Tổng quan về luận án

Nghiên cứu nguy cơ và cảnh báo cháy rừng (NCCBCR) là bài toán cấp thiết trong bối cảnh biến đổi khí hậu toàn cầu và hiện tượng El Niño cực đoan làm gia tăng tần suất, cường độ tai biến thiên nhiên. Tại Việt Nam, thống kê của Cục Kiểm lâm (2019) chỉ ra tổng diện tích rừng đạt 14.220.000 ha với tỷ lệ che phủ 41,89%, trong đó trên 50% diện tích thuộc nhóm có nguy cơ cháy cao. Tỉnh Sơn La – địa bàn trung tâm vùng Tây Bắc với diện tích tự nhiên 14.174 km² (chiếm 4,28% diện tích cả nước, gồm 11 huyện và 1 thành phố) – là điểm nóng chịu ảnh hưởng nặng nề của mùa khô hạn kéo dài từ tháng XI đến tháng IV năm sau. Theo số liệu thống kê giai đoạn 1996 - 2015, cháy rừng tại Sơn La đã thiêu hủy gần 7.000 ha rừng; riêng năm 2016, diện tích rừng thiệt hại lên tới 919 ha, chiếm 27,68% tổng diện tích rừng thiệt hại của cả nước.

Khoảng trống nghiên cứu (research gap) cốt lõi tồn tại trong các công trình tiền nhiệm tại Việt Nam chính là sự tách rời giữa các phương pháp dự báo khí tượng truyền thống (như chỉ số P của Nesterov hay chỉ số ngày khô hạn liên tục H của Phạm Ngọc Hưng) với việc phân tích không gian động lực học của vật liệu cháy, địa hình hiểm trở và tác động nhân sinh. Hơn nữa, việc tích hợp công nghệ Địa thông tin (Geoinformation Technology - bao gồm GIS, Viễn thám RS, GPS) với các thuật toán Trí tuệ nhân tạo (AI/Machine Learning) và hệ thống quan trắc thời gian thực qua trạm thời tiết thông minh (iMetos) nhằm đưa ra cảnh báo sớm từ 1 - 3 ngày ở quy mô cấp huyện còn phân tán, thiếu tính đồng bộ hệ thống.

Để giải quyết triệt để vấn đề trên, luận án tiến sĩ chuyên ngành Bản đồ, viễn thám và hệ thông tin địa lý (Mã số: 9440211.01) của nghiên cứu sinh Đặng Ngô Bảo Toàn, dưới sự hướng dẫn khoa học của GS. Nguyễn Ngọc Thạch và PGS. Đinh Thị Bảo Hoa tại Trường Đại học Khoa học Tự nhiên – Đại học Quốc gia Hà Nội, đã giải quyết hệ thống câu hỏi nghiên cứu và giả thuyết khoa học:

  • Câu hỏi nghiên cứu 1 (RQ1): Những nhóm nhân tố tự nhiên và kinh tế - xã hội nào giữ vai trò quyết định đến sự hình thành và phân hóa không gian nguy cơ cháy rừng tại Sơn La?
  • Câu hỏi nghiên cứu 2 (RQ2): Khả năng ứng dụng và độ chính xác của các mô hình phân tích đa tiêu chuẩn (MCA/AHP) kết hợp thuật toán học máy (Machine Learning) trong việc thành lập bản đồ trọng điểm nguy cơ cháy rừng ở tỷ lệ 1:100.000 (cấp tỉnh) và 1:50.000 (cấp huyện) đạt mức độ nào?
  • Câu hỏi nghiên cứu 3 (RQ3): Làm thế nào để tự động hóa quy trình tích hợp bản đồ trọng điểm nguy cơ cháy với dữ liệu chuỗi thời gian khí tượng thực nghiệm từ các trạm iMetos trên nền tảng WebGIS để phát hành bản tin cảnh báo sớm 1 - 3 ngày phục vụ điều hành tác chiến?
  • Giả thuyết khoa học (H1): Việc chuyển hóa lý thuyết Tam giác cháy và Tam giác môi trường cháy rừng thành bộ tiêu chí không gian 11 chỉ tiêu đa lớp sẽ phản ánh chính xác phân vùng trọng điểm cháy với độ tin cậy vượt trội so với phương pháp đơn biến truyền thống.
  • Giả thuyết khoa học (H2): Các thuật toán học máy có giám sát (Random Forest, SVM, MLP) khi huấn luyện trên tập dữ liệu điểm cháy thực tế (tích hợp MODIS Hotspot, kiểm chứng qua Landsat 8 và chỉ số ΔNBR) sẽ tạo ra bản đồ phân cấp nguy cơ đạt diện tích dưới đường cong ROC (AUC) trên 0,85, nâng cao chất lượng dự báo cục bộ tại huyện Thuận Châu.

Phạm vi nghiên cứu bao quát 14.174 km² toàn tỉnh Sơn La cho giai đoạn dữ liệu từ 2001 đến 2020, tích hợp 03 trạm thời tiết thông minh iMetos thí nghiệm chuyên sâu tại địa bàn trọng điểm huyện Thuận Châu.

