- Chỉ số diện tích lá, IOT, MODIS LAI, Oryza 2000, ước đoán năng suất lúa. - Bài viết nhằm đánh giá khả năng ứng dụng ảnh viễn thám chỉ số diện tích lá MODIS LAI và dữ liệu thời tiết thu thập bằng IOT trong ước đoán năng suất lúa dựa trên pixel ảnh. - Giá trị LAI được chuyển đổi thành hệ số phát triển tương đối của lá (RGRL) sử dụng cho mô hình Oryza2000 v3 để ước đoán năng suất lúa. - Mô hình được hiệu chỉnh dựa vào năng suất lúa vụ Hè Thu năm 2018 để làm cơ sở ước tính cho các vụ còn lại. - Với các tham số được hiệu chỉnh, năng suất mô phỏng được kiểm chứng cho vụ Thu Đông 2018, Đông Xuân và Hè Thu 2019 với sai số RMSE lần lượt là 0,44 tấn, 0,38 tấn và 0,31 tấn tương ứng với nRMSE là và 5,40%. - Kết quả đạt được cho thấy ảnh MODIS LAI giúp xây dựng bản đồ ước đoán năng suất chi tiết mức pixel nhờ vào phương pháp xử lý ảnh đơn giản, dễ triển khai ứng dụng cho các nhà quản lý trong việc phát triển sản xuất nông nghiệp.. - Hiện nay, dữ liệu ảnh viễn thám quang học đã được sử dụng rộng rãi nhằm mục đích giám sát và ước lượng năng suất trên thế giới và ở Việt Nam.. - Bên cạnh đó, với sự phát triển mạnh mẽ của mô hình dự báo, việc dự báo trước những rủi ro, những thiệt hại cũng như ước đoán năng suất lúa đã được thực hiện bởi nhiều nghiên cứu với cả ảnh quang học và ảnh Radar. - Do đó trong nghiên cứu này, sản phẩm MODIS LAI được sử dụng kết hợp với chỉ số quan trắc thời tiết tự động từ thiết bị IOT (Internet of things) và mô hình Oryza 2000 để ước đoán năng suất lúa trong trường hợp nghiên cứu ở tỉnh An Giang.. - Dữ liệu bản đồ đợt sạ là cần thiết cho việc lập mô hình mô phỏng năng suất lúa. - Tuy nhiên, mục đích chính của nghiên cứu là đánh giá khả năng ứng dụng của sản phẩm LAI trong mô hình mô phỏng năng suất lúa. - Sử dụng phần mềm QGIS để xây dựng và hoàn thành bản đồ diện tích vùng trồng lúa bản đồ năng suất lúa.. - Để ước đoán được năng suất lúa dựa vào chỉ số LAI, cần xây dựng bản đồ chỉ số diện tích lá ở thời điểm 1/3 chu kỳ sinh trưởng của cây lúa theo cách tính của Setiyono et al. - Trên cơ sở bản đồ đợt sạ, các ảnh MODIS LAI ở các thời điểm 1/3 thời gian sinh trưởng (thời điểm 33-40 NSS tính từ thời điểm bắt đầu đợt sạ) được chọn để trích ra giá trị LAI. - Các giá trị này tổng hợp lại để được bản đồ LAI ở ⅓ chu kỳ sinh trưởng. - Xác định chỉ số phát triển của lá Giá trị LAI các được phân nhóm theo phương pháp chia nhóm của Setiyono et al. - khoảng giá trị, Các khoảng giá trị này được chuyển đổi thành khoảng giá trị RGRL Max và RGRL Min.. - Giá trị RGRL MIN biểu thị tốc độ tăng trưởng tương đối tối thiểu của diện tích lá, RGRL MAX là tốc độ tăng trưởng tương đối tối đa của diện tích lá.. - Giá trị RGRL MIN, MAX được tính để làm dữ liệu đầu vào cho tập tin RERUN trong mô hình Oryza.. - Trong đó: L là giá trị Max hoặc Min của giá trị LAI trong mỗi nhóm. - λ, ρ, ψ là các tham số hàm logistic với các giá trị mặc định lần lượt là và 0.45271. - Tính linh hoạt này của chức năng RGRL so với LAI cho phép mang lại năng suất tương ứng đáp ứng để thích ứng với phạm vi LAI khác nhau.. - Mô hình Oryza2000. - các yếu tố này là yếu tố đầu vào cho mô hình Oryza để ước đoán năng suất.. - Để chạy mô hình ước