Tổng quan về luận án

Công trình khoa học "Nghiên cứu cảnh báo nguy cơ trượt lở đất khu vực hồ thủy điện Sơn La bằng phân tích ảnh viễn thám và hệ thông tin Địa lý" do Nghiên cứu sinh Nguyễn Văn Dũng thực hiện dưới sự hướng dẫn khoa học của PGS. Nguyễn Hiệu và TS. Phạm Văn Hùng tại 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; Mã số: 9440211.01) đại diện cho bước tiến mang tính tiên phong trong việc giải quyết bài toán tai biến địa chất tại lưu vực công trình năng lượng trọng điểm quốc gia. Lưu vực hồ thủy điện Sơn La trải rộng trên diện tích khoảng 5.381 km², bao gồm các đơn vị hành chính thuộc huyện Quỳnh Nhai, Thuận Châu, Mường La (tỉnh Sơn La), huyện Sìn Hồ (tỉnh Lai Châu), huyện Tủa Chùa, Mường Chà, Tuần Giáo, Thị xã Mường Lay (tỉnh Điện Biên) và huyện Mù Căng Chải (tỉnh Yên Bái). Đây là khu vực có cấu trúc địa chất phức tạp, địa hình chia cắt mạnh mẽ, đồng thời là địa bàn tập trung phát triển thủy điện lớn nhất Đông Nam Á, nơi rủi ro trượt lở đất đe dọa trực tiếp đến tuổi thọ công trình và an toàn dân sinh.

Khoảng trống nghiên cứu (Research Gap) xuất phát từ thực tế các nghiên cứu trước đây tại vùng núi Tây Bắc chủ yếu dựa trên khảo sát thực địa truyền thống mang tính phân tán, hoặc áp dụng các phương pháp bán định lượng dựa trên ý chí chủ quan của chuyên gia (AHP, Fuzzy Logic). Những tiếp cận này bộc lộ hạn chế lớn khi không thể bao quát toàn diện các vùng địa hình hiểm trở không thể tiếp cận trực tiếp, thiếu khả năng phân tích chuỗi biến động đa thời gian của vỏ thực phủ tự nhiên, và gặp khó khăn trong việc xử lý tính bất định (uncertainty) cùng sự phức tạp phi tuyến của các yếu tố cấu thành tai biến. Như tác giả đã trích dẫn trực tiếp trong luận án: "TLĐ là sự di chuyển của khối đất đá, mảnh vụn hoặc đất xuống chân sườn dốc" dưới tác động của trọng lực và các tác nhân kích hoạt, mà điển hình là sự kiện mưa cực đoan ngày 25/6/2018 khiến "chỉ riêng trên địa bàn thuộc tỉnh Lai Châu số người chết đã lên đến 6 người, 11 người mất tích".

Luận án đặt ra ba câu hỏi nghiên cứu cốt lõi (Research Questions):

  • RQ1: Các nhân tố cấu trúc nội sinh (địa mạo, thạch học, đứt gãy) và ngoại sinh (khí hậu, lượng mưa, biến động thực phủ, hoạt động nhân sinh) tương tác theo cơ chế không gian nào để kích hoạt tai biến trượt lở đất tại khu vực hồ thủy điện Sơn La?
  • RQ2: Phương pháp phân tích ảnh viễn thám đa thời gian dựa trên dạng phổ đơn giản (Simplified Spectral Pattern - SSP) kết hợp quy luật vật hậu học có giải quyết triệt để bài toán nhận dạng biến động thực phủ giai đoạn 1999–2019 phục vụ giám sát tai biến không?
  • RQ3: Các mô hình học máy mềm lai ghép (Bagging Rough Set - BRS và AdaBoost Rough Set - ABRS) có khắc phục được nhược điểm của mô hình tập thô truyền thống (Rough Set - RS) và Véc-tơ hỗ trợ (Support Vector Machine - SVM) để nâng cao độ chính xác dự báo độ nhạy cảm trượt lở đất hay không?

Tương ứng với các câu hỏi trên là hệ giả thuyết nghiên cứu (Hypotheses):

  • H1: Trượt lở đất tại lưu vực hồ thủy điện Sơn La là kết quả của sự tác động tổng hợp phi tuyến giữa 13 nhóm nhân tố thành phần địa lý tự nhiên và kinh tế - xã hội.
  • H2: Việc phân loại thực phủ tự động hóa dựa trên dạng phổ đơn giản (SSP) kết hợp điều kiện mùa khô - mùa mưa phản ánh chính xác các vùng suy thoái thảm thực vật – một trong những nguyên nhân hàng đầu kích hoạt các điểm sạt trượt mới.
  • H3: Ứng dụng mô hình lai ghép Bagging Rough Set (BRS) tạo ra bước đột phá về độ chính xác dự báo không gian, tối ưu hóa diện tích dưới đường cong ROC (AUC) vượt trội so với các mô hình đơn lẻ.

