Nghiên cứu phát triển mô hình trí tuệ nhân tạo trong phân vùng nguy cơ lũ quét Ở việt nam

Do vÃy, nghiên cứu xây dựng các mô hình dự báo lũ quét nhằm dự báo các khu vực có nguy c¡ xÁy ra lũ quét là yêu cầu hÁt sức cấp thiÁt, từ đó giúp cáng đãng và chính quyßn đáa ph°¡ng chu¿

TR¯àNG Đ¾I HâC Mä - ĐàA CHÂT

Li QUÉT â VIàT NAM

TR¯àNG Đ¾I HâC Mä - ĐàA CHÂT

Li QUÉT â VIàT NAM

NGÀNH: KĀ THUÂT TRÄC ĐàA - BÀN Đâ

L àI CAM ĐOAN

Tôi xin cam đoan rằng đây là công trình nghiên cứu khoa hãc đác lÃp căa tôi Tất cÁ dā liệu đ°ÿc sÿ dāng trong luÃn án này có nguãn gác rõ ràng

và đã đ°ÿc trích dÁn đầy đă theo quy đánh

Nghiên c ąu sinh

luan van thac si luan van thac si

M ĀC LĀC

LäI CAM ĐOAN i

MĀC LĀC ii

DANH MĀC CÁC CHĀ VIÀT TÄT iv

DANH MĀC CÁC BÀNG BIàU vi

DANH MĀC CÁC HÌNH vii

M Ở ĐẦU 1

CHƯ¡NG 1: TỔNG QUAN VỀ NGHIÊN CỨU Li QUÉT 10

1.1 Đặt vấn đß 10

1.2 Khái niệm vß lũ quét 13

1.3 Tổng quan tình hình nghiên cứu lũ quét trên thÁ giãi 14

1.4 Tổng quan tình hình nghiên cứu lũ quét t¿i Việt Nam 17

1.5 Điám mãi đ°ÿc phát trián trong luÃn án 21

CHƯ¡NG 2: KHU VþC NGHIÊN CỨU VÀ C¡ SỞ KHOA HỌC 23

2.1 Lựa chãn khu vực nghiên cứu 23

2.2 C¡ sç khoa hãc 26

2.2.1 Ph°¡ng pháp luÃn phát hiện lũ quét sÿ dāng Ánh Radar Sar Sentinel- 26

2.2.2 Nghiên cứu xây dựng mô hình m¿ng N¡-ron nhân t¿o FA-LM-ANN cho phân vùng nguy c¡ lũ quét 30

2.2.3 Nghiên cứu xây dựng mô hình PSO-ELM cho phân vùng nguy c¡ lũ quét 35

2.2.4 Nghiên cứu xây dựng mô hình Ensemble learning trong phân vùng nguy c¡ lũ quét 38

2.3 Đánh giá đá chính xác mô hình 42

CHƯ¡NG 3: THþC NGHIỆM VÀ KẾT QUẢ 44

3.1 Quy trình xây dựng mô hình trí tuệ nhân t¿o trong phân vùng nguy c¡ lũ quét 44

3.2 Xây dựng c¡ sç dā liệu lũ quét 47

3.2.1 Thành lÃp bÁn đã hiện tr¿ng lũ quét 48

luan van thac si luan van thac si

3.2.2 Xây dựng các bÁn đã thành phần 48

3.2.3 Xây dựng dā liệu huấn luyện và dā liệu kiám tra 54

3.3 Phân tích đa cáng tuyÁn và lựa chãn các bÁn đã thành phần 54

3.4 Xây dựng mô hình tích hÿp FA-LM-ANN cho phân vùng nguy c¡ lũ quét 56

3.4.1 Quy trình xây dựng mô hình tích hÿp FA-LM-ANN 56

3.4.2 KÁt quÁ căa mô hình 58

3.4.3 Thành lÃp bÁn đã phân vùng nguy c¡ lũ quét 64

3.5 Xây dựng mô hình tích hÿp PSO-ELM cho phân vùng nguy c¡ lũ quét 65

3.5.1 Quy trình xây dựng mô hình tích hÿp PSO-ELM 65

3.5.2 KÁt quÁ căa mô hình 67

3.5.3 Thành lÃp bÁn đã phân vùng nguy c¡ lũ quét 71

3.6 Xây dựng mô hình Ensemble learning cho phân vùng nguy c¡ lũ quét 74

3.6.1 Quy trình xây dựng mô hình tích hÿp PSO-ELM cho phân vùng nguy c¡ lũ quét 74

3.6.2 KÁt quÁ căa mô hình 77

3.6.3 Thành lÃp bÁn đã phân vùng nguy c¡ lũ quét 84

K ẾT LUẬN VÀ KIẾN NGHỊ 89

NH ỮNG CÔNG TRÌNH ĐÃ CÔNG BỐ CỦA NCS 92

DANH M ĀC TÀI LIỆU THAM KHẢO 94

PH Ā LĀC

luan van thac si luan van thac si

DANH M ĀC CÁC CHþ VI¾T TÀT

Ch ÿ vi¿t tÁt Ch ÿ vi¿t đÅy đă

AHP Analytical Hierarchy Process

AI Artificial Intelligence

ANN Artificial Neural Network

AUC Area Under the Curve

LM Levenberg–Marquardt

LMB Levenberg–Marquardt Backpropagation

LMS Least Means Squares

luan van thac si luan van thac si

Ch ÿ vi¿t tÁt Ch ÿ vi¿t đÅy đă

LMT Logistic Model Tree

LVQ Learning Vector Quantization

MAE Mean Absolute Error

MBO Monarch ButterflyOptimizaation

MLPNN Multilayer Perceptron Neural Network

MSE Mean Squared Error

PSO Particle Swarm Optimization

RMSE Root Mean Squared Error

ROC Receiver Operating Characteristic

SPI Stream Power Index

SVM Support Vector Machine

TWI Topgraphic Wetness Index

VIF Variance Inüation Factor

luan van thac si luan van thac si

DANH M ĀC CÁC BÀNG BIÂU

BÁng 2.1 Đặc điám căa Ánh vệ tinh Sentinel-1 27

BÁng 2.2 Ành SAR Sentinel-1A sÿ dāng cho việc phát hiện lũ quét 27

BÁng 3.1 Phân tích đa cáng tuyÁn cho các bÁn đã thành phần 55

BÁng 3.2 Hiệu suất dự báo căa mô hình FA-LM ANN 59

BÁng 3.3 So sánh hiệu suất căa mô hình FA-LM-ANN vãi các mô hình LM-ANN, FA-ANN, SVM, và CT 62

BÁng 3.4 Hiệu suất căa mô hình vãi ph°¡ng pháp kiám tra chéo ten-fold 64

BÁng 3.5 Đánh giá hiệu suất căa mô hình PSO-EML 69

BÁng 3.6 Đánh giá đá chính xác căa các mô hình 71

BÁng 3.7 Đặc điám căa các lãp có nguy c¡ cao lũ quét cho khu vực nghiên cứu từ mô hình PSO-ELM 72

BÁng 3.8 Đánh giá sÿ dāng FSMs và đá chính xác phân lo¿i 78

BÁng 3.9 Đánh giá tầm quan trãng căa bÁn đã thành phần lũ quét theo ph°¡ng pháp VLQ 79

BÁng 3.10 Hiệu suất căa mô hình trên tÃp dā liệu huấn luyện 81

BÁng 3.11 Đánh giá đá chính xác mô hình kiám tra 82

BÁng 3.12 Tÿ lệ phần trăm mÃt đá t°¡ng đái lũ quét trên tÃp dā liệu huấn luyện 84

BÁng 3.13 Tÿ lệ phần trăm mÃt đá t°¡ng đái lũ quét trên tÃp dā liệu kiám tra 87

BÁng 3.14 KÁt quÁ kiám nghiệm tháng kê Wilicoxon trên bá dā liệu kiám tra 87

luan van thac si luan van thac si

DANH M ĀC CÁC HÌNH

Hình 1.1 Khung quy trình đánh giá răi ro thÁm hãa thiên tai - UNISDR 10

Hình 2.1 Vá trí khu vực nghiên cứu 24

Hình 2.2 Ph°¡ng pháp luÃn phát hiện lũ quét sÿ dāng Ánh Sentinel-1 28

Hình 2.3 Phát hiện lũ quét trên Ánh tổ hÿp màu Sentinel-1A đa thåi gian 30

Hình 2.4 Cấu trúc mát mô hình ANN cho phân vùng nguy c¡ lũ quét 32

Hình 3.1 Quy trình xây dựng mô hình trí tuệ nhân t¿o trong phân vùng nguy c¡ lũ quét 44

Hình 3.2 Vá trí các điám khÁo sát khu vực nghiên cứu 46

Hình 3.3 Quy trình xây d°ng c¡ sç dā liệu lũ quét 47

Hình 3.4 Khu vực lũ quét từ Ánh SAR Sentinel-1 căa vùng nghiên cứu 48

Hình 3.4 Các bÁn đã thành phần cho nghiên cứu lũ quét 54

Hình 3.5 S¡ đã quy trình xây dựng mô hình tích hÿp FA-LM-ANN cho phân vùng nguy c¡ lũ quét 56

Hình 3.6 Quá trình tái °u hóa căa căa ph°¡ng pháp hßn hÿp FA-LM 59

Hình 3.8 Mô hình FA-LM-ANN cho phân vùng nguy c¡ lũ quét 60

Hình 3.9 So sánh tác đá hái tā giāa FA-LM ANN và LM-ANN 63

Hình 3.10 BÁn đã phân vùng nguy c¡ lũ quét khu vực nghiên cứu 65

Hình 3.11 Ph°¡ng pháp nghiên cứu PSO-ELM 66

Hình 3.12 Giá trá tái °u so vãi vòng lặp trong quá trình huấn luyện mô hình 68

Hình 3.13 Đá khãp căa mô hình PSO-ELM vãi tÃp dā liệu huấn luyện 68

Hình 3.14 Hiệu suất dự báo căa mô hình PSO-ELM trên bá dā liệu kiám tra 69

Hình 3.15 AUC căa mô hình PSO-ELM 70

Hình 3.16 BÁn đã phân vùng nguy c¡ lũ quét khu vực nghiên cứu 72

luan van thac si luan van thac si

Hình 3.17 Đ°ång cong phân tách các lãp nguy c¡ lũ quét căa khu vực

nghiên cứu 73 Hình 3.18 Quy trình xây dựng bÁn đã phân vùng nguy c¡ lũ quét vãi

Ensemble Learning 75Hình 3.19 Phân tích ROC, Recall, Precision căa mô hình 83 Hình 3.20 BÁn đã phân vùng nguy c¡ lũ quét theo mô hình FURIA-GA-

