5. Cấu trúc của luận văn
3.4. Dự báo biến động trong tƣơng lai đoạn sông Pô Kô
Qua việc thống kê dữ liệu biến động bồi tụ, sạt lở ở hai đoạn sông Đăk Bla và Pô Kô được trình bày ở mục 3.2, các số liệu biến động trên đoạn sông Pô Kô thể hiện xu hướng rõ rệt hơn so với kết quả ở đoạn sông Đăk Bla. Vì vậy, chúng tôi lựa chọn đoạn sông Pô Kô để dự đoán sự biến động lòng sông trong tương lai. Hai mốc thời gian được lựa chọn trong tương lai là năm 2018 (5 năm sau) và năm 2023 (10 năm sau).
Các dữ liệu đường bờ trái đoạn sông Pô Kô trong 8 năm 1990, 1994, 1997, 2002, 2004, 2008, 2010, 2013 được lựa chọn để tính toán. Sử dụng phương pháp tính biến động đường bờ để tính khoảng cách giữa đường baseline và đường bờ của 8 năm tương ứng nêu trên. Tổng số 171 đường transect được tạo ra theo phương pháp của mục 3.2. Từ các số liệu về điểm giao giữa transect và đường bờ xây dựng phương trình hồi quy tuyến tính để dự đoán vị trí đường bờ sau 5 năm (đến năm 2018) và sau 10 năm (đến năm 2023) tại mỗi điểm. Công thức hồi quy tuyến tính sau được sử dụng:
y = ax + b (7)
Trong đó:
y: là khoảng cách từ đường baseline tới đường bờ tại thời điểm x x: là mốc thời gian dự đoán (năm)
a: tốc độ biến đổi (m/năm) b: tham số hồi quy (hằng số)
62
Ví dụ về cách tính toán để dự đoán biến động đường bờ dựa vào phương pháp xây dựng phương trình hồi quy tuyến tính tại điểm giao giữa đường bờ và transect có số thứ tự 24 được trình bày trong hình 3-32 dưới đây:
Hình 3-32: Phƣơng trình hồi quy khoảng cách từ một điểm đến đƣờng baseline (tại transect thứ 24)
Phương trình hồi quy tính ứng với transect thứ 24 là:
y = - 0,8793x + 1852,6 (8)
Áp dụng công thức (8), tại điểm transect thứ 24, ta có thể xác định được khoảng cách từ đường bờ tới đường baseline là 78,17 m vào năm 2018, và khoảng cách này là 73,77 m vào năm 2023. So sánh hai giá trị dự đoán với giá trị hiện tại của khoảng cách từ đường bờ năm 2013 năm 2013 là 79,792 m từ đó nhận thấy tại vị trí này đường bờ có xu hướng sạt lở, tốc độ sạt lở trung bình là 0,8793 m/năm.
Tính toán tương tự với tất cả các transect còn lại để lập dữ liệu khoảng cách từ đường baseline tới đường bờ ở các năm 2018 và 2023 sẽ thu được sơ đồ về mức độ và tốc độ bồi tụ trên của đoạn bờ sông Pô Kô như trong hai hình 3-33 và 3-34 được thể hiện dưới đây:
y = 0.8793x - 1852.6 R² = 0.9086 -120 -100 -80 -60 -40 -20 0 1980 1990 2000 2010 2020 K h o ản g c ác h Năm Khoảng cách Linear (Khoảng cách)
63
Hình 3-33: Biểu đồ mức độ biến động đƣờng bờ tại đoạn sông Pô Kô các năm 2018 và 2023
Hình 3-34: Biểu đồ tốc độ biến động đƣờng bờ tại đoạn sông Pô Kô các năm 2018 và 2023
Qua dữ liệu tính toán thống kê và số liệu thể hiện ở biểu đồ hình 3-33 và 3- 34, đến năm 2018 khu vược đường bờ đoạn Pô Kô có 147 điểm sạt lở và 34 điểm bồi tụ, mức độ sạt lở nằm trong khoảng từ 0,08 đến 15,67 m, tốc độ sạt lở nằm trong khoảng 0,016 đến 3,13 m/năm, tốc độ sạt lở trung bình là 5,04 m/năm. Mức
-3 -2 -1 0 1 2 3 4 1 10 19 28 37 46 55 64 73 82 91 10 0 10 9 11 8 12 7 13 6 14 5 15 4 16 3 Tố c độ b iế n độn g (m /n ăm ) Vị trí transect 2013 - 2018 2013 - 2023
64
độ bồi tụ nằm trong khoảng từ 0,17 đến 9,84 m, tốc độ bồi tụ nằm trong khoảng từ 0,035 đến 1,96 m/năm, tốc độ bồi tụ trung bình toàn đoạn là 0,67 m/năm.
