Ứng dụng mạng nơ ron nhân tạo dự báo nước dâng do bão dựa trên dữ liệu gnss r thực nghiệm với cơn bão noru tại thừa thiên huế năm 2022 tt

Nghiên cứu ứng dụng mạng nơ-ron nhân tạo dự báo nước dâng do bão Noru 2022 tại Thừa Thiên Huế, sử dụng dữ liệu GNSS-R. Giải pháp hiệu quả ứng phó biến đổi khí hậu.

• Tác giả: Nguyễn Phương Bắc
• Người hướng dẫn: TS. Hà Minh Cường
• Trường học: Trường Đại Học Khoa Học Tự Nhiên – Đại Học Quốc Gia Hà Nội
• Chuyên ngành: Bản đồ, viễn thám và hệ thông tin địa lý
• Đề tài: Ứng Dụng Mạng Nơ Ron Nhân Tạo Dự Báo Nước Dâng Do Bão Dựa Trên Dữ Liệu GNSS-R: Thực Nghiệm Với Cơn Bão Noru Tại Thừa Thiên Huế Năm 2022
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2024
• Địa điểm: Hà Nội

Mục lục chi tiết

• MỞ ĐẦU
• 1. CHƯƠNG 1: TỔNG QUAN VẤN ĐỀ NGHIÊN CỨU
• 1.1. Khái quát chung
• 1.2. Ảnh hưởng của nước dâng cực đoan đến các tỉnh ven biển Việt Nam
• 1.3. Các phương pháp đo cao mực nước
• 1.4. Các phương pháp dự báo nước dâng do bão
• 2. CHƯƠNG 2: CƠ SỞ KHOA HỌC ỨNG DỤNG CÔNG NGHỆ PHẢN XẠ GNSS TRONG GIÁM SÁT VÀ DỰ BÁO NƯỚC DÂNG DO BÃO
• 2.1. Khái quát chung về GNSS
• 2.2. Nguyên lý của định vị GNSS
• 2.3. Các nguồn sai số trong phép đo GNSS
• 3. CHƯƠNG 3: KẾT QUẢ THỰC NGHIỆM TẠI ĐẦM PHÁ TAM GIANG, THỪA THIÊN HUẾ
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Về Dự Báo Nước Dâng Bão Noru 2022 Tại Huế

Theo báo cáo của IPCC, biến đổi khí hậu đang gây ra những tác động nghiêm trọng trên toàn cầu, ảnh hưởng đến cuộc sống của hàng tỷ người. Việt Nam, với đường bờ biển dài, là một trong những quốc gia dễ bị tổn thương nhất. Trước bão Noru năm 2022, miền Trung đã gánh chịu nhiều cơn bão lớn, gây thiệt hại nặng nề. Dự báo đến cuối thế kỷ 21, mực nước biển có thể dâng từ +24 cm đến +84 cm, đe dọa nhấn chìm các vùng đồng bằng ven biển. Do đó, việc theo dõi và xác định xu hướng biến động mực nước biển là rất quan trọng. Các công nghệ mới, như GNSS-R và mạng nơ-ron, đóng vai trò quan trọng trong việc giám sát và cảnh báo sớm thiên tai. Nghiên cứu này tập trung vào ứng dụng mạng nơ-ron và dữ liệu GNSS-R để dự báo nước dâng do bão Noru năm 2022 tại Huế, nhằm chứng minh tính khả thi của các trạm GNSS giá rẻ trong việc phát hiện và dự đoán các sự kiện thủy văn cực đoan.

1.1. Tầm Quan Trọng của Dự Báo Nước Dâng Ven Biển

Việc dự báo nước dâng ven biển đóng vai trò quan trọng trong việc bảo vệ cộng đồng và cơ sở hạ tầng. Nước dâng do bão có thể gây ra ngập lụt nghiêm trọng, phá hủy nhà cửa, và gây thiệt hại lớn cho nền kinh tế. Theo NOAA, nước dâng do bão là "sự dâng lên bất thường của nước do bão tạo ra, vượt quá thủy triều thiên văn dự đoán." Do đó, cần có các biện pháp dự báo chính xác để cảnh báo sớm và di tản dân cư kịp thời. Dự báo chính xác giúp chính quyền địa phương đưa ra quyết định hiệu quả trong việc quản lý rủi ro thiên tai. Việc kết hợp các công nghệ tiên tiến như GNSS-R và mạng nơ-ron giúp nâng cao độ chính xác của dự báo và giảm thiểu thiệt hại.

1.2. Tổng Quan Về Bão Noru và Ảnh Hưởng Đến Thừa Thiên Huế

Bão Noru năm 2022 là một trong những cơn bão mạnh đổ bộ vào miền Trung Việt Nam. Cơn bão gây ra nước dâng cao, gió mạnh và mưa lớn, ảnh hưởng nghiêm trọng đến các tỉnh ven biển, đặc biệt là Thừa Thiên Huế. Bão Noru gây ra ngập lụt trên diện rộng, thiệt hại về nhà cửa, mùa màng và cơ sở hạ tầng. Nghiên cứu này tập trung vào việc sử dụng dữ liệu GNSS-R và mạng nơ-ron để dự báo mức độ nước dâng do bão tại Huế. Kết quả nghiên cứu có thể giúp cải thiện khả năng dự báo và ứng phó với các cơn bão tương tự trong tương lai.

