Ứng dụng viễn thám và gis trong nghiên cứu, Đánh giá nguy cơ lũ quét phục vụ cảnh báo sớm trên lưu vực suối muội, tỉnh sơn la

Ứng dụng viễn thám và gis trong nghiên cứu, Đánh giá nguy cơ lũ quét phục vụ cảnh báo sớm trên lưu vực suối muội, tỉnh sơn la

ĐẠI HỌC QUỐC GIA HÀ NỘI

TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN

Lại Tuấn Anh

ỨNG DỤNG VIỄN THÁM VÀ GIS TRONG NGHIÊN CỨU, ĐÁNH GIÁ NGUY CƠ LŨ QUÉT PHỤC VỤ CẢNH BÁO SỚM

TRÊN LƯU VỰC SUỐI MUỘI TỈNH SƠN LA

LUẬN ÁN TIẾN SĨ ĐỊA LÝ

Hà Nội, 2024

ĐẠI HỌC QUỐC GIA HÀ NỘI

TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN

Lại Tuấn Anh

ỨNG DỤNG VIỄN THÁM VÀ GIS TRONG NGHIÊN CỨU, ĐÁNH GIÁ NGUY CƠ LŨ QUÉT PHỤC VỤ CẢNH BÁO SỚM

TRÊN LƯU VỰC SUỐI MUỘI TỈNH SƠN LA

Chuyên ngành: Bản đồ, Viễn thám và hệ thông tin Địa lý

LUẬN ÁN TIẾN SĨ ĐỊA LÝ

NGƯỜI HƯỚNG DẪN KHOA HỌC:

PGS.TS Bùi Quang Thành GS.TS Nguyễn Ngọc Thạch

Hà Nội, 2024

LỜI CAM ĐOAN

Tác giả xin cam đoan đây là công trình nghiên cứu của bản thân tác giả Các kết quả nghiên cứu và các kết luận trong luận án là trung thực, không sao chép từ bất kỳ một nguồn nào và dưới bất kì hình thức nào Việc tham khảo các nguồn tài liệu (nếu có) đã được thực hiện trích dẫn và ghi nguồn tài liệu tham khảo đúng quy định

Tác giả luận án

Lại Tuấn Anh

LỜI CÁM ƠN

NCS xin gửi lời cám ơn tới trường Đại học Khoa học tự nhiên - ĐHQGHN đã tạo mọi điều kiện thuận lợi cho NCS hoàn thành luận án trong thời gian học tập và nghiên cứu

NCS xin trân trọng cám ơn những người thầy hướng dẫn nghiên cứu khoa học PGS.TS Bùi Quang Thành và GS.TS Nguyễn Ngọc Thạch đã luôn dành thời gian quý báu của mình để lắng nghe và hướng dẫn chỉ bảo định hướng cho NCS

NCS cũng vô cùng biết ơn các thầy cô giáo, các nhà khoa học trong và ngoài trường Đại học Khoa học tự nhiên - ĐHQGHN đã có những đóng góp quý báu giúp NCS hoàn thiện luận án

NCS cũng xin gửi lời cám ơn chân thành đến các đồng nghiệp tại Trường Đại học Thủy Lợi, đặc biệt là khoa Kĩ thuật Tài nguyên nước đã có những động viên, chia sẻ, giúp đỡ NCS trong suốt quá trình nghiên cứu

Một số kết quả nghiên cứu cũng như kinh phí khi đi khảo sát thực địa của luận án được hỗ trợ từ đề tài khoa học và công nghệ trọng điểm cấp Nhà nước giai đoạn 2013 - 2018 “ Nghiên cứu xây dựng mô hình và hệ thống dự báo thời tiết tiểu vùng và cảnh báo nguy cơ lũ quét, cháy rừng và sâu bệnh nông nghiệp cấp huyện của vùng Tây Bắc” Mã số: KHCN - TB.13C/13 - 18 do GS.TS Nguyễn Ngọc Thạch chủ trì (2016 - 2018)

Cuối cùng, NCS xin gửi tới những người thân trong gia đình của mình lời biết ơn sâu sắc vì sự yêu thương và ủng hộ, dành thời gian và điều kiện tốt nhất để giúp cho NCS hoàn thành luận án

Xin trân trọng cảm ơn!

2 MỤC TIÊU VÀ NỘI DUNG NGHIÊN CỨU 11

3 ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU 12

4 NHỮNG ĐIỂM MỚI CỦA LUẬN ÁN 12

5 LUẬN ĐIỂM BẢO VỆ 13

6 Ý NGHĨA KHOA HỌC VÀ THỰC TIỄN 13

7 CẤU TRÚC CỦA LUẬN ÁN 13

Chương 1 CƠ SỞ LÝ LUẬN VÀ PHƯƠNG PHÁP NGHIÊN CỨU

LŨ QUÉT 14

1.1 TỔNG QUAN CÁC CÔNG TRÌNH NGHIÊN CỨU LŨ QUÉT 14

1.1.1 Nghiên cứu lũ quét trên thế giới 14

1.1.2 Nghiên cứu lũ quét ở Việt Nam 16

1.1.3 Tổng quan về ứng dụng viễn thám và GIS trong nghiên cứu lũ quét 19

1.1.4 Nghiên cứu về cảnh báo lũ quét 24

1.1.5 Nghiên cứu lũ quét trên lưu vực suối Muội 28

1.1.6 Khoảng trống trong nghiên cứu 29

1.2 CƠ SỞ LÝ LUẬN NGHIÊN CỨU LŨ QUÉT 30

1.2.1 Khái niệm lũ quét 30

1.2.2 Phân loại và đặc điểm lũ quét 32

1.2.3 Các nguyên nhân gây ra lũ quét 36

1.2.4 Vai trò các nhân tố đối với lũ quét 36

1.3 QUAN ĐIỂM, PHƯƠNG PHÁP VÀ QUY TRÌNH NGHIÊN CỨU

NGUY CƠ LŨ QUÉT 40

1.3.1 Quan điểm nghiên cứu 40

1.3.2 Phương pháp nghiên cứu 41

1.3.3 Định hướng nghiên cứu của luận án 46

1.3.4 Cơ sở dữ liệu phục vụ nghiên cứu lũ quét 48

Tiểu kết chương 1 49

Chương 2 PHÂN TÍCH ĐẶC ĐIỂM CÁC NHÂN TỐ GÂY RA LŨ QUÉT VÀ XÂY DỰNG MÔ HÌNH ĐÁNH GIÁ NGUY CƠ LŨ QUÉT 51

2.1 ĐẶC ĐIỂM LŨ QUÉT Ở LƯU VỰC SUỐI MUỘI 51

2.1.1 Khu vực nghiên cứu 51

2.1.2 Tình hình lũ quét 54

2.1.3 Đặc điểm lũ quét và cơ sở hình thành lũ quét 56

2.2 ĐẶC ĐIỂM CÁC YẾU TỐ CHÍNH GÂY RA LŨ QUÉT VÀ LỰA CHỌN BỘ TIÊU CHÍ ĐÁNH GIÁ NGUY CƠ LŨ QUÉT 57

2.2.1 Đặc điểm của điều kiện tự nhiên và ảnh hưởng đến lũ quét 59

2.2.2 Lựa chọn bộ tiêu chí đánh giá nguy cơ lũ quét 84

2.3 XÂY DỰNG MÔ HÌNH ĐÁNH GIÁ NGUY CƠ LŨ QUÉT 86

2.3.1 Xây dựng mô hình nguy cơ lũ quét bằng phương pháp xử lý không gian

phân tích đa tiêu chí MCA theo tiếp cận ô lưới (GRID) trong xác định chỉ số FFPI 86

2.3.2 Mô hình tích hợp tối ưu hóa Bayesian và Gradient Boost 94

2.3.3 Phương pháp đánh giá độ chính xác mô hình 99

Tiểu kết chương 2 100

Chương 3 ỨNG DỤNG VIỄN THÁM, GIS KẾT HỢP MÔ HÌNH HỌC MÁY XÂY DỰNG BẢN ĐỒ ĐÁNH GIÁ NGUY CƠ LŨ QUÉT PHỤC VỤ CẢNH BÁO SỚM TRÊN LƯU VỰC SUỐI MUỘI 101

3.1 XÂY DỰNG CƠ SỞ DỮ LIỆU 101

3.1.1 Bản đồ hiện trạng lũ quét 101

3.1.2 Nhóm các yếu tố địa hình - địa mạo, thổ nhưỡng 102

3.1.3 Nhóm các yếu tố khí tượng - thủy văn 107

3.1.4 Nhóm các yếu tố thảm phủ 109

3.1.5 Chuẩn hóa sơ sở dữ liệu 114

3.2 XÂY DỰNG BẢN ĐỒ NGUY CƠ LŨ QUÉT 115

3.2.1 Phương pháp xử lý không gian phân tích đa tiêu chí MCA theo

tiếp cận ô lưới (GRID) trong xác định chỉ số FFPI 115

3.2.2 Xây dựng bản đồ nguy cơ lũ quét bằng phương pháp học máy 129

3.2.3 So sánh và lựa chọn mô hình 137

3.3 ĐỀ XUẤT MÔ HÌNH CẢNH BÁO SỚM 138

3.3.1 Nguyên lý chung 138

3.3.2 Mô hình cảnh báo sớm lũ quét 140

3.3.3 Xây dựng bản đồ cảnh báo sớm nguy cơ lũ quét 142

Tiểu kết chương 3 146

KẾT LUẬN VÀ KIẾN NGHỊ 148

DANH MỤC CÁC CÔNG TRÌNH KHOA HỌC CỦA TÁC GIẢ

LIÊN QUAN ĐẾN LUẬN ÁN 150

TÀI LIỆU THAM KHẢO 151 PHỤ LỤC

DANH MỤC CÁC CHỮ VIẾT TẮT

các Hệ thống Môi trường, Mỹ

HECHMS, HECRAS

Phần mềm thủy văn - thủy lực, Bộ Quốc phòng Mỹ

MIKESHE MIKEBASIN

Phần mềm thủy văn - thủy lực, Viện Thủy lực Đan Mạch

Cơ quan Hàng không và Vũ trụ Mỹ

Cơ quan Hải dương và Khí tượng Mỹ

Tài nguyên quốc gia Mỹ

sóng ra đa

TOPMODEL Phần mềm thủy văn, Đại học Lancaster, Vương quốc Anh

DANH MỤC BẢNG BIỂU

Bảng 1.1 Dữ liệu phục vụ nghiên cứu 48

Bảng 2.1 Diện tích các tiểu lưu vực xảy ra lũ quét 72

Bảng 2.2 Nhiệt độ không khí trung bình tháng và năm ở tỉnh Sơn La (C) 73

Bảng 2.3 Bốc hơi không khí trung bình tháng và năm (mm) 74

Bảng 2.4 Tổng lượng mưa trung bình tháng và năm (mm) 75

Bảng 2.5 Phân loại nhóm đất theo tính chất thủy văn 76

Bảng 2.6 Phân loại đất theo đặc trưng thủy văn của lưu vực suối Muội 77

Bảng 2.7 Diện tích (km2) theo loại đất của tiểu lưu vực đã xảy ra lũ quét lưu vực suối Muội, từ năm 2008 đến 2022 78

Bảng 2.8 Cơ cấu sử dụng đất các tiểu lưu vực xảy ra lũ quét trên lưu vực suối Muội (km2) 83

Bảng 2.9 Bộ tiêu chí xây dựng mô hình đánh giá nguy cơ lũ quét 86

Bảng 2.10 So sánh chỉ tiêu dựa trên phương pháp phân tích thứ bậc

của Saaty AHP 92

Bảng 3.1 Chỉ tiêu đánh giá nguy cơ lũ quét cho các nhân tố độ cao (Ele), độ dốc (SL), hướng sườn (As), độ cong địa hình (Cur), năng lượng dòng chảy (SPI),

