Nguồn lợi dưới tán rừng ngập mặn và hiệu ứng formosa

Như thường lệ, hôm nay tôi lại đi công tác vào kiểm tra, đo đếm các chỉ tiêu theo dõi tại các mô hình triển khai ở các địa phương. Trong phạm vi bài này, tôi chia sẻ những trải nghiệm, thông tin thú vị về địa điểm triển khai mô hình trồng rừng ngập mặn tại bãi bồi đê Hội Thống, huyện Nghi Xuân, tỉnh Hà Tĩnh.

Nguồn lợi thủy sản dưới tán rừng ngập mặn

Ra đến mô hình, tôi lội đi dưới tán rừng ngập mặn với bùn sình lầy, nhiều chỗ bùn sút, ngập trên đầu gối. Điều đó chẳng hề hấn chi, tuy nhiên vấn đề gặp phải là làm thế nào để hạn chế giẫm phải Hà mà như bài trước tôi đã đề cập ít nhiều mới là điều đáng bàn. Lội được một quãng thấy cây Bần chua mới 2 tuổi mà đã ra hoa, đậu quả nhiều. Thấy vậy, tôi chụp mấy bức ảnh về hoa, quả của cây Bần. Tiếp đó, đi ra phía ngoài thấy người dân đang đi bắt tôm, cua, cá... phía ngoài cũng như trong rừng ngập mặn trên đường đi về, trong đó có mấy cô chú đang dọn những mảng Hà bám xung quanh cột bê tông dựng làm hàng rào quây để nuôi trồng thủy sản trong rừng ngập mặn. Tiến gần tới bắt chuyện, hỏi han về lý do phải tách bỏ. Dùng xẻng tách bỏ, chứ không thể dùng tay. Bởi tay hay chân chỉ cần chạm nhẹ là bị đứt chân tay, chảy máu như chơi. Các chú bảo, gỡ bỏ đi để cột dây lại. Dùng dây nhựa thay vì dùng dây thép như ban đầu. Bởi vì, chỉ một thời gian dây thép đã han gỉ. Vì vậy phải gỡ bỏ hết Hà bám trước khi cột dây lại.

Hỏi lan man chút việc nuôi cua biển bên dưới tán cây rừng ngập mặn.

-       Chú bảo, năm vừa rồi “lỗ”.

-       Tôi hơi bất ngờ. Sao lại lỗ được?

-       Nuôi bên ngoài này môi trường tốt hơn nhiều so với các ao nuôi bên trong đồng. Bởi ngoài này thủy triều lên xuống thường nhật theo con nước, lên xuống hàng ngày.

-       Như vậy, môi trường nước luôn luôn được lưu thông, thay mới. Hơn nữa, có nhiều phù sa, sinh vật phù du cũng như lượng thức ăn cho cua dồi dào hơn.

-       Nên việc cua lớn hơn, mật độ thả mau hơn bên trong đồng là đương nhiên. Vì vậy, nói lỗ tôi không tin. Đó là những gì tôi giải thích khi chú nói vụ nuôi cua vừa rồi lỗ.

Tiếp đó chú giải thích:

-       Ở ngoài này thời điểm nắng nóng nên cua chết. Bởi khi thủy triều rút (kiệt) trơ hết nền rừng. Gặp nắng nóng vào buổi trưa cua không có chỗ trú ẩn. Bởi rừng trồng chưa khép tán hoàn toàn, chỉ khi nào rừng khép tán hoàn toàn mới đảm bảo không bị nắng nóng ảnh hưởng đến môi trường sống, sinh trưởng phát triển của cua tự nhiên khi triều kiệt.

-       Rồi. Khi quây lưới xung quanh, lá cây Bần rụng xuống, trôi dạt vây kín các mắt lưới phải dọn thường xuyên, nên cũng mất khá nhiều công. Chú không quên nói “lá rừng” mà.

-       Tiếp đến, đầu năm bị đợt rét cua cũng chết khá nhiều.

-       Rồi vụ Formosa Hà Tĩnh xả thải gây ảnh hưởng. Tôi nói ở phía trong cửa sông (cửa Hội) cũng bị ảnh hưởng ạ. Chú bảo không bị ảnh hưởng bởi nước ô nhiễm, nhưng ảnh hưởng khi giá cua rớt giá thê thảm. Bán không có lời. Đó là những lý do chú giải thích cho vụ cua vừa rồi “lỗ”.

Tiếp đến, tôi tiến gần ra phía ngoài. Thấy mấy chị đang dọn những đóng Hà bám cho vào thùng xốp đẩy lên bờ. Thấy vậy, tôi cầm máy ảnh chụp lén mấy bức ảnh. Được hai ba bức gì đó thì bị phát hiện.

-       Chị kêu lên. Không cho chụp. Người bẩn, xấu như thế này chụp mần chi.

-       Quần áo bẩn hết, đầu đội nón, bịt mặt, còn chừa hai con mắt, lo chi người khác phát hiện ra mà sợ không cho chụp. - Tôi nói.

-       Chị nhất quyết bảo không cho chụp. Thế là chị quay lưng lại. Sau đó, tôi bảo không chụp nữa. Ra bắt chuyện vài câu, chị mới quay người lại. Chứ không hiểu sao chị sợ tôi chụp ảnh chị. Sau đó, tôi lại lội tiếp ra phía ngoài kiểm tra xem các cây rừng ngập mặn phía ngoài.

Khoảng 15 phút sau, tôi lội vào. Chị đẩy được một đoạn đường thì ngồi nghỉ. Tôi lại chụp lén vài bức nữa. Lần này, chị nói cho chụp thoải mái. Rồi chị đứng dậy đẩy vào phía bờ. Tôi đi trước. Cố tình đi trước để quay lại chụp chị. Người bẩn bê bết, từ chân đến đầu. Ra sức đẩy mạnh, nhanh tạo đà cho nhẹ đẩy thùng xốp chất đầy Hà lên phía bờ.

