7. Cấu trúc của luận án
2.2.2 Ứng dụng mô hình Ricardo đo lường tác động do thiên tai đến trồng trọt có
xét đến biến đổi khí hậu
Đề xuất mô hình kinh tế lượng để lượng hóa tác động do thiên tai và biến đổi khí hậu đến hoạt động trồng trọt
Nghiên cứu lựa chọn mô hình Ricardo để đánh giá ảnh hưởng do thiên tai và biến đổi khí hậu đến doanh thu từ trồng trọt của hộ nông dân. Mô hình xuất phát từ tiếp cập ứng dụng trong khuôn khổ lý thuyết Ricardo (Mendelsohn, 1998) áp dụng cho dữ liệu chéo. Sử dụng mô hình để đánh giá tác động từ các yếu tố bất lợi do thiên tai đến hoạt động trồng trọt của hộ gia đình cụ thể như sau:
LnYi = βO + ∑ β1thientaii + ∑ β2dactrungi + ∑ β3bienphapi + ∑ β4luai + μi (2.4) Sử dụng mô hình để đánh giá tác động từ các yếu tố bất lợi do thiên tai và xét đến biến đổi khí hậu đến hoạt động trồng trọt của hộ gia đình cụ thể như sau:
LnYi = βO + ∑ β1thientaii + ∑ β2dactrungi + ∑ β3bienphapi + ∑ β4Bdkhi +
∑ β5Bdkh2 + β6luai + β6tuongtaci + μi (2.5)
Trong đó:
Biến phụ thuộc LnYi là Logarit doanh thu hoạt động trồng trọt của hộ nông dân (i) (%), 12 tháng qua của cây trồng (lúa, cam, chè). Các nghiên cứu đã thực hiện để đánh giá tác động của biến đổi khí hậu cũng thực hiện tạo biến logarit như vậy (Trinh & Fran, 2018, 2019; Jaune Vaitkeviciute, 2019).
β hệ số của các biến và µi là sai số ngẫu nhiên.
Biến độc lập bao gồm các các biến đo lường về biến đổi khí hậu, thiên tai (bão, hạn, mặn) và đặc điểm của các biến số đặc trưng của hộ gia đình, các biện pháp ứng phó với thiên tai. Một số biến như vĩ độ, cao độ, dễ bị lũ lụt và vùng đất ngập nước trong mô hình ban đầu không được tính đến trong nghiên cứu hiện tại vì những dữ liệu đó không có sẵn (Kuruk Formulauriya và Mendelsohn, 2008). Các biến về biến đổi khí hậu còn được bình phương để sử dụng trong quá trình hồi quy. Việc sử dụng các biến số này và dạng bình phương của chúng dựa trên các nghiên cứu của Turpie và Visser (2012), Mirzabaev (2013), Di Falco và cộng sự (2012), Wang và cộng sự (2009), và Kabubo-Mariara và Karanja (2007) nhằm xác định mối quan hệ phi tuyến giữa các biến số đặc điểm thời tiết trong vùng với sản lượng của hộ nông dân. Nguồn dữ liệu có thể được lấy từ các số liệu quan trắc hàng ngày của các trạm khí tượng địa phương (tỉnh, khu vực) để ước tính tổng lượng mưa, nhiệt độ hàng ngày cho tất cả các xã,
huyện, tỉnh trong khu vực. Các dữ liệu này được lưu trữ bởi Trung tâm Tư liệu Khí tượng Thuỷ văn, một cơ quan thuộc Bộ Tài nguyên và Môi trường Việt Nam. Cụ thể các nhóm biến độc lập đưa vào mô hình như sau:
- Các biến xem xét đến đặc điểm do thiên tai (thientaii) bao gồm:
• Về bão: Số ngày bão (Ngaybaoi), cường độ cơn bão (Cuongdobaoi)
• Về hạn hán: Dùng chỉ số Chỉ số Sazonov (Sa.I) (Hani)
Bảng 2.4 Công thức tính chỉ số Chỉ số Sazonov (Sa.I)
Tên chỉ tiêu tính toán Công thức tính/ Điều kiện khí hậu
Chỉ số Sazonov (Sa.I)
Sa.Ii = (∆Ti/σTi) - (∆Ri/σRi) ∆T: Chuẩn sai nhiệt độ thời kỳ i σT: Độ lệch chuẩn nhiệt độ thời kỳ i ∆R: Chuẩn sai lượng mưa thời kỳ i σR: Độ lệch chuẩn lượng mưa thời kỳ i Ngưỡng của chỉ tiêu
