Sign In

Định hướng nghiên cứu cơ bản giai đoạn 2026–2030 tạo ra cơ hội tăng cường nền tảng khoa học công nghệ viễn thám và quan sát Trái đất

17:02 11/08/2026

Chọn cỡ chữ A a  

Bộ Khoa học và Công nghệ tổ chức lấy ý kiến đối với dự thảo “Định hướng nghiên cứu cơ bản trong lĩnh vực khoa học tự nhiên giai đoạn 2026–2030, định hướng đến năm 2035” nhằm hoàn thiện hệ thống định hướng nghiên cứu cơ bản quốc gia trong giai đoạn phát triển mới. Đây là một hoạt động có ý nghĩa quan trọng, góp phần xác định các hướng nghiên cứu nền tảng, tạo cơ sở khoa học cho việc hình thành năng lực nội sinh, làm chủ công nghệ chiến lược và nâng cao năng lực cạnh tranh của khoa học và công nghệ Việt Nam.

Đối với lĩnh vực khoa học Trái đất và môi trường, dự thảo đã thể hiện cách tiếp cận toàn diện khi xác định mục tiêu xây dựng danh mục định hướng nghiên cứu cơ bản ưu tiên nhằm tập trung nguồn lực quốc gia cho các hướng nghiên cứu nền tảng, liên ngành và có khả năng tạo ra tri thức mới. Mục tiêu của dự thảo không chỉ hướng tới phát triển khoa học cơ bản mà còn nhấn mạnh việc hỗ trợ làm chủ các công nghệ chiến lược, phục vụ phát triển bền vững, bảo đảm an ninh tài nguyên, môi trường, an ninh khí hậu và hội nhập quốc tế.

Đáng chú ý, Phụ lục 6 của dự thảo đã xây dựng hệ thống định hướng nghiên cứu tương đối đầy đủ trong các lĩnh vực địa chất và tài nguyên địa chất, địa vật lý và vật lý địa cầu, không gian địa lý, khí tượng và khí hậu, thủy văn và tài nguyên nước, hải dương học, môi trường cùng các hướng nghiên cứu cơ bản có định hướng xuất phát từ yêu cầu phát triển công nghệ chiến lược. Trong đó, nhiều nội dung mới đã tiếp cận các xu hướng nghiên cứu hiện đại của thế giới như trí tuệ nhân tạo địa không gian (GeoAI), bản sao số (Digital Twin), tích hợp dữ liệu địa không gian, dữ liệu lớn và quan sát Trái đất.

 

Việc đưa các nội dung này vào định hướng nghiên cứu cơ bản cho thấy sự chuyển dịch từ cách tiếp cận nghiên cứu theo từng chuyên ngành riêng lẻ sang nghiên cứu liên ngành, lấy dữ liệu và công nghệ số làm nền tảng. Đây cũng là xu hướng đang được nhiều quốc gia trên thế giới lựa chọn nhằm tạo ra các đột phá trong quản lý tài nguyên, bảo vệ môi trường, ứng phó với biến đổi khí hậu và phát triển kinh tế số.

Trong bối cảnh đó, khoa học viễn thám và quan sát Trái đất ngày càng khẳng định vai trò là một trong những lĩnh vực khoa học nền tảng của khoa học Trái đất hiện đại. Nếu trước đây viễn thám chủ yếu được xem là công cụ thu nhận thông tin từ xa phục vụ điều tra cơ bản thì hiện nay, cùng với sự phát triển của vệ tinh quan sát Trái đất thế hệ mới, trí tuệ nhân tạo, điện toán đám mây, dữ liệu lớn và Internet vạn vật, viễn thám đã trở thành hạ tầng dữ liệu quan trọng phục vụ nghiên cứu, dự báo và hỗ trợ ra quyết định trong nhiều lĩnh vực.

Các hệ thống quan sát Trái đất hiện đại không chỉ cung cấp dữ liệu quang học mà còn tích hợp dữ liệu radar khẩu độ tổng hợp (SAR), ảnh siêu phổ, LiDAR, dữ liệu từ thiết bị bay không người lái (UAV), cảm biến IoT và mạng lưới quan trắc mặt đất. Khả năng tích hợp, phân tích đồng thời các nguồn dữ liệu này đã tạo điều kiện hình thành các mô hình số phản ánh động thái của tài nguyên và môi trường theo thời gian thực, phục vụ giám sát biến động đất đai, rừng, tài nguyên nước, vùng ven biển, chất lượng môi trường, phát thải khí nhà kính, thiên tai và nhiều lĩnh vực khác.

