Chương 1: Cơ sở lý luận và phương pháp nghiên cứu Chương 2: Các yếu tố tự nhiên và kinh tế - xã hội ảnh hưởng đến trượt lở các tuyến đường giao thông bộ tỉnh Bình Định Chương 3: Nghiên cứu hiện trạng và đánh giá nguy cơ trượt lở tại các tuyến giao thông trọng điểm ở tỉnh Bình Định ứng dụng công nghệ viễn thám và GIS Kết luận và kiến nghị CHUONG 1. CƠ SỞ LÝ LUẬN VÀ PHƯƠNG PHÁP NGHIÊN CỨU 1. Tổng quan các công trình nghiên cứu trong và ngoài nước 1. Khái quát về trượt lở Trượt lở được phân vào nhóm thiên tai nguy hiểm nhất, sây những tác động nghiêm trọng đến môi trường và con người [111].
Trượt lở được định nghĩa là sự dịch chuyên của khối đá, các mảnh vụn hay đất xuống mái dốc [95]. Khái niệm này gồm 2 phần, "rượt" được sử dụng dé thé hiện sự dịch chuyền nói chung (không phân biệt các kiểu dịch chuyền khác nhau). Tùy loại vật liệu và trạng thái ứng suất mà sự dịch chuyển này có thê là trượt (dịch chuyền theo mặt phá hủy), đồ lật, dòng chảy hay hỗn hợp. Phần thứ hai, "dat da" được sử dung dé thể hiện loại vật liệu cau thành mái dốc và là đối tượng chủ yếu tham gia vào sự dịch chuyền [60, 84, 118, 133, 160].
Khe nứt Đỉnh Mũ Vách trượt Thân Chân Chân mặt trượt Mặtphản — trust cách Hình 1. Cấu tạo các thành phần của một khối trượt điền hình [8] Mỗi khối trượt tạo nên một khu trượt mà ranh giới, hình dạng của nó ở trên mặt bằng được quyết định bởi kích thước và kiểu trượt. Những khối đất đá đã được dịch chuyên tạo thành thân trượt. Phương thức (cơ chế) dịch chuyên đất đá là rất khác nhau và quyết định dạng trượt.
Trong một số trường hợp phát sinh trượt một hoặc nhiều khối tang dat đá, ở những trường hợp khác, đất đá lại dịch chuyền giống như vật thé lỏng nhớt trên mặt trượt. Bề mặt mà ở đó các khối đất đá trượt tách ra và dịch chuyên xuống dưới thấp gọi là mặt trượt. Mặt trượt là một yếu tố cau trúc của khối trượt không thé thiếu được và đồng thời cũng là dấu hiệu nhận biết hiện tượng trượt. Trượt có thé có một hoặc nhiều mặt trượt và do sự tồn tại nhiều mặt trượt đó mà cấu trúc càng phức tạp hơn.
Nơi mặt trượt xuất lộ ở chân mái dốc, chân mái dốc được gọi là chân trượt, còn ở phần trên của sườn được gọi là đỉnh trượt. Chỗ mặt trượt lỗi ra ngoài bên phải, bên trái trục khối trượt có tên là bờ trượt [29, 68, 74]. Đề xác định nguyên nhân và dự báo trượt lở phải xác định được mỗi tương quan tổng thể đến trượt lở của các hợp phần tự nhiên đồng thời thể hiện được sự phân bố trong không gian của các đới có khả năng xảy ra trượt lở với các cấp khác nhau. Trong nghiên cứu trượt lở, cần xác định hệ số 6n định sườn đốc (Fs).
Fs là tỷ số giữa tổng lực kháng trượt với lực gây trượt. Giá trị Fs cho ta biết khi nào sẽ xảy ra trượt. Khi Fs > 1 5 thì sườn 6n định và trượt không xảy ra. Trái lại, vì nguyên nhân nao đó (như tăng độ dốc sườn, giảm lực kêt dính) lực gây trượt lớn hon lực kháng trượt, khi đó Fs < 1, hiện tượt trượt sẽ xảy ra.