Bảo vệ cây là bảo vệ chính mình

Đó là tựa đề bài viết mà bữa trước tôi có đề cập đến. Ở đợt công tác lần trước, cũng ở mô hình rừng ngập mặn này người dân địa phương có ý thức rất lớn bảo vệ các đai rừng ngập mặn. Bởi vai trò to lớn của chúng mang lại, từ những lợi ích về nguồn sinh kế (nuôi trồng đánh bắt thủy hải sản dưới rừng ngập mặn), đặc biệt quan trọng hơn cả đó là chức năng phòng hộ ven biển, bảo vệ đê điều, mùa mang, cuộc sống người dân phía trong đê. Đó là “ý thức hệ” mà người dân dần thay đổi, nhận thức được khi hàng năm chứng kiến các cơn bão đổ bộ vào đất liền, gây ảnh hưởng nhiều mặt đến cuộc sống con người nơi đây.

Tôi có hỏi bất kỳ ai, từ những cô, những chị đi bắt tôm, cua... dưới rừng ngập mặn, người dân nhặt cành củi trôi dạt vào bờ, đến người nuôi trồng thủy sản dưới tán rừng... Họ đều ý thước được việc bảo vệ cây rừng ngập mặn trước vai trò to lớn mà các đai rừng mang lại cho người dân, đặc biệt trong bối cảnh ảnh hưởng của biến đổi khí hậu.

-       Khi nào các chú (tức bảo tôi) lại về trồng cây rừng ngập mặn tiếp, trồng phủ kín những chỗ còn trống, chú còn bảo nên trồng loài cây nào thích hợp hơn trong những loài cây mà chúng tôi trồng thử nghiệm ở đây. - Các cô các chú hỏi?

-       Chúng cháu đánh giá sinh trưởng của các cây rừng ngập mặn thử nghiệm. Sau đó sẽ có những đề xuất, kiến nghị tiếp theo. - Tôi nói.

Formosa Hà Tĩnh...

Đó được coi là thảm họa môi trường - thảm họa Formosa. Tôi chưa đủ khả năng nhìn nhận, phản biện về những vấn đề liên quan đến formosa Hà Tĩnh, hay những vấn đề tương tự. Tuy nhiên, trong thời gian qua từ khi formosa Hà Tĩnh xả thải, gây thảm họa môi trường biển, đặc biệt ảnh hưởng đến nguồn lợi thủy hải sản, nguồn sinh kế của người dân ven biển, tính đa dạng sinh học... là một công dân Việt Nam ai cũng đau xót. Bởi hậu quả khôn lường mà người dân, thế hệ sau phải gánh chịu mà mấy ai (các vị chóp bu) thấu hiểu nổi nỗi lòng người dân. Thực ra, bây giờ tôi có nói gì cũng chỉ là cóp nhặt những thông tin, bài viết của người khác. Nên không dám có những nhàm bàn ở đây. Trong phạm vi bài viết, chỉ liên quan một chút tới thảm họa formosa Hà Tĩnh, ảnh hưởng đó có thể gọi “ảnh hưởnghiệu ứng domino formosa Hà Tĩnh” đã làm cho giá cua biển nuôi của người dân tại cửa Hội, Nghi Xuân, Hà Tĩnh xuống thấp (rớt giá), không có lời. Tuy không ảnh hưởng trực tiếp bởi nguồn nước ô nhiễm dẫn đến cua chết, nhưng đã gây ra hiệu ứng dây chuyền làm ảnh hưởng ít nhiều đến nguồn sinh kế của người dân, mà chính người dân địa phương mới thấu hiểu hết được.

Mỗi chúng ta, hãy sống có trách nhiệm hơn với chính mình, với người dân, môi trường, nguồn tài nguyên... của đất nước, đặc biệt hãy có trách nhiệm hơn tới vùng biển đã chết này. Sẽ khó để sống có trách nhiệm hơn nếu không có nhân cách.

Read More

Một trong những lý do tạo nên số liệu trống không

Ở bài trước khi đang xử lý dữ liệu thì gặp trường hợp số liệu trống không (missing value). Để phân tích một số kiểm định thống kê trong R đòi hỏi phải loại bỏ các số liệu trống không ra khỏi data. frame vì không tính toán được. Trong nghiên cứu, có rất nhiều lý do, số liệu không thể thu thập được cho tất cả các đối tượng hay không thể đo lường tất cả các biến số cho một đối tượng... Trong trường hợp đó, đối tượng đó bị trống số liệu hay còn gọi là số liệu trống không. Hôm nay, mình đề cập đến một trong những lý do tạo nên số liệu trống không mà trong quá trình triển khai thí nghiệm của đề tài gặp phải. Trường hợp có thể nói là vô tình, tuy nhiên cũng không kém phần thú vị.

Hôm vừa rồi, mình có đi đo khả năng cát bay, cát lấp của các đai rừng phòng hộ vùng cát ven biển miền Trung. Ở điểm bố trí trên cồn, đụn cát di động tại Hưng Thủy, Lệ Thủy. Ngay cạnh đường tránh lũ. Hai anh em đi đến điểm đo thứ nhất, trên đụn cát cách đường chừng 20 m. Lên tới nơi. Ôi thôi. Cọc bị ai đó nhổ vứt ngang vứt dọc ngay tại chỗ. Thật chẳng vui chút nào khi thời tiết đang nóng nắng, đi trên cát đến điểm đo lại không đo được, do ai đó hiếu kỳ nhổ bỏ. Thế là không có số liệu đo khả năng cát bay, cát lấp ở điểm đo đụn cát trong khoảng thời gian vừa rồi. Tưởng rằng nhổ một hai cọc chẳng có gì thì thôi, ai ngờ nhổ hết, nhổ sạch không còn cọc nào. Không thu thập được số liệu. Đành bố trí lại, để đợt sau vào đo cho đợt tiếp theo.

