tố ảnh hưởng đến nhiễm mặn đất tại khu vực nghiên cứu

Chương 3: Ứng dụng viễn thám và kỹ thuật học máy trong thành lập bản đồ nhiễm mặn tỉnh Bến Tre

CHƯƠNG 1:

TỔNG QUAN TÀI LIỆU VỀ CÁC VẤN ĐỀ NGHIÊN CỨU

1.1 Cơ sở nghiên cứu về nhiễm mặn đất

1.1.1. Khái niệm đất nhiễm mặn

Theo FAO, đất nhiễm mặn là loại đất tồn tại các loại muối hòa tan ở nồng độ cao hơn bình thường Đất chứa nhiều muối tan dưới dạng nên áp suất thẩm thấu của dung dịch đất lớn, ảnh hưởng đến quá trình hút nước và chất dinh dưỡng của rễ cây, gây ảnh hưởng xấu đến sự sinh trưởng và phát triển của cây trồng [49] Muối trong đất được hình thành do nhiều nguyên nhân, điển hình là do nước biển chứa nhiều muối xâm nhập vào cửa sông và bị các kết cấu của đất giữ lại, hiện tượng này thường xuất hiện ở cá khu vực ven biển; hoặc do các phản ứng phong hóa hòa tan các khoáng có trong đất, hiện tượng này xuất hiện ở các vùng có lượng mưa nhỏ hơn lượng bốc thoát hơi nước

Mức độ nhiễm mặn của đất có thể được đo lường thông qua các chỉ số định lượng như độ dẫn điện (EC), muối hòa tan toàn phần (TSS), tổng chất rắn hòa tan (TDS), cation hòa tan toàn phần (TSC), điện trở suất, v.v [30,101] Mặt khác, các nhà nghiên cứu còn có thể quan sát được khả năng nhiễm mặn của đất thông qua tính chất định tính của đất như sự xuất hiện của các vỏ muối, chẩn đoán định tính của tầng đất natric/muối, cấu trúc đất dạng cột/hình lăng trụ trong điều kiện khô hạn với các đế được bao phủ bởi các màng đen nâu [65,84] Ngoài ra, nhiều nghiên cứu

đã cho thấy mối tương quan giữa chỉ số viễn thám với đất bị nhiễm mặn [60]

1.1.2. Mối liên hệ giữa độ dẫn điện EC và độ mặn của đất

Trong tính toán, lượng muối có trong đất có ý nghĩa là tổng lượng khoáng hòa tan trong đất (gồm các cation Ca, Mg, K, Na, NH4, và các anion Cl, NO3, SO4, CO3, ) Tuy nhiên, vì tính phức tạp và tốn kém của việc đo các ion, nên các nhà khoa học sử dụng các phương pháp đo lường thông qua các chỉ số định lượng, bao gồm chỉ số độ dẫn điện (EC), sau đó dùng một hệ số để chuyển đổi từ EC sang phần ngàn (‰) [85, 87] Độ dẫn điện EC đề cập đến khả năng dẫn được dòng điện

đi qua một vật liệu hoặc dung dịch nào đó Các phép đo độ dẫn điện được thực hiện

dễ dàng và nhanh chóng, và từ lâu đã được sử dụng để xác định lượng muối hòa tan trong đất Khi lượng ion muối hòa tan trong đất tăng lên, dung dịch đất sẽ trở thành một chất dẫn điện, lượng muối càng cao thì khả năng dẫn diện sẽ càng tốt, chỉ số

EC sẽ càng tăng

Có hai phương pháp đo để xác định độ mặn của đất thông qua EC:

(i) Phương pháp đo độ mặn thực tế của đất (ECe) Đây là phép đo mang tính đại diện hơn cho hàm lượng muối hòa tan trong đất vì đo trong điều kiện gần đúng với điều kiện bình thường Mặc dù đem lại kết qua chính xác nhưng việc thực hiện phương pháp ECe tốn nhiều thời gian, chi phí và đòi hỏi thiết bị trích chuyên dụng

(ii) Phương pháp đo EC với chiết xuất đất bão hòa với tỷ lệ đất:nước (1:n) theo thể tích (ví dụ: EC 1:1 hoặc EC 1:5) Phương pháp này chỉ có kết quả gần đúng nhưng lại có chi phí thấp hơn vì qui trình trích đơn giản và không cần thiết bị trích chuyên dụng [39,70]

Nói một cách chính xác, giá trị ECe chỉ có thể được đo thông qua thử nghiệm trong phòng thí nghiệm Tuy nhiên, do hạn chế về kinh phí, thiết bị, do đó, phương pháp đo EC 1:n (thường là EC 1:5) được sử dụng để ước tính các giá trị ECe Đây cũng là phương pháp đo EC được sử dụng trong nghiên cứu Giá trị EC 1:5 được xác định bằng cách trộn đất và nước với tỷ lệ 1:5 theo thể tích Sau một khoảng thời gian chờ dung dịch lắng xuống, thực hiện đo độ dẫn điện của phần chất lỏng trong hơn ở trên cùng Đây chính là giá trị EC 1:5 Giá trị ECe được ước tính xấp xỉ thông qua giá trị EC 1:5 bằng cách sử dụng một số phép chuyển đổi (Bảng 1.1)

Bảng 1.1: Cách chuyển đổi giá trị EC 1:5 thành giá trị ECe [39]

Loại đất Nhân giá trị EC 1:5 với số dưới đây để ước tính

1000 mS/cm = 1000 mmho/cm; 1 mS/cm = 1 mmho/cm = 1dS/m = 1000 miromhos/cm

Dựa trên các giá trị độ dẫn điện đo đạc được, các nhà nghiên cứu đã đưa ra một số thang phân cấp mức độ mặn nhằm phục vụ cho quá trình thành lập bản đồ phân vùng nhiễm mặn đất Việc phân loại đất mặn dựa trên giá trị EC được đề xuất

đầu tiên vào năm 1954 bởi Richard [51,85] Độ dẫn điện theo thang phân cấp của Richard được biểu thị bằng mmho/cm Thang phân cấp này rất hữu ích cho mục đích nông nghiệp bởi nó giải thích được mối liên hệ giữa độ mặn đất và phản ứng

của cây trồng (Bảng 1.2)

Bảng 1.2: Phân cấp độ nhiễm mặn đất theo giá trị Ece của Richard [85]

EC (t = 25 o C)

< 2 Ảnh hưởng của mặn hầu như không đáng kể

2 - 4 Giảm năng suất của các loại cây trồng nhạy cảm

4 - 8 Giảm năng suất của nhiều loại cây trồng

8 - 16 Chỉ cây trồng có khả năng chịu mặn mới cho năng suất

> 16 Chỉ cây trồng có khả năng chịu mặn nặng mới cho năng suất

Các chỉ số phân cấp độ mặn đất theo EC nói trên đã được sử dụng phổ biến hơn cả trong các nghiên cứu trên khắp thế giới sau khi FAO công bố tài liệu về cơ

sở dữ liệu đất toàn cầu vào năm 2008 [51] Bộ tài liệu này được xây dựng dưới sự phối hợp giữa FAO với các tổ chức như IIASA, ISSCAS, JRC,… Thang phân cấp

độ mặn theo giá trị ECe của FAO được xây dựng dựa trên khả năng chống chịu và phản ứng với muối trong đất của các loại cây trồng và có thể áp dụng cho cả lớp đất trên và lớp đất dưới

Bảng 1.3: Phân cấp độ nhiễm mặn đất theo giá trị EC e của FAO [51]

nghiên cứu này nhằm tạo ra một hệ thống phân loại rõ ràng dựa trên tiêu chuẩn chung của thế giới

1.2 Tổng quan tình hình nghiên cứu về nhiễm mặn đất trong và ngoài nước

1.2.1. Tình hình nghiên cứu ngoài nước

Các nghiên cứu về diễn biến nhiễm mặn có thể dựa trên cơ sở quan trắc đo đạc trực tiếp bằng các thiết bị đo (vật lý và hóa học) hoặc sử dụng các mô hình toán thủy văn thủy lực mô phỏng diễn biến dòng chảy và chất lượng nước trên lưu vực sông, có thể đề cập tới một số nghiên cứu trong những năm gần đây:

Trong nghiên cứu về các cơ chế vật lý chính ảnh hưởng đến cấu trúc độ mặn

ở cửa sông Cape Fear, một cửa sông đại diện cho các cửa sông chi phối dọc theo bờ biển Đông Nam Đại Tây Dương của Hoa Kỳ [83] Dựa trên dữ liệu thủy văn và thủy động lực học, nghiên cứu đã mô tả sự khác biệt về vận tốc, độ mặn và sự phân tầng tại các đoạn kênh dọc cửa sông đối với các điều kiện dòng chảy tương đối thấp Sau đó, tiến hành điều tra ảnh hưởng của dòng chảy trên sông đối với sự nhiễm mặn (được xác định bằng đường đẳng mặn gần đáy) Kết quả nghiên cứu này cũng chỉ ra rằng vị trí nhiễm mặn phụ thuộc vào dòng chảy lớn nhất trong sông trong một thời kỳ đánh giá

Trong bài nghiên cứu phân tích đặc điểm nhiễm mặn ở hạ lưu sông Geum, các tác giả đã áp dụng mô hình số ba chiều, động lực học chất lỏng môi trường (EFDC) [67] Trong nghiên cứu này, sự mô phỏng đã được thực hiện để đánh giá phạm vi ảnh hưởng của nhiễm mặn khi các cửa được mở hoàn toàn Các điều kiện được sử dụng để mô phỏng là bốn chế độ dòng chảy ở lưu vực sông Geum, Hàn Quốc Kết quả cho thấy phạm vi nhiễm mặn từ đập là 50,72 km (dòng chảy trong thời kỳ chịu hạn), 48,87 km (dòng chảy kiệt), 46,56 km (dòng chảy bình thường) và 42,10 km (dòng chảy lũ) Các kết quả này chỉ ra rằng mô hình EFDC được sử dụng

để mô phỏng có độ chính xác cao Các kết quả đạt được trong nghiên cứu này có thể được sử dụng làm cơ sở để hiểu mức độ ảnh hưởng của sự nhiễm mặn ở các chế

