BTNMT
VKTTVMT

BỘ TÀI NGUYÊN VÀ MÔI TRƯỜNG
VIỆN KHOA HỌC KHÍ TƯỢNG THỦY VĂN VÀ MÔI TRƯỜNG

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 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

7486
19/8/2009

BÁO CÁO
TỔNG KẾT ĐỀ TÀI NGHIÊN CỨU
KHOA HỌC VÀ CÔNG NGHỆ CẤP BỘ

ĐỀ TÀI:

NGHIÊN CỨU DỰ BÁO NĂNG SUẤT NGÔ, ĐẬU
TƯƠNG, LẠC VÀ XÂY DỰNG QUY TRÌNH GIÁM

MỞ ĐẦU .......................................................................................................... 1
PHẦN I. MỘT SỐ MÔ HÌNH GIÁM SÁT VÀ DỰ BÁO KHÍ TƯỢNG
NÔNG NGHIỆP TRÊN THẾ GIỚI VÀ DỰ KIẾN PHÁT
TRIỂN Ở VIỆT NAM ....................................................................... 2
Chương 1. Mô hình giám sát và dự báo khí tượng nông nghiệp trên thế
giới .................................................................................................. 2
I.1.1. Quan điểm về mô hình giám sát và dự báo khí tượng nông nghiệp ............ 2
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 ............................................. 3
I.1.3. Mô hình giám sát và dự báo khí tượng nông nghiệp ở Liên minh châu
Âu (EU) và châu Phi ................................................................................ 9
I.1.4. Giám sát và dự báo khí tượng nông nghiệp ở Mỹ ................................... 14
I.1.5. Giám sát và dự báo năng suất cây trồng ở Trung Quốc .......................... 18
Chương 2. Mô hình giám sát và dự báo khí tượng nông nghiệp ở Việt
Nam ............................................................................................ 21

Cộng tác viên chính: 1. KS. Ngô Sỹ Giai; 2. ThS. Ngô Tiền Giang; 3. CN. Nguyễn Hồng Sơn;
4. TS. Trần Hồng Thái; 5. KS. Đặng Thị Thanh Hà; 6. Võ Đình Sức
Hà Nội, ngày…tháng…năm 2009 Hà Nội, ngày…tháng…năm 2009 Hà Nội, ngày…tháng…năm 2009

CHỦ NHIỆM ĐỀ TÀI
(Ký và ghi rõ họ tên)

MỤC LỤC

ĐƠN VỊ THỰC HIỆN
(Ký và ghi rõ họ tên)

CƠ QUAN CHỦ TRÌ
(Thủ trưởng đơn vị chủ trì

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

TS. Nguyễn Lê Tâm

Nguyễn Lê Tâm
HÀ NỘI, 6 - 2009

i


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

Chương 3. Xây dựng thử nghiệm 4 bản tin về giám sát khí tượng nông
nghiệp ....................................................................................... 157
III.3.1. Bản tin thông báo KTNN ................................................................... 157
III.3.2. Bản tin dự báo năng suất lúa và năng suất ngô, lạc, đậu tương ........... 158
III.3.3. Bản tin tổng kết điều kiện khí tượng nông nghiệp vụ ......................... 158
KẾT LUẬN VÀ KIẾN NGHỊ ..................................................................... 159


iii


MỤC LỤC BẢNG
Trang
Bảng I.1. Đánh giá năng suất cây trồng dựa theo chỉ số thoả mãn về nước
(WSI) ..................................................................................................... 13

Bảng II.2.15. Kết quả kiểm chứng chất lượng dự báo năng suất lạc của các
tỉnh trên cơ sở số liệu phụ thuộc theo phương pháp hồi quy từng bước ... 54
Bảng II.2.16. Kết quả kiểm chứng chất lượng dự báo năng suất lạc của các
tỉnh trên cơ sở số liệu độc lập theo phương pháp hồi quy từng bước ....... 54

nông nghiệp .................................................................................................... 15

Bảng II.2.17. Kết quả kiểm chứng chất lượng dự báo năng suất đậu tương
của các tỉnh trên cơ sở số liệu phụ thuộc theo phương pháp hồi quy
từng bước ............................................................................................... 56

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.2.18. Kết quả kiểm chứng chất lượng dự báo năng suất đậu tương
của các tỉnh theo phương pháp hồi quy từng bước trên cơ sở số liệu
độc lập .................................................................................................... 57

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.2.12. Khoảng hoạt động của các phương trình tương quan trong
bảng II.2.9 .............................................................................................. 49
Bảng II.2.13. Kết quả kiểm chứng mô hình dự báo năng suất ngô của các
tỉnh trên cơ sở số liệu phụ thuộc theo phương pháp hồi quy từng bước ... 50
Bảng II.2.14. Kết quả kiểm chứng mô hình dự báo năng suất ngô của các
tỉnh theo phương pháp hồi quy từng bước trên cơ sở số liệu độc lập ...... 51
iv

Bảng II.2.21. Các phương trình dự báo năng suất đậu tương ở các tỉnh gieo
trồng chính theo phương pháp trực giao ................................................. 61
Bảng II.2.22. Các phương trình dự báo năng suất lạc ở các tỉnh gieo trồng
chính theo phương pháp trực giao ........................................................... 62
Bảng II.2.23. Kết quả kiểm tra chất lượng dự báo năng suất lạc của các tỉnh
trên cơ sở số liệu phụ thuộc theo phương pháp trực giao ........................ 64
Bảng II.2.24. Kết quả kiểm tra chất lượng dự báo năng suất lạc của các tỉnh
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 III.1.5. Mức giảm năng suất trung bình tuần (%) của lúa do nhiệt độ
chênh lệch lớn so với nhiệt độ tối ưu trong 4 giai đoạn sinh trưởng ...... 108
Bảng III.1.6. Mức giảm năng suất trung bình ngày (%) của lúa do thời tiết khô
nóng trong các giai đoạn sinh trưởng và phát triển ..................................... 109
Bảng III.1.7. Chỉ tiêu phân hạng mức độ khắc nghiệt của hạn nông nghiệp tính
theo phương pháp Prescot đã được hiệu chỉnh theo hệ số Xelianinốp ............ 110
Bảng III.1.8. Mức giảm năng suất trung bình tuần (%) của lúa do hạn nông
nghiệp (NN) trong các giai đoạn sinh trưởng và phát triển .......................... 110

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.1.9. Mức giảm năng suất trung bình của lúa do 1 đợt gió mạnh (%/đợt)
trong các giai đoạn sinh trưởng và phát triển ............................................ 111

Bảng III.1.26. Mức giảm năng suất trung bình tuần (%) của 3 cây trồng cạn
do nhiệt độ chênh lệch lớn so với nhiệt độ tối ưu trong 4 giai đoạn
sinh trưởng ........................................................................................... 135

Bảng III.1.10. Mức giảm năng suất trung bình (%) của lúa do ngập úng trong
các giai đoạn sinh trưởng và phát triển ...................................................... 111