II. Thách Thức Trong Dự Báo Nước Dâng Do Bão Tại Huế

Dự báo nước dâng do bão là một nhiệm vụ phức tạp do sự tương tác của nhiều yếu tố khác nhau, bao gồm thủy triều, gió, áp suất khí quyển và địa hình ven biển. Việc thiếu dữ liệu quan trắc đầy đủ và chính xác, đặc biệt là ở các khu vực ven biển có địa hình phức tạp như Huế, là một thách thức lớn. Các mô hình dự báo truyền thống thường dựa trên các phương pháp thống kê hoặc số trị, có thể không đủ khả năng nắm bắt được các biến động phi tuyến tính và tương tác phức tạp giữa các yếu tố. Do đó, việc ứng dụng các công nghệ mới như mạng nơ-ron và GNSS-R, kết hợp với dữ liệu quan trắc đa nguồn, có thể giúp cải thiện độ chính xác và tin cậy của dự báo.

2.1. Hạn Chế của Mô Hình Dự Báo Truyền Thống

Các mô hình dự báo nước dâng truyền thống thường dựa vào các phương pháp thống kê hoặc số trị. Mô hình thống kê có thể không đủ khả năng nắm bắt được sự phức tạp của các yếu tố thủy văn. Mô hình số trị đòi hỏi dữ liệu đầu vào chi tiết và chính xác, điều này khó khăn trong việc thu thập đầy đủ và đồng nhất dữ liệu. Theo luận văn, "Dự báo nước dâng do bão ban đầu chủ yếu dựa vào các phương pháp mô hình thống kê, tuy nhiên phương pháp này có độ chính xác hạn chế do sự biến động phức tạp của các yếu tố thủy văn.".

2.2. Bài Toán Thiếu Dữ Liệu Quan Trắc Thực Tế Tại Huế

Việc thiếu dữ liệu quan trắc đầy đủ và chính xác là một thách thức lớn trong dự báo nước dâng. Đặc biệt ở các khu vực ven biển có địa hình phức tạp như Huế. Dữ liệu về mực nước, gió, áp suất khí quyển và địa hình ven biển rất quan trọng để xây dựng các mô hình dự báo chính xác. Việc thu thập dữ liệu này đòi hỏi đầu tư lớn vào hệ thống quan trắc và duy trì hoạt động của chúng. Để khắc phục, ứng dụng GNSS-R có thể giúp thu thập dữ liệu quan trắc từ xa với chi phí thấp.

III. Phương Pháp Dự Báo Nước Dâng Mạng Nơ ron GNSS R

Nghiên cứu này đề xuất một phương pháp dự báo nước dâng kết hợp mạng nơ-ron và dữ liệu GNSS-R. GNSS-R cung cấp dữ liệu quan trắc mực nước biển từ xa với chi phí thấp. Mạng nơ-ron có khả năng học và mô hình hóa các mối quan hệ phi tuyến tính giữa các yếu tố ảnh hưởng đến nước dâng. Phương pháp này tận dụng ưu điểm của cả hai công nghệ để cải thiện độ chính xác và tin cậy của dự báo nước dâng do bão Noru tại Huế. Việc kết hợp này mở ra hướng tiếp cận mới trong việc giám sát và dự báo các hiện tượng thủy văn cực đoan.

3.1. Ứng Dụng Dữ Liệu GNSS R Trong Đo Đạc Mực Nước Biển

GNSS-R là một công nghệ viễn thám sử dụng tín hiệu GNSS phản xạ từ bề mặt Trái Đất để thu thập thông tin về môi trường. Trong ứng dụng đo đạc mực nước biển, GNSS-R thu thập tín hiệu phản xạ từ mặt nước. Phân tích sự thay đổi của tín hiệu để ước tính độ cao mực nước. Công nghệ này có ưu điểm chi phí thấp, khả năng phủ sóng rộng và hoạt động liên tục. Theo Larson, Löfgren and Haas (2013), các trạm thu tín hiệu GNSS cố định ở ven biển có thể được sử dụng làm thước đo thủy triều nhờ việc ghi lại dữ liệu SNR.

3.2. Sử Dụng Mạng Nơ ron Để Xây Dựng Mô Hình Dự Báo

Mạng nơ-ron là một loại mô hình học máy có khả năng học và mô hình hóa các mối quan hệ phức tạp giữa các biến số. Trong dự báo nước dâng, mạng nơ-ron có thể được huấn luyện trên dữ liệu lịch sử về mực nước, gió, áp suất khí quyển và các yếu tố khác để dự đoán mực nước trong tương lai. Mô hình này có khả năng xử lý dữ liệu đa nguồn, học các mẫu phi tuyến tính và thích nghi với các điều kiện thay đổi. Theo luận văn, "Hệ thống AI có thể phân tích dữ liệu đa nguồn như dữ liệu viễn thám, dữ liệu khí tượng thủy văn, dữ liệu địa lý và kinh tế - xã hội để cung cấp các mô hình dự báo chính xác."

IV. Kết Quả Nghiên Cứu Dự Báo Bão Noru Tại Đầm Phá Tam Giang

Nghiên cứu đã thực hiện thực nghiệm dự báo nước dâng do bão Noru tại khu vực đầm phá Tam Giang, Thừa Thiên Huế, sử dụng dữ liệu GNSS-R và mạng nơ-ron. Kết quả cho thấy mô hình dự báo có độ chính xác cao, có khả năng nắm bắt được các biến động nước dâng do bão. Nghiên cứu này chứng minh tính khả thi của việc sử dụng các trạm đo GNSS chi phí thấp để giám sát mực nước và dự báo các sự kiện thủy văn cực đoan. Kết quả này có ý nghĩa quan trọng trong việc cải thiện khả năng phòng chống thiên tai và bảo vệ cộng đồng ven biển.

