Tổng quan về luận án

Nghiên cứu tai biến trượt lở mái dốc dọc theo các hành lang giao thông huyết mạch là một nhiệm vụ khoa học và thực tiễn cấp bách trong bối cảnh biến đổi khí hậu toàn cầu và sự gia tăng của các hiện tượng thời tiết cực đoan. Công trình tiến sĩ của nghiên cứu sinh Nguyễn Hữu Hà (2021) với đề tài "Nghiên cứu, đánh giá nguy cơ trượt lở dọc các tuyến đường bộ trọng điểm tỉnh Bình Định trên cơ sở tích hợp công nghệ viễn thám và hệ thống thông tin địa lý (GIS)" thuộc chuyên ngành Bản đồ, viễn thám và hệ thông tin địa lý (Mã số: 9440203.01) tại Trường Đại học Khoa học Tự nhiên, Đại học Quốc gia Hà Nội, dưới sự hướng dẫn khoa học của PGS. Đỗ Minh Đức và TS. Ngô Văn Liêm, đã tạo lập một bước tiến mang tính hệ thống trong việc mô hình hóa không gian nguy cơ trượt lở đất đá.

Khoảng trống nghiên cứu (research gap) cốt lõi xuất phát từ thực trạng: hầu hết các nghiên cứu trượt lở tại dải duyên hải Nam Trung Bộ trước đây chủ yếu dựa vào phương pháp chuyên gia truyền thống, điều tra thực địa phân tán hoặc áp dụng các mô hình đánh giá bán định tính AHP (Analytical Hierarchy Process) thiếu tính thích ứng động (Hadji et al., 2017; Phạm Văn Hùng et al., 2013). Các nghiên cứu này chưa tích hợp đồng bộ dữ liệu viễn thám radar khẩu độ tổng hợp (SAR) với quang học đa phổ, chưa chuẩn hóa dữ liệu vi địa hình siêu phân giải từ thiết bị bay không người lái (UAV) và thiếu các thuật toán học máy phi tuyến có khả năng tự động tối ưu hóa trọng số cho các mái dốc bị xáo trộn bởi hoạt động nhân sinh.

Để giải quyết khoảng trống này, luận án tập trung vào 3 câu hỏi nghiên cứu then chốt:

  1. RQ1: Làm thế nào để giải đoán và phân lập tự động các vết trượt lở hiện hữu dọc hành lang giao thông từ nguồn ảnh vệ tinh đa nguồn (Landsat 8, Sentinel-1) và ảnh độ phân giải siêu cao từ UAV?
  2. RQ2: Mức độ đóng góp tương đối và mối tương tác phi tuyến giữa 12 yếu tố nội tại (địa mạo, thạch học, cấu trúc đứt gãy, thảm phủ) và yếu tố ngoại sinh (mưa cực đoan, khai đào nhân sinh) đến độ ổn định mái dốc là gì?
  3. RQ3: Thuật toán mô hình hóa không gian nào (Thống kê mật độ, Hồi quy Logistic hay Mạng nơ-ron nhân tạo) cho độ chính xác dự báo phân vùng nguy cơ cao nhất, và ngưỡng mưa kích hoạt (rainfall threshold) được định lượng ra sao?

Hai giả thuyết nghiên cứu chính được kiểm định bao gồm:

  • Giả thuyết $H_1$: Việc kết hợp tán xạ ngược SAR của Sentinel-1 và kênh phổ Landsat 8 qua phép biến đổi thành phần chính (PCA) sẽ loại bỏ đáng kể nhiễu mây và thảm thực vật, cho phép trích xuất vết trượt chính xác hơn so với chỉ dùng ảnh quang học đơn lẻ.
  • Giả thuyết $H_2$: Mô hình phi tuyến Mạng nơ-ron nhân tạo (ANN) có khả năng ánh xạ các mối quan hệ phức tạp giữa 12 biến môi trường - nhân sinh vượt trội hơn các mô hình hồi quy tuyến tính cổ điển, đạt giá trị diện tích dưới đường cong ROC (AUC) cao nhất.

Khung lý thuyết của nghiên cứu được neo chặt vào Lý thuyết Cân bằng giới hạn mái dốc (Bishop, 1955), Cơ học phá hủy Mohr-Coulomb kết hợp với Lý thuyết Địa mạo Thủy văn định lượng (Moore et al., 1991) và Lý thuyết Học sâu/Mạng nơ-ron kết nối (Rumelhart et al., 1986). Phạm vi nghiên cứu bao quát 390 điểm trượt lở thực tế được kiểm kê tại 3 hành lang giao thông đại diện cho 3 bối cảnh địa mạo - nhân sinh điển hình của tỉnh Bình Định: tuyến An Hòa - An Toàn (miền núi cao, huyện An Lão với 187 điểm trượt), tuyến ĐT 639 đoạn Cát Hải - Cát Tiến (vùng đồi núi ven biển, huyện Phù Cát với 168 điểm trượt) và tuyến đường bao quanh núi Bà Hỏa (đô thị hóa cao, thành phố Quy Nhơn với 35 điểm trượt), khai thác chuỗi dữ liệu khí tượng thủy văn giai đoạn 1998–2019.

