Tổng quan về luận án

Luận án này tiên phong trong việc định lượng tác động của thủy tai đối với ngành trồng trọt tại huyện Hòa Vang, thành phố Đà Nẵng, đặc biệt trong bối cảnh biến đổi khí hậu gia tăng. Nghiên cứu xác lập cơ sở khoa học vững chắc thông qua ứng dụng các công nghệ mới, hướng tới phát triển ngành bền vững. Bối cảnh khoa học toàn cầu cho thấy biến đổi khí hậu đang làm gia tăng mức độ khốc liệt của các thủy tai, gây tổn thất nặng nề cho nông nghiệp. Điển hình, nông nghiệp thế giới chịu thiệt hại 108 tỷ USD giai đoạn 2008 - 2018. Tại Việt Nam, ngành trồng trọt đặc biệt dễ tổn thương với “60% diện tích và 70% dân số nằm trong vùng nguy cơ thủy tai” [58]. Hòa Vang, với đặc thù thường xuyên đối mặt ngập lụt mùa mưa và hạn hán mùa khô, là một khu vực nghiên cứu có ý nghĩa cấp thiết.

Research gap cụ thể được xác định là sự thiếu vắng các ứng dụng "phương pháp học máy tiên tiến (Boosting, Stacking) để phân vùng nguy cơ ngập lụt tại Hòa Vang". Các nghiên cứu hạn hán trước đây thường chỉ dùng chỉ số đơn lẻ. Luận án này lấp đầy khoảng trống đó bằng cách tiếp cận tổng hợp, đánh giá đồng thời hạn khí tượng (SPI) và hạn nông nghiệp (VHI), và là công trình đầu tiên tại Đà Nẵng tích hợp hai nguy cơ này trong một khung phân tích rủi ro thống nhất ở cấp huyện, sử dụng đa nguồn dữ liệu (viễn thám, mưa vệ tinh, thực địa) và mô hình học máy.

Nghiên cứu được dẫn dắt bởi ba câu hỏi trọng tâm và các giả thuyết liên quan:

  1. Làm thế nào các phương pháp tiên tiến (viễn thám, học máy) có thể được ứng dụng hiệu quả để lập bản đồ nguy cơ ngập lụt, hạn hán và biến động sử dụng đất trồng trọt tại Hòa Vang?
  2. Tác động hiện tại và dự báo của thủy tai tổng hợp (ngập lụt và hạn hán) đối với không gian sản xuất trồng trọt, hạ tầng và lịch mùa vụ tại Hòa Vang trong các kịch bản biến đổi khí hậu là gì?
  3. Các định hướng phát triển và giải pháp bền vững nào là cần thiết cho ngành trồng trọt của Hòa Vang để thích ứng với các nguy cơ thủy tai?

Các giả thuyết (luận điểm bảo vệ) của luận án bao gồm:

  • Giả thuyết 1: Việc tích hợp viễn thám, GIS và dữ liệu thực địa với nền tảng GEE cùng các mô hình học máy tiên tiến (Boosting, Stacking) mang lại hiệu quả cao trong lập bản đồ ngập lụt, hạn hán, sử dụng đất trồng trọt và phân vùng nguy cơ thủy tai tại Hòa Vang.
  • Giả thuyết 2: Thủy tai (ngập lụt, hạn hán) đang gia tăng mạnh mẽ, ảnh hưởng lớn đến sản xuất trồng trọt tại Hòa Vang, do đó, các giải pháp phát triển bền vững cần dựa trên đánh giá định lượng tổng hợp về tác động của thủy tai đối với không gian sản xuất, gắn kết chặt chẽ với định hướng phát triển kinh tế - xã hội địa phương để nâng cao năng lực thích ứng và hiệu quả sử dụng đất.

Khung lý thuyết của luận án dựa trên sự kết hợp các mô hình đánh giá rủi ro thiên tai và khung lý thuyết về tính dễ tổn thương và năng lực thích ứng trong bối cảnh biến đổi khí hậu. Nghiên cứu sử dụng các lý thuyết về hệ thống địa lý, viễn thám và học máy để xây dựng các mô hình dự đoán và phân tích không gian.

Đóng góp đột phá của nghiên cứu bao gồm việc xây dựng bộ dữ liệu và hệ thống bản đồ rủi ro ngập lụt, hạn hán với độ chính xác cao cho ngành trồng trọt Hòa Vang. Đặc biệt, luận án đã dự báo "thủy tai sẽ tác động đến 4.758,8 ha đất trồng trọt, trong đó 70,5% diện tích thuộc nhóm nguy cơ cao và rất cao" đến năm 2030, cung cấp bằng chứng định lượng cho quy hoạch sử dụng đất bền vững. Phạm vi không gian của nghiên cứu bao trùm toàn bộ huyện Hòa Vang, thành phố Đà Nẵng, với dữ liệu chính được thu thập và phân tích trong giai đoạn 2015-2024. Ý nghĩa của nghiên cứu nằm ở việc cung cấp cơ sở khoa học vững chắc cho việc hoạch định chính sách thích ứng, đảm bảo an ninh lương thực và sinh kế bền vững cho cộng đồng địa phương.

Literature Review và Positioning

Luận án thực hiện tổng quan chuyên sâu về tình hình nghiên cứu tác động của thủy tai đến ngành trồng trọt, cả trên thế giới và tại Việt Nam. Về nghiên cứu ngập lụt, các phương pháp phổ biến trên thế giới bao gồm mô hình thủy lực, phân tích đa tiêu chí, thống kê và học máy. Mục tiêu chung là định lượng thiệt hại để phát triển chiến lược quản lý. Đối với hạn hán, nghiên cứu toàn cầu tập trung vào tác động nông nghiệp, tài nguyên nước và gần đây mở rộng sang hệ sinh thái và kinh tế - xã hội.

Tại Việt Nam, các công trình về ngập lụt đáng chú ý có thể kể đến của Huỳnh Thị Thu Hương (2017) [19], Nguyễn Thị Liễu (2017) [20], và Nguyễn Bích Ngọc (2021) [25]. Về hạn hán, Bộ Tài nguyên và Môi trường đã xây dựng bản đồ hạn hán toàn quốc (2013-2015) [1], cùng với các nghiên cứu lập bản đồ hạn ở Đồng Nai [14], đánh giá nguy cơ hạn tại Bắc Bình (Bình Thuận) [18], tính toán chỉ số SPI cho Đắk Nông [16], và xây dựng bản đồ khô hạn Ninh Thuận [36]. Các nghiên cứu này đã đặt nền móng quan trọng cho việc hiểu và quản lý rủi ro thủy tai trong nước.