 

Thực tiễn phát triển khoa học trên thế giới cũng cho thấy, những tiến bộ vượt bậc của trí tuệ nhân tạo trong lĩnh vực địa không gian đều được xây dựng trên nền tảng dữ liệu quan sát Trái đất. Các mô hình trí tuệ nhân tạo thế hệ mới có khả năng tự học từ khối lượng dữ liệu vệ tinh khổng lồ, hỗ trợ nhận dạng đối tượng, phát hiện biến động, dự báo xu thế và xây dựng các mô hình bản sao số phục vụ quản lý lãnh thổ. Vì vậy, việc phát triển khoa học viễn thám không chỉ dừng ở nghiên cứu ứng dụng mà cần được đặt trong tổng thể nghiên cứu cơ bản về vật lý viễn thám, mô hình truyền bức xạ, đặc trưng phổ của các đối tượng tự nhiên, hiệu chỉnh dữ liệu, đồng hóa dữ liệu và phát triển các mô hình nền địa không gian.

Từ góc độ quản lý nhà nước về viễn thám, nhiều ý kiến cho rằng dự thảo cần tiếp tục làm rõ hơn vị trí của khoa học quan sát Trái đất trong hệ thống định hướng nghiên cứu cơ bản quốc gia. Mặc dù dự thảo đã đề cập đến GeoAI, Digital Twin và dữ liệu địa không gian, song nội dung về khoa học viễn thám vẫn chủ yếu được lồng ghép trong một số định hướng nghiên cứu, chưa hình thành một nhóm nghiên cứu độc lập phản ánh đầy đủ vai trò của lĩnh vực này.

Theo đó, một số đề xuất đã được đưa ra nhằm bổ sung mục tiêu phát triển nền tảng khoa học về quan sát Trái đất bằng công nghệ viễn thám đa nguồn, bao gồm vệ tinh quang học, radar, ảnh siêu phổ, LiDAR, UAV và các hệ thống quan trắc mặt đất. Đây được xem là nền tảng để phát triển các công nghệ số phục vụ quản lý tài nguyên, môi trường, nông nghiệp, phòng chống thiên tai, thích ứng với biến đổi khí hậu và phát triển kinh tế số.

Bên cạnh đó, nhiều ý kiến cũng đề nghị bổ sung các định hướng nghiên cứu cơ bản về cơ chế tương tác giữa bức xạ điện từ với bề mặt Trái đất; mô hình truyền bức xạ trong khí quyển; đặc trưng phổ của đất, nước, thảm thực vật và khoáng sản; các phương pháp hiệu chỉnh, chuẩn hóa và đánh giá chất lượng dữ liệu viễn thám. Đây đều là những nội dung có ý nghĩa nền tảng, quyết định chất lượng của các thuật toán xử lý ảnh vệ tinh, các mô hình trí tuệ nhân tạo và hệ thống phân tích dữ liệu địa không gian.

Một hướng nghiên cứu khác được đánh giá có tiềm năng lớn là tích hợp dữ liệu quan sát Trái đất đa nguồn. Trong bối cảnh lượng dữ liệu từ các hệ thống vệ tinh, UAV, cảm biến mặt đất và mạng lưới IoT ngày càng gia tăng, việc nghiên cứu các phương pháp đồng hóa dữ liệu, tích hợp đa nguồn và xây dựng mô hình số theo thời gian thực sẽ tạo cơ sở khoa học cho việc hình thành các bản sao số của lãnh thổ, lưu vực sông, hệ sinh thái, vùng ven biển và đô thị.

Tự chủ trong nghiên cứu chế tạo vệ tinh viễn thám

Xu hướng phát triển mô hình nền (Foundation Models) cho dữ liệu viễn thám cũng đang trở thành một trong những hướng nghiên cứu được nhiều quốc gia đầu tư mạnh. Các mô hình này có khả năng học từ lượng dữ liệu rất lớn, sau đó được tinh chỉnh để giải quyết nhiều bài toán khác nhau trong quản lý tài nguyên, môi trường và phát triển bền vững. Việc từng bước nghiên cứu, phát triển các mô hình nền địa không gian phù hợp với điều kiện Việt Nam sẽ góp phần nâng cao năng lực tự chủ về công nghệ và giảm sự phụ thuộc vào các nền tảng nước ngoài.

