Đầu tư, thực hiện đổi mới công nghệ, quy trình sản xuất, thiết bị sản xuất tại các cơ sở sản xuất công nghiệp nhằm hạn chế phát sinh khí thải; đầu tư xây dựng, lắp đặt, vận hành các hệ thống thiết bị xử lý khí thải phát sinh từ các cơ sở công nghiệp, đảm bảo không gây ô nhiễm môi trường không khí.
Đầu tư, lắp đặt và vận hành hệ thống truyền sốliệu quan trắc khí thải tự động liên tục từ các cơ sở sản xuất (thuộc đối tượng phải lắp đặt) tới cơ quan quản lý nhà nước có liên quan (Sở Tài nguyên và Môi trường).
Hoàn thiện, hiện đại hóa hệ thống quan trắc môi trường không khí xung quanh tự động, liên tục; thiết lập các điểm quan trắc môi trường không khí theo Quy hoạch tổng thể mạng lưới quan trắc môi trường và hoàn thiện hệ thống cơ sở dữliệu vềchất lượng môi trường không khí xung quanh.
Xây dựng hệ thống quan trắc môi trường tỉnh và kế hoạch giám sát chất lượng môi trường tại các vùng nhạy cảm có hoạt động sản xuất công nghiệp, đô thị hóa... Kiểm tra, giám sát chặt chẽ các hệ thống xử lý chất thải công nghiệp.
Khôi phục diện tích đất trống sau khi khai thác, nhất là đối với các khi vực có nồng độ bụi cao như phường Chiềng Cơi, xã Chiềng Xôm, phường Chiềng, xã Chiềng Đen,…
Bổ sung thêm các điểm quan trắc môi trường không khí trên địa bàn toàn thành phố, thiết lập các trạm quan trắc tự động tại các khu vực có nhiều
nguy cơ ô nhiễm gây ảnh hưởng đến con người và môi trường trên phạm vi rộng, có tính thường xuyên và liên tục trong thời gian dài.
Áp dụng các biện pháp kỹ thuật xử lý bụi và các chất ô nhiễm từ sản xuất công nghiệp. Thay thế các loại máy mọc, dây chuyền công nghệ lạc hậu, gây nhiều ô nhiễm bằng các dây chuyền công nghệ hiện đại, ít ô nhiễm hơn.
Khuyến khích các tổ chức, cá nhân nghiên cứu ứng dụng công nghệ viễn thám để đánh giá nhanh chất lượng môi trường không khí; đồng thời áp dụng vào thực tế để đánh giá và cảnh báo các khu vực có nguy cơ gây ô nhiễm trên địa bàn thành phố Sơn La hoặc các khu vực gây ô nhiễm không khí cục bộ do các hoạt động sản xuất, khai thác và xây dựng trên địa bàn.
KẾT LUẬN, TỒN TẠI VÀ KIẾN NGHỊ 1. Kết luận
Tư liệu viễn thám là nguồn dữ liệu phong phú, sử dụng hiệu quả trong nghiên cứu tài nguyên thiên nhiên và giám sát môi trường, trong đó có giám sát chất lượng môi trường không khí. Tư liệu viễn thám với độ phân giải không gian trung bình, nhưng có thể sử dụng trong giám sát và đánh giá mức độ ô nhiễm không khí ở một khu vực. Kết quả quan trắc môi trường không khí cho thấy hầu hết các điểm đều có nồng độ bụi lơ lửng TSP (Total Suspended Particles) vượt ngưỡng cho phép theo Quy chuẩn chất lượng không khí Quốc gia (QCVN 05:2013/BTNMT). Đề tài đã sử dụng ảnh Landsat để xây dựng bản đồchất lượng không khí khu vực thành phố Sơn La trong các năm 2017, 2018 và 2019 thông qua việc tính toán các chỉ số NDVI, VI, TVI và chỉ số ô nhiễm không khí API, từ đó xây dựng bản đồ chất lượng không khí thành phố Sơn La theo chỉ số API. Việc đánh giá sự sai khác giữa giá trị API từ ảnh Landsat và API thực tế cho thấy 2 giá trị này có mức độ tương đồng khá lớn, chênh lệch không nhiều, có 15/20 điểm có giá trị API từ quan trắc so với giá trị API trên ảnh Landsat < 20%.
Kết quả quan trắc môi trường cho thấy giá trị nhiệtđộ bề mặt tại hầu hết các điểm quan trắc đều ở mức trung bình, ngoại trừ có một vài điểm có giá trị nhiệt độ tăng cao, chủ yếu tập trung tại các khu vực ngã ba, ngã tư nơi giao nhau của các trục đường chính. Giá trị nhiệt độ bề mặt được ước tính từ ảnh Landsat dao động từ 16,20C ÷ 57,30C, trong đó giá trị nhiệt độ từ 27,10C ÷ 35,00C tập trung chủ yếu ở các khu đô thị, khu vực dân cư thiếu cây xanh hoặc với mật độ cây xanh thấp hay các khu vực đất trống. Kết quả so sánh sự sai khác giữa giá trị nhiệt độ bề mặt từ các điểm quan trắc so với giá trị tính từ ảnh viễn thám Landsat không lớn, từ 2,8% † 31,2%.
