Tổng quan về luận án

Hiện tượng trượt lở đất đá (landslide) tại các vùng đồi núi nhiệt đới gió mùa dưới tác động của biến đổi khí hậu toàn cầu đang gia tăng nhanh chóng cả về tần suất lẫn quy mô tàn phá. Theo số liệu thống kê địa chất quốc tế, trượt lở đất đá chiếm gần 9% tổng số các thảm họa thiên nhiên trên thế giới và có xu hướng tăng vọt do sự kết hợp phức tạp giữa đô thị hóa, nạn phá rừng và các đợt mưa cực đoan có cường độ cao kéo dài [1]. Tại khu vực Nam Trung Bộ Việt Nam, đặc biệt là huyện Khánh Vĩnh, tỉnh Khánh Hòa – một địa bàn miền núi chuyển tiếp hiểm trở với diện tích tự nhiên $1.165\text{ km}^2$ và mật độ dân cư thấp ($31\text{ người/km}^2$) – chế độ mưa bão dị thường kéo dài từ tháng IX đến tháng XII là nhân tố kích hoạt hàng loạt khối trượt nghiêm trọng dọc các tuyến đường huyết mạch như đèo Khánh Lê - Hòn Giao (trục Nha Trang - Đà Lạt) và đường liên xã Khánh Trung - sông Giang.

Khoảng trống học thuật (research gap) cốt lõi tồn tại trong các công trình nghiên cứu trước đây tại Việt Nam là việc đánh giá nguy cơ trượt lở hầu như chỉ tập trung vào các yếu tố nội tại tĩnh (địa hình, địa mạo, thành phần thạch học, đới đứt gãy kiến tạo, thảm phủ thực vật) và chỉ dừng lại ở khái niệm "bản đồ nguy cơ trượt lở" (Landslide Susceptibility Map - LSM). Các nghiên cứu này bỏ qua hoặc chỉ đánh giá định tính vai trò kích hoạt động lực của chế độ mưa theo thời gian và cơ chế thấm trong tầng đất chưa bão hòa nước. Luận án tiến sĩ kỹ thuật của tác giả Nguyễn Thanh Danh với đề tài "Nghiên cứu ảnh hưởng của mưa đối với trượt lở và xây dựng bản đồ tai biến trượt lở huyện Khánh Vĩnh, tỉnh Khánh Hòa" đã giải quyết triệt để khoảng trống này bằng cách kết hợp cơ học đất không bão hòa với phân tích thấm ghép đôi (coupled seepage-stability analysis) và các thuật toán xác suất thống kê không gian GIS.

Luận án tập trung giải quyết ba câu hỏi nghiên cứu (Research Questions - RQ) và kiểm chứng hai giả thuyết khoa học chính:

  • RQ1: Chế độ thấm hai chiều của nước mưa làm biến đổi áp lực nước lỗ rỗng âm (suction), độ hút dính ma trích và sức kháng cắt của đất tàn tích phong hóa như thế nào dưới các kịch bản mưa và hình học mái dốc khác nhau?
  • RQ2: Mối tương quan định lượng giữa hệ số an toàn ($FS$), cường độ mưa ($I$), thời gian mưa ($t$), hệ số thấm bão hòa ($k_s$), góc dốc ($\alpha$) và chiều cao mái dốc ($H_s$) tại khu vực nghiên cứu được xác lập ra sao?
  • RQ3: Việc tích hợp yếu tố kích hoạt động lượng mưa lớn nhất năm ($MP$) và chỉ số ẩm ướt địa hình cải tiến ($TWI$) vào các mô hình xác suất thống kê GIS (FR, SI, WoE, LR) kết hợp thuật toán trung bình Bayesian (BMA) nâng cao độ chính xác dự báo không gian như thế nào?

Khung lý thuyết của nghiên cứu được đặt trên nền tảng cơ học đất không bão hòa của Fredlund & Rahardjo (1993), lý thuyết dòng thấm không ổn định hai chiều theo định luật Darcy mở rộng, tiêu chuẩn phá hủy Mohr-Coulomb mở rộng cho đất chưa bão hòa, kết hợp phương pháp cân bằng giới hạn Morgenstern-Price (1965) và lý thuyết xác suất không gian Bayes. Quy mô khảo sát bao gồm cơ sở dữ liệu kiểm kê trượt lở hiện trạng (landslide inventory) với $231$ điểm trượt thực tế, phân tích $11$ lớp nhân tố không gian chuyên đề trên nền mô hình số độ cao (DEM) và chuỗi dữ liệu khí tượng thủy văn đo đạc từ năm 1977 đến 2016.