độ dòng chảy khác nhau

Đánh giá nhiễm mặn ở sông James và sông Chickahominy do mực nước biển dâng ở Vịnh Chesapeake, Bờ biển phía Đông, Hoa Kỳ [86], các tác giả đã nhận định rằng mực nước biển toàn cầu đang tăng lên với tỷ lệ tăng ở khu vực Vịnh Chesapeake lớn hơn tỷ lệ trên toàn thế giới Tác động của nước biển dâng trong tương lai đối với hai nhánh của Vịnh Chesapeake, sông James và Chickahominy, đã được đánh giá để định lượng sự thay đổi độ mặn liên quan đến cường độ nước biển dâng Bằng cách sử dụng mô hình thủy động lực họcphú dưỡng ba chiều (HEM-

3D), các kịch bản mực nước biển dâng 30, 50 và 100 cm cho khu vực giữa Đại Tây Dương trong thế kỷ 21, đã được đánh giá Kết quả mô hình chỉ ra rằng độ mặn tăng lên trong toàn bộ sông khi mực nước biển dâng Tại nguồn nước sinh hoạt, số ngày

có độ mặn lớn hơn 0,1 ‰ tăng vượt quá hơn 100 ngày với mức tăng mực nước biển

30 cm Cũng nghiên cứu về ảnh hưởng của nước biển dâng đến nhiễm mặn đã có nghiên cứu điển hình ở cửa sông Dương Tử, Trung Quốc [41] Trong nghiên cứu này, nhóm tác giả đã sử dụng mô hình vận chuyển mặn và thủy động lực học ba chiều, với lưới không cấu trúc có độ phân giải cao và độ nhám của đáy thay đổi theo không gian, được áp dụng để định lượng ảnh hưởng của nước biển dâng Mô hình

đã được xác thực thông qua các dữ liệu quan trắc về mức thủy triều, vận tốc và hướng dòng chảy, và độ mặn Với bốn kịch bản của mực nước biển bao gồm mực nước biển hiện tại, và mực nước biển dâng các cấp 0,5, 1 và 2 m cho thấy (1) đường đẳng mặn dịch chuyển ngược dòng phi tuyến tính trong sông với các mực nước biển dâng và không đồng nhất trong phân bố không gian dưới cùng cấp độ dâng (2) Nước mặn tràn từ nhánh Bắc vào nhánh Nam tăng lên theo cấp độ nước biển dâng, trong khi độ mặn ở hạ lưu nhánh Bắc giảm do tăng dòng chảy có độ mặn thấp từ nhánh Nam và kênh Bắc do mực nước biển dâng tăng lên (3) Thời gian nước có độ mặn vượt quá ngưỡng có thể sử dụng làm nước sinh hoạt tăng lên tại 4 hồ chứa cùng với nước biển dâng (4) Phân tích hồi quy cho phép xây dựng biểu thức định lượng bậc hai mối quan hệ giữa độ mặn và nước biển dâng

Nghiên cứu xác định các yếu tố chính của mô hình nhiễm mặn tại lưu vực sông Dagu, Vịnh Giao Châu [104], các tác giả nhận định rằng nhiễm mặn là một quá trình tương tác phức tạp giữa nước ngầm - nước biển và nó chịu ảnh hưởng của nhiều yếu tố từ bề mặt đến lòng đất Nói chung, đối với mô hình xâm mặn, một số thông số mô hình và điều kiện ranh giới luôn được xác định theo kinh nghiệm cá nhân của người sử dụng mô hình hoặc giá trị tham khảo từ các tài liệu nghiên cứu

Để cải thiện độ tin cậy của mô hình mô phỏng nhiễm mặn, các ảnh hưởng của đầu vào của mô hình đối với đầu ra cần được xác định trước khi tối ưu hóa đầu vào Lưu vực sông Dagu, Vịnh Giao Châu là một trong những khu vực bị nước biển xâm thực nghiêm trọng nhất ở Trung Quốc, và nó được chọn là khu vực nghiên cứu trong nghiên cứu này Mô hình xâm thực nước biển của lưu vực sông Dagu được xây dựng dựa trên chương trình chung SEAWAT4 Các yếu tố ảnh hưởng chính của đầu

ra mô hình được phân tích bằng phương pháp phân tích độ nhạy Kết quả cho thấy các yếu tố ảnh hưởng quan trọng nhất có tính nhạy lớn nhất đối với nồng độ Cl- của nước ngầm là tốc độ kết tủa và việc bơm nước ngầm trong khu vực nông nghiệp Ngoài ra, độ dẫn thủy lực của vùng 1 có ảnh hưởng không nhỏ đến quá trình xâm

thực của nước biển Phân tích hồi quy từng bước có khả năng xác định yếu tố ảnh hưởng quan trọng nhất và nó không thể xử lý mối quan hệ phức tạp phi tuyến giữa đầu vào - đầu ra

Ngoài ra, với sự phát triển của khoa học kỹ thuật và chính sách chia sẻ dữ liệu của các tập đoàn lớn như NASA hay NOAA Trong những năm gần đây, nhiều nghiên cứu đã ứng dụng học máy và viễn thám trong giám sát và theo dõi nhiễm mặn đất

Trong một nghiên cứu ở sông Salt River, thành phố Eshtehard, tỉnh Alborz, Iran, ảnh vệ tinh Sentinel-2 đã được sử dụng để trích xuất thông tin về đặc điểm quang phổ như phản xạ của các kênh ảnh, chỉ số mặn, chỉ số thực vật Trong nghiên cứu này, toàn bộ tập dữ liệu thực địa (n = 197) được chia thành tập huấn luyện (144 mẫu đất, 70% tổng số mẫu đất) và tập thử nghiệm (53 mẫu đất, 30% tổng số mẫu đất) Mục tiêu chính của nghiên cứu này là đánh giá sự phù hợp của các thuật toán Gradient Boost Machine (GBM), Extreme Gradient Boost (XGBoost) và Rừng ngẫu nhiên (Random Forest - RF) trong việc mô hình hóa mối quan hệ giữa các đặc điểm quang phổ của dữ liệu vệ tinh Sentinel-2 và thông số độ mặn của đất khu vực sông Salt River Kết quả cho thấy phương pháp XGBoost vượt trội so với các mô hình khác Tuy nhiên, hai mô hình còn lại là RF và GBM cũng hoạt động tốt Kết quả đã chứng minh rằng việc tích hợp dữ liệu viễn thám, dữ liệu thực địa và mô hình học máy phù hợp có thể giúp nhà nghiên cứu thành lập được bản đồ phân vùng nhiễm mặn với độ chính xác cao để giám sát độ mặn của đất [101]

Một nghiên cứu khác với mục tiêu đánh giá hiệu suất của các thuật toán máy học trong lập bản đồ độ mặn của đất dựa trên nền tảng Google Earth Engine bằng cách sử dụng dữ liệu OLI của Sentinel-2A và Landsat-8, có ba thuật toán máy học

đã được sử dụng bao gồm: Cây phân loại và hồi quy (Classification and Regression Tree - CART), Rừng ngẫu nhiên (Random Forest - RF) và Vector hỗ trợ hồi quy (Support Vector Regression - SVR) để xây dựng mối tương quan giữa dữ liệu đo đạc ngoài thực địa và các chỉ số quang phổ từ ảnh vệ tinh (gồm dải độ ẩm, ba chỉ số

độ mặn của đất và một chỉ số thực vật) Kết quả của nghiên cứu này cho thấy mô hình RF ước tính mức độ mặn đáng tin cậy hơn trong các vỏ muối, đất nông nghiệp, khu vực thoát nước và đầm lầy [31]

Trong giám sát nhiễm mặn tại các vùng khô hạn thuộc khu bảo tồn thiên nhiên Đồng cỏ Kongterik, huyện Vĩnh Tư, tỉnh Tấn Cương, Trung Quốc, các nhà nghiên cứu đã sử dụng dữ liệu Sentinel-2 MSI, dữ liệu đo đạc độ mặn của các mẫu đất và áp dụng ba thuật toán học máy bao gồm: Máy vectơ hỗ trợ (Support Vector

Machine - SVM), Mạng neural nhân tạo (Artificial Neural Network - ANN) và Rừng ngẫu nhiên (RF) để ước tính và lập bản đồ độ mặn của đất trong khu vực nghiên cứu Kết quả cho thấy mô hình SVM khi kết hợp với bộ dữ liệu MSI đạt được hiệu suất và độ chính xác cao hơn (R2 = 0,88 và RMSE = 4,89 dS m−1) so với

mô hình RF và ANN [97]

Nghiên cứu tại khu vực Vườn quốc gia sông Ogan-Kuqa, thuộc Lưu vực Tarim, Tân Cương, Trung Quốc về phương pháp kết hợp các ảnh Sentinel-1 và Sentinel-2 cùng mô hình học máy để giám sát nhiễm mặn, các tác giả đã xây dựng các thuật toán máy học Classification and Regression Tree (CART), Random Forest (RF), và Extreme Gradient Boosting (XGBoost) Độ chính xác dự đoán của mô hình XGBoost tốt hơn so với CART và RF Ngoài ra, phân bố không gian về độ mặn đất của ba mô hình tương tự nhau [79]

Nghiên cứu tại Lưu vực sông Mê Kông đã sử dụng các thuật toán máy học XGBoost (XGR), Gaussian Processes (GP), Support Vector Regression (SVR), Deep Neural Networks (DNN), và Grasshopper Optimization Algorithm (GOA), kết hợp với ảnh viễn thám để ước tính độ mặn của đất từ 143 mẫu được thu thập từ năm 2016 đến năm 2020 Kết quả đánh giá cho thấy mô hình XGR-GOA đem lại kết quả tốt hơn so với các mô hình khác (R2 = 0,86; RMSE = 0,076 và MAE = 0,065) [77]

Các nghiên cứu trên cho thấy máy học có thể phân tích các tập dữ liệu về độ mặn của các mẫu đất và các biến đầu vào như SI (saturation index), SAVI (soil adjusted vegetation index), DEM (digital elevation model) để xây dựng mô hình tương quan (tuyến tính hoặc phi tuyến tính) giữa chúng, từ đó giúp dự đoán độ mặn cho các vùng hạn chế dữ liệu Các mô hình được so sánh và đánh giá bằng cách sử dụng các chỉ số thống kê khác nhau như sai số bình phương trung bình gốc (Root Mean Square Error - RMSE), hệ số xác định (R2), sai số tuyệt đối trung bình (Mean Absolute Error - MAE)… Tuy nhiên, không có kết luận khẳng định mô hình nào là

mô hình tốt nhất để theo giám sát độ mặn đất [77] Loại thuật toán được sử dụng phụ thuộc vào loại vấn đề cần giải quyết, số lượng biến, loại mô hình phù hợp nhất [29]