Hình 1. Thời điểm khi bố trí thí nghiệm đo khả năng cát bay cát lấp tại Lệ Thủy

Qua điểm thứ nhất không đo được dữ liệu. Di chuyển đến điểm thứ hai, cách đó chừng 300 m, điểm trên cồn cát cao so với mặt đường hơn 10 m, phía đối diện tính từ chỗ thấp nhất lên tới đỉnh cồn cát khoảng 20 - 30 m. Cồn cát cao, chạy dài song song với đường tránh lũ chừng gần 100 m. Khi di chuyển trên cồn cát, có đám cỏ mọc xanh tốt trên đó. Tôi tiến lại gần quan sát và nhờ đồng chí Quân chụp hộ mấy kiểu ảnh bên đám cỏ làm kỉ niệm. Sau đó tiến dần lên đỉnh, tới điểm bố trí đo cát đã bố trí bữa trước. Thật bực. Điểm đo thứ hai lại bị phá. Cả 30 chục cọc bố trí theo hình tam giác (hình 1) đều bị nhỏ sạch. Khi đó trong đầu đã nghĩ và miệng định thốt lên chửi bâng quơ ai đó. Bởi chắc ai đó (còn trẻ) đi ngang qua đường, thấy cồn cát cao, đẹp dừng lại và lên chụp mấy kiểu ảnh để làm kỉ niệm hay post facebook “khoe”. Bực hơn khi họ nhổ hết mọi cọc, lại còn bẻ gẫy cọc lung tung cắm thành hình trái tim (hình 2) để tạo nền chụp ảnh. Ôi trời! Bực hết chỗ nói. Thế là 2 điểm không có dữ liệu về cát bay, cát lấp trong khoảng thời gian vừa qua.

Hình 2. Cọc cát bị ai đó hiếu kỳ nhổ bỏ và thiết kế lại (tạo nên số liệu trống không)

Thời điểm lúc đó nắng chói chang, gắt hơn nhiều, nhiệt độ tăng cao, đặc biệt trên cồn cát cao. May có chút gió nên cũng giữ được nỗi bực dọc này mà không chửi bâng quơ ai đó những câu “tục tĩu”. Cũng chẳng trách được họ. Bởi tính hiếu kỳ, tò mò của con người. Mà trách bản thân mình đã lựa chọn điểm bố trí thí nghiệm đo cát chưa hợp lý nên mới vậy. Đây là một trong những trải nghiệm nho nhỏ khi triển khai bố trí các mô hình, thí nghiệm nghiên cứu. Thực ra, chuyện cũng chẳng có gì nhiều thông tin hay sự việc to tác gì cho lắm. Bởi đó, là chuyện khá bình thường. Việc các mô hình, các điểm bố trí thí nghiệm bị thiên tai, trâu bò, thậm chí con người phá bỏ diễn ra thường nhật mà thực tế nhiều người làm nghiên cứu đã giãi bày, minh chứng điều đó. Nên qua đây, mình cũng không nặng lòng về vấn đề. Coi đó là một bài học nhỏ cần đúc rút cho những lần sau khỏi mắc phải.

Sự việc không chỉ gói gọn ở đó mà đồng chí đi cùng. Đi sau tôi, chụp mấy bức ảnh mà tôi đang tiến gần tới đỉnh cồn cát tìm vị trí mà bữa trước tôi bố trí đo cát bay cát lấp. Trưa về. Post lên facebook với tựa đề “những bước chân mệt mỏi đi tìm kết quả trên vùng đất cát của nhà khoa học tương lai”. Thực sự, tôi thấy xấu hổ với tựa đề như vậy. Chao ôi. “Nhà khoa học tương lai”. Xấu hổ lắm. Ai là nhà khoa học chứ. Làm ăn chưa đến đầu đến đũa. Đã làm được gì?. Đã là gì đâu cơ chứ?. Đồng chí post lên tường nhà tôi. Tôi đành vào “Cảm ơn bạn. Bạn quá lời rồi. Nhà khoa học nào ở đây?”. Tôi nghĩ, ai mà đọc được chắc cười mình chết mất. Gạch đá sao mà tránh hết được. Cũng may mọi người chỉ cười khẩy trong bụng nên cũng ít gạch đá. Mà cũng có thể bây giờ ai có thời gian đâu mà quan tâm bạn làm gì, bạn như thế nào trừ những người thân thích quan tâm, để ý mà thôi. Rồi có anh comments “Bà con miền Trung yêu và sáng tạo vậy, 2 nhà khoa học trẻ theo không kịp rồi?”, “Tại chú cắm nhiều cọc quá làm bà con có điều kiện để sáng tạo”. Rốt cuộc là lỗi tại mình. Nếu mình không cắm nhiều cọc chắc chẳng ai để ý làm gì. Khổ. Cắm ít cọc thì sai số lớn, phản ánh chưa sát thực tế. Cắm nhiều. Vô tình gây nên sự tò mò, hiếu kỳ khi bất cứ ai bị đập vào mắt. Đúng là cố gắng muốn làm tốt hơn có thể nhưng cũng chẳng xong. Biết làm sao được. Thiết nghĩ, âu cũng là cái duyên.