Cụ thể hơn tại Đà Nẵng và huyện Hòa Vang, Viện Khoa học Thủy lợi Miền Nam (2009) [49] đã xây dựng bản đồ ngập lụt theo bốn kịch bản BĐKH. Tô Thúy Nga và Nguyễn Thành Phát (2020) [23] đã kết hợp mô hình thủy lực MIKE UHM và MIKE 21 để đánh giá tác động của đô thị hóa đến ngập lụt lưu vực sông Cu Đê. Về hạn hán, CARE (2017) [6] phân tích rủi ro ngập lụt – hạn hán tại lưu vực Vu Gia – Thu Bồn. Trần Thị Phượng (2019) [27] đã nghiên cứu tác động hạn đến đất lúa Hòa Vang bằng SPI kết hợp GIS và viễn thám.

Khoảng trống nghiên cứu được luận án này xác định một cách rõ ràng: các phương pháp học máy tiên tiến như Boosting và Stacking chưa được ứng dụng để phân vùng nguy cơ ngập lụt tại Hòa Vang. Ngoài ra, các nghiên cứu hạn hán trước đây thường chỉ sử dụng chỉ số đơn lẻ. Luận án này tiên phong trong việc "đánh giá tổng hợp hạn khí tượng (SPI) và hạn nông nghiệp (VHI)", và là "công trình đầu tiên tại Đà Nẵng tích hợp đồng thời nguy cơ ngập lụt và hạn hán trong một khung phân tích rủi ro thống nhất ở cấp huyện, sử dụng đa nguồn dữ liệu (viễn thám, mưa vệ tinh, thực địa) và mô hình học máy". Điều này giúp luận án định vị mình ở vị trí tiên phong, vượt ra ngoài các phương pháp truyền thống và đơn lẻ để mang lại cái nhìn toàn diện hơn về tác động tổng hợp của thủy tai đến sản xuất trồng trọt.

So sánh với ít nhất hai nghiên cứu quốc tế, trong khi nhiều nước trên thế giới đã "vận dụng các phương pháp như mô hình thủy lực, phân tích đa tiêu chí, thống kê và học máy" để nghiên cứu ngập lụt và tác động đến nông nghiệp, luận án này vượt trội bằng cách tập trung vào sự kết hợp và tối ưu hóa các mô hình học máy tiên tiến như Stacking, vốn ít được áp dụng ở cấp độ địa phương. Tương tự, các nghiên cứu hạn hán toàn cầu đã mở rộng sang tác động sinh thái và kinh tế - xã hội, nhưng việc tích hợp cụ thể SPI và VHI để tạo ra một chỉ số tổng hợp toàn diện cho hạn nông nghiệp và khí tượng như trong luận án là một bước tiến đáng kể so với việc chỉ dùng chỉ số đơn lẻ, đặc biệt trong bối cảnh dữ liệu trạm đo hạn chế ở các nước đang phát triển.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án này không chỉ mở rộng mà còn thách thức các phương pháp luận đánh giá rủi ro thiên tai truyền thống bằng cách tích hợp và chứng minh tính ưu việt của học máy tiên tiến. Nó mở rộng Lý thuyết về Tính dễ Tổn thương và Năng lực Thích ứng (Vulnerability and Adaptability Theory) bằng cách cung cấp một khuôn khổ định lượng chi tiết cho việc đánh giá các yếu tố vật lý và không gian của rủi ro thủy tai, đặc biệt là trong lĩnh vực trồng trọt. Thay vì chỉ mô tả, nghiên cứu này lượng hóa mức độ tổn thương của các loại đất nông nghiệp (LUA, HNK, CLN) trước các loại hình thủy tai cụ thể. Bằng cách so sánh các mô hình thống kê hai biến (WoE, FR) với học máy (Boosting, Stacking), luận án đã chỉ ra sự vượt trội của học máy, góp phần hoàn thiện Phương pháp luận Đánh giá Rủi ro Thiên tai (Disaster Risk Assessment Methodology) và đẩy mạnh việc ứng dụng các công cụ tiên tiến trong lĩnh vực này, điều mà các nhà lý thuyết như C. Cutter và G. White đã nhấn mạnh trong các nghiên cứu về rủi ro môi trường.

Khung khái niệm của luận án được xây dựng dựa trên mối quan hệ phức tạp giữa các yếu tố tự nhiên, kinh tế - xã hội, các hiện tượng thủy tai (ngập lụt, hạn hán), và ngành trồng trọt. Các thành phần chính bao gồm: 1) Các yếu tố đầu vào (dữ liệu viễn thám, khí tượng thủy văn, thực địa, KT-XH); 2) Quá trình phân tích (xử lý dữ liệu trên GEE, GIS, ứng dụng học máy để lập bản đồ nguy cơ); 3) Kết quả đánh giá (bản đồ nguy cơ ngập lụt, hạn hán, thủy tai tổng hợp, bản đồ biến động sử dụng đất); và 4) Đề xuất giải pháp thích ứng và phát triển bền vững. Luận án tích hợp các chỉ số như SPI và VHI để tạo ra một cái nhìn tổng thể về hạn hán, vượt xa các phương pháp đơn lẻ.

Mô hình lý thuyết được đề xuất dựa trên các luận điểm bảo vệ, đưa ra các giả thuyết định lượng về tác động và hiệu quả của các giải pháp. Ví dụ, Giả thuyết 1 (tính hiệu quả của tích hợp công nghệ) và Giả thuyết 2 (sự cần thiết của đánh giá định lượng tổng hợp) là nền tảng cho mô hình này. Nghiên cứu này đặt tiền đề cho một sự chuyển đổi mô hình (paradigm shift) từ các phương pháp đánh giá rủi ro dựa trên thống kê truyền thống sang các phương pháp định lượng hiện đại, linh hoạt và chính xác hơn dựa trên học máy và viễn thám. Bằng chứng từ kết quả so sánh mô hình cho thấy "mô hình Stacking vượt trội với điểm chuẩn hóa trung bình 0,885, cao hơn Boosting (0,765) và vượt xa WoE (0,270), FR (0,134)", khẳng định tính đúng đắn của sự thay đổi này.

