Khóa luận tốt nghiệp Công nghệ thông tin: Phân loại đất và tính toán độ xói mòn đất được mô hình hóa bằng Rusle Model, GIS

Nghiên cứu này giúp giải quyết các van đề còn tồn đọng của RUSLE model [1] trongtính toán mức độ xói mòn đất sai số đối với số liệu đo đạc thực tế, đặc biệt là kết quả tính xói mòn, bồi

ĐẠI HỌC QUOC GIA TP HO CHÍ MINH TRUONG DAI HOC CONG NGHE THONG TIN

KHOA KHOA HOC VA KY THUAT THONG TIN

PHAM VI - 19521101

KHOA LUAN TOT NGHIEP

Phân Loại Đất Va Tính Toán Độ Xói Mon Dat Được Mô

Hình Hóa Bằng RUSLE Model, GIS

Soil Classification And Soil Erosion Calculation Modeled

Using RUSLE Model, GIS

CU NHAN NGANH CONG NGHE THONG TIN

GIANG VIEN HUONG DAN

TS NGUYEN GIA TUAN ANH

TP HO CHi MINH, 2023

LOI CAM ON

Lời đầu tiên, em xin gửi lời cảm ơn chân thành và sâu sắc đến tập thể Thầy Cô trong

khoa Khoa học và Kỹ thuật Thông tin, Trường Đại học Công nghệ thông tin - ĐHQG

TPHCM Nhờ sự chỉ dẫn và hướng dẫn quý báu của các Thầy Cô, em đã vượt qua

khó khăn, nắm vững kiến thức và phát triển kỹ năng cần thiết để hoàn thành Khóa

Luận Tốt Nghiệp thành công.

Em xin đặc biệt cảm ơn Thay TS N; guyén Gia Tuấn Anh, người đã dành thời gian và công sức hướng dẫn em Cảm ơn Ban Giám hiệu, các Thầy Cô giảng dạy và nhân

viên quản lý của Trường đã tạo môi trường học tập và nghiên cứu thân thiện, chuyên

nghiệp và tiên tiền Cuối cùng, em cảm ơn gia đình, bạn bè và những người thân yêu

đã luôn ủng hộ và động viên em trong suốt thời gian học tập và nghiên cứu.

MỤC LỤC

TOM TAT KHÓA LUẬN -55s<sstteererrrrrrrrrrrrrrrrrrrrrrrrreu d

Chương 1 MO DAU cresssssssnssnsssssesstsetsisssntiatiatistsnsstistissiesissstiatiatsatistassssnstsesees2 LAL Ly do chon dé nẽ Ề 1.2 Mục tiêu của để ti smenttietntienttittatiiennatiatintenennaataennennnnennnd

1.3 Đối tượng và phạm vi nghiên cứu -ssseseerterrereereererrsrrereee Ö

Chương 2 TONG QUAN -52seeeeterererrererrrrrrrrrrrrsrreeof

2.1 Các công trình liên quan -e-cccceccceeeeeeeeeeeeeeeeeeireeiieeirrrree

2.1.1 Khả năng ứng dụng mô hình RUSLE2 trong nghiên cứu xói mòn bồi tụ

quy mô lưu VỰC [6|] -.-.eeseeeeecsevektktteerererteiriirririiirrrirsrrsrerrriseeeoeeF

2.1.2 Integration of RUSLE Model, Remote Sensing and GIS Techniques for

Assessing Soil Erosion Hazards in Arid Zones [ Ï2] - -.-.cceccceccccce 2

2.1.3 Comparison of the erosion prediction models from USLE, MUSLE and

RUSLE in a Mediterranean watershed, case of Wadi Gazouana (N-W of

Algeria) [14].

2.2 Thách thre cccee:-+++rceecceevrrrrrrirtirirrrrtrrtrrririiiiiririrrrririiirirrrirrrirrrrrsraosoe.Ổ

2.3 Phương pháp giải quyết.

Chương 3 NGHIÊN CỨU VÀ THỰC NGHIỆM -esseseeeee.Ö 3.1 Giới thiệu chung về phần mềm ArcGIS

3.2 Phân loại đất bằng Polygon -.eeeerrrrerrrrrrrrrrrrrrre-Ở 3.3 Hệ thống phi không gian (Raster) -essseeeeeerrrrrererrrrrre LO

3.4 Cơ sở khu vực nghiên Cứu -.c-eecccceeeceeeeeeeeeeeeeeeeeeeeersresseee LZ

3.5 Bộ dữ liệu 15

3.5.2 Dữ liệu bao phủ và sử dụng đất -.-erreere T7 3.5.3 Dữ liệu thuỷ văn Hydrosheds Core -. -c-c-cecceeeeeeeee ee DL 3.5.4 Dữ liệu khí hậu CRU-TS -cceecececererrrrrrrrrrrrrrtrrrrrrrrraooee 20.

3.6 RUSLE model -i ceccceccerrrirrererrererrtrrrrrrrirrrrtrtrrrrrrrirrarrrrrrrrrrrrraooee 29)

3.6.1 Các factor trong RUSLE -. -eeeeeeerrerteeeesrerrirrrirerrrrrrrirrieuoee 2D

3.6.3 RUSLE model tuỳ biên sssssssssssssssssssssssssssssssssssessssssssssssssssssssssssnsssssssssssssssssssssssss 2 Chương 4 THỰC NGHIỆM .s:ssteeteererrrrrrrrrrrareaafT

AL Thiết kế và lưu trữ dữ liệu địa lý -.-cseeeeeeeeeeeseeeeeeeeeeeeeer 4F

4.2 Phân Loại đất e-escseeeesrrererrerrerrrrrrrrrrrrrrrroreoe 45

443 Ứng dụng K Factor of RUSLE vào tính toán độ xói mòn đất ở Việt Nam +8 4 Tính toán R-Factor (hệ số về lượng Ima) e ceeeccccccceeeeeeeeerereeeee D7

in <5 Tính toán LS-factor và P-£Aactor sescssssssscsssesssssesesesssssssssessssssessesssesssssesssssssssssesssessssesssseeees OL

Chương 5 KET LUẬN VA HƯỚNG PHAT TRIỂN 7

5.1 Kết quả, đóng góp của khóa luận

5.2 Hướng phát triỀn - exeeteereeirerretrrerrerterrrtrrrirerrrrrreererrerreroee Z2

TÀI LIỆU THAM KHẢO

DANH MỤC HÌNH

Hình 1.1 Bờ biển Cửa Đại bi sat lở làm đỗ cây [4] -ceereeereeee 3Hình 3.1 Phần mềm ArcGis Pro [15] re 9Hình 3.2 Vi dụ khoang vùng khu vực KEANGNAM bằng Polygon [16] 9

Hình 3.3 Mô hình dit liệu Rasf€T -c5-75S<SS HH giày 10

Hình 3.4 Dạng Raster của một số kiểu dữ liệu ccccceeeeeveeeevevevrvrrrrrrrrrrrrrrrre 11Hình 3.5 So sánh Raster, Vector và thế ĐẲiỚI thỰC «.c«cceskeekireikrkiiirike 12Hình 3.6 Ban đồ địa hình Việt Nam [ 1§] +eeccerrreecerrreeeerrrrererrrree 13

Hình 3.7 Dữ liệu mưa từ CRU TS năm 1991 tới 2000 [30] -. - 28

Hình 3.8 RUSLE model Base -. s-55s-+x<+rxt+krtrtsrrrttrrtrstrrrtrrtkrrrirrrrrrirrrrrrrriee 38

Hình 3.9 RUSLE model tuỳ biến -e52++eesi+eee2treevetrrertrrerrtrrrrtrrrrrrrre 40

Hình 4.1 Geo dafaDase c<cck tr HH H1 1H HH HH g1 11g rikkg 41

Hình 4.2 Kết hợp 2 dang đữ liệu cccciiceecvEvEEtrreervertrrirrrrrrrrrrrrrrerrrrrre 43Hình 4.3 Tổ chức các lớp dữ liệu hoàn chỉnh, bao gồm các lớp data thô và geo

CatabaSe sào HH HH HH HH1 HH1 p E.EEEirrrrrrreee 44

Hình 4.4 Bản đồ phân loại đất ở khu vực đất liền VN . c-er-.e 45

Hình 4.5 Scatter Plot CDOMSOIT - Shape ATea) c-cceeriekireieiirirrie 47

Hình 4.6 Chi tiết các thành phan cấu tạo nên đất -: ccccerrrrceccevrrrrre 49

Hình 4.7 các bước tính toán K-ŸACfOr s-sccscrkerrrisrkirtrrirtrirtrirriirrrirrree 50

Khu vực Đồng Bằng sông Cửu Long ss.+ccssreccerrccee 67

Sự rửa trôi đất ở cửa biên quan sát qua vệ tỉnh [16] 68Lưu vực đồng bằng sông Hồng 22++eccesrrrevertrrrerrrrrre 68

Hồ Dầu Tiếng, Hồ Trị An 2++ce2t+revttrerEtrrerrrrrrrtrrrrerrre 69Hình 5.1 Tốc độ combine mô hình -¿-csc+c+es+xsErstrstrsersertsrtsrtsrrsrrsrrsersrrssrs 72

DANH MỤC BANG

Bang 2.1 So sảnh USLE/RUSLE/RUSLE2 5 (112 ££EsvEssssrsssree 5

Bang 3.1 Các thành phan của CRU-TS [17] 2-2 22522£+£++£E+zE£+E+zrxerxezez 27

Bảng 3.2 Giá trị của LS-factor theo độ dài và độ dốc [ Ï] -¿-s+cccscezxseerssez 32

Bang 3.3 Giá tri của P-factor (Shin, 19909) [223 ] - - 5 St k*3k*vE+kEseeskksekrsee 34 Bang 3.4 Gia tri CHa C-factOr 00110700 -a 35

Bảng 4.1 số đầu ra sau khi phân tích 4 mô hình dự kiến sẽ xây dựng 63

DANH MỤC TỪ VIET TAT

TCVN: Tiêu chuẩn việt nam

USLE: Universal Soil Loss Equation

RUSLE: Revised Universal Soil Loss Equation

RUSLE2: Revised Universal Soil Loss Equation 2

MUSLE: Modified Revised Universal Soil Loss Equation

GIS: Geographic Information System

NDVI: Normalized difference vegetation index

RS: Remote sensing

SWCR: Soil water conservation ratio

CSDL: Co sở dữ liệu

NASA: National Aeronautics and Space Administration

USGS: United States Geological Survey

GMT: Greenwich Mean Time

10

TÓM TAT KHÓA LUẬN

Nghiên cứu về xói mòn dat trong nông nghiệp là rất cấp bách vì nó ảnh hưởng đếnchất lượng đất, sản lượng nông sản, và gây ô nhiễm môi trường Nghiên cứu này cũng

có ảnh hưởng đến các vấn đề khác như biến đổi khí hậu, suy thoái đắt, và thiên tai.Nghiên cứu va áp dụng khoa học công nghệ vào xói mòn đất cũng có thé đóng gópvào phát triển kỹ thuật canh tác đất bền vững Do đó, nghiên cứu này là rất quan trọng

trong nông nghiệp và các lĩnh vực liên quan đến môi trường

Nghiên cứu này giúp giải quyết các van đề còn tồn đọng của RUSLE model [1] trongtính toán mức độ xói mòn đất (sai số đối với số liệu đo đạc thực tế, đặc biệt là kết quả

tính xói mòn, bồi tụ và các công thức khá phức tạp nên tốc độ xử lý khá chậm) bằng

cách thử nghiệm các tổ hợp factor riêng biệt sao cho phù hợp với khí hậu, tính chất

đặc thù và thành phần của đất của hai dạng địa hình chính của Việt Nam là đồi núi và

đồng bằng sau đó đối chiếu với thực tế dé chọn ra t6 hợp các factor tối ưu nhất đâycũng là kết quả mong muốn về mặt học thuật của nghiên cứu này

Quá trình, nội dung nghiên cứu chính: thu thập dữ liệu từ các nguồn đáng tin cậy, tiền

xử lý dữ liệu thô, lưu trữ, xử lý và trực quan hóa dữ liệu trên ArcGIS [2] Sau đó, sử

dụng nền tảng nghiên cứu RUSLE model đề xây dựng các tổ hợp factor khác nhau

dé đối chiếu với thực tế Kết quả thực nghiệm là các model được xây dựng từ năm tổhợp các factor gồm KLS, KLSP, KLSC, KLSPC và KC Trong đó KC model đạt kếtquả tốt nhất (mức độ xói mòn từ 13.7 đến 674 ton/ha/year), tốc độ tính toán nhanhnhất nhất (1.32s) và khả năng bao hàm được mức độ xói mòn, bồi tụ ở khu vực sông

ngoi.

về việc chọn lọc và thiết kết di liệu sao cho phù hợp với các factor trong khu vực

nghiên cứu Còn phải giải quyết được các vấn đề còn tồn đọng của RUSLE modeltrong tính toán mức độ xói mòn đất, đặc biệt là về sai số đối với số liệu đo đạc thực

tế và kết quả tính bồi tụ (trong các nghiên cứu gần đây liên quan tới RUSLE model).Bằng cách thử nghiệm các tô hợp factor riêng biệt phù hợp với khí hậu, tính chất vàthành phan dat của đồi núi và đồng bằng của Việt Nam, nghiên cứu này tìm ra tổ hợp

các factor tối ưu nhất [3]

1.2 Mục tiêu của đề tài

Tạo bản đồ phân loại đất qua các năm, thấy được sự phân bố và chuyên dịch của các

loại đât từ đó đặt ra các vân đê cơ bản về sự xói mòn đât đang diễn ra.

