Trong đề tài, các mô hình cảnh báo đa tai biến thiên nhiên (lũ quét, cháy rừng, sâu đục thân ngô, bệnh đạo ôn lúa và nhện đỏ hại cam) được xây dựng dựa trên tiếp cận đánh giá đa chỉ tiêu với sự tham gia của nhiều chuyên gia của nhiều ngành, trong đó, các tham số khí tượng được quan tâm đặc biệt.
Hội thảo khoa học Quốc gia Quản lý tài nguyên, môi trường phát triển bền vững vùng Tây Bắc, Việt Nam XÂY DỰNG HỆ THỐNG CẢNH BÁO SỚM ĐA TAI BIẾN Ở QUY MÔ CẤP HUYỆN CHO VÙNG NÚI TÂY BẮC TRÊN CƠ SỞ TÍCH HỢP ĐỊA THƠNG TIN VÀ CÔNG NGHỆ ĐA PHƯƠNG TIỆN Nguyễn Ngọc Thạch1*, Phạm Xuân Cảnh1, Nguyễn Quốc Huy1, Nguyễn Thị Thu Hiền2, Lại Tuấn Anh3, Đặng Ngơ Bảo Tồn4 Trường Đại học Khoa học Tự nhiên, Đại học Quốc gia Hà Nội, Trường Đại học Thủy Lợi, Trường Đại học Sư phạm Đà Nẵng, Trường Đại học Quy Nhơn * Email: nguyenngocthachhus@gmail.com, Tóm tắt: Ở vùng núi nước ta, cảnh báo sớm tai biến có hiệu thơng báo sớm cách xác địa điểm, mức độ thời gian xảy tai biến Thời gian cảnh báo sớm phải đủ để người dân chuẩn bị kịp thời biện pháp ứng phó cần thiết Trong thời đại cơng nghệ 4.0 hệ thống hệ thống đa làm nhiệm vụ cảnh báo nhiều loại tai biến Trong đề tài, mơ hình cảnh báo đa tai biến thiên nhiên (lũ quét, cháy rừng, sâu đục thân ngô, bệnh đạo ôn lúa nhện đỏ hại cam) xây dựng dựa tiếp cận đánh giá đa tiêu với tham gia nhiều chuyên gia nhiều ngành, đó, tham số khí tượng quan tâm đặc biệt Mơ hình dự báo sớm xây dựng nguyên tắc tai biến xảy nơi có có nguy tiềm ẩn cao có tham số khí tượng mơ hình vượt ngưỡng Phần mềm cảnh báo sớm lũ quét xây dựng sở cơng cụ lập trình mã nguồn mở Python, PHP sở liệu PostgreSQL/PostGIS Với module xử lý không gian, hoạt động trực tuyến internet, thơng số khí tượng đươc dự báo sớm - ngày tính cho trạm khí hậu tự động Imetos (chạy pin mặt trời, kết nối với mạng khí tượng tồn cầu www.meteoblue.com), nội suy đưa vào tính tốn trực tuyến với đồ nguy tiềm ẩn Kết xử lý xác định xác vị trí xảy tai biến tới thôn bản, với cấp độ nguy tương ứng với giá trị thơng số khí tượng trạm khí tượng tự động Thơng tin tai biến công bố trực tuyến trang Web truyền dạng tin SMS tới người dân Hệ thống bước đầu xây dựng áp dụng để cảnh báo sớm ngày cho tai biến lũ quét cháy rừng, sớm ngày cho bệnh đạo ôn hại lúa, sâu đục thân ngô nhện đỏ hại cam Hệ thống triển khai cho huyện tỉnh khu vực Tây Bắc (Thuận Châu, tỉnh Sơn La; Hồng Su Phì, tỉnh Hà Giang Cao Phong, tỉnh Hịa Bình) nhằm trợ giúp cho địa phương đưa định phù hợp cho việc phòng tránh, giảm thiểu thiệt hại tai biến Từ khóa: Tai biến, mơ hình, tham số, ngưỡng, đa tiêu, cảnh báo sớm ĐẶT VẤN ĐỀ Trong bối cảnh biến đổi khí hậu diễn phức tạp nước ta, tai biến xuất không theo quy luật thơng thường [24] Vì vậy, cảnh báo sớm tai biến theo thời gian thực chi tiết theo không gian nhu cầu thiết, đặc biệt khu vực miền núi Hiện có nhiều giải pháp cảnh báo sớm cho loại tai biến song hạn chế cảnh báo là: sử dụng nguồn liệu khứ, thiếu tính liên tục thiếu tính cập nhật để dự báo Kết dự báo thường mang tính khu vực, thiếu chi tiết không định vị rõ ràng [12, 13, 17], không cung cấp thơng tin cụ thể theo vị trí nên khó áp dụng địa phương Đề tài: “Nghiên cứu xây dựng mơ hình hệ thống dự báo thời tiết tiểu vùng cảnh báo nguy lũ quét, cháy rừng sâu bệnh nông nghiệp cấp huyện vùng Tây Bắc”, Mã số: KHCN-TB.13C/13-18 thuộc Chương trình Khoa học Công nghệ trọng điểm cấp Nhà nước giai đoạn 2013 - 2018 mang tên “Khoa học Công nghệ phục vụ phát triển bền vững vùng Tây Bắc - Việt Nam” nhằm khắc phục hạn chế Nhiệm vụ đề tài đưa giải pháp cơng nghệ thích hợp để cung cấp sớm thông tin tai biến tới thôn bản, phục vụ cho việc định kịp thời trước tai biến xảy ra, nhằm giảm thiểu tối đa thiệt hại gây tai biến Nội dung báo trình bày kỹ dự báo sớm lũ quét [23] Xây dựng hệ thống cảnh báo sớm đa tai biến quy mô cấp huyện cho vùng núi Tây Bắc sở tích hợp địa thông tin công nghệ đa phương tiện 221 Mục tiêu cảnh báo để trao quyền cho cá nhân cộng đồng bị đe dọa nguy hiểm để có đủ thời gian phương thức thích hợp để giảm khả bị tổn thương, mát sống thiệt hại tài sản mơi trường Một hệ thống cảnh báo hồn chỉnh hiệu bao gồm bốn yếu tố liên quan, cung cấp kiến thức nguy cơ, rủi ro, chuẩn bị lực để thích ứng Hệ thống cảnh báo thực hành tốt hệ thống có mối liên kết mạnh mẽ hiệu [25] Những người đóng vai trị hệ thống cần có trao đổi thường xuyên để đảm bảo họ hiểu tất thành phần khác bên khác cần từ họ Kịch rủi ro cần xây dựng xem xét trách nhiệm cụ thể toàn chuỗi thỏa thuận thực Các kiện khứ nghiên