Bảng III.1.27. Mức giảm năng suất trung bình ngày (%) của ngô do thời
tiết khô nóng trong các giai đoạn sinh trưởng và phát triển ................... 136

vi

Bảng III.1.31. Mức giảm năng suất trung bình tuần (%) của lạc do hạn
nông nghiệp trong các giai đoạn sinh trưởng và phát triển .................... 137
Bảng III.1.32. Mức giảm năng suất trung bình tuần (%) của đậu tương do
hạn nông nghiệp trong các giai đoạn sinh trưởng và phát triển ............... 138
Bảng III.1.33. Mức giảm năng suất trung bình của ngô do 1 đợt gió mạnh
(%/đợt) trong các giai đoạn sinh trưởng và phát triển ........................... 138
Bảng III.1.34. Mức giảm năng suất trung bình của lạc do 1 đợt gió mạnh
(%/đợt) trong các giai đoạn sinh trưởng và phát triển ........................... 138
Bảng III.1.35. Mức giảm năng suất trung bình của đậu tương do 1 đợt gió
mạnh (%/đợt) trong các giai đoạn sinh trưởng và phát triển .................. 139
vii


Bảng III.1.36. Mức giảm năng suất trung bình của ngô do ngập úng trong
các giai đoạn sinh trưởng và phát triển trên 2 nền bón đạm .................. 139
Bảng III.1.37. Mức giảm năng suất trung bình của ngô do ngập úng trong
các giai đoạn sinh trưởng và phát triển theo mức bón đạm trung bình .. 139
Bảng III.1.38. Mức giảm năng suất trung bình của cây lạc do ngập úng
trong các giai đoạn sinh trưởng và phát triển ........................................ 140
Bảng III.1.39. Mức giảm năng suất trung bình của đậu tương do ngập úng
trong các giai đoạn sinh trưởng và phát triển ........................................ 140
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

MỤC LỤC HÌNH


DANH MỤC CÁC CHỮ VIẾT TẮT
Những chữ viết tắt

Viết đầy đủ

CCPI

Chỉ số tiến độ phát triển của cây trồng

CSWB

Cán cân nước cây trồng

EU

Liên minh châu Âu

FAO

Tổ chức Lương thực và Nông nghiệp Liên hợp quốc

FSIEWS

Thông tin an ninh lương thực và hệ thống cảnh báo sớm
của FAO

KTNN

Khí tượng nông nghiệp

WRSI

Chỉ số thõa mãn nhu cầu nước của cây trồng

WWCB

Tuần báo Thời tiết và Cây trồng của Mỹ

x

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

Nói chung, giám sát KTNN sẽ bao gồm các công việc chính sau đây:
1) Theo dõi và đánh giá diễn biến các điều kiện KTNN hiện tại so với trung
bình nhiều năm và những thời đoạn trước thời gian đang đánh giá;
2) Đánh giá trạng thái sinh trưởng, phát triển và hình thành năng suất cây
trồng, vật nuôi tại thời điểm được đánh giá;
3) Đánh giá tác động của các điều kiện KTNN đến sự sinh trưởng, phát
triển và hình thành năng suất cây trồng, vật nuôi tại thời điểm được đánh giá;
4) Dự báo sinh trưởng và hình thành năng suất cây trồng, vật nuôi kể từ
thời điểm được đánh giá;
Mô hình giám sát và dự báo khí tượng nông nghiệp ở các nước trên thế giới
[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
2

địa phương;
8) Tạo ra những thông tin chi tiết và cụ thể về những rủi ro ở các cấp địa

tại. Khối thành phần 2 bao gồm thị trường và phân tích thương mại. Khối thành
phần 3 bao gồm đánh giá cơ cấu tổn thương và đánh giá bất an ninh lương thực
trong thời gian dài (kinh niên).
3


• Tác động ngăn ngừa ngắn
Các sản phẩm
đầu ra (Sử
dụng thông tin
FSIEWS

hạn
• Các hoạt động khẩn cấp và
giảm nhẹ

của FSIEWS

nghiệp (hạn vừa/hạn dài)

• Kế hoạch lĩnh vực nông

Hạn ngắn

Các chức năng

• Chương trình an ninh
lương thực
• Kế hoạch phát triển
• Kế hoạch lĩnh vực nông

Mạng lưới
khí tượng

Thời tiết

Các giai
đoạn của
cây trồng

Vệ tinh

Các họat động
chỉ thị/ các hoạt
động FSIEWS

Các nhân tố an
ninh lương thực

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

Quan trắc
đồng ruộng

Hàm năng suất
Đầu tư của
nông
nghiệp

Tính trung
bình diện
tích gieo
trồng

Sản lượng

Bản đồ và cơ sở
dữ liệu

Thống kê
nông nghiệp
Hình I.1. Sơ đồ khái niệm của hệ thống thông tin an ninh lương thực (FSIEWS)
của FAO [87]

Đánh giá sản
lượng mùa
màng

Số liệu
tham chiếu


tượng

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
phát triển của cây trồng và chỉ số thực vật. Khối này cũng kết nối với các mô hình
tính toán KTNN và các hàm tính toán năng suất cây trồng, năng suất tại trạm,
năng suất trung bình huyện và sản lượng cây trồng trong vụ.

Số liệu
nông
nghiệp

3) Khối những người theo dõi và quan trắc đồng ruộng bao gồm giám sát
các giai đoạn phát triển của cây trồng và những đầu tư cho nông nghiệp. Khối
này cũng liên quan đến việc xác định diện tích gieo trồng. ở các vùng giám sát.
4) Khối bản đồ và cơ sở dữ liệu giám sát các loại số liệu tham chiếu. Các số
liệu tham chiếu được kết nối với các hàm tính toán năng suất cây trồng.

Đánh giá số liệu khí
tượng, độ ẩm đất, v.v..

Mô hình
hóa

Sử dụng các sản phẩm
thông tin mô hình số
trị và viễn thám


bệnh; 3) Khối công việc đồng ruộng; 4) Khối công việc tưới tiêu và 5) Khối bảo
vệ thực vật. Trong đó khối số liệu vật hậu bao gồm dự báo các giai đoạn vật hậu
hình thành năng suất cây trồng (vật nuôi); Khối sâu bệnh bao gồm giám sát các
loại côn trùng và vius...; Khối công việc đồng ruông liên quan đến phân tích khả
năng làm ruộng và vận chuyển; Khối công việc tưới tiêu liên quan đến cán cân
nước và lịch tưới, tiêu; và Khối bảo vệ thực vật liên quan đến việc lập kế hoạch
sử dụng thuốc trừ sâu vầ diệt cỏ.