4.1. Đánh Giá Độ Chính Xác của Mô Hình Dự Báo

Đánh giá độ chính xác của mô hình dự báo nước dâng là bước quan trọng để xác định hiệu quả của phương pháp. Các chỉ số đánh giá độ chính xác bao gồm sai số trung bình, sai số tuyệt đối trung bình và hệ số tương quan. Kết quả cho thấy mô hình có độ chính xác cao, có khả năng dự đoán mực nước trong thời gian thực với sai số chấp nhận được. Việc so sánh kết quả dự báo với dữ liệu quan trắc thực tế giúp xác định điểm mạnh và điểm yếu của mô hình, từ đó cải thiện độ chính xác trong tương lai.

4.2. So Sánh Với Các Phương Pháp Dự Báo Truyền Thống

Việc so sánh kết quả dự báo của mô hình mạng nơ-ron và GNSS-R với các phương pháp dự báo truyền thống giúp đánh giá ưu điểm của phương pháp mới. Kết quả cho thấy mô hình mới có độ chính xác cao hơn, đặc biệt trong việc dự báo các biến động phi tuyến tính của nước dâng. Mô hình mới cũng có khả năng xử lý dữ liệu đa nguồn và thích nghi với các điều kiện thay đổi tốt hơn so với các phương pháp truyền thống. Theo luận văn, việc kết hợp các phương pháp truyền thống và công nghệ tiên tiến như học máy giúp cung cấp dự báo chính xác và kịp thời.

V. Ứng Dụng Thực Tiễn Tiềm Năng Phát Triển Của GNSS R

Kết quả nghiên cứu này có ý nghĩa thực tiễn quan trọng trong việc cải thiện khả năng giám sát mực nước và dự đoán các sự kiện thủy văn cực đoan, đặc biệt là ở các khu vực ven biển dễ bị tổn thương như miền Trung Việt Nam. Việc sử dụng ăng-ten GNSS giá rẻ không chỉ giúp giảm chi phí mà còn nâng cao hiệu quả theo dõi và dự đoán, hỗ trợ các quyết định chính sách và phòng chống thiên tai. Nghiên cứu này cũng mở ra tiềm năng phát triển và ứng dụng rộng rãi công nghệ GNSS-R trong các lĩnh vực khác như giám sát biến đổi khí hậu, quản lý tài nguyên nước và nông nghiệp.

5.1. Tiềm Năng Ứng Dụng GNSS R Tại Các Vùng Ven Biển

GNSS-R có tiềm năng ứng dụng rộng rãi tại các vùng ven biển trong việc giám sát mực nước, dự báo nước dâng, và quản lý rủi ro thiên tai. Công nghệ này có thể được sử dụng để xây dựng hệ thống cảnh báo sớm nước dâng do bão, giúp người dân và chính quyền địa phương chuẩn bị và ứng phó kịp thời. GNSS-R cũng có thể được sử dụng để theo dõi tác động của biến đổi khí hậu lên mực nước biển và đánh giá hiệu quả của các biện pháp phòng chống thiên tai.

5.2. Hướng Nghiên Cứu Mở Rộng và Phát Triển Công Nghệ GNSS R

Có nhiều hướng nghiên cứu mở rộng và phát triển công nghệ GNSS-R trong tương lai. Một hướng là cải thiện độ chính xác của GNSS-R bằng cách phát triển các thuật toán xử lý tín hiệu tiên tiến hơn và kết hợp dữ liệu GNSS-R với các nguồn dữ liệu khác. Một hướng khác là phát triển các ứng dụng mới của GNSS-R trong các lĩnh vực như giám sát biến đổi khí hậu, quản lý tài nguyên nước và nông nghiệp. Việc nghiên cứu và phát triển công nghệ GNSS-R sẽ góp phần giải quyết các vấn đề toàn cầu về biến đổi khí hậu và phát triển bền vững.

VI. Kết Luận Triển Vọng Dự Báo Nước Dâng Do Bão Bằng AI

Nghiên cứu này đã chứng minh tính khả thi và hiệu quả của việc sử dụng mạng nơ-ron và dữ liệu GNSS-R để dự báo nước dâng do bão Noru tại Huế. Phương pháp này có tiềm năng cải thiện đáng kể khả năng dự báo nước dâng và giúp bảo vệ cộng đồng ven biển khỏi thiên tai. Trong tương lai, việc kết hợp các công nghệ trí tuệ nhân tạo và viễn thám sẽ đóng vai trò ngày càng quan trọng trong việc giám sát và dự báo các hiện tượng thủy văn cực đoan.

6.1. Tóm Tắt Kết Quả Chính và Ý Nghĩa Khoa Học

Nghiên cứu đã thành công trong việc ứng dụng mạng nơ-ron và dữ liệu GNSS-R để dự báo nước dâng do bão Noru tại Huế. Kết quả cho thấy mô hình dự báo có độ chính xác cao và có khả năng nắm bắt được các biến động phi tuyến tính của nước dâng. Theo luận văn, kết quả đạt được "góp phần khẳng định và mở rộng khả năng ứng dụng công nghệ GNSS-R và trí tuệ nhân tạo trong việc giám sát và dự báo nước dâng do bão với chi phí thấp và độ chính xác cao."

6.2. Đề Xuất Giải Pháp Ứng Dụng và Phát Triển Tiếp Theo

Nghiên cứu đề xuất một số giải pháp ứng dụng và phát triển tiếp theo. Xây dựng hệ thống cảnh báo sớm nước dâng dựa trên kết quả dự báo, sử dụng các trạm đo GNSS chi phí thấp để mở rộng mạng lưới quan trắc mực nước biển, và phát triển các ứng dụng mới của GNSS-R trong các lĩnh vực khác. Việc tiếp tục nghiên cứu và phát triển công nghệ GNSS-R sẽ góp phần giải quyết các vấn đề toàn cầu về biến đổi khí hậu và phát triển bền vững.

