ỨNG DỤNG CÔNG NGHỆ ẢNH VIỄN THÁM KẾT HỢP DỮ LIỆU KHÍ TƯỢNG XÂY DỰNG BẢN ĐỒ NGUY CƠ HẠN HÁN PHỤC VỤ SẢN XUẤT XUẤT NÔNG NGHIỆP: TRƯỜNG HỢP NGHIÊN CỨU TRÊN ĐỊA BÀN TỈNH THỪA THIÊN HUẾ

ỨNG DỤNG CÔNG NGHỆ ẢNH VIỄN THÁM KẾT HỢP DỮ LIỆU KHÍ TƯỢNG
XÂY DỰNG BẢN ĐỒ NGUY CƠ HẠN HÁN PHỤC VỤ SẢN XUẤT XUẤT NÔNG
NGHIỆP: TRƯỜNG HỢP NGHIÊN CỨU TRÊN ĐỊA BÀN TỈNH THỪA THIÊN HUẾ
Tóm tắt. Hiện nay có nhiều nghiên cứu về hạn hán với các phương pháp khác nhau, mỗi
phương pháp có ưu, nhược điểm riêng. Cụ thể với các chỉ số hạn hán được tính toán từ dữ liệu
khí tượng có nhược điểm là không cung cấp được các thông tin về phân bố không gian của hạn
hán. Trong khí đó, dữ liệu ảnh viễn thám MODIS được cung cấp miễn phí và đầy đủ với độ
phân giải thời gian cao, tầm phủ rộng, độ phân giải phổ khá cao với 36 kênh phổ, thích hợp để
nghiên cứu sự sinh trưởng, phát triển của từng loại cây trồng, từ đó làm cơ sở số liệu dự báo
vùng nguy cơ hạn hán và diện tích ảnh hưởng. Do đó việc sử dụng tư liệu ảnh viễn thám kết
hợp dữ liệu khí tượng để xây dựng bản đồ hạn hán sẽ cung cấp các thông số liên quan đến hạn
hán cho những vùng sâu, vùng xa, nơi chưa có trạm khí tượng, đồng thời cung cấp cái nhìn tổng
thể về không gian của nguy cơ hạn hán thông qua bản đồ. Kết quả nghiên cứu cho thấy, đã
thành lập được bản đồ đánh giá phân vùng hạn hán trên cơ sở kết hợp ảnh viễn thám và dữ liệu
khí tượng trên địa bản tỉnh Thừa Thiên Huế. Các huyện có diện tích bị hạn ở các mức khác nhau
với tổng diện tích bị hạn là 1176.42 ha. Trong đó, có 3 huyện có diện tích bị hạn khá lớn là huyện
Phong Điền, huyện Quảng Điền và huyện Phú Vang có diện tích hạn lần lượt là 29,3%, 25,5% và
21,6%; các huyện còn lại có diện tích bị hạn dao động trong khoảng 10% tổng diện tích đất bị
hạn trên toàn tỉnh.
Từ khóa: Hạn hán, khí tượng, nông nghiệp, viễn thám.

1. Đặt vấn đề
Hạn hán được coi là một thiên tai đối với sản xuất nông nghiệp ảnh hưởng nghiêm
trọng đến sinh trưởng và phát triển của cây trồng. Việt Nam chúng ta là một nước thuần
nông, nền kinh tế chủ yếu dựa vào sản xuất nông nghiệp. Tỷ lệ dân nông thôn chiếm tới hơn
80% dân số cả nước. Một trong những đặc trưng của sản xuất nông nghiệp ở Việt Nam là
phần lớn dựa vào nguồn nước mưa tự nhiên, mà lượng mưa lại phân bố không đều, khí hậu
thường xuyên biến đổi. Trong khi đó tình hình hạn hán những năm gần đây lại diễn biến
ngày càng khó lường và khó khắc phục với tần suất ngày càng nhiều đặc biệt là ở khu vực
Tây Nguyên, Bắc Trung Bộ, Nam Trung Bộ. Hạn hán trong năm 1997 - 1998 đã khiến 3,1 triệu
người thiếu nước sinh hoạt, 236.000 ha cây ăn quả và cây công nghiệp bị khô hạn, gây tổng

thiệt hại lên tới 5.000 tỷ đồng. Năm 2014 - 2015, các chuyên gia khí tượng cho hay, tại Bắc Bộ,
vụ đông xuân năm 2014 - 2015, nguồn nước thượng lưu hệ thống sông Hồng có khả năng ở
mức nhỏ hơn trung bình nhiều năm từ 10 - 55%, thời gian thiếu hụt nhiều nhất từ tháng
11/2014 - 2/2015. Đối với ven biển Trung Bộ, trong mùa khô 2014 - 2015, nguồn nước ở các hệ
thống sông cũng có khả năng bị thiếu hụt so với trung bình nhiều năm cùng thời kỳ (Trung
tâm Dự báo Khí tượng Thủy văn TW, 2014). Xuất phát từ thực tế đó đã có nhiều nghiên cứu
về hạn hán với các chỉ số đánh giá khác nhau, tuy nhiên mỗi chỉ số đều có các ưu và nhược
điểm riêng của nó. Cụ thể với các chỉ số hạn hán được tính toán từ dữ liệu khí tượng có


