BỘ TÀI NGUYÊN VÀ MÔI TRƯỜNG
VIỆN KHOA HỌC KHÍ TƯỢNG THỦY VĂN VÀ MÔI TRƯỜNG BÁO CÁO TỔNG KẾT ĐỀ TÀI CẤP BỘ NGHIÊN CỨU DỰ BÁO NĂNG SUẤT NGÔ, ĐẬU
TƯƠNG, LẠC VÀ XÂY DỰNG QUY TRÌNH GIÁM
SÁT KHÍ TƯỢNG NÔNG NGHIỆP CHO 4 CÂY
TRỒNG CHÍNH (LÚA, NGÔ, LẠC, ĐẬU TƯƠNG)
BẰNG THÔNG TIN MẶT ĐẤT Ở VIỆT NAM Chủ nhiệm đề tài: TS. NGUYỄN THỊ HÀ

TRỒNG CHÍNH (LÚA, NGÔ, LẠC, ĐẬU TƯƠNG)
BẰNG THÔNG TIN MẶT ĐẤT Ở VIỆT NAM
Tên Chủ nhiệm Đề tài: TS. Nguyễn Thị Hà
HÀ NỘI, 6 - 2009

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

BÁO CÁO
TỔNG KẾT ĐỀ TÀI NGHIÊN CỨU

(Thủ trưởng đơn vị chủ trì
ký tên, đóng dấu)
Hà Nội, ngày…tháng…năm 2009 Hà Nội, ngày…tháng…năm 2009

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

CƠ QUAN QUẢN LÝ ĐỀ TÀI
TL. BỘ TRƯỞNG
KT. VỤ TRƯỞNG
VỤ KHOA HỌC VÀ CÔNG NGHỆ
PHÓ VỤ TRƯỞNG
Nguyễn Lê Tâm
HÀ NỘI, 6 - 2009

II.1.4. Số liệu sử dụng 30
Chương 2. Kết quả nghiên cứu xây dựng mô hình dự báo năng suất
ngô, lạc, đậu tương của các tỉnh gieo trồng chính ở Việt
Nam 32
II.2.1. Kết quả áp dụng phương pháp hồi quy từng bước trong xác định các
phương án dự báo năng suất ngô, lạc, đậu tương 32

ii
II.2.2. Kết quả áp dụng phương pháp trực giao trong xây dựng các mô hình
dự báo năng suất ngô, lạc, đậu tương 58
II.2.3. Đánh giá và chọn lọc các mô hình sử dụng trong xây dựng quy trình
dự báo năng suất ngô, lạc, đậu tương ở Việt Nam 76
Chương 3. Xây dựng phần mềm và quy trình dự báo năng suất cho
ngô, lạc, đậu tương ở Việt Nam 83
II.3.1. Xây dựng phần mềm dự báo năng suất cho ngô, lạc, đậu tương ở
Việt Nam 83
II.3.2. Quy trình dự báo năng suất cho 3 cây trồng ngô, lạc, đậu tương ở Việt
Nam 84
PHẦN III. NGHIÊN CỨU XÂY DỰNG QUY TRÌNH GIÁM SÁT KTNN
CHO 4 CÂY TRỒNG CHÍNH (LÚA, NGÔ, LẠC, ĐẬU
TƯƠNG) BẰNG THÔNG TIN MẶT ĐẤT Ở VIỆT NAM 95
Chương 1. Nghiên cứu xây dựng các kịch bản tổng hợp mức độ thuận
lợi và không thuận lợi của điều kiện thời tiết đối với 4 cây
trồng (lúa, ngô, lạc, đậu tương) theo phương pháp nhận
dạng 95
III.1.1. Khả năng áp dụng lý thuyết nhận dạng trong xây dựng các kịch bản
về điều kiện khí tượng nông nghiệp đối với cây trồng 95
III.1.2. Nghiên cứu xây dựng các kịch bản về mức độ thuận lợi của các điều
kiện thời tiết đối với sự sinh trưởng, phát triển và hình thành năng
suất cây trồng ở Việt Nam bằng phương pháp nhận dạng 99

Các nhu cầu về số liệu thời tiết cụ thể đối với các hoạt động sản xuất
nông nghiệp 15

