Hiện nay có nhiều nghiên cứu về hạn hán với các phương pháp khác nhau, mỗi phương pháp có ưu, nhược điểm riêng. Cụ thể với các chỉ số hạn hán được tính toán từ dữ liệu khí tượng có nhược điểm là không cung cấp được các thông tin về phân bố không gian của hạn hán. Trong khí đó, dữ liệu ảnh viễn thám MODIS được cung cấp miễn phí và đầy đủ với độ phân giải thời gian cao,¬¬¬ tầm phủ rộng, độ phân giải phổ khá cao với 36 kênh phổ, thích hợp để nghiên cứu sự sinh trưởng, phát triển của từng loại cây trồng, từ đó làm cơ sở số liệu dự báo vùng nguy cơ hạn hán và diện tích ảnh hưởng. Do đó việc sử dụng tư liệu ảnh viễn thám kết hợp dữ liệu khí tượng để xây dựng bản đồ hạn hán sẽ cung cấp các thông số liên quan đến hạn hán cho những vùng sâu, vùng xa, nơi chưa có trạm khí tượng, đồng thời cung cấp cái nhìn tổng thể về không gian của nguy cơ hạn hán thông qua bản đồ. Kết quả nghiên cứu cho thấy, đã thành lập được bản đồ đánh giá phân vùng hạn hán trên cơ sở kết hợp ảnh viễn thám và dữ liệu khí tượng trên địa bản tỉnh Thừa Thiên Huế. Các huyện có diện tích bị hạn ở các mức khác nhau với tổng diện tích bị hạn là 1176.42 ha. Trong đó, có 3 huyện có diện tích bị hạn khá lớn là huyện Phong Điền, huyện Quảng Điền và huyện Phú Vang có diện tích hạn lần lượt là 29,3%, 25,5% và 21,6%; các huyện còn lại có diện tích bị hạn dao động trong khoảng 10% tổng diện tích đất bị hạn trên toàn tỉnh.
Trang 1ỨNG DỤNG CÔNG NGHỆ ẢNH VIỄN THÁM KẾT HỢP DỮ LIỆU KHÍ TƯỢNG XÂY DỰNG BẢN ĐỒ NGUY CƠ HẠN HÁN PHỤC VỤ SẢN XUẤT XUẤT NÔNG NGHIỆP: TRƯỜNG HỢP NGHIÊN CỨU TRÊN ĐỊA BÀN TỈNH THỪA THIÊN HUẾ
Tóm tắt Hiện nay có nhiều nghiên cứu về hạn hán với các phương pháp khác nhau, mỗi phương pháp có ưu, nhược điểm riêng Cụ thể với các chỉ số hạn hán được tính toán từ dữ liệu khí tượng có nhược điểm là không cung cấp được các thông tin về phân bố không gian của hạn hán Trong khí đó, dữ liệu ảnh viễn thám MODIS được cung cấp miễn phí và đầy đủ với độ phân giải thời gian cao, tầm phủ rộng, độ phân giải phổ khá cao với 36 kênh phổ, thích hợp để nghiên cứu sự sinh trưởng, phát triển của từng loại cây trồng, từ đó làm cơ sở số liệu dự báo vùng nguy cơ hạn hán và diện tích ảnh hưởng Do đó việc sử dụng tư liệu ảnh viễn thám kết hợp dữ liệu khí tượng để xây dựng bản đồ hạn hán sẽ cung cấp các thông số liên quan đến hạn hán cho những vùng sâu, vùng xa, nơi chưa có trạm khí tượng, đồng thời cung cấp cái nhìn tổng thể về không gian của nguy cơ hạn hán thông qua bản đồ Kết quả nghiên cứu cho thấy, đã thành lập được bản đồ đánh giá phân vùng hạn hán trên cơ sở kết hợp ảnh viễn thám và dữ liệu khí tượng trên địa bản tỉnh Thừa Thiên Huế Các huyện có diện tích bị hạn ở các mức khác nhau với tổng diện tích bị hạn là 1176.42 ha Trong đó, có 3 huyện có diện tích bị hạn khá lớn là huyện Phong Điền, huyện Quảng Điền và huyện Phú Vang có diện tích hạn lần lượt là 29,3%, 25,5% và 21,6%; các huyện còn lại có diện tích bị hạn dao động trong khoảng 10% tổng diện tích đất bị hạn trên toàn tỉnh.