Phân tích

Các thông
tin khác

Công việc Phân tích công việc và
đồng ruộng khả năng vận chuyển
Các xu thế

Bản đồ
chuyên đề
Tưới tiêu

Phân tích xu
thế năng suất,
khí hậu

Khí hậu và các
vùng sử dụng
đất đai

Cán cân nước và lịch

• Sử dụng lưới bề mặt của các tham số tính toán được liên quan đến cây
trồng, hoặc không, từ các ảnh vệ tinh (ví dụ, sức chứa ẩm tối đa đồng ruộng, các
loạ đất, lớp phủ đất, sử dụng đất, các mẫu diện tích cây trồng, v.v);
• Sử dụng các dự báo mùa;
• Các mẫu khảo sát đồng ruộng, chủ yếu là để ước tính mùa màng thu
hoạch;
Những công cụ này có thể sử dụng để đánh giá nhanh trạng thái cây trồng
(sự phát triển, các giai đoạn trong chu trình sinh trưởng, các điều kiện, v.v), là
những công cụ dùng để đánh giá định lượng và chúng phụ thuộc vào sự sẵn có
các thông tin bổ sung (các số liệu nông nghiệp, các số liệu thống kê năng suất,
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
8

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.

trưởng và phát triển của cây trồng); (4) Bản đồ nhiệt độ, lượng mưa tuần (10
ngày); (5) Bản đồ cán cân nước tính theo các điều kiện khí hậu tuần; (6) Nhu
cầu nước của cây trồng, trong đó trình bày kết quả đánh giá hệ số thoả mãn nhu
9


cầu nước (WRSI) bằng mô hình cán cân nước của từng cây trồng (FAO crop
specific Water Balance - CSWB) do FAO xây dựng; (7) Đánh giá khả năng
được mùa và mất mùa dựa vào kết quả đánh giá các hệ số thoả mãn nhu cầu
nước (WRSI) thực tế và dự báo đến cuối vụ có sử dụng các thông tin khí hậu và
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: />
(CPSZ), là khối xử lý và các công cụ tính toán; 3) 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]; 4) Khối về số liệu bốc thoát hơi thực tế, là khối trung gian và các
sản phẩm số liệu cuối cùng; 5) Khối về các hàm năng suất cây trồng ([1-Ya/Ymax =
Ky * (1-ETa/ETmax)], do Doorenbos và Kassam, 1979 đề xuất, là khối xử lý và các
công cụ; và 6) Khối về số liệu năng suất (tấn/ha), là khối xử lý và các công cụ.
Dữ liệu CPSZ
NDVI
(vệ tinh SPOT-4)

Lượng mưa và PET
(mô hình ECMWF)

•


Số liệu lượng mưa và
các ảnh PET

Thông tin về đất và sức
chứa ẩm
Lượng mưa quá khứ và
PET
Số liệu độ dài thời kì sinh
trưởng để xác định mức sử
dụng nước của cây trồng

Số liệu KTNN đã được
trung bình hoá cho các nhóm
vùng trồng cây nông nghiệp
(CPSZ)

Mô hình tính toán và
ước lượng ngày gieo
trồng
Khối lấy trung bình
không gian của chỉ số
NDVI theo đơn vị
vùng trồng cây công
nghiệp (CPSZ)
sử dụng Windisp4

Chạy mô hình cán cân nước của cây trồng cụ thể sử dụng
AgrometShell ở cấp độ vùng trồng cây nông nghiệp



11


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:
Wt = Wt–1 + R – ETm – (r + i)

(I.1)

Trong đó,
Wt: Lượng nước giữ được trong đất ở thời điểm t;
Wt–1: Lượng nước giữ được trong đất ở thời điểm cuối của thời kỳ trước

ETa có lợi thế vì nó bao hàm cả bức xạ, một yếu tố khí hậu quan trọng và
dễ ảnh hưởng đến năng suất cây trồng trong vùng. Ảnh hưởng của các nhân tố
khác ngoài nhân tố ức chế nước có thể làm giảm năng suất như ngập úng, thiệt
hại cơ học do gió, hoặc các nhân tố sinh học như châu chấu, chim, côn trùng
hoặc bệnh cây trồng chưa được xem xét đến trong mô hình CSWB.
Chỉ số WSI dùng để đánh giá lượng nước mà cây trồng nhận được ở thời
điểm bất kỳ nào trong vụ. Thông thường, chỉ số WSI dùng để xác định các cấp
năng suất (tốt, trung bình, kém) hoặc các con số so sánh (% của năng suất tối ưu
của cây trồng). Chỉ số thoã mãn về nước (WSI) được tính theo công thức sau đây:
WSI = 100 [1– (∑|D|/WR)]
Trong đó:


WR: Nhu cầu nước tối đa của cây trồng, mm/tuần.
Lượng thiếu hụt nước trong đất, D, được cho bằng 0 khi Wt trong phương trình
I.2 bằng 0 hoặc là giá trị dương và bằng Wt nếu là giá trị âm. Các giá trị D được
cộng lại và chia cho tổng lượng nhu cầu nước của cây trồng trong cả vụ để tính chỉ
số WSI. Khi WSI = 100 thì nó chứng tỏ rằng cây không bị ức chế về nước và năng
suất là tốt. Khi WSI = 50 tương ứng với năng suất kém hoặc mất mùa.

Wt = Wt–1 + R – ETm
(I.2)
Đại lượng bốc thoát hơi cực đại (ETm) trong phương trình (I.1) và (I.2) là
nhu cầu nước đối với cây trồng và được xác định như sau:

Bảng I.1. Đánh giá năng suất cây trồng dựa theo chỉ số thoả mãn về nước (WSI) [93]

ETm = Kc x PET
Trong đó:

(I.3)

Kc: Hệ số cây trồng (crop coefficient)
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
Kc được sử dụng. Nếu Wt lớn hơn lượng nước của sức chứa ẩm tối đa đồng ruộng
của đất thì đất có thêm nước bổ sung. Nếu Wt < 0 thì đất thiếu nước (D).
12

Một trong những ứng dụng quan trọng nhất của mô hình CSWB là xác định
mức độ bị hạn và đánh giá khả năng năng suất cây trồng dựa vào chỉ số thoả mãn