LogitBoost 85Hình 3.21 BÁn đã phân vùng nguy c¡ lũ quét theo mô hình FURIA-GA-

AdaBoost 85Hình 3.22 BÁn đã phân vùng nguy c¡ lũ quét theo mô hình FURIA-GA-

Bagging 85Hình 3.23 Phân tích ROC 86

luan van thac si luan van thac si

M â ĐÄU

1 Tính c Ãp thi¿t căa lu¿n án

Lũ lāt đứng đầu trong danh sách nhāng thÁm hãa thiên nhiên, bao gãm

cÁ sá l°ÿng th°¡ng vong lÁn thiệt h¿i vß tài sÁn [197, 232], đặc biệt là t¿i các khu vực th°ång xuyên cháu Ánh h°çng căa bão và áp thấp nhiệt đãi [50, 173, 227] Năm 2013, thiệt h¿i do lũ gây ra trên toàn thÁ giãi °ãc tính h¡n 50 tÿ USD [228] Theo các dự báo, đÁn năm 2050, thiệt h¿i từ lũ có thá tăng lên đáng ká, vãi mức °ãc tính lên đÁn mát nghìn tÿ USD mßi năm do sự tăng đát

biÁn vß dân sá và biÁn đổi khí hÃu [50, 101]

Theo báo cáo căa Trung tâm nghiên cứu dách tễ hãc vß thÁm hãa sau thiên tai (Centre for Research on the Epidemiology of Disasters - CRED), Việt Nam thuác khu vực Đông Nam Á, n¡i cháu Ánh h°çng căa bão và áp

thấp nhiệt đãi Báo cáo cho biÁt Việt Nam đ°ÿc xác đánh là mát trong 10

quác gia đứng đầu cháu Ánh h°çng do biÁn đổi khí hÃu [64] HÃu quÁ, Việt Nam đã liên tāc bá Ánh h°çng nặng do các tai biÁn thiên nhiên gây ra nh° bão

và áp thấp nhiệt đãi, lũ lāt và tr°ÿt lç đất Đặc biệt, chß vãi lũ lāt đã °ãc tính khoÁng 71% dân sá và 59% diện tích đất căa Việt Nam bá Ánh h°çng trong vài năm qua [37, 56, 185, 196]

Tổng thiệt h¿i °ãc tính s¡ bá do bão và lũ trong giai đo¿n 1996-2015

đã chiÁm 0,62% tổng sÁn ph¿m quác nái (GDP) căa Việt Nam Đißu này t°¡ng đ°¡ng vãi khoÁng 2,12 tÿ USD [134] Dự báo cho thấy trong các năm

tãi, biÁn đổi khí hÃu tiÁp tāc phức t¿p, dÁn đÁn các hiện t°ÿng thåi tiÁt bất th°ång và không theo quy luÃt, nh° bão nhiệt đãi hay m°a lãn bất th°ång gây

lũ quét Do đó, việc nghiên cứu vß lũ lāt đang trç nên ngày càng quan trãng h¡n bao giå hÁt Đißu này giúp đÁm bÁo sự ổn đánh trong cuác sáng căa cáng đãng dân c°, bÁo vệ tài sÁn, môi tr°ång sáng và nguãn tài nguyên tự nhiên

khßi nhāng tác đáng tiêu cực căa biÁn đổi khí hÃu Nghiên cứu vß lũ lāt

luan van thac si luan van thac si

không chß đóng vai trò quan trãng trong việc hiáu và dự báo các tác đáng căa

biÁn đổi khí hÃu, mà còn cung cấp c¡ sç đá xây dựng các biện pháp phòng

ngừa và ứng phó hiệu quÁ đá bÁo vệ cuác sáng và tài sÁn căa ng°åi dân Đây

là nhiệm vā nằm trong ch°¡ng trình māc tiêu ứng phó vãi biÁn đổi khí hÃu và tăng tr°çng xanh căa Chính phă Việt Nam (QuyÁt đánh Sá: 1670/QĐ-TTg, ngày 31 tháng 10 năm 2017)

Trong các lo¿i hình lũ lāt, lũ quét là hiện t°ÿng thiên tai đián hình và khác biệt so vãi lũ th°ång, do tính chất diễn biÁn nhanh vãi c°ång đá m¿nh, th°ång xÁy ra trong khoÁng thåi gian ngÅn, chẳng h¿n d°ãi 6 giå [169] æ

Việt Nam, đặc biệt t¿i các tßnh mißn núi phía BÅc, lũ quét là mát vấn đß th°ång xuyên xÁy ra và nghiêm trãng Đißu này do Ánh h°çng căa m°a lãn, xái xÁ, hoặc do m°a kéo dài trong các c¡n bão nhiệt đãi kÁt hÿp vãi tính chất đặc thù căa đáa hình nh° chênh cao lãn, đá dác cao và cÅt xẻ sâu Ngoài ra, sự phát trián dân sá và gia tăng các ho¿t đáng dân sinh nh° chặt phá rừng và sÿ

dāng đất không theo quy ho¿ch trong nhāng năm gần đây đã làm lũ quét có

diễn biễn rất khác liệt và mức đá tàn phá cao Do vÃy, nghiên cứu xây dựng các mô hình dự báo lũ quét nhằm dự báo các khu vực có nguy c¡ xÁy ra lũ quét là yêu cầu hÁt sức cấp thiÁt, từ đó giúp cáng đãng và chính quyßn đáa ph°¡ng chu¿n bá ứng phó tr°ãc thÁm hãa này, đãng thåi giÁm thiáu thiệt h¿i đái vãi ng°åi dân, tài sÁn và môi tr°ång

Đá giÁm thiáu Ánh h°çng tàn phá căa lũ quét, Việt Nam đã thực hiện nhißu nghiên cứu vß vấn đß này Các nghiên cứu này nhằm xác đánh và dự báo hay cÁnh báo nguy c¡ lũ quét t¿i các khu vực cā thá Mát trong nhāng ph°¡ng pháp quan trãng đã đ°ÿc áp dāng là thiÁt lÃp các mô hình không gian

và bÁn đã dự báo các khu vực có khÁ năng xÁy ra nguy c¡ lũ quét [74, 139,

147, 225] Tuy đã có nhißu nghiên cứu vß lũ quét t¿i Việt Nam, nh°ng việc áp

dāng các mô hình truyßn tháng đá dự báo lũ quét vÁn gặp phÁi nhißu h¿n chÁ

luan van thac si luan van thac si

Các mô hình này th°ång dựa trên sự liên quan giāa thăy văn, thăy lực, dòng

chÁy và đáa hình đá xác đánh nguy c¡ lũ quét Tuy nhiên, việc áp dāng các mô hình này đòi hßi phÁi có nguãn dā liệu t¿i các tr¿m quan trÅc đă dài và mÃt đá điám quan trÅc đă lãn đá đÁm bÁo tính chính xác căa dự báo

Lũ quét là mát quá trình phát trián phức t¿p, diễn biÁn nhanh, bất ngå

và liên quan đÁn nhißu yÁu tá tác đáng khác nhau Đißu này làm cho việc dự báo lũ quét trç nên vô cùng khó khăn Do vÃy, đá chính xác căa các mô hình truyßn tháng ç Việt Nam vÁn còn h¿n chÁ, ch°a đáp ứng hÁt các yêu cầu thực

tiễn hiện nay, bao gãm cÁ việc cung cấp cÁnh báo chính xác vß vá trí lũ quét Vì

vÃy, cần thiÁt phÁi có mát cách tiÁp cÃn khoa hãc mãi trong việc mô hình hóa

nhằm nâng cao đá chính xác Đißu này bao gãm việc giÁm sự phā thuác vào dā liệu từ các tr¿m quan trÅc cũng nh° áp dāng tiÁn bá căa khoa hãc công nghệ và

khÁ năng xÿ lý dā liệu đáa không gian trong nghiên cứu cÁnh báo lũ quét

Trong nhāng năm gần đây, sự phát trián nhanh chóng căa công nghệ đã thúc đ¿y nghiên cứu và dự báo lũ quét sang mát h°ãng mãi Các công nghệ nh° viễn thám, hệ tháng thông tin đáa lý (GIS), đáa tháng kê và trí tuệ nhân

t¿o đã đóng vai trò quan trãng trong việc cung cấp các giÁi pháp hiệu quÁ h¡n Công nghệ mãi trong viễn thám, nh° Ánh Radar Sentinel-1A và B miễn phí,

đá phân giÁi cao (10 m) đã cung cấp các giÁi pháp mãi cho phát hiện các vùng

ngÃp lāt [194, 233] và hiện tr¿ng lũ quét [67, 77]

Trong khi đó, sự phát trián căa GIS và các ph°¡ng pháp đáa tháng kê

mãi đã t¿o đißu kiện thuÃn lÿi cho việc xÿ lý và phân tích mái quan hệ căa nhißu yÁu tá đầu vào liên quan đÁn lũ quét Cuái cùng, mô hình trí tuệ nhân

t¿o vãi khÁ năng xÿ lý dā liệu phi tuyÁn và đa biÁn, đã đóng góp mát vai trò quan trãng trong xây dựng và kiám đánh các mô hình dự báo lũ quét vãi đá chính xác tát Thực tÁ, cách tiÁp cÃn mãi này đã đ°ÿc áp dāng thành công trong nghiên cứu lũ quét t¿i nhißu khu vực khác nhau trên thÁ giãi [31, 54, 129, 186,

luan van thac si luan van thac si

209, 217] Đißu này thá hiện tầm quan trãng căa việc sÿ dāng công nghệ và ph°¡ng pháp hiện đ¿i trong nghiên cứu và dự báo lũ quét Hiện nay, đây là mát trong các h°ãng nghiên cứu nổi bÃt trong lĩnh vực lũ quét trên thÁ giãi

Từ phân tích trên, trong nghiên cứu tiÁn sĩ này, luÃn án “ Nghiên cứu

phát tri ển mô hình trí tuệ nhân tạo trong phân vùng nguy cơ lũ quét ở Việt Nam” đ°ÿc lựa chãn

2 M āc tiêu nghiên cąu

Xây dựng đ°ÿc các mô hình trí tuệ nhân t¿o trong phân vùng lũ quét có

đá chính xác cao, ứng dāng Ánh Radar Sentinel-1, kā thuÃt GIS và đáa tháng

kê Thực nghiệm áp dāng cho khu vực thuác tßnh Lào Cai (Việt Nam)

3 Đßi t°ÿng nghiên cąu

Đái t°ÿng nghiên cứu chính là dā liệu đáa không gian, các mô hình dự báo và phân vùng nguy c¡ lũ quét, cā thá bao gãm: (i) - Ành viễn thám Radar