độ ẩm ướt địa hình (TWI), lượng mưa trung bình 1 ngày lớn nhất (R_1M),

mật độ sông suối (Riv_Den) 117

Bảng 3.2 Chỉ tiêu đánh giá nguy cơ lũ quét cho các nhân tố lớp phủ mặt đất (LULC), địa mạo (GM), thổ nhưỡng (S), chỉ số thực vật (NDVI), chỉ số

xây dựngf (NDBI), khoảng cách đến sông suối (Riv_dis), độ dốc trung bình

lưu vực (Sub_SL) 118

Bảng 3.3 Ma trận tính trọng số các nhân tố 122

Bảng 3.4 Chỉ số ngẫu nhiên ứng với số nhân tố 123

Bảng 3.5 Diện tích (km2) nguy cơ lũ quét tổng hợp theo xã, lưu vực suối Muội

áp dụng phương pháp MCA 127

Bảng 3.6 Giá trị các siêu tham số sau quá trình tối ưu hóa 134

Bảng 3.7 Diện tích (km2) nguy cơ lũ quét tổng hợp theo xã, lưu vực suối Muội

áp dụng phương pháp học máy 136

DANH MỤC HÌNH

Hình 1.1 Các nhân tố hình thành lũ quét [9] 36

Hình 1.2 Sơ đồ các bước trong mô hình nghiên cứu 46

Hình 2.1 Vị trí và phạm vi khu vực nghiên cứu (lưu vực suối Muội, tỉnh Sơn La) 51

Hình 2.2 Ảnh hưởng nơi lũ quét đi qua năm 2015 và 2022 55

Hình 2.3 Tần suất xảy ra lũ quét theo tháng trên địa bàn huyện Thuận Châu

từ năm 2008 và 2022 55

Hình 2.4 Phân bố mặt cắt dọc lưu vực sông [16] 56

Hình 2.5 Hình thái lưu vực lũ quét chia thành khu phát sinh, khu dịch chuyển và khu lắng đọng [22] 58

Hình 2.6 Các tiểu lưu vực của lưu vực suối Muội 59

Hình 2.7 Phổ độ cao lưu vực suối Muội 60

Hình 2.8 Phổ độ dốc lưu vực suối Muội theo ô lưới 61

Hình 2.9 Độ dốc trung bình các tiểu lưu vực 62

Hình 2.10 Mật độ phân cắt ngang lưu vực suối Muội 63

Hình 2.11 Mật độ phân cắt sâu lưu vực suối Muội 63

Hình 2.12 Hệ thống thủy văn lưu vực suối Muội 67

Hình 2.13 Mặt cắt ngang của sông/suối hình chữ V [16] 67

Hình 2.14 Phân bố mặt cắt ngang sông/suối hình chữ V và hệ thống ao cá

của nhân dân 68

Hình 2.15 Mặt cắt ngang chữ U [16] 68

Hình 2.16 Phân bố mặt cắt ngang hình chữ U tại xã Chiềng Bấc 69

Hình 2.17 Dân cư và hoạt động nông nghiệp ở một đoạn suối trên lưu vực suối Muội thị trấn Thuận Châu 69

Hình 2.18 Hình dạng lưu vực và độ dốc lưu vực ảnh hưởng đến dòng chảy [5] 70

Hình 2.19 Các tiểu lưu vực xảy ra lũ quét 71

Hình 2.20 Diện tích lưu vực và mật độ sông suối [8] 72

Hình 2.21 Tỷ lệ phân bố đất theo nhóm thủy văn lưu vực suối Muội 77

Hình 2.22 Phân bố nhóm đất theo cơ chế thủy văn trên lưu vực suối Muội 78

Hình 2.23 Giá trị NDVI tại khu vực bản Nà Nọi xã Chiềng Pha 81

Hình 2.24 Hiện trạng sử dụng đất lưu vực suối Muội năm 2015 81

Hình 2.25 Cơ cấu sử dụng đất trên lưu vực suối Muội năm 2015 82

Hình 2.26 Cơ cấu sử dụng đất rừng lưu vực suối Muội năm 2015 82

Hình 2.27 Sơ đồ hệ thống xử lý không gian GIS xây dựng bản đồ nguy cơ

lũ quét tiềm ẩn 90

Hình 2.28 Sơ đồ quy trình xử lý thông tin không gian GIS xây dựng bản đồ

nguy cơ lũ quét tiềm ẩn theo trọng số tính toán 91

Hình 2.29 Mô phỏng bản đồ nguy cơ tiềm ẩn tai biến lũ quét sườn dốc

tích hợp từ nhiều lớp thông tin 93

Hình 2.30 Lựa chọn các tham số cho bài toán tối ưu 94

Hình 2.31 Sơ đồ thuật toán Gauss và Kernel 96

Hình 2.32 Mô hình thuật toán XGBoost [28] 97

Hình 2.33 Sơ đồ thuật toán Leaf-wise 98

Hình 2.34 Các siêu tham số được sử dụng trong mô hình tăng cường độ dốc 98

Hình 3.1 Hiện trạng lũ quét lưu vực suối Muội, tỉnh Sơn La 102

Hình 3.2 Giá trị thông tin các lớp nhân tố trong nhóm địa hình 107

Hình 3.3 Giá trị thông tin các lớp nhân tố nhóm thủy văn 109

Hình 3.4 Tóm tắt quy trình xây dựng lớp phủ 110

Hình 3.5 Ảnh tổ hợp màu thật khu vực nghiên cứu 111

Hình 3.6 Lớp phủ trước (a) và sau khi phân loại (b) tại khu vực nghiên cứu 112

Hình 3.7 Giá trị thông tin các lớp nhân tố nhóm thảm phủ 114

Hình 3.8 Quy trình thành lập bản đồ phân vùng nguy cơ lũ quét theo

phương pháp MCA 115

Hình 3.9 Phân cấp đánh giá ảnh hưởng của các nhân tố 121

Hình 3.10 Phân ngưỡng giá trị biên nguy cơ lũ quét tiềm ẩn (FFPI) 125

Hình 3.11 Bản đồ nguy cơ lũ quét áp dụng phương pháp MCA theo tiếp cận

ô lưới FFPI trên lưu vực suối Muội tỉnh Sơn La 126

Hình 3.12 Đường cong ROC được xây dựng từ các điểm lũ quét lịch sử so sánh với bản đồ nguy cơ lũ quét tại lưu vực suối Muội, tỉnh Sơn La 129

Hình 3.13 Quy trình nghiên cứu áp dụng mô hình tối ưu hóa Bayesian sử dụng

thuật toán XGBoost và LightGBM 129

Hình 3.14 Đánh giá mức độ quan trọng của các nhân tố ảnh hưởng đến LQ

trên 2 thuật toán 131

Hình 3.15 Sự tương quan giữa các lớp nhân tố với dự đoán đầu ra bằng biểu đồ

tối ưu bày ong Màu đỏ cho biết nhân tố có giá trị cao hơn, và màu xanh

chỉ ra giá trị thấp 131

Hình 3.16 Giá trị biến thiên AUC trung bình qua 100 lần lặp 132

Hình 3.17 AUC cho thuật toán XGBoost và LightGBM với các siêu tham số

được xác định từ quá trình tối ưu hóa 133

Hình 3.18 Phân ngưỡng giá trị biên nguy cơ lũ quét theo ML 134

Hình 3.19 Bản đồ nguy cơ lũ quét áp dụng phương pháp học máy trên lưu vực suối Muội, tỉnh Sơn La 135

Hình 3.20 Tiếp cận mô hình cảnh báo tai biến lũ theo lượng mưa ở Bang

Florida Lũ chỉ xuất hiện ở các vùng mưa 138

Hình 3.21 Quy trình cảnh báo sớm lũ quét 139

Hình 3.22 Ngưỡng mưa sinh lũ cho từng tiểu lưu vực 141

Hình 3.23 Bản đồ phân cấp lượng mưa dự báo theo ngưỡng phát sinh lũ quét 142

Hình 3.24 Phân ngưỡng giá trị biên cấp nguy cơ cảnh báo sớm 143

Hình 3.25 Bản đồ cảnh báo sớm nguy cơ lũ quét trên lưu vực suối Muội 144

Hình 3.26 Bản đồ cảnh báo sớm nguy cơ lũ quét theo lượng mưa dự báo với ngưỡng phát sinh lũ quét 140mm/ngày trên lưu vực suối Muội, tỉnh Sơn La 145

MỞ ĐẦU

1 TÍNH CẤP THIẾT Theo báo cáo của Trung tâm Phát triển Kinh tế Nông thôn (CRED) [30], Việt Nam là một trong mười quốc gia trên thế giới chịu ảnh hưởng nghiêm trọng nhất của thiên tai do biến đổi khí hậu Tổng thiệt hại ước tính sơ bộ do bão và lũ thống kê chỉ riêng trong giai đoạn 1996 - 2015 đã chiếm 0.62% tổng sản phẩm quốc nội GDP, tương đương với khoảng 2,12 tỷ USD [76] Nhiều hiện tượng khí hậu cực đoan tác động mạnh mẽ đến sinh kế của người dân, trong đó lũ quét là thảm họa thiên nhiên gây tổn thất lớn nhất về người và tài sản vượt xa so với các thiên tai khác như bão, lũ Trong gần 20 năm qua, theo ghi nhận của Tổng cục phòng chống thiên tai các tỉnh miền múi phía Bắc xảy ra trên 300 trận lũ quét với quy mô và phạm vi ngày càng lớn gây thiệt hại nặng nề về người, tài sản và cơ sở hạ tầng

Suối Muội là một hệ thống sông/suối chảy qua huyện Thuận Châu tỉnh Sơn La có chiều dài xấp xỉ khoảng 30km chảy theo hướng Tây Nam thuộc lưu vực sông Mã Những năm gần đây, do gia tăng khai thác lưu vực đầu nguồn, đặc biệt là nạn phá rừng, đốt rừng, sự phát triển các khu canh tác, dân cư, đô thị, xây dựng công trình giao thông, thủy lợi, thủy điện,…đôi khi thiếu quy hoạch, thậm chí không tuân thủ đúng các tiêu chuẩn kỹ thuật, đã làm hiện tượng lũ quét xảy ra ngày một nhiều hơn Đặc biệt vào mùa mưa lũ (từ tháng 5 đến tháng 10), do đặc thù của lưu vực suối Muội nằm trên vùng địa hình đồi núi với mức độ chia cắt sâu và độ dốc lớn, mạng lưới sông suối dày đặc, lòng sông hẹp, ngắn và dốc kết hợp với đặc điểm địa chất phức tạp, mức độ biến động lớn của thảm phủ thực vật đã làm cho hiện tượng lũ quét xảy ra thường xuyên hơn, ác liệt hơn, với mức thiệt hại ngày càng tăng Sơ bộ từ năm 2009 đến nay hầu như năm nào cũng xảy ra lũ quét trên lưu vực suối Muội, đặc biệt nghiêm trọng là trận lũ quét xảy ra vào rạng sáng ngày 24 tháng 6 năm 2015 đã làm 6 người chết và 4 người bị thương, hàng chục ha lúa và hoa màu bị vùi lấp và cuốn trôi Đây được coi là một trong những trận lũ quét đặc biệt nghiêm trọng trong 70 năm qua

Đứng trước tính chất nguy hại của lũ quét đã, đang và sẽ tiếp tục xảy ra như hiện nay, việc nhận thức đầy đủ và toàn diện về thiên tai lũ quét, nghiên cứu phân

vùng và dự báo nguy cơ lũ quét là một vấn đề có tính cấp thiết, cung cấp thông tin kịp thời cho các nhà quản lý trong ứng phó và giảm thiểu thiệt hại do lũ quét gây ra Các mô hình phân vùng nguy cơ và dự báo sớm nguy cơ lũ quét ở Việt Nam cho đến nay chủ yếu sử dụng kiến thức chuyên gia thông qua phương pháp phân tích đa tiêu chí (MCA) Thời gian gần đây, một số nghiên cứu đã sử dụng các kỹ thuật học máy, học sâu trong xây dựng bản đồ nguy cơ lũ quét, tuy nhiên kết quả còn nhiều hạn chế Do vậy, phát triển hướng và phương pháp nghiên cứu mới về lũ quét là cần thiết và cấp bách Kết quả nghiên cứu lý thuyết và thực tiễn trên thế giới và ở Việt Nam cho thấy việc tích hợp các kỹ thuật viễn thám, GIS và học máy trong nghiên cứu lũ quét và cảnh báo lũ quét là một hướng nghiên cứu mới và khả thi [66,70,85,89] Viễn thám cho phép chúng ta phân tích, giải đoán, chiết tách thông tin như lớp phủ, các chỉ số ảnh trên vùng rộng lớn dựa vào ảnh quang học như Landsat 8, Sentinel 2A, 2B hay các thông tin về ngập lụt có thể được phân tích từ ảnh Radar GIS là kĩ thuật được sử dụng nhiều trong các nghiên cứu tai biến như trượt lở đất, lũ lụt, lũ quét do ưu thế trong các bài toán phân tích không gian, chồng xếp các lớp bản đồ một cách nhanh chóng Ngoài ra GIS còn là công cụ quan trọng trong hỗ trợ ra quyết định cho các nhà nghiên cứu Các mô hình học máy rất phổ biến do khả năng xây dựng số lượng phi tuyến tính của lũ dựa trên bộ dữ liệu lịch sử chính vì vậy các thuật toán học máy đã được cải thiện đều đặn, thể hiện khả năng dự báo lũ với tỷ lệ vượt trội so với các phương pháp truyền thống