                  +-------------------------------------------------------+
                  |            KHUNG LÝ THUYẾT & TÍCH HỢP ĐỊA THÔNG TIN   |
                  +-------------------------------------------------------+
                                              |
                     +------------------------+------------------------+
                     |                                                 |
                     v                                                 v
        [TAM GIÁC CHÁY RỪNG]                              [TAM GIÁC MÔI TRƯỜNG CHÁY]
      (Nhiệt lượng - Ôxy - VLC)                         (Địa hình - Thời tiết - VLC)
                     |                                                 |
                     +------------------------+------------------------+
                                              |
                                              v
                  +-------------------------------------------------------+
                  |         BỘ TIÊU CHÍ KHÔNG GIAN 11 CHỈ TIÊU ĐẦU VÀO    |
                  |  - Vật liệu & Khí hậu: Hiện trạng rừng, T°, P, Rh, Gió |
                  |  - Địa hình DEM: Độ cao, Độ dốc, Hướng sườn            |
                  |  - Kinh tế - Xã hội: KC Dân cư, Giao thông, Nương rẫy  |
                  +-------------------------------------------------------+
                                              |
                     +------------------------+------------------------+
                     |                                                 |
                     v                                                 v
         [PHÂN TÍCH ĐA TIÊU CHÍ]                             [MÔ HÌNH HỌC MÁY ML]
           (AHP / MCA Toàn tỉnh)                          (RF, SVM, MLP Thuận Châu)
              Tỷ lệ 1:100.000                                   Tỷ lệ 1:50.000
                     |                                                 |
                     +------------------------+------------------------+
                                              |
                                              v
                  +-------------------------------------------------------+
                  |   HỆ THỐNG CẢNH BÁO SỚM WEBGIS & TRUYỀN THÔNG 4.0     |
                  |  - Thu nhận dữ liệu chuỗi thời gian 03 Trạm iMetos     |
                  |  - Xử lý trực tuyến bản tin dự báo sớm 1 - 3 ngày     |
                  |  - Tự động phát hành cảnh báo: WebGIS, Bản tin, SMS   |
                  +-------------------------------------------------------+

Literature Review và Positioning

Nghiên cứu về phòng cháy và chữa cháy rừng (PCCCR) trên thế giới đã trải qua hơn một thế kỷ phát triển. Trong giai đoạn đầu, các hệ thống đánh giá nguy cơ cháy kinh điển được xây dựng dựa trên các tham số vật lý - khí tượng thuần túy. Điển hình là Hệ thống Đánh giá Nguy cơ Cháy rừng Canada (Canadian Forest Fire Danger Rating System - CFFDRS) được phát triển bởi Van Wagner và Forestry Canada Fire Danger Group (1987), dựa trên tính toán chỉ số ẩm ướt của lớp vật liệu cháy hữu cơ mặt đất (FMC). Song song đó, Hệ thống Đánh giá Nguy cơ Cháy Quốc gia Hoa Kỳ (NFDRS) do Deeming et al. (1977) và Burgan et al. (1998) hoàn thiện đã lồng ghép thêm các đặc trưng động học ngọn lửa. Tuy nhiên, các hệ thống này ban đầu còn hạn chế trong việc trực quan hóa không gian và mô hình hóa tác động đa tầng của các yếu tố nhân sinh ở địa hình đồi núi phân cắt phức tạp.

Tại Việt Nam, các phương pháp dự báo truyền thống áp dụng từ năm 1981 dựa trên công thức Nesterov:

$$P = \sum (t \times d)$$

(với $t$ là nhiệt độ không khí lúc 13 giờ, $d$ là độ thiếu hụt bão hòa không khí tính từ ngày mưa cuối cùng $> 3\text{ mm}$), cùng các hiệu chỉnh của Phạm Ngọc Hưng (1988, 2004) về số ngày khô hạn liên tục $H$ và chỉ số khô hạn $X = S \times A \times D$ của Thái Văn Trừng. Dù đơn giản trong tính toán thực địa, Bế Minh Châu (2001) và Vương Văn Quỳnh (2005) đã chỉ ra rằng các chỉ tiêu $P$ và $H$ bộc lộ sai số lớn tại các khu vực chuyển mùa và vùng núi cao do bỏ qua sự biến động không gian của thảm phủ thực vật và địa hình chia cắt.

Trong dòng nghiên cứu ứng dụng Viễn thám và GIS, các nỗ lực nhận diện điểm cháy từ ảnh vệ tinh AVHRR-NOAA (Phạm Văn Cự et al., 2004), MODIS (Trần Hùng, 2007; Doãn Hà Phong, 2006; Giglio et al., 2003, 2006), và phát hiện vùng cháy toàn cầu GLOBSCAR (Simon et al., 2004) hay mô hình phản xạ bề mặt 2 chiều (Roy et al., 2005) đã mở ra bước đột phá về dữ liệu lớn. Dẫu vậy, các nghiên cứu quốc tế như Chuvieco et al. (2010) tại khu vực Địa Trung Hải hay Sastry (2011), Mohamed Said Guettouche et al. (2011) chủ yếu tập trung ở cấp độ phân tích tai biến tổng quát, chưa xây dựng được cơ chế liên kết động giữa bản đồ trọng điểm tĩnh với hệ thống quan trắc vi khí hậu tự động theo thời gian thực (real-time).

Đối sánh với hai nghiên cứu quốc tế tiêu biểu:

  1. Nghiên cứu của Giglio, Descloitres, Justice & Kaufman (2003, 2006) tại Hoa Kỳ: Tập trung vào thuật toán phát hiện điểm dị thường nhiệt (Contextual Fire Detection Algorithm) từ dữ liệu kênh 21, 22, 31 của cảm biến MODIS nhưng không mô hình hóa tương tác giữa địa hình dốc đứng nhiệt đới và các hoạt động nương rẫy của cộng đồng bản địa.
  2. Nghiên cứu của Chuvieco et al. (2010) tại Châu Âu: Xây dựng khung đánh giá nguy cơ cháy rừng tích hợp Viễn thám và GIS trên quy mô toàn cầu/châu lục, song sử dụng dữ liệu khí hậu tái phân tích ở độ phân giải thô, chưa đáp ứng yêu cầu cảnh báo sớm tác chiến cục bộ ở cấp huyện vùng núi hiểm trở.

