See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/266494462

Ứng dụng công nghệ GIS và ảnh Modis trong quản l`y dự báo dịch hại lúa ở DJổng
Bằng sông Cửu long

Conference Paper · January 2010

CITATIONS READS

0 1,750

1 author:

Vo Quang Minh
Can Tho University
238 PUBLICATIONS   1,221 CITATIONS   

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Quan hệ giữa hiện trạng thực vật che phủ khu vực vườn quốc gia U Minh Hạ, Cà Mau với giá trị DN (Digital Number) của ảnh viễn thám Worldview View project

Soil-improving cropping systems for sustainable rice production in the Vietnamese Mekong delta (SUSRICE) View project

All content following this page was uploaded by Vo Quang Minh on 14 February 2015.

The user has requested enhancement of the downloaded file.

 ỨNG DUNG CÔNG NGHỆ THÔNG TIN ĐỊA LÝ VÀ VIỄN
THÁM TRONG QUẢN LÝ DỰ LIỆU PHỤC VỤ DỰ BÁO
DỊCH HẠI LÚA Ở ĐBSCL
Võ Quang Minh
1. GIỚI THIỆU
Hiện nay việc dự báo tình1 hình sâu bệnh hại cây trồng ở ĐBSCL là một vấn đề rất bức xúc ở
các đơn vị thực hiện công tác Bảo Vệ Thực Vật. Tuy nhiên, thường việc cảnh báo được triển
khai khi dịch hại đã bắt đầu phát triển mạnh và phần lớn dựa vào khảo sát ở một số điểm và các
báo cáo của địa phương mà nơi đó dịch hại đã xảy ra. Ở ĐBSCL trong thời gian qua, dịch rầy
nâu, vàng lùn và lùn xoắn lá bộc phát đã làm năng suất và sản lượng lúa suy giảm mà nguyên
nhân chủ yếu được xác định là do bệnh virus lùn lúa cỏ (grassy stunt virus) và lùn xoăn lá
(ragged stunt virus) do rầy nâu là môi giới truyền bệnh trên các giống lúa nhiễm rầy với diện tích
khá lớn (Phạm Văn Dư và Lê Cẩm Loan, 2007). Trong khi đó dịch hại trên lúa có liên quan chặt
chẽ đến thời vụ xuống giống, cũng như việc áp dụng loai giống, giai đoạn sinh trưởng của cây
lúa, đặc biệt ở giai đoạn trước 20 ngày tuổi. Việc sử dụng giống lúa kháng rầy và đạo ôn giúp
tăng năng suất và giảm chi phí phòng trừ dịch hại. Tuy nhiên các giống lúa kháng sâu bệnh hiện
nay không bền vững và bị thoái hoá sau một thời gian canh tác
Sự bộc phát dịch rầy nâu ở ĐBSCL có nhiều nguyên nhân, nhưng chủ yếu là thâm canh
không hợp lý với diện tích sử dụng giống nhiễm với tỷ lệ quá cao. Đối với rầy nâu, chu kỳ sinh
trưởng hay vòng đời rất ngắn (25 – 28 ngày), nên chỉ trong vòng một tháng là có một lứa rầy mới
với mật số nhân lên cả trăm lần. Có khả năng di cư xa theo gió đến hàng trăm và hàng ngàn km
xuống vùng ở phía dưới gió (Nguyễn Văn Huỳnh (,2006). Bên cạnh đó còn do việc độc canh cây
lúa liên tục nhiều vụ/năm và canh tác trong thời gian dài, tận dụng tối đa vòng quay của đất.
Do đó việc theo dõi, giám sát được diện tích gieo trồng của các giống lúa và trà lúa ở từng
thời điểm ở từng địa phương sẽ giúp cho các nhà quản lý nông nghiệp đặc biệt ngành Bảo vệ
