Luận văn thạc sĩ Quản lý tài nguyên và môi trường: Thử nghiệm các mức năng lượng trao đổi trong khẩu phần theo giai đoạn tuổi và giới tính để nuôi gà thịt lông màu phục vụ các nhu cầu khác nhau của thị trương

TÓM TẮTĐề tài nghiên cứu “Phân tích xu thế và dự báo diễn biến xâm nhập mặn tạiThành phố Hồ Chí Minh trong bối cảnh biến đổi khí hậu” được tiến hành tại Thanhphố Hồ Chí Minh, thời gian t

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƯỜNG ĐẠI HỌC NÔNG LÂM TP HÒ CHÍ MINH

NGUYÊN KIM NGÂN

PHAN TÍCH XU THE VA DU BAO DIEN BIEN XÂM NHAP

MAN TẠI THÀNH PHO HO CHÍ MINH TRONG

BOI CANH BIEN DOI KHÍ HẬU

DE AN THAC Si QUAN LY TAI NGUYEN VA MOI TRUONG

Thành phố Hồ Chí Minh, tháng 03/2025

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƯỜNG ĐẠI HỌC NÔNG LÂM TP HÒ CHÍ MINH

NGUYEN KIM NGÂN

PHAN TICH XU THE VA DU BAO DIEN BIEN XAM NHAP

MAN TẠI THÀNH PHO HO CHÍ MINH TRONG

BOI CANH BIEN DOI KHÍ HẬU

Chuyên ngành: Quản Ly Tai Nguyên và Môi Trường

PHAN TÍCH XU THE VÀ DU BAO DIEN BIEN XÂM NHẬP

MAN TAI THÀNH PHO HO CHÍ MINH TRONG

BOI CANH BIEN DOI KHÍ HẬU

NGUYEN KIM NGAN

Hội đồng chấm đề án:

1 Chủ tịch: PGS.TS NGUYEN TRI QUANG HUNG

Trường Đại Học Nông Lâm TP Hồ Chí Minh2.Thưký: = TS ĐỖ XUÂN HONG

Trường Đại Học Nông Lâm TP Hồ Chí Minh

3 Uy viên: TS TRAN THONG NHẤT

Trường Đại Học Tài Nguyên và Môi Trường

LỜI CAM ĐOAN

Tôi cam đoan đây là công trình nghiên cứu của tôi.

Các sô liệu, kêt quả nêu trong luận văn là trung thực và chưa từng được a1công bố trong bat kỳ công trình nao khác

(Ký và ghi rõ học và tên học viên)

LỜI CẢM ƠN

Tôi xin chân thành cảm tạ:

- Ban Giám hiệu Trường Đại học Nông Lâm Thành phó Hồ Chí Minh

- Phòng Sau Đại học Trường Đại học Nông Lâm Thành phó Hồ Chí Minh

Ban Chủ nhiệm và Quý Thầy Cô trong Khoa Môi trường và Tài nguyên Trường Đại học Nông Lâm Thành phố Hồ Chí Minh

-Đã tạo điều kiện và giúp đỡ tôi trong suốt quá trình học tập và nghiên cứu hoảnthành Luận văn tốt nghiệp

Xin chân thành biết ơn GS.TS Nguyễn Kim Lợi, Giảng viên Khoa Môi trường

và Tài nguyên — Đại học Nông Lâm Thành phố Hồ Chí Minh, Giám đốc Trung tâmNghiên cứu biến đổi khí hậu (RCCC) — Đại học Nông Lâm Thành phố Hồ Chí Minh,

là hướng dẫn khoa học đã tận tình hướng dẫn và giúp đỡ tôi hoàn thành Luận văn tốtnghiệp này.

Chân thành cảm ơn Th.S Phan Thị Hà, Nghiên cứu viên — Trung tâm Nghiêncứu biến đổi khí hậu (RCCC) - Đại học Nông Lâm Thành phố Hồ Chi Minh đã tậntình hướng dẫn và hỗ trợ tôi trong suốt thời gian thực hiện Luận văn tốt nghiệp này

Cảm ơn các bạn trong lớp Cao học khoá 23 đã giúp đỡ tôi trong suốt quá trìnhhọc tập và nghiên cứu.

Xin chân thành cam on!

TÓM TẮT

Đề tài nghiên cứu “Phân tích xu thế và dự báo diễn biến xâm nhập mặn tạiThành phố Hồ Chí Minh trong bối cảnh biến đổi khí hậu” được tiến hành tại Thanhphố Hồ Chí Minh, thời gian thực hiện từ tháng 3/2024 đến tháng 9/2024 Mục tiêucủa nghiên cứu là nhận dạng xu thế thay đổi trong quá khir của yêu tố độ mặn bao

gồm độ mặn năm và mùa Bên cạnh do, dé tài còn tiến hành dự báo diễn biến xâm

nhập mặn tại Thanh phố Hồ Chí Minh giai đoạn từ năm 2022 đến 2026 Phương phápđược sử dụng gồm phương pháp chỉ số thống kê mô tả cơ bản, phương pháp đồ thịthống kê, mô hình hỗn hop Gaussian (GMM) và tiêu chí thông tin Bayses (BIC),phương pháp nội suy không gian có trọng số IDW và mô hình học may vector hỗ trợ(Support Vector Regression - SVR).

Kết quả đạt được:

— Độ mặn trung bình nhiều năm tại Thành phố Hồ Chí Minh trong giai đoạn

từ 2007 — 2021 dao động phô biến từ 0,679 — 1,881 g/l, có sự phân bố không đồngnhất giữa các khu vực trong thành phố và khác biệt rõ rệt giữa mùa mưa va mùa khô

~ Độ mặn trung bình năm và mùa ghi nhận xu thé cao ở hầu hết các trạm vàonăm 2010 và năm 2021; trong khi đó, độ mặn trung bình năm và mùa ghi nhận xu thếthấp ở hầu hết các trạm vào năm 2007, 2009 và 2014

— Mô hình dự báo hoạt động tốt đối với hầu hết các trạm quan trắc thông quacác chỉ số đánh giá hiệu suất mô hình như NSE và PBIAS đều đạt trên mức đạt yêucâu.

The results were:

— The multi-year average salinity in Ho Chi Minh City during the period from

2007 to 2021 ranged from 0,679 to 1,881 g/l, and the distribution was uneven across different areas of the city, with significant differences between the rainy season and dry season.

— The annual and seasonal average salinity showed an increasing trend in 2010 and 2021; meanwhile, the annual and seasonal average salinity showed a decreasing trend in 2007, 2009, and 2014.

~ The forecasting model performs well, with performance evaluation metrics such as NSE and PBIAS exceeding acceptable levels.

MỤC LỤC

TRANG Trang tựa

MG THẾ ca nngnnng ng Hoö L,8581412NGöĩG u33 4ã303/€ESRồSSNGS8SHSSGSS8341SSSRASSÀAG0iSSXASGSSGAGSSH3RSRSSISQAS4S34E30538808818 Vil

Danh muc Cac bang x 1)31ìht†ne củc THỊ sxe-oxsoosscotsistlggggttiöigi450ggLGRSBI-DRGDBIHSEUEGIGRISDQISBGRgRMSiEtSGiiNgdtEiqe XI

Chương 1 TONG QUAN TÀI LIEU NGHIÊN CỨU 2-5252252: 41.1 Tổng quan khu vực nghiên cứu 2-2 222222+2E22E£2EE+2E2£EE22EzzExzzxzzzxcree 4LVL Vi ca 41.1.2 Điều kiện địa him ccc cceececseseescseceesecsessessesessesvesessessseseeeseeeeseeees 41.1.3 Điều kiện thuỷ van o cccccecccceccessessecsesssesesssssesssssessessessessessessecsessesseseeesessesses 5

1.1.5 Hién trang str dung dat 0 51.2 Tổng quan về biến đổi khí hậu 2-©22222+2E22E£2EE+2E+2EE2E+zEEzzxzzzrzree 61.2.1 Biến đổi khí hậu trên thé giới -2-2+ 2S2E+2E22E22E22E2E22522222222122222222Xe2 61.2.2 Biến đổi khí hậu tại Việt Nam 22 SS12EE 2121212111211 te 81.2.3 Biến đổi khí hậu Thành phố Hồ Chí Minh 2-22 2222££2£E2£ZzZ22222 91.3 Tổng quan các nghiên cứu liên quan đến xâm nhập mặn - 101.3.1 Tổng quan các nghiên cứu liên quan đến biến đổi khí hậu và xâm nhập

