Bài viết Ứng dụng thuật toán rừng ngẫu nhiên trong xây dựng bản đồ nhạy cảm trượt lở khu vực sông huyện Văn Yên, Yên Bái được nghiên cứu với mục tiêu là xây dựng mô hình học máy phù hợp trong nghiên cứu trượt lở đất và xây dựng bản đồ tính nhạy cảm trượt lở cho huyện Văn Yên, tỉnh Yên Bái.
ỨNG DỤNG THUẬT TOÁN RỪNG NGẪU NHIÊN TRONG XÂY DỰNG BẢN ĐỒ NHẠY CẢM TRƯỢT LỞ KHU VỰC SÔNG HUYỆN VĂN YÊN, YÊN BÁI Trương Xuân Quang, Nguyễn Ngọc Hoan, Trần Thị Hương Trường Đại học Tài nguyên Môi trường Hà Nội Tóm tắt Mục tiêu nghiên cứu xây dựng mơ hình học máy phù hợp nghiên cứu trượt lở đất xây dựng đồ tính nhạy cảm trượt lở cho huyện Văn Yên, tỉnh Yên Bái Thuật toán lựa chọn sử dụng thuật toán rừng ngẫu nhiên (Random Forest) Các vị trí lở đất chọn ngẫu nhiên tập hợp 302 điểm trượt lở, đó, 70 % tương đương với 210 điểm trượt lở để huấn luyện 30 % (92 điểm trượt lở) để xác nhận tính xác mơ hình Để xây dựng đồ nhạy cảm trượt lở dựa thuật toán rừng ngẫu nhiêu, 11 yếu tố nghiên cứu đưa vào sử dụng, yếu tố là: hướng dốc, độ dốc, mạng lưới sông suối, đứt gãy địa chất, địa chất, NDVI, đường giao thông, số độ ẩm địa hình, độ cong theo phương ngang, độ cong theo phương đứng, lượng dịng Độ xác mơ hình dự vào Confuse Matrix, kết cho thấy, phương pháp có độ xác xác định phần diện tích bên đường cong Areas Under Curves-AUC = 0,903 Có 05 yếu tố ảnh hưởng quan trọng đến trượt lở đất là: đường giao thơng, địa chất, hướng dốc, góc dốc độ ẩm ướt địa hình Từ khóa: Bản đồ phân vùng trượt lở đất; Văn Yên, Yên Bái; Rừng ngẫu nhiên Abstract Landslide susceptibility mapping using random forest model: a case studies in the Van Yen, Yen Bai province The goal of this study is to investigate a suitable machine learning model in landslide study and to build a landslide susceptibility map for the study area (Van Yen district, Yen Bai province) For this purpose, a random forest model was selected to study for this study area All landslides were randomly selected from 302 landslides, in which 70 % (210 landslides) of dataset for training and the 30 % (92 landslides) for validation accuracy of the model In order to prepare landslide susceptibility map based on random forest model, 11 factors were considered as conditioning factors related to landslide: aspect, river slope, fault, geology, NDVI, road, topographic wetness index, plan curvature, profile curvature, stream power index The accuracy of the model was evaluated based on Confuse Matrix The result showing, the method has accuracy was indentified based on Areas Under Curves-AUC = 0.903 The five landslide causative factors: road, geology, aspect, slope and topographic wetness index have tight correlation with landslide occurrence Keywords: Landslide susceptibility map; Van Yen, Yen Bai; Random forest Mở đầu Việt Nam quốc gia nhiều đồi núi (đồi núi chiếm 85 % diện tích lãnh thổ), tượng sạt lở đất diễn phổ biến tái diễn chủ yếu nguyên nhân liên quan địa chất, địa mạo, tác động người đặc biệt điều kiện thời tiết khơng thuận lợi với khí hậu nhiệt đới, mưa nhiều Ngồi ra, Việt Nam cịn đánh giá quốc gia bị ảnh hưởng lớn biến