Đỉnh trượt a: góc dốc mặt trượt; F,: trong lực F,: luc tiếp tuyến F„: lực pháp tuyến 6,: ứng suất hữu hiệu P„: áp lực nước lỗ rỗng ie tap: hệ số ma sát Mặt trượt tiềm năng Hình 1. Sơ đồ nguyên lý phát sinh trượt lở [47] Theo sơ đồ hình 1.2, sức kháng trượt (S) của một khối đất đá liên quan đến các thông số cơ bản là: độ kết dính của vật liệu (C), hệ số ma sát trong (tg@), áp lực nước lỗ hồng (Pw), ứng suất hữu hiệu (ồn) và góc đốc mặt trượt (a). Hiện tượng trượt sẽ xảy ra khi sức kháng trượt giảm đi và nhỏ hơn ứng suất mặt trượt. Quá trình đó xuất hiện liên quan đến rất nhiều tham số của khối trượt.
Hiện nay, trên thế giới cũng như tại Việt Nam, trượt lở đã gây ra nhiều thiệt hại về người và của cho người dân sinh song tại các khu vực có nguy cơ trượt lở cao, đặc biệt là khu vực đồi núi có các tuyến giao thông cắt qua. Trượt lở xảy ra dọc trên các tuyến giao thông, ngoài thiệt hại về người và của, hư hỏng các tuyến giao thông còn gây chia cắt giao thông, ảnh hưởng đến việc lưu thông trong khu vực, dẫn đến ảnh hưởng rất lớn đến việc phát triển kinh tế - xã hội tại địa phương, nơi có các tuyến đường này đi qua. Trong những năm qua, trên thế giới, trong đó có Việt Nam, đã có nhiều nghiên cứu ứng dụng công nghệ viễn thám, GIS và các mô hình toán dé hỗ trợ việc lập các ban đồ hiện trạng, cũng như bản đồ nguy cơ trượt lở trên phạm vi quy mô khu vực, lưu vực và doc các tuyến giao thông. Dé xây dựng cơ sở lý thuyết cũng như có căn cứ đề xuất các phương pháp nghiên cứu hợp lý về tai biến trượt lở, nghiên cứu sinh tiến hành xem xét tổng quan các nghiên cứu đã thực hiện trong nước và quốc tế về lĩnh vực này.
Tình hình nghiên cứu trên thế giới Những năm gần đây, việc ứng dụng viễn thám và GIS đã tạo ra được những ảnh hưởng tích cực trong công tác nghiên cứu và đánh giá tai biến trượt lở. Việc này đã và đang được á áp dụng ở hầu hết các nước trên thế giới, từ Mỹ, Nhật Bản, Canada, các nước Châu Âu, Án Độ, Trung Quốc, Indonesia,. nơi hàng năm thiệt hai do trượt lở tới hàng tỉ USD [62]. Các nghiên cứu về trượt lở có nội dung đa dạng và phương pháp phong phú, tuy nhiên có thé gộp thành các hướng chính sau: 1.
Hướng nghiên cứu trượt lở dựa vào kinh nghiệm Đây là nhóm phương pháp mang nhiều yếu tố chủ quan vì phụ thuộc vào kinh nghiệm đánh giá của chuyên gia, nên thường gây nhiều hoài nghi. Theo phương pháp này, mối quan hệ được thiết lập giữa khả năng xảy ra trượt lở với các yếu tô gây trượt thông qua việc gán thứ hạng và trọng số. Thứ hạng biểu dat cho mức độ tác động của các lớp trong mỗi yếu tố đối với quá trình trượt lở. Trong khi, trọng số biểu đạt cho mức độ ảnh hưởng mạnh yếu của mỗi yếu tô đối với khả năng xảy ra trượt lở.