Man trên THÊ BHOTccgzxxis611651610G10510301101439356355E91AE14G39555EEHESSĐEEISSLSHEEP4558 80288 10

1.3.2 Tổng quan các nghiên cứu liên quan đến biến đổi khí hậu và xâm nhập

MAN tai [0à 0 RHHẬH 14

Chương 2 NOI DUNG VÀ PHƯƠNG PHÁP NGHIÊN CỨU - 17

2.1 Nội dung và phương pháp nghiên cỨu - 552252 +Sz£+*£+scseesrrsrrerree 17 2.1.1 Đánh giá đặc điểm biến thiên và xu thế thay đổi cho yếu tố độ mặn năm Vô MMU sunsennsesesiiesiatiEiSsg015851695651989905505551549589015500810301036E0359498058072030330035/00/3//205 17 2.1.2 Đánh giá đặc điểm phân bố không gian cho yếu tố độ mặn 17

2.1.3 Dự báo dién biến xâm nhập mặn trên địa bàn Thanh phó Hồ Chí Minh 17

2.2 Phuong phap n6 18

2.3 Thu thập và xử lý số liệu -2 2+22+222E22E22E22E22E222222121222121222222222222 e2 20 2.4 Các chỉ số thống kê mô tả cơ bản 2-22 222222E22E22E222E222222222222222zxe2 21 2.4.1 Trung binh CONG 21

DADs “THOE V1 bsssnisx656555566165495619556655164003035660650068516030.E.5SU8301848980045808315535384002045E234562E5.4B./5888 22 Z5 Ehrơnerilp G0 thí thống KẾ saeeessieeesseesesooiaeooesdioiesosdiskErpudtsirsfgaed z2 2.6 Phương pháp mô hình hỗn hợp GMM và chi số BIC -. - 24

2.6.1 Mô hình hỗn hop Gaussian (GIMMM]) 2 ¿ 22222E2E2E22E22E2222E222 xe 24 2.6.3 Chỉ số thông ttt HesÏail cceceekeerkcedrrrirdrrrroerervrerezeromt 25, 21, THƯỜNG PHA mỗi suy KHÔH HAI ss cccsacssasssccnemonsamansresnmmnosamemnsenmevsuanes 23 2.8 Dự báo xu thế diễn biến xâm 1611197948171 ST nana co 26 2.8.1 Mô hình học máy Support Vector Regression (SVR) 26

2.8.2 Tiêu chí đánh giá mô hình - - +2 25+ S+t+2E£>+E£vEeEreErtrrrrxrrrrrrrrrerrrrs 28 2.8.3 Lựa chọn số liệu đầu vào -2-2 2+s+2S+E2E£EE2E2527122121212112121 22.21 xe.29 Chương 3 KET QUA VÀ THẢO LUẬN -2-©22222222222222E22E222E222222xczkx 30 3,1 ánh ,pĩä đấc điểm u thể đồ THẾ uegncnekg ru 6 0024048002002L1603800/100660212160660ciđ6 30 3.1.1 Đánh giá mức độ biến thiên và dao động cho độ mặn trung bình năm và "bì 30

3.1.2 Đánh giá mức độ biến thiên và dao động cho độ mặn trung bình thang 33

3.1.3 Phân tích xu thế độ mặn trung bình năm và mùa - -. -.-34

3.2 Đặc điểm phân bố không gian độ mặn trung bình năm và mùa 4] 3.3 Dự báo diễn bién xâm nhập Mane eccecccseccecesessesseseeseesesessessesesseeesesseseees 43 3.3.1 Kết quả hiệu chỉnh và kiểm định mô hình SVR -2 2222222522 44

3.3.2 Dự báo xâm nhập mặn i i ua Sa Sct ae caso ccs oc 48KET LUẬN VA KIEN NGHL 0 ccccccccsscssesessessesecsvssesscsesevsseseseveeceesevsecseseessceeseeeeees 55TAI LIEU THAM KHAO W.0 ccccsssssessessecseesvesecsecsvesseseesecsecsessesessseeeseseessesseeseeeees #7

II | ce a a ee ee eee ae a eee 62

DANH MỤC CAC BANG

BANG TRANGBang 2.1 Thông tin số liệu mặn được sử dung trong nghiên cứu - 20Bang 2.2 Tiêu chí đánh giá chất lượng mô phỏng -2-22 ©2225z22222+z>+2 29Bảng 3.1 Bảng gia trị BIC cho dữ liệu độ mặn trung bình năm (g/1) 37 Bang 3.2 Bảng giá trị BIC cho dữ liệu độ mặn trung bình năm (g/1) 39 Bảng 3.3 Bang giá tri BIC cho di liệu độ mặn trung bình năm (g/]) 4IBảng 3.4 Chỉ số đánh giá mô hình 2-2 22222+2E22E2EE22E22E12212222221222222ze 45

DANH MỤC CÁC HÌNHHÌNH TRANGHình 1.1 Ban đồ Thành phó Hồ Chí Minh 22 222222S222++2E2EEzzzzzzzzzez 6Hình 1.2 Những thay đổi được quan sát (1900-2020) và dự kiến (2021-2100)

nhiệt độ về mặt toàn cầu (so với 1850-11900) -2- s+222E+£Ez£Ez£Ezzxzxezes 7Hình 2.1 Sơ đồ khung phương pháp luận nghiên cứu 2-2225: 19Hình 2.2 Vị trí địa lý các trạm quan trắc đo mặn tại Thành phố Hồ Chí Minh .21Hình 3.4 Hiệu Cs re 23Hình 2.4 Biểu đồ hộp trực quan dữ liệu nhiệt độ trung bình 12 tháng 23Hình 2.5 Ví dụ về bài toán tách trong không gian 2 chiu 2-52 26Hình 3.1 Biểu đồ hộp biến thiên độ mặn trung bình năm (g/I) 3 ÍHình 3.2 Biéu đồ hộp biến thiên độ mặn trung bình mùa mưa (g/1) 3⁄2

Hình 3.3 Biến thiên độ mặn trung bình mùa khô (g/1) 2-22 2222+sz2sz52 33

Hình 3.4 Biểu đồ hộp biến thiên độ mặn trung bình tháng (g/1) 34Hình 3.5 Biéu đồ phân cụm độ mặn trung bình năm (g/1) - - -.3ÕHình 3.6 Biéu đồ phân cụm độ mặn trung bình mùa mưa (g/1) 38Hình 3.7 Biéu đồ phân cụm độ mặn trung bình mùa khô (g/1) . - 40Hình 3.8 Bản đồ phân bố không gian độ mặn trung bình nhiều năm và mùa

(B/Ï) 5-22222222222212212211221221121122121121121112112112112112112112121121222112 2 xe 43Hình 3.9 Chuỗi dữ liệu độ mặn tháng nhiều năm (g/1) -. -2 222255z=- 44Hình 3.10 So sánh dữ liệu tính toán và quan trắc giữa các hàm kernel khác

FR freee a ss an acn.c cố ẽ ốc 46Hình 3.11 Biéu đồ hộp biến thiên độ mặn trung bình năm dự đoán 49Hình 3.12 Biéu đồ hộp biến thiên độ mặn trung bình mùa khô dự đoán 50Hình 3.13 Biéu đồ hộp biến thiên độ mặn trung bình mùa mưa dự đoán 51Hình 3.14 Bản đồ phân bố không gian độ mặn trung bình năm và mùa dự báo

(g/l) thông qua hạt nhân Radial - - - - 22 5-2222 *+22£22E+2E£+2E+zEEsresrkrrrecek 32

Hình 3.15 Bản đồ phân bố không gian độ mặn trung bình năm va mùa dự báo

(g/l) thông qua hạt nhân SIgmoId 5 52 2+*++££+*E++EErerrrerrerrerrrrrrk 53Hình 3.16 Biểu đồ cột so sánh giá trị trung bình mùa thực do va dự đoán (g/l) 54

