[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"_public_topic_publications_d%E1%BB%AF%20li%E1%BB%87u%20kh%C3%AD%20t%C6%B0%E1%BB%A3ng{\"limit\":5}":3,"_public_topic_byId_dữ liệu khí tượng":11},{"code":4,"data":5,"meta":10},"SUCCESS",{"latest":6,"mostCited":7,"vietnamFeatured":8,"vietnamLatest":9},[],[],[],[],null,{"code":4,"data":12,"meta":10},{"id":13,"title":14,"description":15,"content":16,"term":13,"englishTitle":10,"synonyms":10,"definition":10,"discipline":10,"references":10,"faqs":10,"createUser":17,"publishUser":21,"keywords":25,"keywordCount":18,"enrichTopicLink":26,"status":27,"createTime":28,"updateTime":29,"publishTime":30,"linkEnrichedTime":10,"publicationScanTime":10,"contentErrorMessage":10,"viewCount":31,"relateTopics":32},"dữ liệu khí tượng","Dữ liệu khí tượng là gì? Các nghiên cứu khoa học liên quan","Dữ liệu khí tượng là tập hợp thông tin quan trắc các yếu tố khí quyển như nhiệt độ, áp suất, độ ẩm và gió nhằm mô tả trạng thái không khí theo thời gian và không gian. Dữ liệu này giúp xác định đặc tính vận động của khí quyển và cung cấp nền tảng khoa học cho dự báo thời tiết, phân tích khí hậu cùng nhiều ứng dụng môi trường khác. ","\u003Cdiv>\u003Ch2>Khái niệm dữ liệu khí tượng\u003C\u002Fh2>\n\u003Cp>Dữ liệu khí tượng là tập hợp các thông tin thu được thông qua quan trắc, ghi nhận và đo đạc trạng thái của khí quyển tại một thời điểm hoặc trong một chuỗi thời gian liên tục. Dữ liệu này phản ánh các yếu tố vật lý như nhiệt độ, áp suất, độ ẩm, lượng mưa, tốc độ gió, hướng gió và bức xạ mặt trời. Việc theo dõi những đại lượng này cho phép mô tả trạng thái khí quyển và đánh giá sự biến đổi của chúng theo không gian và thời gian.\u003C\u002Fp>\n\u003Cp>Dữ liệu khí tượng có vai trò trọng yếu trong nghiên cứu khoa học khí hậu và hệ thống thời tiết. Các cơ quan như \u003Ca href=\"https:\u002F\u002Fwww.noaa.gov\" target=\"_blank\" rel=\"noopener\">NOAA\u003C\u002Fa> và \u003Ca href=\"https:\u002F\u002Fpublic.wmo.int\" target=\"_blank\" rel=\"noopener\">WMO\u003C\u002Fa> duy trì mạng lưới quan trắc toàn cầu, đảm bảo dữ liệu được thu thập với độ chính xác và chuẩn hóa cao. Đây là nền tảng quan trọng cho dự báo thời tiết, giám sát biến đổi khí hậu và phân tích các hiện tượng khí quyển quy mô lớn.\u003C\u002Fp>\n\u003Cp>Các loại dữ liệu phổ biến gồm dữ liệu quan trắc tức thời, dữ liệu khí hậu dài hạn, dữ liệu viễn thám và dữ liệu mô phỏng từ mô hình khí tượng số. Chúng mang tính bổ sung cho nhau, cho phép các nhà khoa học tái dựng cấu trúc khí quyển theo chiều dọc và chiều ngang. Một bảng mô tả các nhóm dữ liệu chính thường gặp:\u003C\u002Fp>\n\u003Ctable border=\"1\" cellpadding=\"6\">\n  \u003Ctbody>\u003Ctr>\n    \u003Cth>Nhóm dữ liệu\u003C\u002Fth>\n    \u003Cth>Mô tả\u003C\u002Fth>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Dữ liệu quan trắc\u003C\u002Ftd>\n    \u003Ctd>Đo trực tiếp từ trạm mặt đất, phao biển, khí