Mô phỏng rủi ro xói mòn vùng cảnh quan đồi núi trên cơ sở sử dụng số liệu viễn thám và mô hình mất đất phổ quát hiệu chỉnh (rusle)

185 TẠP CHÍ KHOA HỌC, Đại học Huế, Số 48, 2008 MÔ PHỎNG RỦI RO XÓI MÒN VÙNG CẢNH QUAN ĐỒI NÚI TRÊN CƠ SỞ SỬ DỤNG SỐ LIỆU VIỄN THÁM VÀ MÔ HÌNH MẤT ĐẤT PHỔ QUÁT HIỆU CHỈNH (RUSLE) Phạm Hữu Tỵ Trường Đại học Nông lâm, Đại học Huế Hồ Kiệt Đại học Huế TÓM TẮT Sử dụng dữ liệu địa hình, khí hậu, thảm thực vật... thu được từ vệ tinh vào mô hình mất đất phổ quát hiệu chỉnh (RUSLE) có thể đánh giá một cách thuận lợi rủi ro xói mòn đất trên phạm vi lãnh thổ rộng. Quá trình nghiên cứu đã kiểm chứng công thức tính toán hệ số xói mòn đất của mưa R, hệ số địa hình LS, hệ số che phủ thực vật và biện pháp canh tác C của RUSLE thông qua việc sử dụng ảnh vệ tinh Landsat ETM+, mô hình quan trắc Radar STRM và mô hình phân tích pha trộn quang phổ tuyến tính LSM. Kết quả là đã xây dựng được bản đồ đánh giá rủi ro xói mòn vùng và mô hình hỗ trợ quyết định quy hoạch sử dụng đất lâm nghiệp vùng cảnh quan đồi núi lưu vực sông Hương thuộc huyện Hương Trà tỉnh Thừa Thiên Huế. Bản đồ và mô hình hỗ trợ quyết định là những công cụ hỗ trợ các nhà quản lý trong công tác lập quy hoạch quản lý sử dụng đất (đặc biệt là đất lâm nghiệp) với mục đích giảm xói mòn đất và bảo vệ môi trường. 1. Đặt vấn đề Xói mòn là một trong những loại thoái hoá đất được xem như rủi ro nghiêm trọng không chỉ cho nông nghiệp, mà còn cho các ngành khác như lâm nghiệp, vận tải, và giải trí [6]. Xói mòn có thể dẫn đến các tác động tại chỗ và các vùng lận cận. Những tác động tại chỗ là rất lớn đối với đất nông nghiệp vì nó làm mất tầng đất mặt, phá vỡ cấu trúc đất, và làm giảm lượng chất hữu cơ và dinh dưỡng trong đất. Mô phỏng xói mòn và phát hiện cấp độ rủi ro xói mòn sẽ cung cấp những thông tin quan trọng hỗ trợ cho việc đưa ra các quyết định hợp lý trong qui hoạch sử dụng đất và bảo tồn đất trên một phạm vi lớn ở vùng đồi núi.Trong những năm gần đây, đã có nhiều ứng dụng GIS và viễn thám để tính toán các hệ số xói mòn và đồng thời kết hợp với các công cụ trong môi trường các phần mềm GIS và viễn thám để xây dựng các kịch bản về sử dụng đất. Huyện Hương Trà, tỉnh Thừa Thiên Huế nằm giữa 2 con sông lớn: (i) sông Bồ và (ii) sông Hương, cuối cùng đổ nước vào phá Tam Giang. Đất trồng cây hàng năm và đất lâm nghiệp là 2 loại đất chính, trong đó đất lâm nghiệp chiếm hơn 58 % tổng diện 186 tích. Ngoài ra, diện tích đất đồi núi chưa sử dụng chiếm tỷ lệ khá cao là 23 %. Lượng đất bị xói mòn trên một số mô hình canh tác trong lưu vực sông Hương cao và thay đổi từ 18,28 tấn ha-1 đến 204,56 tấn ha-1[1]. Do đó, mục đích nghiên cứu là mô phỏng và đánh giá rủi ro xói mòn vùng cảnh quan đồi núi huyện Hương Trà trên cơ sở sử dụng mô hình mất đất phổ quát hiệu chỉnh và dữ liệu viễn thám trong môi trường các phần mềm GIS và viễn thám, đồng thời đề xuất một số mô hình (scenarios) sử dụng đất nhằm giảm xói mòn trong khu vực nghiên cứu. 2. Phương pháp nghiên cứu 2.1. Mô hình mất đất phổ quát hiệu chỉnh (RUSLE) Công thức chung của RUSLE