Xây dựng RUSLE model yếu tô chính là K-factor (thành phan của đất) và kết hopvới các factor khác (lượng mưa, độ déc ) dé thir nghiệm, xác định các vùng bị xói

mon và có nguy cơ bi xói mòn, sau đó đôi chứng thực nghiệm va rút ra kêt luận.

Cải tiên và khăc phục các diém yêu của mô hình cũ, công trình trước đó về toc độ xử

lý, sai sô và sự bôi tụ, xói mòn ở khu vực kênh rạch, sông ngoi.

1.3 Đối tượng và phạm vỉ nghiên cứu

Đối tượng nghiên cứu: Các loại đất, dữ liệu chỉ tiết của các thành phần đắt, dir liệu

về lượng mưa, độ dốc của địa hình Các thành phần cấu thành và xây dựng nên

RUSLE Model [3].

Đối tượng và lĩnh vực hướng tới chính: nông dân — nông nghiệp, học sinh sinh viên

có nhu cầu nghiên cứu và học tập về địa lý, địa chất

Phạm vi nghiên cứu không gian: nghiên cứu về xây dựng bản đồ phân loại đất và các

mô hình tính toán [5] độ xói mòn đất trên cơ sở đô lãnh thé đất liền VN (*không baogồm biển đảo) Sau khi hoàn thành mô hình va Deploy thì sẽ có khu vực biển đảo,

chủ quyền của Việt Nam [3]

Phạm vi nghiên cứu thời gian: Từ ngày 10/03/2023 đến ngày 15/06/2023

Chương 2 TONG QUAN

2.1 Các công trình liên quan

2.1.1 Kha năng ứng dung mô hình RUSLE2 trong nghiên cứu xói mòn

bồi tụ quy mô lưu vực [6]

Nghiên cứu và áp dụng mô hình RUSLE2 dé tính toán cân bằng vật chất quy mô lưu

vực khu vực Suối Rạt, Bình Phước Tính toán định lượng xói mòn và bồi tu cho 56mặt cắt sườn dốc điền hình trong lưu vực, từ đó tính được tong lượng xói mòn va bồi

tụ của cả lưu vực Kết quả phân cấp xói mòn theo quy định của TCVN 5299:2009cho thay mức x6i mòn cấp độ IV chiếm tới 75.24% diện tích lưu vực, cấp V chiếm24.16% xói mòn cấp IIL, II, I trong lưu vực là không đáng kể

số xói mòn đất, bồ Sung

vào quá trình đánh giá CP

và kết hợp L, S thành hệ

số sinh thái sườn (LS) Bồ

sung hệ sô bảo vệ đât.

Khắc phục được cácnhược điểm của RUSLE.Đầu ra là kết quả trầm tíchlắng đọng và lượng đất

xói mon theo ngày, sau đó

sử dụng các giá trị ngày để

tính trung bình năm.

Ưu điểm: Dễ dàng sử

dụng và áp dụng thực tế

Ứng dụng trong nhiều loại

Đầu vào cần nhiều thôngtin hơn USLE cho ra kết

quả chính xác hơn, có thê

Kêt quả cho ra chính xác hơn hai mô hình trước rât nhiêu Tính được quá

thức khác phức tạp nên

tốc độ xử lý khá chậm

trình sản sinh và lắngđọng trầm tích Tính đượcchỉ tiết lượng bồi tụ

- Dữ liệu đầu vào cần chitiết va khat khe, nhiềuthuật toán phức tạp Nhiều

2.1.2 Integration of RUSLE Model, Remote Sensing and GIS

Techniques for Assessing Soil Erosion Hazards in Arid Zones [12].

Nghiên cứu kết hợp sử dụng các kỹ thuật RUSLE, kỹ thuật viễn thám (RS) và GIS

để đánh giá các điều kiện xói mòn trong môi trường khô hạn, từ đó đưa ra các biệnpháp quản ly đất phù hợp Các dữ liệu nghiên cứu được lấy từ vùng El-Minya,AiCập Ở điều kiện khô hạn, nguyên nhân xói mòn lớn nhất là do tác động của conngười, hon cá biến đôi khí hậu, cụ thé do chất thải của nhà máy ở khu vực lân cận.Việc tính toán SWCR cũng được sử dụng như một phương pháp động dé ước tínhtình trạng của các hoạt động bảo tồn đất và nước ở khu vực nghiên cứu Kết quả cho

phép chia mức độ xói mòn của các khu vực thành 4 mức [13] nhẹ đến cao, giúp thực

hiện các biện pháp quản lý đất khác nhau cho từng khu vực Biện pháp tốt nhất chokhu vực khô hạn là tăng độ che phủ của thảm thực vật và bảo vệ các sườn dốc Ngoài

ra, việc đo SWCR cũng cần phải diễn ra định kỳ dé theo dõi những thay đôi dé đưa

ra biện pháp khắc phục tình trạng xói mòn và bảo vệ nguồn nước đồng thời dự đoánnhững kịch bản có thê xảy ra trong tương lai

2.1.3 Comparison of the erosion prediction models from USLE,

MUSLE and RUSLE in a Mediterranean watershed, case of Wadi

Gazouana (N-W of Algeria) [14].