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp ba lĩnh vực lý thuyết chính: 1) Lý thuyết Viễn thám (Remote Sensing Theory) trong việc trích xuất và phân tích dữ liệu không gian từ Landsat, Sentinel-1 và CHIRPS; 2) Lý thuyết Hệ thống thông tin địa lý (GIS Theory) để quản lý, phân tích và chồng lớp dữ liệu không gian; và 3) Lý thuyết Học máy (Machine Learning Theory) để xây dựng các mô hình dự đoán và phân loại nguy cơ. Đặc biệt, việc tích hợp đồng thời chỉ số hạn khí tượng SPI và chỉ số hạn nông nghiệp VHI, sau đó chồng lớp với bản đồ nguy cơ ngập lụt để tạo ra "bản đồ phân vùng nguy cơ thủy tai" tổng hợp, là một cách tiếp cận mới mẻ, mang lại cái nhìn đa chiều và toàn diện.

Cách tiếp cận phân tích này độc đáo bởi vì nó kết hợp "dữ liệu không gian, viễn thám và học máy tiên tiến để lập bản đồ nguy cơ ngập lụt có độ chính xác cao", đồng thời "lần đầu tiên tích hợp SPI và VHI để phân tích toàn diện hạn nông nghiệp và khí tượng tại khu vực". Các đóng góp khái niệm bao gồm định nghĩa rõ ràng về thủy tai như là "các hiện tượng thiên tai liên quan đến nước, bao gồm các quá trình như ngập lụt, lũ quét, hạn hán" [126], cùng với phân loại chi tiết các mức độ rủi ro (rất cao, cao, trung bình, thấp, rất thấp) dựa trên ma trận tích hợp.

Các điều kiện biên được xác định rõ ràng: nghiên cứu tập trung vào ngập lụt và hạn hán do chúng gây thiệt hại nghiêm trọng nhất cho ngành trồng trọt của huyện. Phạm vi nghiên cứu giới hạn ở việc đánh giá tác động lên ba nhóm đất trồng trọt chính: đất trồng lúa (LUA), đất cây hàng năm khác (HNK) và đất cây lâu năm (CLN), cùng với ảnh hưởng đến giao thông nội đồng (GTNĐ) và lịch thời vụ của các cây trồng hàng năm chính. Các giả định về dữ liệu viễn thám (ví dụ, giả định thảm thực vật năm 2030 không biến động lớn trong dự báo hạn nông nghiệp) cũng được nêu rõ.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Thiết kế nghiên cứu của luận án theo hướng chủ yếu là thực chứng (positivism), với mục tiêu xây dựng "cơ sở khoa học phục vụ đánh giá tác động của thủy tai" và "đánh giá định lượng" các khu vực chịu ảnh hưởng. Epistemological stance là khách quan (objectivist), tìm kiếm kiến thức thông qua đo lường, phân tích dữ liệu thực nghiệm và xây dựng mô hình có khả năng dự đoán và khái quát hóa.

Luận án áp dụng phương pháp hỗn hợp (mixed methods) nhưng với trọng tâm mạnh mẽ vào định lượng. Mặc dù không sử dụng thuật ngữ này một cách trực tiếp, nghiên cứu kết hợp phân tích định lượng chuyên sâu từ dữ liệu viễn thám, GIS, học máy, và thống kê, cùng với phân tích bối cảnh kinh tế - xã hội và khảo sát thực địa để thu thập thông tin định tính và kiểm chứng dữ liệu. Kết quả là một bức tranh toàn diện và có cơ sở dữ liệu mạnh mẽ về tác động của thủy tai.

Thiết kế nghiên cứu đa cấp (multi-level design) được triển khai thông qua việc phân tích tác động ở cấp độ huyện, sau đó đi sâu vào từng xã và cụ thể hóa trên từng nhóm đất trồng trọt (LUA, HNK, CLN). Điều này cho phép xác định các vùng có mức độ dễ tổn thương khác nhau và đề xuất giải pháp phù hợp với từng cấp độ không gian. Kích thước mẫu và tiêu chí lựa chọn được xác định thông qua việc thu thập "dữ liệu chính về thủy tai và ngành trồng trọt... trong giai đoạn 2015 - 2024" trên toàn bộ huyện Hòa Vang. Dữ liệu viễn thám bao gồm "309 ảnh Landsat (5 TM và 8 OLI) mùa khô (tháng V-VII) giai đoạn 1995-2024" và ảnh Sentinel 1 giai đoạn 2015-2024. Tiêu chí lựa chọn dữ liệu thủy tai tập trung vào ngập lụt và hạn hán do đây là hai loại hình gây thiệt hại nghiêm trọng nhất cho ngành trồng trọt tại huyện.

Quy trình nghiên cứu rigorous

Chiến lược lấy mẫu dữ liệu viễn thám được thực hiện một cách chặt chẽ: ảnh Landsat 5/8 và Sentinel-1 được thu thập cho các giai đoạn cụ thể và được tiền xử lý trên GEE. Tiêu chí loại trừ bao gồm các vùng nước thường xuyên khi trích xuất bản đồ ngập lụt. Dữ liệu mưa vệ tinh CHIRPS được sử dụng để tính toán SPI, khắc phục hạn chế của trạm đo.

Các giao thức thu thập dữ liệu được mô tả chi tiết. Đối với ngập lụt, bản đồ ngập được trích xuất từ ảnh Sentinel-1 bằng phân ngưỡng Otsu và xử lý trên GEE (JavaScript). Đối với hạn hán, các chỉ số VCI, TCI và VHI được tính toán từ NDVI và LST (từ Landsat) trên GEE, kết hợp với GIS. SPI được tính từ dữ liệu CHIRPS cũng trên GEE. Bản đồ hiện trạng sử dụng đất được giải đoán từ ảnh Landsat 8 bằng thuật toán Random Forest (RF) trên GEE.