Nội dung chính

Tổng quan nghiên cứu

Biến đổi khí hậu toàn cầu đang gây ra những tác động nghiêm trọng, trong đó nước dâng do bão là một hiện tượng thủy văn cực đoan ảnh hưởng lớn đến các vùng ven biển. Việt Nam, với đường bờ biển dài hơn 3.260 km và nhiều khu vực đồng bằng ven biển rộng lớn, đặc biệt là miền Trung, là một trong những quốc gia dễ bị tổn thương nhất trước các hiện tượng này. Báo cáo của Ủy ban Liên Chính phủ về Biến đổi Khí hậu (IPCC) cảnh báo rằng mực nước biển có thể dâng từ 24 cm đến 84 cm vào cuối thế kỷ 21, đe dọa nghiêm trọng đến sinh kế và môi trường sống của người dân ven biển. Cơn bão Noru năm 2022 tại Thừa Thiên Huế là một ví dụ điển hình cho tác động của nước dâng do bão, gây thiệt hại lớn về người và tài sản.

Nghiên cứu này nhằm ứng dụng mạng nơ ron nhân tạo (Artificial Neural Network - ANN) kết hợp với dữ liệu phản xạ từ hệ thống vệ tinh định vị toàn cầu (GNSS-R) để dự báo nước dâng do bão tại khu vực đầm phá Tam Giang, Thừa Thiên Huế trong giai đoạn từ tháng 11/2022 đến tháng 12/2023. Mục tiêu cụ thể là chứng minh tính khả thi của các trạm GNSS đa tần giá rẻ trong việc giám sát mực nước và dự báo các sự kiện thủy văn cực đoan với độ chính xác cao, đồng thời góp phần nâng cao hiệu quả công tác phòng chống thiên tai tại các vùng ven biển dễ bị tổn thương. Nghiên cứu có ý nghĩa quan trọng trong việc phát triển các công nghệ giám sát thủy văn hiện đại, giảm thiểu thiệt hại do thiên tai và hỗ trợ quản lý tài nguyên nước bền vững.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu dựa trên hai lý thuyết và mô hình chính:

1. Công nghệ phản xạ GNSS (GNSS-R): GNSS-R sử dụng tín hiệu phản xạ từ bề mặt nước để ước tính mực nước biển. Tín hiệu đa đường (multipath) được phân tích qua tỷ lệ tín hiệu trên tạp âm (SNR) để trích xuất chiều cao bề mặt phản xạ so với ăng-ten thu. Phương pháp GNSS-IR (GNSS Interferometric Reflectometry) là một trường hợp đặc biệt, sử dụng sự giao thoa giữa tín hiệu trực tiếp và phản xạ để đo mực nước với độ chính xác cao. GNSS-R có ưu điểm về chi phí thấp, độ phủ không gian rộng và thời gian lặp lại ngắn, phù hợp cho giám sát liên tục các biến động mực nước.

2. Mạng nơ ron nhân tạo (ANN): Mạng ANN mô phỏng cấu trúc mạng thần kinh sinh học, gồm các lớp đầu vào, lớp ẩn và lớp đầu ra, sử dụng thuật toán lan truyền ngược (Backpropagation) để huấn luyện. ANN có khả năng xử lý các vấn đề phi tuyến phức tạp, chịu nhiễu tốt và hoạt động hiệu quả với dữ liệu lớn. Trong nghiên cứu này, ANN được sử dụng để dự báo mực nước dựa trên dữ liệu GNSS-R kết hợp với các thông số khí tượng thủy văn như áp suất khí quyển và độ ẩm.

Các khái niệm chính bao gồm: mực nước biển trung bình (Mean Sea Level - MSL), nước dâng do bão, tín hiệu đa đường (multipath), phân tích chuỗi thời gian (SSA, WT), và mô hình dự báo thủy văn.

Phương pháp nghiên cứu

Nguồn dữ liệu chính bao gồm:

• Dữ liệu GNSS-R thu thập từ trạm đặt tại đầm phá Tam Giang, Thừa Thiên Huế, với ăng-ten cao 8,3 m so với mực nước biển, ghi nhận tín hiệu phản xạ từ các vệ tinh GPS, GLONASS, Galileo, BDS và QZSS.
• Dữ liệu thủy văn từ trạm Kim Long gần khu vực nghiên cứu, cung cấp số liệu mực nước quan trắc hằng giờ.
• Dữ liệu khí tượng thủy văn liên quan như áp suất khí quyển, độ ẩm và lượng mưa.

Phương pháp phân tích bao gồm:

• Phân tích chuỗi thời gian: Sử dụng phân tích phổ đơn (SSA) để tách các thành phần xu hướng, chu kỳ và nhiễu trong dữ liệu mực nước GNSS-R; phân tích sóng con (Wavelet Transform - WT) để đánh giá mối tương quan thời gian-tần số giữa mực nước và các yếu tố khí tượng.
• Mô hình dự báo: Xây dựng và huấn luyện mạng nơ ron nhân tạo (ANN) với 12 chuỗi dữ liệu đầu vào, trong đó 80% dữ liệu dùng để huấn luyện và 20% để kiểm chứng. Mô hình được đánh giá qua độ tương quan giữa dự báo và quan trắc thực tế.