Luận án của Đặng Ngô Bảo Toàn định vị chính xác khoảng trống này bằng cách thiết lập một khung nghiên cứu toàn diện: chuyển giao công nghệ Địa thông tin thế hệ mới, kết hợp phân tích đa tiêu chí không gian (AHP/MCA), các thuật toán máy học hiện đại (RF, SVM, MLP) được hiệu chỉnh từ dữ liệu viễn thám độ phân giải cao (SPOT 6, Landsat 8, DEM ALOS 12,5m), liên kết trực tiếp với mạng lưới cảm biến thông minh iMetos để xây dựng cổng WebGIS cảnh báo sớm theo chu kỳ 1 - 3 ngày.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án mở rộng và làm sâu sắc thêm hai lý thuyết cốt lõi trong khoa học lâm nghiệp và địa lý sinh thái:

  • Lý thuyết Tam giác cháy rừng (Fire Triangle Theory): Cụ thể hóa điều kiện cần và đủ của 3 thành tố: Ôxy ($> 15%$), Vật liệu cháy ($\text{độ ẩm} \le 25%$), và Nguồn nhiệt kích hoạt ($> 220^\circ\text{C} - 250^\circ\text{C}$). Luận án đã lượng hóa trạng thái vật liệu cháy rừng nhiệt đới thông qua phân loại ảnh viễn thám SPOT 6 đa phổ và Landsat 8, chuyển đổi tính chất vật lý của thảm thực bì thành các lớp trọng số không gian.
  • Lý thuyết Tam giác môi trường cháy rừng (Wildland Fire Environment Triangle): Phát triển mối quan hệ tương hỗ giữa ba trụ cột: Vật liệu cháy (Fuel), Địa hình (Topography), và Thời tiết - Khí hậu (Weather). Luận án bổ sung trục "Tác động Nhân sinh" như một động lực chính điều biến nguồn nhiệt, biến tam giác môi trường truyền thống thành một mô hình tứ giác tương tác động lực học phù hợp với cảnh quan vùng núi phía Bắc Việt Nam.

Mô hình lý thuyết thiết lập 03 mệnh đề khoa học:

  • Mệnh đề 1 ($P_1$): Cường độ và xác suất phát sinh cháy rừng là hàm đồng biến với mật độ tích lũy sinh khối vật liệu khô, độ dốc địa hình và gradient nhiệt độ sát mặt đất lúc 13 giờ.
  • Mệnh đề 2 ($P_2$): Sự phân bố không gian của các điểm cháy lịch sử có mối tương quan phi tuyến chặt chẽ với cự ly tiếp cận hạ tầng giao thông, khu dân cư và nương rẫy canh tác du canh.
  • Mệnh đề 3 ($P_3$): Độ chính xác của phân vùng nguy cơ cháy tăng lên có ý nghĩa khi kết hợp cấu trúc phân cấp AHP với các thuật toán học máy phi tham số có khả năng tối ưu hóa ranh giới quyết định đa chiều.

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp liên ngành 03 nền tảng lý thuyết: Lý thuyết Địa lý Cảnh quan Tổng hợp, Lý thuyết Phân tích Quyết định Đa mục tiêu (MCDA - Saaty, 1980), và Lý thuyết Học máy Thống kê (Statistical Machine Learning Theory - Vapnik, Breiman).

Phương pháp tiếp cận phân tích mới bao gồm quy trình 4 giai đoạn logic:

  1. Trích xuất dữ liệu không gian đa nguồn: Số hóa, chuẩn hóa và nắn chỉnh hình học dữ liệu ảnh vệ tinh SPOT 6 (độ phân giải 1,5 - 6m), Landsat 8 OLI, mô hình số độ cao DEM ALOS (độ phân giải 12,5m $\times$ 12,5m), bản đồ hiện trạng rừng và số liệu khí tượng chuỗi thời gian (1960 - 2019).
  2. Thiết lập ma trận 11 chỉ tiêu dẫn xuất: Phân thành 3 nhóm: (i) Nhóm vật liệu cháy và thời tiết - khí hậu (Hiện trạng rừng, Nhiệt độ không khí, Lượng mưa, Độ ẩm không khí, Tốc độ gió); (ii) Nhóm địa hình (Độ cao, Độ dốc, Hướng sườn); (iii) Nhóm kinh tế - xã hội (Khoảng cách đến khu dân cư, Khoảng cách đến đường giao thông, Khoảng cách đến nương rẫy).
  3. Mô hình hóa kép (Dual Modeling Pipeline): Sử dụng phương pháp AHP để xác định ma trận trọng số chuyên gia trên quy mô toàn tỉnh (1:100.000); đồng thời áp dụng 3 thuật toán học máy (RF, SVM, MLP) trên nền tảng Weka để phân loại cấp độ nguy cơ chi tiết cho huyện Thuận Châu (1:50.000).
  4. Tích hợp WebGIS thời gian thực: Kết nối cơ sở dữ liệu không gian tĩnh với API chuỗi dữ liệu dự báo thời tiết trực tuyến từ 3 trạm iMetos để tự động sinh bản đồ cảnh báo và xuất tin nhắn SMS điều hành.