< -2 Úng ngập < -1 Dư thừa nước < 1,0 Không khô hạn
≥ 1,0 Khô hạn
≥ 2,0 Hạn nặng
Nguồn: Nghiên cứu Lê Sâm (2008)
Kinh nghiệm trên thế giới và Việt Nam cho thấy hầu như không có một chỉ số nào có ưu điểm vượt trội so với các chỉ số khác trong mọi điều kiện. Tuy nhiên không ít chỉ số đã thể hiện sự phù hợp cao với tình hình hạn hán ở những vùng cụ thể. Chẳng hạn, chỉ số Palmer (PDSI) đã và đang được Bộ Nông nghiệp Mỹ sử dụng rộng rãi để xác định sự cần thiết và mức hỗ trợ khẩn cấp cho các vùng chịu tác động của hạn hán, tuy nhiên chỉ số này cũng chỉ phù hợp tốt với các vùng có diện tích rộng lớn với điều kiện địa hình, địa mạo đồng nhất. Ở các bang miền Tây nước Mỹ, với địa hình núi non và đặc điểm tiểu khí hậu cục bộ phức tạp, phải sử dụng thêm một số chỉ số hạn khác, ví dụ như chỉ số cấp nước mặt SWSI để bổ trợ. Điều đó nói lên rằng cần phải thử nghiệm để xác định được những chỉ số hạn phù hợp cho từng vùng cụ thể. Thêm vào đó, việc áp dụng thành công hay không thành công một chỉ số hạn nào đó còn phụ thuộc vào cơ sở dữ liệu quan trắc sẵn có. Một chỉ số hạn dù được đánh giá là tốt đến mấy cũng không khả dụng nếu thiếu số liệu quan trắc cần thiết. Chỉ số Palmer (PDSI), một chỉ số
tổng hợp được áp dụng rất thành công ở Mỹ nhưng cho đến nay vẫn không thể áp dụng rộng rãi ở nhiều vùng khác trên thế giới cũng chính bởi lý do này. Tại Việt Nam, nghiên cứu Đào Xuân Học (2002), đã phân tích đánh giá cao mức độ phù hợp của chỉ số Sa.I, chỉ số mưa chuẩn hóa (SPI) và chỉ số cấp nước mặt (SWSI) để tính toán khô hạn cho khu vực Nam Trung Bộ và Tây Nguyên. Nguyễn Trọng Hiệu (1998), Lê Sâm (2008) lại sử dụng chỉ số khô hạn K (xét theo tiêu chuẩn cán cân nước), phù hợp lắm với tình hình khô hạn thực tế tại địa phương (thiên về xu hướng ẩm hơn so với thực tế khô hạn tại các vùng trên địa bàn tỉnh). Trong chuyên đề này, để đo lường chỉ số hạn tại Nghệ An đề tài cũng đã sử dụng chỉ số Sa.I phù hợp với thực tế địa phương và thuận lợi cho quá trình tính toán, cũng như theo gợi ý của các chuyên gia trong lĩnh vực chuyên môn.
• Về mặn: Mức độ bất thường và trong 1 năm tác giả khảo sát (Mani)
- Các biến số đặc trưng của hộ gia đình và sản xuất (dactrungi) bao gồm: (1) Đặc điểm chủ hộ: giới tính của chủ hộ (gioitinhi), tuổi của chủ hộ(Tuoii) (theo Di Falco và cộng sự (2012)), trình độ học vấn của chủ hộ (trinhdoi) (theo Wang và cộng sự (2009); Di Falco và cộng sự (2012)); quy mô hộ (quymohoi);
- Các biến biểu thị hiệu quả biện pháp thích ứng (bienphapi)
: Bp_baoi: Hộ gia đình sử dụng các biện pháp ứng phó với bão Bp_hani: Hộ gia đình sử dụng các biện pháp ứng phó với hạn Bp_mani: Hộ gia đình sử dụng các biện pháp ứng phó với mặn
- Nhóm biến xem xét đặc điểm của biến đổi khí hậu (Bdkhi) bao gồm: nhiệt độ lớn nhất (Ndo_max), nhiệt độ nhỏ nhất (Ndo_min), lượng mưa (Mua) của hai vụ đông xuân (dx) và hè thu (ht), bình phương của các biến nhiệt độ, lượng mưa của đông xuân và hè thu.