Quá trình nghiên cứu diễn ra từ tháng 11/2022 đến tháng 12/2023, với cỡ mẫu dữ liệu quan sát hơn 5.000 giờ cho huấn luyện và hơn 2.000 giờ cho kiểm chứng.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Độ chính xác của GNSS-R trong ước tính mực nước: Kết quả ước tính mực nước từ tín hiệu GNSS-R tương đồng với dữ liệu quan trắc tại trạm Kim Long, đặc biệt trong các sự kiện khí tượng cực đoan như bão Noru (tháng 9/2022) và lũ lớn (tháng 10/2022). Mối tương quan hai chiều giữa hai chuỗi dữ liệu đạt mức cao, tuy nhiên mực nước tại trạm Kim Long thường cao hơn trung bình khoảng 0,5 m, có thể chênh lệch lên đến 2 m do đặc điểm địa hình và vị trí đo khác nhau.

2. Phân tích chuỗi thời gian SSA: Chuỗi mực nước GNSS-R được phân tách thành 14 thành phần, trong đó bốn thành phần đầu chiếm 98,3% giá trị chuẩn hóa. Thành phần chính (RC1) phản ánh xu hướng biến động mực nước liên quan đến áp suất khí quyển, trong khi các thành phần khác phản ánh ảnh hưởng của dòng chảy sông và sóng gió. Các tín hiệu đặc thù liên quan đến bão Noru và lũ lụt được nhận diện rõ ràng.

3. Phân tích sóng con chéo (XWT): Mối tương quan giữa mực nước GNSS-R và áp suất khí quyển thể hiện rõ ở chu kỳ 0,5 ngày (thủy triều) và chu kỳ từ 1 đến 8 ngày, đặc biệt trong thời gian xảy ra bão Noru, cho thấy sự ảnh hưởng mạnh mẽ của áp suất khí quyển đến biến động mực nước.

4. Hiệu quả mô hình ANN trong dự báo: Mô hình ANN dự báo mực nước dâng do bão năm 2022 đạt độ chính xác cao, với mối tương quan thuận giữa dự báo và quan trắc thực tế trong các đợt nước dâng cao nhất. Năm 2023, mô hình vẫn nhận diện được xu hướng biến động mực nước mặc dù độ tương quan thấp hơn do thiếu dữ liệu đầu vào đầy đủ.

Thảo luận kết quả

Sự tương đồng giữa dữ liệu GNSS-R và trạm thủy văn truyền thống khẳng định tính khả thi của công nghệ GNSS-R trong giám sát mực nước với chi phí thấp và độ phủ rộng. Sự khác biệt về biên độ dao động phản ánh ảnh hưởng của vị trí địa lý và đặc điểm thủy văn khu vực, đồng thời cho thấy cần cải tiến thuật toán xử lý để loại bỏ nhiễu sóng.

Phân tích SSA và WT cung cấp cái nhìn sâu sắc về các yếu tố ảnh hưởng đến mực nước, giúp phân biệt các thành phần xu hướng dài hạn và các biến động ngắn hạn do thiên tai. Kết quả này phù hợp với các nghiên cứu quốc tế về ứng dụng GNSS-R trong giám sát thủy văn.

Mô hình ANN thể hiện ưu thế trong xử lý dữ liệu phi tuyến và dự báo các sự kiện thủy văn cực đoan, hỗ trợ công tác cảnh báo sớm. Tuy nhiên, độ chính xác dự báo phụ thuộc vào chất lượng và đầy đủ của dữ liệu đầu vào, đòi hỏi cải tiến trong thu thập và xử lý dữ liệu.

Dữ liệu có thể được trình bày qua biểu đồ so sánh chuỗi thời gian mực nước GNSS-R và trạm Kim Long, biểu đồ phân tách thành phần SSA, biểu đồ sóng con chéo XWT và biểu đồ dự báo ANN để minh họa hiệu quả mô hình.

Đề xuất và khuyến nghị

1. Triển khai mở rộng mạng lưới trạm GNSS-R: Đề xuất lắp đặt thêm các trạm GNSS-R tại các khu vực ven biển nhạy cảm về thủy văn nhằm tăng độ phủ và độ chính xác trong giám sát mực nước, đặc biệt tại các vùng dễ bị ảnh hưởng bởi bão và lũ lụt. Thời gian thực hiện trong vòng 2 năm, do các cơ quan quản lý địa phương và trung ương phối hợp thực hiện.

2. Phát triển và hoàn thiện thuật toán xử lý dữ liệu: Tập trung nghiên cứu cải tiến các thuật toán lọc nhiễu và phân tích tín hiệu GNSS-R để giảm thiểu ảnh hưởng của sóng và nhiễu đa đường, nâng cao độ chính xác ước tính mực nước. Thời gian triển khai 1-2 năm, do các viện nghiên cứu và trường đại học chủ trì.

3. Mở rộng ứng dụng mô hình mạng nơ ron nhân tạo: Phát triển mô hình dự báo đa biến kết hợp dữ liệu GNSS-R và các dữ liệu khí tượng thủy văn truyền thống nhằm nâng cao độ chính xác và khả năng dự báo dài hạn. Khuyến nghị đào tạo nhân lực chuyên môn về AI và thủy văn để vận hành mô hình hiệu quả. Thời gian thực hiện 1-3 năm.

4. Tăng cường hợp tác liên ngành và chia sẻ dữ liệu: Xây dựng cơ chế phối hợp giữa các cơ quan khí tượng thủy văn, địa lý, công nghệ thông tin và quản lý thiên tai để chia sẻ dữ liệu và công nghệ, nâng cao năng lực cảnh báo sớm và ứng phó thiên tai. Đồng thời tổ chức các khóa đào tạo, hội thảo nâng cao nhận thức cộng đồng về công nghệ mới. Thời gian thực hiện liên tục, ưu tiên trong 1 năm đầu.

