Chương 2. MỤC TIÊU, NỘI DUNG, PHƯƠNG PHÁP NGHIÊN CỨU
2.4. PHƯƠNG PHÁP NGHIÊN CỨU
2.4.2. Phương pháp xử lý số liệu
- Các dữ liệu về thời tiết, khí hậu đƣợc xử lý thống kê trên phần mềm Excel;
phầm mềm R;
- Chỉ số hạn hán SPI (Standardized Precipitation Index) do McKee và cộng sự đề xuất năm 1993 và chỉ số hạn hán RDIstd (Reconnaissance Drought Index Standardized) đƣợc áp dụng để đánh giá hạn hán vùng nghiên cứu. Cụ thể:
+ Chỉ số SPI đƣợc tính bằng công thức: SPI = ̅ (2.1) Với R là lƣợng mƣa thực tế; ̅ là lƣợng mƣa trung bình nhiều năm (thời đoạn tính); σ là độ lệch tiêu chuẩn. Chỉ số SPI đƣợc tính toán dựa trên xác suất của lƣợng mƣa quan trắc cho các khoảng thời gian khác nhau nhƣ 1 tháng, 3 tháng, 6 tháng, 12 tháng... Chỉ số SPI đang đƣợc sử dụng rộng rãi trong nghiên cứu trên thế giới. Tác động chính của hạn hán đối với nông nghiệp thường là làm giảm độ ẩm trong đất và làm bốc hơi nước gia tăng, nước trong đất nhanh chóng cạn kiệt trong thời kỳ hạn hán kộo dài. Độ ẩm đất, nước trong đất bị ảnh hưởng nhiều và rừ rệt khi khụ hạn kộo dài trong khoảng thời gian 3 tháng [48]. Do đó, chỉ số SPI thời đoạn 3 tháng đƣợc sử dụng trong nghiên cứu này.
+ RDIstd là chỉ số được phát triển để tiếp cận đến sự thiếu hụt nguồn nước một cách hiệu quả hơn, RDIstd biểu thị sự cân bằng giữa đầu vào và đầu ra của hệ thống nước [54], [55]. RDIstd được xác định dựa vào cả lượng mưa tích lũy (P) và lượng bốc hơi tiềm năng (PET). PET có thể được tính theo phương pháp của Hargreaves (Hargreaves and Samani 1985), hoặc Thornthwaite (1948) và phương pháp Blaney – Criddle (Doorenbos & Pruitt 1977) dựa vào nhiệt độ lớn nhất, nhỏ nhất, nhiệt độ trung bình hàng tháng [53]. Phương pháp tính toán PET dường như không ảnh hưởng đến kết quả của RDIstd trong bất kỳ cách nào [57].
̅̅̅̅
̂ (2.2)
Trong đó: , ̅̅̅̅ là giá trị trung bình số học của y, và ̂ là độ lệch tiêu chuẩn của y. Với ∑
∑ ; lần lƣợt là lƣợng mƣa và lƣợng bốc hơi tháng thứ j của năm thứ i.
Bảng 2.1. Phân ngưỡng mức độ hạn hán dựa vào chỉ số SPI và RDI Phân ngƣỡng hạn theo chỉ số SPI, RDI Giá trị của SPI, RDI
Cực kỳ ẩm ƣớt 2 - 3
Rất ẩm ƣớt 1,5 – 1,99
Tương đối ẩm ướt 1,0 – 1,49
Gần chuẩn -0,99 – 0,99
Tương đối khô -1,0 đến – 1,49
Khô nặng -1,5 đến – 1,99
Cực kỳ khô -2 đến -3
- Phần mềm DrinC 1.5.73, SPI 6 đƣợc sử dụng để tính toán các chỉ số trên.
DrinC cung cấp các công cụ để tính toán các chỉ số hạn hán khác nhau nhƣ SPI, RDI, DI và SDI. Bên cạnh đó, DrinC còn cung cấp công cụ tính toán giá trị PET dựa vào các yếu tố nhiệt độ theo phương pháp Hargreaves (Hargreaves and Samani 1985), Thornthwaite (1948) và Blaney-Criddle (Doorenbos & Pruitt 1977). Phần mềm DrinC với mã nguồn mở, giao diện đơn giản với người sử dụng có thể download tại http://www.ewra.net/drinc/.
Hình 2.5. Giao diện chính của phần mềm DRINC
Phần mềm SPI 6 là một phần mềm nhỏ, không cần cài đặt, có thể lấy đƣợc ở http://drought.unl.edu/MonitoringTools/DownloadableSPIProgram.aspx. Với giao diện đơn giản có thể giúp cho người sử dụng dễ dàng tính toán chỉ số SPI theo từng thời đoạn khác nhau.
Hình 2.6. Giao diện chính của phần mềm SPI
Hình 2.7. Định dạng dữ liệu đầu vào (Input) của phần mềm SPI
Hình 2.8. Quy trình tính chỉ số SPI Hình 2.9. Quy trình tính chỉ số RDI với phần mềm DrinC
- Hệ số tương quan Pearson được sử dụng để xác định mức độ tương quan giữa chỉ số hạn hán với năng suất lúa các vụ ở vùng nghiên cứu.