đổi khí hậu Trong thời gian gần đây, kéo dài, liên tục trái quy luật tượng mưa cực đoan có nhiều dấu hiệu chứng tỏ tượng trượt lở Việt Nam không giảm Trượt lở đất đứng thứ 07 bảng xếp hạng hiểm họa thiên nhiên lớn, tính theo số người chết thống kê Nghiên cứu chuyển giao, ứng dụng khoa học công nghệ sử dụng hợp lý tài nguyên, bảo vệ môi trường phát triển bền vững 271 Từ năm 1903 - 2004, khoảng 16.000 người thiệt mạng lở đất châu Âu [1] Tại Việt Nam, khu vực bị ảnh hưởng sạt lở đất vùng núi phía Bắc phân bố hẹp vùng Trung du, gần biên giới với Lào Tỉnh Yên Bái nằm phía Bắc Việt Nam nhiều người biết đến với tình trạng trượt lở đất thường xuyên xảy Thiệt hại kinh tế xã hội sạt lở đất giảm thiểu cách lập kế hoạch quản lý hiệu Yên Bái tỉnh miền núi, nằm vùng Tây Bắc - Đông Bắc Trung du Bắc Bộ Yên Bái có toạ độ địa lý 210024’ - 220016’ vĩ độ Bắc; 1030056’ - 1050003’ kinh độ Đông Theo báo cáo thống kê, tổng diện tích đất tự nhiên tồn tỉnh 689.949,05 (theo số liệu kiểm kê năm 2020) Trong đó, diện tích nhóm đất nơng nghiệp 549.104,31 ha, chiếm 79,59 % diện tích đất tự nhiên; diện tích nhóm đất phi nơng nghiệp 47.906,46 ha, chiếm 6,94 %; diện tích đất chưa sử dụng 92.938,28 ha, chiếm 13,47 % Các thành tạo địa chất địa bàn tỉnh Yên Bái phân chia thành 08 đối tượng (nhóm đất, đá) có thành phần sau: Nhóm đá bở rời, nhóm đá trầm tích lục ngun giàu alumosilicat, nhóm đá phun trào axit - trung tính tuf chúng, nhóm đá xâm nhập mafic - siêu mafic, nhóm đá xâm nhập axit - trung tính, nhóm đá biến chất giàu alumosilicat, nhóm đá biến chất trầm tích lục nguyên giàu thạch anh Trên địa bàn tỉnh Yên Bái, theo đánh giá Viện Khoa học Địa chất Khống sản, huyện Văn n có diện tích khoảng 786 km2, chiếm tỷ lệ 56 % tổng diện tích tự nhiên tồn huyện, khu vực có nguy trượt lở đất thấp thấp khoảng 245 km2 Chiếm tỷ lệ gần 18 % tổng diện tích tự nhiên tồn huyện Văn n xác định có nguy trượt lở đất cao so với toàn khu vực miền núi Việt Nam Trí tuệ nhân tạo (Artifical Intelligence - AI) ngày ứng dụng rộng rãi khoa học Trái đất, đặc biệt nghiên cứu tai biến thiên nhiên nhờ khả xử lý khối lượng liệu khổng lồ thuật toán thơng minh, mơ trí thơng minh người Trong nghiên cứu giám sát cảnh báo trượt lở, AI khơng sử dụng để phân tích liệu vệ tinh, thành lập đồ kiểm kê, đồ nguy mà sử dụng để xây dựng mơ hình mơ dự đốn kiện trượt lở Một số nghiên cứu sử dụng dụng trí tuệ nhân tạo để xây dựng đồ nhạy cảm trượt lở đất nhóm tác giả Ullo cộng xây dựng mơ hình mạng nơron tích chập (Convolutional Neural Network) - loại mơ hình học máy (Machine Learning - ML) để xác định điểm trượt lở sử dụng ảnh vệ tinh quang học [2], sử dụng phương pháp kết hợp ML mô hình tuyến tính (Logistic Model Tree - LMT) xây dựng đồ phân vùng trượt lở [3], hay phương pháp áp dụng thuật toán rừng ngẫu nhiên để thành lập đồ nguy trượt lở tỉnh Lào Cai [4] sử dụng mơ hình máy học hồi quy tuyến tính đa biến để thành lập đồ nhạy cảm trượt lở [5] Hình 1: Một số hình ảnh trượt lở đất Yên Bái 272 Nghiên cứu chuyển giao, ứng dụng khoa học công nghệ sử dụng hợp lý tài nguyên, bảo vệ môi trường phát triển bền vững Trong