nghiên cứu ứng dụng công nghệ viễn thám và gis phục vụ giám sát trạng thái sinh trưởng, phát triển và dự báo năng suất lúa ở đồng bằng sông hồng

BỘ TÀI NGUYÊN VÀ MÔI TRƯỜNG VIỆN KHOA HỌC KHÍ TƯỢNG THUỶ VĂN VÀ MÔI TRƯỜNG 23/62 Nguyễn Chí Thanh, Đống Đa, Hà Nội ---********--- BÁO CÁO TỔNG KẾT ĐỀ TÀI NGHIÊN CỨU KHOA HỌC VÀ CÔNG NGH

BTNMT VKHKTTV&MT

BỘ TÀI NGUYÊN VÀ MÔI TRƯỜNG VIỆN KHOA HỌC KHÍ TƯỢNG THUỶ VĂN VÀ MÔI TRƯỜNG

23/62 Nguyễn Chí Thanh, Đống Đa, Hà Nội -******** -

BÁO CÁO TỔNG KẾT ĐỀ TÀI NGHIÊN CỨU KHOA HỌC VÀ CÔNG NGHỆ CẤP BỘ

ĐỀ TÀI:

NGHIÊN CỨU ỨNG DỤNG CÔNG NGHỆ VIỄN THÁM

VÀ GIS PHỤC VỤ GIÁM SÁT TRẠNG THÁI SINH TRƯỞNG,

PHÁT TRIỂN VÀ DỰ BÁO NĂNG SUẤT LÚA

Ở ĐỒNG BẰNG SÔNG HỒNG

Chủ nhiệm Đề tài: TS Dương Văn Khảm

8837

HÀ NỘI, 4-2011

BỘ TÀI NGUYÊN VÀ MÔI TRƯỜNG VIỆN KHOA HỌC KHÍ TƯỢNG THUỶ VĂN VÀ MÔI TRƯỜNG

23/62 Nguyễn Chí Thanh, Đống Đa, Hà Nội -******** -

BÁO CÁO TỔNG KẾT ĐỀ TÀI NGHIÊN CỨU KHOA HỌC VÀ CÔNG NGHỆ CẤP BỘ

ĐỀ TÀI:

NGHIÊN CỨU ỨNG DỤNG CÔNG NGHỆ VIỄN THÁM

VÀ GIS PHỤC VỤ GIÁM SÁT TRẠNG THÁI SINH TRƯỞNG,

PHÁT TRIỂN VÀ DỰ BÁO NĂNG SUẤT LÚA

Ở ĐỒNG BẰNG SÔNG HỒNG

Chỉ số đăng ký:

Chỉ số phân loại:

Chỉ số lưu trữ:

Cộng tác viên chính: CN Nguyễn Hồng Sơn; KS Nguyễn Hữu Quyền

CN Đỗ Thanh Tùng; Th.S Hoàng Thanh Tùng

CN Trần Thị Tâm; KS Trịnh Hoàng Dương

…., ngày…tháng…năm… …., ngày…tháng…năm… ………, ngày…tháng…năm…

CHỦ NHIỆM ĐỀ TÀI

(Ký và ghi rõ họ tên) CƠ QUAN THỰC HIỆN (Thủ trưởng đơn vị, đóng

dấu, nếu có)

CƠ QUAN CHỦ TRÌ (Thủ trưởng đơn vị chủ trì ký

MỤC LỤC

MỞ ĐẦU 1

CHƯƠNG 1 6

TỔNG QUAN VỀ NGHIÊN CỨU GIÁM SÁT TRẠNG THÁI SINH TRƯỞNG, PHÁT TRIỂN CỦA CÂY LÚA VÀ DỰ BÁO NĂNG SUẤT LÚA BẰNG CÔNG NGHỆ VIỄN THÁM 6

1.1 Số liệu ảnh viễn thám và phương pháp tiền xử lý ảnh viễn thám 8

1.1.1 Nguyên lý hoạt động của vệ tinh TERRA, AQUA với đầu đo MODIS 8

1.1.2 Một số phương pháp tiền xử lý ảnh viễn thám 10

1 2 Khái niệm về giám sát và dự báo năng suất lúa 10

1.2.1 Khái niệm về giám sát lúa 10

1.2.2 Khái niệm về dự báo năng suất lúa 12

1.3 Tình hình sử dụng công nghệ viễn thám trong giám sát và dự báo năng suất lúa trong nước và trên thế giới 15

1.3.1 Tình hình sử dụng công nghệ viễn thám radar trong giám sát và dự báo năng suất lúa 15

1.3.2 Tình hình sử dụng công nghệ viễn thám quang học trong giám sát và dự báo năng suất lúa ở trong nước và trên thế giới 18

Nhận xét: 26

CHƯƠNG 2 28

ĐIỀU KIỆN TỰ NHIÊN VÀ ĐẶC ĐIỂM MÙA VỤ LÚA CỦA KHU VỰC NGHIÊN CỨU 28

2.1 Điều kiện tự nhiên, tài nguyên thiên nhiên của Đồng bằng sông Hồng 28

2.2 Đặc điểm kinh tế - xã hội vùng Đồng bằng sông Hồng 31

a) Tình hình dân số và xã hội ở Đồng bằng sông Hồng 31

b) Tình hình phát triển kinh tế vùng Đồng bằng sông Hồng 32

2.3 Tình hình sản xuất lúa và đặc điểm mùa vụ lúa vùng Đồng bằng sông Hồng 34

CHƯƠNG 3 38

ỨNG DỤNG CÔNG NGHỆ GIS VÀ VIỄN THÁM XÂY DỰNG BẢN ĐỒ TRỒNG LÚA VÀ ĐÁNH GIÁ BIẾN ĐỘNG DIỆN TÍCH TRỒNG LÚA VÙNG ĐỒNG BẰNG SÔNG HỒNG 38

3.1 Xây dựng bản đồ phân vùng trồng lúa ở Đồng bằng sông Hồng 38

3.1.1 Cơ sở toán học của các bản đồ 38

3.1.2 Cơ sở trắc địa 38

3.1.3 Kích thước và bố cục bản đồ 39

3.1.4 Cơ sở dữ liệu nền 40

3.2 Bản đồ biến động lớp phủ và bản đồ sử dụng đất trồng lúa 40

3.2.1 Thuật toán và phương pháp xác định vùng trồng lúa 41

3.2.2 Các bước xây dựng bản đồ vùng trồng lúa 43

3.3 So sánh diện tích trồng lúa phân loại theo viễn thám và thống kê, và đánh giá biến động sử dụng đất trồng lúa ở vùng nghiên cứu .47

3.3.1 So sánh diện tích trồng lúa từ số liệu thống kê và tính toán bằng ảnh viễn thám 47

3.3.2 Đánh giá biến động diện tích trồng lúa vùng Đồng bằng Sông Hồng 48

CHƯƠNG 4 51

SỬ DỤNG DỮ LIỆU ẢNH MODIS PHỤC VỤ NGHIÊN CỨU GIÁM SÁT TRẠNG THÁI SINH TRƯỞNG VÀ PHÁT TRIỂN CÂY LÚA Ở ĐỒNG BẰNG SÔNG HỒNG 51

4.1 Cơ sở dữ liệu 51

4.1.1 Dữ liệu ảnh MODIS 51

4.1.2 Dữ liệu thực địa 52

4.2 Các phương pháp nghiên cứu chỉ tiêu viễn thám để đánh giá trạng thái sinh trưởng, phát triển và hình thành năng suất lúa 54

4.2.1 Chỉ số thực vật chuẩn hóa (Normalized Difference Vegetation Index NDVI) 54

4.2.2 Chỉ số dị thường thực vật (Anomaly Vegetation Index-AVI) 55

4.2.3 Chỉ số trạng thái thực vật (Vegetation Condition Index-VCI) 56

4.3 Các bước thực hiện và một số kết quả tính toán đánh giá trạng thái sinh trưởng phát triển cây lúa 56

4.3.1 Các bước thực hiện 56

4.3.2 Một số kết quả giảm sát 57

CHƯƠNG 5 68

XÂY DỰNG THỬ NGHIỆM PHƯƠNG PHÁP DỰ BÁO NĂNG SUẤT, SẢN LƯỢNG LÚA Ở ĐỒNG BẰNG SÔNG HỒNG BẰNG DỮ LIỆU ẢNH MODIS 68

5.1 Phương pháp và số liệu sử dụng 68

5.1.1 Phương pháp hồi quy từng bước 68

5.1.2 Số liệu sử dụng 73

b Dữ liệu khí tượng 73

c Bản đồ phân bố vùng trồng lúa 74

d Dữ liệu MODIS chỉ số thực vật NDVI tổ hợp 16 ngày 75

5.1.3 Quy trình các bước xây dựng mô hình dự báo năng suất 77

5.2 Kết quả và đánh giá kết quả 77

5.2.1 Kết quả 77

5.2.2 Kiểm nghiệm và đánh giá kết quả dự báo năng suất lúa 84

5.2.3 Ước lượng sản lượng lúa vụ đông xuân và mùa .88

KẾT LUẬN VÀ KIẾN NGHỊ 92

TÀI LIỆU THAM KHẢO 95

PHỤ LỤC 99

DANH MỤC BẢNG

Bảng 2.1 Dân số và diện tích các tỉnh Đồng bằng sông Hồng 31

Bảng 2.2 Tình hình sản xuất lúa vùng Đồng bằng sông Hồng năm 2007 35

Bảng 3.1: Đánh giá sai số diện tích trồng lúa từ ảnh MODIS và 48

số liệu thống kê vùng Đồng bằng sông Hồng 48

Bảng 4.1 Bảy kênh phổ đầu tiên của MODIS 51

Bảng 4.2 Các chỉ tiêu đánh giá trạng thái lớp phủ bề mặt 56

Bảng 4.3 Chỉ tiêu phân cấp trạng thái sinh trưởng của cây lúa vùng Đồng bằng sông Hồng theo chỉ tiêu chênh lêch giá trị NDVI 59

Bảng 4.4 So sánh trạng thái sinh trưởng của cây lúa theo chỉ số NDVI

và số liệu quan trắc năm 2009 vùng Đồng bằng sông Hồng 63

Bảng 4.5 Các chỉ số viễn thám và số liệu thực địa 64

Bảng 5.1 Dữ liệu khí tượng 74

Bảng 5.2 Các kênh ảnh trong dữ liệu MODIS tổ hợp 16 ngày MOD13Q1 75

Bảng 5.3 Phương trình dự báo năng suất lúa đông xuân 82

Bảng 5.4 Phương trình dự báo năng suất lúa vụ mùa 82

Bảng 5.5 Khoảng hoạt động của các yếu tố trong dự báo năng suất vụ đông xuân 83

Bảng 5.6 Khoảng hoạt động của các yếu tố trong dự báo năng suất vụ mùa 83

Bảng 5.7 Đánh giá sai số dự báo vụ đông xuân tỉnh Bắc Ninh 84

Bảng 5.8 Đánh giá sai số dự báo vụ mùa tỉnh Bắc Ninh 85

Bảng 5.9 Kết quả kiểm chứng dự báo năng suất lúa vụ đông xuân của các tỉnh trên cơ sở số liệu phụ thuộc 86

Bảng 5.10 Kết quả kiểm chứng dự báo năng suất lúa vụ mùa của các tỉnh trên cơ sở số liệu phụ thuộc 86

Bảng 5.11 Kết quả kiểm chứng dự báo năng suất lúa vụ đông xuân năm 2009 của các tỉnh trên cơ sở số liệu độc lập 87

Bảng 5.12 Kết quả kiểm chứng chất lượng dự báo năng suất lúa vụ mùa năm 2009 của các tỉnh trên cơ sở số liệu độc lập 87

Bảng 5.13 Kết qủa ước lượng sản lượng lúa đông xuân vùng Đồng bằng sông Hồng 89

Bảng 5.14 Kết qủa ước lượng sản lượng lúa mùa vùng Đồng bằng sông Hồng 89

Bảng 5.15 Kết quả kiểm nghiệm ước lượng sản lượng vụ đông xuân 90

Bảng 5.16 Kết quả kiểm nghiệm ước lượng sản lượng vụ đông xuân 91

DANH MỤC HÌNH

Hình 1.1 Sự biến đổi của chỉ số thực vật NDVI qua các kỳ sinh trưởng của lúa 12

Hình 1.3 Quá trình xây dựng bản đồ lúa bằng dữ liệu SAR (ERS-2) 17

tỉnh Sóc Trăng 17

Hình 1.5 Quan sát vùng lũ và lúa mới cấy sử dụng dữ liệu VGT 20

tổ hợp 10 ngày 20

Hình 1.7 Một số bản đồ trạng thái thời gian mùa vụ ở Đồng bằng sông Hồng 23

Hình 1.8 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 24

Hình 1.9 Mô hình đánh giá năng suất dựa trên dữ liệu ảnh MODIS 25

Hình 2.2 Cơ cấu mùa vụ lúa ở Đồng bằng sông Hồng 36

Hình 3.1 Sơ đồ khối thành lập bản đồ chuyên đề 41

Hình 3.2 Các bước xây dựng bản đồ vùng trồng lúa 44

Hình 3.3 Quá trình lọc mây cho dữ liệu [11] 45

Hình 3.5 Bản đồ phân bố diện tích lúa chiêm 2009 tính từ dữ liệu MODIS vùng Đồng bằng sông Hồng 46

Hình 3.6 Bản đồ phân bố diện tích lúa mùa 2009 tính từ dữ liệu MODIS vùng Đồng bằng sông Hồng 47

Hình 3.7 Đồ thị thế biến động diện tích đất trồng lúa vùng Đồng bằng sông Hồng qua các năm từ ảnh MODIS 48

Hình 3.8 Đồ thị biến động diện tích đất trồng lúa từng tỉnh qua các năm từ ảnh MODIS 49

Ghi chú: 49

- Diện tích trồng lúa của Hà Nội từ năm 2000-2007: bao gồm diện tích trồng lúa của Hà Nội + Hà Tây 49

- Diện tích trồng lúa của Hà Nội từ năm 2008-2009: bao gồm diện tích trồng lúa của Hà Nội + Hà Tây + huyện Mê Linh (tỉnh Vĩnh Phúc) + 3 xã huyện Lương Sơn (tỉnh Hoà Bình) 49

Hình 4.1 Sơ đồ khu vực thực địa 53

Hình 4.3 Mô phỏng chỉ số NDVI 55

Hình 4.5 Diễn biến chỉ số NVDI theo các giai đoạn sinh trưởng, phát triển và hình thành năng suất lúa 58

Hình 4.10 Lược đồ phân bố sinh khối năm 2009 trong các thời kỳ sinh trưởng của lúa 66

Hình 5.1 Sơ đồ mô tả các hợp phần của năng suất lúa theo mô hình thống kê 69

Hình 5.4 Diễn biến chỉ số APAR trong vụ Đông xuân và Mùa năm 2009 vùng Đồng bằng sông Hồng 79

Hình 5.5 Sơ đồ quan hệ giữa chỉ số APAR và năng suất lúa vụ Đông Xuân tỉnh Vĩnh Phúc 80

Hình 5.6 Sơ đồ quan hệ giữa chỉ số APAR và năng suất lúa vụ Đông Xuân tỉnh Nam Định 81

DANH MỤC CÁC CHỮ VIẾT TẮT

Agricultural Organization of the United Nations) GIS Hệ thống thông tin địa lý (Geographic Information System)

MODIS Đầu đo ảnh viễn thám độ phân giải trung bình gắn trên 2 vệ tinh

TERRA và AQUA (Moderate Resolution Imaging Spectroradiometer)

Vegetation Index) – hay gọi tắt là chỉ số thực vật

Index)

(Wavelet based Filter for determining Crop Phenology)

MỞ ĐẦU

1 Tính cấp thiết của đề tài

Lúa là loại cây lương thực chủ yếu thứ hai trên thế giới, được canh tác không chỉ ở các nước Châu Á mà còn được trồng ở nhiều nước khác trên thế giới An toàn lương thực đã trở nên quan trọng do sự phát triển nhanh của dân số thế giới đặc biệt là các nước Châu Á Từ vấn đề lương thực, lúa gạo được coi là mặt hàng thiết yếu của người dân nên nó liên quan mật thiết đến các vấn đề quan trọng khác của nền kinh tế - xã hội Để khống chế và cân bằng giữa nhu cầu lương thực và sản lượng lúa cung cấp, cần có một chương trình theo dõi lúa hiệu quả ở cấp vùng, quốc gia và toàn cầu Trong bối cảnh hội nhập toàn cầu, nhất là khi nước ta đã gia nhập Tổ chức Thương mại Thế giới (WTO) và với tiềm lực của một nước xuất khẩu gạo đứng hàng thứ 2 - 3 trên thế giới thì những thông tin dự báo về năng suất cây trồng càng trở nên cấp thiết

Hiện nay các hiện tượng thời tiết bất thường như hạn hán, ngập úng, nắng nóng, rét hại đối với cây trồng ngày càng gia tăng và mức độ gây tổn hại ngày càng lớn, nguy cơ mất mùa ngày càng cao nếu không kịp thời đánh giá, giám sát

và dự báo để khắc phục và giảm nhẹ thiệt hại do chúng gây ra Việc sử dụng các thông tin từ các trạm quan trắc khí tượng thuỷ văn, khí tượng nông nghiệp và các báo cáo từ các địa phương để phân tích đánh giá và giám sát và dự báo những bất thường này của thời tiết là không kịp thời và đầy đủ

Ngoài việc dự báo năng suất lúa để củng cố thông tin đảm bảo cho công tác an ninh lương thực, việc giám sát và thành lập bản đồ lúa một cách hiệu quả

và kịp thời cũng vô cùng quan trọng trong quản lý môi trường, cụ thể là trong việc quản lý tài nguyên nước và quản lý việc phát thải khí nhà kính, đặc biệt là trong bối cảnh biến đổi khí hậu toàn cầu đang diễn ra phức tạp, đe dọa tới sự phát triển bền vững của nhân loại Theo thống kê của FAO (2001), các quốc gia châu Á sử dụng hơn 80% nguồn nước sạch cho tưới tiêu, thậm chí là hơn 95% ở một số quốc gia Lúa nước cũng là một nguồn phát thải khí Metan lớn, theo một

số nghiên cứu của Prather và Ehhalt (2001) đất trồng lúa nước đóng góp 10% trong tổng lượng Metan phát thải vào khí quyển, ảnh hưởng lớn đến thành phần hóa học của khí quyển

Cùng với sự phát triển nhanh và mạnh của công nghệ vũ trụ, rất nhiều nước trên thế giới đã ứng dụng công nghệ viễn thám trong nghiên cứu khí tượng nông nghiệp đặc biệt là trong việc giám sát và dự báo năng suất cây trồng Việc ứng dụng công nghệ viễn thám phục vụ khí tượng nông nghiệp (KTNN) và nông nghiệp (NN) là một trong những lĩnh vực thành công ở trên thế giới Với kỹ thuật viễn thám hiện đại, đặc biệt là sự phát triển của viễn thám quang học với

độ phân giải cao 30 mét LandSat/MSS, TM thậm chí 2,5 mét như SPOT có thể

cho những số liệu điều tra, phân tích và đánh giá một cách rất chi tiết và chính xác bề mặt lục địa Vệ tinh NOAA/AVHRR, MODIS có độ quét rộng, độ phân giải thời gian cao đáp ứng nhanh chóng và kịp thời các thông tin cho các vùng lớn, viễn thám radar cho phép quan sát độc lập với mọi điều kiện thời tiết là nguồn dữ liệu thích hợp cho mục đích lập bản đồ và dự báo năng suất cây trồng Nhiều nghiên cứu đã cho rằng viễn thám và GIS đã làm thay đổi chất và lượng của những nghiên cứu khoa học về KTNN, thay đổi về phạm vi nghiên cứu, nội

dung nghiên cứu, tính chất và phương pháp luận KTNN Điều đó đã khẳng định

viễn thám và GIS là một cuộc cách mạng trong nghiên cứu khoa học KTNN nói chung và trong công tác giám sát, dự báo năng suất lúa nói riêng

Trước những ưu thế rõ rệt của công nghệ Viễn thám và nhu cầu cấp bách của xã hội về việc giám sát và dự báo năng suất cây lúa nhằm bảo đảm an ninh lương thực và tăng cường vị thế xuất khẩu gạo của Việt Nam Từ những phân tích về Công nghệ Viễn thám ở trên Thế giới và ở Việt Nam, căn cứ vào thực tế công tác nghiên cứu Công nghệ Viễn thám ở Viện Khí tượng Thủy văn và Môi trường, đề tài đã xác định mục tiêu nghiên cứu như sau:

2 Mục tiêu và nhiệm vụ nghiên cứu

*) Mục tiêu:

Xây dựng phương pháp giám sát trạng thái sinh trưởng, phát triển của cây lúa và đánh giá biến động diện tích trồng lúa ở Đồng bằng sông Hồng bằng các thông tin viễn thám và công nghệ GIS

Xây dựng thử nghiệm phương pháp dự báo năng suất, sản lượng lúa ở các tỉnh Đồng bằng sông Hồng bằng công nghệ viễn thám, GIS

*) Nhiệm vụ nghiên cứu: Để đạt được các mục tiêu trên, trong quá trình thực

hiện đề tài cần giải quyết các nhiệm vụ sau đây

- Thu thập, hệ thống hoá, tổng hợp và đánh giá nguồn tài liệu, số liệu từ các dự

án, đề tài, báo cáo trước đây về giám sát, cảnh báo và dự báo năng suất cây trồng để tìm các phương pháp tối ưu cho việc đồng hoá số liệu và tính toán các thành phần năng suất tại khu vực nghiên cứu

- Đánh giá khả năng đáp ứng của các ảnh vệ tinh với mục tiêu nghiên cứu của đề tài Ngày nay với sự phát triển của khoa học công nghệ và để đáp ứng nhu cầu ngày càng cao của thực tiễn, ảnh vệ tinh không ngừng được đa dạng hóa và hoàn thiện theo hướng công nghệ xử lý Tuy ảnh vệ tinh có nhiều ưu việt, nhưng khả năng ứng dụng vào lập các bản đồ hiện trạng, biến động sử dụng đất phụ thuộc vào nhiều yếu tố, như độ chính xác hình học, khả năng chiết tách thông tin về các loại hình sử dụng đất nông nghiệp có ý nghĩa quyết định đến phương pháp

và tỉ lệ bản đồ thành lập Do vậy cần thiết phải đánh giá khả năng của từng loại ảnh để lựa chọn được loại ảnh đáp ứng yêu cầu đặt ra

- Phân tích, phân loại ảnh số nhằm chiết xuất thông tin sử dụng đất trồng lúa theo 2 phương pháp: phân loại có kiểm định và không kiểm định

- Điều tra, khảo sát, thí nghiệm, thực nghiệm đồng ruộng làm cơ sở số liệu phục

vụ xử lý giải đoán ảnh viễn thám, so sánh đánh giá số liệu trong quá trình nghiên cứu

- Tiền xử lý ảnh, xây dựng khóa giải ảnh viến thám (SPOT, ENVISAT, MODIS), phân loại các đối tượng bề mặt trên ảnh viễn thám theo phương pháp

đã chọn phục vụ cho việc xây dựng bản đồ, đánh giá biến động sử dụng đất trồng lúa

- Nghiên cứu phương pháp giám sát trạng thái sinh trưởng, phát triển của cây lúa

- Xây dựng thử nghiệm phương pháp dự báo năng suất, sản lượng lúa

3 Phạm vi nghiên cứu

*) Phạm vi không gian: Vùng Đồng bằng sông Hồng

*) Phạm vi thời gian: Giám sát quá trình sinh trưởng, phát triển và dự báo

năng suất lúa của khu vực nghiên cứu từ năm 2000 đến năm 2009

4 Ý nghĩa khoa học và thực tiễn của đề tài

*) Ý nghĩa khoa học: Góp phần xây dựng phương pháp mới vào quy trình

truyền thống trong công tác giám sát và dự báo năng suất lúa

*) Ý nghĩa thực tiễn: Góp phần khẳng định và mở rộng khả năng ứng

dụng phương pháp viễn thám vào việc giám sát mùa vụ và dự báo năng suất lúa phục vụ công tác xuất khẩu lúa gạo và công tác an ninh lương thực cho ngành nông nghiệp

5 Quan điểm và phương pháp nghiên cứu

*) Quan điểm nghiên cứu:

- Quan điểm hệ thống: Đối tượng nghiên cứu (cây lúa) sẽ được coi là một

chỉnh thể tự nhiên, các hiện tượng chịu ảnh hưởng của một tập hợp các yếu

tố tự nhiên

- Quan điểm tổng hợp: Là nền tảng hiện đại để quản lý thống nhất các hợp

phần tự nhiên và trạng thái sinh trưởng, phát triển và hình thành năng suất

- Quan điểm tiếp cận ứng dụng công nghệ hiện đại: Công nghệ hiện đại đang

phát triển nhanh và mạnh, đặc biệt là công nghệ viễn thám và GIS và các ứng dụng của nó trong phát triển của các chuyên ngành

- Quan điểm kế thừa các tài liệu đã có: Tài liệu đã có bao gồm các cơ sở dữ

liệu về điều kiện tự nhiên, điều kiện KTTV, KTNN, đất đai, diện tích và

năng suất lúa Các kết quả nghiên cứu của các đề tài, dự án đã được tiến hành Cách tiếp cận này cho phép tận dụng nhiều số liệu tốt đã có, giảm chi phí và giúp cho so sánh tài liệu lịch sử trong quá trình nghiên cứu

- Quan điểm mô hình hoá các hiện tượng vật lý của các đối tượng để đưa vào

các mô hình tự động hoá tính toán

*) Phương pháp nghiên cứu:

Phương pháp xử lý ảnh giải đoán ảnh viễn thám số bằng các phần mềm chuyên dụng (ENVI) nâng cao chất lượng và khả năng giải đoán của tư liệu ảnh

Kết hợp phương pháp phân tích ảnh bằng mắt và phân tích ảnh số trong giải đoán các đối tượng lớp phủ, đánh giá trạng thái sinh trưởng, phát triển và hình thành năng suất cây lúa

Phương pháp thống kê áp dụng trong khí hậu, khí hậu nông nghiệp

Lồng ghép dữ liệu khí tượng thủy văn, khí tượng nông nghiệp và các chỉ tiêu viễn thám trong mô hình đánh giá trạng thái sinh trưởng, phát triển và dự báo năng suất, sản lượng lúa

Phương pháp điều tra khảo sát, nghiên cứu mẫu phục vụ giải đoán ảnh viễn thám

Công nghệ GIS (ArcView, ArcInfor) trong việc chuyển đổi lưới toạ độ, thành lập cơ sở dữ liệu, các bản đồ số hoá, chồng ghép thông tin viễn thám

và thông tin địa lý bổ trợ

Phương pháp chuyên gia, tư vấn

6 Bố cục của đề tài

Mở đầu

Chương 1 Tổng quan về nghiên cứu giám sát trạng thái sinh trưởng, phát triển

của cây lúa và dự báo năng suất lúa bằng công nghệ viễn thám Chương 2 Tổng quan về khu vực nghiên cứu và đặc điểm mùa vụ lúa của khu

vực nghiên cứu

Chương 3 Ứng dụng công nghệ GIS và viễn thám xây dựng bản đồ trồng lúa và

đánh giá biến động diện tích trồng lúa vùng Đồng bằng sông Hồng Chương 4 Sử dụng dữ liệu ảnh MODIS phục vụ nghiên cứu giám sát trạng thái

sinh trưởng và phát triển cây lúa ở Đồng bằng sông Hồng

Chương 5 Xây dựng thử nghiệm phương pháp dự báo năng suất, sản lượng lúa

ở Đồng bằng sông Hồng bằng dữ liệu ảnh MODIS

Kết luận và kiến nghị

Tài liệu tham khảo

Phụ lục

Trong quá trình thực hiện, chủ nhiệm đề tài cùng đội ngũ cộng tác viên đã nhận được sự chỉ đạo, động viên và tạo điều kiện thuận lợi của lãnh đạo Viện Khoa học Khí tượng Thủy văn và Môi trường, các Vụ Khoa học và Công nghệ,

Kế hoạch, Tài chính, Bộ Tài nguyên và Môi trường, lãnh đạo các đơn vị trong

và ngoài Viện cùng với sự cộng tác, giúp đỡ nhiệt tình của các đơn vị bạn như: Cục Khí tượng Thủy văn và Biến đổi Khí hậu, Trung tâm Khí tượng Thuỷ văn Quốc gia, Trung tâm Viễn thám, Trung tâm Nghiên cứu ứng dụng Công nghệ

Vũ trụ, Viện Khoa học và Công nghệ Việt Nam, Trung tâm Viễn Thám và GIS , Đại học Khoa học Tự nhiên Chúng tôi xin trân trọng cảm ơn sự chỉ đạo, giúp

đỡ và sự hợp tác quý báu đó

Hà Nội, tháng 4 năm 2011 CHỦ NHIỆM ĐỀ TÀI

CHƯƠNG 1 TỔNG QUAN VỀ NGHIÊN CỨU GIÁM SÁT TRẠNG THÁI SINH TRƯỞNG, PHÁT TRIỂN CỦA CÂY LÚA VÀ DỰ BÁO NĂNG SUẤT

LÚA BẰNG CÔNG NGHỆ VIỄN THÁM 1.1 Số liệu ảnh viễn thám và phương pháp tiền xử lý ảnh viễn thám

1.1.1 Nguyên lý hoạt động của vệ tinh TERRA, AQUA với đầu đo MODIS

Vệ tinh TERRA và AQUA (còn được gọi là vệ tinh EOS-AM-PM) được phóng lên quỹ đạo lần lượt ngày 18 tháng 12 năm 1999 và ngày 4 tháng 5 năm

2002 tại Caliofrnia (Hoa Kỳ)

MODIS là một đầu đo viễn thám chủ yếu của vệ tinh TERRA và AQUA Trong khoảng thời gian một ngày đêm, các đầu đo của vệ tinh sẽ quét gần hết Trái đất Trong mỗi phiên thu sẽ thu được dữ liệu tại 36 băng phổ

Bảng 1.1 Các kênh phổ và các ứng dụng cơ bản của đầu đo MODIS

Kênh Khoảng phổ

m

µ

Phân giải không gian Các đối tượng ứng dụng điển hình

1 0.620-0.670 0.25 km Các loại mây và các loại đối tượng bao phủ

8 0.405-0.420 1 km Màu sắc thực vật phù du và sinh địa hoá

của đại dương

9 0.438-0.448 1 km Màu sắc thực vật phù du và sinh địa hoá

của đại dương

10 0.483-0.493 1 km Màu sắc thực vật phù du và sinh địa hoá

của đại dương

11 0.526-0.536 1 km Màu sắc thực vật phù du và sinh địa hoá

của đại dương

12 0.546-0.556 1 km Màu sắc thực vật phù du và sinh địa hoá

của đại dương

13 0.662-0.627 1 km Màu sắc thực vật phù du và sinh địa hoá

của đại dương

14 0.673-0.683 1 km Màu sắc thực vật phù du và sinh địa hoá

của đại dương

15 0.743-0.753 1 km Màu sắc thực vật phù du và sinh địa hoá

của đại dương

16 0.863-0.877 1 km Màu sắc thực vật phù du và sinh địa hoá

của đại dương

17 0.890-0.920 1 km Hơi nước trong khí quyển

18 0.931-0.941 1 km Hơi nước trong khí quyển

19 0.915-0.965 1 km Hơi nước trong khí quyển

20 3.66-3.84 1 km Nhiệt độ của mây và các đối tượng bao

24 4.433-4.498 1 km Nhiệt độ của khí quyển

25 4.482-4.549 1 km Nhiệt độ của khí quyển

26 1.36-1.39 1 km Mây ti (Cirrus cloud)

27 6.535-6.895 1 km Hơi nước

28 7.175-7.475 1 km Hơi nước

29 8.400-8.700 1 km Hơi nước

m (băng 3 đến 7) và 1000 m (băng 8 đến 36) các 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

1.1.2 Một số phương pháp tiền xử lý ảnh viễn thám

a) Hiệu chỉnh bức xạ

- Chuẩn hóa ảnh (normalization)

Phương pháp của KNMI (Hà Lan):

Nếu cos(θ) < 0.2 thì đặt cos(θ) = 0.2; bức xạ hiệu chỉnh bằng bức xạ gốc chia cho cos(θ) Trong đó θ là góc quan trắc vệ tinh

Phương pháp của AWG (Đức):

Đặt:

[cosθ cosθ ]5

.0

11

cp

+

13

3cp18

cos2511cp18

cos252

Trong đó:

Nếu (cos(θ) > 0.3 và cos(θ) <= 0.7) bức xạ hiệu chỉnh = cp1 * bức xạ gốc;

Nếu (cos(θ) > 0.7 và cos(θ) <=0.25) bức xạ hiệu chỉnh = cp2* bức xạ gốc;

Nếu (cos(θ) > 0.25) bức xạ hiệu chỉnh = cp3* bức xạ gốc còn lại cp = 1.;

Phương pháp của NWC-SAF (Tây ban Nha):

Nếu cos(θ) <= 0.87 bức xạ hiệu chỉnh = (bức xạ gốc 1023./255 - 50.) * (1./ cos(θ)) * 0.25; cho ảnh với mức lượng tử là 1024

2.1.2 Sai lệch do góc nhìn của vệ tinh do độ cong của bề mặt trái đất

Hiện tượng này xảy ra do độ cong của trái đất, làm sai lệch vị trí quan sát vật thể của vệ tinh Để hiệu chỉnh vấn đề này, ngoài việc sử dụng hệ tọa độ cho hình dạng thật của trái đất, người ta có thể sử dụng số liệu vệ tinh dưới nhiều góc nhìn khác nhau

- Hiện tượng lóe sáng do chuyển động biểu kiến của Mặt trời (sun glint)

Nếu ta quan sát bề mặt nước dưới một góc nhìn trùng với góc chiếu của mặt trời, khi đó bề mặt gần như sáng trắng, phản chiếu hình ảnh của mặt trời lên mặt nước Đây gọi là hiện tượng lóe sáng do mặt trời – (Sun glint), gọi tắt là hiện tượng lóe sáng

- Hiệu chỉnh số liệu bị nhiễu do lóe sáng (deglint algorithms)

Hiệu chỉnh số liệu nhiễu do lóe sáng thường các phương pháp sau: Hiệu chỉnh thống kê (không gian và thời gian) bằng việc sử dụng các ảnh liền kề; Sử dụng quan hệ tuyến tính giữa kênh cận hồng ngoại và kênh thị phổ; Mô hình của Cox và Munk đánh giá đóng góp của hiệu ứng lóe sáng mặt trời tới các hiện tượng của đại dương

b) Hiệu chỉnh khí quyển

Phương pháp sử dụng hàm truyền khí quyển

Hàm truyền khí quyển là giải pháp gần đúng hay được sử dụng Mọi thông tin dựa trên trạng thái trung bình của khí quyển kể cả hàm lượng các bụi

lơ lửng (aerosol) và hơi nước

Phương pháp sử dụng các số liệu quan trắc thực địa

Phương pháp này được tiến hành đo đạc bức xạ các đối tượng cần nghiên cứu ngay trong thời điểm bay chụp Sau đó dựa trên sự khác biệt cường độ bức

xạ thu được trên vệ tinh và giá trị đo được để thực hiện việc hiệu chỉnh bức xạ

Phương pháp hiệu chỉnh trên vệ tinh

Một số vệ tinh được trang bị các bộ cảm đặc biệt chuyên thu nhận các tham số trạng thái khí quyển đồng thời với các bộ cảm thu nhận ảnh và việc hiệu chỉnh được thực hiện ngay trong quá trình bay

c) Hiệu chỉnh hình học

Các trình tự cơ bản của hiệu chỉnh hình học như sau:

Phương pháp được lựa chọn phải dựa trên bản chất sự méo hình của tư liệu nghiên cứu và số lượng điểm khống chế có thể có được

a Lựa chọn phép chiếu thích hợp hoặc bản đồ tham khảo (reference map)

b Lựa chọn một lưới cân đối khớp với phép chiếu đưa ra (xác định vị trí và khoảng cách của các điểm lưới)

c Lựa chọn một tập hợp các điểm điều khiển mặt đất (“groud control points”) (GCP’s) – các pixel được định vị trên bản đồ nền (base map) phải được xác định chính xác

d Xác định phép biến đổi và tính toán các vị trí của các điểm lưới tham khảo (reference grid) trong hệ tọa độ ảnh Các phép biến đổi sao cho sự biến dạng lưới theo khoảng cách trung bình giữa các pixel GCP và vị trí của chúng trên bản đồ là nhỏ nhất

e Lưu lại giá trị ảnh để gán các giá trị mức xám cho mỗi điểm lưới

1 2 Khái niệm về giám sát và dự báo năng suất lúa

1.2.1 Khái niệm về giám sát lúa

Sự ảnh hưởng mạnh mẽ của thời tiết và khí hậu đến quá trình sinh trưởng, phát triển và hình thành năng suất, sản lượng lương thực của thế giới đã dẫn đến

sự quan tâm đặc biệt trong vấn đề theo dõi, đánh giá định kỳ (giám sát điều kiện khí tượng nông nghiệp) đối với sự sinh trưởng, phát triển của các loại cây lương thực ở các quốc gia trên thế giới Với tầm quan trọng của công tác giám sát và

dự báo năng suất cây trồng, đã từ lâu ở các nước phát triển và một số nước khác (Mỹ, các nước thuộc EU, Liên Xô cũ, Trung Quốc ) đã tiến hành công việc giám sát khí tượng nông nghiệp (KTNN) đối với các loại cây trồng và từ những năm 1974 – 1980 đến nay đã tiến hành xây dựng các phương pháp giám sát cây trồng theo những giai đoạn khác nhau

Theo nhiều nghiên cứu đi trước [5, 12], giám sát nông nghiệp nói chung

và giám sát lúa nói riêng theo phương pháp truyền thống được xây dựng dựa theo những bước sau đây:

1) Thu thập các số liệu KTNN thời gian thực ở mặt đất, bao gồm các số liệu khí tượng và vật hậu của cây trồng theo tuần, tháng hoặc theo từng giai đoạn Dữ liệu đầu vào bao gồm số liệu khí tượng (bốn yếu tố thời tiết chính ảnh hưởng đến năng suất nông nghiệp là: ẩm, nhiệt, gió, ánh sáng), được thu thập bởi mạng lưới các trạm khí tượng địa phương và quốc gia, và số liệu vật hậu học thu thập ở các mảnh ruộng thực địa theo từng thời kì sinh trưởng của cây trồng; 2) Tính toán và đánh giá điều kiện KTNN theo các kịch bản về mức độ thuận lợi và bất thuận lợi của các điều kiện thời tiết đối với sự sinh trưởng, phát triển và hình thành năng suất trên cơ sở số liệu KTNN theo tuần, tháng hoặc giai đoạn;

3) Đánh giá tổng hợp và phân loại mức độ thuận lợi của điều kiện khí tượng nông nghiệp đối với cây trồng theo theo tuần, tháng hoặc giai đoạn thông qua các chỉ số;

4) Đưa ra nhận định hàng tháng về khả năng được mùa và mất mùa đối với cây trồng;

5) Đưa ra các kiến nghị về các giải pháp cần áp dụng nhằm khai thác các điều kiện thuận lợi và khắc phục các điều kiện KTNN bất lợi đối với cây trồng trong tháng

Tóm tại, giám sát lúa là theo dõi và đánh giá các điều kiện kiện thuận lợi

và không thuận lợi của các yếu tố khí tượng thuỷ văn xảy ra trong thời gian sinh trưởng, phát triển tới quá trình hình thành năng suất cây trồng

Quy trình giám sát mùa màng theo phương pháp khí tượng nông nghiệp truyền thống trình bày như trên tuy đã mang lại nhiều kết quả tương đối phù hợp thực tế, tuy nhiên còn tồn tại một số vấn đề như sau: Thứ nhất, dữ liệu đầu vào bao gồm dữ liệu khí tượng và dữ liệu vật hậu học là những giá trị thực đo tại một điểm đặc trưng cho vùng nghiên cứu, vì vậy khi khu vực nghiên cứu có phạm vi rộng luôn luôn nảy sinh những sai số đáng kể; Thứ hai, phương pháp giám sát truyền thống còn khá phức tạp, đòi hỏi nhiều bước trong tính toán và đánh giá; Thứ ba phương pháp giám sát và dự báo truyền thống chủ yếu căn cứ vào các số liệu khí tượng thủy văn mà còn ít các số liệu đánh giá hiện trạng cây trồng vì vậy còn mang nhiều tính chủ quan, định tính

Khi công nghệ vũ trụ ra đời, cùng với sự phát triển của khả năng quan trắc

bề mặt, công nghệ viễn thám đã mang lại cho việc giám sát mùa màng những ưu thế mới vượt trội so với phương pháp truyền thống

Khái niệm giám sát lúa bằng công nghệ viễn thám có nhiều điểm khác biệt so với quy trình giám sát nông nghiệp truyền thống Ảnh viễn thám với hai

ưu thế đặc trưng, thứ nhất là thu nhận thông tin mặt đất với phạm vi rộng, thứ hai là ảnh vệ tinh có độ phân giải không gian và thời gian cao, chu kỳ quan trắc lặp, liên tục, tạo điều kiện thuận lợi cho việc phát hiện những thay đổi trên bề mặt lớp phủ cây trồng trong thời gian mùa vụ Đối với dữ liệu viễn thám radar, các kết quả nghiên cứu về mặt lý thuyết và thực nghiệm cho thấy các vùng lúa

có sự biến đổi lớn về cường độ tán xạ radar theo từng thời đoạn sinh trưởng Đối với dữ liệu quang học, các giai đoạn sinh trưởng và sự hình thành năng suất lúa cũng liên quan chặt chẽ với sự biến đổi theo thời gian của các chỉ số thực vật như NDVI, EVI và chỉ số nước bề mặt LSWI [36]

Thời kì sạ cấy Lúa xanh Lúa chín Kỳ thu hoạch

Hình 1.1 Sự biến đổi của chỉ số thực vật NDVI qua các kỳ

sinh trưởng của lúa

Khi có được chuỗi dữ liệu viễn thám đa thời gian trong suốt thời kì mùa

vụ, sự sinh trưởng và hình thành năng suất lúa hoàn toàn có thể được nghiên cứu

và đánh giá thông qua sự biến đổi có quy luật của các thông tin viễn thám (hình 1.1)

Thông thường, các nghiên cứu giám sát về quá trình sinh trưởng phát triển của lúa bao gồm hai kết quả chính: Kết quả thứ nhất là thành lập bản đồ vùng trồng lúa dựa trên sự khác biệt rõ rệt ở dữ liệu viễn thám của vùng trồng lúa so với các loại hình sử dụng đất khác trong thời gian mùa vụ; Kết quả thứ hai là xác định được một số thông số sinh lý của cây như kỳ sinh trưởng, sinh khối, tán

lá, trạng thái sinh trưởng và phát triển của cây lúa… trong từng thời kỳ dựa vào mối tương quan giữa số liệu vật hậu học mặt đất và tư liệu viễn thám ở cùng một thời điểm thu nhận dữ liệu Như vậy, giám sát lúa bằng công nghệ viễn thám là việc phát hiện vùng trồng lúa và xác định trạng thái sinh lý của lúa ở từng giai đoạn sinh trưởng dựa vào tư liệu viễn thám đa thời gian

1.2.2 Khái niệm về dự báo năng suất lúa

Trong nghiên cứu mùa màng, công tác dự báo và công tác giám sát luôn

đi cùng với nhau Phần lớn các kết quả của việc giám sát cây trồng là những yếu

tố đầu vào cho việc dự báo năng suất cây trồng và sản lượng của mùa vụ Để phân tích mối tương quan giữa năng suất các loại cây trồng nói chung và năng suất lúa nói riêng với các điều kiện ngoại cảnh, trên cơ sở đó xây dựng các mô hình dự báo năng suất [5, 12, 19, 29], trên thế giới hiện nay có rất nhiều phương

pháp; tuy nhiên có thể phân chia chúng thành hai nhóm chính: 1) Các mô hình phân tích thống kê và 2) Các mô hình mô phỏng (simulation models)

*) Các mô hình dự báo thống kê là nhóm mô hình diễn tả một cách khách quan về lượng của mối quan hệ giữa năng suất cây trồng và các điều kiện ngoại cảnh tác động lên cây lúa dựa trên lý thuyết thống kê toán học Tuy còn một số hạn chế như sự phân tích thống kê chỉ biểu hiện mối tương quan bề mặt giữa các con số; không thể giải thích đầy đủ mối quan hệ nhân quả giữa đối tượng dự báo

và những yếu tố dự báo; sự tồn tại sai số ngẫu nhiên nhưng mô hình thống kê

có ưu điểm lớn là đơn giản, dễ sử dụng và kết quả cao (Đỗ Thị Hồng Thuỷ, 2003; Phan Văn Tân, 2005) Đối với quy trình dự báo năng suất lúa truyền thống của chuyên ngành khí tượng nông nghiệp, một số mô hình thống kê được sử dụng phổ biến và mang lại kết quả cao, thậm chí cao hơn so với các mô hình mô phỏng, đặc biệt là Mô hình thống kê thời tiết – cây trồng và mô hình trực giao (Nguyễn Thị Hà, 2008) Mô hình thống kê thời tiết – cây trồng sẽ được trình bày chi tiết trong chương 4

*) Loại mô hình dự báo năng suất cây trồng thứ hai là mô hình mô phỏng (simulation models) Mô hình mô phỏng được xem như một kỹ thuật nghiên cứu diễn biến mùa vụ có hệ thống bằng các phương pháp toán học nhằm đơn giản hóa thể hiện của hệ thống Trong công tác dự báo năng suất lúa, tất cả những quá trình sinh thái cơ bản ví dụ như quá trình quang hợp, bốc thoát hơi…, những quá trình chuyển giao và trao đổi năng lượng theo từng giai đoạn sinh trưởng của lúa đều được mô phỏng bằng các phương trình toán học phức tạp và được giải quyết bằng phần mềm máy tính Do sự thể hiện rất chi tiết diễn biến những giai đoạn sinh trưởng và tích lũy năng suất sinh học, mô hình mô phỏng cần lượng thông tin đầu vào rất đa dạng, tất cả mọi yếu tố có liên quan đến sự hình thành năng suất lúa đều phải được đưa vào mô hình Cụ thể như các mô hình mô phỏng CERES, DSSAT, CROPWATN đã bao quát một cách tổng hợp các yếu

tố có tác động đến năng suất, trong đó có tính đến các đặc trưng địa lý ( kinh độ,

vĩ độ, độ cao), đặc trưng về đất đai (phân loại đất, các tính chất cơ lý hoá của đất ), đặc trưng về cây trồng (giống, các kỳ sinh trưởng, phát triển ), các điều kiện khí hậu, thời tiết (bức xạ mặt trời, điều kiện nhiệt độ ) và một số đặc điểm khác

Vấn đề ứng dụng công nghệ viễn thám trong việc dự báo năng suất lúa xuất hiện được đánh dấu bằng sự kiện vệ tinh viễn thám châu Âu 1 (ERS-1) phóng vào năm 1991 Từ đó đến nay, rất nhiều các công trình nghiên cứu nghiên cứu về theo dõi mùa vụ và dự báo năng suất lúa bằng dữ liệu radar được tiến hành Các nhà nghiên cứu đã trình bày kết quả chủ yếu theo các hướng bao gồm phân tích dữ liệu SAR là hàm của các thông số sinh lý của cây lúa và thay đổi

theo thời gian của chúng, giải thích các quan sát bằng các mô hình lý thuyết, xác định một số thông số sinh lý của lúa và kết hợp các mô hình tăng trưởng để dự báo năng suất lúa bởi các modul phần mềm được xây dựng

Đặc biệt, mô hình mô phỏng khí tượng nông nghiệp ORYZA được sử dụng rất phổ biến trong nhiều nghiên cứu sử dụng dữ liệu radar dự báo năng suất lúa [8, 9, 23] Các tác giả đã tính được ngày gieo sạ và sinh khối cây tại thời điểm thu nhận dựa vào chuỗi dữ liệu radar, hai yếu tố này sau đó được lấy làm đầu vào cho mô hình dự báo năng suất lúa ORYZA (hình 1.2)

Bên cạnh mô hình mô phỏng, một phương pháp khác để dự báo năng suất lúa là sử dụng mô hình thống kê [15, 24]. Các tác giả đã thiết lập mô hình hồi quy

đa biến nhằm đưa ra mối quan hệ giữa hệ số tán xạ ngược giữa dữ liệu SAR đa thời gian và năng suất lúa

Đối với viễn thám quang học, các tác giả chủ yếu nghiên cứu theo hướng

sử dụng những ưu thế riêng của dữ liệu viễn thám quang học để tính toán các thông số sinh lý của lúa nhằm tích hợp chúng vào các mô hình năng suất cây trồng [18, 34, 35] Ưu thế của viễn thám quang học chính là phổ phản xạ bề mặt phản ánh khách quan những thông tin của bề mặt lớp phủ theo các dải sóng bức

xạ điện từ Qua đó có thể tính toán và đánh giá được những chỉ số thể hiện trạng thái sinh trưởng của lúa như chỉ số diện tích lá LAI, chỉ số giá trị bức xạ quang hợp hiệu dụng - PAR, thành phần bức xạ quang hợp hiệu dụng được hấp thụ bởi tán lá – FAPAR… nhằm đưa vào mô hình dự báo năng suất

Nguồn: Ribbes & Le Toan, 1999

Hình 1.2 Mô hình dự báo năng suất lúa ORYZA

Tóm lại, dự báo năng suất lúa sử dụng dữ liệu viễn thám là việc đưa các

dữ liệu viễn thám một cách trực tiếp làm đầu vào của mô hình dự báo năng suất lúa (ở mô hình thống kê) hoặc là sử dụng dữ liệu viễn thám để tính toán, xác định những yếu tố đầu vào của mô hình dự báo (ở mô hình mô phỏng) Độ chính

xác của việc sử dụng tư liệu viễn thám dự báo năng suất lúa phụ thuộc vào nhiều yếu tố như tính chính xác và chi tiết của dữ liệu viễn thám, tính phù hợp của mô hình dự báo được lựa chọn với lãnh thổ nghiên cứu, sự biến đổi bất thường của điều kiện khí tượng

1.3 Tình hình sử dụng công nghệ viễn thám trong giám sát và dự báo năng suất lúa trong nước và trên thế giới

Từ những năm 60 của thế kỷ 20 với sự xuất hiện của vệ tinh nhân tạo đầu tiên, kỹ thuật không gian đã có sự phát triển vượt bậc Từ đó đến nay một loạt nước như Nga, Liên minh Châu Âu, Nhật Bản, Trung Quốc, Ấn Độ đã phóng thành công rất nhiều các vệ tinh viễn thám của mình, kỹ thuật thám trắc bằng vệ tinh đã phát triển nhanh chóng hình thành lên một hệ thống toàn cầu Công nghệ viễn thám đã cung cấp rất nhiều số liệu về lớp phủ mặt đất và các tầng khí quyển, các vệ tinh nhân tạo đã được sử dụng rất rộng rãi trong các lĩnh vực thiên văn, khí tượng, địa chất, địa lý, hải dương, nông nghiệp, lâm nghiệp, quân sự, thông tin, hàng không, vũ trụ

Từ những ưu điểm nổi bật như đã nêu ở phần trên, những ứng dụng dựa trên công nghệ viễn thám về nông nghiệp nói chung và ứng dụng trong công tác giám sát và dự báo năng suất lúa nói riêng ngày càng phát triển cả về chiều rộng lẫn chiều sâu Đã có nhiều nghiên cứu theo dõi mùa vụ lúa được tiến hành sử dụng dữ liệu viễn thám quang học và cả dữ liệu viễn thám radar Trong đó một vài công trình nghiên cứu tiêu biểu có thể được tóm tắt như sau

1.3.1 Tình hình sử dụng công nghệ viễn thám radar trong giám sát và dự báo năng suất lúa

Dữ liệu viễn thám radar cho phép quan sát độc lập với điều kiện thời tiết

và sự chiếu sáng của mặt trời và là nguồn dữ liệu tiềm năng rất thích hợp cho mục đích lập bản đồ, theo dõi quá trình sinh trưởng phát triển và dự báo năng suất lúa Trước đây, trên thế giới đã có nhiều nghiên cứu theo dõi mùa vụ lúa được tiến hành sử dụng dữ liệu viễn thám radar kể từ khi vệ tinh viễn thám ERS-

1 được phóng vào năm 1991, một số nghiên cứu tiêu biểu được kể đến như những nghiên cứu tại Nhật: Kurosu et al., 1995 [22]; Trung Quốc: Bingbai et al.,

2005 [14]; Việt Nam: Lâm Đạo Nguyên và Le-Toan, 2003 [9]; Ấn Độ: Choudhury et al., 2006 [16]… Nhìn chung, các công trình nghiên cứu trước đây

đã tập trung giải quyết một số vấn đề sau:

- Nghiên cứu các mô hình tán xạ ngược của sóng radar chủ yếu trong ruộng lúa bao gồm: 1 - tán xạ gương khi tia tới gặp một bề mặt phẳng (mặt nước lặng…vv), phần lớn năng lượng không quay về ăng ten và tín hiệu đo tại đó gần như bằng 0; 2 - Tán xạ ngược dạng khối, khi tia tới của sóng radar gặp tán lá và

bị khúc xạ trong tán lá trước khi quay lại ăng ten; 3 - tán xạ ngược góc, khi tia

tới của sóng radar chạm một mặt phẳng, chuyển hướng vào thân cây rồi mới quay trở lại ăng ten Trên thực tế, tại các ruộng lúa các mô hình này có thể bị kết hợp lại, tùy thuộc vào hình thái cây lúa và điều kiện môi trường xung quanh, tạo nên một giá trị tán xạ ngược “tích hợp”

- Đánh giá sự biến đổi tán xạ ngược SAR theo chu kỳ sinh trưởng của cây lúa: tại mỗi giai đoạn sinh trưởng khác nhau, lúa có độ cao, độ che phủ và độ nhám của lá khác nhau, hoặc ruộng lúa chỉ có bề mặt nước, chưa có tán lá khi mới cấy Do đó, ở từng giai đoạn sinh trưởng, giá trị tán xạ ngược của ảnh radar

ở ruộng lúa là khác nhau rõ rệt Đó là cơ sở của việc phát hiện vùng lúa và giám sát lúa bằng ảnh viễn thám radar

- Ứng dụng của tính phân cực (polarization) của radar

- Dự báo năng suất lúa: cốt lõi của vấn đề dự báo năng suất lúa là kết hợp thông tin thu nhận được từ tư liệu radar và mô hình sinh trưởng cây lúa để dự báo năng suất

Một số nghiên cứu tiêu biểu trên thế giới được trình bày dưới đây:

*) Trước tiên, những nghiên cứu được coi là tiên phong về vấn đề theo dõi lúa bằng viễn thám radar chủ yếu của tác giả Lê Toàn Thuỷ vào những năm giữa của thập niên 90 Theo nghiên cứu năm 1997 của Lê Toàn Thuỷ, phép nghịch đảo dữ liệu SAR (của vệ tinh ERS-1) thành các bản đồ thông số lúa như

độ cao và sinh khối, đã mang lại nhiều kết quả khả quan Ribbes và Lê Toàn Thuỷ (1999) đã tính được ngày gieo sạ và sinh khối lúa tại thời điểm thu nhận ảnh dựa trên chuỗi dữ liệu radar, đồng thời kết hợp giữa dữ liệu SAR với mô hình khí tượng nông nghiệp ORYZA đã cung cấp chính xác kết quả đánh giá năng suất lúa

*) Do Việt Nam là quốc gia xuất khẩu gạo thứ 2 thế giới nên các nhà khoa học rất quan tâm đến vấn đề dự báo năng suất lúa ở nước ta, đặc biệt là ở vựa lúa đồng bằng Sông Cửu Long Nghiên cứu của Lâm Đạo Nguyên (2003) là một trong những nghiên cứu đầu tiên sử dụng viễn thám radar giám sát và dự báo năng suất lúa ở Việt Nam, với dữ liệu được sử dụng là ảnh radar ERS-2 Điểm mấu chốt trong việc xây dựng bản đồ lúa của nghiên cứu này là lấy ngưỡng tỉ số thay đổi giá trị hệ số tán xạ ngược (tỉ số MTC – Maximum temporal change) của hai ảnh trong hai thời kì sinh trưởng của lúa là 3dB để phân loại ra vùng trồng lúa (hình 1.3) Kết hợp chuỗi số liệu SAR đa thời gian trong một năm dựa trên phương pháp này ta sẽ thành lập được bản đồ cơ cấu mùa vụ lúa Trong nghiên cứu tiếp theo của Lâm Đạo Nguyên và Lê Toàn Thuỷ (2007), dữ liệu SAR – ERS 2 được kết hợp với mô hình sản xuất lúa ORYZA nhằm mô phỏng quá trình phát triển của lúa và dự báo năng suất lúa ở vùng đồng bằng Sông Cửu Long

Nguồn: Lâm Đạo Nguyên và Lê Toàn Thuỷ, 2007

Hình 1.3 Quá trình xây dựng bản đồ lúa bằng dữ liệu SAR (ERS-2)

cải tiến đáng kể so với những

dữ liệu radar trước đó, độ phân

giải thời gian của dữ liệu

ASAR cao hơn và đặc biệt đầu

đo ASAR là đầu đo radar đầu

tiên có thể chụp 2 ảnh phân cực

cùng một lúc

Cặp phân cực của ảnh

ASAR APP mang lại nhiều ưu

thế trong trong quá trình xây

dựng bản đồ trồng lúa Những nghiên cứu thí nghiệm và trên lý thuyết chỉ ra rằng ở vùng đất trồng lúa, cường độ tán xạ phản hồi phân cực HH cao hơn rõ rệt

so với cường độ tán xạ phản hồi phân cực VV ở băng C Nguyên nhân do sự suy giảm mạnh của sóng VV khi tiếp xúc với đất trồng lúa với cấu trúc thẳng đứng Đây là điểm đặc trưng riêng của đất trồng lúa để có thể dễ dàng phân loại được vùng trồng lúa và các loại thảm phủ thực vật khác trên ảnh ASAR dựa trên tỉ số hai kênh phân cực HH/VV (hình 1.4)

Kết quả quan trọng khác của nghiên cứu này là dự báo năng suất lúa trên

cơ sở đánh giá được sinh khối của lúa dựa vào tỉ số HH/VV Từ chuỗi dữ liệu radar đa thời gian và dữ liệu sinh khối đo trực tiếp ngoài thực địa, phương trình hồi quy tuyến tính giữa tỉ số HH/VV và sinh khối ướt được thành lập và qua đó giám sát được các giai đoạn sinh trưởng của lúa Như đã trình bày ở phần 1.2 (hình 1.2) những dữ liệu thứ cấp này được đưa vào mô hình ORYZA cùng với

dữ liệu khí tượng nhằm dự báo năng suất lúa

Tóm lại, viễn thám radar với những ưu điểm rõ rệt đã được đa số các nhà khoa học trong và ngoài nước lựa chọn để nghiên cứu giám sát và dự báo năng suất lúa Các thế hệ sensor radar ngày càng cải tiến, độ phân giải càng được nâng cao đem lại độ chính xác trong các nghiên cứu ngày càng cao, hầu hết các nghiên cứu thành lập bản đồ vùng trồng lúa hay dự báo năng suất lúa đã trình bày đều có độ chính xác trên 90% Tuy nhiên, nghiên cứu lúa bằng radar cũng

có một số hạn chế nhất định Thứ nhất là công đoạn tiền xử lý và xử lý ảnh radar rất phức tạp, đòi hỏi nhiều kỹ thuật cao, do đó, việc phổ biến, chuyển giao quy trình giám sát và dự báo lúa cho các cơ quan quản lý, các cơ quan có nhiệm vụ liên quan rất khó khăn; Thứ hai, giá thành thương mại của dữ liệu radar khá cao, nên các nghiên cứu nhỏ có quỹ tài chính hạn hẹp không đủ năng lực để chi phí cho việc mua dữ liệu; Thứ 3 ảnh rada với độ phân giải thời gian thấp, trong nhiều trường hợp không thể thực hiện được việc giám sát và dự báo năng suất cây trồng khi thời điểm dự báo không trùng vời thời gian chụp ảnh Một cách tiếp cận khác trong bài toán giám sát và dự báo năng suất lúa là sử dụng ảnh viễn thám quang học Việc sử dụng nguồn ảnh quang học tuy còn tồn tại một số hạn chế, nhưng ảnh quang học có những ưu điểm riêng Việc sử dụng ảnh viễn thám quang học trong việc giám sát và dự báo năng suất lúa sẽ được trình bày chi tiết trong phần dưới đây

1.3.2 Tình hình sử dụng công nghệ viễn thám quang học trong giám sát và

dự báo năng suất lúa ở trong nước và trên thế giới

Trong lịch sử ngành viễn thám, viễn thám quang học ra đời và phát triển sớm hơn viễn thám radar hai thập kỉ So với sự kiện phóng vệ tinh có đầu đo radar ERS-1 năm 1991, bước ngoặt lớn đánh dấu việc sử dụng viễn thám quang học như một công cụ phục vụ nghiên cứu và quan trắc bề mặt trái đất là sự kiện

Mỹ phóng vệ tinh Landsat-1 năm 1972 Trước thời điểm năm 1972, đã có nhiều nghiên cứu sử dụng viễn thám trong mục đích quân sự, nhưng sau khi phóng vệ tinh Landsat-1, tư liệu viễn thám quang học được sử dụng ngày càng phổ biến

và phát triển một cách nhanh chóng trong nghiên cứu và trong ứng dụng dân sự Trong đó, các ứng dụng tư liệu viễn thám quang học phục vụ nghiên cứu bề mặt thảm phủ thực vật nói chung cũng như nghiên cứu giám sát trạng thái và tính

toán năng suất cây trồng nói riêng luôn là vấn đề lớn, được các nhà khoa học rất quan tâm

Hầu hết các tư liệu viễn thám quang học với chức quan trắc bề mặt đất và thảm phủ thực vật đều được các nhà khoa học thí nghiệm đưa vào các nghiên cứu về mùa vụ Mỗi loại tư liệu viễn thám đều có những ưu điểm riêng cho từng mục đích sử dụng, nghiên cứu giám sát mùa vụ cây trồng cũng đòi hỏi những đặc tính riêng của tư liệu viễn thám mà không phải loại tư liệu nào cũng phù hợp Tư liệu Landsat được sử dụng trong một số công trình về phân loại đất mùa

vụ của Xiangming Xiao [30, 32], và mô phỏng năng suất mùa vụ nói chung của Doraiswamy [18] Tuy có độ phân giải không gian cao (30 m) nhưng tư liệu Landsat có độ phân giải thời gian khá thấp, thời gian quay lại chụp lặp là 16 ngày, hơn nữa bất cứ dữ liệu viễn thám quang học nào cũng không thể tránh được vấn đề mây phủ, do đó nếu trong khoảng thời gian mùa vụ, hai điểm hạn chế này kết hợp lại sẽ không phù hợp cho những nghiên cứu theo dõi những quá trình biến đổi thảm thực vật trong thời gian ngắn như các nghiên cứu về mùa vụ Với ưu thế là độ phân giải không gian, ảnh Landsat trong các nghiên cứu nói trên chủ yếu làm nhiệm vụ phân loại đất mùa vụ và bổ xung thông tin, kiểm chứng và so sánh với kết quả giám sát lúa của các dữ liệu khác như MODIS hoặc NOAA

Những dữ liệu có độ phân giải không gian thấp (1 km) như NOAA, và SPOT – VGT cũng được đưa vào sử dụng trong một số nghiên cứu khác của Xiao [31, 33] và Doraiswamy [17] Đầu đo AVHRR của vệ tinh NOAA tuy có

độ phân giải thời gian cao, ảnh thu nhận được hàng ngày, nhưng vệ tinh NOAA chủ yếu được thiết kế cho việc quan sát khí tượng và thời tiết, vì vậy dữ liệu NOAA không có kênh hồng ngoại trung – một kênh phổ rất quan trọng trong việc đánh giá độ ẩm đất và độ ẩm của tán lá thực vật phục vụ nghiên cứu mùa màng Ngoài ra, độ phân giải thấp của NOAA cũng là một điểm hạn chế trong việc xác định diện tích đất mùa vụ So với đầu đo AVHRR của vệ tinh NOAA, đầu đo VGT của vệ tinh SPOT-4 có những cải tiến rõ rệt trong thiết kế phục vụ nghiên cứu thực vật và bề mặt đất Đầu đo VGT có 4 kênh tương tương với 4 kênh của Landsat-TM, đồng nghĩa với việc VGT có kênh Blue – một kênh phổ chủ yếu để hiệu chỉnh khí quyển Đầu đo VGT có kênh phổ hồng ngoại trung để nghiên cứu về độ ẩm, thêm vào đó VGT cũng có độ phân giải thời gian nhận ảnh hàng ngày Những đặc tính này khiến dữ liệu VGT có nhiều lợi thế trong việc giám sát mùa vụ và quan trắc bề mặt đất

Trong chuỗi nghiên cứu của Xiao và cộng sự năm 2002 và 2003, các tác giả đều sử dụng dữ liệu VGT tổ hợp đa thời gian 10 ngày để xét sự biến thiên của chỉ số thực vật NDVI (Normalized Difference Vegetation Index) và chỉ số

nước NDWI (Normalized Difference Water Index) nhằm đưa ra phương pháp phân loại đất mùa vụ và đưa ra phương pháp phân biệt đất ngập lũ và đất sạ cấy lúa với các loại thảm phủ khác Biến động theo thời gian của chỉ số nước NDWI

có liên quan chặt chẽ với sự tăng giảm vật chất của bề mặt nước ở vùng ngập lũ

và mới trồng cấy lúa của những vùng đất trồng lúa, theo Xiao [31], khi giá trị NDWI cao hơn giá trị NDVI thì pixel đó ở thời điểm đang xét là vùng ngập lũ

và mới cấy lúa (hình 1.5) Đây là nghiên cứu mở đường, làm tiền đề cho các nghiên cứu sử dụng dữ liệu MODIS phát hiện vùng trồng lúa của tác giả Xiao sau này

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 0,4µm đến

14µm 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 còn 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 mô toàn cầu Ngoài 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, không 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 [35, 36], Sakamoto [27, 28] và Doraiswamy [18] Một số nghiên cứu tiêu biểu của các tác giả này được trình bày chi tiết trong những phần dưới đây

Các nghiên cứu sử dụng viễn thám quang học MODIS trong việc giám sát lúa:

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

*) Các công trình nghiên cứu của Sakamoto [27, 28] và Kotera [21] ở Nhật Bản được coi là những nghiên cứu tiêu biểu về vấn đề giám sát lúa bằng ảnh MODIS Dựa trên chỉ số thực vật tăng cường EVI và chỉ số nước bề mặt LSWI, Sakamoto đã sử dụng một công cụ toán học là phép lọc WFCP (Wavelet based Filter for determining Crop Phenology) để làm trơn xu thế biến thiên theo thời gian của các chỉ số này, loại bỏ các thăng giáng ngẫu nhiên (hình 1.7), qua

đó những giai đoạn sinh trưởng phát triển của lúa dễ dàng được phân tích và nhận diện

Trong nghiên cứu tại Nhật Bản, Sakamoto [27] sử dụng chỉ số thực vật tăng cường (Enhanced Vegetaion Index) EVI, bởi vì chỉ số EVI có độ nhạy cảm cao hơn chỉ số NDVI trong những vùng có sinh khối cao Chỉ số EVI được tính toán bằng dữ liệu MODIS năm 2002 và làm trơn bằng thuật toán WFCP Ở nghiên cứu này, các giai đoạn sinh trưởng và phát triển của lúa được phân tích thông qua các điểm cực đại, cực tiểu và điểm uốn của đồ thị biến thiên chỉ số thực vật EVI sau khi đã được làm trơn

Được kế thừa và phát triển từ nghiên cứu ở Nhật Bản, Sakamoto tiếp tục

mở rộng phương pháp luận của mình cả về chiều sâu và tính toàn diện bằng những nghiên cứu ở đồng bằng sông Cửu Long trong những năm tiếp theo và bản đồ cơ cấu mùa vụ là kết quả rất khả quan [28] Dựa vào số điểm cực đại trên

đồ thị biến thiên EVI đã được lọc bởi thuật toán WFCP, ứng với những ngày trổ bông của từng mùa vụ khác nhau trong năm, Sakamoto đã xác định được sự phân bố không gian và cơ cấu mùa vụ của những vùng trồng lúa trong lãnh thổ nghiên cứu (hình 1.6) Số lần đạt cực đại trong thời gian cả năm tại mỗi pixel lúa chính là số vụ lúa ở pixel đó

Nguồn: Sakamoto, 2006

Hình 1.6 Bản đồ cơ cấu mùa vụ lúa đồng bằng Sông Cửu Long năm 2003

Một khía cạnh khác trong nghiên cứu giám sát lúa được Sakamoto và Kotera đưa ra và làm sáng tỏ, đó chính là nghiên cứu xác định trạng thái thời gian của mùa vụ (vụ sớm hay vụ muộn) [21] Thời gian vụ mùa canh tác sớm hay muộn được đánh giá bằng đồ thị giá trị của EVI theo thời gian thu nhận dữ liệu MODIS Thông qua quá trình lọc nhiễu biến thiên bất thường của hàm WFCP, theo lý luận của nghiên cứu, thời gian xuất hiện những điểm giá trị cực đại và điểm uốn của đồ thị EVI tương ứng với những thời điểm đánh dấu các

thời kì sinh trưởng và phát triển của lúa (ngày gieo hạt, ngày trổ bông, ngày thu hoạch) được so sánh với thời gian nông lịch chuẩn của vùng, từ đó đánh giá được trạng thái thời gian của mùa vụ (hình 1.7) Các kết quả quan trọng được thể hiện dưới dạng bản đồ trạng thái thời gian mùa vụ

Nguồn: Kotera và Sakamoto, 2007

Hình 1.7 Một số bản đồ trạng thái thời gian mùa vụ

ở Đồng bằng sông Hồng

Nói chung, những nghiên cứu của Sakamoto là thực sự hữu ích cho những đánh giá cấp vùng hoặc cấp quốc gia không chỉ riêng vấn đề về giám sát mùa vụ lúa mà còn liên quan đến vấn đề giám sát lũ lụt và giám sát hệ thống nông nghiệp theo thời gian Tuy nhiên phương pháp ở những nghiên cứu này mới chỉ đưa ra các thành lập bản đồ vùng trồng lúa và cơ cấu mùa vụ, các kết quả về giám sát trạng thái sinh trưởng phát triển của lúa như các thông số sinh lý của lúa vẫn chưa được thể hiện rõ

*) Hệ thống các công trình nghiên cứu của tác giả Xiangming Xiao cũng được coi là những nghiên cứu tiêu biểu nhất về sử dụng ảnh MODIS giám sát lúa [34, 35,36] 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 toàn 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 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 đề tài, chi tiết nội dung sẽ được trình bày trong chương 3

Nguồn: Xiao, 2006

Hình 1.8 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

Các nghiên cứu sử dụng viễn thám quang học MODIS trong việc dự báo năng suất lúa:

Như đã trình bày ở phần 1.2 , những phương pháp dự báo năng suất lúa chủ yếu được phân chia thành hai nhóm mô hình chính là mô hình thống kê và

mô hình mô phỏng Đối với ngành khí tượng nông nghiệp, cả hai loại mô hình này đều được nghiên cứu và sử dụng, mỗi phương pháp đều có những ưu thế riêng và đều sử dụng dữ liệu quan trắc trực tiếp tại bề mặt đất như các chỉ tiêu thời tiết, các thông số sinh lý của lúa Khi phương pháp giám sát và dự báo năng suất lúa bằng công nghệ viễn thám radar ngày càng phát triển, dữ liệu radar được tính toán thành những thông số sinh lý, những chỉ tiêu vật hậu của lúa được đưa vào mô hình dự báo năng suất thay cho những dữ liệu mặt đất quan trắc lúa Hầu hết, các nghiên cứu dự báo năng suất lúa dựa trên ảnh radar đều sử dụng mô hình mô phỏng như ORYZA, CROPWATN, CERES

Cũng tương tự việc nghiên cứu giám sát lúa bằng ảnh quang học, việc dự báo năng suất lúa bằng ảnh quang học đa số dựa trên những ảnh có độ phân giải không gian trung bình và có độ phân giải thời gian cao như AVHRR, SPOT4 – VGT hay MODIS Ưu thế của những đầu đo này là sự thu ảnh được cập nhật liên tục (hàng ngày, thậm chí vài giờ là có một ảnh chụp mới ở cùng một khu vực) thuận lợi cho việc giám sát những biến đổi của thảm phủ bề mặt trong thời gian ngắn như mùa vụ lúa, ưu thế thứ hai là các ảnh tổ hợp đa thời gian của những đầu đo này có thể giảm bớt phần nào ảnh hưởng của mây trong quá trình

xử lý Cùng với sự phát triển mạnh mẽ của các công trình nghiên cứu dự báo năng suất lúa dựa trên công nghệ viễn thám radar, những nghiên cứu sử dụng viễn thám quang học để dự báo năng suất lúa cũng ngày càng được phát triển Tiêu biểu nhất là những công trình có liên quan đến tính toán và dự báo năng suất của Xiao và Doraiswamy

Song song với những nghiên cứu giám sát lúa và thành lập bản đồ lúa, Xiao cũng phát triển một loạt các nghiên cứu tính toán tổng năng suất sơ cấp dựa trên dữ liệu viễn thám quang học ở các loại thảm phủ thực vật khác nhau trên nhiều vùng khí hậu [33, 34] Mục tiêu của những nghiên cứu này là phát triển một mô hình mới về tính toán sự quang hợp thực vật dựa trên dữ liệu vệ tinh (Vegetation Photosynthesis Model – VPM) để xác định sự biến động theo mùa của giá trị tổng năng suất sơ cấp (Gross Primary Production – GPP) Dữ liệu đầu vào của mô hình VPM bao gồm dữ liệu viễn thám như chỉ số thực vật EVI và chỉ số nước bề mặt LSWI, ngoài ra dữ liệu mặt đất gồm có các chỉ tiêu

về nhiệt độ và giá trị bức xạ quang hợp hiệu dụng (Photosynthetically Active Radiation – PAR) Theo mô hình VPM, tổng năng suất sơ cấp GPP là hàm của các giai thừa bao gồm bức xạ quang hợp PAR, thành phần bức xạ quang hợp hữu hiệu được hấp thụ bởi tán lá APAR, và các đại lượng vô hướng như chỉ số nhiệt Tscalar, chỉ số nước Wscalar, chỉ số vật hậu của lá Pscalar Trong đó APAR được tính qua chỉ số NDVI và PAR, các chỉ số Wscalar và Pscalar đều được tính qua chỉ số LSWI, những chỉ số còn lại đều được tính qua các dữ liệu mặt đất và các thông số thực nghiệm khác Những nghiên cứu này của Xiao tuy không hướng đến mục tiêu là dự báo năng suất nông nghiệp nhưng chúng cũng củng cố thêm về mặt phương pháp luận cho những nghiên cứu về dự báo

và tính toán năng suất thực vật bằng dữ liệu quang học

Nguồn:Doraiswamy, 2005

Hình 1.9 Mô hình đánh giá năng suất dựa trên dữ liệu ảnh MODIS

Tiến gần hơn vào việc dự báo năng suất lúa, nghiên cứu của Doraiswamy

về mô phỏng và đánh giá năng suất mùa vụ sử dụng ảnh vệ tinh MODIS đã thu được nhiều kết quả quan trọng [18] Mục tiêu chính của các nghiên cứu này là phát triển một thuật toán nhằm tính toán được các thông số sinh lý cây trồng như LAI từ dữ liệu vệ tinh quang học và tích hợp chúng vào mô hình mô phỏng năng suất cây trồng để thu được các kết quả biến đổi theo không gian và thời gian của các yếu tố mùa vụ và năng suất mùa vụ (hình 1.9) Sự tích hợp của các thông số sinh lý từ dữ liệu viễn thám theo phương pháp này cung cấp kết quả dưới dạng bản đồ phân bố không gian về năng suất mùa vụ, tiện lợi cho việc đánh giá năng suất và sản lượng theo cấp tỉnh và cấp vùng

Trong số công trình nghiên cứu về giám sát và dự báo năng suất lúa kể trên, ngoài các công trình nghiên cứu sử dụng dữ liệu radar thì số các công trình nghiên cứu dựa trên dữ liệu viễn thám quang học ngày càng phát triển mạnh mẽ, nhất là trong các công trình nghiên cứu về lúa

Do những ưu thế của ảnh viễn thám quang học là có độ phân giải thời gian cao, các đầu đo VGT và AVHRR có thể thu nhận ảnh hàng ngày, thậm chí đầu đo MODIS gắn trên 2 vệ tinh TERRA và AQUA có thể thu nhận tối đa 4 ảnh trong một ngày; Ngoài ra đầu đo MODIS có những ảnh tổ hợp đa thời gian (multi temporal) như ảnh tổ hợp 8 ngày, tổ hợp 16 ngày, tổ hợp 32 ngày, đặc biệt là ảnh MODIS 8 ngày đã hiệu chỉnh phần nào ảnh hưởng của mây là nguồn

dữ liệu rất thuận lợi cho việc giám sát từng thời đoạn sinh trưởng, phát triển của lúa Một ưu thế nữa là ảnh quang học MODIS luôn luôn cập nhật và được cung cấp miễn phí qua mạng internet Ngay trong ngày ảnh MODIS được cung cấp miễn phí trên mạng, như vậy sử dụng ảnh MODIS sẽ đảm bảo được tính kịp thời

và rút ngắn thời gian trong giám sát và dự báo Thêm vào đó dữ liệu miễn phí tạo điều kiện cho việc hạ thấp chi phí nghiên cứu và ứng dụng, đẩy mạnh tính

phổ cập của công tác nghiên cứu và ứng dụng tới những nơi khác với phương pháp tương tự nhưng có nguồn kinh phí hạn hẹp

Để đáp ứng mục tiêu nghiên cứu và phù hợp với quy mô nghiên cứu của

đề tài, phương pháp giám sát lúa bằng ảnh quang học MODIS theo nghiên cứu của Xiao và phương pháp dự báo năng suất lúa bằng mô hình thống kê dựa trên

dữ liệu MODIS và dữ liệu khí tượng đã được chọn lựa làm phương pháp luận nghiên cứu của đề tài Với những ưu thế của ảnh MODIS, đề tài nghiên cứu sẽ

đề xuất một quy trình nghiên cứu theo dõi mùa vụ lúa với phương pháp mới, đảm bảo tính nhanh chóng và cập nhật trong công tác giám sát và dự báo, và phù hợp với quy mô khu vực nghiên cứu cấp vùng của vùng Đồng bằng sông Hồng

Đó là những khía cạnh mới mẻ của đề tài so với các nghiên cứu giám sát và dự báo năng suất lúa đi trước và so với những nghiên cứu đang tiến hành song song Quá trình nghiên cứu cụ thể, chi tiết và kết quả nghiên cứu sẽ được trình bày rõ trong các chương tiếp theo

CHƯƠNG 2 ĐIỀU KIỆN TỰ NHIÊN VÀ ĐẶC ĐIỂM MÙA VỤ LÚA CỦA KHU VỰC

NGHIÊN CỨU

Đồng bằng sông Hồng là tên gọi chung cho vùng đất do phù sa sông Hồng

và sông Thái Bình bồi đắp Đây là một trong hai vùng kinh tế của miền Bắc Việt Nam: Vùng núi và trung du phía Bắc (gồm Đông Bắc và Tây Bắc) và Đồng bằng sông Hồng Từ xưa, người Việt đã cư trú tại đây, đặc điểm canh tác chủ yếu là trồng lúa nước, đơn vị cư trú là làng Đồng bằng sông Hồng rộng hơn 1,4 triệu ha, chiếm 3,8% diện tích toàn quốc với một vùng biển bao la ở phía Đông

và Đông Nam Số dân của vùng là 18.400.600 người (2007), chiếm 21,6% số dân cả nước Hiện tại cũng như trong tương lai, Đồng bằng sông Hồng là một trong những vùng đóng vai trò quan trọng trong sự nghiệp phát triển kinh tế - xã hội của đất nước

Vùng là cái nôi của văn minh sông Hồng, nền văn minh đồ đồng phát triển rực rỡ với trống đồng, thạp đồng, mũi tên đồng, với nông nghiệp trồng lúa nước Hiện tại, Đồng bằng sông Hồng bao gồm 10 tỉnh thành: Bắc Ninh, Hà Nam, Hà Nội, Hải Dương, Hải Phòng, Hưng Yên, Nam Định, Thái Bình, Ninh Bình, Vĩnh Phúc Đồng bằng sông Hồng là một trong những vùng kinh tế có tầm quan trọng đặc biệt trong phân công lao động của cả nước Đây là 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

2.1 Điều kiện tự nhiên, tài nguyên thiên nhiên của Đồng bằng sông Hồng

Vùng Đồng bằng sông Hồng có toạ độ địa lý là 220 - 21030' B và 105030' -

1070 Đ (hình 2.1), nằm ở phía Nam của đường chí tuyến Bắc Vùng bao gồm đồng bằng châu thổ màu mỡ, dải đất rìa trung du với một số tài nguyên khoáng sản, tài nguyên du lịch và vịnh Bắc Bộ giàu tiềm năng Như đúng tên gọi của vùng, sông Hồng đã gắn bó ngàn đời nay với cư dân của vùng đồng bằng châu thổ này Địa hình của vùng tương đối bằng phẳng, có độ cao từ 0,4 – 12 m so với mực nước biển Ngoài ra, địa hình cũng có một số vùng đồi có cấu tạo cacxtơ đá vôi dọc hai cánh Tây Nam và Đông Bắc Với đặc điểm khí hậu nhiệt đới và cận nhiệt đới gió mùa, nhiệt độ trung bình năm của khu vực này khoảng 22,5 - 23,50C, lượng mưa trung bình năm là 1400 – 2000 mm Vùng có vị trí thuận lợi cho sự phát triển kinh tế xã hội Đây là cầu nối giữa Đông Bắc, Tây Bắc với Bắc Trung Bộ, đồng thời cũng nằm ở trung tâm miền Bắc, trong vùng kinh tế trọng điểm Bắc Bộ, có thủ đô Hà Nội là trung tâm công nghiệp, hành chính, chính trị của cả nước Vùng lại tiếp giáp với hơn 400km bờ biển, có cửa ngõ thông ra biển qua cảng Hải Phòng, dễ dàng mở rộng giao lưu với các vùng

khác và các nước trong khu vực Tuy nhiên, do nằm trong vùng khí hậu nhiệt đới gió mùa nên thường xuyên chịu ảnh hưởng của thiên tai như bão, lũ lụt, hạn hán

Hình 2.1 Vị trí địa lý và ranh giới hành chính Đồng bằng sông Hồng

Đối với khía cạnh sản xuất nông nghiệp nói chung và canh tác lúa nói riêng, điều kiện khí hậu có những mặt thuận lợi và cũng có những mặt hạn chế Đặc điểm chung của khí hậu vùng đồng bằng Bắc Bộ là: Mùa đông lạnh, nắng ít,

có năm xảy ra sương muối, mưa phùn nhiều; mùa hè nóng, ít gió Tây khô nóng, chịu ảnh hưởng trực tiếp của xoáy thuận nhiệt đới, mưa nhiều, mùa mưa gần trùng với mùa nóng

Trị số phổ biến về lượng bức xạ tổng cộng trung bình năm là 105 – 130

kcal/cm2, về cán cân bức xạ trung bình năm là 65 – 75 kcal/cm2, về số giờ nắng trung bình năm là 1400 – 1700 Chỉ có tháng VIII có trên 200 giờ nắng, còn suốt nửa sau mùa đông (I – IV) đều có dưới 100 giờ nắng mỗi tháng Trị số phổ biến

của nhiệt độ trung bình năm là 23 - 240C Nhiệt độ trung bình tháng nóng nhất

là 28 - 290C, nhiệt độ cao nhất tuyệt đối là 38 - 410C (với khoảng 4 – 5 tháng nhiệt độ trung bình trên 250C), nhiệt độ trung bình tháng lạnh nhất 15 – 16,50C, nhiệt độ thấp nhất tuyệt đối 2 - 50C (với khoảng 3 – 4 tháng nhiệt độ trung bình dưới 200C), biên độ năm của nhiệt độ 12 - 130C Thời kì nóng nhất là vào cuối tháng VI cho đến cuối tháng VII, với nhiệt độ trung bình là 30,40C Nhệt độ giảm dần từ tháng VIII với mức nhiệt độ trung bình hạ xuống dưới 200C từ cuối tháng XI Nếu vụ Mùa không được thu hoạch vào thời gian này thì năng suất sẽ giảm sút bởi nhiệt độ thấp gây ảnh hưởng tới kì chín của lúa Thời kì lạnh nhất

từ cuối tháng I đến đầu tháng III, với nhiệt độ trung bình ngày là 15,10C và nhiệt

độ tối thấp là 13,80C Thời tiết lạnh thường ảnh hưởng tới kì gieo hạt của vụ

Đông xuân Trị số phổ biến của lượng mưa trung bình năm là 1400 – 1800 mm,

lượng mưa ngày lớn nhất là 300 – 500 mm, của số ngày mưa phùn là 10 – 30

ngày Mùa mưa phổ biến từ tháng IV đến tháng X, mưa nhiều nhất vào 3 tháng VII, VIII, IX Vụ lúa Mùa thường nằm trong nguy cơ ảnh hưởng của lũ lụt Mưa phùn kéo dài từ cuối tháng I đến đầu tháng IV, rất thuận lợi cho vụ lúa Đông xuân nhưng lại dễ gây ẩm mốc, các loại sâu bệnh dễ phát triển và lây lan.Trị số phổ biến của độ ẩm tương đối trung bình năm là 82 – 85%, của lượng bốc hơi trung bình năm là 700 – 800 mm, chỉ số ẩm ướt năm là 1,5 – 2,2 Hạn hán

thường xảy ra vào mùa đông Trị số phổ biến về tốc độ gió trung bình năm là 1,5

– 2,0 m/s, về tốc độ gió mạnh nhất là 30 – 40 m/s Hướng gió thịnh hành trong mùa đông là Đông, Đông Bắc và trong mùa hè là Đông, Đông Nam [13]

Về điều kiện thủy văn, vùng có hai hệ thống sông lớn là hệ thống sông Hồng và hệ thống sông Thái Bình nên nguồn nước rất phong phú Cả nguồn nước trên mặt lẫn nguồn nước ngầm đều có chất lượng rất tốt Tuy nhiên, vùng cũng có xảy ra tình trạng quá thừa nước trong mùa mưa và thiếu nước trong mùa khô Lũ lụt về mùa hạ thường từ tháng 6 đến tháng 10 đặc biệt đỉnh lũ vào tháng

8 Lũ lên khá nhanh và đặc biệt nguy hiểm đỉnh lũ ở Hà Nội thời gian cơn lũ kéo dài từ 6 đến 18 ngày

Tài nguyên đất của vùng khá đa dạng, đặc biệt là đất phù sa sông Hồng Đồng bằng sông 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 Ngoài số đất đai phục vụ nông nghiệp và các mục đích khác, số diện tích đất chưa được sử dụng vẫn còn hơn 2 vạn ha Nhìn chung, đất đai của Ðồng bằng sông Hồng khá màu mỡ do được phù sa của hệ thống sông Hồng và sông Thái Bình bồi đắp Tuy vậy, độ phì nhiêu của các loại đất không giống nhau ở mỗi nơi Đất thuộc vùng châu thổ sông Hồng phì nhiêu hơn đất thuộc vùng châu thổ sông Thái Bình Đất có giá trị đối với việc phát triển cây lương thực ở Ðồng bằng sông Hồng là diện tích đất không 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 Đồng bằng sông Hồng còn có bờ biển dài, có ngư trường Hải Phòng - Quảng Ninh, cảng Hải Phòng, khu du lịch Đồ Sơn Nguồn tài nguyên biển đang được khai thác có hiệu quả nhờ phát triển nuôi trồng và đánh bắt thủy sản, du lịch Tài nguyên có giá trị đáng kể là các mỏ đá (Hải Phòng, Hà Nam, Ninh Bình), sét cao lanh (Hải Dương), than nâu (Hưng Yên), khí tự nhiên (Thái Bình) Về khoáng sản thì vùng có trữ lượng lớn về than nâu, đá vôi, sét, cao lanh Đặc biệt, mỏ khí đốt Tiền Hải đã được đưa vào khai thác nhiều năm nay và đem lại hiệu quả kinh tế cao Tuy nhiên, vùng thiếu nguyên liệu cho việc

phát triển công nghiệp, phần lớn nguyên liệu phải được nhập từ vùng khác Một

số tài nguyên của vùng bị suy thoái do khai thác quá mức

2.2 Đặc điểm kinh tế - xã hội vùng Đồng bằng sông Hồng

Vùng Đồng bằng sông Hồng gồm có 10 tỉnh, thành là Hà Nội, Bắc Ninh,

Hà Nam, Hải Dương, Hải Phòng, Hưng Yên, Nam Định, Ninh Bình, Thái Bình,

Mật độ (người/km2)

Nguồn : Tổng cục Thống kê 2007 (riêng số liệu về Hà Nội cập nhật đến tháng 8/2008,

sau khi sáp nhập với Hà Tây )

a) Tình hình dân số và xã hội ở Đồng bằng sông Hồng

Đồng bằng sông Hồng là vùng dân cư đông đúc nhất cả nước Mật độ dân

số trung bình là 1238 người/km2 (năm 2007) Mặc dù tỉ lệ gia tăng tự nhiên của

dân số trong vùng giảm mạnh, nhưng mật độ dân số vẫn cao, gấp 5 lần so với

mật độ trung bình của cả nước, gấp gần 3 lần so với Đồng bằng sông Cửu Long,

gấp 10 lần so với Miền núi và trung du Bắc Bộ và gấp 17,6 lần so với Tây

Nguyên Đây là một thuận lợi vì vùng có nguồn lao động dồi dào với truyền

thống kinh nghiệm sản xuất phong phú, chất lượng lao động dẫn đầu cả nước

Tuy nhiên, dân số đông cũng đem đến những khó khăn nhất định, tốc độ tăng

dân số chưa phù hợp với nhịp độ phát triển kinh tế - xã hội, gây sức ép nặng nề lên sự phát triển kinh tế - xã hội của vùng Những nơi dân cư đông nhất của vùng là Hà Nội (1805 người/km2), Thái Bình (1.028 người/km2), Hải Phòng (1.202 người/km2), Hưng Yên (1.252 người/km2) Ở các nơi khác, chủ yếu thuộc khu vực rìa phía Bắc và Đông Bắc của châu thổ, dân cư thưa hơn Sự phân bố dân cư quá đông ở Đồng bằng sông Hồng liên quan tới nhiều nhân tố như nền nông nghiệp thâm canh cao với nghề trồng lúa nước, chủ yếu đòi hỏi phải có nhiều lao động Diện tích canh tác bình quân đầu người của Đồng bằng sông Hồng chỉ bằng một nửa so với con số trung bình cả nước (892m2) Đất canh tác

ít, dân đông nên phải đẩy mạnh thâm canh Song nếu thâm canh không đi đôi với việc hoàn lại đầy đủ các chất dinh dưỡng sẽ làm cho đất đai ở một số nơi bị giảm độ phì nhiêu Ngoài ra, dân số đông và sự gia tăng dân số đã để lại những dấu ấn rất đậm nét về kinh tế - xã hội Mặc dù mức gia tăng dân số đã giảm nhiều, nhưng nhìn chung chưa đáp ứng được nhu cầu tích luỹ và cải thiện đời sống nhân dân Hàng loạt vấn đề xã hội như việc làm, nhà ở, y tế, văn hoá, giáo dục vẫn còn gây bức xúc

Đồng bằng sông Hồng là vùng có kết cấu hạ tầng nông thôn hoàn thiện nhất trong cả nước Với chiều dài tổng cộng hơn 3000km, hệ thống đê điều được xây dựng và bảo vệ từ đời này qua đời khác, không chỉ là bộ phận quan trọng trong kết cấu hạ tầng mà còn là nét độc đáo của nền văn hoá sông Hồng, văn hoá Việt Nam Cơ sở vật chất của vùng cũng ngày càng hoàn thiện, đặc biệt là mạng lưới đường giao thông Do được khai thác từ lâu đời, vùng tập trung nhiều lễ hội, làng nghề, di tích văn hoá lịch sử, có mạng lưới đô thị phát triển Đồng bằng sông Hồng có một số đô thị hình thành từ lâu đời Kinh thành Thăng Long, nay

là thủ đô Hà Nội được thành lập từ năm 1010 Thành phố cảng Hải Phòng là cửa ngõ quan trọng hướng ra vịnh Bắc Bộ

b) Tình hình phát triển kinh tế vùng Đồng bằng sông Hồng

Đồng bằng sông Hồng là một khu vực có tốc độ phát triển kinh tế nhanh, nhưng nếu so với vùng Đông Nam Bộ thì các tỉnh Đồng bằng sông Hồng có tỷ trọng đóng góp vào GDP và xuất khẩu của cả nước thấp hơn, cơ sở hạ tầng còn yếu kém và thu hút được ít các nguồn vốn đầu tư hơn Nguyên nhân chính của tình hình này là do cả khu vực còn thiếu cơ chế chính sách đồng bộ, chưa hình thành được thị trường bất động sản, thị trường vốn, cũng như chưa có một quy hoạch tổng thể để phát huy lợi thế so sánh của cả vùng Theo kế hoạch phát triển các tỉnh Đồng bằng sông Hồng, từ nay đến năm 2010, vùng sẽ phải giữ được tốc

độ tăng trưởng liên tục trên 10% và đóng góp khoảng 24% cho GDP của cả nước so với 20% như hiện nay Mục tiêu đến trước năm 2020, tỷ lệ này sẽ phải

là 27% Đồng bằng sông Hồng cũng là nơi tập trung nhiều các cảng biển, khu