đoán năng suất ngoài dữ liệu thời tiết còn cần một số dữ liệu khác như dữ liệu đất, dữ liệu cây trồng gồm đặc tính đất và dữ liệu. - Thiết lập tập tin Rerun cho phép chạy mô phỏng năng suất ở nhiều điểm. - Như vậy mỗi điểm mô phỏng ứng với 1 khoảng giá trị RGRL. - Dữ liệu đầu ra với biến WRR14 là năng suất hạt với 14% độ ẩm được sử dụng để xây dựng bản đồ năng suất.. - Hiệu chỉnh và kiểm định mô hình ước đoán năng suất lúa. - Năng suất mô phỏng từ mô hình được tính toán lại theo từng huyện và so sánh với dữ liệu năng suất thực tế theo giá trị sai số trung phương RMSE theo Kenney &. - Koehler, 2006) khuyến cáo sử dụng trong đánh giá sai số của giá trị không âm.. - là năng suất mô phỏng ở huyện t;. - 𝑦 * là năng suất thống kê ở huyện t. - Chỉ số này được sử dụng trong nhiều nghiên cứu, gần đây của (Nguyễn Ngọc Khánh và ctv., 2020) cũng đã dùng chỉ số này đánh giá kết quả mô phỏng năng suất bắp lai ở vùng ĐBSCL.. - Trong đó: RMSE sai số trung phương giữa năng suất mô phỏng và thực tế. - Y tb là năng suất trung bình thực tế.. - RMSE gần 0 cho thấy mô hình mô phỏng tốt giá trị quan sát (Jacovides &. - Các tham số λ, ρ, ψ được hiệu chỉnh tự động nhằm tìm ra giá trị tham số λ thích hợp. - Trong đó tham số λ được hiệu chỉnh bằng cách nhân giá trị λ lần lượt với các hệ số bằng hệ số 0.1 đến 1, mỗi giá trị hiệu chỉnh được sử dụng để chạy mô hình Oryza2000 và tính RMSE giữa năng suất mô phỏng và năng suất thực tế. - Giá trị tham số với RMSE nhỏ nhất trong thử nghiệm sẽ sử dụng để mô phỏng năng suất cho các vụ còn lại. - Các hệ số thực nghiệm λ, ρ, ψ sau khi hiệu chỉnh được sử dụng để chạy kiểm chứng mô hình ước đoán năng suất lúa ở các vụ Thu Đông 2018, Đông Xuân 2019 và Hè Thu 2019.. - Bản đồ đợt sạ. - Đối với cây lúa, sự biến động của năng suất và sản lượng có sự ảnh hưởng rất lớn của các yếu tố khí tượng và thủy văn (Nguyễn Văn Viết và ctv., 2002).. - Vì vậy, thời gian gieo sạ có ảnh hưởng lớn đến sự biến động của năng suất và sản lượng lúa. - Để tập trung nghiên cứu việc ứng dụng ảnh MODIS LAI trong ước đoán năng suất lúa, bản đồ đợt sạ sử dụng từ nguồn phần mềm MapScape 5.5. - Dữ liệu khí hậu tỉnh An Giang trong 2 năm bao gồm giá trị hằng ngày các yếu tố về nhiệt độ trung bình, tổng số giờ nắng, tổng lượng mưa và áp suất không khí. - Tháng 12 năm 2018 và tháng 4 năm 2019 có độ ẩm thấp nhất với giá trị độ ẩm trung bình là 78,7% và 76,5%, độ ẩm cao nhất rơi vào tháng 5 năm 2018 và tháng 6 năm 2019 với giá trị 85,2%. - Tuy nhiên vào giai đoạn cuối mùa mưa (tháng 10 đến tháng 12) tuy thời tiết vẫn còn mưa nhưng tổng số giờ nắng trong tháng có giá trị lớn hơn đầu mùa.. - Bản đồ chỉ số diện tích lá từ ảnh MODIS. - Quá trình quang hợp là hoạt động tích lũy cơ bản tạo ra năng suất. - Diện tích lá có ảnh hưởng mạnh mẽ đến quá trình quang hợp và tích lũy năng suất cho cuối vụ.. - Ước tính chính xác, khách quan chỉ số diện tích lá là tham số quan trọng trong mô hình dự đoán năng suất lúa (Jonckheere et al., 2004). - Hình 4a thể hiện khoảng giá trị LAI từ 0,1 m 2 lá/m 2 đất đến 0,5 m 2 lá/m 2 đất chiếm tỉ lệ không nhiều. - Giá trị LAI cao trên 6,5 m 2 lá/m 2 đấttại các huyện Châu Phú, Tịnh Biên và An Phú. - Thoại