Bảng II.2.1. Kết quả xây dựng phương trình dự báo và xác định sai số dự
báo của 1 trong các phương án (phép thử) dự báo năng suất ngô đối
với tỉnh Phú Thọ 36
Bảng II.2.2. Tổng hợp kết quả kiểm chứng các phương án (phép thử - PT)
dự báo năng suất ngô tỉnh Phú Thọ 38
Bảng II.2.3. Kết quả xây dựng phương trình dự báo và xác định sai số dự
báo của 1 trong các phương án dự báo năng suất lạc (phép thử 1) đối
với tỉnh Thừa Thiên Huế 39
Bảng II.2.4. Tổng hợp kết quả kiểm chứng các phương án dự báo năng suất
lạc tỉnh Thừa Thiên Huế 40
Bảng II.2.5. Kết quả xây dựng phương trình dự báo và xác định sai số dự
báo của 1 trong các phương án dự báo năng suất đậu tương
(phép thử 1) đối với tỉnh Hà Giang

41
Bảng II.2.6. Tổng hợp kết quả kiểm chứng các phương án (phép thử - PT)
dự báo năng suất đậu tương tỉnh Hà Giang 42
Bảng II.2.7. Các phương trình dự báo năng suất ngô ở các tỉnh gieo trồng
chính theo phương pháp hồi quy từng bước 43
Bảng II.2.8. Các phương trình dự báo năng suất lạc bằng phương pháp hồi quy
từng bước ở các tỉnh gieo trồng chính của Việt Nam 45
Bảng II.2.9. Các phương trình dự báo năng suất đậu tương ở các tỉnh gieo
trồng chính theo phương pháp hồi quy từng bước 46
Bảng II.2.10. Khoảng hoạt động của các phương trình tương quan trong
bảng II.2.7 47
Bảng II.2.11. Khoảng hoạt động của các phương trình tương quan trong
bảng II.2.8 48

trên cơ sở số liệu độc lập theo phương pháp trực giao 64
Bảng II.2.25. Kết quả kiểm tra chất lượng dự tính năng suất đậu tương của
các tỉnh trên cơ sở số liệu phụ thuộc theo phương pháp trực giao 66
Bảng II.2.26. Kết quả kiểm nghiệm chất lượng dự báo năng suất đậu tương
của các tỉnh bằng phương pháp trực giao trên cơ sở số liệu độc lập 66
Bảng II.2.27. Sai số của phương trình dự báo năng suất ngô bằng phương
pháp TGKH đối với tỉnh Phú Thọ 69
Bảng II.2.28. Các phương trình dự báo năng suất ngô cho các tỉnh theo
phương pháp TGKH 70
Bảng II.2.29. Kết quả kiểm tra chất lượng dự báo năng suất ngô của các
tỉnh trên cơ sở số liệu phụ thuộc theo phương pháp TGKH 72
Bảng II.2.30. Kết quả kiểm tra chất lượng dự báo năng suất ngô của các
tỉnh theo phương pháp TBKH trên cơ sở số liệu độc lập 73
Bảng II.2.31. Một số chỉ tiêu đánh giá kết quả dự báo năng suất ngô cho 49
tỉnh trồng ngô chính theo 2 phương pháp: HQTB và TGKH 76
Bảng II.2.32. Một số chỉ tiêu đánh giá kết quả dự báo năng suất lạc cho 24
tỉnh trồng lạc chính theo 2 phương pháp HQTB và phương pháp TG

78

vi
Bảng II.2.33. Một số chỉ tiêu đánh giá kết quả tính năng suất đậu tương cho
16 tỉnh trồng đậu tương chính theo 2 phương pháp (HQTB và TG) 80
Bảng III.1.1. Các ngưỡng nhiệt độ (thấp, cao và tối ưu) đối với cây lúa
trong các giai đoạn sinh trưởng và phát triển chính 103
Bảng III.1.2. Các giá trị trung bình của bốc thoát hơi tiềm năng
(ETo/mm/ngày) ở các vùng khí hậu nông nghiệp khác nhau 104
Bảng III.1.3. Hệ số cây trồng đối với cây lúa tính từ sau ngày gieo, trồng 104
Bảng III.1.4. Số giờ nắng tối ưu ngày đối với cây lúa trong 4 giai đoạn phát
triển chính 105

