Nhiệt độ bề mặt đất là gì? Các bài báo nghiên cứu khoa học
Nhiệt độ bề mặt đất (LST) là nhiệt độ thực tế của lớp vỏ bề mặt trái đất đo được qua bức xạ hồng ngoại phát ra từ đất, nước, thực vật hoặc đô thị. Chỉ số này phản ánh khả năng hấp thụ và phát xạ năng lượng bề mặt, phục vụ giám sát hạn hán, quản lý nông nghiệp và quy hoạch đô thị hiệu quả.
Định nghĩa nhiệt độ bề mặt đất (Land Surface Temperature – LST)
Nhiệt độ bề mặt đất (LST) là nhiệt độ thực tế của lớp bề mặt ngoài cùng của trái đất, đo được hoặc ước tính dựa trên bức xạ hồng ngoại phát ra từ đất, nước, thực vật hoặc đô thị. LST phản ánh khả năng hấp thụ và phát xạ năng lượng của bề mặt, khác với nhiệt độ không khí đo tại độ cao cố định (thường 1,5–2 m trên mặt đất).
LST thường được biểu diễn theo đơn vị độ Celsius (°C) hoặc Kelvin (K). Thông số này là chỉ số quan trọng để đánh giá cân bằng năng lượng bề mặt và quá trình trao đổi nhiệt giữa mặt đất và khí quyển, xuất hiện trong nhiều lĩnh vực như khí tượng, nông nghiệp, thủy văn và quy hoạch đô thị.
- Khác biệt so với nhiệt độ không khí: LST đo bề mặt, trong khi nhiệt độ không khí đo tại trạm khí tượng.
- Đơn vị: °C hoặc K; giá trị LST cao xuất hiện ở vùng ít che phủ (đất trống, bê tông).
- Ý nghĩa: phản ánh trực tiếp năng lượng bức xạ phát ra và độ ẩm bề mặt.
Phương pháp đo lường
Quan trắc vệ tinh là phương pháp phổ biến nhất để thu thập LST với phạm vi toàn cầu và tần suất lặp cao. Các vệ tinh như MODIS (NASA) và VIIRS (NOAA) sử dụng cảm biến hồng ngoại nhiệt (TIR) để ghi lại bức xạ phát ra từ bề mặt, sau đó ước tính nhiệt độ thông qua thuật toán hiệu chỉnh khí quyển.
Đo tại chỗ (in situ) sử dụng cảm biến nhiệt độ mặt đất đặt cố định hoặc cầm tay để ghi nhận giá trị thực theo thời gian. Dữ liệu in situ thường dùng để hiệu chỉnh và kiểm chứng kết quả từ vệ tinh, đảm bảo độ chính xác cao hơn.
- MODIS/Terra & Aqua: độ phân giải không gian 1 km, tần suất một đến hai lần mỗi ngày (NASA LP DAAC).
- VIIRS/Suomi NPP: độ phân giải 750 m, tần suất quan sát tương tự MODIS.
- Cảm biến cầm tay: PT100, thermistor để đo trực tiếp tại hiện trường.
Phương pháp | Độ phân giải không gian | Tần suất | Ưu nhược điểm |
---|---|---|---|
MODIS (TIR) | 1 km | 1–2 lần/ngày | Phủ sóng toàn cầu, dễ bị mây che phủ |
VIIRS (TIR) | 750 m | 1–2 lần/ngày | Độ phân giải cao hơn, chi phí xử lý lớn |
In situ | điểm đo | liên tục theo thiết lập | độ chính xác cao, phạm vi nhỏ |
Nguyên lý vật lý
LST được xác định dựa trên bức xạ nhiệt phát ra từ bề mặt theo định luật Stefan–Boltzmann: trong đó L là công suất bức xạ phát ra (W/m²), ε là hệ số phát xạ của bề mặt, σ là hằng số Stefan–Boltzmann (5,670 × 10⁻⁸ W/m²K⁴) và T là nhiệt độ bề mặt (K).
Khi bức xạ đi qua khí quyển, tín hiệu bị suy giảm và tán xạ do hơi nước, khí CO₂ và aerosol. Do đó, thuật toán chuyển đổi kênh nhiệt hồng ngoại vệ tinh thành LST phải hiệu chỉnh khí quyển (atmospheric correction) và hiệu chỉnh góc quan sát.
