Trong chương này, đề tài sử dụng kênh chỉ số thực vật NDVI trong ảnh các chỉ số thực vật tổ hợp 16 ngày (Vegetation Indices 16-Day L3 Global 250m – ký hiệu loại sản phẩm là MOD13Q1) vì những ưu thế sau đây: Ưu thế thứ nhất là trong ảnh MOD13Q1 đã có 1 kênh chỉ số NDVI độ phân giải 250m, trong quy trình tính toán của MODIS Land Science Team, các bước hiệu chỉnh sai số kiểm
định chất lượng đã được thực hiện; Ưu thế thứ hai là ảnh MOD13Q1 được tổ
hợp từ 16 ngày nên yếu tố mây hầu nhưđã được loại bỏ hoàn toàn; Ưu thế thứ
ba là chỉ số NDVI tổ hợp 16 ngày là một chỉ số viễn thám rất phổ biến có quan hệ chặt chẽ với chỉ số diện tích lá LAI, mà chỉ số LAI là một nhân tố rất quan trọng trong các mô hình đánh giá năng suất cây trồng (Xiao et al, 2002c; Doraiswamy et al., 2005).
Do đó, đề tài đã sử dụng chuỗi dữ liệu NDVI tổ hợp 16 ngày từ năm 2000
đến năm 2009 trong khoảng thời gian vụ mùa, bao gồm 16 ảnh tổ hợp 16 ngày cho từng năm từ ngày 16 Julian day (16/I) đến ngày 273 Julian day (14/X) trong mỗi năm. Tổng cộng trong khoảng thời gian 2000-2009 là 160 ảnh tổ hợp được
đưa vào quá trình nghiên cứu.
Bảng 5.2. Các kênh ảnh trong dữ liệu MODIS tổ hợp 16 ngày MOD13Q1
Kênh Khoảng phổ
Phân giải không
gian
Các đối tượng ứng dụng điển hình
Red 0,620-0,670 250 m Các loại mây và các loại đối tượng bao phủ bề mặt Trái đất
NIR 0,841-0,876 250 m Các loại mây và các loại đối tượng bao phủ bề mặt Trái đất
Blue 0,459-0,479 250 m Các loại mây và các loại đối tượng bao phủ bề mặt Trái đất
MIR 2,105-2,155 250 m Các loại mây và các loại đối tượng bao phủ bề mặt Trái đất
NDVI - 250 m Sự sinh trưởng, biến động của thảm phủ thực vật
EVI - 250 m Sự sinh trưởng, biến động của thảm phủ thực vật
Dữ liệu NDVI tổ hợp 16 ngày ban đầu này sẽ được tính toán từ dạng ảnh thành một giá trị NDVI trung bình đại diện cho trạng thái lúa trong từng thời kỳ
sinh trưởng và phát triển của lúa. Quá trình tính toán này có sự kết hợp của bản
đồ vùng trồng lúa kết quả chương 3. Cùng với các chỉ tiêu khí tượng nông nghiệp, giá trị NDVI trung bình này thông qua việc tính toán thành phần hấp thụ
bức xạ quang hợp APAR là một đầu vào trong mô hình dự báo năng suất.
Xử lý dữ liệu NDVI tổ hợp 16 ngày thành giá trị NDVI thể hiện trạng thái lúa
Hình 5.2. Mô tả qúa trình xử lý dữ liệu viễn thám NDVI
Sau quá trình tiền xử lý ảnh (chuyển đổi hệ toạ độ về hệ UTM múi 48N – WGS84, VN200 và cắt ảnh theo vùng Đồng bằng sông Hồng), các ảnh NDVI tổ
hợp 16 ngày, sau đó tính chỉ số NDVI trung bình cho từng tỉnh .
Để tương ứng với các số liệu đầu vào khí tượng, dữ liệu NDVI cũng phải chuyển từ dữ liệu dạng ảnh (raster) sang một giá trị duy nhất bằng phép lấy trung bình (hình 5.2). Ta chỉ quan tâm đến trạng thái của lúa trong từng thời kì
được phản ánh qua chỉ số NDVI của vùng lúa, do đó cần phải tách NDVI của vùng lúa ra khỏi những lớp phủ bề mặt khác trên ảnh NDVI. Điều này được thực hiện thông qua diện tích vùng trồng lúa được phân tích từ chương 3.