cứu cải tiến thực cho hệ thống cảnh báo Hướng dẫn xin thủ tục đồng ý xuất tin tức rủi ro Cộng đồng tư vấn thông tin phổ biến Các thủ tục hoạt động sơ tán thực hành thử nghiệm Đằng sau tất hoạt động sở vững hỗ trợ trị, luật pháp quy định, trách nhiệm thể chế người đào tạo Hệ thống cảnh báo thiết lập hỗ trợ vấn đề sách Sự sẵn sàng đáp ứng cần khắc sâu xã hội Các yếu tố hệ thống cảnh báo bao gồm khối sau [25, 26]: * Khối kiến thức tai biến rủi ro Rủi ro phát sinh từ kết hợp mối nguy hiểm tính dễ bị tổn thương vị trí cụ thể Đánh giá rủi ro địi hỏi có hệ thống thu thập phân tích liệu xem xét chất động mối nguy hiểm tổn thương phát sinh từ q trình thị hóa, thay đổi sử dụng đất nơng thơn, suy thối mơi trường biến đổi khí hậu Thẩm định rủi ro đồ giúp thúc đẩy người, ưu tiên cần hệ thống cảnh báo sản phẩm hướng dẫn cho phòng chống thiên tai phản hồi * Khối dịch vụ giám sát cảnh báo Các dịch vụ cảnh báo nằm cốt lõi hệ thống Phải có sở khoa học cho dự đoán cảnh báo mối nguy hiểm đáng tin cậy hệ thống cảnh báo hoạt động 24 giờ/ngày Giám sát liên tục thông số nguy hiểm tiền chất cần thiết để tạo cảnh báo xác kịp thời Các dịch vụ cảnh báo khác mối nguy hiểm cần phối hợp để đạt lợi ích chế thủ tục giao tiếp mạng * Khối phổ biến truyền thông Cảnh báo phải đạt đến thông tin đơn giản, rõ ràng, hữu ích, quan trọng phép phản hồi thích hợp nhằm giúp bảo vệ sống sinh kế Truyền thông cần cấp quốc gia, khu vực cộng đồng Hệ thống phải xác định trước có tiếng nói có thẩm quyền Việc sử dụng nhiều kênh truyền thông cần thiết để đảm bảo có nhiều người tốt để cảnh báo để tránh tổn thương điều củng cố thơng điệp cảnh báo * Khối khả đáp ứng Hình Mơ hình hệ thống cảnh báo hợp phần hệ thống [nguồn 25,26] 222 Nguyễn Ngọc Thạch, Phạm Xuân Cảnh, Nguyễn Quốc Huy, Nguyễn Thị Thu Hiền, Lại Tuấn Anh, Đặng Ngơ Bảo Tồn Điều cần thiết cộng đồng hiểu rủi ro, tôn trọng dịch vụ cảnh báo biết làm để phản ứng Giáo dục chuẩn bị chương trình hành động đóng vai trị quan trọng điều cần thiết kế hoạch quản lý thiên tai thực hành thử nghiệm Cộng đồng nên thông báo rõ lựa chọn an toàn hành động, tuyến đường hiểm có sẵn cách tốt để tránh thiệt hại tài sản NGHIÊN CỨU DỰ BÁO SỚM LŨ QUÉT 2.1 Tiếp cận lưu vực nghiên cứu lũ quét Khác với lũ thơng thường, lũ qt dạng lũ có tốc độ dòng chảy lớn, thường chứa nhiều vật chất rắn, xảy bất ngờ thời gian ngắn lưu vực nhỏ, địa hình dốc nên chúng có sức tàn phá lớn Sự hình thành lũ qt có liên quan mật thiết với cường độ mưa, điều kiện khí hậu, đặc điểm địa hình, hoạt động người điều kiện tiêu thoát lũ lưu vực [3, 12, 23] Lũ quét thường xuất vài ba sau có mưa với cường độ lớn vượt ngưỡng Trong thực tế, liệu lũ qt ln thiếu khơng hệ thống, thường khó sử dụng phương pháp thơng dụng tính tốn dự báo thủy văn - thủy lực để dự báo cảnh báo lũ quét Cơ sở lý thuyết chủ đạo nghiên cứu tiếp cận lưu vực theo ô lưới Theo tiếp cận này, lưu vực coi hệ thống tương đối kín, bao gồm nhiều phụ lưu nhỏ có mưa, thơng số mặt đệm định đến chế độ vận chuyển tích tụ dòng chảy phạm vi lưu vực Ở vùng núi, với độ dốc lưu vực lớn, lượng mưa vượt q ngưỡng, dịng chảy mặt tích tụ tạo thành lũ quét Mỗi lưu vực có chế phát sinh lũ quét riêng biệt [4, 5, 12, 18] (Hình 5) 2.2 Bản đồ nguy phát sinh lũ quét Bản đồ nguy lũ quét thể khả phát sinh lũ quét thời gian tối thiểu chu kỳ khí hậu, thơng thường chu kỳ 20 - 40 năm Vì vậy, tùy theo phân bố mưa khác theo khơng gian mà lũ qt xuất khơng đồng nhiều vị trí khác lặp lại sau thời gian Cho đến nay, việc lập đồ nguy lũ quét nhiều cách tiếp cận, phương pháp cho kết khác Có nhiều phương pháp (hoặc mơ hình) thủy văn - thủy lực áp dụng NAM, HEC-RAS, SWAT,… Đa số đồ lũ quét xây dựng dựa vào việc tiếp cận lũ quét sườn Vì vậy, đồ xây dựng có khoanh vùng lớn theo sườn dốc, thiếu tính chi tiết nên khả ứng dụng hạn chế [1, 2, 3, 12, 16] Trong nghiên cứu này, thơng số lưu vực phân tích xử lý mơ hình phân tích đa tiêu (MCA), tồn khơng gian lưu vực đánh giá theo ô lưới (pixel) đồ kết thể chi tiết, đáp ứng yêu cầu tỷ lệ nghiên cứu cấp huyện (1:10.000) cấp xã (1:5.000) [22] 2.3 Xác định tham số lưu vực việc hình thành lũ quét Trong lưu vực sông suối, để xây dựng đồ nguy lũ quét - lũ bùn đá, yếu tố: Nguy trượt lở đất; lượng mưa ngày lớn nhất; giá trị tích lũy dịng chảy bề mặt địa hình; đặc điểm lớp phủ mặt đệm; đặc điểm thổ nhưỡng; vỏ phong hóa mặt đệm; độ dốc trung bình phụ lưu liệu đầu vào mơ hình phân tích, xây dựng với mức độ chi tiết theo tỷ lệ nghiên cứu [22] 2.4 Mơ hình lý thuyết cảnh báo sớm lũ qt Ngun lý chung mơ hình tai biến lũ quét xảy nơi có có nguy tiềm ẩn cao có lượng mưa vượt ngưỡng phát sinh lũ Khái niệm minh họa theo sơ đồ hình Như vậy, để cảnh báo sớm nguy lũ quét, công việc cần thực là: 1) Xây dựng đồ nguy lũ qt tiềm ẩn; 2) Xây dựng mơ hình cảnh báo sớm lũ quét; 3) Thiết lập hệ thống trạm khí tượng tự động IMETOS Các trạm có bán kính hoạt động 10 - 15 km, kết nối trực tiếp với mạng khí tượng tồn cầu www.meteoblue.com nhận lại nhiều thơng tin điều kiện khí tượng 30 ngày qua, thời tiết thời tiết dự báo - ngày cho vị trí đặt trạm Đây hệ thống trạm khí hậu chuyên dùng với nhiều tính Bộ Tài nguyên Môi trường cho phép xây dựng theo Luật Khí tượng thủy văn ban hành năm 2016 [22]; 4) Xây dựng phần mềm WebGIS hoạt động trực tuyến môi trường internet để xử lý nhanh thơng tin dự báo lượng mưa tích hợp với đồ nguy lũ quét tiềm ẩn Khi lượng mưa vượt ngưỡng, nhanh chóng xác định, cung cấp kịp thời thông tin thời gian sinh lũ vị trí có khả xảy tai biến lũ quét mức độ khác [9, 10, 18, 24] Xây dựng hệ thống cảnh báo sớm đa tai biến quy mô cấp huyện cho vùng núi Tây Bắc sở tích hợp địa thông tin công nghệ đa phương tiện 223 Hình Mơ hình xử lý, tích hợp thơng tin xây dựng đồ cảnh báo sớm lũ quét 2.5 Mơ hình tích hợp đa tiêu MCA xây dựng đồ nguy lũ quét Đây mơ hình lồng ghép mơ hình thủy văn địa mạo lưu vực với trợ giúp công nghệ GIS Áp dụng phương pháp này, nghiên cứu tập trung xác định nhân tố gây lũ quét lưu vực, bao gồm: Tính chất đất, thảm thực vật, độ dốc lưu vực, mật độ sơng suối, dịng chảy tích lũy,… so sánh với số liệu thống kê để phân cấp khả gây lũ quét lớp thông tin Ứng dụng GIS để xác định trọng số, tích hợp khơng gian lớp nhân tố với trọng số [21], xây dựng biểu đồ biến trình lưu lượng pixel đồ tổng hợp dạng raster [22] Phương pháp định tính mang nhiều tính chủ quan người nghiên cứu, song thích hợp với điều kiện lưu vực vừa nhỏ vùng núi, nơi thiếu số lượng trạm đo khí tượng, thủy văn 2.6 Xây dựng mơ hình khơng gian cảnh báo sớm lũ quét Hình Sơ đồ hệ thống cảnh báo lũ quét Ngưỡng gây lũ quét phục vụ cảnh báo thơng số quan trọng song khó xác định cách xác [4, 5, 12, 22] Các ngưỡng mưa gây lũ quét biến đổi phạm vi lớn, từ 100 mm/giờ đến 220 mm/ngày tùy theo điều kiện mặt đệm lưu vực Hầu hết lưu vực phát sinh lũ quét có độ dốc bình quân lớn 30 % độ che phủ rừng thấp 10 % bề mặt lưu vực Các tác giả nghiên cứu lũ quét Việt Nam phân chia 224 Nguyễn Ngọc Thạch, Phạm Xuân Cảnh, Nguyễn Quốc Huy, Nguyễn Thị Thu Hiền, Lại Tuấn Anh, Đặng Ngơ Bảo Tồn khả xuất lũ quét thành cấp sau: Cấp I (có nguy xuất lũ quét cao), thuộc lưu vực có điều kiện tự nhiên hội tụ đồng thời yếu tố (xuất tương đối thường xuyên lượng mưa tối thiểu 100 mm/ngày, độ dốc bình quân lớn 30 %, độ che phủ nhỏ 10 %, đất có tính thấm trung bình kém); Cấp II (có nguy xuất lũ quét cao), thuộc lưu vực hội tụ đồng thời yếu tố (xuất tương đối thường xuyên lượng mưa tối thiểu 100 mm/ngày; với yếu tố cịn lại cấp I); Cấp III (có nguy trung bình), thuộc lưu vực xuất tương đối thường xuyên lượng mưa tối thiểu 100 mm/ngày yếu tố cịn lại; Cấp IV (có nguy xuất lũ qt), khơng có tiêu nêu Do lũ quét thường xuất nhanh diễn biến thời gian ngắn nên thời gian dự báo cảnh báo lũ quét ngắn, chí khơng thể dự báo Phương pháp ngưỡng mưa gây lũ quét cho phép nhanh chóng xác định vùng nguy gây lũ quét theo mưa cục [22] Hàm tính cho mơ hình cảnh báo sớm lũ quét: Fr = f p (1) đó: Fr - Bản đồ cảnh báo sớm nguy lũ quét; f - Lượng mưa cực đại dự báo; p - Bản đồ nguy lũ quét tiềm ẩn (với số nguy lũ quét FFPI) 2.7 Dữ liệu dùng nghiên cứu Tùy theo tỷ lệ đồ nghiên cứu mà số lượng lớp thông tin xem xét đánh giá khác Đối với tỷ lệ 1:10.000 cho cấp huyện, lớp thông tin đưa vào đánh giá bao gồm: Lượng mưa trung bình cực đại nhiều năm (RM), số ẩm ướt địa hình (TWI), độ dốc trung bình phụ lưu (SB), mật độ điểm trượt lở (LS), địa mạo (GM), đất (S), rừng (FR), mật độ sông suối (RD) Mức đánh giá chia thành cấp (Cấp 1: Rất thấp, Cấp 2: Thấp, Cấp 3: Trung bình, Cấp 4: Cao Cấp 5: Rất cao) Các trọng số đánh giá cho lớp thông tin xác định theo hệ số chuyên gia phương pháp phân tích so sánh cặp (AHP) [21] Bảng Tư liệu sử dụng nghiên cứu Loại tư liệu Đặc điểm Nguồn liệu Bản đồ địa hình Tỷ lệ 1:10.000 Bộ Tài nguyên Môi trường (MONRE) Bản đồ rừng Tỷ lệ 1:10.000 Viện Quy hoạch thiết kế lâm nghiệp (Phân tích từ ảnh SPOT kiểm tra thực địa) Bản đồ lớp phủ Tỷ lệ 1:10.000 Phân tích từ ảnh Landsat 8.OLI Bản đồ thổ nhưỡng Tỷ lệ 1:10.000 Viện Nơng hóa thổ nhưỡng, Bộ Nơng nghiệp Phát triển nông thôn Bản đồ địa mạo Tỷ lệ 1:10.000 Xây dựng theo nguyên tắc hình thái nguồn gốc Bản đồ nguy trượt lở Tỷ lệ 1:10.000 Xây dựng GIS Dữ liệu mưa lịch sử 52 năm (từ 1960 đến 2015) Viện Khoa học khí tượng thủy văn biến đổi khí hậu (Bộ Tài ngun Mơi trường) Lượng mưa dự báo Số liệu Số liệu trạm IMETOS đề tài Dữ liệu lũ lịch sử từ 2000 đến 2016 Vị trí, mức độ Thống kê vấn thực địa 2.8 Kết nghiên cứu Xây dựng đồ nguy lũ quét huyện Thuận Châu Tham khảo nhiều cơng trình cơng bố, đánh giá lớp thông tin mặt đệm lưu vực liên quan tới nguy phát sinh lũ quét theo bảng sau (Bảng 2, 3) 225 Xây dựng hệ thống cảnh báo sớm đa tai biến quy mô cấp huyện cho vùng núi Tây Bắc sở tích hợp địa thơng tin cơng nghệ đa phương tiện Bảng Chỉ tiêu đánh giá nguy lũ quét cho lớp thông tin địa mạo (GM), đất (S), rừng (FR) Mức ĐG FR GM S - Bề mặt đỉnh cao 1.000 m; dạng lượn sóng; bóc mòn tổng hợp yếu - Núi đá - Bề mặc định có độ cao 1.000 m; dạng vịm thoải; rửa trôi bề mặt Cấp - Rừng hỗn giao tre nứa Cấp - Sườn vách dốc rửa lũa đá vôi; dốc, dốc; rửa - Rừng rộng lũa, đổ lở thường xanh - Sườn vách bóc mịn rửa lũa đá vơi, vơi xen; trung bình dốc đến dốc đứng, chân sườn tích tụ thoải hơn; rửa - Rừng tre nứa lũa, đổ lở - Đất đỏ nâu đá vôi - Đất nâu đỏ đá magma bazơ trung tính Cấp - Rừng rộng thường xanh nghèo - Rừng rộng thường xanh phục hồi - Rừng núi đá - Rừng trồng - Đất vàng đá cát kết Cấp - Dân cư - Đất khác Cấp - Đất trống - Mặt nước - Sườn trượt lở mạnh; dạng lõm khúc khuỷu, phần dốc 25o-30o, phần 30o-40o; đổ lở đá gốc, trượt lở - Sườn bóc mịn đá khác nhau; dạng lồi, dốc trung bình 15o-25o, đơi nơi 20o-25o; bóc mịn tổng hợp - Sườn trượt lở trung bình; dạng thẳng, lõm, dốc trung bình 25o-30o; trượt lở vỏ phong hóa dày, trượt trơi đá gốc - Bề mặt tích tụ lũ tích, sườn tích; dải ven chân sườn, độ dốc 6o-15o, thành phần hỗn độn; rửa trơi bề mặt, xâm thực rãnh xói, mương xói - Máng trũng dịng chảy xâm thực; trắc diện ngang dạng chữ V, trắc diện dọc thẳng, có dạng bậc thể thềm xâm thực; xâm thực sâu mạnh - Máng trũng xâm thực - tích tụ; trắc diện ngang chữ V, chữ U hẹp; xâm thực - tích tụ - Đất đỏ vàng biến đổi trồng lúa nước - Đất đỏ vàng đá sét - Đất thung lũng sản phẩm dốc tụ - Đất nâu vàng phù sa cổ Bảng Chỉ tiêu đánh giá nguy lũ quét cho lớp thơng tin lượng mưa trung bình cực đại nhiều năm (RM), số ẩm ướt địa hình (TWI), độ dốc trung bình phụ lưu (SB), mật độ điểm trượt lở (LS),mật độ sông suối (RD) Mức đánh giá TWI LS (điểm/km2) SB (độ) RM (mm) RD (km/mm2) Cấp 0,0 - 0,9 0,01 - 0,02 > 40 < 150 0,0 - 0,5 Cấp 0,9 - 1,3 0,02 - 0,04 30 - 40 150 - 250 0,5 - 1,5 Cấp 1,3 - 3,2 0,04 - 0,06 20 - 30 250 - 350 1,5 - 2,5 Cấp 3,2 - 5,4 0,06 - 0,08 10 - 20 350 - 450 2,5 - 3,5 Cấp 5,4 - 15,4 0,08 - 0,1 < 10 > 450 3,5 - 4,5 Kết đánh giá lớp thông tin thể Hình Tính tốn trọng số cho lớp thông tin theo phương pháp AHP Sử dụng Phương pháp AHP để tính tốn trọng số cho lớp, kết thể Bảng 226 Nguyễn Ngọc Thạch, Phạm Xuân Cảnh, Nguyễn Quốc Huy, Nguyễn Thị Thu Hiền, Lại Tuấn Anh, Đặng Ngơ Bảo Tồn Bảng Ma trận tính tốn xác định trọng số lớp thông tin Lớp thông tin TWI FR LS SB RM GM S RD Tổng Trọng số TWI 0,33 0,26 0,23 0,25 0,45 0,34 0,18 0,22 2,27 0,28 FR 0,11 0,09 0,14 0,17 0,06 0,06 0,16 0,13 0,91 0,11 LS 0,07 0,03 0,05 0,03 0,04 0,04 0,11 0,09 0,44 0,05 SB 0,11 0,04 0,14 0,08 0,08 0,06 0,13 0,13 0,77 0,11 RM 0,16 0,35 0,28 0,25 0,23 0,34 0,18 0,22 2,02 0,25 GM 0,11 0,18 0,14 0,17 0,08 0,11 0,11 0,13 1,02 0,13 S 0,05 0,01 0,01 0,02 0,03 0,03 0,03 0,01 0,19 0,02 RD 0,07 0,03 0,02 0,03 0,05 0,04 0,11 0,04 0,38 0,05 Chỉ số quán ngẫu nhiên (Random Consistency Index) CI0,08 Chỉ số ngẫu nhiên xác định theo n (số lượng nhân tố) RI1,41 (Random consistency Index by n) Chỉ số quán chung (consistency index) CR0,056 Độ tin cậy CR ma trận xác định thông qua số quán chung CR Nếu giá trị số CR nhỏ 0,1, đảm bảo độ quán nhân tố ma trận so sánh Đối với nhân tố đưa vào so sánh nghiên cứu này, số quán CR = CI/RI = 0,08/1,41 = 0,056 (chỉ số < 0,1 cho thấy độ tin cậy đảm bảo) Phương pháp tính tốn số nêu tài liệu T L Saaty [21] Thành lập đồ nguy lũ quét theo mơ hình MCA Bản đồ nguy lũ qt tiềm ẩn thành lập theo hàm sau [22]: FFPI = ∑ i =1 w i xi n (2) đó: FFPI - Bản đồ nguy lũ quét tiềm ẩn, wi - Trọng số yếu tố thứ (i), xi - Yếu tố thứ (i), n - Số yếu tố (từ đến n - lớp thông tin nêu trên) Với trọng số tính từ Bảng 3, hàm cụ thể hóa sau: FFPI = 0,28 × TWI + 0,11 × F + 0,05 × LS + 0,1 × SB + 0,25 ×R + 0,13 × GM+ 0,02 ×S + 0,05 × DS (3) Kết thu đồ nguy lũ quét với giá trị số khác (Hình 5) Ở dạng nguyên thuỷ, chưa đặc trưng cho đồ cảnh báo sớm nguy lũ quét Khi so sánh với số liệu vị trí điểm xảy lũ quét khứ từ năm 2000 tới nay, có phù hợp thực tế dự báo Ở lưu vực Suối Muội, huyện Thuận Châu, theo số liệu thống kê từ năm 2000 tới nay, lũ quét bắt đầu phát sinh lượng mưa đạt tới 150 mm/ngày Ngay dịng suối, có nhiều vị trí có nguy lũ qt khác nhau, điều giải thích ảnh hưởng thơng số khác mặt đệm Hình thể tương đồng nơi có số nguy lũ quét (FFPI) cao đồ nguy so với nơi xảy lũ quét cục Kết so sánh đồ cho thấy vị trí lũ quét xuất khứ nằm vùng có mức nguy cao Để kiểm tra đánh giá độ xác kết nghiên cứu, phương pháp xây dựng đường cong thu nhận (receiver operating characteristic hay receiver operating curve ROC) áp dụng Trong lý thuyết phát tín hiệu, tỷ lệ số tín hiệu nhận (đúng) tổng số tín hiệu phát sử dụng để đánh giá độ xác hệ thống [6, 20] Từ tín hiệu nhận được, phần mềm SPSS phân tích vẽ đường cong đặc điểm thu nhận tín hiệu (ROC) để xác định độ tin cậy hệ thống Mỗi điểm đường cong tọa độ tương ứng với tần số tín hiệu thực trục thẳng đứng tần suất tín hiệu lý thuyết trục ngang Xây dựng hệ thống cảnh báo sớm đa tai biến quy mô cấp huyện cho vùng núi Tây Bắc sở tích hợp địa thơng tin cơng nghệ đa phương tiện Hình Các lớp thông tin đánh giá nguy lũ quét huyện Thuận Châu Hình Bản đồ nguy lũ quét tính chi tiết mức nguy lũ quét (FFPI) cho pixel 227 228 Nguyễn Ngọc Thạch, Phạm Xuân Cảnh, Nguyễn Quốc Huy, Nguyễn Thị Thu Hiền, Lại Tuấn Anh, Đặng Ngơ Bảo Tồn Kiểm tra độ xác đồ nguy lũ quét Hình So sánh kết dự báo với trận lũ lịch sử Giá trị đường cong (Area Under Curve) cao, phân biệt hai trạng thái xác (giá trị 1) khơng xác (giá trị 0) tốt Khi giá trị AUC tăng lên đường cong tiến sát đến trục ngang phía có AUC = Việc xác định mức độ xác dựa hệ thống điểm sau: 0,80 - 0,90 = tốt (A), 0,60 - 0,70 = tốt (B), 0,50 - 0,60 = sai (C) So sánh số liệu điểm lũ quét xảy khứ đồ nguy lũ quét (Hình 5), đường cong ROC xây dựng Hình cho giá trị AUC = 0,86 cho thấy độ xác tốt Hình Đường cong ROC xây dựng từ hệ thống điểm kiểm tra lũ quét lịch sử so sánh với đồ nguy lũ quét Thuận Châu Xây dựng đồ cảnh báo sớm lũ qt Mơ hình dự báo sớm ngày trước lũ quét xây dựng thông qua việc kết hợp liệu dự báo mưa thời gian thực nội suy dựa vị trí khơng gian trạm đo iMeteo thu thập xử lý thơng qua hệ thống dự báo khí tượng toàn cầu Meteo Blue kết hợp với liệu nguy phát sinh lũ xây dựng đề Xây dựng hệ thống cảnh báo sớm đa tai biến quy mô cấp huyện cho vùng núi Tây Bắc sở tích hợp địa thơng tin cơng nghệ đa phương tiện 229 tài Căn vào số liệu thống kê giai đoạn 2000 - 2017, ngưỡng mưa có nguy phát sinh lũ quét chia thành cấp sau [4,5,12,15,22]: Cấp 1: R < 50 mm Cấp 2: 50 ≤ R < 100 mm Cấp 3: 100 ≤ R < 140 mm Cấp 4: 140 ≤ R < 200 mm Cấp 5: 200 ≤ R mm Với R giá trị lượng mưa tính mm đồ nội suy Bản đồ dự báo hệ thống xây dựng thông qua công thức sau: ܸ = ඥܰ= כ ܳܮܥ ܰܵ ܯܮV NCLQ × NSLM đó:NCLQ - Nguy lũ quét tiềm ẩn; NSLM - Dữ liệu nội suy lượng mưa dự báo từ trạm quan trắc Tiếp đến liệu tính tốn dự báo lũ qt phân lấy cấp cao (cấp với giá trị V > 3,590 để cảnh báo sớm lũ quét) Hình Minh họa kết xử lý dự báo lũ quét theo lượng mưa dự báo Thuận Châu: (A) Bản đồ mưa theo dự báo, (B) Bản đồ nguy lũ, (C) Bản đồ dự báo sớm lũ theo lượng mưa dự báo với ngưỡng phát sinh lũ quét 150 mm/ngày Hệ thống cảnh báo sớm lũ qt Q trình xử lý thơng tin mưa dự báo theo tọa độ hệ thống trạm thời tiết tự động IMETOS tích hợp với đồ nguy để cảnh báo sớm lũ quét thực hệ thống WebGIS Từ đó, thơng tin chuyển sang trang Web nhằm cung cấp thông tin cảnh báo sớm lũ quét tới người sử dụng Mơ hình tổng qt tính hệ thống thể Hình 9, 10 230 Nguyễn Ngọc Thạch, Phạm Xuân Cảnh, Nguyễn Quốc Huy, Nguyễn Thị Thu Hiền, Lại Tuấn Anh, Đặng Ngơ Bảo Tồn Hình Thơng tin sớm ngày khí tượng hệ thống cho vị trí trạm Imetos Hình 10 Mơ hình tổng qt tính phần mềm cảnh báo sớm lũ quét Xây dựng hệ thống cảnh báo sớm đa tai biến quy mô cấp huyện cho vùng núi Tây Bắc sở tích hợp địa thơng tin cơng nghệ đa phương tiện 231 Hình 11 Bản đồ dự báo sớm lũ quét Thuận Châu ngày 24/8/2018 với ngưỡng mưa sinh lũ 150 mm/ngày Phần mềm xây dựng dựa ngơn ngữ lập trình mã nguồn mở Python, PHP sở liệu PostgreSQL/PostGIS Phần mềm tổ chức đơn giản với chức là: Quản lý CSDL theo chuẩn ESRI, xử lý nội suy lượng mưa theo khơng gian, tích hợp lớp thơng tin để xây dựng đồ dự báo tai biến lũ quét xuất liệu dạng đồ số liệu Từ phần mềm, thông