Nghiên cứu áp dụng phép tam giác (triangulation) thông qua việc kết hợp nhiều loại dữ liệu (viễn thám, mưa vệ tinh, thống kê KT-XH, khảo sát thực địa) và nhiều phương pháp (thống kê hai biến, học máy, GIS). Điều này nâng cao độ tin cậy của kết quả. Độ giá trị (validity) và độ tin cậy (reliability) của các kết quả được đánh giá nghiêm ngặt. Độ chính xác của bản đồ ngập lụt chiết xuất từ ảnh Sentinel-1 đạt "chỉ số Kappa lên đến 0,80", một mức rất tốt. Diện tích ngập lụt có "tương quan dương rất mạnh với lượng mưa (r = 0,91) và lưu lượng dòng chảy 5 ngày trước (r = 0,90)". Độ tin cậy của SPI từ CHIRPS được xác thực thông qua tương quan tốt với dữ liệu CHRS và trạm quan trắc, với kiểm định Mann-Kendall (MK) khẳng định 9/12 tháng có ý nghĩa thống kê (p < 0,05). Độ tin cậy của bản đồ hiện trạng sử dụng đất cũng được đánh giá qua các chỉ số độ chính xác người dùng, nhà sản xuất, tổng quát và hệ số Kappa.

Data và phân tích

Đặc điểm mẫu dữ liệu bao gồm số liệu thống kê KT-XH, quy hoạch và số liệu ngành trồng trọt của Đà Nẵng và Hòa Vang giai đoạn 2015-2024, bản đồ nền (địa hình, thủy văn, thổ nhưỡng), dữ liệu viễn thám Landsat 5/8 và Sentinel 1, số liệu khí tượng thủy văn (mưa vệ tinh CHIRPS, CHRS và trạm đo). Các kỹ thuật phân tích tiên tiến được sử dụng bao gồm:

  • Học máy: Các mô hình Boosting (AdaBoost - AB, Light Gradient Boosting Machine - LGBM, CatBoost - CB, Extreme Gradient Boosting - XGBoost - XGB, Gradient Boosting - GB) và Stacking (kết hợp các mô hình Boosting với Linear Regression - LR làm mô hình tổng hợp) được triển khai trên nền tảng Google Colab (Python) để lập bản đồ nguy cơ ngập lụt.
  • Viễn thám và GIS: Xử lý ảnh trên GEE (JavaScript), phân ngưỡng Otsu, phân tích raster, chồng lớp bản đồ trong GIS để phân vùng nguy cơ và đánh giá tác động.
  • Thống kê: So sánh thống kê hai biến (Weight of Evidence - WoE, Frequency Ratio - FR) với các mô hình học máy. Đánh giá độ chính xác bằng các chỉ số như ROC-AUC, Kappa, KGE (Kling-Gupta Efficiency), RMSE, MAE, Huber Loss.

Các kiểm định độ vững chắc (robustness checks) được thực hiện bằng cách so sánh hiệu suất của các mô hình khác nhau (thống kê hai biến vs. Boosting vs. Stacking) trên một tập dữ liệu độc lập (30%). Kết quả cho thấy mô hình Stacking vượt trội với "điểm chuẩn hóa trung bình 0,885, cao hơn Boosting (0,765)" và vượt xa các phương pháp thống kê truyền thống. Điều này khẳng định độ tin cậy và hiệu quả của cách tiếp cận học máy tiên tiến trong nghiên cứu này. Mức độ tác động (effect sizes) và khoảng tin cậy (confidence intervals) được thể hiện thông qua các chỉ số thống kê như r, Kappa và p-values, đặc biệt là các biến động về diện tích (ví dụ: diện tích ngập tăng 5.401,8 ha, tương đương 83,5%).

Phát hiện đột phá và implications

Những phát hiện then chốt

Luận án đã đưa ra những phát hiện then chốt với bằng chứng cụ thể từ dữ liệu:

  1. Sự gia tăng và phân hóa không gian của ngập lụt: Diện tích ngập lụt tại Hòa Vang tăng mạnh "5.401,8 ha (83,5%)" giai đoạn 2015-2024, tập trung tại các xã vùng thấp như Hòa Khương, Hòa Liên, Hòa Tiến. Các kết quả này có ý nghĩa thống kê cao, với "diện tích ngập lụt có tương quan dương rất mạnh với lượng mưa (r = 0,91) và lưu lượng dòng chảy 5 ngày trước (r = 0,90)", cùng với bản đồ ngập lụt đạt "độ tin cậy cao với chỉ số Kappa lên đến 0,80".
  2. Hạn hán gia tăng cả về mức độ và phạm vi: Phân tích TCI, VCI, VHI cho thấy diện tích không hạn giảm sâu (TCI: 54,3% còn 34,9%; VCI: 50,4% còn 18,8%; VHI: 52,3% còn 26,9%), trong khi các cấp độ hạn khác tăng nhanh, đe dọa trực tiếp đến năng suất. Phát hiện này củng cố các nghiên cứu trước đây về biến đổi khí hậu.
  3. Tính dễ tổn thương cao của đất trồng trọt và hạ tầng: Đất trồng lúa (LUA) và đất cây hàng năm khác (HNK) cực kỳ nhạy cảm với thủy tai. Dự báo đến năm 2030, "2.255,8 ha đất LUA của Hòa Vang sẽ bị ảnh hưởng bởi thủy tai, gần như toàn bộ diện tích canh tác, trong đó 89,3% nằm ở mức cao - rất cao". Tương tự, "1.468,0 ha đất HNK... trong đó 74,6% ở mức cao - rất cao". Hạ tầng giao thông nội đồng cũng chịu tác động nghiêm trọng, với tổng chiều dài "1.093,8 km bị tác động, trong đó rủi ro rất cao chiếm 51,7% (565,8 km)".
  4. Hiệu quả vượt trội của mô hình học máy Stacking: So với thống kê hai biến (WoE, FR) và các mô hình Boosting đơn lẻ, Stacking đã chứng minh hiệu suất vượt trội trong phân vùng nguy cơ ngập lụt, với "điểm chuẩn hóa trung bình 0,885", cao hơn đáng kể (0,765 cho Boosting và 0,134 cho FR). Đây là một phát hiện quan trọng, chỉ ra một phương pháp mới hiệu quả hơn cho đánh giá rủi ro thiên tai.
  5. Dự báo tác động tổng hợp của thủy tai đến năm 2030: Dựa trên kịch bản RCP4.5, luận án dự báo "thủy tai sẽ tác động đến 4.758,8 ha đất trồng trọt, trong đó 70,5% diện tích thuộc nhóm nguy cơ cao và rất cao". Điều này cung cấp bằng chứng định lượng cho các quyết sách dài hạn.

Các phát hiện này khẳng định sự suy giảm diện tích đất trồng trọt tổng thể "5,5%" do đô thị hóa và ảnh hưởng của thủy tai, phù hợp với xu hướng biến đổi sử dụng đất được quan sát trong các nghiên cứu trước đây. Kết quả cũng cho thấy một số hiện tượng mới như sự dịch chuyển cơ cấu cây trồng thích ứng với thủy tai, ví dụ như cây lâu năm mở rộng ở vùng trung du và miền núi nhờ khả năng chống chịu tốt hơn.

Implications đa chiều

  • Theoretical advances: Luận án đóng góp vào các lý thuyết về đánh giá rủi ro thiên tai và lý thuyết về tính dễ tổn thương bằng cách chứng minh tính ưu việt của học máy và tích hợp đa chỉ số. Nghiên cứu mở rộng các khung phân tích truyền thống của lý thuyết hệ thống địa lý bằng cách kết hợp dữ liệu không gian, viễn thám và học máy để mô hình hóa các tương tác phức tạp giữa môi trường và con người.
  • Methodological innovations: Phương pháp tích hợp SPI và VHI để phân tích toàn diện hạn nông nghiệp và khí tượng, cùng với việc sử dụng Stacking model cho bản đồ nguy cơ ngập lụt, là những đổi mới có thể áp dụng rộng rãi cho các vùng sinh thái tương đồng, đặc biệt ở các khu vực thiếu dữ liệu trạm quan trắc truyền thống.
  • Practical applications: Nghiên cứu cung cấp "bộ dữ liệu và hệ thống bản đồ rủi ro ngập lụt, hạn hán" chi tiết, là công cụ thiết yếu cho các cấp quản lý địa phương. Các khuyến nghị cụ thể bao gồm chuyển đổi cơ cấu cây trồng (LUA sang cây ngắn ngày chịu hạn ở vùng hạn nặng, CLN ưu tiên xoài, mít ở vùng hạn nặng), điều chỉnh lịch mùa vụ (loại bỏ vụ Xuân Hè, tập trung vào Đông Xuân và Hè Thu tránh đỉnh lũ), và cải thiện hạ tầng thủy lợi.
  • Policy recommendations: Các phát hiện là cơ sở để hoạch định chính sách thích ứng cấp huyện, đặc biệt là "quy hoạch sử dụng đất và chuyển đổi cơ cấu cây trồng, mùa vụ thích ứng với rủi ro thủy tai". Luận án đề xuất các giải pháp công trình (nâng cấp kênh mương, hồ chứa) và phi công trình (cảnh báo sớm, hỗ trợ tài chính, liên kết chuỗi giá trị), với lộ trình triển khai rõ ràng thông qua việc bám sát Quy hoạch phát triển ngành trồng trọt huyện Hòa Vang đến năm 2030.
  • Generalizability conditions: Các phương pháp luận và khung phân tích được phát triển trong luận án có khả năng khái quát hóa cao cho các khu vực ven biển, đồng bằng thấp, và các vùng có điều kiện khí hậu nhiệt đới gió mùa tương tự ở Việt Nam và các nước đang phát triển, nơi dữ liệu trạm quan trắc còn hạn chế.

Limitations và Future Research

Luận án thừa nhận một số giới hạn cụ thể. Thứ nhất, mặc dù đã sử dụng dữ liệu viễn thám đa nguồn, độ phân giải không gian của một số dữ liệu (ví dụ CHIRPS) có thể ảnh hưởng đến chi tiết cục bộ của các phân tích. Thứ hai, dự báo tác động thủy tai đến năm 2030 dựa trên kịch bản RCP4.5, trong khi các kịch bản khác và các yếu tố kinh tế - xã hội phức tạp có thể mang lại kết quả khác biệt, chưa được mô hình hóa đầy đủ trong khuôn khổ định lượng này. Thứ ba, mặc dù đã xem xét các yếu tố KT-XH, mức độ tích hợp sâu sắc các yếu tố dễ tổn thương phi vật lý (ví dụ: năng lực ứng phó của cộng đồng, yếu tố thể chế) vẫn còn hạn chế.

Các điều kiện biên của nghiên cứu bao gồm tập trung vào huyện Hòa Vang, thành phố Đà Nẵng, với dữ liệu thủy tai và trồng trọt trong giai đoạn 2015-2024. Phạm vi nội dung giới hạn ở ngập lụt và hạn hán, và tác động của chúng lên các nhóm đất trồng lúa, cây hàng năm và cây lâu năm. Điều này có nghĩa là các loại thủy tai khác hoặc tác động lên các ngành kinh tế khác không nằm trong phạm vi đánh giá chi tiết của luận án.

Chương trình nghiên cứu tương lai được đề xuất với 4-5 hướng cụ thể:

  1. Mở rộng phạm vi thủy tai: Nghiên cứu tác động của các loại thủy tai khác như lũ quét, sạt lở đất, hoặc xâm nhập mặn, vốn cũng ảnh hưởng đáng kể đến nông nghiệp.
  2. Đánh giá đa kịch bản BĐKH: Mở rộng dự báo tác động dưới các kịch bản biến đổi khí hậu khác (ví dụ: RCP2.6, RCP8.5) và các mốc thời gian xa hơn (ví dụ: 2050, 2100) để có cái nhìn dài hạn hơn.
  3. Tích hợp sâu sắc yếu tố xã hội và kinh tế: Phát triển các mô hình tích hợp định lượng hóa cả tính dễ tổn thương xã hội, kinh tế của cộng đồng nông dân và các yếu tố phi vật lý khác vào khung đánh giá rủi ro.
  4. Phân tích chi phí – lợi ích của giải pháp: Thực hiện phân tích chi phí - lợi ích (cost-benefit analysis) cho các giải pháp thích ứng được đề xuất để cung cấp cơ sở kinh tế vững chắc hơn cho việc ra quyết định đầu tư.
  5. Ứng dụng hệ thống giám sát thời gian thực: Phát triển hệ thống giám sát và cảnh báo sớm thủy tai thời gian thực dựa trên viễn thám và IoT, tích hợp trực tiếp vào quy trình quản lý sản xuất trồng trọt.