Khung lý thuyết của công trình được định vị trên nền tảng tích hợp giữa Lý thuyết tập thô (Rough Set Theory) của Zdzisław Pawlak, Lý thuyết tập hợp học máy (Ensemble Learning) của Leo Breiman kết hợp Freund & Schapire, cùng các nguyên lý địa mạo động lực và cơ học sườn dốc của David J. Varnes và V.D. Lomtadze. Quy mô không gian nghiên cứu trải rộng trên 5.381 km² với khung thời gian phân tích chuỗi dữ liệu viễn thám và khí tượng kéo dài 20 năm (1999–2019), mang lại giá trị thực tiễn to lớn cho quy hoạch phát triển bền vững và giảm nhẹ rủi ro thiên tai.

Literature Review và Positioning

Tổng quan y văn quốc tế và trong nước về cảnh báo nguy cơ trượt lở đất chỉ ra bốn trường phái tiếp cận chủ đạo:

  1. Trường phái định tính và phân tích địa mạo (Geomorphological Qualitative Analysis): Do Varnes (1984), Hansen (1984), và Soeters & van Westen (1996) đặt nền móng. Tiếp cận này dựa chủ yếu vào việc lập bản đồ kiểm kê hiện trạng trượt lở đất từ giải đoán ảnh hàng không và khảo sát thực địa. Mặc dù cung cấp cái nhìn trực quan về hình thái, phương pháp này bị chỉ trích gay gắt bởi tính chủ quan cao, phụ thuộc hoàn toàn vào kinh nghiệm chuyên gia và không có khả năng lượng hóa mức độ bất định.
  2. Trường phái bán định lượng dựa trên tri thức chuyên gia (Semi-quantitative Knowledge-based Models): Tiêu biểu là phương pháp phân tích thứ bậc (Analytic Hierarchy Process - AHP) của Thomas L. Saaty (1980) và phân tích tập mờ (Fuzzy Set Analysis) của Feizizadeh & Blaschke (2014). Mặc dù lượng hóa được trọng số thông qua ma trận so sánh cặp, phương pháp vẫn tồn tại sự mâu thuẫn khi gán trọng số chủ quan cho các lớp bản đồ chuyên đề.
  3. Trường phái phân tích thống kê định lượng (Statistical Quantitative Methods): Đại diện bởi các nghiên cứu của Carrara et al. (1995), Dai & Lee (2002), và Guzzetti et al. (2006) với các kỹ thuật thống kê nhị biến (Information Value, Weight of Evidence) và thống kê đa biến (Logistic Regression). Hạn chế lớn nhất của trường phái này là giả định tuyến tính hóa các quan hệ địa lý phức tạp và bỏ qua cơ chế kiểm soát động lực của tai biến.
  4. Trường phái trí tuệ nhân tạo và học máy hiện đại (Machine Learning & Soft Computing): Phát triển mạnh mẽ từ thập niên 2010 với Mạng nơ-ron nhân tạo (ANN), Véc-tơ hỗ trợ (SVM), Rừng ngẫu nhiên (Random Forest) và các thuật toán lai ghép (Hybrid Algorithms) được tổng kết bởi Pradhan (2013), Pham et al. (2018, 2021), và Merghadi et al. (2020).

Trong bối cảnh học thuật đó, luận án xác lập vị trí nghiên cứu bằng việc giải quyết cuộc tranh luận khoa học sâu sắc giữa hai quan điểm đối lập: Một bên là trường phái mô hình tất định vật lý (Deterministic physically-based models) cho rằng chỉ có tính toán cân bằng giới hạn cơ học đất mới phản ánh đúng bản chất sườn dốc; bên kia là trường phái mô hình dữ liệu lớn (Data-driven spatial models) khẳng định phân tích không gian tích hợp viễn thám và trí tuệ nhân tạo mới đủ năng lực bao quát vùng quy mô lưu vực rộng lớn.

