Dự báo độ mặn đất tại Đồng bằng sông Hồng (Việt Nam) bằng học máy và đánh giá năng lực thích ứng của nông dân

Nhiễm mặn đất là một mối đe dọa môi trường nghiêm trọng đối với phát triển nông nghiệp và an ninh lương thực tại nhiều khu vực trên thế giới, đặc biệt trong bối cảnh nóng lên toàn cầu và nước biển dâng. Thông tin đáng tin cậy về năng lực thích ứng của các nông hộ đóng vai trò then chốt trong việc giảm thiểu các tác động kinh tế - xã hội của quá trình nhiễm mặn đất, đồng thời giúp các nhà hoạch định chính sách và nông dân đề xuất những biện pháp phù hợp hơn để ứng phó với hiện tượng này. Nghiên cứu hướng đến xây dựng một khung lý thuyết nhằm đánh giá độ mặn đất tại Đồng bằng sông Hồng (Việt Nam) dựa trên học máy, các thuật toán tối ưu hóa (cụ thể là Xgboost (XGB), XGB-Pelican Optimization Algorithm (POA), XGB-Siberian Tiger Optimization (STO), XGB-Serval Optimization Algorithm (SOA), XGB-Particle Swarm Optimization (PSO) và XGB-Grasshopper Optimization Algorithm (GOA)), viễn thám và phỏng vấn người dân địa phương. Chúng tôi đánh giá phân bố địa lý của độ mặn đất bằng cách áp dụng học máy cho Sentinel 1 và 2A. Năng lực thích ứng của nông dân được đánh giá thông qua phỏng vấn 87 hộ gia đình. Các chỉ số thống kê gồm sai số tuyệt đối trung bình (MAE), căn bậc hai sai số bình phương trung bình (RMSE) và hệ số tương quan (R2) được sử dụng để đánh giá các mô hình học máy. Kết quả của nghiên cứu này cho thấy tất cả các thuật toán tối ưu hóa đều cải thiện thành công độ chính xác của mô hình XGB. XGB-POA đạt hiệu năng cao nhất với giá trị R2 là 0,968, tiếp theo lần lượt là XGB-STO (R2=0,967), XGB-SOA (R2=0,966), XGB-PSO (R2=0,964) và XGB-GOA (R2=0,964). Bản đồ độ mặn đất do các mô hình đề xuất tạo ra cũng chỉ ra rằng các khu vực ven biển và ven sông chịu ảnh hưởng nặng nề nhất bởi nhiễm mặn đất. Kết quả cũng cho thấy nguồn lực con người và nguồn lực tài chính là hai yếu tố quan trọng nhất ảnh hưởng đến năng lực thích ứng của nông dân. Nghiên cứu này cung cấp một khung lý thuyết quan trọng giúp hoàn thiện các nghiên cứu trước đây và có thể hỗ trợ các nhà hoạch định chính sách cùng nông dân trong quản lý tài nguyên đất, chẳng hạn như xác định chính xác những khu vực bị nhiễm mặn phục vụ phát triển nông nghiệp trong bối cảnh biến đổi khí hậu. Ngoài ra, nghiên cứu nhấn mạnh tầm quan trọng của việc tích hợp học máy, viễn thám và khảo sát kinh tế - xã hội trong quản lý nhiễm mặn đất, qua đó có thể hỗ trợ nông dân hướng tới phát triển nông nghiệp bền vững.