- Hệ số phát xạ ε thay đổi theo loại bề mặt (nước ~0,98; đất trống 0,92–0,96; đô thị 0,85–0,90).
- Hiệu ứng góc quan sát: giá trị LST sai lệch khi góc nhìn lệch so với vuông góc.
- Hiệu chỉnh khí quyển: sử dụng mô hình MODTRAN hoặc LUTs (Look-Up Tables).
Các yếu tố ảnh hưởng tới LST
Độ che phủ bề mặt là yếu tố quan trọng nhất. Các bề mặt thảm thực vật và nước có hệ số phát xạ cao và khả năng làm mát qua bốc hơi tốt, dẫn đến LST thấp hơn so với bề mặt bê tông hoặc đất trống.
Độ ẩm trong đất và không khí ảnh hưởng trực tiếp đến khả năng tích trữ và truyền dẫn nhiệt. Đất ẩm có khả năng dẫn nhiệt tốt, làm giảm biên độ dao động nhiệt trong ngày so với đất khô.
- Địa hình và độ dốc: hướng nghiêng về phía mặt trời làm tăng LST.
- Tính chất bề mặt: màu sắc (albedo), độ xốp và độ ẩm.
- Hoạt động đô thị: bê tông, nhựa đường giữ nhiệt, tạo đảo nhiệt đô thị (UHI).
Yếu tố | Ảnh hưởng chính | Ví dụ |
---|---|---|
Che phủ thực vật | Giảm LST qua bốc hơi | Rừng, đồng cỏ |
Đô thị | Tăng LST do hấp thụ nhiệt | Đường phố, tòa nhà |
Độ ẩm đất | Ổn định nhiệt độ | Đất ẩm vs. đất khô |
Ứng dụng trong khí tượng và biến đổi khí hậu
Nhiệt độ bề mặt đất (LST) là chỉ số quan trọng trong mô hình cân bằng năng lượng bề mặt – khí quyển, được sử dụng làm dữ liệu đầu vào cho mô hình khí hậu toàn cầu (GCM) và mô hình khu vực (RCM). Sự khác biệt giữa LST và nhiệt độ không khí cho phép mô phỏng chính xác hơn quá trình đối lưu, bay hơi và hình thành mây mưa.
Theo Báo cáo IPCC 2021, xu hướng tăng LST khu vực nhiệt đới và cận nhiệt đới liên quan chặt chẽ đến hiện tượng nóng lên toàn cầu, với mức tăng trung bình 0,2–0,3 °C mỗi thập kỷ từ 2000–2020 . Dữ liệu MODIS cho thấy các đỉnh LST xảy ra sớm hơn 5–10 ngày so với thập niên 1990 ở các vùng bán khô hạn.
- Phân tích chuỗi thời gian LST hỗ trợ dự báo hạn hán: ngưỡng LST > +2 SD so với trung bình nhiều năm báo hiệu stress nước nghiêm trọng .
- LST làm tham số dự báo bão nhiệt đới và sóng nhiệt đô thị, giúp cải thiện độ chính xác mô hình thời tiết ngắn hạn.
Ứng dụng trong nông nghiệp và quản lý tài nguyên
LST kết hợp với chỉ số thực vật NDVI (Normalized Difference Vegetation Index) tạo ra chỉ số LST–NDVI, dùng để đánh giá hiệu suất cây trồng và stress nước. Vùng nào có LST cao và NDVI thấp thường cho thấy cây trồng đang chịu áp lực khô hạn hoặc phát triển kém.
Hãng FAO khuyến nghị sử dụng LST hàng ngày để điều chỉnh lịch tưới, tối ưu hóa lượng nước và năng suất. Ví dụ, vùng đồng bằng sông Cửu Long có thể giảm 15 % lượng nước tưới mỗi vụ nhờ mô hình LST–NDVI kết hợp dữ liệu khí tượng địa phương .
- Dự báo thời điểm gieo trồng: LST thấp ban đêm cho thấy đất đủ ẩm, phù hợp khởi đầu vụ mùa.
- Giám sát stress nước: LST > 30 °C ban ngày kết hợp NDVI < 0,3 báo động hạn.
- Quản lý phân bón: LST vùng cao cho thấy tốc độ sinh trưởng nhanh, cần tăng phân bón hữu cơ.