đa thåi gian cho phát hiện và thành lÃp bÁn đã hiện tr¿ng lũ quét; (ii) - C¡ sç

dā liệu GIS cho mô hình hóa và dự báo lũ quét: gãm dā liệu đáa hình, đáa

m¿o, lo¿i đất, đáa chất, khí hÃu và thăy văn; (iii) - ThuÃt toán phát hiện và chiÁt xuất điám lũ quét; (iv) - Các mô hình khai phá dā liệu, trí tuệ nhân t¿o

và các thuÃt toán tái °u hóa

4 Ph ¿m vi nghiên cąu

Ph¿m vi đáa lý: Khu vực tßnh Lào Cai

Ph¿m vi khoa hãc: Các thuÃt toán liên quan đÁn xÿ lý Ánh viễn thám Radar đa thåi gian, kā thuÃt GIS và đáa tháng kê, mô hình trí tuệ nhân t¿o và

tái °u hóa

5 N ội dung nghiên cąu

- Nghiên cứu tổng quan vß lũ quét

- Nghiên cứu thuÃt toán và mô hình phāc vā cho việc phát hiện và chiÁt

xuất các điám lũ quét từ t° liệu Ánh viễn thám đa thåi gian Sentinel-1 Thực nghiệm và kiám tra, đißu tra thực đáa, đánh giá đá chính xác

luan van thac si luan van thac si

- Xây dựng c¡ sç dā liệu lũ quét cho khu vực nghiên cứu, bao gãm: Các khu vực xÁy ra lũ quét, mô hình sá đá cao (DEM), bÁn đã đá dác (Slope), bÁn đã h°ãng dác (Aspect), bÁn đã chß sá đá ¿m (Topographic Wetness Index -TWI), bÁn đã mÃt đá sông suái (Stream density), bÁn đã chß sá năng l°ÿng dòng chÁy (Stream Power Index - SPI), bÁn đã hình thái đáa m¿o (Toposhape), bÁn đã chß sá đá cong đáa hình (Curvature), bÁn đã th¿ch hãc (Lithology), bÁn đã lo¿i đất (Soil type), bÁn đã chß sá thực vÃt (NDVI), và bÁn

đã l°ÿng m°a (Rainfall)

- Phân tích tháng kê và đánh giá bÁn đã thành phần, phāc vā cho việc

mô hình hóa

- Phát trián các mô hình phân vùng và dự báo lũ quét:

+ Nghiên cứu mô hình m¿ng N¡-ron nhân t¿o FA-LM-ANN là sự kÁt

hÿp các thuÃt toán Firefly Algorith- Levenberg Marquardt (FA-LM) nhằm tự đáng tìm kiÁm, cÃp nhÃt và tái °u hóa trãng sá căa mô hình ANN

+ Nghiên cứu mô hình PSO-ELM là sự kÁt hÿp thuÃt toán máy hãc cực

đá Extreme Learning Machines (ELM) và thuÃt toán tái °u hóa Particle Swarm Optimization (PSO)

+ Nghiên cứu mô hình Ensemble Learning, là mô hình kÁt hÿp các thuÃt toán di truyßn GA (Genetic Algorithm), thuÃt toán luÃt må FURIA, và thuÃt toán cây quyÁt đánh (Decision Tree)

+ Nghiên cứu chß sá tháng kê đánh giá hiệu suất căa mô hình, bao

gãm: Sai sá RMSE, sai sá MSE, đ°ång cong ROC, diện tích d°ãi đ°ång cong ROC (AUC), hệ sá Kappa, True Positive (TP), True Negative (TN), False Positive (FP), False Negative (FN)

6 Ph°¢ng pháp nghiên cąu

- Ph°¢ng pháp táng hÿp thßng kê: Thu thÃp, tổng hÿp tháng kê tài

liệu, dā liệu từ các nguãn khác nhau cho nghiên cứu lũ quét

luan van thac si luan van thac si

- Ph°¢ng pháp bÁn đß: Thành lÃp các bÁn đã thành phần phāc vā cho

xây dựng mô hình phân vùng nguy c¡ lũ quét

- Ph°¢ng pháp Vißn thám:

+ Nghiên cứu đặc tr°ng Ánh Radar Sentinel-1;

+ Nghiên cứu mô hình phát hiện và chiÁt xuất hiện tr¿ng lũ quét từ Ánh

viễn thám Sentinel-1 đa thåi gian

- Ph°¢ng pháp GIS: Xây dựng c¡ sç dā liệu GIS cho khu vực nghiên

cứu, chãng gáp xÿ lý tháng kê đáa không gian

- P h°¢ng pháp mô hình hóa: Nghiên cứu ứng dāng các thuÃt toán trí

tuệ nhân t¿o, kā thuÃt khai phá dā liệu, tái °u hóa phāc vā xây dựng các mô hình dự báo và phân vùng lũ quét

- Ph°¢ng pháp đánh giá độ chính xác:

+ Ph°¡ng pháp thực đáa: KÁt quÁ nghiên cứu đ°ÿc đánh giá đá chính xác bằng dā liệu thực đáa

+ Ph°¡ng pháp tháng kê: Đánh giá đá chính xác mô hình

7 Ý ngh*a khoa hãc và thāc tißn căa lu¿n án

- Ý nghĩa khoa hãc căa luÃn án: Giúp hình thành c¡ sç lý luÃn cho việc ứng dāng các kā thuÃt mãi, kÁt hÿp vãi hệ thông tin đáa lý và viễn thám cho

việc dự báo và phân vùng lũ quét trên diện ráng vãi đá chính xác cao, phù

hÿp cho các khu vực có đặc điám đáa hình khác nhau và không đòi hßi dā liệu t¿i các tr¿m quan trÅc

- Ý nghĩa thực tiễn căa luÃn án: SÁn ph¿m bÁn đã phân vùng và dự báo

lũ quét đá chính xác cao hoàn toàn có thá ứng dāng phāc vā cho việc lÃp kÁ

ho¿ch sÿ dāng đất, thiÁt kÁ quy ho¿ch và giÁm thiáu thiên tai Ngoài ra, sÁn

ph¿m nghiên cứu là nßn c¡ sç đá phát trián thêm các hệ tháng dự báo sãm, cũng nh° đánh giá tổn h¿i tißm năng cho các vùng có nguy c¡ Ánh h°çng do

luan van thac si luan van thac si

lũ quét Quy trình nghiên cứu thành lÃp bÁn đã phân vùng và dự báo lũ quét là tài liệu h°ãng dÁn mãi, giúp thực hiện t¿i các vùng khác có đißu kiện t°¡ng tự

8 Lu ¿n điÃm bÁo vá và điÃm mßi căa lu¿n án

d¿ng, cho phép thực hiện mô hình hóa và dự báo khu vực có nguy c¡ bá Ánh h°çng bçi lũ quét

LuÃn điám 3: Sự tích hÿp căa các thuÃt toán máy hãc và tái °u hóa (FA-LM-ANN, PSO-ELM, FURIA-GA) cho phép xây dựng mát mô hình phân vùng nguy c¡ lũ quét vãi đá chính xác cao

8.2 Điám mãi căa luÃn án

- Phát trián đ°ÿc mô hình FA-LM-ANN mãi cho cÁnh báo lũ quét Mô hình này là sự kÁt hÿp các thuÃt toán ANN, Firefly Algorithm (FA) và Levenberg – Marquardt (LM), cho phép tự đáng tìm kiÁm, cÃp nhÃt và tái °u hóa trãng sá căa mô hình dự báo lũ quét

- Phát trián đ°ÿc mô hình PSO-ELM mãi cho cÁnh báo lũ quét Mô hình này xây dựng dựa trên sự kÁt hÿp thuÃt toán máy hãc cực đá Extreme Learning Machines (ELM) và thuÃt toán tái °u hóa Particle Swarm Optimization (PSO)

- Phát trián đ°ÿc mô hình Ensemble learning mãi cho cÁnh bÁo lũ quét Đây là mô hình tích hÿp các thuÃt toán di truyßn GA (Genetic Algorithm), thuÃt toán luÃt må FURIA, thuÃt toán cây quyÁt đánh (Decision Trees)

luan van thac si luan van thac si

9 K ¿t cÃu căa lu¿n án

LuÃn án bao gãm các phần chính sau:

Mç đầu

Ch°¡ng 1: Tổng quan vß nghiên cứu lũ quét

Ch°¡ng 2: Khu vực nghiên cứu và c¡ sç khoa hãc

Ch°¡ng 3: KÁt quÁ và thực nghiệm

KÁt luÃn và kiÁn nghá

Tài liệu tham khÁo

11 N¢i thāc hián lu¿n án

LuÃn án đ°ÿc hoàn thành t¿i Bá môn Đo Ánh và Viễn thám, Khoa TrÅc đáa - BÁn đã và QuÁn lý đất đai, Tr°ång Đ¿i hãc Mß - Đáa chất

12 L ái cÁm ¢n

LuÃn án tiÁn sĩ kā thuÃt này đ°ÿc thực hiện t¿i Tr°ång đ¿i hãc Mß - Đáa chất d°ãi sự h°ãng dÁn khoa hãc căa TS Nguyễn Quang Khánh, Tr°ång Đ¿i hãc Mß - Đáa chất và GS.TS Bùi TiÁn Diệu, University of South-Eastern Norway, Na Uy Tôi xin bày tß lòng biÁt ¡n sâu sÅc nhất tãi hai thầy h°ãng

dÁn vß sự đánh h°ãng khoa hãc, sự tÃn tâm trong việc hß trÿ, chß bÁo, và giúp

đỡ, cũng nh° t¿o đißu kiện thuÃn lÿi nhất cho tôi hoàn thành luÃn án này

Tôi xin trân trãng cÁm ¡n Bá môn Đo Ánh và Viễn thám, Lãnh đ¿o Khoa TrÅc đáa - BÁn đã và QuÁn lý đất đai, Bá môn Tin hãc TrÅc đáa, Lãnh đ¿o Khoa Công nghệ Thông tin, Tr°ång Đ¿i hãc Mß - Đáa chất đã tÃn tình giúp đỡ tôi trong quá trình hãc tÃp và nghiên cứu

Tôi xin chân thành cÁm ¡n sự giúp đỡ và hß trÿ khác từ PGS.TS Nguyễn C¿m Vân, Viện Đáa lý; ThS Ngô Hùng Long, giÁng viên Khoa Công nghệ Thông tin, Tr°ång đ¿i hãc Mß - Đáa chất; TS Trần Anh Tuấn, Viện Sinh thái và Tài nguyên Sinh vÃt, Viện Hàn Lâm Khoa hãc và Công nghệ

luan van thac si luan van thac si

Việt Nam Tôi rất biÁt ¡n GS.TS Tr°¡ng Xuân LuÃn, PGS.TS Nguyễn Tr°ång Xuân, PGS.TS Lê Hãng Anh, TS Nguyễn Thá Mai Dung, và TS

Trần Trung Chuyên đã luôn quan tâm, đáng viên và giúp đỡ đá tôi hoàn thành

luÃn án

Xin chân thành cÁm ¡n PGS.TS Trần Xuân Tr°ång, PGS.TS Trần Vân Anh, PGS.TS Nguyễn Văn Trung, TS Trần Trung Anh và TS Trần