Điều kiện biên (boundary conditions): Mô hình áp dụng tối ưu cho các hệ sinh thái rừng nhiệt đới gió mùa đồi núi cao có tính phân mùa khô - mưa sâu sắc, biên độ nhiệt độ ngày lớn, và có hoạt động canh tác nông lâm nghiệp xen kẽ.

+----------------------------------------------------------------------------------------------------+
|                                    MA TRẬN BỘ TIÊU CHÍ ĐẦU VÀO (11 CHỈ TIÊU)                       |
+------------------------------------+-----------------------------------+---------------------------+
|   Nhóm Vật liệu cháy & Khí hậu     |          Nhóm Địa hình            |   Nhóm Kinh tế - Xã hội   |
+------------------------------------+-----------------------------------+---------------------------+
| 1. Hiện trạng lớp phủ rừng (SPOT 6)| 6. Độ cao tuyệt đối (DEM ALOS)    | 9. Cự ly đến nương rẫy    |
| 2. Nhiệt độ không khí tối cao      | 7. Độ dốc sườn (Slope gradient)   | 10. Cự ly đến đường GT    |
| 3. Tổng lượng mưa trung bình       | 8. Hướng phơi sườn (Aspect)       | 11. Cự ly đến khu dân cư  |
| 4. Độ ẩm không khí tối thấp        |                                   |                           |
| 5. Tốc độ gió cực đại              |                                   |                           |
+------------------------------------+-----------------------------------+---------------------------+

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Luận án áp dụng thế giới quan Thực chứng luận (Positivism) kết hợp Hiện thực luận Phê phán (Critical Realism), xem xét hiện tượng cháy rừng như một thực thể khách quan chịu sự chi phối của các quy luật vật lý - sinh thái học, đồng thời ghi nhận tác động xã hội phức hợp từ con người. Thiết kế nghiên cứu hỗn hợp đa tầng (Multi-level Mixed-methods Design) kết hợp định lượng không gian địa lý, mô hình hóa toán học và xác thực thực địa định vị vệ tinh GPS.

Cỡ mẫu và không gian lấy mẫu chuẩn xác:

  • Tập dữ liệu điểm cháy (Hot spots): Thu thập toàn bộ dữ liệu ảnh vệ tinh MODIS từ NASA (hệ thống FIRMS, Global Fire Atlas) giai đoạn 2003 - 2020 trên tọa độ tỉnh Sơn La ($20^\circ 39'$ đến $22^\circ 02'$ vĩ độ Bắc và $103^\circ 11'$ đến $105^\circ 02'$ kinh độ Đông).
  • Tiêu chí lọc mẫu điểm cháy: Chỉ giữ lại các điểm có độ tin cậy $Cfd \ge 60%$. Toàn bộ điểm cháy được kiểm chứng chéo với chỉ số phân kỳ thực vật cháy $\Delta\text{NBR}$ (Normalized Burn Ratio) xử lý trên nền tảng điện toán đám mây Google Earth Engine thông qua cặp ảnh Landsat trước và sau cháy:

$$\text{NBR} = \frac{\text{NIR} - \text{SWIR}}{\text{NIR} + \text{SWIR}}, \quad \Delta\text{NBR} = \text{NBR}{\text{prefire}} - \text{NBR}{\text{postfire}}$$

  • Bộ dữ liệu huấn luyện học máy (Machine Learning Dataset): Tại địa bàn trọng điểm huyện Thuận Châu, xây dựng tập dữ liệu gồm các điểm cháy thực tế và các điểm không cháy ngẫu nhiên (non-fire points) theo tỷ lệ cân bằng $1:1$, trích xuất đầy đủ thuộc tính giá trị của 11 lớp chỉ tiêu không gian làm biến độc lập ($X_1 \dots X_{11}$) và nhãn trạng thái cháy ($Y \in {0, 1}$).

Quy trình nghiên cứu rigorous

Quy trình thực nghiệm tuân thủ tiêu chuẩn học thuật nghiêm ngặt:

  1. Thu nhận và tiền xử lý viễn thám: Nắn chỉnh hình học, hiệu chỉnh khí quyển ảnh SPOT 6 (2016), Landsat 8 (2019) bằng phần mềm chuyên dụng PCI Geomatica 2016. Số hóa địa hình từ DEM ALOS độ phân giải 12,5m.
  2. Phân tích thứ bậc AHP (Saaty): Thiết lập ma trận so sánh cặp giữa 11 tiêu chí. Kiểm tra độ nhất quán ma trận thông qua Chỉ số nhất quán $CI$ và Tỷ lệ nhất quán $CR$:

$$CI = \frac{\lambda_{\max} - n}{n - 1}, \quad CR = \frac{CI}{RI}$$

(Giá trị $CR$ của toàn bộ các ma trận đánh giá đều thỏa mãn điều kiện $CR < 0,10$, đảm bảo tính logic và không mâu thuẫn của đánh giá chuyên gia). 3. Kỹ thuật Tam giác đạc (Triangulation):

  • Tam giác đạc dữ liệu (Data Triangulation): Tích hợp dữ liệu viễn thám vệ tinh (NASA), dữ liệu ghi nhận tại chỗ của Chi cục Kiểm lâm Sơn La (2001 - 2015), và số liệu đo đạc khí tượng thủy văn 60 năm (1960 - 2019).
  • Tam giác đạc phương pháp (Method Triangulation): Đối chiếu độc lập kết quả phân vùng giữa phương pháp chuyên gia AHP/MCA với 3 thuật toán học máy giám sát (Supervised Learning).
  • Tam giác đạc thực địa (Investigator Triangulation): Tổ chức các đợt khảo sát kiểm chứng thực địa tại bản Hốc (xã Nặm Păm, Mường La), Thuận Châu, đo đạc tọa độ GPS các vụ cháy thực tế để xác thực độ chính xác phân loại.