Nghiên cứu nhằm mục đích so sánh các dự đoán về tốc độ xói mòn đất giữa phươngtrình mat đất phô biến (USLE), phiên ban sửa đổi (MUSLE) và mô hình sửa đổiRUSLE được tích hợp hệ thống thông tin địa lý GIS Khu vực nghiên cứu ở đầunguôn Địa Trung Hai Wadi Ghazouana (tây bắc, Igeria) Kết quả xói mòn cụ thé ướctính trên toàn bộ bề mặt lưu vực à 9,65, (t/ha/nam), 9,90 (t/ha/nam) và 11,33(t/ha/năm) theo USLE, RUSLE va MUSLE Kết qua USLE va RUSLE tương đốigiống nhau nhưng MUSLE cao hơn một chút do yếu tố mưa được tính toán hiệu qua

hơn dẫn đến tốc độ xói mòn cao hơn Nhưng đồng thời cũng giảm tốc độ tính toán vì

các phương trình phức tạp hơn.

2.2 Thách thức.

Các nghiên cứu trước thường chỉ tập trung vào một khu vực nhỏ, có ít kiêu địa hình

và khí hậu Khu vực nghiên cứu của chúng tôi khá rộng lớn, có các kiêu khí hậu và

địa hình phức tạp hơn nhiều

Độ chính xác cũng cân phải được cải thiện đê gân với sô đo thực tê Tôc độ kêt hợp

mô hình còn khá chậm Các công thức đã cũ nên việc tính toán còn xảy ra nhiêu sai

z

K

so.

Vi khu nghiên cứu nghiên cứu rộng lớn nên quá trình thu thập dữ liệu phải được thực

hiện cần thận Dữ liệu bị trống hoặc không chính xác ở một vài khu vực là không thể

tránh khỏi.

Người dùng khi muốn tiếp cận cũng gặp nhiều khó khăn, phải có kiến thức cơ bản về

GIS.

2.3 Phương pháp giải quyết.

Tiên hành nghiên cứu các cơ sở nghiên cứu trước đó đê tìm ra cơ sở nghiên cứu phù hợp với khu vực.

Tính toán các hệ số, kết hợp dé tạo ra RUSLE tùy biến có độ chính xác và tốc độ tốt

nhất Deploy lên một hệ thống địa lý ba chiều có sẵn dé dé dàng tiếp cận hơn là một

cơ sở dữ liệu.

Chương 3 NGHIÊN CỨU VÀ THỰC NGHIỆM

3.1 Giới thiệu chung về phần mềm ArcGIS

ArcGIS: một hệ thống GIS hàng đầu hiện nay, đem đến những giải pháp toàn diện

cho việc thu thập/chèn dữ liệu, biên tập, phân tích và phân phối thông tin trên Internet

ở các cấp độ khác nhau như cơ sở dữ liệu địa lý của cá nhân hay cơ sở dữ liệu củadoanh nghiệp Về mặt công nghệ, các chuyên gia về GIS hiện nay coi công nghệ củaESRI là một giải pháp mở, toàn diện và đầy đủ, có khả năng sử dụng tất cả các chứcnăng của GIS trong nhiều ứng dụng khác nhau như: máy tinh dé bàn, máy chủ, ứng

dụng web hay hệ thống thiết bị di động và có khả năng tương tác cao trên nhiều

loại sản phâm của nhiêu nhà sản xuât khác nhau.

Xây dựng va quản tri cơ sở dữ liệu (CSDL) thông tin lưu trữ - Giải pháp lựa chọn cho

quản trị CSDL về thông tin lưu trữ là sử dụng phần mềm Arc Spatial Data Engine

(ArcSDE) của hệ thống ArcGIS ArcGIS cung cấp một giao diện mở với các hệ quảntrị cơ sở dit liệu quan hệ và cho phép ArcGIS quản lý dữ liệu địa lý trong các nên các

hệ quản trị cơ sở dữ liệu quan hệ như ORACLE, Microsoft SQL Server, IBM DB2,

Informix ArcSDE.

ArcGIS còn là giải pháp cho giải các bài toán về thiết kế, cập nhật, bảo trì CSDLkhông gian và phân tích xử lý ban đồ là phần mềm ArcInfo ArcGIS cho phép làm

việc với dữ liệu địa lý gồm bản đồ, quản lý dữ liệu, phân tích địa lý, sửa chữa và xử

lý dữ liệu với dữ liệu được trong hệ thống CSDL không gian địa lý (GeoDatabase)

3.2 Phân loại đất bằng Polygon

Các đối tượng vùng (polygon): Là những đối tượng thực tế mà nhu cầu quản lý cótính đến vùng phủ sóng Các đối tượng này được thể hiện trên bản đồ số bởi một miền

giới hạn bởi một loạt các điểm tọa độ đóng hoặc bởi một tổ hợp các miền giới hạn

bởi các diém tọa độ đóng này.

Trung tâm Đào tạo rit gy ae 3 no

prea” Viet Nam O Ệ

cả về %, ˆ Ks 4

E \ Trường Đại »

ae METRI HA hos Phung

So Cung Triến lãm €Kiến trúc Quy hoạch = &

8 =.IW Marriatt Hotel Hanoi aC Supermarket L2] teen

Hình 3.2 Ví du khoang vùng khu vực KEANGNAM bang Polygon [16]

3.3 Hệ thống phi không gian (Raster)

Các mô hình dữ liệu raster phản ánh toàn bộ khu vực nghiên cứu dưới dạng lưới ô

vuông hoặc pixel Raster có các đặc đi

e Các điểm được sắp xếp tuần tự từ trái sang phải và từ trên xuống dưới

e Mỗi pixel chứa một giá trị.

e Tập hợp các ma trận điểm và các giá trị tương ứng của chúng tạo thành một lớp

e Có thé có nhiều lớp trong một cơ sở dữ liệu

Mô hình dữ liệu raster là mô hình dữ liệu GIS được sử dụng rộng rãi trong các van

dé môi trường và quản ly tài nguyên thiên nhiên Mô hình dữ liệu raster được sử dung

chủ yếu để biểu diễn các đối tượng vùng và được áp dụng cho các bài toán thực hiện

trên các loại đôi tượng bê mặt: phân loại; qua nôi chông.

` eae a

oa + - <a ae

Chú đến Lép 1

Lép2 + Lớp 3 #

Hình 3.3 Mô hình dữ liệu Raster

Các nguồn dữ liệu để xây dựng nên bộ dữ liệu raster có thé bao gồm:

* Quét anh

+ Ảnh máy bay, ảnh viễn thám

b Chuyển từ dữ liệu vector sang

¢ Lưu trữ dữ liệu dang raster.

* Nén theo hang (Run lengh coding).

+ Nén, chia nhỏ thành từng phan (Quadtree)

¢ Nén theo ngữ cảnh (Fractal).