Hãng H¿nh vß sự quan tâm sâu sÅc, h°ãng dÁn chi tiÁt, t¿o đißu kiện và chia

sẻ kinh nghiệm quý báu cho nghiên cứu căa tôi Tôi rất biÁt ¡n PGS.TS Bùi Quang Thành và PGS.TS Nguyễn Ngãc Th¿ch, Tr°ång Đ¿i hãc Khoa hãc

Tự nhiên – Đ¿i hãc Quác gia Hà Nái đã chia sẻ và thÁo luÃn giúp tôi hoàn thành luÃn án tát h¡n

Cuái cùng, luÃn án không thá hoàn thành nÁu không có sự chia sẻ và đãng hành căa chãng tôi, Đào Văn Ph°¡ng, trong các chuyÁn khÁo sát, kiám

chứng thực đáa, cũng nh° tình yêu, chăm lo các việc gia đình khác đá tôi yên tâm, tÃp trung nghiên cứu Tôi dành sự biÁt ¡n sâu sÅc nhất tãi cha mẹ tôi, hã

đã cho tôi tình yêu và sự hß trÿ không giãi h¿n, đáng viên trong suát thåi gian qua đá tôi đ°ÿc tr°çng thành nh° ngày hôm nay, cÁm ¡n các anh chá căa tôi

vß tình yêu gia đình và sự quan tâm giúp đỡ căa hã trong công việc này

luan van thac si luan van thac si

CH¯¡NG 1: TàNG QUAN VÀ NGHIÊN CĄU Li QUÉT

1.1 Đặt vÃn đÁ

C¡ sç nghiên cứu căa luÃn án đ°ÿc dựa trên khung đánh giá răi ro thÁm

hãa thiên tai thuác "Ch°¡ng trình khung Sendai vß giÁm nhẹ răi ro thiên tai"

căa Văn phòng Liên Hÿp Quác vß giÁm nhẹ răi ro thiên tai (UNISDR)[221] Hình 1.1 thá hiện các thành phần căa Khung quy trình đánh giá răi ro thÁm hãa thiên tai Khung đánh giá này bao gãm 3 chặng chính liên kÁt vãi nhau: (1) Khu vực đánh giá và công tác chu¿n bá; (2) Phân tích răi ro và (3) sÿ

dāng kÁt quÁ và xây dựng các quyÁt đánh Tất cÁ các thành phần căa ba chặng này đ°ÿc kÁt nái chặt ch¿ thông qua các lĩnh vực liên quan và các vòng phÁn hãi giúp t¿o ra mát hệ tháng đánh giá răi ro thÁm hãa thiên tai toàn diện và hiệu quÁ

Hình 1.1 Khung q uy trình đánh giá rÿi ro thảm họa thiên tai -

UNISDR [221]

luan van thac si luan van thac si

Ch ặng 1 trong quy trình đánh giá răi ro thÁm hãa thiên tai có nhiệm vā

quan trãng, đó là nhấn m¿nh việc xem xét các b°ãc cần thực hiện tr°ãc khi

bÅt đầu quy trình đá đÁm bÁo rằng các đầu ra s¿ phù hÿp vãi māc tiêu đã đß

ra Chặng này cung cấp nßn tÁng cho toàn bá quy trình đánh giá răi ro

- C¡ chÁ quÁn trá: đánh giá răi ro thiên tai căa mát quác gia thành công đòi hßi cần phÁi có mát hệ tháng quÁn trá m¿nh m¿ Đißu này bao gãm việc thiÁt lÃp các ph°¡ng thức ho¿t đáng, chính sách và khung pháp lý đá h°ãng dÁn, quÁn lý, đißu phái và giám sát việc thực hiện C¡ chÁ quÁn trá này là nßn

tÁng quan trãng đá đÁm bÁo đánh giá răi ro thiên tai đ°ÿc thực hiện thành công

- Ph¿m vi chính sách và kā thuÃt: Trong giai đo¿n đầu căa thiÁt kÁ,

việc xác đánh rõ māc đích và các māc tiêu căa đánh giá răi ro rất quan trãng

đá t¿o ra thông tin cần thiÁt Đißu này đòi hßi sự hiáu biÁt vß ph¿m vi chính sách và kā thuÃt căa quy trình đánh giá răi ro

- Dā liệu và quÁn lý: Đánh giá răi ro là mát quá trình đòi hßi nhißu dā

liệu và sự tiÁp cÃn thông tin từ nhißu nguãn khác nhau Đißu này bao gãm các c¡ quan thành lÃp bÁn đã, các tổ chức khoa hãc và kā thuÃt, các tr°ång đ¿i hãc, các tổ chức nghiên cứu từ trung °¡ng đÁn các khu vực đáa ph°¡ng QuÁn lý dā

liệu hiệu quÁ và chia sẻ kÁt quÁ là yÁu tá quan trãng đá đÁm bÁo tính hiệu quÁ

căa quá trình đánh giá răi ro và đáp ứng nhu cầu căa các bên liên quan

Ch ặng 2: ĐÁm bÁo nhiệm vā quan trãng căa việc phân tích răi ro thÁm

hãa thiên nhiên và đ°ÿc thực hiện bçi nhóm kā thuÃt chuyên nghiệp Trong quá trình, có nhißu ph°¡ng pháp và công cā khác nhau đá thực hiện phân tích

răi ro, bao gãm công cā phân tích không gian đáa lý, lÃp bÁn đã, lÃp ma trÃn

răi ro, kách bÁn và nhißu công cā khác Māc tiêu là chu¿n bá các kÁt quÁ đầu

ra chính xác Các nhà quÁn lý đÁm bÁo sự tham gia tích cực căa các chuyên gia chuyên ngành trong quá trình này Gãm công tác đißu phái và tháng nhất

việc lựa chãn ph°¡ng pháp tái °u nhất đá phân tích răi ro, đãng thåi tích hÿp

luan van thac si luan van thac si

các đầu ra từ các ph°¡ng pháp khác nhau thành mát đánh d¿ng chung nhằm

hß trÿ quá trình đánh giá và so sánh các nguy c¡ khác nhau Chặng 2 không

chß đóng góp vào việc đánh giá răi ro mà còn đÁm bÁo tính nhất quán và khách quan trong quá trình phân tích, giúp t¿o ra các thông tin chất l°ÿng đá

hß trÿ quyÁt đánh và kÁ ho¿ch ứng phó vãi thÁm hãa thiên nhiên

Ch ặng 3: Sÿ dāng kÁt quÁ và xây dựng các quyÁt đánh, gãm hai thành

phần quan trãng là sÿ dāng kÁt quÁ và kÁ ho¿ch dài h¿n KÁt quÁ căa đánh giá

răi ro trç thành c¡ sç đ°a ra các quyÁt đánh vß kÁ ho¿ch, hành đáng và đầu t° cho dự án Trong quá trình này, tÃp dā liệu, bÁn đã, báo cáo, hoặc bất kỳ đánh d¿ng thông tin nào đ°ÿc tÃp hÿp từ quá trình đánh giá răi ro tr°ãc đó Nhāng

kÁt quÁ này sau đó đ°ÿc sÿ dāng đá đ°a ra quyÁt đánh chiÁn l°ÿc và tái đánh giá răi ro trong kÁ ho¿ch dài h¿n

Hiện nay, lũ quét vÁn là mát trong nhāng thÁm hãa căa thiên tai, đặt ra nhißu thách thức trong việc dự báo và đánh giá răi ro Trong hệ tháng cÁnh báo sãm, mô hình dự báo phân vùng lũ quét đóng vai trò quan trãng đá cung

cấp thông tin chính xác và káp thåi Trong đó, chất l°ÿng căa bÁn đã phân vùng lũ quét là yÁu tá then chát Ánh h°çng đÁn hiệu suất căa hệ tháng Thực

tÁ, các mô hình lũ quét đßu cháu Ánh h°çng từ hai yÁu tá chính, đó là mô hình

và dā liệu sÿ dāng

Trong hai thÃp kÿ qua, nhißu ph°¡ng pháp và kā thuÃt đã đ°ÿc đß xuất

đá cÁi thiện chất l°ÿng căa các mô hình dự báo và cÁnh báo Phân tích nguy c¡

xÁy ra lũ quét và xây dựng các mô hình có đá chính xác cao đã trç thành mát

phần quan trãng căa khung công việc, đặc biệt là khi đái mặt vãi thách thức từ

biÁn đổi khí hÃu và sự gia tăng vß tần suất cũng nh° c°ång đá căa lũ quét

Nái dung nghiên cứu trong luÃn án này tÃp trung vào nghiên cứu và phát trián các mô hình dự báo phân vùng lũ quét vãi đá chính xác cao Đây cũng là thành tá quan trãng trong quy trình đánh giá răi ro thÁm hãa thiên tai Đá tháng

luan van thac si luan van thac si

nhất vß thuÃt ngā, mô hình dự báo phân vùng lũ quét trong luÃn án này đ°ÿc đánh nghĩa là dự báo không gian (vá trí) n¡i có khÁ năng xÁy ra lũ quét

1.2 Khái niám vÁ lj quét

Trên thÁ giãi, theo Tổ chức Khí t°ÿng ThÁ giãi (WMO) [230], lũ quét là

mát hình thái lũ xÁy ra trong thåi ngÅn, th°ång xuất hiện ç khu vực có đá dác

lãn, các lãp đất bß mặt mßng, và thåi gian diễn ra nhanh, khó phát hiện, dự báo và phòng tránh Theo Hiệp hái Khí t°ÿng Hoa Kỳ (AMS), lũ quét là mát

d¿ng lũ đặc thù, n¡i mức n°ãc dâng lên và giÁm xuáng nhanh chóng và ít có

dấu hiệu báo tr°ãc, th°ång là kÁt quÁ căa đÿt m°a lãn xÁy ra trên mát khu vực t°¡ng đái nhß [231] Theo C¡ quan Dách vā Khí t°ÿng Mā (AMS)[188],

lũ quét là lo¿i lũ lên và xuáng rất nhanh mà có ít hoặc hầu nh° không có cÁnh báo tr°ãc do m°a lãn xÁy ra trên khu vực t°¡ng đái nhß Theo Younis and Thielen [236], lũ quét đ°ÿc đánh nghĩa bằng sự xuất hiện vãi tác đá nhanh sau l°ÿng m°a cāc bá vãi c°ång đá m¿nh