Từ khóa: Hạn hán, khí tượng, nông nghiệp, viễn thám.
1 Đặt vấn đề
Hạn hán được coi là một thiên tai đối với sản xuất nông nghiệp ảnh hưởng nghiêm trọng đến sinh trưởng và phát triển của cây trồng Việt Nam chúng ta là một nước thuần nông, nền kinh tế chủ yếu dựa vào sản xuất nông nghiệp Tỷ lệ dân nông thôn chiếm tới hơn 80% dân số cả nước Một trong những đặc trưng của sản xuất nông nghiệp ở Việt Nam là phần lớn dựa vào nguồn nước mưa tự nhiên, mà lượng mưa lại phân bố không đều, khí hậu thường xuyên biến đổi Trong khi đó tình hình hạn hán những năm gần đây lại diễn biến ngày càng khó lường và khó khắc phục với tần suất ngày càng nhiều đặc biệt là ở khu vực Tây Nguyên, Bắc Trung Bộ, Nam Trung Bộ Hạn hán trong năm 1997 - 1998 đã khiến 3,1 triệu người thiếu nước sinh hoạt, 236.000 ha cây ăn quả và cây công nghiệp bị khô hạn, gây tổng thiệt hại lên tới 5.000 tỷ đồng Năm 2014 - 2015, các chuyên gia khí tượng cho hay, tại Bắc Bộ,
vụ đông xuân năm 2014 - 2015, nguồn nước thượng lưu hệ thống sông Hồng có khả năng ở mức nhỏ hơn trung bình nhiều năm từ 10 - 55%, thời gian thiếu hụt nhiều nhất từ tháng 11/2014 - 2/2015 Đối với ven biển Trung Bộ, trong mùa khô 2014 - 2015, nguồn nước ở các hệ thống sông cũng có khả năng bị thiếu hụt so với trung bình nhiều năm cùng thời kỳ (Trung tâm Dự báo Khí tượng Thủy văn TW, 2014) Xuất phát từ thực tế đó đã có nhiều nghiên cứu
về hạn hán với các chỉ số đánh giá khác nhau, tuy nhiên mỗi chỉ số đều có các ưu và nhược điểm riêng của nó Cụ thể với các chỉ số hạn hán được tính toán từ dữ liệu khí tượng có nhược điểm như: cục bộ xung quanh trạm đo, mật độ trạm quan trắc với mật độ thưa, không liên tục theo nhiều thời gian Trong khi đó, dữ liệu ảnh MODIS được cung cấp miễn phí và
Trang 2đầy đủ với độ phân giải thời gian cao (hằng ngày, 8 ngày, hằng tháng, hằng năm), tầm phủ rộng, độ phân giải phổ khá cao với 36 kênh phổ, thích hợp để nghiên cứu sự sinh trưởng và phát triển của từng loại cây trồng, kể cả ngắn ngày lẫn dài ngày Dựa trên sự biến động của các chỉ số NDVI, VCI được tính toán từ ảnh có thể giúp ta xác định được cụ thể mật độ phân
bố của cây trồng, đánh giá trạng thái sinh trưởng và phát triển của cây trồng, làm cơ sở số liệu dự báo vùng nguy cơ hạn hán và diện tích ảnh hưởng Do vậy việc sử dụng dữ liệu ảnh viễn thám MODIS kết hợp dữ liệu khí tượng để xây dựng quy trình thành lập bản đồ nguy cơ hạn hán bằng công nghệ ảnh viễn thám sẽ làm cơ sở để từ đó tiến hành xây dựng bản đồ nguy cơ hạn hán cho khu vực nghiên cứu Từ đó cung cấp cái nhìn tổng thể về không gian của vùng nguy cơ hạn hán, cung cấp các thông số liên quan đến hạn hán cho vùng xâu, vùng
