Tổng quan luận án

Luận án tiến sĩ chuyên ngành Bản đồ, viễn thám và hệ thống thông tin địa lý (mã số: 9440211.01) của nghiên cứu sinh Nguyễn Văn Dũng, được bảo vệ tại Trường Đại học Khoa học Tự nhiên – Đại học Quốc gia Hà Nội năm 2022 dưới sự hướng dẫn khoa học của PGS.TS. Nguyễn Hiệu và TS. Phạm Văn Hùng, mang tiêu đề: "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".

Tính cấp thiết và khoảng trống nghiên cứu

Khu vực hồ thủy điện Sơn La có diện tích lưu vực khoảng 5.381 km², trải rộng trên địa bàn nhiều huyện thuộc 4 tỉnh Tây Bắc gồm Sơn La, Điện Biên, Lai Châu và Yên Bái. Đây là khu vực có ý nghĩa chiến lược về tài nguyên đất, rừng, khoáng sản và năng lượng quốc gia. Tuy nhiên, điều kiện địa hình đồi núi phân cắt mạnh, độ dốc lớn, lượng mưa tập trung theo mùa cùng các hoạt động nhân sinh (chuyển đổi mục đích sử dụng đất, làm đường giao thông tạo vách taluy dốc, xây dựng tái định cư) đã khiến tai biến trượt lở đất (TLĐ) diễn ra với tần suất ngày càng tăng. Giai đoạn từ năm 2015 đến nay ghi nhận nhiều đợt trượt lở nghiêm trọng, điển hình là trận mưa lớn ngày 25/6/2018 gây thiệt hại nặng nề về người và tài sản (riêng tại tỉnh Lai Châu làm 6 người chết, 11 người mất tích).

Trước thực trạng đó, các nghiên cứu trượt lở đất tại Việt Nam truyền thống chủ yếu dựa trên điều tra thực địa, phương pháp chuyên gia hoặc các mô hình đánh giá định tính, bán định lượng ở quy mô vùng rộng lớn. Khoảng trống nghiên cứu đặt ra là:

  1. Thiếu quy trình tích hợp tự động hóa tư liệu viễn thám đa thời gian (quang học và radar) để chiết xuất chính xác biến động thực phủ và phát hiện các khối trượt lở lớn ở những địa hình hiểm trở, khó tiếp cận.
  2. Việc ứng dụng các mô hình học máy kết hợp (hybrid machine learning) nhằm xử lý dữ liệu địa lý bất định, mâu thuẫn và nâng cao độ chính xác trong dự báo độ nhạy cảm trượt lở đất tỷ lệ 1:50.000 cho khu vực lòng hồ thủy điện quy mô lớn vẫn chưa được triển khai đồng bộ.

Mục tiêu và nhiệm vụ nghiên cứu

  • Mục tiêu tổng quát: Xác định được hiện trạng và nguy cơ trượt lở đất bằng phân tích ảnh viễn thám và ứng dụng GIS cho khu vực hồ thủy điện Sơn La phục vụ phòng tránh và giảm nhẹ thiệt hại do tai biến trượt lở đất gây ra.
  • Nội dung và nhiệm vụ nghiên cứu cụ thể:
    1. Tổng quan nghiên cứu đánh giá tai biến trượt lở đất;
    2. Xây dựng quy trình phương pháp phân tích ảnh viễn thám và ứng dụng GIS trong cảnh báo nguy cơ trượt lở đất;
    3. Phân tích, đánh giá và xây dựng cơ sở dữ liệu các yếu tố ảnh hưởng tới phát sinh trượt lở đất khu vực hồ thủy điện Sơn La;
    4. Nghiên cứu và bổ sung hiện trạng trượt lở đất khu vực hồ thủy điện Sơn La từ tư liệu ảnh viễn thám;
    5. Nghiên cứu xây dựng bản đồ độ nhạy cảm trượt lở đất khu vực hồ thủy điện Sơn La tỉ lệ 1/50.000;
    6. Phân tích, cảnh báo nguy cơ TLĐ khu vực hồ thủy điện Sơn La.

Luận điểm bảo vệ

  • Luận điểm 1: Trượt lở đất tại khu vực hồ thủy điện Sơn La là kết quả tác động tổng hợp của các yếu tố tự nhiên và nhân sinh bao gồm các yếu tố địa hình, độ dốc, chia cắt sâu, hướng sườn, chia cắt ngang, lượng mưa trung bình các tháng mùa mưa, vỏ phong hóa, địa chất thạch học, đới động lực, mật độ đứt gãy và thực phủ.
  • Luận điểm 2: Ứng dụng mô hình BRS (Bagging Rough Set) để xây dựng bản đồ nhạy cảm trượt lở đất cho độ chính xác cao và phù hợp với khu vực hồ thủy điện Sơn La.

Đối tượng và phạm vi nghiên cứu

  • Đối tượng nghiên cứu: Hiện trạng tai biến trượt lở đất, các yếu tố điều kiện phát sinh trượt lở đất (tự nhiên và nhân sinh), thực phủ và biến động thực phủ, mô hình đánh giá độ nhạy cảm và phân vùng nguy cơ tai biến trượt lở đất.
  • Phạm vi không gian: Lưu vực đổ về hồ thủy điện Sơn La trên lưu vực sông Đà (Tây Bắc Việt Nam), xác định theo đường phân thủy với tổng diện tích 5.381 km²; tọa độ giới hạn từ 21°15'15" đến 22°17'10" vĩ độ Bắc và từ 102°50'10" đến 104°35'15" kinh độ Đông. Địa bàn hành chính bao gồm: một phần các 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); huyện Mù Cang Chải (tỉnh Yên Bái).
  • Phạm vi khoa học: Tập trung vào trượt lở đất vùng đồi núi trên các lưu vực sông suối đổ vào hồ thủy điện Sơn La (bao gồm trượt lở tự nhiên và do nhân sinh; không nghiên cứu hiện tượng trượt lở sạt lở bờ sông, mép bờ hồ). Đánh giá mối quan hệ giữa biến động thực phủ giai đoạn 1999–2019 với trượt lở đất dựa trên 13 yếu tố thành phần.
  • Phạm vi thời gian: Chuỗi quan trắc và phân tích dữ liệu thực phủ, khí tượng thủy văn trong giai đoạn 20 năm từ năm 1999 đến năm 2019.

Tổng quan tài liệu và vị trí của luận án

Các hướng nghiên cứu chính trong và ngoài nước

Tác giả đã hệ thống hóa các công trình nghiên cứu về trượt lở đất theo các nhóm tiếp cận:

  1. Khái niệm và phân loại hình thái trượt lở:

    • Varnes (1978, 1984) xác lập cơ sở phân loại trượt lở đất theo cơ chế dịch chuyển (đổ, rơi, trượt xoay, trượt phẳng, chảy đất/đá) và nhóm nguyên nhân phát sinh (địa kỹ thuật, địa mạo, vật lý, con người).
    • Lomtadze V.D (1982) đưa ra thang phân loại trượt lở dựa trên kích thước và thể tích khối trượt.
    • Thống kê của Tổ chức Y tế Thế giới (WHO, 2017) về thiệt hại nhân mạng và kinh tế toàn cầu do TLĐ giai đoạn 1998–2017.
  2. Ứng dụng công nghệ viễn thám và GIS trong nhận dạng trượt lở:

    • Ứng dụng ảnh quang học và chỉ số thực vật NDVI để phát hiện vết trượt: Chang và Liu (2004), Robert Behling (2004). Thuy Thi Thanh Le và Seiki Kawagoe (2017) kết hợp NDVI, NDSI, NDWI để xác định ngưỡng trượt lở tại Hà Giang, Bắc Kạn.
    • Ứng dụng mô hình số độ cao DEM chiết xuất từ cảm biến LiDAR trong trích xuất đặc trưng địa mạo: Jaboyedoff et al. (2012), Van Den Eeckhaut et al. (2012, 2013).
    • Ứng dụng ảnh Radar khẩu độ tổng hợp (SAR) và kỹ thuật giao thoa InSAR: Graham (1974), Wasowski và Bovenga (2014) về phương pháp tán xạ thường trực (PS-InSAR) trong giám sát biến dạng sườn dốc.
    • Phân loại thực phủ đa thời gian tại Việt Nam: Nguyễn Đình Dương (2006, 2020) với thuật toán phân tích đường cong phổ phản xạ (Simplified Spectral Pattern - SSP).
  3. Mô hình hóa dự báo độ nhạy cảm và nguy cơ trượt lở đất:

    • Hướng tiếp cận định tính (phân tích địa mạo, kiểm kê) và chuyên gia: Barredo et al. (2000), Lee (2007).
    • Hướng bán định lượng: Phương pháp phân tích thứ bậc (AHP - Saaty), lý thuyết tập mờ (Fuzzy logic).
    • Hướng định lượng thống kê và học máy: Hồi quy Logistic, Support Vector Machine (SVM), Mạng nơ-ron nhân tạo (ANN), Cây quyết định (Decision Tree), Lý thuyết tập thô (Rough Set - RS).
  4. Các nghiên cứu tại Việt Nam và khu vực Tây Bắc / hồ thủy điện Sơn La:

