Tác giả

Hồ Xuân Hương 1* , Lê Đình Hải 2 , Phạm Thị Hằng 3

Đơn vị công tác

1 Khoa Các khoa học liên ngành, Đại học Quốc gia Hà Nội; hoxuanhuong@vnu.edu.vn

2 Trường Đại học Kinh tế, Đại học Quốc gia Hà Nội; haifuv@gmail.com

3 Học viên An ninh Nhân dân; phamthihang78@gmail.com

*Tác giả liên hệ: hoxuanhuong@vnu.edu.vn; Tel.: +84–965317889

Tóm tắt

Thích ứng với biến đổi khí hậu là một quá trình phức tạp, ở đó việc áp dụng các biện pháp thích ứng và kết quả của chúng chịu ảnh hưởng bởi cả yếu tố nội tại lẫn ngoại cảnh. Nghiên cứu này nhằm khám phá mối quan hệ giữa các yếu tố tâm lý hành vi, các yếu tố kinh tế - xã hội với kết quả thực hiện hành vi thích ứng. Thông qua khảo sát xã hội học và tìm hiểu các tác động của biến đổi khí hậu của 254 hộ canh tác lúa ở tỉnh Hòa Bình, Việt Nam, nghiên cứu đã ứng dụng mô hình mạng Bayes (phương pháp thống kê phi tham số) để xác định mức độ ảnh hưởng của các yếu tố hành vi tới kết quả thích ứng. Các kết quả cho thấy 2 yếu tố chính gồm số biện pháp thích ứng được thực hiện với mức độ nhạy cảm là 27,23% và ý định thích ứng với mức độ nhạy cảm là 8,52%. Bên cạnh đó, các yếu tố kinh tế - xã hội như dân tộc, trình độ học vấn, vai trò của lúa trong sinh kế hộ, trạng thái kinh tế hộ và tuổi của chủ hộ cũng tác động đến kết quả thích ứng. Nghiên cứu nhấn mạnh tầm quan trọng của việc cung cấp nhiều giải pháp thích ứng khác nhau và nâng cao nhận thức của người dân về các tiềm năng, lợi ích của thích ứng với biến đổi khí hậu trong sản xuất nông nghiệp.

Từ khóa

Kết quả thích ứng; Nông nghiệp; Các yếu tố ảnh hưởng; Mạng Bayes.

Trích dẫn bài báo

Hương, H.X.; Hải, L.Đ.; Hằng, P.T. Ứng dụng mạng Bayes trong đánh giá các yếu tố ảnh hưởng đến kết quả thích ứng với biến đổi khí hậu trong canh tác lúa tỉnh Hòa Bình. Tạp chí Khí tượng Thuỷ văn 2024, 760, 55-64.

Tài liệu tham khảo

1. Pörtner, H.O.; Roberts, D.C.; Tignor, M.; Poloczanska, E.S.; Mintenbeck, K.; Alegría, A.; Craig, M.; Langsdorf, S.; Löschke, S.; Möller, V.; Okem, A. Climate Change 2022: Impacts, adaptation, and vulnerability contribution of working group ii to the sixth assessment report of the intergovernmental panel on climate change. Cambridge University Press. Cambridge University Press, Cambridge, UK and New York, NY, USA, 2022.

2. Altieri, M.A.; Nicholls, C.I. The adaptation and mitigation potential of traditional agriculture in a changing climate. Clim. Change 2017, 140(1), 33–45. doi: 10.1007/s10584-013-0909-y.

3. Bank, W. Taking Stock, March 2023: Harnessing the potential of the services sector or growth. Tak. Stock. March 2023 Harnessing Potential Serv. Sect. Growth, 2023, 3, doi: 10.1596/39524.

4. Bank, W. Vietnam country climate and development report. Vietnam Ctry. Clim. Dev. Rep. 2022, 7, doi: 10.1596/37618.

5. Hoa, L.D.; Elton, L.; Ian, N.; Johan, B. Factors influencing the adaptation of farmers in response to climate change: a review. Clim. Dev. 2019, 11(9), 765–774. doi: 10.1080/17565529.2018.1562866.

6. Nhat, L.D.T.; Roberto, F.; Bjoern, O.S.; Wasmann, R.; Dinh, T.N.; Nong, K.N.N. Determinants of adoption of climate-smart agriculture technologies in rice production in Vietnam. Int. J. Clim. Chang. Strateg. Manag. 2020, 12(2), 238–256. doi: 10.1108/IJCCSM-01-2019-0003.

7. Tuan, N.A.; Duy, N.; Shawn, L.; Nguyen, T.T. Changes in the environment from perspectives of small-scale farmers in remote Vietnam. Reg. Environ. Chang. 2021, 21(4), 98. doi: 10.1007/s10113-021-01835-6.