Literature Review và Positioning

Tổng quan y văn quốc tế và trong nước về tai biến trượt lở cho thấy sự tiến hóa qua ba dòng nghiên cứu (research streams) chính:

       [Khoảng trống học thuật hiện hữu]                                   [Định vị Đột phá của Luận án]
  - Thiếu tích hợp SAR C-Band + Quang học                             - Trộn ảnh PCA (Sentinel-1 + Landsat 8)
  - Thiếu vi địa hình UAV siêu phân giải                              - DSM/Orthomosaic UAV Mavic 2 Pro
  - Tập trung sườn tự nhiên, bỏ qua ta-luy nhân tạo                    - Phân tích chuyên biệt mái dốc ta-luy giao thông
  - Thiếu đối sánh thực nghiệm đa mô hình                             - Đối sánh Statistical Index, LR vs ANN đa lớp

Dòng thứ nhất dựa trên tri thức chuyên gia và đánh giá đa tiêu chí (Knowledge-driven methods), nổi bật với phương pháp phân tích thứ bậc AHP (Saaty, 1980) được triển khai bởi Kayastha et al. (2013) tại Nepal, Hadji et al. (2017) dọc tuyến quốc lộ tại Constantine (Algeria), và Nguyen Thi To Ngan & Liu (2019) tại Đài Loan. Nhược điểm chí tử của trường phái này là tính chủ quan cao trong việc gán ma trận trọng số cặp, khiến kết quả khó có khả năng tái lập khi chuyển giao sang các bối cảnh địa chất khác nhau.

Dòng thứ hai là phương pháp tiếp cận dựa vào dữ liệu và trí tuệ nhân tạo (Data-driven and Machine Learning approaches). Các công trình của Dieu Tien Bui et al. (2012, 2016, 2020) tại Hòa Bình và miền núi phía Bắc Việt Nam đã chứng minh hiệu quả vượt trội của Hồi quy Logistic (LR), Máy vectơ hỗ trợ (SVM), Cây quyết định và Mạng nơ-ron học sâu (DLNN) so với thống kê tần suất truyền thống. Nghiên cứu của Dou et al. (2020) tại Nhật Bản chỉ ra rằng các kỹ thuật lấy mẫu không gian khác nhau tác động mạnh đến độ chính xác của LR và NNET, trong khi DLNN duy trì sự ổn định cao. Đặc biệt, Chen et al. (2018) đã thử nghiệm nhận diện trượt lở tự động tại Nepal bằng ảnh Landsat 8 đơn thời kỳ kết hợp Random Forest, tuy nhiên tác giả thừa nhận sai số còn lớn do nhiễu loạn giữa đất trống, vùng nông nghiệp bằng phẳng và vết trượt thực tế.

Dòng thứ ba tập trung vào quan hệ động học giữa mưa và trượt lở (Rainfall threshold empirical models). Bắt đầu từ công thức kinh điển về cường độ - thời gian mưa $I = 14.82 D^{-0.39}$ của Caine (1980), Brand et al. (1984) tại Hồng Kông, Larsen & Simon (1993) tại Puerto Rico ($I = 91.46 D^{-0.82}$), Chleborad et al. (2006) tại Seattle với phương trình tương quan mưa 3 ngày và 15 ngày $P_3 = 3.5 - 0.67 P_{15}$, đến Aleotti (2004) với lượng mưa tới hạn chuẩn hóa. Tại Việt Nam, Lê Đức An (2010) phân tách cơ chế mưa thành hai pha (pha chuẩn bị $P_{pr}$ và pha tác động $P_{cr}$ với $P_{cr} = -0.335 P_{pr} + 210.371$), Dieu Tien Bui et al. (2013) đưa ra ngưỡng cho Hòa Bình ($R_m = 128.5 - 0.164 R_{15da}$), và Mai Thành Tân et al. (2015) xác lập ngưỡng $P = 128.41 - 0.076 P_{10}$ cho Mai Châu.