Literature Review và Positioning

Nghiên cứu cơ chế trượt lở do mưa trên thế giới đã trải qua quá trình phát triển sâu rộng từ việc thiết lập các đường cong ngưỡng mưa kinh nghiệm thực nghiệm (rainfall thresholds) dạng hàm mũ $I = \alpha t^{-\beta}$ (Caine, 1980; Dahal, 2008; Guzzetti, 2008) đến mô phỏng số học cơ chế thấm trong đất không bão hòa (Lim, 1996; Gasmo, 2000; Rahardjo et al., 2005, 2008, 2010; Tsaparas et al., 2002; Collins & Znidarcic, 2004). Caine (1980) và Dahal (2008) chỉ ra ngưỡng kích hoạt trượt lở dựa trên cường độ và thời gian mưa nhưng bộc lộ hạn chế lớn là không phản ánh được lịch sử độ ẩm tiền tích ($antecedent\ moisture$) và tính chất cơ lý thạch học của tầng đất. Yasuhiro Shuin (2012) chứng minh rằng mối quan hệ $I \sim t$ đơn thuần không thể phân biệt ranh giới giữa các sự kiện mưa gây trượt và không gây trượt nếu thiếu thông số sức chống cắt và tính thấm.

Về phương pháp lập bản đồ dự báo không gian, các trường phái tiếp cận quốc tế chia thành ba nhóm: định tính/chuyên gia (như AHP của Saaty, 1980; Barredo et al., 2000), mô hình cơ học địa kỹ thuật tất định (deterministic slope stability models) và các phương pháp xác suất thống kê - học máy (Lee & Talib, 2005; Isik Yilmaz, 2009; Jaafari et al., 2014; Youssef et al., 2015). Nghiên cứu của Isik Yilmaz (2009) tại vùng Tokat (Thổ Nhĩ Kỳ) áp dụng Frequency Ratio (FR), Logistic Regression (LR) và Artificial Neural Network (ANN) cho thấy ANN tuy có độ chính xác cao nhưng cấu trúc "hộp đen" phức tạp, khó tương thích trong xử lý dữ liệu lớn trên GIS. Nghiên cứu của Jaafari và cộng sự (2014) tại rừng Caspian (Iran) và Youssef và cộng sự (2015) tại lưu vực Wadi Itwad (Ả Rập Saudi) đã khẳng định tính hiệu quả, ổn định và khả năng trực quan hóa xuất sắc của các mô hình xác suất thống kê nhị phân (FR, SI, WoE, LR) khi tích hợp trong môi trường GIS.

Tại Việt Nam, các nghiên cứu của Hoàng Đại Toán (2004), Nguyễn Văn Hoàng (2005), Nghiêm Hữu Hạnh (2007), Nguyễn Bá Duẩn (2008) và Nguyễn Đức Lý (2009) đã phân tích định lượng ảnh hưởng của mưa đến mái dốc nhưng chủ yếu giải bài toán thấm một chiều thẳng đứng hoặc khảo sát biến thiên hệ số an toàn đơn thuần. Về mặt dự báo không gian, các công trình của Phạm Văn Hùng (2005) tại Quảng Nam, Bùi Tiến Diệu và cs (2011) tại Hòa Bình, Vũ Ngọc Trân (2012) tại Khánh Vĩnh, Nguyễn Thám và cs (2012) tại Quảng Trị, Trần Mạnh Liễu và cs (2013) tại Bắc Kạn chỉ dừng lại ở việc lập bản đồ chỉ số nguy cơ ($LSI$) dựa trên các yếu tố tĩnh bên trong mà chưa đưa yếu tố kích hoạt động lượng mưa vào hàm toán học dự báo tai biến trượt lở ($LHI$).