1.2.2. Tình hình nghiên cứu trong nước

Việt Nam có chiều dài bờ biển hơn 3200 km và là một trong những nước chịu ảnh hưởng nhiều nhất do thiên tai nói chung và nhiễm mặn nói riêng, đặc biệt là trong bối cảnh BĐKH như hiện nay Do đó, từ những năm 1960, nghiên cứu xâm nhập mặn ở Việt Nam đã được quan tâm và bắt đầu tiến hành quan trắc độ mặn ở

hai vùng đồng bằng sông Hồng và sông Cửu Long Đối với đồng bằng sông Cửu Long - vựa lúa lớn nhất của Việt Nam, do đặc điểm địa hình (không có đê bao) và mức độ ảnh hưởng có tính quyết định tới sản xuất nông nghiệp khi xảy ra nhiễm mặn nên việc nghiên cứu xâm nhập mặn ở đây được chú trọng hơn cả, đặc biệt thời

kỳ sau năm 1976 Khởi đầu là các công trình nghiên cứu của Ủy hội sông Mê Kông

về xác định ranh giới xâm nhập mặn theo các phương pháp thống kê trong hệ thống kênh rạch ở 9 vùng cửa sông thuộc đồng bằng sông Cửu Long Các kết quả tính toán từ chuỗi số liệu thực đo đã lập lên bản đồ đẳng trị mặn với hai chỉ tiêu cơ bản 1‰ và 4‰ cho toàn khu vực đồng bằng trong những tháng 12 đến tháng 4 [5]

Đánh giá nhiễm mặn vùng hạ lưu lưu vực sông Ba, các tác giả đã ứng dụng

mô hình MIKE11 đánh giá tác động của nước biển dâng với các kịch bản các kịch bản phát thải thấp (B1), trung bình (B2) và cao (A2) [6] Do tác động của BĐKH lượng mưa mùa khô giảm dẫn đến suy giảm dòng chảy mùa cạn, bên cạnh đó mực nước biển dâng khiến cho mặn càng xâm nhập sâu vào trong sông, mức độ mặn cũng tăng lên đáng kể Ở thời kỳ cuối của thế kỷ 21, mặn xâm nhập khá sâu vào trong sông, khoảng cách xâm nhập độ mặn lớn nhất 1‰ có thể tăng thêm khoảng 4,2 km; với độ mặn 4‰ có thể tăng thêm khoảng 3,7 km Kết quả nghiên cứu này là

cơ sở khoa học nhằm hỗ trợ cho công tác lập kế hoạch ứng phó với BĐKH, cũng như các định hướng khai thác, sử dụng và phát triển bền vững tài nguyên nước lưu vực sông Ba

Để nghiên cứu đánh giá và dự báo tình hình nhiễm mặn trên hệ thống sông Vu Gia – Thu Bồn, Nguyễn Tùng Phong và ccs [13] đã sử dụng mô hình MIKE 11 với các bộ số liệu năm 1999, 2003 và số liệu dự báo theo kịch bản BĐKH B2 do bộ Tài Nguyên và Môi trường xây dựng để tính toán mô phỏng nhiễm mặn theo 03 kịch bản thời kỳ 1980-1999, 2020-2039 và 2040-2059

Trong những năm gần đây, hiện tượng nhiễm mặn ở các khu vực cửa sông ven biển Thanh Hóa đang ngày càng trở nên trầm trọng, trước tình hình đó, Hoàng Văn Đại và ccs, (2014) [23] đã nghiên cứu, áp dụng mô hình thủy động lực 1-2 chiều mô phỏng, dự báo nhiễm mặn có ý nghĩa thiết thực nhằm góp phần nâng cao hiệu quả phòng, chống nhiễm mặn cho vùng hạ lưu sông Mã Kết quả đã xây dựng mô hình

mô phỏng, dự báo nhiễm mặn cho vùng hạ lưu sông Mã, đã được hiệu chỉnh, kiểm nghiệm mô hình với chỉ số Nash-Sutcliffe đối với độ mặn đạt từ 0,75 - 0,98 Bên cạnh đó, Lưu Đức Dũng và ccs, (2014) [24] sử dụng bộ dữ liệu quan trắc mặn từ năm 1990 đến 2012 tại 11 trạm quan trắc, khảo sát mặn hàng năm để đánh giá tình trạng nhiễm mặn ở vùng hạ lưu lưu vực Kết quả nghiên cứu được tính toán bằng

phương pháp phân tích thống kê với các thông số chính là các đặc trưng mặn lớn nhất, nhỏ nhất, trung bình cũng như xác định các ngưỡng độ mặn ý nghĩa Chiều sâu nhiễm mặn trên các dòng chảy khu vực hạ lưu sông Mã được tính từ cửa biển được xác định bằng công thức triết giảm theo khoảng cách

Để phục vụ dự báo nhiễm mặn cho vùng hạ lưu sông Mã, Hoàng Văn Đại và ccs, (2014) [25] đã lựa chọn phương pháp truyền triều và mặn từ mô hình 2 chiều cho vịnh Bắc Bộ về vùng cửa sông tính toán Tuy nhiên, quá trình áp dụng các mô hình luôn gặp phải những sai số làm cho việc hiệu chỉnh và kiểm định thông số tốn nhiều thời gian Ngoài sai số do mô hình còn có sai số do số liệu thu thập cũng như cách xử lý và điều chỉnh của người sử dụng Vì vậy, để có thể giảm thời gian hiệu chỉnh và kiểm định bộ thông số, nghiên cứu sử dụng phương pháp đánh giá độ nhạy của các thông số

Nhằm mục tiêu đánh giá nguy cơ nhiễm mặn các sông chính tỉnh Đồng Nai trong bối cảnh BĐKH Nguyễn Kỳ Phùng và ccs, (2017) [26] đã xây dựng các kịch bản đánh giá được thiết lập bao gồm: Kịch bản hiện trạng 2013 (KB1), kịch bản

2020 với mức phát thải khí nhà kính cao - A1FI (KB2) và kịch bản 2030 - A1FI (KB3) Tám vùng nước mặt được xác định tương ứng với các ranh mặn từ <0,25 ‰ đến >18 ‰ Bằng phương pháp mô hình hóa (MIKE 11), kết hợp kỹ thuật GIS, kết quả tính toán cho thấy nhiễm mặn ngày càng tăng cường và di chuyển sâu về phía thượng lưu Kết quả nghiên cứu cung cấp cơ sở quan trọng cho việc hoạch định các giải pháp thích ứng nhiễm mặn phù hợp, đảm bảo các hoạt động sinh hoạt và sản xuất tại địa phương

Nghiên cứu đánh giá ảnh hưởng của BĐKH đến nhiễm mặn trên địa bàn tỉnh Vĩnh Long Lê Thị Phụng và ccs, (2017) [27] đã xây dựng các kịch bản tính toán bao gồm: XMN ở điều kiện hiện tại, theo kịch bản thải khí nhà kính trung bình (B2)

và cao (A1FI) cho năm 2020 và 2030 Phương pháp mô hình toán (MIKE11) kết hợp phương pháp GIS được sử dụng trong tính toán Kết qủa tính toán cho thấy, ở điều kiện hiện tại năm 2014, độ mặn cao nhất trên sông Cổ Chiên là khoảng 5‰, mặn trên sông Tiền có giá trị cao hơn so với sông Hậu Trong tương lai, do ảnh hưởng của BĐKH, nhiễm mặn ở Vĩnh Long gia tăng Độ mặn cao nhất vào năm

2030 trên sông Cổ Chiên có thể đến 8‰, ảnh hưởng đến các xã trên địa bàn huyện Vũng Liêm và Mang Thít

Trên hệ thống sông Vu Gia – Thu Bồn, Đinh Phùng Bảo, (2017) [28] đã nghiên cứu xây dựng công nghệ dự báo dòng chảy cạn, nhiễm mặn cho hệ thống sông Phương pháp chính trong nghiên cứu là sử dụng các mô hình toán; Mô hình

WRF tính toán dự báo các yếu tố khí tượng làm đầu vào cho mô hình thủy văn; mô hình MIKE-NAM để tính toán dòng chảy từ mưa trên các lưu vực bộ phận; mô hình MIKE11 tính toán thủy lực trên mạng lưới sông, tính toán điều tiết hồ chứa và tính toán nhiễm mặn Kết quả dự báo thử nghiệm độc lập mùa cạn từ 1/1/12015 đến 31/8/2015 đối với mực nước có mức đảm bảo dự báo đạt từ 84 - 96 % (dự báo 24 giờ), 85 - 96 % (dự báo 5 ngày), 83 - 96 % (dự báo 10 ngày) và nhiễm mặn có mức đảm bảo dự báo đạt từ 70 - 88 % (dự báo 24 giờ), 65 - 89 % (dự báo 5 ngày), 60 -

89 % (dự báo 10 ngày) cho thấy, công nghệ dự báo dòng chảy cạn và nhiễm mặn cho hệ thống sông Vu Gia - Thu Bồn có khả năng phục vụ cho dự báo tác nghiệp

Nhằm xác định ranh giới nhiễm mặn trung bình nhiều năm vào các sông vùng

hạ du lưu vực sông Vu Gia – Thu Bồn Hoàng Thanh Sơn và ccs, (2018) [29] dựa trên cơ sở các số liệu quan trắc độ mặn tại các trạm đo đạc (gồm cả trạm đo thuộc

hệ thống quốc gia và trạm dùng riêng phục vụ các ngành nông nghiệp, sinh hoạt) và

số liệu đo mặn thực tế trong mùa kiệt 2017 bằng máy đo AAQ1183S-IF Ranh giới nhiễm mặn được xác định theo công thức triết giảm độ mặn vùng cửa sông theo khoảng cách Kết quả cho thấy trên sông Vu Gia mặn xâm nhập vào sâu hơn so với sông Thu Bồn, độ mặn trung bình 1 ‰ trên sông Vu Gia ở khoảng cách 13,5 km tính từ cửa sông trong khi đó ở trên sông Thu Bồn là 12 km; cũng như vậy, độ mặn trung bình 4 ‰ lần lượt ở khoảng cách 12 km và 9 km Độ mặn nước sông phụ thuộc rất lớn vào lưu lượng nước từ thượng nguồn đổ về theo các cấp lưu lượng