Luận án của Nguyễn Hữu Hà định vị chính xác tại điểm giao thoa của ba dòng nghiên cứu trên, tạo bước đột phá khi so sánh với hai nghiên cứu quốc tế điển hình:

  • So với Chen et al. (2018) tại Nepal: Thay vì chỉ sử dụng ảnh quang học Landsat 8 đơn lẻ dễ bị mây che và nhầm lẫn quang phổ đất trống, luận án đã tích hợp thuật toán PCA trộn ảnh radar khẩu độ tổng hợp Sentinel-1 SAR với Landsat 8 OLI, kết hợp lọc mây bằng tối đa hóa entropy (Kapur et al., 1985) và toán tử Sobel phát hiện biên độ dốc, triệt tiêu hoàn toàn các vùng đất bằng không có nguy cơ trượt.
  • So với Apip et al. (2010) tại lưu vực sông Citarum (Indonesia): Nghiên cứu của Apip sử dụng ảnh mưa vệ tinh CMORPH độ phân giải thô ($8 \times 8\text{ km}$) dễ dẫn đến sai số cục bộ; luận án này đã tối ưu hóa mạng lưới 7 trạm đo mưa mặt đất qua thuật toán đa giác Thiessen kết hợp chuỗi dữ liệu trượt lở thực địa 15 năm (2005–2019), xây dựng đường bao ngưỡng mưa thực tế chính xác cho địa hình phân cắt mạnh.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án đóng góp trực tiếp vào việc mở rộng Lý thuyết Cơ học đất và Cân bằng giới hạn (Bishop, 1955; Mohr-Coulomb failure criterion). Trong trạng thái tự nhiên, hệ số an toàn mái dốc được định nghĩa:

$$F_s = \frac{\sum \text{Lực kháng trượt}}{\sum \text{Lực gây trượt}} = \frac{c' + (\sigma_n - P_w) \tan \phi'}{\tau}$$

Trong đó $c'$ là lực dính hữu hiệu, $\sigma_n$ là ứng suất pháp tuyến, $P_w$ là áp lực nước lỗ rỗng, $\phi'$ là góc ma sát trong và $\tau$ là ứng suất cắt tiếp tuyến.

Công trình của NCS. Nguyễn Hữu Hà chứng minh rằng đối với các mái dốc ta-luy nhân sinh dọc đường giao thông, hoạt động đào bạt chân dốc làm gia tăng đột ngột góc dốc tiếp xúc ($\alpha$), phá vỡ ứng suất hữu hiệu tự nhiên ($\sigma_n'$), đồng thời lượng mưa tích lũy ngắn hạn làm tăng mạnh áp lực thủy động và thủy tĩnh $P_w$, đẩy $F_s$ xuống dưới ngưỡng tới hạn ($F_s < 1.0$) nhanh hơn gấp nhiều lần so với sườn dốc tự nhiên. Luận án thúc đẩy sự chuyển dịch mô thức (paradigm shift) từ đánh giá định tính tĩnh sang mô hình hóa xác suất không gian phi tuyến thông qua lý thuyết kết nối (Connectionist Paradigm), xem xét không gian trượt lở như một hệ thống động phức hợp đa chiều.

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp chặt chẽ ba trụ cột lý thuyết:

  1. Trụ cột Địa mạo - Thủy văn động: Ứng dụng chỉ số âm ướt địa hình (Topographical Wetness Index - TWI) và chỉ số năng lượng dòng chảy (Stream Power Index - SPI) theo mô hình của Moore & Ladson (1991):

$$\text{TWI} = \ln\left(\frac{A_s}{\tan \beta}\right), \quad \text{SPI} = A_s \cdot \tan \beta$$

(trong đó $A_s$ là diện tích lưu vực tích lũy đơn vị, $\beta$ là góc dốc địa hình).

  1. Trụ cột Tích hợp Viễn thám Đa phổ - Radar: Phương pháp trộn ảnh PCA (Principal Component Analysis) giữa Landsat 8 OLI và Sentinel-1 SAR (Pohl & Van Genderen, 1998; Lê Minh Hằng & Trần Vân Anh, 2016), trích xuất độ nhám bề mặt và độ ẩm đất kết hợp hệ số thực vật NDVI và nghịch đảo EVI để phát hiện đặc trưng phổ của khối trượt.
  2. Trụ cột Học máy Nơ-ron Đa tầng (Multilayer Perceptron - MLP): Cấu trúc mạng gồm 1 lớp nhập (12 nút tương ứng 12 nhân tố), 1 lớp ẩn gồm 5 nút nơ-ron sử dụng hàm kích hoạt phi tuyến sigmoid, và 1 lớp xuất nhị phân (nguy cơ trượt / ổn định).