Với những lý do nêu trên, đề tài luận án tiến sĩ: “Ứng dụng Viễn thám và

GIS trong nghiên cứu, đánh giá phục vụ cảnh báo sớm nguy cơ lũ quét trên lưu vực Suối Muội tỉnh Sơn La” được lựa chọn xuất phát từ nhu cầu thực tế và có

ý nghĩa khoa học Kết quả của đề tài sẽ góp thêm các cơ sở khoa học trong nghiên cứu lũ quét và góp phần giảm thiểu thiệt hại do lũ quét cho lưu vực suối Muội 2 MỤC TIÊU VÀ NỘI DUNG NGHIÊN CỨU

a Mục tiêu

máy trong xây dựng bản đồ nguy cơ lũ quét, phục vụ cảnh báo sớm nguy cơ lũ quét trên lưu vực suối Muội, tỉnh Sơn La

b Nội dung

Để đạt được mục tiêu trên, đề tài phải thực hiện các nội dung chủ yếu sau:

đồ nguy cơ lũ quét

nguy cơ lũ quét cho lưu vực suối Muội

viễn thám và GIS phục vụ cho xây dựng mô hình nguy cơ lũ quét và mô hình cảnh báo sớm nguy cơ lũ quét

lũ quét phục vụ cảnh báo sớm nguy cơ lũ quét 3 ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU

a Đối tượng nghiên cứu: lũ quét và các yếu tố hình thành lũ quét, tập trung chủ

yếu vào lũ quét sườn dốc

- Đã xây dựng được bản đồ nguy cơ lũ quét cho lưu vực suối Muội bằng phương pháp xử lý không gian phân tích đa tiêu chí và mô hình học máy áp dụng thuật toán tối ưu hóa mà cụ thể là đã lựa chọn được bộ siêu tham số để huấn luyện và nâng cao hiệu suất mô hình tối ưu, cải thiện được độ chính xác cho bản đồ nguy cơ lũ quét

5 LUẬN ĐIỂM BẢO VỆ

Luận điểm 1: Làm rõ được đặc điểm của các nhóm nhân tố gây ra lũ quét và

mối liên hệ của chúng với các thông số mặt đệm trên lưu vực suối Muội từ đó lựa chọn được các nhân tố có ảnh hưởng đến sự phát sinh và hình thành lũ quét

Luận điểm 2: Với các lưu vực sông/suối miền núi có địa hình và cấu trúc

mặt đệm phức tạp, nơi có hoặc rất thiếu dữ liệu thì mô hình học máy tích hợp với thuật toán tối ưu hóa đã nâng cao được độ chính xác xây dựng bản đồ nguy cơ lũ quét, thử nghiệm với bộ dữ liệu tại lưu vực suối Muội

6 Ý NGHĨA KHOA HỌC VÀ THỰC TIỄN

a Ý nghĩa khoa học: Bổ sung cơ sở khoa học trong việc lựa chọn các nhân tố gây

ra lũ quét và mối quan hệ giữa các nhân tố với lũ quét Xây dựng thành công bản đồ nguy cơ lũ quét dựa trên bộ siêu tham số và thuật toán tối ưu trong mô hình học máy

b Ý nghĩa thực tiễn: Bản đồ nguy cơ lũ quét là tài liệu quan trọng trong công tác

dự báo, phòng chống và giảm nhẹ thiên tai, hỗ trợ ra quyết định góp phần thúc đẩy phát triển kinh tế - xã hội bền vững cho khu vực suối Muội Có thể áp dụng các mô hình này cho các nghiên cứu lũ quét ở khu vực khác có điều kiện địa lý tương đồng

7 CẤU TRÚC CỦA LUẬN ÁN Ngoài phần mở đầu, kết luận và kiến nghị, luận án gồm 03 chương chính sau:

Chương 1: Cơ sở lý luận và phương pháp nghiên cứu lũ quét Chương 2: Phân tích đặc điểm các nhân tố đặc trưng gây ra lũ quét và xây dựng

mô hình xác định nguy cơ lũ quét trên lưu vực suối Muội

Chương 3: Ứng dụng viễn thám và GIS kết hợp mô hình học máy trong xây

dựng bản đồ đánh giá nguy cơ lũ quét phục vụ cảnh báo sớm trên lưu vực suối Muội tỉnh Sơn La

Chương 1 CƠ SỞ LÝ LUẬN VÀ PHƯƠNG PHÁP NGHIÊN CỨU LŨ QUÉT

1.1 TỔNG QUAN CÁC CÔNG TRÌNH NGHIÊN CỨU LŨ QUÉT

1.1.1 Nghiên cứu lũ quét trên thế giới

Trên thế giới, nghiên cứu phân vùng và dự báo nguy cơ lũ nói chung và lũ quét nói riêng nhận được sự quan tâm rất lớn, với rất nhiều mô hình, phương pháp và công cụ được phát triển từ các mô hình đơn giản đến các hệ thống mô hình toán phức tạp [94, 124] Về cơ bản, có thể phân chia thành ba nhóm chính: (a) nhóm các mô hình phân tích thống kê; (b) nhóm các mô hình mô phỏng quan hệ mưa - dòng chảy; (c) nhóm các mô hình dựa theo giả thuyết thống kê “on-off”

Các mô hình nhóm (a) sử dụng dữ liệu đa thời gian quan trắc mực nước và lũ trong khoảng thời gian dài để thiết lập các mô hình hồi quy Sau đó các mô hình này được nội suy ra toàn lưu vực để dự báo các kịch bản xảy ra lũ lụt theo cả vị trí và thời gian [83, 113] Mô hình Copula [130], mô hình Gumbel hỗn hợp [129], mô hình tích hợp Gumbel - Hougaard Copula [131], mô hình tần xuất thống kê [6, 37] Tuy nhiên, trong thực tế dữ liệu quan trắc trong chu kì dài thường rất hiếm, đặc biệt tại các nước đang phát triển như Việt Nam

Nhóm (b) là các mô hình được phát triển trên cơ sở mô phỏng mối quan hệ lượng mưa - dòng chảy Đây là nhóm mô hình được sử dụng rộng rãi nhất hiện nay trong quản lý lưu vực và dự báo lũ [46, 85] Rất nhiều mô hình lượng mưa - dòng chảy đã được phát triển thành công, từ các mô hình thực nghiệm cho đến các mô hình thủy văn - thủy lực phức tạp như mô hình HEC-HMS/RAS [76], HYDROTEL [59], Wetspa [81], SWAT [69], MIKE [112], KINEROS2/AGWA [75], và HiResFlood-UCI [92] Các mô hình thực nghiệm sử dụng dữ liệu đa thời gian tại các trạm quan trắc để xây dựng các mô hình hồi quy lượng mưa - dòng chảy, sử dụng các kĩ thuật thống kê [41], hoặc các thuật toán học máy tiên tiến [89] Trong khi đó, các mô hình thủy văn - thủy lực tập trung mô phỏng các quá trình lan truyền dòng chảy bề mặt thông qua một tập hợp các phương trình toán học phức tạp [44, 65] Nhìn chung, nhóm mô hình này đòi hỏi dữ liệu theo dõi thủy văn đủ dài tại các trạm quan trắc để mô hình hóa và dự báo chính xác vị trí và thời điểm ngập lụt Tuy vậy, đối với các nước đang phát triển, mật độ các trạm quan trắc rất thưa, thời gian

quan trắc không đủ dài và đây là trở ngại rất lớn để phát triển mô hình này [55] Về cơ bản, do tính chất phi tuyến và phức tạp của lũ, các mô hình mô phỏng lượng mưa - dòng chảy vẫn đang gặp nhiều khó khăn để có thể dự báo lũ với độ chính xác cao khi mật độ các trạm quan trắc thấp [100]

Để hạn chế về trạm quan trắc, trong vài năm trở lại đây, hướng tiếp cận mới thuộc nhóm (c) được đề xuất [66, 87, 110, 115] Theo đó các mô hình này không sử dụng dữ liệu quan trắc thủy văn để dự báo lũ Thay vào đó, các mô hình này phát triển dựa trên giả thuyết thống kê rằng, LQ xảy ra trong tương lai sẽ lại xảy ra tại các khu vực có điều kiện tương đồng với nơi đã xảy ra tại khu vực Sau đó, các khu vực chắc chắn không xảy ra LQ cũng được xác định Quá trình mô hình hóa phân vùng và dự báo lũ được biến thành bài toán học máy phân loại hai lớp: lớp lũ và không lũ, do vậy được gọi tắt là phân loại “on - off” Các mô hình trong nhóm (c) đáng chú ý bao gồm mô hình thống kê [120], mô hình phân tích đa chỉ tiêu (MCA) sử dụng phương pháp phân tích thứ bậc (AHP) để đánh giá mức độ quan trọng giữa các nhân tố và tính toán trọng số cho từng nhân tố [33, 101, 106, 119] Các mô hình trí tuệ nhân tạo (AI) hay học máy (ML) được sử dụng nhiều trong nghiên cứu, đánh giá nguy cơ LQ như cây quyết định (DT) [66, 107], rừng ngẫu nhiên (RF) [50, 88], máy học hỗ trợ vector (SVM) [107], K- Nearest Neighbor [80, 87], mô hình kết hợp cây phân loại và hồi quy logis [43], mạng nơ -ron nhân tạo và học sâu [114], các thuật toán tối ưu hóa (BO) [78, 87], kết hợp thuật toán đom đóm (FA) Các mô hình ML có thể áp dụng cho các khu vực nghiên cứu ở các tỷ lệ khác nhau từ nhỏ đến lớn như cho một lưu vực, cho một huyện hay cho một tỉnh [102] Kết quả nghiên cứu sử dụng các mô hình ML trên đã chỉ ra rằng, các mô hình ML có độ chính xác cao hơn các mô hình nhạy cảm lũ khác Tuy nhiên, điểm hạn chế của mô hình ML đó là chúng phụ thuộc rất nhiều vào dữ liệu hiện trạng lũ lịch sử, dữ liệu này một phần được sử dụng để huấn luyện mô hình, một phần dùng để kiểm tra mô hình Trong thực tế khó có thể có đủ số lượng các dữ liệu lũ lịch sử trong các nghiên cứu cho vùng rộng lớn Thiếu dữ liệu lũ lịch sử vẫn đang là một trong những thách thức lớn nhất ảnh hưởng đến độ chính xác của các mô hình ML trong nghiên cứu LQ Các báo cáo từ địa phương, cơ quan, tổ chức, khảo sát thực địa và ảnh viễn thám là

những dữ liệu tin cậy mặc dù số lượng dữ liệu là không nhiều bị giới hạn rất lớn về không gian cũng như tính toàn vẹn của dữ liệu Hơn nữa, cho đến nay cũng chưa có một mô hình nào có thể áp dụng cho tất cả các vùng để đánh giá và lập bản đồ nguy cơ lũ một cách đầy đủ và chính xác [42] Do vậy cần thiết phải có các nghiên cứu mới để khai thác được khả năng lựa chọn các mô hình phù hợp để lập bản đồ nguy cơ LQ với độ chính xác cao cho các vùng dễ bị LQ Trong mỗi nghiên cứu, mỗi mô hình thì số lượng các nhân tố là không giống nhau Chưa có công bố nào khẳng định chắc chắn và giới hạn số lượng nhân tố được đưa vào tính toán trong mô hình Số lượng các nhân tố phụ thuộc nhiều vào nguồn dữ liệu, đặc điểm của khu vực nghiên cứu và tỷ lệ nghiên cứu Trong các nghiên cứu trên số lượng các nhân tố trong mỗi nghiên cứu là khác nhau nhưng có một số nhân tố thường xuyên tham gia vào trong các mô hình nghiên cứu lũ quét như độ cao, độ dốc, độ cong địa hình, TWI, SPI, lượng mưa, NDVI, khoảng cách đến sông suối, lớp phủ Đây là những nhân tố quan trọng trong sự hình thành lũ quét cung cấp thông tin cho việc xác định sự phân bố cũng như quy mô của lũ quét Các nhân tố khác như thạch học, địa chất,… ít xuất hiện hơn do đặc thù từng khu vực nghiên cứu cũng như sự hạn chế về dữ liệu thu thập được và mức độ ảnh hưởng của nó đến quá trình phát sinh lũ quét

