Cách đánh giá mạng lưới quan trắc môi trường theo mục tiêu

Tiêu chuẩn cốt lõi là fitness for purpose: dữ liệu do mạng lưới tạo ra có đủ loại, đủ số lượng và đủ chất lượng để trả lời câu hỏi giám sát hay không. Cách tiếp cận Data Quality Objectives của US EPA cũng bắt đầu từ mục đích sử dụng dữ liệu, ranh giới không gian – thời gian và mức sai số có thể chấp nhận, thay vì xác định trước một số lượng điểm lấy mẫu cố định.

Vì vậy, ba nhóm yếu tố “độ phủ – tần suất – dữ liệu” phải được kiểm tra cùng nhau. Độ phủ quyết định mạng lưới đang quan sát ở đâu; tần suất quyết định mạng lưới quan sát khi nào và thường xuyên đến đâu; chất lượng dữ liệu quyết định những quan sát đó có đủ tin cậy để sử dụng hay không.

Bắt đầu bằng mục tiêu giám sát, không bắt đầu bằng số lượng trạm

Trước khi đánh giá mạng lưới, cần chuyển mục tiêu chung thành một câu hỏi có thể kiểm chứng. “Theo dõi chất lượng môi trường” vẫn quá rộng để quyết định một mạng lưới có đạt yêu cầu.

Mục tiêu phải chỉ rõ mạng lưới cần tạo ra loại thông tin nào. Chẳng hạn, mạng lưới có thể được thiết kế để xác định hiện trạng trung bình, phát hiện điểm nóng, nhận biết xu thế dài hạn, phát hiện sớm sự cố, đánh giá ảnh hưởng của nguồn phát thải hoặc kiểm tra việc đáp ứng một ngưỡng quản lý. Mỗi mục tiêu dẫn đến yêu cầu khác nhau đối với vị trí trạm và tần suất đo.

Ví dụ, mạng lưới phục vụ đánh giá xu thế dài hạn cần chuỗi số liệu ổn định và có khả năng so sánh qua thời gian. Ngược lại, nếu nhiệm vụ là cảnh báo một hiện tượng biến động nhanh, dữ liệu định kỳ thưa có thể không đủ dù vị trí các trạm rất hợp lý.

US EPA mô tả Data Quality Objectives là các yêu cầu định tính và định lượng dùng để xác định loại, số lượng và chất lượng dữ liệu cần có để đưa ra quyết định với mức độ chắc chắn phù hợp. Đây là điểm tham chiếu quan trọng: mạng lưới chỉ có thể được đánh giá sau khi đã xác định dữ liệu cần dùng để làm gì.

Một mục tiêu đánh giá tốt nên xác định được ít nhất:

·         Đối tượng hoặc khu vực cần đại diện

·         Thông số cần quan trắc

·         Khoảng thời gian mà kết luận phải đại diện

·         Loại quyết định hoặc kết luận cần tạo ra

·         Mức bất định hoặc sai số có thể chấp nhận

·         Điều kiện mà mạng lưới phải có khả năng phát hiện

Khi chưa xác định các yếu tố này, việc nói rằng mạng lưới “đủ” hay “thiếu” trạm chủ yếu vẫn là nhận định định tính.

Đánh giá độ phủ không gian bằng tính đại diện, không chỉ bằng mật độ trạm

Độ phủ không gian trả lời câu hỏi: các điểm quan trắc hiện có có đại diện đúng cho không gian cần giám sát hay không?

Chỉ tiêu “số trạm trên một đơn vị diện tích” có thể hữu ích để mô tả mật độ nhưng không đủ để đánh giá tính đại diện. Môi trường thường không đồng nhất. Nguồn ô nhiễm, địa hình, hướng dòng chảy, sử dụng đất, mật độ dân cư hoặc điều kiện khí tượng có thể tạo ra các vùng có đặc tính rất khác nhau.

US EPA lưu ý rằng khi khu vực không đồng nhất, thiết kế phân tầng có thể được sử dụng để bảo đảm các nhóm không gian hoặc thời gian khác nhau đều được lấy mẫu đầy đủ; lấy mẫu theo lưới hoặc hệ thống cũng có thể hỗ trợ nghiên cứu phân bố và mẫu hình không gian.