Trên hình 5.2 là ví dụ mô tả quá trình xử lý dữ liệu NDVI cho 1 năm. Tương tự như vậy, quá trình xử lý dữ liệu NDVI được thực hiện cho toàn bộ
chuỗi số liệu từ năm 2000 đến 2009 (10 năm), ta sẽ thu được những bảng số liệu
đầu vào phục vụ cho quá trình hồi quy từng bước. Tất cả các thao tác, kỹ thuật xử lý viễn thám được thực hiện trên phần mềm ENVI 4.5.
- Tính NDVI trung bình cho từng tỉnh
5.1.3. Quy trình các bước xây dựng mô hình dự báo năng suất
Từ cơ sở lý luận, mục tiêu xây dựng mô hình dự báo năng suất lúa dựa trên dữ liệu viễn thám và số liệu khí tượng được cụ thể hoá bằng các bước tiến hành
ở quy trình dưới đây (hình 5.3). Quy trình này được áp dụng chung cho các tỉnh nhưng do mỗi tỉnh đều có quy luật thời tiết khí hậu và năng suất lúa khác nhau nên mỗi tỉnh có phương trình hồi quy khác nhau.
Hình 5.3. Quy trình dự báo năng suất và ước lượng sản lượng lúa 5.2. Kết quả và đánh giá kết quả
5.2.1. Kết quả
Như đã đề cập ở phần phương pháp luận, khi áp dụng mô hình thống kê thời tiết – cây trồng, để xây dựng được các phương trình dự báo trước tiên cần phải tìm được thành phần năng suất xu thế và thành phần năng suất ngẫu nhiên. Năng suất trung bình tỉnh (Y) (2000 – 2008) Tính năng suất xu thế (Yt) Tính năng suất ngẫu nhiên: Yr = Y - Yt Số liệu khí tượng (2000 – 2009), số giờ chiếu sáng theo thiên văn Chuyển đổi dữ liệu ngày sang dữ liệu tuần (16 ngày) Số liệu viễn thám NDVI tổ hợp 16 ngày (2000 – 2009) Tính NDVI trung bình, số lượng pixel trồng lúa cho từng tỉnh Tính bức xạ quang hợp (PAR) Tính chỉ số APAR Lọc các biến bằng phương pháp hồi quy từng bước Năng suất xu thế dự báo Kiểm tra Yt Xây dựng phương trình thành phần năng suất ngẫu nhiên: Yr = f(thời tiết, APAR) Kiểm tra độ tin cậy của phương trình Phương trình dự báo năng suất lúa cho tỉnh: Y = Yt + Yr
Ước lượng sản lượng lúa cho tỉnh:
Tiếp đến sẽ tính mối tương quan giữa năng suất ngẫu nhiên với các yếu tố thời tiết và và phần bức xạ quang hợp được cây lúa hấp thụ để tạo nên sinh khối. Như vậy việc chọn được các phương trình dự báo tối ưu phụ thuộc rất nhiều vào việc lựa chọn phương pháp tính năng suất xu thế Yt và việc xây dựng các phương trình tương quan giữa năng suất ngẫu nhiên Yr với các chỉ tiêu khí tượng nông nghiệp và phần bức xạđược hấp thụđể tạo sinh khối của vùng trồng lúa.
Với cách tiếp cận trên, thông qua mô hình thống kê thời tiết - cây trồng đã tính thử các dạng xu thế của năng suất và tính mối tương quan giữa các thành phần “năng suất ngẫu nhiên” tương ứng với các đường xu thếđược chọn với các yếu tố khí tượng tuần (16 ngày) của các trạm khí tượng và phần bức xạ quang hợp được cây lúa hấp thụ tạo nên sinh khối để tìm phương án dự báo năng suất.
5.2.1.1. Những yếu tố khí tượng và khả năng hấp thụ bức xạ quang hợp tác động
đến năng suất lúa đông xuân và mùa ởĐồng bằng sông Hồng
Năng suất lúa đông xuân và mùa của các tỉnh ở Đồng bằng sông Hồng phụ
thuộc rất nhiều yếu tố, tuy nhiên ở các giai đoạn sinh trưởng khác nhau và đối với các tỉnh khác nhau thì mức độ ảnh hưởng của các yếu tố này không hoàn toàn giống nhau.