    • Đánh giá vai trò địa chất, địa mạo và khí hậu: Lê Đức An (1996, 2008, 2010), Nguyễn Trọng Yêm (1997, 2005, 2006), Vũ Cao Minh (1997), Đặng Văn Báo (2004, 2005), Nguyễn Hiệu (2005, 2007, 2011), Mai Thành Tân (2014, 2015).
    • Đề tài nghiên cứu trượt lở khu vực hồ thủy điện Sơn La: Nguyễn Tứ Dần (2010–2011) ứng dụng Viễn thám, GIS, GPS đánh giá trượt lở khi hồ tích nước; Đề tài cấp Nhà nước của TS. Phạm Quang Sơn (2015) ứng dụng ảnh VNREDSat-1, SPOT-5, Landsat-8 đánh giá tai biến địa chất công trình hồ thủy điện và giao thông Tây Bắc; Đề án phân vùng cảnh báo trượt lở của Bộ Tài nguyên và Môi trường theo Quyết định số 351/QĐ-TTg (2012).

Khoảng trống luận án lựa chọn giải quyết

Mặc dù các công trình trước đã khoanh định nguy cơ trượt lở cấp vùng, phần lớn vẫn còn mang tính định tính hoặc sử dụng mô hình học máy đơn lẻ chưa kiểm soát được tính bất định của dữ liệu địa lý đầu vào. Luận án giải quyết khoảng trống này bằng cách:

  • Thiết lập quy trình phân loại thực phủ chuỗi 20 năm bằng thuật toán SSP dựa trên đặc tính vật hậu học từ dữ liệu ảnh Landsat 4, 5, 7, 8.
  • Xây dựng mô hình học máy lai ghép (Hybrid Machine Learning) kết hợp kỹ thuật Bagging và AdaBoost với lý thuyết Rough Set (BRS và ABRS), so sánh trực tiếp với SVM và RS truyền thống nhằm tối ưu hóa độ chính xác thành lập bản đồ nhạy cảm trượt lở đất tỷ lệ 1:50.000.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết và khái niệm sử dụng

  • Trượt lở đất: Quá trình di chuyển của khối đất đá, mảnh vụn phong hóa hoặc vật liệu bở rời xuống chân sườn dốc dưới tác động trực tiếp của trọng lực, chịu sự chi phối bởi cấu trúc địa chất, vỏ phong hóa, hình thái địa mạo, chế độ mưa và hoạt động nhân sinh.
  • Bản đồ độ nhạy cảm trượt lở đất (LSM): Thể hiện xác suất không gian xảy ra trượt lở đất trong tương lai dựa trên sự phân tích tương quan giữa các sự kiện trượt lở trong quá khứ với tập hợp các nhân tố tiền đề phát sinh trượt.
  • Lý thuyết tập dữ liệu thô (Rough Set - RS): Công cụ toán học do Pawlak đề xuất, xử lý tính không đầy đủ, không nhất quán và bất định của cơ sở dữ liệu bằng cách sử dụng các phép xấp xỉ trên (upper approximation) và xấp xỉ dưới (lower approximation) mà không cần giả định hàm liên thuộc như tập mờ (Fuzzy Set).
  • Thuật toán học máy kết hợp (Ensemble Learning):
    • Bagging (Bootstrap Aggregating): Kỹ thuật tạo nhiều tập con dữ liệu ngẫu nhiên có lặp lại để huấn luyện các bộ phân loại cơ sở, giúp giảm phương sai và tăng độ ổn định của mô hình Rough Set (tạo nên mô hình BRS).
    • AdaBoost (Adaptive Boosting): Kỹ thuật điều chỉnh trọng số của các mẫu dữ liệu phân loại sai ở các bước lặp trước để tối ưu hóa khả năng dự báo của Rough Set (tạo nên mô hình ABRS).
  • Thuật toán phân loại thực phủ dạng phổ đơn giản (SSP): Phương pháp nhận dạng lớp phủ dựa trên đồ thị phản xạ phổ chuẩn hóa và quy luật vật hậu học theo mùa (mùa mưa và mùa khô).