Đối với lĩnh vực khoa học máy tính và thông tin, việc tăng cường các nghiên cứu liên ngành về trí tuệ nhân tạo cho dữ liệu quan sát Trái đất cũng được đánh giá là cần thiết. Các nghiên cứu về thị giác máy tính, học sâu đa phương thức, GeoAI, trí tuệ nhân tạo có khả năng giải thích và các mô hình ngôn ngữ kết hợp dữ liệu không gian sẽ tạo ra nền tảng quan trọng cho thế hệ ứng dụng viễn thám thông minh trong tương lai.

Trong bối cảnh Việt Nam đang triển khai mạnh mẽ các chủ trương về phát triển khoa học, công nghệ, đổi mới sáng tạo và chuyển đổi số, việc hoàn thiện định hướng nghiên cứu cơ bản giai đoạn 2026–2030, định hướng đến năm 2035 có ý nghĩa đặc biệt quan trọng. Đây không chỉ là cơ sở để định hướng đầu tư cho nghiên cứu khoa học mà còn góp phần hình thành hệ sinh thái nghiên cứu có khả năng tạo ra các công nghệ lõi, làm chủ dữ liệu và từng bước nâng cao năng lực cạnh tranh quốc gia.

Đối với lĩnh vực viễn thám, việc bổ sung đầy đủ các định hướng nghiên cứu cơ bản về quan sát Trái đất sẽ tạo tiền đề cho phát triển các công nghệ chiến lược trong giai đoạn tới, đồng thời nâng cao hiệu quả khai thác dữ liệu không gian phục vụ quản lý tài nguyên, bảo vệ môi trường, ứng phó với biến đổi khí hậu, bảo đảm quốc phòng, an ninh và phát triển kinh tế - xã hội. Đây cũng là cơ sở quan trọng để xây dựng ngành viễn thám Việt Nam phát triển theo hướng hiện đại, từng bước làm chủ các công nghệ cốt lõi và đóng góp tích cực vào sự phát triển của nền khoa học và công nghệ quốc gia.

 

 

Văn phòng Cục Viễn thám quốc gia

Ý kiến

Ứng dụng tư liệu vệ tinh trong nghiên cứu tai biến thiên nhiên tại việt nam: tiếp cận, phương pháp và triển vọng

Ứng dụng tư liệu vệ tinh trong nghiên cứu tai biến thiên nhiên tại việt nam: tiếp cận, phương pháp và triển vọng

Tai biến thiên nhiên, bao gồm lũ lụt, trượt lở đất, hạn hán và xói lở bờ biển, đang ngày càng gia tăng về tần suất và mức độ nghiêm trọng tại Việt Nam dưới tác động của biến đổi khí hậu. Tư liệu vệ tinh đã trở thành một công cụ không thể thiếu trong công tác giám sát, đánh giá và cảnh báo các loại hình tai biến này nhờ khả năng phủ trùm không gian rộng lớn, lặp lại theo chu kỳ và chi phí thu thập thấp. Bài báo này tổng hợp và phân tích các hướng tiếp cận ứng dụng tư liệu vệ tinh trong nghiên cứu tai biến thiên nhiên tại Việt Nam, bao gồm: (1) phân tích đa phổ và radar để lập bản đồ lũ lụt và trượt lở đất; (2) sử dụng chỉ số viễn thám kết hợp học máy để đánh giá tính nhạy cảm tai biến; (3) tích hợp dữ liệu chuỗi thời gian đa nguồn vào mô hình học sâu. Kết quả cho thấy các mô hình kết hợp tư liệu vệ tinh đa nguồn với thuật toán học máy và học sâu cho độ chính xác cao (AUC > 0,95) và có tiềm năng ứng dụng rộng rãi trong hệ thống cảnh báo sớm thiên tai tại Việt Nam.
Ứng dụng GIS và viễn thám trong đánh giá biến động sử dụng đất nông nghiệp xã Tây Đô, tỉnh Thanh Hóa giai đoạn 2015 - 2025

