Nguồn: Xiao, 2002b [66]
Những nghiên cứu nói trên đã trình bày kết quả về một vài khía cạnh nghiên cứu mùa vụ nói chung bằng ảnh viễn thám quang học độ phân giải thấp, tuy nhiên chưa đặt rõ vấn đề về giám sát và dự báo năng suất cho một loại cây trồng cụ thể. Cùng với một chương trình lớn của NASA về quan sát Trái Đất, dữ liệu MODIS ra đời cuối năm 1999, đầu đo MODIS được gắn trên vệ tinh Terra và sau này cũng được gắn trên vệ tinh Aqua phóng năm 2002. Với nhiều tính năng cải tiến rõ rệt so với đầu đo VGT về mọi mặt kể cả độ phân giải không gian, thời gian và phân giải phổ, dữ liệu MODIS đã cung cấp dạng tư liệu mới mang nhiều ưu điểm cho phép xây dựng những cách tiếp cận chi tiết hơn và hoàn chỉnh hơn về giám sát mùa vụ, đặc biệt là giám sát và dự báo năng suất lúa.
Dữ liệu MODIS có độ rộng cảnh ảnh 2330 km và độ phân giải thời gian lớn, vệ tinh TERRA và AQUA bay qua lãnh thổ Việt Nam một ngày bốn lần vào khoảng 10h30’, 13h30’, 22h30’ và 1h30’, do đó có thể thu được ảnh trùm lãnh thổ Việt Nam bốn lần trong một ngày. Với 36 kênh phổ từ 0,4m đến 14m và độ phân giải không
gian từ 250 m (kênh 1, 2), 500 m (kênh 3 đến 7) và 1000 m (kênh 8 đến 36), dữ liệu MODIS đã được đưa vào sử dụng theo dõi mây, chất lượng khí quyển, chỉ số thực vật, phân loại lớp phủ, cháy rừng, hàm lượng diệp lục (chlorophyll) trong nước biển, nhiệt độ mặt nước biển, nhiệt độ bề mặt lục địa, bốc thoát hơi bề mặt lớp phủ, diễn biến các khối băng lục địa và đại dương. Đặc biệt, 7 kênh phổ đầu của MODIS được thiết kế có
độ phân giải cao hơn các kênh cịn lại để dành riêng cho nhiệm vụ quan trọng là theo dõi thảm phủ thực vật và các đối tượng bề mặt đất.
Với tính năng như vậy, dữ liệu MODIS được sử dụng ở nhiều tỷ lệ khác nhau: tỷ lệ trung bình và nhỏ, hoặc về phương diện lãnh thổ, từ quy mô cấp vùng, khu vực đến quy mơ tồn cầu. Ngồi ưu điểm về độ phân giải không gian và độ phân giải thời gian và phân giải phổ, điểm đặc biệt của dữ liệu MODIS là các loại ảnh tổ hợp đa thời gian (tổ hợp 8 ngày, tổ hợp 16 ngày và tổ hợp 32 ngày) được thiết kế và xử lý rất phù hợp với những nghiên cứu mang tính giám sát trong một chuỗi thời gian. Dữ liệu đa thời gian vừa có tác dụng như dữ liệu trung bình trong một khoảng thời gian nào đó, vừa có tác dụng hiệu chỉnh ảnh hưởng khí quyển, nhất là vấn đề mây.
Những ưu điểm vượt trội kể trên của dữ liệu MODIS đã tạo những tiền đề hết sức thuận lợi cho những nghiên cứu đi sâu vào vấn đề giám sát và dự báo năng suất mùa vụ nói chung và đối với cây lúa nói riêng, khơng phải chỉ là những nghiên cứu mùa vụ chung chung như những nghiên cứu dựa trên những dữ liệu viễn thám trước đó. Xu thế sử dụng dữ liệu MODIS trong giám sát và dự báo năng suất lúa được phản ánh rõ trong những nghiên cứu mới nhất của Xiao [32, 63, 64], và Doraiswamy (2005) [32]. Một số nghiên cứu tiêu biểu của các tác giả này được trình bày chi tiết trong những phần dưới đây.