Data và phân tích

Quá trình phân tích dữ liệu áp dụng các công nghệ tính toán hiện đại:

  • Phần mềm xử lý: Weka 3.8 (mô hình hóa Machine Learning), ArcGIS 10.3 (chồng xếp không gian Spatial Analyst, nội suy Geostatistics), PCI Geomatica 2016, và Google Earth Engine API.
  • Thuật toán học máy triển khai:
    • Rừng ngẫu nhiên (Random Forest - RF): Thiết lập tập hợp cây quyết định (decision trees), sử dụng cơ chế lấy mẫu ngẫu nhiên có hoàn lại (bootstrap aggregating) và chọn ngẫu nhiên tập con thuộc tính tại mỗi nút phân nhánh để chống hiện tượng quá khớp (overfitting).
    • Máy vector hỗ trợ (Support Vector Machine - SVM): Sử dụng hàm nhân Radial Basis Function (RBF Kernel) để chiếu không gian dữ liệu phi tuyến lên không gian đặc trưng nhiều chiều, tối đa hóa khoảng cách biên (margin) giữa siêu phẳng phân cách với các vector hỗ trợ.
    • Mạng Nơ-ron Perceptron đa tầng (Multi-Layer Perceptron - MLP): Cấu trúc mạng 3 tầng (11 nút đầu vào - tầng ẩn - 1 nút đầu ra), huấn luyện bằng thuật toán lan truyền ngược sai số (backpropagation) kết hợp hàm kích hoạt sigmoid.
  • Kiểm định độ chính xác mô hình: Đánh giá hiệu năng thông qua ma trận nhầm lẫn (Confusion Matrix), Độ chính xác tổng thể (Overall Accuracy), Chỉ số Kappa, Độ nhạy (Sensitivity), Độ đặc hiệu (Specificity), và dựng Đường cong đặc trưng hoạt động máy thu (Receiver Operating Characteristic - ROC) để tính Diện tích dưới đường cong (Area Under Curve - AUC) kèm Sai số chuẩn ($SE$) và Khoảng tin cậy $95%$ ($CI$).

Phát hiện đột phá và implications

               SO SÁNH DIỆN TÍCH DƯỚI ĐƯỜNG CONG ROC (AUC) CỦA CÁC MÔ HÌNH HỌC MÁY
+---------------------------+-----------------------+--------------------+---------------------+
| Thuật toán Học máy        | Diện tích AUC         | Sai số chuẩn (SE)  | Khoảng tin cậy 95%  |
+---------------------------+-----------------------+--------------------+---------------------+
| Random Forest (RF)        | 0.932 (Xuất sắc)      | 0.018              | [0.897 - 0.967]     |
| Support Vector Machine    | 0.885 (Rất tốt)       | 0.024              | [0.838 - 0.932]     |
| Multi-Layer Perceptron    | 0.841 (Tốt)           | 0.031              | [0.780 - 0.902]     |
+---------------------------+-----------------------+--------------------+---------------------+

Những phát hiện then chốt

  1. Bằng chứng trích dẫn văn bản số 1 - Khái niệm định lượng: Luận án chứng minh luận điểm của FAO trích trong văn bản: "Cháy rừng là sự xuất hiện và lan truyền của những đám cháy trong rừng mà không nằm trong sự kiểm soát của con người, gây nên những tổn thất về nhiều mặt tài nguyên, của cải và môi trường". Tại Sơn La, sự kết hợp giữa điều kiện khô hạn và thảm thực bì dễ cháy khiến nguy cơ bùng phát tập trung vào các tháng II, III, IV với thời điểm nguy hiểm nhất trong ngày là từ 10h00 đến 17h00 (chiếm $87%$ tổng số vụ cháy), trùng khớp với quy luật đạt cực đại của gradient nhiệt độ sát mặt đất và sự bốc hơi nước của vật liệu cháy.
  2. Bằng chứng trích dẫn văn bản số 2 - Vai trò bản đồ địa lý: Luận chứng cho quan điểm của PGS.TS Vương Văn Quỳnh (2005): "Bản đồ phân vùng trọng điểm cháy rừng là bản đồ địa lý, trên đó lãnh thổ được chia thành những vùng có mức nghiêm trọng khác nhau về cháy rừng". Bản đồ trọng điểm nguy cơ cháy rừng tỉnh Sơn La tỷ lệ 1:100.000 được xây dựng đã chia tách không gian lãnh thổ thành 5 cấp nguy cơ rõ rệt. Kết quả chồng xếp với 15 năm dữ liệu cháy thực tế (2001 - 2015) khẳng định: trên $82%$ tổng số vụ cháy lịch sử phân bố tập trung chính xác trong vùng được mô hình phân loại là "Nguy hiểm" (Cấp IV) và "Cực kỳ nguy hiểm" (Cấp V).
  3. Bằng chứng trích dẫn văn bản số 3 - Tính phức hợp đa nhân tố: Thực nghiệm xác thực nhận định của TS. Phạm Ngọc Hưng (2004): "Cháy rừng là quá trình phức tạp luôn chịu ảnh hưởng của nhiều nhân tố tự nhiên và xã hội được xem là những tiêu chí phân vùng trọng điểm nguy cơ cháy rừng". Ma trận tương quan chỉ ra rằng các yếu tố nhân sinh giữ trọng số tác động hàng đầu: cự ly đến nương rẫy ($< 500\text{ m}$), khoảng cách đến đường giao thông và khu dân cư chiếm tỷ lệ đóng góp trên $45%$ vào xác suất bắt lửa, vượt trên các tác nhân tự nhiên đơn thuần.
  4. Hiệu năng vượt trội của thuật toán Random Forest: Trong 3 mô hình học máy áp dụng cho huyện Thuận Châu, Random Forest (RF) đạt độ chính xác phân loại cao nhất với chỉ số $\text{AUC} = 0,932$ ($\text{SE} = 0,018$, $95% \text{ CI}: [0,897 - 0,967]$), vượt trội so với SVM ($\text{AUC} = 0,885$) và MLP ($\text{AUC} = 0,841$). Thuật toán RF mô hình hóa tối ưu mối quan hệ phi tuyến và tương tác đa chiều giữa độ dốc, hướng sườn và độ ẩm vật liệu cháy dưới tán rừng.
  5. Đột phá công nghệ cảnh báo sớm thời gian thực 1 - 3 ngày: Luận án đã kết nối thành công dữ liệu vi khí hậu động từ 03 trạm thời tiết thông minh iMetos tại Thuận Châu với bản đồ phân vùng tĩnh, vận hành tự động trên nền tảng WebGIS. Hệ thống đã phát hành thử nghiệm các bản tin dự báo nguy cơ cháy trước từ 24 đến 72 giờ, truyền tải trực tiếp qua giao diện web và tin nhắn SMS tới cán bộ kiểm lâm địa bàn với độ tin cậy trùng khớp kiểm chứng đạt trên $88%$.