Trong khi đó, tính đến năm 2023, số điểm sạt lở tăng lên thành 142 điểm, số điểm bồi tụ chỉ còn là 29 điểm. Mức độ sạt lở tính đến năm 2023 nằm trong khoảng từ 0,02 đến 30,01 m, tốc độ sạt lở nằm trong khoảng từ 0,002 đến 3 m/năm, tốc độ sạt lở trung bình toàn đoạn là 1,02 m/năm. Mức độ bồi tụ nằm trong khoảng từ 0,01 đến 20,58 m, tốc độ bồi tụ nằm trong khoảng từ 0,0018 đến 2,05 m/năm, tốc độ sạt lở trung bình toàn đoạn là 0,88 m/năm.
65
KẾT LUẬN VÀ KIẾN NGHỊ 1. Kết luận
Qua quá trình thực hiện luận văn, dựa trên kết quả đã đạt được của luận văn, chúng tôi đưa ra một số kết luận như sau:
- Về tính hiệu quả của phƣơng pháp sử dụng đối với đối tƣợng nghiên cứu
Qua nghiên cứu có thể nhận thấy việc kết hợp giữa phương pháp viễn thám và GIS rất hữu ích cho việc tính toán mức độ và tốc độ biến động lòng sông trong quá khứ. Việc đưa ra được quy trình thành lập sơ đồ về mức độ và tốc độ biến động lòng sông thể hiện tính ưu việt không thể thay thế của sự kết hợp công nghệ viễn thám và GIS ứng dụng trong lĩnh vực quản lý và giám sát tài nguyên. Đồng thời với các kết quả đạt được nêu ra ở chương 3 mục tiêu thứ nhất và thứ hai của luận văn đã đạt được.
Việc tính toán được mức độ và tốc độ biến động lòng sông trong tương lai (không giới hạn thời điểm dự đoán) đã cho thấy các số liệu thu được từ quy trình và kỹ thuật xây dựng sơ đồ biến động lòng sông trong quá khứ không chỉ dừng lại ở mức độ đánh giá và phân tích hiện trạng mà còn có thể ứng dụng rộng rãi và hữu ích cho các quy hoạch liên quan tới khu vực ven sông trong tương lai. Mục tiêu thứ ba của nghiên cứu đã đạt được.
Mặc dù, ảnh hàng không là nguồn tư liệu chính cho việc quản lý và giám sát biến động đường bờ trong quá khứ [19], nghiên cứu này đã chứng minh rằng việc sử dụng ảnh vệ tinh đa phổ với độ phân giải trung bình có thể được sử dụng một cách hữu ích để giám sát, phân tích các đường bờ dài và luôn biến động ở khu vực. Phạm vi nghiên cứu của đề tài là vùng thượng lưu sông Sê San nhưng phương pháp này hoàn toàn có thể được áp dụng cho các khu vực khác.
- Về mức độ và tốc độ biến động lòng sông khu vực nghiên cứu trên cơ sở phân tích ảnh viễn thám qua các thời kỳ
Lòng sông ở khu vực thượng lưu sông Sê San đang có xu hướng biến động mạnh thể hiện qua các kết quả và số liệu thống kê thu được ở chương 3, trong đó biến động sạt lở gia tăng cả về mức độ và tốc độ trên chi lưu Đăc Bla khu vực nằm trong thị xã Kon Tum (tốc độ sạt lở hiện tại trung bình toàn đoạn là 2,96 m/năm ở
66
hiện tại). Tốc độ sạt lở trung bình trên chi lưu Pô Kô là 1,31 m/năm và tốc độ bồi tụ trung bình là 1,17 m/năm tính đến thời điểm hiện tại. Các xu hướng trên tiếp tục được thể hiện trong tương lai qua kết quả dự đoán biến động sau 5 và 10 năm tại khu vực nghiên cứu. Các kết quả tính toán về biến động lớp phủ của khu vực lòng sông cực đại trong quá khứ cũng góp phần củng cố và mô tả chi tiết hơn về nguyên nhân và những diễn biến trong quá trình biến đổi khu vực lòng sông nghiên cứu.