Nhìn chung các nghiên cứu giám sát lúa sử dụng tư liệu MODIS đều dựa trên sự biến thiên theo thời gian rất đặc trưng và rõ rệt của các chỉ số thực vật ở vùng đất trồng lúa trong thời gian mùa vụ. Đặc trưng này của vùng trồng lúa phân biệt hoàn toàn so với các loại thảm phủ bề mặt khác, qua đó các tác giả đã nghiên cứu nhiều thuật toán khác nhau dựa trên các chỉ số thực vật nhằm phát hiện, phân tách vùng trồng lúa và giám sát trạng thái sinh trưởng của lúa.
Hệ thống các cơng trình nghiên cứu của tác giả Xiangminh Xiao cũng được coi là những nghiên cứu tiêu biểu nhất về sử dụng ảnh MODIS giám sát lúa [32, 63, 64].
Trên cơ sở phân tích mối quan hệ giữa các chỉ số NDVI, EVI và LSWI với sự biến đổi của vùng đất trồng lúa qua các giai đoạn sinh trưởng của mùa vụ, Xiao đã phát triển một thuật toán phát hiện vùng trồng lúa dựa trên cơ sở dữ liệu là ảnh MODIS tổ hợp 8 ngày (hình 1.8). Phương pháp này vừa mang tính tồn diện vì xét đến nhiều chỉ số viễn thám tương ứng với nhiều yếu tố thể hiện trạng thái sinh trưởng của lúa, đồng thời phương pháp này cũng rất phù hợp với khu vực nghiên cứu là vùng đồng Bằng Sông Hồng. Do đó phương pháp của Xiao đã được chọn để phát hiện vùng lúa và xây dựng bản đồ trồng lúa trong luận văn.
a) Vùng có một vụ lúa b) Vùng có hai vụ lúa
Hình 1.4. Sự biến động của các chỉ số thực vật (NDVI, EVI) và chỉ số nước bề mặt (LSWI) trong 1 pixel đất trồng lúa chọn làm mẫu ở Indonesia
Nguồn: Xiao, 2006 [64]
Việc tách chiết các vùng không gian trồng lúa nhằm mục đích tính tốn được lượng phát thải CH4 sử dụng mơ hình hóa. Chi tiết về việc tách chiết và mơ hình được sử dụng để tính tốn sẽ được trình bày ở những phần tiếp theo.
1.3. Các mơ hình phát thải khí nhà kính
Hiện nay, rất nhiều phương pháp tiếp cận đã được sử dụng để dự đốn lượng khí thải CH4 và N2O từ các lĩnh vực nơng nghiệp. Mơ hình mơ phỏng đại diện cho một trong những phương pháp phổ biến đã được áp dụng rộng rãi để ước tính phát thải khí gây hiệu ứng nhà kính từ nơng nghiệp và các lĩnh vực khác.
Rất nhiều mơ hình đã được thiết lập nhằm đưa ra những dự báo về lượng khí nhà kính phát xạ từ sản xuất nơng nghiệp trong các nghiên cứu trước đó. Có thể đưa ra một vài ví dụ như: MEM áp dụng cho đánh giá CH4 phát xạ từ ruộng lúa tại Trung Quốc [12] và cho tồn thế giới [13, 14]; MERES mơ phỏng CH4 phát xạ từ ruộng lúa [24] đã kết hợp với hệ thống thông tin địa lý áp dụng cho ước lượng CH4 phát xạ từ ruộng lúa tại Trung Quốc, Philippin, Indonesia, Ấn Độ và Thái Lan; DAYCENT ước lượng trực tiếp và gián tiếp lượng N2O phát xạ cho các hệ thống nông nghiệp tại Mỹ [17].