xa nơi chưa có trạm khí tượng thông qua bản đồ Đồng thời giúp cho việc bố cây trồng trong sản xuất nông nghiệp phù hợp hơn
2 Phương pháp nghiên cứu
2.1 Mô tả vùng nghiên cứu
Tỉnh Thừa Thiên Huế nằm ở duyên hải miền trung Việt Nam, có diện tích 503.320,53 ha (theo niên giám thống kê năm 2013) Với đặc điểm là một tỉnh nằm ở duyên hải miền trung nên tỉnh Thừa Thiên Huế luôn phải hứng chịu nhiều loại hình thiên tai gây thiệt hại nặng nề Cùng với đó là sự nóng dần lên của Trái Đất đã làm cho các loại hình thiên tai xuất hiện với tần suất ngày càng nhiều Và trong đó hạn hán cũng là một loại hình thiên tai điển hình xuất hiện với tần suất ngày càng tăng đã gây tổn thất nặng nề về nhiều mặt cho tỉnh Thừa Thiên Huế
Hình 1 Sơ đồ vị trí khu vực nghiên cứu 2.2 Phương pháp nghiên cứu
Phương pháp thu nhập số liệu
Bao gồm các số liệu, tài liệu về điều kiện tự nhiên, kinh tế xã hội, tình hình quản lý đất lúa, số liệu đo đạc, các thông tin, các báo cáo liên quan đến việc sử dụng đất lúa, bản đồ hiện trạng sử dụng đất của tỉnh, ranh giới của các huyện trong tỉnh và các tài liệu liên quan đến hạn hán để phục vụ cho quá trình nghiên cứu Thu thập dữ liệu mưa từ năm 1984 đến năm
2014 của tinh Thừa Thiên Huế Thu thập ảnh viễn thám: Ảnh vệ tinh MODIS Các ảnh MOD13Q1 được lựa chọn, được chụp các tháng 5, 6 ,7 từ năm 2005 đến năm 2014 trên khu vực tỉnh Thừa Thiên Huế
Phương pháp phân tích, xử lý số liệu
Trang 3Phương pháp xử lý số liệu bằng phần mềm Excel: Phương pháp này được dùng để xử
lý dữ liệu mưa ban đầu, và tính ra lượng mưa trung bình theo tháng và năm của tỉnh Thừa Thiên Huế
Phương pháp phân tích: Sử dụng phần mềm SPSS để phân tích mức độ tác động của yếu tố khô hạn đến sự tăng trưởng của cây lúa Trong đó: SPI là biến độc lập và NDVI là biến phụ thuộc, tức là ta khảo sát ảnh hưởng của SPI đến chỉ số NDVI của cây lúa Ta có phương trình tuyến tính ban đầu: y = ax +b
Phương pháp tính chỉ số khô hạn từ dữ liệu mưa
Chỉ số chuẩn hoá giáng thuỷ (SPI) là một chỉ số được tính toán dựa trên cơ sở xác suất lượng giáng thủy trong một thời gian nào đó do Mckee và cộng sự đề xuất năm 1993 SPI được tính toán đơn giản bằng sự chênh lệch của lượng giáng thủy thực tế R so với trung bình nhiều năm chia cho độ lệch chuẩn σ:
SPI= (R-Rtb) / σ Trong đó: R là lượng mưa thời đoạn tính
Rtb là lượng mưa thời đoạn tính
σ là độ lệch chuẩn SPI có thể được tính cho các khoảng thời gian khác nhau (1 tháng, 3 tháng, 6 tháng, 12 tháng, 24 tháng…) Việc tính toán cho các khoảng thời gian khác nhau cho phép đánh giá tác động của sự thiếu hụt lượng mưa đối với các đặc trưng tài nguyên nước như dòng chảy, nước ngầm, trữ lượng hồ chứa… Trong nghiên cứu này, chúng tôi đã sử dụng phần mềm SPI_SL_6 để tính giá trị chỉ số SPI cho các tháng 5, 6, 7, 8 từ năm 1984 - 2014 trên địa bàn tỉnh Thừa Thiên Huế Từ đó tìm ra nguy cơ hạn hán thông qua chỉ số SPI Giá trị của SPI mang dấu âm chỉ ra hạn hán, còn mang giá trị dương tức là chỉ ra tình trạng thừa ẩm
Phương pháp ứng dụng viễn thám để đánh giá sự thay đổi của chỉ số thực vật và chỉ
số trạng thái thực vật
Phương pháp này được sử dụng để xác định chỉ số NDVI và chỉ số VCI từ ảnh viễn thám, từ đó có thể giúp chúng ta đánh giá sự thay đổi của hai chỉ số này trong giai đoạn nghiên cứu
Chỉ số thực vật NDVI được tính toán theo công thức:
NDVI = (NIR-Vi) / (NIR+Vi) Trong đó: NIR: kênh cận hồng ngoại (kênh 4)
Vi: kênh thấy được ở đây thường là kênh đỏ (kênh 3) Chỉ số trạng thái thực vật VCI đước tính toán theo công thức:
VCIi = [(NDVIJ - NDVImin) / (NDVImax – NDVImin)] *100 Trong đó: NDVImax, NDVImin được tính toán từ chuỗi số liệu i cho từng tháng (hoặc tuần) và j là chỉ số của tháng (tuần) hiện thời
Phương pháp ứng dụng công nghệ GIS
Trang 4Sử dụng phần mềm ArcGIS để nội suy lượng mưa bằng công cụ Kriging và phần mềm MapInfo để biên tập và xử lý các loại bản đồ có liên quan
3 Kết quả nghiên cứu
3.1 Xu hướng thay đổi của lượng mưa trong giai đoạn 1984 - 2014 trên địa bàn nghiên cứu
Qua phân tích cho thấy lượng mưa trung bình năm trên địa bàn tỉnh Thừa Thiên Huế thấp nhất xảy ra vào những năm 1989, cao nhất là các năm 1999 Lượng mưa giữa các năm có
sự chênh lệch rất rõ ràng và có xu hướng tăng lên, bằng chứng là số năm có lượng mưa trung bình lớn (trên 3000 mm) càng về sau càng xuất hiện nhiều hơn so với những năm 1984 đến
1995 Trong năm, lượng mưa chủ yếu tập trung nhiều vào tháng 10 và tháng 11 Các tháng mùa khô hạn của vụ hè thu từ tháng 5 đến tháng 8 lượng mưa thay đổi rõ rệt và được thể hiện thông qua biểu đồ sau:
Biểu đồ 1 Lượng mưa trung bình năm giai đoạn 1984 - 2014 của tỉnh Thừa Thiên Huế