I.1.4. Giám sát và dự báo khí tượng nông nghiệp ở Mỹ
I.1.4.1. Giới thiệu về hoàn cảnh Thời tiết Nông nghiệp chung
Để có điều kiện phối hợp với Cục Thống kê Hoa Kỳ (GAO), đã có ký kết
một thoả thuận giữa hai cơ quan Bộ Thương mại và Bộ Nông nghiệp Mỹ về
thành lập bộ phận “Hoàn cảnh Thời tiết Nông nghiệp chung (Joint Agricultural
Weather Facility-JAWF)” và bộ phận này đã tồn tại 25 năm. Bộ phận JAWF
được tạo ra như một trung tâm thông tin thời tiết nông nghiệp thế giới nằm ở Bộ
Nông nghiệp Mỹ và được Bộ Thương mại/Cơ quan Khí quyển và Đại
dương/Cục Thời tiết quốc gia/Trung tâm Dự báo Khí hậu và Bộ Nông nghiệp
Mỹ/OCE/Phòng Nhận định Nông nghiệp Thế giới (WAOB) cung cấp cán bộ và
điều hành chung. Bộ phận này đóng ở Washington và phục vụ như một đầu mối
về thông tin thời tiết/khí hậu/khí tượng nông nghiệp và các đánh giá những tác
động của các thông tin này đối với nông nghiệp [66].
JAWF bao gồm một nhóm các nhà khí tượng nghiệp vụ của Cục Thời tiết
quốc gia (NWS) và các kỹ sư KTNN của Phòng Nhận định Nông nghiệp Thế
giới (WAOB) có nhiệm vụ giám sát các điều kiện thời tiết toàn cầu và chuẩn bị
những đánh giá nông nghiệp thời gian thực (Puterbaugh, và nnk, 1997; Motha
và Heddinghaus, 1986). Những đánh giá này được duy trì và cung cấp đầy đủ
các thông tin về những diễn biến có liên quan đến thời tiết và ảnh hưởng của
chúng đến cây trồng và vật nuôi cho cộng đồng các nhà phân tích của Bộ Nông
nghiệp, Bộ trưởng Bộ Kinh tế, Bộ trưởng Bộ Nông nghiệp và các nhân viên
đứng đầu các cơ quan có liên quan. Sau khi được kết hợp với những kết quả
phân tích, những đánh giá định kỳ và đặc biệt về thời tiết - cây trồng được gửi
cho các nhà ra quyết định để thành lập các dự báo sản lượng cây trồng và chính
sách thương mại. JAWF có nhiệm vụ đầu tiên là giám sát thời tiết toàn cầu và
xác định những tác động tiềm ẩn đối với nông nghiệp. Các nhà khí tượng của
JAWF dựa nhiều vào số liệu khí hậu và thời tiết từ tất cả 15.000 trạm khí tượng
từ các nguồn quốc tế và Hoa Kỳ. Vì vậy, một trong những nhiệm vụ quan trọng

3

4

5

6

Loại dữ liệu

Thời đoạn

Các hoạt động nông nghiệp

Nhiệt độ
(toàn vùng)

Giờ hoặc
các giá trị
trung bình
tích luỹ và
các cực trị

Trồng trọt, thu hoạch, giám sát thời tiết-cây trồng, phát
hiện/bảo vệ phòng ngừa băng giá, sự rụng lá, mô hình
hoá cây trồng, rủi ro về bệnh, tìm chỗ ẩn nấp cho cừu và
bò sinh đẻ, kiểm tra sâu bệnh hại cây trồng, thu cắt lông
vật nuôi, tính toán bốc thoát hơi tiềm năng, tính toán độ
hụt áp suất hơi nước, số giờ lạnh giá đối với cây ăn quả
có hột cứng, tính toán nhiệt độ sinh trưởng trong ngày.

Điểm sương và
phun thuốc trừ sâu bệnh, các điều kiện phơi và sấy khô,
độ ẩm (toàn
Giờ
tính toán độ hụt áp suất hơi nước, tưới tiêu, sự ức chế
tiềm năng của cây trồng, tính toán bốc thoát hơi tiềm
vùng)
năng.
Nhiệt độ tối cao
(toàn vùng)

15


TT
7
8
9
10
11
12

13

14
15

16

17

Bón phân, phun thuốc trừ sâu bệnh, diệt cỏ hoặc hút
Giờ
bụi..
(toàn vùng)
Thời tiết hiện tại
Ước lượng lớp phủ mây, công việc đồng ruộng, sự ức
Giờ
(toàn vùng)
chế tiềm năng
Trồng trọt, làm rụng lá, thu hoạch, bảo vệ phòng ngừa
băng giá có thể xảy ra, tìm chỗ ẩn nấp cho cừu và bò
Tốc độ gió (toàn
Giờ
sinh đẻ, kiểm tra sâu bệnh hại cây trồng, tỉa xén, tính
vùng)
toán bốc thoát hơi tiềm năng, phun thuốc diệt cỏ, trừ sâu,
hút bụi, thụ phấn, các điều kiện bão tuyết.
Bảo vệ phòng ngừa băng giá có thể xảy ra, bình lưu khí
Hướng gió (toàn
Giờ
nóng hoặc khí lạnh trên toàn bộ vùng cây trồng.
vùng)
Độ hụt áp suất
hơi nước (toàn
Giờ
Được tính từ nhiệt độ và điểm sương
vùng)
Bức xạ mặt trời,
Tính toán bốc thoát hơi tiềm năng (PET), mô hình hoá
thời gian nắng,

Ngày
trồng, cấy, bón phân.
toán
Lập lịch tưới tiêu, tính toán cán cân nước, tính
Bốc hơi (chậu)
Ngày
PET, mức sử dungh nước của cây trồng.
Mưa đá

Giờ

Để đưa ra các quyết định, Bộ Nông nghiệp Mỹ cần đến các thông tin thời tiết
hiện tại để nghiên cứu và hỗ trợ các nhà trồng trọt trong việc điều hành các các
hoạt động quản lý. Nó bao gồm các quyết định chiến lược (trồng cây gì) hoặc các
16

quyết định chiến thuật (khi nào tưới). Dựa vào đó Bộ Nông nghiệp Mỹ có thể hỗ
trợ các nhà nông trong việc đưa ra các quyết định có cần đến những bộ số liệu
thời tiết chi tiết. Các nhu cầu số liệu thời tiết cho 14 hoạt động nông nghiệp cụ
thể, dao động từ chuẩn bị đất đến tránh băng giá được quảng bá trên các báo cáo
của Bộ Nông nghiệp Mỹ. Việc truy cập các số liệu thời tiết cận thời gian thực
thông qua Internet là rất được mong muốn và ưa chuộng.
Các số liệu thời tiết gần và quá khứ cũng được các chương trình bảo hiểm
và bắt buộc như một nguồn thông tin bổ sung để xác định những thiệt hại có
khách quan và hợp lý không và những người sản xuất và các cơ quan tái bảo
hiểm tuân thủ các hợp đồng bảo hiểm. Bộ Nông nghiệp Mỹ cũng đóng vai trò
chủ đạo trong Ban Chính sách Hạn hán Quốc gia (NDPC) và hoạt động theo các
vấn đề chính sách hạn hán, có yêu cầu giám sát các điều kiện hạn hán và dự báo
(NDPC, 2000).
I.1.4.3. Tuần báo Thời tiết và cây trồng