Nghiên cứu ứng dụng mô hình hóa xây dựng phần mềm dự báo lũ, nhiễm mặn sông Cửu Long hiển thị kết quả dự báo mặn lên Google Earth Đoàn Văn Hải và ccs, (2020) [34] đã ứng dụng mô hình hóa (MIKE 11 -MIKE11 - GIS-Google Earth) tính toán dòng chảy lũ hạ lưu và hiển thị kết quả dự báo mặn cho đồng bằng sông Cửu Long trên nền Google Earth Kết quả mô phỏng và thử nghiệm chỉ ra rằng công cụ phần mềm có khả năng dự báo tương đối tốt về mặt xu thế, đường thực đo

và tính toán Kết quả phân bố nêm mặn trong sông tương đối phù hợp với kết quả thực đo tại các trạm Bộ công cụ dự báo được xây dựng trên nền cơ sở ngôn ngữ lập trình hiện đại, có tính mở, có khả năng tích hợp bổ sung và nâng cấp các modul khi cần thiết Chất lượng thử nghiệm công cụ cho thấy, công cụ dự báo có thể đáp ứng được yêu cầu nghiệp vụ dự báo tại Trung tâm Dự báo khí tượng thủy văn quốc gia

Để mô phỏng sự phụ thuộc nhiễm mặn và vác yếu tố thủy văn tại cửa sông Vệ, tỉnh Quảng Ngãi Bùi Tá Long và ccs, (2021) [35] đã ứng dụng mô hình MIKE 3 hướng tới làm rõ cơ chế mặn được từ biển vào sông, cũng như sự phụ thuộc phạm

vi truyền mặn vào các yếu tố dòng chảy (sông), chế độ triều (biển) – chọn sông Vệ,

Quảng Ngãi làm khu vực nghiên cứu Mô hình MIKE 3 sau bước kiểm định, được

áp dụng mô phỏng sự phụ thuộc mức độ, phạm vi mặn phụ thuộc vào chế độ thủy triều, lưu lượng dòng chảy Mô hình 3 chiều cho phép làm sáng tỏ sự khác biệt về truyền mặn giữa mùa khô và mùa mưa tại sông Vệ, đặc biệt là cơ chế truyền mặn tại mặt cắt MC0, ngay vùng cửa sông

Nhờ sự tiếp cận nhanh chóng với những tiến bộ về khoa học công nghệ trên thế giới, ứng dụng của công nghệ viễn thám trong giám sát tài nguyên môi trường

đã có nhiều bước tiến tại Việt Nam, bao gồm công tác giám sát và lập bản đồ nhiễm mặn đất Trong nghiên cứu tại Uông Bí, bằng cách xây dựng các chỉ số thông qua các kênh phổ của ảnh Landsat 8 để nghiên cứu sự tương quan với giá trị tổng số muối tan tại các mẫu điều tra ngoại nghiệp, nghiên cứu đã lập được hàm hồi quy về

độ nhiễm mặn của đất tại khu vực nghiên cứu Việc sử dụng dữ liệu viễn thám, kết hợp với mẫu thực địa là một giải pháp tốt trong việc phát hiện các khu vực bị nhiễm mặn Nghiên cứu đánh giá độ nhiễm mặn tầng đất mặt canh tác nông nghiệp ở vùng cửa sông ven biển Hải Phòng-Thái Bình [7] sử dụng tư liệu Sentinel 2A để chiết suất các chỉ số, bao gồm: các kênh phổ đơn, chỉ số VSSI, chỉ số SAVI, chỉ số NDVI

và chỉ số NDSI để phân tích mối tương quan với độ dẫn điện (EC) Các kết quả của nghiên cứu này cho thấy khả năng sử dụng các dữ liệu vệ tinh quang học như Landsat hay Sentinel trong việc giám sát độ mặn của lớp đất bề mặt

Tại Việt Nam, hai nguồn ảnh vệ tinh quang học miễn phí được sử dụng tương đối phổ biến để giám sát mặt đất là Landsat 8 OLI, Sentinel 2 MSI Chu kỳ bay chụp và độ phân giải của từng loại tư liệu ảnh: Landsat 8 OLI là 15 ngày, có 8 bands với độ phân giải từ 15 - 60 m ghi lại phản xạ của các đối tượng có bước sóng

từ vùng nhìn thấy (0,4 đến 0,7 µm) đến vùng hồng ngoại nhiệt (12,5 µm; Sentinel 2 MSI (gồm cả Sentinel 2A và Sentinel 2B) là 5 ngày, độ phân giải không gian từ 10m (Red, Green, Blue, NIR) đến 20m (6 kênh hồng ngoại sóng ngắn và red-edge)

và 60m (3 kênh hiệu chỉnh khí quyển) Nếu loại bỏ ảnh hưởng của mây và bóng mây thì, tính trung bình cho mọi vị trí tại Việt Nam, chu kỳ lặp lại của ảnh: 30 ngày (Landsat 8), 10 ngày (Sentinel 2) và 7 ngày (kết hợp hai loại ảnh) Với chu kỳ lặp lại của ảnh như vậy, tư liệu ảnh Landsat 8 OLI phù hợp cho mục tiêu giám sát biến động hàng năm Trong khi đó, tư liệu ảnh Sentinel 2 MSI phù hợp cho mục tiêu giám sát biến động hàng quý Sự kết hợp của cả hai loại tư liệu ảnh có thể đáp ứng được mục tiêu giám sát biến động trên mặt đất hàng tháng [18] Việc khai phá những dữ liệu này cho phép giải quyết các bài toán lớn trong việc giám sát quá trình nhiễm mặn ở qui mô toàn cầu Tuy nhiên, song song với tốc độ phát triển nhanh

chóng của dữ liệu viễn thám, yêu cầu nghiên cứu và phát triển các phương pháp mới nhằm xử lý dữ liệu này một cách chính xác và hiệu quả

Trong những năm gần đây, trí tuệ nhân tạo, học máy (các thuật toán phân loại, hồi quy hay các thuật toán tối ưu hóa) và các thuật toán tối ưu kết hợp với dữ liệu viễn thám được xem là một phương pháp đầy hứa hẹn và nhận được rất nhiều sự quan tâm của công đồng khoa học thế giới trong việc đánh giá và giám sát nhiễm mặn đất Một số phương pháp pháp phổ biến có thể liệt kê ra như Rừng ngẫu nhiên (Random Forest) [31,52,97], Cây quyết định (Decision Trees) [31], Thuật toán Xgboost [77,79,102], Máy vectơ hỗ trợ (Support Vector Machine) [31,77,97] đã được sử dụng cho việc đánh giá và theo dõi nhiễm mặn đất với nhiều thành công đáng kể

Kết luận

Trong nghiên cứu về nhiễm mặn đất, phương pháp được sử dụng phổ biến nhất đó là phương pháp lấy mẫu đất và phân tích bằng các thiết bị đo (vật lý và hóa học) trong môi trường phòng thí nghiệm truyền thống Ưu điểm của phương pháp này đó chính là cho biết thông tin chi tiết về các yếu tố vật lý và hóa học của đất, đồng thời cung cấp dữ liệu tham chiếu tốt cho việc đánh giá và hiểu biến động độ mặn đất Tuy nhiên việc đo đạc truyền thống có chi phí cao và mất thời gian khi thu thập dữ liệu, hạn chế về quy mô không gian và thời gian nên thường chỉ áp dụng ở khu vực nhỏ, không phản ánh được độ mặn đất trên diện rộng nếu dữ liệu thu thập không đủ mật độ Một phương pháp khác được áp dụng tương đối phổ biến đó là sử dụng các mô hình toán thủy văn thủy lực mô phỏng diễn biến dòng chảy, đất và nước Phương pháp này cung cấp hiểu biết về các quá trình thủy văn và thủy lực ảnh hưởng đến độ mặn đất, có khả năng dự đoán trên quy mô lớn về không gian và thời gian Tuy nhiên, yêu cầu dữ liệu đầu vào chất lượng cao và thông tin chính xác

để thiết lập các thông số mô hình, chi phí cao và mất thời gian khi thu thập dữ liệu, đồng thời đòi hỏi sự hiểu biết vững về các quá trình thủy văn và thủy lực để có thế thiết lập các thông số mô hình và hiệu chỉnh kiểm định mô hình Tận dụng những tiến bộ của khoa học công nghệ, sự phát triển của học máy đã mở ra cánh cửa mới cho những nghiên cứu ở nhiều lĩnh vực khác nhau trong đó có lĩnh vực đất đai Việc kết hợp viễn thám và học máy trong nghiên cứu mặt đất có thể khắc phục được nhược điểm của những phương pháp nói trên Viễn tận dụng dữ liệu từ viễn thám

có thể đánh giá độ mặn đất trên quy mô lớn, bao gồm cả các vùng không thể đo đạc trực tiếp, thậm chí có thể đánh giá diễn biến theo thời gian Hiện nay có nhiều nguồn ảnh viễn thám cung cấp miễn phí và có thể sử dụng luôn giúp giảm chi phí

và thời gian so với việc thu thập dữ liệu trực tiếp từ hiện trường hay xây dựng mô hình Ngoài ra, học máy và viễn thám có thể được tích hợp vào quy trình tự động để liên tục cập nhật bản đồ nhiễm mặn đất khi có thêm dữ liệu

1.2.3. Ứng dụng viễn thám trong giám sát nhiễm mặn đất

1.2.3.1 Khái niệm

Viễn thám đã lâu được áp dụng trong việc giám sát và nghiên cứu tài nguyên đất, và nó là một lĩnh vực khoa học công nghệ vô cùng quan trọng cho việc thu thập thông tin về các đối tượng địa lý mà không đòi hỏi tiếp xúc trực tiếp với chúng Cơ

sở khoa học của công nghệ viễn thám dựa trên các đặc tính vật lý tự nhiên của các đối tượng trên bề mặt Trái Đất: dưới các điều kiện khác nhau, các đối tượng này sẽ

có khả năng tương tác với sóng điện từ bằng cách phản xạ hoặc phát xạ năng lượng,

và chúng sẽ có các đặc điểm riêng biệt trong mặt phổ Việc thu thập dữ liệu viễn thám là kết quả của việc đo lường năng lượng phản xạ hoặc phát xạ sóng điện từ từ các đối tượng này, thường được thực hiện bằng các thiết bị ghi chụp như máy ảnh hoặc bộ cảm (sensor) trên các nền tảng bay như máy bay, vệ tinh, tàu vũ trụ

