Tài Liệu Nghiên Cứu
Đề tài Khoa học và Công nghệ cấp Đại học Quốc gia Hà Nội (QG.24.75)
Nghiên cứu ứng dụng GIS và công nghệ trí tuệ nhân tạo xây dựng
hệ thống cảnh báo nguy cơ dòng bùn đá trên lưu vực sông Đà
Tài Liệu 1
Deep learning models integrating multi-sensor and -temporal remote sensing to monitor landslide traces in Vietnam
Trượt lở đất gây nguy hiểm lớn ở vùng núi, nhưng việc giám sát theo thời gian thực còn khó khăn và tốn kém. Nghiên cứu này nhằm: (1) đề xuất chỉ số nhận diện trượt lở từ ảnh thực địa và viễn thám; (2) phát triển mô hình học sâu (deep learning) dùng ảnh Sentinel-1 và Sentinel-2; (3) ứng dụng mô hình tại Việt Nam. Kết quả cho thấy tích hợp dữ liệu quang học và radar giúp tăng độ chính xác lên đến 99%. Nhóm tác giả đề xuất chiến lược kết hợp bốn mô hình U-Net và U-Net3+ với các kênh Sentinel khác nhau để phát hiện hiệu quả trượt lở trong nhiều điều kiện địa hình.
Tài Liệu 2
Comparison between U-shaped structural deep learning models to detect landslide traces
Trượt lở đất gây nguy hiểm cho người dân và hạ tầng vùng núi, trong khi việc giám sát thời gian thực gặp nhiều khó khăn do địa hình hiểm trở. Nghiên cứu này đề xuất chỉ số nhận diện vết trượt trên ảnh thực địa và viễn thám, xây dựng mô hình học sâu (DL) từ ảnh Sentinel-2, và ứng dụng tại một số khu vực ở Việt Nam. Chín mô hình DL được huấn luyện với ba kiến trúc (U-Net, U2-Net, U-Net3+) và ba kích thước ảnh đầu vào. Mô hình U-Net (32×32) đạt độ chính xác 97% và phù hợp phát hiện vết trượt điển hình; trong khi U-Net (64×64) hiệu quả với vết trượt lớn hơn. Mô hình giúp theo dõi trượt lở theo thời gian, hỗ trợ cảnh báo sớm lũ quét ở vùng xa khu dân cư.
Tài Liệu 3
Modelling and mapping natural hazard regulating ecosystem services in Sapa, Lao Cai province, Vietnam
Việc chuyển đổi sử dụng đất do phát triển nông nghiệp và du lịch cộng đồng ở Sapa (miền núi phía Bắc Việt Nam) đã làm gia tăng các tai biến tự nhiên như xói mòn và trượt lở đất, ảnh hưởng đến phát triển bền vững. Dịch vụ hệ sinh thái điều tiết tai biến đã giúp bảo vệ người dân, nhất là trong mùa mưa.
Nghiên cứu này nhằm:
-
Phân biệt giữa tiềm năng và mức sử dụng thực tế của dịch vụ điều tiết tai biến.
-
Hiểu vai trò của các hệ sinh thái (đặc biệt là ruộng bậc thang và rừng) trong quản lý bền vững tai biến như xói mòn và trượt lở.
Hai mô hình được sử dụng: InVEST (phân tích xói mòn) và AHP (phân tích trượt lở). Kết quả cho thấy: các dịch vụ điều tiết xói mòn phân bố không đồng đều và khả năng điều tiết trượt lở thấp ở nơi chịu tác động mạnh của con người. Hệ sinh thái ruộng có vai trò nhất định trong giảm xói mòn, nhưng 1/3 diện tích ruộng bậc thang không có khả năng cung cấp dịch vụ điều tiết và cần được phục hồi rừng.
Tài Liệu 4
Modelling and mapping natural hazard regulating ecosystem services in Sapa, Lao Cai province, Vietnam
Tài liệu số 4 chứa các nghiên cứu mới nhất về trượt lở và biện pháp ngăn chặn, giúp cộng đồng hiểu rõ hơn về hiện tượng này và cách ứng phó hiệu quả.