Biểu đồ 2 Lượng mưa trung bình tháng giai đoạn 1984 - 2014 của tỉnh Thừa Thiên Huế
Biểu đồ 3 Sự thay đổi lượng mưa trung bình các tháng vụ hè thu giai đoạn 1984 - 2014
của tỉnh Thừa Thiên Huế
3.2 Đánh giá hạn hán dựa trên chỉ số chuẩn hóa giáng thủy SPI
Trang 5Kết quả khi chạy phần mềm SPI_SL_6 thu được giá trị của chỉ số khô hạn (SPI) của tất
cả các tháng từ năm 1984 đến năm 2014 các tháng của vụ hè thu 5, 6, 7, 8 trên địa bàn nghiên cứu Tuy nhiên qua phân tích giá trị SPI thì chúng tôi thấy rằng hạn hán trên địa bàn thường xuyên chủ yếu vào các tháng 5, 6, 7 Nên chỉ số SPI của 3 tháng này được sử dụng để đánh giá mức độ khô hạn
Biểu đồ 4 Chỉ số hạn hán SPI trung bình 3 tháng 5,6,7 vụ hè thu từ năm 1984 đến năm 2014
trên địa bàn tỉnh Thừa Thiên Huế
Qua phân tích giá trị SPI của 3 tháng vụ hè thu trên địa bàn tỉnh Thừa Thiên Huế chúng tôi thấy rằng trên địa bàn đã xuất hiện vài đợt hạn từ tương đối khô đến khô nặng Các năm hạn trung bình như năm 1988, 1992, 2002, 2013
Bảng 1 Giá trị chỉ số hạn SPI các tháng 5, 6, 7 trên địa bàn tỉnh Thừa Thiên Huế
Tháng 7
Độ lệch chuẩn
Qua phân tích giá trị SPI ở bảng trên chúng tôi thấy rằng giá trị trung bình của chỉ số SPI tháng 5 ở ngưỡng gần chuẩn (-0,07) và giá trị SPI của tháng 7 cũng ở ngưỡng không khô
và cũng không ẩm ướt (-0.11) tức là không khô và cũng không ẩm ướt, với độ lệch chuẩn 1.00 Trong khi đó giá trị SPI của tháng 6 lại ở mức ngưỡng thấp nhất so với tháng 5 và tháng 7 với giá trị trung bình của SPI ở mức (-0.21) Và chúng tôi rút ra kết luận rằng tháng hạn nhất của vụ hè thu trên địa bàn nghiên cứu là tháng 6 Tiếp đến chúng tôi tiến hành xây dựng bản đồ lượng mưa cho tháng 6 bằng công cụ nội suy Kriging trong Arcgis nhằm cho thấy sự thay đổi lượng mưa hay giá trị cao thấp của chỉ số SPI và mặt không gian
3.3 Đánh giá sự thay đổi chỉ số khác biệt thực vật trên địa bàn tỉnh Thừa Thiên Huế
Trang 6Các ảnh MODIS của các tháng 5, 6, 7 (giai đoạn 2005 - 2014) sau khi được xử lý và tính toán chỉ số NDVI sẽ được sử dụng để tổ hợp thành chuỗi ảnh NDVI đa thời gian cho các tháng 5, 6, 7 Sau đó tiến hành cắt ảnh đa thời gian theo ranh giới đất trồng lúa của địa bàn nghiên cứu chúng tôi thu được chỉ số NDVI:
Bảng 2 Chỉ số NDVI của các tháng 5, 6, 7 cho cây lúa qua các năm trên địa bàn
tỉnh Thừa Thiên Huế
N
ăm
T háng 5
T háng 6
T háng 7
T háng 5
T háng 6
T háng 7
T háng 5
T háng 6