1.1.2 Nghiên cứu lũ quét ở Việt Nam

Tại Việt Nam, có nhiều nghiên cứu lũ quét được thực hiện, đáng chú ý gồm có Cao Đăng Dư và nnk (2000) [2-3, 5] nghiên cứu điều tra lũ quét trong thời gian 1951÷2001 trên toàn lãnh thổ Việt Nam Kết quả nghiên cứu cho thấy, lũ quét sườn dốc là phổ biến với mưa là bản đồ thành phần ảnh hưởng quan trọng nhất Lũ quét được phân vùng thành bốn cấp nguy cơ [5], rất cao, cao, trung bình và thấp Tuy nhiên nghiên cứu dựa nhiều vào kiến thức chuyên gia để phân vùng cảnh báo, do vậy rất khó loại bỏ tính chủ quan trong kết quả nghiên cứu

Nguyễn Hữu Khải (2004) [13] ứng dụng mô hình mạng trí tuệ nhân tạo mô phỏng và dự báo lũ quét cho một số lưu vực sông nhỏ như: sông Dinh - Bình Thuận, Nậm La - Sơn La, sông Vệ - Quảng Ngãi Kết quả so sánh quá trình lưu lượng giữa mô phỏng và thực tế là tốt Tuy vậy các mô phỏng này chỉ tính tại các trạm quan trắc Việc nội suy ngập lụt ra toàn lưu vực không được đề cập

Lã Thanh Hà (2007) [8], đã áp dụng phương pháp thực địa, mô hình thủy văn - thủy lực và GIS để mô phỏng lại trận lũ quét lịch sử gây thiệt hại lớn về người và tài sản xảy ra đêm 27/9/2005 tại lưu vực suối Phà, xã Cát Thịnh, huyện Văn Chấn, tỉnh Yên Bái Nghiên cứu áp dụng mô hình như tích hợp HEC - HMS và HEC - RAS trên nền phần mềm ArcView Kết quả mô phỏng lưu lượng và ngập lụt của mô hình tương đối khớp với dữ liệu lưu lượng và vết lũ đo đạc được Tuy nhiên, các mô hình trên khó thực hiện với khu vực thiếu trạm quan trắc thủy văn

Đào Văn Thịnh (2008) [26] nghiên cứu điều tra hiện trạng lũ quét, sau đó bằng kiến thức chuyên gia, đi tìm nguyên nhân xảy ra trong mối quan hệ với các bản đồ thành phần địa hình, địa chất và khí hậu, cuối cùng, đề xuất một số giải pháp phòng tránh Tuy nhiên, việc dùng kiến thức chuyên gia gán trọng số cho các bản đồ thành phần, chồng gộp để cho ra bản đồ kết quả, do đó chất lượng bản đồ dự báo có phần mang tính chủ quan, phụ thuộc vào kinh nghiệm của chuyên gia, những người thực hiện nghiên cứu

Nguyễn Ngọc Việt (2009) [29] nghiên cứu xây dựng bản đồ phân vùng lũ quét cho hai huyện Mai Châu và Kim Bôi Sau đó thiết lập trạm quan trắc đo mưa, phân tích, và đưa ra cảnh báo lũ quét Từ đó, đề xuất các biện pháp quản lý, giám sát phòng chống thiên tai Tuy nhiên, kiến thức chuyên gia vẫn được sử dụng để gán trọng số cho các bản đồ thành phần Do vậy, chất lượng phân vùng và cảnh báo lũ quét vẫn mang tính chủ quan cao

Nguyễn Ngọc Thạch (2013) [20] đã nghiên cứu, xây dựng bản đồ nguy cơ lũ quét tỉnh Vĩnh Phúc, tỉnh Bắc Kạn và huyện Pắc Nậm, Bắc Kạn Bản đồ thành phần lũ quét được xác định gồm: độ dốc trung bình phụ lưu, lớp phủ thực vật, và mưa cực đại năm Áp dụng phương pháp AHP để xác định trọng số nhân tố ban đầu Lũ quét quá khứ được dùng để hiệu chỉnh trọng số nhân tố và kiểm chứng kết quả Điểm mới của nghiên cứu là đưa thêm nhân tố dòng chảy tích lũy (TWI) Tuy nhiên, độ chính xác dự báo của mô hình AHP còn chưa tốt so với các mô hình máy học

Nguyễn Ngọc Thạch và nnk, (2020) [21] đã thực hiện đề tài nghiên cứu xây dựng mô hình cảnh báo nguy cơ lũ quét, cháy rừng và sâu bệnh cấp huyện cho vùng Tây Bắc cụ thể cho 3 huyện Cao Phong tỉnh Hòa Bình, Hoàng Xu Phì tỉnh Hà Giang

và Thuận Châu tỉnh Sơn La Đề tài đã nghiên cứu xây dựng được bản đồ nguy cơ lũ quét cho 3 huyện Nghiên cứu này áp dụng phương pháp phân tích đa chỉ tiêu (MCA) với 8 nhân tố được chồng xếp trong môi trường GIS để thành lập bản đồ nguy cơ lũ quét tiềm ẩn (FFPI) trên tỷ lệ 1:25.000 Tuy nghiên cứu đã bước đầu phân vùng được nguy cơ lũ quét cho các huyện nhưng vẫn ở tỷ lệ nhỏ chưa chi tiết.

Phương pháp phân tích đa chỉ tiêu (MCA) và AHP cũng được một số các nhà khoa học ở Việt nam sử dụng trong nhiều lĩnh vực khác nhau tuy số lượng chưa nhiều điển hình là các nghiên cứu liên quan đến tai biến thiên nhiên như trượt lở đất, lũ lụt và lũ quét [19, 24, 95]

Để giải quyết khó khăn trong mô hình hóa và dự báo/ cảnh báo lũ quét do thiếu hoặc không có trạm quan trắc, những năm gần đây, hướng tiếp cận mới cho lũ quét được đề xuất, được đặt tên là phân loại “on - off ” [18, 42, 78, 88 - 89, 95, 115] Mặt khác LQ xảy ra phụ thuộc rất lớn vào tính chất địa hình, địa chất, thủy văn khu vực, do vậy vấn đề tối ưu hóa mô hình kết hợp với các thuật toán tối ưu cần phải được xem xét Bùi Tiến Diệu và nnk [115] đề xuất mô hình neural-fuzzy kết hợp với tối ưu hóa cho phân vùng dự báo vị trí lũ quét Thêm nữa, Bùi Tiến Diệu và Hoàng Nhật Đức [113] phát triển mô hình tích hợp thống kê Bayer, được đặt tên là BayGmmKda, dự báo vị trí lũ quét Lại Tuấn Anh và nnk [78] đã thử nghiệm mô hình học máy tối ưu Bayes (BO) với hai thuật toán tối ưu được sử dụng trong quá trình tối ưu hóa các siêu tham số (Hyper-parameters) là XGBoost và LightGBM Đây là mô hình sử dụng thuật toán học có giám sát để giải quyết các vấn đề phân loại với độ chính xác dự đoán cao Hai thuật toán này đã được áp dụng thành công cho khu vực tỉnh Lai Châu với bộ dữ liệu lũ lịch sử đủ lớn để mô hình có thể đạt được độ chính xác cao nhất

Kết quả cho thấy hầu hết các nghiên cứu đều có độ chính xác cao trong dự báo vị trí xảy ra lũ quét mà không yêu cầu dữ liệu thủy văn tại các trạm quan trắc [18, 78, 88-89, 95] Kết quả nghiên cứu hữu ích trong công tác quản lý lũ lưu vực

Qua các nghiên cứu trên có thể thấy được với sự có mặt của mô hình học máy, độ chính xác của các mô hình được nâng cao rõ rệt, điều đó khẳng định được tầm quan trọng và cần thiết khi cần mô hình hóa các bài toán, hơn nữa mô hình

học máy có thể sử dụng đa dạng các loại dữ liệu đầu vào, không giới hạn số lượng các lớp dữ liệu và mang tính khách quan

1.1.3 Tổng quan về ứng dụng viễn thám và GIS trong nghiên cứu lũ quét

1.1.3.1 Ứng dụng Viễn thám

Viễn thám là khoa học và công nghệ sử dụng sóng điện từ để truyền tải thông tin từ vật cần nghiên cứu tới thiết bị thu nhận thông tin cũng như công nghệ xử lý để các thông tin thu nhận có ý nghĩa

Trong những năm gần đây, sự phát triển nhanh chóng của công nghệ viễn thám, hệ thông tin địa lý (GIS), các phương pháp địa thống kê, và mô hình trí tuệ nhân tạo đã gợi mở nhiều giải pháp mới cho nghiên cứu và dự báo lũ quét Công nghệ viễn thám mới, như ảnh Radar Sentinel -1A và B miễn phí, cung cấp các giải pháp phát hiện và thành lập bản đồ hiện trạng lũ quét với chính xác cao và độ phân giải cao (10 m) Trong khi đó, GIS và các phương pháp địa thống kê giúp khả năng xử lý và phân tích mối quan hệ của các bản đồ thành phần đầu vào cho lũ quét Cuối cùng, mô hình trí tuệ nhân tạo với khả năng xử lý dữ liệu phi tuyến và đa biến, giúp xây dựng và kiểm định các mô hình dự báo lũ quét với độ chính xác cao Thực tế, cách tiếp cận mới ứng dụng các công nghệ trên đã cho thấy sự thành công trong nghiên cứu lũ quét ở nhiều nơi khác nhau trên thế giới [43, 79, 97, 113, 115] Đây đang là một trong các hướng nghiên cứu chính của thế giới về lũ quét hiện nay, mặc dù vậy, ứng dụng các công nghệ trên vẫn hết sức hạn chế tại Việt Nam

- Đặc điểm của ảnh vệ tinh quang học trong nghiên cứu lũ quét: Ảnh vệ tinh

quang học với nhiều ưu điểm như hình ảnh quen thuộc với con người, dễ giải đoán, kỹ thuật tương đối dễ phát triển trên nền các công nghệ chụp ảnh hiện hành nên đã nhanh chóng được chấp nhận và ứng dụng rộng rãi ở trong nước cũng như trên thế giới Công nghệ ứng dụng ảnh vệ tinh quang học để lập bản đồ lớp phủ bề mặt hay hiện trạng sử dụng đất đã trở thành công nghệ cơ bản được đưa vào quy trình quy phạm Việc xác định phạm vi, mức độ ngập lụt giúp cơ quan quản lý trong công tác phòng tránh và giảm nhẹ thiên tai trở nên khó khăn do địa bàn rộng lớn Ngày nay, việc ứng dụng công nghệ viễn thám trong xử lý, chiết tách thông tin ngập lụt đã trở thành công cụ rất hữu hiệu giúp cho các cơ quan quản lý đánh giá được chính xác

tình hình ngập lụt ở mỗi địa phương Tùy thuộc vào yêu cầu và mức độ chi tiết của nghiên cứu mà lựa chọn tư liệu viễn thám, trong đó các tư liệu viễn thám quang học phổ biến bao gồm: ASTER, MODIS, NOAA/AVHRR, IKONOS, LANDSAT, Sentinel,…Các kỹ thuật khác nhau đã được phát triển để lập bản đồ lũ lụt, chẳng hạn như với dữ liệu viễn thám quang học có thể sử dụng phương pháp ước tính ngưỡng chỉ số EVI với ảnh MODIS hoặc ngưỡng chỉ số NDWI với ảnh Landsat, Sentinel, … để phân tích mức độ ngập lụt Tuy nhiên, do đặc điểm của hệ thống chụp ảnh quang học và cận hồng ngoại là hệ thống thụ động phụ thuộc vào nguồn năng lượng mặt trời nên ảnh quang học chịu nhiều ảnh hưởng của thời tiết, trên ảnh thường có nhiều mây mù làm ảnh hưởng rất lớn đến chất lượng thông tin trên ảnh Đây là một trong những hạn chế của các ảnh quang học và nó đã làm giảm đáng kể khả năng ứng dụng, nhất là đối với những nước nằm trong khu vực nhiệt đới gió mùa như Việt Nam