Đối tượng nên tham khảo luận văn

1. Các nhà nghiên cứu và học giả trong lĩnh vực bản đồ, viễn thám và hệ thống thông tin địa lý: Luận văn cung cấp phương pháp ứng dụng công nghệ GNSS-R và mạng nơ ron nhân tạo trong giám sát và dự báo thủy văn, mở rộng kiến thức và công cụ nghiên cứu.

2. Cơ quan quản lý thiên tai và phòng chống lũ lụt: Kết quả nghiên cứu giúp nâng cao hiệu quả dự báo nước dâng do bão, hỗ trợ xây dựng các kế hoạch ứng phó kịp thời, giảm thiểu thiệt hại về người và tài sản.

3. Chính quyền địa phương và các tổ chức phát triển bền vững vùng ven biển: Thông tin về biến động mực nước và dự báo thủy văn hỗ trợ quản lý tài nguyên nước, quy hoạch phát triển đô thị và bảo vệ môi trường.

4. Các nhà phát triển công nghệ và doanh nghiệp trong lĩnh vực viễn thám và trí tuệ nhân tạo: Luận văn trình bày ứng dụng thực tiễn của các công nghệ mới, tạo cơ sở phát triển sản phẩm và dịch vụ giám sát môi trường với chi phí hợp lý.

Câu hỏi thường gặp

1. GNSS-R là gì và tại sao được sử dụng để đo mực nước?
   GNSS-R là công nghệ sử dụng tín hiệu phản xạ từ vệ tinh định vị toàn cầu để ước tính mực nước. Nó có ưu điểm chi phí thấp, độ phủ rộng và khả năng đo liên tục, phù hợp với giám sát biến động mực nước biển và nước dâng do bão.

2. Mạng nơ ron nhân tạo giúp gì trong dự báo nước dâng?
   Mạng nơ ron nhân tạo có khả năng xử lý dữ liệu phi tuyến và phức tạp, giúp dự báo chính xác các biến động mực nước dựa trên nhiều yếu tố đầu vào như dữ liệu GNSS-R và khí tượng thủy văn, hỗ trợ cảnh báo sớm thiên tai.

3. Độ chính xác của dữ liệu GNSS-R so với trạm thủy văn truyền thống như thế nào?
   Dữ liệu GNSS-R có độ chính xác tương đương với trạm thủy văn truyền thống trong nhiều trường hợp, đặc biệt khi được xử lý bằng các thuật toán phân tích tín hiệu hiện đại. Tuy nhiên, sự khác biệt về vị trí đo và đặc điểm địa hình có thể gây chênh lệch biên độ.

4. Phân tích chuỗi thời gian SSA và sóng con có vai trò gì?
   Phân tích SSA giúp tách các thành phần xu hướng và chu kỳ trong dữ liệu mực nước, trong khi phân tích sóng con cho phép đánh giá mối tương quan thời gian-tần số giữa mực nước và các yếu tố khí tượng, giúp nhận diện các sự kiện thủy văn cực đoan.

5. Làm thế nào để ứng dụng kết quả nghiên cứu vào thực tiễn?
   Kết quả nghiên cứu có thể được ứng dụng trong việc thiết lập mạng lưới giám sát mực nước bằng GNSS-R, phát triển mô hình dự báo thủy văn dựa trên AI, hỗ trợ các cơ quan phòng chống thiên tai trong việc cảnh báo sớm và xây dựng chính sách quản lý tài nguyên nước hiệu quả.

Kết luận

• Công nghệ GNSS-R kết hợp với mạng nơ ron nhân tạo đã chứng minh được khả năng giám sát và dự báo nước dâng do bão với chi phí thấp và độ chính xác cao tại đầm phá Tam Giang, Thừa Thiên Huế.
• Phân tích chuỗi thời gian SSA và sóng con giúp làm rõ các yếu tố ảnh hưởng đến mực nước và nhận diện các sự kiện thủy văn cực đoan như bão Noru và lũ lớn.
• Mô hình ANN đạt hiệu suất cao trong dự báo đỉnh lũ năm 2022, mở ra hướng phát triển ứng dụng trí tuệ nhân tạo trong dự báo thủy văn.
• Nghiên cứu góp phần nâng cao hiệu quả công tác phòng chống thiên tai và quản lý tài nguyên nước tại các vùng ven biển dễ bị tổn thương.
• Các bước tiếp theo bao gồm mở rộng mạng lưới trạm GNSS-R, cải tiến thuật toán xử lý dữ liệu và phát triển mô hình dự báo đa biến, đồng thời tăng cường hợp tác liên ngành và đào tạo nhân lực chuyên môn.

Hành động ngay hôm nay để ứng dụng công nghệ tiên tiến trong giám sát và dự báo thủy văn, góp phần bảo vệ cộng đồng và phát triển bền vững vùng ven biển Việt Nam.

Trích đoạn nội dung tài liệu

Chương 1. Tổng quan vấn đề nghiên cứu 1.1 Khái quát chung 1.1 Một số khái niệm Mực nước biển trung bình: Mực nước biển trung bình (Mean Sea Level - MSL) là độ cao trung bình của bề mặt biển trong một khoảng thời gian dài, thường được tính trung bình trong một chu kỳ 19 năm để loại bỏ các biến động ngắn hạn như thủy triều và nước dâng do bão (NOAA, 2024). MSL được sử dụng làm mốc chuẩn để đo độ cao trên đất liền và độ sâu dưới biển. Có hai loại mực nước biển trung bình: mực nước biển trung bình tuyệt đối là độ cao của bề mặt biển so với một hệ quy chiếu cố định, chẳng hạn như tâm Trái Đất; và mực nước biển trung bình tương đối là độ cao của bề mặt biển so với một điểm mốc trên đất liền, có thể thay đổi theo thời gian do các chuyển động kiến tạo hoặc sụt lún đất.