nhược điểm như: cục bộ xung quanh trạm đo, mật độ trạm quan trắc với mật độ thưa, không
liên tục theo nhiều thời gian. Trong khi đó, dữ liệu ảnh MODIS được cung cấp miễn phí và
đầy đủ với độ phân giải thời gian cao (hằng ngày, 8 ngày, hằng tháng, hằng năm), tầm phủ
rộng, độ phân giải phổ khá cao với 36 kênh phổ, thích hợp để nghiên cứu sự sinh trưởng và
phát triển của từng loại cây trồng, kể cả ngắn ngày lẫn dài ngày. Dựa trên sự biến động của
các chỉ số NDVI, VCI được tính toán từ ảnh có thể giúp ta xác định được cụ thể mật độ phân
bố của cây trồng, đánh giá trạng thái sinh trưởng và phát triển của cây trồng, làm cơ sở số
liệu dự báo vùng nguy cơ hạn hán và diện tích ảnh hưởng. Do vậy việc sử dụng dữ liệu ảnh
viễn thám MODIS kết hợp dữ liệu khí tượng để xây dựng quy trình thành lập bản đồ nguy cơ
hạn hán bằng công nghệ ảnh viễn thám sẽ làm cơ sở để từ đó tiến hành xây dựng bản đồ
nguy cơ hạn hán cho khu vực nghiên cứu. Từ đó cung cấp cái nhìn tổng thể về không gian
của vùng nguy cơ hạn hán, cung cấp các thông số liên quan đến hạn hán cho vùng xâu, vùng
xa nơi chưa có trạm khí tượng thông qua bản đồ. Đồng thời giúp cho việc bố cây trồng trong
sản xuất nông nghiệp phù hợp hơn.
2. Phương pháp nghiên cứu
2.1. Mô tả vùng nghiên cứu
Tỉnh Thừa Thiên Huế nằm ở duyên hải miền trung Việt Nam, có diện tích 503.320,53 ha
(theo niên giám thống kê năm 2013). Với đặc điểm là một tỉnh nằm ở duyên hải miền trung
nên tỉnh Thừa Thiên Huế luôn phải hứng chịu nhiều loại hình thiên tai gây thiệt hại nặng nề.
Cùng với đó là sự nóng dần lên của Trái Đất đã làm cho các loại hình thiên tai xuất hiện với

tần suất ngày càng nhiều. Và trong đó hạn hán cũng là một loại hình thiên tai điển hình xuất
hiện với tần suất ngày càng tăng đã gây tổn thất nặng nề về nhiều mặt cho tỉnh Thừa Thiên
Huế.

Hình 1. Sơ đồ vị trí khu vực nghiên cứu
2.2. Phương pháp nghiên cứu
 Phương pháp thu nhập số liệu
Bao gồm các số liệu, tài liệu về điều kiện tự nhiên, kinh tế xã hội, tình hình quản lý đất
lúa, số liệu đo đạc, các thông tin, các báo cáo liên quan đến việc sử dụng đất lúa, bản đồ hiện
trạng sử dụng đất của tỉnh, ranh giới của các huyện trong tỉnh và các tài liệu liên quan đến
hạn hán để phục vụ cho quá trình nghiên cứu. Thu thập dữ liệu mưa từ năm 1984 đến năm
2014 của tinh Thừa Thiên Huế. Thu thập ảnh viễn thám: Ảnh vệ tinh MODIS. Các ảnh


MOD13Q1 được lựa chọn, được chụp các tháng 5, 6 ,7 từ năm 2005 đến năm 2014 trên khu vực
tỉnh Thừa Thiên Huế.
 Phương pháp phân tích, xử lý số liệu
Phương pháp xử lý số liệu bằng phần mềm Excel: Phương pháp này được dùng để xử lý
dữ liệu mưa ban đầu, và tính ra lượng mưa trung bình theo tháng và năm của tỉnh Thừa
Thiên Huế.
Phương pháp phân tích: Sử dụng phần mềm SPSS để phân tích mức độ tác động của
yếu tố khô hạn đến sự tăng trưởng của cây lúa. Trong đó: SPI là biến độc lập và NDVI là biến
phụ thuộc, tức là ta khảo sát ảnh hưởng của SPI đến chỉ số NDVI của cây lúa. Ta có phương
trình tuyến tính ban đầu: y = ax +b.
 Phương pháp tính chỉ số khô hạn từ dữ liệu mưa
Chỉ số chuẩn hoá giáng thuỷ (SPI) là một chỉ số được tính toán dựa trên cơ sở xác suất
lượng giáng thủy trong một thời gian nào đó do Mckee và cộng sự đề xuất năm 1993. SPI
được tính toán đơn giản bằng sự chênh lệch của lượng giáng thủy thực tế R so với trung bình
nhiều năm chia cho độ lệch chuẩn σ:
SPI= (R-Rtb) / σ