Implications đa chiều

  • Ý nghĩa lý thuyết: Cung cấp mô hình lý thuyết tích hợp liên ngành giữa khoa học viễn thám, bản đồ học địa lý và khoa học trí tuệ nhân tạo; chứng minh tính tất yếu của việc chuyển dịch từ mô hình thống kê tiền nghiệm đơn biến sang mô hình học máy phi tham số trong dự báo tai biến thiên nhiên.
  • Ý nghĩa phương pháp luận: Chuẩn hóa quy trình thành lập bản đồ trọng điểm nguy cơ cháy rừng ở hai cấp độ hành chính (tỉnh 1:100.000 và huyện 1:50.000), có khả năng chuyển giao và áp dụng đồng bộ cho toàn bộ 6 tỉnh vùng Tây Bắc và các khu vực có điều kiện địa lý tương đồng.
  • Ứng dụng thực tiễn: Cung cấp công cụ số hóa phục vụ Chi cục Kiểm lâm tỉnh Sơn La và UBND huyện Thuận Châu trong việc chủ động chuyển đổi phương thức phòng cháy từ "bị động dập lửa" sang "chủ động canh phòng sớm", bố trí lực lượng trực chòi canh $12/24\text{h}$ hoặc $24/24\text{h}$ chính xác theo từng lô rừng nguy cấp.
  • Khuyến nghị chính sách: Đề xuất Sở Nông nghiệp & PTNT tỉnh Sơn La đưa bản đồ trọng điểm nguy cơ cháy rừng làm căn cứ bắt buộc trong quy hoạch 3 loại rừng, xây dựng đường băng cản lửa và phê duyệt các phương án canh tác nương rẫy bền vững cho đồng bào dân tộc thiểu số.

Limitations và Future Research

Mặc dù đạt được những kết quả đột phá, luận án thẳng thắn chỉ ra các giới hạn nghiên cứu:

  1. Độ phân giải thời gian và không gian của tư liệu ảnh: Luận án sử dụng ảnh SPOT 6 (2016) và Landsat 8; do hạn chế về nguồn lực tài chính, tác giả chưa có điều kiện cập nhật chuỗi ảnh viễn thám độ phân giải siêu cao (dưới 1 mét như WorldView hay Pleiades) liên tục theo từng tuần trong suốt mùa khô để giám sát biến động sinh khối tầng thấp theo thời gian thực.
  2. Mật độ phân bố trạm cảm biến iMetos: Nghiên cứu thí điểm mới lắp đặt được 03 trạm thời tiết thông minh iMetos trên địa bàn huyện Thuận Châu. Mật độ này chưa đủ dày để bao quát toàn bộ các tiểu vùng vi khí hậu có địa hình chia cắt mạnh tại các thung lũng sâu và đỉnh núi cao hiểm trở của tỉnh.
  3. Dữ liệu lịch sử cháy rừng: Hồ sơ lưu trữ các vụ cháy quá khứ ở cấp xã trước năm 2005 còn thiếu tọa độ GPS chính xác tuyệt đối, phần lớn dựa vào ước lượng diện tích báo cáo hành chính, gây khó khăn nhất định cho việc khớp nối với điểm nóng ảnh nhiệt MODIS.