8. Brian, B. et al. Linking models of human behaviour and climate alters projected climate change. Nat. Clim. Chang. 2018, 8(1), 79–84. doi: 10.1038/s41558-017-0031-7.

9. Gifford, R.; Kormos, C.; McIntyre, A. Behavioral dimensions of climate change: Drivers, responses, barriers, and interventions. Wiley Interdiscip. Rev. Clim. Chang. 2011, 2(6), 801–827. doi: 10.1002/wcc.143.

10. Bryant, C.R. Adaptation in Canadian Agriculture to Climatic Variability and Change. Anthropol. Food 2020, S14, 181–201. doi: 10.4000/aof.10723.

11. Carman, J.P.; Zint, M.T. Defining and classifying personal and household climate change adaptation behaviors. Glob. Environ. Chang. 2020, 61, 102062. doi: 10.1016/j.gloenvcha.2020.102062.

12. Fielding, K.S.; Terry, D.J.; Masser, B.M.; Hogg, M.A. Integrating social identity theory and the theory of planned behaviour to explain decisions to engage in sustainable agricultural practices. Br. J. Soc. Psychol. 2008, 47(1), 23–48. doi: 10.1348/014466607X206792.

13. Li, X.; Zhang, Y.; Guo, F.; Gao, X.; Wang, Y. Predicting the effect of land use and climate change on stream macroinvertebrates based on the linkage between structural equation modeling and bayesian network. Ecol. Indic. 2016, 85, 820–831. doi: 10.1016/j.ecolind.2017.11.044.

14. Adnan, N.; Nordin, S.M.; Bahruddin, M.A.; Tareq, A.H. A state-of-the-art review on facilitating sustainable agriculture through green fertilizer technology adoption: Assessing farmers behavior. Trends Food Sci. Technol. 2019, 86, 439–452. doi: 10.1016/j.tifs.2019.02.040.

15. Castillo, G.M.L.; Engler, A.; Wollni, M. Planned behavior and social capital: Understanding farmers’ behavior toward pressurized irrigation technologies. Agric. Water Manag. 2021, 243, 106524. doi: 10.1016/j.agwat.2020.106524.

16. People’s Committee of Hoa Binh Province. Updated action plan to response to climate change in Hoa Binh Province, 2019.

17. Da Bac, P.C. The implementation of the 2022 socio-economic development plan of Da Bac District, 2022.

18. Bartlett, J.E.; Kotrlik, J.W.; Higgins, C.C. Determing appropriate sample size in survey research. Inf. Technol. Learn. Perform. J. 2001, 19(1), 43–50.

19. Pearl, J. Probabilistic reasoning in intelligent systems: Networks of plausible inference. The 2nd ed. Sanfrancisco, California: Morgan Kauffman Publishers, 1988.

20. Borsuk, M.E.; Stow, C.A.; Reckhow, K.H. A Bayesian network of eutrophication models for synthesis, prediction, and uncertainty analysis. Ecol. Modell. 2004, 173(2–3), 219–239. doi: 10.1016/j.ecolmodel.2003.08.020.

21. Marcot, B.G.; Steventon, J.D.; Sutherland, G.D.; McCann, R.K. Guidelines for developing and updating Bayesian belief networks applied to ecological modeling and conservation. Can. J. For. Res. 2006, 36(12), 3063–3074. doi: 10.1139/X06-135.

22. Newton, A.C. Environmental modelling: new research. Nova Science Publishers, New York, 2009.

23. Finn, T.D.N.; Jensen, V. Bayesian networks and decision graphs. The 2nd ed. Springer New York, NY, 2007.

24. Pollino, C.A.; Woodberry, O.; Nicholson, A.; Korb, K.; Hart, B.T. Parameterisation and evaluation of a Bayesian network for use in an ecological risk assessment. Environ. Model. Softw. 2007, 22(8), 1140–1152. doi: 10.1016/j.envsoft.2006.03.006.

25. Below, T.B. et al. Can farmers’ adaptation to climate change be explained by socio-economic household-level variables? Glob. Environ. Chang. 2012, 22(1), 223–235. doi: 10.1016/j.gloenvcha.2011.11.012.

26. Tan-Soo, J.S.; Li, J.; Qin, P. Individuals’ and households’ climate adaptation and mitigation behaviors: A systematic review. China Econ. Rev. 2023, 77, 101879. doi: 10.1016/j.chieco.2022.101879.

27. IPCC. IPCC AR6, 2022, pp. 1386.

28. Asseng, S.; Zhu, Y.; Wang, E.; Zhang, W. Crop modeling for climate change impact and adaptation. Second Edi. Elsevier Inc., 2015.