Phương pháp nghiên cứu thực tế

  1. Phương pháp phân tích ảnh viễn thám:
    • Viễn thám quang học: Thu thập, hiệu chỉnh hình học, hiệu chỉnh khí quyển chuỗi ảnh Landsat (TM, ETM+, OLI), SPOT-5, Sentinel-2, VNREDSat-1 và ảnh độ phân giải cao từ ESRI Wayback Living Atlas, Google Earth Pro. Xây dựng không gian lập thể 3D bằng cách chồng xếp ảnh quang học lên DEM.
    • Viễn thám Radar (SAR/InSAR): Sử dụng dữ liệu ảnh radar Sentinel-1A/1B (băng C) xử lý trên phần mềm SNAP để phân tích biến dạng bề mặt và kiểm chứng các vị trí trượt lở tại các khu vực sườn dốc hiểm trở (khu vực Thị xã Mường Lay).
  2. Phương pháp Hệ thống thông tin địa lý (GIS):
    • Xây dựng cơ sở dữ liệu GIS chuẩn hóa không gian ở tỷ lệ 1:50.000 trên phần mềm ArcGIS và ENVI.
    • Xử lý không gian, nội suy, phân cấp 13 lớp nhân tố ảnh hưởng và thực hiện chồng xếp ma trận xác suất.
  3. Phương pháp học máy và thống kê định lượng:
    • Chuyển đổi dữ liệu thuộc tính, phân chia tập dữ liệu thành tập huấn luyện (training dataset) và tập kiểm chứng (testing dataset).
    • Vận hành các mô hình RS, BRS, ABRS, SVM.
    • Đánh giá độ chính xác mô hình bằng đường cong ROC (Receiver Operating Characteristic), diện tích dưới đường cong AUC (Area Under Curve), chỉ số Kappa, độ nhạy (Sensitivity - SST), độ đặc hiệu (Specificity - SPF), độ chính xác tổng thể (Accuracy - ACC), giá trị dự đoán dương/âm (PPV, NPV) và sai số bình phương tối thiểu (RMSE).
  4. Phương pháp điều tra, khảo sát thực địa:
    • Định vị GPS, đo đạc trắc lượng, chụp ảnh các vết trượt lở, mô tả thạch học và vỏ phong hóa nhằm thiết lập tập mẫu khóa giải đoán (training keys) và đối soát thực tế tại các huyện thuộc vùng nghiên cứu.

Nguồn tư liệu và dữ liệu sử dụng

Nhóm dữ liệu Nguồn gốc và định dạng Mục đích sử dụng
Ảnh viễn thám quang học Landsat 4, 5 (TM), Landsat 7 (ETM+), Landsat 8 (OLI) giai đoạn 1999–2019 (USGS EarthExplorer); SPOT-5; VNREDSat-1 Phân loại biến động thực phủ theo thuật toán SSP; giải đoán hiện trạng các vết trượt lở
Ảnh viễn thám Radar Sentinel-1A, Sentinel-1B (kênh C, bước sóng ~5,6 cm) từ kho dữ liệu ESA SciHub Phân tích giao thoa pha, kiểm chứng vết nứt và biến dạng trượt lở tại vùng hiểm trở
Mô hình số độ cao (DEM) ALOS PALSAR DEM độ phân giải 12,5 m (kênh L) Chiết xuất các lớp thông tin địa hình: độ cao, độ dốc, hướng sườn, chia cắt sâu, chia cắt ngang
Dữ liệu địa chất & chuyên ngành Bản đồ địa chất thạch học, vỏ phong hóa, địa chất thủy văn, đứt gãy kiến tạo, đới động lực tỷ lệ 1:50.000 Xây dựng các lớp nhân tố tiền đề trượt lở
Dữ liệu khí tượng Chuỗi số liệu lượng mưa trung bình các tháng mùa mưa (1999–2019) tại các trạm khí tượng khu vực Phân tích nhân tố kích hoạt lượng mưa
Dữ liệu điều tra thực địa Kế thừa từ Đề tài cấp Nhà nước (TS. Phạm Quang Sơn), Dự án Tổng kiểm kê rừng (2013–2015) và khảo sát thực địa của NCS Xây dựng tập mẫu huấn luyện và kiểm chứng mô hình

Nội dung chính theo từng chương

Chương 1: Cơ sở khoa học và phương pháp cảnh báo nguy cơ trượt lở đất bằng phân tích ảnh viễn thám và ứng dụng GIS

Chương 1 hệ thống hóa cơ sở lý luận về tai biến trượt lở đất, tổng quan các phương pháp cảnh báo nguy cơ và xác lập quy trình công nghệ áp dụng cho luận án:

  • Phân tích cơ chế phát sinh trượt lở theo quan điểm địa lý tổng hợp, xác định 4 nhóm nguyên nhân chính: địa kỹ thuật, hình thái địa mạo, vật lý và con người.
  • Đánh giá ưu nhược điểm của các phương pháp đánh giá nguy cơ: phương pháp định tính (dựa vào chuyên gia) có tính chủ quan; phương pháp bán định lượng (AHP) phụ thuộc ma trận so sánh cặp; phương pháp học máy (ANN, SVM, Rough Set) có khả năng mô hình hóa quan hệ phi tuyến phức tạp.
  • Luận giải cơ sở lý thuyết của phương pháp tập dữ liệu thô (Rough Set) trong xử lý dữ liệu không gian có độ bất định cao, đồng thời giới thiệu giải pháp tăng cường độ chính xác bằng các thuật toán học máy kết hợp (Bagging, AdaBoost).
  • Xây dựng quy trình 3 giai đoạn thành lập bản đồ hiện trạng trượt lở đất từ ảnh viễn thám:
    1. Giai đoạn 1 (Tiền xử lý): Nắn chỉnh hình học, loại bỏ ảnh hưởng khí quyển, tạo ảnh lập thể 3D kết hợp ảnh quang học với DEM 12,5 m.
    2. Giai đoạn 2 (Giải đoán bằng mắt): Số hóa sơ bộ các vết trượt dựa trên dấu hiệu màu sắc (vết trượt sáng màu), hình dạng (bán nguyệt, hình thang mở rộng về chân sườn), cấu trúc (gồ ghề, đứt gãy thảm phủ) và bối cảnh không gian.
    3. Giai đoạn 3 (Hiệu chỉnh): Kiểm chứng bằng phân tích pha ảnh Radar Sentinel-1 và dữ liệu khảo sát thực địa bằng thiết bị GPS.