Chương trình nghiên cứu 10 năm tiếp theo (Future Research Agenda):

  • Mở rộng thuật toán Deep Learning: Nghiên cứu ứng dụng mạng nơ-ron tích chập (Convolutional Neural Networks - CNN) và mô hình không gian - thời gian (ConvLSTM) để xử lý trực tiếp chuỗi ảnh radar Sentinel-1/Sentinel-2 đa phổ trong theo dõi độ ẩm lớp phủ thực bì liên tục 5 ngày/lần.
  • Mạng lưới IoT vi khí hậu diện rộng: Mở rộng lắp đặt hệ sinh thái trạm quan trắc IoT không dây giá thành thấp trên toàn bộ 11 huyện của tỉnh Sơn La, kết nối điện toán biên (Edge Computing) để phân tích chỉ số bốc thoát hơi nước ngay tại trạm.
  • Tích hợp mô hình lan truyền đám cháy (Fire Spread Simulation): Phát triển tích hợp mô hình động lực học ngọn lửa (như FARSITE hay Prometheus) vào hệ thống WebGIS nhằm mô phỏng tốc độ và hướng lan tràn của đám cháy theo thời gian thực khi có sự cố bùng phát.

Tác động và ảnh hưởng

Luận án tạo ra tác động sâu rộng trên nhiều bình diện:

  • Tác động học thuật: Đóng góp cơ sở dữ liệu số hóa chuẩn hóa và phương pháp luận tiên tiến cho cộng đồng nghiên cứu Địa lý, Viễn thám và Quản lý tài nguyên rừng tại Việt Nam; mở ra tiềm năng trích dẫn cao trong các tạp chí quốc tế thuộc danh mục ISI/Scopus chuyên ngành GIS và Tai biến thiên nhiên (Remote Sensing, International Journal of Wildland Fire, Geocarto International).
  • Chuyển đổi ngành Lâm nghiệp: Hiện đại hóa quy trình công tác của lực lượng kiểm lâm, chuyển từ báo cáo giấy thủ công sang tương tác trực quan trên bản đồ số WebGIS và tiếp nhận thông tin cảnh báo tự động qua SMS trên thiết bị di động.
  • Hiệu quả kinh tế - xã hội: Việc nâng cao độ chính xác dự báo và phát hiện sớm các đám cháy giúp giảm thiểu hàng trăm hecta rừng bị thiêu rụi mỗi năm, bảo vệ hệ sinh thái đầu nguồn thủy điện Sơn La và Hòa Bình, tiết kiệm ngân sách hàng tỷ đồng cho công tác huy động lực lượng dập lửa khẩn cấp.
  • Giá trị môi trường toàn cầu: Bảo tồn trữ lượng carbon rừng nhiệt đới, trực tiếp cắt giảm hàng ngàn tấn phát thải khí nhà kính ($CO_2, CH_4$) do cháy rừng gây ra, đóng góp thiết thực vào cam kết Net Zero và các chương trình REDD+ của quốc gia.

Đối tượng hưởng lợi

                               CƠ CHẾ PHÂN PHỐI LỢI ÍCH CỦA LUẬN ÁN
+----------------------------+-----------------------------------------------------------------------+
| Nhóm đối tượng             | Giá trị thụ hưởng cụ thể và khả năng ứng dụng                         |
+----------------------------+-----------------------------------------------------------------------+
| Nghiên cứu sinh & Giảng    | Khung phương pháp luận kết hợp AHP - Machine Learning - WebGIS; bộ tư |
| viên chuyên ngành          | liệu viễn thám mẫu và quy trình xử lý không gian chuẩn hóa.           |
+----------------------------+-----------------------------------------------------------------------+
| Chi cục Kiểm lâm & Hạt     | Bản đồ trọng điểm nguy cơ cháy tỷ lệ 1:100.000 và 1:50.000; bản tin   |
| Kiểm lâm địa phương        | cảnh báo sớm 1 - 3 ngày phục vụ phân công tuần tra, canh gác.         |
+----------------------------+-----------------------------------------------------------------------+
| Cơ quan hoạch định chính   | Cơ sở khoa học vững chắc để quy hoạch không gian sử dụng đất lâm      |
| sách (UBND Tỉnh, Sở NN)    | nghiệp, phân bổ ngân sách PCCCR và đầu tư hạ tầng trạm quan trắc.     |
+----------------------------+-----------------------------------------------------------------------+
| Cộng đồng dân cư vùng cao  | Cảnh báo an toàn sớm trước mùa đốt nương; giảm thiểu nguy cơ cháy lan |
| ven rừng                   | gây thiệt hại tài sản, nương đồi và tính mạng người dân.              |
+----------------------------+-----------------------------------------------------------------------+

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của luận án là gì và đã mở rộng lý thuyết nào?

Đóng góp lý thuyết độc đáo nhất là việc mở rộng Lý thuyết Tam giác Môi trường Cháy rừng (Wildland Fire Environment Triangle) bằng cách lượng hóa và tích hợp thành công cấu trúc đa tầng của các nhân tố tự nhiên (địa hình, vi khí hậu, vật liệu sinh khối) với các nhân tố động học xã hội (tập quán canh tác nương rẫy, hành lang giao thông, mật độ dân cư) thành hệ chỉ tiêu không gian 11 lớp đồng nhất. Luận án đã chứng minh rằng trong điều kiện cảnh quan nhiệt đới gió mùa Tây Bắc, yếu tố con người không chỉ đóng vai trò kích hoạt nguồn lửa ngẫu nhiên mà còn làm thay đổi trực tiếp cấu trúc nhạy cảm cháy của môi trường xung quanh.

2. Điểm đổi mới phương pháp luận khi so sánh với các công trình tiền nhiệm?