29. Le Dang, H.; Li, E.; Nuberg, I.; Bruwer, J. Factors influencing the adaptation of farmers in response to climate change: A review. Clim. Dev. 2019, 11(9), 765–774. doi: 10.1080/17565529.2018.1562866.

30. Talanow, K.; Topp, E.N.; Loos, J.; Martín-López, B. Farmers’ perceptions of climate change and adaptation strategies in South Africa’s Western Cape. J. Rural Stud. 2021, 81, 203–219. doi: 10.1016/j.jrurstud.2020.10.026.

31. Chandio, A.A.; Jiang, Y.; Ahmad, F.; Adhikari, S.; Ain, Q.U. Assessing the impacts of climatic and technological factors on rice production: Empirical evidence from Nepal. Technol. Soc. 2021, 66, 101607. doi: 10.1016/j.techsoc.2021.101607.

32. Yang, X.; Zhou, X.; Deng, X. Modeling farmers’ adoption of low-carbon agricultural technology in Jianghan Plain, China: An examination of the theory of planned behavior. Technol. Forecast. Soc. Change 2022, 180, 121726. doi: 10.1016/j.techfore.2022.121726.

33. Nguyen, Y.T.B.; Leisz, S.J. Determinants of livelihood vulnerability to climate change: Two minority ethnic communities in the northwest mountainous region of Vietnam. Environ. Sci. Policy 2021, 123, 11–20. doi: 10.1016/j.envsci.2021.04.007.

34. Phuong, T.T.; Tan, N.Q.; Dinh, N.C.; Van Chuong, H.; Ha, H.D.; Hung, H.T. Livelihood vulnerability to climate change: Indexes and insights from two ethnic minority communities in Central Vietnam. Environ. Challenges 2023, 10, 100666. doi: 10.1016/j.envc.2022.100666.

35. Le, H.D.; Dang, H.T.H.; Harrison, S. Key factors influencing Vietnam REDD+ Participation. J. Sustain. For. 2023, 42(3), 241–259. doi: 10.1080/10549811.2021.1993926.

36. Son, H.N.; Chi, D.T.L.; Kingsbury, A. Indigenous knowledge and climate change adaptation of ethnic minorities in the mountainous regions of Vietnam: A case study of the Yao people in Bac Kan Province. Agric. Syst. 2019, 176, 102683. doi: 10.1016/j.agsy.2019.102683.

37. Sen, L.T.H.; Bond, J.; Winkels, A.; Linh, N.H.K.; Dung, N.T. Climate change resilience and adaption of ethnic minority communities in the upland area in Thừa Thiên-Huế province, Vietnam. NJAS - Wageningen J. Life Sci. 2020, 92, 100324. doi: 10.1016/j.njas.2020.100324.

38. Van Huynh, C. et al. Indigenous knowledge in relation to climate change: adaptation practices used by the Xo Dang people of central Vietnam. Heliyon 2020, 6(12), e05656. doi: 10.1016/j.heliyon.2020.e05656.

39. Du, K.; Yu, Y.; Wei, C. Climatic impact on China’s residential electricity consumption: Does the income level matter?. China Econ. Rev. 2020, 63, 101520. doi: 10.1016/j.chieco.2020.101520.

40. Arouri, M.; Nguyen, C.; Ben Youssef, A. Natural Disasters, Household Welfare, and Resilience: Evidence from Rural Vietnam. World Dev. 2015, 70, 59–77.

41. Chepkoech, W.; Stöber, S.; Kurgat, B.K.; Bett, H.K.; Mungai, N.W.; Lotze-Campen, H. What drives diversity in climate change adaptation strategies for African indigenous vegetable production in Kenya?. Econ. Anal. Policy 2023, 77, 716–728. doi: 10.1016/j.eap.2022.12.016.

42. Ndamani, F.; Watanabe, T. Determinants of farmers’ adaptation to climate change: A micro level analysis in Ghana. Sci. Agric. 2016, 73(3), 201–208. doi: 10.1590/0103-9016-2015-0163.

43. Alwarritzi, W.; Nanseki, T.; Chomei, Y. Analysis of the Factors Influencing the Technical Efficiency among Oil Palm Smallholder Farmers in Indonesia. Procedia Environ. Sci. 2015, 28, 630–638. doi: 10.1016/j.proenv.2015.07.074.

44. Bekuma, T.; Mamo, G.; Regassa, A. Research in Globalization Indigenous and improved adaptation technologies in response to climate change adaptation and barriers among smallholder farmers in the East Wollega Zone of Oromia , Ethiopia. Res. Glob. 2023, 6, 100110. doi: 10.1016/j.resglo.2022.100110.