So với các công trình quốc tế điển hình như nghiên cứu ứng dụng LiDAR và Random Forest tại vùng hồ Tam Hiệp - Trung Quốc của Chen et al. (2014, 2018), hoặc đánh giá nguy cơ sạt lở bằng mô hình thống kê GIS tại lưu vực hồ Ada Berga - Ethiopia của Meten et al. (2015), luận án của NCS Nguyễn Văn Dũng đã tiến xa hơn khi phát triển khung mô hình lai ghép Bagging Rough Set kết hợp chuỗi phân tích biến động thực phủ 20 năm bằng thuật toán phổ đơn giản SSP trên lưu vực hồ nhiệt đới gió mùa có độ dốc cao và dữ liệu vi khí hậu phân tán.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án mở rộng Lý thuyết tập thô (Rough Set Theory) được Zdzisław Pawlak đề xuất năm 1982 sang lĩnh vực mô hình hóa tai biến địa chất không gian. Nếu như Lý thuyết tập mờ (Fuzzy Set) đòi hỏi việc xác định các hàm liên thuộc (membership functions) mang tính phỏng đoán, thì Lý thuyết tập thô tiếp cận dữ liệu thông qua khái niệm xấp xỉ trên (upper approximation) và xấp xỉ dưới (lower approximation), từ đó thiết lập hai đường ranh giới chính xác để phân định các khái niệm không hoàn chỉnh.

       +-----------------------------------------------------------+
       |   KHUNG PHÂN TÍCH TỔNG HỢP NGUY CƠ TRƯỢT LỞ ĐẤT (LSM)    |
       +-----------------------------------------------------------+
                                     |
         +---------------------------+---------------------------+
         |                                                       |
+-----------------------------------+   +-----------------------------------+
|  1. DỮ LIỆU ĐA THỜI GIAN (1999-2019) |   | 2. HỆ THỐNG 13 BIẾN KHÔNG GIAN     |
|  - Landsat 5, 7, 8 (Kênh TM/ETM+/OLI)|   | - Địa mạo: Cao độ, Độ dốc, Hướng  |
|  - Thuật toán SSP & Vật hậu học   |   |   sườn, Cắt sâu, Cắt ngang        |
|  - Sentinel-1 SAR & ALOS DEM 12.5m|   | - Địa chất: Thạch học, Đứt gãy,   |
|  - Chuỗi biến động thực phủ 20 năm |   |   Vỏ phong hóa, Địa chất thủy văn |
+-----------------------------------+   | - Môi trường: Mưa mùa, Giao thông |
         |                              +-----------------------------------+
         +---------------------------+---------------------------+
                                     |
                                     v
       +-----------------------------------------------------------+
       |   3. BỘ HỌC MÁY LAI GHÉP TỐI ƯU (HYBRID SOFT COMPUTING)   |
       |   - Bagging / AdaBoost + Rough Set Theory (BRS & ABRS)   |
       |   - Xử lý bất định, triệt tiêu Overfitting, Tối ưu hóa   |
       +-----------------------------------------------------------+
                                     |
                                     v
       +-----------------------------------------------------------+
       |   4. KẾT QUẢ VÀ ĐÁNH GIÁ ĐỘ CHÍNH XÁC (VALIDATION)        |
       |   - Ma trận nhầm lẫn: SST, SPF, ACC, Kappa, RMSE         |
       |   - Phân tích diện tích dưới đường cong kiểm chứng ROC-AUC |
       |   - Thành lập Bản đồ nhạy cảm & Nguy cơ TLĐ tỷ lệ 1:50.000 |
       +-----------------------------------------------------------+

Luận án chứng minh sự chuyển dịch mô thức (Paradigm Shift) khi kết hợp cấu trúc giải thuật Ensemble Learning (Bagging của Leo Breiman, 1996; AdaBoost của Freund & Schapire, 1997) với Rough Set. Việc đóng gói dữ liệu và tái lấy mẫu ngẫu nhiên có hoàn lại (bootstrap aggregating) giúp mô hình triệt tiêu hoàn toàn hiện tượng quá khớp (overfitting), xử lý trơn tru các bảng quyết định không nhất quán giữa các thuộc tính điều kiện địa mạo và thuộc tính quyết định trượt lở.

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp liên ngành giữa ba nền tảng:

  1. Lý thuyết ngưỡng địa mạo và cân bằng sườn dốc (Geomorphic Threshold Theory): Xác định giới hạn bền của đất đá dưới tác động xói mòn và trọng lực.
  2. Lý thuyết phân tích đặc trưng phổ phản xạ vật hậu học (Phenological Spectral Dynamics): Ứng dụng mô hình Dạng phổ đơn giản (SSP) do PGS. Nguyễn Đình Dương phát triển, tự động giải mã các trạng thái thực vật thông qua chuỗi tỷ số phổ các kênh ảnh Landsat và loại bỏ nhiễu mây bóng mây mùa mưa.
  3. Lý thuyết tính toán mềm thích ứng (Adaptive Soft Computing): Sử dụng quy tắc triệt tiêu thuộc tính thừa (Attribute Reduction) của Rough Set để tinh lọc 13 nhân tố không gian đầu vào mà không làm mất mát thông tin cốt lõi.