- Đặc điểm của ảnh vệ tinh Radar trong nghiên cứu lũ quét: Lũ quét thường xảy ra trong thời gian mưa kéo dài và lớp mây phủ lâu ngày, cho nên trong nhiều trường hợp, việc sử dụng hình ảnh quang học thường bị cản trở So với phương pháp lập bản đồ số hóa thủ công và bán tự động, các hệ thống SAR không gian thường là công cụ được lựa chọn để quan sát lũ quét từ không gian Tuy nhiên, trong hầu hết các trường hợp, việc thu thập dữ liệu mới được thực hiện khi các cơ quan quản lý thiên tai yêu cầu các đơn vị lập bản đồ nhanh Do đó, việc thu thập dữ liệu vệ tinh để nắm được đỉnh lũ sau đó là quá muộn, từ đó làm suy yếu giá trị của thông tin ban đầu trong quản lý khẩn cấp Do việc sử dụng các cảm biến quang học thường không đáng tin cậy vì sự tương đồng về không gian giữa các khu vực bị ngập [96], ảnh chụp thời điểm ngập lụt thường có mây [38] và không có khả năng phát hiện nước ứ đọng trong thảm thực vật Sử dụng sóng radio có bước sóng dài, ảnh Radar độ mở tổng hợp (SAR) có thể thu được tín hiệu phản xạ từ bề mặt trong mọi điều kiện thời tiết như mây, mù, bụi khí quyển và cả những trận mưa nặng hạt Do ở bước sóng dài ảnh SAR không còn bị ảnh hưởng bởi tán xạ khí quyển như ảnh quang học nên nó cho phép xác định được năng lượng bước sóng trong mọi điều kiện thời tiết và môi trường vì thế ảnh SAR có thể được thu tại bất kỳ thời điểm nào mà không phải quan tâm tới thời tiết Bên cạnh đó, với đặc điểm là sử dụng nguồn năng lượng chủ động nên cơ chế tạo ảnh của SAR hoàn toàn không phụ thuộc vào

nguồn bức xạ năng lượng mặt trời do đó ảnh Radar có thể thu được cả ngày lẫn đêm Hơn nữa, do đặc điểm hấp thụ mạnh sóng Radar của nước, vì vậy đối tượng nước thường có màu đen khi hiển thị trên ảnh SAR nên có thể nhận dạng và tách biệt được vùng ngập rõ ràng Nhờ đặc điểm này ảnh SAR luôn được khuyến nghị ứng dụng để nghiên cứu ngập lụt Trên thế giới đã có nhiều nghiên cứu ứng dụng tư liệu ảnh vệ tinh siêu cao tần khẩu độ tổng hợp (SAR - Synthetic Aperture RADAR) trong phân loại lớp phủ, theo dõi lúa, lập bản đồ ngập lụt, lũ,… Các bản đồ hiện trạng về mức độ lũ quét lấy từ SAR là một nguồn thông tin quan trọng giúp quản lý thiên tai, cứu trợ nhân đạo, giúp các tổ chức và các nhà hoạch định chính sách có được những thông tin ban đầu về không gian lũ [84] Hơn nữa, các bản đồ như vậy có thể cung cấp các dữ liệu để hiệu chuẩn và hợp thức hóa các mô hình tương tự, các quy trình lưu vực sông [63, 112] và hỗ trợ xây dựng, phát triển các bản đồ nguy cơ trong phạm vi lũ quét hoạt động, các hoạt động phòng ngừa, quản lý rủi ro bảo hiểm và quy hoạch không gian [84] Nhờ sử dụng bước sóng dài, ảnh Radar độ mở tổng hợp (SAR) có thể thu được tín hiệu phản xạ từ bề mặt trong mọi điều kiện thời tiết như mây, mù, bụi khí quyển và cả những trận mưa nặng hạt Hơn nữa, do đặc điểm hấp thụ mạnh sóng Radar của nước, do vậy đối tượng nước thường có màu đen khi hiển thị trên ảnh SAR nên có thể nhận dạng và tách biệt được vùng ngập rõ ràng [60]

Tại Việt Nam, lũ quét thường xảy ra ở thượng nguồn các sông/suối vùng núi có địa hình phức tạp và mưa nhiều, đặc biệt là các tỉnh miền núi phía Bắc Lũ quét thường xảy ra do ảnh hưởng của mưa lớn, xối xả, hoặc do mưa trong các cơn bão nhiệt đới, kết hợp với tính chất địa hình như chênh cao lớn, độ dốc cao và cắt xẻ sâu, xảy ra bất ngờ, tồn tại trong khoảng thời gian ngắn, có dòng chảy xiết, có hàm lượng chất rắn cao và sức tàn phá lớn ở các khu vực sườn núi và dọc theo thung lũng Do vậy, việc xây dựng lại hiện trạng lũ quét tại thời điểm xảy ra lũ là rất cần thiết, các bản đồ hiện trạng lũ quét này giúp xác định được mức độ của lũ, lũ quét và nhiều giá trị khác mà với những phương pháp khác không thể xác định được hiện trạng lũ, lũ quét

Tuy nhiên, do lũ quét xảy ra bất ngờ, ở phạm vi hẹp, tồn tại trong thời gian ngắn (trong vòng vài giờ hoặc ngắn hơn), vệ tinh rất khó để có thể chụp được thời kỳ đỉnh lũ vì các ảnh có độ phân giải không gian đủ tốt thì thời gian lặp lại rất dài

(10 ngày đối với Sentinel 2, 5 ngày nếu sử dụng 2 vệ tinh Sentinel 2A và 2B kết hợp, 16 ngày của Landsat, 26 ngày của SPOT) hoặc phải đặt lịch chụp trước nhiều ngày; Ảnh RADAR, hiện tại ở nước ta không phổ biến, sẵn có và miễn phí; ngoài ra, khó chiết xuất độ sâu ngập lụt từ dữ liệu viễn thám

Nhận xét: Nhìn chung, viễn thám là công cụ hỗ trợ đắc lực, không thể thiếu,

cung cấp dữ liệu đầu vào cho các phương pháp, mô hình trong nghiên cứu lũ quét

Trong luận án, viễn thám cụ thể là sử dụng ảnh Sentinel 2B (mức 2A) được áp dụng để xây dựng dữ liệu lớp phủ bề mặt, chỉ số khác biệt thực vật (NDVI), chỉ số xây dựng (NDBI) cho vùng nghiên cứu

1.1.3.2 Hệ thông tin địa lý (GIS)

Hệ thông tin địa lý (GIS) cung cấp các công cụ rất mạnh và hiệu quả trong: (1) phân tích và chồng xếp không gian như là: bản đồ số học, nội suy, thống kê địa lý, phân tích thủy văn; (2) số hóa bản đồ, chỉnh sửa, đồng bộ hóa dữ liệu địa lý và hiển thị thông tin địa lý Các ứng dụng GIS phổ biến trong bài toán lũ quét, bao gồm:

+ Xây dựng và chồng xếp các lớp dữ liệu GIS nhân tố lũ quét trong Phương

pháp phân tích đa biến để xây dựng bản đồ nguy cơ lũ quét Phương pháp này được

áp dụng trong một số nghiên cứu trên thế giới [6, 48, 115 - 116, 122 - 123, 132] và phổ biến nhất ở nước ta từ thập niên 2000

+ Chuẩn bị các tham số đầu vào (DEM, độ dốc, mạng lưới sông suối, lớp phủ, đất) và hiển thị kết quả (bản đồ ngập lụt) cho phương pháp thủy văn - thủy lực từ thập niên 1980 Hiện nay, nhiều phần mềm thủy văn - thủy lực nổi tiếng như MIKE, TOPMODEL, SWAT, HEC kết nối trực tiếp với các phần mềm GIS và sử dụng trực tiếp khuôn dạng dữ liệu GIS

+ Cung cấp các bản đồ cảnh báo sớm nguy cơ lũ quét trực tuyến ở nhiều nước nhờ chức năng công nghệ bản đồ internet rất mạnh

+ Ngoài ra, dựa vào dữ liệu vết lũ và địa hình có thể phân tích và chiết xuất được dữ liệu độ sâu ngập lụt và hướng dòng chảy lũ Tuy nhiên, ở những vùng đồi núi thiếu dữ liệu địa hình chi tiết, mặt nước lũ tương đối dốc thì không cho kết quả có độ tin cậy cao

Nhận xét: GIS ngày càng khẳng định được vai trò không thể thiếu, được ứng

dụng sâu và rộng hơn trong các nghiên cứu lũ quét

Trong luận án, GIS được áp dụng để xây dựng dữ liệu đầu vào, chồng xếp các lớp thông tin trong mô hình lũ quét và cho các mô hình học máy (ML) phục vụ thành lập bản đồ nguy cơ lũ quét Đồng thời GIS còn sử dụng để biên tập các lớp bản đồ thành phần và bản đồ kết quả nguy cơ lũ quét trên lưu vực suối Muội, tỉnh Sơn La

1.1.3.3 Tích hợp viễn thám và Hệ thông tin địa lý trong nghiên cứu lũ quét

Tích hợp giữa viễn thám và GIS nhằm tạo ra công nghệ hiệu quả kết hợp chiến lược xử lý ảnh cũng như dòng luân chuyển thông tin và chuyển đổi dữ liệu trong quá trình xử lý và giải đoán ảnh, để tạo ra dữ liệu địa lý cần thiết cho GIS đáp ứng nhu cầu đa dạng trong công tác quản lý tài nguyên thiên nhiên và giám sát môi trường Từ quan điểm của các chuyên gia GIS, công nghệ viễn thám là một trong những công nghệ thu thập dữ liệu không gian quan trọng và hiệu quả nhất Sự tích hợp dữ liệu viễn thám và GIS dựa trên dữ liệu Raster rất khả thi vì cấu trúc dữ liệu giống nhau, hơn nữa có sự tương đồng giữa kỹ thuật xử lý ảnh viễn thám và GIS đó là trong thực tế cả hai kỹ thuật này đều xử lý dữ liệu không gian và có thể thành lập bản đồ số Khi ảnh vệ tinh đã được xử lý và cung cấp dưới dạng tương thích với GIS, những chức năng phân tích của GIS có thể áp dụng hiệu quả đối với dữ liệu vectơ của GIS (ranh giới, tọa độ, ) phối hợp các chức năng sẵn có của hai công nghệ mà còn có thể khai thác tối đa dữ liệu thuộc tính nhằm đạt hiệu quả cao nhất trong việc cung cấp thông tin đáp ứng nhanh các nhu cầu trong thành lập bản đồ chuyên đề, nghiên cứu, dự báo các tai biến thiên nhiên lũ quét, trượt lở đất…

Thông tin viễn thám, với tính chất đặc biệt của một số loại tư liệu như Radar rất có ưu thế so với các biện pháp thông thường trong việc tiếp cận, điều tra khu vực đang bị lũ quét và cung cấp thông tin về mưa Bên cạnh đó, viễn thám còn cung cấp nhiều thông tin khách quan có liên quan đến lũ quét

Dữ liệu không gian trích xuất từ GIS đã cải thiện sự hiểu biết và đánh giá nguy cơ lũ toàn bộ khu vực phân tích Hơn nữa, những bộ dữ liệu hệ thông tin địa lý này được kết hợp với những tiếp cận học máy hiện đại để tạo ra những công cụ mạnh mẽ cho việc dự báo không gian lũ Những cảm biến viễn thám mới như Sentinel -1A và B đã cung cấp một công cụ mới để phát hiện lũ và lập bản đồ với độ chính xác cao Dữ liệu này kết hợp với các dữ liệu không gian trong GIS tạo ra

bộ dữ liệu tổng hợp, được đưa vào mô hình học máy hiện đại đã cải thiện lớn sự hiểu biết và đánh giá nguy cơ lũ toàn bộ khu vực phân tích, cũng như dự báo về không gian lũ sát với thực tế

1.1.4 Nghiên cứu về cảnh báo lũ quét

Cảnh báo lũ quét là sự báo trước khả năng LQ có thể xảy ra trong thời gian sắp tới ở một vị trí nào đó hoặc nói chung xảy ra trên lưu vực mà không chú ý tới những đặc trưng (trị số) định lượng (lưu lượng, mực nước, diện tích ngập do lũ tràn qua) của trận lũ sẽ xảy ra Cảnh báo lũ thực chất đơn giản hơn dự báo lũ về nội dung, nhưng việc cảnh báo thường cho phép báo trước dài hơn [9]