Sơn, Tri Tôn chứa giá trị LAI trung bình (từ 1,5 m 2 lá/m 2 đất đến 3,5 m 2 lá/m 2 đất).. - Hình 4b thể hiện sự phân bố giá trị LAI trong không gian, giá trị LAI toàn vụ phân bố không đồng điều cao nhất (trên 6,5 m 2 lá/m 2 đất) và thấp nhất (0,1 m 2 lá/m 2 đất đến 0,5 m 2 lá/m 2 đất). - Phần lớn khu vực canh tác lúa có giá trị LAI trên ngưỡng trung bình (từ 0,5 m 2 lá/m 2 đất đến 1,5 m 2 lá/m 2 đất và từ 3,5 m 2 lá/m 2 đất đến 5 m 2 lá/m 2 đất).. - Vụ Đông Xuân là vụ đem lại năng suất cao, được canh tác trong điều kiện khí hậu, thời tiết thuận lợi.. - Do đó, giá trị LAI vụ Đông Xuân năm 2019 tỉnh An Giang tương đối cao (Hình 4c). - Trong đó, các huyện Thoại Sơn, Châu Thành có hơn 90% diện tích có giá trị LAI trên 6,5 m 2 lá/m 2 đất. - Tri Tôn và Tịnh Biên có xuất hiện khu vực mang giá trị LAI thấp (từ 0,1 m 2 lá/m 2 đất đến 0,5 m 2 lá/m 2 đất) với diện tích khá đáng kể, tuy nhiên nhìn chung tỷ lệ giá trị LAI cao vẫn chiếm đa số.. - Kết quả phân tích bản đồ LAI 30 ngày sau sạ của vụ (Hình 4d) cho thấy, giá trị LAI trong vụ này dao động từ 0,1m 2 lá/m 2 đất đến trên 6,5 m 2 lá/m 2 đất, tuy nhiên khoảng giá trị từ 0,1 m 2 lá/m 2 đất đến 0,5 m 2 lá/m 2 đất chiếm tỉ lệ không nhiều xuất hiện chủ yếu chỉ xuất hiện tại huyện Chợ Mới, Long Xuyên và huyện Tịnh Biên. - Vùng chứa giá trị LAI cao nhất bao gồm các huyện: An Phú, Châu Phú, Châu Thành, Thoại Sơn với giá trị chỉ số diện tích lá trên 6,5 m 2 lá/m 2 đất. - của tỉnh phần lớn đều có giá trị LAI từ 1,5 m 2 lá/m 2 đất đến 3,5 m 2 lá/m 2 đất (huyện Tri Tôn, huyện Phú Tân), giá trị LAI từ 3,5 m 2 lá/m 2 đất đến 5,0 m 2 lá/m 2 đất (huyện Thoại Sơn, Châu Đốc và Tân Châu).. - Hiệu chỉnh mô hình năng suất lúa Quá trình hiệu chỉnh các tham số λ, ρ, ψ cho thấy việc hiệu chỉnh 2 tham số ρ, ψ không làm thay đổi quá lớn đến giá trị RGRL Max và RGRL Min.. - Kết quả tổng hợp mô phỏng năng suất lúa Hè Thu năm 2018. - Huyện Năng suất thực tế. - (tấn/ha) Năng suất hiệu chỉnh. - thể hiện cho năng suất mô phỏng thấp hơn so với thực tế Khi hiệu chỉnh λ với mức 0,7λ (λ cho kết quả gần mô phỏng (Bảng 1) có giá trị gần với năng suất thực tế nhất. - Với giá trị RMSE là 0,31 (tấn) và nRMSE là 5,23%, trong đó tất cả các huyện điều có mức năng suất mô phỏng chênh lệch dưới 10%, mức độ lệch thấp nhất chỉ từ 2% (Long Xuyên, Châu Phú, Thoại Sơn) đến cao nhất là 9% (Chợ Mới).. - Kiểm chứng năng suất mô phỏng Giá trị tham số λ sau hiệu chỉnh là 0,006748 được chọn để chạy mô phỏng các vụ tiếp để kiểm chứng mô hình.. - Kết quả mô phỏng năng suất của các vụ Thu Đông 2018, Đông Xuân 2018-2019 và Hè Thu 2019 được thể hiện trong Bảng 2. - Giá trị năng suất mô phỏng được so sánh với năng suất thống kê theo mỗi huyện.. - So sánh năng suất thực tế và năng suất mô phỏng ở các vụ. - thể hiện cho năng suất mô phỏng thấp hơn so với năng suất thực tế Kết quả ở Bảng 2 cho thấy năng suất mô phỏng. - vụ Thu Đông dao động từ 5,06-5,96 tấn/ha, huyện có năng suất cao nhất là huyện Tân Châu (5,96 tấn/ha), huyện có năng suất thấp nhất là Châu Thành (5,06 tấn/ha). - Độ chênh lệch năng suất giữa năng suất thực tế và năng suất mô phỏng ở huyện Châu Phú, Châu Thành và Thoại Sơn cao hơn 10% (cụ thể. - Các huyện