Điều kiện biên (Boundary conditions): Khung phân tích áp dụng chuyên biệt cho mái dốc ta-luy đường giao thông chịu tác động đào đắp trực tiếp trong miền khí hậu nhiệt đới gió mùa ven biển Nam Trung Bộ, không áp dụng cho trượt lở sườn dốc tự nhiên chưa có tác động nhân sinh, không bao gồm trượt lở ta-luy âm do dòng chảy khoét chân sông suối và các mái dốc đã được gia cố công trình kiên cố hoàn chỉnh.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Nghiên cứu được thiết kế theo lập trường thực chứng luận kết hợp thực tế phê phán (Positivism & Critical Realism), sử dụng phương pháp hỗn hợp định lượng không gian (Spatial Quantitative Mixed-Methods). Thiết kế đa cấp (Multi-level design) được cấu trúc chặt chẽ qua 3 cấp độ phân giải:

  • Cấp vĩ mô (Macro-level): Khai thác ảnh vệ tinh toàn cầu Landsat 8 (độ phân giải không gian $30\text{ m}$) và Sentinel-1 SAR băng C ($10\text{ m}$) trên phạm vi toàn tỉnh Bình Định.
  • Cấp trung mô (Meso-level): Xây dựng cơ sở dữ liệu GIS chuẩn hóa tỉ lệ 1:10.000 đến 1:50.000 với mô hình độ cao số DEM $10\text{ m}$, tích hợp 12 lớp thông tin chuyên đề.
  • Cấp vi mô (Micro-level): Sử dụng thiết bị bay không người lái UAV DJI Mavic 2 Pro thu thập dữ liệu ảnh siêu phân giải ($2 - 5\text{ cm/pixel}$) để xây dựng mô hình bề mặt số DSM và bình đồ trực giác tại các điểm nóng trượt lở.
       CẤP ĐỘ PHÂN GIẢI KHÔNG GIAN VÀ CÔNG NGHỆ THU NHẬN

Quy trình nghiên cứu rigorous

Quy trình thu thập và tiền xử lý dữ liệu được chuẩn hóa tuyệt đối qua 4 bước:

[BƯỚC 1: TIỀN XỬ LÝ VIỄN THÁM]
- Sentinel-1 SAR: Hiệu chỉnh hình học xạ trị (Radiometric Calibration), Lọc nhiễu đốm (Lee Filter), Ghép ảnh
- Landsat 8: Hiệu chỉnh khí quyển FLAASH, Lọc mây tối đa hóa Entropy (Kênh 1 & 9)
- Trộn ảnh PCA (Sentinel-1 + Landsat 8) -> Nâng cao độ tương phản phổ trượt lở
- Chiết tách vùng tiềm năng bằng Toán tử Sobel + Ngưỡng nhị phân + Chỉ số nghịch đảo EVI
[BƯỚC 2: KHẢO SÁT THỰC ĐỊA & BAY CHỤP UAV]
- Bay chụp UAV Mavic 2 Pro:
  + Tuyến An Hòa - An Toàn: Đoạn Km 13 (129 ảnh), Đoạn Km 15+750 (165 ảnh)
  + Tuyến ĐT 639: Đoạn Km 23 (312 ảnh), Đoạn Km 16 (204 ảnh)
- Xử lý Agisoft Metashape -> Xuất DSM và Orthomosaic siêu phân giải
- Khảo sát thực địa: Định vị GPS Garmin, Đo góc dốc (Nikon Forestry Pro), Búa bật nẩy Schmidt
- Kiểm kê chính xác: 390 điểm trượt lở thực tế
[BƯỚC 3: MÔ HÌNH HÓA KHÔNG GIAN 12 LỚP BIẾN TRONG GIS]
- Nhóm địa mạo: Độ cao, Độ dốc, Hướng dốc, TWI, SPI, Độ sâu thung lũng, Mật độ phân cắt sâu
- Nhóm địa chất: Thạch học, Khoảng cách đến đứt gãy kiến tạo
- Nhóm môi trường & nhân sinh: Lượng mưa (Thiessen 1998-2019), NDVI, Khoảng cách đường giao thông
[BƯỚC 4: HUẤN LUYỆN, ĐỐI SÁNH MÔ HÌNH & XÁC LẬP NGƯỠNG MƯA]
- Huấn luyện 3 mô hình: Thống kê Mật độ (Statistical Index), Hồi quy Logistic, Mạng Nơ-ron (ANN-MLP)
- Kiểm định độ chính xác chéo bằng Đường cong ROC và diện tích AUC
- Thiết lập tương quan mưa ngày (P) và mưa tích lũy (P3, P5, P7, P10, P15, P20) -> Phân cấp cảnh báo

Quy trình tam giác đạc dữ liệu (Data Triangulation) được bảo đảm qua sự phối kiểm độc lập giữa ảnh vệ tinh viễn thám, kết quả phân tích số liệu UAV, quan trắc trạm đo khí tượng mặt đất và dữ liệu điều tra đo vẽ thực địa chi tiết.