báo cáo sử dụng thuật toán rừng ngẫu nhiên để xây dựng đồ nhạy cảm trượt lở đất cho khu vực Văn Yên, Yên Bái (Hình 1) Thuật tốn rừng ngẫu nhiên thuật toán máy học phổ biến Nghiên cứu sử dụng 11 lớp thông tin đầu vào, liệu đầu vào xử lý phần mềm QGIS version 3.18 lớp thông tin trạng trượt lở đất, để xây dựng tập liệu huấn luyện kiểm thử mơ hình, bao gồm 302 vị trí trượt lở (số liệu từ Viện Khoa học Địa chất Khoáng sản Việt Nam năm 2013), thu thập (https://canhbaotruotlo.vn) cuối công cụ để xây dựng mơ hình rừng ngẫu nhiên phần mềm R số thư viện tích hợp với ngơn ngữ R Rgdal, Raster, ROCR Rpart ngôn ngữ R Dữ liệu sử dụng Các lớp thông tin: (1) hướng dốc, (2) độ dốc, (3) số độ ẩm địa hình, (4) độ cong theo phương ngang, (5) độ cong theo phương đứng, (6) lượng dòng phân tích tính tốn từ ảnh ALOS PALSAR - Radiometric Terrain Correction, với độ phân giải 12,5 x 12,5 m Bằng phần mềm QGISm, đồ (7) đứt gãy địa chất (8) địa chất (9) mạng lưới sông suối, (10) đồ đường giao thông lấy từ Atlat Địa lý Việt Nam số nghiên cứu trước Lớp thơng tin (11) NDVI xây dựng từ ảnh viễn thám Sentinel-2, từ chương trình Copernicus Liên minh châu Âu Đây chương trình tiến hành phép đo khí hậu từ hàng tỷ quan sát vệ tinh, máy bay trạm thời tiết toàn cầu Trong nghiên cứu này, đồ đứt gãy địa chất, mạng lưới sông suối đồ đường giao thông đồ dạng đường (lines) sử dụng để xây dựng vùng đệm bao quanh lớp thông tin Để hiểu rõ đánh giá khu vực cụ thể, như: điều kiện vật lý, tác nhân gây trượt lở khả xảy trượt lở cho yếu tố Tỷ số tần số (FR) kỹ thuật sử dụng để đánh giá tính nhạy cảm với trượt lở đất, trình bày nghiên cứu nghiên cứu [1, 2, 3, 4] Tỷ lệ tần số cho lớp yếu tố tổng số 11 lớp đưa vào sử dụng trọng số thể nguyên nhân hình thành tai biến trượt lở đất, FR biểu diễn cách kết : hợp đồ kiểm kê trượt lở đất đồ yếu tố i đó, thơng qua cơng thức tính N pixel ( Si ) N pixel ( N i ) wi = ln ∑ N pixel ( Si ) ∑ N pixel ( N i ) Trong đó: Npixel(Si): Số lượng điểm ảnh xuất trượt lở phân lớp; i; Npixel(Ni): Tổng số điểm ảnh phân lớp; ƩNpixel(Si): Tổng số lượng điểm ảnh xuất trượt lở ƩNpixel(Ni): Tổng số lượng điểm ảnh khu vực nghiên cứu Toàn 11 yếu tố sử dụng nghiên cứu tính tốn dựa cơng thức FR (Bảng 1) (Hình 2) Bảng Các yếu tố ảnh hưởng đến trượt lở đất sử dụng nghiên cứu Kiểu Vùng đệm bao quanh đường giao thông Phân lớp - 50 50 - 100 100 - 200 Số lượng điểm ảnh Số lượng điểm class trượt lở 395.353 90 318.816 54 558.240 73 Nghiên cứu chuyển giao, ứng dụng khoa học công nghệ sử dụng hợp lý tài nguyên, bảo vệ môi trường phát triển bền vững FR 1,076 1,186 0,927 273 Kiểu Độ cong theo phương ngang Độ cong theo phương đứng NDVI (chỉ số thực vật) Vùng đệm bao quanh sông suối Năng lượng dòng Độ dốc Hướng dốc Chỉ số ẩm ướt địa hình 274 Phân lớp 200 - 500 > 500 -1 -1 ≤0 - 0.2 0.2 - 0.4 0.4 - 0.6 0.6 - 0.8 ≥ 0.8 - 25 25 - 50 50 - 100 100 - 200 200 - 300 ≥ 300 - 13 - -5 - 0-5 - 10 10 - 14 - 50 - 100 10 - 150 15 - 200 20 - 250 25 - 300 30 - 400 40 - 500 ≥ 50 -1 35 - 72 320 - 360 72 - 113 113 - 156 156 - 198 198 - 238 238 - 279 279 - 320 0-4 4-7 - 11 > 11 Số lượng điểm ảnh Số lượng