Điều kiện biên (Boundary Conditions) được xác lập rõ: Áp dụng cho địa hình sườn dốc đồi núi nhiệt đới gió mùa có lớp phủ thổ nhưỡng biến tính mạnh và hoạt động kiến tạo trẻ phân cắt sâu từ 100 đến trên 500 m/km².

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Nghiên cứu đứng trên lập trường nhận thức luận của Chủ nghĩa Hiện thực phản biện (Critical Realism) kết hợp phương pháp luận Thực chứng không gian định lượng (Spatial Positivism). Nghiên cứu thừa nhận sự tồn tại khách quan của các cấu trúc địa chất, đứt gãy và tính chất cơ lý đá gốc, đồng thời sử dụng các phép đo viễn thám và mô hình học máy để lượng hóa các tương tác không gian.

Thiết kế nghiên cứu đa tầng (Multi-level Design) bao gồm:

  • Tầng vĩ mô (Macro-level): Lưu vực toàn vùng 5.381 km² trên nền bản đồ tỷ lệ 1:50.000.
  • Tầng trung mô (Meso-level): Các tiểu lưu vực và tuyến đứt gãy hoạt động dọc thung lũng sông Đà, sông Nậm Mu, sông Nậm Na.
  • Tầng vi mô (Micro-level): 178 vị trí sạt trượt cụ thể được ghi nhận qua ảnh viễn thám và khảo sát thực địa giai đoạn 2005–2019.

Quy trình nghiên cứu rigorous

Quy trình nghiên cứu kiểm soát nghiêm ngặt qua 4 pha độc lập:

  • Pha 1: Chuẩn hóa cơ sở dữ liệu không gian 13 lớp nhân tố từ mô hình số độ cao ALOS PALSAR DEM 12.5m, bản đồ địa chất - khoáng sản 1:200.000, bản đồ thủy văn, chuỗi số liệu lượng mưa 1999–2019 từ các trạm khí tượng thủy văn khu vực Tây Bắc.
  • Pha 2: Xử lý viễn thám tự động hóa phân loại thực phủ. Sử dụng phần mềm WinAsean 5.1 AutoClsSR phân tích các quan hệ chỉ số phổ ($T_1, T_2, R_1, R_2, R_3, R_4, R_5$) trên các kênh Landsat 5 TM, Landsat 7 ETM+, và Landsat 8 OLI. Phân tách chính xác 6 trạng thái thực phủ: Rừng tự nhiên (RTN), Cây lâu năm (CLN), Cây hàng năm (CHN), Đất trống đồi núi trọc (DBL), Đất có mặt nước (Water) và Đất dân cư đô thị.
  • Pha 3: Giải đoán bổ sung hiện trạng trượt lở bằng ảnh radar Sentinel-1A/1B (C-band) trên phần mềm SNAP, ảnh quang học độ phân giải cao SPOT-5, VNREDSat-1, và nền tảng ESRI Wayback Living Atlas.
  • Pha 4: Phân chia tập dữ liệu 178 điểm trượt lở theo tỷ lệ chuẩn 70% dành cho huấn luyện (Training dataset: 125 điểm) và 30% dành cho kiểm chứng độc lập (Testing dataset: 53 điểm).

Tam giác đạc (Triangulation) được thực hiện chặt chẽ giữa: Dữ liệu ảnh vệ tinh đa thời gian, Dữ liệu khảo sát thực địa từ Dự án Tổng kiểm kê rừng toàn quốc (2013–2015), và Dữ liệu Đề tài KHCN cấp Nhà nước do TS. Phạm Quang Sơn chủ nhiệm. Độ tin cậy của phân loại thực phủ đạt hệ số Kappa trên 0,85; độ chính xác toàn diện (Overall Accuracy) đạt trên 88,5%.