Data và phân tích

Toàn bộ 390 vị trí trượt lở được chuyển đổi thành điểm ảnh nhị phân ($Y = 1$: trượt lở; $Y = 0$: ổn định ngẫu nhiên với tỉ lệ lấy mẫu $1:1$). Hệ thống 12 biến độc lập ($X_1 \dots X_{12}$) được chuẩn hóa trên lưới ô vuông raster (cell size $10\text{ m} \times 10\text{ m}$).

  1. Mô hình Thống kê mật độ (Statistical Index - $W_i$):

$$W_i = \ln\left(\frac{\text{Dens}i}{\text{Dens}\text{total}}\right) = \ln\left(\frac{N_i / S_i}{N / S}\right)$$

(trong đó $N_i$ là số điểm trượt trong lớp phụ $i$, $S_i$ là diện tích lớp phụ $i$; $N$ và $S$ là tổng số điểm trượt và tổng diện tích khu vực nghiên cứu).

  1. Mô hình Hồi quy Logistic (Logistic Regression):

$$P = \frac{1}{1 + e^{-z}}, \quad z = \beta_0 + \beta_1 X_1 + \beta_2 X_2 + \dots + \beta_{12} X_{12}$$

Các tham số $\beta_i$ được ước lượng bằng thuật toán Maximum Likelihood trong phần mềm SPSS và module không gian ArcGIS.

  1. Mô hình Mạng Nơ-ron Nhân tạo (ANN - Multilayer Perceptron): Sử dụng thuật toán lan truyền ngược (Backpropagation) với cấu trúc nơ-ron $12 - 5 - 1$, tốc độ học (learning rate) $\eta = 0.01$, số vòng lặp huấn luyện 1.000 epochs, hàm kích hoạt phi tuyến dạng Sigmoid:

$$f(x) = \frac{1}{1 + e^{-x}}$$

Các phần mềm chuyên dụng được vận hành đồng bộ bao gồm: SAGA GIS (tính toán các chỉ số thủy văn địa hình TWI, SPI), ENVI (xử lý phổ và phân tích PCA), Agisoft Metashape (xử lý dữ liệu không ảnh UAV thành mô hình DSM 3D), ArcGIS 10.8 (chồng xếp không gian và biên tập bản đồ) và SPSS (kiểm định thống kê đa biến).

Phát hiện đột phá và implications

Những phát hiện then chốt

Thứ nhất, sự vượt trội tuyệt đối của thuật toán Mạng Nơ-ron Nhân tạo (ANN) trong dự báo nguy cơ trượt lở. Kiểm định đường cong đặc tính hoạt động của bộ thu (ROC curve) và chỉ số diện tích dưới đường cong (AUC) chứng minh mô hình ANN đạt độ chính xác phân loại cao nhất ($AUC > 0.88$), vượt trội hoàn toàn so với mô hình Hồi quy Logistic ($AUC \approx 0.81 - 0.83$) và mô hình Thống kê mật độ ($AUC \approx 0.76 - 0.79$) trên cả 3 khu vực nghiên cứu trọng điểm.

       ĐỐI SÁNH DIỆN TÍCH DƯỚI ĐƯỜNG CONG (AUC) CỦA 3 MÔ HÌNH
       0.0                                 0.5                 1.0

Thứ hai, vai trò quyết định của công nghệ trộn ảnh PCA (Sentinel-1 SAR + Landsat 8). Luận án đã chứng minh bằng thực nghiệm: ảnh quang học Landsat 8 đơn lẻ bị suy giảm chất lượng nghiêm trọng do mây bao phủ tại vùng núi An Lão và nhầm lẫn phổ giữa đất trống đô thị với vết trượt tại Quy Nhơn. Khi tích hợp tán xạ ngược SAR băng C của Sentinel-1 thông qua thuật toán PCA, độ phân giải không gian và độ tương phản giữa khối đất đá trượt lộ trần với thảm phủ thực vật xung quanh tăng hơn 35%, cho phép trích xuất tự động 187 điểm trượt tại An Lão và 168 điểm tại Phù Cát với độ tin cậy vượt bậc.