T háng 7 2
005
0 ,08
0 ,09
0 ,09
0 ,90
0 ,95
0 ,95
0 ,49
0 ,52
0 ,52 2
006
0 ,06
0 ,11
0 ,10
0 ,85
0 ,96
0 ,98
0 ,46
0 ,53
0 ,54 2
007
0 ,12
0 ,11
0 ,08
0 ,92
0 ,96
0 ,91
0 ,52
0 ,53
0 ,49 2
008
0 ,09
0 ,09
0 ,13
0 ,92
0 ,92
0 ,98
0 ,50
0 ,51
0 ,56 2
009
0 ,07
0 ,11
0 ,11
0 ,88
0 ,97
0 ,89
0 ,47
0 ,54
0 ,50 2
010
0 ,10
0 ,11
0 ,10
0 ,98
0 ,92
0 ,99
0 ,54
0 ,52
0 ,55 2
011
0 ,07
0 ,11
0 ,12
0 ,87
1 ,00
0 ,98
0 ,47
0 ,55
0 ,55 2
012
0 ,09
0 ,11
0 ,10
0 ,95
0 ,99
0 ,95
0 ,52
0 ,55
0 ,53 2
013
0 ,06
0 ,10
0 ,19
0 ,84
0 ,92
0 ,91
0 ,45
0 ,51
0 ,55 2
014
0 ,08
0 ,09
0 ,11
0 ,87
0 ,92
1 ,00
0 ,48
0 ,51
0 ,55 G
iá trị
TB
0 ,08
0 ,10
0 ,11
0 ,90
0 ,95
0 ,96
0 ,49
0 ,53
0 ,53
Đ
ộ lệch
chuẩn
0 ,02
0 ,01
0 ,03
0 ,04
0 ,03
0 ,04
0 ,03
0 ,02
0 ,04
Trang 7Kết quả từ bảng cho thấy giá trị trung bình của NDVImin của cây lúa vào tháng 5, 6 và 7 tương đối đồng đều nhau Vì vậy, ở đây không xem xét đánh giá NDVImin mà chỉ chú trọng vào giá trị NDVImax để thấy sự thay đổi khác biệt giữa các tháng Số liệu ghi nhận qua 10 năm (2005-2014) cho thấy giá trị trung bình NDVImax của cây lúa đạt cao nhất (0,955) vào tháng 7, trong khi đó giá trị trung bình NDVImax đạt thấp nhất (0,8976) vào tháng 5 Điều này hoàn toàn hợp lý vì theo lịch thời vụ hè thu của Thừa Thiên Huế cho cây lúa ta biết được tháng 7 là tháng cây lúa sinh trưởng và phát triển tốt nhất lúa đang ở giai đoạn đẻ nhánh, đòng hoặc trổ trong suốt thời kỳ vụ Hè Thu, còn tháng 5 là tháng mới bắt đầu gieo cấy nên chỉ
số NDVI có giá trị thấp hơn
Ta thấy rằng chỉ số khác biệt thực vật (NDVI) được tính toán trên cơ sở phân tích chuỗi
số liệu theo thời gian là công cụ quan trọng để đánh giá trạng thái sinh trưởng và phát triển của lớp phủ thực vật, trên cơ sở đó thấy được tác động của thời tiết, khí hậu đến sinh quyển Trong khi đó, chỉ số khô hạn (SPI) được xác định dựa trên xác suất sai lệch từ lượng mưa trung bình cho một giai đoạn thời gian, dùng để xác định mức độ nghiêm trọng của hạn hạn trong một khu vực Vì vậy, việc phân tích tương quan giữa chỉ số NDVI và SPI sẽ giúp xác định được mối quan hệ giữa thay đổi của thảm thực vật với lượng mưa trong phạm vi khu vực nghiên cứu Tuy nhiên để kết quả nghiên cứu mang lại có độ chính xác hơn chúng tôi tiến hành thêm bước nữa là xác định sự thay đổi chỉ VCI dựa trên chỉ số NDVI
Biểu đồ 5 Biến động chỉ số VCI các tháng 5, 6, 7 từ năm 2005-2014 trên địa bàn
tỉnh Thừa Thiên Huế.