Data và phân tích

Hệ thống 13 biến không gian độc lập được lượng hóa và chuẩn hóa vào lưới Raster kích thước ô pixel $30 \times 30$ m:

  1. Độ cao địa hình (DEM): Dao động từ dưới 200 m đến trên 2.000 m.
  2. Độ dốc (Slope): Phân chia thành 6 cấp (< 5°, 5–15°, 15–25°, 25–35°, 35–45°, > 45°).
  3. Độ chia cắt sâu (Depth incision): Biến thiên từ 0 đến > 500 m/km².
  4. Độ chia cắt ngang (Horizontal dissection): Biến thiên từ 0 đến > 3,0 km/km².
  5. Hướng sườn dốc (Aspect): 9 hướng không gian (Bắc, Đông Bắc, Đông, Đông Nam, Nam, Tây Nam, Tây, Tây Bắc, và Bằng phẳng).
  6. Địa chất thạch học (Lithology): 7 phức hệ đá chính từ trầm tích lục nguyên, đá vôi carbonat đến đá phun trào bazơ.
  7. Vỏ phong hóa (Weathering crust): Phân cấp theo chiều dày tầng phong hóa sét - dăm sạn từ mỏng (< 1m) đến rất dày (> 10m).
  8. Địa chất thủy văn (Hydrogeology): Phân cấp áp lực và lưu lượng tầng chứa nước nứt nẻ - karst.
  9. Mật độ đứt gãy (Fault density): Tính toán mật độ chiều dài đường đứt gãy trên đơn vị diện tích (km/km²).
  10. Đới động lực hiện đại (Geodynamics): Cường độ dập vỡ kiến tạo trẻ.
  11. Lượng mưa trung bình 3 tháng mùa mưa (Rainfall): Phân cấp từ < 800 mm đến > 1.400 mm.
  12. Biến động thực phủ (Land cover change 1999–2019): Dữ liệu phân loại đa thời gian.
  13. Mật độ mạng lưới giao thông (Road density): Mật độ đường quốc lộ, tỉnh lộ tác động cắt chân sườn.

Các mô hình được chạy thử nghiệm và so sánh chéo bao gồm: Rough Set thuần túy, Bagging Rough Set (BRS), AdaBoost Rough Set (ABRS), Support Vector Machine (SVM) và Logistic Regression. Các thước đo thống kê đánh giá hiệu năng gồm: Độ nhạy (Sensitivity - SST), Độ đặc hiệu (Specificity - SPF), Giá trị dự đoán dương (Positive Predictive Value - PPV), Giá trị dự đoán âm (Negative Predictive Value - NPV), Tỷ lệ phân loại đúng (Accuracy - ACC), Sai số bình phương trung bình (RMSE) và Đường cong đặc trưng máy thu (ROC - Receiver Operating Characteristic) với chỉ số diện tích dưới đường cong (AUC - Area Under Curve).

Phát hiện đột phá và implications

Những phát hiện then chốt

Phân tích dữ liệu thực nghiệm đã mang lại 4 phát hiện đột phá:

Thứ nhất, mô hình lai ghép Bagging Rough Set (BRS) đạt hiệu năng dự báo vượt trội tuyệt đối trên tập kiểm chứng độc lập với $AUC = 0,912$, $ACC = 86,79%$, hệ số $Kappa = 0,735$ và $RMSE = 0,314$. Kết quả này vượt trội có ý nghĩa thống kê ($p < 0,01$) so với mô hình Rough Set đơn lẻ ($AUC = 0,824$), mô hình AdaBoost Rough Set ($AUC = 0,876$) và mô hình SVM ($AUC = 0,853$). Điều này chứng minh thuật toán Bagging đã giảm thiểu phương sai (variance reduction) xuất sắc khi áp dụng trên tập thô.

Thứ hai, mối quan hệ nhân quả giữa biến động thực phủ giai đoạn 1999–2019 và nguy cơ sạt lở được lượng hóa rõ nét. Tỷ lệ diện tích rừng tự nhiên (RTN) suy giảm chuyển sang đất canh tác nương rẫy (CHN) và đất trống (DBL) có mối tương quan thuận mạnh với mật độ điểm trượt mới. Tại các diện tích bị mất thảm phủ rừng trong 20 năm, tần suất xuất hiện trượt lở đất cao gấp 4,2 lần so với các khu vực duy trì độ che phủ rừng ổn định.

Thứ ba, phát hiện quy luật phi tuyến tính đối với yếu tố độ dốc: Khối trượt lở không phân bố tập trung cao nhất ở độ dốc cực đại (> 45°) như quan niệm trực giác thông thường, mà tập trung đậm đặc nhất ở cấp độ dốc từ 25° đến 35° (chiếm tới 41,2% tổng số điểm trượt) và 35° đến 45° (chiếm 32,6%). Lý do địa kỹ thuật là ở các sườn dốc trên 50°, quá trình bóc mòn tự nhiên đã làm trơ đá gốc rắn chắc, không tích tụ được tầng vỏ phong hóa dày, trong khi sườn dốc 25°–45° tích tụ tầng phong hóa bở rời dày từ 3–8m, khi bão hòa nước mưa sẽ dễ dàng trượt phẳng hoặc trượt xoay.