Tịnh Biên, Tân Châu và Long Xuyên là các khu vực có giá trị mô phòng tốt (lệch 1%).. - Bảng 2 cũng cho thấy cho thấy năng suất mô phỏng ở vụ Đông Xuân 2019 từ 7,01-7,56 tấn/ha.. - Giá trị chênh lệch giữa thực tế và mô phỏng chủ yếu. - năng suất trong vụ này hoàn toàn có ý nghĩa.. - Bản đồ năng suất vụ Thu Đông tỉnh An Giang năm 2018 Vụ Đông Xuân có điều kiện khí hậu thuận lợi,. - lượng mưa và số giờ nắng vừa đủ, nhiệt độ trung bình phù hợp cho cây lúa phát triển tốt, năng suất lúa của vụ phần lớn điều cao hơn so với các vụ còn lại.. - Bản đồ năng suất mô phỏng vụ Đông Xuân Hình 6) cho thấy phần lớn diện tích canh tác lúa trong vụ có giá trị năng suất cao (hơn 80% tổng diện tích canh tác). - những khu vực canh tác lúa đạt năng suất cao nhất khoảng 7,80-8,20 tấn/ha, các khu vực đất canh tác còn lại điều có mức năng suất lúa trung bình từ tấn/ha. - Với giá trị RMSE là 0,38 (tấn) và nRMSE là 4,22% cho thấy mô phỏng rất tốt (van Ruijven et al., 2010), kết quả mô phỏng năng suất trong vụ có ý nghĩa, điều này cho thấy khả năng sử dụng của mô hình Oryza2000 trong ước đoán năng suất lúa tại vùng canh tác của tỉnh An Giang trọng vụ Đông Xuân.. - Bản đồ năng suất vụ Đông Xuân tỉnh An Giang năm 2018-2019 Kết quả mô phỏng năng suất của vụ Hè Thu 2019. - (Hình 7) cho thấy, giá trị năng suất của vụ phân bố tương đối đồng đều. - Khoảng giá trị năng suất lớn từ 6,70-7,10 tấn/ha và khoảng giá trị năng suất nhỏ từ 5,50-5,80 tấn/ha cùng có sự phân chia nhỏ lẻ trên phạm vi toàn tỉnh. - Khoảng giá trị năng suất trung. - Kết quả mô phỏng năng suất trong vụ Hè Thu 2019 rất tốt với giá trị RMSE tính toán là 0,31 (tấn) giá trị hiệu chỉnh nRMSE là 5,40% (van Ruijven et al., 2010).. - Bản đồ mô phỏng năng suất vụ Hè Thu năm 2019, tỉnh An Giang. - mô phỏng cũng chứng minh cho quá trình hiệu chỉnh tham số λ của mô hình có thể làm giảm sự chênh lệch khi mô phỏng năng suất so với năng suất thực tế.. - Nghiên cứu đã thành lập bản đồ LAI tổng hợp cho cây lúa ở giai đoạn 1/3 chu kỳ sinh trưởng dựa vào nguồn ảnh MODIS LAI và mô phỏng năng suất lúa đến từng pixcel dựa trên bản đồ LAI đã tổng hợp.. - Kết quả mô phỏng năng suất cho thấy giá trị năng suất của các vụ lần lượt là: vụ Hè Thu 2018 đạt 5,62-6,25 tấn/ha, vụ Thu Đông 2018 đạt 5.06-5.96 tấn/ha, vụ Hè Thu 2019 đạt 5,54-5,99 tấn/ha, năng suất mô phỏng cao nhất là vào vụ Đông Xuân 2019 với giá trị mô phỏng đạt 7,00-7,56 tấn/ha. - Năng suất mô phỏng trong các vụ điều có sự khác biệt so với năng suất thực tế với các giá trị RMSE và nRMSE tính toán trong các vụ lần lượt là: Hè Thu 2018 (RMSE là 0,31 tấn, nRMSE là 5,23. - Trong phạm vi nghiên cứu của đề tài, quá trình hiệu chỉnh giá trị tham số λ xuống 30% khi chuyển đổi giá trị LAI sang giá trị RGRL có thể làm tăng độ tin cậy của năng suất mô phỏng. - Tuy nhiên với kết quả đạt được cho thấy ảnh viễn thám MODIS LAI hoàn toàn có thể sử dụng để trích xuất chỉ số diện tích lá (LAI) và làm đầu vào cho mô hình ước đoán năng suất lúa Oryza.. - Ứng dụng mô hình CERES-Maize mô phỏng năng suất bắp lai trồng trên đất phù sa ở Đồng bằng sông Cửu Long. - của những biến động khí hậu đến năng suất lúa Đông Xuân ở tỉnh Sơn La và giải pháp ứng phó.