tin chuyển sang trang Web để cung cấp thông tin trực tuyến chiết xuất tin SMS tới người sử dụng Bản tin SMS: Bản tin từ ngày 22/8/2018: Ngày 24 tháng 8, 2018, khu vực có nguy bị lũ quét huyện Thuận Châu: xã dọc Suối Muội gồm: Phổng Lăng, Chiềng Ly, Thơn Mịn Mức ngập 1,5 - m http:/www./taibienhuyentaybac.ddns.net: 8088 NGHIÊN CỨU DỰ BÁO SỚM CHÁY RỪNG VÀ SÂU BỆNH NƠNG NGHIỆP Ngồi nghiên cứu lũ quét trình bày chi tiết trên, hệ thống cảnh báo sớm thực nội dung cảnh báo cháy rừng loại sâu bệnh nông nghiệp (nhện đỏ hại cam quýt, bệnh sâu đục thân hại ngô bệnh đạo ôn hại lúa ) Tuy nhiên, phạm vi báo, tập thể tác giả xin trình bày tóm tắt cảnh báo bệnh nhện đỏ hại cam cảnh báo cháy rừng Cảnh báo sớm ngày bệnh nhện đỏ cam Cao Phong Bản đồ nguy tiềm ẩn phát sinh bệnh nhện đỏ thành lập theo hàm sau: NCNĐ = T × 0,3 + R × 0,48 + AS × 0,09 + N × 0,12 (1) đó: NCNĐ - Nguy phát sinh nhện đỏ; T - nhiệt độ TB tháng vụ Xuân - Hè; R - mưa TB tháng vụ Xuân - Hè; AS - hướng dốc (đón ánh sáng); N - số thực vật Mơ hình dự báo sớm ngày trước sâu bệnh nhện đỏ xây dựng thông qua việc kết hợp liệu dự báo nhiệt độ lượng mưa thời gian thực nội suy dựa vị trí khơng gian trạm đo iMeteo thu thập xử lý thông qua hệ thống dự báo khí tượng tồn cầu www.meteo Blue.com [7, 8] kết hợp với liệu nguy phát sinh sâu bệnh nhện đỏ xây dựng đề tài Căn vào số liệu thống kê giai đoạn 2000 - 2017, ngưỡng nhiệt độ lượng mưa có nguy phát sinh sâu bệnh đục thân chia thành cấp sau: 232 Nguyễn Ngọc Thạch, Phạm Xuân Cảnh, Nguyễn Quốc Huy, Nguyễn Thị Thu Hiền, Lại Tuấn Anh, Đặng Ngơ Bảo Tồn Nhiệt độ (oC) Cấp Lượng mưa (mm) < 22 > 17 22 ≤ T < 24 15 < R ≤ 17 24 ≤ T ≤ 15 Bản đồ dự báo hệ thống xây dựng thông qua công thức sau: V = NSND + NSLM NCLQ × đó: NCSB_ND - Nguy phát sinh nhện đỏ tiềm ẩn; NSLM - Dữ liệu nội suy lượng mưa dự báo từ trạm quan trắc; NSND - Dữ liệu nội suy nhiệt độ dự báo từ trạm quan trắc Tiếp đến đồ dự báo sâu bệnh nhện đỏ phân cấp sử dụng cấp cảnh báo cao cấp với giá trị lớn 2,2 để cảnh báo sớm dịch nhện đỏ hại cam Bản tin SMS ngày 21/01/2019: Khu vực có nguy bệnh nhện đỏ ngày 26/01/2018: xã Tân Phong, xã Tây Phong, xã Thu Phong, xã Thung Nai Chi tiết đồ tọa độ theo dõi http://taibienhuyentaybac.ddns.net: 8088 Cảnh báo sớm ngày nguy cháy rừng Hàm tính nguy cháy với tham số cụ thể sau: NCCR = R × 0,27 + ĐA × 0,21 + ĐC × 0,06 + GT × 0,11 + ĐD × 0,04 + SS × 0,02+ HD × 0,16 + NR × 0,04 + DC × 0,09 (5.1) đó: NCCR - Nguy cháy rừng tiềm ẩn, R- Rừng; ĐA - Độ ẩm; ĐC - Độ cao; GT - Khoảng cách tới đường giao thông, ĐD - Độ dốc, SS - Mật độ sông suối, HD - Hướng dốc, NR - Khoảng cách tới nương rẫy, DC - Khoảng cách tới khu dân cư Mơ hình dự báo sớm ngày trước cháy rừng xây dựng thông qua việc kết hợp liệu dự báo nhiệt độ độ ẩm theo thời gian thực nội suy dựa vị trí khơng gian trạm đo Imetos thu thập xử lý thông qua hệ thống dự báo khí tượng tồn cầu www.meteo blue.com kết hợp với liệu nguy phát sinh cháy rừng xây dựng đề tài Căn vào số liệu thống kê giai đoạn 2000 - 2017, ngưỡng nhiệt độ độ ẩm có nguy phát sinh cháy rừng chia thành cấp sau [13, 17]: Cấp T- nhiệt độ (oC) H - độ ẩm (%) T < 37 70 ≤ H < 100 37 ≤ T < 38 60 ≤ H < 70 38 ≤ T < 39 50 ≤ H < 60 39 ≤ T < 40 40 ≤ H < 50 T ≥ 40 H ≤ 40 Bản đồ dự báo hệ thống xây dựng thông qua công thức sau: = V NSND + NSDA NCCR × đó: NCCR - Nguy phát sinh tai biến cháy rừng tiềm ẩn; NSDA - Dữ liệu nội suy độ ẩm dự báo từ trạm quan trắc; NSND - Dữ liệu nội suy nhiệt độ dự báo từ trạm quan trắc 233 Xây dựng hệ thống cảnh báo sớm đa tai biến quy mô cấp huyện cho vùng núi Tây Bắc sở tích hợp địa thông tin công nghệ đa phương tiện Tiếp đến đồ dự báo cháy rừng phân cấp sử dụng cấp cao cấp với giá trị V3,27 để cảnh báo khu vực có nguy cháy rừng a b c Hình 12 Bản đồ nội suy nhiệt độ (a), độ ẩm (b) phân cấp cho dự báo dịch nhện đỏ đồ nguy phát sinh dịch nhện đỏ tiềm ẩn huyện Cao Phong Hình 13 Dữ liệu cảnh báo sớm phát sinh dịch nhện đỏ cam huyện Cao Phong tin cảnh báo gửi đến người sử dụng 234 Nguyễn Ngọc Thạch, Phạm Xuân Cảnh, Nguyễn Quốc Huy, Nguyễn Thị Thu Hiền, Lại Tuấn Anh, Đặng Ngơ Bảo Tồn Hình 14 Bản đồ nội suy nhiệt độ (a), độ ẩm (b) phân cấp cho dự báo dịch nhện đỏ đồ nguy phát sinh dịch nhện đỏ tiềm ẩn huyện Cao Phong Xây dựng hệ thống cảnh báo sớm đa tai biến quy mô cấp huyện cho vùng núi Tây Bắc sở tích hợp địa thơng tin cơng nghệ đa phương tiện 235 Hình 15 Dữ liệu cảnh báo sớm nguy cháy rừng huyện Thuận Châu tin cảnh báo gửi đến người sử dụng Bản tin SMS ngày 14/8/2018: Ngày 