Trong đó: R là lượng mưa thời đoạn tính
Rtb là lượng mưa thời đoạn tính
σ là độ lệch chuẩn
SPI có thể được tính cho các khoảng thời gian khác nhau (1 tháng, 3 tháng, 6 tháng, 12
tháng, 24 tháng…). Việc tính toán cho các khoảng thời gian khác nhau cho phép đánh giá tác
động của sự thiếu hụt lượng mưa đối với các đặc trưng tài nguyên nước như dòng chảy,
nước ngầm, trữ lượng hồ chứa… Trong nghiên cứu này, chúng tôi đã sử dụng phần mềm
SPI_SL_6 để tính giá trị chỉ số SPI cho các tháng 5, 6, 7, 8 từ năm 1984 - 2014 trên địa bàn tỉnh
Thừa Thiên Huế. Từ đó tìm ra nguy cơ hạn hán thông qua chỉ số SPI. Giá trị của SPI mang
dấu âm chỉ ra hạn hán, còn mang giá trị dương tức là chỉ ra tình trạng thừa ẩm.
 Phương pháp ứng dụng viễn thám để đánh giá sự thay đổi của chỉ số thực vật và chỉ
số trạng thái thực vật
Phương pháp này được sử dụng để xác định chỉ số NDVI và chỉ số VCI từ ảnh viễn
thám, từ đó có thể giúp chúng ta đánh giá sự thay đổi của hai chỉ số này trong giai đoạn
nghiên cứu.
Chỉ số thực vật NDVI được tính toán theo công thức:
NDVI = (NIR-Vi) / (NIR+Vi)
Trong đó: NIR: kênh cận hồng ngoại (kênh 4).
Vi: kênh thấy được ở đây thường là kênh đỏ (kênh 3)
Chỉ số trạng thái thực vật VCI đước tính toán theo công thức:
VCIi = [(NDVIJ - NDVImin) / (NDVImax – NDVImin)] *100


Trong đó:
NDVImax, NDVImin được tính toán từ chuỗi số liệu i cho từng
tháng (hoặc tuần) và j là chỉ số của tháng (tuần) hiện thời.
 Phương pháp ứng dụng công nghệ GIS
Sử dụng phần mềm ArcGIS để nội suy lượng mưa bằng công cụ Kriging và phần mềm
MapInfo để biên tập và xử lý các loại bản đồ có liên quan.
3. Kết quả nghiên cứu

3.1. Xu hướng thay đổi của lượng mưa trong giai đoạn 1984 - 2014 trên địa bàn nghiên cứu
Qua phân tích cho thấy lượng mưa trung bình năm trên địa bàn tỉnh Thừa Thiên Huế
thấp nhất xảy ra vào những năm 1989, cao nhất là các năm 1999. Lượng mưa giữa các năm có
sự chênh lệch rất rõ ràng và có xu hướng tăng lên, bằng chứng là số năm có lượng mưa trung
bình lớn (trên 3000 mm) càng về sau càng xuất hiện nhiều hơn so với những năm 1984 đến
1995. Trong năm, lượng mưa chủ yếu tập trung nhiều vào tháng 10 và tháng 11. Các tháng
mùa khô hạn của vụ hè thu từ tháng 5 đến tháng 8 lượng mưa thay đổi rõ rệt và được thể
hiện thông qua biểu đồ sau:
Biểu đồ 1. Lượng mưa trung bình năm giai đoạn 1984 - 2014 của tỉnh Thừa Thiên Huế

Biểu đồ 2. Lượng mưa trung bình tháng giai đoạn 1984 - 2014 của tỉnh Thừa Thiên Huế

Biểu đồ 3. Sự thay đổi lượng mưa trung bình các tháng vụ hè thu giai đoạn 1984 - 2014
của tỉnh Thừa Thiên Huế