T¿i Việt Nam, theo Cao Đặng D° và Lê BÅc Huỳnh [7], lũ quét th°ång là

nhāng trÃn lũ lãn, xÁy ra bất ngå, tãn t¿i trong mát thåi gian ngÅn, lên nhanh,

xuáng nhanh, dòng chÁy xiÁt, và có hàm l°ÿng chất rÅn cao gây ra sức tàn phá

lãn æ nghiên cứu khác, theo Ngô Đình Tuấn [17], lũ quét là lo¿i lũ có tác đá

rất lãn, xÁy ra bất ngå, th°ång xuyên xuất hiện vào ban đêm, trên mát diện tích nhß hay lãn, duy trì trong mát thåi gian ngÅn hay dài mang nhißu bùn cát,

có sức tàn phá lãn Theo Lã Thanh Hà và Ngô Trãng ThuÃn [16], lũ quét là lũ hình thành do m°a kÁt hÿp vãi các tổ hÿp bất lÿi vß đißu kiện đáa hình, đáa

m¿o, lãp phă, sinh ra dòng chÁy bùn đá trên các s°ån dác Dòng chÁy lũ th°ång rất nhanh có thá gây ra nhāng tàn phá bất ngå và nghiêm trãng ç khu

vực s°ån núi và dãc sông

Nhìn chung, lũ quét là hiện t°ÿng xÁy ra bất ngå và đát ngát, th°ång

diễn ra trong khoÁng thåi gian ngÅn, th°ång d°ãi sáu giå, đãng thåi có m°a

luan van thac si luan van thac si

lãn hoặc m°a liên tāc [27] Nhāng trÃn lũ quét có thá cuán theo nhāng vÃt thá nguy hiám do thăy lực lãn và t¿o ra nhāng Ánh h°çng tự nhiên đặc biệt nguy

hiám đái vãi c¡ sç h¿ tầng và đåi sáng con ng°åi [122, 245] HÃu quÁ căa lũ quét th°ång gây ra rất nặng nß cho các n°ãc trên thÁ giãi [33, 96, 103, 171],

do đó, con ng°åi cần phÁi chu¿n bá và phòng tránh káp thåi đá giÁm thiáu thiệt h¿i

1.3 Táng quan tình hình nghiên cąu lj quét trên th¿ gißi

Nghiên cứu vß phân vùng và dự báo lũ lāt nói chung và lũ quét nói riêng là mát lĩnh quan trãng nhÃn đ°ÿc sự quan tâm lãn từ cáng đãng các nhà nghiên cứu Có rất nhißu mô hình, ph°¡ng pháp và công cā đã đ°ÿc phát trián

đá giÁi quyÁt vấn đß này, bao gãm từ các mô hình giÁn đ¡n cho đÁn các hệ

tháng mô hình toán hãc phức t¿p [172, 229] Vß c¡ bÁn, có thá phân chia thành ba nhóm chính: Nhóm 1: các mô hình phân tích tháng kê; Nhóm 2: các

mô hình mô phßng quan hệ l°ÿng m°a-dòng chÁy; và Nhóm 3: các mô hình

dựa theo giÁ thuyÁt tháng kê <on-off= [213]

Các mô hình Nhóm 1 th°ång sÿ dāng dā liệu đa thåi gian thu thÃp từ các tr¿m quan trÅc mực n°ãc và mức đá lũ trong khoÁng thåi gian dài đá xây

dựng các mô hình hãi quy Sau đó các mô hình này đ°ÿc áp dāng đá nái suy

ra toàn l°u vực, từ đó có thá dự báo các kách bÁn xÁy ra lũ lāt theo cÁ vá trí và

thåi gian [65, 157, 238], chẳng h¿n nh° các mô hình Copula [241], mô hình Gumbel hßn hÿp [238], mô hình tích hÿp Gumbel–Hougaard Copula [240],

mô hình tần xuất tháng kê [42] Tuy nhiên, trong thực tÁ, dā liệu quan trÅc trong chu kỳ dài th°ång rất hiÁm, đặc biệt t¿i các n°ãc đang phát trián nh°

Việt Nam

Nhóm 2 gãm các mô hình đ°ÿc phát trián dựa trên mô phßng mái quan

hệ giāa l°ÿng m°a dòng chÁy Đây là nhóm các mô hình đ°ÿc sÿ dāng ráng rãi nhất hiện nay trong quÁn lý l°u vực và dự báo lũ [40, 60, 166] Rất nhißu

luan van thac si luan van thac si

các mô hình L°ÿng m°a - Dòng chÁy đã đ°ÿc phát trián thành công, từ các

mô hình thực nghiệm cho đÁn các mô hình thăy văn- thăy lực phức t¿p Trong khi các mô hình thực nghiệm sÿ dāng dā liệu đa thåi gian t¿i các tr¿m quan

trÅc đá xây dựng các mô hình hãi quy L°ÿng m°a-Dòng chÁy [47] [149], thì các mô hình thăy văn-thăy lực, chẳng h¿n nh° mô hình HEC-HMS/RAS [131], HYDROTEL [86], Wetspa [148], SWAT [123], MIKE [206], KINEROS2/AGWA[95], và HiResFlood-UCI [168] tÃp trung vào việc mô

phßng các quá trình lan truyßn dòng chÁy bß mặt thông qua mát tÃp hÿp các ph°¡ng trình toán hãc phức t¿p [34, 41, 43, 59, 97] Nhìn chung, nhóm các

mô hình này cần dā liệu theo dõi thăy văn đă dài t¿i các tr¿m quan trÅc đá có

thá mô hình hóa và dự báo chính xác vá trí và thåi điám lũ lāt Tuy nhiên, đái

vãi các n°ãc đang phát trián khi mà mÃt đá các tr¿m quan trÅc rất th°a, thåi gian quan trÅc không đă dài gây khó khăn trong việc phát trián các mô hình

dự báo lũ lāt có đá chính xác cao [83] Vß c¡ bÁn, do tính chất phi tuyÁn và

phức t¿p căa lũ quét, các mô hình mô phßng l°ÿng m°a-dòng chÁy vÁn đang

gặp nhißu khó khăn đá có thá dự báo lũ lāt đá chính xác cao khi mÃt đá các

hiện tr¿ng lũ quét đã xÁy ra trong khu vực [208]

Quá trình mô hình hóa phân vùng và dự báo lũ quét trç thành bài toán máy hãc phân lo¿i hai lãp: lãp lũ quét và không lũ quét, đ°ÿc gãi tÅt là phân

lo¿i "on-off" Trá xác xuất thuác vß lãp lũ quét đ°ÿc sÿ dāng làm chß sá dự

luan van thac si luan van thac si

báo lũ quét Mặc dù các mô hình này không dự báo thåi điám xÁy ra lũ quét, nh°ng l¿i có khÁ năng phân đánh các khu vực có xác suất xÁy ra lũ quét đá chính xác cao Vì vÃy, các mô hình này trç thành công cā hāu ích trong quÁn

lý và phòng cháng lũ, đặc biệt là khi áp dāng cho khu vực ráng lãn

Các mô hình trong Nhóm 3 bao gãm nhißu ph°¡ng pháp và kā thuÃt khác nhau đá mô hình hóa và dự báo lũ quét nh° mô hình phân tích thứ bÃc AHP [127], mô hình tần xuất tháng kê [142, 203], mô hình hãi quy Logistic [82, 200], mô hình trãng sá Bayesian [202], và mô hình dựa trên hệ logic må [181] Vấn đß lũ quét là mát thách thức lãn do tính chất phi tuyÁn và phức t¿p nên gặp nhißu khó khăn trong mô hình hóa và dự báo Do đó, trong vài năm

trç l¿i đây, các mô hình trí tuệ nhân t¿o và kā thuÃt khai phá dā liệu mãi bÅt đầu đ°ÿc nghiên cứu vãi kÁt quÁ ban đầu hÁt sức hứa hẹn, bao gãm mô hình n¡-ron nhân t¿o đa lãp [130, 195], mô hình cây quyÁt đánh [201], máy hãc hß

trÿ vector [204], K-Láng gißng gần nhất [146], mô hình cây hãi quy M5 [193], mô hình neural-fuzzy (n¡-ron - må) [216], mô hình rừng ngÁu nhiên [144], mô hình lai ghép Bayesian [209], mô hình kÁt hÿp cây phân lo¿i và hãi quy logic [54]

Vì lũ quét xÁy ra phā thuác nhißu vào tính chất đáa hình, đáa chất, thăy văn khu vực, do vÃy, vấn đß tái °u hóa mô hình bÅt đầu đ°ÿc xem xét, bao

gãm mô hình lai ghép giāa hệ logic må và m¿ng trí tuệ nhân t¿o, kÁt hÿp vãi

tái °u hóa [214] KÁt quÁ cho thấy mô hình đß xuất có đá chính xác cao, tát h¡n các mô hình trí tuệ nhân t¿o khác nh° mô hình m¿ng n¡-ron nhân t¿o đa

lãp, mô hình cây quyÁt đánh, và mô hình máy hãc hß trÿ vector

Vß tổng thá, nghiên cứu lũ lāt trên thÁ giãi hiện nay tÃp trung vào phát trián mô hình, thành lÃp các bÁn đã phân vùng và dự báo đá chính xác cao trên c¡ sç ứng dāng các mô hình trí tuệ nhân t¿o, khai phá dā liệu, mô hình lai ghép, kÁt hÿp vãi các kā thuÃt tái °u hóa mãi Nhāng tiÁn trián trong các

luan van thac si luan van thac si

lĩnh vực này có thá giúp nâng cao khÁ năng dự báo và phòng tránh lũ lāt, đãng thåi mang l¿i thông tin quan trãng cho quÁn lý thÁm hãa và phát trián chiÁn l°ÿc phòng cháng lũ lāt hiệu quÁ

1.4 T áng quan tình hình nghiên cąu lj quét t¿i Viát Nam

T¿i Việt Nam, nhißu nghiên cứu vß lũ quét đã đ°ÿc thực hiện, vãi mát

sá nghiên cứu đáng chú ý bao gãm:

Cao Đặng D° và nhóm nghiên cứu [6, 8, 9] đã tiÁn hành nghiên cứu đißu tra lũ quét trong giai đo¿n 1951-2001 trên toàn lãnh thổ Việt Nam KÁt

quÁ nghiên cứu cho thấy rằng lũ quét trên s°ån dác là mát hiện t°ÿng phổ

biÁn vãi m°a đ°ÿc xác đánh là bÁn đã thành phần Ánh h°çng quan trãng nhất

Đá đánh giá nguy c¡ lũ quét, nhóm nghiên cứu đã phân vùng thành bán cấp nguy c¡ [6] rất cao, cao, trung bình, thấp Ngoài ra l°ÿng m°a là yÁu tá quan

trãng Ánh h°çng đÁn lũ quét s°ån dác Vì vÃy, đá tăng tính khách quan căa

kÁt quÁ nghiên cứu, nên cân nhÅc sÿ dāng nhißu ph°¡ng pháp và nguãn dā

liệu khác nhau, cũng nh° ph°¡ng pháp chuyên gia trong lĩnh vực liên quan đá đ°a ra kÁt luÃn chính xác và đầy đă h¡n

Đào Minh Đức và nhóm nghiên cứu [10], đã tiÁn hành nghiên cứu vß nguy c¡ lũ quét trên l°u vực suái Nghĩa Đô, huyện BÁo Yên, tßnh Lào Cai sÿ

dāng ph°¡ng pháp tháng kê vãi māc tiêu giÁi thích cÁ quy luÃt vß không gian

và thåi gian hình thành lũ quét KÁt quÁ nghiên cứu cho thấy biÁn đáng căa lũ quét trên suái Nghĩa Đô diễn ra nhanh chóng và bất ngå, chă yÁu phā thuác vào l°ÿng m°a trong khoÁng 24 giå Đặc biệt, chß cần l°ÿng m°a 24 giå v°ÿt quá 29 mm là đă đá t¿o ra lũ quét