Do đó, trước hết cần chia phạm vi giám sát thành các đơn vị đại diện có ý nghĩa đối với mục tiêu. Tùy môi trường, đó có thể là vùng nền, khu đô thị, khu công nghiệp, thượng lưu – hạ lưu, các tiểu lưu vực, vùng gần nguồn phát thải hoặc các khu vực có điều kiện sinh thái khác nhau.

Một chỉ số kiểm tra đơn giản là:

Tỷ lệ phủ đơn vị mục tiêu = Số đơn vị mục tiêu được quan trắc đầy đủ / Tổng số đơn vị mục tiêu cần đại diện × 100%

Tuy nhiên, tỷ lệ này chỉ có ý nghĩa khi “được quan trắc đầy đủ” đã có tiêu chí cụ thể. Một vùng có một trạm nhưng trạm nằm ngoài khu vực chịu tác động cần đánh giá thì không nên được tính là đã phủ hiệu quả.

Kiểm tra khoảng trống không gian

Sau khi lập bản đồ trạm và các đơn vị mục tiêu, cần tìm những khu vực mà mạng lưới có ít hoặc không có khả năng suy luận.

Các dấu hiệu thường gặp gồm khoảng cách quá lớn giữa các trạm trong vùng biến động mạnh, thiếu điểm nền để phân biệt tác động của nguồn, không có điểm phía hạ lưu hoặc cuối hướng lan truyền, hoặc một nhóm môi trường quan trọng hoàn toàn không được đại diện.

Nếu dữ liệu đủ lớn, việc kiểm tra có thể đi xa hơn bản đồ mật độ bằng các phương pháp thống kê không gian hoặc kiểm định chéo. Ví dụ, lần lượt bỏ một trạm khỏi mô hình rồi dự báo giá trị tại vị trí đó cho phép đánh giá mức tăng sai số khi thiếu trạm. Một trạm mà khi loại bỏ làm sai số tăng rõ rệt có giá trị thông tin lớn hơn một trạm nằm trong cụm nhiều trạm cho kết quả gần như giống nhau.

Phát hiện trạm dư thừa

Độ phủ tốt không đồng nghĩa với càng nhiều trạm càng tốt. Hai hoặc nhiều trạm có thể liên tục cung cấp thông tin gần tương đương vì chúng nằm trong cùng một vùng môi trường và cùng phản ứng với nguồn tác động.

Trạm tương quan cao chưa đủ để kết luận là dư thừa. Cần kiểm tra thêm vai trò của từng trạm: một trạm có thể vẫn cần thiết cho kiểm soát nguồn, xác nhận điểm nóng hoặc duy trì chuỗi thời gian dài hạn.

Mục tiêu là tìm cấu hình mà mỗi trạm có đóng góp thông tin xác định được, đồng thời không để lại khoảng trống quan trọng.

Đánh giá tần suất theo tốc độ biến động của hiện tượng cần phát hiện

Tần suất quan trắc phù hợp khi khoảng cách thời gian giữa các phép đo đủ nhỏ so với hiện tượng mà mạng lưới phải nhận biết.

Không tồn tại một tần suất chung có thể áp dụng cho mọi mạng lưới. Một chỉ tiêu thay đổi chậm có thể được mô tả bằng dữ liệu thưa hơn; một chất ô nhiễm xuất hiện thành các đợt ngắn lại đòi hỏi độ phân giải thời gian cao hơn.

Vì vậy, câu hỏi quan trọng không phải “mỗi tháng lấy bao nhiêu mẫu?” mà là:

Với lịch lấy mẫu hiện tại, mạng lưới có khả năng bắt được biến động hoặc sự kiện mà mục tiêu yêu cầu hay không?

Có thể kiểm tra bằng dữ liệu lịch sử có độ phân giải cao. Giả lập lịch quan trắc hiện tại trên chuỗi dữ liệu đầy đủ rồi so sánh số đợt vượt ngưỡng, cực trị hoặc thay đổi đáng kể được giữ lại. Nếu kết quả thay đổi mạnh khi giảm tần suất, lịch lấy mẫu thưa đang gây mất thông tin.

Kiểm tra tính đại diện theo thời gian

Một mạng lưới có đủ số mẫu trong năm vẫn có thể thiên lệch thời gian. Ví dụ, mẫu tập trung vào mùa khô sẽ khó đại diện cho một thông số chịu ảnh hưởng lớn của mùa mưa.

Ranh giới thời gian phải được xác định ngay từ thiết kế: dữ liệu đại diện cho một giờ, một ngày, một mùa hay nhiều năm. Hướng dẫn DQO của EPA coi ranh giới không gian và thời gian là thành phần cần xác định để dữ liệu đại diện đúng cho quần thể hoặc điều kiện đang nghiên cứu.

Khi đánh giá tần suất, cần xem đồng thời:

·         Khoảng cách giữa các lần đo

·         Độ dài của hiện tượng cần phát hiện

·         Tính mùa vụ

·         Chu kỳ ngày – đêm nếu có

·         Khả năng xuất hiện các đợt cực trị

·         Các khoảng mất dữ liệu

·         Mức độ đồng bộ thời gian giữa các trạm

Một mạng lưới có độ phủ không gian tốt nhưng quan trắc sai thời điểm vẫn có thể đưa ra kết luận sai về hiện trạng hoặc xu thế.

Đánh giá chất lượng và tính khả dụng của dữ liệu

Ngay cả khi vị trí và tần suất phù hợp, mạng lưới vẫn không đáp ứng mục tiêu nếu phần lớn dữ liệu không hợp lệ, không đủ nhạy hoặc không thể so sánh giữa các trạm.

US EPA sử dụng các nhóm chỉ thị chất lượng dữ liệu như precision, bias/accuracy, representativeness, comparability, completeness và sensitivity để đánh giá mức độ dữ liệu phù hợp với mục đích sử dụng.

Completeness – mức độ đầy đủ

Có thể lượng hóa trực tiếp:

Completeness = Số quan sát hợp lệ / Số quan sát dự kiến × 100%

Ví dụ, một hệ thống dự kiến tạo 8.760 giá trị theo giờ trong một năm nhưng chỉ có 7.884 giá trị hợp lệ thì completeness là 90%.

Con số 90% tự nó chưa chứng minh mạng lưới đạt hay không đạt. Ngưỡng chấp nhận phải xuất phát từ mục tiêu dữ liệu và yêu cầu của chương trình. Quan trọng hơn, cần xem các dữ liệu mất có phân bố ngẫu nhiên hay tập trung đúng vào các thời kỳ ô nhiễm cao, mùa mưa hoặc lúc thiết bị chịu tải lớn.

Precision và bias

Precision phản ánh mức độ thống nhất của các phép đo lặp lại; bias phản ánh sai lệch có hệ thống so với giá trị tham chiếu. Một thiết bị cho dữ liệu liên tục nhưng luôn lệch theo một hướng vẫn có completeness cao nhưng có thể không phù hợp cho quyết định.

Các kết quả hiệu chuẩn, mẫu lặp, mẫu chuẩn, kiểm tra liên phòng hoặc các thủ tục QA/QC tương ứng phải được dùng để kiểm chứng hai thuộc tính này thay vì suy luận từ hình dạng chuỗi số liệu.

Representativeness và comparability

Representativeness kiểm tra dữ liệu có phản ánh đúng điều kiện môi trường cần nghiên cứu hay không. Comparability kiểm tra liệu dữ liệu giữa các trạm hoặc các giai đoạn có thể đặt vào cùng một phép phân tích hay không.

Sự thay đổi phương pháp lấy mẫu, giới hạn phát hiện, thiết bị, vị trí lấy mẫu hoặc quy trình xử lý có thể tạo ra sự gián đoạn mà nếu bỏ qua sẽ bị hiểu nhầm thành biến động môi trường.

Sensitivity

Phương pháp đo phải đủ nhạy đối với mức nồng độ hoặc mức biến động liên quan đến mục tiêu. EPA cũng đặt câu hỏi liệu giới hạn phát hiện của phương pháp phân tích có đủ để đáp ứng nhu cầu của dự án hay không khi đánh giá khả năng sử dụng dữ liệu.

Nếu ngưỡng cần phát hiện thấp hơn đáng kể khả năng định lượng của phương pháp, việc tăng số lượng trạm không giải quyết được hạn chế này.