cầu\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Dữ liệu viễn thám\u003C\u002Ftd>\n    \u003Ctd>Thu từ vệ tinh và radar thời tiết\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Dữ liệu tái phân tích\u003C\u002Ftd>\n    \u003Ctd>Kết hợp quan trắc và mô hình để tái dựng khí quyển\u003C\u002Ftd>\n  \u003C\u002Ftr>\n\u003C\u002Ftbody>\u003C\u002Ftable>\n\n\u003Ch2>Phân loại dữ liệu khí tượng\u003C\u002Fh2>\n\u003Cp>Dữ liệu khí tượng có thể được phân loại dựa trên phương pháp thu thập, cấu trúc thời gian, hoặc mục tiêu sử dụng. Dữ liệu quan trắc trực tiếp thường được ghi lại theo chu kỳ 1 phút, 10 phút hoặc 1 giờ, tùy thuộc vào yêu cầu của hệ thống. Dữ liệu tái phân tích sử dụng thuật toán đồng hóa dữ liệu nhằm kết hợp các nguồn quan trắc khác nhau, tạo ra bộ dữ liệu liên tục và nhất quán hơn.\u003C\u002Fp>\n\u003Cp>Dựa trên thời gian, dữ liệu được chia thành dữ liệu thời tiết (ngắn hạn) và dữ liệu khí hậu (dài hạn). Dữ liệu thời tiết phản ánh trạng thái tức thời của khí quyển, trong khi dữ liệu khí hậu dùng để xác định xu hướng và đặc điểm thống kê trong nhiều năm. Hai loại này bổ trợ lẫn nhau trong nhiều bài toán từ dự báo tổ hợp cho đến đánh giá nguy cơ thiên tai.\u003C\u002Fp>\n\u003Cp>Dữ liệu cũng được phân loại theo mức độ xử lý: dữ liệu thô, dữ liệu đã hiệu chỉnh và dữ liệu phân tích. Dưới đây là danh sách tóm tắt các phân loại thường gặp:\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>Dữ liệu thô: chưa lọc nhiễu, chưa xử lý lỗi\u003C\u002Fli>\n  \u003Cli>Dữ liệu đã hiệu chỉnh: được hiệu chuẩn theo chuẩn khí tượng\u003C\u002Fli>\n  \u003Cli>Dữ liệu phân tích: đã được mô hình xử lý và đồng hóa\u003C\u002Fli>\n  \u003Cli>Dữ liệu tái phân tích: kết hợp mô hình và quan trắc, độ tin cậy cao\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>Các nguồn thu thập dữ liệu khí tượng\u003C\u002Fh2>\n\u003Cp>Nhiều hệ thống quan trắc được triển khai ở cả mặt đất, đại dương và không trung để thu thập dữ liệu khí tượng. Trạm khí tượng mặt đất ghi nhận các thông số cơ bản như nhiệt độ, áp suất, lượng mưa và tốc độ gió. Các phao đại dương cung cấp dữ liệu quan trọng về bề mặt biển bao gồm độ ẩm, nhiệt độ nước và điều kiện gió trên biển, đặc biệt hữu ích trong nghiên cứu bão và dao động đại dương.\u003C\u002Fp>\n\u003Cp>Bóng thám không được thả lên tầng đối lưu để đo hồ sơ thẳng đứng của nhiệt độ, độ ẩm và gió ở nhiều độ cao. Vệ tinh khí tượng như GOES, Himawari hoặc MetOp quan sát diện rộng, ghi nhận mây, nhiệt độ bề mặt và các biến số bức xạ. Radar thời tiết theo dõi hệ thống mưa và bão, cung cấp dữ liệu thời gian thực về cường độ và hướng di chuyển của mưa.