Trong vài thập kỷ gần đây, hiện tượng biến đổi khí hậu toàn cầu đã và đang tác động sâu rộng đến môi trường sống của con người. Một trong những hậu quả rõ nét nhất của biến đổi khí hậu là sự gia tăng cả về tần suất lẫn cường độ của các loại hình thiên tai, trong đó lũ lụt và lũ quét là hai hiện tượng gây thiệt hại nghiêm trọng nhất. Theo thống kê của các tổ chức quốc tế, lũ lụt đứng đầu trong danh sách những thảm họa thiên nhiên gây thiệt hại lớn nhất về người và tài sản trên toàn cầu. Chỉ riêng năm 2013, thiệt hại kinh tế do lũ gây ra đã lên tới hơn 50 tỷ USD, và các dự báo cho thấy đến năm 2050, con số này có thể tăng lên tới 1 nghìn tỷ USD mỗi năm, do sự gia tăng dân số cùng với tác động ngày càng mạnh mẽ của biến đổi khí hậu.
Tại Việt Nam, quốc gia nằm trong khu vực nhiệt đới gió mùa và thường xuyên hứng chịu bão, áp thấp nhiệt đới, mưa lớn, lũ lụt và lũ quét đã trở thành mối đe dọa thường trực. Theo Trung tâm Nghiên cứu Dịch tễ học về Thảm họa (CRED), Việt Nam nằm trong top 10 quốc gia chịu ảnh hưởng nặng nề nhất của biến đổi khí hậu. Trong giai đoạn 1996–2015, tổng thiệt hại do bão và lũ lụt chiếm khoảng 0,62% GDP mỗi năm, tương đương 2,12 tỷ USD. Đặc biệt, hiện tượng lũ quét xảy ra ngày càng phổ biến ở các tỉnh miền núi phía Bắc như Lào Cai, Yên Bái, Lai Châu, Sơn La…, gây thiệt hại nặng nề về người, tài sản, cơ sở hạ tầng và môi trường. Với đặc điểm diễn biến nhanh, bất ngờ, khó dự đoán, lũ quét trở thành một trong những thách thức lớn nhất đối với công tác dự báo và cảnh báo thiên tai tại Việt Nam.
Trong bối cảnh đó, việc nghiên cứu ứng dụng trí tuệ nhân tạo (AI) kết hợp với các công nghệ hiện đại như viễn thám và GIS trong phân vùng và dự báo nguy cơ lũ quét không chỉ mang tính cấp thiết mà còn là hướng tiếp cận khoa học tiên tiến, phù hợp với xu thế phát triển công nghệ toàn cầu. Đây cũng là định hướng quan trọng nhằm thực hiện Chương trình mục tiêu quốc gia về ứng phó với biến đổi khí hậu và tăng trưởng xanh của Chính phủ Việt Nam (Quyết định số 1670/QĐ-TTg ngày 31/10/2017).
Luận án tiến sĩ kỹ thuật “Nghiên cứu phát triển mô hình trí tuệ nhân tạo trong phân vùng nguy cơ lũ quét ở Việt Nam” được thực hiện tại Trường Đại học Mỏ - Địa chất, dưới sự hướng dẫn của TS. Nguyễn Quang Khánh và GS.TS. Bùi Tiến Diệu (University of South-Eastern Norway, Na Uy).
Mục tiêu tổng quát của luận án là phát triển các mô hình trí tuệ nhân tạo tiên tiến có khả năng phân vùng, dự báo lũ quét với độ chính xác cao, dựa trên việc khai thác ảnh viễn thám Radar Sentinel-1 đa thời gian, kết hợp với dữ liệu địa không gian (GIS) và các phương pháp địa thống kê.
Cụ thể, nghiên cứu hướng đến:
- Phát hiện, chiết xuất và thành lập bản đồ hiện trạng lũ quét từ ảnh viễn thám Radar Sentinel-1;
- Xây dựng cơ sở dữ liệu GIS phục vụ mô hình hóa lũ quét, bao gồm địa hình, địa chất, khí hậu, thảm phủ, đất đai, lượng mưa, chỉ số thực vật (NDVI), và các chỉ số địa mạo như TWI, SPI, Curvature;
- Phát triển các mô hình trí tuệ nhân tạo (AI) để phân vùng nguy cơ lũ quét, bao gồm:
FA-LM-ANN – Mạng nơ-ron nhân tạo kết hợp thuật toán Firefly và Levenberg–Marquardt nhằm tối ưu hóa trọng số mạng;
PSO-ELM – Mô hình kết hợp máy học cực độ (Extreme Learning Machine) và tối ưu hóa bầy đàn (Particle Swarm Optimization);
Ensemble Learning – Mô hình học tập tích hợp sử dụng các thuật toán di truyền (GA), luật mờ (FURIA) và cây quyết định (Decision Tree).
Khu vực tỉnh Lào Cai được chọn làm vùng nghiên cứu thực nghiệm nhờ đặc trưng địa hình phức tạp, dốc lớn, mạng lưới sông suối dày đặc và có nhiều trận lũ quét đã được ghi nhận.