Kiểm tra mạng lưới bằng khả năng đưa ra kết luận và quyết định

Độ phủ, tần suất và chất lượng dữ liệu là các thành phần đầu vào. Phép kiểm tra quyết định nằm ở đầu ra: mạng lưới có thực sự trả lời được câu hỏi giám sát với độ chắc chắn yêu cầu hay không?

Có thể thực hiện bằng cách lấy từng mục tiêu và chuyển thành một bài kiểm tra cụ thể.

Đây là bước dễ bị bỏ qua nhất. Một mạng lưới có thể đạt các KPI vận hành như tỷ lệ thiết bị hoạt động cao nhưng vẫn không đủ sức trả lời câu hỏi khoa học hoặc quản lý ban đầu.

Nếu mục tiêu là ra một quyết định nhị phân, chẳng hạn xác định có hay không một trạng thái vượt tiêu chí, nên kiểm tra cả nguy cơ quyết định sai. DQO của EPA yêu cầu xác định mức sai số quyết định có thể chấp nhận; điều này liên kết trực tiếp thiết kế lấy mẫu với độ chắc chắn của kết luận.

Không nên dùng một điểm tổng hợp duy nhất để kết luận mạng lưới đạt

Có thể xây dựng bảng điểm để so sánh các phương án mạng lưới, nhưng điểm trung bình có một nhược điểm lớn: tiêu chí mạnh có thể che khuất một lỗi nghiêm trọng.

Ví dụ, một mạng lưới đạt 100% về completeness nhưng không có trạm đại diện cho khu vực chịu tác động chính không thể được cứu bằng điểm dữ liệu cao. Tương tự, độ phủ rất tốt không bù được phương pháp đo có giới hạn phát hiện không phù hợp.

Cách an toàn hơn là kết hợp điều kiện bắt buộc và điểm tối ưu hóa.

Trước hết thiết lập các gate bắt buộc, chẳng hạn:

·         Đủ đại diện cho các vùng hoặc nhóm mục tiêu trọng yếu

·         Tần suất đủ cho hiện tượng cần phát hiện

·         Phương pháp có độ nhạy phù hợp

·         Dữ liệu đáp ứng các tiêu chí QA/QC đã đặt ra

·         Có đủ dữ liệu hợp lệ để thực hiện phép phân tích yêu cầu

Một tiêu chí trọng yếu không đạt thì mạng lưới được xác định là chưa đáp ứng mục tiêu, dù điểm tổng cao.

Sau khi qua các gate, có thể dùng điểm số để so sánh mức hiệu quả giữa các phương án, ví dụ về mức dư thừa của trạm, chi phí vận hành, khả năng dự phòng hoặc Information Gain khi bổ sung một vị trí mới.

Quy trình thực tế để đánh giá mạng lưới quan trắc môi trường

Một cuộc đánh giá có thể triển khai theo sáu bước liên tiếp.

1. Chuyển mục tiêu giám sát thành tiêu chí đo được

Xác định biến cần ước lượng hoặc trạng thái cần phát hiện, ranh giới không gian, khoảng thời gian đại diện, độ chắc chắn cần thiết và tiêu chuẩn chấp nhận dữ liệu.

2. Lập bản đồ toàn bộ mạng lưới và đối tượng cần đại diện

Đặt các trạm hiện có lên cùng lớp thông tin về nguồn tác động, địa hình, thủy văn, sử dụng đất hoặc các vùng môi trường liên quan. Kiểm tra vùng nào được đại diện, vùng nào thiếu và nơi nào các trạm đang tập trung quá mức.

3. Phân tích độ phủ và đóng góp của từng trạm

Không chỉ đếm trạm. Đánh giá trạm nào tạo Information Gain, trạm nào cung cấp dữ liệu tương tự trạm khác và mức sai số hoặc khả năng suy luận thay đổi thế nào nếu loại từng trạm.

4. Kiểm tra độ phân giải thời gian

So sánh lịch quan trắc với chu kỳ biến động và thời gian tồn tại của các sự kiện mục tiêu. Đặc biệt kiểm tra mùa vụ, cực trị và các khoảng mất dữ liệu.