Luận án của Nguyễn Thanh Danh định vị chính xác vị trí khoa học tiên phong bằng cách chuyển đổi hệ hình từ "Bản đồ nguy cơ trượt lở" $LSI = f(\text{điểm trượt, yếu tố nội tại})$ sang "Bản đồ tai biến trượt lở" $LHI = f(\text{điểm trượt, yếu tố nội tại, yếu tố kích hoạt mưa})$, đồng thời áp dụng phương pháp chuẩn hóa phân phối xác suất và thuật toán Bayesian Model Averaging (BMA) để tối ưu hóa tổ hợp nhân tố.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án mở rộng lý thuyết cơ học đất không bão hòa của Fredlund & Rahardjo (1993) trong bài toán phá hủy mái dốc đất tàn tích phong hóa nhiệt đới. Phương trình sức chống cắt mở rộng được áp dụng có dạng:

$$\tau_f = c' + (\sigma_f - u_a)_f \tan \phi' + (u_a - u_w)_f \tan \phi^b$$

Trong đó, $(\sigma_f - u_a)_f$ là ứng suất pháp thực, $(u_a - u_w)_f$ là độ hút dính ma trích tại mặt trượt lúc phá hủy, $\phi'$ là góc ma sát trong hiệu quả, và $\phi^b$ là góc ma sát thể hiện tốc độ tăng sức chống cắt theo độ hút dính. Luận án chứng minh một cách tường minh rằng quá trình nước mưa ngấm vào mái dốc làm tăng dần áp lực nước lỗ rỗng âm (tiến dần về 0 và chuyển sang dương), làm tiêu tán độ hút dính ma trích $(u_a - u_w)$, dẫn tới suy giảm đột ngột cường độ chống cắt danh định của khối đất tàn tích, từ đó kích hoạt chuyển động trượt khối ngay cả khi ứng suất pháp hiệu quả tổng thể chưa đạt trạng thái tới hạn truyền thống.

flowchart TD
    A["Mưa lớn kéo dài (I, t)"] --> B["Thấm bề mặt không bão hòa (q = I)"]
    B --> C["Tăng dung trọng tự nhiên và độ ẩm thể tích"]
    B --> D["Áp lực nước lỗ rỗng âm (u_a - u_w) tiến dần về 0"]
    D --> E["Tiêu tán độ hút dính ma trích (Matric Suction)"]
    E --> F["Giảm sức chống cắt (Extended Mohr-Coulomb)"]
    C --> G["Tăng lực gây trượt (Driving Forces)"]
    F --> H["Mái dốc mất ổn định (FS < 1.0)"]
    G --> H

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp đa tầng ba lý thuyết nền tảng:

  1. Lý thuyết thủy lực thấm không ổn định (Unsaturated Transient Seepage Theory): Mô tả sự vận động của chất lỏng qua đường cong đặc trưng đất - nước (SWCC) và hàm thấm phi tuyến $k_w(\psi) = k_s \cdot \Theta^p$.
  2. Lý thuyết cân bằng giới hạn tổng quát (General Limit Equilibrium - GLE): Áp dụng thuật toán Morgenstern-Price nghiêm ngặt thỏa mãn đồng thời cân bằng lực và cân bằng mômen trên từng thỏi trượt.
  3. Lý thuyết xác suất không gian và Bayes: Khung thống kê đa biến tích hợp bốn mô hình xác suất (FR, SI, WoE, LR) được hiệu chỉnh bằng thuật toán trung bình mô hình Bayes (BMA) để loại bỏ hiện tượng đa cộng tuyến và tối ưu hóa số lượng biến đầu vào.

Ranh giới áp dụng lý thuyết được xác định rõ: áp dụng cho tầng vỏ phong hóa tàn tích ($eQ$), sườn tích ($dQ$), lũ tích ($pdQ$) phát triển trên đá phiến sét - cát kết hệ tầng La Ngà và đá phun trào Mesozoic với chiều dày tầng phong hóa từ $2\text{ m}$ đến $15\text{ m}$, góc dốc sườn tự nhiên từ $15^\circ$ đến $45^\circ$.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Luận án vận hành theo lập trường triết học thực chứng (Positivism) kết hợp chủ nghĩa hiện thực phản biện (Critical Realism), sử dụng thiết kế nghiên cứu phức hợp đa phương pháp (Mixed-Quantitative Computational Design). Thiết kế bao gồm hai nhánh chính:

  • Nhánh cơ học địa kỹ thuật (Geotechnical Modeling): Khảo sát địa chất công trình hiện trường, khoan lấy mẫu nguyên dạng, thí nghiệm cơ lý - cấp phối hạt và thiết lập đường cong SWCC, sau đó tiến hành mô phỏng số 2D ghép đôi thấm - ổn định bằng GeoStudio (module SEEP/W và SLOPE/W).
  • Nhánh phân tích không gian GIS (Spatial Statistical Modeling): Xây dựng kho dữ liệu $231$ điểm trượt lở phân bố trên hệ thống tọa độ không gian số hóa huyện Khánh Vĩnh, chiết xuất $11$ lớp biến môi trường với kích thước ô lưới pixel $10\text{ m} \times 10\text{ m}$.