Nhìn chung trên thế giới và ở Việt Nam, có thể chia công tác cảnh báo LQ làm hai loại: Cảnh báo theo không gian và cảnh báo theo thời gian thực Tuy nhiên cho đến nay chưa có một công trình nghiên cứu nào trên thế giới và ở nước ta công bố đã cảnh báo chính xác LQ Với tình trạng kỹ thuật hiện nay, nhìn chung, các hệ thống cảnh báo LQ ở các nước thường đảm bảo thấp, ít khi đạt đến 80%, thường chỉ khoảng 60% trên cơ sở các thông tin về dự báo mưa, hình thế thời tiết gây mưa, tình trạng lưu vực

1.1.4.1 Trên thế giới:

Mỹ là quốc gia chịu nhiều thiệt hại về lũ, lũ quét nên công tác cảnh báo về loại thiên tai này cũng được đặc biệt chú ý Mô hình cảnh báo lũ quét ở đây chú trọng đến khả năng sinh lũ quét từ mưa lớn do vậy nghiên cứu chính vẫn tập trung là cải thiện chất lượng mô phỏng dòng chảy mặt (lưu lượng) từ mưa Mặt khác quan hệ giữa mưa và lưu lượng tại đầu ra của lưu vực để tìm ra ngưỡng mưa thời đoạn sinh ra lũ quét cho từng lưu vực cũng được đề cập đến

Một phương pháp cảnh báo cũng đang được triển khai rộng rãi đó là hệ thống cảnh báo thời gian thực Hệ thống này bao gồm 3 khối chức năng: 1) Khối thu thập dữ liệu được thực hiện qua mạng lưới trạm đo mặt đất và từ hệ thống Radar thời tiết, 2) Khối xử lý, phân tích dữ liệu và được đưa vào trung tâm tính toán ra quyết định, 3) Khối cung cấp các thông tin cảnh báo qua các phương tiện đến cộng đồng

Tổ chức khí tượng thế giới (WMO) đã khuyến cáo thành lập các hệ thống cảnh báo lũ quét ALERT và đã thành công ở Mỹ và một số nước khác [64] Từ năm 1980

đến 1990, WMO đã thực thi hơn chục dự án đẩy mạnh công tác cảnh báo lũ, lũ quét ở các nước vùng Châu Á-Thái Bình Dương như ở Trung Quốc, Ấn Độ, Indonexia… với tổng số vốn đầu tư trên 10 triệu USD Trong các dự án này đã chú trọng xây dựng các hệ thống cảnh báo lũ quét với mạng lưới trạm đo đạc từ xa, Radar đo mưa và các phần mềm cảnh báo Hệ thống cảnh báo ALERT bao gồm 4 thành phần cơ bản: 1) máy đo mưa và đo mực nước tự động; 2)Thiết bị thu thập số liệu tự động; 3) Kĩ thuật tính toán phân tích số liệu; 4) Truyền và phân phát bản tin

Với phương pháp này, kết quả của mô hình mô phỏng thủy văn sẽ cung cấp cho các địa phương ước tính tốt nhất về mức độ của lũ, từ đó có thể đề ra các biện pháp ứng phó cần thiết Mô hình này hiện nay cũng đã triển khai và rất thành công trên nhiều quốc gia ở những nơi thường xuyên xảy ra lũ quét

- Hệ thống cảnh báo FFG Đây là hệ thống cảnh báo lũ quét dựa trên hệ thống ngưỡng mưa định hướng sinh lũ quét (The Flash Flood Guidence System -FFG) được thiết kế và phát triển bởi trung tâm nghiên cứu Thủy văn HRC ở Mỹ FFG được sử dụng rộng rãi trên toàn thế giới với mục đích cung cấp cho các nhà dự báo thủy văn và cơ quan quản lý thiên tai các thông tin thời gian thực ngưỡng mưa định hướng sinh lũ quét liên quan đến mối đe dọa của lũ quét ở một khu vực nào đó FFGS cung cấp các sản phẩm cần thiết để hỗ trợ phát triển các hệ thống cảnh báo lũ quét do mưa thông qua việc sử dụng lượng mưa đo từ xa và mô hình thủy văn Hệ thống FFG cũng được HRC cho phép Ủy ban Hội Mê Công quốc tế sử dụng, trong mùa lũ hệ thống này hàng ngày đưa ra các bản đồ ngưỡng mưa có khả năng sinh lũ quét (FFG) cho các thời đoạn 1,3,5 giờ ứng với các độ ẩm kì trước khác nhau của lưu vực

Hệ thống này đưa ra bản tin cảnh báo lũ quét theo 6 giờ với diện tích lưu vực

phương pháp dự báo lũ thông thường do tính chất khác biệt của lũ quét Hệ thống cung cấp các sản phẩm cần thiết để hỗ trợ cảnh báo lũ quét từ mưa thông qua việc sử dụng lượng mưa ước tính chủ yếu là thông tin ảnh vệ tinh và Radar nếu có Các kết quả của hệ thống được cung cấp cho các nhà dự báo như một công cụ chẩn đoán để phân tích các sự kiện liên quan đến thời tiết có thể gây ra lũ quét (ví dụ: lượng

mưa lớn, lượng mưa khi đất bão hòa) và sau đó để đánh giá nhanh tiềm năng xẩy ra lũ quét ở nơi nào đó

Kỹ thuật quan trọng của FFG là việc phát triển và áp dụng kỹ thuật hiệu chỉnh mưa từ ảnh vệ tinh (hay Radar) và mô hình thủy văn Hệ thống dựa trên khái niệm Flash Flood Guidance (FFG) và Flash Flood Threat (FFT) Cả hai chỉ số đều cung cấp cho người dùng thông tin cần thiết để đánh giá tiềm năng của lũ quét, bao gồm đánh giá sự không chắc chắn liên quan đến dữ liệu

- Dựa vào ngưỡng mưa để cảnh báo lũ quét, Forestieri (2016) [58] sử dụng mô hình TOPDM để đánh giá ngưỡng mưa nhằm xác định rủi ro lũ quét cho lưu vực Sicilian với điều kiện ban đầu cố định Tuy nhiên nhược điểm của cách tiếp cận này là không quan tâm đến sự thay đổi theo thời gian của điều kiện lưu vực

- Một số nghiên cứu sử dụng các phương pháp thủy văn, thủy lực và các hướng dẫn dự báo lũ quét trong nghiên cứu cảnh báo sớm lũ quét khác như Jubach, R và nnk (2016) [70], Wang, Y và nnk (2017) [121], Hua-Wei Tu và nnk (2020) [117] Các nghiên cứu này cần phải có số liệu chi tiết về mặt cắt ngang, cũng như số liệu thủy văn đủ dài mới có thể mô phỏng và dự báo chính xác được lũ quét

Ngoài ra phương pháp Đường tới hạn (CL) được sử dụng tại Nhật bản trong “hướng dẫn xác định ngưỡng mưa cho cảnh báo và di dân khỏi các tai biến trầm tích” của bộ xây dựng Nhật Bản vào năm 2005, để xác định ngưỡng cảnh báo lũ và lũ quét Phương pháp này được sử dụng để dự báo sự xuất hiện của LQ sử dụng các chỉ số mưa (cường độ và tổng lượng mưa) rút ra từ số liệu về cường độ mưa và tổng lượng mưa thu thập được từ các trận LQ xảy ra trong khu vực nghiên cứu

1.1.4.2 Ở Việt Nam

Viện Khoa học Khí tượng thủy văn và biến đổi khí hậu thực hiện dự án: “ Điều tra, khảo sát, phân vùng và cảnh báo khả năng xuất hiện LQ ở miền núi Việt Nam - Giai đoạn 1 Dự án đã thực hiện lập bản đồ phân vùng nguy cơ LQ tỷ lệ 1:100.000 cho 14 tỉnh miền núi phía Bắc và lập bản đồ cảnh báo ngập lụt do mưa có khả năng gây LQ cho 37 LV sông suối thuộc 14 tỉnh nói trên trên bản đồ tỷ lệ 1:50.000 Để phục vụ cho công tác cảnh báo LQ cho các LV nhỏ, dự án đã sử dụng

phương pháp Đường tới hạn (CL) Kết quả đã xây dựng được 37 biểu đồ Đường tới hạn cho 37 LVS Tồn tại của nghiên cứu này là tỷ lệ nhỏ, bản đồ phân vùng nguy cơ LQ chủ yếu được xây dựng trên cơ sở dữ liệu tĩnh, chưa xây dựng được hệ thống bản đồ tự động được tích hợp trên nền GIS phục vụ công tác cảnh báo LQ

Ngoài ra, một số nghiên cứu cảnh báo LQ tiếp cận theo hướng sử dụng chỉ số FFG như dự án “Điều tra khảo sát, xây dựng bản đồ phân vùng nguy cơ LQ xảy ra ở khu vực miền Trung, Tây Nguyên, và xây dựng hệ thống thí điểm phục vụ cảnh báo cho các địa phương có nguy cơ cao xảy ra LQ phục vụ công tác quy hoạch, chỉ đạo điều hành phòng chống thiên tai thích ứng với biến đổi khí hậu “do viện Khoa học khí tượng thủy văn và biến đổi khí hậu tiến hành thực hiện tiếp nối giao đoạn 2 từ năm 2012 - 2017, tồn tại của nghiên cứu này mới chỉ tập trung chủ yếu cho khu vực miền Trung và tây Nguyên, chưa áp dụng được cho các khu vực nhỏ miền núi không có trạm đo đạc

Một số hệ thống cảnh báo dựa trên thiết bị đo đạc đã và đang được nghiên cứu triển khai thử nghiệm dưới sự tài trợ của New Zealand tại tỉnh Hà Tĩnh để cảnh báo LQ lưu vực Sông La và lưu vực hồ Kẻ Gỗ Nguyên tắc hoạt động của hệ thống này là thông qua 4 trạm đo mực nước và đo mưa bằng các thiết bị tự động và các thiết bị truyền tin vô tuyến tự động, các thông tin mưa - lũ trên các sông Ngàn Sâu, Ngàn Phố, Kẻ Gỗ được truyền qua 1 trạm chuyển tiếp về Trung tâm điều hành tại Hà Tĩnh để xử lý và đưa ra thông tin cảnh báo

Công trình nghiên cứu của Nguyễn Ngọc Thạch (2020) [22] đã thiết lập được hệ thống cảnh báo sớm nguy cơ lũ quét cho 3 huyện vùng Tây bắc gồm Cao Phong tỉnh Hòa Bình, Hoàng Xu Phì tỉnh Hà Giang và Thuận Châu tỉnh Sơn La Nghiên cứu này sử dụng các hợp phần xử lý không gian mã nguồn mở kết hợp với dữ liệu dự báo từ các trạm thời tiết thông minh xây dựng trong khu vực nghiên cứu, dữ liệu được xử lý tự động online để cho ra bản đồ nguy cơ lũ quét tiềm năng Dựa vào giá trị ngưỡng mưa sinh lũ quét kết hợp với bản đồ nguy cơ lũ quét để xác định được các vị trí lũ quét tiềm năng có thể xảy ra (FFPI) Hệ thống này được áp dụng để phục vụ cảnh báo sớm lũ quét từ 1- 6 ngày trong khu vực nghiên cứu giúp cho cán bộ địa phương có đủ thời gian để thông báo và đưa ra các quyết định trong công tác

phòng chống và giảm thiểu thiệt hại do lũ quét gây ra Hệ thống này đòi hỏi phải xây dựng các trạm thời tiết trong khu vực để có thể dự báo được lượng mưa phục vụ công tác cảnh báo sớm

1.1.5 Nghiên cứu lũ quét trên lưu vực suối Muội

Có một số nghiên cứu về lũ quét trên phạm vi vùng và bao trùm khu vực nghiên cứu với các tỷ lệ và quy mô khác nhau nhưng chưa có một nghiên cứu cụ thể, chi tiết nào cho lưu vực suối Muội Các nghiên cứu ở phạm vi không gian rộng hơn và bao trùm huyện Thuận Châu như:

- Cao Đăng Dư và nnk, 2006 [4] thực hiện đề tài nghiên cứu phân vùng nguy cơ lũ quét cho khu vực vùng núi Bắc Bộ trong 6 năm từ năm 1998 đến 2004; Nguyễn Viết Thi, 2006 đã nghiên cứu các trận lũ quét xảy ra trên toàn lãnh thổ Việt Nam từ 1991 đến 2005; Lã Thanh Hà và nnk, 2009 [7] nghiên cứu và lập bản đồ phân vùng nguy cơ lũ quét cho khu vực vùng núi Việt Nam Trần Văn Hùng, 2012 [12] nghiên cứu phân vùng dự báo hiện tượng tai biến trượt lở, nứt trượt đất, lũ quét, lũ bùn đá khu vực Lai Châu - Sơn La Kết quả của đề tài này đã thành lập được các sơ đồ chi tiết phân vùng nguy cơ tai biến cho thành phố Sơn La ở tỷ lệ 1:50.000 và 1:500.000 cho cả tỉnh Nhìn chung các tác giả trong các nghiên cứu nói trên đều áp dụng phương pháp thống kê để xác định nguyên nhân và ngưỡng mưa hình thành lũ quét và phương pháp phân tích đa nhân tố để xây dựng bản đồ nguy cơ lũ quét

- Hà Quyết Nghị và nnk, 2012 [17] nghiên cứu lũ quét và sạt lở đất trên cơ sở ứng dụng GIS đã xây dựng được bản đồ nguy cơ lũ quét và trượt lở đất trên địa bàn tỉnh Sơn La Nghiên cứu này áp dụng phương pháp chồng xếp các nhân tố ảnh hưởng kết hợp với trọng số cho từng nhân tố để cho ra bản đồ phân vùng cảnh báo nguy cơ lũ quét và trượt lở đất Tuy nhiên, nghiên cứu vẫn còn hạn chế do tác giả coi các nhân tố có trọng số như nhau chưa phản ảnh được mức độ quan trọng của từng nhân tố

- Kiều Văn Hoan và nnk, 2019 [11] xây dựng bản đồ tiềm năng lũ quét (FFPI) tỉnh Sơn La ứng dụng Viễn thám và GIS Trong bài báo này tác giả cũng sử dụng phương pháp đa nhân tố để chồng xếp trên môi trường GIS để phân vùng nguy cơ xảy ra lũ quét Tuy nhiên bài báo không đề cập đến dữ liệu mưa như là một nhân tố gây ra lũ quét

- Mới nhất vào tháng 10/2019, tổng cục phòng chống thiên tai đã tổ chức hội thảo về nội dung lũ quét và trượt lở đất ở Việt Nam Hội thảo đã đưa ra những số liệu về thiệt hại do lũ quét và trượt lở đất gây ra từ năm 1953 cho đến năm 2018 Đồng thời, các nhà khoa học cũng đưa ra một số hệ thống cảnh báo sớm và các giải pháp phòng chống nguy cơ lũ quét, trượt lở đất trên địa bàn các tỉnh miền núi phía Bắc

1.1.6 Khoảng trống trong nghiên cứu

- Từ quá trình nghiên cứu tổng quan về LQ trên thế giới và ở Việt Nam, nhận thấy hầu hết các nghiên cứu đều áp dụng phương pháp mô hình thủy lực HEC-RAS hoặc sử dụng các thuật toán phân tích không gian như AHP, tính toán hồi quy, số liệu thống kê, máy vector hỗ trợ, FFPI,… để phân tích một số yếu tố có liên quan đến lũ quét như địa hình, địa mạo, số liệu khí tượng, thủy văn, Phương pháp FFPI có ưu điểm sử dụng đơn giản, không đòi hỏi dữ liệu phức tạp tuy nhiên nhược điểm là không xét đến điều kiện bề mặt tức thời (độ ẩm ướt địa hình, mật độ sông suối) Phương pháp AHP dễ áp dụng, đơn giản tuy nhiên mang nhiều tính chủ quan

- Các phương pháp thủy lực định lượng, tin cậy, cung cấp nhiều thông tin chi tiết bên trong lưu vực nhưng rất phức tạp, khó áp dụng cho vùng đồi núi, có địa hình phức tạp và thiếu số liệu đo đạc

- Để nâng cao độ chính xác và độ tin cậy, các nghiên cứu gần đây tập trung vào phát triển thành lập bản đồ nguy cơ lũ quét trên cơ sở ứng dụng các mô hình trí tuệ nhân tạo, khai phá dữ liệu, mô hình lai ghép

Tuy nhiên các nghiên cứu LQ chủ yếu tiếp cận riêng lẻ các mô hình như mô hình phân tích đa chỉ tiêu (MCA) và mô hình học máy Bên cạnh đó các nghiên cứu gần đây [42, 87, 103] đã chứng minh rằng lai ghép các mô hình học máy thường cho độ chính xác cao hơn so với các dạng học thông thường Tuy nhiên các tài liệu cũng như nghiên cứu thiếu phân tích toàn diện về tác động của thuật toán tối ưu hóa đến hiệu suất của các mô hình lai ghép và không đề cập đến việc điều chỉnh siêu tham số của các mô hình bằng cách sử dụng kĩ thuật tối ưu hóa siêu tham số để tìm ra tập hợp tối ưu cho các siêu tham số mô hình Đây chính là cơ sở để luận án thực hiện các khoảng trống còn bỏ dở từ các nghiên cứu trước đây Cụ thể luận án sẽ thực hiện xây dựng mô hình nguy cơ lũ quét theo phương pháp FFPI đã được điều

chỉnh tăng số lượng nhân tố đầu vào cho mô hình so với mô hình gốc, đồng thời xây dựng mô hình học máy (thuật toán tối ưu Bayes) và so sánh độ chính xác của hai thuật toán phân loại LightGBM và XGBoost nhằm chọn ra mô hình có độ tin cậy tốt hơn để áp dụng xây dựng bản đồ nguy cơ LQ cho lưu vực suối Muội tỉnh Sơn La

Các nghiên cứu trên vẫn còn ở tỷ lệ rất nhỏ cấp tỉnh, cấp huyện chưa phản ánh đúng được mức độ chi tiết, cụ thể đến từng xã và chưa có nghiên cứu nào cụ thể trên lưu vực suối Muội

1.2 CƠ SỞ LÝ LUẬN NGHIÊN CỨU LŨ QUÉT

1.2.1 Khái niệm lũ quét

Lũ quét là một hiện tượng tự nhiên nguy hiểm xảy ra hầu khắp các nước trên thế giới đặc biệt là các lưu vực sông suối miền núi thuộc vùng nhiệt đới, cận nhiệt đới trong đó những khu vực thuộc vùng núi phụ cận dãy Hymalaya ở Châu Á như Ấn Độ, Pakistan, Nepal, Trung Quốc, Thái Lan, Malaixia, Nhật Bản, Việt Nam Với đặc điểm khí hậu mùa hè khô nóng, mưa lớn, mưa do bão và xoáy thuận nhiệt đới, gió mùa, đồng thời tại các lưu vực bị khai thác mạnh mẽ do hoạt động kinh tế - xã hội của con người hiện nay thì nguy cơ lũ quét xảy ra sẽ ngày càng nghiêm trọng

Nếu lũ lớn trên sông diễn biến chậm, thường xảy ra trên diện rộng và kéo dài thì lũ quét là một hiện tượng thiên tai có tính chất và đặc điểm khác biệt là lũ diễn biến nhanh, mang tính chất bất ngờ và khốc liệt, mỗi trận xảy ra trên một diện hẹp và phạm vi tác động cũng hẹp hơn lũ sông

Cho đến nay chưa có định nghĩa thống nhất về lũ quét bởi lũ quét là một quá trình tự nhiên phức tạp về nguyên nhân, thành phần, sự xuất hiện và còn do cách tiếp cận khác nhau của các nghiên cứu Theo một số nghiên cứu của các chuyên gia về lũ quét ở trong và ngoài nước thì lũ quét được định nghĩa như sau:

Ngoài nước:

- Tổ chức Khí tượng thế giới (WMO) [126]: Lũ quét là loại lũ thường xảy ra trong thời gian ngắn (bất thần xuất hiện và biến mất ở thượng nguồn), lên xuống rất nhanh, đỉnh lưu lượng tương đối lớn và nhọn

- Tổ chức phòng chống thiên tai Úc (1990) [54]: lũ quét xảy ra do những trận mưa giông ngắn, cường độ lớn Do xảy ra bất ngờ nên lũ quét gây tác hại to lớn về đời sống xã hội, nhất là đối với những nơi hệ thống tiêu nước kém

- Cơ quan Dịch vụ Khí tượng Mỹ (AMS) [56]: Lũ quét là loại lũ lên và xuống rất nhanh mà có ít hoặc hầu như không có cảnh báo trước do mưa lớn xảy ra trên khu vực tương đối nhỏ

- Vụ Nhân đạo - Liên Hiệp Quốc (DHA) [32]: Lũ quét là lũ có thời đoạn ngắn và đỉnh lũ lớn, khi có bão, mưa lớn tập trung nhanh sinh ra lũ trên sườn dốc, sóng lũ có thể truyền rất nhanh gây ra những tàn phá bất ngờ và nghiêm trọng Do lũ hình thành trong một thời gian ngắn nên việc dự báo thường rất khó khăn

Trong nước:

- Cao Đăng Dư & Lê Bắc Huỳnh (2000) [3]: lũ quét là một loại lũ lớn xảy ra bất ngờ, duy trì trong một thời gian ngắn (lên nhanh và xuống nhanh), dòng chảy xiết có hàm lượng chất rắn cao và có sức tàn phá lớn

- Nguyễn Hiệu (2007) [10]: lũ quét là lũ xuất hiện đột ngột, hoạt động trong khoảng thời gian ngắn ngủi, lan truyền với tốc độ cao và có sức công phá rất lớn

- Ngô Đình Tuấn (2008) [27]: lũ quét là loại lũ có tốc độ rất lớn (quét), xảy ra bất thần (thường xuất hiện vào ban đêm; nơi xảy ra có khi mưa lũ bé - lũ ống…) trên một diện tích nhỏ hay lớn, duy trì trong một thời gian ngắn hay dài (tùy từng trận mưa lũ), mang nhiều bùn cát, có sức tàn phá lớn

- Lã Thanh Hà (2009) [9]: lũ quét là lũ hình thành do mưa kết hợp với tổ hợp bất lợi về điều kiện địa hình, địa chất, lớp phủ, làm rửa trôi, sạt lở đất, đá trên các sườn dốc tạo thành dòng bùn đá truyền cực nhanh, gây ra những tàn phá lớn ở khu vực sườn núi và dọc sông mà nó tràn qua

- Lê Như Ngà (2017) [16]: Lũ quét là những trận lũ lớn, xảy ra bất ngờ, tồn tại trong một thời gian ngắn, có dòng chảy xiết, có hàm lượng chất rắn cao và có sức tàn phá lớn hơn nhiều mức lũ bình thường và thường xảy ra ở thượng nguồn khe, suối, sông và trên những lưu vực tương đối nhỏ nơi có tổ hợp các yếu tố thuận lợi của điều kiện bề mặt và địa hình

Dựa trên những khái niệm đã nêu trên, các nhà khoa học tương đối thống nhất với định nghĩa lũ quét như sau: “Lũ quét là một loại lũ miền núi có cường suất, vận tốc dòng chảy và biên độ mực nước rất lớn, lũ lên nhanh và xuống nhanh, dòng nước có lượng lớn bùn rác”

1.2.2 Phân loại và đặc điểm lũ quét

1.2.2.1 Phân loại lũ quét

Phân loại lũ quét còn nhiều khác biệt, dựa vào đặc điểm, quy mô phát triển, các vật chất mang theo trong dòng chảy và nguyên nhân lũ mà phân lũ quét thành các loại chính sau:

- Cao Đăng Dư và Lê Bắc Huỳnh [5] dựa vào nguyên nhân chia lũ thành ba loại: (1) lũ gây ra do mưa cục bộ, tập trung lớn ở khu vực tự nhiên; (2) lũ gây ra do mưa lớn trên các lưu vực đã có tác động mạnh của con người; (3) lũ gây ra do tháo, vỡ thình lình đập chắn

- Lã Thanh Hà và Ngô Trọng Nhuận [9] dựa vào độ lớn, nguyên nhân và phạm vi hoạt động chia lũ quét thành hai loại : (1) lũ quét sườn dốc: lũ hình thành do mưa gây ra dòng chảy mặt lớn trên sườn dốc Lũ này thường có tính cục bộ, phạm vi hẹp và xuất hiện ở đầu các khe, suối và thường tắt khi đi đến hồ chứa lớn hay sông chính; (2) lũ quét dòng: do mưa lớn trên diện rộng toàn lưu vực gây ra lũ có dòng chảy lớn trên các suối, sông chính quét đi làng mạc, công trình dọc hai bên bờ