ảnh hưởng đến nông nghiệp, cũng như bản đồ và bảng biểu chi tiết về các thông
tin khí tượng nông nghiệp phù hợp với từng mùa vụ.
Tuần báo cũng nhấn mạnh những ảnh hưởng tích luỹ của thời tiết đối với
sự sinh trưởng và phát triển của cây trồng, các điều kiện thời tiết ảnh hưởng đến
các hoạt động canh tác quan trọng như trồng trọt và thu hoạch, và có ảnh hưởng
rất lớn đến năng suất ở các giai đoạn phát triển cốt yếu nhất. Tuần báo này cung
cấp đúng hạn các thông tin thời tiết và cây trồng kết hợp với các báo cáo “Đánh
giá sản lượng cây trồng” và “Cung cấp - Nhu cầu Nông nghiệp Thế giới” định
kỳ hàng tháng. Những người sử dụng chủ yếu của Tuần báo WWCB bao gồm:
những người trồng trọt và chăn nuôi, các tổ chức cơ quan nông nghiệp, các
doanh nghiệp nông nghiệp, các nhà xây dựng chính sách nông nghiệp quốc gia
và các bang, các nhà mua nông sản quốc tế và các cơ quan Chính phủ. Các
thống kê nông nghiệp được sử dụng để lập kế hoạch và các chương trình quản lý
khác có liên quan ở Liên bang và các bang trong các lĩnh vực như bảo vệ người
tiêu dùng, ngoại thương, đào tạo và giải trí.
I.1.5. Giám sát và dự báo năng suất cây trồng ở Trung Quốc
Việc giám sát và dự báo năng suất cây trồng ở Trung Quốc được tiến hành từ
năm 1983 [19]. Các cơ quan sau đây tham gia vào các hoạt động giám sát cây trồng:
1) Bộ Nông nghiệp;
2) Cục Khí tượng Trung Quốc
3) Viện Hàn lâm Khoa học Trung Quốc;

Quyết định diện tích
lấy mẫu để giám sát

Lựa chọn các ảnh
viễn thám

Bản đồ sử dụng
đất tỉ lệ 1:250.000

Kiểm tra độ
chính xác

Tăng diện tích cây
trồng và kết quả
thống kê

Năng suất
cây trồng
theo diện
tích lấy
mẫu

Mô hình tính toán
năng suất theo đơn vị
diện tích

4) Cục Thống kê Quốc gia Trung Quốc
5) Các viện và các cơ quan nghiên cứu khác.
Giám sát và dự báo năng suất cây trồng ở Trung Quốc bao gồm các nội
dung sau đây:
1) Giám sát sự thay đổi diện tích cây trồng;

Kiểm tra độ
chính xác

Tăng tỷ lệ mô hình

2) Giám sát sự sinh trưởng của cây trồng;
3) Dự báo năng suất cây trồng;

Các mô hình hiệu chỉnh
sinh trưởng/hạn hán

Năng suất cây
trồng được quan
trắc

Độ chính xác >
95%

Không

Có
Các mô hình dự báo năng suất cây
trồng (các tham số được tối ưu)
Số liệu mới về khí
tượng và chỉ số thực
vật
Ước số năng suất cho từng vùng

Ở Việt Nam việc nghiên cứu mối quan hệ giữa thời tiết - khí hậu và sự sinh
trưởng, phát triển, năng suất của cây trồng đã được quan tâm nghiên cứu ở Tổng
cục Khí tượng Thuỷ văn trước đây thông quan các đề tài nghiên cứu như của
PGS.TS. Lê Quang Huỳnh (1988) về đánh giá điều kiện khí tượng nông nghiệp
(KTNN) đối với một số cây trồng chính của Việt Nam [9], PGS.TS. Nguyễn
Văn Viết (1991) về điều kiện khí tượng nông nghiệp đối với sự hình thành năng
suất cây ngô và khoai tây vụ đông ở đồng bằng Bắc Bộ [15], TS. Nguyễn Văn
Liêm (1999) về thành phần cán cân nước đồng ruộng và ảnh hưởng của nó đến
năng suất của cây đậu tương đông ở đồng bằng Bắc Bộ [11], KS. Ngô Sỹ Giai về
điều kiện KTNN đối với sinh trưởng và phát triển của lúa ở đồng bằng Bắc Bộ,

bản tin giám sát chỉ được thực hiện một cách thủ công mà chưa được công nghệ
hoá một cách liên hoàn trong các khâu tính toán, chuyển đổi, chiết xuất và nhân
rộng thông tin. Vì vậy nội dung các bản tin còn ở phạm vi bó hẹp, chưa thực sự

20

21

Dự báo năng suất với quy mô vùng
hoặc tỉnh

Hình I.6. Sơ đồ phương pháp dự báo năng suất cây trồng theo huyện, tỉnh ở
Trung Quốc [19]


đáp ứng kịp thời nhu cầu phục vụ sản xuất nông nghiệp và phát triển kinh tế
quốc dân hiện nay. Vì vậy rất cần tiếp tục tổ chức nghiên cứu xây dựng qui trình
giám sát KTNN và dự báo năng suất một số cây trồng chính có giá trị kinh tế và
xuất nhập khẩu cao ở Việt Nam để phục vụ sản xuất nông nghiệp, bảo đảm an
ninh lương thực quốc gia.

Dữ liệu của các vùng
Lượng mưa và PET
(Số liệu dự báo)

•

I.2.2. Đề xuất sơ đồ khung về mô hình giám sát và dự báo khí tượng nông
nghiệp bằng thông tin mặt đất ở Việt Nam
Trên cơ sở nghiên cứu và xem xét các mô hình hệ thống giám sát và dự báo


•
•
•

Thông tin về đất và sức chứa ẩm
Lượng mưa quá khứ và PET
Số liệu về thời vụ gieo trồng, độ dài
thời kì sinh trưởng để xác định mức sử
dụng nước của cây trồng
Chỉ số tiến độ phát triển của cây trồng

Số liệu KTNN
cho các vùng trồng cây nông nghiệp

Mô hình cán cân nước của cây trồng có sử dụng mô hình AgrometShell ở cấp độ vùng
trồng cây nông nghiệp
ETa
Các hàm năng suất
cây trồng

Chỉ số thoả mãn nhu cầu
nước

Năng suất
(tạ/ha)

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


Việt Nam. Chi tiết về phương pháp nghiên cứu có thể tham khảo ở các tài liệu
[12, 27, 28]
Tóm tắt phương pháp sử dụng trong nghiên cứu được đưa sau đây.
II.1.1. Phương pháp hồi quy từng bước

Hình I.8. Sơ đồ khối giám sát và dự báo năng suất cây trồng bằng thông tin mặt đất ở Việt Nam

24

Như đã biết, trong nghiên cứu khí tượng thuỷ văn nói chung và khí tượng
nông nghiệp nói riêng ta thường gặp bài toán hồi quy nhiều biến. Tuy nhiên, các
yếu tố khí tượng nông nghiệp nói chung thường có tác động qua lại và ảnh
hưởng lẫn nhau. Bởi vậy, khái niệm biến độc lập chỉ mang nghĩa hình thức.
Điều đó có nghĩa là giữa các biến độc lập thường có mối quan hệ tương quan
nào đó. Mặt khác, giữa các biến độc lập và biến phụ thuộc cũng tồn tại những
mối quan hệ ràng buộc. Do đó, có thể xảy ra tình trạng các biến độc lập được
chọn đều tương quan tốt với nhau và tương quan tốt với cả biến phụ thuộc. Ý
nghĩa cung cấp thông tin của các biến độc lập vì thế mà giảm đi. Trong nhiều
trường hợp, điều đó dẫn đến hậu quả là mặc dù phương trình hồi quy khá phức
tạp, do sự có mặt của nhiều biến độc lập nhưng độ chính xác của nó lại kém hơn
do sai số quan trắc, sai số ngẫu nhiên, sai số tính toán... mang lại. Vì vậy, vấn đề
đặt ra là phải xác định xem những biến nào trong các biến độc lập có ảnh hưởng
đáng kể đến biến phụ thuộc, có nhất thiết tất cả các biến được chọn đều phải có
25


mặt trong phương trình hồi quy hay chỉ là một bộ phận nào đó. Phương pháp hồi
quy từng bước sẽ giúp ta giải quyết vấn đề này. Tóm tắt các bước thực hiện
trong phương pháp hồi quy từng bước như sau:
Bước 1: Tính các hệ số tương quan toàn phần giữa X1 (biến phụ thuộc) và