5. Audit chất lượng dữ liệu

Đánh giá completeness, precision, bias/accuracy, representativeness, comparability và sensitivity theo tiêu chí đã xác định. Đồng thời kiểm tra metadata về vị trí, ngày giờ, độ sâu, phương pháp lấy mẫu và các điều kiện có thể ảnh hưởng đến kết quả; EPA coi các thông tin này là những yếu tố cần xem xét khi quyết định dữ liệu có thích hợp cho phân tích hay không.

6. Chạy lại bài toán quyết định bằng dữ liệu thực tế

Thực hiện chính phép phân tích mà mạng lưới được tạo ra để hỗ trợ: ước lượng trung bình, nhận dạng điểm nóng, kiểm định vượt ngưỡng, phát hiện xu thế hoặc bài toán tương ứng. Sau đó kiểm tra độ bất định, độ nhạy của kết quả khi loại dữ liệu và khả năng xảy ra quyết định sai.

Nếu bài toán cuối cùng không thể thực hiện với độ tin cậy đã đặt ra, mạng lưới chưa đáp ứng mục tiêu dù về hình thức có nhiều trạm và nhiều dữ liệu.

Khi nào cần bổ sung, di chuyển hoặc giảm số trạm?

Bổ sung trạm khi tồn tại một vùng mục tiêu quan trọng chưa được đại diện, sai số không gian quá lớn hoặc mạng lưới có nguy cơ bỏ sót trạng thái mà mục tiêu yêu cầu phát hiện.

Di chuyển trạm khi trạm hiện tại tạo ít Information Gain nhưng một vị trí khác có thể lấp khoảng trống quan trọng. Trước khi di chuyển một trạm có chuỗi dữ liệu dài, cần cân nhắc chi phí mất tính liên tục của chuỗi thời gian.

Tăng tần suất khi biến động đáng quan tâm xảy ra nhanh hơn lịch lấy mẫu hiện có hoặc khi việc giảm độ phân giải làm mất nhiều sự kiện quan trọng.

Giảm tần suất có thể hợp lý khi kiểm nghiệm cho thấy dữ liệu dày hơn không làm thay đổi đáng kể ước lượng hoặc quyết định, với điều kiện vẫn bảo toàn khả năng phát hiện các trạng thái quan trọng.

Loại trạm chỉ nên xem xét khi đã chứng minh được rằng thông tin do trạm cung cấp có thể được thay thế mà không làm tăng đáng kể bất định, giảm độ phủ hoặc làm mất một chức năng quản lý riêng của vị trí đó.

Vì thế, tối ưu mạng lưới không đồng nghĩa với cắt giảm. Mục tiêu là phân bổ nguồn lực vào những vị trí và thời điểm tạo ra thông tin cần thiết nhất.

Một ma trận đánh giá tối thiểu

Có thể tổng hợp cuộc đánh giá vào một ma trận nhưng ngưỡng PASS phải được thiết lập từ Data Quality Objectives hoặc yêu cầu chuyên môn của chương trình, không lấy một tỷ lệ chung áp cho mọi mạng lưới.

Kết luận cuối cùng nên được viết theo mục tiêu thay vì nói chung rằng mạng lưới “tốt” hay “xấu”. Một mạng lưới có thể đủ để theo dõi xu thế vùng nhưng không đủ để phát hiện điểm nóng; hoặc đủ để mô tả giá trị trung bình nhưng không đủ cho cảnh báo sớm.

Một mạng lưới quan trắc môi trường đáp ứng mục tiêu khi cấu hình điểm đo và lịch quan trắc tạo ra dữ liệu đủ đại diện về không gian và thời gian, đồng thời dữ liệu đạt chất lượng cần thiết để thực hiện chính phép phân tích hoặc quyết định mà chương trình đặt ra.

Vì vậy, cách đánh giá đáng tin cậy nhất không phải là hỏi “có bao nhiêu trạm?” mà lần lượt kiểm chứng bốn vấn đề: đang cần trả lời câu hỏi nào, các trạm có quan sát đúng không gian cần đại diện không, tần suất có bắt được biến động cần phát hiện không và dữ liệu có đủ chất lượng để đưa ra kết luận với mức bất định chấp nhận được không.

Chỉ khi cả bốn điều kiện này được chứng minh bằng tiêu chí đo lường và dữ liệu thực tế, mới có cơ sở kết luận mạng lưới phù hợp với mục tiêu giám sát.