điểm class trượt lở 1.546.065 114 6.115.621 161 3.869.564 109 992.414 52 4.072.097 141 4.296.900 147 64.641 33 3.990.763 122 12.207 25 1.246.475 160 638.461 293 400.772 413 184.817 326 106.719 429 779.239 42 757.665 48 1.411.858 96 2.189.294 55 1.391.479 32 2.404.560 29 3.265.726 164 281.298 15 264.804 361.359 13 4.760.888 104 624.239 54 885.595 71 1.143.726 57 1.538.329 46 1.551.737 36 1.384.137 16 1.400.540 21 340.851 64.921 74.552 627.791 20 1.692.255 72 1.117.460 44 1.035.447 43 1.131.021 48 1.264.409 28 1.026.233 28 3.869.752 101 4.129.900 168 832.358 28 102.065 FR 0,354 - 0,675 - 0,182 0,438 0,024 0,011 0,412 - 0,100 5,0308 9,8429 6,8225 9,0381 9,7929 5,0308 0,466 0,628 0,698 - 0,296 - 0,385 - 1,032 0,395 0,455 - 0,400 0,062 - 0,436 0,939 0,863 0,388 - 0,122 - 0,376 - 1,073 - 0,812 - 2,444 0,939 - 0,091 0,197 0,120 0,173 0,194 - 0,455 - 0,246 - 0,258 0,185 - 0,004 0,371 Nghiên cứu chuyển giao, ứng dụng khoa học công nghệ sử dụng hợp lý tài nguyên, bảo vệ môi trường phát triển bền vững Kiểu Phân lớp Vùng đệm bao quanh đứt gãy địa chất 50 100 200 500 501 50 29 lớp Địa chất Số lượng điểm ảnh Số lượng điểm class trượt lở 3.278 104 2.785 61 4.453 90 8.373 37 19.785 10 3.278 104 Giá trị từ - 2,39 đến 3,95 FR 1,402 1,031 0,951 - 0,569 - 2,74 1,402 Hình 2: Bản đồ yếu tố ảnh hưởng tính theo hệ số FR Cơ sở lý thuyết phương pháp nghiên cứu Rừng ngẫu nhiên phương pháp học máy có giám sát, sử dụng rộng rãi ứng dụng viễn thám GIS, như: áp dụng phân loại xử lý ảnh vệ tinh lập đồ tính hiện trạng và dự báo trượt lở đất Phương pháp dựa sở định hoạt động cách xây dựng vơ số định q trình huấn luyện Phương pháp làm cho RF bị ảnh hưởng sai số phương pháp sử dụng định túy Các yếu tố ngẫu nhiên định bao gồm: lấy ngẫu nhiên liệu để xây dựng định; lấy ngẫu nhiên thuộc tính để xây dựng định Trong phương pháp RF, định tạo kết đầu khác nhau, chúng quy trọng số, trọng số đưa vào đánh giá “vote”, để lựa chọn định số “vote” cao ưu tiên Kết cuối thuật toán Random Forest tổng hợp từ nhiều định, nên thông tin từ bổ sung cho nhau, dẫn đến mơ hình có kết dự báo tốt Ưu điểm RF dễ áp dụng u cầu tham số mang lại độ xác cao so với số phương pháp ML khác Ngoài ra, mơ hình xử lý cấu trúc liệu nhiều chiều phức tạp Do tính đơn giản mang lại hiệu quả cao quá trình thực hiện nên phương pháp này được nhiều nhà khoa học sử dụng để xây dựng bản đồ hiện trạng trượt lở và cảnh báo nguy trượt lở (Hình 3) Hiện trạng trượt lở đất Yên Bái, theo thống kê Viện Khoa học Địa chất Khống sản Việt Nam, loại hình trượt sườn nhân tạo xảy khu vực Văn Yên chiếm nhiều tỉnh (263 điểm), có 08 điểm trượt lở xoay, 64 điểm trượt lở tịnh tiến 227 điểm thuộc thể loại trượt hỗn hợp Các điểm trượt lở chủ yếu tập trung dọc tuyến, như: Dọc theo đường Tỉnh lộ 151, từ xã Đông An - Châu Quế Hạ xã Đông Cuông đường liên huyện, liên xã nối Tỉnh lộ 151 với trung tâm xã Các điểm trượt phân bố rải rác khắp xã huyện Nghiên cứu chuyển giao, ứng dụng khoa học công nghệ sử dụng hợp lý tài nguyên, bảo vệ môi trường phát triển bền vững 275 Hình 3: Sơ đồ mơ tả q trình xử lý liệu thuật tốn rừng ngẫu nhiên Các vị trí