Ứng dụng trong nghiên cứu đô thị
Hiệu ứng đảo nhiệt đô thị (UHI) được xác định bằng độ chênh LST giữa khu vực đô thị và nông thôn lân cận. Nhiều nghiên cứu cho thấy UHI trung bình 2–4 °C ở các thành phố lớn như Bangkok, Jakarta và Manila.
Dữ liệu LST được dùng để đánh giá hiệu quả quy hoạch xanh: công viên, hồ điều hòa và vật liệu bê tông thấm nước có thể giảm LST bề mặt từ 3–5 °C. Mạng lưới cảm biến UAV nhiệt ghi nhận giảm LST cục bộ đến 7 °C ngay sau khi trồng cây dày đặc.
Giải pháp đô thị | Giảm LST (°C) | Ví dụ thực tiễn |
---|---|---|
Cây xanh đô thị | 2–4 | Park Connaught, Kuala Lumpur |
Mái nhà xanh | 1–3 | Singapore’s Biophilic Roofs |
Vật liệu phản quang | 3–5 | Los Angeles Cool Pavements |
Thách thức và giới hạn đo lường
Độ phân giải không gian của các cảm biến nhiệt hồng ngoại vệ tinh (250 m–1 km) giới hạn khả năng quan sát chi tiết các biến đổi LST trong đô thị nhỏ hoặc vùng nông nghiệp nhỏ lẻ. Các vùng nhiều mây hoặc bụi khí quyển gây nhiễu tín hiệu, dẫn đến sai số lên đến 2–3 °C nếu không hiệu chỉnh đầy đủ.
Việc hiệu chỉnh khí quyển sử dụng mô hình MODTRAN hoặc LUTs yêu cầu dữ liệu hơi nước, aerosol và nhiệt độ khí quyển đồng bộ. Thiếu hụt trạm đo in situ tại nhiều khu vực nhiệt đới cận xích đạo làm giảm khả năng hiệu chỉnh chính xác, đặc biệt trong mùa mưa kéo dài.
- Sai số do mây và aerosol: có thể gây lệch LST dương hoặc âm.
- Giới hạn tần suất quan sát: 1–2 lần/ngày không phản ánh biến động nhanh.
- Thiếu trạm hiệu chỉnh in situ tạo lỗ hổng dữ liệu đáng kể ở khu vực châu Phi và Nam Mỹ.
Xu hướng công nghệ và cải tiến
Sử dụng UAV trang bị cảm biến viễn thám nhiệt (thermal microsensors) cung cấp độ phân giải < 5 m, cho phép giám sát LST chi tiết cho quy hoạch đô thị và nông nghiệp chính xác cao. Hệ thống UAV tự động phối hợp bay theo lưới giúp thu thập dữ liệu liên tục và nhanh chóng.
Mô hình machine learning kết hợp đa nguồn dữ liệu (vệ tinh TIR, dữ liệu in situ, mô hình khí tượng) đang được phát triển để tái tạo LST ở độ phân giải cao (30–100 m) và tần suất ngày/nhiều lần/ngày. Mạng lưới cảm biến phân tán (WSN) giá rẻ cho phép giám sát LST liên tục tại cấp thửa ruộng hoặc khu phố.
- UAV thermal: độ phân giải < 5 m, giám sát chi tiết vùng nhỏ.
- Deep learning LST downscaling: nâng độ phân giải không gian từ 1 km lên 30 m.
- WSN nhiệt giá rẻ: giám sát liên tục với chi phí thấp.
Tài liệu tham khảo
- Sobrino, J. A., Jiménez-Muñoz, J. C., & Paolini, L. (2004). “Land Surface Temperature retrieval from LANDSAT TM 5.” Remote Sensing of Environment, 90(4), 434–440. doi:10.1016/j.rse.2004.02.003.
- IPCC. (2021). “Climate Change 2021: The Physical Science Basis.” AR6 Working Group I. https://www.ipcc.ch
- NOAA. “Drought Monitoring.” NOAA Climate Prediction Center. https://www.cpc.ncep.noaa.gov/products/Drought
- NASA LP DAAC. “MODIS Land Surface Temperature and Emissivity.” https://lpdaac.usgs.gov/products/mod11a1v006/
- ESA. “Earth Observation for Land Surface Temperature.” https://earth.esa.int
Các bài báo, nghiên cứu, công bố khoa học về chủ đề nhiệt độ bề mặt đất:
- 1
- 2
- 3