Thứ tư, xác định các điểm nóng (Hotspots) có nguy cơ trượt lở rất cao tập trung thành dải dọc theo thung lũng sông Đà thuộc Thị xã Mường Lay, các trục đứt gãy kiến tạo cấp I, II chạy qua huyện Thuận Châu, Mường Chà và Quỳnh Nhai. Đây là nơi hội tụ của 4 yếu tố xung yếu: Mật độ đứt gãy > 1,2 km/km², độ chia cắt sâu > 300 m/km², lượng mưa mùa mưa > 1.200 mm và mật độ giao thông khai thác ta-luy âm/dương dày đặc.

+-------------------+-------------------+-------------------+-------------------+-------------------+
| Mô hình thử nghiệm| Chỉ số ROC-AUC    | Độ chính xác (ACC)| Hệ số Kappa       | Chỉ số sai số RMSE|
+-------------------+-------------------+-------------------+-------------------+-------------------+
| Bagging RS (BRS)  | 0.912             | 86.79%            | 0.735             | 0.314             |
| AdaBoost RS (ABRS)| 0.876             | 83.02%            | 0.658             | 0.362             |
| Support Vector M. | 0.853             | 81.13%            | 0.621             | 0.389             |
| Rough Set (RS)    | 0.824             | 77.36%            | 0.547             | 0.425             |
| Logistic Regress. | 0.801             | 75.47%            | 0.508             | 0.451             |
+-------------------+-------------------+-------------------+-------------------+-------------------+

Implications đa chiều

  • Về mặt học thuật: Luận án bổ sung vào kho tàng khoa học Trái đất một quy trình chuẩn hóa kết hợp giữa giải đoán ảnh đa nguồn (Landsat, Sentinel-1 SAR, SPOT-5) với trí tuệ nhân tạo lai ghép, mở ra hướng đi mới trong việc xử lý các tập dữ liệu địa lý bất định tại các nước đang phát triển.
  • Về mặt ứng dụng thực tiễn: Bản đồ phân vùng nguy cơ trượt lở đất tỷ lệ 1:50.000 cung cấp cơ sở khoa học trực tiếp cho Tập đoàn Điện lực Việt Nam (EVN) và Công ty Thủy điện Sơn La trong việc giám sát bồi lắng lòng hồ, bảo vệ hành lang an toàn công trình đập và các công trình phụ trợ.
  • Về mặt chính sách quản lý lãnh thổ: Đưa ra khuyến nghị lộ trình cho UBND các tỉnh Sơn La, Điện Biên, Lai Châu trong việc quy hoạch các điểm dân cư nông thôn an toàn, kiểm soát chặt chẽ việc đào bạt ta-luy khi mở đường giao thông liên xã và tái thiết rừng phòng hộ đầu nguồn.

Limitations và Future Research

Luận án thẳng thắn thừa nhận các giới hạn nghiên cứu:

  1. Tỷ lệ bản đồ 1:50.000 phù hợp cho quy hoạch phân vùng cấp vùng và cấp huyện, nhưng chưa đáp ứng được yêu cầu thiết kế địa kỹ thuật chi tiết tại từng vị trí sườn dốc công trình cụ thể (yêu cầu tỷ lệ 1:10.000 hoặc 1:5.000).
  2. Dữ liệu lượng mưa chủ yếu được nội suy không gian từ các trạm đo khí tượng mặt đất, vốn có mật độ tương đối thưa thớt tại vùng núi cao, chưa phản ánh hết được các hiện tượng mưa cực đoan mang tính dị thường cục bộ theo từng khe núi hẹp.
  3. Việc giải đoán hiện trạng trượt lở bằng ảnh quang học vẫn chịu sự chi phối bởi độ che phủ của mây trong mùa mưa lũ, mặc dù đã được khắc phục một phần bằng ảnh viễn thám radar Sentinel-1.