(1 )

〈ε

thì biến X3 bị bỏ qua và một biến khác trong số các biến còn lại

sẽ được lựa chọn để tính như bắt đầu từ bước 2. Ở đây ε là một số dương ta đưa
vào để đánh giá xem nếu tăng thêm biến cho phương trình hồi quy thì độ chính
xác có tăng lên đáng kể hay không? (khi thêm vào phương trình hồi quy một biến
mới thì đóng góp thông tin của nó làm giảm sai số được bao nhiêu phần trăm).
Nếu mức độ giảm không vượt quá ε thì có thể bỏ qua nó. Quá trình cứ tiếp tục
như vậy cho đến khi hết tất cả các biến. Sau quá trình lọc biến, mô hình sẽ chọn ra
được các yếu tố khí tượng nông nghiệp có ảnh hưởng đáng kể nhất đến năng suất,
trên cơ sở đó xây dựng các phương trình hồi quy dùng để dự báo năng suất.
Việc ứng dụng phương pháp hồi quy từng bước trong xây dựng các phương
trình dự báo năng suất được thực hiện thông qua mô hình "Thống kê thời tiết cây trồng". Có thể tóm tắt nguyên lý hoạt động của mô hình này như sau:
Mô hình thống kê thời tiết - cây trồng được xây dựng dựa trên cơ sở nghiên
cứu của các nhà nghiên cứu khí tượng nông nghiệp trên thế giới [27, 28], trong
đó năng suất cây trồng có thể được tách thành 3 hợp phần do 3 nhóm yếu tố có
ảnh hưởng nhiều nhất đến năng suất như sau:
1/ Nhóm các thành phần không ngẫu nhiên;
2/ Nhóm các thành phần ngẫu nhiên và
3/ Nhóm các nhiễu ngẫu nhiên (random noises).
26

Nhóm các tác động của các thành phần không ngẫu nhiên bao gồm các
hoạt động quản lý cây trồng, sử dụng phân bón, bảo vệ thực vật, đặc tính giống,
điều kiện đất đai, canh tác và những tiến bộ kỹ thuật khác do con người tạo nên.
Thành phần năng suất được tạo nên bởi tác động của nhóm những yếu tố này

định bằng cách chọn từ một loạt hàm số theo các dạng tuyến tính, phi tuyến tính,
trung bình trượt với các bước trượt khác nhau hoặc hàm thích hợp theo từng giai
đoạn thời gian sao cho phù hợp nhất với năng suất thực của các vùng đã chọn.
Việc chọn dạng đường xu thế được dựa trên cơ sở sao cho phân bố của độ lệch
năng suất thực tế so với năng suất xu thế tương ứng tiến gần đến quy luật phân
bố chuẩn. Điều này sẽ hạn chế được tính chủ quan trong các kết quả thu được
khi xây dựng mô hình dự báo [7, 8]. Sau khi tính được năng suất xu thế sẽ tính
được giá trị chênh lệch giữa năng suất thực và năng suất xu thế như sau:
Yw = Y - Yt
(II.1.3)
Các giá trị Yw này sẽ được sử dụng ở bước tiếp trong mô hình thống kê thời
tiết - cây trồng để tìm phương trình dự báo thành phần “năng suất thời tiết” theo
phương pháp hồi quy từng bước bằng phép lọc Stepwise với ngưỡng lọc biến theo
27


chỉ tiêu Fisher. Như vậy, bằng phương pháp hồi qui từng bước với sự trợ giúp của
mô hình thống kê thời tiết - cây trồng sẽ tìm được các phương án tính các thành
phần năng suất xu thế và thành phần "năng suất thời tiết" từ đó sẽ đưa ra các
phương án tính năng suất cây trồng, trên cơ sở đó sẽ tiến hành kiểm chứng để
chọn lọc các phương trình dự báo năng suất tối ưu.
II.1.2. Phương pháp trực giao
Tóm tắt cơ sở khoa học của phương pháp trực giao như sau:
Giả sử: X1t,X2t, .... Xmt, t = 1, 2, ..., T là quá trình diễn biến của m yếu tố thời
tiết từ thời điểm bắt đầu gieo trồng t=1 đến thời điểm thu hoạch t=T, S ký hiệu
năng suất của một loại cây trồng nào đó. Các đại lượng đó đều là các biến ngẫu
nhiên với sự diễn biến khó lường trước được.
Người ta muốn tìm một hàm số
S*= f (X11,X21, .... Xm1, ...., X1T,X2T, .... XmT)


(II.1.7)
Thay Yi qua tổ hợp tuyến tính của các biến X11,X21, .... Xm1, ...., X1T,X2T, ....
XmT ta sẽ được phương trình dự báo tuyến tính có dạng :
S*= C0*+C11* X11+C21*X21+...+Cm1*Xm1+ ...+C1T*X1T +C2T*X2T + ...+CmT* XmT,
(II.1.8)
Như vậy, để ước lượng năng suất cho một địa phương nào đó ta chỉ cần
thay các giá trị của các biến thời tiết vào (II.1.8).
Với 2 phương pháp nghiên cứu trên đã xây dựng được các phương án dự
báo năng suất ngô, lạc, đậu tương cho các tỉnh ở các vùng sinh thái nông nghiệp
của nước ta. Đối với mỗi tỉnh, kết quả thu được từ hai phương pháp nghiên cứu
bao gồm nhiều phương án dự báo (phép thử) với các mức bảo đảm dự báo khác
nhau; số phép thử này phụ thuộc vào số yếu tố và mức độ ảnh hưởng của các
yếu tố khí tượng theo các giai đoạn sinh trưởng, phát triển khác nhau đến năng
suất của từng loại cây trồng đối với từng tỉnh mà các mô hình trợ giúp đã sàng
lọc được và đưa vào mô hình dự báo. Trên cơ sở các phép thử đó sẽ tiến hành
kiểm chứng so sánh kết quả để chọn lọc ra một phương án dự báo tối ưu nhất
cho từng tỉnh.
II.1.3. Phương pháp kiểm chứng và chọn lọc phương trình dự báo
Sau khi nhận được các phương án dự báo năng suất theo 2 phương pháp
(phương pháp hồi quy từng bước và phương pháp trực giao), cần tiến hành kiểm
chứng, chọn lọc phương trình dự báo.