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

vii
Bảng III.1.18. Kiểm chứng kết quả giám sát năng suất có thể đối với cây
lúa vụ đông xuân giai đoạn 1998 – 2007 128
Bảng III.1.19. Kiểm chứng kết quả giám sát năng suất có thể đối với cây lúa
vụ mùa giai đoạn 1998 – 2007 129
Bảng III.1.20. Các ngưỡng nhiệt độ (thấp, cao và tối ưu) đối với cây ngô
trong các giai sinh trưởng và phát triển chính 130
Bảng III.1.21. Các ngưỡng nhiệt độ (thấp, cao và tối ưu) đối với cây lạc
trong các giai đoạn sinh trưởng và phát triển chính 130
Bảng III.1.22. Các ngưỡng nhiệt độ (thấp, cao và tối ưu) đối với cây đậu
tương trong các giai đoạn sinh trưởng và phát triển chính 130
Bảng III.1.23. Hệ số cây trồng đối với một số cây trồng cạn, tính từ sau
ngày gieo, trồng 131
Bảng III.1.24. Số giờ nắng tối ưu ngày đối với 3 cây ngô, lạc và đậu tương
trong 4 giai đoạn phát triển chính 132
Bảng III.1.25. Tốc độ gió trung bình ngày tối ưu đối với cây 3 cây ngô, lạc,
đậu tương trong 4 giai đoạn phát triển chính 132
Bảng III.1.26. Mức giảm năng suất trung bình tuần (%) của 3 cây trồng cạn

Bảng III.1.40. Phân loại vụ được mùa hoặc mất mùa dựa vào mức ñộ thuận
lợi của thời tiết (K favt) ñến thời ñiểm ñánh giá 144
Bảng III.1.41. Kết quả kiểm chứng mức độ phù hợp của chỉ số thuận lợi
tích hợp tích luỹ của điều kiện KTNN đối với vụ ngô Đông xuân ở
Trạm Thực nghiệm Khí tượng nông nghiệp Đồng bằng Bắc Bộ 146
Bảng III.1.42. Kiểm chứng kết quả giám sát năng suất có thể đối với cây
ngô vụ Đông xuân giai đoạn 1998 – 2006 147
Bảng III.2.1. Tỷ lệ độ dài của 4 giai đoạn sinh trưởng và phát triển chủ yếu
so với độ dài của toàn bộ thời gian sinh trưởng của cây lúa 151

ix

MỤC LỤC HÌNH
Trang
Hình I.1. Sơ đồ khái niệm của hệ thống thông tin an ninh lương thực
(FSIEWS) của FAO 4
Hình I.2. Sơ đồ đánh giá năng suất cây trồng của FAO 5
Hình I.3. Cấu trúc của trang web chủ về hệ thống thông tin khí tượng nông
nghiệp hoặc hệ thống thông tin khí tượng nông nghiệp phục vụ an
ninh lương thực 7
Hình I.4. Sơ đồ phương pháp giám sát và dự báo năng suất cây trồng ở các
nước châu Âu, một số nước châu Á và các nước vùng phía Đông
của châu Phi 11
Hình I.5. Sơ đồ phương pháp giám sát cây trồng ở Trung Quốc 19
Hình I.6. Sơ đồ phương pháp dự báo năng suất cây trồng theo huyện, tỉnh ở
Trung Quốc 20
Hình I.7. Sơ đồ khung về hệ thống giám sát và dự báo năng suất cây trồng
bằng thông tin mặt đất ở Việt Nam 23
Hình I.8. Sơ đồ khối giám sát và dự báo năng suất cây trồng bằng thông tin
mặt đất ở Việt Nam 24