thực vật dễ dàng giám sát quản lý chỉ đạo sản xuất cũng như dự báo sớm tình hình dịch hại trên
lúa ở từng cấp quản lý, cũng như theo dõi tiến trình áp dụng các biện pháp quản lý, bảo vệ cây
trồng ở từng địa phương.
Trước đây hầu hết công tác đánh giá và dự báo chủ yếu dự vào các trạm quan trắc tại một
địa phương mà chưa đánh giá đựơc chính xác thực tế trên toàn vùng cũng như dự đoán được
phạm vi và khả năng lây lan của các loại dịch hại cho các vùng xung quanh vớ mức độ khá tin
cậy. Ngày nay việc sử dụng kỹ thuật ảnh viễn thám độ phân giải không gian và thời gian cao, kết
hợp với kỹ thuật thông tin địa lý (GIS) với phương pháp thống kê, nội suy không gian, phương
pháp này đã được ứng dụng trong nghiên cứu phân bố không gian các đặc tính tư nhiên ở nhiều
nước trên thế giới (Burrough, P. A, 1986, Aronoff S. 1989), kết hợp với các mối tương quan và
hồi quy của các yếu tố ảnh hưởng đến sự hiện diện và bộc phát của rầy nâu, có thể được sử dụng
để nội suy mô phỏng xu thế phân bố không gian của dịch hại. Kết quả có thể giải đoán, theo dõi
xác định được thời điểm và tiến độ xuống giống ở các địa phương sẽ đánh giá được hiện trạng
canh tác lúa và dự đoán những vùng có nguy cơ nhiểm dịch hại và đề xuất các giải pháp phù hợp
với từng trà lúa ở từng vùng khác nhau.
 Do đó một kỹ thuật hiệu quả, nhanh chóng, có thể hỗ trợ để dự báo xu thế phát triển và
khả năng bộc phát các loại dịch hại, giúp các nhà quản lý đề xuất các chiến lược quản lý, đồng
thời giúp người nông dân có kế hoạch phòng trừ hiệu quả. Bên cạnh đó với các tiến bộ của công
nghệ thông tin và viễn thám, việc cập nhật các thông tin về các điều kiện tự nhiên, khí hậu, thời
tiết, của bề mặt trái đất một cách nhanh chóng, đồng thời giảm được nhiều chi phí từ việc điều
tra thu thập dử liệu ngoài đồng đến vịêc truyền tài và xử lý thông tin, đã giúp ích rất nhiều cho
các nhà làm công tác quản lý tài nguyên, nông nghiệp, khuyến nông, bảo vệ thực vật, v.v có thể
theo dõi, cập nhật thông tin chuyên ngành có liên quan một cách nhanh chóng và chính xác.
2. ỨNG DỤNG ẢNH VIỄN THÁM THEO DÕI TIẾN ĐỘ XUỐNG GIỐNG LÚA VÀ DỰ
BÁO VÙNG CÓ NGUY CƠ DỊCH HẠI LÚA
Ngày nay công nghệ viễn thám có khả năng áp dụng trong nhiều lĩnh vực khác nhau như
trong quản lý sự biến đổi môi trường, lâm nghiệp, diễn biến của rừng, quản lý sử dụng đất, địa
chất: quản lý tài nguyên nước, địa chất công trình, khảo cổ học, khí tượng thuỷ văn, khí tượng
nông nghiệp, v.v. Những kết quả ứng dụng viễn thám gần đây chỉ ra rằng giải quyết một vấn đề
thực tiễn chỉ dựa đơn thuần trên tư liệu viễn thám là một việc hết sức khó khăn và trong nhiều
trường hợp không thể thực hiện. Vì vậy cần phải có một sự tiếp cận tổng hợp trong đó tư liệu
viễn thám giữ một vai trò quan trọng và kèm theo các thông tin truyền thông khác như số liệu