Qua câu chuyện, mới thấy đây là một trong số vô vàn lý do mà không thể thu thập hoặc đo lường tất cả các biến cho một đối tượng, cũng như không thể thu thập được cho tất cả các đối tượng điều tra, nghiên cứu. Đó là những “số liệu trống không”. Việc xử lý, loại bỏ những số liệu trống không trước khi phân tích cho một số kiểm định thống kê là rất cần thiết. Bởi R không tính toán được các phân tích tiếp theo. Trong R có một lệnh rất có ích cho việc này: na.omit. Nếu bạn nào quan tâm có thể tìm hiểu thêm xử lý số liệu trống không với R.

Read More

Bạn sẽ làm gì?

T

hật chẳng biết nói mần răng bây giờ. Chuyện là vậy, sáng nay sau khi đi đo khả năng chắn cát của các đai rừng phòng hộ vùng cát, bằng cách cắm các cọc cát cố định. Khi đi ăn cơm. Bắt đầu đi từ nhà nghỉ, vừa bước ra khỏi cửa, tôi có nhìn thấy một cô lượm ve chai đang đi men theo tường bao của nhà nghỉ. Thấy tôi, cô có hỏi gì đó mà tôi nghe không rõ. Thực sự người miền trong nếu không nói chậm thì rất khó nghe đối với tôi. Tôi hỏi lại, vẫn không nghe rõ. Tôi liền tiến gần tới chỗ cô. Hỏi lại, ban đầu tưởng cô xin cho đi quanh có cái chai, lọ nào để lượm. Nhưng không. Cô chìa xin mấy chục mua gói mì tôm ăn trưa. Tôi hơi giật mình. Hỏi tiếp, cô đi đâu trưa nắng này không về nhà mà còn ở đây.

-       Tôi đi suốt dọc đường nhặt chai, lọ mà chẳng được mấy. Giờ trưa rồi, đói, không có tiền. Cho tôi xin mấy chục mua mì ăn trưa. Có giải thích.

-       Cháu làm gì có tiền đâu mà cho cô, tôi nói.

-       Cho cô mấy chục mua gói mì ăn trưa, cô hết tiền mà bụng đói. Cô lặp lại.

-       Thế là tôi chẳng biết nói gì được nữa. Mở ví ra. Ôi chao. Chẳng có tiền lẻ. Thực sự đi công tác, khi đó không có tiền lẻ, có mấy tờ 2 trăm nghìn, và còn đúng 7 nghìn tiền lẻ. Thôi đành đưa cô 7 nghìn lẻ. Cháu hết tiền lẻ rồi. Cô cầm tạm mấy nghìn lẻ.

Sau đó tôi không quên khuyên cô trưa nắng nóng này về nhà nghỉ ngơi cho sớm. Bởi cái nắng cái gió của miền cát trắng nơi đây gây ra những ảnh hưởng đến cuộc sống, sản xuất của con người, mà chỉ có người dân nơi đây mới thấu hiểu rõ nhất. Thế là 2 anh em đi ăn cơm trưa. Quân (đồng chí đi công tác cùng) thấy vậy hỏi, có chuyện gì, tôi mới kể hết sự tình. Thực ra lúc đó, tôi phơi ít quần áo bên ngoài, trong đó có mấy bộ quần áo sợ cô vào lượm mất. Tôi nói với Quân như vậy. Thực sự tôi không hề có ý đó, nhưng thực sự tôi nợ cô một lời xin lỗi. XIN LỖI.

Chuyện như chẳng có chi để nói khi chiều 2 anh em đang uống nước. Cô đi qua. Cô gồng gánh thành quả sau một buổi đi lượm cực nhọc giữa cái nắng cái gió khắc nghiệt nơi đây. Hai bao tải chai, lọ hay bất cứ thứ gì có thể lượm nhặt, bán ra tiền. Thấy vậy tôi mới hỏi cô bây giờ mới về tới đây uh? Từ đoạn nhà nghỉ ra đây khoảng 3km mà từ lúc gặp cô ở nhà nghỉ tới giờ cả 4 giờ đồng hồ. Cô để đồ. Tiến lại gần 2 anh em chìa tay xin tiền. Tôi hơi bất ngờ khi cô “lại” chìa tay xin tiền. Cho cô xin mấy chục ăn trưa. Tôi vẫn quả quyết cháu không có tiền cho cô đâu. Tôi mời cô uống chai nước tôi đang uống dở. Cô không uống. Nhất quyết không lấy dù tôi mời như thế nào. Tôi bảo, cô uống hết nước lấy vỏ chai này. Thế cô mới cầm. Cô vẫn xin tiếp. Tôi nói, trưa cháu cho cô rồi. Bây giờ cháu không còn tiền. Cô chủ quán nóng mắt. Mụ ở đâu. Cô không trả lời. Trưa người ta cho rồi, giờ còn xin. Hết tiền thì bán vỏ chai mà ăn. Cho nước uống rồi còn xin tiền. Thế là cô tự ái, trả chai nước mà khi trước tôi mời mãi cô mới cầm. Cô làu bàu gì đó mà tôi nghe không rõ. Lại hành trình gồng gánh trên vai không biết điểm dừng khi nào. Lúc đó cô chủ quán hỏi, trưa cháu cho bao nhiêu tiền. Khi đó trong ví cháu hết tiền nhỏ, nên còn 7 nghìn lẻ, cháu bảo cô cầm tạm. Cô nói tiếp, không biết người ở đâu mà nói vậy rồi cứ cố mà xin. Lúc sau Quân nói, mày không có việc gì ah. Toàn chuyện đâu đâu. Đúng. Thực sự mà nói, mình kiếm toàn chuyện đâu đâu. Trưa đã vậy rồi. Không biết duyên phận chi. Nay lại vậy. Làm cho tôi, Quân và cô chủ khó xử cũng chẳng hay ho gì, thậm chí làm cho cô lượm ve chai mất mặt.