Nguyên lý cơ bản của viễn thám là rằng các đối tượng thiên nhiên trên bề mặt Trái Đất luôn tương tác với sóng điện từ bằng cách phản xạ, hấp thụ hoặc phát xạ năng lượng, và các tương tác này thường có các đặc điểm riêng trong phổ sóng điện

từ Các tương tác hoặc phản xạ này được ghi nhận bởi các thiết bị ghi chụp như máy ảnh hoặc bộ cảm, thường được đặt trên các nền tảng bay như máy bay, vệ tinh, tàu

vũ trụ Dữ liệu thu thập được sau đó được truyền về địa điểm thu mặt đất và sau đó

xử lý để tạo thành các tư liệu viễn thám (remote sensing data) dưới dạng ảnh chụp hoặc ảnh số hóa Phân tích các dấu vết ghi chụp cho phép xác định sự phân bố không gian, thời gian, và các thuộc tính của các đối tượng, và bản chất của tư liệu viễn thám thường thể hiện dưới dạng giá trị phản xạ hoặc bức xạ năng lượng từ các đối tượng trên bề mặt Trái Đất, và thường được biểu diễn dưới dạng sóng điện từ

1.2.3.2 Phân loại ảnh viễn thám [8]

Viễn thám có thể phân thành 3 loại cơ bản theo phương thức thu nhận dữ liệu viễn thám: (i) Viễn thám quang học; (ii) Viễn thám radar hay SAR; và (iii) Viễn thám Lidar

❖ Viễn thám quang học

Trong viễn thám quang học, bộ cảm được sử dụng có thể là cảm biến quang học, hồng ngoại gần hoặc hồng ngoại sóng ngắn để tạo thành hình ảnh của bề mặt

Trái Đất thông qua việc phát hiện phản xạ hoặc tán xạ từ các vật thể Mỗi vật thể sẽ phản xạ và hấp thụ ở các bước sóng khác nhau Các bước sóng thường kéo dài từ 400nm (vùng ánh sáng nhìn thấy, tím) đến 2500nm (sóng ngắn hồng ngoại) Hệ thống viễn thám quang học dựa trên số lượng dải quang phổ trong quá trình chụp ảnh để chia thành các loại ảnh: Ảnh toàn sắc (chỉ có 1 kênh phổ), ảnh đa phổ (nhiều kênh phổ) và ảnh siêu phổ (khoảng 100 kênh phổ)

❖ Viễn thám Radar hay SAR

Khác với ảnh quang học khi thu nhận thông tin chủ yếu dựa vào năng lượng mặt trời nên khi thời tiết xấu thì sẽ không thu nhận được hoặc thu nhận kém, viễn thám radar sử dụng sóng microwave, cùng với đặc điểm tần số dạo động và tính phân cực, do đó có thể thu nhận thông tin mà ít hoặc không chịu ảnh hưởng của điều kiện thời tiết Phổ biến nhất hiện nay là bộ cảm biến radar khẩu độ tổng hợp (SAR) (bước sóng từ 1mm đến 1m), sử dụng cảm biến chủ động, phát ra bức xạ về vật thể nghiên cứu, bộ cảm sẽ thu thập các bức xạ, tán xạ ngược từ vật thể

Ưu điểm của viễn thám radar đó là không chịu ảnh hưởng bởi khí quyển, do

đó, SAR được sử dụng rộng rãi trong mọi điều kiện thời tiết Bên cạnh đó, những hạn chế cơ bản của ảnh siêu cao tần có thể nêu ra như sự biến dạng hình học lớn với các hiệu ứng chồng đè, co ngắn phía trước và bóng Quá trình xử lý hình học của ảnh siêu cao tần là hết sức phức tạp và trong nhiều trường hợp vẫn không thể loại

bỏ hoàn toàn những sự biến dạng đó Hơn nữa, hình ảnh các đối tượng trên ảnh siêu cao tần không thực sự gần gũi với người dùng và chứa nhiều nhiễu

❖ Viễn thám LIDAR (Laser Imaging Detecting and Ranging)

LIDAR là hệ thống được dùng để đo vẽ bản đồ địa hình trên không bằng tia laser Có hai loại LIDAR: đo địa hình và đo độ sâu LIDAR đo địa hình sử dụng các chùm laser có màu cận hồng ngoại (900nm-1064nm) để vẽ bản đồ địa hình mặt đất; LIDAR đo độ sâu sử dụng chùm tia laser xanh lá cây (400nm-700nm) có khả năng xuyên qua nước để đo tầng đáy biển cũng như lòng sông Viễn thám LIDAR sử dụng cảm biến chủ động để thu nhận thông tin Khi chùm laser được chiếu xuống

bề mặt, tín hiệu phản xạ lại của chùm laser sẽ được cảm biến ghi nhận, kết hợp với GPS và một loạt các phép xử lý để xây dựng thành mô hình 3D

1.2.3.3 Một số loại ảnh viễn thám sử dụng trong giám sát tài nguyên đất

Có một loạt loại ảnh viễn thám phổ biến được sử dụng rộng rãi để lập bản đồ tài nguyên đất, bao gồm ảnh Landsat, Sentinel và MODIS Đây là những nguồn dữ liệu viễn thám có sẵn toàn cầu và có thể được tải xuống miễn phí

Ảnh Landsat: Landsat là loại ảnh viễn thám thu thập từ các vệ tinh do Cơ

quan Hàng không và Vũ trụ Hoa Kỳ (NASA) quản lý Các ảnh Landsat cung cấp hình ảnh vệ tinh độ phân giải cao, trong khoảng từ 15 đến 100 mét, về bề mặt Trái Đất Hiện có nhiều thế hệ vệ tinh Landsat đã được triển khai và nghiên cứu phát triển

Ảnh Sentinel: Sentinel là tên của một chuỗi vệ tinh quan sát Trái Đất thuộc

Chương trình Copernicus của Cơ quan Không gian Châu Âu (ESA) Các vệ tinh Sentinel được đánh số từ Sentinel-1 đến Sentinel-6 và được trang bị các thiết bị quan sát đất liền, đại dương và khí quyển, bao gồm cả vệ tinh quang học và radar Trong đó, Sentinel-2 là loại vệ tinh quang học và bao gồm hai vệ tinh con là Sentinel 2A và 2B Chúng có hệ thống chụp ảnh trên 13 kênh phổ khác nhau từ dải sóng nhìn thấy, cận hồng ngoại và hồng ngoại sóng ngắn, với độ phân giải từ 10 đến

60 mét

Ảnh MODIS: Dữ liệu vệ tinh MODIS được cung cấp bởi NASA và cung cấp

các ảnh vệ tinh với độ phân giải thấp hơn so với Landsat và Sentinel, với giá trị từ

250 mét, 500 mét và 1000 mét Tuy nhiên, điểm mạnh của MODIS nằm ở độ phủ rộng lớn Trong một ngày đêm, các đầu đo trên các vệ tinh MODIS quét gần hết bề mặt Trái Đất và cung cấp dữ liệu ảnh toàn cầu với tần suất quét 2 ngày 1 lần

Bảng 1.4: Đặc điểm các ảnh viễn thám thường dùng cho giám sát tài nguyên đất

Dải Bands Landsat

1.2.3.4 Viễn thám và học máy trong giám sát nhiễm mặn đất

Nhiễm mặn của đất là mối đe dọa lớn đối với sản xuất cây trồng và nông nghiệp bền vững Độ mặn có thể làm giảm sự phát triển của cây trồng, giảm năng suất và trong trường hợp nghiêm trọng là mất mùa Trong nông nghiệp được tưới tiêu, đặc biệt là ở các khu vực khô cằn và bán khô hạn, sự tích tụ muối trong đất được thúc đẩy bởi quá trình thoát hơi nước loại bỏ nước và để lại muối Sự tích tụ muối có thể tránh được bằng cách tưới quá nhiều nước, sao cho muối được rửa trôi bên dưới vùng rễ Thật không may, tình trạng thiếu nước và hạn hán ở các khu vực khô cằn và bán khô hạn có thể sẽ trở nên thường xuyên và nghiêm trọng hơn trong tương lai, do đó làm tăng mối đe dọa nhiễm mặn trong đất Giám sát độ mặn của đất

ở cấp khu vực và cấp quốc gia là cần thiết để xác định và hiểu các nguyên nhân cũng như xu hướng của độ mặn trong đất cũng như để phát triển các chiến lược và

kế hoạch quản lý giảm nhẹ nguy cơ nhiễm mặn đất Độ mặn của đất có thể được xác định từ dữ liệu viễn thám thu được từ các cảm biến khác nhau thông qua các chỉ số phản xạ bề mặt Hiện nay có hai phương pháp viễn thám được sử dụng để đánh giá khả năng nhiễm mặn đất bao gồm: (1) đánh giá trực tiếp dựa trên phân tích độ phản

xạ của đất bề mặt và (2) đánh giá gián tiếp độ mặn của vùng rễ (ví dụ: 0–1 m) dựa trên phân tích độ phản xạ của tán cây trồng Lớp vỏ muối có đặc tính phản xạ rất khác so với các loại đất không bị ảnh hưởng bởi muối khiến chúng dễ dàng được xác định và phân loại [103] Một số nghiên cứu đã chỉ ra rằng đất mặn có đặc điểm quang phổ đặc biệt ở vùng hồng ngoại gần và hồng ngoại sóng ngắn Trong nghiên cứu các đặc điểm quang phổ của đất mặn đã tìm thấy các đỉnh phản xạ mạnh ở 800

nm và các thung lũng hấp thụ ở 980, 1170, 1450 và 1900 nm [95] Trong nghiên cứu ghi lại các phép đo phản xạ tương tự đối với đất bị ảnh hưởng bởi muối cho thấy mối tương quan đáng kể giữa EC của đất và các phép đo quang phổ, cho thấy

sự tương đồng giữa phổ mẫu giảm khi nồng độ muối tăng lên [53] Weng và cộng

sự đã phân tích định lượng mối quan hệ giữa đặc điểm quang phổ và độ mặn của đất mặn và nhận thấy rằng đối với đất có hàm lượng NaCl và MgCl2 cao, có mối tương quan nghịch giữa độ mặn và độ phản xạ quang phổ, từ 1931 nm đến 2123 nm, và có mối quan hệ tích cực từ 2153nm đến 2254nm [105] Nawar và cộng sự lấy hệ số phản xạ quang phổ phân biệt và phân cụm của đất mặn ở đồng bằng El-Tina, Ai Cập làm thông số quang phổ và tính hệ số tương quan giữa chỉ số chênh lệch (DI), chỉ số chênh lệch chuẩn hóa (NDI) và tỷ lệ chỉ số (RI) của các chỉ số DI và NDI và