- Ngô Đình Tuấn [27] dựa vào vật chất mang theo mà chia lũ quét thành 3 loại: (1) lũ quét (sweeping flood, flash flood): lũ quét xảy ra với tốc độ lớn và đường đi ngắn, quét đi mọi chướng ngại vật trên đường đi của nó; (2) lũ bùn (mudflow): lũ mang nhiều bùn, đá; (3) lũ đá (debris flood): lũ mang nhiều rác, cành cây, cuội sỏi, đá, đá tảng

- Trần Văn Tư [28] dựa trên quy luật hình thành, phát triển và vật chất mang theo chia lũ quét thành 4 loại: lũ quét nghẽn dòng: lũ có công suất và dòng chảy lớn, mang theo nhiều vật chất khác nhau, hình thành trên thung lũng sông mở rộng hoặc trũng giữa các núi, hoặc cánh đồng karst làm dòng nước bị tắc nghẽn, ứ đọng ; (2) lũ quét sườn: có vận tốc dòng chảy lớn, lên xuống nhanh, xảy ra chủ yếu trên sườn dốc nơi có tập trung nước mặt lớn thuộc suối cấp 1 và 2; (3) lũ quét hỗn hợp: có vận tốc dòng chảy lớn, mang theo nhiều vật chất khác nhau xảy ra trong trũng có kích thước nhỏ, cửa sông suối dạng trũng nhỏ và hở, các đoạn sông mở rộng có đặc trưng trung gian của lũ quét nghẽn dòng và lũ quét sườn, (4) lũ bùn đá: là loại quét sườn đặc biệt chứa nhiều bùn, đá, cành cây, có động năng lớn, phát sinh từ thượng

nguồn các suối nhỏ (cấp 1, 2) do đất đá trượt lở kết hợp đưa vào dòng lũ ở các hợp lưu với suối, sông lớn hơn

- Nguyễn Ngọc Thạch và nnk [20] dựa trên phạm vi hoạt động, vật chất mang theo và nguyên nhân phân lũ quét thành 4 loại; (1) lũ quét sườn dốc: lũ xảy ra trên sườn dốc với tốc độ lớn và ngắn, quét đi mọi chướng ngại vật trên đường nó đi qua; (2) lũ bùn đá: lũ có mang nhiều bùn, đá trong dòng lũ; (3) lũ nghẽn dòng: lũ mang nhiều rác, cành cây, đất đá, cuội sỏi xảy ra do dòng lũ bị chặn, nghẽn tạo thành hồ chứa tự nhiên và vỡ đột ngột; (4) sự cố hồ chứa nước nhân tạo: do vỡ đập các hồ chứa nhân tạo

- Phạm Thị Hương Lan và Vũ Minh Cát [14]: dựa vào nguyên nhân phân lũ quét thành 5 loại: (1) lũ quét sườn dốc: do yếu tố mặt đệm, độ dốc gây dòng chảy mặt lớn và tập trung nước nhanh về suối, sông gây lũ quét ở phía hạ lưu; (2) lũ quét nghẽn dòng: do đất đá trượt lở hai bên bờ sông làm tắc nghẽn dòng, gây đập nước nhân tạo và khi bị vỡ sẽ tạo lũ quét; (3) lũ ống: mưa lớn kết hợp với xả lớn từ hồ chứa tạo nên dòng lũ lớn bất thường; (4) lũ quét: do mưa lớn kết hợp với vỡ đập gây ra lũ quét trên diện rộng; (5) lũ bùn đá: dòng lũ cát, bùn

Dựa trên các nghiên cứu lũ quét ở Việt Nam trong nhiều năm qua, có thể chia lũ quét thành 4 loại: (1) lũ quét nghẽn dòng; (2) lũ quét sườn dốc; (3) lũ quét hỗn hợp; (4) lũ bùn đá

Trong các dạng lũ quét trên thì lũ quét sườn dốc và lũ bùn đá là hai loại lũ quét thường gây thiệt hại ở nước ta trong đó lũ bùn đá có sức tàn phá hủy diệt ghê gớm Do lũ quét nghẽn dòng, lũ bùn đá và lũ quét hỗn hợp rất khó định lượng, mô phỏng và dự báo nên nghiên cứu này chủ yếu tập trung nghiên cứu lũ quét, đánh giá nguy cơ lũ quét phổ biến thường xảy ra ở Việt Nam nói chung và trên lưu vực sông suối ở miền núi nói riêng và có thể định lượng được là lũ quét sườn dốc

1.2.2.2 Đặc điểm của lũ quét

a) Lũ quét nghẽn dòng - Có thể là do vỡ đập tự nhiên hoặc đập nhân tạo Nghẽn dòng tự nhiên sinh ra do lòng dẫn sông suối tại một số nơi, một cách tự nhiên, hoặc bị thắt đột ngột hoặc bị cong đột ngột hoặc cả hai tạo ra các nghẽn dòng do dồn ứ, tích lũy vật liệu như là

đất đá, cành cây, cây cối,… Các nghẽn này như là những đập chắn tự nhiên ngăn giữ dòng nước Nghẽn dòng nhân tạo sinh ra do các đập xây dựng, công trình khác như cầu cống làm cản trở hoặc mất khả năng tải tự nhiên của sông, suối Nước bị đập ngăn lại và dâng lên Đập sẽ bị vỡ khi thế năng của cột nước vượt quá sức chịu của đập chắn và kết quả là lũ quét xuất hiện ở phía bên dưới đập

- Lũ quét thường phát sinh từ các khu vực có nhiều trượt lở ven sông suối Đó là các khu vực đang có biến dạng mạnh, sông suối đào xé lòng dữ dội, mặt cắt hẹp thường có dạng chữ V

- Lũ quét nghẽn dòng thường tái diễn nhiều lần trên một sông suối Do phát sinh từ khu vực tiềm năng trượt lở, nên khả năng xảy ra nhiều lần là rất cao

b) Lũ quét sườn dốc: Lũ hình thành do mưa lớn trên bề mặt sườn dốc và xuất hiện dòng chảy mặt trong 2 trường hợp: Khi đất đã bão hòa thấm và tổn thất cục bộ do mưa cường độ lớn, tập trung, đã đẩy nhanh quá trình hình thành dòng chảy Trận mưa có cường độ không lớn nhưng trận mưa kéo dài nhiều ngày làm tăng độ ẩm đất Khi lượng ẩm trong đất đã đạt đến mức bão hòa kết hợp với các điều kiện bất lợi khác như độ dốc, thảm phủ, sẽ gây sạt lở đất tạo thành dòng chảy bùn đá trên sườn dốc Lũ sườn dốc có tính cục bộ cho một khu vực nhỏ, thường xuất hiện ở đầu nguồn các suối, khe và gây tác hại trên sườn dốc và vùng thấp liền kề (như thung lũng) và không tham gia gây lũ lớn trên mạng sông Sức phá hoại của loại lũ này cực lớn, diễn ra cực nhanh do dòng bùn đá đổ trực tiếp trên sườn dốc xuống thung lũng, nơi thường có dân cư sinh sống

c) Lũ bùn đá: thường do sạt lở đất đá với khối lượng rất lớn đầu nguồn hoặc ven sông suối trong thời gian lũ lụt Sạt lở xảy ra khi kết cấu đất đá bị phá vỡ do nhiều nguyên nhân trong đó có tác động của mưa lớn hoặc mưa kéo dài và có khi xảy ra sau đỉnh mưa rất lâu hoặc chỉ với một lượng mưa vừa phải Đất đá sạt lở bị hóa lỏng, hòa cùng với dòng nước, theo trọng lực quét xuống phía dưới

d) Lũ hỗn hợp: là tổ hợp của 2 hoặc cả 3 loại lũ trên Theo các tài liệu trong nước, lũ quét sườn dốc là phổ biến nhất ở vùng núi các tỉnh phía Bắc của nước ta, tiếp đến là lũ quét nghẽn dòng Lũ quét hỗn hợp và lũ bùn đá cũng có xuất hiện với tần suất không nhiều nhưng mức độ nguy hiểm và thiệt hại của hai loại lũ này là rất lớn

1.2.2.3 Phương pháp nhận dạng lũ quét

Lũ thường là lũ hình thành theo quy luật mưa - dòng chảy trên nền mặt đệm ổn định Theo quy định chung, khi mực nước ở một vị trí nào đó vượt mức trung bình nhiều năm thì quá trình lũ xuất hiện Lũ thường có thể gây ngập lụt ở một khu vực rộng lớn tùy theo lượng mưa và chủ yếu hay được nhắc tới ở khu vực hạ lưu vùng châu thổ các sông lớn [9]

Đối với khu vực miền núi, rất khó phân biệt giữa lũ thường và lũ quét Khi lũ thường có tốc độ chảy tăng đột biến và dòng chảy bắt đầu kéo theo đất, đá, cây cối thì có thể coi là sự bắt đầu một trận lũ quét Lũ quét khác lũ thông thường cả về cơ chế hình thành, quá trình vận động lẫn hàm lượng vật rắn trong dòng chảy lũ với các đặc điểm sau:

- Đỉnh lũ quét thường cao hơn đỉnh lũ bão hóa do lũ quét lên nhanh hơn với thời gian chỉ bằng 1/2 hoặc bằng 1/3 lũ thường

- Hệ số dòng chảy lũ quét thường cao hơn lũ thường vì lũ quét sinh ra thường do hiện tượng vượt thấm,nên ít bị tổn thất do thấm

- Thời kỳ xuất hiện lũ quét ở Việt Nam: Lũ quét thường xảy ra trong thời gian mùa lũ trên phạm vi toàn quốc vào các tháng mùa lũ (tháng V - XI ở Bắc Bộ, VII - XII ở Trung Bộ, Tây Nguyên) Cá biệt, có trường hợp lũ quét xảy ra do các nhiễu động thời tiết gây mưa lớn kèm theo dông ở các dạng địa hình đặc thù trong mùa cạn - Thời điểm xuất hiện lũ quét: Khác với lũ thường, lũ quét xuất hiện rất phức tạp, xảy ra bất ngờ khi hội tụ đủ yếu tố bất lợi như mưa, điều kiện địa hình, địa mạo, địa chất và lớp phủ Thời điểm bắt đầu xuất hiện lũ quét tại một vị trí thường được xác định qua ngưỡng cường độ mưa (là nhân tố tác động trực tiếp) và thay đổi liên tục qua các trận mưa do điều kiện giữ độ ẩm của đất

- Lũ quét thường xảy ra bất ngờ vào ban đêm và ác liệt, sức tàn phá càng lớn nên không kịp và rất khó triển khai các biện pháp phòng tránh phù hợp Do các đặc điểm trên, muốn nhận biết trận lũ đó có phải là trận lũ quét hay không, cần phải chú ý các biểu hiện có thể quan sát được như dưới đây:

- Thời gian lũ lên cực nhanh - Đỉnh lũ cao hơn đỉnh lũ bình thường trong cùng điều kiện (lượng mưa tương đương nhau)

- Hàm lượng phù sa lớn hơn bình thường, kéo theo nhiều vật chất rắn - Dòng lũ chảy phát ra những tiếng động lớn do gây sạt lở và mang theo đất, đá, cây cối,…

1.2.3 Các nguyên nhân gây ra lũ quét

Lũ quét có thể do các nguyên nhân: - Lũ gây ra do mưa địa phương, tập trung lớn ở các lưu vực tự nhiên (hầu như chưa có tác động của con người)

- Lũ gây ra do mưa lớn trên các lưu vực đã chịu tác động mạnh của các hoạt động kinh tế của con người làm mất ổn định hay phá vỡ cân bằng sinh thái lưu vực (thay đổi lớp phủ, chế độ dòng chảy, lượng trữ hay các đặc tính lưu vực…)

- Lũ gây ra do tháo, vỡ thình lình một lượng nước tích do vỡ đập chắn hay các đập giữ nước, các đập băng…

1.2.4 Vai trò các nhân tố đối với lũ quét

Có nhiều yếu tố ảnh hưởng đến việc hình thành LQ, tuy nhiên có thể chia thành hai nhóm chính là: (a) nhóm các yếu tố tự nhiên; (b) nhóm tác động của các yếu tố con người Mỗi nhóm có thể chia thành các nhóm nhỏ khác nhau và được chi tiết hóa theo sơ đồ như hình 1.1 dưới đây:

Hình 1.1 Các nhân tố hình thành lũ quét [9]