Trong hệ thông dữ liệu cơ bản, các raster được lưu trữ trong các ô được sắp xêp trong

một mảng hoặc một loạt các hàng và cột Nêu có thê, các hàng và cột nên dựa trên hệ

thống lưới bản đồ phù hợp

Việc sử dụng cấu trúc dữ liệu raster đương nhiên dẫn đến mat một số chỉ tiết Vì lý

do này, các hệ thống dựa trên raster không được sử dụng trong trường hợp cần có các

* RASTER

* VECTOR

- Thế giới thực

Hình 3.5 So sánh Raster, Vector và thế giới thực

3.4 Cơ sở khu vực nghiên cứu

Khu vực nghiên cứu của chúng tôi là toàn bộ Việt Nam nên tính chất khí hậu cũng đa

dạng Các công thức của Factors cũng vì vậy mà được thay đổi Các công thức được

sử dụng trong nghiên cứu có khá nhiều điểm tương đồng với nghiên cứu trước đó củavùng Ethiopia [17] do tính chất địa hình của 2 quốc gia cũng có nhiều điểm tương

đồng:

Cả Ethiopia và Việt Nam đều có dãy núi dài và phức tạp trải dài qua đất nước

Ethiopia có dãy núi Simien, Bale và dãy nti Rift Valley, trong khi Việt Nam có dãy

Hoàng Liên Sơn, dãy Trường Sơn và dãy Annamite Cả hai quốc gia đều có các vùngcao nguyên Ethiopia có nhiều cao nguyên, trong khi Việt Nam có cao nguyên Trung

Bộ và cao nguyên Đắk Lắk Cả hai quốc gia cũng có các vùng đồng bằng phong phú

Ethiopia có đồng bằng Great Rift Valley, trong khi Việt Nam có Đồng bằng Sông

Hồng và Đồng bằng Sông Cửu Long

Hình 3.6 Bản đồ địa hình Việt Nam [18]

13

Về khí hậu Cả Ethiopia và Việt Nam đều thuộc khí hậu nhiệt đới và cận nhiệt đới Điều này có nghĩa là cả hai quốc gia đều có mùa nóng âm và mưa phổ biến Cả hai quốc gia đều trải qua mùa khô và mùa mưa Ethiopia có mùa khô kéo dài trên [19]

cao nguyên, trong khi Việt Nam có mùa mưa tập trung vào mùa hè Ethiopia và Việt

Nam đều có vùng khí hậu nhiệt đới có nhiệt độ cao quanh năm và mưa suốt năm.

Ethiopia có vùng khí hậu nhiệt đới ở thung lũng Rift Valley, trong khi Việt Nam có

vùng khí hậu nhiệt đới ở miền Nam.

3.5 Bộ dữ liệu.

3.5.1 Bộ dữ liệu FAO-DSMW

FAO Digital Soil Map of the World (FAO-DSMW) [20] là một bộ dữ liệu chi tiết

về đất đai được phát triển bởi Tô chức Nông nghiệp và Lương thực của Liên Hợp Quốc (FAO) Bộ dữ liệu này cung cấp thông tin về tính chất và phân loại đất dai

trên toàn thế giới FAO-DSMW được tạo ra bằng cách kết hợp các bộ dữ liệu đất

đai từ nhiều nguồn khác nhau và sử dụng các phương pháp khoa học dé tạo ra một bản đồ chỉ tiết về đặc điểm đất đai trên toàn cầu Các tính chất đất được bao gồm trong bộ dữ liệu này bao gồm độ phì nhiêu, cấu trúc, độ sâu, hàm lượng hữu cơ, độ cạn và nhiều yếu tố khác.

FAO-DSMW cung cấp một cách tiếp cận hệ thống [21] để truy cập và tìm hiểu thông tin về đất đai Nó bao gồm một bộ công cụ phần mềm mạnh mẽ cho phép

người ding xem và truy xuất dữ liệu đất theo khu vực, xem các bản dé đất chỉ tiết

và thực hiện phân tích theo yêu cầu Bộ dữ liệu cũng cung cấp thông tin về các loại đất và phân loại đất sử dụng hệ thông phân loại đất quốc tế (World Reference Base

for Soil Resources — WRB [22]) và hệ thong phan loai dat cua FAO.

15

tiếc Dystrie Cambisols

De Eute Camblsos

G-GLEvsot5.

.6c- Calcane Gleysslz

t6d- Dystrie Geyzotx Ge- Euefc Gleysole

Gh Music Gleytote Gm-Motle Gieysols

Gp: Plothe Gieysols

Gx Gee Gleysois

He PHAEOZEMS He- Coleone Phaeesems

Hạ- Gieic Pheeonems

he tape Phạmorema

ie vie Phyeezerne -LIBeiols

3-RUESOts 3e- Cleafe fiuylsos

te Alle Luviale Le- Chronic Lavisols

UF Ferre Leselx La- Gieyk Lovina

tác Cale Luvsols

——

Lp inthe Luoyokc

Ly - Verte Luyaole M- GREYZEMS

Mo: Gleyie Greyzems

Mo-Orthie Greyzems

N-NIT9S6LS.

Nd- DEtne Nhasols XNe- Eure NEosols Nhị Homie Neale O-MSTosots (Od: Oystre Histosols

(e+ Eueic Hetessls

.Ox- Getic tao.

Th Hume Andosols Tr: Mole Andosols

To-Cehte Andorols

TY vere Andesstz U- BANKERS

V- VERrsots Ve- Chrome Werbssls

Vp Pete Vertsls W- PLANOSOLS

ˆ_ Wide Dystre Planosols

We Eutre Planosols 'Vh-Hume Planosols

= wim: Mote Panos

We Luv Yermosole

Ye Takync Yermosols

Yr Gypsie Yerrosols 2-SOLONCHAKS

= Zø- Gleyic Solonch

#Z 2m Molle Solonchaks

= Ze- Orthe Solonchaks

fm Ze Takyrie Solonchaks

Water Bodies (WA)

Water bedles (WA) Glaciers (GL) Sate nats (ST) Reck debris (RK)

No data (NO)

3.5.2 Dữ liệu bao phú và sử dụng dat

The Global Land Cover-SHARE (GLC-SHARE) [23] là bộ dữ liệu bản đỗ toàn

cầu về phủ địa lý của mặt đất Được thực hiện bằng cách sử dụng dữ liệu đa nguồn

từ các vệ tinh quan sát Trái dat, ảnh từ máy bay, thông tin từ các cơ quan chính phủ

và tổ chức quốc tế, cùng với các phương pháp thu thập dữ liệu địa phương.