Cuộc đời là một chuỗi hành trình đầy gian nan. Mỗi người mỗi cảnh huống. Ai chẳng mong muốn sức khỏe, giàu sang, hạnh phúc và thành công đúng nghĩa. Ấy vậy. Cuộc sống muôn hình vạn trạng. Đâu phải luôn màu hồng. Dường như cuộc sống này mọi thứ đều không như ý ta muốn. Bởi, từ góc độ nhìn nhận, cảm nhận và cách sống của mỗi người không giống nhau. Nhu cầu, mục đích sống và đích đến khác nhau. Do đó, ít nhiều tạo nên những suy nghĩ, hành động mà ai đấy tự cho mình là đúng. Bởi mỗi chúng ta thường cho mình là “trung tâm” của mọi sự việc, mà quên đi các yếu tố tác động bên ngoài, đặc biệt hơn chúng ta sống với những “ích kỷ” nhỏ nhoi hơn là nghĩ cho cộng đồng.

KHÓ XỬ...

Qua câu chuyện, tôi mới nhận thấy một điều. Đâu hẳn có ý tốt (góc độ cá nhân) đã là tốt cho người khác. Nếu như, ngay từ lúc ở nhà nghỉ tôi cho cô tiền luôn thì có lẽ không gặp cô lần thứ hai. Hoặc, nếu như khi ngồi uống nước tôi không hỏi cô, giờ này mới về tới đây thì cô cũng chẳng để ý mà dừng lại. Vào “lại” chìa tay xin tiền chúng tôi. Khi đó tôi chẳng có ý gì cả. Nhưng đôi khi, tôi cũng đắn đo việc gặp những người có hoàn cảnh khó khăn hơn mình muốn giúp cái gì đó. Tuy chỉ là biếu ít tiền lẻ thôi. Chắc cũng chẳng ảnh hưởng gì đến kinh tế, hay chi tiêu cá nhân. Nhưng tôi vẫn chưa tìm được câu trả lời hợp lý nhất cho câu hỏi “cho tiền như vậy có thực sự giúp ích cho người ta”? Hay chỉ làm người ta hình thành và có suy nghĩ chìa tay xin tiền người khác trong khi sức khỏe, tuổi tác vẫn có thể làm gì đó kiếm tiền. Bởi thực tế có rất nhiều trường hợp “giả mạo” nghèo khổ, đói rách, thậm chí tạo những tư thế bị què, cụt... để lấy lòng thương hại, xin tiền người qua đường. Tuy cô không phải vậy. Hàng ngày cô vẫn đi lượm ve chai bán lấy tiền. Nhưng tôi đã làm cô khó xử lần thứ hai. Tôi nợ cô một lời xin lỗi thứ hai. Biết rằng, chắc chẳng bao giờ cô nghe được lời xin lỗi từ tôi. Nhưng tôi vẫn phải nói lời xin lỗi. Xin lỗi cô.

Không biết lần sau gặp trường hợp như vậy tôi nên xử lý như thế nào? Rất mong quý bạn đọc cho lời khuyên trong cảnh huống này. Chân thành cảm ơn!

Read More

Biểu đồ sai số chuẩn (error bar plot)

T

rong bài này mình tập tành chính với biểu đồ sai số chuẩn (error bar plot), với package (sciplot). Biểu đồ sai số chuẩn cho chúng ta biết các thông số về mean, sd. Như tên gọi của nó, ngoài mục đích mô tả phân bố dữ liệu (distribution of data), biểu đồ sai số chuẩn còn giúp chúng ta so sánh giữa các nhóm đối tượng với sai số chuẩn. Nhìn vào các biểu đồ, bước đầu cho ta nhìn cái nhìn trực quan về giá trị trung bình (mean) cũng như sai số chuẩn (sd), đó là những hữu ích mà error bar plot mang lại. Hãy cùng tập tành chút với biểu đồ sai số chuẩn ở ví dụ dưới đây.

Mô tả chút về dữ liệu cho ví dụ này. Đó là dữ liệu về một số chỉ tiêu sinh trưởng cây Keo lá tràm (chu vi, đường kính ngang ngực, chiều cao cây, đường kính tán...) trồng trên vùng cát ven biển huyện Lệ Thủy tỉnh Quảng Bình ở các độ tuổi từ 6 đến 13 tuổi. Trong ví dụ mình vẽ biểu đồ sai số chuẩn và phân tích kết quả các chỉ tiêu sinh trưởng cho cây Keo lá tràm. Cụ thể như sau:

> data(st_nqb1)

> attach(st_nqb1)

> head(st_nqb1)

  otc Loai.cay Age Chu.vi     D1.3 Hvn Dtan

1 qb1      klt   8     21 6.684508 4.5  1.7

2 qb1      klt   8     27 8.594367 4.5  2.5

3 qb1      klt   8     30 9.549297 4.8  2.0

4 qb1      klt   8     16 5.092958 3.0  1.5

5 qb1      klt   8     17 5.411268 2.7  1.2

6 qb1      klt   8     20 6.366198 3.5  1.5

Để vẽ được biểu đồ sai số chuẩn, chúng ta cần package (sciplot). Nếu chưa cài đặt, chúng ta có thể cài đặt với lệnh sau:

> install.packages(“sciplot”)

VẼ BIỂU ĐỒ SAI SỐ CHUẨN

# Chỉ tiêu đường kính

> a1=bargraph.CI(Age, D1.3, xlab="Age", ylab="diameter, cm", ylim=c(0,10), col="blue")

# Chỉ tiêu chiều cao cây

> a2=bargraph.CI(Age, Hvn, xlab="Age", ylab="tree height, m", ylim=c(0,6), col="green")

> 

# Chỉ tiêu đường kính tán

> a3=bargraph.CI(Age, Dtan, xlab="Age", ylab="canopy diameter, m", ylim=c(0,3), col="pink")

>

Tuy nhiên, để biểu thị biểu đồ sai số chuẩn cho nhiều chỉ tiêu sinh trưởng trên một biểu đồ tiện cho việc so sánh ban đầu, chúng ta có thể sử dụng lệnh par trong R rất hữu ích cho việc này.