Mức độ tác động của các yếu tố khí tượng theo từng giai đoạn sinh trưởng của cây lúa ở từng vụđược đánh giá thông qua hệ số tương quan giữa năng suất lúa với các yếu tố đã được lựa chọn. Bằng phương pháp hồi quy từng bước thông qua mô hình thời tiết cây trồng đã lọc được các yếu tố khí tượng, giai
đoạn cây lúa hấp thụ bức xạ quang hợp có ảnh hưởng lớn đến năng suất lúa cho từng tỉnh và hệ số tương quan giữa chúng cho thấy:
- Đối với vụ đông xuân: ở các tỉnh Đồng bằng sông Hồng, năng suất lúa
đông xuân phụ thuộc rất nhiều vào nhiệt độ không khí tối thấp và lượng mưa. Trong giai đoạn làm đòng và trỗ bông (cuối tháng III đến cuối tháng IV) năng suất lúa tỷ lệ thuận với nhiệt độ không khí tối thấp với hệ số tương quan từ 0,5 - 0,8 và trong giai đoạn trỗ bông, chín thì năng suất lúa tỷ lệ nghịch với lượng mưa (hệ số tương quan -0,43 đến - 0,68). Đối với lượng bức xạ quang hợp được cây lúa hấp thụ để tạo sinh khối (APAR) trong giai đoạn làm đòng đến trỗ bông có quan hệ lớn với năng suất, hệ số tương quan từ 0,5 - 0,76.
- Đối với vụ mùa: Năng suất lúa mùa phụ thuộc chủ yếu vào lượng mưa trong giai đoạn làm đòng, trỗ bông và chín. Năng suất lúa tỷ lệ nghịch với lượng mưa trong giai đoạn lúa chín, hệ số tương quan riêng từ -0,42 đến -0,61. Đối với lượng hấp thụ bức xạ quang hợp để tạo sinh khối lúa trong vụ mùa cũng tương tự như vụ đông xuân, năng suất lúa quan hệ rất lớn với APAR trong giai đoạn làm đòng, trỗ bông (hệ số tương quan 0,48 - 0,72)
Ngoài ra, để thấy được mối liên hệ giữa năng suất đông xuân với APAR trong vụ đông xuân và mùa ở Đồng bằng sông Hồng, từ chuỗi số liệu năng suất trên toàn vùng theo từng năm cụ thể chúng tôi phân ra 3 nhóm năng suất: nhóm có năng suất trung bình, nhóm có năng suất cao và nhóm có năng suất thấp
(bảng P.5.14, P.5.15, phần phụ lục). Từ đó tính trung bình vùng chỉ số APAR theo từng nhóm năng suất. Kết quả minh họa tính toán trong năm 2009 được thể
hiện trên hình 5.4, 5.5
Từ hình 5.4 nhận thấy trong giai đoạn đầu vụ chỉ số APAR chưa thể hiện
được ảnh hưởng của nó đối với năng suất, nhưng ở giai đoạn cuối làm đòng, trỗ
bông chỉ số này được thể hiện rất rõ rệt. Những tỉnh có năng suất cao chỉ số này cao hơn hẳn so với những tỉnh đạt năng suất thấp.
