NGHIÊN CỨU DỰ BÁO NĂNG SUẤT NGÔ, ĐẬU TƯƠNG, LẠC VÀ XÂY DỰNG QUY TRÌNH GIÁM SÁT KHÍ TƯỢNG NÔNG NGHIỆP CHO 4 CÂY TRỒNG CHÍNH (LÚA, NGÔ, LẠC, ĐẬU TƯƠNG) BẰNG THÔNG TIN MẶT ĐẤT Ở VIỆT NAM

BTNMT
VKTTVMT

BỘ TÀI NGUN VÀ MƠI TRƯỜNG
VIỆN KHOA HỌC KHÍ TƯỢNG THỦY VĂN VÀ MÔI TRƯỜNG

BỘ TÀI NGUYÊN VÀ MÔI TRƯỜNG
VIỆN KHOA HỌC KHÍ TƯỢNG THỦY VĂN VÀ MƠI TRƯỜNG
Số 23/62 Nguyễn Chí Thanh - Quận Đống Đa - Hà Nội
-----------------********--------------------

BÁO CÁO TỔNG KẾT ĐỀ TÀI CẤP BỘ

NGHIÊN CỨU DỰ BÁO NĂNG SUẤT NGƠ, ĐẬU
TƯƠNG, LẠC VÀ XÂY DỰNG QUY TRÌNH GIÁM
SÁT KHÍ TƯỢNG NƠNG NGHIỆP CHO 4 CÂY
TRỒNG CHÍNH (LÚA, NGÔ, LẠC, ĐẬU TƯƠNG)
BẰNG THÔNG TIN MẶT ĐẤT Ở VIỆT NAM
Chủ nhiệm đề tài: TS. NGUYỄN THỊ HÀ

7486
19/8/2009

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

ĐỀ TÀI:

NGHIÊN CỨU DỰ BÁO NĂNG SUẤT NGÔ, ĐẬU
TƯƠNG, LẠC VÀ XÂY DỰNG QUY TRÌNH GIÁM

SÁT KHÍ TƯỢNG NƠNG NGHIỆP CHO 4 CÂY
TRỒNG CHÍNH (LÚA, NGƠ, LẠC, ĐẬU TƯƠNG)
BẰNG THƠNG TIN MẶT ĐẤT Ở VIỆT NAM

Tên Chủ nhiệm Đề tài: TS. Nguyễn Thị Hà

HÀ NỘI – 2009
HÀ NỘI, 6 - 2009


BỘ TÀI NGUN VÀ MƠI TRƯỜNG
VIỆN KHOA HỌC KHÍ TƯỢNG THỦY VĂN VÀ MƠI TRƯỜNG
Số 23/62 Nguyễn Chí Thanh - Quận Đống Đa - Hà Nội
-----------------********--------------------

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

NGHIÊN CỨU DỰ BÁO NĂNG SUẤT NGÔ, ĐẬU
TƯƠNG, LẠC VÀ XÂY DỰNG QUY TRÌNH GIÁM
SÁT KHÍ TƯỢNG NƠNG NGHIỆP CHO 4 CÂY
TRỒNG CHÍNH (LÚA, NGƠ, LẠC, ĐẬU TƯƠNG)
BẰNG THƠNG TIN MẶT ĐẤT Ở VIỆT NAM
Chỉ số đăng ký:
Chỉ số phân loại:
Chỉ số lưu trữ:

Trang

MỞ ĐẦU .......................................................................................................... 1
PHẦN I. MỘT SỐ MƠ HÌNH GIÁM SÁT VÀ DỰ BÁO KHÍ TƯỢNG
NƠNG NGHIỆP TRÊN THẾ GIỚI VÀ DỰ KIẾN PHÁT
TRIỂN Ở VIỆT NAM ....................................................................... 2
Chương 1. Mơ hình giám sát và dự báo khí tượng nông nghiệp trên thế
giới .................................................................................................. 2
I.1.1. Quan điểm về mô hình giám sát và dự báo khí tượng nơng nghiệp ............ 2
I.1.2. Mơ hình giám sát và dự báo khí tượng nông nghiệp của tổ chức
Lương thực và Nông nghiệp Liên hợp quốc ............................................. 3
I.1.3. Mơ hình giám sát và dự báo khí tượng nơng nghiệp ở Liên minh châu
Âu (EU) và châu Phi ................................................................................ 9
I.1.4. Giám sát và dự báo khí tượng nơng nghiệp ở Mỹ ................................... 14
I.1.5. Giám sát và dự báo năng suất cây trồng ở Trung Quốc .......................... 18
Chương 2. Mơ hình giám sát và dự báo khí tượng nơng nghiệp ở Việt
Nam ............................................................................................ 21

Cộng tác viên chính: 1. KS. Ngơ Sỹ Giai; 2. ThS. Ngơ Tiền Giang; 3. CN. Nguyễn Hồng Sơn;
4. TS. Trần Hồng Thái; 5. KS. Đặng Thị Thanh Hà; 6. Võ Đình Sức
Hà Nội, ngày…tháng…năm 2009 Hà Nội, ngày…tháng…năm 2009 Hà Nội, ngày…tháng…năm 2009

CHỦ NHIỆM ĐỀ TÀI
(Ký và ghi rõ họ tên)

MỤC LỤC

ĐƠN VỊ THỰC HIỆN
(Ký và ghi rõ họ tên)

CƠ QUAN CHỦ TRÌ
(Thủ trưởng đơn vị chủ trì

ký tên, đóng dấu)

I.2.1. Tình hình giám sát KTNN và dự báo năng suất ..................................... 21
I.2.2. Đề xuất sơ đồ khung về mơ hình giám sát và dự báo khí tượng nơng
nghiệp bằng thơng tin mặt đất ở Việt Nam ............................................ 22
PHẦN II. NGHIÊN CỨU DỰ BÁO NĂNG SUẤT TRUNG BÌNH THEO
TỈNH CỦA 3 CÂY TRỒNG NGÔ, LẠC, ĐẬU TƯƠNG Ở
VIỆT NAM ................................................................................... 25
Chương 1. Phương pháp nghiên cứu và số liệu sử dụng ............................. 25

TS. Nguyễn Thị Hà
Hà Nội, ngày…tháng…năm 2009

Hà Nội, ngày…tháng…năm 2009

HỘI ĐỒNG ĐÁNH GIÁ CHÍNH THỨC
CHỦ TỊCH HỘI ĐỒNG
(Ký và ghi rõ họ tên, học hàm, học vị)

CƠ QUAN QUẢN LÝ ĐỀ TÀI
TL. BỘ TRƯỞNG
KT. VỤ TRƯỞNG
VỤ KHOA HỌC VÀ CƠNG NGHỆ
PHĨ VỤ TRƯỞNG

II.1.1. Phương pháp hồi quy từng bước ........................................................... 25
II.1.2. Phương pháp trực giao .......................................................................... 28
II.1.3. Phương pháp kiểm nghiệm và chọn lọc mơ hình dự báo ....................... 29
II.1.4. Số liệu sử dụng ..................................................................................... 30
Chương 2. Kết quả nghiên cứu xây dựng mơ hình dự báo năng suất

ngơ, lạc, đậu tương của các tỉnh gieo trồng chính ở Việt
Nam ............................................................................................ 32
II.2.1. Kết quả áp dụng phương pháp hồi quy từng bước trong xác định các
phương án dự báo năng suất ngô, lạc, đậu tương ................................... 32

TS. Nguyễn Lê Tâm

Nguyễn Lê Tâm
HÀ NỘI, 6 - 2009

i


II.2.2. Kết quả áp dụng phương pháp trực giao trong xây dựng các mơ hình
dự báo năng suất ngơ, lạc, đậu tương ..................................................... 58
II.2.3. Đánh giá và chọn lọc các mơ hình sử dụng trong xây dựng quy trình
dự báo năng suất ngô, lạc, đậu tương ở Việt Nam .......................................... 76
Chương 3. Xây dựng phần mềm và quy trình dự báo năng suất cho
ngô, lạc, đậu tương ở Việt Nam ................................................ 83
II.3.1. Xây dựng phần mềm dự báo năng suất cho ngô, lạc, đậu tương ở
Việt Nam .............................................................................................. 83
II.3.2. Quy trình dự báo năng suất cho 3 cây trồng ngơ, lạc, đậu tương ở Việt
Nam ................................................................................................................... 84

Chương 3. Xây dựng thử nghiệm 4 bản tin về giám sát khí tượng nông
nghiệp ....................................................................................... 157
III.3.1. Bản tin thông báo KTNN ................................................................... 157
III.3.2. Bản tin dự báo năng suất lúa và năng suất ngô, lạc, đậu tương ........... 158
III.3.3. Bản tin tổng kết điều kiện khí tượng nơng nghiệp vụ ......................... 158
KẾT LUẬN VÀ KIẾN NGHỊ ..................................................................... 159

TÀI LIỆU THAM KHẢO ........................................................................... 161
PHỤ LỤC ......................................................................................................... P

PHẦN III. NGHIÊN CỨU XÂY DỰNG QUY TRÌNH GIÁM SÁT KTNN
CHO 4 CÂY TRỒNG CHÍNH (LÚA, NGƠ, LẠC, ĐẬU
TƯƠNG) BẰNG THÔNG TIN MẶT ĐẤT Ở VIỆT NAM ........... 95
Chương 1. Nghiên cứu xây dựng các kịch bản tổng hợp mức độ thuận
lợi và không thuận lợi của điều kiện thời tiết đối với 4 cây
trồng (lúa, ngô, lạc, đậu tương) theo phương pháp nhận
dạng ............................................................................................. 95
III.1.1. Khả năng áp dụng lý thuyết nhận dạng trong xây dựng các kịch bản
về điều kiện khí tượng nơng nghiệp đối với cây trồng ......................... 95
III.1.2. Nghiên cứu xây dựng các kịch bản về mức độ thuận lợi của các điều
kiện thời tiết đối với sự sinh trưởng, phát triển và hình thành năng
suất cây trồng ở Việt Nam bằng phương pháp nhận dạng .................... 99
III.1.3. Kịch bản nhận dạng mức độ thuận lợi thực tế của thời tiết đối với
cây lúa ............................................................................................... 103
III.1.4. Kịch bản nhận dạng mức độ thuận lợi thực tế của thời tiết đối với 3
cây trồng cạn (ngô, lạc và đậu tương) ................................................ 129
III.1.5. Lập bản tin Thơng báo và cảnh báo Khí tượng nơng nghiệp .............. 147
Chương 2. Xây dựng quy trình và phần mềm giám sát khí tượng nơng
nghiệp cho 4 cây trồng (lúa nước, ngô, lạc, đậu tương)
bằng thông tin mặt đất ở Việt Nam ........................................ 148
III.2.1. Cơ sở khoa học được sử dụng trong xây dựng quy trình .................... 148
III.2.2. Nội dung quy trình giám sát điều kiện khí tượng nơng nghiệp trong
một vụ đối với 4 cây trồng lúa, ngô, lạc, đậu tương ........................... 149
III.2.3. Giới thiệu phần mềm giám sát khí tượng nông nghiệp cho 4 cây
trồng lúa, ngô, lạc, đậu tương bằng thông tin mặt đất ở Việt Nam ..... 153

ii

iii


MỤC LỤC BẢNG
Trang
Bảng I.1. Đánh giá năng suất cây trồng dựa theo chỉ số thoả mãn về nước
(WSI) ..................................................................................................... 13

Bảng II.2.15. Kết quả kiểm chứng chất lượng dự báo năng suất lạc của các
tỉnh trên cơ sở số liệu phụ thuộc theo phương pháp hồi quy từng bước ... 54
Bảng II.2.16. Kết quả kiểm chứng chất lượng dự báo năng suất lạc của các
tỉnh trên cơ sở số liệu độc lập theo phương pháp hồi quy từng bước ....... 54

nông nghiệp .................................................................................................... 15

Bảng II.2.17. Kết quả kiểm chứng chất lượng dự báo năng suất đậu tương
của các tỉnh trên cơ sở số liệu phụ thuộc theo phương pháp hồi quy
từng bước ............................................................................................... 56

Bảng II.2.1. Kết quả xây dựng phương trình dự báo và xác định sai số dự
báo của 1 trong các phương án (phép thử) dự báo năng suất ngô đối
với tỉnh Phú Thọ ..................................................................................... 36

Bảng II.2.18. Kết quả kiểm chứng chất lượng dự báo năng suất đậu tương
của các tỉnh theo phương pháp hồi quy từng bước trên cơ sở số liệu
độc lập .................................................................................................... 57

Bảng II.2.2. Tổng hợp kết quả kiểm chứng các phương án (phép thử - PT)
dự báo năng suất ngô tỉnh Phú Thọ ......................................................... 38

Bảng II.2.19. Sai số của phương trình tính năng suất lạc bằng phương pháp
trực giao đối với tỉnh Thừa Thiên Huế .................................................... 59

Bảng II.2.3. Kết quả xây dựng phương trình dự báo và xác định sai số dự
báo của 1 trong các phương án dự báo năng suất lạc (phép thử 1) đối
với tỉnh Thừa Thiên Huế ........................................................................ 39

Bảng II.2.20. Sai số của phương án dự tính năng suất đậu tương bằng
phương pháp trực giao đối với tỉnh Hà Giang ......................................... 60

Bảng I.2. Các nhu cầu về số liệu thời tiết cụ thể đối với các hoạt động sản xuất

Bảng II.2.4. Tổng hợp kết quả kiểm chứng các phương án dự báo năng suất
lạc tỉnh Thừa Thiên Huế ......................................................................... 40
Bảng II.2.5. Kết quả xây dựng phương trình dự báo và xác định sai số dự
báo của 1 trong các phương án dự báo năng suất đậu tương
(phép thử 1) đối với tỉnh Hà Giang ......................................................... 41
Bảng II.2.6. Tổng hợp kết quả kiểm chứng các phương án (phép thử - PT)
dự báo năng suất đậu tương tỉnh Hà Giang ............................................. 42
Bảng II.2.7. Các phương trình dự báo năng suất ngơ ở các tỉnh gieo trồng
chính theo phương pháp hồi quy từng bước ............................................ 43
Bảng II.2.8. Các phương trình dự báo năng suất lạc bằng phương pháp hồi quy
từng bước ở các tỉnh gieo trồng chính của Việt Nam ...................................... 45
Bảng II.2.9. Các phương trình dự báo năng suất đậu tương ở các tỉnh gieo
trồng chính theo phương pháp hồi quy từng bước .................................. 46
Bảng II.2.10. Khoảng hoạt động của các phương trình tương quan trong
bảng II.2.7 .............................................................................................. 47
Bảng II.2.11. Khoảng hoạt động của các phương trình tương quan trong
bảng II.2.8 .............................................................................................. 48

Bảng II.2.12. Khoảng hoạt động của các phương trình tương quan trong
bảng II.2.9 .............................................................................................. 49
Bảng II.2.13. Kết quả kiểm chứng mô hình dự báo năng suất ngơ của các
tỉnh trên cơ sở số liệu phụ thuộc theo phương pháp hồi quy từng bước ... 50
Bảng II.2.14. Kết quả kiểm chứng mô hình dự báo năng suất ngơ của các
tỉnh theo phương pháp hồi quy từng bước trên cơ sở số liệu độc lập ...... 51
iv

Bảng II.2.21. Các phương trình dự báo năng suất đậu tương ở các tỉnh gieo
trồng chính theo phương pháp trực giao ................................................. 61
Bảng II.2.22. Các phương trình dự báo năng suất lạc ở các tỉnh gieo trồng
chính theo phương pháp trực giao ........................................................... 62
Bảng II.2.23. Kết quả kiểm tra chất lượng dự báo năng suất lạc của các tỉnh
trên cơ sở số liệu phụ thuộc theo phương pháp trực giao ........................ 64
Bảng II.2.24. Kết quả kiểm tra chất lượng dự báo năng suất lạc của các tỉnh
trên cơ sở số liệu độc lập theo phương pháp trực giao ............................ 64
Bảng II.2.25. Kết quả kiểm tra chất lượng dự tính năng suất đậu tương của
các tỉnh trên cơ sở số liệu phụ thuộc theo phương pháp trực giao ........... 66
Bảng II.2.26. Kết quả kiểm nghiệm chất lượng dự báo năng suất đậu tương
của các tỉnh bằng phương pháp trực giao trên cơ sở số liệu độc lập ........ 66
Bảng II.2.27. Sai số của phương trình dự báo năng suất ngô bằng phương
pháp TGKH đối với tỉnh Phú Thọ ........................................................... 69
Bảng II.2.28. Các phương trình dự báo năng suất ngô cho các tỉnh theo
phương pháp TGKH ............................................................................... 70
Bảng II.2.29. Kết quả kiểm tra chất lượng dự báo năng suất ngô của các
tỉnh trên cơ sở số liệu phụ thuộc theo phương pháp TGKH .................... 72
Bảng II.2.30. Kết quả kiểm tra chất lượng dự báo năng suất ngô của các
tỉnh theo phương pháp TBKH trên cơ sở số liệu độc lập ........................ 73
Bảng II.2.31. Một số chỉ tiêu đánh giá kết quả dự báo năng suất ngô cho 49
tỉnh trồng ngơ chính theo 2 phương pháp: HQTB và TGKH .................. 76