3.2. Đánh giá hạn hán dựa trên chỉ số chuẩn hóa giáng thủy SPI
Kết quả khi chạy phần mềm SPI_SL_6 thu được giá trị của chỉ số khô hạn (SPI) của tất
cả các tháng từ năm 1984 đến năm 2014 các tháng của vụ hè thu 5, 6, 7, 8 trên địa bàn nghiên
cứu. Tuy nhiên qua phân tích giá trị SPI thì chúng tôi thấy rằng hạn hán trên địa bàn thường
xuyên chủ yếu vào các tháng 5, 6, 7. Nên chỉ số SPI của 3 tháng này được sử dụng để đánh giá
mức độ khô hạn.
Biểu đồ 4. Chỉ số hạn hán SPI trung bình 3 tháng 5,6,7 vụ hè thu từ năm 1984 đến năm 2014
trên địa bàn tỉnh Thừa Thiên Huế

Qua phân tích giá trị SPI của 3 tháng vụ hè thu trên địa bàn tỉnh Thừa Thiên Huế chúng
tôi thấy rằng trên địa bàn đã xuất hiện vài đợt hạn từ tương đối khô đến khô nặng. Các năm
hạn trung bình như năm 1988, 1992, 2002, 2013.
Bảng 1. Giá trị chỉ số hạn SPI các tháng 5, 6, 7 trên địa bàn tỉnh Thừa Thiên Huế
Tháng 5

Tháng 6

Tháng
7

Lớn nhất (Max)

1,98

2,03

2,23

Nhỏ nhất (Min)

-2,05

-2,24

-2,34

Trung bình (Mean)

-0,07

-0,21

-0,11

Trung vị (Median)

-0,15

-0,13

-0,08

Độ lệch chuẩn

0,980

0,989

1,00

Giá trị SPI


(St Dev)
Qua phân tích giá trị SPI ở bảng trên chúng tôi thấy rằng giá trị trung bình của chỉ số
SPI tháng 5 ở ngưỡng gần chuẩn (-0,07) và giá trị SPI của tháng 7 cũng ở ngưỡng không khô
và cũng không ẩm ướt (-0.11) tức là không khô và cũng không ẩm ướt, với độ lệch chuẩn
1.00. Trong khi đó giá trị SPI của tháng 6 lại ở mức ngưỡng thấp nhất so với tháng 5 và
tháng 7 với giá trị trung bình của SPI ở mức (-0.21). Và chúng tôi rút ra kết luận rằng tháng
hạn nhất của vụ hè thu trên địa bàn nghiên cứu là tháng 6. Tiếp đến chúng tôi tiến hành xây
dựng bản đồ lượng mưa cho tháng 6 bằng công cụ nội suy Kriging trong Arcgis nhằm cho
thấy sự thay đổi lượng mưa hay giá trị cao thấp của chỉ số SPI và mặt không gian.
3.3. Đánh giá sự thay đổi chỉ số khác biệt thực vật trên địa bàn tỉnh Thừa Thiên Huế
Các ảnh MODIS của các tháng 5, 6, 7 (giai đoạn 2005 - 2014) sau khi được xử lý và tính

toán chỉ số NDVI sẽ được sử dụng để tổ hợp thành chuỗi ảnh NDVI đa thời gian cho các
tháng 5, 6, 7. Sau đó tiến hành cắt ảnh đa thời gian theo ranh giới đất trồng lúa của địa bàn
nghiên cứu chúng tôi thu được chỉ số NDVI:
Bảng 2. Chỉ số NDVI của các tháng 5, 6, 7 cho cây lúa qua các năm trên địa bàn
tỉnh Thừa Thiên Huế
N
ăm

NDVI min

NDVI max

NDVI mean

T
T
T
T
T
T
T
T
T
háng 5 háng 6 háng 7 háng 5 háng 6 háng 7 háng 5 háng 6 háng 7
2