Hệ số tương quan Pearson được tính: r = ∑ ̅ ̅
√∑ ̅ ∑ ̅
(2.3) Trong đó, x là giá trị của chỉ số hạn hán, y là giá trị của năng suất lúa. Nếu giá trị của r là dương (r >0), thì hai biến x và y cùng biến thiên theo một hướng; nếu giá trị của r là âm (r <0), thì x và y liên hệ đảo ngƣợc, tức là khi x tăng thì y giảm, và ngƣợc lại. Nếu r =1 hay r = -1, mối liên hệ của x và y đƣợc xác định; có nghĩa là cho bất cứ giá trị nào của x, chúng ta co thể xác định đƣợc giá trị của y. Nếu r = 0, hai biến x và y hoàn toàn độc lập, không có liên hệ với nhau. Giá trị r đƣợc phân loại nhƣ sau: 0,01
≤ r < 0,1 mối tương quan rất thấp (không đáng kể), 0,2 ≤ r ≤ 0,3 mối tương quan thấp, 0,4 ≤ r ≤ 0,5 mối tương quan trung bình, 0,6 ≤ r ≤ 0,7 mối tương quan chặt và mối tương quan rất chặt nếu r +0,8 hoặc r ≤ -0,8 [19].
- Phần mềm R, kết hợp với Excel, SPSS để xác định hệ số tương quan Pearson, phân tích xử lý dữ liệu mƣa, nhiệt độ, số liệu về sản xuất nông nghiệp và vẽ các dạng biểu đồ khác nhau thể hiện kết quả nghiên cứu.
Bên cạnh những dạng biểu đồ dạng cột (thanh), đường... thì biểu đồ Boxplot do nhà hóa học, thống kê học John Tukey đề xuất cũng đƣợc sử dụng trong nghiên cứu này để thể hiện các chuỗi số liệu. Boxplot là dạng biểu đồ rất chuẩn trong việc thể hiện
sự phân bố của dữ liệu dựa vào 5 giá trị chính, đó là giá trị nhỏ nhất (minimum), tứ phân vị thứ nhất (hay còn gọi là bách phân vị 25%) giá trị trung vị (median), tứ phân vị thứ ba (hay còn gọi là bách phân vị 75%), và giá trị lớn nhất (maximum) [19, 41].
Bên cạnh đó, những giá trị ngoại vi (outliers) – những giá trị hiếm (thất thường) cũng đƣợc thể hiện ở trên boxplot (Hình 2.10).
Hình 2.10. Minh họa biểu đồ Boxplot
- Thuật toán Percentiles (còn gọi là Centile) đƣợc áp dụng để mô phỏng sơ bộ lƣợng mƣa dựa vào kịch bản biến đổi khí hậu của tỉnh Thừa Thiên Huế để mô phỏng rủi ro hạn hán trong tương lai. Percentile là một phương pháp thường được sử dụng trong thống kê để chỉ một giá trị dưới một tỷ lệ phần trăm nhất định của các giá trị quan sát đƣợc [52].
Percentile =
x 100. Trong đó, B là số giá trị dưới ngưỡng của giá trị cần tính; E là số giá trị bằng ngƣỡng của một giá trị cần tính, n là tổng số giá trị quan sát. Đã có nhiều nghiên cứu trên thế giới sử dụng thuật toán này để tính toán các yếu tố khí hậu nhƣ lƣợng mƣa, nhiệt độ. Ví dụ nhƣ trong nghiên cứu “The Use of Social Surveys to Measure Drought and the Impact of Drought” của Boyd Hunter et al, 2013 [45]. Hay trong nghiên cứu “Monthly and daily precipitation trends in the Mediterranean (1950–2000)” của C. Norrant và A. Douguédroit, 2006 [36].
- Phương pháp bản đồ: Nghiên cứu sử dụng các phần mềm ArcGis 10.1, MapInfo 11.0, MircoStation để xử lý, phân tích và trình bày kết quả bản đồ. Hệ tọa độ sử dụng trong nghiên cứu là UTM, elipsoid WGS 84, múi 48 Bắc.
- Phương pháp nội suy phân tích không gian: Đề tài ứng dụng các thuật toán nội suy trong công nghệ GIS để nghiên cứu sự phân bố của hạn hán.
Có nhiều phương pháp nội suy phân tích không gian được tích hợp trong các phần mềm GIS nhƣ IDW (Inverse Distance Weighted), Kriging... để phục vụ cho những mục đích phân tích khác nhau. Theo Hossein và cộng sự, 2013 và Mozafari, 2011, IDW là phương pháp tối ưu nhất trong nội suy phân tích không gian đối với các
chỉ số khô hạn như SPI, DI, MCZI. Trong khi đó, Kriging là phương pháp phù hợp hơn khi phân tích nội suy không gian đối với các chỉ số khô hạn khác nhƣ EDI [44, 49]. Do đó, trong nghiên cứu này, tác giả sử dụng phương pháp nội suy IDW để phân tích sự phân bố về mặt không gian của chỉ số hạn SPI trên địa bàn tỉnh Thừa Thiên Huế.
Hình 2.11. Mối quan hệ giữ sự ảnh hưởng và khoảng cách trong phương pháp nội suy IDW.
Nguồn: [25]
Phương pháp IDW xác định các giá trị nội suy bằng cách tính trung bình các giá trị của các điểm mẫu trong vùng lân cận. Điểm càng gần điểm trung tâm thì càng có ảnh hưởng nhiều hơn [25]. Công thức nội suy:
̂ ∑
∑ (2.4)
Trong đó dij là khoảng cách không gian giữa 2 điểm thứ i và thứ j, số mũ p càng cao thì mức độ ảnh hưởng của các điểm ở xa càng thấp và một số xem như không đáng kể, thông thường p = 2.
Chương 3. KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN