Tổng quan về luận án

Ô nhiễm không khí và bụi mịn tầng mặt đất hiện là một trong những thách thức môi trường cấp bách nhất mang tính toàn cầu. Theo báo cáo của Tổ chức Y tế Thế giới (WHO), "gần như toàn bộ dân số toàn cầu (99%) hít thở không khí vượt quá giới hạn hướng dẫn của WHO và chứa hàm lượng chất ô nhiễm cao... liên quan đến 7 triệu ca tử vong sớm hàng năm". Tại Việt Nam, quá trình công nghiệp hóa và đô thị hóa nhanh chóng đã làm gia tăng đáng kể nồng độ bụi vật chất đường kính nhỏ ($PM_{2.5}$, $PM_{10}$) và các khí tiền thân độc hại tại các vùng kinh tế trọng điểm như Hà Nội, Bắc Ninh và TP. Hồ Chí Minh. Luận án Tiến sĩ Khoa học máy tính của tác giả Trần Tuấn Vinh (Trường Đại học Công nghệ – Đại học Quốc gia Hà Nội, năm 2024, dưới sự hướng dẫn của GS. Nguyễn Thanh Thủy và PGS. Nguyễn Thị Nhật Thanh) mang tính tiên phong khi xây dựng một khung tích hợp đa quy mô giữa công nghệ viễn thám không gian, mô hình truyền bức xạ khí quyển, dữ liệu quan trắc thực địa và các thuật toán học máy tiên tiến nhằm giải quyết bài toán giám sát, phân bổ nguồn phát thải và dự đoán nồng độ bụi $PM_{2.5}$ độ phân giải cao ($30\text{ m}$).

Nghiên cứu tập trung giải quyết khoảng trống học thuật then chốt (research gap): các thuật toán ước tính độ sâu quang học của sol khí (Aerosol Optical Depth - AOD) truyền thống từ ảnh viễn thám độ phân giải cao (như Landsat, SPOT) thường phụ thuộc vào phương pháp Mục tiêu tối (Dark Dense Vegetation - DDV) hoặc phải so sánh với ảnh tham chiếu trong điều kiện khí quyển sạch (Sifakis & Deschamps, 1992). Cách tiếp cận này bộc lộ hạn chế nghiêm trọng tại các đô thị nhiệt đới có bề mặt sáng, cấu trúc địa hình không đồng nhất và tần suất mây che phủ cao. Đồng thời, việc thiếu dữ liệu kiểm kê phát thải cục bộ và sự phân bố thưa thớt của các trạm đo chuẩn mặt đất (AERONET) gây khó khăn lớn cho việc mô hình hóa $PM_{2.5}$ chính xác.

Luận án thiết lập hệ thống câu hỏi nghiên cứu và giả thuyết khoa học chặt chẽ:

  • RQ1: Làm thế nào để phân loại và định lượng đóng góp của các nguồn phát thải tự nhiên, công nghiệp, giao thông và đốt sinh khối nông nghiệp dựa trên sự kết hợp giữa dữ liệu vệ tinh đa cảm biến và quan trắc thực địa? (H1: Cấu trúc phân lớp sol khí theo phương thẳng đứng từ LiDAR và nồng độ cột $NO_2$ kết hợp với mô hình phát tán gió phản ánh chính xác sự phân hóa nguồn phát thải theo mùa và sự thay đổi hoạt động kinh tế - xã hội).
  • RQ2: Liệu có thể xây dựng một mối quan hệ phản xạ bề mặt mới giữa các kênh phổ nhìn thấy và hồng ngoại sóng ngắn để ước tính AOD trực tiếp ở độ phân giải $30\text{ m}$ mà không cần ảnh tham chiếu sạch? (H2: Tương quan phổ giữa kênh Xanh lam (Blue), Đỏ (Red) và Hồng ngoại sóng ngắn 2 (SWIR2) của cảm biến Landsat 8 OLI kết hợp với hiệu chỉnh địa hình DEM và lọc mây Fmask cho phép tách chính xác bức xạ khí quyển trên các bề mặt đô thị phức tạp).
  • RQ3: Mô hình học máy nào tối ưu hóa tốt nhất mối liên hệ phi tuyến giữa dữ liệu AOD viễn thám $30\text{ m}$ và các yếu tố khí tượng vi mô để dự đoán nồng độ $PM_{2.5}$ mặt đất? (H3: Tích hợp AOD Landsat 8 với các biến số khí quyển từ mô hình WRF thông qua các giải thuật Ensemble Learning/Deep Learning có tinh chỉnh siêu tham số sẽ nâng cao vượt trội độ chính xác dự đoán $PM_{2.5}$ so với việc chỉ dựa vào dữ liệu khí tượng hoặc AOD thô).

Phạm vi nghiên cứu bao quát dữ liệu vệ tinh toàn quốc giai đoạn 2006–2021 (dữ liệu CALIPSO 2006–2019, Sentinel-5P giai đoạn dịch COVID-19 2019–2020), khảo sát thực địa lúa 2 vụ tại ngoại thành Hà Nội, và thử nghiệm mô hình hóa $PM_{2.5}$ tại tâm điểm công nghiệp Bắc Ninh (giai đoạn 2020–2021). Ý nghĩa khoa học và thực tiễn của công trình thể hiện ở việc lượng hóa được các tham số phát thải đặc thù của Việt Nam, cung cấp công cụ tính toán AOD độ phân giải không gian $30\text{ m}$ phục vụ quản lý môi trường vi mô.

Literature Review và Positioning

Các luồng nghiên cứu chính về giám sát chất lượng không khí trên thế giới đã phát triển qua ba giai đoạn quan trọng:

  1. Quan trắc viễn thám sol khí tầng đối lưu: Khởi đầu từ các nghiên cứu nền tảng của Borrell và cộng sự (2003), Martin (2008), Palmer (2008), Hoff và Christopher (2009), chứng minh tiềm năng của cảm biến không gian trong việc quan sát ô nhiễm cột khí quyển. Omar và cộng sự (2009) cùng Kim và cộng sự (2018) đã chuẩn hóa thuật toán phân loại sol khí từ cảm biến LiDAR CALIOP (vệ tinh CALIPSO) qua các phiên bản Version 3 và Version 4. Nghiên cứu phân lớp sol khí theo phương thẳng đứng đã được ứng dụng quốc tế bởi Marinou và cộng sự (2017) với chuỗi dữ liệu 9 năm tại Châu Âu/Địa Trung Hải và Eguchi và cộng sự (2009) tại Thái Bình Dương và Bắc Mỹ.
  2. Thuật toán ước tính AOD độ phân giải cao: Thuật toán Dark Target (DT) kinh điển của Kaufman và cộng sự (1998) cùng Remer và cộng sự (2005) áp dụng cho MODIS ($10\text{ km}$ và $3\text{ km}$) đã đặt nền móng cho việc tách phản xạ bề mặt dựa trên kênh SWIR ($2.13\text{ }\mu\text{m}$). Nhằm nâng cao độ phân giải không gian phục vụ đô thị, Lyapustin và cộng sự (2011) đề xuất thuật toán MAIAC ($1\text{ km}$); Bilal và cộng sự (2013) phát triển thuật toán SARA ($500\text{ m}$) tại Hồng Kông; Sun và cộng sự (2015) cùng Luo và cộng sự (2015) mở rộng cho ảnh Landsat 8 ($30\text{ m}$) và bề mặt sáng ở Trung Quốc.
  3. Mô hình hóa dự đoán $PM_{2.5}$ từ AOD và khí quyển: Chuyển dịch từ các mô hình thống kê địa lý tuyến tính (GWR, LME) sang các giải thuật học máy (MLA) như Random Forest (Breiman, 2001), XGBoost (Chen & Guestrin, 2016) và Deep Learning (LSTM). Điển hình như Delavar và cộng sự (2019) tại Tehran (Iran) và các nghiên cứu tại Đài Loan (2019), TP. Hồ Chí Minh (Võ Thị Tâm Minh và cộng sự, 2021).
                      +------------------------------------------+
                      |   LITERATURE GAP TRONG GIÁM SÁT Ô NHIỄM  |
                      +------------------------------------------+
                                           |
         +---------------------------------+---------------------------------+
         |                                 |                                 |
         v                                 v                                 v
+-----------------------+       +-----------------------+       +-----------------------+
|  Nguồn phát thải thô  |       | AOD Landsat thô/DDV   |       |  Dự đoán PM2.5 trạm   |
| Ước tính toàn cầu hóa |       | Phụ thuộc ảnh sạch    |       | Không gian thưa thớt  |
| Đánh giá thấp sinh    |       | Sai số cao trên bề    |       | Độ phân giải thô      |
| khối nông nghiệp      |       | mặt sáng đô thị       |       | (>= 1km - 10km)       |
+-----------------------+       +-----------------------+       +-----------------------+
         |                                 |                                 |
         +---------------------------------+---------------------------------+
                                           |
                                           v
                      +------------------------------------------+
                      |     ĐÓNG GÓP ĐỘT PHÁ CỦA LUẬN ÁN        |
                      +------------------------------------------+
                      | 1. Kiểm kê thực địa + VFM CALIOP + NO2   |
                      | 2. Quan hệ BLUE-RED-SWIR2 AOD 30m        |
                      | 3. Tích hợp AOD 30m + WRF + MLA (Bắc Ninh)|
                      +------------------------------------------+

Trong bức tranh tổng thể đó, những tranh luận học thuật (debates) sâu sắc vẫn tồn tại giữa hai quan điểm:

  • Quan điểm Top-down (Viễn thám toàn cầu) cho rằng các hệ số phát thải và sản phẩm sol khí chuẩn hóa toàn cầu (như MODIS AOD, tỷ lệ rơm rạ lý thuyết) đủ độ tin cậy để lập bản đồ ô nhiễm diện rộng.
  • Quan điểm Bottom-up (Quan trắc thực nghiệm cục bộ) chứng minh các mô hình toàn cầu đánh giá thấp đáng kể lượng sol khí carbon đen tại Đông Nam Á. Theo luận án trích dẫn: "Các nghiên cứu toàn cầu ước tính rằng việc đốt sinh khối chiếm khoảng 41% tổng lượng khí thải carbon đen so với các lĩnh vực dân cư, công nghiệp, năng lượng và giao thông vận tải. Tuy nhiên, ở Đông Nam Á, mức đóng góp tương đối là thấp hơn, khoảng 35%... Các nghiên cứu trước đây dựa trên các ước tính dữ liệu cụ thể ngoài khu vực... Do đó, đóng góp phát thải do đốt phụ phẩm nông nghiệp có thể cao hơn khi dựa trên dữ liệu cụ thể của khu vực".

Vị thế khoa học (positioning) của luận án là cầu nối giải quyết dứt điểm mâu thuẫn này tại Việt Nam: kết hợp phương pháp Top-down (ảnh viễn thám không gian) với Bottom-up (đo đạc thực địa lúa nước bằng ô tiêu chuẩn quadrat) và hiệu chỉnh thuật toán DT để trích xuất AOD $30\text{ m}$ trực tiếp trên bề mặt đô thị sáng. Khi so sánh với các nghiên cứu quốc tế tương đương, thuật toán AOD của luận án vượt trội hơn nghiên cứu của Luo và cộng sự (2015) ở khả năng tích hợp mặt nạ mây Fmask và hiệu chỉnh địa hình số DEM tự động, đồng thời đạt độ tương thích cao tương đương với nghiên cứu của Sun và cộng sự (2015) tại Bắc Kinh ($R^2 \approx 0.90$) nhưng được tối ưu hóa cho điều kiện nhiệt đới gió mùa Việt Nam.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án đóng góp quan trọng vào lý thuyết truyền bức xạ khí quyển (Radiative Transfer Theory) và mô hình hóa quang học sol khí đô thị:

  1. Mở rộng mô hình Mục tiêu tối (Dark Target Model) của Kaufman và cộng sự (1998): Luận án đã bác bỏ giả định cố định về tỷ số phản xạ bề mặt $VIS/SWIR$ áp dụng cho thực vật dày đặc khi đưa vào môi trường đô thị nhiệt đới hỗn hợp. Bằng việc xây dựng hàm quan hệ phản xạ động giữa kênh Xanh lam ($0.45\text{--}0.51\text{ }\mu\text{m}$), kênh Đỏ ($0.64\text{--}0.67\text{ }\mu\text{m}$) và kênh Hồng ngoại sóng ngắn SWIR2 ($2.11\text{--}2.29\text{ }\mu\text{m}$), luận án đã thiết lập mệnh đề lý thuyết mới: Phản xạ bề mặt kênh nhìn thấy trong môi trường đô thị phức hợp có thể tham số hóa tuyến tính chính xác thông qua năng lượng phản xạ kênh SWIR2 kết hợp với chỉ số thực vật điều chỉnh.
  2. Lý thuyết phân tầng sol khí và cơ chế phát tán biên giới (Boundary-layer Aerosol Dynamics): Chứng minh sự chuyển dịch tỷ lệ giữa sol khí đô thị/công nghiệp (sulfate, nitrate, ammonium) và sol khí khói đốt sinh khối (carbon hữu cơ, carbon đen) theo hai tầng độ cao riêng biệt: tầng thấp ($-0.5\text{ km}$ đến $8.2\text{ km}$) và tầng đối lưu trên/bình lưu ($8.2\text{ km}$ đến $20.2\text{ km}$).
  3. Mô hình ghép nối vật lý - thống kê (Coupled Physical-Statistical Machine Learning Model): Khẳng định tính quy luật của sự tương tác giữa chiều cao lớp biên hành tinh (Planetary Boundary Layer Height - PBLH), độ ẩm tương đối (RH) và độ sâu quang học AOD $30\text{ m}$ tác động đến nồng độ khối lượng hạt $PM_{2.5}$ khô sát mặt đất.
                      +------------------------------------------+
                      |         KHUNG PHÂN TÍCH TỔNG THỂ         |
                      +------------------------------------------+
                                           |
     +-------------------------------------+-------------------------------------+
     |                                     |                                     |
     v                                     v                                     v
+--------------------------+  +--------------------------+  +--------------------------+
| MODUL 1: NGUỒN PHÁT THẢI |  |  MODUL 2: ƯỚC TÍNH AOD   |  | MODUL 3: DỰ ĐOÁN PM2.5   |
| - CALIOP VFM (V3, V4)    |  | - Landsat 8 OLI L1T      |  | - AOD Landsat 8 (30m)    |
| - Sentinel-5P TROPOMI NO2|  | - Fmask + DEM ASTER      |  | - Khí tượng WRF (6 biến) |
| - Tích hợp gió 925 hPa   |  | - Mô hình RTM 6S         |  | - Random Forest, XGBoost |
| - Khảo sát lúa Quadrat   |  | - Quan hệ BLUE-RED-SWIR2 |  | - GridSearchCV Tuning    |
+--------------------------+  +--------------------------+  +--------------------------+
     |                                     |                                     |
     +-------------------------------------+-------------------------------------+
                                           |
                                           v
                      +------------------------------------------+
                      | OUTPUT: BẢN ĐỒ Ô NHIỄM PM2.5 ĐÔ THỊ      |
                      | Kiểm chứng trạm mặt đất, p < 0.01        |
                      +------------------------------------------+

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp liên ngành 4 trụ cột lý thuyết:

  • Lý thuyết phân loại quang học viễn thám chủ động (Active LiDAR Remote Sensing): Sử dụng các đại lượng tán xạ ngược suy hao tầng đối lưu tại các bước sóng $532\text{ nm}$ và $1064\text{ nm}$, tỷ số khử cực khối và tỷ số LiDAR (steradian) từ cảm biến CALIOP.
  • Lý thuyết truyền bức xạ trong khí quyển (Atmospheric Radiative Transfer - RTM/6S): Mô phỏng bức xạ tới đỉnh khí quyển (Top of Atmosphere - TOA) dựa trên các điều kiện hình học góc mặt trời, góc quan sát vệ tinh và các mô hình sol khí chuẩn.
  • Lý thuyết động lực học khí tượng quy mô vừa (Mesoscale Meteorological Modeling): Sử dụng mô hình WRF trích xuất các thông số biến thiên theo giờ gồm chiều cao lớp ranh giới (HPBL), áp suất mặt đất (PRES), độ ẩm tương đối (RH), nhiệt độ (TMP), hướng gió (WDIR) và tốc độ gió (WSPD).
  • Lý thuyết học máy và tối ưu hóa phi tham số (Ensemble & Deep Learning): Cấu trúc hóa các đặc trưng phi cấu trúc thành không gian đặc trưng đa chiều, giải quyết vấn đề đa cộng tuyến và cực tiểu hóa hàm tổn thất dự báo.

Điều kiện biên (Boundary conditions): Thuật toán ước tính AOD vận hành tối ưu trên các bề mặt đất liền không bị che phủ bởi mây dày (loại bỏ qua mặt nạ Fmask), góc thiên đỉnh mặt trời $\theta_0 < 60^\circ$, và mô hình học máy được giới hạn kiểm chứng tại các vùng khí hậu cận nhiệt đới/nhiệt đới gió mùa có đặc tính phân bố mùa gió rõ rệt.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Nghiên cứu được thiết kế theo trường phái thực chứng (Positivism) kết hợp chủ nghĩa hiện thực phản biện (Critical Realism), áp dụng phương pháp nghiên cứu hỗn hợp định lượng đa cấp độ (Multi-level Quantitative Mixed-Methods).

Cấu trúc thiết kế đa cấp độ gồm:

  • Cấp vĩ mô (Macro-level - Toàn quốc): Phân tích dữ liệu vệ tinh CALIPSO từ 3 trạm AERONET đại diện cho ba miền địa lý: Nghĩa Đô (Bắc), Nha Trang (Trung), Bạc Liêu (Nam); phân tích nồng độ cột tầng đối lưu $NO_2$ từ cảm biến TROPOMI/Sentinel-5P trên toàn lãnh thổ Việt Nam trước, trong và sau giai đoạn giãn cách xã hội phòng chống dịch COVID-19 (2019–2020).
  • Cấp trung mô (Meso-level - Vùng tỉnh/Thành phố): Ước tính AOD $30\text{ m}$ trên các khung ảnh Landsat 8 (Path/Row = 126/045 và 127/045) bao phủ vùng Thủ đô Hà Nội và lân cận; mô hình hóa $PM_{2.5}$ tại tỉnh Bắc Ninh.
  • Cấp vi mô (Micro-level - Đồng ruộng/Điểm đo trạm): Quan trắc thực địa tại 10 xã nông nghiệp trọng điểm thuộc Hà Nội; thu thập dữ liệu chuỗi thời gian nồng độ $PM_{2.5}$ tại mạng lưới các trạm quan trắc tự động tỉnh Bắc Ninh giai đoạn 2020–2021.

Quy trình nghiên cứu rigorous

Quy trình nghiên cứu bao gồm 4 giai đoạn chuẩn hóa nghiêm ngặt:

flowchart TD
    A[Thu thập dữ liệu vệ tinh đa cảm biến: CALIPSO, Sentinel-5P, Landsat 8 OLI] --> B[Tiền xử lý quang học & Lọc mây Fmask, DEM ASTER]
    C[Quan trắc thực địa Quadrat & Đo độ ẩm Extech MO290] --> D[Kiểm kê phát thải nông nghiệp & Hệ số phát thải địa phương]
    B --> E[Mô phỏng 6S RTM & Xây dựng quan hệ phổ BLUE-RED-SWIR2]
    E --> F[Trích xuất sản phẩm AOD Landsat 8 độ phân giải 30m]
    G[Chạy mô hình khí tượng mesoscale WRF: HPBL, RH, TMP, PRES, WDIR, WSPD] --> H[Ghép nối không-thời gian với AOD 30m & Dữ liệu trạm PM2.5]
    F --> H
    H --> I[Huấn luyện 4 mô hình Machine Learning với GridSearchCV 5-Fold]
    I --> J[Kiểm định độ chính xác chéo: RMSE, MAE, MSE, R2]
    J --> K[Bản đồ phân bố PM2.5 độ phân giải cao & Khuyến nghị chính sách]
  1. Giao thức thu thập và phân tích dữ liệu viễn thám:
    • Dữ liệu CALIPSO: Trích xuất sản phẩm Level 2 Vertical Feature Mask (VFM) và Aerosol Profile ở bước sóng $532\text{ nm}$ và $1064\text{ nm}$. Dữ liệu được lọc bỏ các điểm ảnh có chỉ số tin cậy thấp (CAD Score ngoài khoảng $-100$ đến $-20$).
    • Dữ liệu Sentinel-5P TROPOMI: Trích xuất nồng độ cột $NO_2$ tầng đối lưu ($mol/m^2$), kết hợp với trường gió phân tích lại NCEP/DOE Reanalysis II tại mực áp suất $925\text{ hPa}$ giai đoạn 1979–2014, dữ liệu lớp phủ đất (ESA WorldCover), mạng lưới giao thông đường bộ và tọa độ các cụm công nghiệp/nhà máy nhiệt điện than, xi măng.
  2. Giao thức quan trắc thực địa đốt rơm rạ:
    • Sử dụng ảnh viễn thám radar khẩu độ tổng hợp (SAR) phân loại diện tích canh tác lúa nước để phân vùng lấy mẫu đại diện.
    • Thiết lập các ô tiêu chuẩn quadrat kích thước $1\text{ m} \times 1\text{ m}$ tại ruộng lúa thu hoạch bằng máy gặt đập liên hợp và thủ công.
    • Đo đạc khối lượng tươi, khối lượng khô, chiều cao gốc rạ, độ ẩm phụ phẩm bằng thiết bị đo chuyên dụng Extech MO290, từ đó tính toán chính xác tỷ lệ phụ phẩm trên hạt ($SGR$) và tỷ lệ đốt thực tế trên đồng ruộng ($F_{burn}$).
  3. Kỹ thuật tam giác đạc (Triangulation) và kiểm soát sai số:
    • Tam giác đạc dữ liệu: Kết hợp đồng thời dữ liệu viễn thám quang học thụ động, viễn thám chủ động LiDAR, mô phỏng động lực học khí quyển và đo đạc hóa lý tại mặt đất.
    • Độ tin cậy phép đo: Dữ liệu trạm chuẩn mặt đất AERONET Level 2 (Direct Sun Algorithm) với độ không đảm bảo đo quang phổ cực thấp ($< 0.01$ đối với bước sóng nhìn thấy) được sử dụng làm chân lý mặt đất (ground truth).

Data và phân tích

  • Mô phỏng truyền bức xạ và trích xuất AOD: Sử dụng mô hình truyền bức xạ 6S (Second Simulation of a Satellite Signal in the Solar Spectrum). Mối quan hệ phản xạ bề mặt giữa các kênh được thiết lập thông qua phương trình hồi quy đa biến: $$\rho_{Blue} = f(\rho_{SWIR2}, \text{NDVI}), \quad \rho_{Red} = g(\rho_{SWIR2}, \text{NDVI})$$ Thuật toán giải bài toán ngược để tìm giá trị $\tau_{550}$ (AOD tại bước sóng $550\text{ nm}$) sao cho độ phản xạ mô phỏng tại đỉnh khí quyển $\rho_{TOA}^{sim}$ khớp với độ phản xạ thực tế quan sát được từ kênh ảnh Landsat 8 OLI $\rho_{TOA}^{obs}$.

  • Mô hình hóa học máy dự đoán $PM_{2.5}$: Tập dữ liệu huấn luyện bao gồm các vector đặc trưng không - thời gian: $$\mathbf{X} = {\text{AOD}_{30m}, \text{HPBL}, \text{PRES}, \text{RH}, \text{TMP}, \text{WDIR}, \text{WSPD}}$$ Bốn kiến trúc mô hình được xây dựng và so sánh:

    • Random Forest Regressor: Tối ưu hóa số cây (n_estimators), độ sâu tối đa (max_depth), số thuộc tính phân nhánh ngẫu nhiên (max_features).
    • Extreme Gradient Boosting (XGBoost): Kiểm soát tốc độ học (learning_rate), độ phức tạp cây (gamma), tỷ lệ lấy mẫu con (subsample).
    • AdaBoost Regressor: Hiệu chỉnh trọng số mẫu qua các vòng lặp tăng cường liên tiếp.
    • Long Short-Term Memory (LSTM): Cấu trúc gồm các khối nhớ tuần tự với cổng quên ($f_t$), cổng vào ($i_t$) và cổng ra ($o_t$) nhằm nắm bắt tương quan trễ thời gian của các biến khí tượng.

    Quy trình tinh chỉnh siêu tham số thực hiện bằng GridSearchCV với kiểm thực chéo 5-fold (5-fold cross-validation), ngăn chặn triệt để hiện tượng quá khớp (overfitting).

Phát hiện đột phá và implications

Những phát hiện then chốt

  1. Quy luật phân tầng và tính mùa của cấu trúc sol khí tại Việt Nam: Dữ liệu CALIPSO giai đoạn 2006–2019 khẳng định sự khác biệt sâu sắc giữa ba miền:

    • Miền Bắc (trạm Nghĩa Đô) bị chi phối áp đảo bởi Bụi ô nhiễm (Polluted dust) và Lục địa ô nhiễm/Khói (Polluted continental/smoke) ở tầng thấp ($< 2.5\text{ km}$), chiếm trên $65%$ tổng lượng sol khí vào các tháng mùa đông (từ tháng 11 đến tháng 3 năm sau) do hiện tượng nghịch nhiệt bức xạ và gió mùa Đông Bắc mang sol khí từ lục địa phía Bắc.
    • Miền Trung (Nha Trang) và Miền Nam (Bạc Liêu) có tỷ lệ Sol khí biển (Marine) và Bụi biển (Dusty marine) cao hơn rõ rệt ($> 40%$), tuy nhiên ghi nhận sự gia tăng đột biến của Khói trên cao (Elevated smoke) ở độ cao $2.5\text{--}8.2\text{ km}$ vào giai đoạn chuyển mùa (tháng 3–4), minh chứng cho sự vận chuyển quy mô lớn của khói đốt sinh khối nông nghiệp xuyên biên giới từ bán đảo Đông Dương.

  2. Tác động định lượng của giãn cách xã hội COVID-19 đến nồng độ $NO_2$ công nghiệp và giao thông: Theo báo cáo môi trường quốc gia được trích dẫn trong văn bản: "ô nhiễm $NO_2$ ở cấp độ quốc gia năm 2008 là 70% do các hoạt động công nghiệp và 30% do hoạt động giao thông". Kết quả phân tích chuỗi ảnh Sentinel-5P TROPOMI của luận án phát hiện:

    • Trong giai đoạn phong tỏa toàn quốc tháng 4/2020, nồng độ cột $NO_2$ tại các đô thị lớn như Hà Nội và TP. Hồ Chí Minh giảm từ $35%$ đến $48%$ so với cùng kỳ năm 2019.
    • Mức giảm tương quan chặt chẽ với mật độ giao thông đường bộ ($R = 0.72$) và mật độ dân số ($R = 0.68$). Ngược lại, tại các vùng phát thải nguồn điểm cố định như trung tâm nhiệt điện than (Quảng Ninh, Thái Bình) và sản xuất vật liệu xây dựng, nồng độ $NO_2$ duy trì ổn định hoặc chỉ giảm nhẹ ($< 12%$), xác thực bằng chứng thực nghiệm về sự đóng góp cơ sở không suy giảm của ngành năng lượng hóa thạch.

  3. Xác lập lại hệ số phát thải thực địa từ phụ phẩm lúa gạo: Số liệu thực nghiệm quadrat tại Hà Nội chỉ ra rằng các công thức lý thuyết trước đây đánh giá thấp khối lượng đốt thực tế từ $18%$ đến $27%$, do bỏ qua lượng gốc rạ ($stubble$) còn sót lại trên đồng ruộng. Tỷ lệ rơm rạ bị đốt thực tế tại các huyện ngoại thành đạt từ $45%$ đến $62%$ tùy thuộc vào mức độ cơ giới hóa và thời gian chuyển vụ gấp rút giữa vụ Xuân và vụ Mùa.

  4. Hiệu năng vượt trội của thuật toán ước tính AOD Landsat 8 độ phân giải $30\text{ m}$: Đánh giá chéo với trạm AERONET Nghĩa Đô đạt hệ số tương quan rất cao: $$R^2 = 0.903, \quad \text{RMSE} = 0.108, \quad \text{MAE} = 0.081$$ Khi so sánh không gian với sản phẩm chuẩn MODIS AOD $3\text{ km}$ (MOD04_3K), AOD Landsat $30\text{ m}$ giải quyết triệt để hiện tượng mất dữ liệu tại vùng ven đô và bộc lộ chi tiết cấu trúc hạt sol khí mịn phát tán dọc theo các tuyến đường giao thông huyết mạch và các khu công nghiệp tập trung mà sản phẩm $3\text{ km}$ hay $10\text{ km}$ hoàn toàn bị nhòe mờ.

  5. Mô hình hóa $PM_{2.5}$ tại Bắc Ninh: Trong số 4 mô hình thử nghiệm, mô hình Random Forest (RF) tinh chỉnh bằng GridSearchCV cho kết quả dự đoán $PM_{2.5}$ ngày đạt hiệu suất cao nhất: $$R^2 = 0.842, \quad \text{RMSE} = 8.14\text{ }\mu\text{g/m}^3, \quad \text{MAE} = 5.92\text{ }\mu\text{g/m}^3$$ Vượt trội hơn hẳn so với AdaBoost ($R^2 = 0.731$) và XGBoost ($R^2 = 0.805$). Tầm quan trọng của các đặc trưng (feature importance) chỉ ra rằng AOD $30\text{ m}$ đóng góp $38.5%$, tiếp theo là chiều cao lớp biên hành tinh HPBL ($24.1%$) và độ ẩm tương đối RH ($16.3%$).

                SO SÁNH ĐỘ CHÍNH XÁC CÁC MÔ HÌNH DỰ ĐOÁN PM2.5 (TẠI BẮC NINH)
+------------------------+-----------+-------------------+------------------+
| Mô hình                |    R²     | RMSE (µg/m³)      | MAE (µg/m³)      |
+------------------------+-----------+-------------------+------------------+
| Random Forest (Tuned)  |   0.842   |       8.14        |       5.92       |
| XGBoost Regressor      |   0.805   |       9.02        |       6.48       |
| LSTM Recurrent Net     |   0.784   |       9.55        |       6.91       |
| AdaBoost Regressor     |   0.731   |      10.82        |       7.84       |
+------------------------+-----------+-------------------+------------------+

Implications đa chiều

  • Về mặt học thuật: Cung cấp phương pháp luận chuẩn mực tích hợp dữ liệu viễn thám độ phân giải cao và mô hình khí tượng mesoscale, có thể chuyển giao áp dụng cho toàn bộ các vùng đô thị hóa nhanh tại các quốc gia đang phát triển ở Đông Nam Á và Nam Á.
  • Về mặt công nghệ: Xây dựng quy trình xử lý dữ liệu viễn thám tự động hóa cao, mở ra khả năng tích hợp vào các hệ thống tính toán đám mây địa lý như Google Earth Engine.
  • Về mặt chính sách và môi trường: Cung cấp cơ sở khoa học định lượng phục vụ trực tiếp Quyết định số 1973/QĐ-TTg của Thủ tướng Chính phủ về Kế hoạch quốc gia quản lý chất lượng môi trường không khí giai đoạn 2021–2025 và Công văn 3051/BTNMT-TCMT hướng dẫn xây dựng kế hoạch quản lý chất lượng không khí cấp tỉnh.

Limitations và Future Research

Luận án thẳng thắn thừa nhận các giới hạn nội tại:

  1. Chu kỳ lặp lại của vệ tinh quang học: Vệ tinh Landsat 8 có chu kỳ tái quan sát $16\text{ ngày}$. Trong điều kiện khí hậu nhiệt đới gió mùa có tần suất mây che phủ cao (đặc biệt vào mùa xuân ở miền Bắc), số lượng ảnh quang học khả dụng không có mây bị suy giảm đáng kể, tạo ra khoảng trống dữ liệu thời gian.
  2. Mạng lưới trạm kiểm chứng mặt đất: Mạng lưới trạm AERONET Level 2 tại Việt Nam còn rất thưa thớt (chỉ có 3 trạm chuẩn hoạt động gián đoạn), làm giới hạn phạm vi hiệu chuẩn thuật toán truyền bức xạ trên các dạng địa hình phức tạp như vùng núi cao phía Bắc hoặc Tây Nguyên.
  3. Giả định đồng nhất của mô hình sol khí: Mô phỏng 6S RTM vẫn phải dựa trên các mô hình sol khí chuẩn hóa sẵn (Urban/Continental/Biomass Burning), chưa phản ánh hết tính chất hóa lý biến động tức thời của các phản ứng hóa học thứ cấp trong sol khí đô thị.

Định hướng nghiên cứu tương lai:

  • Dung hợp dữ liệu đa cảm biến viễn thám quang học (Landsat 8/9, Sentinel-2 $10\text{--}20\text{ m}$) với các cảm biến địa tĩnh thế hệ mới (Himawari-8/9 AHI, GK-2A AMI) nhằm tạo ra sản phẩm AOD độ phân giải không gian $30\text{ m}$ ở độ phân giải thời gian theo giờ ($1\text{ giờ/lần}$).
  • Ứng dụng các kiến trúc học sâu không-thời gian tiên tiến (Spatio-Temporal Graph Neural Networks - ST-GNN, Transformers) kết hợp cơ chế chú ý (Attention Mechanism) để dự báo nồng độ ô nhiễm $PM_{2.5}$ trước $24\text{--}72\text{ giờ}$.
  • Mở rộng phương pháp kiểm kê thực địa sang các đối tượng phát thải sinh khối khác như phụ phẩm ngô, mía và bã rơm sau trồng nấm trên quy mô toàn vùng Đồng bằng sông Hồng và sông Cửu Long.

Tác động và ảnh hưởng

  • Tác động học thuật: Các kết quả nghiên cứu của luận án đã được công bố trong 5 công trình khoa học chuyên ngành (từ PP-1 đến PP-5) trên các tạp chí và hội thảo uy tín quốc tế và trong nước. Phương pháp trích xuất AOD Landsat $30\text{ m}$ mở ra một nhánh nghiên cứu thực nghiệm mới về viễn thám sol khí đô thị tại Việt Nam, với tiềm năng trích dẫn học thuật cao trong các nghiên cứu mô hình hóa môi trường và dịch tễ học môi trường.
  • Chuyển đổi công nghiệp và dịch vụ môi trường: Cung cấp giải pháp công nghệ giá thành thấp cho các trung tâm quan trắc môi trường địa phương, giảm sự phụ thuộc tốn kém vào việc lắp đặt dày đặc các trạm quan trắc tự động cố định (chi phí hàng tỷ đồng mỗi trạm).
  • Tác động xã hội và y tế công cộng: Bản đồ $PM_{2.5}$ độ phân giải cao cho phép các cơ quan y tế dự phòng xác định chính xác các điểm nóng phơi nhiễm bụi mịn tới quy mô cấp phường/xã, hỗ trợ đánh giá rủi ro sức khỏe cộng đồng liên quan đến các bệnh hô hấp và tim mạch mãn tính.

Đối tượng hưởng lợi

  • Nghiên cứu sinh và học giả: Tiếp cận mã nguồn phương pháp luận trích xuất AOD $30\text{ m}$, hệ thống dữ liệu phân loại sol khí CALIPSO và giao thức ghép nối dữ liệu khí tượng WRF - học máy.
  • Cơ quan quản lý nhà nước (Bộ TN&MT, Sở TN&MT các tỉnh): Nhận được bộ công cụ định lượng khoa học để xác định chính xác nguồn thải (công nghiệp, giao thông hay nông nghiệp), hỗ trợ ra quyết định cấm đốt rơm rạ theo mùa hoặc điều tiết giao thông đô thị.
  • Doanh nghiệp và khu công nghiệp: Sử dụng bản đồ phân tán ô nhiễm để tối ưu hóa quy hoạch vị trí nhà máy và đánh giá tác động môi trường (ĐTM) chiến lược.

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 độc đáo nhất là việc mở rộng Lý thuyết Mục tiêu tối (Dark Target Model) của Kaufman và cộng sự (1998) cho ảnh vệ tinh độ phân giải cao Landsat 8 OLI trên bề mặt đô thị sáng. Bằng cách thiết lập hàm tương quan phản xạ động giữa kênh Blue, Red với kênh SWIR2 ($2.11\text{--}2.29\text{ }\mu\text{m}$) kết hợp với mặt nạ mây Fmask và hiệu chỉnh mô hình số độ cao DEM, luận án đã loại bỏ thành công giả định phụ thuộc vào thảm thực vật tối (DDV) hoặc ảnh tham chiếu sạch, cho phép giải bài toán truyền bức xạ khí quyển 6S trực tiếp trên từng pixel $30\text{ m}$.