> par(mfrow=c(1,3))

Với lệnh trên cho hình có 1 dòng với 3 cột. Kết quả như dưới đây.

PHÂN TÍCH KẾT QUẢ

Để phân tích kết quả trên chúng ta dùng lệnh describeBy trong package (psych) rất hữu ích cho việc phân tích các thống số thống kê như mean, sd, se... Kết quả như sau:

> describeBy(st_nqb1, group=Age,skew=F,range=F)

group: 6

          vars   n  mean   sd   se

otc*         1 121  3.00 0.00 0.00

Loai.cay*    2 121  1.00 0.00 0.00

Age          3 121  6.00 0.00 0.00

Chu.vi       4 121 15.37 3.24 0.29

D1.3         5 121  4.89 1.03 0.09

Hvn          6 121  3.29 0.61 0.06

Dtan         7 121  1.17 0.23 0.02

------------------------------------------------------

group: 7

          vars   n  mean   sd   se

otc*         1 240  7.13 2.00 0.13

Loai.cay*    2 240  1.00 0.00 0.00

Age          3 240  7.00 0.00 0.00

Chu.vi       4 240 16.40 3.51 0.23

D1.3         5 240  5.22 1.12 0.07

Hvn          6 240  4.06 0.89 0.06

Dtan         7 240  1.20 0.26 0.02

------------------------------------------------------

group: 8

          vars   n  mean   sd   se

otc*         1 341  5.42 3.06 0.17

Loai.cay*    2 341  1.00 0.00 0.00

Age          3 341  8.00 0.00 0.00

Chu.vi       4 341 20.09 5.01 0.27

D1.3         5 341  6.39 1.60 0.09

Hvn          6 341  5.33 1.03 0.06

Dtan         7 341  1.65 0.50 0.03

------------------------------------------------------

group: 9

          vars   n  mean   sd   se

otc*         1 122  4.00 0.00 0.00

Loai.cay*    2 122  1.00 0.00 0.00

Age          3 122  9.00 0.00 0.00

Chu.vi       4 122 21.70 4.58 0.41

D1.3         5 122  6.91 1.46 0.13

Hvn          6 122  4.70 0.61 0.06

Dtan         7 122  1.47 0.24 0.02

------------------------------------------------------

group: 10

          vars  n  mean   sd   se

otc*         1 76  6.00 0.00 0.00

Loai.cay*    2 76  1.00 0.00 0.00

Age          3 76 10.00 0.00 0.00

Chu.vi       4 76 26.09 5.76 0.66

D1.3         5 76  8.31 1.83 0.21

Hvn          6 76  5.14 0.54 0.06

Dtan         7 76  1.94 0.35 0.04

------------------------------------------------------

group: 12

          vars  n  mean   sd   se

otc*         1 77  2.00 0.00 0.00

Loai.cay*    2 77  1.00 0.00 0.00

Age          3 77 12.00 0.00 0.00

Chu.vi       4 77 26.55 7.12 0.81

D1.3         5 77  8.45 2.27 0.26

Hvn          6 77  5.84 0.95 0.11

Dtan         7 77  2.55 0.70 0.08

------------------------------------------------------

group: 13

          vars  n  mean   sd   se

otc*         1 74 10.00 0.00 0.00

Loai.cay*    2 74  1.00 0.00 0.00

Age          3 74 13.00 0.00 0.00

Chu.vi       4 74 30.55 7.01 0.81

D1.3         5 74  9.73 2.23 0.26

Hvn          6 74  5.69 1.07 0.12

Dtan         7 74  2.55 0.66 0.08

> 

Từ kết quả phân tích các thông số thống kê trên theo các độ tuổi khác nhau. Theo các nhóm (group) khác nhau, cột mean biểu thị kết quả trị số trung bình về chu vi, đường kính, chiều cao và đường kính tán cho cây Keo lá liềm ở các độ tuổi khác nhau (biểu đồ thanh trên các hình), cột sd (sai tiêu chuẩn) cho từng chỉ tiêu ở các độ tuổi khác nhau (biểu thị thanh dọc có 2 râu trên các biểu đồ).

Read More

Hậu bão Mirinae

H

ậu quả mà cơn bão số 1/2016 (từ đêm 27/7 đến sáng 28/7) đổ bộ vào các tỉnh đồng bằng Bắc bộ, trong đó nặng nề nhất là các tỉnh Nam Định, Thái Bình, Ninh Bình, Hà Nam... khó mà có thể cân đo đong đếm được những thiệt hại do bão gây ra, đặc biệt những gì mà người dân địa phương phải vật lộn, chống chịu trước sự tàn phá ghê gớm mới thấu hiểu hết được. Bão nhiệt đới. Quy luật của tự nhiên. Chẳng có gì bàn cãi cả. Có chăng, chỉ là vấn đề dự báo sai, chưa sát với thực tế (1):

-       Trung tâm Dự báo khí tượng thủy văn Trung ương đã dự đoán sai cường độ của cơn bão khi dự báo cấp 8 nhưng thực tế bão đã mạnh cấp 9, gió giật cấp 10 - 13, ven biển giật cấp 13 - 15, đặc biệt bão di chuyển chậm, thậm chí nhiều lúc không di chuyển khiến sức tàn phá lớn.