MỞ ĐẦU

Tính cấp thiết

Biên đôi khí hậu là một vân đê toàn câu mang tính đa chiêu và những thay đôi

khí hậu đang ngày càng lan rộng, nhanh chóng, mạnh mẽ và khó lường trong hangnghìn năm tới (Dương Ha Minh, 2021) Trên phạm vi toàn cầu, biến đổi khí hậu cótác động tiêu cực đến hệ thống tự nhiên và hệ sinh thái, ngoài ra còn gây nên nhữngrủi ro không nhỏ cho các lĩnh vực như sản xuất lương thực, hoạt động kinh tế vùngđới bờ, công nghiệp và cư dân, nguồn nước, sức khoẻ (tuy có thể giảm bớt tử vongcho vùng ôn đới nhưng ảnh hưởng của nhiệt độ tăng vẫn phổ biến hơn), (NguyễnVăn Thắng và cộng sự, 2010) Việt Nam được đánh giá là một trong những quốc gia

dé bị ton thương nhất bởi ảnh hưởng của Biến đôi khí hậu, những hình thái thiên tainhư ngập lụt, hạn hán, xâm nhập mặn thường ảnh hưởng trực tiếp tới các hoạt độngsản xuất nông nghiệp, đặc biệt là cộng đồng dân cư khu vực duyên hải ven biển(Nguyễn Thu Hiền, 2020)

Miễn Nam Việt Nam với đặc diém đông dân cư đi kèm với vị trí địa lý va diahình, nên là vùng dé bị tốn thương khi đối mặt với Biến đổi khí hậu (Lê Tuấn Anh,2014) So với các địa phương trong vùng kinh tế trọng điểm phía Nam, Thành phố

Hồ Chí Minh luôn có tỷ trọng GRDP (tổng lượng sản phẩm tính cho khu vực hoặcthành phố) cao nhất vùng và đồng thời là vùng kinh tế phát triển nhất cả nước (NguyễnTiến Dũng và cộng sự, 2022) Tính đến năm 2023, Thành phố Hồ Chí Minh có dân

SỐ cao xấp xỉ 9 triệu dân, là nơi có dan số cao nhất cả nước Trong bối cảnh biến đổikhí hậu ngày càng diễn ra phức tạp, làm các dòng chảy trên sông bị thay đôi, kéo theo

hệ luy đó là xâm nhập mặn Nằm trong vùng lưu vực hệ thống sông Đồng Nai — SaiGòn nên Thành phố Hồ Chí Minh thường xuyên chịu xâm nhập mặn vào mùa khô(Hoàng Thị Tố Nữ và cộng sự, 2020; Nguyễn Văn Đào và cộng sự, 2019)

Xâm nhập mặn đang gây áp lực rất lớn lên tài nguyên nước, vì mọi hoạt độngkinh tế - xã hội của con người đều trực tiếp hoặc gián tiếp sử dụng nước Do tính chấtảnh hưởng đến hầu hết các hoạt động kinh tế - xã hội của xâm nhập mặn nên vấn đề

tính toán và nghiên cứu được đặt ra Trong những năm gần đây, do ảnh hưởng củabiến đổi khí hậu, nước biển dâng, cùng với tác động của hiện tượng El Nino, tìnhtrạng xâm nhập mặn trong mùa khô ngày càng gay gắt trên các sông, kênh, rạch trênđịa ban Thành phố Hồ Chí Minh Theo kịch bản nước biển dâng, biên mặn ngày cànglấn sâu vào nội đồng, mức độ lan truyền mặn có xu hướng tăng dan trong tương lai

về phía thượng nguồn hồ Dau Tiếng sông Sai Gòn, hồ Trị An sông Đồng Nai (Ủyban nhân dân Thành phố Hồ Chi Minh, 2022) Xâm nhập mặn không chỉ là van déliên quan đến quản lý mà còn là vấn đề liên quan đến khoa học, việc dự báo chínhxác xâm nhập mặn sẽ có ý nghĩa rất lớn đối với các nhà hoạch định chính sách(Pengyu Lu và cộng su, 2021) Tuy nhiên công tác dự báo và cảnh báo xâm nhập mặn

vẫn đang đứng trước nhiều thách thức

Vì vậy, nghiên cứu “Phân tích xu thế và dự báo diễn biến xâm nhập mặn tạiThành phố Hồ Chí Minh dưới tác động của Biến đổi khí hau‘ được thực hiện với mục

đích nhăm phân tích diễn biên xu thê xâm nhập mặn hang năm và theo mùa trong giai

đoạn từ 2007 đến 2021, và tiến tới dy báo xâm nhập mặn trên địa bàn Thành phố HồChí Minh giai đoạn từ năm 2022 đến 2026

Mục tiêu nghiên cứu

Mục tiêu tổng quát

Nghiên cứu được thực hiện với mục tiêu tổng quát nhằm phân tích xu thé xâmnhập mặn trong quá khứ và dự báo diễn biên xâm nhập mặn cho tương lai trên địabàn Thành phố Hồ Chí Minh

Đối tượng và phạm vi nghiên cứu

Đối tượng nghiên cứu

Hồ Chí Minh

Chương Í

TONG QUAN TAI LIEU NGHIÊN CUU

1.1 Tổng quan khu vực nghiên cứu

1.1.1 Vị trí địa lý

Thành phố Hồ Chí Minh nam trong toa độ địa lý khoảng 10°10’ — 10°38°vĩ độBắc và 106922) — 106°54' kinh độ Đông, trong đó:

- Phía Bắc giáp tỉnh Bình Duong;

- Tây Bắc giáp tỉnh Tây Ninh;

- Đông và Đông Bắc giáp tinh Đồng Nai;

- Đông Nam giáp tỉnh Bà Rịa — Vũng Tàu;

- Tây và Tây Nam giáp tỉnh Long An và Tiền Giang

1.1.2 Điều kiện địa hình

Thành phó Hỗ Chí Minh có địa hình tương đối thấp và bằng phẳng, độ cao mặtđất có xu hướng giảm dan từ phía Tây Bắc về phía Nam và Dong Nam Khu vực códạng gò triền lượn sóng phân bố lớn ở các huyện: Củ Chi, Hóc Môn, phía Bắc quậnThủ Đức, quận 9 (cũ), phía Bắc huyện Bình Chánh Cao độ từ 4 — 10 m chiếm khoảng19% tông diện tích; vùng có độ cao trên 10 m chiếm 11% tổng diện tích Khu vực địahình dạng thấp phân bố ở nội thành phố, phần đất của huyện Hóc Môn, quận ThủĐức nằm dọc theo sông Sài Gòn và phần phía Nam huyện Bình Chánh Cao độ thayđổi từ 2 — 4 m chiếm khoảng 15% diện tích Khu vực địa hình dạng trũng thấp tạothành một vệt kéo dai từ phía Nam huyện Củ Chi (xã Thao My, Tam Tân vòng vềphía Tây từ Bình Chánh (doc kênh An Hạ, Lê Minh Xuân, Tân Nhật, đến phía Namhuyện Nhà Bè, Cần Giờ và Đông Nam huyện Bình Phước, huyện Bình Chánh) Cao

độ từ 0 - 2 m chiếm khoảng từ 55% điện tích đất (cao độ Quốc gia) (Hoang Thị Tố

Nữ và cộng sự, 2020).

1.1.3 Điều kiện thuỷ văn

Nam ở vùng lưu vực hệ thống sông Đồng Nai — Sài Gòn, với hệ thống sông

ngol chan chit (tổng chiều đài 7.955 km); tổng diện tích mặt nước chiếm 16% Do

trong năm có 2 mùa chính là mùa mưa và mùa khô nên chế độ dong chảy ở hai hệthống sông Sài Gòn và sông Đồng Nai cũng hình thành hai chế độ dòng chảy tươngứng Đồng thời do tác động của biển Đông nên các sông rạch của vùng nội thànhThành phố Hồ Chí Minh chịu ảnh hưởng của chế độ bán nhật triều biển Đông mộtcách mạnh mẽ và quanh năm (Hoàng Thị Tố Nữ và cộng sự, 2020)

1.1.4 Dân số

Thành phố Hồ Chí Minh là nơi tập trung dân cư đông nhất cả nước với

9.227.598 người (khoảng 9,5% dân số cả nước), với mật độ dân số 4.404 người/km?