MỞ ĐẦU
Đánh giá điều kiện sinh trưởng, phát triển, tạo thành năng suất và dự báo
năng suất là vấn đề rất quan trọng trong công tác điều chỉnh kỹ thuật canh tác để
nâng cao năng suất cây trồng. Sự ảnh hưởng mạnh mẽ của thời tiết và khí hậu
đến quá trình sinh trưởng, phát triển và tạo thành năng suất, sản lượng lương
thực của thế giới đã dẫn đến sự quan tâm đặc biệt trong vấn đề theo dõi, đánh
giá định kỳ (giám sát điều kiện khí tượng nông nghiệp) đối với sự sinh trưởng,
phát triển và dự báo năng suất, sản lượng có thể đạt được của các loại cây lương
thực ở các quốc gia trên thế giới. Bên cạnh đó, vấn đề an ninh lương thực đã và
đang trở thành một vấn đề rất quan trọng mang tính toàn cầu trong những thập
kỷ gần đây. Để góp phần giải quyết vấn đề này thì bên cạnh việc áp dụng các
biện pháp liên quan đến kỷ thuật trong nông nghiệp như giống mới, áp dụng kỷ
thuật tiên tiến, sử dụng hợp lý các loại phân bón việc giám sát điều kiện khí
tượng nông nghiệp và dự báo năng suất mùa màng chính xác để có kế hoạch
xuất nhập khẩu hợp lý của mỗi quốc gia là rất cần thiết.
Với tầm quan trọng của công tác giám sát và dự báo năng suất cây trồng, đã từ
lâu ở các nước phát triển và một số nước khác (Mỹ, các nước thuộc EU, Liên Xô
cũ, Trung Quốc ) đã tiến hành công việc giám sát khí tượng nông nghiệp (KTNN)
đối với các loại cây trồng và từ những năm 1974 - 1980 đến nay đã tiến hành xây
dựng các phương pháp dự báo và dự báo năng suất cây trồng với những thời hạn
khác nhau: dự báo vào đầu thời vụ gieo trồng, dự báo với thời hạn từ 3 đến 2 hoặc
1 tháng trước khi thu hoạch.
Ở Việt Nam, việc giám sát KTNN (thông qua bản tin Thông báo KTNN
hàng tháng) và dự báo năng suất cây trồng đã được đưa vào công tác nghiệp vụ
ở Trung tâm Nghiên cứu Khí tượng nông nghiệp - Viện Khoa học Khí tượng
Thuỷ văn và Môi trường (KTTV&MT) - Bộ Tài nguyên và Môi trường. Tuy
nhiên, cho đến nay, trong giám sát KTNN chưa có đánh giá hoặc nhận định khả
năng năng suất có thể đạt đạt được từ những thời điểm đánh giá cần thiết; trong
dự báo năng suất chỉ mới có quy trình dự báo và dự báo năng suất lúa trung bình
theo tỉnh cho lúa vụ đông xuân và vụ mùa vùng Đồng bằng Bắc Bộ, Bắc Trung

[4] thường bao gồm hai hợp phần:
1) Mạng lưới quan trắc, thu thập, xử lý, lưu trữ và chuyển giao số liệu
KTNN;
2) Mạng lưới dự báo và cảnh báo sớm KTNN.
Theo quy định của Tổ chức Khí tượng Thế giới [43, 48 - 51, 65, 87], việc
thực hiện các hoạt động của hệ thống cảnh báo sớm thường phải trải qua 10 bước
sau đây:
1) Kết nối các nghĩa vụ nghiệp vụ ở cấp độ quốc gia và địa phương;
2) Chỉ đạo một cơ quan có nghĩa vụ phát hành các bản tin cảnh báo;
3) Ra quyết định hoạt động cảnh báo ở một cấp độ chính trị;
4) Làm cho cảnh báo trở thành dễ hiểu và phù hơp;
5) Tạo nền tảng cho các cảnh báo trên cơ sở phân tích rủi ro và thông tin
cho các nhóm bị ảnh hưởng và tổn thương;
6) Liên kết các loại thiên tai thịnh hành và có khả năng xảy ra với các hoạt
động giảm thiểu rủi ro;
7) Giám sát và dự báo những thay đổi của các dạng tổn thương ở các cấp

3

địa phương;
8) Tạo ra những thông tin chi tiết và cụ thể về những rủi ro ở các cấp địa
phương;
9) Đưa ra các chiến lược đa ngành cho các hệ thống cảnh báo thích hợp với
các địa phương;
10) Cung cấp, thẩm tra các thông tin và chọn các phương tiện truyền thông,
các chiến lược phổ biến về những rủi ro đã nhận biết được.
I.1.2. Mô hình giám sát và dự báo khí tượng nông nghiệp của tổ chức
Lương thực và Nông nghiệp Liên hợp quốc (FAO)
I.1.2.1. Cấu trúc của thông tin an ninh lương thực và hệ thống cảnh báo sớm
(FSIEWS) của FAO
Hình I.1. Sơ đồ khái niệm của hệ thống thông tin an ninh lương thực (FSIEWS)
của FAO [87]
3) Khối các chỉ số về những hoạt động của hệ thống FSIEWS. Khối này
cũng bao gồm 3 khối thành phần. Khối thành phần 1 bao gồm giám sát và dự
Các sản phẩm
đầu ra (Sử
dụng thông tin