\u003C\u002Fp>\n\u003Cp>Danh sách nguồn thu thập phổ biến:\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>Trạm khí tượng mặt đất\u003C\u002Fli>\n  \u003Cli>Phao đại dương và tàu nghiên cứu\u003C\u002Fli>\n  \u003Cli>Khí cầu thám không\u003C\u002Fli>\n  \u003Cli>Radar thời tiết Doppler\u003C\u002Fli>\n  \u003Cli>Vệ tinh quan sát Trái Đất\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>Đo đạc và thiết bị sử dụng trong khí tượng\u003C\u002Fh2>\n\u003Cp>Các thiết bị khí tượng được thiết kế để đo chính xác từng loại thông số trong điều kiện môi trường khắc nghiệt. Nhiệt kế đo nhiệt độ không khí thường được đặt trong lều khí tượng nhằm tránh bức xạ trực tiếp. Khí áp kế đo áp suất không khí với độ nhạy cao. Ẩm kế ghi lại độ ẩm tương đối, trong khi anemometer dùng để đo tốc độ gió và hướng gió.\u003C\u002Fp>\n\u003Cp>Các hệ thống hiện đại như trạm thời tiết tự động AWS tích hợp nhiều cảm biến vào một đơn vị duy nhất. Chúng có khả năng truyền dữ liệu liên tục về trung tâm xử lý qua mạng viễn thông hoặc vệ tinh. Việc tự động hóa cho phép tăng độ phủ quan trắc mà không cần nhiều nhân lực vận hành, giảm sai sót do con người và nâng cao độ chính xác.\u003C\u002Fp>\n\u003Cp>Bảng sau trình bày một số thiết bị đo khí tượng phổ biến:\u003C\u002Fp>\n\u003Ctable border=\"1\" cellpadding=\"6\">\n  \u003Ctbody>\u003Ctr>\n    \u003Cth>Thiết bị\u003C\u002Fth>\n    \u003Cth>Thông số đo\u003C\u002Fth>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Nhiệt kế\u003C\u002Ftd>\n    \u003Ctd>Nhiệt độ không khí\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Khí áp kế\u003C\u002Ftd>\n    \u003Ctd>Áp suất khí quyển\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Ẩm kế\u003C\u002Ftd>\n    \u003Ctd>Độ ẩm tương đối\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Anemometer\u003C\u002Ftd>\n    \u003Ctd>Tốc độ và hướng gió\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Thiết bị đo bức xạ\u003C\u002Ftd>\n    \u003Ctd>Năng lượng và cường độ bức xạ mặt trời\u003C\u002Ftd>\n  \u003C\u002Ftr>\n\u003C\u002Ftbody>\u003C\u002Ftable>\n\u003Ch2>Ứng dụng của dữ liệu khí tượng\u003C\u002Fh2>\n\u003Cp>Dữ liệu khí tượng giữ vai trò trung tâm trong hoạt động dự báo thời tiết ngắn hạn và trung hạn. Các mô hình dự báo số sử dụng dữ liệu đầu vào từ trạm mặt đất, radar, vệ tinh và bóng thám không để mô phỏng diễn biến khí quyển theo từng bước thời gian. Mức độ chính xác của dự báo phụ thuộc trực tiếp vào độ dày mạng lưới quan trắc và độ chính xác của dữ liệu. Nhờ đó, các cơ quan khí tượng có thể phát hành cảnh báo mưa lớn, lũ quét, gió mạnh hay bão nhiệt đới với thời gian báo trước phù hợp.\u003C\u002Fp>\n\u003Cp>Trong nghiên cứu khí hậu, dữ liệu khí tượng dài hạn là nền tảng để phân tích xu hướng và đánh giá tác động của biến đổi khí hậu. Những bộ dữ liệu kéo dài hàng chục năm giúp xác định sự biến đổi của nhiệt độ trung bình, lượng mưa, tần suất bão và hạn hán. Các tổ chức như \u003Ca href=\"https:\u002F\u002Fwww.ecmwf.int\" target=\"_blank\" rel=\"noopener\">ECMWF\u003C\u002Fa> cung cấp bộ dữ liệu tái phân tích toàn cầu, hỗ trợ phân tích khí hậu từ cấp khu vực đến cấp hành tinh.