Trong đó khu vực thành thị chiếm 7.173.153 người (khoảng 77,74% dân số thànhphó) với mật độ dân số 14.520 người/km” và khu vực nông thôn chiếm 2.054.445người (khoảng 22,26% dân số thành phó) với mật độ dân số 1.283 người/km” Thànhphó Hồ Chí Minh có tỷ suất nhập cư là 25,4% (đứng sau Bắc Ninh và Bình Dương)

và tỷ suất xuất cư là 3,59% (Cục thống kê Thành phố Hồ Chí Minh, 2021)

1.1.5 Hiện trạng sử dụng đất

Thành phố Hồ Chi Minh có tổng diện tích đất là 209.540 ha, trong đó dat sảnxuất nông nghiệp 64.200 ha (30,6%); đất lâm nghiệp 35.500 ha (17%), đất nhà ở29.300 ha (14%), đất chuyên dùng 35.000 ha (16,7%) và đất chưa sử dụng 45.540 ha(21.7%) (Cục thống kê Thành phố Hồ Chí Minh, 2021)

Tóm lại, do đặc điểm địa hình khá thấp, hệ thống sông ngòi chang chit và hauhết chịu anh hưởng của dao động bán nhật triều biển Đông, đi kèm với mật độ dân séđông và phải chịu sức ép của phát triển kinh tế nên Thành phó Hồ Chí Minh là khuvực phải gánh chịu tổn thương rất lớn khi xảy ra “Biến đổi khí hậu” và “'Xâm nhập

”

mặn”.

Bình Dương Tây Ninh

1.2.1 Biến đối khí hậu trên thế giới

Biến đổi khí hậu là một trong những thách thức phức tạp va lớn nhất mà thế

giới đang phải đối mặt Trong báo cáo đánh giá lần thứ 4 (AR4) của Ủy ban Liênchính phủ về Biến đổi khí hậu (IPCC) đã chỉ ra rằng hệ thống vật lý và sinh học trêntất cả các châu lục và trong hầu hết các đại đương đều đang bị ảnh hưởng của Biếnđổi khí hậu, đặc biệt là sự gia tăng nhiệt độ ở những khu vực này (CynthiaRosenzweig và cộng sự, 2007) Có rất nhiều bằng chứng cho thấy hoạt động của conngười là nguyên nhân chính dẫn đến hiện tượng Biến đổi khí hậu ngày càng phức tạp(Valentine E.M, 2020).

Theo Ủy ban Liên chính phủ về Biến đổi khí hậu (IPCC) (2023), với nhiệt toàncầu tăng 1,1? C (2° F), những thay đổi đối với hệ thống khí hậu chưa từng có quanhiều thế kỷ đến hàng thiên niên kỷ hiện tại đang xảy ra ở mọi khu vực trên thế giới

như mực nước biên dâng cao đên các sự kiện thời tiệt ngày càng khắc nghiệt hon.

IPPC nhận thấy rằng, có hơn 50% khả năng mức tăng nhiệt độ toàn cầu sẽ đạt hoặc

vượt 1,59 C trong khoảng thời gian từ 2021 đến 2040, ngưỡng này thậm chí có thé

diễn ra sớm hơn từ năm 2018 đến năm 2037 Và thậm chí còn có thể tằng từ 3,30 C

đến 5,7° C vào năm 2100 Sự kiện tăng nhiệt độ kéo theo nhiều hệ luy hiện tượngcực đoan về thời tiết và khí hậu tăng theo khiến hàng triệu người rơi vào tình trạngmat an ninh lương thực và giảm an ninh nguồn nước Với các tác động bat lợi lớnđược quan sát ở nhiều nơi nhất là ở Châu Phi, Châu Á, Trung và Nam Mỹ, LDC,quan đảo nhỏ và Bắc Cực; va cộng đồng người dé bị tôn thương như người dan banđịa, người sản xuất thực phẩm quy mô nhỏ và hộ gia đình có thu nhập thấp Đến năm

2020, tỷ lệ tử vong của con người do lũ lụt, hạn han va bão ở những vùng có mức độtốn thương cao cao gấp 15 lần so với vùng có mức độ ton thương thấp (IPCC, 2023)

Giai đoạn 2011-2020 2020 Tương lai phụ thuộc

0 hon khoảng 1,1°C vao cach giai quyétCATE EF vấn đề hiên tai

Hình 1.2 Những thay đôi được quan sát (1900-2020) và dự kiến

(2021-2100) nhiệt độ về mặt toàn cầu (so với 1850-1900)

(Nguồn: IPCC, 2023)1.2.2 Biến đối khí hậu tại Việt Nam

Việt Nam ngày cảng phải đối mặt sự phát triển của mình bị ảnh hưởng củaBiến đổi khí hậu Sau hơn hai thập kỷ tăng trưởng khá ổn định, chiến lược phát triểnkinh tế xã hội năm 2021 - 2030 đã ghi nhận rang quá trình chuyên đôi kinh tế của đấtnước sẽ phụ thuộc phần lớn vào nguồn vốn tự nhiên như trữ lượng tài nguyên liênquan đến nông nghiệp, lâm nghiệp và khoáng sản giúp thúc day sự phát triển Tuynhiên, với hơn 3.200 km bờ biển và nhiều thành phố nằm trong vùng trũng thấp vàđồng bằng, Việt Nam lại trở thành một quốc gia dé bị tốn thương bởi tác động củabiến đổi khí hậu, chủ yếu là nhiệt độ cao và biến đối khó lường hon cũng như giatăng mực nước bién làm gián đoạn các hoạt động phát triển kinh tế Các tính toán banđầu cho thấy Việt Nam đã mat 10 tỷ USD vào năm 2020, tương đương khoảng 3,2%tổng sản phẩm quốc nội (GDP) và được dự đoán là sẽ tăng lên nhanh chóng nếukhông có biện pháp thích ứng và giảm nhẹ tác động của Biến đổi khí hậu thích hợp(World Bank, 2022).

Dữ liệu nhiệt độ của Việt Nam cho thấy có xu hướng nóng lên ngày càng tăng,với gia tri trung bình khoảng 0,2°C/thap kỷ trong 40 năm qua Trong cùng thời gian,lượng mưa hang năm tăng nhẹ trung bình 5,5% Ngoài ra, mực nước biển đang có xu

hướng dâng cao với trung bình 3,6 mm/năm trong giai đoạn (1993 - 2018) Theo kịch

bản biến đối khí hậu RCP8.5, nhiệt độ được dự báo sẽ tăng 1,3° C và tốc độ tăng củamiền Bắc sẽ cao hơn miền Nam Lượng mưa được dự báo hằng năm cũng sẽ tăng ởhầu hết các khu vực nhưng với sự phân bồ theo mùa khác nhau Đồng bằng Sông CửuLong là một trong những đồng bằng lớn nhất của thế giới và khu vực này đang phảiđối mặt với một số mối de doa phát sinh từ diễn biến của Biến đổi khí hậu Biến đổikhí hậu sẽ làm tăng nhiệt độ và thay đổi lượng mưa ở vùng đồng bằng và với độ caorất thấp so với mực nước biển (hiện nay chỉ cao hơn mực nước biển khoảng 80 cm)

sẽ khiến đồng bang sông Cửu Long đối mặt với tình trạng nước biển dâng Ngoài ra,đồng bằng còn phải đối mặt với tình trạng xâm nhập mặn ngay càng tang vào muakhô, gây tác động tiêu cực đến nông nghiệp va nuôi trồng thuỷ sản, trong trường hợp

xấu nhất, điện tích bị ảnh hưởng bởi xâm nhập mặn có thể tăng đến 40% (IPCC,2023).