Đào Văn Thánh [11] đã tiÁn hành nghiên cứu đißu tra hiện tr¿ng lũ quét, sau đó sÿ dāng kiÁn thức chuyên gia, đi tìm nguyên nhân xÁy ra trong mái quan hệ vãi các bÁn đã thành phần đáa hình, đáa chất và khí hÃu, cuái cùng, đß

xuất mát sá giÁi pháp phòng tránh Tuy nhiên, ph°¡ng pháp sÿ dāng kiÁn

luan van thac si luan van thac si

thức chuyên gia đá gán trãng sá và chãng gáp các thành phần trong bÁn đã

kÁt quÁ có thá gây ra tính chă quan và phā thuác vào trình đá chuyên môn căa ng°åi thực hiện nghiên cứu Vì vÃy, cần có thêm các ph°¡ng pháp khác nhau trong đánh giá nguy c¡ lũ quét đá đÁm bÁo tính khách quan và đá chính xác

căa kÁt quÁ

D°¡ng Thá Lÿi và Đặng Ph°¡ng Lan [13] đã thực hiện nghiên cứu

nhằm xác đánh các khu vực có nguy c¡ lũ quét cao dựa vào đặc điám thực tÁ

căa khu vực nghiên cứu, sÿ dāng mô hình đa chß tiêu Trong nghiên cứu này, các tiêu chí nh° đá dác, hiện tr¿ng sÿ dāng đất, thành phần c¡ giãi đất và l°ÿng m°a đ°ÿc lựa chãn và đánh trãng sá t°¡ng ứng vãi mức đá Ánh h°çng

căa các yÁu tá đó đÁn tißm năng lũ quét t¿i khu vực nghiên cứu Ph°¡ng pháp phân tích thứ bÃc AHP đ°ÿc sÿ dāng đá xác đánh mái t°¡ng quan so sánh

giāa các tiêu chí và xây dựng bÁn đã phân vùng nguy c¡ lũ quét

Hã TiÁn Chung và nhóm nghiên cứu[14] đã tÃp trung vào việc nghiên

cứu và dự báo hiện tr¿ng lũ quét và tr°ÿt lç đất dãc theo tuyÁn Quác Lá 32 ç các tßnh Yên Bái và Lai Châu trong gian đo¿n 2008-2010 Nghiên cứu đã đ°a

ra nguyên nhân gây tr°ÿt lç, lũ quét đãng thåi phân vùng dự báo tr°ÿt lç và lũ quét Các biện pháp phòng tránh và giÁm thiáu thiệt h¿i do tai biÁn đáa chất tr°ÿt lç và lũ quét cũng đ°ÿc đß xuất trong nghiên cứu này

Lã Thanh Hà và nhóm nghiên cứu [15], tÃp trung vào việc mô phßng

l¿i trÃn lũ quét lách sÿ gây thiệt h¿i lãn t¿i t¿i l°u vực suái Phà, xã Cát Thánh Cát, huyện Văn Chấn, tßnh Yên Bái vào đêm 27/9/2005 Trong nghiên cứu này,

hã đã sÿ dāng mát ph°¡ng pháp kÁt hÿp thực đáa, mô hình thăy văn – thăy lực

và GIS Nghiên cứu áp dāng mô hình HEC-HMS và HEC-RAS trên nßn tÁng

phần mßm ArcView KÁt quÁ mô phßng l°u l°ÿng căa mô hình khá phù hÿp

vãi dā liệu đo l°u l°ÿng và vÁt lũ Tuy nhiên, việc thực hiện các mô hình này trên khu vực thiÁu tr¿m quan trÅc thăy văn có thá gặp nhißu khó khăn

luan van thac si luan van thac si

Ngô Thá Ph°ÿng và nhóm nghiên cứu [18] đã tÃp trung vào tình hình tr°ÿt-lç, lũ quét-lũ bùn đá đã xÁy ra ç khu vực huyện Yên Minh và huyện Hoàng Su Phì, huyện Xín Mần tßnh Hà Giang Nghiên cứu này bao gãm các

phần nh° giãi thiệu vß tình hình hiện t¿i căa các hiện t°ÿng thiên tai này và

dự báo nguy c¡ tr°ÿt-lç và lũ quét-lũ bùn đá, đãng thåi cũng đß xuất nhāng

giÁi pháp phòng tránh đá giÁm thiáu nguy c¡ và thiệt hai do tr°ÿt-lç và lũ quét-lũ bùn đá

Nguyễn KhÅc HÁi [20] tÃp trung vào ứng dāng mô hình m¿ng trí tuệ nhân t¿o đá mô phßng và dự báo lũ quét cho mát sá l°u vực sông nhß nh°: sông Dinh - Bình ThuÃn, NÃm La – S¡n La, sông Vệ - QuÁng Ngãi KÁt quÁ nghiên cứu đã so sánh quá trình l°u l°ÿng giāa mô phßng và thực tÁ là tát Đây là kÁt quÁ nghiên cứu đáng chú ý vß ứng dāng mô hình m¿ng trí tuệ nhân

t¿o đá mô phßng và dự báo lũ quét cho các l°u vực sông nhß Tuy nhiên, đá nâng cao tính ứng dāng căa mô hình, việc nái suy trên toàn bá l°u vực cần đ°ÿc xem xét Nên cần phÁi lựa chãn và kÁt hÿp các mô hình khác, sÿ dāng các công nghệ kā thuÃt mãi đá khÅc phāc việc còn thiÁu các dā liệu quan trÅc

và nâng cao đá chính xác trong dự báo lũ quét là mát việc hÁt sức quan trãng

Nguyễn Ngãc Th¿ch [21] tÃp trung vào việc xây dựng bÁn đã nguy c¡

lũ quét cho các đáa ph°¡ng nh° tßnh Vĩnh Phúc, tßnh BÅc K¿n và huyện PÅc

NÃm, BÅc K¿n BÁn đã thành phần lũ quét đ°ÿc xác đánh dựa trên các thành

phần: đá dác trung bình phā l°u, lãp phă thực vÃt và m°a cực đ¿i năm Tác

giÁ sÿ dāng ph°¡ng pháp AHP đá xác đánh trãng sá nhân tá ban đầu cho các

yÁu tá và sÿ dāng lũ quét quá khứ đá hiệu chßnh và kiám chứng kÁt quÁ Điám

mãi căa nghiên cứu là việc đ°a thêm nhân tá dòng chÁy tích lũy Tuy nhiên,

đá chính xác dự báo căa mô hình AHP là thấp so vãi các mô hình máy hãc nên cần nghiên cứu các mô hình máy hãc mãi cho lĩnh vực lũ quét

luan van thac si luan van thac si

Nguyễn Ngãc Việt [22] nghiên cứu xây dựng bÁn đã phân vùng lũ quét cho hai huyện Mai Châu và Kim Bôi Sau đó thiÁt lÃp tr¿m quan trÅc đo m°a, phân tích, và đ°a ra dự báo lũ quét Từ đó, đß xuất các biện pháp quÁn lý, giám sát phòng cháng thiên tai Tuy nhiên, kiÁn thức chuyên gia vÁn đ°ÿc sÿ

dāng đá gán trãng sá cho các bÁn đã thành phần Do vÃy, chất l°ÿng phân vùng và dự báo lũ lāt vÁn mang tính chă quan cao

Nguyễn Trãng Yêm và nhóm nghiên cứu[23] tÃp trung vào đánh giá tai biÁn môi tr°ång tự nhiên và xây dựng bÁn đã phân vùng đá tìm giÁi pháp phòng cháng và giÁm nhẹ thiệt h¿i Nhìn chung, nghiên cứu này đặt ra các c¡

sç cho việc hiáu và ứng phó vãi tai biÁn môi tr°ång tự nhiên thông qua sự kÁt

hÿp căa đánh giá, phân vùng và đß xuất giÁi pháp phòng cháng

Báo cáo căa Viện Khoa hãc Khí t°ÿng Thăy văn và BiÁn đái khí hÃu [26] vß dự án đißu tra, khÁo sát, phân vùng và dự báo khÁ năng xuất hiện lũ quét ç mißn núi Việt Nam đ°ÿc thực hiện từ năm 2010 đÁn năm 2018 vãi 2 giai đo¿n Trong đó, giai đo¿n 1 căa dự án đ°ÿc thực hiện từ năm 2010 đÁn

2012 t¿i 14 tßnh vùng mißn núi BÅc Bá; giai đo¿n 2 từ năm 2013 – 2018 t¿i khu

vực mißn Trung và Tây Nguyên KÁt quÁ đã đ¿t đ°ÿc nhāng thành tựu đáng ká, đặc biệt là việc xác đánh nguy c¡ và phân vùng lũ quét Các kÁt quÁ này có thá làm c¡ sç cho việc thực hiện các biện pháp dự báo và phòng tránh lũ quét ç các khu vực mißn núi Việt Nam, giúp giÁm thiáu thiệt h¿i do lũ quét gây ra

Đá giÁi quyÁt khó khăn trong mô hình hóa và dự báo lũ quét do thiÁu

hoặc không có tr¿m quan trÅc, nhāng năm gần đây, h°ãng tiÁp cÃn mãi cho lũ quét đ°ÿc đß xuất, đ°ÿc đặt tên là phân lo¿i <on-off = [202, 204, 217] Bùi

TiÁn Diệu và nhóm nghiên cứu [217] đã đß xuất mô hình neural-fuzzy kÁt hÿp

vãi tái °u hóa cho phân vùng dự báo vá trí lũ quét Ngoài ra, Bùi TiÁn Diệu và Hoàng NhÃt Đức [209] phát trián mô hình tích hÿp tháng kê Bayer, đ°ÿc đặt tên là BayGmmKda, dự báo vá trí lũ quét KÁt quÁ nghiên cứu cho thấy mô

luan van thac si luan van thac si

hình này đ¿t đá chính xác cao trong dự báo vá trí xÁy ra lũ quét mà không yêu

cầu dā liệu thăy văn t¿i các tr¿m quan trÅc Các kÁt quÁ nghiên cứu này có ý nghĩa lãn trong công tác quÁn lý lũ cho các l°u vực Tuy nhiên, điám h¿n chÁ

căa cách tiÁp cÃn này là ch°a thá dự báo đ°ÿc thåi điám chính xác khi nào lũ quét s¿ xÁy ra