2. Kiến nghị
Trong khuôn khổ của luận văn, chúng tôi mới chỉ dừng lại ở cách tiếp cận bằng phương pháp viễn thám sử dụng ảnh quang học đa phổ. Tuy nhiên, việc phối hợp sử dụng nhiều phương pháp khác nhau trong một nghiên cứu có thể đem lại kết quả dự đoán chính xác và đáng tin cậy hơn. Trong đó, việc sử dụng một số loại dữ liệu viễn thám khác như ảnh rada, ảnh siêu phổ… có thể là những lựa chọn hữu hiệu khác giúp đánh giá một cách đầy đủ hơn về sự biến động về địa chất, địa mạo lòng sông.
TÀI LIỆU THAM KHẢO Tài liệu tiếng Việt
1. Chi cục Thuỷ lợi và Phòng chống Lụt bão tỉnh Kon Tum (2010), Báo cáo Hiện
trạng môi trường tỉnh Kon Tum.
2. Cục thống kê tỉnh Kon Tum (2010), Niên giám Thống kê tỉnh Kon Tum năm 2009, Nhà xuất bản thống kê.
3. Cục thống kê tỉnh Kon Tum (2012), Niên giám Thống kê tỉnh Kon Tum năm 2011, Nhà xuất bản thống kê.
4. Đặng Đình Đoan (2005), “Đánh giá biến động bờ biển khu vực cửa sông thu bồn bằng công nghệ viễn thám – GIS”, Tạp chí Khoa học và Công nghệ Thủy lợi. 5. Đặng Văn Bào, Bùi Thị Lê Hoàn, Nguyễn Thị Hoàng Anh, (2004), Đặc điểm
biến động lòng sông hồng và các chi lưu từ holocen tới nay, Hội nghị Khoa học
Trường Đại học Khoa học Tự nhiên, ngành Địa lý - Địa chính, Hà Nội.
6. UBND tỉnh Kon Tum (2005), Kon Tum trên đường phát triển, NXB Chính trị quốc gia, Hà Nội.
7. UBND tỉnh Kon Tum (2010), Kế hoạch phát triển kinh tế - xã hội, quốc phòng -
an ninh tỉnh Kon Tum giai đoạn 2011-2015.
8. Viện Quy hoạch thủy lợi (2006), Quy hoạch sử dụng tổng hợp và bảo vệ nguồn
nước lưu vực sông Sê San.
Tài liệu tiếng Anh
9. Archana, S., Garg, R.D. and Nayan S. (2012), “RS-GIS Based Assessment of River Dynamics of Brahmaputra River in India”, Journal of Water Resource and
Protection, vol. 4(2), pp. 63-72.
10. Alesheikh, A. A., Ghorbanali, A. and Nouri, N. (2007), “Coastline Change Detection Using Remote Sensing”, International Journal of Environmental
Science and Technology. vol. 4 (1), pp. 61-66.
11. Anders, F. J., and Byrnes, M. R. (1991), “Accuracy of Shoreline Change Rates as Determined from Maps and Aerial Photographs”, Shore and Beach, vol. 59, pp. 17 - 26.
12. Appeaning, A., Walkden, M. and Mills (2008), “Detection, Measurement and Prediction of Shoreline Recession in Accra, Ghana”, Journal of Photogrammetry
& remote Sensing, vol. 63, pp. 543–558.
13. Bennett, M. W. A. (1987), Rapid monitoring of wetland water status using density slicing, Proceedings of the 4th Australasian Remote Sensing Conference, Adelaide, pp. 682-691.
14. Berlanga, R. C. A. and Ruiz, L. A. (2002), “Land Use Mapping and Change Detection in the Coastal Zone of Northwest Mexico Using Remote Sensing Techniques”, Journal of Coastal Research, vol. 18(3), pp. 514-522.
15. Camfield, F. E. and Morang, A. (1996), “Defining and Interpreting Shoreline Change”, Ocean and Coastal Management, vol. 32(3), pp. 129 - 151
16. Chen, C.H. (2003), Frontiers of remote sensing information processing, vol. 628, World scientific publishing.
17. Chu, Z. X., Sun, X. G., Zhai, S. K. and Xu, K. H. (2006), “Changing Patter of Accretion/Erosion of the Modern Yellow River (Huanghe) sub aerial delta, China: Based on Remote Sensing Images”, International Journal of Marine
Geology, Geochemistry and Geophysics, vol. 227, pp. 13-30.