Quy trình nghiên cứu rigorous

Quy trình thu thập và xử lý số liệu địa kỹ thuật và thống kê không gian tuân thủ nghiêm ngặt chuẩn quốc tế:

  • Khảo sát cơ lý đất: Xác định các chỉ tiêu cơ lý trung bình của ba loại đất đại diện chính: sét, sét pha, và sét pha lẫn dăm sạn (Bảng 2.2). Thí nghiệm cấp phối hạt cho thấy đường kính hiệu quả $d_{10}$ và $d_{60}$, độ ẩm tự nhiên $W = 20,68 \sim 29%$, dung trọng bão hòa $\gamma_s = 18,5 \sim 19,3\text{ kN/m}^3$, lực dính $c' = 15 \sim 21\text{ kN/m}^2$, góc ma sát trong $\phi' = 16 \sim 18^\circ$, hệ số thấm bão hòa $k_s = 2,09 \times 10^{-7}\text{ m/s}$ (sét pha), $1,55 \times 10^{-6}\text{ m/s}$ (sét), và $2,03 \times 10^{-5}\text{ m/s}$ (sét pha lẫn dăm sạn).
  • Thiết lập SWCC: Sử dụng mô hình van Genuchten (1980) và Fredlund - Xing (1994) để xây dựng đường cong SWCC từ số liệu cấp phối hạt và độ ẩm dư, xác định chính xác hàm dẫn thấm phi tuyến.
  • Mô hình hóa GIS: 11 nhân tố ảnh hưởng được số hóa trên phần mềm ILWIS bao gồm: (1) Cao độ DEM, (2) Độ dốc SLOPE, (3) Hướng dốc ASPECT, (4) Độ uốn cong CURVATURE, (5) Chỉ số ẩm ướt địa hình TWI theo công thức Montgomery & Dietrich (1994):

$$TWI = \ln\left(\frac{a}{b \cdot T \cdot \sin \alpha}\right)$$

với $a$ là diện tích lưu vực thu nước, $b$ là chiều rộng đường bình độ, $T$ là hệ số truyền dẫn, $\alpha$ là góc dốc; (6) Thạch học LITHOLOGY, (7) Khoảng cách đến đường DFR, (8) Khoảng cách đến sông suối DFD, (9) Khoảng cách đến đứt gãy DFF, (10) Chỉ số thực vật NDVI, và (11) Lượng mưa lớn nhất năm MP.

graph LR
    A["231 Điểm trượt lở kiểm kê"] --> D["Xây dựng bản đồ trọng số"]
    B["11 Bản đồ chuyên đề nhân tố"] --> D
    D --> E["Chồng lớp không gian: FR, SI, WoE, LR"]
    E --> F["Chuẩn hóa phân phối chuẩn LHI_sd"]
    F --> G["Phân 5 vùng tai biến (Standard Deviation)"]
    G --> H["Kiểm chứng ROC / AUC (Success & Prediction Rate)"]
    I["Thuật toán BMA trong R"] --> J["Xác định 4 nhân tố then chốt & 5 mô hình tối ưu"]
    J --> H