1.2.3 Biến đối khí hậu Thành phố Hồ Chí Minh

Thành phố Hồ Chí Minh là một trong 10 thành phố hàng đầu thế giới có thé bịảnh hưởng nghiêm trọng bởi tác động của Biến đổi khí hậu và một số lượng lớn ngườidân phải đối mặt với thiệt hại do Biến đổi khí hậu gay ra (Nicholls va cộng sự, 2007)

Tính dễ bị tổn thương là một nỗi lo ngại đặc biệt, nó ảnh hưởng mạnh đến sựphát triển của Việt Nam vì Thành phó Hồ Chí Minh chiếm 23% tổng sản phẩm quốcnội (GDP) và 20% tổng đầu tư nước ngoài trực tiếp Những nguyên nhân khiến Thànhphố Hồ Chí Minh dễ bị tốn thương do Biến đổi khí hậu được xác định bao gồm (Ngânhàng phát triển Chau A, 2010):

- Thành phố nằm gần ngang mực nước biển, với 40% - 45% diện tích Thànhphó Hồ Chí Minh nằm trong khoảng 0 - 1 m so với mực nước biển, 15% - 20% trongkhoảng 1 - 2 m, va rat ít điện tích nằm ở độ cao trên 4 m;

- Tỷ lệ dân số sống ở thành phó là rất lớn và không ngừng gia tăng, số ngườiđịnh cư hơn 6.3 triệu và nền kinh tế năng động thu hút dân nhập cư từ khắp nơi trong

cả nước;

- Các kiểu phát triển ở địa phương này cũng đang ảnh hưởng đến tinh dé bị tổnthương của khí hậu địa phương, sự phát triển đô thị đã làm giảm đi tính thâm thấucủa nước và gay ra ngập cục bộ;

- Khí hậu và thuỷ động lực hiện đã ở mức độ cực đoan và dự báo sẽ gia tăng

cường độ, cho nên sẽ có nhiều cơn giông, bão, nước dâng trong bão và triều cường

Dưới tác động của Biến đối khí hậu làm mực nước biển dâng cao, mùa khôkéo dai hơn và gay ra mưa lớn trong ngày hè Điều này øây tác động lớn đến tàinguyên nước ở Thành phố Hồ Chí Minh như tình trạng ngập lụt đô thị trong mùa

mưa, nhiễm mặn và suy thoái nguồn nước ngầm (Nguyễn Văn Hồng, 2022) Thành

phố Hồ Chí Minh chỉ có một phần nhỏ giáp biển phía Đông Nam, nhưng lại có hệthống sông chính chảy qua các quận huyện nên khu vực này chịu ảnh hưởng khá

mạnh của quá trình xâm nhập mặn (116 Chí Thong và cộng sự, 2016):

- Thành phố Hồ Chi Minh với vi trí ở hạ lưu sông Sài Gòn - Đồng Nai, diahình tương đôi thâp so với mặt nước biên, vì vậy mặn có thê xâm nhập sâu vào nộiđồng anh hưởng nghiêm trọng đến chất lượng nguồn nước thô (Nguyễn Đức Thiên

và cộng sự, 2019).

- Trong những năm gan đây, độ mặn trên sông Sài Gòn ngày càng tăng Tình

trang thiếu nước và xâm nhập mặn ngày càng gay gt, ảnh hưởng trực tiếp đến hệthống cấp nước cho Thành phó Hồ Chí Minh (Lê Ngọc Tuấn và cộng sự, 2017)

- Trong tương lai, khi độ mặn dang cao, nguồn cung cap nước ngọt cho cáchoạt động sản xuất khu vực Nhà Bè, Cần Giờ sẽ bị ảnh hưởng nghiêm trọng Ngoài

ra, van đề cung cấp nước sinh hoạt cho Thành phó Hồ Chi Minh cũng sẽ bị anh hưởngnặng nè (Hồ Chí Thông và cộng sự, 2016)

1.3 Tổng quan các nghiên cứu liên quan đến xâm nhập mặn

1.3.1 Tổng quan các nghiên cứu liên quan đến biến déi khí hậu và xâm nhậpmặn trên thế giới

Kimberly Bittler (2011), đã có nghiên cứu về “Thay đôi độ mặn vùng cửa sôngkhu vực Mission-Aransas National Nghiên cứu được thực hiện với mục tiêu khámpha sự thay đổi về mặt không gian về độ mặn trung bình hàng tháng bang cách sửdụng công cụ Trọng số khoảng cách nghịch đảo (IDW) Kết quả cho thấy, độ mặnthay đôi cả về mặt không gian và thời gian tại vùng cửa sông Mission-Aransas Độmặn thay đổi hàng ngày, theo mùa, quy mô khí hậu và cũng có thé bị tác động do một

số yêu tô khác Trong những năm hạn hán, độ mặn đều đạt đến các giá trị rất cao, đặcbiệt tại các vị trí gần vùng cửa sông (Bittler, 2011)

Susmita Dasgupta và cộng sự (2015) đã có nghiên cứu về “Biến đổi khí hậu và

độ mặn của đất: Trường hợp vùng ven biển Bangladesh” Nghiên cứu sử dụng dữ liệu

về những thay đổi độ mặn của đất trong giai đoạn từ 2001 - 2009, đánh giá bằng cách

sử dụng thông tin được ghi lại tại 41 trạm quan trắc Những phát hiện chỉ ra rằng biếnđổi khí hậu và mực nước biển dâng gây ra rủi ro nhiễm mặn đất rất lớn ở vùng venbiến Bangladesh Mặc dù tình trạng gia tăng mặn liên quan đến khí hậu do xâm nhập

mặn ở các vùng ven biên hiện là một van dé nghiêm trọng của Bangladesh, nhưng

các nghiên cứu lại rất khan hiếm Không có triển vọng nao cho sự cứu trợ trong tươnglai gần, vì lượng khí thải nhà kính toàn cầu vẫn đang tiếp tục tăng thúc day biến đôikhí hậu toàn cầu tăng theo (Dasgupta và cộng sự, 2015).

Aretxabaleta và cộngsự (2017) đã sử dụng bộ số liệu độ mặn bề mặt biển hàngtháng từ năm 1950 đến 2014 quy mô từ khu vực đến toàn cầu Ứng dụng mô hìnhhỗn hợp Gaussian (GMM) và tiêu chí tông tin Bayesian (BIC) nhằm xác định vàtrích suất số lượng xu hướng tôi ưu của dữ liệu Kết quả cho thấy sự hiện diện của 3

xu hướng chế độ riêng biệt (1) Chế độ A (được đặc trưng bởi các cường độ xu hướngnhỏ); (1) Chế độ B (được đặc trưng bởi các cường độ có xu hướng trung bình); (11)Chế độ C (được đặc trưng bởi các cường độ có xu hướng lớn một cách đáng kế) Việcxác định và hiểu được những thay đổi xu hướng mặn trong quá khứ có thể cung cấpcái nhìn tổng quát hơn về tiến trình khí hậu trong tương lai bằng cách bổ sung thêmcác phân tích trong dài hạn (Aretxabaleta và cộng sự, 2017).

Dự đoán độ mặn tại cửa sông có thé giúp cải thiện an toàn ở các khu vực venbiển Yihui Fang và cộng sự (2017) đã có bài nghiên cứu đề xuất ứng dụng mô hìnhkết hợp GA-SVM (Genetic Algorithm — Support Vector Machine) nhằm dự đoán độmặn tại khu vực cửa sông Min, Trung Quốc Bằng cách tiến hành phân tích chuỗi

thời gian của độ mặn hằng ngày và kết quả thí nghiệm mô phỏng cho thấy mức triều

cường, dòng chảy và độ mặn là các yếu tố chính ảnh hưởng đến sự biến đôi độ mặn.Nghiên cứu này đã kết luận rằng mô hình đề xuất hoạt động tốt cả về dự đoán và thời

gian tính toán (Yihui Fang và cộng sự, 2017).

Pulatov và cộng sự (2020) đã có nghiên cứu nhằm so sánh và thành lập “Bản

đồ độ mặn của đất bằng các phương pháp nội suy không gian khác nhau ở huyệnMirzaabad, tỉnh Syrdarya Nghiên cứu được thực hiện với hai mục tiêu (i) Đánh giácác phương pháp nội suy không gian khác nhau trong quá trình thành lập bản đồ xâmnhập mặn, (ii) Xác định sự khác biệt trong đánh giá độ mặn trong đất của quậnMirzaabad, nơi bị ảnh hưởng nhiều nhất bởi độ mặn ở tỉnh Syrdarya của Uzbekistan.Các phương pháp nội suy khác nhau như Trọng số nghịch đảo khoảng cách (IDW)

và kỷ thuật nội suy không gian Kriging đã được sử dụng đề tạo bề mặt liên tục của

bản đồ độ mặn Kết quả cho thấy phương pháp nội suy không gian IDW hoạt độngtốt với sai số nhỏ nhất (Pulatov và cộng sự, 2020).