005

0
,08

2
006

,09
0

,06
2

007

2

0

2
010

0
,10

2
011

0

0

1

0

0
,99

0

0

0

0

0
,55

0
,55

0

0
,55

,55

,52
0

0

0

0

0
,50

,52

,47

,95

0

0

0

0
,56

,54

,54

,98

0

0

0

0
,49

,51

,47

,99

,00

,95
0

0

0

0

0

0
,54

,53

,50

,89

,92

,87

,10
0

0

0

0

0

0

0

0

0
,52

,53

,52

,98

,97

,98

,12

,11
0

0

0

0

0

0

0

0

0
,52

,46

,91

,92

,88

,10

,11

,09
2

0

0

2

0

0

0

0

0
,49

,98

,96

,92

,11

,11

,07

012

0

0

0

0

0
,95

,96

,92

,13

,11

0

0

0

0
,95

,85

,08

,09

,07

0

0

0

0
,90

,10

,11

,09

009

0

0

2

0
,09

,11

,12

008

0

0

,53

0

0


013

,06
2

014

0
,08

G
iá trị
TB

,09

,08

,11

,10

,87

,11

,92

,90

,00

,95

,48

,96

,51

,49

0
,55

0
,53

0
,03

,55
0

0

0
,04

,51
0

0

0
,03

,45
1

0

0
,04

,91
0

0

0
,03

,92
0

0

0
,01

,84
0

0

0
,02

,19
0

0

Đ
ộ lệch
chuẩn

,10

0
,53

0
,02

0
,04

Kết quả từ bảng cho thấy giá trị trung bình của NDVImin của cây lúa vào tháng 5, 6 và 7
tương đối đồng đều nhau. Vì vậy, ở đây không xem xét đánh giá NDVImin mà chỉ chú trọng
vào giá trị NDVImax để thấy sự thay đổi khác biệt giữa các tháng. Số liệu ghi nhận qua 10
năm (2005-2014) cho thấy giá trị trung bình NDVImax của cây lúa đạt cao nhất (0,955) vào
tháng 7, trong khi đó giá trị trung bình NDVImax đạt thấp nhất (0,8976) vào tháng 5. Điều
này hoàn toàn hợp lý vì theo lịch thời vụ hè thu của Thừa Thiên Huế cho cây lúa ta biết được
tháng 7 là tháng cây lúa sinh trưởng và phát triển tốt nhất lúa đang ở giai đoạn đẻ nhánh,
đòng hoặc trổ trong suốt thời kỳ vụ Hè Thu, còn tháng 5 là tháng mới bắt đầu gieo cấy nên chỉ
số NDVI có giá trị thấp hơn.
Ta thấy rằng chỉ số khác biệt thực vật (NDVI) được tính toán trên cơ sở phân tích chuỗi
số liệu theo thời gian là công cụ quan trọng để đánh giá trạng thái sinh trưởng và phát triển
của lớp phủ thực vật, trên cơ sở đó thấy được tác động của thời tiết, khí hậu đến sinh quyển.
Trong khi đó, chỉ số khô hạn (SPI) được xác định dựa trên xác suất sai lệch từ lượng mưa
trung bình cho một giai đoạn thời gian, dùng để xác định mức độ nghiêm trọng của hạn hạn
trong một khu vực. Vì vậy, việc phân tích tương quan giữa chỉ số NDVI và SPI sẽ giúp xác
định được mối quan hệ giữa thay đổi của thảm thực vật với lượng mưa trong phạm vi khu
vực nghiên cứu. Tuy nhiên để kết quả nghiên cứu mang lại có độ chính xác hơn chúng tôi
tiến hành thêm bước nữa là xác định sự thay đổi chỉ VCI dựa trên chỉ số NDVI.
Biểu đồ 5. Biến động chỉ số VCI các tháng 5, 6, 7 từ năm 2005-2014 trên địa bàn
tỉnh Thừa Thiên Huế.


Qua biểu đồ trên có thể thấy là tháng 5 chỉ số VCI hầu hết đều bằng 50% tức là thực vật
phát triển bình thường, còn tháng 6, 7 thì chỉ số VCI của đa số các năm đều nhỏ hơn 50%. Và

tháng 6 có VCI nhỏ hơn 50% là rất nhiều, như vậy tháng 6 thực vật phát triển không bình
thường và điều này là hoàn toàn phù hợp, vì tháng 6, 7 được coi là hai tháng thiếu hụt nước
nghiêm trọng của vụ hè thu. Và qua đó ta có thể thấy được là chỉ số VCI có mối tương quan
thuận với NDVI, khi NDVI cao thì VCI cao và ngược lại. Như vậy ta có thể dùng chỉ số NDVI
làm đại diện để đánh giá sự phát triển của cây lúa và phân mức hạn hán cho cây lúa dựa trên
chỉ số này.
3.4. Mối quan hệ giữa chỉ số khô hạn SPI và chỉ số khác biệt thực vật NDVI
Để xây dựng bản đồ nguy cơ hạn hán cho khu vực nghiên cứu bằng dữ liệu ảnh vệ tinh
kết hợp với dữ liệu mưa thì phải chỉ ra được mối quan hệ của hai dữ liệu này với nhau. Mà ở
đây chính là mối quan hệ giữa chỉ số thực vật (NDVI) và chỉ số khô hạn (SPI).
Qua phân tích và so sánh thì ta thấy rằng tháng 6 là tháng hạn nhất nên chúng tôi sẽ
dùng chỉ số SPI của tháng này để phân tích mối quan hệ với chỉ số thực vật để tìm ra mối
tương quan giữa hai chỉ số này.
Mối quan hệ giữa chỉ số khô hạn (SPI) và chỉ số thực vật (NDVI) trên địa bàn tỉnh Thừa
Thiên Huế được xác định thông qua hệ số tương quan Pearson (Pearson’s correlation
coefficient). Và qua công thức xác định thông qua hệ số tương quan Pearson chúng tôi tính
được r = 0.553 và Sig(p-value) = 0,018 (p<0.05), với giá trị 0.5≤ r. Như vậy các hệ số này cho
thấy tồn tại mối quan hệ giữa yếu tố khô hạn SPI và chỉ số khác biệt thực vật (NDVI) là mối
quan hệ có mối tương quan cao. Tuy nhiên để xác định mức độ tác động của yếu tố khô hạn
đến sự tăng trưởng của cây lúa, giá trị NDVI max và SPI của tháng 6 tiếp tục được phân tích
bằng phép hồi quy tuyến tính đơn. Kết quả phân tích sự ảnh hưởng của chỉ số SPI đến chỉ số
NDVI của cây lúa và được thể hiện bằng phương trình NDVI max(6) = 0,949 + 0,06*SPI(6).
Tức là khi chỉ số SPI tăng lên 1 đơn vị, dự đoán NDVI tăng lên 1,009 đơn vị. Ngoài ra, hình
4.20 cho thấy chỉ số khác biệt thực vật NDVI có mối quan hệ tương quan thuận với SPI với R2
= 0,044.


