LCM: Land Change Modeler TWI: Chỉ số độ ẩm địa hình NDVI: Chỉ số Thực vật khác biệt chuẩn hóa NDBI: Chỉ số Xây dựng chênh lệch chuẩn hóa NDWI: Chỉ số Nước chênh lệch chuẩn hóa MLP: Multi-layer Perceptron
AOA: Archimedes Optimization Algorithm WCA: Water Cycle Algorithm
WOA: Whale Optimization Algorithm ACO: Ant colony optimization
SVM: Support vector machine RF: Random forest
RMSE: root-mean-square error MAE: mean absolute error AUC: area under the ROC curve R2: coefficient of determination
7. Tóm tắt kết quả (tiếng Việt và tiếng Anh)
Tóm tắt. Biến đổi khí hậu và quá trình đô thị hóa ngày càng gia tăng đang là hai trong
những yếu tố chủ yếu góp phần vào tăng nguy cơ lũ lụt trên toàn cầu. Việc dự báo và theo dõi ảnh hưởng của sử dụng đất và biến đổi khí hậu đối với nguy cơ lũ lụt là quan trọng để phát triển các chiến lược giảm thiểu tổn thất. Nghiên cứu này tập trung vào việc phát triển một phương pháp tiếp cận mới, sử dụng kết hợp các mô hình học máy/học sâu, mô hình biến đổi sử dụng đất, cùng với mô hình thủy lực để dự đoán tác động của biến đổi khí hậu và sử dụng đất đối với rủi ro lũ lụt. Trong giai đoạn từ 2005 đến 2050, mô hình biến đổi sử dụng đất được sử dụng dự báo biến đổi sử dụng đất trong các năm 2035 và 2050, được sử dụng để làm đầu vào cho mô hình học máy/học sâu nhằm dự báo mức độ nhạy cảm với lũ lụt trong giai đoạn này, trong khi mô hình thủy lực được sử dụng để mô hình hóa độ sâu và tốc độ lũ dựa trên kịch bản biến đổi khí hậu RCP 8.5. Dữ liệu về sử dụng đất, mật độ dân số, tỷ lệ nghèo, số lượng phụ nữ, số trường học và diện tích canh tác được tích hợp để xây dựng đánh giá rủi ro lũ lụt. Quy trình phân tích thứ bậc AHP được áp dụng để tính toán rủi ro, kết hợp các chỉ tiêu trong nguy cơ lũ lụt, mức độ phơi nhiễm và mức độ dễ bị tổn thương. Kết quả của nghiên cứu này cho thấy sự gia tăng nhanh chóng của rủi ro lũ lụt, mà chủ yếu được giải thích bởi tốc độ đô thị hóa gia tăng, sự thay đổi trong nhân khẩu học, đặc biệt là liên quan đến số lượng phụ nữ, và sự tăng của các cơ sở giáo dục. Cách tiếp cận này mang lại cái nhìn toàn diện và chính xác về đánh giá rủi ro lũ lụt do biến đổi khí hậu và đô thị hóa, có thể được áp dụng tại các khu vực khác có điều kiện tương tự.
Từ khóa. Rủi ro lũ lụt, mức độ phơi nhiễm, nguy cơ lũ lụt, tính dễ bị tổn thương, học
máy/học sâu, mô hình thủy lực.