Bộ dữ liệu được đưa ra với độ phân giải 30 giây cung Cung cấp tập hợp các lớp che phủ được tổng hợp dựa theo các bộ dữ liệu theo từng quốc gia, khu vực Các

lớp được thể hiện như sau:

01-Bê mặt nhân tao (Artificial Surfaces)

02-Đất trồng trọt (Cropland)

03-Đồng Có (Grassland)

04-Vùng cây bao phủ (Tree Covered Area)

05-Cây Bụi (Shrubs Covered Area)

06-Thực vật thân thảo (Herbaceous vegetation)

Ø7-Rừng ngập mặn (Mangroves)

08-Thảm thực vật mỏng (Spare vegetation)

09-Dat Tran (Baresoil)

10-Tuyét va sông băng

11-Vùng nước (Water bodies)

17

Figure 3~ Distribution of dominant GLC-SHARE Land Covér Database.

WE 01 Aticial sutaces WM 04 Tee Coveossren Mc? Mangroves 10 Snow and Glaciers + Antarctica

TC 02 Cagam ` 08 Sparse Vegetation 1) Wator babies

GE 03: Grassland HB 06 Heaceous Vegetation 08 \Baresot Antartica

Hình 3.9 Bộ dit liệu GLC-share [23]

Artificial Surfaces: Chỉ định các khu vực được chế tạo bởi con người Nó bao gồm các thành phần như các khu đô thị, đường phó, công trình xây dựng, sân bay, bãi

đậu xe, nha máy và các cơ sở công nghiệp khác Lớp Artificial Surfaces cho phép

nhận biết và phân loại các khu vực có sự can thiệp và sự thay đổi môi trường do hoạt động của con người Lớp này chiếm tỉ lệ 0.6%

Cropland: các khu vực đất được sử dụng cho canh tác cây trồng và nuôi trồng cây

trồng Nó dé cập đến các khu vực đất nông nghiệp mà con người đã sửa đổi và sử dụng đề trồng các loại cây trồng như lúa, ngô, lúa mì, cây cỏ, cây ăn quả và các

loại cây trồng khác Lớp này chiếm tỉ lệ 12.6%.

Grassland: được xác định bởi sự phủ đầy của các loại cỏ và cỏ thảo Nó là một hệ thống sinh thái đất rộng lớn, không có sự phát triển chủ đạo của cây gỗ hoặc cây bụi Grassland có thé xuất hiện ở các vùng dat khác nhau trên thế giới, bao gồm cả vùng nhiệt đới, ôn đới và cận nhiệt đới Chiếm tỉ lệ 13%.

Tree Covered Area: chỉ các khu vực đất mà cây gỗ chiếm ưu thế và che phủ một phần diện tích lớn, tạo ra môi trường có độ che phủ cây cao Khu vực này đóng vai

trò quan trọng trong hệ sinh thái và môi trường Nó cung cấp nhiều lợi ích, bao gồm việc cung cấp bóng mát, giữ 4m đất, cung cấp nơi sống cho động vật, hap thụ

carbon, và bảo vệ đất khỏi sự xói mòn Chiém tỉ lệ lớn nhất 27,7%.

Shrubs Covered Area: Là khu vực cây bụi chiếm ưu thé và che phủ một phan diện

tích lớn Cây bụi là những cây có thân thấp và gần mặt đất, có nhiều cành nhánh nhỏ Chúng thường cao từ vài centimet đến một mét Đây cũng là khu vực quan

trọng trong việc chồng xói mòn Khu vực này chiếm ty lệ 9.5%.

Sparse vegetation: Khu vực đất có mật độ thực vật thấp, thường là do điều kiện môi

trường khắc nghiệt như vùng sa mạc, vùng cằn cỗi hoặc vùng núi cao Các khu vực này có ít cây cối và thực vật và thường chỉ có một số lượng nhỏ cây cỏ hoặc thảo

mộc thích nghỉ với điều kiện khắc nghiệt này Chiếm tỷ lệ 7.7%.

Herbaceous vegetation: các loại cây có đặc điểm thân mềm, không có thân gỗ Herbaceous vegetation bao gồm các loại cây như cỏ, thảo dược, hoa và các loại cây

thảo mộc khác Thông thường, thảo dược có tuôi thọ ngắn và không có thân cây gỗ

lớn Chiếm tỷ lệ 1.3%.

Bareland: Khu vực dé bị xói mon nhất do không có sự phủ đầy bởi thực vật hoặc

có rất ít thực vật Bareland có thê là kết quả của nhiều yếu tố như điều kiện khí hậu

19

khắc nghiệt, sự xói mòn, đất nghèo dinh dưỡng hoặc tác động của con người như khai thác mỏ, đô thị hóa Khu vực này chiếm tỉ lệ 15.2%.

Mangroves/Water body: Rừng ngập mặn thường xuất hiện trong các vùng ven biển, cửa sông, hồ chứa nước mặn và vùng đầm lầy nơi có sự giao thoa giữa nước mặn

và nước ngọt Water body là các vùng chứa nước lớn như sông, hồ Chiếm tỉ lệ nhỏ lần lượt là 0.1% và 2.6%.

Snow and Glacier + Antarctica: Khu vực được bao phủ quanh năm bởi tuyết và các

sông băng Tập trung chủ yếu ở hai cực trái đất, chiếm tỉ lệ 9.7%.

TỶ LỆ ĐẤT THEO ĐỘ PHỦ

Antarctica, 9.7% Artificial Surface,

3.5.3 Dữ liệu thuỷ văn Hydrosheds Core

Một bộ dữ liệu địa lý toàn cầu về đặc điểm về thủy văn học của lưu vực sông.

HydroSHEDS Core [24] được phát triển bởi Dai học California (University of California) và Tổ chức Nghiên cứu va Đào tạo Môi trường (World Wildlife Fund)

dựa trên dữ liệu vệ tinh và dữ liệu địa lý từ nhiều nguồn khác nhau.

Bộ dữ liệu HydroSHEDS Core cung cấp thông tin về độ cao của mặt dat, độ sâu của hồ, sông và vùng ngập lụt, mật độ mạng lưới sông và địa lý học lưu vực sông toàn cầu Bộ dữ liệu này được tạo ra từ các nguồn dt liệu khác nhau, bao gồm các

hình ảnh vệ tỉnh và bản đồ địa lý.