Chương trình nghiên cứu tương lai (Future Research Agenda):

  • Tích hợp công nghệ Radar giao thoa vi sai tán xạ thường trực (PS-InSAR) từ ảnh băng X độ phân giải siêu cao (TerraSAR-X, COSMO-SkyMed) để quan trắc các biến dạng dịch chuyển sườn dốc ở quy mô milimét theo thời gian thực.
  • Phát triển các mô hình học sâu (Deep Learning) dạng mạng nơ-ron tích chập (CNN) và mạng bộ nhớ dài - ngắn hạn (LSTM) để mô phỏng động lực kích hoạt trượt lở đất theo các kịch bản lượng mưa thời gian thực kết nối với mạng lưới trạm đo mưa tự động IoT.
  • Mở rộng đánh giá rủi ro định lượng (Quantitative Risk Assessment - QRA) bao gồm cả tính toán thiệt hại kinh tế và tổn thất sinh mạng con người.

Tác động và ảnh hưởng

Luận án tạo ra tác động học thuật sâu rộng với 8 công trình khoa học đã được công bố trên các tạp chí chuyên ngành uy tín trong nước và quốc tế, tiêu biểu là bài báo xuất bản trên tạp chí quốc tế ISI/Scopus Journal: Geomatics, Natural Hazards and Risk (Taylor & Francis, 2021) với tiêu đề "Exploring a Novel Hybrid Soft Computing Models for Landslide Susceptibility Mapping in Son La Hydropower Reservoir Basin".

Về mặt kinh tế - xã hội, nghiên cứu đóng góp trực tiếp vào an ninh năng lượng quốc gia. Thủy điện Sơn La với công suất 2.400 MW và dung tích hồ chứa 9,26 tỷ m³ nước là trái tim của hệ thống điện miền Bắc. Việc kiểm soát nguy cơ trượt lở đất quanh lòng hồ giúp giảm thiểu nguy cơ sóng thần nội sinh do sạt trượt khối lớn gây ra, hạn chế bồi lắng bùn cát vào tuabin nhà máy, kéo dài tuổi thọ vận hành công trình và bảo vệ tài sản, tính mạng cho hơn 50.000 đồng bào tái định cư sinh sống quanh lưu vực.

Đối tượng hưởng lợi

  • Các nhà nghiên cứu và nghiên cứu sinh chuyên ngành Bản đồ, Viễn thám, GIS, Địa mạo và Tai biến địa chất: Kế thừa quy trình phân loại thực phủ SSP tự động và cấu trúc thuật toán lai ghép Bagging Rough Set.
  • Ban quản lý dự án thủy điện và các kỹ sư vận hành công trình: Tiếp cận cơ sở dữ liệu số hóa 13 lớp nhân tố không gian để thiết lập hành lang an toàn đập và hồ chứa.
  • Cơ quan quản lý nhà nước (Bộ TN&MT, Bộ Nông nghiệp và PTNT, Ban Chỉ đạo Quốc gia về Phòng chống thiên tai): Sử dụng bản đồ phân vùng tỷ lệ 1:50.000 để phân bổ ngân sách di dời dân cư khẩn cấp khỏi các vùng nguy cơ sạt lở rất cao.
  • Chính quyền địa phương 4 tỉnh Tây Bắc (Sơn La, Điện Biên, Lai Châu, Yên Bái): Làm luận cứ khoa học để tích hợp vào Quy hoạch tỉnh giai đoạn 2021–2030, tầm nhìn 2050.

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của luận án là gì và đã mở rộng lý thuyết nào?

Đóng góp lý thuyết độc đáo nhất là việc mở rộng Lý thuyết tập thô (Rough Set Theory) của Zdzisław Pawlak sang xử lý dữ liệu không gian địa lý thông qua cấu trúc lai ghép Bagging Rough Set (BRS). Luận án chứng minh rằng phương pháp xấp xỉ của tập thô khi kết hợp với cơ chế lấy mẫu ngẫu nhiên của Bagging giải quyết triệt để vấn đề mất cân bằng dữ liệu không gian giữa điểm trượt (hiếm gặp) và điểm không trượt (chiếm đa số), đồng thời loại bỏ các thuộc tính điều kiện dư thừa mà không cần can thiệp chủ quan.

2. Đổi mới phương pháp luận của luận án khi so sánh với ít nhất 2 công trình quốc tế?

So với nghiên cứu của Chen et al. (2018) tại vùng hồ Tam Hiệp (Trung Quốc) vốn phụ thuộc vào dữ liệu LiDAR đắt đỏ, và nghiên cứu của Meten et al. (2015) tại Ethiopia chỉ sử dụng thống kê nhị biến truyền thống, luận án đã đổi mới bằng cách: (1) Ứng dụng thuật toán dạng phổ đơn giản SSP trên chuỗi ảnh Landsat đa thời gian 20 năm để giải mã tự động biến động thực phủ theo quy luật vật hậu học; (2) Kết hợp kiểm chứng đa nguồn giữa ảnh quang học và ảnh radar Sentinel-1 SAR; (3) Tối ưu hóa mô hình học máy lai ghép BRS đạt độ chính xác $AUC = 0,912$ với chi phí dữ liệu mở tối ưu.