Qua biểu đồ trên có thể thấy là tháng 5 chỉ số VCI hầu hết đều bằng 50% tức là thực vật phát triển bình thường, còn tháng 6, 7 thì chỉ số VCI của đa số các năm đều nhỏ hơn 50% Và tháng 6 có VCI nhỏ hơn 50% là rất nhiều, như vậy tháng 6 thực vật phát triển không bình thường và điều này là hoàn toàn phù hợp, vì tháng 6, 7 được coi là hai tháng thiếu hụt nước nghiêm trọng của vụ hè thu Và qua đó ta có thể thấy được là chỉ số VCI có mối tương quan thuận với NDVI, khi NDVI cao thì VCI cao và ngược lại Như vậy ta có thể dùng chỉ số NDVI làm đại diện để đánh giá sự phát triển của cây lúa và phân mức hạn hán cho cây lúa dựa trên chỉ số này
3.4 Mối quan hệ giữa chỉ số khô hạn SPI và chỉ số khác biệt thực vật NDVI
Trang 8Để xây dựng bản đồ nguy cơ hạn hán cho khu vực nghiên cứu bằng dữ liệu ảnh vệ tinh kết hợp với dữ liệu mưa thì phải chỉ ra được mối quan hệ của hai dữ liệu này với nhau Mà ở đây chính là mối quan hệ giữa chỉ số thực vật (NDVI) và chỉ số khô hạn (SPI)
Qua phân tích và so sánh thì ta thấy rằng tháng 6 là tháng hạn nhất nên chúng tôi sẽ dùng chỉ số SPI của tháng này để phân tích mối quan hệ với chỉ số thực vật để tìm ra mối tương quan giữa hai chỉ số này
Mối quan hệ giữa chỉ số khô hạn (SPI) và chỉ số thực vật (NDVI) trên địa bàn tỉnh Thừa Thiên Huế được xác định thông qua hệ số tương quan Pearson (Pearson’s correlation coefficient) Và qua công thức xác định thông qua hệ số tương quan Pearson chúng tôi tính được r = 0.553 và Sig(p-value) = 0,018 (p<0.05), với giá trị 0.5≤ r Như vậy các hệ số này cho thấy tồn tại mối quan hệ giữa yếu tố khô hạn SPI và chỉ số khác biệt thực vật (NDVI) là mối quan hệ có mối tương quan cao Tuy nhiên để xác định mức độ tác động của yếu tố khô hạn đến sự tăng trưởng của cây lúa, giá trị NDVI max và SPI của tháng 6 tiếp tục được phân tích bằng phép hồi quy tuyến tính đơn Kết quả phân tích sự ảnh hưởng của chỉ số SPI đến chỉ số NDVI của cây lúa và được thể hiện bằng phương trình NDVI max(6) = 0,949 + 0,06*SPI(6) Tức là khi chỉ số SPI tăng lên 1 đơn vị, dự đoán NDVI tăng lên 1,009 đơn vị Ngoài ra, hình 4.20 cho thấy chỉ số khác biệt thực vật NDVI có mối quan hệ tương quan thuận với SPI với R2
= 0,044
Từ hình 2 cho thấy kết quả phân tích giữa SPI và NDVI trên địa bàn tỉnh Thừa Thiên Huế có mối tương quan khá chặt, nghĩa là càng ẩm ướt thì cây lúa càng phát triển tốt và ngược lại càng hạn thì cây lúa càng khó sinh trưởng và phát triển
Hình 2 Quan hệ tuyến tính giữa SPI và NDVImax tháng 6 3.5 Xây dựng bản đồ nguy cơ hạn hán cho vùng nghiên cứu kết hợp kết quả giải đoán ảnh vệ tinh và dữ liệu khí tượng
3.5.1 Xác định vùng đất trồng lúa không hạn
Chồng ghép cả các ảnh đơn phổ NDVI của tháng 6 của các năm (2005, 2006, 2007, 2008,
2009, 2010, 2011, 2012, 2014) lên bản đồ lượng mưa Sau đó chồng ranh giới đất trồng lúa lên
và khoanh những vùng đất trồng lúa không bị hạn
Trang 9Ở đây chúng tôi coi yếu tố lượng mưa như là một yếu tố phụ làm tăng độ tin cậy cho kết quả nghiên cứu, vì yếu tố lượng mưa hay chỉ số SPI nó không phải là yếu tố chủ đạo quyết định đến mức độ phát triển của cây lúa, mà còn nhiều yếu tố khác như phân bón, độ phì nhiêu của đất… Nên nó cũng chỉ giải thích được một phần sự thay đổi của chỉ số NDVI Như vậy những vùng đất trồng lúa không bị hạn sẽ bằng với vùng đất trồng lúa còn lại sau khi đã được khoanh vùng nguy cơ hạn hán