Nhìn chung, các nghiên cứu trên là b°ãc khçi đầu cho nghiên cứu lũ quét rất tích cực, cung cấp t° liệu đißu tra tháng kê tát vß lũ quét, đã lý giÁi đ°ÿc phần nào nguyên nhân hình thành lũ quét, đã xác đánh đ°ÿc các bÁn đã thành phần Ánh h°çng lũ quét Tuy nhiên đá nâng cao đá chính xác dự báo,

phāc vā công tác quÁn lý l°u vực và giÁm thiáu thiệt h¿i do lũ quét gây ra thì

cần phÁi nghiên cứu đá áp dāng nhāng tiÁn bá khoa hãc và công nghệ mãi vào lĩnh vực này

1.5 ĐiÃm mßi đ°ÿc phát triÃn trong lu¿n án

LuÃn án phát trián các mô hình dự báo và phân vùng lũ quét dựa trên

giÁ thuyÁt tháng kê <on-off= [213], thuác nhóm 3 đã trình bày trong māc 1.2 bên trên Theo đó, nhāng vấn đß đ°ÿc phát trián trong luÃn án này nh° sau:

ĐiÃm mßi 1: Nghiên cứu ứng dāng Ánh Radar Sentinel-1, đá phân giÁi

10 m, chu kỳ bay lặp 12 ngày, thành lÃp bÁn đã hiện tr¿ng lũ quét

Nh° trình bày bên trên, mặc dù h°ãng nghiên cứu nhóm 3 này không đòi hßi bÅt buác dā liệu quan trÅc t¿i các tr¿m thăy văn nh° các mô hình truyßn tháng, tuy nhiên l¿i đòi hßi phÁi có dā liệu hiện tr¿ng lũ quét đã xÁy ra

t¿i khu vực trong quá khứ và hiện t¿i Đá có bÁn đã hiện tr¿ng lũ quét, các nghiên cứu trên thÁ giãi hiện t¿i hầu hÁt sÿ dāng máy đo GPS cầm tay đá xác đánh vÁt lũ ngoài thực đáa Việc ứng dāng Ánh quang hãc xác đánh vÁt lũ quét

là không khÁ thi do Ánh h°çng căa mây Trong khi đó, các Ánh radar truyßn

tháng do chu kỳ bay lặp dài và đá phân giÁi thấp, việc xác đánh vÁt lũ quét rất

luan van thac si luan van thac si

khó khăn Do vÃy, trong luÃn án này, Ánh Radar Sentinel-1 đ°ÿc xem xét và ứng dāng thành công cho xác đánh lũ quét t¿i Viêt Nam

ĐiÃm mßi 2: Nghiên cứu các mô hình trí tuệ nhân t¿o mãi nhằm nâng

cao đá chính xác cho dự báo và phân vùng lũ quét Các mô hình này lần đầu tiên đ°ÿc nghiên cứu ứng dāng lũ quét, cā thá bao gãm:

- Phát trián đ°ÿc mô hình FA-LM-ANN mãi cho cÁnh báo lũ quét Mô hình này là sự kÁt hÿp các thuÃt toán ANN, Firefly Algorithm (FA) và Levenberg – Marquardt (LM), cho phép tự đáng tìm kiÁm, cÃp nhÃt và tái °u hóa trãng sá căa mô hình dự báo lũ quét

- Phát trián đ°ÿc mô hình PSO-ELM mãi cho cÁnh báo lũ quét Mô hình này xây dựng dựa trên sự kÁt hÿp thuÃt toán máy hãc cực đá Extreme Learning Machines (ELM) và thuÃt toán tái °u hóa Particle Swarm Optimization (PSO)

- Phát trián đ°ÿc mô hình Ensemble learning mãi cho cÁnh bÁo lũ quét Đây là mô hình tích hÿp các thuÃt toán di truyßn GA (Genetic Algorithm), thuÃt toán luÃt må FURIA, thuÃt toán cây quyÁt đánh (Decision Trees)

luan van thac si luan van thac si

CH¯¡NG 2: KHU VĀC NGHIÊN CĄU VÀ C¡ Sâ KHOA HâC 2.1 L āa chãn khu vāc nghiên cąu

Việt Nam hiện nằm trong táp m°åi các n°ãc bá Ánh h°çng nặng nß

nhất vß thiên tai do biÁn đổi khí hÃu vãi bão, áp thấp nhiệt đãi, lũ lāt, s¿t lç đất và h¿n hán [64] Trong đó, lũ quét là thÁm hãa thiên nhiên khác liệt gây ra

mức đá tàn phá lãn nhất t¿i Việt Nam, đặc biệt là các tßnh mißn núi phía BÅc Trong các năm gần đây, biÁn đổi khí hÃu đã t¿o ra các hình thái thåi tiÁt bất th°ång, không theo quy luÃt, trong đó m°a lãn và lũ quét đã xÁy ra ngày càng nghiêm trãng, gây thiệt h¿i rất lãn đÁn kinh tÁ - xã hái, tính m¿ng ng°åi dân; làm Ánh h°çng lãn đÁn các chß tiêu phát trián kinh tÁ - xã hái Đián hình gần đây nhất là trÃn lũ quét xÁy ra vào đầu tháng 8 năm 2017, đã làm 44 ng°åi

chÁt và mất tích, gây thiệt h¿i kinh tÁ °ãc tính 1.190 tÿ đãng; đ°ÿc đánh giá là

trÃn lũ quét lãn nhất trong khoÁng 70 năm qua Theo báo cáo căa Tổng cāc Phòng cháng thiên tai, năm 2018 thiên tai xÁy ra liên tiÁp trên các vùng mißn

cÁ n°ãc và gây thiệt h¿i vß kinh tÁ °ãc tính 20.000 tÿ đãng, làm 218 ng°åi

chÁt và mất tích [24]

Trong các tßnh thuác mißn núi phía bÅc, Lào Cai là n¡i Ánh h°çng nặng

nß nhất bçi lũ quét Đây là tßnh nằm chính giāa vùng Đông BÅc và vùng Tây

BÅc căa Việt Nam Lào Cai có tãa đá đáa lý từ 210 48‘ đÁn 220 50‘ vĩ đá BÅc và

từ 1020 32‘ đÁn 1040 38‘ đá kinh Đông Tổng diện tích khoÁng 6.383,88 km2 và đ¡n vá hành chính gãm 1 thành phá Lào Cai và 8 huyện là Sa Pa, Bát Xát,

BÁo Yên, BÁo ThÅng, Si Ma Cai, Văn Bàn, M°ång Kh°¡ng, BÅc Hà Do đißu

kiện đáa hình, Lào Cai nằm trong vùng trãng điám căa lũ quét T¿i đây, đã

xÁy ra nhißu trÃn lũ quét trong quá khứ gây thiệt h¿i lãn

Chẳng h¿n, trÃn lũ quét xÁy ra ç huyện Bát Xát (tßnh Lào Cai) vào tháng 8/2016 đã nhanh chóng nhấn chìm mát cây cầu treo và cuán trôi 10 ng°åi dân đáa ph°¡ng Trong tháng 6/2018, theo Ban Chß đ¿o Trung °¡ng

luan van thac si luan van thac si

vß phòng cháng thiên tai, lũ quét xÁy ra ç vùng Tây BÅc làm h° hßng 80 ngôi nhà và h¡n 700 ha ruáng lúa; tổng thiệt h¿i °ãc tính là 23,2 triệu USD [93] R¿ng sáng ngày 22/10/2018, lũ quét kèm theo s¿t lç đã xÁy ra ç xã Nghĩa Đô, huyện BÅc Yên, tßnh Lào Cai đã gây thiệt h¿i vß rau màu (183 ha), chăn nuôi (3,177 con) và hệ tháng thăy lÿi, điện, n°ãc sinh ho¿t bá Ánh h°çng nặng nß và thiệt h¿i kinh tÁ °ãc tính h¡n 20 tÿ đãng [12] Đián hình nh° các trÃn lũ quét xÁy ra năm 2012, 2016, 2017 và 2018 gây thiệt h¿i vß ng°åi và tài sÁn lên đÁn hàng nghìn tÿ đãng [1-5] Do vÃy, trong luÃn án này, tßnh Lào Cai đ°ÿc lựa chãn

Hình 2.1 V ị trí khu vực nghiên cāu

Do đißu kiện ngân sách và thåi gian, các nghiên cứu chß tÃp trung t¿i hai huyện, BÅc Hà và BÁo Yên Hai huyện này bao phă mát vùng diện tích vào khoÁng 1510,4 km2, có tãa đá đáa lý từ 22°5′ đÁn 22°40′ vĩ đá BÅc và từ 104°10′ đÁn 105°37′ đá kinh Đông, đá cao trÁi từ 38,9 m tãi 1878,69 m trên

luan van thac si luan van thac si

mực n°ãc bián, vãi đá cao trung bình là 538,1m Các khu vực vãi đá dác từ

100 đá tãi 400 đá, chiÁm 85,4% tổng diện tích nghiên cứu, trong đó trung bình 11,5% tổng khu vực nghiên cứu có đá dác thấp h¡n 100 và diện tích có đá dác

lãn h¡n 400 chß chiÁm 3.1% tổng diện tích nghiên cứu

Đây là khu vực mißn núi đián hình vãi m¿ng l°ãi sông ngòi phức t¿p Trong vùng có 2 sông lãn là Sông Hãng và Sông ChÁy Sông Hãng là dòng sông lãn nhất chia đôi tßnh Lào Cai và chÁy qua vùng BÅc Hà và BÁo Yên vãi đá dài khoÁng 28,7 km, l°u l°ÿng dòng chÁy khá lãn Sông ChÁy là dòng sông lãn chÁy từ BÅc xuáng Nam vãi đá dài °ãc tính là 91,6 km, có

đá dác lãn, dòng chÁy xiÁt, là th°ÿng nguãn chính căa thuÿ điện Thác Bà,

có nhißu thác gßnh ç phía BÅc

BÅc Hà và BÁo Yên là vùng đãi núi đián hình vãi khí hÃu l¿nh khô từ tháng m°åi đÁn tháng ba Đáng chú ý là, gió mùa nhiệt đãi trong mùa m°a th°ång xÁy ra từ tháng 4 đÁn tháng 9 L°ÿng m°a hàng năm thay đổi từ 12,7mm (tháng m°åi hai) đÁn 540 mm (tháng tám) và tổng l°ÿng m°a là 1843,7 mm (đ°ÿc đo ç tr¿m BÅc Hà vào năm 2016) [98] L°ÿng m°a vào mùa m°a chiÁm đÁn h¡n 80% tổng l°ÿng m°a năm M°a tÃp trung chă yÁu vào tháng 6, 7, 8 vãi tổng l°ÿng m°a căa ba tháng này chiÁm tãi h¡n 50% l°ÿng m°a hằng năm từ năm 2010-2016 [98] Nhiệt đá trung bình hằng năm thay đổi từ 19,270C đÁn 23,770 C vãi nhiệt đá hằng tháng thấp nhất là 12,10 C vào tháng 1 (đo ç tr¿m BÅc Hà) và nhiệt đá hàng tháng cao nhất là 29,50 C vào tháng 6 (đo ç tr¿m BÅc Hà)[98]