Summary. Climate change and escalating urbanization are two primary factors contributing
to an augmented global flood risk. Forecasting and monitoring the influence of land use and climate
39 change on flood risk play a crucial role in formulating strategies for mitigating losses. This research aims to pioneer a novel methodology by combining machine learning/deep learning models and land use change models, along with hydraulic models, to predict the impact of climate change and land use on flood risk. During the period spanning from 2005 to 2050, the land use change model is utilized to project alterations in land use for the years 2035 and 2050. This information serves as input for the machine learning/deep learning model to forecast flood sensitivity within this timeframe. Concurrently, hydraulic modeling is employed to simulate flood depth and velocity based on the RCP 8.5 climate change scenario. Various data, including land use, population density, poverty rate, number of women, number of schools, and cultivated area, are integrated to formulate a comprehensive flood risk assessment. The Analytical Hierarchy Process (AHP) is applied to compute risk by amalgamating indicators related to flood risk, exposure, and vulnerability. The outcomes of this study reveal a swift escalation in flood risk, primarily attributed to the accelerated pace of urbanization, demographic shifts, especially in terms of the female population, and the proliferation of educational institutions. This holistic approach furnishes an accurate and all- encompassing perspective on flood risk assessment attributable to climate change and urbanization, applicable to regions with analogous conditions.
Keyword. flood hazard, flood risk, flood exposure and vulnerability, machine learning/deep
learning, hydraudynamic modeling.
PHẦN III. SẢN PHẨM, CÔNG BỐ VÀ KẾT QUẢ ĐÀO TẠO CỦA ĐỀ TÀI 3.1. Kết quả nghiên cứu
TT Tên sản phẩm Yêu cầu khoa học hoặc/và chỉ tiêu kinh tế - kỹ thuật
Đăng ký Đạt được
1 Mô hình tích hợp biến đổi sử dụng đất và học sâu trong đánh giá và dự báo rủi ro lũ.
- Xây dựng được phương pháp và bộ tiêu chí trong đánh giá rủi ro lũ.
- Xây dựng được mô hình tích hợp biến đổi sử dụng đất và học sâu trong đánh giá và dự báo rủi ro lũ.
Như đăng ký
2 Báo cáo hiện trạng và xu thế biến đổi của rủi ro lũ cho lưu vực sông Nhật Lệ - Kiến Giang năm 2005, 2020 và 2030.
- Kết quả thể hiện đầy đủ, chính xác và có tính hệ thống về sự phân bố các khu vực biến đổi rủi ro lũ từ năm 2005 đến 2020 và dự báo các khu vực biến đổi năm 2030.
- Bản đồ thể hiện được hiện trạng và xu thế biến đổi của rủi ro lũ tại lưu vực sông Nhật Lệ-Kiến Giang với các mức độ rủi ro lũ khác nhau (Rất thấp, Thấp, Trung bình, Cao, Rất cao).
Như đăng ký
40 3 Báo cáo đề xuất các giải pháp
phòng tránh và giảm thiểu rủi ro lũ tại lưu vực sông Nhật Lệ - Kiến Giang.
- Các giải pháp rõ ràng, đầy đủ cơ sở khoa học và luận cứ đối với các đề xuất.
Như đăng ký
3.2. Hình thức, cấp độ công bố kết quả
TT Sản phẩm
Tình trạng
(Đã in/ chấp nhận in/
đã nộp đơn/ đã được chấp nhận đơn hợp lệ/
đã được cấp giấy xác nhận SHTT/ xác nhận sử dụng sản phẩm)
Ghi địa chỉ và cảm ơn
sự tài trợ của ĐHQGHN
đúng quy định
Đánh giá chung
(Đạt,
không đạt)
1 Công trình công bố trên tạp chí khoa học quốc tế theo hệ thống ISI/Scopus 1.1 + Huu Duy Nguyen (2022). GIS-based
hybrid machine learning for flood susceptibility prediction in the Nhat Le–
Kien Giang watershed, Vietnam. Earth Science Informatics 15(4).
https://doi.org/10.1007/s12145-022- 00825-4
Đã in Đúng quy
định Đạt
1.2 + Huu Duy Nguyen, Thi Thuy Hien Trinh, Dinh Kha Dang (2023). Flood hazard and resilience in the watershed Nhat Le – Kien Giang in Vietnam.
Urbanism. Architecture.
Constructions/Urbanism. Arhitectura.