Bareth & Angenendt (2003) [26] đã phát triển mơ hình AEISE bằng cách sử dụng GIS và kiến thức dựa trên hệ thống thông tin về mơi trường nơng nghiệp cho phát thải khí gây hiệu ứng nhà kính được liên kết với một mơ hình kinh tế trang trại sinh thái. AEISE cho phép lập dự tốn khơng gian của CO2, CH4 và N2O. Roelandt (2005) [56] trình bày hai mơ hình thực nghiệm, MCROPS và MGRASS, phát triển cho các vùng đất canh tác và đồng cỏ. Huang (1998) [36] đã phát triển một mơ hình bán thực nghiệm để dự đốn CH4 phát thải từ các cánh đồng lúa ngập nước. Mơ hình tập trung q trình quang hợp của lúa đến các q trình sản xuất khí methane, q trình oxy hóa, khí thải và ảnh hưởng của các yếu tố mơi trường vào các q trình này. Zhang 2002 [70] đã xem xét nhiều mơ hình thực nghiệm [16, 18, 27, 50, 62], và các mơ hình dựa trên quá trình [9, 14, 15, 35, 55, 61] đã được phát triển để dự đoán CH4 trong các hệ sinh thái đất ngập nước cụ thể và các hệ sinh thái nơng nghiệp nói chung.
Mơ hình DNDC đã được áp dụng để ước tính phát thải khí nhà kính từ các lĩnh vực nơng, lâm nghiệp. Trong nông nghiệp, các ứng dụng trước đây của DNDC bao gồm chủ yếu ước tính phát thải N2O từ hệ thống canh tác riêng biệt, ví dụ như trang trại bị sữa [29] để thiết lập tồn bộ đất nông nghiệp trong một khu vực [20, 22, 34, 46, 68]. CH4 phát thải từ ruộng lúa cũng đã được tính tốn trên nhiều qui mơ lên đến cấp quốc gia [11, 20, 23, 39, 43, 44]. Hàm lượng cacbon hữu cơ trong đất nông nghiệp được đánh giá sử dụng DNDC [40]. Một phiên bản về rừng của DNDC, PnET-N-
DNDC, đã được phát triển để mơ phỏng khí thải N2O và NO từ đất rừng [21, 58]. Một phiên bản khác, Wetland-DNDC, đã được chỉnh sửa từ DNDC để mô phỏng hàm lượng C trong các hệ sinh thái đất ngập nước [70], Các tác động của các biện pháp quản lý thu hồi cácbon ở và theo dõi khí thải đối với các hệ sinh thái đất ngập nước có rừng [23], và dịng chảy của carbon, năng lượng, nước và đất ngập nước có rừng [31]; tác động của các biện pháp quản lý thu hồi cácbon và theo dõi khí thải đối với các hệ sinh thái đất ngập nước có rừng [23], và dịng chảy của carbon, năng lượng, nước và đất ngập nước có rừng [31]. Gần đây, mơ hình DNDC đã được sửa đổi để dự đốn phát thải khí nhà kính từ các hệ sinh thái lúa nước ở Trung Quốc và để mơ phỏng lượng khí thải CO2, CH4, N2O trong điều kiện được tìm thấy trong các cánh đồng lúa của Ấn Độ. Đa số các sửa đổi tập trung vào q trình mơ phỏng yếm khí - sinh địa hóa và sinh trưởng của lúa cũng như các tham số của lúa. Các chỉ số nhạy cảm được thực hiện với các lựa chọn trong chế độ quản lý, các biến khí hậu và các thuộc tính của đất. Khi ước tính phát thải khí nhà kính trong điều kiện quản lý cụ thể ở quy mơ khu vực, tính khơng đồng nhất về khơng gian của các tính chất của đất (ví dụ như kết cấu, hàm lượng cacbon hữu cơ trong đất, pH..) là những nguồn chính của sự khơng chắc chắn. Vì vậy, để giảm bớt độ lớn của sự không chắc chắn, phương pháp nhạy cảm nhất với các nhân tố đã được phát triển cho DNDC [44]. Các mơ hình DNDC sửa đổi đã được sử dụng để ước tính lượng khí thải CO2, CH4, N2O từ tất cả các cánh đồng lúa ở Trung Quốc với hai phương thức quản lý nước khác nhau, tức là ngập nước thường xuyên và thoát nước giữa vụ đã được tiến hành trước năm 1980 và trong năm 2000 [23, 39, 43, 44]. Pathak (2005) [54] dựa trên mơ hình đã được thay đổi này và tiếp tục cải tiến thêm để phù hợp với điều kiện cho lúa ở Ấn Độ [60].