Pengyu Lu và cộng sự (2021) sử dụng phương pháp Bayesian Model Averaginf(BMA) kết hợp với mô hình Random Forest (RF), Support Vector Machine (SVM)

va Elman Neural Network (ENN) để tạo ra một dự báo tổ hop nhằm dé xuất mộtphương pháp xác định thông tin đầu vào phù hợp nhằm cai thiện các dự báo tổng hợp

về xâm nhập mặn tại cửa sông hàng tháng Kết quả xâm nhập mặn trung và dài hạncho thấy động lực hàng tháng của xâm nhập mặn nhạy cảm hơn với các hoạt độngmặt trời trong đài hạn so với tác động của gió cục bộ Ngoài ra, các tín hiệu phi tuyếntính có giá trị ẩn trong chuỗi thời gian liên quan có thé được xác định bằng cách sử

dụng kết hợp với hệ số thông tin tối đa (Maximal Information Coefficient) (Pengyu

Lu và cộng sự, 2021).

Khí hậu Trung Quốc đang có xu hướng nóng lên ngày càng tăng từ những năm

1950, nhiệt độ bề mặt tăng với tốc độ cao hơn mức trung bình toàn cầu Những thayđổi này gây ra những tác động đáng ké đến tài nguyên nước, nông nghiệp, hệ sinhthái và sức khoẻ con người Với mục tiêu cung cấp nền tảng khoa học cho các chínhsách khí hậu quốc gia và quốc tế, Ying Sun và cộng sự (2022) đã có nghiên cứu về

“Ảnh hưởng của con người đến biến đổi khí hậu tại Trung Quốc” Kết quả cho thấycác tác nhân nhân tạo, chủ yếu là khí thải nhà kính là động lực chính dẫn đến sự gia

tăng nhiệt độ trung bình và các hiện tượng cực đoan Bằng chứng về tác động của các

tác nhân nhân tạo đối với lượng mưa cũng xuất hiện Và ảnh hưởng của con người đãlàm tăng khả năng xảy ra các sự kiện nhiệt độ cực đoan và có khả năng đã thay đôiđối với sự kiện mưa lớn (Ying Sun và cộng sự, 2022)

Nicolas và cộng sự (2022) đã sử dụng bộ số liệu độ mặn từ tháng 2/2015 đếntháng 2/2021 của cửa sông Elom trong vịnh Brest (nằm ở phía Bắc châu Âu), dữ liệuquan trắc với bước thời gian một giây được xử lý dé thu giá trị trung bình sau mỗi 20phút Ứng dụng va so sánh (i) ba phương pháp tiếp cận học máy MultiLayer

Perceptron (MLP), Support Vector Regression (SVR), Random Forest (RF); (ii) hai

mô hình hồi quy Multiple Linear Regression (MLR), Multiple Polynomial

Regression (MPR); (iii) và một mô hình vật lý truyền thống Model for Application atRegion Scale (MARS) Kết quả cho thấy mô hình Support Vector Regression (SVR)

là mô hình đưa ra dự báo độ mặn tốt nhất với hệ số xác định R? 0,51, trong khi hệ số

xác định R? của mô hình vật lý MARS có giá trị âm là -2,5 (Nicolas Guilloua và cộng

sự, 2022).

Rebecca Lindsey và Luann Dahlman (2023) đã có nghiên cứu “Biến đôi khíhậu: Nhiệt độ toàn cầu” với mục đích tính toán và phân tích nhiệt độ toàn cầu Kếtquả cho thay năm 2023 là năm có nhiệt độ cao nhất kể từ khi dir liệu nhiệt toàn cầuđược ghi chéo (bắt đầu từ năm 1980) Sự nóng lên gần đây đang diễn ra nhanh vànhiều hơn Sự khác biệt rõ rệt nhất ở Bắc Cực, lớp băng tuyết đang dần tan phản ánh

tốc độ nóng lên ngày càng tăng Tuy nhiên, nhiệt độ cao nhát và thấp nhất trên trái

đất có sự chênh lệch lớn (khoảng 55°C) Điều này có nghĩa là một phần của trái đấtkhá lạnh, trong khi những phần khác thì thực sự nóng Mặc dù có sự nóng lên khôngđồng đều trên toàn hành tinh, nhưng xu hướng tăng nhiệt độ ở hầu hết tất cả các khu

vực Đồng thời, các mô hình dự báo rằng cuối thế kỷ này nhiệt độ toàn cầu sẽ tăng

thấp nhất là 10°C so với trung bình từ năm 1901 - 1960 (Rebecca Lindsey và LuannDahlman, 2023).

Mohamed A Yassin và cộng sự (2023), đã có nghiên cứu về “Các thuật toánhọc máy thông minh tích hợp với kỹ thuật tính năng dé mô hình hóa độ mặn nướcngầm bền vững khu vực tỉnh phía đông Ả Rập Xê Út” Nghiên cứu sử dụng cácphương pháp tiếp cận học máy khác nhau như Gaussian Proccess Regression (GPR),Support Vector Regression (SVR), Regression Tree (RT) va Robust LinearRegression (RLR) Cac chi số như NSE, PCC, MAE, MAPE, PBIAS được sử dụngnhằm đánh giá hiệu suất hoạt động của mô hình Kết quả, các thuật toán học máy cókhả năng cung cấp mô hình hoá nhiễm mặn hiệu quả và tiết kiệm chỉ phí Trong đó,

mô hình học máy SVR cho hiệu suất khá cao với giá trị NSE trên 0,98 và giá trịPBIAS rất thấp (Yassin và cộng su, 2023)

Zhenlin Xiong và cộng sự (2024), đã sử dụng bộ số liệu mặn tám năm tại cửasông Elorn nhắm “Dự báo độ mặn bê mặn biên với trường hợp nghiên cứu so sánh

mô hình GMM và FB” Nghiên cứu được thực hiện với mục đích tạo ra những giải

pháp thay thế nhanh chóng dé mô phỏng phi tuyến giữa độ mặn và các thông số khácnhau Kết quả cho thấy rang, mặc dù dit liệu đầu vào đơn giản nhưng cả hai thuậttoán đều thành công tạo ra những các biến động theo mùa và bán ngày về độ mặn

Đặc biệt, mô hình hỗn hợp Gaussian (GMM) sẽ đạt hiệu suất cao với đặc điểm dữ

liệu có kích thước nhỏ và góp phần điền vào phần dữ liệu còn thiếu khi phan trốngkhông quá dài Điều này đã nhân mạnh tiềm năng của chúng như là một công cụ giámsát vùng cửa sông (Xiong và cộng su, 2024).

Từ các nghiên cứu đã trình bày, có thê thấy rằng các khu vực được đề cập cóđặc điểm địa hình và khí hậu thủy văn gần tương đồng với Thành phố Hồ Chí Minh

Do đó, luận văn kế thừa và áp dụng các phương pháp nghiên cứu như GaussianMixture Model (GMM), Support Vector Regression (SVR), và Inverse DistanceModel (IDW) nhằm phân tích và dự báo xâm nhập mặn tại khu vực nghiên cứu, đảmbảo tính phù hợp và hiệu quả của các phương pháp được lựa chọn.

1.3.2 Tổng quan các nghiên cứu liên quan đến biến đỗi khí hậu và xâm nhậpmặn tại Việt Nam

Nguyễn Thị Hồng Điệp và cộng sự (2015) đã có nghiên cứu về “Đánh giá tácđộng của biến đổi khí hậu lên hiện trạng canh tác lúa vùng ven biển đồng bằng sôngCửu Long theo kịch bản biến đôi khí hậu” Trên cơ sở các kịch bản ngập và xâm nhậpmặn được xây dựng cho toàn đồng bằng Sông Cửu Long và xây dụng trong điều kiệnnay cơ sở 2004 và kịch bản nước biển dâng đến năm 2030 và 2050 Kết qua cho thayvùng có nguy co dé bị tổn thương do hai yếu tố ngập và mặn tập trung nhiều nhất ở

Sóc Trăng, Cà Mau và Bạc Liêu, một phần nhỏ diện tích ở Bến Tra, Tiền Giang va

Trà Vinh Cac mô hình trồng lúa cũng bị anh hưởng với diện tích khá lớn do tac dộngcủa ngập và mặn trong bối cảnh biến đổi khí hậu (Nguyễn Thị Hồng Điệp và cộng

sự, 2015).

Lê Ngọc Tuấn và cộng sự (2017) đã có nghiên cứu về “Diễn biến xâm nhậpmặn trên các sông chính chảy qua địa ban Thanh pho Hồ Chí Minh” Nghiên cứunhằm mục tiêu đánh giá diễn biến xâm nhập mặn trong 10 nằm từ năm 2006 đến năm

2015, bao gồm diễn biến độ mặn cao nhất, độ mặn thấp nhất và trung bình; biên độ

mặn mùa khô và theo tháng Kết quả cho thấy, độ mặn trên các sông gia tăng, xâm

nhập mặn có xu hướng ngày càng lấn sâu vào nội địa, và đỉnh mặn thường xuất hiệnvào tháng 2 và tháng 4 Sông Nhà Bè chịu ảnh hường của xâm nhập mặn cao nhất,tiếp đó là sông Đồng Nai, sông Sài Gòn, có nguy cơ ảnh hưởng đến hoạt động sảnxuất, sinh hoạt cũng như cấp nước tại huyện Bình Chánh, Nhà Bè và Cần Giờ Việcđánh giá diễn biến xâm nhập mặn góp phần cung cấp thông tin đánh giá tính dễ bịtốn thương do xâm nhập mặn đến các ngành, lĩnh vực và là cơ sở hoạch định các giảipháp ứng phó tương thích, đặc biệt trong bối cảnh Biến đồi khí hậu hiện nay (Lê NgọcTuấn và cộng sự, 2017)

Nguyễn Kỳ Phùng và cộng sự (2017), đã có nghiên cứu về “Nguy cơ xâm nhậpmặn các sông chính tỉnh Đồng Nai trong bối cảnh biến đổi khí hậu và nước biểndâng” Các kịch bản được thiết lập bao gồm (i) Kịch bản hiện trạng 2013 (KB1), (ii)Kịch ban 2020 với mức phát thải nhà kính cao - AIFI (KB2), và (iii) Kịch bản 2030AIFI (KB3) Kết quả tính toán cho thấy, xâm nhập mặn ngày càng tăng cường va dichuyên sâu về phía thượng lưu Trong bối cảnh biến đổi khí hậu ngày càng tăngcường, những nghiên cứu đánh giá tinh dé bị tổn thương do xâm nhập mặn nên được

tiếp tục thực hiện, tạo cơ sở hoạch định các giải pháp thích ứng phù hợp, đảm bảo các

hoạt động sinh hoạt và sản xuất tại địa phương (Nguyễn Kỳ Phùng và cộng sự, 2017)

Nguyễn Văn Đào và cộng sự (2019), đã có nghiên cứu về “Đánh giá thực trạng

và tác động của Biến đổi khí hậu đến xâm nhập mặn tỉnh Bến Tre” Nghiên cứu được

thực hiện với mục tiêu nhằm đánh giá thực trạng và tác động của biến đổi khí hậu

đến xâm nhập mặn trên địa bàn tỉnh Bến Tra theo kịch bản Biến đối khí hậu và Nướcbiển dâng tới năm 2050 Nghiên cứu thống kê, phân tích chuỗi số liệu đo mặn từ 2000

2016 của 6 trạm quan trắc trên địa bàn Kết quả chỉ ra rằng trong giai đoạn 2000

-2016, tình hình câm nhập mặn tại tỉnh Bến Tra trong 6 tháng đầu năm có xu hướngtăng ở hầu hết các trạm Dưới tác động của Biến đổi khí hậu và nước biển dâng, mặn

có xu thế ăn sâu hơn dọc các sông vào đất liền (Nguyễn Văn Đào và Phạm Thị ThanhBình, 2019).

Nguyễn Đức Thiện và cộng sự (2022), đã có nghiên cứu “Đánh giá tác động

của xâm nhập mặn đến nguồn cung cấp nước thô cho Thành phố Hồ Chí Minh dướiảnh hưởng của Biến đổi khí hậu” Nghiên cứu đã chỉ ra rằng Thành phố Hồ Chí Minh

là khu vực rat dé bị ton thương trước diễn biến phức tạp của tình trạng xâm nhập mặn,đặc biệt là đưới tác động của Biến đổi khí hậu Cụ thé, xét trong trường hợp hạn mặnkéo dài dẫn đến nồng độ mặn tại các trạm vượt quy chuẩn nước cấp sinh hoạt và nồng

độ mặn tăng cao vào lúc triều lên nhiều hơn so với lúc triều xuống Do đó, việc điềutiết hoạt động xả nước đóng vai trò quan trọng trong việc đây mặn trên hệ thống sôngSài Gòn - Đồng Nai (Nguyễn Đức Thiện và cộng sự, 2022)

Chương 2

NOI DUNG VÀ PHƯƠNG PHÁP NGHIÊN CỨU

2.1 Nội dung và phương pháp nghiên cứu

2.1.1 Đánh giá đặc điểm biến thiên và xu thé thay déi cho yếu tố độ mặn năm

2.1.2 Đánh giá đặc điểm phân bố không gian cho yếu tố độ mặn

Ứng dụng kỹ thuật nội suy không gian IDW dé thành lập bản đồ phân bố khônggian cho các yếu tố độ mặn năm và mùa dựa trên dữ liệu từ các trạm quan trắc phân

bố đều trên địa bàn Thành phó Hồ Chí Minh

2.1.3 Dự báo diễn biến xâm nhập mặn trên dia bàn Thành phố Hồ Chi Minh

Nghiên cứu sử dụng mô hình học máy Vector hỗ trợ (Support Vector

Regression — SVR) nhằm dự báo độ mặn trên địa ban Thành phố Hồ Chí Minh Bộ

số liệu đầu vào được chia làm hai phan: huấn luyện và kiểm tra mô hình Số liệu từnăm 2007 đến 2012 dùng để huấn luyện mô hình và bộ số liệu còn lại từ năm 2013đến 2021 dùng dé kiểm tra đánh giá mô hình Sau đó, nghiên cứu tiền hành dự báo

diễn biến xâm nhập mặn giai đoạn 2022 - 2026

Trong đó, đề đánh giá hiệu suất dự báo của mô hình, nghiên cứu sử dụng haichỉ số bao gồm Nash-Sutcliffe Efficiency (NSE) và Percent Bias (PBIAS)

2.2 Phương pháp luận

Tiến trình nghiên cứu được thực hiện theo sơ đồ như Hình 2.1 Đầu tiên, sốliệu độ mặn tháng giai đoạn 2007 — 2021 được tông hợp và xử lý thành các chuỗi sốliệu độ mặn năm, mùa và đánh giá sự biến thiên dựa trên chỉ số thống kê và đồ thịthống kê Các kết quả thu nhận được sẽ là đữ liệu đầu vào cho bước xây dựng bản đồphân bố không gian bằng kỹ thuật nội suy không gian IDW nhằm xây dựng ban đồ

và đánh giá đặc điểm phân bố xâm nhập mặn Tiếp theo xu thế biến đổi theo thời gianđược đánh giá bằng mô hình hỗn hợp Gaussian, thông qua chỉ số BIC nhằm xác định

sỐ lượng cụm chế độ tối ưu cho mô hình Cuối cùng, dự báo diễn biến xâm nhập mặnbang mô hình học may Support Vector Regression (SVR) và sửdung hai chỉ số Nash-Sutcliffe Efficiency (NSE) va Percent Bias (PBIAS) dé đánh giá hiệu suất hoạt độngcủa mô hình học máy cho từng loại hạt nhân kernel

Mô hình hoc may

SVR

Chi số PBIAS ` Chi số NSE

Dự bao xâm nhập mặn trên dia

bàn TP Hồ Chí Minh

Hình 2.1 Sơ đồ khung phương pháp luận nghiên cứu

2.3 Thu thập và xw ly số liệu

Số liệu độ mặn tháng được thu thập tại các cơ quan trên địa bàn Thành phố HồChí Minh Sau do, số liệu được xử lý, tính toán và ước tinh giá trị độ mặn theo thang,theo mùa và theo năm Bang 2.1 và Hình 2.2 lần lượt tóm một số thông tin cơ bản và

vị trí địa lý của 07 trạm quan trắc

Bảng 2.1 Thông tin số liệu mặn được sử dụng trong nghiên cứu

Trạm Viđộệ Kinhđộ Giaidoan Độ chỉ tiết Ghỉ chú

CátLái 109773' 106°779' 2007-2021 Theotháng 2016, 2017, 2020:

không có số liệuCổng 10°716' 106°568' 2007-2021 Theotháng 2016, 2017, 2020:Kénh C không có số liệuAnHạ 1I0°819' 106°511' 2007-2021 Theotháng 2016, 2017, 2020:

không có số liệu

Nha Be 109659' 1069715 2007-2021 Theothang 2013, 2014, 2016,

2017, 2020: không có

số liệuÔng 10°672' 106°659' 2007-2021 Theotháng 2016, 2017, 2020:Thìn không có số liệuThủ 10°770' 106°710 2007-2021 Theotháng 2016, 2017, 2020:Thiém không có số liệuRạch Tra 10°920' 106°620' 2018-2021 Theotháng 2007-2017, 2020:

không có sô liệu

108.4°E 106.6°E 106.8°E 107.0°E

Hình 2.2 VỊ trí địa lý các trạm quan trắc đo mặn tại Thành phố Hồ Chí Minh.2.4 Các chỉ số thống kê mô tả cơ bản

Chỉ số thống kê phố biến được dùng dé đo lường vi trí của dữ liệu là trungbình cộng và trung vi.