trượt lở thường xảy taluy, cắt xẻ vào sườn núi để làm đường, nhà, cơng trình xây dựng, quy mơ khối trượt thường mức trung bình nhỏ, có đến 200 vị trí có quy mơ nhỏ trung bình Các khối trượt có quy mơ lớn lớn thường xảy sườn núi tự nhiên (01 điểm lớn 45 điểm lớn) (Hình 3) Các điểm trượt chủ yếu xảy vỏ phong hóa, phổ biến đới phong hóa hồn tồn phong hóa mạnh Kết luận gợi ý, đề xuất Hình 4: Bản đồ trạng trượt lở đất khu vực Văn Yên, Yên Bái 276 Nghiên cứu chuyển giao, ứng dụng khoa học công nghệ sử dụng hợp lý tài nguyên, bảo vệ môi trường phát triển bền vững Trong báo này, áp dụng mơ hình rừng ngẫu nhiên để xây dựng đồ phân vùng nhạy cảm trượt lở đất khu vực Văn Yên, Yên Bái Phần mềm QGIS 2.16.3 dùng để xử lý liệu cho yếu tố nghiên cứu Dữ liệu kiểm kê sạt lở đất (302 vị trí trượt lở) 11 yếu tố liên quan đến trượt lở (góc dốc, khía cạnh dốc, độ cong mặt bằng, độ cong mặt cắt, số độ ẩm địa hình, số sức mạnh dịng chảy, NDVI, khoảng cách đến đường, khoảng cách đến sông, khoảng cách đến đứt gãy địa chất) sử dụng để xây dựng đồ phân vùng nhạy cảm trượt lở đất (Hình 4) Nhóm 11 yếu tố chuẩn hóa cách quy hệ số FR, trước chúng đưa vào mơ hình rừng ngẫu nhiên để tính toán Để xây dựng tập huấn luyện, nghiên cứu lấy ngẫu nhiên 70 % điểm trượt lở từ 302 điểm trượt lở đất 30 % số điểm lại dùng cho xác thực kết mơ hình Đường cong ROC (Receiver Operating Characteristic) nghiên cứu, sử dụng để kiểm tra, đánh giá kết mô hình Đường cong ROC cung cấp dự đốn hiệu suất mơ hình Đường cong ROC biểu đồ hai chiều, thể tỷ lệ dự đốn mơ hình xảy trượt lở (độ nhạy) dự đoán cho khu vực khơng có trượt lở (độ đặc hiệu) Diện tích đường cong ROC Area Under the Curve (AUC), hệ số thơng tin thể độ khả tín mơ hình, sử dụng để ước tính tính hợp lệ mơ hình chất lượng tổng thể mơ hình Diện tích đường cong (AUC) cho thấy, mơ hình rừng ngẫu nhiên có giá trị AUC = 0,906 (Hình 5), ngồi ra, mơ hình RF có khả ước lượng độ quan trọng yếu tố mơ hình (Hình 6) Bản đồ phân vùng nhạy cảm trượt lở đất kết từ mơ hình rừng ngẫu nhiên, từ kết cho thấy trượt lở đất xảy nhiều dày, dọc tuyến đường qua xã Đông An, Châu Quế Hạ, Đông Cường Kết đưa dạng đồ tỷ lệ trung bình, điều giúp cho việc làm rõ khu vực có độ nhạy cảm cao cao liên quan đến nguy trượt lở đất Văn Yên Hình 5: Bản đồ phân vùng trượt lở sử dụng mơ hình rừng ngẫu nhiên cho khu vực Văn Yên, Yên Bái Nghiên cứu chuyển giao, ứng dụng khoa học công nghệ sử dụng hợp lý tài nguyên, bảo vệ môi trường phát triển bền vững 277 Hình 6: Đường cong ROC giá trị AUC = 0,903 mơ hình rừng ngẫu nhiên sử dụng nghiên cứu Hình 7: Mức độ quan trọng yếu tố sử dụng mơ hình Các đồ nhạy cảm với trượt lở đất nghiên cứu hỗ trợ cho nhà quản lý địa phương việc quy hoạch xây dựng, giao thông quy hoạch sử dụng đất, đồng thời đóng vai trị quan trọng việc nhận định sớm xác khu vực có nguy trượt lở cao cao Độ xác mơ hình RF cải thiện có liệu kiểm kê trượt lở đất cập nhật liên tục Nếu yếu tố như: lớp phủ, sử dụng đất, đồ thổ nhưỡng đưa vào tính tốn kết mơ hình có độ xác cao 278 Nghiên cứu chuyển giao, ứng dụng khoa học công nghệ sử dụng hợp lý tài nguyên, bảo vệ môi