Một trong các giải pháp để khắc phục nhược điểm đó là thay véc tơ
X11,X21, .... Xm1, ...., X1T,X2T, .... XmT bởi các thành phần chính (tổ hợp tuyến
tính chính) chủ yếu của chúng , chẳng hạn bằng s thành phần chính Y1, Y2,..., Ys

Phương trình dự báo sẽ được kiểm chứng, chọn lọc và đánh giá dựa trên cơ
sở so sánh mức độ phù hợp của các kết quả tính năng suất theo mô hình đã chọn
so với năng suất thực và sự phù hợp về mặt sinh học đối với cây trồng được
nghiên cứu. Mức độ phù hợp của kết quả tính năng suất theo mô hình so với

2
i

− Υ

− 1)

)

,

(II.1.12)

Kết quả dự báo cho từng vụ/năm được tính là đúng nếu sai số dự báo nhỏ
hơn hoặc bằng sai số cho phép.
Kết quả dự báo của mô hình được đánh giá chung theo mức bảo đảm dự
báo (P%) giữa số lần dự báo đúng với tổng số lần dự báo trên cơ sở kiểm tra đối
với số liệu phụ thuộc và đối với số liệu độc lập.
,
Với

* Đối với cây ngô
- Khu vực miền núi phía Bắc : vụ ngô xuân và hè thu
- Khu vực trung du, Đồng bằng Bắc Bộ, Bắc Trung Bộ và Trung
Trung Bộ: vụ đông xuân và xuân hè
- Khu vực Nam Trung Bộ : vụ xuân và vụ hè thu

Yi' - năng suất dự báo ( tính toán)
n - số số hạng của chuỗi số liệu


- Khu vực Bắc Trung Bộ: vụ xuân và xuân hè
- Khu vực Tây Nguyên và Đông Nam Bộ: vụ hè thu (vụ 1) và thu đông (vụ 2)
- Khu vực đồng bằng sông Cửu Long: vụ đông xuân (vụ 2)
b) Số liệu khí tượng: Số liệu được thu thập là số liệu khí tượng ngày từ năm
1985 đến 2006 của các yếu tố nhiệt độ không khí trung bình (Ttb), tối cao (Tx),
tối thấp (Tm), tổng lượng mưa (R), số ngày mưa (nR), tổng số giờ nắng (N), độ ẩm
không khí trung bình tại các trạm khí tượng, khí tượng nông nghiệp trong các vùng
trồng ngô, lạc, đậu tương chính ở Việt Nam. Từ số liệu khí tượng ngày đã tính biên
độ nhiệt độ (Tbd) và số liệu tuần (10 ngày) để sử dụng trong xây dựng mô hình.
Danh mục các trạm lấy số liệu sử dụng được đưa ở phụ lục II.1.1.

Thời vụ gieo trồng chính được tổng hợp từ kết quả xác định thời vụ gieo
trồng các loại cây trồng ở các vùng sinh thái nông nghiệp của nước ta do Trung
tâm Khuyến nông và Viện Quy hoạch và Thiết kế Nông nghiệp - Bộ Nông

Các chuỗi số liệu khí tượng được đưa vào sử dụng trong mô hình dưới
dạng số liệu tuần theo vụ. Trước khi đưa vào sử dụng các chuỗi số liệu này đã
được phân tích các đặc trưng thống kê để kiểm tra tính đồng nhất và quy luật
phân bố của chuỗi. Sự đồng nhất của chuỗi được kiểm tra nhờ chỉ tiêu Student
(t); sự phân bố của chuỗi được kiểm tra thông qua việc tính và so sánh các đại
lượng của hệ số biến động Cv, hệ số bất đối xứng Cs, hệ số lệch tâm E và sai số
tính hệ số bất đối xứng Cs, sai số tính hệ số lệch tâm E. Nếu giá trị tuyệt đối của
hệ số bất đối xứng Cs và hệ số lệch tâm E không vượt sai số của nó thì chuỗi
được xem là có phân bố gần với phân bố chuẩn và chuỗi số liệu này được phép
đưa vào sử dụng tính toán trong các mô hình.

30

31


nhau.

a) Đối với cây ngô
- Vùng Tây Bắc: với vụ chính là ngô xuân và hè thu, năng suất ngô phụ
thuộc nhiều vào lượng mưa thời kỳ phun râu và chín của ngô vụ xuân (cuối tháng
III đến tháng V) và vụ hè thu (tháng VII, VIII) với hệ số tương quan từ 0,4 - 0,7.
Tuy nhiên, vào thời kỳ này nhiệt độ tối thấp lại có tương quan tỷ lệ nghịch với
năng suất ngô (hệ số tượng quan: -0,3 đến -0,68). Ngoài ra, số giờ nắng giai đoạn
cuối của vụ xuân (tháng IV, đầu tháng V) ảnh hưởng đến năng suất ngô với hệ số
tương quan riêng (r) từ -0,4 đến -0,5.
- Vùng Đông Bắc: với vụ chính là ngô xuân và hè thu. Cũng tương tự như
khu vực Tây Bắc, nhiệt độ tối thấp các tuần từ tháng II đến tháng IV vụ xuân và
tháng VII vụ hè thu (thời kỳ ngô phun râu, làm hạt) có ảnh hưởng đến năng suất
ngô với hệ số tương quan riêng: -0,4 đến -0,54 (vụ xuân) và -0,29 đến -0,44 (vụ
hè thu). Riêng đối với vụ xuân sự gia tăng của lượng mưa và số giờ nắng từ
tháng III đến tháng V tạo điều kiện thuận lợi cho quá trình sinh thực của ngô
với hệ số tương quan riêng 0,34 - 0,66 (đối với mưa) và 0,3 - 0,68 (đối với số
giờ nắng). Ngoài ra, biên độ nhiệt độ trung bình các tuần từ tháng III - V, VIII
cũng có tác động đến năng suất ngô (hệ số tương quan riêng: từ -0,21 đến -0,55.
- Vùng Đồng bằng Bắc Bộ với vụ chính là ngô đông và ngô xuân thì sự gia
tăng của nhiệt độ tối thấp trung bình tuần từ tháng XI, XII năm trước và tháng
III năm sau ảnh hưởng xấu đến năng suất ngô (hệ số tương quan: -0,3 đến 0,58). Tuy nhiên lượng mưa từ tháng I đến tháng III và biên độ nhiệt độ các tuần
từ tháng XI đến tháng I lại có mối tương quan tỷ lệ thuận với năng suất ngô (hệ
số tương quan lần lượt là: 0,31 - 0,6 và 0,28 - 0,55).
- Vùng Bắc và Trung Trung Bộ với vụ chính là đông xuân và vụ xuân:
Nhiệt độ tối thấp từ giữa tháng XI đến đầu tháng I có ảnh hưởng đến năng suất
ngô (r ≈ -0,33 đến -0,55) tuy nhiên từ giữa tháng I và tháng II mối tương quan
lại đổi chiều với hệ số tương quan riêng giữa nhiệt độ tối thấp trung bình tuần và
năng suất ngô từ 0,35 đến 0,49. Đến giai đoạn trổ cờ - chín ngô vụ đông xuân
(tháng I, II) và vụ xuân (tháng IV, V) thì lượng mưa ảnh hưởng tốt đến năng