Data và phân tích

  • Kỹ thuật xác suất thống kê: Bốn phương pháp được triển khai độc lập:
    • Frequency Ratio (FR): $FR_{ij} = \frac{N_{ij} / N}{A_{ij} / A}$
    • Statistical Index (SI): $W_{ij} = \ln\left(\frac{N_{ij} / N}{A_{ij} / A}\right)$
    • Weights of Evidence (WoE): Tính toán $W^+$ và $W^-$ dựa trên định lý Bayes, tính trọng số tương phản trọng tài $C = W^+ - W^-$.
    • Logistic Regression (LR): Xây dựng hàm logit $P = \frac{1}{1 + e^{-Z}}$, trong đó $Z = \beta_0 + \sum \beta_i X_i$.
  • Kiểm định đa cộng tuyến: Sử dụng hệ số phóng đại phương sai (VIF) và dung sai sai số (TOL). Kết quả cho thấy toàn bộ $VIF < 2,5$ và $TOL > 0,4$, bảo đảm các biến độc lập không vi phạm giả định thống kê.
  • Chuẩn hóa bản đồ chỉ số tai biến: Toàn bộ giá trị $LHI$ được chuyển đổi chuẩn tắc theo phương pháp độ lệch chuẩn ($Standard\ Deviation\ Classification$) để đưa về phân phối chuẩn đối xứng $N(\mu, \sigma^2)$, chia vùng tai biến thành 5 cấp bậc: Rất thấp ($< -1,5\sigma$), Thấp ($-1,5\sigma \sim -0,5\sigma$), Trung bình ($-0,5\sigma \sim 0,5\sigma$), Cao ($0,5\sigma \sim 1,5\sigma$), và Rất cao ($> 1,5\sigma$).
  • Kiểm chứng độ chính xác: Sử dụng đường cong tỷ lệ thành công (Success Rate Curve) và tỷ lệ dự báo (Prediction Rate Curve). Diện tích dưới đường cong ($AUC$) đạt giá trị xuất sắc từ $0,80$ đến $0,90$.

Phát hiện đột phá và implications

Những phát hiện then chốt

[!IMPORTANT] Trích dẫn minh chứng số liệu từ luận án:

  1. "Kết quả phân tích cho thấy hệ số thấm có vai trò quan trọng đối với sự ổn định của mái dốc. Khi thời gian mưa kéo dài hơn 3 ngày, hệ số an toàn thay đổi nhiều nếu mái dốc cấu tạo bởi đất có hệ số thấm nhỏ ($k_s = 2,09 \times 10^{-7}\text{ m/s}$) và ít thay đổi hơn khi mái dốc cấu tạo bởi đất có hệ số thấm lớn ($k_s = 2,03 \times 10^{-5}\text{ m/s}$)."
  2. "Ngưỡng cường độ mưa mái dốc phá hủy phụ thuộc thời gian mưa. Cường độ mưa đạt $10\text{ mm/h}$, sau thời gian hơn năm ngày mái dốc mất ổn định ($FS < 1,0$)."
  3. "Trong 5 mô hình tối ưu, đánh giá theo hiệu quả dự báo thì mô hình 1 là mô hình phù hợp nhất vì sử dụng ít yếu tố ảnh hưởng để dự báo (4 yếu tố: DEM, DFR, MP, SLOPE), đánh giá theo độ chính xác dự báo thì mô hình 3 là mô hình phù hợp tốt nhất (6 yếu tố: DEM, DFR, MP, SLOPE, LITHOLOGY, DFF)."
  1. Cơ chế thấm phân hóa theo độ dẫn thủy lực: Với mái dốc đất sét có hệ số thấm thấp ($k_s = 2,09 \times 10^{-7}\text{ m/s}$), nước mưa ngấm chậm tạo nên gradient thủy lực rất lớn tại lớp bề mặt đỉnh mái dốc, làm suy giảm nhanh áp lực hút dính cục bộ; khi mưa kéo dài quá 3 ngày, ranh giới thấm bão hòa tiến sâu vào mặt trượt tiềm năng gây sụt trượt diện rộng. Ngược lại, mái dốc đất có hệ số thấm lớn ($k_s = 2,03 \times 10^{-5}\text{ m/s}$) cho phép nước thoát nhanh xuống chân mái dốc, do đó hệ số an toàn ít suy giảm đột ngột trừ khi có dòng ngầm dâng cao.
  2. Xác lập ngưỡng mưa tới hạn định lượng: Tại huyện Khánh Vĩnh, ngưỡng mưa gây trượt nguy hiểm được định lượng chính xác: với lượng mưa liên tục duy trì ở cường độ $I = 10\text{ mm/h}$, sau thời gian tích lũy $t > 5\text{ ngày}$ ($120\text{ giờ}$), hệ số an toàn $FS$ của các mái dốc tự nhiên có góc dốc $\alpha \ge 25^\circ$ và chiều cao $H_s \ge 10\text{ m}$ sẽ giảm xuống dưới ngưỡng cân bằng giới hạn ($FS < 1,0$).
  3. Phát hiện 4 nhân tố không gian cốt lõi qua BMA: Thuật toán Bayesian Model Averaging lọc ra 4 nhân tố có xác suất tác động cao nhất ($P > 85%$) trong tổng số 11 nhân tố: (1) Cao độ địa hình ($DEM$), (2) Khoảng cách đến mạng lưới giao thông ($DFR$), (3) Lượng mưa lớn nhất năm ($MP$), và (4) Độ dốc mái sườn ($SLOPE$).
  4. Hiệu năng vượt trội của mô hình Trọng số chứng cứ (WoE): Phương pháp WoE đạt độ chính xác dự báo cao nhất với $AUC_{WoE} = 0,892$, kế tiếp là Logistic Regression ($AUC_{LR} = 0,865$), Statistical Index ($AUC_{SI} = 0,841$) và Frequency Ratio ($AUC_{FR} = 0,838$). Tuy nhiên, FR và SI có ưu thế tính toán đơn giản, dễ chuẩn hóa tự động trong các hệ GIS phổ thông.
Phương pháp dự báo Giá trị AUC (Success Rate) Giá trị AUC (Prediction Rate) Ưu điểm tính toán Hạn chế chính
Weights of Evidence (WoE) 0,892 0,885 Độ chính xác cao nhất, xử lý tốt dữ liệu nhị phân Nhạy cảm với tính độc lập có điều kiện
Logistic Regression (LR) 0,865 0,854 Phân tích quan hệ phi tuyến, kiểm soát tương quan Đòi hỏi xử lý ma trận và cỡ mẫu lớn
Statistical Index (SI) 0,841 0,832 Thuật toán đơn giản, phản ánh rõ từng cấp phụ Phụ thuộc vào cách chia lớp nhân tố
Frequency Ratio (FR) 0,838 0,829 Trực quan, tính toán nhanh, dễ áp dụng Bỏ qua tương quan qua lại giữa các biến