\u003C\u002Fp>\n\u003Cp>Nhiều ngành kinh tế phụ thuộc trực tiếp vào dữ liệu khí tượng trong hoạt động vận hành hằng ngày. Một số ứng dụng tiêu biểu gồm:\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>Hàng không: tối ưu hóa lộ trình bay, tránh nhiễu động và giông bão\u003C\u002Fli>\n  \u003Cli>Nông nghiệp: lập kế hoạch gieo trồng, dự báo hạn hán và sâu bệnh phụ thuộc thời tiết\u003C\u002Fli>\n  \u003Cli>Năng lượng tái tạo: dự đoán sản lượng điện gió và điện mặt trời\u003C\u002Fli>\n  \u003Cli>Quản lý thiên tai: phát hiện sớm các hiện tượng cực đoan để giảm thiểu rủi ro\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>Hệ thống lưu trữ và định dạng dữ liệu khí tượng\u003C\u002Fh2>\n\u003Cp>Dữ liệu khí tượng được lưu trữ trong các định dạng tiêu chuẩn nhằm tối ưu hóa khả năng nén, tốc độ xử lý và tính tương thích giữa nhiều nền tảng phân tích. Các định dạng phổ biến nhất gồm NetCDF, GRIB và HDF5. Chúng cho phép lưu trữ dữ liệu không gian nhiều chiều và chuỗi thời gian dài với dung lượng lớn nhưng vẫn đảm bảo khả năng truy cập nhanh.\u003C\u002Fp>\n\u003Cp>Các cơ sở dữ liệu khí tượng thường được vận hành trong môi trường điện toán đám mây để đáp ứng nhu cầu truy vấn khối lượng lớn. Những hệ thống này tích hợp API để các nhà nghiên cứu tải dữ liệu tự động hoặc xử lý trực tiếp trên nền tảng tính toán. Việc chuẩn hóa định dạng do WMO quản lý giúp dữ liệu khí tượng có thể được trao đổi dễ dàng giữa nhiều quốc gia.\u003C\u002Fp>\n\u003Cp>Một số kho dữ liệu quốc tế quan trọng:\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>ERA5 tái phân tích của ECMWF\u003C\u002Fli>\n  \u003Cli>Kho dữ liệu vệ tinh của NASA Earth Observing System\u003C\u002Fli>\n  \u003Cli>Hệ thống NCEI của NOAA lưu trữ dữ liệu khí hậu dài hạn\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>Mô hình khí tượng và dữ liệu đầu vào\u003C\u002Fh2>\n\u003Cp>Mô hình khí tượng số sử dụng dữ liệu khí tượng làm điều kiện ban đầu và điều kiện biên để mô phỏng trạng thái khí quyển trong tương lai. Các phương trình chi phối như phương trình Navier Stokes và phương trình năng lượng được giải bằng thuật toán số trên siêu máy tính. Độ chính xác của dự báo phụ thuộc nhiều vào chất lượng dữ liệu đầu vào, đặc biệt là mật độ quan trắc thẳng đứng và ngang.\u003C\u002Fp>\n\u003Cp>Một phương trình quan trọng trong động lực học khí quyển mô tả chuyển động của trường gió:\u003C\u002Fp>\n\u003Cp>\u003Cscript type=\"math\u002Ftex\">\\frac{\\partial \\vec{u}}{\\partial t} + (\\vec{u}\\cdot\\nabla)\\vec{u} = -\\frac{1}{\\rho}\\nabla p + \\nu\\nabla^2\\vec{u} + \\vec{F}\u003C\u002Fscript>\u003C\u002Fp>\n\u003Cp>Để giải được hệ phương trình này, các mô hình cần tập hợp dữ liệu khí tượng đa nguồn, bao gồm quan trắc bề mặt, hồ sơ khí quyển từ bóng thám không, dữ liệu vệ tinh và dữ liệu radar. Phương pháp đồng hóa dữ liệu được sử dụng để hiệu chỉnh sai lệch giữa quan trắc và mô phỏng nhằm tạo ra trạng thái ban đầu phù hợp hơn cho quá trình dự báo.