Từ hình 2 cho thấy kết quả phân tích giữa SPI và NDVI trên địa bàn tỉnh Thừa Thiên
Huế có mối tương quan khá chặt, nghĩa là càng ẩm ướt thì cây lúa càng phát triển tốt và
ngược lại càng hạn thì cây lúa càng khó sinh trưởng và phát triển.

Hình 2. Quan hệ tuyến tính giữa SPI và NDVImax tháng 6
3.5. Xây dựng bản đồ nguy cơ hạn hán cho vùng nghiên cứu kết hợp kết quả giải đoán ảnh vệ
tinh và dữ liệu khí tượng
3.5.1. Xác định vùng đất trồng lúa không hạn
Chồng ghép cả các ảnh đơn phổ NDVI của tháng 6 của các năm (2005, 2006, 2007, 2008,
2009, 2010, 2011, 2012, 2014) lên bản đồ lượng mưa. Sau đó chồng ranh giới đất trồng lúa lên
và khoanh những vùng đất trồng lúa không bị hạn.
Ở đây chúng tôi coi yếu tố lượng mưa như là một yếu tố phụ làm tăng độ tin cậy cho
kết quả nghiên cứu, vì yếu tố lượng mưa hay chỉ số SPI nó không phải là yếu tố chủ đạo
quyết định đến mức độ phát triển của cây lúa, mà còn nhiều yếu tố khác như phân bón, độ
phì nhiêu của đất… Nên nó cũng chỉ giải thích được một phần sự thay đổi của chỉ số NDVI.
Như vậy những vùng đất trồng lúa không bị hạn sẽ bằng với vùng đất trồng lúa còn lại sau khi
đã được khoanh vùng nguy cơ hạn hán.
3.5.2. Xác định vùng đất trồng lúa có nguy cơ hạn
Theo kết quả tính chỉ số SPI thì cho thấy trên địa bàn nghiên cứu từ năm 2005 đến năm
2014 chưa xuất hiện hạn nặng, hạn cực nặng mà chỉ có hạn vừa với chỉ số SPI của tháng 6
năm 2013 thấp nhất bằng -1.48. Nên ta sẽ sử dụng ảnh đơn phổ NDVI của tháng 6 năm 2013
để chồng lên với các ảnh đơn phổ NDVI của các năm còn lại.
Dựa trên chỉ số NDVI của ảnh đơn phổ NDVI tháng 6/2013 để xác định những vùng có
nguy cơ hạn vừa. Những vùng được cho là có nguy cơ hạn vừa là những vùng có chỉ số
NDVI thấp. Tức là những vùng đó cây lúa phát triển kém, có chỉ số NDVI< 0.3 cộng với yếu
phụ về mặt không gian là lượng thấp. Đây sẽ là những vùng đất trồng lúa có nguy cơ hạn
hán nhất so với các vùng khác. Khi đó ta sẽ có được vùng đất trồng lúa có nguy cơ hạn vừa.
3.5.3. Xây dựng bản đồ nguy cơ hạn hán cho vùng nghiên cứu
Sau khi sử dụng phần mềm MapInfo để khoanh những vùng đất trồng lúa có nguy cơ
hạn hán trên địa bàn nghiên cứu chúng tôi thu được bản đồ nguy cơ hạn hán:


Hình 3. Sơ đồ nguy cơ hạn hán đất lúa hè thu tỉnh Thừa Thiên Huế giai đoạn 2005 - 2014