-       Theo ông Nguyễn Văn Tuệ - Cục trưởng Cục Khí tượng Thủy văn và BĐKH (Bộ TN & MT) xác nhận, dự báo cường độ cơn bão số 1 chưa sát với thực tế. Thủ tướng cũng đã họp và yêu cầu đơn vị rút kinh nghiệm sâu sắc.

-       Chủ quan. Việc bão số 1 gây thiệt hại lớn lỗi không hoàn toàn do Trung tâm Dự báo khí tượng thủy văn dự báo sai mà còn có một phần chủ quan của các địa phương trong công tác ứng phó bão.

Do đó công tác chuẩn bị ứng phó với bão có phần bất cẩn, lơ là, chủ quan và hậu quả nặng nề mà người dân gánh chịu thì khó mà khắc phục hết được. Báo cáo Ủy ban quốc gia tìm kiếm cứu nạn cho biết, bão số 1 đã làm chết 2 người, 1 người mất tích, 9 người bị thương ở các tỉnh Nam Định, Thái Bình, Hà Nội. Bão làm sập 38 căn nhà, 2.355 nhà bị hỏng, tốc mái, nhấn chìm 59 tàu thuyền, hư hỏng 13 ô tô, hư hại 190.202 ha lúa và hoa màu, đổ 38.375 cây xanh... mạng lưới điện hạ thế hư hỏng nặng, gây sự cố mất điện trên diện rộng cho nhiều địa phương trong nhiều ngày (2).

Trên đây là một số nét chính, mà một số bài báo trên 24h đã nhận định, tổng kết. Tuy nhiên, điều đáng nói, cơ quan dự báo sai, chưa sát với thực tế, chính quyền địa phương chủ quan, lơ là trong công tác ứng phó bão... và người dân gánh chịu hậu quả cho những lỗ hổng về “năng lực và khả năng công nghệ dự báo của nước ta còn hạn chế” (1). Rồi “Thủ tướng yêu cầu rút kinh nghiệm dự báo bão sai” (3)... Không một đơn vị, cơ quan công quyền hay cá nhân nào chịu trách nhiệm. Đơn giản. Do bão. Do thiên nhiên gây ra. Thủ tướng yêu cầu các đơn vị, địa phương rút kinh nghiệm sâu sắc và là bài học kinh nghiệm nhãn tiền... Chao ôi. Bài học kinh nghiệm, rút kinh nghiệm đến khi nào? Bài học kinh nghiệm nhãn tiền trên cơ sở thiệt hại về người, của và sinh kế của người dân ư? Các vị ở nhà cao cửa rộng, bão có to hơn nữa cũng chẳng hề hấn chi, ngủ vẫn ngon, chẳng nghe và cảm nhận được những cơn cuồng phong thổi, giật như thế nào. Trong khi, người dân địa phương thấp thỏm, ứng phó với bão trong mưa, gió. Nhà sập. Nhà tốc mái. Tính mạng con người bị uy hiếp, nỗi đau về tinh thần đó chẳng gì làm nguôi ngoai được, khi họ cũng chỉ nghĩ do “mẹ thiên nhiên” gây ra. Khắc phục những hậu quả sau bão là cần kíp, bởi ổn định cuộc sống, sản xuất cho người dân. Tuy nhiên, đó chỉ là “thứ yếu”. Quan trọng hơn cả, công tác dự báo, chuẩn bị trước những cơn giận dữ của mẹ thiên nhiên để hạn chế đến mức thấp nhất những thiệt hại về người, của và tinh thần người dân, đặc biệt những người nghèo khó.

“Có trong chăn mới biết chăn có rận”. Có ở trong cảnh huống chống chọi với bão mới biết cơn bão mạnh, sức tàn phá ghê gớm thế nào? Mới biết người dân phải vật lộn trước hoàn cảnh đó như thế nào? “Cụ tưởng thổi bay cả nóc nhà khi thấy tấm tôn bay qua, chạm vào nóc”. Rồi “Bác tí nữa bị thổi bay cả người khi cố lên trần nhà tháo nước không nước chảy hết vào nhà” (trường hợp tại Hà Nam)... Đó là một trong vô vàn cảnh huống mà người dân trong thời khắc đó phải trải qua.

Sau cơn bão, cây cối đổ gãy tan tác. Tưởng rằng, năm nay ông trời đi vắng, được mùa nhãn. Nhưng thôi. Sau một đêm trút sạch. Sáng ra, nhãn, sấu lẫn lộn rụng nhan nhản, trải khắp mặt vườn. Cây nào còn ít quả cũng khó tận thu được, còn quả nào trên cây do va đập nên nhãn hỏng đằng nhãn (bị thối), sấu hỏng đằng sấu (vỏ sấu bị cọ sát, va đập bị thâm đen), chuối đổ la liệt... Khó có thể dùng văn ngữ nào để diễn tả hết, diễn tả đúng, sát với thực tế về những gì hiện hữu sau cơn bão Mirinae. Trong khi đó, trên kia (chỉ các vị dự báo, chính quyền địa phương) các vị chỉ rút kinh nghiệm, làm bài học nhãn tiền. Hàng năm, có cả chục cơn bão lớn có, bé có đổ bộ vào nước ta. Ấy vậy, các vị lấy đó làm bài học nhãn tiền, rút kinh nghiệm sâu sắc cho những cơn bão sau. Không thể lấy tính mạng, của cải vật chất, đời sống tinh thần của người dân làm bài học nhãn tiền cho các vị như vậy được. Không thể xem nhẹ tính mạng và lấy tính mạng của người dân như trò đùa.