EC [74] Kết quả cho thấy dạng phản xạ vi sai bậc nhất có mối tương quan lớn nhất với EC ở bước sóng 1843 nm và 1918 nm, với R2 là 0,65 Moreira và cộng sự đã đo các đặc điểm quang phổ của đất được cải tạo và tìm thấy các dải hấp thụ đặc trưng của đất nhiễm mặn với 3 loại muối khác nhau ở bước sóng 1470, 1750 và 2200 nm [74] Nghiên cứu của họ cũng cho thấy độ phản xạ quang phổ giảm với các loại muối CaCl2 và MgCl2, trong khi đất được biến đổi với loại muối NaCl cho thấy xu hướng ngược lại Có thể thấy, ứng dụng của viễn thám trong giám sát độ nhiễm mặn đất là rất phổ biến hiện nay trên thế giới

Phương pháp đánh giá độ mặn đất bằng ảnh viễn thám quang học chủ yếu dựa trên sự kết hợp của các kênh ảnh Tuy nhiên, các sản phẩm của viễn thám quang học thường phụ thuộc vào bức xạ mặt trời và khó sử dụng trong điều kiện có mây che phủ Các cảm biến radar có thể khắc phục nhược điểm này do không phụ thuộc vào điều kiện thời tiết Tuy nhiên, hệ số tán xạ ngược của radar phụ thuộc vào tính chất của mặt đất, trong khi độ mặn và độ ẩm đất thường có sự tương quan ảnh hưởng đến nhau, rất khó để phân biệt giữa độ mặn và độ ẩm của đất từ các hệ số tán

xạ ngược của radar Ngoài ra, tín hiệu của hệ thống radar thường chỉ được phát ra

và nhận lại theo một hướng duy nhất, nên lượng thông tin có thể được trích xuất từ tín hiệu radar bị hạn chế [77] Để giải quyết hạn chế nói trên, đồng thời cải thiện chất lượng của bản đồ độ mặn của đất, nhiều nghiên cứu trên thế giới đã sử dụng một số thuật toán máy học kết hợp với dữ liệu phân tích ảnh viễn thám và dữ liệu thực địa

Máy học là một phần của trí tuệ nhân tạo trong đó các thuật toán máy tính được sử dụng để tự học từ dữ liệu và thông tin Trong máy học, máy tính không cần phải được lập trình một cách rõ ràng mà có thể tự thay đổi và cải thiện các thuật toán của mình [80] Người dùng chỉ cần cần nghiên cứu xây dựng các kỹ thuật cho

phép cá hệ thống “học” tự động từ dữ liệu và thông tin, từ đó có thể giải quyết được những vấn đề cụ thể Khác với các phương pháp thống kê, các thuật toán học máy là một nhánh của trí tuệ nhân tạo (AI), máy tính sẽ học một cách tự chủ từ lượng lớn

dữ liệu đầu vào và từ đó dự đoán kết quả

Machine learning dựa vào các thuật toán khác nhau để giải quyết các vấn đề liên quan đến dữ liệu Không có loại thuật toán nào được coi là phù hợp nhất để giải quyết được vấn đề nào đó Loại thuật toán được sử dụng phụ thuộc vào loại vấn đề cần giải quyết, số lượng biến, loại mô hình phù hợp nhất [80] Nhìn chung, những thuật toán có thiết kế đơn giản áp dụng cho bài toán hồi quy như kNN và Decision Tree nhưng cũng có nhiều nhược điểm khi xử lý những bài toán phức tạp Với bài toán mà nghiên cứu đặt ra, có rất nhiều yếu tố đầu vào như chỉ số viễn thám, độ mặn và các yếu tố môi trường khác và chúng có mối quan hệ phức tạp với nhau, do

đó, đòi hỏi các mô hình có khả năng học được tính tương quan phức tạp giữa các biến và đầu ra như Random Forest, Gradient Boosting, Support Vector Regression Hơn nữa, các thuật toán phức tạp cũng thường đi kèm với các kỹ thuật điều chỉnh

mô hình như tinh chỉnh siêu tham số (hyperparameter tuning), regularization và ensemble learning, giúp tăng cường hiệu suất và khả năng tổng quát hóa của mô hình

CHƯƠNG 2: CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN NHIỄM MẶN ĐẤT

TẠI KHU VỰC NGHIÊN CỨU 2.1 Yếu tố tự nhiên

2.1.1. Vị trí địa lý

Hình 2.1: Vị trí tỉnh Bến Tre

Bến Tre là một tỉnh có diện tích tự nhiên là 2.379,7 km², với tọa độ geografica

là 10°14'54'' vĩ độ Bắc và 106°22'34'' kinh độ Đông Nằm ở vị trí phía Đông Bắc của Vùng Đồng bằng Sông Cửu Long (ĐBSCL), tỉnh này là điểm giao hội của hai tuyến đường quốc gia quan trọng là Quốc lộ 60 và Quốc lộ 57 Phía Bắc giáp tỉnh Tiền Giang, có ranh giới chung là sông Tiền; phía Tây và Nam giáp tỉnh Vĩnh Long

và tỉnh Trà Vinh, có ranh giới chung là sông Cổ Chiên; phía Đông giáp biển Đông với độ dài bờ biển khoảng 65km

Tỉnh Bến Tre được chia thành 9 đơn vị hành chính cấp huyện, bao gồm 1 thành phố (Bến Tre) và 8 huyện (Châu Thành, Bình Đại, Giồng Trôm, Chợ Lách, Thạnh Phú, Mỏ Cày Nam, Mỏ Cày Bắc, Ba Tri), với tổng cộng 157 đơn vị hành chính cấp xã, bao gồm 139 xã, 8 phường và 10 thị trấn

Bến Tre nằm gần Vùng Kinh tế trọng điểm phía Nam, cách Thành phố Hồ Chí Minh 86 km về phía Tây qua tỉnh Tiền Giang và Long An Tỉnh có hệ thống giao thông đường thủy với 4 nhánh sông chính hướng ra biển Đông, cùng với hệ thống kênh và rạch, tạo thành các trục giao thông quan trọng kết nối Bến Tre với các tỉnh trong ĐBSCL và vùng Kinh tế trọng điểm phía Nam

Đặc biệt, sau khi xây dựng các cầu như Rạch Miễu, Hàm Luông và Cổ Chiên, Bến Tre đã vượt qua thách thức cô lập về giao thông đường bộ, thúc đẩy phát triển kinh tế và xã hội bền vững Các cầu này giúp kết nối Bến Tre với Trà Vinh, Tiền Giang, Long An, Thành phố Hồ Chí Minh và Vùng Kinh tế trọng điểm phía Nam, giảm thời gian di chuyển từ Bến Tre đến Thành phố Hồ Chí Minh và ngược lại Ngoài ra, kết nối với tỉnh Vĩnh Long và Thành phố Cần Thơ (trung tâm đô thị của ĐBSCL) qua Quốc lộ 57 và phà Đình Khao

Với vị trí địa lý gần Thành phố Hồ Chí Minh - trung tâm kinh tế, văn hóa và khoa học hàng đầu của Việt Nam, cũng như sự gần gũi với biển Đông, Bến Tre có lợi thế lớn trong phát triển kinh tế biển Điều này bao gồm việc khai thác, nuôi trồng, chế biến thủy sản, phát triển dự án năng lượng tái tạo và trồng rừng kết hợp với du lịch sinh thái Đồng thời, Bến Tre cũng tận dụng cơ hội tiếp cận thị trường tiêu thụ hàng nông sản và thủy sản lớn, hưởng lợi từ các xu hướng kinh tế, văn hóa

và khoa học lan tỏa từ Thành phố Hồ Chí Minh đến Bến Tre

Vị trí địa lý tự nhiên của Bến Tre đã tạo ra điều kiện thuận lợi cho phát triển kinh tế vườn và kinh tế biển Tỉnh này có lợi thế trong các lĩnh vực như khai thác, nuôi trồng, chế biến thủy sản, phát triển các dự án năng lượng tái tạo, và trồng rừng kết hợp với du lịch sinh thái Tuy nhiên, đồng thời, Bến Tre cũng đối mặt với nhiều khó khăn do chịu ảnh hưởng nặng nề từ các thiên tai như bão, áp thấp nhiệt đới, sạt

lở bờ sông và bờ biển, hạn hán, xâm nhập mặn, và các vấn đề khác

2.1.2. Yếu tố địa hình

Địa hình tỉnh Bến Tre tương đối bằng phẳng, rải rác những giồng cát xen kẽ với ruộng vườn, không có rừng cây lớn, chỉ có một số rừng chồi và những dải rừng ngập mặn ở ven biển và các cửa sông Tỉnh Bến Tre có địa hình tương đối phẳng,

với độ cao trung bình từ 1-2 m, hướng nghiêng từ Tây Bắc xuống Đông Nam Địa hình này được chia thành ba dạng chính:

Vùng cao độ < 1 m: Chiếm khoảng 6,7% diện tích tỉnh, là vùng thường xuyên ngập nước do ảnh hưởng của triều dâng Bao gồm diện tích đất ruộng ở lòng chảo

xa sông (2.000 ha) và khu rừng ngập mặn cũng như các bãi bồi ven biển (10.700 ha)

Vùng cao độ từ 1 - 2 m: Chiếm khoảng 87,5% diện tích tỉnh, thường bị ảnh hưởng bởi triều cường vào khoảng tháng 9 đến tháng 11 hàng năm Người dân thường lên đê, lập vườn, và đắp bờ để sản xuất lúa Diện tích của vùng này là 165.000 ha