được biểu diễn theo Renard và cộng sự (1997) như sau: A = R K LS C P (1) Trong đó: A - lượng đất mất trung bình hàng năm (tấn/ha), R - hệ số xói mòn do dòng chảy và lượng mưa (MJ mm ha-1 hr-1), K - hệ số xói mòn của đất (tấn/ha trên đơn vị của R), LS - hệ số ảnh hưởng của địa hình, C - hệ số ảnh hưởng của độ che phủ đất và biện pháp canh tác P - hệ số ảnh hưởng của áp dụng các biện pháp bảo tồn đất. [7] Risse và cộng sự (1993) đánh giá sai số của mô hình mất đất phổ quát (USLE) khi dự báo mất đất và xác định được hệ số tương quan với lượng đất mất thực tế là 0,75 [8]. Mô hình RUSLE được phát triển trên cơ sở mô hình USLE, do đó, nó được kỳ vọng đạt được độ chính xác tương đương hoặc cao hơn và có khả năng dùng để mô phỏng xói mòn trên phạm vi lớn với các hệ số xói mòn được xác định bằng dữ liệu viễn thám. 2.2. Địa điểm nghiên cứu Vùng đất đồi núi của huyện Hương Trà là vùng được đặc trưng bởi địa hình đồi và núi có độ dốc khá lớn với tổng diện tích 408 km2, chiếm 78 % tổng diện tích toàn huyện. Vị trí trung tâm của khu vực nghiên cứu nằm ở 107o27’59’’ kinh Đông và 16o22’46’’ vĩ Bắc, cách trung tâm thành phố Huế khoảng 15 km. Lượng mưa trung bình hàng tháng thay đổi rất lớn theo thời gian, lượng mưa lớn tập trung vào tháng 9 đến tháng 12 (tháng 10 lượng mưa trung bình có thể vượt quá 800 mm). 2.3. Phương pháp thu thập số liệu Các hệ số xói mòn trong công thức (1) chủ yếu được xác định thông qua các dữ liệu viễn thám. Hệ số R được xác định thông qua dữ liệu lượng mưa tích luỹ hàng tháng của vệ tinh TRMM và được tải xuống miễn phí từ trang web Hệ số LS được xác định thông qua mô hình số hoá độ cao 187 (DEM) thu được từ vệ tinh SRTM và được tải xuống miễn phí từ trang web của Trung tâm Nghiên cứu Quốc tế Nông nghiệp Nhiệt đới, Australia. Ngoài ra, ảnh Landsat ETM+ tháng 3/ 2007 được mua tại Cơ quan quan sát sinh thái toàn cầu, Đại học Quốc gia Michigan, Mỹ. Dữ liệu lượng mưa hàng tháng thu thập tại Trạm Khí tượng Thuỷ văn Huế, được dùng để kiểm tra độ chính xác của dữ liệu lượng mưa hàng tháng tích luỹ TRMM. Bản đồ địa hình thu thập được tại Sở Khoa học và Công nghệ tỉnh Thừa Thiên Huế cũng được sử dụng để kiểm tra độ chính xác mô hình số hoá độ cao SRTM. Ngoài ra, bản đồ đất và báo cáo về phân tích nông hoá thổ nhưỡng cũng được thu thập tại Sở Khoa học và Công nghệ tỉnh Thừa Thiên Huế để xác định hệ số C theo toán đồ xói mòn đất của Wischmeier and Smith [9]. Điều tra thực địa đã được thực hiện tại thôn Chầm, xã Hương Hồ, huyện Hương Trà nhằm xác định các loại hình sử dụng đất và loại che phủ trong phạm vi khu vực nghiên cứu và thực hiện mô hình phân tích sự pha lẫn quang phổ (spectral mixture) trên các yếu tố ảnh (pixel). Trong đó, kết hợp điều tra các vị trí bị xói mòn và các vấn đề liên quan đến xói mòn thông qua phỏng vấn không chính thức với người dân trong thôn và lãnh đạo thôn. Bản đồ hiện trạng sử dụng đất huyện Hương Trà được thu thập tại Trung tâm Kỹ thuật Tài nguyên và Môi trường, tỉnh Thừa Thiên Huế. Ảnh Google Earth tại khu vực nghiên cứu có độ phân giải cao đã nắn chỉnh hệ toạ độ về vị trí trùng với khu vực cần nghiên cứu. Ảnh này trợ giúp cho quá trình số hoá các loại hình sử dụng đất trên ảnh Landsat và hướng dẫn phần mềm IDRISI nhận dạng các đặc trưng phản xạ sóng điện từ của mỗi loại che phủ mặt đất. Mô phỏng xói mòn được thực hiện trên nền các đối tượng ảnh, do đó dữ liệu được quản lý ở dạng raster. Độ phân giải của toàn bộ các lớp thông tin là 30m vì ảnh Landsat ETM+ dùng để xác định tỷ lệ của các loại che phủ mặt đất có độ phân giải là 30m và tương đương với kích thước của ô thí nghiệm trong mô hình RUSLE là 22m chiều dài. Do đó, độ phân giải của mô hình số hoá độ cao SRTM-DEM (90m) và lượng mưa tháng TRMM (27km) đã được chuyển đổi thành 30m. Đồng thời, tất cả các lớp dữ liệu đều được quản lý trong hệ toạ độ UTM 48 N. Việc hiệu chỉnh hình học ảnh Landsat ETM+ được thực hiện trong phần mềm IDRISI 14.02. 2.4. Phương pháp xác định các hệ số xói mòn 2.4.1. Xác định hệ số xói mòn do mưa và dòng chảy (R) Lượng mưa tích luỹ hàng tháng TRMM từ năm 1998 đến 2006 đã được tải về ở dạng ASCII chứa thông tin về vị trí đo được (kinh độ, vĩ độ) và lượng mưa tháng. Sau đó, lượng mưa trung bình tháng từ năm 1998, 2000, 2004, và 2006 đã được kiểm chứng so với lượng mưa đo được tại Trạm Khí tượng Thuỷ văn Huế. Lượng mưa tháng TRMM và lượng mưa đo được có mối tương quan chặt chẽ thông qua hệ số tương quan hồi qui đã xác định được là biến động từ 0,88 đến 0,97. Từ đó, lượng mưa bình quân tháng từ năm 1998 đến 2006 được truy nhập vào phần mềm ArcGIS 9.2 ở dạng lớp đối tượng điểm và được nội suy 188 sang dạng lớp đối tượng raster theo phương pháp Kriging. Hệ số xói mòn R được tính theo công thức do Hồ Kiệt (1999) đề xuất. Đây là công thức thực nghiệm trên cơ sở so sánh giữa lượng mưa, dòng chảy với lượng mất đất thực tế trên các ô thí nghiệm ở lưu vực Sông Hương (cùng địa điểm nghiên cứu với đề tài này) và rút ra được công thức như sau: Ri = - 25,319 + 0,49917 * Pi (r2 = 0.989) (2) Trong đó: Ri - hệ số xói mòn do mưa và dòng chảy theo tháng (MJ mm ha-1 hr-1) Pi - lượng mưa trung bình tháng (mm) Hệ số xói mòn do mưa và dòng chảy được tính toán lại theo năm, mùa mưa và mùa khô. 2.4.2. Xác định hệ số ảnh hưởng xói mòn của địa hình (LS) Mô hình số hoá độ cao SRTM – DEM được tải miễn phí tại trang web của Cơ quan điều tra địa chất Hoa Kỳ (USGS) có độ phân giải khoảng 90 m tại đường xích đạo. Sản phNm hoàn chỉnh của SRTM –DEM là sản phNm không có các vùng không có dữ liệu (no-data holes). Trước khi SRTM được đưa vào sử dụng, độ chính xác của nó được kiểm chứng trong vùng nghiên cứu với 720 điểm độ cao có sản trên bản đồ địa hình chính thức thu thập được tại Sở Khoa học và Công nghệ tỉnh Thừa Thiên Huế. Hệ số tương quan là 0,96 chứng tỏ SRTM – DEM có độ chính xác cao và có đủ độ tin cậy để tính toán hệ số LS. Quá trính tính toán hệ số LS được gộp chung lại trong công thức RUSLE: - Mô phỏng độ dốc (tính theo độ) dùng mô hình số hoá độ cao SRTM thông qua công cụ phân tích không gian của ArcGIS 9.2. - Mô phỏng tích luỹ dòng chảy cho từng giá trị pixel của SRTM – DEM thông qua hàm