Kết quả nghiên cứu đã cho thấy sử dụng ảnh Landsat để xây dựng bản đồ chất lượng không khí theo chỉ số API và xây dựng bản đồ nhiệt độ bề mặt diện rộng tại thành phố Sơn La có độ tin cậy và tính khả thi.
2. Tồn tại
Đối với tư liệu viễn thám cũng có một số hạn chế như chu kỳ lặp lại của ảnh khá dài, chất lượng ảnh phụ thuộc vào điều kiện thời tiết, kết quả so sánh với số liệu thu thập từ trạm quan trắc có sự khác biệt; tần suất quan trắc chưa nhiều nên việc so sánh giữa kết quả quan trắc và ảnh vệ tinh chưa đưa ra được chuỗi giá trị để đánh giá liên tục đưa ra kết quả khách quan hơn.
3. Kiến nghị
- Cần có tư liệu viễn thám với độ chính xác cao hơn nhằm giảm sai số trong quá trình thành lập bản đồ;
- Thực hiện nhiều chù kỳ ảnh hơn để đánh giá độ chính xác của bản đồ; đồng thời cần có nhiều điểm quan trắc tại khu vực nghiên cứu để đối chiếu lại với kết quả xây dựng bản đồ phân cấp chất lượng môi trường không khí để tăng độ tin cậy của kết quả nghiên cứu.
- Kiến nghị với UBND tỉnh Sơn La, UBND thành phố Sơn La xây dựng mô hình công nghệ địa không gian để theo dõi giám sát chất lượng không khí thành phố Sơn La trong tương lai.
TÀI LIỆU THAM KHẢO
1. Amanollahi Jamil, Abdullah Ahmad Makmom, Pirasteh Saeid, Ramli Mohamad Firuz and Rashidi Prinaz (2011). PM10 monitoring using MODIS AOT and GIS, Kuala Lumpur, Malaysia. Research Journal of Chemistry and Environment, Vol.15 (2).
2. Thai Thi Thuy An, Ly Tien Lam, Nguyen Hai Hoa, Le Thai Son, Nguyen Van Hung (2018), Using Landsat imageries for particle pollution mapping in Ha Noi city, Journal of Forestry Science and Technology 5- 2018, 53- 61.
3.Trần Quang Bảo, Hồ Ngọc Hiệp, Lê Sỹ Hoà (2018), Ứng dụng GIS và viễn thám trong xây dựng bản đồ chất lượng không khí khu vực khai thác khoáng sản, huyện Lương Sơn, tỉnh Hòa Bình, Tạp chí Khoa học và Công nghệ Lâm nghiệp, số 6 (2018).
4. Trần Quang Bảo và các tác giả (2014), Ứng dụng GIS trong quản lý tài nguyên rừng và môi trường, Giáo trình Trường Đại học Lâm nghiệp, Nxb Nông Nghiệp, Hà Nội.
5.Bộ Tài nguyên và Môi trường (2013), Quy chuẩn kỹ thuật quốc gia về chất lượng
không khí xung quanh –QCVN 05: 2013/BTNMT.
6. Bộ Tài nguyên và Môi trường (2009), Quy chuẩn kỹ thuật Quốc gia về một số chất độc hại trong không khí xung quanh - QCVN 06:2009/BTNMT.
7. Trần Ngọc Chấn (2001), Ô nhiễm không khí và xử lý khí thải, tập 1, Nxb Khoa học và kỹthuật, 21- 25.
8. Chitrini Mozumder, K. Venkata Reddy, Deva Pratap (2012), Air pollution modeling from remotely sensed data using regression techniques, Indian Society of Remote sensing, DOI 10.1007/s12524-012-0235-2.
9.Nguyễn Hải Hoà, Nguyễn Thị Hương (2017),Sử dụng ảnh Landsat xây dựng bản đồ phân bố ô nhiễm không khí do hoạt động khai thác khoáng sản tại huyện Hoành Bồ, tỉnh Quảng Ninh,Tạp chí Khoa học Lâm nghiệp, số 4 (2017).