Các cải tiến về phương pháp luận có thể bao gồm việc sử dụng các mô hình học sâu (deep learning) phức tạp hơn để xử lý dữ liệu viễn thám, nâng cao độ chính xác của bản đồ nguy cơ. Mở rộng lý thuyết có thể hướng tới việc xây dựng một khung lý thuyết tổng hợp hơn về khả năng phục hồi của hệ thống nông nghiệp (agro-ecosystem resilience) trong bối cảnh đa rủi ro thiên tai.

Tác động và ảnh hưởng

Luận án này được kỳ vọng sẽ tạo ra tác động sâu rộng trên nhiều bình diện.

Về tác động học thuật, nghiên cứu này đóng góp đáng kể vào lĩnh vực Địa lý tự nhiên và Khoa học môi trường. Các phương pháp luận cải tiến, đặc biệt là việc chứng minh sự vượt trội của mô hình học máy Stacking trong lập bản đồ nguy cơ ngập lụt và khung tích hợp SPI-VHI cho hạn hán, sẽ thiết lập một tiêu chuẩn mới cho các nghiên cứu đánh giá rủi ro thiên tai. Luận án có tiềm năng trở thành tài liệu tham khảo quan trọng, ước tính có thể đạt được nhiều trích dẫn trong các tạp chí khoa học quốc tế uy tín, đặc biệt là các công trình đã công bố trong Journal of Environmental Management và Journal of Water and Climate Change.

Đối với chuyển đổi ngành, các phát hiện và giải pháp của luận án có thể thúc đẩy sự đổi mới trong ngành nông nghiệp địa phương và các khu vực tương tự. Các khuyến nghị về chuyển đổi cơ cấu cây trồng thích ứng, điều chỉnh lịch mùa vụ, và phát triển nông nghiệp công nghệ cao sẽ hỗ trợ các doanh nghiệp nông nghiệp và hợp tác xã trong việc áp dụng các phương pháp canh tác bền vững và giảm thiểu rủi ro. Ví dụ, việc triển khai các hệ thống cảnh báo sớm và giám sát sẽ tối ưu hóa quản lý rủi ro cho các trang trại.

Về ảnh hưởng chính sách, luận án cung cấp bằng chứng định lượng vững chắc cho các nhà hoạch định chính sách ở cấp huyện, thành phố và thậm chí cấp quốc gia. Các bản đồ nguy cơ thủy tai chi tiết và dự báo tác động đến năm 2030 (với "4.758,8 ha đất trồng trọt bị ảnh hưởng, trong đó 70,5% ở mức nguy cơ cao và rất cao") là cơ sở quan trọng để xây dựng các quy hoạch sử dụng đất, kế hoạch phòng chống thiên tai và chính sách hỗ trợ nông nghiệp thích ứng với biến đổi khí hậu. Các đề xuất về giải pháp công trình và phi công trình sẽ hướng dẫn việc phân bổ nguồn lực hiệu quả hơn.

Lợi ích xã hội có thể được định lượng thông qua việc giảm thiểu thiệt hại mùa màng, ổn định sinh kế cho hàng ngàn hộ nông dân tại Hòa Vang. Việc giảm rủi ro ngập lụt và hạn hán trực tiếp góp phần vào an ninh lương thực địa phương, nâng cao thu nhập cho người dân và giảm gánh nặng chi phí phục hồi sau thiên tai.

Sự phù hợp quốc tế của nghiên cứu rất cao. Các phương pháp luận dựa trên viễn thám và học máy có thể áp dụng cho các khu vực dễ bị tổn thương bởi biến đổi khí hậu trên toàn cầu, đặc biệt là các nước đang phát triển có nguồn lực hạn chế trong việc thu thập dữ liệu mặt đất. Việc so sánh với các nghiên cứu quốc tế về thiệt hại nông nghiệp do thủy tai (ví dụ, "400 tỷ USD do lũ lụt giai đoạn 2009-2018" [88] hoặc "37 tỷ USD do hạn hán ở các nước thu nhập thấp và trung bình" [70]) càng khẳng định tầm quan trọng và sự liên quan của nghiên cứu này trong bối cảnh toàn cầu.

Đối tượng hưởng lợi

Luận án "Đánh giá tác động của thủy tai đến ngành trồng trọt huyện Hòa Vang, thành phố Đà Nẵng" mang lại lợi ích cụ thể cho nhiều đối tượng khác nhau.

Các nhà nghiên cứu tiến sĩ (Doctoral researchers) sẽ được hưởng lợi từ khung phương pháp luận tiên tiến, đặc biệt là việc tích hợp Google Earth Engine (GEE), viễn thám radar Sentinel-1, dữ liệu mưa vệ tinh CHIRPS, cùng các mô hình học máy Boosting và Stacking. Luận án cung cấp một mô hình thực nghiệm chi tiết để lấp đầy các khoảng trống nghiên cứu về đánh giá rủi ro tổng hợp thủy tai ở cấp địa phương, đặc biệt là trong các khu vực có hạn chế về dữ liệu trạm quan trắc truyền thống. Các hướng nghiên cứu tương lai được đề xuất cũng mở ra nhiều cơ hội để họ tiếp tục phát triển.

Các nhà khoa học cấp cao (Senior academics) trong các lĩnh vực địa lý tự nhiên, khoa học môi trường, và nông nghiệp sẽ tìm thấy trong luận án những tiến bộ lý thuyết quan trọng. Việc chứng minh sự ưu việt của mô hình Stacking (đạt "điểm chuẩn hóa trung bình 0,885") so với các phương pháp thống kê hai biến và các mô hình Boosting đơn lẻ trong đánh giá nguy cơ ngập lụt là một đóng góp đáng kể. Khung phân tích tích hợp SPI và VHI cho hạn hán cũng cung cấp một cách tiếp cận mới để hiểu rõ hơn về động lực hạn hán phức tạp. Điều này có thể định hình các chương trình nghiên cứu và phát triển lý thuyết trong tương lai.