18. Fu, J., Wang, J., Li, J. (2008), “Study on the automatic extraction of water body from TM image using decision tree algorithm”, Proc. Of SPIE, vol. 6625 (02). 19. Gurnell, A. M. (1997), “Channel change on the River Dee meanders, 1946–1992,
from the analysis of air photographs”, Regulated Rivers: Research and
Management., vol. 12, pp. 13–26.
20. Henry, W. A., Marvin, O. H., Kenneth G. R. (1976), Forest and water: effects of
forest management on floods, sedimentation, and water supply, USDA forest
service general technical report PSW - 18I1976.
21. Jensen, R.J. (1997), Principles of change detection using digital remote sensor data, In Integration of Geographic Information Sytems and Remo Sensing. Cambridge Univ, Press, pp. 37-54.
22. Jensen, R.J., John, R. (2005), Introductory Digital Image Processing: A Remote
Sensing, Perspective. 3nd edition, Prentice-Hall Series in Geographic
Information Science.
23. Kawakubo, F. S., Morato, R. G., Nader, R. S. and Luchiari, A. (2011), “Mapping Changes in Coastline Geomorphic Features Using Landsat TM and ETM+ Imagery: Examples in South-eastern Brazil”, International Journal of Remote
Sensing, vol. 32(9), pp. 2547-2562.
24. Kelley, G.W., Hobgood, J.S., Bedford, K.W., Schwab D.J (1998), “Generation of three-dimensional lake model forecasts for Lake Erie”, J. Weat. For., vol. 13. 25. Lee and Lunetta, R.S. (1995), Wetland detection methods, chapter 18 in Wetland
and Environment Applications of GIS, (J.G Lyon and J.McCarthy, editors),
Lewis, Boca Raton, Florida, pp. 249-284.
26. MacQueen, J. B. (1967), Some Methods for classification and Analysis of
Multivariate Observations, Vol. 1, Berkeley, University of California Press,
Proceedings of 5-th Berkeley Symposium on Mathematical Statistics and Probability.
27. Manavalan, R. (1993), “Digital image analysis techniques to estimate waterspread for capacity evaluaion of reservoirs”, Photogrammetric Engineering
and Remote Sensing, vol. 59(9), pp. 1389-1395.
28. Naveh Z., Lieberman A.S. (1984), Landscape Ecology: Theory and Application, Springer-Verlag, New York, USA.
29. Sainath, P., Shashikant, I., Pragati, P., Ravindra, D. (2012), “River Change Detection and Bank Erosion Identification using Topographical and Remote
Sensing Data”, International Journal of Applied Information Systems (IJAIS),
vol. 2(3).
30. Sciences, Mathematics and Resources, National Research Council (1986),
Remote sensing of the biosphere, National Academy Press, Washington, D.C.
31. Smith, L.C (1997), Satellite remote sensing of river inundation area, stage, and
discharge: A review, Hydrological Processe, vol. 11, pp. 1427-1439.
32. Sumit C., Ghosh S. K., Suresh C. P., Dey A. N. and Gopal S. (2012),
Deforestation: Causes, Effects and Control Strategies, Global Perspectives on
Sustainable Forest Management, ISBN: 978-953-51-0569-5.
33. Thieler, E. R., Himmelstoss, E. A., Zichichi, J. L., and Ergul, Ayhan (2008),
Digital Shoreline Analysis System (DSAS) version 4.0—An ArcGIS extension for
calculating shoreline change, U.S. Geological Survey Open-File Report 2008-
1278.
34. Van, T.T. and Binh, T.T (2008), Shoreline Change Detection to Serve
Sustainable Management of Coastal Zone in Cuu Long Estuary, Proceedings of
the International Symposium on Geoinformatics for Spatial Infrastructure Development in Earth and Allied Sciences.
35. Winarso G., Budhiman S (2001), The potential application of Remote sensing
data for coastal study, Proc. 22nd Asian Conference on Remote Sensing
Singapore.
36. Zhang, Y. (2010), Coastal Environmental Monitoring using Remotely Sensed Data and GIS Techniques in the Modern Yellow River Delta, China. Environmental Monitoring Assessment.
37. Zhengyi, Y., Wanquan, T., Xiaopeng, J., Jianhua, X. (2011), “Bank erosion and accretion along the Ningxia–Inner Mongolia reaches of the Yellow River from 1958 to 2008”, Geomorphology,vol. 127, pp. 99–106.
THÔNG TIN TÁC GIẢ
Họ và tên: Phạm Thu Thủy Điện thoại: 0914 945 696
Địa chỉ email: thuthuyph@yahoo.com
Lĩnh vực chuyên môn hiện tại: Biến đổi khí hậu