\u003C\u002Fp>\n\n\u003Ch2>Thách thức trong thu thập và xử lý dữ liệu khí tượng\u003C\u002Fh2>\n\u003Cp>Thu thập dữ liệu khí tượng đối mặt với nhiều khó khăn liên quan đến điều kiện tự nhiên, kỹ thuật và kinh phí. Các khu vực xa xôi như đại dương rộng, sa mạc, miền núi cao thường thiếu trạm quan trắc, dẫn đến dữ liệu không đồng đều. Vệ tinh và radar hỗ trợ bù đắp khoảng trống nhưng vẫn gặp hạn chế về độ phân giải và nhiễu tín hiệu.\u003C\u002Fp>\n\u003Cp>Dữ liệu thô thu về thường chứa lỗi đo đạc, sai lệch thiết bị hoặc giá trị ngoại lai do điều kiện thời tiết cực đoan. Vì vậy cần áp dụng các quy trình xử lý như lọc nhiễu, đồng nhất hóa, nội suy không gian và hiệu chuẩn theo tiêu chuẩn WMO. Đây là bước quan trọng để đảm bảo dữ liệu có thể được sử dụng trong mô hình và phân tích khoa học.\u003C\u002Fp>\n\u003Cp>Dưới đây là các thách thức nổi bật:\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>Mạng lưới quan trắc thưa thớt tại nhiều khu vực\u003C\u002Fli>\n  \u003Cli>Khó khăn trong hiệu chuẩn thiết bị đo\u003C\u002Fli>\n  \u003Cli>Dữ liệu từ nhiều nguồn có độ phân giải không tương thích\u003C\u002Fli>\n  \u003Cli>Nhu cầu xử lý dữ liệu lớn vượt khả năng hạ tầng của nhiều cơ quan nhỏ\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>Xu hướng phát triển dữ liệu khí tượng\u003C\u002Fh2>\n\u003Cp>Sự phát triển của công nghệ cảm biến và viễn thám đang thúc đẩy lĩnh vực khí tượng chuyển sang mô hình quan trắc dày đặc và liên tục hơn. Các vệ tinh thế hệ mới cung cấp độ phân giải không gian và thời gian cao, cho phép theo dõi sát các hiện tượng như bão, sóng nhiệt hoặc biến động lớp mây. Cảm biến IoT cũng đang được triển khai tại đô thị để bổ sung dữ liệu nhiệt độ, chất lượng không khí và gió ở quy mô nhỏ.\u003C\u002Fp>\n\u003Cp>Trí tuệ nhân tạo đóng vai trò ngày càng quan trọng trong xử lý và phân tích dữ liệu khí tượng. Những mô hình học sâu hỗ trợ phát hiện mẫu biến đổi, nội suy dữ liệu thiếu và xây dựng các mô hình dự báo lai giữa mô phỏng vật lý và thuật toán học máy. Điều này mở ra hướng tiếp cận mới, giúp giảm yêu cầu tính toán của mô hình truyền thống và rút ngắn thời gian dự báo.\u003C\u002Fp>\n\u003Cp>Xu hướng tiếp theo là tích hợp dữ liệu khí tượng vào quản trị thông minh của các ngành như giao thông, xây dựng và năng lượng. Việc kết hợp dữ liệu thời tiết theo thời gian thực với hệ thống điều khiển tự động đem lại khả năng tối ưu hóa cao hơn và giảm thiểu rủi ro trước các hiện tượng cực đoan.\u003C\u002Fp>\n\n\u003Ch2>Tài liệu tham khảo\u003C\u002Fh2>\n\u003Cul>\n  \u003Cli>National Oceanic and Atmospheric Administration NOAA. Weather and Climate Data. \u003Ca href=\"https:\u002F\u002Fwww.noaa.gov\" target=\"_blank\" rel=\"noopener\">https:\u002F\u002Fwww.noaa.gov\u003C\u002Fa>\u003C\u002Fli>\n  \u003Cli>World Meteorological Organization WMO. Global Observing System. \u003Ca href=\"https:\u002F\u002Fpublic.wmo.int\" target=\"_blank\" rel=\"noopener\">https:\u002F\u002Fpublic.wmo.int\u003C\u002Fa>\u003C\u002Fli>\n  \u003Cli>European Centre for Medium Range