Implications đa chiều

  • Về mặt lý thuyết: Cung cấp bằng chứng thực nghiệm củng cố lý thuyết phá hủy cắt do mất áp lực hút dính trong cơ học đất chưa bão hòa tại vùng nhiệt đới gió mùa Đông Nam Á.
  • Về mặt phương pháp luận: Chuẩn hóa quy trình chuyển đổi bản đồ nguy cơ ($LSI$) sang bản đồ tai biến ($LHI$) thông qua phân phối độ lệch chuẩn, loại bỏ tính chủ quan khi so sánh hiệu năng các mô hình xác suất.
  • Về mặt ứng dụng thực tiễn: Cung cấp bản đồ phân vùng chi tiết tỷ lệ 1:50.000 cho 14 đơn vị hành chính huyện Khánh Vĩnh, chỉ ra các "điểm nóng" tai biến dọc Quốc lộ 27C (đoạn đèo Khánh Lê - Hòn Giao từ Km 42 đến Km 65).
  • Về mặt chính sách: Thiết lập cơ sở khoa học để Sở Giao thông Vận tải và Ban Chỉ huy Phòng chống thiên tai tỉnh Khánh Hòa ban hành cảnh báo sớm di dời dân cư khi dự báo lượng mưa vượt ngưỡng $10\text{ mm/h}$ kéo dài trên 5 ngày.

Limitations và Future Research

  1. Hạn chế về tính đồng nhất của trường mưa: Dữ liệu mưa sử dụng chủ yếu dựa trên số liệu quan trắc từ 6 trạm đo mưa trên địa bàn huyện và lân cận (M1 Sơn Thái, M2 Khánh Phú, M3 Khánh Bình, M4 Sơn Lâm, M5 Tô Hạp, M6 Ba Cụm Bắc). Việc nội suy không gian chưa phản ánh được hoàn toàn hiệu ứng tiểu khí hậu che khuất của các dãy núi cao trên $1.500\text{ m}$ (Hòn Giao, Hòn Bà).
  2. Giả định hình học mặt cắt 2D: Mô phỏng số GeoStudio được thực hiện trên các mặt cắt mái dốc đại diện 2D đồng nhất, chưa xét đến hiệu ứng bất đẳng hướng 3D và các dị thường khe nứt kiến tạo phức tạp trong khối đất đá.
  3. Chỉ số thực vật tĩnh (NDVI): Chỉ số NDVI được trích xuất từ ảnh vệ tinh Landsat tại một thời điểm mùa khô/mùa mưa, chưa mô phỏng được sự biến động động học của thảm phủ thực vật theo chu kỳ canh tác nông - lâm nghiệp.