Nước dâng do bão: NOAA định nghĩa nước dâng do bão là "sự dâng lên bất thường của nước do bão tạo ra, vượt quá thủy triều thiên văn dự đoán". Nước dâng do bão không giống như thủy triều bão. Thủy triều bão là sự dâng lên của mực nước xảy ra do nước dâng do bão và thủy triều thiên văn. Về cơ bản, nước dâng do bão xảy ra khi nước biển bị đẩy về phía bờ biển do sự kết hợp của gió bão mạnh và áp suất thấp.

Nước dâng do bão hình thành do sự kết hợp của nhiều yếu tố, chủ yếu là gió mạnh (Hình 1. Gió bão thổi mạnh vào bờ, đẩy nước biển dồn về phía bờ biển, tạo nên một "gò nước"dâng cao. Yếu tố thứ hai là áp suất khí quyển thấp. Tâm bão có áp suất khí quyển thấp hơn so với xung quanh, tạo ra 6 lực hút nước biển lên trên, góp phần làm tăng nước dâng.

Khoảng 5% kích thước của gò là do áp suất không khí thấp. Cuối cùng là đặc điểm địa lý. Vịnh hẹp, cửa sông, hoặc các vùng ven biển có địa hình thấp có thể làm gia tăng nước dâng do bão.1: Cơ chế hình thành nước dâng do bão (Nguồn IMHEN) 1.2 Ảnh hưởng của nước dâng cực đoan đến các tỉnh ven biển Việt Nam Vùng ven biển là một trong những khu vực tập trung nguồn tài nguyên thiên nhiên phong phú và quan trọng nhất, cung cấp cho con người nhiều hàng hóa và các dịch vụ thiết yếu. Nền tảng của sự thịnh vượng của hầu hết các thành phố trên thế giới đều nằm ở các khu vực vùng trũng ven biển và các con sông lớn, đóng vai trò là đường dẫn cho thương mại và phát triển kinh tế xã hội.

Với bờ biển dài trên 3.200 km và diện tích đồng bằng ven biển rộng lớn (135.946km2 ), Việt Nam đã xây dựng được hơn 405 đô thị ven biển. Đó là các thành phố cảng, trung tâm kinh tế biển, các đô thị du lịch và thương mại, dịch vụ - đóng vai trò quan trọng trong sự phát triển kinh tế của Việt Nam. 7 Hàng năm, người dân sinh sống ở khu vực ven biển chịu ảnh hưởng nặng nề do thiên tai như: Bão, nước dâng, sóng lớn, triều cường, xói lở bờ biển, hạn hán hoặc xâm nhập mặn. Trong đó, bão và nước dâng bão được coi là một trong các loại hình thiên tai có nguy cơ gây rủi ro cho tất cả các vùng ven biển Việt Nam.

Theo các nghiên cứu của Tổng cục KTTV, khu vực ven biển Thanh Hóa, Quảng Trị được coi là khu vực có nguy cơ nước dâng bão ở mức cao. Nước dâng do bão lớn nhất theo số liệu quan trắc đã ghi nhận ở Việt Nam đạt 3,4 m trong cơn bão năm 1989 đổ bộ vào Quảng Trị. Tuy nhiên, nước dâng do bão rất có thể còn lớn hơn tại những khu vực không có trạm đo mực nước mà chúng ta không xác định được. Tương lai gần, những rủi ro thiên tai do bão, nước dâng, sóng lớn, triều cường và xâm nhập mặn cho khu vực ven biển được dự báo có nguy cơ sẽ gia tăng cùng với tốc độ đô thị hóa, yêu cầu về phát triển kinh tế và do ảnh hưởng của biến đổi khí hậu.

Do đó, để giảm thiểu rủi ro thiên tai trên biển, rủi ro thiên tai cho vùng ven biển và đảm bảo sinh kế của người dân vùng ven biển một cách bền vững thì tầm quan trọng của việc nâng cao hiệu quả công tác dự báo và cảnh báo thiên tai là thực sự cần thiết và cấp bách.3 Các phương pháp đo cao mực nước Phương pháp truyền thống trong đo mực nước biển chủ yếu sử dụng phao đặt trong ống kim loại để theo dõi sự biến động của mực nước. Các ống kim loại này giúp giảm thiểu tác động của sóng và được sử dụng để đo thủy triều. Phương pháp này có từ thế kỷ 19 và đã cung cấp nhiều dữ liệu quan trọng, nhưng vẫn có hạn chế về không gian và độ chính xác. 8 Phương pháp đo cao vệ tinh sử dụng các vệ tinh nhân tạo để đo mực nước biển từ không gian.

Các vệ tinh này sử dụng công nghệ đo cao để theo dõi sự biến động của bề mặt đại dương, giúp xác định xu hướng mực nước biển trên toàn cầu. Các xứ mệnh vệ tinh như Seasat, Jason, và Envisat đã cung cấp dữ liệu chính xác, khắc phục hạn chế không gian của các trạm đo thủy triều và giúp nghiên cứu sự biến động mực nước biển từ năm 1993 đến nay.4 Các phương pháp dự báo nước dâng do bão Dự báo nước dâng do bão ban đầu chủ yếu dựa vào các phương pháp mô hình thống kê, tuy nhiên phương pháp này có độ chính xác hạn chế do sự biến động phức tạp của các yếu tố thủy văn. Để cải thiện độ tin cậy, mô hình số trị đã được sử dụng rộng rãi. Một số mô hình nổi bật như SLOSH, ADCIRC và SWAN giúp dự báo nước dâng do bão dựa trên các yếu tố như đường đi và cường độ bão, giúp xác định xác suất triều cường và tính toán các tác động sóng biển trong khu vực gần bờ.