3. Phát hiện bất ngờ nhất từ dữ liệu thực nghiệm là gì?

Phát hiện bất ngờ nhất là sự phi tuyến của yếu tố độ dốc: Các sườn dốc cực lớn (> 50°) có tần suất trượt lở thấp hơn đáng kể so với các sườn dốc trung bình từ 25° đến 45°. Dữ liệu chứng minh rằng sự kết hợp giữa tầng phong hóa bở rời dày từ 3–8m trên sườn dốc 25°–45° với hoạt động đào đắp đường giao thông làm mất chân ta-luy mới là nguyên nhân kích hoạt sạt lở chính, chứ không phải độ dốc đơn thuần.

4. Luận án có cung cấp quy trình tái lập nghiên cứu (Replication Protocol) không?

Luận án cung cấp chi tiết toàn bộ tệp tham số phân loại phổ (Class Definitions file) cho các bộ cảm Landsat 5 TM, Landsat 7 ETM+ và Landsat 8 OLI trong phần phụ lục, bảng tọa độ kinh vĩ độ và kích thước khối trượt của 178 điểm trượt kiểm kê, cùng toàn bộ quy trình tiền xử lý, trích xuất 13 lớp nhân tố không gian trên phần mềm ArcMap, SNAP và WinAsean 5.1, cho phép tái lập nghiên cứu hoàn toàn trên các lưu vực hồ chứa khác.

5. Kế hoạch nghiên cứu 10 năm tới được phác thảo ra sao?

Chương trình nghiên cứu 10 năm tập trung vào: (1) Xây dựng mạng lưới giám sát dịch chuyển vi mô liên tục bằng công nghệ PS-InSAR kết hợp cảm biến mặt đất IoT; (2) Tích hợp mô hình học sâu không gian - thời gian (Spatio-temporal Deep Learning) với dữ liệu dự báo mưa vệ tinh GPM (Global Precipitation Measurement) để vận hành hệ thống cảnh báo sớm trượt lở đất thời gian thực (Real-time Early Warning System).

Kết luận

  1. Luận án đã giải quyết trọn vẹn mục tiêu nghiên cứu, xác định hiện trạng và xây dựng thành công bản đồ cảnh báo nguy cơ trượt lở đất khu vực hồ thủy điện Sơn La tỷ lệ 1:50.000 trên diện tích 5.381 km² bằng việc tích hợp công nghệ viễn thám đa nguồn và hệ thống thông tin địa lý.
  2. Thiết lập quy trình phân loại thực phủ tự động hóa dựa trên dạng phổ đơn giản (SSP) và quy luật vật hậu học cho chuỗi ảnh Landsat đa thời gian giai đoạn 1999–2019, chứng minh định lượng mối quan hệ nhân quả giữa suy giảm rừng tự nhiên và sự gia tăng tai biến sạt trượt.
  3. Tiên phong phát triển và ứng dụng thành công mô hình học máy mềm lai ghép Bagging Rough Set (BRS), đạt độ chính xác dự báo kiểm chứng xuất sắc ($AUC = 0,912$), vượt trội so với các thuật toán truyền thống và giải quyết tối ưu bài toán xử lý dữ liệu địa lý bất định.
  4. Lượng hóa và phân tích tương tác không gian phức tạp của 13 lớp nhân tố địa mạo, địa chất, kiến tạo, khí văn và hoạt động nhân sinh, chỉ ra các quy luật phân bố sạt trượt then chốt tại các vùng đứt gãy, tầng phong hóa dày và cấp độ dốc 25°–45°.
  5. Cung cấp cơ sở dữ liệu số hóa chuẩn mực và luận cứ khoa học tin cậy phục vụ công tác quy hoạch lãnh thổ, bảo đảm an toàn tuyệt đối cho công trình thủy điện Sơn La và giảm thiểu thiệt hại thiên tai cho cộng đồng dân cư khu vực Tây Bắc.
  6. Mở ra các hướng nghiên cứu học thuật chuyên sâu về giám sát tai biến bằng viễn thám radar giao thoa và trí tuệ nhân tạo thời gian thực, khẳng định vị thế và đóng góp xuất sắc của công trình trong hệ thống khoa học Bản đồ, Viễn thám và Địa tin học Việt Nam.