HydroSHEDS Core bao gồm khoảng 15 triệu lưu vực sông trên toàn cầu và là một công cụ hữu ích đề nghiên cứu về đặc điểm của các lưu vực sông và các vùng thủy

văn học khác trên toàn thé giới Dữ liệu được cung cấp với các đô khác nhau ở độ

phân giải 3, 15 hoặc 30 giây cung.

Hình 3.11 HydroSHEDS Core ở các độ phân giải khác nhau [24]

21

HydroSHEDS HydroSHEDS|

drainage drainage

DIR 3s DIR 15-30-5

Hình 3.12 Quá trình tạo ra bộ dữ liệu HydroSHEDS [24]

HydroSHEDS được tạo ra bằng cách sử dụng dữ liệu về độ cao được thu thập từ

tau vũ trụ - SRTM (Shuttle Radar Topography Mission) [25] Day là một nhiệm vụ

thám hiểm không gian được thực hiện bởi NASA và Cục Điều tra Địa chất Hoa Kỳ(USGS) vào năm 2000 Nhiệm vụ này sử dung một radar đặt trên tàu con thoi dé

thu thập dữ liệu độ cao của bề mặt Trái Đất Điều này cho phép tạo ra các mô hình

địa hình 3D với độ phân giải cao Dữ liệu này sau đó được sử dụng dé tạo ra bản

đô chi tiét vê mạng lưới sông va lưu vực sông trên toàn câu.

PW Transmitted Wave

PWN Received Wave

Radar siqnals being transmitted and recieved in the SRTM mission

(image not to scale).

Hình 3.13 Phuong pháp thu thập dữ liệu SRT [25]

DTED là viết tắt của "Digital Terrain Elevation Data" (Dữ liệu độ cao kỹ thuật số).Được xây dựng dựa trên SRTM, đây là một định dạng dữ liệu được sử dụng dé biéudiễn thông tin độ cao của một khu vực trên bề mặt Trái Dat DTED cung cấp thôngtin độ cao trên mặt đất (ground elevation) và không bao gồm thông tin về các đối

tượng như cây cối, tòa nhà hay công trình nhân tạo khác

Flow accumulation (ACC) grids là một phan trong bộ dữ liệu HydroSHEDS, nócung cấp thông tin về tích lũy dong chảy nước trên một lưới lưu vực sông Các lưới

ACC trong HydroShed chứa thông tin về lượng nước dòng chảy từ một điểm tronglưu vực sông đến điểm thấp hơn trong lưu vực đó ACC grids được tính toán dựa

trên dit liệu độ cao và mô hình dòng chảy nước ACC grids được chia thành hai cấp

độ trong HydroSHEDS: continental (lục địa) và global (toàn cầu)

23

ACC grids cấp độ continental: Được tính toán cho từng lục địa riêng lẻ, ví dụ như

Châu Phi, Châu Á hoặc Châu Mỹ Cấp độ này cung cấp thông tin về tích lũy dòng

chảy nước trên mỗi lưu vực sông lớn trong lục địa đó Nó giúp xác định sự tích lũy

dòng chảy nước và đánh giá tầm quan trọng của các lưu vực sông trong quy trìnhchảy nước tổng thé

ACC grids cấp độ global: Được tính toán cho toàn bộ thé giới và cung cấp thôngtin về tích lũy dòng chảy nước trên mỗi lưu vực sông nhỏ hơn Cấp độ này chỉ tiếthơn và cho phép nghiên cứu chỉ tiết về tính chất và quy mô của dòng chảy nước

trong các lưu vực sông nhỏ.

Thông tin về ACC grids cho phép xác định các khu vực có tích lũy dòng chảy nước

cao, tức là các khu vực ma nước từ các vùng đất lân cận được thu thập và chảy vào

đó Các khu vực có tích lũy đòng chảy nước cao thường thể hiện những hệ thống

thủy văn mạnh mẽ và có thể có ảnh hưởng lớn đến quy trình chảy nước và môi

trường địa phương.

CRU-TS [26] là bộ dữ liệu toàn cầu về khí hậu, bao gồm các thông số khí tượng vàkhí hậu được thu thập và xử lý từ nhiều nguồn khác nhau trên khắp thế giới đượctạo ra bởi Climatic Research Unit (CRU) tại Đại học East Anglia, Vương quốc

Anh.

Bộ dữ liệu CRU TS được tạo ra bang cách kết hợp các dir liệu quan sat từ các trạm

khí tượng và các mô hình khí hậu Dữ liệu quan sát được thu thập từ các trạm khí

tượng trên khắp thế giới, trong khi mô hình khí hậu sử dụng các phương pháp số

và mô phỏng dé điền vào các khu vực không có dữ liệu quan sát [27]

25

Bộ dữ liệu này cung cấp thông tin nhiệt độ, lượng mưa, ấp suất không khí và cácbiến đổi khí hậu khác trên toàn cầu trong khoảng thời gian từ năm 1901 đến năm

2022 Bộ dữ liệu này cung cấp dữ liệu hàng ngày, hàng tháng và hàng năm, chophép phân tích các xu hướng, biến đổi và mô hình hóa khí hậu trên toàn cầu Bộ dit

liệu CRU-TS có độ phân giải không gian khoảng 0,5 độ (tương đương khoảng 50

km) [29].

Các thành phần của bộ dữ liệu được thê hiện ở bảng dưới:

Nhãn Giá trị Đơn vị

Cld D6 che phu cua may phan tram (%)

Dtr Khoảng nhiệt độ trong 1 ngày độ C (°C)

Frs Tần suất ngày sương giá ngày

Pet Khả năng thoát hơi nước mm/ Ngày

Pre Lượng mưa mm/ Tháng

Rhm Độ âm tương đối phần trăm (%)

Ssh Thời lượng nang Giờ

Tmp Nhiệt độ trung bình các ngày trong tháng | dộ C (°C)

Tmn Nhiệt độ trung bình ngày thấp nhất tháng | độ C (°C)

Tmx Nhiệt độ trung bình ngày cao nhất tháng | độ C (°C)

Vap Ap suat hoi hectoPascals — (hPa)Wet Tan suat ngay 4m wot ngay

Wnd Tốc độ gió m/S

Bảng 3.1 Các thành phần của CRU-TS [26]

27

180 150W 120W 90W 60W 30W 0 80E 60E 90E 120E I1S50E 180

Hình 3.7 Dữ liệu mưa từ CRU TS năm 1991 tới 2000 [30]

CRU-TS được sử dụng rộng rãi trong nghiên cứu về biến đổi khí hậu, dự báo thời

tiết, nghiên cứu địa lý và mô hình hóa khí hậu Bộ dữ liệu này cung cấp cơ sở quan

trong dé hiểu và ước tính các biến đồi khí hậu và tác động của chúng đến môi trường

và con người Tuy nhiên, khi sử dụng bộ dữ liệu CRU-TS, một số khu vực có thé có

độ lệch không chính xác, đặc biệt là trong các khu vực có ít dữ liệu quan sát.