Từ những tổng quan trên, trong luận văn này học viên sẽ sử dụng mô hinh DNDC để tính tốn lượng phát thải CH4 từ những vùng trồng lúa trên đồng bằng sông Hồng thông qua việc tách chiết thông tin không gian lúa từ ảnh vệ tinh MODIS.
CHƯƠNG 2
TÍNH TỐN PHÁT THẢI CH4 TỪ CANH TÁC LÚA THEO MƠ HÌNH DNDC Ở ĐỒNG BẰNG SÔNG HỒNG
Trong chương này, học viên thực hiện việc tính tốn phát thải CH4 ở khu vực nghiên cứu - đồng bằng sông Hồng bao gồm cả thủ đơ Hà Nội. Kết quả tính tốn từ mơ hình được kiểm chứng bằng kết quả đo thực nghiệm ở khu vực phía Tây của Hà Nội - Hoài Đức và kết quả đo ở CLT&TP và Đại học Nông nghiệp. Kết quả tách chiết lúa từ ảnh vệ tinh MODIS kết hợp với các yếu tố về khí hậu, phân bón, chế độ canh tác và các yếu tố về thổ nhưỡng là đầu vào cho mơ hình DNDC.
2.1 Khu vực nghiên cứu
Vùng đồng bằng sơng Hồng gồm có 10 tỉnh: thành phố Hà Nội, Bắc Ninh, Hà Nam, Hải Dương, Hải Phòng, Hưng Yên, Nam Định, Ninh Bình, Thái Bình và Vĩnh Phúc. Đây là một trong những vùng kinh tế có tầm quan trọng đặc biệt. Vùng có vị trí địa lý và điều kiện tự nhiên thuận lợi, tài nguyên thiên nhiên phong phú và đa dạng, dân cư đông đúc, nguồn lao động dồi dào, mặt bằng dân trí cao. Hiện tại cũng như trong tương lai, đồng bằng sông Hồng là một trong những vùng đóng vai trị quan trọng trong sự nghiệp phát triển kinh tế - xã hội của đất nước.
2.1.1. Điều kiện tự nhiên, tài nguyên thiên nhiên
Vùng đồng bằng sông Hồng là phần lãnh thổ ở phía Bắc Việt Nam, có tọa độ địa lý trong khoảng từ 20000' đến 21020' vĩ độ Bắc và từ 105030' đến 107000' kinh độ Đông. Đồng bằng được bao bọc bởi địa hình đồi núi ở ba mặt từ phía Bắc vịng sang phía Tây và xuống phía Nam; phía Đơng giáp biển Đơng có nhiều cửa sơng lớn, vịnh biển kín. Với trung tâm là Thủ đơ Hà Nội, thì vùng là nơi hội tụ đầu mối giao lưu phát triển kinh tế, văn hoá, xã hội của cả nước và các nước trong khu vực và trên thế giới.
Hình 2.6: Vị trí các tỉnh đồng bằng sơng Hồng trong Việt Nam
Khí hậu của vùng mang tính chất khí hậu nhiệt đới, chịu ảnh hưởng rất mạnh của hai hướng gió chính là gió mùa Đơng Bắc và gió mùa Đơng Nam, được phân thành 4 mùa rõ rệt (xuân, hạ, thu, đông). Mùa xuân từ tháng 2 - tháng 4, nhiệt độ tăng dần, kèm theo mưa xuân cây trồng phát triển nhanh; mùa hạ từ tháng 5 - tháng 7, thời tiết nóng nực, kéo theo mưa rào và gió bão; mùa thu từ tháng 8 - tháng 10, thời tiết mát dịu; mùa đông từ tháng 11 năm - tháng 1 năm sau, nhiệt độ xuống thấp, giá rét, kéo theo mưa phùn ảnh hưởng rất lớn đến sản xuất và sinh hoạt của người dân [4].