Chương 2: Cơ sở dữ liệu phục vụ đánh giá tai biến trượt lở đất khu vực hồ thủy điện Sơn La

Chương 2 tập trung xây dựng cơ sở dữ liệu GIS chuẩn hóa gồm 13 lớp nhân tố ảnh hưởng và lớp dữ liệu hiện trạng trượt lở cho toàn bộ lưu vực 5.381 km²:

  • Nhóm các lớp thông tin kế thừa và số hóa:
    1. Địa chất - thạch học: Phân loại các phức hệ đá cứng, đá biến chất, trầm tích bở rời và mức độ ổn định cơ lý.
    2. Vỏ phong hóa: Đánh giá cường độ phong hóa, bề dày tầng đất đá phong hóa vật lý và hóa học.
    3. Địa chất thủy văn: Phân vùng tầng chứa nước và khả năng bão hòa nước trong các lỗ rỗng đất đá.
    4. Mật độ đứt gãy: Chiết xuất mạng lưới đứt gãy kiến tạo, xác định vùng ảnh hưởng suy giảm liên kết đá gốc.
    5. Đới động lực: Đánh giá hoạt động kiến tạo hiện đại và biên độ nâng hạ địa động lực.
    6. Lượng mưa: Phân cấp lượng mưa trung bình các tháng mùa mưa giai đoạn 1999–2019.
  • Nhóm các lớp thông tin thành lập từ viễn thám và GIS: 7. Mô hình số độ cao (DEM): Dữ liệu ALOS PALSAR 12,5 m phản ánh phân dị địa hình. 8. Độ dốc địa hình: Phân chia các cấp độ dốc (0–5°, 5–15°, 15–25°, 25–35°, 35–50°, >50°), chỉ ra sườn dốc từ 15° đến 35° có nguy cơ trượt lở cao nhất. 9. Độ chia cắt ngang: Phản ánh mật độ dòng chảy sông suối và năng lượng xói lở chân sườn. 10. Độ chia cắt sâu: Xác định năng lượng địa hình qua độ chênh cao tương đối (m/km²). 11. Hướng sườn: Phân tích hướng đón gió, lượng mưa và chế độ ẩm của các sườn dốc. 12. Thực phủ: Bản đồ thực phủ đa thời gian (rừng tự nhiên, cây lâu năm, cây hàng năm, đất trống...) được phân loại tự động bằng phần mềm WinAsean 5.1 AutoClsSR theo thuật toán SSP trên ảnh Landsat 5, 7, 8. 13. Hiện trạng trượt lở đất: Lớp dữ liệu vị trí và quy mô các điểm trượt lở qua các năm (năm 2005, 2018, 2019) được xác định từ ảnh viễn thám và kiểm chứng thực địa.
  • Nhóm dữ liệu bổ trợ: Mật độ mạng lưới đường giao thông, các khu vực phát triển thủy điện, vùng canh tác nương rẫy nông - lâm nghiệp.

Chương 3: Cảnh báo nguy cơ trượt lở đất khu vực hồ thủy điện Sơn La

Chương 3 trình bày các kết quả phân tích định lượng, thử nghiệm mô hình học máy và thành lập bản đồ phân vùng nguy cơ:

  • Đánh giá biến động thực phủ và mối quan hệ với trượt lở đất (1999–2019):
    • Ứng dụng quy luật vật hậu học kết hợp phân loại ảnh mùa mưa và mùa khô để loại trừ nhầm lẫn phổ giữa các loại hình thực phủ.
    • Phân tích chuỗi dữ liệu 1999, 2009, 2019 cho thấy diện tích rừng tự nhiên (RTN) có sự suy giảm cục bộ tại các sườn dốc chuyển đổi sang đất nông nghiệp (CHN, CLN) và đất trống; các vị trí xảy ra trượt lở mới tập trung chủ yếu tại các khu vực thực phủ bị suy thoái hoặc ven các trục giao thông mới mở.
  • Phân tích tương quan các yếu tố phát sinh trượt lở đất:
    • Thống kê số lượng điểm trượt lở phân bố theo từng cấp độ của 13 nhân tố: độ chia cắt sâu, địa chất thạch học, địa chất thủy văn, vỏ phong hóa, độ dốc, lượng mưa trung bình năm, mật độ đứt gãy, đới động lực và mật độ giao thông.
  • Đánh giá, so sánh độ chính xác của các mô hình học máy:
    • Thử nghiệm 4 mô hình: Rough Set (RS), Bagging Rough Set (BRS), Adaboost Rough Set (ABRS) và Support Vector Machine (SVM).
    • Kiểm chứng độ chính xác thông qua giá trị AUC của đường cong ROC trên cả tập dữ liệu huấn luyện và tập dữ liệu kiểm chứng độc lập. Mô hình BRS đạt giá trị AUC và các chỉ số độ chính xác (ACC, Kappa, SST, SPF) cao nhất, thể hiện tính ổn định vượt trội so với mô hình RS đơn lẻ và SVM.
  • Thành lập bản đồ độ nhạy cảm và bản đồ nguy cơ trượt lở đất:
    • Thành lập bản đồ độ nhạy cảm trượt lở đất khu vực hồ thủy điện Sơn La tỷ lệ 1:50.000 bằng mô hình BRS.
    • Phân loại diện tích toàn lưu vực (5.381 km²) thành 5 cấp độ nhạy cảm và nguy cơ: Rất thấp, Thấp, Trung bình, Cao, Rất cao.
    • Xác định các khu vực có nguy cơ trượt lở cao và rất cao tập trung tại khu vực ven hồ thủy điện thuộc huyện Mường Lay, Mường Chà, Tủa Chùa, Thuận Châu, Quỳnh Nhai và Mù Cang Chải, nơi có sự giao cắt giữa các đới đứt gãy kiến tạo, độ dốc sườn lớn và mật độ giao thông cao.

Kết quả và những đóng góp mới

Đóng góp mới về mặt khoa học và lý luận

  1. Hoàn thiện quy trình công nghệ tích hợp: Xây dựng thành công quy trình kết hợp công nghệ viễn thám đa nguồn, đa thời gian (quang học Landsat, Sentinel-2, SPOT-5 kết hợp Radar giao thoa Sentinel-1 và DEM ALOS PALSAR 12,5 m) với hệ thông tin địa lý (GIS) trong việc nhận dạng, bổ sung hiện trạng trượt lở đất tại vùng núi có địa hình phân cắt phức tạp.
  2. Ứng dụng thành công mô hình học máy lai ghép: Chứng minh tính hiệu quả vượt trội của việc kết hợp thuật toán Bagging và AdaBoost với lý thuyết tập thô (Bagging Rough Set - BRS và Adaboost Rough Set - ABRS) trong dự báo độ nhạy cảm trượt lở đất, khắc phục được hạn chế về tính bất định và mâu thuẫn dữ liệu không gian đầu vào.
  3. Phương pháp phân loại thực phủ tự động: Áp dụng hiệu quả thuật toán dạng phổ đơn giản (SSP) kết hợp quy luật vật hậu học trong phân loại thực phủ chuỗi thời gian 20 năm từ ảnh Landsat, làm rõ mối quan hệ định lượng giữa suy thoái thảm phủ và phát sinh trượt lở.

Đóng góp mới về mặt thực tiễn

  1. Bộ cơ sở dữ liệu GIS chuẩn hóa: Thành lập hệ thống cơ sở dữ liệu số hóa hoàn chỉnh gồm 13 lớp nhân tố ảnh hưởng và tập dữ liệu hàng trăm điểm trượt lở thực tế cho toàn bộ lưu vực hồ thủy điện Sơn La (5.381 km²).
  2. Bản đồ chuyên đề tỷ lệ 1:50.000: Xây dựng bản đồ hiện trạng trượt lở đất, bản đồ biến động thực phủ (1999–2019), bản đồ độ nhạy cảm và bản đồ cảnh báo nguy cơ trượt lở đất tỷ lệ 1:50.000 cho khu vực hồ thủy điện Sơn La.
  3. Cung cấp luận cứ cho công tác quy hoạch và phòng chống thiên tai: Kết quả phân vùng nguy cơ cung cấp cơ sở khoa học trực tiếp cho Ban Quản lý Thủy điện Sơn La và chính quyền 4 tỉnh (Sơn La, Điện Biên, Lai Châu, Yên Bái) trong quy hoạch không gian, quản lý an toàn hồ đập, bố trí tái định cư và thiết kế công trình giao thông.