=====================================================================

(1) http://www.24h.com.vn/tin-tuc-trong-ngay/thiet-hai-lon-do-bao-so-1-du-bao-sai-hay-dia-phuong-chu-quan-c46a808779.html

(2) http://www.24h.com.vn/tin-tuc-trong-ngay/bao-so-1-gay-hau-qua-ngoai-suc-tuong-tuong-vi-du-bao-sai-c46a807921.html

(3) http://baodatviet.vn/chinh-tri-xa-hoi/tin-tuc-thoi-su/thu-tuong-yeu-cau-rut-kinh-nghiem-du-bao-bao-sai-3315364/

Read More

Sự kết hợp giữa ggplot2 với ggthemes, rvg, ggiraph

T

rong phạm vi bài này, mình mới biết thêm và tập tành việc kết hợp package gggplot2 với package rvg and package ggiraph để tạo nên những biểu đồ đẹp, bắt mắt và quan trọng hơn cả là logic, khoa học hơn có thể. Như vậy, cho thấy ggplot2 có thể kết hợp với nhiều packages khác giúp làm đẹp hơn cho các biểu đồ mà mình mong muốn. Hãy thử tập tành chút với 04 packages (ggplot2, ggthemes, rvg and ggiraph) dưới đây. Tuy nhiên, để cảm nhận được sự khác biệt khi kết hợp ggplot2 với các gói khác thì việc dùng những cụm từ khó mà có thể diễn tả hết được. Vì vậy, nếu ai đó quan tâm nên thử để cảm nhận sự khác biệt đó.

Ví dụ dưới đây mình sẽ nói cụ thể từng layer ở mỗi packages khác nhau để kết hợp với gói ggplot 2 để vẽ biểu đồ. Như các bài trước mình đã kết hợp các layer giữa ggplot2 với gridExtra, giữa ggplot2 với ggthemes, hoặc giữa ggplot2 với ggthemes và gridExtra... ở bài này là sự hòa quyện giữa 04 packages để tạo nên một biểu đồ tương đối hoàn chỉnh. Xin được dùng từ tương đối thôi, bởi ggplot2 có thể kết hợp nhiều hơn nữa các gói khác để tạo nên những biểu đồ đẹp hơn, lung linh hơn và quan trọng hơn cả là KHOA HỌC.

Dưới dây là các layer ở mỗi gói khác nhau để kết hợp với ggplot2 là chủ đạo, cụ thể:

#data=rt2

#library (ggplot2)

#library (ggthemes)

#library (rvg)

#library (ggiraph)

#package (ggthemes)

# geom_rangeframe()+ theme_tufte()+scale_x_continuous(breaks=extended_range_breaks()(data$x))+scale_y_continuous(breaks=extended_range_breaks()(data$y))

#package (rvg)

#geom_point_interactive(aes(tooltip=..., data_id=...), size=...)

#package (ggiraph)

ggiraph(code=print(datanew), width=...)

Riêng việc kết hợp với ggiraph sẽ tạo ra link biểu đồ ngay trong ổ C của máy tính cá nhân. Từ đó biểu đồ đó, ta di chuột đến bất cứ điểm nào (dot) trên biểu đồ sẽ cho thông tin về điểm đó (trong ví dụ là chỉ số đường kính, chiều cao, tiết diện ngang, trữ lượng, độ cao...). Thực ra việc giải thích như vậy sẽ khó hình dung. Việc thử nghiệm, tập tành và cảm nhận những dữ liệu, biểu đồ tạo ra mới là phương án tốt nhất. Hãy cùng thử nghiệm và cảm nhận các biểu đồ qua sự kết hợp 04 packages nói trên.

  

> g1=ggplot(data=rt2, aes(x=diameter,y=tree_height, color=age))+ theme_minimal()+ xlab("stump diameter, cm")+ ylab("tree height, m")+geom_rangeframe()+ theme_tufte()+scale_x_continuous(breaks=extended_range_breaks()(rt2$diameter))+scale_y_continuous(breaks=extended_range_breaks()(rt2$tree_height)) +ggtitle(“Figure 1”)

> gg=g1+geom_point_interactive(aes(tooltip=age, data_id=age), size=2)

> ggiraph(code=print(gg), width=0.7)

#result Figure 1 

> g2=ggplot(data=rt2, aes(x=del_diameter,y=del_tree_height,colour=age))+ theme_minimal()+ xlab("growth stump diameter, cm/year")+ ylab("growth tree height, m/year")+geom_rangeframe()+ theme_tufte()+scale_x_continuous(breaks=extended_range_breaks()(rt2$del_diameter))+scale_y_continuous(breaks=extended_range_breaks()(rt2$del_tree_height))+ggtitle("Figure 2")

> gg2=g2+geom_point_interactive(aes(tooltip=age, data_id=age), size=2.5)+ scale_colour_gradient(low="#999999", high="#FF3333")

> ggiraph(code=print(gg2), hover_css="fill-opacity:.3:cursor:pointer:")

#result Figure 2 

> g3=ggplot(data=rt2, aes(x=g,y=m, color=do_cao))+ theme_minimal()+ xlab("G, cm2")+ ylab("M, m3")+geom_rangeframe()+ theme_tufte()+scale_x_continuous(breaks=extended_range_breaks()(rt2$g))+scale_y_continuous(breaks=extended_range_breaks()(rt2$m))+ggtitle("Figure 3")

> gg=g3+geom_point_interactive(aes(tooltip=do_cao, data_id=do_cao), size=2)

> ggiraph(code=print(gg), hover_css="fill-opacity:.3:cursor:pointer:")

#result Figure 3 

==============================================================================

Tham khảo: http://docs.ggplot2.org

Read More