tính toán tích luỹ dòng chảy trong Raster Calculator của ArcGIS 9.2. Giá trị tích luỹ dòng chảy được gán cho mỗi pixel theo sự tích luỹ số lượng pixel ở vùng phía trên (upslope) chảy qua nó theo hướng cuối dốc (downslope). - Hệ số LS được xác định theo công thức của Mitasova và cộng sự (1996) như sau: LS = (t+1) t L A       0 n b        0 sin β (3) Trong đó: A - diện tích đóng góp cho dòng chảy trên đơn vị chiều dài dòng chảy (m2), được tính toán bởi nhân độ phân giải của DEM với số pixel tích luỹ, β - độ dốc (độ), Lo - độ dài tiêu chuNn của ô thí nghiệm trong RULSE (22,1m) bo - độ dốc tiêu chuNn của ô thí nghiệm trong RULSE (9 % hoặc 5,16 độ) 189 n - hằng số, thay đổi từ 1 đến 1,4 t - hằng số phụ thuộc vào độ dốc Công thức (3) được chuyển đổi theo chức năng tính toán cho dữ liệu raster cho pixel trong công cụ Raster Calculator của ArcGIS 9.2. 2.4.3. Xác định hệ số che phủ thực vật và biện pháp canh tác (C) Hệ số C được xác theo công thức của Alejandro (2007) [4] như sau: C = NPMveg bs FF F ++1 (4) Trong đó: Fbs - tỷ lệ diện tích đất trống, Fveg - tỷ lệ diện tích đất có lớp phủ thực vật, FNPM - tỷ lệ diện tích có lớp phủ vật liệu phi thực vật. Các tỷ lệ trên được xác định thông qua mô hình phân tích sự pha lẫn quang phổ (LSMA). Ảnh Landsat ETM+ được dùng để phân tích theo mô hình LSMA trong phần mềm IDRISI 14.02. Công thức (4) được tính toán trong công cụ Raster Calculator của ArcGIS 9.2. 2.4.4. Xác định hệ số xói mòn của đất (K) Hệ số K được xác định theo phương pháp truyền thống là dùng bản đồ đất và số liệu về phân tích nông hoá thổ nhưỡng. Toán đồ Wichsmier and Smith (1978) được sử dụng để xác định hệ số C cho các loại đất khác nhau trong vùng nghiên cứu và gán giá trị K cho mỗi loại đất [9]. 3. Kết quả nghiên cứu và thảo luận 3.1. Các hệ số xói mòn của mô hình RUSLE Hệ số R hàng năm được mô phỏng biến động từ 967 đến 1033 MJ mm ha-1hr-1. Như vậy, giá trị R hàng năm được mô phỏng tương đương với giá trị R thực nghiệm tại lưu vực sông Hương là 1.130 MJ mm ha-1hr-1 [1] và tại miền Bắc là 963 MJ mm ha-1 hr- 1 [3]. Ngoài ra, giá trị R theo mùa cũng được mô phỏng, trong đó giá trị R vào mùa mưa lớn gấp 2 lần vào mùa khô. Do giá trị R được xác định cho mỗi pixel nên việc mô phỏng hệ số R đã tạo ra được sự khác biệt về không gian và thời gian của ảnh hưởng lượng mưa và dòng chảy. Giá trị LS ở vùng có độ dốc thấp biến động từ 0 đến 50. Ở các vùng có độ dốc lớn hơn 16o (chiếm 28% tổng diện tích khu vực nghiên cứu), giá trị hệ số LS cao hơn 50 cho thấy tiềm năng xói mòn lớn. Hệ số xói mòn đất K được xác định từ toán đồ xói mòn đất [9] và gán cho các loại đất trên bản đồ đất. Sau đó, lớp hệ số K ở dạng đối tượng vùng được chuyển đổi thành lớp đối tượng raster để thống nhất loại dữ liệu cho quá trình mô phỏng xói mòn. 190 Tỷ số của các lớp che phủ mặt đất được xác định và tích hợp vào công thức (4) để tính hệ số C. Kết quả cho thấy tỷ lệ đất trống càng nhiều thì giá trị C càng lớn, hay nói cách khác giá trị C càng lớn thì khả năng chống xói mòn của lớp phủ bề mặt càng yếu. Mô hình LSMA đã rút