Vai trò của độ ẩm đất trong giám sát hạn hánĐộ ẩm đất (Soil Moisture – SM) là tham số quan trọng phản ánh trạng thái nước trong lớp đất canh tác, có liên hệ trực tiếp với sinh trưởng cây trồng và tình trạng hạn nông nghiệp. Theo nghiên cứu, nhiều chỉ số hạn hán hiện nay như SSMI (Standardized Soil Moisture Index), SMP hay SMDI đều dựa trên dữ liệu độ ẩm đất để đánh giá mức độ thiếu nước của cây trồng. Tuy nhiên, việc quan trắc độ ẩm đất bằng phương pháp thực địa thường bị hạn chế về phạm vi không gian và chi phí triển khai. Vì vậy, dữ liệu viễn thám vệ tinh đang trở thành giải pháp hiệu quả để theo dõi liên tục tình trạng hạn hán trên diện rộng.Phương pháp tích hợp SMAP và CYGNSSNghiên cứu sử dụng kết hợp hai nguồn dữ liệu vệ tinh chính gồm:SMAP (Soil Moisture Active Passive): cung cấp dữ liệu độ ẩm đất có độ chính xác cao nhưng độ phân giải không gian còn hạn chế và chu kỳ lặp khoảng 2–3 ngày; CYGNSS (Cyclone Global Navigation Satellite System): hệ thống gồm 8 vệ tinh GNSS-R có khả năng quan trắc liên tục với tần suất cao trong mọi điều kiện thời tiết. Để khắc phục tình trạng thiếu dữ liệu và nâng cao độ phân giải, nhóm tác giả đã áp dụng các mô hình học máy hiện đại:SAITS (Self-Attention-based Imputation for Time Series) nhằm nội suy dữ liệu SMAP bị khuyết; Random Forest Regression để ước tính độ ẩm đất từ dữ liệu CYGNSS kết hợp với thông tin khí tượng, địa hình và loại đất. Kết quả cho thấy mô hình đạt hệ số tương quan cao (R = 0,889) giữa dữ liệu ước tính và dữ liệu tham chiếu, đồng thời tạo ra bộ dữ liệu độ ẩm đất có độ phân giải 1 km theo chu kỳ hằng ngày. Đây là bước tiến đáng chú ý so với nhiều nghiên cứu trước đây vốn chỉ đạt độ phân giải khoảng 9 km.Từ chuỗi dữ liệu này, nghiên cứu tiếp tục xây dựng bản đồ hạn hán nông nghiệp theo 9 cấp độ bằng chỉ số SSMI, cho phép theo dõi chi tiết diễn biến hạn hán tại Nghệ An trong năm 2020. Ý nghĩa khoa học và thực tiễnĐiểm nổi bật của nghiên cứu là khả năng tích hợp dữ liệu đa nguồn và ứng dụng trí tuệ nhân tạo để nâng cao chất lượng giám sát hạn hán. Cách tiếp cận này mang lại nhiều ưu điểm:Theo dõi hạn hán gần thời gian thực; Cải thiện đáng kể độ phân giải không gian; Hoạt động ổn định trong điều kiện nhiều mây hoặc mưa; Giảm phụ thuộc vào mạng lưới quan trắc mặt đất; Hỗ trợ xây dựng hệ thống cảnh báo sớm hạn hán. Đặc biệt, việc sử dụng dữ liệu GNSS-R từ CYGNSS mở ra hướng ứng dụng mới cho công nghệ phản xạ tín hiệu vệ tinh trong lĩnh vực nông nghiệp và tài nguyên nước. Đây là công nghệ có chi phí thấp nhưng tiềm năng quan trắc lớn, phù hợp với điều kiện các nước đang phát triển như Việt Nam.Điều kiện để mở rộng và áp dụng tại Việt NamMặc dù nghiên cứu đạt kết quả khả quan tại Nghệ An, việc mở rộng áp dụng trên quy mô quốc gia cần đáp ứng một số điều kiện quan trọng.Hoàn thiện hạ tầng dữ liệu viễn thámCần xây dựng hệ thống thu nhận, lưu trữ và xử lý dữ liệu viễn thám quy mô lớn nhằm khai thác thường xuyên các nguồn dữ liệu SMAP, CYGNSS, Sentinel, MODIS và ERA5. Điều này đòi hỏi năng lực tính toán mạnh và nền tảng điện toán đám mây phục vụ xử lý chuỗi dữ liệu thời gian dài.Tăng cường dữ liệu thực địaMặc dù mô hình học máy cho kết quả tốt, độ chính xác vẫn phụ thuộc vào dữ liệu hiệu chỉnh và kiểm định thực địa. Việt Nam cần mở rộng mạng lưới quan trắc độ ẩm đất tự động tại các vùng trọng điểm nông nghiệp như Đồng bằng sông Hồng, Tây Nguyên và Đồng bằng sông Cửu Long.Phát triển nguồn nhân lực AI – viễn thámNghiên cứu cho thấy vai trò ngày càng lớn của trí tuệ nhân tạo trong xử lý dữ liệu viễn thám. Vì vậy, cần tăng cường đào tạo nhân lực liên ngành giữa viễn thám, khoa học dữ liệu và khí tượng thủy văn để phục vụ phát triển các mô hình dự báo hạn hán hiện đại.Xây dựng hệ thống cảnh báo sớm hạn hánNếu được tích hợp vào hệ thống quản lý nông nghiệp quốc gia, bộ dữ liệu độ ẩm đất hằng ngày có thể hỗ trợ:Điều hành tưới tiêu; Dự báo nguy cơ thiếu nước; Xác định vùng hạn trọng điểm; Hỗ trợ bảo hiểm nông nghiệp; Đánh giá tác động biến đổi khí hậu. Đây sẽ là nền tảng quan trọng cho phát triển nông nghiệp thông minh và thích ứng khí hậu tại Việt Nam.Tiềm năng ứng dụng trong tương laiPhương pháp nghiên cứu không chỉ phù hợp với Nghệ An mà còn có thể mở rộng cho nhiều khu vực có điều kiện khí hậu phức tạp như Nam Trung Bộ, Tây Nguyên hay Đồng bằng sông Cửu Long – những nơi thường xuyên chịu tác động của hạn hán và xâm nhập mặn.Ngoài giám sát hạn nông nghiệp, dữ liệu độ ẩm đất độ phân giải cao còn có thể phục vụ:Dự báo cháy rừng; Giám sát suy thoái đất; Quản lý tài nguyên nước; Mô hình thủy văn; Đánh giá năng suất cây trồng. Trong bối cảnh chuyển đổi số ngành nông nghiệp và môi trường, nghiên cứu này cho thấy tiềm năng rất lớn của việc kết hợp dữ liệu viễn thám vệ tinh với trí tuệ nhân tạo nhằm xây dựng các hệ thống giám sát thiên tai hiện đại, tự động và có khả năng vận hành trên quy mô quốc gia.Nguồn tài liệu:Hoang, T. P., Ha, M. C., Vu, P. L., Darrozes, J., & Nguyen, P. B. (2025). Integrating SMAP and CYGNSS data for daily soil moisture and agricultural drought monitoring in Nghe An province, Vietnam. Remote Sensing Applications: Society and Environment, 39, 101664. https://doi.org/10.1016/j.rsase.2025.101664