Giám sát và dự
báo mùa màng
của nông
nghiệp (giám
sát các cây
trồng, vật nuôi
và khí hậu nông
nghiệp)
Các điều kiện
khinh tế xã hội và
thị trường (Giám
sát sự cân bằng
giữa cung cấp/nhu
cầu, thông tin giá
cả, lợi nhuận)
Giám sát dinh
dưỡng sức khỏe
(Các sự đánh giá
về sức khỏe và
dinh dưỡng, giám
sát an ninh lương
thực theo hộ gia
đình)
Tính hữu dụng
của lương thực

Độ ổn định l
ương
thực và cơ hội
lương thực
Hình I.2. Sơ đồ đánh giá năng suất cây trồng của FAO [87]

Mạng lưới
khí tượng

Thời tiết Các mô hình
khí tượng nông
nghiệp
Các giai
đoạn của
cây trồng Vệ tinh

Quan tr

màng
Sản lượng
Năng suất
tại trạm
Năng
suất của
huyện
Di
ện tích
gieo trồng

Tính trung
bình diện
tích gieo
trồng

6

phục vụ an ninh lương thực của FAO [43, 48-50, 87], hình I.2, gồm có các khối
sau đây:
1) Khối mạng lưới trạm khí tượng để giám sát các điều kiện khí tượng.
Khối này cũng kết nối với các mô hình tính toán KTNN và các hàm tính toán
năng suất cây trồng.
2) Khối mạng lưới vệ tinh để giám sát các điều kiện khí tượng, các giai đoạn

7
v.v….
Vật hậu
Dự báo các giai đoạn
phát triển và năng suất

Sâu bệnh
Giám sát côn trùng, vi
khuẩn, v.v
Công việc
đồng ruộng

Phân tích công việc v
à
khả năng vận chuyển

Tưới tiêu
Cán cân nước và lịch
tưới tiêu
B
ảo vệ thực
vật
L
ập kế hoạch sử dụng
thuốc trừ sâu, bệnh
Bản đồ
chuyên đề

Các xu thế

Khí hậu v

các chuỗi số liệu nhiều năm ) và cung cấp những thông tin có hiệu lực.
I.1.2.3. Nhóm khí tượng nông nghiệp của FAO
Nhóm KTNN là một phần của Ban Môi trường và Tài nguyên thiên nhiên
(Environment and Natural Resources Service-SDRN) thuộc Cục Phát triển Bền
vững (SDRN-là đầu mối về số liệu môi trường). Nhóm KTNN tập hợp các số
liệu khí tượng thời gian cận thực (chủ yếu là giáng thuỷ) từ các nguồn khác nhau
của các trạm trên toàn thế giới để sử dụng trong giám sát KTNN về cây trồng và
dự báo năng suất. Các số liệu tham chiếu bao gồm 30.000 trạm khí tượng trên
toàn thế giới, kể cả số liệu trung bình chuẩn (trung bình của 30 năm) cũng như
chuỗi số liệu theo thời gian từ các nguồn số liệu được xuất bản và chưa xuất bản,
chủ yếu là từ các cơ quan khí tượng của các quốc gia và các trung tâm nghiên
cứu quốc tế.
Bắt đầu từ năm 1974, Nhóm KTNN đã phát triển và liên tục cải tiến
phương pháp dự báo mùa màng với mục đích cung cấp các thông tin được cập
nhật về các điều kiện mùa màng ở các nước cận Xahara từ Hệ thống Thông tin

9

toàn cầu của FAO và Hệ thống cảnh báo sớm (FAO’s Global Information and
Early Warning System (GIEWS), và cũng cung cấp các công cụ với các hợp
phần KTNN cho các Hệ thống thông tin An ninh lương thực và Cảnh báo sớm.
Từ những ngày đầu tiên, phương pháp (hướng dẫn) đánh giá định lượng đã được
cụ thể hoá, dựa trên cơ sở các mối quan hệ giữa chỉ số thoả mãn nhu cầu nước
của cây trồng (Water Requirements Satisfaction Index -WRSI), được tạo ra từ
mô hình cán cân nước của cây trồng cụ thể và các điều kiện cây trồng (Frère and
Popov, 1986) [49]. Ngày nay, mục tiêu của phương pháp là dự báo năng suất
cây trồng (tấn/ha) và sản lượng trước thu hoạch từ một số tháng.
I.1.2.4. Hệ thống thông tin cảnh báo sớm an ninh lương thực và những yêu
cầu của người sử dụng về hợp phần KTNN
Nghĩa vụ của cán bộ KTNN là áp dụng tất cả các kỹ năng khí tượng có liên