thống kê, quan trắc, số liệu thực địa. Ứng dụng của không ảnh có lợi điểm quan trọng so với các
phương pháp khảo sát cổ điển. Một tấm ảnh bao trùm một vùng rộng lớn mà mắt thường của một
người khảo sát không thể thấy được trong cùng một thời điểm. Điều này cho phép người khảo sát
xác định các mối tương quan giữa các sự vật này với các sự vật khác mà các phương pháp khảo
sát riêng lẻ không cho phép. Đối với các ảnh chụp ở tỉ lệ nhỏ, một số chi tiết nhỏ sẽ bị biến mất.
Trong một vài trường hợp ta vẫn có thể phát hiện một số vật thể không thấy được trên ảnh.
Do phim ảnh có độ nhạy cao hơn mắt thường của con người, máy chụp hình có thể chụp
lấy các sự vật mà mắt thường không thể nhìn thấy như các sự vật chuyển động nhanh hay các sự
vật nằm ở một khoảng cách rất xa, các hiện trường bị che khuất bởi mây hay sương mù hay
những vùng bị che khuất bởi đồi núi. Vì vậy nên hình ảnh là một trợ dụng cụ xuất sắc cho phép
việc nghiên cứu ở mức độ chi tiết các sự vật ở bất kỳ thời điểm nào ở bất cứ nơi nào.
Trong giải đoán ảnh theo dõi hiện trạng sinh trưởng và phát triển của cây trồng, về
nguyên lý ta đều biết bất kỳ vật thể nào trên bề mặt đất và khí quyển đều có tác dụng điện từ. bất
kỳ vật thể nào có nhiệt độ cao hơn nhiệt độ không tuyệt đối (nhiệt độ k =-273.16 0C) đều liên tục
phát ra sóng điện từ (nhiệt bức xạ). Do thành phần cấu tạo của các vật thể trên bề mặt trái đất và
các thành phần vật chất trong bầu khí quyển là khác nhau nên sự hấp thu hoặc phát xạ các sóng
điện từ cũng khác nhau. Dựa trên tính chất vật lý này ta có thể xác định được các đặc trưng
quang phổ khác nhau của bề mặt trái đất và khí quyển bằng các dữ liệu viễn thám. Một trong
những đặc trưng quang phổ quan trọng nhất của viễn thám là quang phổ thực vật, quang phổ phát
xạ và phản xạ Albedo. Từ những đặc trưng này ta có thể tính toán được các chỉ số thực vật, làm
cơ sở cho việc phân loại, đánh giá trạng thái và sự biến động của lớp phủ bề mặt.
Các chỉ số phổ thực vật được phân tách từ các băng nhìn thấy, cận hồng ngoại, hồng
ngoại và dải đỏ là các tham số trung gian mà từ đó có thể thấy được các đặc tính khác nhau của
thảm thực vật như: sinh khối, chỉ số diện tích lá, khả năng quang hợp các sản phẩm sinh khối
theo mùa. Những đặc tính đó có liên quan và phụ thuộc rất nhiều vào dạng thực vật bao phủ và
thời tiết, đặc tính sinh lý, sinh hoá và sâu bệnh. Có nhiều các chỉ số thực vật khác nhau, nhưng
chỉ số khác biệt thực vật (NDVI) được trung bình hoá trong một chuỗi số liệu theo thời gian sẽ là
công cụ cơ bản để giám sát sự thay đổi trạng thái lớp phủ thực vật, trên cơ sở đó biết được tác
động của thời tiết, khí hậu đến sinh quyển. Chỉ số thực vật NDVI được tính theo công thức sau:

Ngoài chỉ số khác biệt thực vật thì chỉ số trạng thái thực vật VCI được tính toán trên cơ
sở phân tích chuỗi số liệu NDVI cũng là thước đo để đánh giá trạng thái sinh trưởng và phát triển
của lớp phủ bề mặt. Chỉ số này được đưa ra lần đầu tiên bởi Kogan (1997), thể hiện mối quan hệ
giữa NDVI của tháng hiện hành với NDVI cực trị được tính toán từ chuỗi số liệu:

Trong đó: NDVI , NDVI được tính toán từ chuỗi số liệu i cho từng tháng (hoặc tuần)
max min
và j là chỉ số của tháng (tuần) hiện thời. Điều kiện của lớp phủ thực vật được thể hiện thông qua
chỉ số VCI có thứ nguyên là phần trăm. Giá trị VCI dao động trong khoảng 50% phản ảnh thực
vật phát triển bình thường. Giá trị VCI >50% thể hiện thực vật phát triển tốt. Khi giá trị VCI đạt
100%, NDVI của tháng đó (tuần đó) bằng với NDVI , cây trồng phát triển tốt nhất.
max

Trong nghiên cứu sử dụng ảnh viễn thám để theo dõi các thông số của chỉ số thực vật, có
nhiều loại ảnh viễn thám, trong đó thường sử dụng các band phổ của ảnh SPOT, Landsat. Tuy
nhiên do các loại ảnh này mặc dù có độ phân giải mặt đất tương đối cao, từ vài mét đến vài chục
mét, nhưng lại có chu kỳ lập lại từ 2 đến 3 tuần, trong khi đó hiện nay với sự phát triển của vệ
tinh MODIS, với dải quét rộng 2.330km, vệ tinh MODIS quan sát được mọi điểm trên Trái Ðất
1-2 ngày lần với 36 kênh phổ riêng biệt, MODIS cải tiến trên cơ sở kế thừa thiết bị đo phổ phân
giải cao (AVHRR) của NOAA và theo dõi các dấu hiệu quan trọng của trái đất rộng hơn bất kỳ
cảm biến Terra nào. Với ảnh MODIS, có thể sử dụng trong quan trắc thay đổi sinh quyển, nghiên
cứu chu trình Carbon toàn cầu, đặc biệt ảnh MODIS có thể đo đạc hoạt động quang hợp của cây
trồng cho hiệu suất ước lượng độ lớn khí nhà kính trong quan trắc và trong quan sát sản lượng
cây trồng cùng vớ bộ cảm biến đo nhiệt độ bề mặt trái đất. Những đo đạc sinh quyển của ảnh
MODIS giúp cho các nhà khoa học theo dõi được nguồn tài nguyên và các nguồn Carbon
dioxide do sự thay đổi khí hậu. Với 36 kênh phổ được chụp định kỳ 1-2 ngày, ảnh MODIS được
ứng dụng rất rộng rãi trong nhiều lĩnh vực, tuỳ vào mục đích nghiên cứu có thể sử dụng các kênh
phổ khác này của ảnh MODIS. Trong đó 2 kênh phổ quan trọng cho việc giám sát tiến độ xuống
giống lúa là kênh đỏ và cận hồng ngoại, được sử dụng tính toán các chỉ số thực vật (NDVI)
Bảng 1. Các kênh phổ của đầu đo MODIS được sử dụng trong việc tính toán chỉ số thực
vật
Kênh MODIS Bước sóng (mµ) Độ rộng bước sóng (mµ) Độ phân giải (m)
1 0.620-0.670 0.005 250
2 0.841-0.876 0.035 250
 Hình 1 : Bản đồ phân vùng khả năng bị nhiểm rầy ở các tháng trong năm 2008, giải
đoán từ ảnh MODIS, qua phân tích chỉ số NDVI.
3. ỨNG DỤNG KỸ THUẬT THÔNG TIN ĐỊA LÝ (GIS) QUẢN LÝ DỬ LIỆU BẢO VỆ
THỰC VẬT PHỤC VỤ DỰ BÁO DỊCH HẠI
Trong việc ứng dụng công nghệ thông tin phục vụ các lảnh vực có liên quan, ảnh viễn
thám được xem như là một nguồn dử liệu quan trọng cung cấp các thông tin tài nguyên, môi
trường khá chính xác và nhanh chóng. Tuy nhiên việc xử lý các thông tin ảnh viễn thám cũng
như các thông tin về hiện trạng, đo đạc, điều tra thực địa phục vụ cho các ứng dụng, đặc biệt