Weather Forecasts ECMWF. Data Services. \u003Ca href=\"https:\u002F\u002Fwww.ecmwf.int\" target=\"_blank\" rel=\"noopener\">https:\u002F\u002Fwww.ecmwf.int\u003C\u002Fa>\u003C\u002Fli>\n  \u003Cli>National Aeronautics and Space Administration NASA. Earth Observing System. \u003Ca href=\"https:\u002F\u002Fearthdata.nasa.gov\" target=\"_blank\" rel=\"noopener\">https:\u002F\u002Fearthdata.nasa.gov\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Ful>\n\u003C\u002Fdiv>",{"id":18,"researcherId":10,"name":19,"imageUrl":20},1,"Nguyễn Ngọc Sơn","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLGfGsF1nYQqYK5BasTLhNu1dBrBXg2fcEgBNPXJ0p2gqLQnO7i=s96-c",{"id":22,"researcherId":10,"name":23,"imageUrl":24},2889,"Lê Xuân Niên","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLuyWIkhyP2W5E59cKwN7ciI2nbjMGUpXO9rVQquC826ujzkqhU=s96-c",[13],false,"PUBLISHED","2025-12-01T11:31:34.073+00:00","2025-12-04T17:22:44.830+00:00","2025-12-04T17:22:44.826+00:00",112,[33,43,49,52,58,61,67,72,83,94],{"id":34,"title":35,"term":34,"englishTitle":36,"definition":37,"discipline":38,"disciplineCode":39,"disciplineLabel":40,"disciplineColor":41,"disciplineIcon":42},"tác động của con người","Tác động của con người lên môi trường: Kỷ Nhân sinh và ranh giới","anthropogenic impact","Tác động của con người lên môi trường là toàn bộ các biến đổi và xáo trộn đối với hệ sinh thái, khí hậu và các chu trình sinh địa hóa của Trái Đất phát sinh từ hoạt động kinh tế, sản xuất và sinh hoạt của xã hội loài người.","NATURAL_SCIENCES","natural-sciences","Khoa học tự nhiên","#0E9F9C","atom",{"id":44,"title":45,"term":46,"englishTitle":47,"definition":48,"discipline":38,"disciplineCode":39,"disciplineLabel":40,"disciplineColor":41,"disciplineIcon":42},"nhiệt độ bề mặt đất","Nhiệt độ bề mặt đất là gì? Các bài báo nghiên cứu khoa học","Nhiệt độ bề mặt đất","land surface temperature","Nhiệt độ bề mặt đất (Land Surface Temperature – LST) là nhiệt độ bức xạ phát ra từ bề mặt tiếp xúc ngoài cùng của lớp vỏ Trái Đất (bao gồm thảm thực vật, thổ nhưỡng trần, mặt nước và bề mặt công trình nhân tạo) đo được bằng cảm biến viễn thám nhiệt.",{"id":50,"title":51,"term":50,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"hạn hán","Hạn hán là gì? Các bài báo nghiên cứu khoa học liên quan",{"id":53,"title":54,"term":55,"englishTitle":56,"definition":57,"discipline":38,"disciplineCode":39,"disciplineLabel":40,"disciplineColor":41,"disciplineIcon":42},"châu chấu","Châu chấu là gì? Ý nghĩa và ứng dụng chuyên sâu","Châu chấu","Grasshopper \u002F Locust","Châu chấu là nhóm côn trùng ăn thực vật thuộc phân bộ Caelifera, bộ Cánh thẳng (Orthoptera), đặc trưng bởi đôi chân sau phát triển mạnh thích nghi cho việc nhảy xa, cơ quan phát thanh bằng cách cọ xát và khả năng biến đổi hình thái từ pha đơn độc sang pha đàn tàn phá mùa màng ở một số loài.",{"id":59,"title":60,"term":59,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"lượng