Bảng II.2.32. Một số chỉ tiêu đánh giá kết quả dự báo năng suất lạc cho 24
tỉnh trồng lạc chính theo 2 phương pháp HQTB và phương pháp TG ..... 78
v


Bảng II.2.33. Một số chỉ tiêu đánh giá kết quả tính năng suất đậu tương cho
16 tỉnh trồng đậu tương chính theo 2 phương pháp (HQTB và TG) ........ 80

Bảng III.1.18. Kiểm chứng kết quả giám sát năng suất có thể đối với cây
lúa vụ đông xuân giai đoạn 1998 – 2007 .............................................. 128

Bảng III.1.1. Các ngưỡng nhiệt độ (thấp, cao và tối ưu) đối với cây lúa
trong các giai đoạn sinh trưởng và phát triển chính .............................. 103

Bảng III.1.19. Kiểm chứng kết quả giám sát năng suất có thể đối với cây lúa
vụ mùa giai đoạn 1998 – 2007 ............................................................... 129

Bảng III.1.2. Các giá trị trung bình của bốc thốt hơi tiềm năng
(ETo/mm/ngày) ở các vùng khí hậu nơng nghiệp khác nhau ................ 104

Bảng III.1.20. Các ngưỡng nhiệt độ (thấp, cao và tối ưu) đối với cây ngô
trong các giai sinh trưởng và phát triển chính ....................................... 130

Bảng III.1.3. Hệ số cây trồng đối với cây lúa tính từ sau ngày gieo, trồng ..... 104

Bảng III.1.21. Các ngưỡng nhiệt độ (thấp, cao và tối ưu) đối với cây lạc
trong các giai đoạn sinh trưởng và phát triển chính ............................... 130

Bảng III.1.4. Số giờ nắng tối ưu ngày đối với cây lúa trong 4 giai đoạn phát
triển chính ............................................................................................ 105

Bảng III.1.5. Mức giảm năng suất trung bình tuần (%) của lúa do nhiệt độ
chênh lệch lớn so với nhiệt độ tối ưu trong 4 giai đoạn sinh trưởng ...... 108
Bảng III.1.6. Mức giảm năng suất trung bình ngày (%) của lúa do thời tiết khơ
nóng trong các giai đoạn sinh trưởng và phát triển ..................................... 109
Bảng III.1.7. Chỉ tiêu phân hạng mức độ khắc nghiệt của hạn nơng nghiệp tính
theo phương pháp Prescot đã được hiệu chỉnh theo hệ số Xelianinốp ............ 110
Bảng III.1.8. Mức giảm năng suất trung bình tuần (%) của lúa do hạn nông
nghiệp (NN) trong các giai đoạn sinh trưởng và phát triển .......................... 110

Bảng III.1.22. Các ngưỡng nhiệt độ (thấp, cao và tối ưu) đối với cây đậu
tương trong các giai đoạn sinh trưởng và phát triển chính .................... 130
Bảng III.1.23. Hệ số cây trồng đối với một số cây trồng cạn, tính từ sau
ngày gieo, trồng ..................................................................................... 131
Bảng III.1.24. Số giờ nắng tối ưu ngày đối với 3 cây ngô, lạc và đậu tương
trong 4 giai đoạn phát triển chính ......................................................... 132
Bảng III.1.25. Tốc độ gió trung bình ngày tối ưu đối với cây 3 cây ngô, lạc,
đậu tương trong 4 giai đoạn phát triển chính ......................................... 132

Bảng III.1.9. Mức giảm năng suất trung bình của lúa do 1 đợt gió mạnh (%/đợt)
trong các giai đoạn sinh trưởng và phát triển ............................................ 111

Bảng III.1.26. Mức giảm năng suất trung bình tuần (%) của 3 cây trồng cạn
do nhiệt độ chênh lệch lớn so với nhiệt độ tối ưu trong 4 giai đoạn
sinh trưởng ........................................................................................... 135

Bảng III.1.10. Mức giảm năng suất trung bình (%) của lúa do ngập úng trong
các giai đoạn sinh trưởng và phát triển ...................................................... 111

Bảng III.1.27. Mức giảm năng suất trung bình ngày (%) của ngơ do thời
tiết khơ nóng trong các giai đoạn sinh trưởng và phát triển ................... 136

Bảng III.1.11. Mức giảm năng suất so với năng suất trung bình của lúa do ngập
úng trong các giai đoạn sinh trưởng và phát triển ....................................... 111

Bảng III.1.28. Mức giảm năng suất trung bình ngày (%) của lạc do thời tiết
khơ nóng trong các giai đoạn sinh trưởng và phát triển ......................... 136

Bảng III.1.12. Chỉ tiêu phân loại mức độ thuận lợi của thời tiết đối với cây
trồng ..................................................................................................... 116

Bảng III.1.29. Mức giảm năng suất trung bình ngày (%) của đậu tương do
thời tiết khơ nóng trong các giai đoạn sinh trưởng và phát triển chỉnh .. 137

Bảng III.1.13. Độ dài của 4 giai đoạn đối với các nhóm giống lúa ................. 119

Bảng III.1.30. Mức giảm năng suất trung bình tuần (%) của ngô do hạn
nông nghiệp trong các giai đoạn sinh trưởng và phát triển .................... 137

Bảng III.1.14. Phân loại vụ ñược mùa hoặc mất mùa dựa vào mức ñộ
thuận lợi của thời tiết (K favt) ñến thời ñiểm ñánh giá .......................... 123
Bảng III.1.15. Phân cấp mức độ thuận lợi thực tế tích luỹ của thời tiết theo
trạng thái sinh trưởng và phát triển của cây trồng ................................. 124
Bảng III.1.16. Kết quả kiểm chứng mức độ phù hợp của chỉ số thuận lợi
tích luỹ của điều kiện KTNN đối với giống lúa 150 ngày trong 5 vụ
lúa Đông xuân ở Trạm Thực nghiệm Khí tượng nơng nghiệp Đồng
bằng Bắc Bộ ......................................................................................... 125
Bảng III.1.17. Kết quả kiểm nghiệm mức độ phù hợp của chỉ số thuận lợi
tích hợp tích luỹ của điều kiện KTNN đối với giống lúa 140 ngày
trong 7 vụ lúa mùa ở Trạm Thực nghiệm Khí tượng nơng nghiệp
Đồng bằng Bắc Bộ ............................................................................... 126

vi

Bảng III.1.31. Mức giảm năng suất trung bình tuần (%) của lạc do hạn
nơng nghiệp trong các giai đoạn sinh trưởng và phát triển .................... 137
Bảng III.1.32. Mức giảm năng suất trung bình tuần (%) của đậu tương do
hạn nông nghiệp trong các giai đoạn sinh trưởng và phát triển ............... 138
Bảng III.1.33. Mức giảm năng suất trung bình của ngơ do 1 đợt gió mạnh
(%/đợt) trong các giai đoạn sinh trưởng và phát triển ........................... 138
Bảng III.1.34. Mức giảm năng suất trung bình của lạc do 1 đợt gió mạnh
(%/đợt) trong các giai đoạn sinh trưởng và phát triển ........................... 138
Bảng III.1.35. Mức giảm năng suất trung bình của đậu tương do 1 đợt gió
mạnh (%/đợt) trong các giai đoạn sinh trưởng và phát triển .................. 139
vii


Bảng III.1.36. Mức giảm năng suất trung bình của ngơ do ngập úng trong
các giai đoạn sinh trưởng và phát triển trên 2 nền bón đạm .................. 139
Bảng III.1.37. Mức giảm năng suất trung bình của ngơ do ngập úng trong
các giai đoạn sinh trưởng và phát triển theo mức bón đạm trung bình .. 139
Bảng III.1.38. Mức giảm năng suất trung bình của cây lạc do ngập úng
trong các giai đoạn sinh trưởng và phát triển ........................................ 140
Bảng III.1.39. Mức giảm năng suất trung bình của đậu tương do ngập úng
trong các giai đoạn sinh trưởng và phát triển ........................................ 140
Bảng III.1.40. Phân loại vụ được mùa hoặc mất mùa dựa vào mức ñộ thuận
lợi của thời tiết (K favt) ñến thời ñiểm ñánh giá ................................... 144
Bảng III.1.41. Kết quả kiểm chứng mức độ phù hợp của chỉ số thuận lợi
tích hợp tích luỹ của điều kiện KTNN đối với vụ ngơ Đơng xn ở
Trạm Thực nghiệm Khí tượng nơng nghiệp Đồng bằng Bắc Bộ ........... 146

MỤC LỤC HÌNH

Trang
Hình I.1. Sơ đồ khái niệm của hệ thống thông tin an ninh lương thực
(FSIEWS) của FAO ........................................................................... 4
Hình I.2. Sơ đồ đánh giá năng suất cây trồng của FAO ..................................... 5
Hình I.3. Cấu trúc của trang web chủ về hệ thống thơng tin khí tượng nơng
nghiệp hoặc hệ thống thơng tin khí tượng nơng nghiệp phục vụ an
ninh lương thực .................................................................................. 7
Hình I.4. Sơ đồ phương pháp giám sát và dự báo năng suất cây trồng ở các
nước châu Âu, một số nước châu Á và các nước vùng phía Đơng
của châu Phi ..................................................................................... 11
Hình I.5. Sơ đồ phương pháp giám sát cây trồng ở Trung Quốc ...................... 19

Bảng III.1.42. Kiểm chứng kết quả giám sát năng suất có thể đối với cây
ngô vụ Đông xuân giai đoạn 1998 – 2006 ............................................ 147

Hình I.6. Sơ đồ phương pháp dự báo năng suất cây trồng theo huyện, tỉnh ở
Trung Quốc ...................................................................................... 20

Bảng III.2.1. Tỷ lệ độ dài của 4 giai đoạn sinh trưởng và phát triển chủ yếu
so với độ dài của toàn bộ thời gian sinh trưởng của cây lúa .................. 151

Hình I.7. Sơ đồ khung về hệ thống giám sát và dự báo năng suất cây trồng
bằng thông tin mặt đất ở Việt Nam .................................................. 23
Hình I.8. Sơ đồ khối giám sát và dự báo năng suất cây trồng bằng thông tin
mặt đất ở Việt Nam ......................................................................... 24

viii

ix

DANH MỤC CÁC CHỮ VIẾT TẮT
Những chữ viết tắt

Viết đầy đủ

CCPI

Chỉ số tiến độ phát triển của cây trồng

CSWB

Cán cân nước cây trồng

EU

Liên minh châu Âu

FAO

Tổ chức Lương thực và Nông nghiệp Liên hợp quốc

FSIEWS

Thông tin an ninh lương thực và hệ thống cảnh báo sớm
của FAO

KTNN

Khí tượng nơng nghiệp

KH KTTV & MT

Khoa học Khí tượng Thủy văn và Mơi trường

PET

Bốc thoát hơi tiềm năng

PP HQTB

Phương pháp hồi quy từng bước

PP TG

Phương pháp trực giao

PP TGKH

Phương pháp trực giao kết hợp

Viện
KHKTTV&MT

Viện Khoa học Khí tượng Thuỷ văn và Mơi trường

WMO

Tổ chức Khí tượng Thế giới

WRSI

Chỉ số thõa mãn nhu cầu nước của cây trồng

WWCB

Tuần báo Thời tiết và Cây trồng của Mỹ

x

MỞ ĐẦU
Đánh giá điều kiện sinh trưởng, phát triển, tạo thành năng suất và dự báo
năng suất là vấn đề rất quan trọng trong công tác điều chỉnh kỹ thuật canh tác để
nâng cao năng suất cây trồng. Sự ảnh hưởng mạnh mẽ của thời tiết và khí hậu
đến quá trình sinh trưởng, phát triển và tạo 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 nơng nghiệp) đối với sự sinh trưởng,
phát triển và dự báo năng suất, sản lượng có thể đạt được của các loại cây lương
thực ở các quốc gia trên thế giới. Bên cạnh đó, vấn đề an ninh lương thực đã và
đang trở thành một vấn đề rất quan trọng mang tính tồn cầu trong những thập
kỷ gần đây. Để góp phần giải quyết vấn đề này thì bên cạnh việc áp dụng các
biện pháp liên quan đến kỷ thuật trong nông nghiệp như giống mới, áp dụng kỷ
thuật tiên tiến, sử dụng hợp lý các loại phân bón... việc giám sát điều kiện khí
tượng nơng nghiệp và dự báo năng suất mùa màng chính xác để có kế hoạch
xuất nhập khẩu hợp lý của mỗi quốc gia là rất cần thiết.
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 cơng việc giám sát khí tượng nơng nghiệp (KTNN)
đối với các loại cây trồng và từ những năm 1974 - 1980 đến nay đã tiến hành xây
dựng các phương pháp dự báo và dự báo năng suất cây trồng với những thời hạn

khác nhau: dự báo vào đầu thời vụ gieo trồng, dự báo với thời hạn từ 3 đến 2 hoặc
1 tháng trước khi thu hoạch.
Ở Việt Nam, việc giám sát KTNN (thông qua bản tin Thông báo KTNN
hàng tháng) và dự báo năng suất cây trồng đã được đưa vào công tác nghiệp vụ
ở Trung tâm Nghiên cứu Khí tượng nơng nghiệp - Viện Khoa học Khí tượng
Thuỷ văn và Môi trường (KTTV&MT) - Bộ Tài nguyên và Môi trường. Tuy
nhiên, cho đến nay, trong giám sát KTNN chưa có đánh giá hoặc nhận định khả
năng năng suất có thể đạt đạt được từ những thời điểm đánh giá cần thiết; trong
dự báo năng suất chỉ mới có quy trình dự báo và dự báo năng suất lúa trung bình
theo tỉnh cho lúa vụ đơng xn và vụ mùa vùng Đồng bằng Bắc Bộ, Bắc Trung
Bộ và Đồng bằng sông Cửu Long.
Để mở rộng phạm vi phục vụ của cơng tác giám sát và dự báo khí tượng
nơng nghiệp, đề tài "Nghiên cứu dự báo năng suất ngô, đậu tương, lạc và xây
dựng quy trình giám sát khí tượng nơng nghiệp đối với 4 cây trồng chính (lúa,
ngơ, lạc, đậu tương) bằng thông tin mặt đất" đã được phê duyệt thực hiện.
Đề tài được hoàn thành là nhờ sự quan tâm giúp đỡ của Lãnh đạo Bộ Tài
nguyên và Môi trường, các Vụ chức năng thuộc Bộ, lãnh đạo Viện Khoa học Khí
tượng Thuỷ văn và Mơi trường, các Phòng quản lý của Viện, Lãnh đạo và các
cộng tác viên, các cán bộ thuộc Trung tâm Nghiên cứu Khí tượng Nơng nghiệp.
Chúng tơi xin bày tỏ lịng biết ơn sâu sắc của mình.
1


PHẦN I
MỘT SỐ MƠ HÌNH GIÁM SÁT VÀ DỰ BÁO KHÍ TƯỢNG NƠNG
NGHIỆP TRÊN THẾ GIỚI VÀ DỰ KIẾN PHÁT TRIỂN Ở VIỆT NAM
Chương 1
MƠ HÌNH GIÁM SÁT VÀ DỰ BÁO KHÍ TƯỢNG NƠNG NGHIỆP
TRÊN THẾ GIỚI
I.1.1. Quan điểm về mơ hình giám sát và dự báo khí tượng nơng nghiệp

Nói chung, giám sát KTNN sẽ bao gồm các cơng việc chính sau đây:
1) Theo dõi và đánh giá diễn biến các điều kiện KTNN hiện tại so với trung
bình nhiều năm và những thời đoạn trước thời gian đang đánh giá;
2) Đánh giá trạng thái sinh trưởng, phát triển và hình thành năng suất cây
trồng, vật ni tại thời điểm được đánh giá;
3) Đánh giá tác động của các điều kiện KTNN đến sự sinh trưởng, phát
triển và hình thành năng suất cây trồng, vật nuôi tại thời điểm được đánh giá;
4) Dự báo sinh trưởng và hình thành năng suất cây trồng, vật nuôi kể từ
thời điểm được đánh giá;
Mơ hình giám sát và dự báo khí tượng nông nghiệp ở các nước trên thế giới
[4] thường bao gồm hai hợp phần:
1) Mạng lưới quan trắc, thu thập, xử lý, lưu trữ và chuyển giao số liệu
KTNN;
2) Mạng lưới dự báo và cảnh báo sớm KTNN.
Theo quy định của Tổ chức Khí tượng Thế giới [43, 48 - 51, 65, 87], việc
thực hiện các hoạt động của hệ thống cảnh báo sớm thường phải trải qua 10 bước
sau đây:
1) Kết nối các nghĩa vụ nghiệp vụ ở cấp độ quốc gia và địa phương;
2) Chỉ đạo một cơ quan có nghĩa vụ phát hành các bản tin cảnh báo;
3) Ra quyết định hoạt động cảnh báo ở một cấp độ chính trị;
4) Làm cho cảnh báo trở thành dễ hiểu và phù hơp;
5) Tạo nền tảng cho các cảnh báo trên cơ sở phân tích rủi ro và thơng tin
cho các nhóm bị ảnh hưởng và tổn thương;
6) Liên kết các loại thiên tai thịnh hành và có khả năng xảy ra với các hoạt
động giảm thiểu rủi ro;
7) Giám sát và dự báo những thay đổi của các dạng tổn thương ở các cấp
2