trong dự báo dịch hại đòi hỏi phải sử dụng những kỹ thuật khá phức tạp. Với kỹ thuật thông tin
địa lý (GIS), có khả năng quản lý và xử lý các thông tin cả 2 dạng không gian và thuộc tính.
Trong quản lý dử lịêu bảo vệ thực vật phục vụ dự tính dự báo, kỹ thuật có khả năng dự đoán sự
phân bố của dịch hại ở những điểm không quan sát, dựa trên sự tương quan không gian của các
yếu có liên quan đến dịch hại.
Trong mô phỏng sự phân bố của rầy nây, các số liệu thu thập được xác định mối tương
quan tuyến tính giữa các điều kiện khí hậu, canh tác, v.v với mật số rầy nâu. Các yếu tố có tương
quan sẽ được chọn để xác định hồi quy tương quan, phương trình hồi quy được sử dụng để dự
đoán mật số rầy dựa trên công thức:
Mật số rầy (con/m2) = A. x1 + B x2 + C. x3 +…+ Z.xn
Trong đó: A, B, C,..Z là hằng số, x1, …xn : Là các yếu tố ảnh hương
 Kỹ thuật GIS và thống kê địa lý được sử dụng trong xây dựng mô hình biến động, và nội
suy không gian xác định sự phân bố mật độ rầy nâu. Kết quả nội suy dự báo được so sánh độ
lệch chuẩn so với kết quả khảo sát thực tế. Tương quan tuyến tính của các yếu tố ảnh hưởng đến
mật số rầy được xác định, từ kết quả tương quan này, hồi quy tuyến tính của các yếu tố đối với
mật số rầy nâu được xây dựng. Dựa trên tương quan hồi quy này, mật số rầy nâu được dự đoán
dựa trên các yếu tố ảnh hưởng, kết quả dự đoán cho tất cả điểm khảo sát được so sánh với kết
quả khảo sát thực tế. Từ kết quả dự đoán và kết quả thực tế, mô hình biến động không gian sự
phân bố mật số rầy nâu được thiết lập và được sử dụng để nội suy sự phân bố của mật số rầy nâu
cho toàn khu vực khảo sát, có so sánh với kết quả thực tế về sự phân bố mật số rầy và độ lệch
chuẩn của sự phân bố này.
Trường hợp nghiên cứu ở xã Trung An, thốt nốt, tại 120 ruộng, đã tìm được các yếu tố
ảnh hưởng đến mật số rầy nâu với mức độ ý nghĩa cao, ở vụ thì mực nước ruộng và số lá không
có tương quan với mật số rầy, tuy nhiên yếu tố code màu lá lúa và ẩm độ không khí có tương
quan với mật số rầy. Bên cạnh đó yếu tố số lần phun thuốc sâu có ý mối tương quan nghịch với
mật số rầy. Phương trình hồi quy mật số rầy với các yếu tố ảnh hưởng của cả vụ như sau:
Mật số Rầy nâu (con/m2) = - 182,66 + (2,12 x thiên địch) + (37,84 x tuổi rầy) + (13,70 x nhiệt độ
không khí) + (72,19 x so màu lá lúa) – (4,88 x ẩm độ không khí) – (14,80 x
số lần phun thuốc trừ sâu).
Kết quả đánh giá cho thấy mật số rầy dự báo dựa trên hồi quy tương quan của các yếu tố
với mật số rầy, với hệ số tương quan r2 = 0,63** cho cả vụ (n = 120). Qua đó cho thấy việc dự
báo mật số rầy có thể dựa trên các yếu tố ảnh hưởng có liên quan. Hình 2 cho thấy có khuynh
hướng biến động giữa mật số rầy thực tế với dự đoán, khi mật số rầy dự báo tăng thì mật số rầy
thực tế cũng tăng, và ngược lại cho cả vụ. Tuy nhiên vẫn có các ruộng có mật số rầy thực tế lớn,
hoặc ít hơn so với dự báo. Điều này cho thấy mật số rầy thực tế còn chịu ảnh hưởng bởi các yếu
tố khác mà ta chưa kiểm soát được.
Mật sô rầy thưc tế
800
y = 0.9937x + 2.3126
700 2
R = 0.404
600