Kiến nghị và giải pháp đề xuất

  • Giải pháp quy hoạch và quản lý: Hạn chế các hoạt động san gạt sườn dốc tạo taluy đứng dọc theo các tuyến đường giao thông liên huyện, liên xã trong vùng nguy cơ cao; rà soát di dời các cụm dân cư nằm trong đới có nguy cơ trượt lở rất cao.
  • Giải pháp sinh học: Phục hồi và duy trì diện tích rừng phòng hộ đầu nguồn lưu vực sông Đà, kiểm soát hoạt động đốt nương làm rẫy trên các sườn dốc lớn hơn 25°.
  • Giải pháp kỹ thuật - công trình: Xây dựng hệ thống thoát nước mặt, gia cố chân taluy tại các đoạn đường giao thông xung yếu và lắp đặt các trạm quan trắc cảnh báo sớm tại các khối trượt lớn gần khu dân cư và công trình trọng điểm.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của đề tài

  • Bản đồ cảnh báo nguy cơ trượt lở đất được xây dựng ở tỷ lệ 1:50.000, phù hợp cho quy hoạch cấp lưu vực và cấp huyện nhưng chưa đủ độ chi tiết để đánh giá mức độ ổn định cho từng sườn dốc công trình cục bộ (tỷ lệ 1:25.000 hoặc 1:10.000).
  • Luận án chỉ tập trung vào trượt lở đất vùng đồi núi tự nhiên và do nhân sinh, chưa phân tích chuyên sâu hiện tượng sạt lở mép bờ hồ do chế độ dao động mực nước hồ thủy điện trong quá trình xả lũ và tích nước.
  • Nguồn ảnh quang học miễn phí Landsat có độ phân giải không gian trung bình (30 m), chất lượng một số cảnh ảnh mùa mưa bị hạn chế bởi mây che phủ.

Hướng nghiên cứu tiếp

  • Ứng dụng các nguồn dữ liệu viễn thám có độ phân giải không gian và thời gian cao hơn (như chùm vệ tinh Sentinel-2, SPOT 6/7, VNREDSat-1 hoặc ảnh UAV) để chi tiết hóa bản đồ cảnh báo nguy cơ trượt lở lên tỷ lệ 1:25.000 và 1:10.000 cho các khu vực trọng điểm.
  • Mở rộng ứng dụng kỹ thuật giao thoa Radar chuỗi thời gian (PS-InSAR, SBAS-InSAR) nhằm quan trắc liên tục tốc độ dịch chuyển của các khối trượt lớn phục vụ hệ thống cảnh báo sớm thời gian thực.
  • Nghiên cứu bổ sung động lực học sạt lở bờ hồ liên quan trực tiếp đến quy trình vận hành điều tiết mực nước của nhà máy thủy điện Sơn La.

Giá trị tham khảo

Đối tượng thụ hưởng

  • Nghiên cứu sinh, học viên cao học, sinh viên: Chuyên ngành Bản đồ, Viễn thám, GIS, Địa mạo, Địa lý tự nhiên, Tai biến địa chất và Kỹ thuật môi trường có thể tham khảo phương pháp luận kết hợp viễn thám đa nguồn và mô hình học máy.
  • Giảng viên và nhà nghiên cứu: Sử dụng làm tài liệu tham khảo trong giảng dạy các học phần về xử lý ảnh viễn thám nâng cao, mô hình hóa không gian và ứng dụng lý thuyết tập thô (Rough Set) trong đánh giá tai biến thiên nhiên.
  • Cơ quan quản lý và hoạch định chính sách: Ban Chỉ huy Phòng chống thiên tai và Tìm kiếm cứu nạn, Sở Tài nguyên và Môi trường, Sở Nông nghiệp và Phát triển nông thôn các tỉnh Sơn La, Điện Biên, Lai Châu, Yên Bái; Tập đoàn Điện lực Việt Nam (EVN) và Công ty Thủy điện Sơn La trong công tác quản lý an toàn hồ chứa và phát triển hạ tầng bền vững.

Nội dung có giá trị tham khảo cao

  • Quy trình phân loại thực phủ chuỗi thời gian tự động dựa trên dạng phổ đơn giản (SSP) và quy luật vật hậu học được thiết lập trên tệp tham số phân loại WinAsean 5.1 AutoClsSR (cho bộ cảm TM, ETM+, OLI).
  • Thuật toán tích hợp mô hình Bagging Rough Set (BRS) và bộ tiêu chí thống kê 13 nhân tố ảnh hưởng đến trượt lở đất tại khu vực miền núi Tây Bắc.
  • Phương pháp luận kết hợp ảnh quang học với ảnh Radar Sentinel-1 trong kiểm chứng và nhận dạng các vết nứt, biến dạng địa hình.