Vùng cao độ từ 2 - 5 m: Chiếm khoảng 5,8% diện tích tỉnh, có đặc điểm là các giồng cát, nỗng cát, và dấu vết của bờ biển cổ Nơi này thường tập trung dân cư vùng biển và hoạt động canh tác rau, màu

Địa hình Bến Tre bị chia cắt bởi bốn nhánh sông lớn là Mỹ Tho, Ba Lai, Hàm Luông và Cổ Chiên, chảy theo hướng Tây Bắc - Đông Nam và đổ ra biển, tạo nên hình dạng nan quạt với ba dải cù lao là Cù Lao Minh, Cù Lao Bảo và Cù Lao An Hóa Những con sông này đóng vai trò quan trọng trong đời sống kinh tế và văn hóa của cộng đồng địa phương

Bên cạnh đó, Bến Tre còn có một mạng lưới sông, rạch, và kênh đào liên kết, tạo ra một hệ thống giao thông và thủy lợi thuận tiện Với hơn 60 con sông, rạch và kênh rộng từ 50-100 m, tỉnh này có một môi trường nước độc đáo và phong phú

Tuy nhiên, điều này cũng mang theo những thách thức, đặc biệt là về hệ thống thủy lợi và cơ sở hạ tầng Sạt lở đất bờ sông và biển đang diễn ra ngày càng nghiêm trọng, ảnh hưởng đến sản xuất nông nghiệp, hạ tầng giao thông và các công trình khác Mặc dù có đa dạng cảnh quan với nhiều cù lao, cồn nổi ven sông và biển, nhưng địa hình này cũng làm tăng chi phí đầu tư xây dựng các cơ sở hạ tầng và công nghiệp dân dụng

Nhìn từ trên cao xuống, Bến Tre có hình giẻ quạt, đầu nhọn nằm ở thượng nguồn, các nhánh sông lớn như hình nan quạt xòe rộng ở phía đông Những con sông lớn nối từ biển Đông qua các cửa sông chính (cửa Đại, cửa Ba Lai, cửa Hàm Luông, cửa Cổ Chiên), ngược về phía thượng nguồn đến tận Campuchia; cùng hệ thống kênh rạch chằng chịt khoảng 6.000 km đan vào nhau chở nặng phù sa chảy khắp ba dải cù lao là một lợi thế của Bến Tre trong phát triển giao thông thủy, hệ thống thủy lợi, phát triển kinh tế biển, kinh tế vườn, trao đổi hàng hoá với các tỉnh

lân cận Từ Bến Tre, tàu bè có thể đến thành phố Hồ Chí Minh và các tỉnh miền Tây Ngược lại, tàu bè từ thành phố Hồ Chí Minh về các tỉnh miền Tây đều phải qua Bến Tre [1]

2.1.3. Yếu tố khí hậu

Tỉnh Bến Tre nằm trong vùng khí hậu nhiệt đới gió mùa cận xích đạo, chia sẻ đặc tính chung của khí hậu vùng ĐBSCL Tuy nhiên, tỉnh này không chịu ảnh hưởng lớn từ gió mùa nhiệt đới, do đó có nền nhiệt độ cao, ít biến đổi trong suốt năm, và không có sự phân hóa mạnh mẽ theo không gian Khí hậu ở đây có hai mùa

rõ rệt: mùa mưa (từ tháng 5 đến tháng 11) và mùa khô (từ tháng 12 đến tháng 4 năm sau)

Nhiệt độ: Bến Tre có nền nhiệt độ trung bình ổn định và khá cao, dao động từ 27,1 đến 27,9°C trong giai đoạn 2010-2020 Nhiệt độ cao nhất thường xuất hiện vào tháng 4 và tháng 5, trong khi thấp nhất là vào tháng 1 và tháng 12

Độ ẩm trung bình: Độ ẩm trung bình năm khá cao, với mức trên 80% Trong giai đoạn 2010-2020, độ ẩm dao động từ 80 đến 87%, với mức cao nhất là năm

2014 (89%) và năm 2015 (87%) Độ ẩm thường tăng vào mùa mưa và giảm vào mùa khô

Gió: Bến Tre chịu ảnh hưởng của gió mùa Trong mùa mưa, gió thường hướng Tây - Tây Nam, với tốc độ trung bình từ 1,0 đến 2,2 m/s, và tháng 10 và 11 gió thường yếu hơn Đầu mùa khô, gió chuyển hướng từ Bắc đến Đông Bắc, sau đó từ Đông Bắc đến Đông Nam, với tốc độ giảm Bến Tre nằm ngoài vùng chịu ảnh hưởng chính của bão, nhưng có thể bị ảnh hưởng vào cuối mùa mưa

Lượng mưa: Bến Tre có lượng mưa trung bình năm khá thấp, với mùa mưa chiếm 90-93% tổng lượng mưa cả năm Trong giai đoạn 2010-2020, lượng mưa trung bình hàng năm là khoảng 1.400-1.500 mm/năm, với năm 2015 là năm cực đoan với chỉ 995 mm

Tổng số giờ nắng: Trung bình từ 2010 đến 2020 là khoảng 2.328 giờ, với sự độc đáo là các năm 2012, 2014, 2015 và 2016 có giờ nắng cao hơn trung bình Số giờ nắng giảm dần từ Tây sang Đông, và cao nhất vào tháng 3 và tháng 4 hàng năm

Lượng bốc hơi: Lượng bốc hơi trung bình năm dao động từ 1000 mm đến

1166 mm, giảm dần về phía Nam và Đông Nam Các khu vực ven biển có lượng bốc hơi thấp hơn so với khu vực khác, và vào mùa khô, lượng bốc hơi giảm đáng

kể

Bến Tre đối mặt với nhiều khó khăn do thời tiết nóng ẩm, nạn sâu bệnh, và ảnh hưởng của biến đổi khí hậu, đặc biệt là trong các năm có thời tiết cực đoan như

2015 và 2016

2.1.4. Yếu tố thủy văn

Tỉnh Bến Tre chịu ảnh hưởng chủ yếu của chế độ bán nhật triều không đều (hầu hết các ngày trong năm đều có 2 lần nước lên và 2 lần nước xuống, hàng tháng

có 2 chu kì triều cường và hai chu kì triều kém) Ngoài 4 nhánh sông lớn, còn hệ thống kênh rạch nối các sông lớn với nhau thành mạng lưới chằng chịt với tổng chiều dài hơn 2.367 km Tổng lưu lượng nước các sông thuộc hệ thống sông Tiền lên đến 30 tỷ m3/năm; vào mùa lũ chiếm 80%, tức gấp 4 lần lưu lượng mùa khô

Vào mùa mưa lũ, hiện tượng nước dâng do lũ từ thượng nguồn đổ về kết hợp với triều cường hoặc kết hợp do mưa bão, ATNĐ, làm cho việc tiêu thoát nước chậm gây ngập úng nhiều nơi trong tỉnh gây khó khăn cho sinh hoạt, sản xuất và đời sống người dân Những năm gần đây, mực nước cao nhất hàng năm quan trắc được tại các trạm thủy văn của tỉnh Bến Tre ngày càng cao và liên tục lập mốc lịch sử mới, ngay cả trong các tháng mùa khô từ tháng 12 đến tháng 04 hàng năm Vào mùa khô, mặn theo dòng triều xâm nhập sâu vào các sông trên địa bàn tỉnh gây thiệt hại nặng nề về kinh tế - xã hội, nhất là mùa khô năm 2015- 2016, 2019-2020 Vì vậy, hiện tượng nước dâng và xâm nhập mặn hàng năm là yếu tố thủy văn nguy hại

mà nhân dân và các cơ quan chức năng trong tỉnh quan tâm

2.1.4.1 Hệ thống sông rạch [1]

Trên lãnh thổ Bến Tre có 4 con sông lớn chảy qua, đó là các sông Mỹ Tho, Ba Lai, Hàm Luông và Cổ Chiên Chiều dài mỗi sông khoảng 70 - 90km, chảy theo hướng Tây Bắc - Đông Nam, độ rộng mặt cắt cửa sông từ thượng lưu tỉnh đến cửa sông khoảng từ 1 - 3km Trên các sông Cửa Đại, Cổ Chiên, Hàm Luông có rất nhiều cù lao lớn, các sông này có chế độ dòng chảy tự nhiên, riêng sông Ba Lai chế

độ dòng chảy bị tác động bởi công trình cống đập Ba Lai (khánh thành năm 2002) Gắn với các sông là hệ thống sông ngòi chằng chịt với mật độ khoảng 2,1 km/km2:

- Sông Mỹ Tho: Là tên gọi của một đoạn sông Tiền, bắt đầu từ chỗ phân nhánh ở đầu cù lao Minh, ngang Vĩnh Long cho đến cửa Đại (riêng đoạn từ cồn Tàu

ra đến biển còn có tên là sông Cửa Đại) Sông Mỹ Tho chảy dọc tỉnh theo chiều từ Tây sang Đông, dài khoảng 90 km, làm thành ranh giới tự nhiên giữa tỉnh Bến Tre

và Tiền Giang Lưu lượng dòng chảy mùa lũ khoảng 6.480m3/s, vào mùa khô khoảng 1.598m3/s Lòng sông sâu và rộng, trung bình từ 1.500m đến 2.000m, và

càng ra biển càng được mở rộng Trên sông có nhiều cồn lớn như cồn Thới Sơn, cồn Rồng, cồn Lát, cồn Bổn Thôn, cồn Huyện Đội, cồn Phụng, cồn Tàu

- Sông Cổ Chiên: Nằm ở phía Nam tỉnh Bến Tre, có chiều dài khoảng 80 km, làm thành ranh giới tự nhiên giữa tỉnh Bến Tre và hai tỉnh Vĩnh Long, Trà Vinh Lưu lượng dòng chảy mùa lũ khoảng 6.000m3/s, vào mùa khô khoảng 480m3/s Trên dòng sông Cổ Chiên cũng có nhiều cù lao và cồn như: cù lao Nai, cồn Chen, cồn Dung, cồn Lớn, cồn Phú Đa, cồn Phú Bình, cồn Kiến, cồn Lát, cồn Bùn, cồn Dài Các cồn này thuộc về tỉnh Bến Tre

