Biến đổi khí hậu và các hiện tượng khí tượng cực đoan là nguyên nhân chính gây ra các thảm họa tự nhiên, đã đang ảnh hưởng không nhỏ đến tính mạng, tài sản của người dân, của xã hội của rất nhiều quốc gia trên thế giới. Việt Nam là một trong những quốc gia dễ bị tổn thương do biến đổi khí hậu toàn cầu; trong đó quy mô và tần suất trượt lở, số người chết và thiệt hại kinh tế luôn được xếp hạng cao so với các nước trong khu vực ASEAN (openjicareport, 2015). Theo tài liệu đánh giá của Cơ quan Môi trường châu Âu EEA (2022), những tác động lan rộng của biến đổi khí hậu đang ngày càng thể hiện rõ nét ở Ý. Với sự gia tăng thường xuyên hơn của các hiện tượng cực đoan như sóng nhiệt, hạn hán và lũ lụt, nước Ý cũng đang phải đối mặt với nhiều thách thức trong việc thích ứng với biến đổi khí hậu.
Trước những thách thức này, TS. Trương Xuân Quang cùng nhóm nghiên cứu tại Trường Đại học Tài Nguyên và Môi trường Hà Nội thực hiện đề tài nghiên cứu “Tích hợp trí tuệ nhân tạo và các công nghệ giám sát trái đất trong nghiên cứu tai biến trượt lở đất ở vùng núi phía Bắc Việt Nam” với mục tiêu: Xây dựng được mô hình trí tuệ nhân tạo nâng cao độ tin cậy trong nhận diện, giám sát tai biến trượt lở đất; Xây dựng được hệ thống Geoportal thu thập, xử lý và chia sẻ thông tin về trượt lở đất.
Nhóm nghiên cứu thực hiện đề tài đặc biệt quan tâm nghiên cứu các kỹ thuật mới nhằm giám sát các hiện tượng trượt lở đất và đề xuất các giải pháp tăng cường khả năng dự báo phục vụ cho mục đích phòng chống thiên tai trượt lở đất. Nhóm đã sử dụng Cách tiếp cận trong nghiên cứu tai biến, tiếp cận đồng bộ 5 hướng: (a) tiếp cận lịch sử, (b) tiếp cận hệ thống, (c) tiếp cận liên ngành, (d) tiếp cận mô hình, (e) tiếp cận khoa học công nghệ hiện đại. Tuy nhiên, để đạt hiệu quả cao trong nghiên cứu, chúng tôi rất chú trọng đến cách tiếp cận khoa học công nghệ hiện đại đang được sử dụng rộng rãi nhất trong nghiên cứu trượt lở (Nguyễn Ngọc Thạch và nnk, 2029).
Để nâng cao độ chính xác của mô hình và xử lý được bài toán dữ liệu lớn (tập hợp các yếu tố gây trượt lở), những năm gần đây, phương pháp dựa trên học máy (một nhánh nghiên cứu của lĩnh vực trí tuệ nhân tạo), đã được đề xuất để xây dựng mô hình trượt lở đất, sử dụng các kỹ thuật tính toán mềm (soft computing) dựa trên mạng nơ ron nhân tạo (artificial neural networks), mạng nơ ron học sâu (deep learning), máy vectơ hỗ trợ (support vector machines-SVM), cây quyết định (decision tree), các thuật toán kết hợp (ensemble model)... Khi sử dụng mô hình hiện đại, mối quan hệ giữa trượt lở đất và các yếu tố ảnh hưởng được xác định có độ chính xác cao hơn, khắc phục được tính chủ quan trong xác định trọng số các yếu tố ảnh hưởng, nâng cao độ tin cậy trong nhận diện, giám sát tai biến trượt lở đất hơn so với các mô hình trước đó.
Sau thời gian nghiên cứu, đề tài đã thu được những kết quả như sau:
Quan sát trái đất kết hợp các thuật toán trí tuệ nhân tạo trong nghiên cứu trượt lở đất đã mang lại kết quả tốt cho khu vực nghiên cứu cho cả phía Việt Nam và phía đối tác. Về mặt mô hình để nâng cao độ chính xác của bản đồ phân vùng dự báo nguy cơ trượt lở, nhóm nghiên cứu đã phối hợp với phía đối tác CH. Ý thử nghiệm nhiều mô hình khác nhau và đã lựa chọn được mô hình học kết hợp và mô hình rừng ngẫu nhiên là phương pháp tốt nhất.