địa phương;
8) Tạo ra những thông tin chi tiết và cụ thể về những rủi ro ở các cấp địa

phương;
9) Đưa ra các chiến lược đa ngành cho các hệ thống cảnh báo thích hợp với
các địa phương;
10) Cung cấp, thẩm tra các thông tin và chọn các phương tiện truyền thông,
các chiến lược phổ biến về những rủi ro đã nhận biết được.
I.1.2. Mơ hình giám sát và dự báo khí tượng nơng nghiệp của tổ chức
Lương thực và Nông nghiệp Liên hợp quốc (FAO)
I.1.2.1. Cấu trúc của thông tin an ninh lương thực và hệ thống cảnh báo sớm
(FSIEWS) của FAO
Đa số các hệ thống giám sát an ninh lương thực được tổ chức và hình thành
xung quanh 4 trụ cột (pillar) sau đây [87]:
- Giám sát sản xuất nông nghiệp, thường kết hợp với việc giám sát chăn
nuôi;
- Hệ thống các thông tin thị trường để giám sát thường xuyên thương mại
nội địa và đôi khi thương mại quốc tế (nhập khẩu/xuất khẩu);
- Giám sát xã hội về những dân cư dễ bị ảnh hưởng hoặc giám sát các
nhóm bị rủi ro, thường tập trung vào sự nghèo đói, và
- Hệ thống giám sát lương thực và dinh dưỡng là hệ thống thường phụ
thuộc vào tình huống, giám sát sức khoẻ và trạng thái dinh dưỡng của dân cư.
Hình I.1 dưới đây cho thấy sơ đồ quan điểm của hệ thống thông tin an ninh
lương thực và cảnh báo sớm của FAO [87]. Trong hệ thống này gồm có các khối
thơng tin sau đây:
1) Khối sản phẩm (sử dụng các thông tin của hệ thống an ninh lương thực)
bao gồm 2 khối thành phần. Khối thành phần 1 bao gồm: Các hoạt động ngăn
ngừa ngắn hạn; Các hoạt động ứng cứu và giảm thiểu; Lập kế hoạch ngắn hạn
cho các nhóm nơng nghiệp. Khối thành phần 2 bao gồm: Chương trình hoá an
ninh lương thực; Lập kế hoạch triển khai; và Lập kế hoạch trung hạn và dài hạn
cho các nhóm nơng nghiệp.
2) Khối các hàm số dùng để tính tốn trong hệ thống FSIEWS. Khối này
bao gồm 3 khối thành phần. Khối thành phần 1 bao gồm cảnh báo sớm và hiện

tại. Khối thành phần 2 bao gồm thị trường và phân tích thương mại. Khối thành
phần 3 bao gồm đánh giá cơ cấu tổn thương và đánh giá bất an ninh lương thực
trong thời gian dài (kinh niên).
3


• Tác động ngăn ngừa ngắn
Các sản phẩm
đầu ra (Sử
dụng thơng tin
FSIEWS

hạn
• Các hoạt động khẩn cấp và
giảm nhẹ

của FSIEWS

nghiệp (hạn vừa/hạn dài)

• Kế hoạch lĩnh vực nơng

Hạn ngắn

Các chức năng

• Chương trình an ninh
lương thực
• Kế hoạch phát triển
• Kế hoạch lĩnh vực nông

Cảnh báo
sớm
và Hiện tại

Hạn vừa

Sự phân tích
thị trường và
thương mại

Hạn dài

Đánh giá cấu trúc dễ
bị tổn thương
Đánh giá tính khơng
an tồn lương thực
kinh niên

báo mùa cho nơng nghiệp (cây trồng, vật ni và giám sát khí hậu nông nghiệp).
Khối thành phần 2 bao gồm các điều kiện kinh tế xã hội (giám sát cán cân
cung/cầu lương thực, phí thơng tin và khả năng chi trả). Khối thành phần 3 bao
gồm giám sát tình trạng dinh dưỡng (đánh giá sức khoẻ và dinh dưỡng, giám sát
an ninh lương thực của các hộ).
4) Khối các yếu tố an ninh lương thực. Khối này cũng bao gồm 3 khối
thành phần. Khối thành phần 1 bao gồm sự sẵn có và khả năng sử dụng lương
thực. Khối thành phần 2 bao gồm sự ổn định lương thực và quyền được sử dụng.
Khối thành phần 3 bao gồm sự sử dụng lương thực.
Mơ hình khung của hệ thống đánh giá sản lượng cây trồng (mùa màng)

Mạng lưới
khí tượng

Thời tiết

Các giai
đoạn của
cây trồng

Vệ tinh

Các họat động
chỉ thị/ các hoạt
động FSIEWS

Các nhân tố an
ninh lương thực

Giám sát và dự
báo mùa màng
của nông
nghiệp (giám
sát các cây
trồng, vật ni
và khí hậu nơng
nghiệp)

Các điều kiện
khinh tế xã hội và
thị trường (Giám

sát sự cân bằng
giữa cung cấp/nhu
cầu, thông tin giá
cả, lợi nhuận)

Độ ổn định lương
thực và cơ hội
lương thực

Tính sẵn có của
lương thực

Giám sát dinh
dưỡng sức khỏe
(Các sự đánh giá
về sức khỏe và
dinh dưỡng, giám
sát an ninh lương
thực theo hộ gia
đình)

Tính hữu dụng
của lương thực

Các mơ hình
khí tượng nơng
nghiệp

Chỉ số thực
vật

Quan trắc
đồng ruộng

Hàm năng suất
Đầu tư của
nơng
nghiệp

Tính trung
bình diện
tích gieo
trồng

Sản lượng

Bản đồ và cơ sở
dữ liệu

Thống kê
nơng nghiệp
Hình I.1. Sơ đồ khái niệm của hệ thống thơng tin an ninh lương thực (FSIEWS)
của FAO [87]

Đánh giá sản
lượng mùa
màng

Số liệu
tham chiếu

Năng suất
tại trạm

Số liệu nông
nghiệp tại
thời điểm

Năng
suất của
huyện

3) Khối các chỉ số về những hoạt động của hệ thống FSIEWS. Khối này
cũng bao gồm 3 khối thành phần. Khối thành phần 1 bao gồm giám sát và dự

Hình I.2. Sơ đồ đánh giá năng suất cây trồng của FAO [87]

4

5

Diện tích
gieo trồng


phục vụ an ninh lương thực của FAO [43, 48-50, 87], hình I.2, gồm có các khối
sau đây:

Trang chủ

Số liệu khí

tượng

1) Khối mạng lưới trạm khí tượng để giám sát các điều kiện khí tượng.
Khối này cũng kết nối với các mơ hình tính tốn KTNN và các hàm tính toán
năng suất cây trồng.
2) Khối mạng lưới vệ tinh để giám sát các điều kiện khí tượng, các giai đoạn
phát triển của cây trồng và chỉ số thực vật. Khối này cũng kết nối với các mơ hình
tính tốn KTNN và các hàm tính tốn năng suất cây trồng, năng suất tại trạm,
năng suất trung bình huyện và sản lượng cây trồng trong vụ.

Số liệu
nông
nghiệp

3) Khối những người theo dõi và quan trắc đồng ruộng bao gồm giám sát
các giai đoạn phát triển của cây trồng và những đầu tư cho nông nghiệp. Khối
này cũng liên quan đến việc xác định diện tích gieo trồng. ở các vùng giám sát.
4) Khối bản đồ và cơ sở dữ liệu giám sát các loại số liệu tham chiếu. Các số
liệu tham chiếu được kết nối với các hàm tính tốn năng suất cây trồng.

Đánh giá số liệu khí
tượng, độ ẩm đất, v.v..

Mơ hình
hóa

Sử dụng các sản phẩm
thơng tin mơ hình số
trị và viễn thám

Dự báo

Dự báo các tham số
khí tượng, thủy văn
v.v….

Vật hậu

Dự báo các giai đoạn
phát triển và năng suất

Sâu bệnh

Giám sát cơn trùng, vi
khuẩn, v.v..

Số liệu khí
hậu

5) Khối thống kê nông nghiệp giám sát các số liệu tham chiếu, số liệu nơng
nghiệp hiện tại và diện tích gieo trồng.
Trang web chủ về hệ thống thơng tin khí tượng nơng nghiệp kết nối với 4
khối: 1) Khối số liệu khí tượng; 2) Khối số liệu nông nghiệp; 3) Khối số liệu khí
hậu; 4) Khối các thơng tin khác. Cấu trúc trang chủ của hệ thống được đưa trên
hình I.3 từ đó nhận thấy:
1) Khối số liệu khí tượng bao gồm 3 khối phân tích, mơ hình hố và dự
báo. Khối phân tích bao gồm đánh giá các yếu tố khí tượng, độ ẩm đất và các
loại số liệu khác. Khối mô hình hố sử dụng các sản phẩm của mơ hình số trị và
các thông tin viễn thám;
2) Khối số liệu nông nghiệp bao gồm: 1) Khối số liệu vật hậu; 2) Khối sâu

bệnh; 3) Khối công việc đồng ruộng; 4) Khối công việc tưới tiêu và 5) Khối bảo
vệ thực vật. Trong đó khối số liệu vật hậu bao gồm dự báo các giai đoạn vật hậu
hình thành năng suất cây trồng (vật nuôi); Khối sâu bệnh bao gồm giám sát các
loại côn trùng và vius...; Khối công việc đồng rng liên quan đến phân tích khả
năng làm ruộng và vận chuyển; Khối công việc tưới tiêu liên quan đến cán cân
nước và lịch tưới, tiêu; và Khối bảo vệ thực vật liên quan đến việc lập kế hoạch
sử dụng thuốc trừ sâu vầ diệt cỏ.

Phân tích

Các thơng
tin khác

Cơng việc Phân tích cơng việc và
đồng ruộng khả năng vận chuyển
Các xu thế

Bản đồ
chuyên đề
Tưới tiêu

Phân tích xu
thế năng suất,
khí hậu

Khí hậu và các
vùng sử dụng
đất đai

Cán cân nước và lịch

tưới tiêu

Bảo vệ thực Lập kế hoạch sử dụng
vật
thuốc trừ sâu, bệnh

3) Khối số liệu khí hậu (kết nối với các khối: khối các xu thế khí hậu, phân
tích xu thế năng suất; khối các bản đồ chuyên đề bao gồm các bản đồ khí hậu và
các vùng sử dụng đất);

Hình I.3. Cấu trúc của trang web chủ về hệ thống thơng tin khí tượng nơng
nghiệp hoặc hệ thống thơng tin khí tượng nơng nghiệp phục vụ an ninh lương
thực [87]

6

7


I.1.2.2. Hợp phần khí tượng nơng nghiệp của FSIEWS
Hợp phần KTNN của FSIEWS được tích hợp thành sự giám sát sản xuất
nơng nghiệp, đặc biệt là nó liên quan đến các cây lương thực và chăn nuôi. Cho
đến nay hầu hết việc giám sát mùa màng và các phương pháp dự báo được phát
triển xung quanh cán cân nước được đánh giá trong mùa sinh trưởng và có chú ý
đến sự phát triển của cây trồng. Việc giám sát các cây trồng dựa vào mưa dựa
vào các công cụ cơ bản sau đây:
• Sử dụng số liệu khí tượng thời gian thực;
• Sử dụng các mơ hình cán cân nước cho các cây trồng cụ thể;
• Xử lý ảnh vệ tinh thời gian thực;
• Sử dụng các cơng cụ nội suy khơng gian;

• Sử dụng lưới bề mặt của các tham số tính tốn được liên quan đến cây
trồng, hoặc khơng, từ các ảnh vệ tinh (ví dụ, sức chứa ẩm tối đa đồng ruộng, các
loạ đất, lớp phủ đất, sử dụng đất, các mẫu diện tích cây trồng, v.v);
• Sử dụng các dự báo mùa;
• Các mẫu khảo sát đồng ruộng, chủ yếu là để ước tính mùa màng thu
hoạch;
Những cơng cụ này có thể sử dụng để đánh giá nhanh trạng thái cây trồng
(sự phát triển, các giai đoạn trong chu trình sinh trưởng, các điều kiện, v.v), là
những công cụ dùng để đánh giá định lượng và chúng phụ thuộc vào sự sẵn có
các thơng tin bổ sung (các số liệu nông nghiệp, các số liệu thống kê năng suất,
các chuỗi số liệu nhiều năm...) và cung cấp những thơng tin có hiệu lực.
I.1.2.3. Nhóm khí tượng nơng nghiệp của FAO
Nhóm KTNN là một phần của Ban Môi trường và Tài nguyên thiên nhiên
(Environment and Natural Resources Service-SDRN) thuộc Cục Phát triển Bền
vững (SDRN-là đầu mối về số liệu mơi trường). Nhóm KTNN tập hợp các số
liệu khí tượng thời gian cận thực (chủ yếu là giáng thuỷ) từ các nguồn khác nhau
của các trạm trên toàn thế giới để sử dụng trong giám sát KTNN về cây trồng và
dự báo năng suất. Các số liệu tham chiếu bao gồm 30.000 trạm khí tượng trên
tồn thế giới, kể cả số liệu trung bình chuẩn (trung bình của 30 năm) cũng như
chuỗi số liệu theo thời gian từ các nguồn số liệu được xuất bản và chưa xuất bản,
chủ yếu là từ các cơ quan khí tượng của các quốc gia và các trung tâm nghiên
cứu quốc tế.
Bắt đầu từ năm 1974, Nhóm KTNN đã phát triển và liên tục cải tiến
phương pháp dự báo mùa màng với mục đích cung cấp các thơng tin được cập
nhật về các điều kiện mùa màng ở các nước cận Xahara từ Hệ thống Thơng tin
8

tồn cầu của FAO và Hệ thống cảnh báo sớm (FAO’s Global Information and
Early Warning System (GIEWS), và cũng cung cấp các công cụ với các hợp
phần KTNN cho các Hệ thống thông tin An ninh lương thực và Cảnh báo sớm.