Hình 5.4. Diễn biến chỉ số APAR trong vụ Đông xuân và Mùa năm 2009 vùng Đồng bằng sông Hồng Ngày 0 20 40 60 80 33 49 65 81 97 113 129 145
Diễn biến chỉ số APAR vụ đông xuân năm 2009 theo các mức năng suất lúa khác nhau APAR Nhóm có năng suất trung bình Nhóm có năng suất cao Nhóm có năng suất thấp Ngày 25 35 45 55 65 75 161 177 193 209 225 241 257 273 289
Diễn biến chỉ số APAR vụ Mùa năm 2009 theo các mức năng suất lúa khác nhau
APAR
Nhóm có năng suất trung bình Nhóm có năng suất cao Nhóm có năng suất thấp
Hình 5.5. Sơ đồ quan hệ giữa chỉ số APAR và năng suất lúa vụ Đông Xuân tỉnh Vĩnh Phúc
Trên hình 5.5, trong vụ đông xuân lấy tỉnh Vĩnh Phúc làm ví dụ minh hoạ
cho thấy: trong năm 2007 năng suất lúa đạt 42,3 tạ/ha (năm mất mùa) thì chỉ số APAR trong giai đoạn làm đòng, trỗ bông chỉ đạt 60,5 và trong năm 2006, 2008 (2 năm được mùa) năng suất đạt 54,1 và 55,4 tạ/ha thì chỉ số APAR trong giai
đoạn làm đòng, trỗ bông rất cao (80,1 và 80,7). Cũng tương tự trong vụ mùa (hình 5.6), tại tỉnh Nam Định năm 2005 năng suất vụ mùa chỉ đạt 29,4 tạ/ha thì chỉ số APAR trong giai đoạn làm đòng đến chắc xanh chỉ đạt 74,8 trong khi đó cũng ở giai đoạn này của 2 năm được mùa 2004, 2006 (năng suất lần lượt: 53,1 và 52,3 tạ/ha) chỉ số APAR đạt 87,8 và 88,5 tạ/ha
Diễn biến năng suất lúa theo các năm vụĐông Xuân tại Vĩnh Phúc
25 35 45 55 65 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 Năm Tạ/ha Ngày 0 20 40 60 80 100 33 49 65 81 97 113 129 145
Diễn biến chỉ số APAR vụ đông xuân năm 2006, 2007, 2008 tại Vĩnh Phúc APAR
Hình 5.6. Sơ đồ quan hệ giữa chỉ số APAR và năng suất lúa vụ Đông Xuân tỉnh Nam Định
5.2.1.2. Xây dựng phương trình dự báo năng suất lúa đông xuân và mùa ởĐồng bằng sông Hồng
Với phương pháp đã trình bày ở mục 5.1 đã tiến hành xây dựng các phương trình dự báo năng suất lúa đông xuân và mùa ở các tỉnh Đồng bằng sông Hồng. Kết quảđược thể hiện trên bảng 5.3, 5.4
Diễn biến năng lúa suất theo các năm vụ Mùa tại Nam Định
25 35 45 55 65 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 Năm Tạ/ha Ngày 20 40 60 80 100 161 177 193 209 225 241 257 273 289
Diễn biến chỉ số APAR vụ m ùa năm 2004, 2005, 2006 tại Nam Định APAR
Bảng 5.3. Phương trình dự báo năng suất lúa đông xuân Tỉnh Trạm lấy số liệu Phương trình dự báo Hệ số tương quan Vĩnh Phúc Vĩnh Yên Y = Yxt - 47,64 + 1,96*T8 - 0,005*R9 + 0,02*APAR8 0,82 Bắc Ninh Bắc Giang Y = Yxt - 9,754 + 0,442*T8 - 0,015*R8 + 0,02*APAR7 0,87 Hà Nội Hà Đông Y = Yxt - 17,6 + 0,981*T6 + 0,003*APAR8 0,81 Hải Phòng Phủ Liễn Y = Yxt - 14,64 + 0,644*T7 - 0,024*R7 + 0,026*APAR7 0,76 Hải Dương Hải Dương Y = Yxt - 10,18 + 0,44*T8 - 0,02*R8 + 0,022*APAR6 0,85 Hưng Yên Hưng Yên Y = Yxt - 10,97 + 0,443*T8 - 0,014*R8 + 0,015*APAR8 0,91 Thái Bình Thái Bình Y = Yxt - 14,27 + 0,56*T8 - 0,021*R7 + 0,03*APAR7 0,81 Nam Định Nam Định Y = Yxt - 17,55 + 0,612*T8 - 0,013*R4 + 0,029*APAR7 0,75 Hà Nam Phủ Lý Y = Yxt - 3,45 + 0,116*T9 - 0,017*R4 + 0,01*APAR6 0,88 Ninh Bình Ninh Bình Y = Yxt - 2,29 + 0,045*T8 + 0,013*R10 + 0,002*APAR7 0,83