Qua hình ta thấy hiện tượng hạn vừa xuất hiện chủ yếu ở vùng đồng bằng và ven biển
đối với những vùng đất trồng lúa của vụ hè thu trên địa bàn tỉnh Thừa Thiên Huế từ giai
đoạn 2005 - 2014.
3.5.4. Ảnh hưởng của hạn hán đến diện tích đất trồng lúa vụ hè thu trên địa bàn nghiên cứu
Để tính diện tích bị hạn cho từng huyện chúng tôi sử dụng file ranh giới huyện trên địa
bàn nghiên cứu và công cụ Update column trong phần mềm MapInfo. Thu được diện tích đất
trồng lúa bị hạn cụ thể cho từng huyện:
Bảng 3. Dự báo diện tích đất trồng lúa bị hạn hán vào vụ Hè Thu ở tỉnh Thừa Thiên Huế
giai đoạn 2005 – 2014.
STT

Tên
thành phố

huyện,

thị

xã,

Diện tích hạn vừa
(ha)

1

TP Huế

16.8

2

Phong Điền

344.92

3

Quảng Điền

299.6

4

Thị xã Hương Trà

90.63

5

Thị xã Hương Thủy

7.77

6

Phú Vang

254.03

7

Phú Lộc

131.58

8

Nam Đông

0


9

A Lưới
Tổng

31.09
1176.42

Qua bảng cho thấy diện tích đất trồng lúa bị hán nhiều nhất là huyện Phong Điền, tiếp
theo là Quảng Điền và Phú Vang. Những vùng này có diện tích đất trồng lúa lớn nên diện
tích đất trồng lúa bị hạn lớn là điều hoàn toàn hợp lý. Thành phố Huế tuy là tâm điểm của
hạn hán nhưng do diện tích đất trồng lúa ít nên diện tích đất trồng lúa bị hạn là không nhiều.
3.5.5. Đề xuất giải pháp phòng chống hạn hán cho đất trồng lúa trên địa bàn nghiên cứu
- Đối với phần đồng bằng ven biển như huyện Quảng Điền, Phú Vang, Phú Lộc thì tầng
chứa nước mỏng, lượng mưa nhỏ và lượng bốc hơi rất lớn hoặc nguồn nước đang bị khai thác
quá mức. Vì vậy, để giải quyết vấn đề hạn hán thì nên xây dựng quy hoạch tổng hợp về tài
nguyên nước lưu vực sông, lập kế hoạch khai thác, sử dụng hợp lý tài nguyên nước trên
phạm vi của mình.

- Xây dựng công trình trữ, giữ nước như đập thủy điện, hồ chứa để điều hoà phân phối
hợp lý nguồn nước.
- Chuyển đổi cơ cấu kinh tế cho phù hợp với khả năng nguồn nước ở mỗi vùng, điều
kiện tự nhiên. Xây dựng các mô hình với các loại cây, con đã được thử nghiệm có khả năng chịu
khô hạn, tiêu thụ ít nước như trồng giống cây hàng năm chịu hạn thích nghi với vùng như sắn,
loại đậu…
- Tìm kiếm nguồn nước dưới đất cho các vùng có nguy cơ hạn hán thiếu nước ở mức
cao để khai thác nước dưới đất làm phương án dự phòng cấp nước trong thời kỳ hạn hán
thiếu nước.
- Tăng cường bảo vệ và trồng rừng phòng hộ vì rừng có khả năng giữ nước hạn
chế sự bốc hơi từ đất và sử dụng phương pháp tưới chủ động (đào kênh, dẫn ống) bổ sung
nước vào mùa khô.
4. KẾT LUẬN
Qua quá trình nghiên cứu chúng tôi rút ra một số kết luận như sau:
- Trong giai đoạn 1984 - 2014, lượng mưa trung bình giữa các năm có sự chênh lệch rất
rõ ràng và có xu hướng tăng lên. Tuy nhiên xu hướng biến động của lượng mưa trung bình
tháng lại khác nhau rõ rệt. Lượng mưa các tháng 5, và 8 trong vụ Hè Thu có xu hướng tăng,
trong khi tháng 6.7 lại biến động theo chiều hướng giảm đi như vậy gây khó khăn cho quá
trình sản xuất nông nghiệp.
- Hiện tượng hạn hán trên địa bàn nghiên cứu không xảy ra liên tục mà năm hạn và
năm không hạn xuất hiện xen kẽ nhau. Dựa trên cơ sở chỉ số SPI trong 3 tháng vụ Hè Thu (5,
6 và 7). Trong đó, chỉ số SPI tháng 6 ở ngưỡng tương đối khô đến khô nặng trong cả giai đoạn
nghiên cứu. Tháng 6 là tháng hạn nhất của vụ hè thu trên địa bàn nghiên cứu.
- Nghiên cứu đã thành lập được bản đồ nguy cơ hạn hán cho đất trồng lúa vụ hè thu
trên địa bàn tỉnh Thừa Thiên Huế (2005 - 2014) và phân vùng bị hạn. Các vùng đất trồng lúa
bị hạn trên địa bàn tỉnh Thừa Thiên Huế được chia thành hai mức hạn: hạn vừa và không