Thứ ba, sự phân hóa yếu tố chi phối theo từng điều kiện địa mạo đặc trưng:

  • Tại tuyến miền núi An Hòa - An Toàn (An Lão): Trượt lở tập trung cao nhất ở độ cao $> 400\text{ m}$, độ dốc $25^\circ - 35^\circ$, chỉ số ẩm ướt địa hình TWI cao và vùng thạch học đá phiến biến chất, cát kết bị phong hóa nứt nẻ mạnh.
  • Tại tuyến ven biển ĐT 639 (Phù Cát): Vết trượt phân bố chủ yếu ở đới tiếp xúc giữa đá xâm nhập magma hạt thô (granit) với đới sườn dốc bị khai đào lộ thiên, nơi chỉ số năng lượng dòng chảy SPI lớn.
  • Tại khu vực núi Bà Hỏa (Quy Nhơn): Yếu tố nhân sinh là nguyên nhân kích động số một, 100% các điểm sạt lở nguy hiểm (35 điểm) nằm sát vách cắt ta-luy đứng ($> 45^\circ$) do người dân lấn chiếm xây dựng công trình dân sinh sát chân núi.

Thứ tư, xác lập quy luật ngưỡng mưa kích hoạt trượt lở 2 pha tại huyện An Lão (giai đoạn 2005–2019): Phân tích chuỗi số liệu đo mưa 15 năm tại các trạm An Hòa, Bồng Sơn chỉ ra rằng hiện tượng trượt lở diện rộng xảy ra khi có sự kết hợp giữa "pha chuẩn bị" (mưa tích lũy 10 đến 15 ngày trước đó $P_{10}, P_{15}$) làm đất đá bão hòa nước và "pha kích hoạt" (lượng mưa ngày $P$). Khi lượng mưa tích lũy 10 ngày trước đó vượt quá $250\text{ mm}$, chỉ cần một trận mưa ngày đạt ngưỡng $P \ge 80 - 100\text{ mm}$ là hiện tượng trượt lở đồng loạt bùng phát dọc tuyến đường An Hòa - An Toàn.

       CƠ CHẾ KÍCH HOẠT TRƯỢT LỞ MÁI DỐC 2 PHA TẠI BÌNH ĐỊNH

Implications đa chiều

  • Về mặt học thuật: Cung cấp một quy trình tích hợp khép kín từ xử lý viễn thám đa nguồn, bay chụp UAV, trích xuất dữ liệu không gian đến mô hình hóa học máy phi tuyến, làm giàu thêm lý thuyết tai biến địa kỹ thuật ứng dụng tại các vùng khí hậu nhiệt đới gió mùa.
  • Về mặt phương pháp luận: Khẳng định tính khả thi của việc thay thế các khảo sát thực địa thủ công tốn kém bằng tổ hợp ảnh UAV + SAR vệ tinh, mở ra hướng chuẩn hóa bản đồ nhạy cảm trượt lở tỉ lệ lớn ($1:10.000$).
  • Về mặt thực tiễn và chính sách: Cung cấp cơ sở khoa học định lượng chuẩn xác cho Sở Giao thông Vận tải, Sở Tài nguyên & Môi trường và Ban Chỉ huy Phòng chống thiên tai & Tìm kiếm cứu nạn tỉnh Bình Định trong việc:
    1. Khoanh định chính xác các đoạn đường xung yếu cần ưu tiên xử lý gia cố công trình (Km 13, Km 15+750 tuyến An Lão; Km 16, Km 23 tuyến ĐT 639).
    2. Ban hành quy định nghiêm cấm đào bạt chân sườn dốc tự do tại khu vực đô thị núi Bà Hỏa.
    3. Tích hợp bản đồ phân vùng nguy cơ và ngưỡng mưa vào hệ thống cảnh báo sớm WebGIS cấp tỉnh, phát tín hiệu cảnh báo trước 24–48 giờ khi có dự báo mưa bão lớn.

Limitations và Future Research

Mặc dù đạt được những kết quả xuất sắc, luận án vẫn tồn tại 4 hạn chế khoa học cần được nhìn nhận khách quan:

  1. Mật độ trạm đo mưa mặt đất: Dữ liệu khí tượng chủ yếu dựa vào các trạm thủy văn quốc gia (An Hòa, Bồng Sơn, Quy Nhơn, Phù Cát) phân bố tương đối thưa thớt ở vùng núi cao hiểm trở, dẫn đến việc nội suy đa giác Thiessen chưa phản ánh tuyệt đối tính biến động mưa vi khí hậu cục bộ.
  2. Độ phân giải thời gian của ảnh vệ tinh: Chu kỳ lặp lại của Landsat 8 ($16\text{ ngày}$) và Sentinel-1 ($6 - 12\text{ ngày}$) chưa cho phép giám sát dịch chuyển mái dốc theo thời gian thực (real-time deformation monitoring).
  3. Phạm vi cơ chế phá hủy: Luận án tập trung chủ yếu vào trượt lở mái dốc ta-luy dương do trọng lực kích hoạt bởi mưa, chưa mô hình hóa chi tiết hiện tượng sạt lở ta-luy âm do tác động xói ngầm của dòng xiết mùa lũ.
  4. Kỹ thuật học máy: Mô hình ANN sử dụng mạng MLP truyền thống 1 lớp ẩn; chưa thử nghiệm các kiến trúc học sâu tiên tiến (Deep CNN, Transformer hoặc Graph Neural Networks) trên tập dữ liệu ảnh không gian lớn.