Bảng 5.4. Phương trình dự báo năng suất lúa vụ mùa
Tỉnh Trạm lấy số liệu Phương trình dự báo Hệ số tương quan Vĩnh Phúc Vĩnh Yên Y = Yxt -1,516 + 0,009*R6 + 0,11*APAR5 0,79 Bắc Ninh Bắc Giang Y = Yxt - 1,124 - 0,004*R4 + 0,029*APAR7 0,77 Hà Nội Hà Đông Y = Yxt - 3,114 + 0,001*R5 + 0,044*APAR5 0,84 Hải Phòng Phủ Liễn Y = Yxt - 3,7 - 0,01*R9 + 0,04*APAR6 0,82 Hải Dương Hải Dương Y = Yxt - 2,348 - 0,002*R9 + 0,031*APAR6 0,74 Hưng Yên Hưng Yên Y = Yxt - 1,582 + 0,001*R8 + 0,021*APAR6 0,86 Thái Bình Thái Bình Y = Yxt -11,91 - 0,01*R9 + 0,17*APAR5 0,82 Nam Định Nam Định Y = Yxt - 5,33 - 0,02*R9 + 0,09*APAR5 0,76 Hà Nam Phủ Lý Y = Yxt - 1,21 - 0,006*R9 + 0,02*APAR5 0,88 Ninh Bình Ninh Bình Y = Yxt - 4,58 - 0,02*R9 + 0,09*APAR5 0,77
Trong đó : Y - Năng suất dự báo Yxt - Năng suất xu thế
R - Tổng lượng mưa tuần
APAR - Lượng bức xạ quang hợp được cây lúa hấp thụđể tạo sinh khối
Các chỉ sốđi kèm các nhân tố dự báo là số thứ tự tuần, (PL bảng P.5.12, P.5.13) Ví dụ: T6 - nhiệt độ không khí tối thấp trung bình tuần thứ 6 (22/III – 6/IV).
Bảng 5.5. Khoảng hoạt động của các yếu tố trong dự báo năng suất vụ đông xuân
STT Tỉnh Trạm lấy số liệu Khoảng hoạt động của phương trình 1 Vĩnh Phúc Vĩnh Yên T8:21,7 - 25,1; R9 :29,9 - 141,2 ; APAR8 :32,7 – 82,2 2 Thái Bình Thái Bình T8:21,2 - 24,6; R7 :4,3 – 50,9 ; APAR7 : 37,1 – 78,9 3 Ninh Bình Ninh Bình T8: 21,7- 24,5; R10: 32,4– 180,0; APAR7 : 44,5– 69,5 4 Hải Phòng Phủ Liễn T7: 19,9- 23,0; R7: 1,4– 51,0; APAR7 : 44,6– 68,0 5 Nam Định Nam Định T8: 21,8- 25,2; R4: 0,9– 61,9; APAR7 : 45,4– 94,4 6 Hưng Yên Hưng Yên T8: 21,4- 24,7; R8: 14,6– 104,2; APAR8 : 48,5– 94,2 7 Hà Nam Phủ Lý T9: 22,7- 26,1; R4: 2,2– 58,8; APAR6 : 16,2– 65,4 8 Hải Dương Hải Dương T8: 21,1- 24,6; R8: 39,6– 109,1; APAR6 : 16,7– 63,2 9 Hà Nội Hà Đông T6: 16,2- 19,4; APAR8 : 49,0– 83,3
10 Bắc Ninh Bắc Giang T8: 21,3- 24,7; R8: 13,1– 102,9; APAR7 : 34,7– 65,1
Bảng 5.6 Khoảng hoạt động của các yếu tố trong dự báo năng suất vụ mùa
STT Tỉnh Trạm lấy số liệu Khoảng hoạt động của phương trình 1 Vĩnh Phúc Vĩnh Yên R6 : 2,6- 278,1; APAR5: 35,5– 80,2 2 Thái Bình Thái Bình R9 : 0,1– 350,4; APAR5 : 57,1– 99,9 3 Ninh Bình Ninh Bình R9: 0,0– 180,6; APAR5 : 45,7– 88,3 4 Hải Phòng Phủ Liễn R9: 0,0– 244,8; APAR6 : 64,7– 94,7 5 Nam Định Nam Định R9: 0,0– 210,4; APAR5 : 48,9 - 94,3 6 Hưng Yên Hưng Yên R8: 0,0– 246,9; APAR6 : 54,0– 95,3 7 Hà Nam Phủ Lý R9: 0,0– 199,0; APAR5 : 45,8 - 95,1