độ tối thấp trung bình tuần từ tháng VIII đến tháng X (hệ số tương quan giữa 2
đại lượng đó từ -0,34 đến -0,55)
b) Đối với cây lạc
- Đối với khu vực trung du và miền núi phía Bắc: năng suất lạc có mối
tương quan tỷ lệ thuận với nhiệt độ tối thấp trung bình tuần 1, 2, 3/I (hệ số tương
quan riêng: 0,42 - 0,76), số giờ nắng cuối vụ (tuần 3/IV đến tuần 2/VI, r = 0,33 0,48) và lượng mưa ở giai đoạn từ tuần 2/II đến tuần 1/IV (r = 0,47 - 0,66) nhưng
lại tỷ lệ nghịch với nhiệt độ tối thấp trung bình tuần 2/IV đến tuần 2/V (giai đoạn
hình thành củ) với hệ số tương quan riêng: -0,4 đến -0,7 và lượng mưa vào giai
đoạn cuối vụ (tuần 3/IV đến tuần 3/VI: r = -0,54 đến -0,64).
- Khu vực đồng bằng Bắc Bộ: Vào giai đoạn đầu và giữa vụ (từ tháng I đến đầu
tháng IV) và vào giai đoạn hình thành củ và củ già (từ tháng IV đến tháng VI) số giờ
nắng và biên độ nhiệt độ thuận lợi cho lạc phát triển (hệ số tương quan riêng lần lượt
là: 0,33 - 0,7; 0,44 - 0,80). Tuy nhiên vào giai đoạn tuần 2/IV đến tuần 1/VI nhiệt độ
tối thấp trung bình (hệ số tương quan riêng: -0,41 đến -0,67) và lượng mưa giai đoạn
từ tuần 1/V đến tuần 3/VI (hệ số tương quan riêng từ -0,41 đến -0,74) ảnh hưởng xấu
đến năng suất.
- Khu vực Bắc Trung Bộ: năng suất lạc tỷ lệ nghịch với nhiệt độ đầu vụ
(tuần 3/I đến tuần 1/II (hệ số tương quan riêng từ -0,36 đến -0,43), lượng mưa
tuần 1-2/II (r = -0,64) và lượng mưa cuối vụ (từ tuần 3/V đến tuần 3/VII) với r = 0,57 đến -0,64. Trong khi đó số giờ nắng đầu vụ (tuần 1-2/I; r = 0,62) và giai đoạn
cuối vụ - từ tuần 2/IV đến tuần 2/VI (r = 0,76) tỷ lệ thuận với năng suất lạc.
- Khu vực Trung Trung Bộ: Trong giai đoạn từ tuần 3/II đến tuần 2/IV,
năng suất lạc tỷ lệ thuận với nhiệt độ tối thấp trung bình (hệ số tương quan
riêng: 0,36-0,51) và lượng mưa tuần 1/III đến tuần 3/IV (hệ số tương quan riêng:
0,39-0,48), lượng mưa cuối vụ (tuần 3/V đến tuần 3/VII: r = 0,59) nhưng số giờ
nắng từ tuần 1-3/VII lại ảnh hưởng xấu đến năng suất (r= -0,53 đến -0,57).
- Khu vực Nam Trung Bộ: năng suất lạc tỷ lệ thuận với nhiệt độ không khí
tối thấp trung bình đầu vụ (tuần 3/I đến tuần 1/III với hệ số tương quan riêng:
34

0,54) và giai đoạn gần cuối vụ (tuần 3/V đến tuần 2/VI với hệ số tương quan riêng:

bình tuần cuối tháng V, đầu tháng VI (hệ số tương quan là 0,4) là thời kỳ ra hoa,
tạo quả và chín của đậu tương hè thu.
- Đối với đậu tương gieo trồng tại Tây Nguyên (vụ 1 - hè thu và vụ 2 - thu
đông) nhiệt độ tối thấp trung bình tuần 3/VI, tuần 3/VII có vai trò quan trọng
trong quá trình tạo thành năng suất; hệ số tương quan của 2 đại lượng này với
năng suất đậu tương là -0,22 đến -0,55.
35


- Năng suất đậu tương vụ đông xuân ở các tỉnh Nam Bộ phụ thuộc chủ yếu
vào lượng mưa các tuần từ tháng XII năm trước đến tháng IV năm sau (hệ số
tương quan là 0,4 đến 0,5) và số giờ nắng tháng XII- I, tháng IV, V năm sau (hệ
số tương quan là -0,4 đến -0,6)
II.2.1.2. Xây dựng, kiểm chứng chọn lọc phương trình dự báo năng suất ngô, lạc,
đậu tương theo phương pháp hồi quy từng bước
Với phương pháp đã trình bày ở mục 1.4, đã tiến hành xây dựng các
phương án (phép thử) dự báo năng suất ngô, lạc, đậu tương và tiến hành kiểm
chứng, so sánh các kết quả thu được từ các phép thử này. Đối với mỗi tỉnh, mỗi
một cây trồng đã xây dựng được một số phương án (phép thử/ phương trình) dự
báo khác nhau tuỳ thuộc vào dạng xu thế được chọn và các tổ hợp biến khí
tượng được lọc trong mô hình. Tuy nhiên, không phải tất cả các phương án sẽ
được sử dụng để dự báo năng suất cho cây trồng/ tỉnh đó mà phải qua kiểm
chứng để chọn lọc mô hình dự báo tối ưu. Vì vậy ở đây sẽ không đưa chi tiết
toàn bộ các phương án dự báo thu được từ mô hình thống kê thời tiết- cây trồng
cho từng tỉnh, từng cây, mà đối với mỗi cây chỉ đưa 1 phương án cho 1 tỉnh làm
ví dụ minh hoạ, sau đó sẽ đưa tổng hợp kết quả kiểm chứng cho tất cả các
phương án để làm cơ sở cho xác định phương án tối ưu sử dụng trong dự báo
năng suất cho tỉnh đó. Sau đây là các ví dụ minh hoạ về kết quả xây dựng và
kiểm chứng các phương án dự báo năng suất ngô, lạc, đậu tương cho một tỉnh.
a) Đối với năng suất ngô: Lấy ví dụ cho tỉnh Phú Thọ, đã xây dựng được 9

16,85
17,83
18,45

-1,23
0,25
-0,23
0,65

7,5
1,5
1,3
3,4

1990
1991
1992

17,20
15,30
17,60

16,86
15,95
17,71

0,34
-0,65
-0,11


1998
1999
2000

26,00
24,70
27,90
26,20

25,25
24,76
27,73
28,04

0,75
-0,06
0,17
-1,84

2,9
0,2
0,6
7,0

2001
2002
2003

32,30
34,00


0,55
Max:

-1,84

Min:

-0,06

Sai số chuẩn:
Sai số thấp (
10%
0
0%
0
0%
20
100%