ra được hệ số C cho từng pixel (độ phân giải 30m) nên giá trị của nó phần nào có ý nghĩa hơn là giá trị hệ số C được tham khảo thông qua tài liệu nghiên cứu. Điều này là vì nó phản ảnh được sự ảnh hưởng của nhiều loại che phủ mặt đất hơn là chỉ đơn thuần độ che phủ của thực vật. Hệ số C được xác định trên một phạm vi lớn cũng là lợi thế của mô hình LSMA. Tuy nhiên, trong mô hình LSMA đã giả định không có xói mòn trên các pixel mà độ che phủ của thực vật và phi thực vật (giá trị C = 0) là chưa thích hợp với thực tế xói mòn vì thực tế xói mòn vẫn diễn ra thậm chí dưới các bề mặt che phủ 100%. Nhưng với mục tiêu là mô phỏng rủi ro xói mòn thì những vùng mà được che phủ hoàn toàn xem như không có rủi ro xói mòn thì tỏ ra hợp lý. Trong mô hình mô phỏng xói mòn RUSLE, hệ số ảnh hưởng các biện pháp bảo tồn đất (P) không được xem xét do hạn chế về thời gian nên nó mặt định gán giá trị là 1 cho toàn bộ khu vực. 3.2. Bản đồ rủi ro xói mòn đất Tất cả các lớp dữ liệu raster của các hệ số xói mòn được tích hợp vào công cụ Raster Calculator của ArcGIS 9.2 để tính toán theo công thức (1). Đa số diện tích trong vùng nghiên cứu có xói mòn thấp ở những vùng có độ che phủ cao như trên đất rừng có độ che phủ dày đặc và ruộng lúa. Trong khi đó, xói mòn nghiêm trọng chủ yếu xảy ra trên vùng có độ dốc cao, vùng đất trống trên đất rừng sản xuất và đất trồng cây hoà màu. Vùng xói mòn nghiêm trọng nhất thường xảy ra ở vùng xung yếu như sườn dốc, đỉnh núi, đồi nơi mà địa hình phức tạp và việc trồng rừng ít được chú trọng. Bản đồ hiện trạng sử dụng đất năm 2006 đã được số hoá và tách thành bản đồ sử dụng đất đơn tính cho 7 loại hình sử dụng đất chính. Diện tích và tổng lượng đất mất của trên từng loại đất được tính toán để xác định tốc độ mất đất trung bình hàng năm trên cho mỗi loại hình sử dụng đất đó (Bảng 1). Bảng 1. Tốc độ xói mòn hàng năm cho từng loại hình sử dụng đất chính 14 2-5 tấn/ha = Thấp; 5-10 tấn/ha = Vừa; 10-50 tấn/ha = Cao; 50-100 tấn/ha = Nghiêm Trọng (NT); 100- 500 tấn/ha = Rất nghiệm trọng; >500 tấn/ha = Cực kỳ nghiêm trọng, theo Morgan (2005) Loại hình sử dụng đất Diện tích theo cấp độ xói mòn14 theo (km2) Tổng diện tích (km2) Tốc độ xói mòn TB hàng năm (tấn/ha) Không Thấp Vừa Cao NT Rất NT Cực kỳ NT Lúa 6,4 0,6 0,3 0,6 0,1 0,1 0,0 8,2 9,5 Cây trồng cạn 16,7 2,0 1,0 3,2 1,2 1,5 0,3 26,1 28,4 Rừng phòng hộ 60,9 3,3 2,2 7,4 3,2 4,7 1,2 82,8 35,0 Chưa sử dụng 53,0 4,5 2,9 9,4 3,9 5,4 1,3 80,5 40,5 An ninh, QP 8,9 0,8 0,4 1,4 0,5 0,7 0,3 12,9 46,7 Rừng SX tự nhiên 69,5 3,8 2,5 9,2 4,7 8,7 3,4 101,7 66,1 191 Qua bảng 1 ta thấy, tốc độ xói mòn trên đất lúa là trung bình là do ảnh Landsat ETM+ được chụp vào thời điểm không trồng lúa và vào mùa khô hạn nên độ che phủ trên ruộng lúa thấp dẫn đến hệ số C cao. Thực tế, theo phỏng vấn với nông dân thôn Chầm, xã Hương Hồ thì xói mòn trên ruộng lúa là không đáng kể do hầu hết đất lúa phân bố ở khu vực địa hình có độ dốc nhỏ. Hơn nữa, các thửa ruộng được chia nhỏ và bao kín bởi các bờ ruộng chắc chắn. Tốc độ xói mòn trên đất cây trồng cạn, rừng phòng hộ, đất