3.5.2 Xác định vùng đất trồng lúa có nguy cơ hạn
Theo kết quả tính chỉ số SPI thì cho thấy trên địa bàn nghiên cứu từ năm 2005 đến năm
2014 chưa xuất hiện hạn nặng, hạn cực nặng mà chỉ có hạn vừa với chỉ số SPI của tháng 6 năm 2013 thấp nhất bằng -1.48 Nên ta sẽ sử dụng ảnh đơn phổ NDVI của tháng 6 năm 2013
để chồng lên với các ảnh đơn phổ NDVI của các năm còn lại
Dựa trên chỉ số NDVI của ảnh đơn phổ NDVI tháng 6/2013 để xác định những vùng có nguy cơ hạn vừa Những vùng được cho là có nguy cơ hạn vừa là những vùng có chỉ số NDVI thấp Tức là những vùng đó cây lúa phát triển kém, có chỉ số NDVI< 0.3 cộng với yếu phụ về mặt không gian là lượng thấp Đây sẽ là những vùng đất trồng lúa có nguy cơ hạn hán nhất so với các vùng khác Khi đó ta sẽ có được vùng đất trồng lúa có nguy cơ hạn vừa
3.5.3 Xây dựng bản đồ nguy cơ hạn hán cho vùng nghiên cứu
Sau khi sử dụng phần mềm MapInfo để khoanh những vùng đất trồng lúa có nguy cơ hạn hán trên địa bàn nghiên cứu chúng tôi thu được bản đồ nguy cơ hạn hán:
Hình 3 Sơ đồ nguy cơ hạn hán đất lúa hè thu tỉnh Thừa Thiên Huế giai đoạn 2005 - 2014
Qua hình ta thấy hiện tượng hạn vừa xuất hiện chủ yếu ở vùng đồng bằng và ven biển đối với những vùng đất trồng lúa của vụ hè thu trên địa bàn tỉnh Thừa Thiên Huế từ giai đoạn 2005 - 2014
Trang 103.5.4 Ảnh hưởng của hạn hán đến diện tích đất trồng lúa vụ hè thu trên địa bàn nghiên cứu
Để tính diện tích bị hạn cho từng huyện chúng tôi sử dụng file ranh giới huyện trên địa bàn nghiên cứu và công cụ Update column trong phần mềm MapInfo Thu được diện tích đất trồng lúa bị hạn cụ thể cho từng huyện:
Bảng 3 Dự báo diện tích đất trồng lúa bị hạn hán vào vụ Hè Thu ở tỉnh Thừa Thiên Huế
giai đoạn 2005 – 2014.
STT Tên huyện, thị xã, thành phố
Diện tích hạn vừa (ha)
Qua bảng cho thấy diện tích đất trồng lúa bị hán nhiều nhất là huyện Phong Điền, tiếp theo là Quảng Điền và Phú Vang Những vùng này có diện tích đất trồng lúa lớn nên diện tích đất trồng lúa bị hạn lớn là điều hoàn toàn hợp lý Thành phố Huế tuy là tâm điểm của hạn hán nhưng do diện tích đất trồng lúa ít nên diện tích đất trồng lúa bị hạn là không nhiều
3.5.5 Đề xuất giải pháp phòng chống hạn hán cho đất trồng lúa trên địa bàn nghiên cứu
- Đối với phần đồng bằng ven biển như huyện Quảng Điền, Phú Vang, Phú Lộc thì tầng chứa nước mỏng, lượng mưa nhỏ và lượng bốc hơi rất lớn hoặc nguồn nước đang bị khai thác quá mức Vì vậy, để giải quyết vấn đề hạn hán thì nên xây dựng quy hoạch tổng hợp về tài nguyên nước lưu vực sông, lập kế hoạch khai thác, sử dụng hợp lý tài nguyên nước trên phạm vi của mình
- Xây dựng công trình trữ, giữ nước như đập thủy điện, hồ chứa để điều hoà phân phối hợp lý nguồn nước
- Chuyển đổi cơ cấu kinh tế cho phù hợp với khả năng nguồn nước ở mỗi vùng, điều kiện tự nhiên Xây dựng các mô hình với các loại cây, con đã được thử nghiệm có khả năng chịu khô hạn, tiêu thụ ít nước như trồng giống cây hàng năm chịu hạn thích nghi với vùng như sắn, loại đậu…