Với các mô hình số trị, sự tính toán chi tiết và yêu cầu độ chính xác cao là điều kiện tiên quyết, nhưng việc thu thập dữ liệu đầu vào đầy đủ và đồng nhất vẫn gặp nhiều khó khăn. Để khắc phục những hạn chế này, các phương pháp học máy đang ngày càng được ứng dụng trong dự báo nước dâng. Mô hình học sâu như LSTM và CNN đã được phát triển để dự báo nước dâng với độ chính xác cao hơn so với các mô hình truyền thống, đồng thời có khả năng mở rộng dự báo tới các khoảng thời gian dài hơn và các khu vực rộng lớn hơn. Các nghiên cứu gần đây đã chứng minh hiệu quả của trí tuệ nhân tạo trong việc cải thiện độ chính xác và tốc độ dự báo nước dâng, đặc biệt trong các tình huống khẩn cấp.

Việc 9 kết hợp các phương pháp truyền thống và công nghệ tiên tiến như học máy giúp cung cấp dự báo chính xác và kịp thời, hỗ trợ công tác ứng phó với bão và bảo vệ cộng đồng ven biển khỏi thiệt hại.2 Tổng quan các nghiên cứu ứng dụng công nghệ GNSS- R trong giám sát và dự báo mực nước 1.1 Trên thế giới Trên thế giới, các trạm thu tín hiệu GNSS cố định được đặt ở các khu vực ven biển có thể được sử dụng làm thước đo thủy triều nhờ việc ghi lại dữ liệu SNR (Larson, Löfgren and Haas 2013; Vu andothers 2018). Các tín hiệu phản xạ GNSS gây ra nhiễu có thể được đo dưới dạng dao động của dữ liệu SNR được ghi lại. Bằng cách phân tích tần số của dao động SNR, có thể ước tính khoảng cách thẳng đứng từ mặt nước đến tâm pha ăng-ten GNSS (Larson, Löfgren and Haas 2013). Thực nghiệm đã chứng minh rằng mực nước ước tính từ SNR thu bởi máy thu GNSS có độ chính xác tương đương với các thiết bị đo thủy triều truyền thống (Larson, Ray and Williams 2017).

Hầu hết các nghiên cứu về GNSS-R đều sử dụng máy thu GNSS thương mại (COTS) và có độ chính xác cấp độ trắc địa (Larson, Löfgren and Haas 2013; Reinking 2016; Williams and Nievinski 2017). Tuy nhiên giá thành của chúng tương đối cao, điều này một mặt hạn chế việc sử dụng GNSS- R rộng rãi trong việc quan trắc môi trường, mặt khác không thể phát huy toàn bộ khả năng điều hướng của chúng. Vì thế gần đây đã có rất nhiều nghiên cứu sử dụng máy thu giá thành thấp, tiên phong là nghiên cứu quan trắc độ ẩm đất 10 bằng kỹ thuật mẫu giao thoa (IPT) băng tần L (SIGMOL) (Rodriguez-Alvarez andothers 2011). Mặc dù được phát triển ban đầu để theo dõi độ ẩm của đất và các yếu tố trên cạn khác (chẳng hạn như thảm thực vật), SMIGOL cũng đã được sử dụng như một cảm biến mực nước trong hồ chứa (Rodriguez- Alvarez andothers 2011) và ngoài biển (Seifi, Deng and Baltazar Andersen 2019).

SIGMOL sử dụng mô-đun thu thương mại Trimble Lassen iQ cho phép theo dõi đồng thời 12 kênh ở tần số L1 và điều chế mã C/A. Mô-đun được kết nối với bộ ghi dữ liệu thẻ SD của hãng Sparkfun và bộ vi điều khiển PIC thông qua bảng mạch tùy chỉnh. Tương tự như SIGMOL, bộ thu GNSS-R giá thành thấp khác đã được phát triển gọi là FROS-D với mục đích ứng dụng trong nghiên cứu đo độ sâu của Chen, Won and Akos 2017. Máy thu GPS được sử dụng là một mô-đun thương mại GlobalTop Gmm-u2P cung cấp 22 kênh theo dõi ở tần số L1 và điều chế C/A.

Một bộ máy tính nhúng Raspberry Pi cung cấp khả năng kiểm soát và lưu trữ. Tổng chi phí cho hệ thống FROS-D khoảng 1200 USD, thấp hơn so với các thiết bị COTS tương đương. Các nghiên cứu trên đã chứng minh tính khả thi của việc đo cao mực nước từ tín hiệu phản xạ GNSS, đây sẽ là một công cụ viễn thám đầy hứa hẹn có thể khắc phục những nhược điểm của máy đo thủy triều và đo cao vệ tinh trong việc giám sát mực nước. GNSS-R đáp ứng được các yêu cầu về độ phủ không gian cao, thời gian lặp lại ngắn, chi phí và trọng lượng thấp vì cảm biến GNSS-R là hệ thống đơn giản và kinh tế.2 Ở Việt Nam Trong những năm gần đây, các nghiên cứu về ứng dụng của GNSS-R bắt đầu được quan tâm tại Việt Nam.

11 Đơn cử như nghiên cứu "Giám sát mực nước của đồng bằng sông Mê Kông bằng kỹ thuật phản xạ GNSS"được thực hiện bởi J. Beckheinrich và cộng sự (Bilich 2006).