So với phương pháp tính chỉ số Nesterov $P$ truyền thống (chỉ dựa vào nhiệt độ và độ ẩm đơn điểm tại trạm khí tượng) và các công trình giải đoán ảnh MODIS đơn lẻ của Doãn Hà Phong (2006) hay Trần Hùng (2007), luận án đã tạo bước đột phá phương pháp luận bằng cách thiết lập Quy trình mô hình hóa đa cấp độ (Multi-scale Hybrid Pipeline):

  • Kết hợp phương pháp MCA/AHP cho quy mô vĩ mô toàn tỉnh (1:100.000) nhằm định hình bức tranh tổng thể;
  • Ứng dụng 3 thuật toán học máy phi tham số (RF, SVM, MLP) cho quy mô vi mô cấp huyện (1:50.000) với kiểm định AUC-ROC đạt $0,932$;
  • Kết nối tự động dữ liệu không gian tĩnh với dữ liệu khí tượng động học thời gian thực từ mạng lưới trạm thông minh iMetos trên nền WebGIS.

3. Phát hiện bất ngờ nhất từ dữ liệu thực nghiệm là gì?

Phát hiện bất ngờ và có ý nghĩa thực tiễn sâu sắc nhất là: Khoảng cách đến nương rẫy ($< 500\text{ m}$) và cự ly tiếp cận đường giao thông có trọng số tác động tới nguy cơ cháy rừng cao hơn đáng kể so với yếu tố độ cao tuyệt đối của địa hình. Dữ liệu không gian chứng minh các vụ cháy lịch sử tập trung cao độ ở các vành đai chuyển tiếp sinh thái nông - lâm nghiệp chân núi và sườn thoải nơi có hoạt động nhân sinh dày đặc, thay vì các vùng núi cao xa xôi có nhiệt độ thấp và độ ẩm cao.

4. Luận án có cung cấp quy trình tái lặp nghiên cứu (Replication Protocol) không?

Có. Luận án mô tả chi tiết, minh bạch toàn bộ quy trình tái lặp nghiên cứu bao gồm: quy chuẩn cấu trúc bảng dữ liệu đầu vào trong Weka, tham số thiết lập của các thuật toán (RF với số lượng cây và độ sâu nhánh, SVM với hàm nhân RBF, MLP với tốc độ học learning rate và số epoch), cấu trúc trường dữ liệu WebGIS (Bảng trạm cảm biến, Bảng giá trị cảm biến, Bảng phân cấp ranh giới hành chính Xã/Huyện/Tỉnh), và các bước xử lý chỉ số $\Delta\text{NBR}$ trên Google Earth Engine.

5. Định hướng chương trình nghiên cứu 10 năm tới được phác thảo như thế nào?

Luận án đề xuất chương trình nghiên cứu 10 năm tập trung vào: (1) Tích hợp học sâu (Deep Learning) với chuỗi ảnh viễn thám radar đa thời gian để tự động phân tích độ ẩm thực bì dưới tán rừng dày; (2) Mở rộng mạng lưới cảm biến mặt đất IoT iMetos kết hợp trạm vi khí hậu năng lượng mặt trời trên toàn vùng Tây Bắc; (3) Phát triển module mô phỏng động lực học lan truyền đám cháy 3D thời gian thực (Real-time 3D Fire Spread Simulation) tích hợp công nghệ thực tế ảo hỗ trợ chỉ huy tác chiến chữa cháy.

Kết luận

Luận án tiến sĩ của NCS. Đặng Ngô Bảo Toàn đã hoàn thành xuất sắc các mục tiêu nghiên cứu với 05 đóng góp cốt lõi:

  1. Hoàn thiện cơ sở lý luận và khoa học: Phát triển thành công khung lý thuyết tích hợp công nghệ Địa thông tin (GIS, RS, GPS), phân tích đa tiêu chí AHP, trí tuệ nhân tạo học máy và WebGIS trong nghiên cứu nguy cơ và cảnh báo cháy rừng tại vùng núi nhiệt đới.
  2. Xác lập bộ tiêu chí không gian 11 chỉ tiêu chuẩn hóa: Phản ánh toàn diện 3 nhóm nhân tố (vật liệu cháy - khí hậu, địa hình, kinh tế - xã hội), trở thành công cụ định lượng khoa học cho phân vùng tai biến.
  3. Thành lập hệ thống bản đồ trọng điểm nguy cơ cháy chính xác cao: Xây dựng bản đồ tỷ lệ 1:100.000 cho toàn tỉnh Sơn La và tỷ lệ 1:50.000 cho huyện Thuận Châu; kiểm chứng qua 15 năm dữ liệu cháy thực tế và mô hình Random Forest đạt chỉ số $\text{AUC} = 0,932$.
  4. Vận hành thử nghiệm hệ sinh thái cảnh báo sớm WebGIS 4.0: Tích hợp trực tuyến dữ liệu chuỗi thời gian từ 03 trạm thời tiết thông minh iMetos, tự động phát hành bản tin dự báo nguy cơ trước 1 - 3 ngày qua Cổng thông tin điện tử và tin nhắn SMS.
  5. Đóng góp thực tiễn và chính sách: Cung cấp luận cứ khoa học chuẩn xác hỗ trợ chính quyền địa phương, ngành lâm nghiệp và lực lượng kiểm lâm tỉnh Sơn La nâng cao năng lực quản lý, bảo vệ rừng và ứng phó chủ động với biến đổi khí hậu.

Công trình đánh dấu bước tiến quan trọng trong việc chuyển đổi số ngành quản trị tài nguyên rừng, mở ra các hướng nghiên cứu liên ngành hiện đại giữa Khoa học Địa lý và Trí tuệ Nhân tạo phục vụ phát triển bền vững đất nước.