Định hướng nghiên cứu tiếp theo:

  • Tích hợp dữ liệu radar thời tiết phản xạ kết hợp ảnh vệ tinh viễn thám đo mưa (GPM/IMERG) độ phân giải không thời gian cao để hiệu chỉnh lượng mưa tức thời thời gian thực.
  • Ứng dụng các mô hình học sâu tiên tiến (Deep Learning: CNN-LSTM, Graph Neural Networks) ghép nối với mô hình vật lý thủy văn phân bố 3D (như TRIGRS hoặc Geo-Studio 3D).
  • Lắp đặt hệ thống cảm biến đo áp lực nước lỗ rỗng và độ ẩm đất tự động truyền dữ liệu qua mạng IoT tại các mái dốc xung yếu trên đèo Khánh Lê để kiểm chứng trực tiếp ngưỡng cảnh báo sạt lở.

Tác động và ảnh hưởng

  • Tác động học thuật: Luận án mở ra hướng nghiên cứu liên ngành đột phá kết hợp giữa Địa chất công trình, Cơ học đất không bão hòa và Khoa học thông tin địa lý (GIS). Kết quả nghiên cứu là tài liệu tham khảo mẫu mực cho các nghiên cứu sinh, học viên cao học ngành Kỹ thuật địa chất và Kỹ thuật công trình xây dựng.
  • Tác động kinh tế - xã hội: Cung cấp công cụ quy hoạch bền vững mạng lưới giao thông vùng núi Nam Trung Bộ, giảm thiểu thiệt hại hàng chục tỷ đồng mỗi năm do tắc nghẽn giao thông và khắc phục sạt lở trên tuyến huyết mạch nối duyên hải miền Trung với Tây Nguyên.
  • Tác động chính sách: Cung cấp luận cứ khoa học để Ủy ban Nhân dân tỉnh Khánh Hòa tích hợp bản đồ tai biến trượt lở vào Quy hoạch tổng thể phát triển kinh tế - xã hội và đồ án quy hoạch không gian ngầm, quy hoạch phân khu chức năng huyện Khánh Vĩnh đến năm 2030, tầm nhìn 2050.

Đối tượng hưởng lợi

  • Nghiên cứu sinh & Giới học thuật: Tiếp cận phương pháp luận chuẩn hóa phân phối $LHI$ và mô hình BMA để tối ưu hóa việc lựa chọn nhân tố kích hoạt trong mô hình không gian.
  • Kỹ sư Địa kỹ thuật & Công trình: Ứng dụng các thông số cơ lý, đường cong SWCC và hàm thấm đại diện của đất tàn tích Khánh Vĩnh trong tính toán thiết kế ổn định mái dốc và công trình bảo vệ mái taluy đường giao thông.
  • Cơ quan Quản lý Quy hoạch & Thiên tai: Sở Nông nghiệp & PTNT, Ban Chỉ huy PCTT&TKCN tỉnh Khánh Hòa có trong tay công cụ cảnh báo sớm định lượng, xác định chính xác các tọa độ nguy cơ rất cao để bố trí nguồn lực ứng phó.

Câu hỏi chuyên sâu

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

Đóng góp độc đáo nhất là việc tích hợp thành công lý thuyết cơ học đất không bão hòa của Fredlund & Rahardjo (1993) vào bài toán dự báo tai biến trượt lở diện rộng bằng GIS. Luận án đã giải mã tường minh mối quan hệ giữa sự suy giảm độ hút dính ma trích $(u_a - u_w)$ do mưa thấm với sự suy giảm sức chống cắt $\tau_f$ của đất phong hóa nhiệt đới, chuyển dịch từ đánh giá nguy cơ tĩnh ($LSI$) sang dự báo tai biến động ($LHI$).

2. Sự đổi mới về phương pháp luận so với các nghiên cứu quốc tế trước đây?

So với Isik Yilmaz (2009) và Jaafari et al. (2014), luận án đổi mới ở hai khâu then chốt: (1) Ứng dụng thuật toán Bayesian Model Averaging (BMA) trong môi trường R để lượng hóa xác suất xuất hiện và chọn lọc tổ hợp nhân tố tối ưu, giải quyết triệt để vấn đề lựa chọn biến cảm tính; (2) Chuẩn hóa các bản đồ chỉ số tai biến bằng phương pháp độ lệch chuẩn ($Standard\ Deviation\ Classification$) giúp đưa các giá trị dự báo khác nhau về cùng phân phối chuẩn, tạo cơ sở so sánh khách quan và khoa học giữa các mô hình (FR, SI, WoE, LR).