chưa sử dụng, đất an ninh, quốc phòng là khá lớn, biến động từ 28 đến 46 tấn/ha. Thông thường ngô, đậu xanh, lạc, sắn, hoa, và chuối được trồng độc canh, xen canh hoặc luân canh trên các thửa ruộng màu. Do đó, độ che phủ của chúng thay đổi theo thời gian và các giai đoạn sinh trưởng nên xói mòn trên đất trồng cạn cũng biến động. Rừng phòng hộ là loại đất có độ che phủ tốt nhất nhưng tốc độ xói mòn vẫn cao do chúng phân bố trên các khu vực xung yếu có độ dốc cao. Ngoài ra, một số khu vực trong rừng phòng hộ do quản lý chưa chặt chẽ và việc khai thác trái phép của người dân dẫn đến sự sụt giảm của độ che phủ rừng. Đất an ninh, quốc phòng thực chất là loại đất đa mục đích sử dụng bao gồm mục đích chuyên dùng, sản xuất nông lâm nghiệp và mục đích khác. Do đó, xói mòn ở đây tính cho toàn bộ diện tích, trừ diện tích là các công trình xây dựng. Đất chưa sử dụng thường là đất có nhiều độ che phủ khác nhau như rừng, cây bụi, hoặc đất trống đồi núi trọc, nên độ che phủ của chúng rất khác nhau. Trong đó, cây bụi thường là lớp phủ thực vật chủ yếu và được duy trì tốt trên loại đất này nên xói mòn trên loại đất chưa sử dụng có lớp che phủ cây bụi thường thấp. Tuy nhiên, diện tích đất trồng đồi núi trọc vẫn rất đáng kể nên lượng đất bị xói mòn trên toàn bộ đất chưa sử dụng ở khu vực nghiên cứu còn cao. Rừng SX rừng trồng 9,4 0,7 0,4 1,7 0,8 1,5 0,7 15,2 81,5 Cấp độ rủi ro xói mòn hàng năm Không Rất thấp Thấp Trung Bình Cao Nghiêm trọng Rất nghiêm trọng Cực kỳ nghiêm trọng 192 Hình 1. Bản đồ rủi ro xói mòn vùng đồi núi huyện Hương Trà, Thừa Thiên Huế Đất rừng sản xuất gồm 2 loại chủ yếu: rừng tự nhiên và rừng trồng. Rừng sản xuất thường là rừng kinh tế, rừng khai thác gỗ, hoặc sản phNm phi gỗ được giao cho các tổ chức, hộ gia đình, cá nhân và cộng đồng. Do đó, chất lượng của rừng chủ yếu phụ thuộc vào chủ rừng, thời điểm trồng, khai thác và thị trường tiêu thụ. Mô phỏng sự thay đổi về độ che phủ trên rừng sản xuất cho thấy độ che phủ trên loại đất này có xu hướng giảm mạnh và hiện tại độ che phủ rất thấp. Do đó, tốc độ xói mòn trên đất rừng sản xuất là rất lớn. Tốc độ xói mòn trung bình hàng năm trên đất sản xuất rừng trồng là lớn nhất, 81,5 tấn/ha. 0 10 20 30 40 50 60 70 80 90 R1 R2 CT1 Hệ thống canh tác Tố c độ x ói m òn hà n g n ăm (tấ n /h a) h Đo thực tế Mô phỏng Hình 2. Biểu đồ so sánh tốc độ xói mòn đo thực tế và mô phỏng Kết quả mô phỏng tốc độ xói mòn trên các loại đất khác nhau được so sánh tương đối với tốc độ xói mòn đo được trên cùng vùng nghiên cứu của Hồ Kiệt (1999) năm 1996 [1] trên một số mô hình canh tác: (i) mô hình R1 là mô hình rừng trồng theo kỹ thuật phổ biến ở địa phương, (ii) mô hình R2 là cơ bản giống mô hình R1 nhưng được trồng xen với một số cây bản địa, (iii) mô hình CT1 là hệ thống canh tác cây nông nghiệp ngắn ngày theo phương pháp phổ biến của người dân địa phương. Các mô hình trên được điều tra thực tế để xác định các hệ thống canh tác tương tự và được khoanh vùng với sự hỗ trợ của máy định vị GPS. Sau đó tạo ra các lớp bản đồ đơn tính cho từng mô hình và xác định