Từ những ngày đầu tiên, phương pháp (hướng dẫn) đánh giá định lượng đã được
cụ thể hoá, dựa trên cơ sở các mối quan hệ giữa chỉ số thoả mãn nhu cầu nước
của cây trồng (Water Requirements Satisfaction Index -WRSI), được tạo ra từ
mơ hình cán cân nước của cây trồng cụ thể và các điều kiện cây trồng (Frère and
Popov, 1986) [49]. Ngày nay, mục tiêu của phương pháp là dự báo năng suất
cây trồng (tấn/ha) và sản lượng trước thu hoạch từ một số tháng.
I.1.2.4. Hệ thống thông tin cảnh báo sớm an ninh lương thực và những yêu
cầu của người sử dụng về hợp phần KTNN
Nghĩa vụ của cán bộ KTNN là áp dụng tất cả các kỹ năng khí tượng có liên
quan để giúp nhà nơng sử dụng có hiệu quả nhất mơi trường vật lý, với mục đích
cao nhất là nâng cao sản lượng nông nghiệp, kể cả số lượng và chất lượng. Các
cán bộ KTNN cần phải giúp đỡ nhà nơng tổ chức và kích hoạt các nguồn sở hữu
để sinh lợi bằng những tư vấn kỹ thuật.
Hợp phần KTNN có trách nhiệm chủ yếu trước, trong vụ gieo trồng vì nhân
tố chủ yếu có ảnh hưởng đến năng suất và sản lượng cây trồng ở các nước phát
triển là sự dao động của thời tiết giữa các năm. Điều ngày càng trở nên quan trọng
là cung cấp các dự báo khí hậu mùa, cụ thể là trước khi bắt đầu vụ gieo trồng để
thích ứng hệ thống nơng nghiệp với sự dao động thời tiết đã tăng lên.
Điều cần nhấn mạnh là sản xuất nông nghiệp và sự an ninh lương thực ở các
nước phát triển có thể được cải thiện bằng những tư vấn KTNN ngày càng hiệu
quả hơn đối với nhà nông để ổn định năng suất của họ thông qua việc quản lý và
khai thác tài ngun khí hậu nơng nghiệp cũng như những nguồn đầu tư khác,
như phân bón và thuốc trừ sâu (Gommes, 1993) [51].
I.1.3. Mơ hình giám sát và dự báo khí tượng nông nghiệp ở Liên minh châu
Âu (EU) và châu Phi
Đã có hệ thống giám sát và dự báo KTNN cho cả Liên minh EU [65, 81,
87]. Hệ thống này có tên tiếng Anh là Agrometeorological Monitoring
Agriculture with remote sensing, trong đó gồm các sản phẩm sau đây: (1) Điều
kiện thuận lợi đối với các cây trồng; (2) Những điều kiện KTNN nổi bật (đáng
chú ý) ở các vùng trọng điểm; (3) Bản đồ cây trồng (bao gồm các giai đoạn sinh

trưởng và phát triển của cây trồng); (4) Bản đồ nhiệt độ, lượng mưa tuần (10
ngày); (5) Bản đồ cán cân nước tính theo các điều kiện khí hậu tuần; (6) Nhu
cầu nước của cây trồng, trong đó trình bày kết quả đánh giá hệ số thoả mãn nhu
9


cầu nước (WRSI) bằng mơ hình cán cân nước của từng cây trồng (FAO crop
specific Water Balance - CSWB) do FAO xây dựng; (7) Đánh giá khả năng
được mùa và mất mùa dựa vào kết quả đánh giá các hệ số thoả mãn nhu cầu
nước (WRSI) thực tế và dự báo đến cuối vụ có sử dụng các thơng tin khí hậu và
dự báo khí hậu; (8) Kết quả phân tích ảnh viễn thám so với các tuần (tháng)
trước, trong đó cho thấy mức độ phát triển của cây trồng, ảnh hưởng của các
điều kiện thời tiết bất lợi (hạn hán, ngập úng, rét hại,...) và thiên tai, sâu bệnh đối
với cây trồng; (9) Dự báo năng suất cây trồng phục vụ an ninh lương thực các
nước trong Liên minh châu Âu và các nước châu Phi. Các kết quả này có thể
truy cập từ Internet: />
(CPSZ), là khối xử lý và các cơng cụ tính tốn; 3) Khối chạy mơ hình cán cân nước
của cây trồng cụ thể có sử dụng mơ hình AgroMetShell ở cấp độ vùng trồng cây
nơng nghiệp [40]; 4) Khối về số liệu bốc thốt hơi thực tế, là khối trung gian và các
sản phẩm số liệu cuối cùng; 5) Khối về các hàm năng suất cây trồng ([1-Ya/Ymax =
Ky * (1-ETa/ETmax)], do Doorenbos và Kassam, 1979 đề xuất, là khối xử lý và các
công cụ; và 6) Khối về số liệu năng suất (tấn/ha), là khối xử lý và các công cụ.
Dữ liệu CPSZ
NDVI
(vệ tinh SPOT-4)

Lượng mưa và PET
(mơ hình ECMWF)

•

•

I.1.3.1. Mơ hình giám sát năng suất cây trồng bằng số liệu khí tượng nơng
nghiệp thời gian thực ở Châu Âu và châu Phi

•
Khơng gian hố sơ liệu
theo lưới sử dụng
Surfer 3.2 và Windisp4

Phương pháp giám sát và dự báo năng suất cây trồng của Liên minh châu
Âu đã được xây dựng với sự hợp tác giữa FAO và Liên minh châu Âu, Trung
tâm nghiên cứu liên hợp (JRC) thuộc Viện An ninh và An tồn cơng dân [65, 81,
87]. Sơ đồ phương pháp giám sát và dự báo cây trồng được trình bày ở hình I.4
với 3 khối và các nội dung như sau:
Khối thứ 1 gồm 3 khối thành phần: 1) Khối các thông tin về chỉ số NDVI dựa
vào vệ tinh SPOT-4 là khối số liệu đầu vào; 2) Khối lấy trung bình khơng gian của
chỉ số NDVI theo đơn vị vùng trồng cây nơng nghiệp (CPSZ) có sử dụng Windisp
4 là khối xử lý và các cơng cụ tính tốn; 3) Mô tả các file NDVI của CPSZ, là khối
trung gian và các sản phẩm số liệu cuối cùng.
Khối thứ 2 gồm 6 khối thành phần: 1) Khối các thông tin về lượng mưa và
bốc thoát hơi tiềm năng (PET) là khối số liệu đầu vào (lấy từ dự báo thời tiết hạn
vừa của Trung tâm Dự báo châu Âu theo mơ hình ECMWF); 2) Khối khơng gian
hố số liệu theo lưới có sử dụng Surfer 3.2 và Windisp4 là khối xử lý và các cơng
cụ tính tốn; 3) Khối số liệu lượng mưa và các ảnh PET, là khối trung gian và các
sản phẩm số liệu cuối cùng; 4) Khối mơ hình tính tốn và ước lượng ngày gieo
trồng, là khối xử lý và các cơng cụ tính tốn; 5) Khối chạy mơ hình cán cân nước
của cây trồng cụ thể có sử dụng mơ hình AgroMetShell ở cấp độ vùng trồng cây
nông nghiệp [40]; 6) Khối ngày gieo trồng cây, các chỉ số tiến độ phát triển của
cây trồng (CCPI), là khối trung gian và các sản phẩm số liệu cuối cùng.

Số liệu lượng mưa và
các ảnh PET

Thông tin về đất và sức
chứa ẩm
Lượng mưa quá khứ và
PET
Số liệu độ dài thời kì sinh
trưởng để xác định mức sử
dụng nước của cây trồng

Số liệu KTNN đã được
trung bình hố cho các nhóm
vùng trồng cây nơng nghiệp
(CPSZ)

Mơ hình tính tốn và
ước lượng ngày gieo
trồng
Khối lấy trung bình
khơng gian của chỉ số
NDVI theo đơn vị
vùng trồng cây công
nghiệp (CPSZ)
sử dụng Windisp4

Chạy mơ hình cán cân nước của cây trồng cụ thể sử dụng
AgrometShell ở cấp độ vùng trồng cây nông nghiệp

ETa
Các hàm năng suất
cây trồng

Mặt nạ các cây trồng cụ thể từ dữ liệu CPSZ dùngArcView GIS 3.2

Mô tả các file
NDVI và CPSZ

- Ngày gieo trồng cây
- Chỉ số tiến triển của
cây trồng(CCPI)

Chỉ số thoả mãn
nhu cầu nước
(WSI)

Năng suất
(t/ha)

Khối thứ 3 cũng gồm 6 khối thành phần: 1) Khối về cơ sở dữ liệu các vùng
trồng cây nông nghiệp, bao gồm các thông tin về: thổ nhưỡng và sức chứa ẩm, số
liệu lịch sử về lượng mưa và PET, số liệu độ dài thời kỳ sinh trưởng để xác định
mức sử dụng nước của cây trồng (hoặc thực vật) là khối số liệu đầu vào); 2) Khối
số liệu KTNN đã được trung bình hố cho các nhóm vùng trồng cây nơng nghiệp

Hình I.4. Sơ đồ phương pháp giám sát và dự báo năng suất cây trồng ở các nước
châu Âu, một số nước châu Á và các nước vùng phía Đông của châu Phi [81]

10

11


I.1.3.2. Mơ hình cán cân nước cây trồng (CSWB) sử dụng trong hệ thống
giám sát và dự báo KTNN của EU
Đây là một mơ hình rất đơn giản của FAO nhưng về mặt vật lý nó là một
mơ hình báo hiệu cán cân nước trong đất và được dùng để đánh giá tác động của
điều kiện thời tiết đối với các cây trồng [81]. Mơ hình được tính theo tuần 10
ngày.
Phương trình cán cân nước có dạng:
Wt = Wt–1 + R – ETm – (r + i)

(I.1)

Trong đó,
Wt: Lượng nước giữ được trong đất ở thời điểm t;
Wt–1: Lượng nước giữ được trong đất ở thời điểm cuối của thời kỳ trước

ETa có lợi thế vì nó bao hàm cả bức xạ, một yếu tố khí hậu quan trọng và
dễ ảnh hưởng đến năng suất cây trồng trong vùng. Ảnh hưởng của các nhân tố
khác ngoài nhân tố ức chế nước có thể làm giảm năng suất như ngập úng, thiệt
hại cơ học do gió, hoặc các nhân tố sinh học như châu chấu, chim, côn trùng
hoặc bệnh cây trồng chưa được xem xét đến trong mơ hình CSWB.
Chỉ số WSI dùng để đánh giá lượng nước mà cây trồng nhận được ở thời
điểm bất kỳ nào trong vụ. Thông thường, chỉ số WSI dùng để xác định các cấp
năng suất (tốt, trung bình, kém) hoặc các con số so sánh (% của năng suất tối ưu
của cây trồng). Chỉ số thỗ mãn về nước (WSI) được tính theo cơng thức sau đây:
WSI = 100 [1– (∑|D|/WR)]
Trong đó:

(t–1)
R:

Hai sản phẩm chủ yếu của mơ hình CSWB được chứng minh có quan hệ
dương với năng suất cây trồng là lượng bốc thốt hơi thực tế (ETa) và chỉ số
thỗ mãn về nước (Water Satisfaction Index, WSI).

Lượng mưa tích luỹ trong tuần hoặc trong thời điểm t;

ETm: Bốc thoát hơi cực đại trong thời kỳ t;
r:
Lượng nước mất đi do dòng chảy trong thời kỳ t;

(I.4)

WSI: Chỉ số thoả mãn nhu cầu nước, biểu thị đơn vị %;
D: Độ thiếu hụt nước trong đất, mm/tuần;

i:
Lượng nước mất đi do thẩm thấu trong thời kỳ t;
Đã có nhiều cơng trình nghiên cứu về từng phần tử trong phương trình (I.1)
và có thể sử dụng nhiều phương pháp để đo hoặc tính tốn các giá trị của những
phần tử đó. Cho đến nay chưa có kết quả tính tốn hoặc sự giải thích đầy đủ và
điển hình nào về lượng mưa hữu hiệu trong mơ hình này vì sự thẩm thấu và
dịng chảy mặt ngay từ khi bắt đầu vụ đã được thừa nhận là bằng 0. Tuy nhiên,
sau khi độ ẩm đất ở vùng rễ cây đạt đến giá trị bằng sức chứa ẩm tối đa đồng
ruộng thì lượng mưa cịn lại được coi như lượng dịng chảy và thẩm thấu. Vì
vậy, lượng mưa hữu hiệu được coi là 100% của lượng mưa thực tế và khi đó
phương trình (I.1) có thể viết lại như sau:

WR: Nhu cầu nước tối đa của cây trồng, mm/tuần.
Lượng thiếu hụt nước trong đất, D, được cho bằng 0 khi Wt trong phương trình
I.2 bằng 0 hoặc là giá trị dương và bằng Wt nếu là giá trị âm. Các giá trị D được
cộng lại và chia cho tổng lượng nhu cầu nước của cây trồng trong cả vụ để tính chỉ
số WSI. Khi WSI = 100 thì nó chứng tỏ rằng cây khơng bị ức chế về nước và năng
suất là tốt. Khi WSI = 50 tương ứng với năng suất kém hoặc mất mùa.

Wt = Wt–1 + R – ETm
(I.2)
Đại lượng bốc thoát hơi cực đại (ETm) trong phương trình (I.1) và (I.2) là
nhu cầu nước đối với cây trồng và được xác định như sau:

Bảng I.1. Đánh giá năng suất cây trồng dựa theo chỉ số thoả mãn về nước (WSI) [93]

ETm = Kc x PET
Trong đó:

(I.3)

Kc: Hệ số cây trồng (crop coefficient)
PET: Bốc thốt hơi tiềm năng (được tính theo [30]), mm/tuần
Sử dụng phương trình (I.2), cán cân nước được tính bằng cách thông thường
bắt đầu với 10 tuần trước gieo trồng. Từ tuần gieo trồng trở đi các hệ số cây trồng
Kc được sử dụng. Nếu Wt lớn hơn lượng nước của sức chứa ẩm tối đa đồng ruộng
của đất thì đất có thêm nước bổ sung. Nếu Wt < 0 thì đất thiếu nước (D).
12

Một trong những ứng dụng quan trọng nhất của mơ hình CSWB là xác định
mức độ bị hạn và đánh giá khả năng năng suất cây trồng dựa vào chỉ số thoả mãn

về nước với các chỉ tiêu được trình bày ở bảng I.1.

TT
1
2
3
4
5
6

Cấp chỉ số WSI (%)
100
95 - 99
80 - 94
60 - 79
50 - 59
0

Mức độ được mùa và mất mùa
Được mùa lớn
Được mùa
Bình thường
Mùa màng kém
Mất mùa
Mất mùa hoàn toàn

Trừ 2 đại lượng r và i các đại lượng khác trong các công thức (I.1-I.4) đều
được tính tốn bằng mơ hình CSWB đã được cài sẵn trong phần mềm
AgroMetShell mà có thể tham khảo ở [40] và phụ lục I.1.
13

I.1.4. Giám sát và dự báo khí tượng nơng nghiệp ở Mỹ
I.1.4.1. Giới thiệu về hồn cảnh Thời tiết Nơng nghiệp chung
Để có điều kiện phối hợp với Cục Thống kê Hoa Kỳ (GAO), đã có ký kết
một thoả thuận giữa hai cơ quan Bộ Thương mại và Bộ Nông nghiệp Mỹ về
thành lập bộ phận “Hoàn cảnh Thời tiết Nông nghiệp chung (Joint Agricultural
Weather Facility-JAWF)” và bộ phận này đã tồn tại 25 năm. Bộ phận JAWF
được tạo ra như một trung tâm thông tin thời tiết nông nghiệp thế giới nằm ở Bộ
Nông nghiệp Mỹ và được Bộ Thương mại/Cơ quan Khí quyển và Đại
dương/Cục Thời tiết quốc gia/Trung tâm Dự báo Khí hậu và Bộ Nơng nghiệp
Mỹ/OCE/Phịng Nhận định Nông nghiệp Thế giới (WAOB) cung cấp cán bộ và
điều hành chung. Bộ phận này đóng ở Washington và phục vụ như một đầu mối
về thông tin thời tiết/khí hậu/khí tượng nơng nghiệp và các đánh giá những tác
động của các thông tin này đối với nông nghiệp [66].
JAWF bao gồm một nhóm các nhà khí tượng nghiệp vụ của Cục Thời tiết
quốc gia (NWS) và các kỹ sư KTNN của Phịng Nhận định Nơng nghiệp Thế
giới (WAOB) có nhiệm vụ giám sát các điều kiện thời tiết tồn cầu và chuẩn bị
những đánh giá nơng nghiệp thời gian thực (Puterbaugh, và nnk, 1997; Motha
và Heddinghaus, 1986). Những đánh giá này được duy trì và cung cấp đầy đủ
các thơng tin về những diễn biến có liên quan đến thời tiết và ảnh hưởng của
chúng đến cây trồng và vật ni cho cộng đồng các nhà phân tích của Bộ Nông
nghiệp, Bộ trưởng Bộ Kinh tế, Bộ trưởng Bộ Nông nghiệp và các nhân viên
đứng đầu các cơ quan có liên quan. Sau khi được kết hợp với những kết quả
phân tích, những đánh giá định kỳ và đặc biệt về thời tiết - cây trồng được gửi
cho các nhà ra quyết định để thành lập các dự báo sản lượng cây trồng và chính
sách thương mại. JAWF có nhiệm vụ đầu tiên là giám sát thời tiết toàn cầu và
xác định những tác động tiềm ẩn đối với nơng nghiệp. Các nhà khí tượng của
JAWF dựa nhiều vào số liệu khí hậu và thời tiết từ tất cả 15.000 trạm khí tượng
từ các nguồn quốc tế và Hoa Kỳ. Vì vậy, một trong những nhiệm vụ quan trọng

nhất của JAWF là xử lý những khối lượng số liệu lớn bằng phương thức hiệu
quả và đúng thời hạn nhất và tạo ra những sản phẩm và các đánh giá nơng
nghiệp có ý nghĩa đối với cộng đồng những người sử dụng (JAWF, 1994).
I.1.4.2. Các hoạt động khí hậu và thời tiết nông nghiệp của Bộ Thương mại
và Bộ Nông nghiệp
Phục vụ các hoạt động thời tiết nông nghiệp và đáp ứng những nhu cầu của
người sử dụng là nhiệm vụ quan trọng đối với Chương trình Thời tiết Nơng
nghiệp Quốc gia (NWS). Cục Thời tiết Quốc gia có nhiệm vụ duy trì mạng lưới
quan trắc thời tiết. Sự kiểm kê các thiết bị quan trắc của NWS sẽ được kiểm tra
14

chặt chẽ để xác định những nguồn số liệu nào có sẵn để những nhà khí tượng tư
nhân dùng; tiến hành những quan trắc có liên quan và dự báo khí hậu quốc gia
và cho những chương trình khác như dự báo và cảnh báo phục vụ công cộng.
Những số liệu cơ bản cực kỳ quan trọng để tạo ra các dự báo nơng nghiệp cần có
cho tất cả những người sử dụng [66].
Thời tiết đóng vai trị sống cịn trong các giai đoạn của sản xuất nơng nghiệp.
Để bổ sung cho các nhu cầu chung về thời tiết đối với sản xuất nông nghiệp, mỗi
loại hoạt động nơng nghiệp có một tổ hợp thống nhất về các biến số thời tiết có
ảnh hưởng đến nó. Có 22 yếu tố số liệu thời tiết cụ thể đối với các hoạt động sản
xuất nông nghiệp được đưa ra và những loại hoạt động nông nghiệp cụ thể được
mô tả cho từng loại yếu tố thời tiết (bảng I.2).
Bảng I.2. Các nhu cầu về số liệu thời tiết cụ thể đối với các hoạt động sản xuất
nông nghiệp [66]
TT

1

2

3

4

5

6

Loại dữ liệu

Thời đoạn

Các hoạt động nơng nghiệp

Nhiệt độ
(tồn vùng)

Giờ hoặc
các giá trị
trung bình
tích luỹ và
các cực trị

Trồng trọt, thu hoạch, giám sát thời tiết-cây trồng, phát
hiện/bảo vệ phòng ngừa băng giá, sự rụng lá, mơ hình
hố cây trồng, rủi ro về bệnh, tìm chỗ ẩn nấp cho cừu và
bị sinh đẻ, kiểm tra sâu bệnh hại cây trồng, thu cắt lông
vật ni, tính tốn bốc thốt hơi tiềm năng, tính tốn độ
hụt áp suất hơi nước, số giờ lạnh giá đối với cây ăn quả
có hột cứng, tính tốn nhiệt độ sinh trưởng trong ngày.