Bộ phận Nghiên cứu và Phát triển (R&D) trong ngành công nghiệp (ví dụ: công nghệ nông nghiệp, bảo hiểm, quy hoạch đô thị) sẽ thu được các ứng dụng thực tiễn trực tiếp. Bộ dữ liệu và hệ thống bản đồ nguy cơ ngập lụt, hạn hán chi tiết cho Hòa Vang là công cụ quý giá để phát triển các giải pháp canh tác thông minh, giống cây trồng chịu hạn/chịu ngập, hoặc sản phẩm bảo hiểm rủi ro nông nghiệp. Các khuyến nghị về chuyển đổi cơ cấu cây trồng và lịch mùa vụ có thể giúp tối ưu hóa sản xuất và giảm thiểu thiệt hại kinh tế.

Các nhà hoạch định chính sách (Policy makers) ở cấp địa phương (huyện Hòa Vang, TP Đà Nẵng) và cấp tỉnh/quốc gia sẽ có được bằng chứng khoa học cụ thể để xây dựng chính sách dựa trên dữ liệu. Luận án cung cấp một lộ trình rõ ràng để phát triển ngành trồng trọt thích ứng với biến đổi khí hậu, bao gồm các giải pháp công trình (nâng cấp thủy lợi) và phi công trình (cảnh báo sớm, quy hoạch sử dụng đất, hỗ trợ tài chính). Dự báo về "4.758,8 ha đất trồng trọt bị ảnh hưởng, trong đó 70,5% ở mức nguy cơ cao và rất cao" đến năm 2030 là thông tin quan trọng để phân bổ nguồn lực và ưu tiên đầu tư. Lợi ích định lượng bao gồm việc giảm thiểu chi phí khắc phục thiên tai và tăng cường an ninh lương thực địa phương.

Câu hỏi chuyên sâu

  1. Đóng góp lý thuyết độc đáo nhất của luận án là gì? Đóng góp lý thuyết độc đáo nhất của luận án nằm ở việc hoàn thiện Phương pháp luận Đánh giá Rủi ro Thiên tai (Disaster Risk Assessment Methodology) thông qua việc chứng minh tính ưu việt của học máy tiên tiến, đặc biệt là mô hình Stacking, so với các phương pháp thống kê hai biến truyền thống trong lập bản đồ nguy cơ ngập lụt. Nghiên cứu mở rộng lý thuyết này bằng cách cung cấp một khuôn khổ định lượng chi tiết, tích hợp đa chỉ số (VHI và SPI) và đa nguồn dữ liệu (viễn thám, mưa vệ tinh, thực địa) để đánh giá toàn diện tác động của thủy tai. Khung tích hợp SPI và VHI không chỉ đánh giá riêng lẻ hạn khí tượng và hạn nông nghiệp mà còn tổng hợp chúng, mang lại cái nhìn sâu sắc hơn về tình trạng căng thẳng sinh học của cây trồng và điều kiện khí hậu, vượt ra ngoài các cách tiếp cận đơn lẻ.

  2. Đổi mới về phương pháp nghiên cứu của luận án là gì, so với hai hoặc nhiều nghiên cứu trước đây? Đổi mới phương pháp nghiên cứu của luận án nằm ở sự kết hợp độc đáo và tối ưu hóa các công nghệ.

    • Thứ nhất, luận án là công trình đầu tiên tại Đà Nẵng "tích hợp đồng thời nguy cơ ngập lụt và hạn hán trong một khung phân tích rủi ro thống nhất ở cấp huyện, sử dụng đa nguồn dữ liệu (viễn thám, mưa vệ tinh, thực địa) và mô hình học máy". Điều này khác biệt so với các nghiên cứu trước đây tại khu vực như của Viện Khoa học Thủy lợi Miền Nam (2009) [49] chỉ tập trung vào ngập lụt theo kịch bản BĐKH hoặc của Trần Thị Phượng (2019) [27] chỉ nghiên cứu tác động hạn hán đến đất lúa bằng SPI và GIS/viễn thám nhưng không tích hợp ngập lụt.
    • Thứ hai, việc ứng dụng các mô hình học máy tiên tiến như Boosting (AB, LGB, CB, XGB, GB) và đặc biệt là Stacking cho phân vùng nguy cơ ngập lụt là một bước tiến đáng kể. Luận án đã chứng minh "mô hình Stacking vượt trội với điểm chuẩn hóa trung bình 0,885" so với các phương pháp thống kê hai biến (WoE, FR) chỉ đạt 0,270 và 0,134. Trong khi các nghiên cứu ngập lụt khác trên thế giới đã sử dụng mô hình thủy lực (như Tô Thúy Nga và Nguyễn Thành Phát (2020) [23] dùng MIKE UHM, MIKE 21), hoặc các phương pháp thống kê đơn giản hơn, luận án này tối ưu hóa độ chính xác bằng cách tận dụng sức mạnh tổng hợp của các thuật toán học máy phức tạp.
    • Thứ ba, luận án áp dụng "dữ liệu CHIRPS tính SPI giúp khắc phục hạn chế trạm đo" và "lần đầu tiên tích hợp SPI và VHI để phân tích toàn diện hạn nông nghiệp và khí tượng tại khu vực". Phương pháp này vượt trội so với các nghiên cứu hạn hán trước đây thường "chỉ dùng chỉ số đơn lẻ".

  3. Phát hiện đáng ngạc nhiên nhất của luận án là gì, với sự hỗ trợ từ dữ liệu? Phát hiện đáng ngạc nhiên nhất là mức độ dễ tổn thương cực đoan của đất trồng lúa (LUA) và đất cây hàng năm khác (HNK) trước tác động tổng hợp của thủy tai trong bối cảnh biến đổi khí hậu dự báo. Cụ thể, dự báo đến năm 2030, "2.255,8 ha đất LUA của Hòa Vang sẽ bị ảnh hưởng bởi thủy tai, gần như toàn bộ diện tích canh tác, trong đó 89,3% nằm ở mức cao - rất cao". Tương tự, "1.468,0 ha đất HNK... trong đó 74,6% ở mức cao - rất cao". Sự ngạc nhiên đến từ việc mặc dù đã có những nỗ lực thích ứng như loại bỏ vụ Xuân Hè, nhưng tỷ lệ diện tích đất trồng trọt chính vẫn nằm trong vùng nguy cơ cao - rất cao lại lớn hơn nhiều so với dự kiến. Điều này nhấn mạnh tính cấp bách và thách thức của tình hình, cho thấy các biện pháp hiện tại có thể chưa đủ hoặc cần được đẩy mạnh hơn nữa.