Chương trình nghiên cứu tương lai (Future Research Agenda) cần tập trung vào:

  • Tích hợp công nghệ giao thoa radar đa thời gian InSAR (PS-InSAR / SBAS-InSAR) từ vệ tinh Sentinel-1 để đo đạc các chuyển dịch bề mặt mái dốc ở quy mô milimét trước khi xảy ra sụp đổ.
  • Ứng dụng mô hình chuỗi thời gian học sâu (LSTM, Gated Recurrent Unit) kết hợp mạng lưới cảm biến IoT đo áp lực nước lỗ rỗng và độ ẩm đất lắp đặt trực tiếp tại các mái dốc trọng điểm.
  • Mở rộng quy mô nghiên cứu sang toàn bộ các trục giao thông huyết mạch quốc gia qua Nam Trung Bộ và Tây Nguyên (Quốc lộ 1D, Quốc lộ 19 qua đèo An Khê, Quốc lộ 24).

Tác động và ảnh hưởng

Luận án mang lại những tác động sâu rộng trên nhiều bình diện:

  • Tác động học thuật: Định hình chuẩn mực nghiên cứu mới trong chuyên ngành Bản đồ, Viễn thám và GIS tại Việt Nam; tạo tiền đề cho các công bố quốc tế uy tín thuộc danh mục ISI/Scopus với tiềm năng trích dẫn học thuật cao.
  • Chuyển đổi ngành công nghiệp hạ tầng: Cung cấp công cụ đánh giá nguy cơ địa kỹ thuật chi phí thấp cho ngành tư vấn thiết kế và bảo trì đường bộ, giảm thiểu đến 40% chi phí khảo sát địa chất truyền thống nhờ ứng dụng UAV.
  • Tác động chính sách công: Cung cấp luận cứ khoa học trực tiếp cho Ủy ban Nhân dân tỉnh Bình Định trong việc điều chỉnh quy hoạch giao thông nông thôn miền núi và tái định cư các hộ dân sinh sống tại vùng nguy hiểm chân núi Bà Hỏa.
  • Lợi ích xã hội: Giảm thiểu thiệt hại về tính mạng con người và phương tiện giao thông trong mùa mưa bão, đảm bảo huyết mạch giao thông thông suốt phục vụ cứu hộ cứu nạn và phát triển kinh tế - xã hội địa phương bền vững.

Đối tượng hưởng lợi

  • Nghiên cứu sinh & Nhà khoa học trẻ: Tiếp cận một quy trình chuẩn mực về xử lý dữ liệu viễn thám đa nguồn, tích hợp chỉ số địa mạo SAGA GIS và xây dựng mạng nơ-ron nhân tạo hoàn chỉnh.
  • Giảng viên & Các nhà nghiên cứu cao cấp: Khai thác mô hình lý thuyết cân bằng mái dốc nhân sinh và khung phân tích đối sánh 3 mô hình học máy phục vụ công tác giảng dạy và đề tài cấp Bộ, cấp Nhà nước.
  • Kỹ sư R&D & Doanh nghiệp Xây dựng Giao thông: Ứng dụng trực tiếp quy trình bay chụp UAV và mô hình DSM 3D trong công tác khảo sát, quan trắc và thiết kế biện pháp kè gia cố ta-luy đường bộ.
  • Nhà hoạch định chính sách & Cơ quan Quản lý: Sở Giao thông Vận tải, Sở Tài nguyên & Môi trường, Sở Khoa học & Công nghệ Bình Định có bộ cơ sở dữ liệu số hóa 1:10.000 phục vụ quản lý thiên tai và quy hoạch đô thị an toàn.

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của luận án là gì và nó mở rộng lý thuyết nào? Trả lời: Đóng góp độc đáo nhất là việc mở rộng Lý thuyết Cơ học Cân bằng Giới hạn (Bishop, 1955) và Tiêu chuẩn Phá hủy Mohr-Coulomb trong bối cảnh mái dốc nhân sinh chịu tác động đào bạt hình học. Luận án đã lượng hóa sự sụt giảm tức thời của hệ số ổn định $F_s$ khi ứng suất pháp tuyến hữu hiệu bị suy giảm đồng thời với sự gia tăng áp lực nước lỗ rỗng $P_w$ do mưa bão tích lũy, chuyển hóa mối quan hệ cơ học đất phức tạp này thành một mô hình xác suất không gian thông qua Mạng Nơ-ron Nhân tạo.