16/8, khu vực có nguy cháy rừng huyện Thuận Châu: Thị trấn Thuận Châu, xã Bản Lầm, xã Bó mười, xã Bon Mạ, xã É Tòng, xã Long Hẹ, xã Mường Bám, xã Mường É, xã Mường Khiêng, xã Nẩm Lầu Thông tin chi tiết tại: http://www.taibienhuyentaybac.ddns.net: 8088 KẾT LUẬN Trong quản lý tai biến, hệ thống cảnh báo sớm tai biến phần hệ thống độc lập cảnh báo loại tai biến, song hệ thống tích hợp cảnh báo nhiều loại tai biến (Hình 9) Khả thực sở tích hợp sở liệu lớn hoạt động vơi công nghệ đám mây môi trường internet [18, 19] Yêu cầu hệ thống phải đáp ứng hai chức là: xử lý nhanh thơng tin khí tượng dự báo hệ thống sở liệu theo mơ hình, từ cung cấp truyền thơng tin sớm vị trí xảy mức độ tai biến Thông tin đầu đa dạng: trang web, bảng thông tin, tin SMS Việc phát triển hệ thống cảnh báo sớm cần thiết theo hai hướng công nghệ hướng ứng dụng Hiện nay, mơ hình thử nghiệm, hiệu chỉnh để để đưa dự báo sát với thực tế Hệ thống bước đầu xây dựng áp dụng có hiệu để cảnh báo sớm - ngày cho tai biến lũ quét cháy rừng, bệnh đạo ôn hại lúa, sâu đục thân ngô nhện đỏ hại cam Hệ thống triển khai cho huyện tỉnh khu vực Tây Bắc (Thuận Châu, tỉnh Sơn La, Hồng Su Phì, tỉnh Hà Giang Cao Phong, tỉnh Hịa Bình) nhằm trợ giúp cho địa phương đưa định phù hợp cho việc phòng tránh, giảm thiểu thiệt hại tai biến Lời cảm ơn: Đây sản phẩm đề tài “Nghiên cứu xây dựng mơ hình hệ thống dự báo thời tiết tiểu vùng cảnh báo nguy lũ quét, cháy rừng sâu bệnh nông nghiệp cấp huyện vùng Tây Băc”, mã số KHCN-TB, 13C/13-18 Đề tài tài trợ Chương trình Khoa học Cơng nghệ phục vụ phát triển bền vững vùng Tây Bắc, ĐHQGHN TÀI LIỆU THAM KHẢO [1] Burrell E Montza and Eve Gruntfest (2002) Flash flood mitigation: recommendations for research and applications Environmental Hazards, Volume 4, pp.15-22 236 [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12] [13] [14] [15] [16] [17] [18] [19] [20] [21] [22] [23] [24] [25] [26] Nguyễn Ngọc Thạch, Phạm Xuân Cảnh, Nguyễn Quốc Huy, Nguyễn Thị Thu Hiền, Lại Tuấn Anh, Đặng Ngô Bảo Toàn Mehmet C.D., Anabela V., Ercan K (2009) Flow forecast by SWAT model and ANN in Pracana basin, Portugal Advances in Engineering Software, 40, pp.467-473 Cao Đăng Dư, Lê Bắc Huỳnh (2000) Lũ quét, nguyên nhân biện pháp phịng tránh Nhà xuất Nơng nghiệp Forestieria, D Caraccioloa, E Arnonea, L.V Noto (2016) Derivation of rainfall thresholds for flash flood warning in a Sicilian basin using a hydrological model 12th International Conference on Hydroinformatics, HIC Greg Smith (2003) Flash flood potential: Determining the hydrologic response of FFMP basins to heavy rain by analyzing their physiographic characteristics Stanislaw H., Todorov N (1999) Calculation of signal detection theory measures Behavior Research Methods, Instruments, and Computers, pp.137 - 149, PMID 10495845 http://www.taibienhuyentaybac.ddns.net:8088 http://www.thoitiethuyentaybac.com.vn James Brewster (2009) Development of the Flash Flood Potential Index Jeffrey Zogg Kevin Deitsch (2013) The Flash Flood Potential Index at WFO Des Moines, Iowa Jirapon Sunkpho and Chaiwat Ootamakorn (2011) Real-time flood monitoring and warning system.Songklanakarin J Sci Technology, 33(2), pp 227-235 Lã Thanh Hà (2009) Phân tích nghiên cứu thí điểm hệ thống cảnh báo lũ quét., Dự án Quản lý rủi ro thiên tai WB4, CPO, Bộ Nông nghiệp Phát triển nông thơn Lê Đình Thơm (2007) Cơ sở khoa học hiệu chỉnh cấp dự báo cháy rừng tỉnh Bắc Trung Bộ Cục Kiểm lâm - Bộ Nông nghiệp Phát triển nông thôn Microsoft, Introduction to the C# Language and the NET Framework, http://msdn.microsoft.com/library/z1zx9t92 Ministry of Land (2004), Infrastructure and Transport Infrastructure Development Institute - Japan Development of warning an devacuation system against sedimentation disasters in development countries Ngơ Đình Tuấn (2008) Lũ quét phòng tránh lũ quét Tạp chí Thủy lợi Mơi trường, 8-2008 Phạm Ngọc Hưng (2001) Thiên tai khô hạn cháy rừng giải pháp phòng cháy chữa cháy rừng Việt Nam Nhà xuất Nông nghiệp, Hà Nội Jirapon S., and Chaiwat O (2011) Real-time flood monitoring and warning system Songklanakarin J Sci Technology, 33(2), pp.227-235 Shabbir Challawala et al (2017) MySQL for Big Data, Packt Publishing Stanislaw H., Todorov N (February 1999) Calculation of signal detection theory measures Behavior Research Methods, Instruments, and Computers pp.137-149 Saaty T L (1980) The Analytic Hierarchy Process McGraw-Hill, New York, pp1-6 Thach Ngoc Nguyen, Bao Toan Ngo Dang, Xuan Canh Pham, Hong