Cần có để xác định các điều kiện tối ưu và không thuận
Các cực trị
lợi đối với cây trồng và vật ni, mơ hình hố cây trồng,
ngày và
giám sát các hiện tượng cực trị, ước lượng lớp tuyết phủ,
tuần
tính tốn nhiệt độ sinh trưởng trong ngày.
Cần có để xác định các điều kiện tối ưu và không thuận
Các cực trị lợi đối với cây trồng và vật nuôi, phát hiện băng giá, sự
Nhiệt độ tối thấp
ngày và rụng lá, mơ hình hố cây trồng, các điều kiện qua đơng,
(tồn vùng)
và giám sát các hiện tượng cực trị, ước lượng lớp tuyết
tuần
phủ, tính tốn nhiệt độ sinh trưởng trong ngày.
Trồng trọt, thu hoạch, áp dụng phân bón, làm đất, phun
Lượng giáng
thuốc trừ sâu bệnh, tưới tiêu, giám sát thời tiết - cây
thuỷ
Ngày
trồng, mơ hình hố cây trồng, rủi ro về bệnh, bảo vệ và
(toàn vùng)
cung cấp nước cho gia súc và gia cầm, giám sát các hiện
tượng cực trị (hạn hán, lũ lụt), ước lượng tuyết phủ.
15 phút, Khả năng xảy ra lũ lụt, xói mịn, chảy mặt, chất lượng
Cường độ mưa
ngày
nước.
Thu hoạch, xác định khả năng bị băng giá, sự thụ phấn,

Điểm sương và
phun thuốc trừ sâu bệnh, các điều kiện phơi và sấy khơ,
độ ẩm (tồn
Giờ
tính toán độ hụt áp suất hơi nước, tưới tiêu, sự ức chế
tiềm năng của cây trồng, tính tốn bốc thốt hơi tiềm
vùng)
năng.
Nhiệt độ tối cao
(toàn vùng)

15


TT
7
8
9
10
11
12

13

14
15

16

17

18
19
20
21
22

Loại dữ liệu

Thời đoạn

Các hoạt động nông nghiệp

Sự thiệt hại của cây trồng, đánh giá rủi ro, tác động năng
suất
Phun thuốc sâu, diệt cỏ theo khu vực nông nghiệp, các
Đảo nghịch nhiệt Hàng ngày
biện pháp chống sương muối
Áp suất khí
Giám sát thời tiết - cây trồng tổng quan, các dạng sương
quyển
Hàng giờ
giá (bức xạ, bình lưu).
(tồn vùng)
Bón phân, phun thuốc trừ sâu bệnh, diệt cỏ hoặc hút bụi,
Lớp phủ bầu trời
Giờ
(tồn vùng)
tính tốn bốc thốt hơi tiềm năng.
Độ cao mây

Bón phân, phun thuốc trừ sâu bệnh, diệt cỏ hoặc hút
Giờ
bụi..
(toàn vùng)
Thời tiết hiện tại
Ước lượng lớp phủ mây, công việc đồng ruộng, sự ức
Giờ
(toàn vùng)
chế tiềm năng
Trồng trọt, làm rụng lá, thu hoạch, bảo vệ phịng ngừa
băng giá có thể xảy ra, tìm chỗ ẩn nấp cho cừu và bị
Tốc độ gió (tồn
Giờ
sinh đẻ, kiểm tra sâu bệnh hại cây trồng, tỉa xén, tính
vùng)
tốn bốc thốt hơi tiềm năng, phun thuốc diệt cỏ, trừ sâu,
hút bụi, thụ phấn, các điều kiện bão tuyết.
Bảo vệ phịng ngừa băng giá có thể xảy ra, bình lưu khí
Hướng gió (tồn
Giờ
nóng hoặc khí lạnh trên toàn bộ vùng cây trồng.
vùng)
Độ hụt áp suất
hơi nước (tồn
Giờ
Được tính từ nhiệt độ và điểm sương
vùng)
Bức xạ mặt trời,
Tính tốn bốc thốt hơi tiềm năng (PET), mơ hình hoá
thời gian nắng,

Ngày
hoặc lượng mây
cây trồng, trồng trọt, thu hoạch..
tổng quan
Giám sát các điều kiện qua đông đối với lúa mì m
Độ dày tuyết phủ
đơng, chuẩn bị dự báo cung cấp nước cho những người
Ngày
(toàn vùng)
sử dụng nước ở vùng phía Tây nước Mỹ, xác định độ ẩm
đất dự trữ cho vụ sau.
Trồng trọt, thu hoạch, bón phân, mơ hình hố cây trồng,
Độ ẩm đất (tồn
Ngày
cấy, phun thuốc trừ sâu bệnh hại cây trồng, tưới tiêu,
vùng)
giám sát điều kiện sinh trưởng, các chỉ số ức chế.
Bão tuyết, bão,
Giám sát cây trồng, đánh giá những rủi ro gây thiệt hại
Ngày
năng suất, bảo vệ tài nguyên.
bão nhiệt đới
Quỹ đạo bão/Sức
Những ảnh hưởng đến nông nghiệp, quản lý rủi ro, khả
Ngày
mạnh của bão
năng xảy ra lũ lụt, giám sát hạn hán.
cây
Các điều kiện trồng trọt và qua đông, giám sát
Nhiệt độ đất

Ngày
trồng, cấy, bón phân.
tốn
Lập lịch tưới tiêu, tính tốn cán cân nước, tính
Bốc hơi (chậu)
Ngày
PET, mức sử dungh nước của cây trồng.
Mưa đá

Giờ

Để đưa ra các quyết định, Bộ Nông nghiệp Mỹ cần đến các thông tin thời tiết
hiện tại để nghiên cứu và hỗ trợ các nhà trồng trọt trong việc điều hành các các
hoạt động quản lý. Nó bao gồm các quyết định chiến lược (trồng cây gì) hoặc các
16

quyết định chiến thuật (khi nào tưới). Dựa vào đó Bộ Nơng nghiệp Mỹ có thể hỗ
trợ các nhà nơng trong việc đưa ra các quyết định có cần đến những bộ số liệu
thời tiết chi tiết. Các nhu cầu số liệu thời tiết cho 14 hoạt động nông nghiệp cụ
thể, dao động từ chuẩn bị đất đến tránh băng giá được quảng bá trên các báo cáo
của Bộ Nông nghiệp Mỹ. Việc truy cập các số liệu thời tiết cận thời gian thực
thông qua Internet là rất được mong muốn và ưa chuộng.
Các số liệu thời tiết gần và quá khứ cũng được các chương trình bảo hiểm
và bắt buộc như một nguồn thông tin bổ sung để xác định những thiệt hại có
khách quan và hợp lý khơng và những người sản xuất và các cơ quan tái bảo
hiểm tuân thủ các hợp đồng bảo hiểm. Bộ Nông nghiệp Mỹ cũng đóng vai trị
chủ đạo trong Ban Chính sách Hạn hán Quốc gia (NDPC) và hoạt động theo các
vấn đề chính sách hạn hán, có u cầu giám sát các điều kiện hạn hán và dự báo
(NDPC, 2000).
I.1.4.3. Tuần báo Thời tiết và cây trồng

Tuần báo Thời tiết và Cây trồng (The Weekly Weather and Crop Bulletin
(WWCB) đã được hình thành từ năm 1872, 2 năm sau khi Quốc hội Mỹ thông
qua nghị quyết và được Tổng thống Ulysses S. Grant ký vào ngày 09 tháng 2
năm 1870, nhằm thành lập một loại hình phục vụ mới trong Bộ Chiến tranh để
tiến hành quan trắc khí tượng. Bộ trưởng Chiến tranh nhanh chóng ban hành một
đơn vị phục vụ mới có tên là “Phịng Điện báo và Báo cáo về lợi ích thương
mại”. Vào năm 1872, Phịng này đã bắt đầu xuất bản Niên san Thời tiết hàng
tuần (Weekly Weather Chronicle) để giúp đỡ thương mại và nông nghiệp. Ấn
phẩm này là tiền thân của Tuần báo Thời tiết-Cây trồng ngày nay (WWCB) và
gồm có 2 trang được in để phân phát có chứa tổng quan chung về thời tiết trong
từng tuần kết thúc vào ngày thứ Tư hàng tuần [66].
Ấn phẩm này đã được phát triển dần trong 129 năm qua thành một ấn phẩm
cung cấp những nguồn thông tin vô giá liên quan đến các doanh nghiệp nông
nghiệp khu vực, quốc gia, và quốc tế. Từ năm 1978, Tuần báo này được JAWF
biên soạn và phối hợp với Trung tâm Dự báo Khí hậu của Bộ Thương mại, Cục
Nhận định Nông nghiệp Thế giới của Bộ Nông nghiệp Mỹ, và Cục Thống kê
Nông nghiệp Quốc gia (NASS). Ấn phẩm này là một ví dụ sáng ngời về hai Bộ
chủ yếu trong Chính phủ Liên bang có thể hợp tác, kết hợp với nhau về KTNN để
đưa ra một sự phục vụ có lợi cho kinh tế của đất nước. Các số liệu và thông tin
chứa trong các Tuần báo này được tạo ra bằng những cố gắng và nỗ lực của hàng
ngàn người, bao gồm khoảng 3000 cơ quan của các vùng mở rộng, các báo cáo
cây trồng của Cục Thống kê Nông nghiệp Quốc gia, các nhân viên công tác trên
đồng ruộng, các trường đại học của các bang, các cơ quan dự báo phục vụ thời tiết
quốc gia, và hơn 5000 quan trắc viên thời tiết, hầu hết là những người tình
17


nguyện, đang làm việc với Cục Thời tiết Quốc gia. Tuần báo nhấn mạnh những
tiến triển hàng tuần về khí tượng, nông nghiệp trên quy mô quốc gia và quốc tế,
cung cấp những tổng hợp đã được viết ra về các điều kiện thời tiết và khí hậu có

ảnh hưởng đến nông nghiệp, cũng như bản đồ và bảng biểu chi tiết về các thơng
tin khí tượng nơng nghiệp phù hợp với từng mùa vụ.
Tuần báo cũng nhấn mạnh những ảnh hưởng tích luỹ của thời tiết đối với
sự sinh trưởng và phát triển của cây trồng, các điều kiện thời tiết ảnh hưởng đến
các hoạt động canh tác quan trọng như trồng trọt và thu hoạch, và có ảnh hưởng
rất lớn đến năng suất ở các giai đoạn phát triển cốt yếu nhất. Tuần báo này cung
cấp đúng hạn các thông tin thời tiết và cây trồng kết hợp với các báo cáo “Đánh
giá sản lượng cây trồng” và “Cung cấp - Nhu cầu Nông nghiệp Thế giới” định
kỳ hàng tháng. Những người sử dụng chủ yếu của Tuần báo WWCB bao gồm:
những người trồng trọt và chăn nuôi, các tổ chức cơ quan nông nghiệp, các
doanh nghiệp nông nghiệp, các nhà xây dựng chính sách nơng nghiệp quốc gia
và các bang, các nhà mua nông sản quốc tế và các cơ quan Chính phủ. Các
thống kê nơng nghiệp được sử dụng để lập kế hoạch và các chương trình quản lý
khác có liên quan ở Liên bang và các bang trong các lĩnh vực như bảo vệ người
tiêu dùng, ngoại thương, đào tạo và giải trí.
I.1.5. Giám sát và dự báo năng suất cây trồng ở Trung Quốc
Việc giám sát và dự báo năng suất cây trồng ở Trung Quốc được tiến hành từ
năm 1983 [19]. Các cơ quan sau đây tham gia vào các hoạt động giám sát cây trồng:
1) Bộ Nơng nghiệp;
2) Cục Khí tượng Trung Quốc
3) Viện Hàn lâm Khoa học Trung Quốc;

Quyết định diện tích
lấy mẫu để giám sát

Lựa chọn các ảnh
viễn thám

Bản đồ sử dụng
đất tỉ lệ 1:250.000

Ước lượng năng suất
cho diện tích được
quyết định lấy mẫu

Bản đồ đường biên
tỉ lệ 1:100.000
hoặc 1:50.000

Giám sát sinh
trưởng

Sự lý giải thiết
lập tiêu chí

Thuyết minh sự thay
đổi diện tích trồng
trọt

Giám sát hạn
hán

Cơ sở dữ liệu mặt
đất
Hệ thống thơng tin
địa lý

Kiểm tra độ
chính xác

Kiểm tra độ
chính xác

Tăng diện tích cây
trồng và kết quả
thống kê

Năng suất
cây trồng
theo diện
tích lấy
mẫu

Mơ hình tính tốn
năng suất theo đơn vị
diện tích

4) Cục Thống kê Quốc gia Trung Quốc
5) Các viện và các cơ quan nghiên cứu khác.
Giám sát và dự báo năng suất cây trồng ở Trung Quốc bao gồm các nội
dung sau đây:
1) Giám sát sự thay đổi diện tích cây trồng;

Kiểm tra độ
chính xác

Tăng tỷ lệ mơ hình

2) Giám sát sự sinh trưởng của cây trồng;
3) Dự báo năng suất cây trồng;

4) Giám sát môi trường và thiên tai,v.v...;
5) Giám sát cán cân cỏ và vật ni.

Thay đổi định tính cây trồng và năng suất

Hình I.5. Sơ đồ phương pháp giám sát cây trồng ở Trung Quốc [19]

18

19


Bộ số liệu năng suất cây
trồng (mức vùng)

Số liệu khí tượng

Số liệu giám sát sinh
trưởng/hạn hán và chỉ số
thực vật

Chương 2
MƠ HÌNH GIÁM SÁT VÀ DỰ BÁO KHÍ TƯỢNG NƠNG NGHIỆP Ở
VIỆT NAM
I.2.1. Tình hình giám sát KTNN và dự báo năng suất

Các mơ hình dự báo
năng suất cho những
vùng mẫu

Các mơ hình hiệu chỉnh
sinh trưởng/hạn hán

Năng suất cây
trồng được quan
trắc

Độ chính xác >
95%

Khơng

Có
Các mơ hình dự báo năng suất cây
trồng (các tham số được tối ưu)
Số liệu mới về khí
tượng và chỉ số thực
vật
Ước số năng suất cho từng vùng

Ở Việt Nam việc nghiên cứu mối quan hệ giữa thời tiết - khí hậu và sự sinh
trưởng, phát triển, năng suất của cây trồng đã được quan tâm nghiên cứu ở Tổng
cục Khí tượng Thuỷ văn trước đây thơng quan các đề tài nghiên cứu như của
PGS.TS. Lê Quang Huỳnh (1988) về đánh giá điều kiện khí tượng nơng nghiệp
(KTNN) đối với một số cây trồng chính của Việt Nam [9], PGS.TS. Nguyễn
Văn Viết (1991) về điều kiện khí tượng nơng nghiệp đối với sự hình thành năng
suất cây ngô và khoai tây vụ đông ở đồng bằng Bắc Bộ [15], TS. Nguyễn Văn
Liêm (1999) về thành phần cán cân nước đồng ruộng và ảnh hưởng của nó đến
năng suất của cây đậu tương đông ở đồng bằng Bắc Bộ [11], KS. Ngô Sỹ Giai về
điều kiện KTNN đối với sinh trưởng và phát triển của lúa ở đồng bằng Bắc Bộ,

TS. Nguyễn Đại Khánh (2003) về điều kiện KTNN cây chè ở Việt Nam [10]...
Mặc dù đã có một số đề tài nghiên cứu về điều kiện KTNN của cây ngô, lạc và
đậu tương nhưng phạm vi nghiên cứu các đề tài này cịn hẹp, mang tính chất
tổng quát, chưa thể sử dụng trong dự báo năng suất cây trồng. Vì vậy, chưa xây
dựng được các mơ hình dự báo để áp dụng trong dự báo năng suất các cây trồng
cạn như ngô, lạc, đậu tương ở Việt Nam. Từ những năm 1990 một số đề tài
nghiên cứu đã đi sâu theo hướng phân tích và kiểm nghiệm để đánh giá khả
năng áp dụng kết quả nghiên cứu trong dự báo năng suất lúa như các đề tài
nghiên cứu của TS. Nguyễn Thị Hà, KS. Ngô Sỹ Giai và các cộng tác viên về
xây dựng công nghệ dự báo năng suất lúa ở đồng bằng Bắc Bộ, đồng bằng sông
Cửu Long [7, 8]. Tuy nhiên kết quả nghiên cứu của các đề tài mới chỉ áp dụng
được trong nghiệp vụ dự báo năng suất lúa cho vùng đồng bằng Bắc Bộ, Bắc
Trung Bộ (Thanh Hoá, Nghệ An, Hà Tỉnh) và đồng bằng sông Cửu Long.