3. Phát hiện bất ngờ nhất được hỗ trợ bởi số liệu thực nghiệm là gì?

Mái dốc cấu tạo bởi đất sét có hệ số thấm nhỏ ($k_s = 2,09 \times 10^{-7}\text{ m/s}$) lại nhạy cảm và dễ bị mất ổn định nghiêm trọng hơn khi mưa kéo dài trên 3 ngày so với đất có hệ số thấm lớn ($k_s = 2,03 \times 10^{-5}\text{ m/s}$). Nguyên nhân do gradient thủy lực lớn ở lớp mặt đất sét làm tiêu tán độ hút dính tầng nông cực nhanh, tạo mặt trượt phẳng cạn dọc theo bề mặt mái dốc.

4. Luận án có cung cấp quy trình nhân bản (Replication Protocol) không?

Có. Luận án cung cấp chi tiết toàn bộ chuỗi thuật toán: từ quy trình thí nghiệm cơ lý xác định $k_s$, SWCC; quy trình mô phỏng SEEP/W và SLOPE/W; thuật toán trích xuất 11 biến địa hình trên ILWIS GIS; đến script phân tích mô hình trung bình Bayesian trong phần mềm thống kê R. Quy trình này có thể áp dụng nguyên vẹn cho các khu vực đồi núi có điều kiện địa chất - khí hậu tương đồng ở Tây Nguyên và Duyên hải miền Trung.

5. Chương trình nghiên cứu 10 năm được phác thảo như thế nào?

Chương trình nghiên cứu đề xuất phát triển hệ thống giám sát và cảnh báo trượt lở thời gian thực (Real-time Early Warning System - EWS) tích hợp: Mạng lưới cảm biến trường IoT quan trắc áp lực lỗ rỗng âm $\rightarrow$ Dữ liệu mưa vệ tinh vi thám phân giải cao $\rightarrow$ Mô hình dự báo số học học sâu thích ứng tự động (AI-driven digital twin slope model).

Kết luận

  1. Luận án đã làm sáng tỏ bản chất cơ học của quá trình mưa kích hoạt trượt lở trên mái dốc đất tàn tích phong hóa huyện Khánh Vĩnh dựa trên lý thuyết thấm không ổn định hai chiều và tiêu chuẩn phá hủy Mohr-Coulomb mở rộng cho đất không bão hòa.
  2. Thiết lập định lượng mối tương quan phi tuyến giữa hệ số an toàn ($FS$) với cường độ mưa ($I$), thời gian mưa ($t$), hệ số thấm ($k_s$), góc dốc ($\alpha$) và chiều cao mái dốc ($H_s$), xác định ngưỡng mưa kích hoạt nguy hiểm là $I \ge 10\text{ mm/h}$ liên tục trong thời gian $t > 5\text{ ngày}$.
  3. Tiên phong ứng dụng thuật toán trung bình Bayesian (BMA) trong R để xác định 4 nhân tố ảnh hưởng cốt lõi nhất: Cao độ (DEM), Khoảng cách đến đường (DFR), Lượng mưa lớn nhất năm (MP) và Độ dốc (SLOPE); đồng thời xây dựng 5 mô hình tổ hợp nhân tố tối ưu cho công tác dự báo.
  4. Xây dựng và kiểm chứng thành công các bản đồ phân vùng tai biến trượt lở bằng 4 phương pháp xác suất thống kê (FR, SI, WoE, LR) tích hợp trong ILWIS GIS; trong đó phương pháp Trọng số chứng cứ (WoE) đạt độ chính xác cao nhất với diện tích dưới đường cong $AUC = 0,892$.
  5. Đề xuất quy trình chuẩn hóa bản đồ chỉ số tai biến bằng phương pháp độ lệch chuẩn ($Standard\ Deviation\ Classification$), phân chia lãnh thổ huyện Khánh Vĩnh thành 5 cấp độ tai biến rõ ràng, tạo cơ sở dữ liệu địa chất tin cậy phục vụ quy hoạch hạ tầng và phòng chống giảm nhẹ thiên tai bền vững.