10. Nguyễn Đức Phương (2012), Tích hợp GIS và viễn thám trong quản lý tài nguyên thiên nhiên.
11. Rao M., Hima Bindu V., Sagareshwar G., Indracanti J., Anjaeyulu Y. (2009),
Asssessment of Ambient air quality in the rapidly industrially growing Hyderabad urban environment, Proc. BAQ 2004, Workshop program and presentation, Poster
12. Saleh SAH, Hasan G (2014), Estimation of PM10 Concentration using Ground Measurements and Landsat 8 OLI Satellite Image, J Geophys Remote Sens 3:120. doi:10.4172/2169-0049.1000120
13. Trần Thị Vân, Nguyễn Phú Khánh, Hà Dương Xuân Bảo (2014),Viễn thám độ dày quang học mô phỏng phân bố bụi PM10 nội thành Thành phố Hồ Chí Minh thành phố, Tạp chí Khoa học, Đại học Quốc gia Hà Nội, 2: 52 - 62.
14. Trần Thị Vân, Trịnh Thị Bình, Hà Dương Xuân Bảo (2012), Nghiên cứu khả năng phát hiện ô nhiễm bụi trên khu vực đô thị bằng công nghệ viễn thám nhằm hỗ trợ quan trắc môi trường không khí,Tạp chí Phát triển KH&CN, 15(2): 33-47.
15. Lê Vân Anh và Trần Tuấn Anh, 2014; Trần Thị Ân và cộng sự, 2011,
nghiên cứu sử dụng kênh hồng ngoại nhiệt để ước tính giá trị nhiệt độ bề mặt.
Call:
lm(formula = Band10_LST ~ NDVI + EVI + Pv + SAVI) Residuals:
Min 1Q Median 3Q Max -1.9955 -0.7710 -0.1387 0.5332 3.5770 Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 23.4078 0.4377 53.480 < 2e-16 *** NDVI -67.6356 18.7891 -3.600 0.000616 *** EVI -83.0326 27.7386 -2.993 0.003898 ** Pv -30.1370 8.4997 -3.546 0.000732 *** SAVI 107.6301 20.9845 5.129 2.83e-06 *** --- Signif. codes: 0 „***‟ 0.001 „**‟ 0.01 „*‟ 0.05 „.‟ 0.1 „ ‟ 1 Residual standard error: 1.145 on 120 degrees of freedom Multiple R-squared: 0.6487, Adjusted R-squared: 0.6271
F-statistic: 30.01 on 4 and 120 DF, p-value: 3.788e-14
Mô hình 02:
Call:
lm(formula = Band10_LST ~ NDVI + SAVI + Pv) Residuals:
Min 1Q Median 3Q Max -2.4389 -0.7340 -0.1526 0.7091 3.6224 Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 23.4480 0.4631 50.630 < 2e-16 *** NDVI -43.7852 18.0131 -2.431 0.017793 * SAVI 63.1326 15.6791 4.027 0.000149 ***
Signif. codes: 0 „***‟ 0.001 „**‟ 0.01 „*‟ 0.05 „.‟ 0.1 „ ‟ 1 Residual standard error: 1.212 on 120 degrees of freedom Multiple R-squared: 0.6003, Adjusted R-squared: 0.5821
F-statistic: 33.04 on 3 and 120 DF, p-value: 3.699e-13
Mô hình 03:
Call:
lm(formula = Band10_LST ~ SAVI + Pv) Residuals:
Min 1Q Median 3Q Max -3.1204 -0.8056 -0.0368 0.8513 3.4670 Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 23.0925 0.4552 50.725 < 2e-16 *** SAVI 26.2057 4.0188 6.521 1.08e-08 *** Pv -47.7358 6.2331 -7.658 9.94e-11 *** ---
Signif. codes: 0 „***‟ 0.001 „**‟ 0.01 „*‟ 0.05 „.‟ 0.1 „ ‟ 1 Residual standard error: 1.256 on 120 degrees of freedom Multiple R-squared: 0.5645, Adjusted R-squared: 0.5515 F-statistic: 43.42 on 2 and 120 DF, p-value: 8.061e-13
Mô hình 04:
> summary(MH05) Call:
lm(formula = Band10_LST ~ NDVI + EVI + Pv) Residuals:
Min 1Q Median 3Q Max -3.4823 -0.8001 0.0501 1.0032 3.4596 Coefficients:
NDVI 20.9999 8.6748 2.421 0.0182 * EVI 17.7517 23.0281 0.771 0.4435 Pv -46.3102 9.2839 -4.988 4.69e-06 *** ---
Signif. codes: 0 „***‟ 0.001 „**‟ 0.01 „*‟ 0.05 „.‟ 0.1 „ ‟ 1 Residual standard error: 1.347 on 120 degrees of freedom Multiple R-squared: 0.5065, Adjusted R-squared: 0.4841 F-statistic: 22.58 on 3 and 120 DF, p-value: 3.57e-10
Bến xe Sơn La Ngã tƣ quyết thắng
Ngã tƣ xe khách Ngã tƣ cầu trắng