Để nâng cao độ chính xác của mô hình, dữ liệu kiểm kê trượt lở cũng được cập nhật thêm các điểm trượt lở mới, tập dữ liệu không trượt lở cũng quyết định sự chính xác của mô hình, chính vì thế mở rộng các điều kiện và xác định chính xác các vị trí không trượt lở là rất quan trọng. Hiện giờ phía đối tác Ý sử dụng độ dốc và tính kháng trượt để tìm các điểm không trượt lở, phía Việt Nam sử dụng độ dốc và đố rắn chắc của lớp đất đá để xây dựng tập dữ liệu không trượt lở.
Do địa hình đồi núi cao, dữ liệu trượt lở đất được thu thập tập trung vào các địa điểm gần các tuyến đường chính. Các phương pháp đề tài đề xuất như; PSInSAR và mô hình UNET để nhận dạng và giám sát dịch chuyển là phù hợp cho những khu vực. Tuy nhiên để có khẳng định chắc chắn vẫn cần có những kiếm chứng thực tại, UAV là một công cụ rất phù hợp cho việc kiểm tra này.
Khu vực Văn Yên và Mù Cang Chải có địa hình thung lung hẹp, quỹ đất trong xây dựng cơ sở hạ tầng là một vấn đề nóng, nên để xây dựng hạ tầng người dân thường phải khoét và đánh chân núi hoặc taluy, điều này tạo nên những độ dốc nhân tạo, điều đó ngoài gây ra khả năng trượt lở đất rất cao còn tạo nên sai số khi xây dựng các mô hình dựa trên mô hình số độ cao hoặc bản đồ địa hình vốn khó có thể cập nhật liên tục. Vì vậy, bản đồ phân vùng dự báo nguy cơ trượt lở có thể là một tài liệu tham khảo hữu ích cho địa phương trong quy hoạch và cấp phép việc mở rộng diện tích sử dụng vào chân taluy.
Dữ liệu sentinel-1 có độ phân giải 10m rất phù hợp với mô hình trí tuệ nhân tạo trong xây dựng các lớp thông tin liên quan đến lớp phủ và thảm thực vật, với sai số mô hình và kiểm tra nhiều lần ngoài thực địa thì độ chính xác của nó đạt được lên đến hơn 90% cho khu vực Văn Yên và Mù Cang Chải.
Ở những địa phương có tần suất trượt lở cao như Yên Bái thì chính quyền và người dân địa phương đang rất cần một công cụ thực sự để cảnh báo và dự báo tai biến trượt lở. Các công nghệ xây WebGIS và Geoportal được sử dụng trong hệ thống đều hoạt động tốt và đồng bộ, chính vì thế bản đồ cảnh báo nguy cơ trượt lở đất gần thời gian thực đã đáp ứng được khả năng dự báo gần thời gian thực và hơn thế nữa nó có thể dự báo trước đến 03 ngày dựa vào lượng mưa dự báo từ mô hình GFS. Hệ thống đã vận hành và cho kết quả liên tục, tuy nhiên vẫn cần phải giám sát để kiếm chứng khả năng cảnh báo với những trận mưa lớn kéo dài trong tương lai.
Ứng dụng điện thoại thu thập dữ liệu trượt lở là một ứng dụng hoàn thiện từ thu thập, tập chung dữ liệu vào CSDL cho đến chia sẻ lên Geoportal có đầy đủ các chức năng như thêm, sửa, xóa, xác thực dữ liệu trượt lở. Tuy nhiên để đáp ứng được mục tiêu thu thập thông tin từ các nguồn: Cán bộ kỹ thuật và từ cộng đồng thì cần có những nỗ lực của các ban ngành tại địa phương hỗ trợ quảng bá ứng dụng đến người dân và các nghiên cứu sau này.
Có thể tìm đọc toàn văn báo cáo kết quả nghiên cứu (mã số 23235/2023) tại Cục Thông tin khoa học và công nghệ quốc gia.
Đ.T.V (NASATI)