Việc giám sát cây trồng có sử dụng thơng tin vệ tinh được bắt đầu từ năm
1998 và tiến hành quanh năm và cho tồn bộ quốc gia. Các cây trồng chính được
giám sát bao gồm: Lúa mì đơng và lúa mì xn, ngơ, đậu tương, bông, lúa nước
và một số cây trồng khác. Phương pháp giám sát các cây trồng chính được thể
hiện trên hình I.5; phương pháp dự báo năng suất cây trồng được thể hiện trên
hình I.6.

Ở Việt Nam, để phục vụ sản xuất nông nghiệp và đảm bảo an ninh lương
thực trên phạm vi cả nước rất cần có hệ thống giám sát và dự báo KTNN như ở
Trung Quốc, EU và Mỹ. Tuy nhiên, cho đến nay ở nước ta chưa có hệ thống này
một cách hồn chỉnh. Các hoạt động giám sát và dự báo KTNN hiện tại ở Trung
tâm Nghiên cứu Khí tượng Nơng nghiệp, Viện Khoa học Khí tượng Thuỷ văn và
Mơi trường cịn ở quy mô rất nhỏ, chỉ mới đưa ra được một số sản phẩm rất
khiêm tốn, bao gồm: 1) Thông báo KTNN hàng tháng; 2) Dự báo năng suất lúa
cho vùng Đồng bằng Bắc Bộ, Bắc Trung Bộ và Đồng bằng sông Cửu Long; 3)
Các bản tin tổng kết và đánh giá điều kiện KTNN 2 vụ Đông xuân và Mùa. Các

bản tin giám sát chỉ được thực hiện một cách thủ cơng mà chưa được cơng nghệ
hố một cách liên hồn trong các khâu tính tốn, chuyển đổi, chiết xuất và nhân
rộng thơng tin. Vì vậy nội dung các bản tin cịn ở phạm vi bó hẹp, chưa thực sự

20

21

Dự báo năng suất với quy mơ vùng
hoặc tỉnh

Hình I.6. Sơ đồ phương pháp dự báo năng suất cây trồng theo huyện, tỉnh ở
Trung Quốc [19]


đáp ứng kịp thời nhu cầu phục vụ sản xuất nông nghiệp và phát triển kinh tế
quốc dân hiện nay. Vì vậy rất cần tiếp tục tổ chức nghiên cứu xây dựng qui trình
giám sát KTNN và dự báo năng suất một số cây trồng chính có giá trị kinh tế và
xuất nhập khẩu cao ở Việt Nam để phục vụ sản xuất nông nghiệp, bảo đảm an
ninh lương thực quốc gia.

Dữ liệu của các vùng
Lượng mưa và PET
(Số liệu dự báo)

•

I.2.2. Đề xuất sơ đồ khung về mơ hình giám sát và dự báo khí tượng nơng
nghiệp bằng thơng tin mặt đất ở Việt Nam
Trên cơ sở nghiên cứu và xem xét các mơ hình hệ thống giám sát và dự báo

khí tượng nơng nghiệp về năng suất cây trồng của Tổ chức Nông nghiệp và
Lương thực Liên hợp quốc, Tổ chức Khí tượng Thế giới và của các nước trên
thế giới, có thể đề xuất xây dựng mơ hình khung của hệ thống giám sát và dự
báo khí tượng nông nghiệp về năng suất cây trồng ở Việt Nam với cách tiếp cận
như sau:
Trong giai đoạn hiện nay, do chưa có điều kiện sử dụng các thơng tin viễn
thám, mơ hình giám sát và dự báo khí tượng nông nghiệp về năng suất cây trồng
sẽ chỉ dựa váo các thông tin từ mặt đất. Sơ đồ khung của hệ thống này sẽ bao
gồm hai khối (được trình bày ở hình I.7).
Khối thứ 1 gồm 3 khối thành phần: 1) Khối các thông tin về lượng mưa (lấy
từ dự báo thời tiết hạn vừa của Trung tâm Dự báo Khí tượng Thuỷ văn Trung
ương thuộc Trung tâm Khí tượng Thuỷ văn Quốc gia, Bộ Tài nguyên và Môi
trường) và PET là khối số liệu đầu vào ; 2) Khối chạy mơ hình cán cân nước của
cây trồng cụ thể có sử dụng mơ hình AgroMetShell ở cấp độ vùng trồng cây nông
nghiệp; 3) Khối chỉ số thoả mãn nhu cầu nước là khối kết quả tính tốn.
Khối thứ 2 gồm 6 khối thành phần: 1) khối về cơ sở dữ liệu của các tỉnh
thuộc 9 vùng sinh thái nông nghiệp của Việt Nam, bao gồm các thông tin về thổ
nhưỡng và sức chứa ẩm của các loại đất chính ở 9 vùng sinh thái, số liệu lịch sử
về lượng mưa và PET, số liệu độ dài thời kỳ sinh trưởng, ngày gieo trồng cây
thực tế (được nhập từ điện AGROM) đối với từng loại cây trồng cụ thể, các chỉ
số tiến độ phát triển của 4 cây trồng chính để xác định mức sử dụng nước của
cây trồng là khối số liệu đầu vào); 2) khối số liệu KTNN của 9 vùng sinh thái
nông nghiệp, là khối xử lý và các cơng cụ tính tốn; 3) Khối chạy mơ hình cán
cân nước của cây trồng cụ thể có sử dụng mơ hình AgroMetShell ở cấp độ vùng
trồng cây nơng nghiệp; 4) Khối về số liệu bốc thoát hơi được tính theo phương
pháp FAO 56 dựa theo số liệu khí tượng thực tế, là khối trung gian và các sản
phẩm số liệu cuối cùng; 5) Khối về các hàm năng suất cây trồng, là khối xử lý
và các công cụ tính tốn; và 6) Khối về số liệu năng suất (tạ/ha), là khối xử lý và
các cơng cụ tính tốn.
22

•
•
•

Thơng tin về đất và sức chứa ẩm
Lượng mưa quá khứ và PET
Số liệu về thời vụ gieo trồng, độ dài
thời kì sinh trưởng để xác định mức sử
dụng nước của cây trồng
Chỉ số tiến độ phát triển của cây trồng

Số liệu KTNN
cho các vùng trồng cây nơng nghiệp

Mơ hình cán cân nước của cây trồng có sử dụng mơ hình AgrometShell ở cấp độ vùng
trồng cây nông nghiệp
ETa
Các hàm năng suất
cây trồng

Chỉ số thoả mãn nhu cầu
nước

Năng suất
(tạ/ha)

Hình I.7. Sơ đồ khung về hệ thống giám sát và dự báo năng suất cây trồng bằng
thông tin mặt đất ở Việt Nam

Để khai thác và sử dụng mơ hình này cần tiến hành các nội dung sau đây:
1) Chi tiết hoá và bổ sung số liệu KTNN, đặc biệt là số liệu bốc thoát hơi
tiềm năng, các hằng số thuỷ văn nơng nghiệp của các loại đất chính và các số
liệu có liên quan cho 9 vùng sinh thái nơng nghiệp Việt Nam;
2) Chuẩn bị số liệu khí tượng theo khơng gian và thời gian (tuần, tháng, vụ)
cho hệ thống giám sát và dự báo năng suất cây trồng ở 9 vùng sinh thái nông
nghiệp Việt Nam;
3) Phương pháp giám sát và dự báo năng suất cây trồng bằng số liệu mặt
đất cho các vùng sinh thái nông nghiệp ở Việt Nam. Việc chi tiết hóa sơ đồ khối
hệ thống giám sát và dự báo năng suất cây trồng ở Việt Nam được thể hiện
thông qua sơ đồ khung như sau (hình I.8) :
23


PHẦN II
NGHIÊN CỨU DỰ BÁO NĂNG SUẤT TRUNG BÌNH THEO TỈNH CỦA
3 CÂY TRỒNG NGÔ, LẠC, ĐẬU TƯƠNG Ở VIỆT NAM
Chương 1
PHƯƠNG PHÁP NGHIÊN CỨU VÀ SỐ LIỆU SỬ DỤNG
Để phân tích mối tương quan giữa năng suất cây trồng và điều kiện ngoại
cảnh, trên cơ sở đó xây dựng các mơ hình dự báo năng suất, trên thế giới cũng
như ở Việt Nam hiện nay có rất nhiều phương pháp; tuy nhiên, theo thuyết minh
đề cương được phê duyệt, trong phạm vi đề tài này đã sử dụng 2 phương pháp
để nghiên cứu xây dựng mơ hình dự báo năng suất cho các cây trồng ngơ, lạc,
đậu tương. Đó là:
1) Phương pháp hồi quy từng bước
2) Phương pháp trực giao
Từ kết quả thu được sau khi sử dụng 2 phương pháp nghiên cứu trên sẽ tiến
hành kiểm chứng và so sánh các kết quả để rút ra các phương án dự báo tối ưu,
trên cơ sở đó sẽ xây dựng phần mềm dự báo năng suất ngô, lạc, đậu tương ở

Việt Nam. Chi tiết về phương pháp nghiên cứu có thể tham khảo ở các tài liệu
[12, 27, 28]
Tóm tắt phương pháp sử dụng trong nghiên cứu được đưa sau đây.
II.1.1. Phương pháp hồi quy từng bước

Hình I.8. Sơ đồ khối giám sát và dự báo năng suất cây trồng bằng thông tin mặt đất ở Việt Nam

24

Như đã biết, trong nghiên cứu khí tượng thuỷ văn nói chung và khí tượng
nơng nghiệp nói riêng ta thường gặp bài tốn hồi quy nhiều biến. Tuy nhiên, các
yếu tố khí tượng nơng nghiệp nói chung thường có tác động qua lại và ảnh
hưởng lẫn nhau. Bởi vậy, khái niệm biến độc lập chỉ mang nghĩa hình thức.
Điều đó có nghĩa là giữa các biến độc lập thường có mối quan hệ tương quan
nào đó. Mặt khác, giữa các biến độc lập và biến phụ thuộc cũng tồn tại những
mối quan hệ ràng buộc. Do đó, có thể xảy ra tình trạng các biến độc lập được
chọn đều tương quan tốt với nhau và tương quan tốt với cả biến phụ thuộc. Ý
nghĩa cung cấp thông tin của các biến độc lập vì thế mà giảm đi. Trong nhiều
trường hợp, điều đó dẫn đến hậu quả là mặc dù phương trình hồi quy khá phức
tạp, do sự có mặt của nhiều biến độc lập nhưng độ chính xác của nó lại kém hơn
do sai số quan trắc, sai số ngẫu nhiên, sai số tính tốn... mang lại. Vì vậy, vấn đề
đặt ra là phải xác định xem những biến nào trong các biến độc lập có ảnh hưởng
đáng kể đến biến phụ thuộc, có nhất thiết tất cả các biến được chọn đều phải có
25


mặt trong phương trình hồi quy hay chỉ là một bộ phận nào đó. Phương pháp hồi
quy từng bước sẽ giúp ta giải quyết vấn đề này. Tóm tắt các bước thực hiện
trong phương pháp hồi quy từng bước như sau:
Bước 1: Tính các hệ số tương quan tồn phần giữa X1 (biến phụ thuộc) và

(m-1) các biến độc lập Xi (i = 2,3 ,..., m), chọn trong chúng hệ số có giá trị tuyệt
đối lớn nhất.
Giả sử

r12 = max{ r1i } . Khi đó biến X2 là biến có tác động chính đến X1
2 ≤ i≤ m

và ta xác định phương trình hồi quy X1(1) = a1(1) + a2(1).X2.
Tương ứng phương trình này ta tính chuẩn sai thặng dư S(1).
Bước 2: Tính các hệ số tương quan riêng r1,i.2 (i = 3, ..., m) và chọn hệ số
có giá trị lớn nhất trong chúng.

{r1i .2 }, khi đó ta chọn tiếp biến X3 và xác định phương
Giả sử r13.2 = max
3≤i ≤ m
trình hồi quy: X1(2) = a1(2) + a2(2)X2 + a3(2)X3.
(2)

Tương ứng với nó ta tính chuẩn sai thặng dư S và phương trình hồi quy
hai biến này có độ chính xác được đánh giá bởi S(2).
Bước 3: So sánh giá trị chuẩn sai thặng dư S(2) với S(1). Nếu

S

−S
S

(2)

(2 )

(1 )

〈ε

thì biến X3 bị bỏ qua và một biến khác trong số các biến còn lại

sẽ được lựa chọn để tính như bắt đầu từ bước 2. Ở đây ε là một số dương ta đưa
vào để đánh giá xem nếu tăng thêm biến cho phương trình hồi quy thì độ chính
xác có tăng lên đáng kể hay khơng? (khi thêm vào phương trình hồi quy một biến
mới thì đóng góp thơng tin của nó làm giảm sai số được bao nhiêu phần trăm).
Nếu mức độ giảm khơng vượt q ε thì có thể bỏ qua nó. Quá trình cứ tiếp tục
như vậy cho đến khi hết tất cả các biến. Sau q trình lọc biến, mơ hình sẽ chọn ra
được các yếu tố khí tượng nơng nghiệp có ảnh hưởng đáng kể nhất đến năng suất,
trên cơ sở đó xây dựng các phương trình hồi quy dùng để dự báo năng suất.
Việc ứng dụng phương pháp hồi quy từng bước trong xây dựng các phương
trình dự báo năng suất được thực hiện thơng qua mơ hình "Thống kê thời tiết cây trồng". Có thể tóm tắt ngun lý hoạt động của mơ hình này như sau:
Mơ hình thống kê thời tiết - cây trồng được xây dựng dựa trên cơ sở nghiên
cứu của các nhà nghiên cứu khí tượng nơng nghiệp trên thế giới [27, 28], trong
đó năng suất cây trồng có thể được tách thành 3 hợp phần do 3 nhóm yếu tố có
ảnh hưởng nhiều nhất đến năng suất như sau:
1/ Nhóm các thành phần khơng ngẫu nhiên;
2/ Nhóm các thành phần ngẫu nhiên và
3/ Nhóm các nhiễu ngẫu nhiên (random noises).
26

Nhóm các tác động của các thành phần không ngẫu nhiên bao gồm các
hoạt động quản lý cây trồng, sử dụng phân bón, bảo vệ thực vật, đặc tính giống,
điều kiện đất đai, canh tác và những tiến bộ kỹ thuật khác do con người tạo nên.
Thành phần năng suất được tạo nên bởi tác động của nhóm những yếu tố này

được gọi là thành phần năng suất xu thế. Nhóm các tác động của thành phần
ngẫu nhiên bao gồm các điều kiện khí hậu thời tiết của năm cụ thể tạo nên.
Thành phần năng suất được tạo nên bởi tác động của những yếu tố ngẫu nhiên
này được gọi là thành phần năng suất do tác động của điều kiện thời tiết tạo nên,
gọi tắt là “năng suất thời tiết”. Nhóm các tác động nhiễu ngẫu nhiên gồm những
tác động khác không được tính đến trong hai nhóm đầu như là sai số ngẫu nhiên
trong quá trình thống kê. Vì vậy, một cách tổng quát có thể viết:
Trong đó:

Y = Yt + Yw + ∆Y
Y - năng suất cây trồng;

(II.1.1)

Yt - thành phần năng suất xu thế do nhóm các tác động không ngẫu
nhiên tạo nên; là hàm của thời gian và được hình thành trong trạng thái thời
tiết ở mức trung bình.
Yw- thành phần năng suất “thời tiết” do tác động của các điều kiện khí
hậu thời tiết trong từng vụ/năm cụ thể tạo nên.
∆Y- sai số ngẫu nhiên; thường được bỏ qua trong dự báo năng suất. Vì
vậy, khi dự báo năng suất, năng suất dự báo có thể được tính như sau:
Y' = Y't + Y'w
(II.1.2)
Trong đó:

Y' - năng suất dự báo
Y't - năng suất xu thế dự báo;

Y'w - năng suất “thời tiết” dự báo.
Trong mơ hình thống kê thời tiết - cây trồng, năng suất xu thế được xác

định bằng cách chọn từ một loạt hàm số theo các dạng tuyến tính, phi tuyến tính,
trung bình trượt với các bước trượt khác nhau hoặc hàm thích hợp theo từng giai
đoạn thời gian sao cho phù hợp nhất với năng suất thực của các vùng đã chọn.
Việc chọn dạng đường xu thế được dựa trên cơ sở sao cho phân bố của độ lệch
năng suất thực tế so với năng suất xu thế tương ứng tiến gần đến quy luật phân
bố chuẩn. Điều này sẽ hạn chế được tính chủ quan trong các kết quả thu được
khi xây dựng mơ hình dự báo [7, 8]. Sau khi tính được năng suất xu thế sẽ tính
được giá trị chênh lệch giữa năng suất thực và năng suất xu thế như sau:
Yw = Y - Yt
(II.1.3)
Các giá trị Yw này sẽ được sử dụng ở bước tiếp trong mơ hình thống kê thời
tiết - cây trồng để tìm phương trình dự báo thành phần “năng suất thời tiết” theo
phương pháp hồi quy từng bước bằng phép lọc Stepwise với ngưỡng lọc biến theo
27


chỉ tiêu Fisher. Như vậy, bằng phương pháp hồi qui từng bước với sự trợ giúp của
mơ hình thống kê thời tiết - cây trồng sẽ tìm được các phương án tính các thành
phần năng suất xu thế và thành phần "năng suất thời tiết" từ đó sẽ đưa ra các
phương án tính năng suất cây trồng, trên cơ sở đó sẽ tiến hành kiểm chứng để
chọn lọc các phương trình dự báo năng suất tối ưu.
II.1.2. Phương pháp trực giao
Tóm tắt cơ sở khoa học của phương pháp trực giao như sau:
Giả sử: X1t,X2t, .... Xmt, t = 1, 2, ..., T là quá trình diễn biến của m yếu tố thời
tiết từ thời điểm bắt đầu gieo trồng t=1 đến thời điểm thu hoạch t=T, S ký hiệu
năng suất của một loại cây trồng nào đó. Các đại lượng đó đều là các biến ngẫu
nhiên với sự diễn biến khó lường trước được.
Người ta muốn tìm một hàm số
S*= f (X11,X21, .... Xm1, ...., X1T,X2T, .... XmT)

(II.1.4)

sao cho sai số bình phương trung bình E(S – S*)2 là nhỏ nhất có thể được.
Về lý thuyết người ta đã chứng minh rằng giá trị trung bình có điều kiện của S
khi X11,X21, .... Xm1, ...., X1T,X2T, .... XmT đã cho:
S*= E(S||X11 = x11,X21 = x21, .... Xm1=xm1, ...., X1T =x1T,X2T =x2T, ...., XmT=xmT)
(II.1.5)
là lời giải của bài toán trên.
Việc xác định hàm (II.1.5) rất phức tạp, nhất là khi ta có ít số liệu về q
trình diễn biến thời tiết và năng suất.
Tuy nhiên nếu véc tơ S, X11,X21, .... Xm1, ...., X1T,X2T, .... XmT có phân bố
đồng thời chuẩn mT+1 chiều thì hàm S* cho bởi (II.1.5) có dạng tuyến tính:
S*= C0+C11X11+C21X21+ ....+Cm1 Xm1+ ....+C1TX1T +C2T X2T+ .... +CmTXmT
(II.1.6)
trong đó Cij là các hệ số được xác định qua các giá trị trung bình và ma trận
phương sai của véc tơ (S, X11,X21, .... Xm1, ...., X1T,X2T, .... XmT ).
Hơn nữa, chính các giá trị trung bình , ma trận phương sai đó và các hệ số
Cij được xác định dựa trên các số liệu thống kê thu được khi quan sát các đại
lượng S, X11,X21,.... Xm1,..., X1T,X2T,... XmT. Nếu các đại lượng X11,X21, ....
Xm1,..., X1T,X2T,... XmT có sự phụ thuộc tuyến tính thì các ước lượng các hệ số Cij
tỏ ra không ổn định và hàm dự báo tuyến tính (II.1.6) tỏ ra khơng đáng tin cậy.

với s khá bé so với mT. Lưu ý rằng Y1, Y2,..., Ys là các biến ngẫu nhiên độc
lập có phân bố chuẩn nếu X11,X21, .... Xm1, ...., X1T,X2T, .... XmT có phân bố chuẩn
đồng thời và chúng có thể biểu diễn tuyến tính qua X11,X21, .... Xm1, ....,
X1T,X2T,.... XmT.
Dựa trên phần mềm thống kê chuyên dụng S - PLUS chúng tơi đã xác định
được các thành phần chính mẫu, sau đó tiến hành ước lượng các tham số Bi
trong hàm dự báo
S*= B0+B1Y1 +B2 Y2+...+BsYs,

(II.1.7)
Thay Yi qua tổ hợp tuyến tính của các biến X11,X21, .... Xm1, ...., X1T,X2T, ....
XmT ta sẽ được phương trình dự báo tuyến tính có dạng :
S*= C0*+C11* X11+C21*X21+...+Cm1*Xm1+ ...+C1T*X1T +C2T*X2T + ...+CmT* XmT,
(II.1.8)
Như vậy, để ước lượng năng suất cho một địa phương nào đó ta chỉ cần
thay các giá trị của các biến thời tiết vào (II.1.8).
Với 2 phương pháp nghiên cứu trên đã xây dựng được các phương án dự
báo năng suất ngô, lạc, đậu tương cho các tỉnh ở các vùng sinh thái nông nghiệp
của nước ta. Đối với mỗi tỉnh, kết quả thu được từ hai phương pháp nghiên cứu
bao gồm nhiều phương án dự báo (phép thử) với các mức bảo đảm dự báo khác
nhau; số phép thử này phụ thuộc vào số yếu tố và mức độ ảnh hưởng của các
yếu tố khí tượng theo các giai đoạn sinh trưởng, phát triển khác nhau đến năng
suất của từng loại cây trồng đối với từng tỉnh mà các mô hình trợ giúp đã sàng
lọc được và đưa vào mơ hình dự báo. Trên cơ sở các phép thử đó sẽ tiến hành
kiểm chứng so sánh kết quả để chọn lọc ra một phương án dự báo tối ưu nhất
cho từng tỉnh.
II.1.3. Phương pháp kiểm chứng và chọn lọc phương trình dự báo
Sau khi nhận được các phương án dự báo năng suất theo 2 phương pháp
(phương pháp hồi quy từng bước và phương pháp trực giao), cần tiến hành kiểm
chứng, chọn lọc phương trình dự báo.

Một trong các giải pháp để khắc phục nhược điểm đó là thay véc tơ
X11,X21, .... Xm1, ...., X1T,X2T, .... XmT bởi các thành phần chính (tổ hợp tuyến
tính chính) chủ yếu của chúng , chẳng hạn bằng s thành phần chính Y1, Y2,..., Ys

Phương trình dự báo sẽ được kiểm chứng, chọn lọc và đánh giá dựa trên cơ
sở so sánh mức độ phù hợp của các kết quả tính năng suất theo mơ hình đã chọn
so với năng suất thực và sự phù hợp về mặt sinh học đối với cây trồng được
nghiên cứu. Mức độ phù hợp của kết quả tính năng suất theo mơ hình so với

năng suất thực được đánh giá chủ yếu dựa trên cơ sở tính tốn và so sánh các chỉ
tiêu về sai số cho phép (Scf), sai số chuẩn Sy, sai số dự báo (Sdự báo), mức bảo
đảm dự báo (P%) [1, 7, 8]. Những chỉ tiêu trên được tính như sau:
Scf
= 0,674 σ,
(II.1.9)

28

29


Sdự báo = Yi - Y'i ,

(II.1.10)
,

Trong đó:

(II.1.11)

Yi - giá trị năng suất thực
Υ - giá trị TBNN của chuỗi số liệu năng suất

m - số bậc tự do trong quan hệ dùng để dự báo
σ - độ lệch chuẩn của năng suất thực, được tính theo cơng thức:

∑ (Υ
(n

2
i

− Υ

− 1)

)

,

(II.1.12)

Kết quả dự báo cho từng vụ/năm được tính là đúng nếu sai số dự báo nhỏ
hơn hoặc bằng sai số cho phép.
Kết quả dự báo của mơ hình được đánh giá chung theo mức bảo đảm dự
báo (P%) giữa số lần dự báo đúng với tổng số lần dự báo trên cơ sở kiểm tra đối
với số liệu phụ thuộc và đối với số liệu độc lập.
,
Với

* Đối với cây ngơ
- Khu vực miền núi phía Bắc : vụ ngô xuân và hè thu
- Khu vực trung du, Đồng bằng Bắc Bộ, Bắc Trung Bộ và Trung
Trung Bộ: vụ đông xuân và xuân hè
- Khu vực Nam Trung Bộ : vụ xuân và vụ hè thu

Yi' - năng suất dự báo ( tính tốn)
n - số số hạng của chuỗi số liệu

σ =

nghiệp và Phát triển Nông thôn cung cấp và trên cơ sở số liệu điều tra trực tiếp
từ các tỉnh, cụ thể như sau:

(II.1.13)

P - mức bảo đảm dự báo, %
- số lần dự báo đúng
N - tổng số lần dự báo

II.1.4. Số liệu sử dụng
Số liệu được thu thập và sử dụng trong xây dựng các phương trình dự báo
năng suất 3 cây trồng ngơ, lạc, đậu tương bao gồm:
a) Số liệu năng suất: Số liệu năng suất của 3 cây trồng ngô, lạc, đậu tương
được thu thập và sử dụng trong nghiên cứu là số liệu năng suất trung bình theo
tỉnh của các năm từ năm 1985 đến 2006 do tổng cục thống kê cung cấp. Xuất
phát từ hiện trạng số liệu thống kê về năng suất của ngô, lạc, đậu tương do Tổng
cục thống kê cung cấp được tổng hợp theo năm mà khơng có riêng cho từng vụ
nên đề tài đã phải tiến hành các nghiên cứu, đánh giá theo những thời vụ của các
vụ (2 vụ) chính được trải rộng ở các vùng trong nước.

- Khu vực Tây Nguyên và Nam Bộ : vụ hè thu và thu đông
* Đối với cây lạc
- Khu vực từ Tây Bắc đến Nam Trung Bộ: vụ xuân và hè thu
- Khu vực Tây Nguyên và Đông Nam Bộ: vụ 1 và vụ 2
- Khu vực đồng bằng sông Cửu Long: vụ 1 và vụ 2
* Đối với cây đậu tương
- Khu vực miền núi phía Bắc: vụ xuân và hè thu
- Khu vực trung du và đồng bằng Bắc Bộ: vụ đông và vụ xuân

- Khu vực Bắc Trung Bộ: vụ xuân và xuân hè
- Khu vực Tây Nguyên và Đông Nam Bộ: vụ hè thu (vụ 1) và thu đông (vụ 2)
- Khu vực đồng bằng sông Cửu Long: vụ đông xuân (vụ 2)
b) Số liệu khí tượng: Số liệu được thu thập là số liệu khí tượng ngày từ năm
1985 đến 2006 của các yếu tố nhiệt độ khơng khí trung bình (Ttb), tối cao (Tx),
tối thấp (Tm), tổng lượng mưa (R), số ngày mưa (nR), tổng số giờ nắng (N), độ ẩm
khơng khí trung bình tại các trạm khí tượng, khí tượng nông nghiệp trong các vùng
trồng ngô, lạc, đậu tương chính ở Việt Nam. Từ số liệu khí tượng ngày đã tính biên
độ nhiệt độ (Tbd) và số liệu tuần (10 ngày) để sử dụng trong xây dựng mơ hình.
Danh mục các trạm lấy số liệu sử dụng được đưa ở phụ lục II.1.1.

Thời vụ gieo trồng chính được tổng hợp từ kết quả xác định thời vụ gieo
trồng các loại cây trồng ở các vùng sinh thái nông nghiệp của nước ta do Trung
tâm Khuyến nông và Viện Quy hoạch và Thiết kế Nông nghiệp - Bộ Nông

Các chuỗi số liệu khí tượng được đưa vào sử dụng trong mơ hình dưới
dạng số liệu tuần theo vụ. Trước khi đưa vào sử dụng các chuỗi số liệu này đã
được phân tích các đặc trưng thống kê để kiểm tra tính đồng nhất và quy luật
phân bố của chuỗi. Sự đồng nhất của chuỗi được kiểm tra nhờ chỉ tiêu Student
(t); sự phân bố của chuỗi được kiểm tra thông qua việc tính và so sánh các đại
lượng của hệ số biến động Cv, hệ số bất đối xứng Cs, hệ số lệch tâm E và sai số
tính hệ số bất đối xứng Cs, sai số tính hệ số lệch tâm E. Nếu giá trị tuyệt đối của
hệ số bất đối xứng Cs và hệ số lệch tâm E không vượt sai số của nó thì chuỗi
được xem là có phân bố gần với phân bố chuẩn và chuỗi số liệu này được phép
đưa vào sử dụng tính tốn trong các mơ hình.

30

31

Chương 2
KẾT QUẢ NGHIÊN CỨU XÂY DỰNG MƠ HÌNH DỰ BÁO NĂNG SUẤT
NGÔ, LẠC, ĐẬU TƯƠNG CỦA CÁC TỈNH GIEO TRỒNG CHÍNH Ở
VIỆT NAM
II.2.1. Kết quả áp dụng phương pháp hồi quy từng bước trong xác định các
phương án dự báo năng suất ngô, lạc, đậu tương
Như đã đề cập ở phần 1.1, khi sử dụng phương pháp hồi quy từng bước với
sự trợ giúp của mơ hình thống kê thời tiết - cây trồng, để xây dựng được các
phương trình dự báo trước tiên cần phải tìm được thành phần năng suất xu thế
và thành phần “năng suất thời tiết”. Tiếp đến sẽ tính mối tương quan giữa “năng
suất thời tiết” với các yếu tố ngoại cảnh. Như vậy việc chọn được các phương
trình dự báo tối ưu phụ thuộc rất nhiều vào việc lựa chọn phương pháp tính năng
suất xu thế và lựa chọn các phương trình tương quan giữa “năng suất thời tiết”
với các yếu tố khí tượng, khí tượng nơng nghiệp.
Với cách tiếp cận trên, thơng qua mơ hình thống kê thời tiết - cây trồng đã
tính thử các dạng xu thế của năng suất và tính mối tương quan giữa các thành
phần “năng suất thời tiết” tương ứng với các đường xu thế được chọn với các
yếu tố khí tượng tuần của các trạm khí tượng được nêu trong phụ lục II.2.1 để
lọc tìm các phương án dự báo cho kết quả tính năng suất khả quan nhất.
Sau khi nhận được các phương án dự báo (phép thử), tất cả các phép thử sẽ
được kiểm chứng (sự phù hợp về mặt sinh lý, sinh thái cũng như về mặt tốn
học) thơng qua sự đối chiếu các kết quả thu được với nhu cầu sinh lý, sinh thái
cây ngô cũng như kiểm tra chất lượng các phương án dự báo trên cơ sở số liệu
phụ thuộc và số liệu độc lập, từ đó sẽ chọn ra phương án dự báo tối ưu.
II.2.1.1. Những yếu tố khí tượng có tác động chính đến năng suất ngơ, lạc,
đậu tương
Năng suất ngô, lạc, đậu tương của các tỉnh nghiên cứu phụ thuộc rất nhiều
yếu tố, tuy nhiên ở các giai đoạn sinh trưởng khác nhau và đối với các khu vực
khác nhau thì mức độ ảnh hưởng của các yếu tố này khơng hồn tồn giống

nhau.

a) Đối với cây ngơ
- Vùng Tây Bắc: với vụ chính là ngơ xn và hè thu, năng suất ngô phụ
thuộc nhiều vào lượng mưa thời kỳ phun râu và chín của ngơ vụ xuân (cuối tháng
III đến tháng V) và vụ hè thu (tháng VII, VIII) với hệ số tương quan từ 0,4 - 0,7.
Tuy nhiên, vào thời kỳ này nhiệt độ tối thấp lại có tương quan tỷ lệ nghịch với
năng suất ngơ (hệ số tượng quan: -0,3 đến -0,68). Ngồi ra, số giờ nắng giai đoạn
cuối của vụ xuân (tháng IV, đầu tháng V) ảnh hưởng đến năng suất ngô với hệ số
tương quan riêng (r) từ -0,4 đến -0,5.
- Vùng Đơng Bắc: với vụ chính là ngơ xn và hè thu. Cũng tương tự như
khu vực Tây Bắc, nhiệt độ tối thấp các tuần từ tháng II đến tháng IV vụ xuân và
tháng VII vụ hè thu (thời kỳ ngô phun râu, làm hạt) có ảnh hưởng đến năng suất
ngơ với hệ số tương quan riêng: -0,4 đến -0,54 (vụ xuân) và -0,29 đến -0,44 (vụ
hè thu). Riêng đối với vụ xuân sự gia tăng của lượng mưa và số giờ nắng từ
tháng III đến tháng V tạo điều kiện thuận lợi cho q trình sinh thực của ngơ
với hệ số tương quan riêng 0,34 - 0,66 (đối với mưa) và 0,3 - 0,68 (đối với số
giờ nắng). Ngoài ra, biên độ nhiệt độ trung bình các tuần từ tháng III - V, VIII
cũng có tác động đến năng suất ngô (hệ số tương quan riêng: từ -0,21 đến -0,55.
- Vùng Đồng bằng Bắc Bộ với vụ chính là ngơ đơng và ngơ xn thì sự gia
tăng của nhiệt độ tối thấp trung bình tuần từ tháng XI, XII năm trước và tháng
III năm sau ảnh hưởng xấu đến năng suất ngô (hệ số tương quan: -0,3 đến 0,58). Tuy nhiên lượng mưa từ tháng I đến tháng III và biên độ nhiệt độ các tuần
từ tháng XI đến tháng I lại có mối tương quan tỷ lệ thuận với năng suất ngô (hệ
số tương quan lần lượt là: 0,31 - 0,6 và 0,28 - 0,55).
- Vùng Bắc và Trung Trung Bộ với vụ chính là đơng xn và vụ xuân:
Nhiệt độ tối thấp từ giữa tháng XI đến đầu tháng I có ảnh hưởng đến năng suất
ngơ (r ≈ -0,33 đến -0,55) tuy nhiên từ giữa tháng I và tháng II mối tương quan
lại đổi chiều với hệ số tương quan riêng giữa nhiệt độ tối thấp trung bình tuần và
năng suất ngô từ 0,35 đến 0,49. Đến giai đoạn trổ cờ - chín ngơ vụ đơng xn
(tháng I, II) và vụ xuân (tháng IV, V) thì lượng mưa ảnh hưởng tốt đến năng

suất ngô (r ≈ 0,42 - 0,78).