Thi Nguyen, Hang Thi Bui, Dieu Tien Bui Spatial Pattern Assessment of Tropical Forest Fire Danger at Thuan Chau area (Vietnam) using GIS-Based Advanced Machine Learning Algorithms: A comparative study Ecological Informatics Enservier ISI Vol 46 P 34-46 2018 Thach Ngoc Nguyen, Canh Xuan Pham, Huy Quoc Nguyen, Toan Ngo Bao Dang Establishing an early warning system for flash floods in Hoang Su Phi District, Ha Giang Province, Vietnam Singapore Journal of Tropical Geography pp.1-22 2018 World Meteorological Organization (2007) Flash Flood Guidance System Waidyanatha, Nuwan (2010) Towards a typology of integrated functional early warning systems International Journal of Critical Infrastructures No 6: 31–51 doi:10.1504/ijcis.2010.029575 Wiltshire, Alison (2006) Developing Early Warning Systems: A Checklist (PDF) Proceedings of the 3rd International Conference on Early Warning EWC III, Bonn (Germany) Xây dựng hệ thống cảnh báo sớm đa tai biến quy mô cấp huyện cho vùng núi Tây Bắc sở tích hợp địa thông tin công nghệ đa phương tiện 237 BUILDING AN EARLY WARNING SYSTEM FOR MULTI NATURAL HAZARDS AT THE DISTRICT LEVEL IN THE NORTHERN MOUNTAINEOUS REGION ON THE BASIS OF THE INTEGRATION OF GEOINFORMATICS AND MULTIMEDIA TECHNIQUE Nguyen Ngoc Thach1, Pham Xuan Canh1, Nguyen Quoc Huy1, Nguyen Thi Thu Hien2, Lai Tuan Anh3, Dang Ngo Bao Toan4 University of Science, Viet Nam National University, Hanoi, Thuy loi University, Da Nang Pedagogical University, Quy Nhon University Abstract: In the mountains of our country, early warning of a catastrophe is only effective once it is accurately informed about the location, extent and time of the accident The early warning time must be enough for people to promptly prepare necessary response measures In the era of technology 4.0, such a system can be a versatile system that warns many kinds of disasters The early natural hazard warning models (flash floods, forest fires, maize stalk bore (busseola fusca), blast damage red spider of orange and bactrocera tryonyl, piriculariose disease for rice) are based on multiple criteria evaluation approach with the participation of many professionals of various disciplines, in which, the meteorological parameters are of particular interest Early prediction models are built on the principle is that accidents will occur only where there is a potential risk is high and when the meteorological parameters in the model beyond the threshold Flash floods early warning software is built on the basis of open source programming tools in Python, PHP and Postgre SQL/PostGIS database With the spatial module, online activities on the internet, the parameters of generation meteorological forecasts 1-6 days early from the automatic climate stations Imetos(with powered by solar batteries, connected to the global meteorological network www.meteoblue.com), will be taken into account and interpolation online along with a map of the potential risk The result handler will determine exactly the location of hazard that can happen to a region, with the level of risk corresponds to the value of meteorological parameters at the automatic meteorological stations Information about the disaster was published online on the website or transmitted as a SMS to each people The system was initially built and used for days early warning for flash flood and forest fires, and days for the pests: maize stalk bore (busseola fusca), blast damage red spider of orange and Bactrocera tryonyl, piriculariose disease for rice) The system deployed for three districts in northwestern province (European Agreement - Son La province, Hoang Su Phi - Ha Giang province and Cao Phong - Hoa Binh Provinces) aims to help local people to make decisions appropriate for the room escape or minimize damage caused by accidents Keywords: Disaster, models, parameters, thresholds, most indicators, early warning ... phát sinh lũ xây dựng đề Xây dựng hệ thống cảnh báo sớm đa tai biến quy mô cấp huyện cho vùng núi Tây Bắc sở tích hợp địa thông tin công nghệ đa phương tiện 229 tài Căn vào số liệu thống kê giai... 225 Xây dựng hệ thống cảnh báo sớm đa tai biến quy mô cấp huyện cho vùng núi Tây Bắc sở tích hợp địa thơng tin công nghệ đa phương tiện Bảng Chỉ tiêu đánh giá nguy lũ quét cho lớp thông tin địa. . .Xây dựng hệ thống cảnh báo sớm đa tai biến quy mô cấp huyện cho vùng núi Tây Bắc sở tích hợp địa thơng tin cơng nghệ đa phương tiện 221 Mục tiêu cảnh báo để trao quy? ??n cho cá nhân