dự báo khí hậu; (8) Kết quả phân tích ảnh viễn thám so với các tuần (tháng)
trước, trong đó cho thấy mức độ phát triển của cây trồng, ảnh hưởng của các
điều kiện thời tiết bất lợi (hạn hán, ngập úng, rét hại, ) và thiên tai, sâu bệnh đối
với cây trồng; (9) Dự báo năng suất cây trồng phục vụ an ninh lương thực các
nước trong Liên minh châu Âu và các nước châu Phi. Các kết quả này có thể
truy cập từ Internet: http://mars.jrc.it/marsstat/bullentin/2004.htm
I.1.3.1. Mô hình giám sát năng suất cây trồng bằng số liệu khí tượng nông
nghiệp thời gian thực ở Châu Âu và châu Phi
Phương pháp giám sát và dự báo năng suất cây trồng của Liên minh châu
Âu đã được xây dựng với sự hợp tác giữa FAO và Liên minh châu Âu, Trung
tâm nghiên cứu liên hợp (JRC) thuộc Viện An ninh và An toàn công dân [65, 81,
87]. Sơ đồ phương pháp giám sát và dự báo cây trồng được trình bày ở hình I.4
với 3 khối và các nội dung như sau:
Khối thứ 1 gồm 3 khối thành phần: 1) Khối các thông tin về chỉ số NDVI dựa
vào vệ tinh SPOT-4 là khối số liệu đầu vào; 2) Khối lấy trung bình không gian của
chỉ số NDVI theo đơn vị vùng trồng cây nông nghiệp (CPSZ) có sử dụng Windisp
4 là khối xử lý và các công cụ tính toán; 3) Mô tả các file NDVI của CPSZ, là khối
trung gian và các sản phẩm số liệu cuối cùng.
Khối thứ 2 gồm 6 khối thành phần: 1) Khối các thông tin về lượng mưa và
bốc thoát hơi tiềm năng (PET) là khối số liệu đầu vào (lấy từ dự báo thời tiết hạn
vừa của Trung tâm Dự báo châu Âu theo mô hình ECMWF); 2) Khối không gian
hoá số liệu theo lưới có sử dụng Surfer 3.2 và Windisp4 là khối xử lý và các công
cụ tính toán; 3) Khối số liệu lượng mưa và các ảnh PET, là khối trung gian và các
sản phẩm số liệu cuối cùng; 4) Khối mô hình tính toán và ước lượng ngày gieo
trồng, là khối xử lý và các công cụ tính toán; 5) Khối chạy mô hình cán cân nước
của cây trồng cụ thể có sử dụng mô hình AgroMetShell ở cấp độ vùng trồng cây
nông nghiệp [40]; 6) Khối ngày gieo trồng cây, các chỉ số tiến độ phát triển của
cây trồng (CCPI), là khối trung gian và các sản phẩm số liệu cuối cùng.
Khối thứ 3 cũng gồm 6 khối thành phần: 1) Khối về cơ sở dữ liệu các vùng
trồng cây nông nghiệp, bao gồm các thông tin về: thổ nhưỡng và sức chứa ẩm, số
Hình I.4. Sơ đồ phương pháp giám sát và dự báo năng suất cây trồng ở các nước
châu Âu, một số nước châu Á và các nước vùng phía Đông của châu Phi [81]

Mặt nạ các cây trồng cụ thể từ dữ liệu CPSZ dùngArcView GIS 3.2
Lượng mưa và PET

(mô hình ECMWF)

NDVI

(vệ tinh SPOT-4)
Không gian hoá sô liệu
theo lưới sử dụng
Surfer 3.2 và Windisp4

Số liệu lượng mưa và

-

Ngày gieo trồng cây
- Chỉ số tiến triển của
cây trồng(CCPI)
Chỉ số thoả mãn
nhu cầu nước
(WSI)
Năng su
ất

(t/ha)
Mô tả các file
NDVI và CPSZ 12
I.1.3.2. Mô hình cán cân nước cây trồng (CSWB) sử dụng trong hệ thống
giám sát và dự báo KTNN của EU
Đây là một mô hình rất đơn giản của FAO nhưng về mặt vật lý nó là một
mô hình báo hiệu cán cân nước trong đất và được dùng để đánh giá tác động của
điều kiện thời tiết đối với các cây trồng [81]. Mô hình được tính theo tuần 10
ngày.
Phương trình cán cân nước có dạng:
W
t
= W
t–1
+ R – ETm – (r + i) (I.1)
Trong đó,

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