hạn. Các huyện có diện tích đất lúa ở mức hạn vừa bao gồm: Quảng Điền, Phong Điền, Phú
Vang, Hương Trà, Hương Thủy, Phú Lộc, Thành phố Huế, A Lưới và huyện Nam Đông

thuộc nhóm không hạn. Những vùng bị hạn nhiều đa số là các huyện đồng bằng và ven biển
trong đó cao nhất là huyện Phong Điền chiếm 29,32% trong tổng số diện tích đất trồng lúa bị
hạn của tỉnh, tiếp theo là Quảng Điền (25,47%), Phú Vang (21,59%), Phú Lộc (11,18%), Thị xã
Hương Trà (7,70%), A Lưới (2,64%), Thành phố Huế (1,43%), Thị xã Hương Thủy (0,66%) và
Nam Đông không bị hạn.
- Qua nghiên cứu chỉ ra được sự tương đồng giữa diện tích đất trồng lúa bị hạn trên bản
đồ và số liệu thực tế. Như vậy mục tiêu phân vùng nguy cơ hạn hán từ ảnh vệ tinh kết hợp
với chỉ số khô hạn SPI để phân vùng hạn hán cho đất trồng lúa là hoàn toàn có thể thực hiện.

TÀI LIỆU THAM KHẢO
[1]. Huỳnh Văn Chương, Trần Thị Phượng, Nguyễn Hoàng Khánh Linh, Phạm
Gia Tùng, Dương Quốc Nõn, Mô phỏng ảnh hưởng của hạn hán đến sản xuất nông nghiệp trên
địa bàn huyện Đại Lộc, tỉnh Quảng Nam trường hợp nghiên cứu cho cây lúa, Trường Đại học
Nông Lâm Huế, 2014.
[2]. Phạm Thị Thu Ngân, Ứng dụng công nghệ gis đánh giá nguy cơ hạn hán tại huyện
Bắc Bình tỉnh Bình Thuận, Trường đại học nông lâm thành phố Hồ Chí Minh, 2011.
[3]. Lâm Đạo Nguyên, Ứng dụng tư liệu viễn thám vệ tinh để giám sát sự tăng trưởng
của cây lúa, Viện Khoa học và Công nghệ Việt Nam, 2003.
[4]. Nguyễn Văn Thắng, Nguyễn Đình Dũng, Đỗ Văn Mẫn, Nguyễn Thị Lan, Sử
dụng chỉ số chuẩn hóa giáng thủy để dự báo hạn khí tượng, Viện Khoa học Khí tượng Thủy
văn và Môi trường, 2006.
[5]. Ủy Ban Nhân Dân tỉnh Thừa Thiên Huế, Báo cáo Quy Hoạch sử dụng đất đến
năm 2020 và kế hoạch sử dụng đất 5 năm (2011-2015) tỉnh Thừa Thiên Huế, tỉnh Thừa Thiên
Huế, 2012.
[6]. Dorit Gross, Monitoring Agricultural Biomass Using NDVI Time Series, Food and
Agriculture Organization of the United Nations (FAO) Rome, 2005.
[7]. Gumley L, Workshop on Practical Applications of MODIS Data in Australia,
Space Science and Engineering Center University of WisconsinMadison, 2002.

APPLICATION OF REMOTE SENSING TECHNOLOGY AND METEOROLOGICAL

DATA IN BUILDING DROUGHT RISK MAP FOR AGRICULTURAL PRODUCTION:
A CASE STUDY AT THUA THIEN HUE PROVINCE


Abstract. There are currently many studies on drought with different methods. Each
method has its advantages and disadvantages. Specifically, the drought indexes calculated from
meteorological data provide detailed information about the extent of drought on a specific area
where the weather stations are. However, the drawback of this method is that there is no
information on the spatial distribution of drought. So, using remote sensing materials to build
drought map will provide parameters related to drought for the remote areas, where there is no
meteorological station, and provide a holistic view spatial risk of drought through the map. The
results showed that it could form drought map assessment based on combined remote sensing
and meteorological data in the province of Thua Thien Hue. It found that a total area of drought
in study area is around 1176.42ha, restricted in different levels of drought. Three districts have
high risk of drought, including Phong Dien, Quang Dien and Phu Vang district with relatives in
area of 29.3%, 25.5% and 21.6%, respectively; the remaining districts have risk of drought in
restricted area, ranged from 10% of the total land area of the province.
Keywords: Drought, meteorology, agriculture, remote sensing.