Constructii 14 (1)
Đã in Đúng quy
định
Đạt
1.3 + Huu Duy Nguyen, Dinh Kha Dang, Y Nhu Nguyen, Chien Pham Van, Thi Thao Van Nguyen, Quoc-Huy Nguyen, Xuan Linh Nguyen, Le Tuan Pham, Viet Thanh Pham, Quang-Thanh Bui (2023).
Integration of machine learning and hydrodynamic modeling to solve the extrapolation problem in flood depth estimation. Journal of Water and Climate Change, 2023573
https://doi.org/10.2166/wcc.2023.573
Đã in Đúng quy
định
Đạt
2 Sách chuyên khảo được xuất bản hoặc ký hợp đồng xuất bản 2.1
3 Đăng ký sở hữu trí tuệ 3.1
4 Bài báo quốc tế không thuộc hệ thống ISI/Scopus 4.1
5 Bài báo trên các tạp chí khoa học của ĐHQGHN, tạp chí khoa học chuyên ngành quốc gia hoặc báo cáo khoa học đăng trong kỷ yếu hội nghị quốc tế
5.1 5.2
41 6 Báo cáo khoa học kiến nghị, tư vấn chính sách theo đặt hàng của đơn vị sử dụng
6.1 6.2
7 Kết quả dự kiến được ứng dụng tại các cơ quan hoạch định chính sách hoặc cơ sở ứng dụng KH&CN
7.1 7.2
Ghi chú:
- Cột sản phẩm khoa học công nghệ: Liệt kê các thông tin các sản phẩm KHCN theo thứ tự
<tên tác giả, tên công trình, tên tạp chí/nhà xuất bản, số phát hành, năm phát hành, trang đăng công trình, mã công trình đăng tạp chí/sách chuyên khảo (DOI), loại tạp chí ISI/Scopus>
- Các ấn phẩm khoa học (bài báo, báo cáo KH, sách chuyên khảo…) chỉ được chấp nhận nếu có ghi nhận địa chỉ và cảm ơn tài trợ của ĐHQGHN theo đúng quy định.
- Bản phô tô toàn văn các ấn phẩm này phải đưa vào phụ lục các minh chứng của báo cáo.
Riêng sách chuyên khảo cần có bản phô tô bìa, trang đầu và trang cuối có ghi thông tin mã số xuất bản.
3.3. Kết quả đào tạo TT Họ và tên
Thời gian và kinh phí tham gia đề tài
(số tháng/số tiền)
Công trình công bố liên quan
(Sản phẩm KHCN, luận án, luận văn) Đã bảo vệ
Nghiên cứu sinh
1 Phạm Lê Tuấn 2
tháng/4.470.000đ
- Huu Duy Nguyen, Dinh Kha Dang, Y Nhu Nguyen, Chien Pham Van, Thi Thao Van Nguyen, Quoc-Huy Nguyen, Xuan Linh Nguyen, Le
Tuan Pham, Viet Thanh Pham,
Quang-Thanh Bui (2023). Integration of machine learning and
hydrodynamic modeling to solve the extrapolation problem in flood depth estimation. Journal of Water and Climate Change, 2023573 https://doi.org/10.2166/wcc.2023.573
Đang thực hiện
QĐ số 2097/QĐ- ĐHKHTN công nhận công nhận đề tài luận án và người hướng dẫn NCS Học viên cao học
1 Nguyễn Thanh Hà
3 tháng Luận văn: Nghiên cứu ứng dụng mô
hình học máy và Gis trong thành lập bản đồ nhạy cảm lũ lụt tại lưu vực sông Nhật Lệ - Kiến Giang
QD số:
99/QG- MĐC của trường Đại học Mỏ - Địa chất giao luận văn tốt nghiệp cho học viên
42 cao học; Số hiệu:
MDA-M 002261
Ghi chú:
- Gửi kèm bản photo trang bìa luận án/ luận văn/ khóa luận và bằng hoặc giấy chứng nhận nghiên cứu sinh/thạc sỹ nếu học viên đã bảo vệ thành công luận án/ luận văn;
- Cột công trình công bố ghi như mục III.1.