Việc gắn trong số và thứ hạng phụ thuộc vào kinh nghiệm của các chuyên gia và các kết quả thường không được tái sử dụng. Nồi bat và được sử dụng nhiều hơn cả là mô hình phân tích đa tiêu chí thông qua các ma trận để so sánh cặp giữa các nhân tố ảnh hưởng gây trượt lở (phương pháp AHP). Do mô hình này đã giảm thiểu tính chủ quan trong khi xem xét mối quan hệ giữa. khả năng xảy ra trượt lở bằng cách định lượng tầm quan trọng tương đối của các yếu tố gây trượt, vì vậy phương pháp nay đã được ứng dụng rộng rãi trong nhiều nghiên cứu ở nhiều khu vực khác nhau trên thế giới, như ở Châu Á: Nepal [136], Trung Quốc [126], Iran [73], Ấn Độ [177], Hàn Quốc [178], Đài Loan [179] .; khu vực Châu Au: Italy [180], Thổ Nhĩ Kỳ [181], Slovakia [182] .; Châu Phi: Morocco [183], Algeria [185].
Hướng nghiên cứu trượt lở dựa vào dữ liệu Các nghiên cứu theo hướng này định lượng tầm quan trọng tương đối của các yêu tô gây trượt khác nhau dựa trên số biểu hiện của mối quan hệ của các yếu tố gây trượt và trượt lở. Phương pháp này được cho là khách quan hơn vì việc ước lượng xác suất xảy ra trượt lở đưới dạng số. Độ tin cậy của phương pháp này phụ thuộc vào số lượng và chất lượng của dữ liệu cũng như quy mô đữ liệu. Đây là phương pháp có khả năng giảm thiêu tính chủ quan trong quá trình gan trọng số bằng cách thống kê (so sánh) sự phân bố không gian của các vết trượt có liên quan đến các yếu tô gây trượt lở khác nhau trong quá khứ.
Theo cách tiếp cận này, bản đồ hiện trạng trượt lở là đầu vào không thé thiếu trong các phép phân tích [89, 111, 127, 131, 166, 167, 168, 170]. Theo hướng tự động nhận diện điểm trượt và thành lập bản đồ nguy cơ trượt lở, đáng lưu ý là công trình cua Chen và các cộng sự (2018): “A practical trial of landslide detection from single-temporal Landsat 8 imges using countour-based proposals and random forest: a case study of national Nepal ” [87]. Trong nghiên cứu nay, tác giả đã sử dung mô hình độ cao số DEM (30m) dé loại bỏ bớt các pixel nền trên ảnh không có khả năng xảy ra trượt lở như đất bằng. Đối với ảnh vệ tinh, tác giả đã sử dụng chức năng loại bỏ mây dé giảm ty lệ mây che phủ trên ảnh, sau đó tiễn hành tăng cường chất lượng ảnh bằng việc loại bỏ các khu vực đất băng không có khả năng trượt lở; sau đó tăng cường chat lượng ảnh đối với các khu vực dat trống thông qua chỉ số nghịch đảo thực vật (EVI).
Bước tiếp theo là nhận dạng các điểm có tông màu sáng khác biệt trên ảnh và sử dụng phương pháp nhận dạng các pixel trên các đường bao và được so sánh với các pixel nên lân cận dé có thé nhận dạng tự động được các khu vực trượt lở bang phương pháp cây quyết định. Trong nghiên cứu này, tác giả đã sử dụng 12 ảnh Landsat 8, trong đó sử dụng 01 anh để làm mẫu huấn luyện nhận diện các khu vực trượt lở cho các ảnh còn lại. Tuy nhiên, tác giả cũng thừa nhận độ chính xác của phương pháp này chưa cao, 7 vẫn còn xảy ra nhiễu do việc nhận dạng các đối tượng gần giống nhau dưới mặt đất nhưng thực tê không phải là trượt lở. Dieu và các cộng sự (2020) [111] giới thiệu mô hình mạng noron học tập sâu (DLNN) trong các đánh giá tính nhạy cảm trượt lở đất và so sánh hiệu suất dự đoán của nó với các mô hình học máy thông thường.
Theo đó, phương pháp Tỷ số tần số (Frequency Ratio) được sử dụng dé ước tính mối quan hệ giữa các biến liên quan đến trượt lở và sự hiện diện của trượt lở và gán cho mỗi lớp biến một giá tri trong s6. Dua trên các kết qua về kha năng dự đoán của các biến liên quan đến trượt lở được đánh giá bằng phương pháp Tỉ lệ thông tin (Information ration), tất cả các biến được xử lý thêm vì chúng có tính dự đoán cao.