2. Điểm mới về mặt phương pháp luận so với các nghiên cứu quốc tế trước đây?

So với nghiên cứu SARA của Bilal và cộng sự (2013) tại Hồng Kông (sử dụng MODIS $500\text{ m}$) và nghiên cứu Landsat của Luo và cộng sự (2015) tại Trung Quốc, phương pháp của luận án vượt trội ở ba điểm:

  1. Độ phân giải không gian đạt $30\text{ m}$ nguyên bản không qua nội suy điểm ảnh lân cận;
  2. Tích hợp tự động hóa quy trình khử mây Fmask và bù trừ sai số địa hình thực tế bằng ASTER DEM;
  3. Kết hợp đồng thời cơ chế Top-down từ viễn thám và Bottom-up từ đo đạc quadrat thực địa có hiệu chỉnh độ ẩm.

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

Phát hiện bất ngờ nhất là sự tồn tại ổn định của lớp Khói trên cao (Elevated smoke) ở tầng đối lưu trung và cao ($2.5\text{ km}$ đến $8.2\text{ km}$) tại miền Trung và miền Nam trong giai đoạn tháng 3–4 hàng năm. Điều này chứng minh rằng ô nhiễm bụi mịn vào mùa khô tại các khu vực tưởng chừng ít công nghiệp không chỉ xuất phát từ nội tỉnh mà chịu tác động sâu sắc bởi sự dịch chuyển sol khí đốt sinh khối nông nghiệp xuyên biên giới từ khu vực Tây sang Đông của bán đảo Đông Dương.

4. Luận án có cung cấp quy trình tái lập (Replication Protocol) rõ ràng không?

Có. Luận án mô tả chi tiết toàn bộ chuỗi xử lý: từ công thức hồi quy tương quan phổ, bảng tham số cấu hình mô phỏng truyền bức xạ 6S, các ngưỡng lọc chất lượng dữ liệu CALIOP VFM/CAD score, quy trình lấy mẫu ruộng lúa bằng ô tiêu chuẩn quadrat, đến cấu hình siêu tham số học máy và công thức tính các chỉ số thẩm định (RMSE, MAE, MSE, $R^2$).

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

Khung nghiên cứu 10 năm hướng tới:

  1. Xây dựng nền tảng Big Data viễn thám thời gian thực tích hợp vệ tinh địa tĩnh và quỹ đạo thấp giám sát ô nhiễm toàn cõi Đông Dương;
  2. Tích hợp mô hình hóa quang hóa khí quyển 3D (CMAQ/WRF-Chem) với các mô hình học sâu sinh (Generative AI/Diffusion Models) để dự báo chất lượng không khí độ phân giải siêu cao ($10\text{ m}$);
  3. Ứng dụng dữ liệu viễn thám sol khí vào các nghiên cứu dịch tễ học môi trường và kinh tế học biến đổi khí hậu quy mô quốc gia.

Kết luận

Luận án Tiến sĩ Khoa học máy tính của tác giả Trần Tuấn Vinh đã hoàn thành xuất sắc các mục tiêu nghiên cứu đề ra với những đóng góp cụ thể và toàn diện:

  1. Phương pháp phân loại nguồn phát thải đa cảm biến: Thiết lập bức tranh toàn cảnh về phân bố thẳng đứng của 7 loại sol khí tại 3 miền khí hậu Việt Nam từ chuỗi dữ liệu CALIPSO 14 năm (2006–2019).
  2. Định lượng mối liên hệ phát thải công nghiệp và giao thông: Sử dụng dữ liệu Sentinel-5P TROPOMI $NO_2$ thời kỳ đại dịch COVID-19 kết hợp trường gió $925\text{ hPa}$ để phân tách chính xác tỷ trọng phát thải giữa giao thông đô thị và công nghiệp cố định.
  3. Quy trình kiểm kê phát thải thực địa chuẩn xác: Xây dựng hệ số phát thải đốt rơm rạ cục bộ dựa trên phương pháp lấy mẫu quadrat và ảnh viễn thám SAR lúa nước tại Hà Nội, khắc phục sự đánh giá thấp của các mô hình quốc tế.
  4. Thuật toán ước tính AOD Landsat 8 độ phân giải $30\text{ m}$ độc lập: Phát triển thành công quan hệ phản xạ bề mặt $BLUE\text{-}RED\text{-}SWIR2$ kết hợp mô hình truyền bức xạ 6S, đạt độ chính xác cao ($R^2 = 0.903$, $\text{RMSE} = 0.108$) khi kiểm chứng với AERONET.
  5. Mô hình học máy tối ưu dự đoán $PM_{2.5}$: Đề xuất mô hình Random Forest tinh chỉnh liên kết AOD $30\text{ m}$ với mô hình khí tượng WRF, đạt độ chính xác vượt trội ($R^2 = 0.842$) tại khu vực công nghiệp trọng điểm Bắc Ninh.

Công trình tạo ra bước tiến quan trọng trong việc làm chủ công nghệ viễn thám môi trường và trí tuệ nhân tạo tại Việt Nam, mở ra hướng ứng dụng thực tiễn mạnh mẽ cho công tác giám sát, cảnh báo sớm và hoạch định chính sách kiểm soát chất lượng không khí bền vững.