lượng mất đất hàng năm cho các mô hình đó trên bản đồ xói mòn đã được mô phỏng. Như vậy, qua hình 2 cho thấy, kết quả mô phỏng trên một số mô hình canh tác có độ chính xác tương đối gần với giá trị đo thực tế về xói mòn. Tuy nhiên, kết quả mô phỏng thường có giá trị cao hơn khá nhiều so với giá trị đo thực tế. Điều này là do giá trị của hệ số R mô phỏng lớn hơn so với giá trị hệ số R theo thực tế tính toán. 193 3.3. Mô hình hỗ trợ quyết định (Decision Support System – DSS) quy hoạch sử dụng đất lâm nghiệp Hiện nay trên các địa phương thuộc tỉnh Thừa Thiên Huế đang thực hiện lập qui hoạch phát triển và bảo vệ lâm nghiệp cấp xã. Trong đó yêu cầu quan trọng là xác định vị trí, ranh giới và mục đích sử dụng của 3 loại rừng: rừng phòng hộ, rừng sản xuất và rừng đặc dụng. Rừng phòng hộ là loại rừng có ý nghĩa lớn đối với môi trường như phòng chống lũ lụt, chống xói mòn, và cải tạo môi trường sống. Do đó, rừng phòng hộ nên được bố trí ở khu vực có tiềm năng xói mòn cao và cấp độ xói mòn thực tế cao Dựa vào độ dốc15 và cấp độ rủi ro xói mòn đã đề xuất được vị trí và ranh giới của rừng phòng hộ (hình 3). Hình 3. Một số kịch bản của việc lựa chọn diện tích đất rừng phòng hộ, xã Hương Hồ 4. Kết luận Việc kết hợp dữ liệu viễn thám để xác định các hệ số xói mòn trong mô hình RUSLE và ứng dụng công nghê GIS là rất hữu ích cho mô phỏng xói mòn và cấp độ rủi ro xói mòn trên phạm vi rộng lớn. Các nguồn dữ liệu được kiểm chứng có độ chính xác cao so với các dữ liệu đo thực tế như lượng mưa tháng TRMM, mô hình số hoá độ cao SRTM – DEM. Ảnh Landsat ETM+ và mô hình phân tích pha lẫn quang phổ để xác định các thành phần che phủ mặt đất đã tạo điều kiện thuận lợi trong xác định hệ số C. Mô phỏng xói mòn theo phương pháp này đem lại kết quả khá tốt thông qua việc kiểm 15 3 nhóm độ dốc được phân lớp (re-classification) là: Kịch bản 1 (giới hạn độ dốc >30%); Kịch bản 2 (giới hạn độ dốc >40%), và Kịch bản 3 (giới hạn độ dốc >50%). Giới hạn độ dốc càng cao thì diện tích rừng phòng hộ càng ít, do đó tuỳ thuộc tình hình thực tế địa phương và sự đồng thuận của các bên tham gia để xác định diện tích rừng thích hợp cho từng thời kỳ qui hoạch. 194 chứng với lượng xói mòn đo thực tế có kết quả khá giống nhau. Bản đồ rủi ro xói mòn là thông tin quan trọng trong việc hoạch định chính sách qui hoạch sử dụng đất và qui hoạch bảo tồn đất. Ứng dụng các tiêu chí (mức độ xói mòn và giới hạn độ dốc) để xác định loại diện tích cần bố trí đất rừng phòng hộ sẽ góp phần giảm chi phí trong nghiên cứu thực địa. Đồng thời, đây là hình hỗ trợ quyết định linh động và có thể lặp lại bằng cách thay đổi các tiêu chí yêu cầu. Tuy nhiên, việc ứng dụng dữ liệu viễn thám vẫn chưa thể hiện được hết bản chất của số liệu cần tính toán (sự khác biệt của thuộc tính dữ liệu và không gian); kết quả mô phỏng xói mòn mới kiểm chứng thông qua một số mô hình mà không phải toàn bộ khu vực nghiên cứu; các tiêu chí phân cấp rủi ro xói mòn vẫn chưa được thử nghiệm ở hiện trường. Để nâng cao chất lượng kết quả mô phỏng những nghiên cứu tiếp theo cần sử dụng các nguồn dữ liệu viễn thám có độ phân giải cao hơn...; tiếp tục kiểm chứng các hệ số xói mòn, tốc độ xói mòn được mô phỏng, và mức độ rủi ro xói mòn trên thực tế. TÀI LIỆU THAM KHẢO 1. Hồ Kiệt, Đánh giá xói mòn và lắng đọng đất trên một số hệ thống canh tác phổ biến vùng đất dốc lưu vực sông Hương, Thừa Thiên Huế, Luận án Tiến sĩ, Đại học Nông nghiệp Hà nội, (1999). 