Phương pháp nghiên cứu và quy trình thực hiện
Luận án sử dụng tổng hợp nhiều phương pháp nghiên cứu hiện đại:
+ Phương pháp viễn thám: khai thác ảnh Sentinel-1 để phát hiện và chiết xuất khu vực bị lũ quét thông qua kỹ thuật phát hiện thay đổi (Change Detection).
+ Phương pháp GIS: xây dựng cơ sở dữ liệu không gian phục vụ mô hình hóa, bao gồm các lớp bản đồ thành phần (độ cao, độ dốc, độ cong, hướng dốc, loại đất, NDVI, lượng mưa, mật độ sông suối...).
+ Phương pháp mô hình hóa AI: ứng dụng các thuật toán trí tuệ nhân tạo và tối ưu hóa để xây dựng, huấn luyện, kiểm định và đánh giá độ chính xác mô hình.
+ Phương pháp kiểm chứng thực địa và thống kê: sử dụng dữ liệu đo đạc thực tế, bản đồ hiện trạng, kết hợp các chỉ số đánh giá sai số như RMSE, MSE, AUC, Kappa, ROC curve nhằm kiểm tra độ tin cậy của mô hình.
Quy trình nghiên cứu được thực hiện một cách hệ thống, từ thu thập dữ liệu, tiền xử lý, xây dựng mô hình đến kiểm định kết quả và thành lập bản đồ phân vùng nguy cơ lũ quét.
Luận án đạt được nhiều kết quả có ý nghĩa cả về mặt khoa học và thực tiễn, cụ thể như sau:
* Về phương pháp luận:
Phát triển mô hình FA-LM-ANN mới, kết hợp giữa mạng nơ-ron nhân tạo (ANN), thuật toán Firefly (FA) và thuật toán Levenberg–Marquardt (LM), giúp tự động tìm kiếm, cập nhật và tối ưu hóa trọng số mạng, nâng cao khả năng hội tụ và độ chính xác của dự báo.
Xây dựng mô hình PSO-ELM, kết hợp ưu điểm của máy học cực độ (ELM) với khả năng tối ưu hóa toàn cục của thuật toán bầy đàn (PSO), cải thiện hiệu suất học và tốc độ tính toán.
Đề xuất mô hình học tập tích hợp (Ensemble Learning), ứng dụng các thuật toán GA, FURIA và Decision Tree để nâng cao tính ổn định và khả năng khái quát của mô hình dự báo.
* Về kết quả thực nghiệm:
Xây dựng thành công bản đồ hiện trạng và bản đồ phân vùng nguy cơ lũ quét tỉnh Lào Cai với độ phân giải cao, phản ánh chính xác các khu vực từng xảy ra lũ và có nguy cơ cao trong tương lai.
Mô hình FA-LM-ANN đạt độ chính xác cao nhất với AUC > 0,9, chứng minh hiệu quả vượt trội so với các mô hình truyền thống dựa trên phương pháp thủy văn – địa hình.
Về đóng góp khoa học:
Luận án mở ra hướng tiếp cận mới trong nghiên cứu và dự báo lũ quét tại Việt Nam, giảm sự phụ thuộc vào dữ liệu quan trắc truyền thống, vốn còn thưa thớt và thiếu đồng bộ.
Đề xuất khung phương pháp luận tích hợp AI – GIS – Viễn thám – Địa thống kê, có thể áp dụng mở rộng cho các khu vực khác có điều kiện tự nhiên tương tự.
* Về ý nghĩa thực tiễn:
Kết quả nghiên cứu là cơ sở khoa học quan trọng cho quy hoạch sử dụng đất, phát triển hạ tầng bền vững và quản lý rủi ro thiên tai.
Bản đồ phân vùng nguy cơ lũ quét có thể được sử dụng trong hệ thống cảnh báo sớm, giúp chính quyền và người dân chủ động ứng phó, giảm thiểu thiệt hại về người và tài sản.
Quy trình kỹ thuật mà luận án xây dựng có thể làm tài liệu hướng dẫn chuẩn cho các địa phương khác khi triển khai nghiên cứu hoặc dự án cảnh báo thiên tai dựa trên AI.
Luận án tiến sĩ kỹ thuật “Nghiên cứu phát triển mô hình trí tuệ nhân tạo trong phân vùng nguy cơ lũ quét ở Việt Nam” là một công trình khoa học có giá trị cao, thể hiện sự kết hợp hiệu quả giữa công nghệ trí tuệ nhân tạo, dữ liệu viễn thám và GIS trong nghiên cứu địa lý – môi trường.
Kết quả của luận án không chỉ mang lại những đóng góp đáng kể cho lĩnh vực trắc địa – bản đồ – viễn thám, mà còn có ý nghĩa thiết thực trong việc hỗ trợ công tác quy hoạch lãnh thổ, phát triển bền vững và ứng phó với biến đổi khí hậu tại Việt Nam.
Với cách tiếp cận khoa học hiện đại, mô hình hóa tiên tiến, cùng với sự kiểm chứng thực tế chặt chẽ, luận án đã khẳng định khả năng ứng dụng AI trong lĩnh vực dự báo thiên tai, mở ra hướng nghiên cứu mới có tính ứng dụng cao, phù hợp với chiến lược chuyển đổi số và phát triển khoa học công nghệ quốc gia.