Theo Tổng cāc Tháng kê Việt Nam vào năm 2017, tổng sá dân căa BÅc

Hà và BÁo Yên là 145.208 ng°åi, chă yÁu là ng°åi dân tác thiáu sá vãi đißu

kiện kinh tÁ và giáo dāc còn h¿n chÁ, cùng vãi sự phát trián dân sá tự phát và

n¿n chặt phá rừng [138], nên có nguy c¡ xÁy ra các tai biÁn thiên nhiên cao đặc biệt là lũ quét Hàng năm, BÅc Hà và BÁo Yên th°ång đón nhāng trÃn

luan van thac si luan van thac si

m°a dā dái, nặng h¿t, ví dā, lũ quét xÁy ra vào ngày 12 tháng 9 năm 2012 ç

NÃm Chăm, huyện BÅc Hà đã làm 12 ng°åi chÁt và phá hăy rất nhißu nhà

cÿa M°a bão lãn và khÅc nghiệt do áp thấp nhiệt đãi xÁy ra trong 3 ngày

10-12 tháng 10 năm 2017 ç mißn BÅc Việt Nam (bao gãm cÁ khu vực BÅc Hà và

BÁo Yên) gây ra lũ quét lãn và phá hăy h¡n 16 nghìn ngôi nhà

2.2 C¢ sã khoa hãc

2.2.1 Phương pháp luận phát hiện lũ quét sử dụng ảnh Radar Sar Sentinel-1

2.2.1.1 D ữ liệu ảnh Radar Sar Sentinel-1

Mô hình phân vùng khu vực có nguy c¡ lũ quét sÿ dāng thuÃt toán máy hãc trong luÃn án này đòi hßi bÁn đã hiện tr¿ng lũ quét trong đó thá hiện các vùng lũ quét đã xÁy ra trong quá khứ và hiện t¿i [44, 209]; do đó, việc thành

lÃp mát bÁn đã hiện tr¿ng lũ quét là vấn đß then chát và là nhiệm vā bÅt buác Tr°ãc đây, việc lÃp bÁn đã hiện tr¿ng lũ quét vÁn là rất khó khăn, bçi vì khác

vãi lũ th°ång, lũ quét th°ång xÁy ra trong khoÁng thåi gian ngÅn, ph¿m vi lũ quét không quá lãn, do vÃy rất khó đá quan sát và phát hiện [44] Đá thành lÃp

bÁn đã hiện tr¿ng lũ quét, Ánh quang hãc không phù hÿp bçi lũ quét th°ång

xÁy ra khi thåi tiÁt xấu và tråi nhißu mây [209] Do vÃy, hầu hÁt các nghiên

cứu đã công bá tr°ãc đây đßu thu thÃp nhāng sự kiện lũ quét sÿ dāng GPS

cầm tay và khÁo sát thực đáa Công việc này rất tán thåi gian và không hiệu

quÁ vß chi phí, ví dā ç các nghiên cứu căa Tehrany cùng cáng sự [204] và Khosravi cùng cáng sự [129]

Trong nghiên cứu này, dā liệu Ánh Sentinel-1A chāp t¿i thåi điám tr°ãc và sau khi xÁy ra lũ quét đ°ÿc sÿ dāng đá thành lÃp bÁn đã hiện tr¿ng lũ quét Sentinel-1A là vệ tinh không gian đ°ÿc phóng vào ngày 3 tháng 4 năm

2014 bçi C¡ quan Vũ trā Châu Âu (ESA) trong ch°¡ng trình Copernicus [66] Vệ tinh này có thåi gian lặp l¿i chu kỳ là 12 ngày, cung cấp dā liệu SAR

luan van thac si luan van thac si

Độ phân

gi Ái không gian (m)

Kích th°ßc

d Ái chāp (km)

Dā liệu phân cực kép VV đã đ°ÿc lựa chãn do có khÁ năng cung cấp

kÁt quÁ tát h¡n dā liệu phân cực chéo VH trong nghiên cứu vß lũ lāt [61, 75,

80, 220] Do đó, tổng sá 4 Ánh (BÁng 2.2) đ°ÿc lấy ç chÁ đá IW (swath width

250 km và đá phân giÁi không gian 10 m), đánh d¿ng GRD (Ground Range Detected) mức đá 1, và h°ãng tăng dần Dā liệu Ánh Sentinel-1A đ°ÿc tÁi

xuáng từ trang WEB có đáa chß: https://scihub.copernicus.eu/dhus/#/home

BÁng 2.2 Ành SAR Sentinel-1A sÿ dāng cho việc phát hiện lũ quét [177]

Ngày ch āp Ch¿ độ Phân cāc Qu ÿ

đ¿o H°ßng bay Ghi chú

23/07/2017 IW VV 26 Nam-BÅc Tr°ãc lũ quét 30/07/2017 IW VV 128 Nam-BÅc Tr°ãc lũ quét 04/08/2017 IW VV 26 Nam-BÅc Sau lũ quét 10/10/2017 IW VV 128 Nam-BÅc Sau lũ quét

luan van thac si luan van thac si

2.2.1.2 Phương pháp phát hiện lũ quét sử dụng ảnh Radar Sar Sentinel-1

Nái dung nghiên cứu này đã đ°ÿc nghiên cứu sinh công bá ç bài báo [177] Ph°¡ng pháp luÃn đ°ÿc sÿ dāng đá có đ°ÿc hiện tr¿ng lũ quét cho vùng nghiên cứu là sÿ dāng Ánh SAR Sentinel-1A đ°ÿc thá hiện ç Hình 2.2 Ph°¡ng pháp này sÿ dāng khái niệm phát hiện thay đổi nên cần phÁi có các

cặp Ánh chāp tr°ãc và sau sự kiện lũ quét phÁi cùng h°ãng vệ tinh

Hình 2.2 Phương pháp luận phát hiện lũ quét sử dụng ảnh

Sentinel-1 [177]

Quá trình xÿ lý Ánh Sentinel-1 GRD đã đ°ÿc nghiên cứu sinh công bá

ç bài báo [19] bao gãm nhāng b°ãc chính sau:

a) B°ãc tißn xÿ lý Ánh

luan van thac si luan van thac si

Các dā liệu Ánh Sentinel-1A đ°ÿc thực hiện trên phần mßm SNAP Toolbox Các b°ãc tißn xÿ lý Ánh bao gãm lãc bß nhiễu nhiệt, hiệu chßnh bức

x¿, lãc dā liệu, nÅn chßnh hình hãc và cÅt theo ranh giãi khu vực nghiên cứu Quá trình tißn xÿ lý Ánh Sentinel-1A đ°ÿc thực hiện gãm:

- Việc lo¿i bß nhiễu nhiệt giúp giÁm sự gián đo¿n giāa các dÁi phā cho

mãi cÁnh trong các chÁ đá thu nhÃn nhißu vùng [76]

- Hiệu chßnh bức x¿ đá lo¿i bß đá lệch bức x¿ và đÁm bÁo giá trá pixel

là trá tán x¿ ng°ÿc căa bß mặt phÁn x¿ Ành SAR th°ång đ°ÿc nhà cung cấp

xÿ lý đÁn mức 1A nên sai sá bức x¿ th°ång vÁn còn tãn t¿i Do vÃy, hiệu chu¿n bức x¿ làm tăng c°ång tính chính xác căa dā liệu SAR [190] T° liệu Ánh thÿ nghiệm s¿ đ°ÿc hiệu chu¿n và đ°a vß giá trá Sigma nought, sÿ dāng các thông sá đ°ÿc cung cấp trong phần mßm SNAP Toolbox [84]

- Lãc dā liệu bằng phép lãc Lee [140, 141] và thuÃt toán đa tìm kiÁm

đá lo¿i bß nhāng nhiễu đám trên Ánh

- Hiệu chßnh hình hãc sÿ dāng SRTM DEM (Shuttle Radar Topography Mission - Digital Elevation Model) đá hiệu chßnh các biÁn d¿ng đáa hình và chuyán vß phép chiÁu UTM48N-WGS84 căa vùng nghiên cứu [76]

- Khu vực nghiên cứu đ°ÿc cÅt bằng chức năng Subset trong phần mßm SNAP

b) Xác đánh khu vực lũ quét trên t° liệu Ánh SAR

Sau khi thực hiện b°ãc tißn xÿ lý Ánh, tiÁn hành tích hÿp các kênh Ánh tr°ãc và sau khi xÁy ra lũ đá khoanh vùng xác đánh các vá trí lũ quét Phân tích Ánh tổ hÿp màu tr°ãc và sau khi xÁy ra lũ quét thì t¿i nhāng khu vực có

bß mặt thay đổi thì s¿ làm thay đổi giá trá tán x¿ ng°ÿc Do vÃy, trên Ánh tổ

hÿp, các khu vực lũ quét xuất hiện các màu sÅc khác biệt so vãi nhāng khu

vực xung quanh (Hình 2.3)

luan van thac si luan van thac si

Hình 2.3 Phát hi ện lũ quét trên ảnh tổ hợp màu Sentinel-1A

đa thời gian [19]

Sau khi đã chiÁt xuất đ°ÿc các vá trí xÁy ra lũ quét, cuái cùng, nhāng

kÁt quÁ này đ°ÿc kiám tra trên thực đáa bằng việc sÿ dāng GPS cầm tay (đ°ÿc

mô tÁ chi tiÁt trong māc 3.1 ch°¡ng 3)

2.2.2 Nghiên c ứu xây dựng mô hình mạng Nơ-ron nhân tạo FA-LM-ANN cho phân vùng nguy cơ lũ quét

2.2.2.1 Gi ới thiệu

M¿ng n¡-ron nhân t¿o (ANN) đang đ°ÿc sÿ dāng phổ biÁn trong nghiên cứu lũ lāt [192, 237] và các tai biÁn thiên nhiên khác [29, 106, 125, 176] trên thÁ giãi, do khÁ năng xÿ lý và phân tích dā liệu phi tuyÁn và đa biÁn

vãi đá chính xác cao Tuy nhiên, việc nghiên cứu ứng dāng mô hình ANN tích hÿp vãi GIS cho dự báo báo lũ quét còn nhißu h¿n chÁ Bçi vì chất l°ÿng

dự báo căa mô hình ANN phā thuác chă yÁu vào cách thức mà trãng sá căa

mô hình đ°ÿc cÃp nhÃt và tái °u hóa Hiện t¿i, thuÃt toán lan truyßn ng°ÿc Gradient vÁn đang đ°ÿc sÿ dāng ráng rãi nhất đá cÃp nhÃt và tái °u trãng

sá trong công tác huấn luyện mô hình ANN cho lũ lāt Điám m¿nh căa thuÃt toán này là quá trình huấn luyện rất nhanh và khÁ năng tái °u hóa

trãng sá cao Tuy nhiên, thuÃt toán này hay gặp lßi tái thiáu cāc bá dÁn đÁn

luan van thac si luan van thac si