Ứng dụng GIS và viễn thám trong đánh giá biến động sử dụng đất nông nghiệp xã Tây Đô, tỉnh Thanh Hóa giai đoạn 2015 - 2025

Nghiên cứu này ứng dụng công nghệ GIS và viễn thám nhằm phân tích biến động sử dụng đất nông nghiệp tại xã Tây Đô, tỉnh Thanh Hóa trong giai đoạn 2015 - 2025, đồng thời xác định các nguyên nhân gây biến động và đề xuất giải pháp phục vụ công tác quản lý, sử dụng đất bền vững tại địa phương. Nguồn dữ liệu chính được sử dụng là ảnh vệ tinh Sentinel-2 tại hai thời điểm năm 2015 và năm 2025, kết hợp với phần mềm ArcGIS và ENVI để xây dựng bản đồ lớp phủ đất và bản đồ biến động sử dụng đất. Phương pháp phân loại ảnh có giám sát bằng thuật toán xác suất cực đại (Maximum Likelihood) được áp dụng, kết hợp khảo sát trên nền tảng Google Earth và khảo sát thực địa để kiểm chứng kết quả phân loại. Kết quả đánh giá độ chính xác cho thấy cả hai thời điểm đều đạt độ chính xác tổng thể trên 80% và hệ số Kappa trên 0,7, đảm bảo độ tin cậy cho phân tích biến động. Kết quả nghiên cứu xác định tổng diện tích có biến động là 1.528,84 ha, chiếm 43,31% tổng diện tích tự nhiên, trong khi diện tích không biến động là 2.001,31 ha, chiếm 56,69%. Xu hướng biến động chủ yếu là sự suy giảm diện tích đất nông nghiệp truyền thống, đặc biệt là đất trồng lúa, đi kèm với sự gia tăng diện tích đất ở nông thôn, đất giao thông và các loại đất sản xuất có giá trị kinh tế cao hơn. Kết quả này phản ánh quá trình phát triển kinh tế - xã hội và sự chuyển dịch cơ cấu sử dụng đất phù hợp với nhu cầu phát triển của địa phương trong giai đoạn hiện nay, đồng thời là cơ sở khoa học quan trọng cho công tác quy hoạch, quản lý và sử dụng đất bền vững tại xã Tây Đô.
Tổng quan đánh giá độ chính xác của các thuật toán phân loại ảnh vệ tinh Sentinel-2 trong giám sát tài nguyên và môi trường

Tổng quan đánh giá độ chính xác của các thuật toán phân loại ảnh vệ tinh Sentinel-2 trong giám sát tài nguyên và môi trường

Nghiên cứu này nhằm đánh giá độ chính xác của một số thuật toán phân loại ảnh viễn thám sử dụng dữ liệu Sentinel-2 trong giám sát tài nguyên và môi trường. Cụ thể, ba thuật toán phổ biến bao gồm Random Forest (RF), Support Vector Machine (SVM) và k-Nearest Neighbor (KNN) được lựa chọn và áp dụng để phân loại lớp phủ bề mặt từ ảnh vệ tinh. Quy trình nghiên cứu bao gồm tiền xử lý dữ liệu, xây dựng tập mẫu huấn luyện và kiểm định, thực hiện phân loại và đánh giá kết quả thông qua ma trận nhầm lẫn cùng các chỉ tiêu như độ chính xác tổng thể (Overall Accuracy), hệ số Kappa và độ chính xác theo lớp. Kết quả cho thấy các thuật toán đều đạt hiệu quả nhất định trong phân loại ảnh Sentinel-2, trong đó Random Forest thể hiện hiệu suất vượt trội với độ chính xác tổng thể đạt trên 90%, cao hơn so với SVM và KNN. Sự khác biệt về độ chính xác giữa các thuật toán phản ánh khả năng xử lý dữ liệu phi tuyến và tính ổn định của từng phương pháp. Nghiên cứu góp phần cung cấp cơ sở khoa học trong việc lựa chọn thuật toán phân loại phù hợp cho dữ liệu viễn thám Sentinel-2, đồng thời đề xuất hướng tiếp cận tối ưu nhằm nâng cao hiệu quả giám sát tài nguyên và môi trường trong điều kiện thực tế.