Nhiệt độ: Nhiệt độ trung bình năm là 23,50C, lượng bức xạ cao 115 kcal/cm2/năm, từ tháng 5-tháng 10 mặt đất có thể thu nhận từ 10 -15 kcal/cm2, từ tháng 11 - tháng 4 lượng bức xạ khoảng từ 7- 9 kcal/cm2/tháng. Cán cân bức xạ ngay cả những tháng mùa đông đều dương, tổng số giờ nắng đạt tới 1.400 - 1.600 giờ/năm.
Lượng mưa: Lượng mưa trung bình trong năm khoảng 1.500 - 2.000 mm,
phân bố theo mùa; mùa mưa từ tháng 5 - tháng 10 lượng mưa chiếm trên 85% tổng lượng mưa cả năm, mùa khô từ tháng 11 đến tháng 4 năm sau, lượng mưa ít chiếm khoảng 15% lượng mưa cả năm.
Độ ẩm: Độ ẩm trung bình các tháng trong năm chênh lệch khơng lớn, tháng có
độ ẩm cao nhất và tháng có độ ẩm thấp nhất chênh nhau 12%. Độ ẩm trung bình tối đa là 92%, độ ẩm trung bình tối thiểu là 80%. Độ ẩm trung bình tháng dưới 85% chỉ chiếm 35%.
Nhìn chung khí hậu vùng Đồng bằng sơng Hồng thuộc miền khí hậu nhiệt đới gió mùa, nóng, ẩm, mưa nhiều và được phân hoá theo mùa. Sự chênh lệch nhiệt độ giữa các mùa và các tháng trong mùa tương đối lớn. Lượng bức xạ và tổng số giờ nắng trong năm tương đối cao. Mưa phân bố theo mùa, lượng mưa tập trung vào mùa hạ, độ ẩm khơng khí trung bình rất cao, đây là điều kiện thuận lợi cho cây trồng, vật nuôi sinh trưởng, phát triển quanh năm. Tuy nhiên sự thay đổi thất thường trong chế độ mưa, gió gây trở ngại cho sản xuất và đời sống con người, đây cũng là nét đặc trưng nổi bật của khí hậu vùng Đồng bằng sơng Hồng.
Tài nguyên đất của vùng khá đa dạng, đặc biệt là đất phù sa sông Hồng. Đồng bằng sơng Hồng là nơi có nhiều khả năng để sản xuất lương thực, thực phẩm. Trên thực tế, đây là vựa lúa lớn thứ hai của cả nước, sau Ðồng bằng sông Cửu Long. Số đất đai sử dụng cho nông nghiệp là trên 70 vạn ha, chiếm 56% tổng diện tích tự nhiên của vùng, trong đó 70% đất có độ phì từ trung bình trở lên. Ngồi số đất đai phục vụ nơng nghiệp và các mục đích khác, số diện tích đất chưa được sử dụng vẫn cịn hơn 2 vạn ha. Nhìn chung, đất đai của Ðồng bằng sơng Hồng khá màu mỡ do được phù sa của hệ thống sông Hồng và sơng Thái Bình bồi đắp. Tuy vậy, độ phì nhiêu của các loại đất không giống nhau ở khắp mọi nơi. Đất không được bồi đắp hàng năm vẫn màu mỡ hơn đất được bồi đắp. Đất thuộc vùng châu thổ sơng Hồng phì nhiêu hơn đất thuộc vùng châu thổ sơng Thái Bình. Có giá trị nhất đối với việc phát triển cây lương thực ở Ðồng
bằng sơng Hồng là diện tích đất khơng được phù sa bồi đắp hàng năm (đất trong đê). Loại đất này chiếm phần lớn diện tích châu thổ, đã bị biến đổi nhiều do trồng lúa.
Ngoài ra, vùng cịn có bờ biển dài, có ngư trường Hải Phịng - Quảng Ninh,