Mức độ tác động của các yếu tố khí tượng theo từng giai đoạn sinh trưởng
của ngô, lạc, đậu tương ở từng vụ được đánh giá thông qua hệ số tương quan
giữa năng suất của 3 cây trồng này với các yếu tố khí tượng chính. Kết quả lọc
các yếu tố khí tượng có ảnh hưởng lớn đến năng suất ngô, lạc, đậu tương và hệ
số tương quan giữa chúng (phụ lục II.2.2) cho thấy:

- Vùng Nam Trung Bộ với 2 vụ chính là đơng xn và hè thu: sự gia tăng
của nhiệt độ tối thấp trung bình các tuần từ tháng II đến tháng VI ảnh hưởng xấu
đến năng suất ngô (hệ số tương quan riêng từ -0,32 đến -0,51). Trong các tháng
mùa khô từ tháng I đến tháng III lượng mưa tăng sẽ tạo điều kiện thuận lợi cho
q trình sinh trưởng và phát triển của ngơ (hệ số tương quan riêng 0,2 - 0,65),
tuy nhiên trong thời gian này nếu số giờ nắng tăng cao lại ảnh hưởng xấu đến
năng suất ngô (hệ số tương quan riêng từ -0,32 đến -0,7). Vào giai đoạn đầu của
vụ đông xuân (tháng I, II) biên độ biệt độ cao sẽ không thuận lợi cho tạo thành

32

33


năng suất ngô (hệ số tương quan riêng từ -0,3 đến -0,54) ; tuy nhiên, đến giai
đoạn chín của ngơ vụ hè thu thì biên độ nhiệt độ cao sẽ thuận lợi cho sự hình
thành năng suất ngơ (hệ số tương quan riêng từ 0,45 đến 0,52.
- Đối với ngô gieo trồng tại Tây Nguyên (vụ 1 - hè thu và vụ 2 - thu đông)
nhiệt độ tối thấp trung bình tuần của các tuần tháng VII và 1-2/IX cao là điều
kiện không thực sự thuận lợi cho ngô vụ 2 gieo trồng (hệ số tương quan riêng 0,25 đến -0,48). Lượng mưa tháng V, VII đến IX có tác động tích cực cho cây
ngơ sinh trưởng và phát triển và tạo thành năng suất.
- Năng suất ngô vụ 1 và 2 ở các tỉnh Nam Bộ phụ thuộc chủ yếu vào nhiệt

độ tối thấp trung bình tuần từ tháng VIII đến tháng X (hệ số tương quan giữa 2
đại lượng đó từ -0,34 đến -0,55)
b) Đối với cây lạc
- Đối với khu vực trung du và miền núi phía Bắc: năng suất lạc có mối
tương quan tỷ lệ thuận với nhiệt độ tối thấp trung bình tuần 1, 2, 3/I (hệ số tương
quan riêng: 0,42 - 0,76), số giờ nắng cuối vụ (tuần 3/IV đến tuần 2/VI, r = 0,33 0,48) và lượng mưa ở giai đoạn từ tuần 2/II đến tuần 1/IV (r = 0,47 - 0,66) nhưng
lại tỷ lệ nghịch với nhiệt độ tối thấp trung bình tuần 2/IV đến tuần 2/V (giai đoạn
hình thành củ) với hệ số tương quan riêng: -0,4 đến -0,7 và lượng mưa vào giai
đoạn cuối vụ (tuần 3/IV đến tuần 3/VI: r = -0,54 đến -0,64).
- Khu vực đồng bằng Bắc Bộ: Vào giai đoạn đầu và giữa vụ (từ tháng I đến đầu
tháng IV) và vào giai đoạn hình thành củ và củ già (từ tháng IV đến tháng VI) số giờ
nắng và biên độ nhiệt độ thuận lợi cho lạc phát triển (hệ số tương quan riêng lần lượt
là: 0,33 - 0,7; 0,44 - 0,80). Tuy nhiên vào giai đoạn tuần 2/IV đến tuần 1/VI nhiệt độ
tối thấp trung bình (hệ số tương quan riêng: -0,41 đến -0,67) và lượng mưa giai đoạn
từ tuần 1/V đến tuần 3/VI (hệ số tương quan riêng từ -0,41 đến -0,74) ảnh hưởng xấu
đến năng suất.
- Khu vực Bắc Trung Bộ: năng suất lạc tỷ lệ nghịch với nhiệt độ đầu vụ
(tuần 3/I đến tuần 1/II (hệ số tương quan riêng từ -0,36 đến -0,43), lượng mưa
tuần 1-2/II (r = -0,64) và lượng mưa cuối vụ (từ tuần 3/V đến tuần 3/VII) với r = 0,57 đến -0,64. Trong khi đó số giờ nắng đầu vụ (tuần 1-2/I; r = 0,62) và giai đoạn
cuối vụ - từ tuần 2/IV đến tuần 2/VI (r = 0,76) tỷ lệ thuận với năng suất lạc.
- Khu vực Trung Trung Bộ: Trong giai đoạn từ tuần 3/II đến tuần 2/IV,
năng suất lạc tỷ lệ thuận với nhiệt độ tối thấp trung bình (hệ số tương quan
riêng: 0,36-0,51) và lượng mưa tuần 1/III đến tuần 3/IV (hệ số tương quan riêng:
0,39-0,48), lượng mưa cuối vụ (tuần 3/V đến tuần 3/VII: r = 0,59) nhưng số giờ
nắng từ tuần 1-3/VII lại ảnh hưởng xấu đến năng suất (r= -0,53 đến -0,57).
- Khu vực Nam Trung Bộ: năng suất lạc tỷ lệ thuận với nhiệt độ khơng khí
tối thấp trung bình đầu vụ (tuần 3/I đến tuần 1/III với hệ số tương quan riêng:
34

0,54) và giai đoạn gần cuối vụ (tuần 3/V đến tuần 2/VI với hệ số tương quan riêng:

0,5 - 0,52). Trong khi đó lượng mưa ở giai đoạn đầu vụ (tuần 1-3/I) và số giờ nắng
tuần 2/III tăng sẽ làm năng suất lạc bị giảm (hệ số tương quan lần lượt là: từ -0,44
đến -0,59; - 0,36).
- Khu vực Tây Nguyên và Đông Nam Bộ: năng suất lạc tỷ lệ nghịch với
nhiệt độ tối thấp trung bình từ tuần 2/V đến tuần 1/VII với hệ số tương quan
riêng: -0,26 đến -0,67. Tuy nhiên lượng mưa giai đoạn 2-3/VI; 1/VIII và biên độ
nhiệt độ cuối vụ (tuần 1/X; tuần 3/XI) tăng thuận lợi cho sự hình thành năng suất
lạc (hệ số tương quan riêng: 0,23-0,63).
- Khu vực đồng bằng sơng Cửu Long: vào giai đoạn hình thành củ (cuối
tháng II, đầu tháng III năng suất lạc tỷ lệ thuận với lượng mưa (với hệ số tương
quan riêng 0,33), đến giai đoạn củ già (cuối tháng III) thì năng suất lại tỷ lệ
nghịch với lượng mưa với hệ số tương quan riêng: -0,25.
c) Đối với cây đậu tương
- Đối với các tỉnh trung du và miền núi phía Bắc với vụ chính là vụ xuân và
hè thu, năng suất đậu tương phụ thuộc nhiều vào lượng mưa thời kỳ đầu vụ của
vụ xuân (tháng III), trong điều kiện nhiệt độ thấp, nếu mưa lớn sẽ ảnh hưởng
xấu đến gieo và nảy mầm của cây đậu tương, làm ảnh hưởng đến năng suất, hệ
số tượng quan giữa lượng mưa các tuần trong tháng III và năng suất đậu tương
từ -0,38 đến -0,51. Sang tháng V, VI thời tiết nắng nóng, lượng mưa có ảnh
hưởng tốt đến năng suất với hệ số tương quan riêng giữa chúng là 0,4. Ngoài ra,
số giờ nắng giai đoạn chín - thu hoạch của vụ hè thu (tháng VIII, IX) cũng ảnh
hưởng đến năng suất với hệ số tương quan riêng là 0.4 đến 0,7.
- Vùng đồng bằng Bắc Bộ với vụ chính là đậu tương đơng và đậu tương
xn thì nhiệt độ tối thấp trung bình tuần từ cuối tháng X năm trước đến tháng II
năm sau và lượng mưa giai đoạn từ tháng XII năm trước đến tháng II năm sau có ảnh
hưởng chính đến tạo thành năng suất đậu tương. Hệ số tương quan riêng giữa 2 yếu
tố này với năng suất tương ứng là -0,4 đến -0,7 và -0,34 đến -0,42.
- Vùng Bắc Trung Bộ với vụ chính là đậu tương xuân và hè thu, năng suất
đậu tương phụ thuộc chủ yếu vào nhiệt độ tối thấp trung bình tuần 2-3/III là thời
kỳ ra hoa, tạo quả vụ xuân (hệ số tương quan là 0,24) và biên độ nhiệt độ trung

bình tuần cuối tháng V, đầu tháng VI (hệ số tương quan là 0,4) là thời kỳ ra hoa,
tạo quả và chín của đậu tương hè thu.
- Đối với đậu tương gieo trồng tại Tây Nguyên (vụ 1 - hè thu và vụ 2 - thu
đông) nhiệt độ tối thấp trung bình tuần 3/VI, tuần 3/VII có vai trị quan trọng
trong quá trình tạo thành năng suất; hệ số tương quan của 2 đại lượng này với
năng suất đậu tương là -0,22 đến -0,55.
35


- Năng suất đậu tương vụ đông xuân ở các tỉnh Nam Bộ phụ thuộc chủ yếu
vào lượng mưa các tuần từ tháng XII năm trước đến tháng IV năm sau (hệ số
tương quan là 0,4 đến 0,5) và số giờ nắng tháng XII- I, tháng IV, V năm sau (hệ
số tương quan là -0,4 đến -0,6)
II.2.1.2. Xây dựng, kiểm chứng chọn lọc phương trình dự báo năng suất ngơ, lạc,
đậu tương theo phương pháp hồi quy từng bước
Với phương pháp đã trình bày ở mục 1.4, đã tiến hành xây dựng các
phương án (phép thử) dự báo năng suất ngô, lạc, đậu tương và tiến hành kiểm
chứng, so sánh các kết quả thu được từ các phép thử này. Đối với mỗi tỉnh, mỗi
một cây trồng đã xây dựng được một số phương án (phép thử/ phương trình) dự
báo khác nhau tuỳ thuộc vào dạng xu thế được chọn và các tổ hợp biến khí
tượng được lọc trong mơ hình. Tuy nhiên, khơng phải tất cả các phương án sẽ
được sử dụng để dự báo năng suất cho cây trồng/ tỉnh đó mà phải qua kiểm
chứng để chọn lọc mơ hình dự báo tối ưu. Vì vậy ở đây sẽ khơng đưa chi tiết
tồn bộ các phương án dự báo thu được từ mơ hình thống kê thời tiết- cây trồng
cho từng tỉnh, từng cây, mà đối với mỗi cây chỉ đưa 1 phương án cho 1 tỉnh làm
ví dụ minh hoạ, sau đó sẽ đưa tổng hợp kết quả kiểm chứng cho tất cả các
phương án để làm cơ sở cho xác định phương án tối ưu sử dụng trong dự báo
năng suất cho tỉnh đó. Sau đây là các ví dụ minh hoạ về kết quả xây dựng và
kiểm chứng các phương án dự báo năng suất ngô, lạc, đậu tương cho một tỉnh.
a) Đối với năng suất ngơ: Lấy ví dụ cho tỉnh Phú Thọ, đã xây dựng được 9

phương án (phép thử) dự báo năng suất ngơ. Ví dụ về kết quả xây dựng phương
trình dự báo và kiểm chứng phương trình dự báo của 1 trong 9 phương án được
đưa ở bảng II.2.1, tổng hợp kết quả kiểm chứng cho tất cả các phương án (9
phương án) dự báo năng suất ngô cho tỉnh Phú Thọ được đưa ở bảng II.2.2.
Bảng II.2.1. Kết quả xây dựng phương trình dự báo và xác định sai số dự báo của
1 trong các phương án (phép thử) dự báo năng suất ngô đối với tỉnh Phú Thọ

1985

15,60

Năng suất dự báo theo
phương trình Y1
15,12

0,48

3,1

1986
1987
1988
1989

16,30
17,10
17,60
19,10

17,53

16,85
17,83
18,45

-1,23
0,25
-0,23
0,65

7,5
1,5
1,3
3,4

1990
1991
1992

17,20
15,30
17,60

16,86
15,95
17,71

0,34
-0,65
-0,11

2,0
4,2
0,6

1993
1994
1995
1996

18,90
23,40
24,90
27,00

19,72
22,96
24,27
26,45

-0,82
0,44
0,63
0,55

4,3
1,9
2,5
2,0

1997

1998
1999
2000

26,00
24,70
27,90
26,20

25,25
24,76
27,73
28,04

0,75
-0,06
0,17
-1,84

2,9
0,2
0,6
7,0

2001
2002
2003

32,30
34,00

34,50

31,66
33,39
34,97

0,64
0,61
-0,47

2,0
1,8
1,4

2004

35,70

35,81

-0,11

0,3

Năm Năng suất thực

Sai số (tạ/ha)

Sai số TB tuyệt đối:
Sai số cực trị:

0,55
Max:

-1,84

Min:

-0,06

Sai số chuẩn:
Sai số thấp (<5%)

0,70
Số trường hợp:
Chiếm tỷ lệ:

Phép thử 1.

Sai số tương đối thấp (5,1-10%)

Phương trình dự báo: Y1= Yt + 8,747-0,5909(X4)-0,371(X1)+0,24678(X3)
Trong đó:

Sai số tương đối cao (10,1-15%)

X4 = phuhoTbd 3/VIII (biên độ nhiệt độ tuần 3/VIII),

Hệ số tương quan giữa năng suất với các yếu tố khí tượng (HSTQ): 0,66

36

Số trường hợp:
Chiếm tỷ lệ:

Sai số cao (> 15%)

X1 = phuhoTm1/II-2/IV (nhiệt độ tối thấp trung bình tuần từ 1/II – 2/IV),
X3 = phuhoTbd 1/II-2/IV (biên độ nhiệt độ trung bình tuần 1/II – 2/IV) trạm Phú Hộ

Số trường hợp:
Chiếm tỷ lệ:

Yt - Năng suất xu thế được tính theo phương pháp trung bình trượt, bước trượt 5;

Số trường hợp:
Chiếm tỷ lệ:

Mức bảo đảm

Sai số (%)

Số trường hợp:
Chiếm tỷ lệ

37

18
90%
2

10%
0
0%
0
0%
20
100%