3.6 RUSLE model.

3.6.1 Cac factor trong RUSLE

3.6.1.1 K-factor

Hệ số K(soil erodibility factor) là hệ số xói mòn của dat đại điện cho cả tính dé

bị xói mòn của đất và tốc độ dòng chảy, được đo trong điều kiện ô đơn vị tiêuchuẩn Dat nhiều sét có giá trị K thấp, khoảng 0,05 đến 0,15, vì chúng chống

lại sự tách rời Các loại đất có kết cau thô, chăng hạn như đất cát, có giá trị K

thấp, khoảng 0,05 đến 0,2, do dòng chảy mặt thấp mặc dù các loại đất này dễ

bị tách rời Các loại đất có kết cấu trung bình, chắng hạn như đất mùn phù sa,

có giá trị K vừa phải, khoảng 0,25 đến 0,4, vì chúng dễ bị tách rời và tạo radòng chảy vừa phải Đất có hàm lượng phù sa cao dễ bị xói mòn nhất trong tất

cả các loại dat Chúng dé dàng tách ra; có xu hướng đóng vảy và tạo ra tỷ lệ

dòng chảy cao Giá trị của K đối với các loại đất này có xu hướng lớn hơn 0,4.

Chất hữu cơ làm giảm khả năng bị xói mòn vì nó làm giảm tính nhạy cảm củađất đối với sự tách rời, và nó làm tăng khả năng thâm thấu, làm giảm dòng chảy

và do đó làm giảm xói mòn Việc bố sung hoặc tích liy chất hữu co tăng lên

thông qua quản lý chăng hạn như bón phân được thê hiện trong yếu tố C chứ

không phải là yếu tố K Phép ngoại suy của biéu đồ hệ số K vượt quá 4% chấthữu cơ không được khuyến nghị hoặc cho phép trong RUSLE Trong RUSLE,

hệ số K xem xét toàn bộ đất và hệ số Kf chỉ xem xét phần đất mịn, vật liệu có

đường kính tương đương.

Phương pháp phân tích, theo Goldman et al (1986) [31], dé xác định hệ số K

là phương pháp ký hiệu dựa trên công trình của Wischmeter et al (1971) và

được biéu diễn dưới dạng toán học như sau:

29

Kpact = 1.292[2.1 x 10~8 f244(12 — Pym) + 0.0325 (Sseruc — 2)

Trong phương trình trên, hệ số cần thiết dé chuyển đổi K-factor từ các don vị

tiếng anh được sử dụng trong Golman et al., cho các don vi số liệu được sử

dụng trong báo cáo này.

Chi số kết cau đất, S.,„„„, bằng:

e 1 đối với đất hat rất mịn

e 2 đối với đất hat mịn

e3 đối với đất hạt thô đến trung bình

e 4cho đất xốp, dat đá hoặc đất lớn

Hệ số lớp thấm của mặt cắt, Íberm băng:

e 1 đối với thấm rất chậm

e 2 thâm nhập cham

e 3 thâm nhập chậm đến trung bình

e4 cho độ thấm vừa phải

e5 cho sự thâm nhập vừa phải đến nhanh chóng

e 6 thâm nhập nhanh chóng

Erickson, theo báo cáo của Goldman et al., đã sử dụng thông tin từ biểu đồ và

sắp xếp các yếu tố K cho 2% chất hữu cơ trên Tam Giác phân loại kết cau đấtcủa Bộ Nông nghiệp Hoa Kỳ cũng trình bày các bang cho phép sửa đôi kết qua

để tính đến các loại đất có hơn 15% cát rất mịn,

3.6.1.2 R-factor

Rain-factor Là năng lượng do mưa gây ra sự tách rời các hạt đất và vận chuyển

liên tục tới khu vực khác (Wischmeler & Smith, 1978) [1] R-factor tính toán

sự xói mòn đo mưa dựa trên chỉ số xói mòn mưa Chỉ số xói mòn mưa đo lường

lực tác động của giọt mưa lên mặt đất và cung cấp thông tin tương đối về lượng

và tốc độ dòng chảy Tuy nhiên, chỉ số này không bao gồm tác động gây xóimon từ nước do tan tuyết, nhiệt tan hoặc tưới cây Do đó, một yếu tố con Rg đã

được thêm vào dé tính toán R-factor cho các nơi chịu anh hưởng bởi yếu tố này

Trong nghiên cứu của chúng tôi, công thức sử dụng được đưa ra bởi Hurni

(1985) [32], công thức này đã được thực nghiệm ở vùng Ethiopia Cũng giốngnhư Việt Nam, vùng này có lượng mưa thay đổi thất thường theo tháng và cũngkhông có khu vực băng tuyết Vì thé chỉ số Rg đã được lược bỏ và công thức

tính R-factor như sau:

3.6.1.3 LS-factor

z

A RK

Hệ số LS(Length Slope-factor) dé ước tính hệ số mat mát dat do độ dài và độ

dốc trong RUSLE Trong USLE, hệ số L (Length) - độ dài đốc và S (Steepness)

- độ nghiêng của dốc đã được nghiên cứu và chỉ ra đều có tác động đáng kểđến tốc độ xói mòn bởi nước Tuy nhiên trong các nghiên cứu về RUSLE, thực

nghiệm cho thấy việc kết hợp hai hệ số thành một yếu tố duy nhất LS sẽ thuậntiện hơn cho việc tính toán Giá trị LS cho các mảnh đất dốc có thé được tinh

theo bảng bên dưới:

Giá trị LS tương ứng bằng cách di chuyền theo giá trị của trục hoành là độ dốc,trục tung là độ dài bề mặt của dốc

Slope length (feet)

8 ứ 496.701 859 992 121 141 172 198 222 243 281 3.14 10.2.5 685 968 119 147 1.68 194 237 274 306 336 3.87 4.33

Bang 3.2 Giá tri của LS-factor theo độ dài và độ dốc [1]

Đối với các mảng đất có địa hình lỗi lõm phức tạp, mất mát đất có thể được

tính theo công thức được suy ra như sau:

X m

LS = (=) x [65.4 x sín(Ø)2 + 4.56 x sin(8) + 0.065]