trường phát triển bền vững Lời cảm ơn: Nghiên cứu hỗ trợ từ Đề tài nghị định thư Việt Nam Italia, mã số: NĐT/21/14 Bộ Khoa học Công nghệ Việt Nam (MOST) tài trợ Bộ Ngoại giao Hợp tác Quốc tế Italia tài trợ TÀI LIỆU THAM KHẢO [1] Nadim, F., Kjekstad, O., Peduzzi, P. et al (2006). Global landslide and avalanche hotspots. Landslides 3, 159 - 173 https://doi.org/10.1007/s10346-006-0036-1 [2] Ullo, S L., Langenkamp, M S., Oikarinen, T P., Del Rosso, M P., Sebastianelli, A., Piccirillo, F., Sica, S (2019) Landslide Geohazard Assessment with Convolutional Neural Networks Using Sentinel-2 Imagery Data. IGARSS 2019 - 2019 IEEE International Geoscience and Remote Sensing Symposium, pp 9646 - 9649 [3] Truong, X L., Mitamura, M., Kono, Y., Raghavan, V., Yonezawa, G., Truong, X.Q., Do, T.H., Tien Bui, D., Lee, S (2018) Enhancing prediction performance of landslide susceptibility model using hybrid machine learning approach of bagging ensemble and logistic model tree. Appl Sci, vol 8, 1046 [4] Xuan Quang Truong, Xuan Luan Truong, Thi Khanh Linh Dang, Thuy Dung Nguyen, Duc An Nguyen (2018) Landslide susceptibility mapping using random forest model in Lao Cai province, Vietnam International Symposium on GeoInformatics for Spatial-Infrastructure Development in Earth and Allied Sciences (GIS-IDEAS) [5] Yanar, T., Kocaman, S., Gokceoglu, C., (2019) On the use of Sentinel-2 images and high resolution DTM for landslide susceptibility mapping in a developing urban settlement (Mamak, Ankara, Turkey) The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Volume XLII-3/W8, 2019 Gi4DM 2019 - GeoInformation for Disaster Management, - September 2019, Prague, Czech Republic [6] Bonham-Carter, G.F., (1994) Geographic Information Systems for Geoscientists PERGAMON Press, Modeling with GIS, Oxford [7] Chen, W., Chai, H., Sun, X., Wang, Q., Ding, X., Hong, H., (2016) A GIS-based comparative study of frequency ratio, statistical index and weights-of-evidence [8] Ding, Q., Chen, W., Hong, H., (2017) Application of frequency ratio, weights of evidence and evidential belief function models in landslide susceptibility mapping Geocarto International 32(6), 619 - 639 [9] Lee, S., Talib, J.A., (2005) Probabilistic landslide susceptibility and factor effect analysis Environ Geol 47(7), 982 - 990 Ngày chấp nhận đăng: 10/11/2021 Người phản biện: TS Trần Cảnh Dương Nghiên cứu chuyển giao, ứng dụng khoa học công nghệ sử dụng hợp lý tài nguyên, bảo vệ môi trường phát triển bền vững 279 ... khu vực có độ nhạy cảm cao cao liên quan đến nguy trượt lở đất Văn Yên Hình 5: Bản đồ phân vùng trượt lở sử dụng mơ hình rừng ngẫu nhiên cho khu vực Văn Yên, Yên Bái Nghiên cứu chuyển giao, ứng. .. tơi áp dụng mơ hình rừng ngẫu nhiên để xây dựng đồ phân vùng nhạy cảm trượt lở đất khu vực Văn Yên, Yên Bái Phần mềm QGIS 2.16.3 dùng để xử lý liệu cho yếu tố nghiên cứu Dữ liệu kiểm kê sạt lở đất... rừng ngẫu nhiên để xây dựng đồ nhạy cảm trượt lở đất cho khu vực Văn Yên, Yên Bái (Hình 1) Thuật toán rừng ngẫu nhiên thuật toán máy học phổ biến Nghiên cứu sử dụng 11 lớp thông tin đầu vào, liệu