- Biến giả lua: Giá trị biến lua=1 nếu là cây lúa, lua=0 nếu là cây trồng khác ( cam, chè). Tác giả muốn xem xét yếu tố loại hình cây trồng có sự khác nhau khi phản ánh vào doanh thu hay không
- Biến tương tác chỉ số hạn với cam: cam_han= han* cam. Quá trình phỏng vấn hộ nông dân cho thấy, hạn hán ảnh hưởng tới quá trình sản xuất nặng nề.
Các định nghĩa, đơn vị và các đặc điểm khác của các biến trong mô hình được trình bày chi tiết trong Bảng 2.5
Bảng 2.5 Mô tả các biến số trong mô hình
Nhóm biến Biến Mô tả Đơn vị Dấu kỳ vọng
Biến phụ
thuộc LnY Logarit của Doanh thu %
Biến phụ thuộc Ndo_maxdx Nhiệt độ lớn nhất vụ đông xuân 0C (+/−) Ndo_maxdx2 Nhiệt độ lớn nhất đông xuân bình phương (0C)2 (+/−) Ndo_mindx Nhiệt độ nhỏ nhất vụ đông xuân 0C (+/−) Ndo_mindx2 Nhiệt độ nhỏ nhất đông xuân bình phương (0C)2 (+/−)
Ndo_maxht Nhiệt độ lớn nhất hè thu 0C (+/−)
Ndomaxht2 Nhiệt độ lớn nhất hè thu bình phương (0C)2 (+/−)
Ndo_minht Nhiệt độ nhỏ nhất hè thu 0C (+/−)
Ndo_minht2 Nhiệt độ nhỏ nhất hè thu bình phương (0C)2 (+/−) Biến đặc
trưng biến đổi khí hậu
Mua_dx Mua_dx2
Lượng mưa trung bình tháng vụ đông xuân từ tháng 10 đến tháng 3
Lượng mưa vụ đông xuân bình phương
mm (mm)2
(+/−) (+/−) Mua_ht Lượng mưa trung bình tháng vụ hè thu từ
tháng 4 đến tháng 9 mm (+/−)
Mua_ht2 Lượng mưa hè thu bình phương (mm)2 (+/−)
Nhóm biến Han Chỉ số hạn hán (−)
đặc trưng Ngaybao Số ngày cơn bão ngay (−)
do thiên tai Cuongdobao Cấp gió Cấp (−)
(bão, hạn
mặn) Man Mức độ bất thường của mặn sắp xếp theo thứ tự tăng dần mức độ bất thường (+/−)
Tuoi Tuổi của chủ hộ Năm +
Trình độ học vấn của chủ hộ 1.Không đi học Đặc trưng của hộ gia đình và hoạt động sản xuất trinhdo gioitinh 2.Tiểu học 3.THCS 4.PTTH 5.Cao đẳng/Đại học 6.Trên Đại học
Giới tính của chủ hộ. Nam = 1, Nữ = 0 Biến giả
+
+
Nhóm biến Biến Mô tả Đơn vị Dấu kỳ vọng Nhóm biến biện pháp ứng phó thiên tai Biến cây trồng Biến tương tác Bp_baoi: Bp_hani: Bp_mani: lua lua_han Hộ gia đình sử dụng các biện pháp ứng phó với bão Hộ gia đình sử dụng các biện pháp ứng phó với hạn Hộ gia đình sử dụng các biện pháp ứng phó với mặn
Giá trị biến lua=1 nếu là cây lúa, lua=0 nếu là cây trồng khác (cam, chè)
Biến tương tác chỉ số hạn với lúa: lua_han= lua* han
+ + +