500

400

300

200

100

0
0 100 200 300 400 500
Mật sô rây thưc tế

Hình 2: Biến động và tương quan giữa mật số rầy thực tế và dự đoán cả vụ ở các điểm
khảo sát
Từ kết quả dư đoán và sử dụng phương pháp thống kê không gian sử dụng phương pháp
nội suy krigging trong mô phỏng sự phân bố mật số rầy nâu được đánh giá cho toàn khu vực
khảo sát được Bảng 2 cho thấy mô hình biến động không gian của mật số rầy nâu dự báo và
thực tế của cả vụ. Kết quả cho thấy mô hình biến động không gian cho cả vụ có hệ số xác định
(R2) khá cao. Ðiều này cho thấy mật số rầy nâu có quan hệ và biến động theo không gian, với
khoảng cách biến động dự đoán trong khoảng 3,0 km, và biến động thực tế khoãng 1,5 km.
Bảng 2: Mô hình biến động không gian của mật số rầy thực tế và dự đoán cả vụ (Trường hợp
nghiên cứu ở Trung An, Thốt Nốt, Cần Thơ)
Mật độ rầy nâu (con/m2) Mô hình Co Co+C R2 C/C+Co Ao (m) A (m)
Cả Vụ Dự đoán Gausian 1970 18840 0,940 0,895 1.747 3.025
Thực tế Gausian 9870 34330 0,740 0,712 889 1.539
Co : Phương sai số tồn đọng giữa các điểm khảo sát.
C+Co : Ngưỡng tham gia biến động.
Ao : Khoảng cách tham gia biến động.
A : Khoảng cách lớn nhất còn tham gia biến động.
R2 : Hệ số biến động.
C/C+Co : Phần trăm giá trị biến động

Kết quả nội suy cho thấy mật độ rầy nâu được dự đoán dựa trên các yếu tố ảnh hưởng
tương đối phù hợp với sự phân bố của mật độ rầy nâu thực tế (R2thực tế=0,740 và R2dự đoán=0,940
cho cả vụ) với mô hình biến động cho cả vụ là Gausian. Tuy nhiên kết quả dự đoán mật số rầy
nâu có thấp hơn so với mật số rầy thực tế, có thể do mật số rầy nâu thực tế chịu ảnh hưởng nhiều
yếu tố để bộc phát. Bên cạnh các yếu tố khí hậu thời tiết, kỹ thuật canh tác, còn có các yếu tố ảnh
hưởng mà ta chưa kiểm soát được như ảnh hưởng của gió, giông lúa, kỹ thuật chăm sóc, v.v. Kết
quả nội suy phân bố mật độ rầy nâu dự đoán dựa trên sự tương quan của các yếu tố ảnh hưởng
đến mật độ rầy nâu, và kết quả nội suy không gian mật độ rầy nâu thực tế cả vụ được trình bày ở
Hình 3.
Bên cạnh đó, độ lệch chuẩn của kết quả đự đoán cũng cho thấy ở các vị trí gần với địa
điểm khảo sát thì độ lệch chuẩn thấp hơn so với những điểm ở xa. Ðiều này cho thấy độ tin cậy
của kết quả dự đoán cũng sẽ phụ thuộc nhiều vào khoảng cách của các điểm khảo sát. Vị trí của
các điểm khảo sát cần bố trí ở điểm với các khoảng cách bảo đảm kết quả dự báo có độ tin cậy
cao và độ lệch chuẩn thấp nhất. Trong nghiên cứu này, khoảng cách bố trí các điểm khảo sát tốt
nhất không vượt qua 3km (giá trị A ở mô hình dự đóan cho cả vụ).