Câu hỏi thường gặp

1. Luận án sử dụng bao nhiêu nhân tố để đánh giá tai biến trượt lở đất tại khu vực hồ thủy điện Sơn La?

Luận án đánh giá tai biến trượt lở đất dựa trên 13 nhân tố thành phần thuộc các nhóm tự nhiên và nhân sinh:

  1. Mô hình số độ cao địa hình (DEM);
  2. Độ dốc địa hình;
  3. Độ chia cắt sâu;
  4. Hướng sườn dốc;
  5. Độ chia cắt ngang;
  6. Lượng mưa trung bình các tháng mùa mưa (1999–2019);
  7. Vỏ phong hóa;
  8. Địa chất thạch học;
  9. Địa chất thủy văn;
  10. Đới động lực;
  11. Mật độ đứt gãy kiến tạo;
  12. Hiện trạng và biến động thực phủ (1999–2019);
  13. Mật độ mạng lưới giao thông.

2. Thuật toán nào được sử dụng để phân loại thực phủ chuỗi 20 năm trên ảnh Landsat?

Tác giả sử dụng thuật toán phân tích dạng phổ đơn giản (Simplified Spectral Pattern - SSP) kết hợp quy luật vật hậu học (phân loại riêng mùa mưa và mùa khô) trên phần mềm chuyên dụng WinAsean 5.1 AutoClsSR để phân loại chuỗi ảnh vệ tinh Landsat 4, 5 (bộ cảm TM), Landsat 7 (ETM+) và Landsat 8 (OLI), từ đó chiết xuất biến động của các đối tượng rừng tự nhiên, cây lâu năm, cây hàng năm, đất trống và mặt nước.

3. Mô hình học máy nào cho kết quả dự báo nhạy cảm trượt lở đất tốt nhất trong luận án?

Mô hình kết hợp Bagging Rough Set (BRS) cho kết quả dự báo chính xác nhất, vượt trội hơn các mô hình Adaboost Rough Set (ABRS), Support Vector Machine (SVM) và Rough Set (RS) đơn lẻ. Hiệu năng của mô hình BRS được kiểm chứng và khẳng định thông qua giá trị diện tích dưới đường cong ROC (AUC) cao nhất trên cả tập mẫu huấn luyện và tập mẫu kiểm chứng độc lập.

4. Tại sao tác giả phải kết hợp ảnh viễn thám quang học với ảnh Radar Sentinel-1?

Ảnh quang học (Landsat, SPOT, Sentinel-2) cho phép giải đoán trực quan hình thái, màu sắc và ranh giới vết trượt nhưng bị hạn chế bởi mây che phủ trong mùa mưa và không thể hiện trực tiếp biến dạng 3D ở vùng núi hiểm trở. Việc kết hợp dữ liệu ảnh Radar Sentinel-1 (băng C) với kỹ thuật phân tích pha/biến dạng giúp hoạt động quan sát không phụ thuộc vào điều kiện thời tiết, hỗ trợ kiểm chứng chính xác các vị trí sạt trượt và bổ sung các điểm tai biến tại các khu vực khó tiếp cận trên thực địa.

5. Phạm vi không gian và địa bàn hành chính của khu vực nghiên cứu được xác định như thế nào?

Khu vực nghiên cứu có diện tích 5.381 km², được giới hạn theo đường phân thủy các lưu vực sông suối đổ về hồ thủy điện Sơn La (tọa độ từ 21°15'15" đến 22°17'10"B, 102°50'10" đến 104°35'15"Đ). Địa bàn bao gồm một phần diện tích của 9 đơn vị hành chính cấp huyện thuộc 4 tỉnh: huyện Quỳnh Nhai, Thuận Châu, Mường La (Sơn La); huyện Sìn Hồ (Lai Châu); huyện Tủa Chùa, Mường Chà, Tuần Giáo, Thị xã Mường Lay (Điện Biên); và huyện Mù Cang Chải (Yên Bái).


Kết luận

Luận án tiến sĩ của tác giả Nguyễn Văn Dũng đã xây dựng thành công quy trình khoa học tích hợp công nghệ viễn thám đa thời gian, đa cảm biến và hệ thông tin địa lý với mô hình học máy kết hợp Bagging Rough Set (BRS) để cảnh báo nguy cơ trượt lở đất tại lưu vực hồ thủy điện Sơn La. Công trình đã chuẩn hóa cơ sở dữ liệu 13 nhân tố ảnh hưởng, đánh giá chi tiết biến động thực phủ 20 năm (1999–2019) và thành lập bản đồ nhạy cảm, bản đồ nguy cơ trượt lở đất tỷ lệ 1:50.000 đạt độ tin cậy cao. Kết quả nghiên cứu cung cấp cơ sở lý luận vững chắc và tài liệu thực tiễn quan trọng phục vụ công tác quy hoạch lãnh thổ, quản lý an toàn công trình thủy điện và giảm nhẹ thiệt hại do thiên tai tại vùng Tây Bắc.