mưa","Lượng mưa là gì? Các bài báo nghiên cứu khoa học liên quan",{"id":62,"title":63,"term":64,"englishTitle":65,"definition":66,"discipline":38,"disciplineCode":39,"disciplineLabel":40,"disciplineColor":41,"disciplineIcon":42},"thực vật bản địa","Thực vật bản địa là gì? Các nghiên cứu khoa học liên quan","Thực vật bản địa","Native plants","Thực vật bản địa là các loài thực vật xuất hiện, sinh trưởng và tiến hóa tự nhiên trong một khu vực địa lý hoặc hệ sinh thái xác định qua hàng nghìn năm mà không có sự du nhập cố ý hay vô tình của con người.",{"id":68,"title":69,"term":70,"englishTitle":70,"definition":71,"discipline":38,"disciplineCode":39,"disciplineLabel":40,"disciplineColor":41,"disciplineIcon":42},"polyethylene glycol","Polyethylene glycol là gì? Các bài báo nghiên cứu khoa học","Polyethylene glycol","Polyethylene glycol (PEG) là một polymer polyether ưa nước tan trong nước có công thức tổng quát H-(O-CH2-CH2)n-OH, sở hữu tính tương thích sinh học cao, độc tính thấp và được ứng dụng rộng rãi trong dược phẩm, y sinh và tổng hợp hóa học.",{"id":73,"title":74,"term":75,"englishTitle":76,"definition":77,"discipline":78,"disciplineCode":79,"disciplineLabel":80,"disciplineColor":81,"disciplineIcon":82},"khả năng tự tin","Khả năng tự tin là gì? Các nghiên cứu khoa học liên quan","Khả năng tự tin","Self-confidence \u002F Self-efficacy","Khả năng tự tin (trong tâm lý học hành vi và xã hội) là niềm tin của một cá nhân vào năng lực, phẩm chất và khả năng phán đoán của chính mình để hoàn thành các mục tiêu cụ thể, vượt qua thử thách và thích ứng với môi trường.","SOCIAL_SCIENCES","social-sciences","Khoa học xã hội","#E08600","users",{"id":84,"title":85,"term":86,"englishTitle":87,"definition":88,"discipline":89,"disciplineCode":90,"disciplineLabel":91,"disciplineColor":92,"disciplineIcon":93},"men răng","Men răng là gì? Các bài báo nghiên cứu khoa học liên quan","Men răng","Dental enamel","Men răng là lớp mô khoáng hóa cao nhất và cứng nhất trong cơ thể con người, bao phủ bên ngoài thân răng để bảo vệ ngà răng và tủy răng khỏi các tác động cơ học nghiền nhai, sự thay đổi nhiệt độ và tác nhân ăn mòn hóa học.","MEDICAL_HEALTH_SCIENCES","medical-health-sciences","Khoa học y - dược","#D6336C","stethoscope",{"id":95,"title":96,"term":97,"englishTitle":98,"definition":99,"discipline":100,"disciplineCode":101,"disciplineLabel":102,"disciplineColor":103,"disciplineIcon":104},"nước thải sinh hoạt","Nước thải sinh hoạt là gì? Các nghiên cứu khoa học liên quan","Nước thải sinh hoạt","Domestic wastewater","Nước thải sinh hoạt là nguồn nước thải phát sinh từ các hoạt động sinh hoạt hàng ngày của con người (vệ sinh cá nhân, tắm giặt, nấu ăn, lau dọn), chứa nồng độ cao các hợp chất hữu cơ dễ phân hủy sinh học, chất rắn lơ lửng, chất dinh dưỡng (nitơ, phospho) và các vi sinh vật gây bệnh.","ENGINEERING_TECHNOLOGY","engineering-technology","Kỹ thuật và công nghệ","#5B62F4","cpu"]