Hình 3: Biến động không gian mật độ rầy nâu thực tế và dự đoán và độ lệch chuẩn vụ
Đông Xuân
4. KẾT LUẬN & KIẾN NGHỊ
 Phương pháp ứng dụng kỹ thuật GIS và nội suy không gian có thể được áp dụng trong các
nghiên cứu đánh giá hiện trạng tình hình gây hại và dự đoán xu thế ảnh hưởng của các đối tượng
khác theo không gian và thời gian phục vụ cho việc dự tính dự báo trong chuyên ngành bảo vệ
thực vật cũng như các chuyên ngành khác.
Ứng dụng ảnh viễn thám kết hợp kỹ thuật GIS được xây dựng có các khả năng quản lý tiến độ
gieo sạ và loại giống lúa gieo trồng, giám sát tình hình dịch hại của địa phương theo thời gian,
xây dựng các bản đồ thời vụ gieo trồng, phân bố giống, tỉ lệ giống sử dụng theo khuyến cáo, dịch
hại phát sinh theo từng thời điểm, bản đồ dự báo nguy cơ nhiễm dịch hại rầy nâu, đa dạng hóa
cây trồng trên nền đất lúa.
Ðể đạt được kết quả dự báo với độ tin cậy cao cần thiết lập các mô hình dự báo cho từng giai
đoạn sinh trưởng, thời vụ canh tác, với các giống khác nhau, cũng như nghiên cứu bổ sung các
yếu tố khác ảnh hưởng đến sự hiện diện và phân bố của rầy nâu như hướng và tốc độ gió, sự hiện
diện của cỏ dại, lọai và lượng phân bón sử dụng, thời điểm bón phân, v.v. Ðể đạt được yêu cầu
trên cần có nhiều hơn nửa các điểm khảo sát với khoảng cách khảo sát tương đối đồng nhất nhằm
giảm bớt các sai số trong quá trình nội suy, gia tăng độ chính xác của kết quả dự báo.
Nếu được triển khai sử dụng rộng hệ thống sẽ là một công cụ trợ giúp đắc lực cho các nhà quản
lý trồng trọt và bảo vệ thực vật các cấp trong công tác quản lý mùa vụ, hỗ trợ công tác phòng
tránh dịch hại hiệu quả.

Tài liệu tham khảo

Aronoff. S. 1989. Geographic Information System, Management perspective, Ottawa, Canada.
Burrought, P.A,.1986. Principles of Geographic Information System for land Resources Assessment
Clarendor Press Oxford.
Lê Thị Sen. 1999. Bài giảng côn trùng nông nghiệp. Phần sâu hại trên các cây trồng chính ở Đồng Bằng
Sông Cửu Long. Khoa Nông Nghiệp, Trường Đại học Cần Thơ.
Nguyễn Văn Huỳnh. 2006. Những vấn đề cần biết về quản lý rầy nâu hại lúa. Website:http://sokhcn.baria-
vungtau.gov.vn/kimlong/news_detai.asp
Phạm Văn Kim. 2000. Các nguyên lý về bệnh hại cây trồng. Bộ môn Bảo vệ thực vật, Khoa Nông Nghiệp,
Trường Đại học Cần Thơ.
Võ Quang Minh, Phạm Văn Quỳnh. 2009. Nghiên cứu ứng dụng hệ thống thông tin địa lý (GIS) trong dự
báo xu thế phát triển của Rầy Nâu (Nilarparvata Lugens). Tạp Chí Chuyên ngành Bảo vệ thực vật.
Viện Bảo vệ thực vật-Cục Bảo vệ thực vật-Bộ Nông nghiệp và Phát triển nông thôn. Số 2 (224)/2009.
ISSN 0868-2801. Trang 28-33.
Vo Quang Minh. 2007. An initial methods in using GIS in early warning the potential risk of Brown rice
plant hopper (Nilaparvata lugens), in Trung an Village, Thonot district, Cantho city. Paper presented
in “Better rice, better environement and better life” internatioanl conference. Cuu long rice research
institute. Cantho, 7 Sept 2007.
Võ Quang Minh. 2008. Giáo trình viễn thám 2. Trường Đại học Cần Thơ

View publication stats