  4. Giao thức sao chép nghiên cứu có được cung cấp không? Mặc dù luận án không cung cấp một "giao thức sao chép" chính thức theo kiểu mã nguồn mở hoàn chỉnh, nhưng nó mô tả chi tiết các bước quy trình nghiên cứu, dữ liệu sử dụng, các thuật toán và phần mềm được ứng dụng. Các phần như "Quy trình nghiên cứu chung", "Phương pháp đánh giá hiện trạng và biến động ngập lụt", "Phương pháp đánh giá hiện trạng hạn hán", và "Phương pháp phân vùng nguy cơ và đánh giá tác động của thủy tai" đều trình bày rõ ràng các bước thực hiện, các chỉ số tính toán, các mô hình học máy (Boosting, Stacking) và phần mềm (GEE - JavaScript, Google Colab - Python, GIS). Điều này cung cấp đủ thông tin để một nhà nghiên cứu có chuyên môn tương đương có thể tái tạo hoặc sao chép quy trình phân tích cốt lõi của luận án. Các công trình đã công bố trong danh mục cũng cung cấp các chi tiết kỹ thuật sâu hơn về các phương pháp này.

  5. Chương trình nghiên cứu 10 năm có được phác thảo không? Mặc dù luận án không trực tiếp phác thảo một "chương trình nghiên cứu 10 năm" cụ thể với các mốc thời gian, nhưng phần "Limitations và Future Research" đã đề xuất một lộ trình nghiên cứu rõ ràng với 4-5 hướng cụ thể cho tương lai. Các hướng này bao gồm: 1) Mở rộng phạm vi thủy tai sang lũ quét, sạt lở, xâm nhập mặn; 2) Đánh giá đa kịch bản BĐKH và các mốc thời gian xa hơn (ví dụ: 2050, 2100); 3) Tích hợp sâu sắc yếu tố xã hội và kinh tế vào mô hình định lượng; 4) Phân tích chi phí – lợi ích của giải pháp; và 5) Phát triển hệ thống giám sát và cảnh báo sớm thời gian thực. Những đề xuất này cùng với các cải tiến phương pháp luận (như sử dụng deep learning) và mở rộng lý thuyết (về khả năng phục hồi hệ sinh thái nông nghiệp) cung cấp một nền tảng vững chắc và định hướng cho các nghiên cứu tiếp theo trong vòng 5-10 năm tới, hướng tới sự hiểu biết toàn diện hơn và giải pháp thích ứng bền vững hơn.

Kết luận

Luận án "Đánh giá tác động của thủy tai đến ngành trồng trọt huyện Hòa Vang, thành phố Đà Nẵng" đã đạt được nhiều đóng góp quan trọng và cụ thể:

  1. Xác lập nền tảng khoa học vững chắc: Luận án đã làm rõ cơ sở lý luận và thực tiễn về thủy tai, các tác động của chúng đến ngành trồng trọt, đồng thời hệ thống hóa các cách tiếp cận, chỉ số và phương pháp đánh giá ngập lụt, hạn hán phù hợp với điều kiện địa phương.
  2. Phát triển hệ thống bản đồ nguy cơ tiên tiến: Thành lập hệ thống bản đồ chuyên đề chi tiết phản ánh diễn biến và mức độ tác động của ngập lụt (từ ảnh radar Sentinel-1) và hạn hán (từ SPI của CHIRPS và VHI của Landsat), cung cấp công cụ trực quan cho quản lý rủi ro.
  3. Đổi mới phương pháp đánh giá rủi ro: Chứng minh tính ưu việt của mô hình học máy Stacking (đạt "điểm chuẩn hóa trung bình 0,885") so với thống kê hai biến trong phân vùng nguy cơ ngập lụt, tạo tiền đề cho các ứng dụng công nghệ cao trong quản lý thiên tai.
  4. Đánh giá tác động tổng hợp định lượng: Đánh giá toàn diện tác động của thủy tai đến không gian sản xuất trồng trọt (LUA, HNK, CLN), hạ tầng giao thông nội đồng, và lịch mùa vụ, với các số liệu cụ thể về diện tích bị ảnh hưởng và mức độ rủi ro.
  5. Dự báo tác động biến đổi khí hậu có căn cứ: Dựa trên kịch bản RCP4.5, luận án dự báo "thủy tai sẽ tác động đến 4.758,8 ha đất trồng trọt, trong đó 70,5% diện tích thuộc nhóm nguy cơ cao và rất cao" đến năm 2030, cung cấp bằng chứng định lượng quan trọng cho hoạch định chính sách.
  6. Đề xuất giải pháp thích ứng và phát triển bền vững: Xây dựng hệ thống giải pháp tổng thể, liên ngành (công trình và phi công trình) có tính khả thi, phù hợp với thực tiễn địa phương nhằm giảm thiểu rủi ro thủy tai và nâng cao tính bền vững của sản xuất trồng trọt.

Nghiên cứu này đã tạo ra một sự thúc đẩy mô hình (paradigm advancement) trong đánh giá rủi ro thiên tai từ các phương pháp truyền thống sang các kỹ thuật định lượng hiện đại, linh hoạt và chính xác hơn dựa trên viễn thám và học máy. Điều này mở ra ít nhất ba luồng nghiên cứu mới: 1) Tích hợp sâu hơn các yếu tố xã hội và kinh tế vào mô hình định lượng tính dễ tổn thương; 2) Phát triển hệ thống cảnh báo sớm thời gian thực sử dụng dữ liệu viễn thám và IoT; và 3) Nghiên cứu chi phí - lợi ích của các giải pháp thích ứng trong bối cảnh đa rủi ro thiên tai.

Với các so sánh quốc tế về thiệt hại do thủy tai (ví dụ, "400 tỷ USD do lũ lụt giai đoạn 2009-2018" [88] hoặc "37 tỷ USD do hạn hán ở các nước thu nhập thấp và trung bình" [70]), luận án này có sự liên quan toàn cầu rõ rệt, đặc biệt đối với các khu vực ven biển và đồng bằng thấp tại các quốc gia đang phát triển. Di sản của luận án là một khuôn khổ đo lường, có thể định lượng được, giúp tăng cường khả năng phục hồi của ngành nông nghiệp, đảm bảo an ninh lương thực, và góp phần vào sự phát triển bền vững trong bối cảnh biến đổi khí hậu toàn cầu.