2.4.1 Trung bình cộng

Trung bình cộng (#) được tính bằng tổng các giá trị (x;) chia cho tổng số dữ

liệu (n), công thức 2.1 (Deepesh Machiwal và Madan Kumar Jha, 2012):

Pro = 4 vớin là số lẻ

Psy = = [Xtn/2] + #[(+2)/2\Ì với n là số chẵn TT

(Helsel D.R va Hirsch R.M., 1992)2.5 Phương pháp đồ thị thống kê

Đồ thị thống kê giúp trực quan hoá hình dạng phân phối của tập dữ liệu, đóngvai tro quan trọng trong việc phân tích dữ liệu và so sánh mức độ tập trung dữ liệugiữa các nhóm Trong đó, các dạng biéu đồ đơn giản và thường gặp nhất là Histogram

và biêu đồ mật độ, ngoài ra còn có các dạng biểu đồ biểu dién nhiều phân phối như

cùng một lúc như biểu đồ hộp, violin, ridgeline

Biéu đồ hộp (Box plots) được nhà thống kê John Tukey tạo ra vào đầu nhữngnăm 1970 Biểu đồ hộp chia dữ liệu thành các phần tư và hiển thị chúng theo cáchchuẩn hoá như Hình 2.3 Trong Hình 2.4, các biểu đồ hợp được đặt cạnh nhau dé trựcquan nhiều phân phố cùng một lúc (CESTI, 2022):

° ¢ gia trị ngoại lệ (outlier)

° giá trị lớn nhat = Q3 + 1.5*IQR

+ k a

:

ws hs phân vị thứ 75

ee ok Khoảng trải giữa

A Bn ges trung vi (median) | (IQR)

2.6 Phương pháp mô hình hỗn hợp GMM và chỉ số BIC

2.6.1 Mô hình hỗn hợp Gaussian (GMM)

Mô hình hỗn hợp Gaussian (GMM) là mô hình của một quá trình ngẫu nhiên

có hàm mật độ xác suất Cụ thể, hàm mật độ xác suất có dạng sau (Smith andAretxabaleta, 2007):

Ue? pcg RO, ST Tu Hợi gề cng e (2.4)

Trong đó, n, là số lượng phân phối thành phan, ng là độ dài của dữ liệu, t*

là xác suất phân phối thành phần k, * * là giá trị trung bình và hiệp phương saicủa phân bồ thành phan thứ k Sự phân bố thành phần k tương ứng với các chế độkhác nhau.

Tối đa hoá kỳ vọng (EM) đưa ra khả năng xảy ra tối đa của các tham số của

mô hình GMM, với hai bước ước tinh, cụ thể (Smith and Aretxabaleta, 2007):

- Bước kỳ vọng (Expectation Step): đối với mỗi điểm thời gian t trong tập dữliệu, giá trị kỳ vọng cho thành phần k được ước tính theo công thức sau:

exp |C~5 (4Œ) — HUE +e" Ð))T[HŒ)S*H@)T + ROTO — H@)# +e* ©)))]

k —

oe VGnm"aIH@)>FHQ@T + ROI

(2.5)Tiến hành chuẩn hóa

w(t) (2.6)

wk t)—>—————

CS NIC)

Trong đó, w*(t) là ham kha năng, «* là xu hướng.

Bước tối đa hoá (Maximization Step): các tham số tối ưu được chọn, tần sốcủa phân phố thứ k được tính toán cụ thé như sau:

Net Net

ka Me ¥,o* (t) (27)

2.6.2 Chi số thông tin Bayesian

Đề xác định thành phan tối ưu trong mô hình hỗn hop Gaussian (GMM), tiêu

chí thông tin Bayesian (BIC) được sử dụng trong nghiên cứu BIC là phương pháp

ước tính tổng xác suất (hệ số Bayesian) của phân phối xác suất dựa trên tinh chất củatập dữ liệu, có công thức cụ thể sau (Hastie và cộng sự, 2008):

BIC(k) = —2log(P(Wlut, , u%, œ1, ace, (2.8)

Yee Ys, 71, ,7%)) — Dylog (nz)Trong đó, n, là thành phan của mô hình GMM và n là chuỗi thời gian

Số lượng thành phần tối ưu trong mô hình được xem xét và lựa chọn dựa trên

giá trị BIC nhỏ nhất

2.7 Phương pháp nội suy không gian

Nội suy không gian là tính toán giá trị của một điểm từ giá trị của các điểm đã

có gia tri xung quanh nó Đề dự đoán gia tri của một điểm có thé chỉ cần tìm giá trịgần nhất đã biết của điểm đó và gán giá trị đó, đây được xem là dạng nội suy đơn

giản nhất Bài toán nội suy thường được sử dụng để giải quyết nhiều vấn đề trongnhiều lĩnh vực như thành lập bản đồ phân bố độ cao, nhiệt độ, lượng mưa, lan truyền

ô nhiễm, lan truyền mặn,

Sự phân bố xu thế theo không gian của lan truyền mặn theo mùa và theo nămđược thực hiện bằng cách sử dụng phương pháp nội suy khoảng cách nghịch đảo cótrọng số (IDW) IDW xem nghịch đảo khoảng cách (d,) giữa các điểm dit liệu (P;)

là những trong số (w;) khi tính toán giá trị trung bình có trọng số (7ñ) của các giá trịdir liệu (m;), có công thức 2.10 (Paul Klee, 2014):

gần dữ liệu đầu vào có trọng số cao hơn những điểm ở xa dữ liệu đầu vào; và trọng

số càng cao khi p càng cao

2.8 Dự báo xu thế diễn biến xâm nhập mặn

2.8.1 Mô hình học máy Support Vector Regression (SVR)

Mô hình học máy vec-tơ hỗ trợ (Support Vector Machine — SVM) lần đầu tiênđược giới thiệu bởi Corinna Cortes và Vladimir Vapnik (1995) nhằm cung cấp môhình thống kê dé phân lớp mẫu dữ liệu sao cho có khả năng tổng quát cao nhất Tácgiả cho rằng đường thang phân tách hai lớp dit liệu cách đều lớn nhất sẽ cho ra khảnăng tông quát tốt nhất (Corinna Cortes và Vladimir Vapnik, 1995) Tuy nhiên, dégiải quyết các vấn đề liên quan đến ước lượng hồi quy, Vladimir Vapnik và cộng sự(1997) đã xây dựng mô hình hồi quy vec-tơ hỗ trợ (Support Vector Regression —

SVR) trên cơ sở của mô hình SVM (Vladimir Vapnik và cộng sự, 1996).

Thuật toán SVM bao gồm hai bước chính Đầu tiên, dữ liệu đầu vào sẽ đượcánh xạ lên không gian đa chiều bằng cách sử dụng hàm hạt nhân Sau đó, thuật toán

sẽ tìm kiếm một siêu phẳng (hyperplane) dé phân tach dữ liệu thông qua việc đánhgiá khoảng cách từ các điểm dữ liệu ánh xạ đến siêu phẳng này (Lê Xuân Hòa vàNguyễn Tiền Giang, 2022)

Hình 2.5 Ví dụ về bài toán tách trong không gian 2 chiều

Nguồn: (Corinna Cortes va Vladimir Vapnik, 1995)