- Sông Ba Lai tách ra khỏi sông Tiền tại cồn Dơi, chảy ra biển qua cửa Ba Lai,

có chiều dài 55 km Lưu lượng nước vào mùa lũ khoảng 240 m3/s, vào mùa khô (từ tháng 12 đến tháng 5 năm sau) khoảng 59 m3/s Trước kia, sông sâu và rộng, nhưng

từ những thập kỷ đầu thế kỷ 20 do phù sa bồi lắng ngày một nhiều ở phía cồn Dơi (từ vàm Ba Lai đến xã Thành Triệu) nên dòng sông cạn dần Từ kênh An Hóa đi về phía biển, lòng sông được mở rộng từ 200m đến 300m, độ sâu từ 3 đến 5m Trên sông có các cồn như cồn Dơi, cồn Bà Tam, cồn Thùng và cống đập ngăn mặn Ba Lai Từ năm 2000, cửa Ba Lai đã bị chặn để xây dựng cống đập ngăn mặn nhằm ngọt hóa phần đất phía Bắc tỉnh Bến Tre

- Sông Hàm Luông: Tách ra từ sông Tiền tại xã Tân Phú, huyện Châu Thành, làm ranh giới tự nhiên giữa cù lao Bảo và cù lao Minh, dài 70 km Lòng sông sâu

từ 12m - 15m, rộng trung bình từ 1.200m đến 1.500m, đoạn gần cửa biển rộng đến hơn 3.000m.Vào mùa lũ, lưu lượng nước vào khoảng 3.360m3/s, mùa khô khoảng 828m3/s Sông Hàm Luông có lưu lượng nước dồi dào nhất so với các sông khác, góp phần tạo nên sự trù phú của các huyện: Chợ Lách, Châu Thành, Mỏ Cày Bắc,

Mỏ Cày Nam, Giồng Trôm, Ba Tri và thành phố Bến Tre Ngoài ra, trên sông có những cù lao hoặc cồn đất nổi tiếng như: cù lao Tiên Lợi, cù lao Thanh Tân, cù lao Linh, cù lao Ốc, cù lao Lá, cù lao Đất, cồn Hố, cồn Lợi, cồn Tiên, cồn Cái Gà

Bốn con sông này giữ một vai trò quan trọng trong đời sống kinh tế, văn hoá của nhân dân trong tỉnh: cung cấp nước ngọt cho sinh hoạt và cho nông nghiệp, là nguồn cung thủy hải sản như tôm, cá, cua, ốc, giúp điều hoà khí hậu, đóng vai trò quan trọng trong hệ thống giao thông thủy…Ngoài bốn con sông chính trên, Bến Tre còn có một mạng lưới sông, rạch, kênh đào chằng chịt nối liền nhau, tạo thành một mạng lưới giao thông và thủy lợi rất thuận tiện Trung bình đi dọc theo các sông chính, cứ cách khoảng 1 đến 2 km là có một con rạch hay kênh Bến Tre có hàng trăm sông, rạch và kênh, trong khi đó có trên 60 con sông, rạch, kênh rộng từ

50 - 100 m Đáng chú ý có các sông rạch, kênh quan trọng sau đây:

- Sông Bến Tre: Dài khoảng 30 km, chảy từ trung tâm cù lao Bảo (Tân Hào - Giồng Trôm), một nhánh nối với kênh Chẹt Sậy qua sông Ba Lai, một nhánh qua thành phố Bến Tre, đổ ra sông Hàm Luông Đây là con đường thủy quan trọng của tỉnh

- Rạch Cái Mơn: Dài 11 km, chảy qua vùng cây ăn trái nổi tiếng trù phú Vĩnh Thành

- Sông Mỏ Cày: Chảy qua thị trấn Mỏ Cày (thông với sông Mỏ Cày - Thơm)

ra Hòa Lộc, nhập với rạch Giồng Keo, đổ ra sông Hàm Luông

- Sông Mỏ Cày - Thơm: Được đào từ năm 1905, nối sông Mỏ Cày với rạch Thơm, tạo thành con đường lưu thông giữa sông Hàm Luông và sông Cổ Chiên, dài 15km Con kênh này cũng với kênh Chẹt Sậy - An Hóa bên cù lao Minh làm thành con đường thủy quan trọng nối liền Mỹ Tho (Tiền Giang), Bến Tre, Mỏ Cày và Trà Vinh

- Rạch Băng Cung: Là một nhánh của sông Hàm Luông chảy từ Đại Điền, Mỹ Hưng, An Thạnh đến Giao Thạnh, một nhánh đổ ra sông Hàm Luông nhu một cánh cung dài 23 km, một nhánh đổ ra sông Cổ Chiên

- Rạch Ba Tri: Chảy từ Phú Lễ, Phú Ngãi qua thị trấn Ba Tri, đổ ra sông Hàm Luông, dài 8 km vừa có giá trị giao thông, vừa có giá trị tưới tiêu cho các cánh đồng của huyện Ba Tri

- Kênh Lắp: Được đào từ năm 1888 đến năm 1890, dài 3,5 km nối liền rạch Ba Tri với rạch Tân Xuân

- Kênh Chẹt Sậy - An Hóa: Được đào năm 1878, dài 6 km nối liền sông Bến Tre với sông Ba Lai Đến năm 1905, đoạn kênh An Hóa dài 3,5 km nối sông Ba Lai với sông Mỹ Tho được đào tiếp, tạo nên con đường thủy quan trọng từ sông Hàm Luông qua thành phố Bến Tre đến sông Mỹ Tho và đi các tỉnh xung quanh

Thời gian triều lên kéo dài nhất đến 6 giờ, bình thường 4 - 5 giờ, thời gian triều xuống kéo dài nhất 9- 10 giờ, bình thường chỉ từ 6 - 8 giờ Một chu kì triều

nữa tháng bắt đầu là 1 - 2 ngày triều kém đến giữa là thời kỳ triều cường và đến cuối chu kỳ là 1 - 2 ngày triều kém Thời kỳ triều cường thường xuất hiện vào đầu tháng và giữa tháng âm lịch

Chu kỳ triều một năm thường lớn nhất vào tháng 11 và 12 dương lịch và nhỏ nhất tháng 5 và 6 dương lịch Mực nước lớn nhất năm thường xuất hiện vào tháng

10 - 12 Mực nước thấp nhất năm thường xuất hiện vào tháng 6 - 7

Mực nước trong sông còn chịu ảnh hưởng của gió chướng và lương mưa tại chỗ nhưng mức ảnh hưởng không nhiều

2.1.4.3 Hệ thống công trình thủy lợi

Hiện tại, hệ thống công trình thủy lợi và khả năng quản lý nguồn nước ngọt để phục vụ sản xuất và sinh hoạt trên địa bàn tỉnh Bến Tre đã được Chính phủ, các Bộ,

và các ngành Trung ương chú ý và hỗ trợ Trong những năm gần đây, tỉnh Bến Tre

đã đầu tư xây dựng một số công trình quan trọng trong khuôn khổ Dự án Hệ thống thủy lợi Bắc - Nam Bến Tre, bao gồm cống đập Ba Lai, hồ chứa nước Kênh Lấp ở huyện Ba Tri, cùng nhiều tuyến đê sông, đê bao cục bộ, và đê bao bảo vệ các cồn

Mặc dù những công trình này đã đạt được hiệu quả trong việc ngăn chặn xâm nhập mặn và giữ nước ngọt trên địa bàn tỉnh, nhưng hệ thống thủy lợi Bắc và Nam Bến Tre vẫn còn những khuyết điểm cần được hoàn thiện Dự án quản lý nước (JICA3) đang trong quá trình triển khai giai đoạn thiết kế và đấu thầu xây lắp, tuy nhiên, vẫn còn những công việc chưa hoàn thành

Vì vậy, tỉnh Bến Tre hiện vẫn chưa thể hoàn toàn tự chủ trong việc kiểm soát nguồn nước ngọt, đặc biệt trong các tình huống xâm nhập mặn ngày càng diễn biến phức tạp Điển hình là trong mùa khô năm 2019 - 2020 vừa qua, tình trạng xâm nhập mặn đã gây ra những ảnh hưởng nghiêm trọng đối với các địa phương trong tỉnh, với mức độ mặn trên 2‰ lan rộng khắp toàn tỉnh

2.2 Yếu tố dân sinh, kinh tế - xã hội

2.2.1. Dân số và lao động

Năm 2020, dân số trung bình của tỉnh Bến Tre đạt 1.292.397 người, chiếm 5,84% tổng dân số của Đồng bằng Sông Cửu Long (ĐBSCL) Tốc độ tăng dân số trung bình hàng năm của Bến Tre trong khoảng thời gian từ 2011 đến 2020 duy trì ở mức thấp, thường dưới 0,3% Đây là mức tăng dân số thấp hơn so với mức trung bình của toàn quốc (0,94%/năm), tuy nhiên, vẫn cao hơn so với ĐBSCL (0,05%)

Bảng 2.1: Quy mô và tốc độ tăng dân số của tỉnh Bến Tre

(Nguồn: Niên giám Thống kê Bến Tre 2020)

Bến Tre, với tỷ lệ sinh nở thấp (TFR=1,86<2,1 con/1 phụ nữ) và tốc độ tăng

tự nhiên dân số trung bình hàng năm dưới 1%, đang đối mặt với tình trạng gia tăng dân số chậm và giảm dần do tình trạng di dân thuần âm Thách thức này càng trở nên phức tạp khi mức sinh thay thế thấp và tình trạng già hóa dân số gia tăng nhanh chóng

Trong giai đoạn 2010-2020, lực lượng lao động tăng 47.250 người ở Bến Tre, với tốc độ tăng là 0,6%/năm, cao hơn so với tốc độ tăng dân số Dữ liệu từ Tổng Cục Thống kê cho thấy lực lượng lao động từ 15 tuổi trở lên của tỉnh là 827,08 nghìn người vào năm 2020, đứng thứ 6/13 tỉnh vùng Đồng bằng Sông Cửu Long (ĐBSCL), chiếm khoảng 8,3% lực lượng lao động của vùng

Tuy tỷ lệ tham gia lực lượng lao động có xu hướng giảm trong giai đoạn 2014-2016 và tăng nhẹ trong giai đoạn 2017-2020, nhưng tỷ lệ lao động từ 15 tuổi trở lên đang làm việc so với tổng dân số của Bến Tre năm 2020 đạt 63,09%, cao hơn so với mức trung bình của Việt Nam (54,94%) và trung bình của vùng ĐBSCL (55,7%)