2. Điểm mới mang tính đột phá về phương pháp luận so với các nghiên cứu trước đây là gì? Trả lời: Đột phá phương pháp luận nằm ở quy trình kết hợp "3 trong 1": Trộn ảnh PCA đa nguồn (Sentinel-1 SAR + Landsat 8 OLI) để khử mây và tăng cường độ tương phản vết trượt $\rightarrow$ Khảo sát vi địa hình 3D siêu phân giải ($2\text{ cm}$) bằng UAV $\rightarrow$ Mô hình hóa không gian phi tuyến bằng mạng nơ-ron MLP 12 lớp biến số, vượt qua giới hạn của phương pháp AHP định tính (Hadji et al., 2017) và phương pháp ảnh đơn quang học dễ nhiễu (Chen et al., 2018).

3. Phát hiện thực nghiệm nào gây bất ngờ nhất và có bằng chứng số liệu nào chứng minh? Trả lời: Phát hiện bất ngờ nhất là tại khu vực núi Bà Hỏa (Quy Nhơn), 100% các điểm trượt lở nguy hiểm (35 vị trí) không phụ thuộc vào độ cao tự nhiên của núi mà hoàn toàn bị kích hoạt bởi hoạt động nhân sinh cắt xẻ chân taluy tạo góc dốc đứng $> 45^\circ$, kết hợp lớp vỏ phong hóa bở rời dày của đá granit bị bão hòa nước trong các trận mưa lớn.

4. Luận án có cung cấp quy trình tái lập (Replication Protocol) rõ ràng không? Trả lời: Có. Toàn bộ thông số kỹ thuật (129 đến 312 ảnh UAV mỗi tuyến, thông số bay chụp, quy trình hiệu chỉnh khí quyển FLAASH, công thức trộn ảnh PCA, tọa độ VN-2000 của 390 điểm trượt lở kiểm kê tại Phụ lục, cấu trúc mạng ANN 12-5-1 với $\eta = 0.01$) đều được mô tả chi tiết, cho phép bất kỳ nhóm nghiên cứu nào tái lập quy trình trên các địa bàn có bối cảnh tương đồng.

5. Luận án đã vạch ra chương trình nghiên cứu 10 năm tiếp theo như thế nào? Trả lời: Luận án định hình lộ trình nghiên cứu mở rộng tích hợp công nghệ InSAR viễn thám giám sát biến dạng vi mô liên tục $\rightarrow$ Triển khai mạng lưới cảm biến địa kỹ thuật IoT truyền tin thời gian thực $\rightarrow$ Xây dựng nền tảng WebGIS trí tuệ nhân tạo dự báo nguy cơ trượt lở động cấp thời gian thực phục vụ toàn vùng duyên hải miền Trung.

Kết luận

  1. Luận án đã xây dựng thành công cơ sở dữ liệu số hóa hoàn chỉnh gồm 390 điểm trượt lở thực tế dọc 3 tuyến giao thông trọng điểm tỉnh Bình Định (An Hòa - An Toàn: 187 điểm; ĐT 639: 168 điểm; Núi Bà Hỏa: 35 điểm).
  2. Thiết lập quy trình công nghệ tiên tiến tích hợp ảnh viễn thám radar Sentinel-1 và quang học Landsat 8 qua thuật toán PCA kết hợp thiết bị bay không người lái UAV, cho phép nhận diện và trích xuất vết trượt tự động với độ chính xác cao.
  3. Chuẩn hóa hệ thống 12 lớp yếu tố tác động nội tại và ngoại sinh trong môi trường GIS, phản ánh toàn diện các đặc trưng địa mạo, thủy văn, địa chất thạch học và nhân sinh.
  4. Chứng minh thực nghiệm mô hình Mạng Nơ-ron Nhân tạo (ANN - MLP) đạt độ chính xác dự báo tối ưu ($AUC > 0.88$), vượt trội so với Hồi quy Logistic ($AUC \approx 0.82$) và Thống kê mật độ ($AUC \approx 0.78$).
  5. Định lượng thành công quy luật ngưỡng mưa kích hoạt trượt lở 2 pha tại vùng núi An Lão (ngưỡng mưa tích lũy 10 ngày $> 250\text{ mm}$ kết hợp mưa ngày cực đoan $P \ge 80 - 100\text{ mm}$).
  6. Mở ra 3 hướng nghiên cứu mới về quan trắc chuyển vị mái dốc bằng giao thoa InSAR, tích hợp cảm biến IoT thời gian thực và xây dựng hệ thống cảnh báo sớm thông minh WebGIS, đóng góp trực tiếp vào mục tiêu phát triển kinh tế - xã hội bền vững và an toàn thiên tai cho tỉnh Bình Định và khu vực Nam Trung Bộ.