2. Sở Khoa học và Công nghệ Thừa Thiên Huế, Đặc điểm về khí hậu và thuỷ văn tỉnh Thừa Thiên Huế, Nhà xuất bản Thuận Hoá, (2004). 3. Thái Phiên and Nguyễn Tử Siêm, Đất đồi núi Việt Nam: Thoái hoá và phục hồi. Nhà xuất bản Nông nghiệp, Hà nội, (1999). 4. Alejandro, M.de Asis, Kenji Amasa, Estimation of vegetation parameter for soil erosion using linear Spectral Mixture Analysis of Landsat ETM data, Photogrammetry and Remote Sensing Journal, 62(2007), 309-324. 5. Mitasova, H., Hofierka, J., Zlocha, M., Iverson, L.R., Modelling topographic potential for erosion and deposition using GIS, Int. J. Geogr. Inform. Syst. 10, (1996), 629–641. 6. Morgan R.P.C., Soil Erosion and Conservation, The United Kingdom: Blackwell, (2005). 7. Renard, K.G., Foster, G.R., Weesies, G.A., McCool, D.K., Yoder, D.C., Predicting Soil Erosion by Water, A Guide to Conservation Planning with the Revised Universal Soil Loss Equation (RUSLE), USDA-Agriculture Handbook No. 703, (1997). 8. Risse, L.M., Nearing, M.A., Nicks, A.D., Laflen, J.M., Error assessment in the universal soil loss equation, Soil Science Society of America Journal 57, (1993), 825– 833. 195 9. Wischmeier, W.H., Smith, D.D., Predicting Rainfall Erosion Losses, A Guide to Conservation Planning, USDA-Agriculture Handbook No. 537, Washington, U.S. Government Printing Office, (1978). SOIL EROSION RISK MODELING WITHIN UPLAND LANDSCAPES USING REMOTELY SENSED DATA AND THE RUSLE MODEL Pham Huu Ty College of Agriculture and Forestry, Hue University Ho Kiet Hue University SUMMARY Integration of RUSLE model and Remotely Sensed Data (such as TRMM, SRTM, and Landsat images) into GIS platforms (ArcGIS 9.2, IDRISI 14.02) provides a useful tool for soil erosion modeling in a large scale. Accuracies of Remotely Sensed Data (such as TRMM, SRTM, and Landsat images) were validated and provided good confidences in simulating and calculating erosion factors by water. However, there are significant limitations of remotely sensed data due to coarse resolution and geometric distortions that constrains the accuracy of erosion modeling. Although, soil erosion risk modeling accommodates several weaknesses, erosion risk maps will help environmental and natural resources management agencies monitor the status of erosion and affected factors to soil erosion, such as land cover, land use, and topographic features. Overlaying erosion risk maps and slope limit maps enable land managers and policy makers to initially identify locations and areas of protection forests which can help reduce soil erosion and improve environment quality. Key words: Remotely Sensed Data, GIS, RUSLE, Erosion modeling, Decision Support Systems (DSS)