Trang chủ Chuyên gia viết Cảnh báo sớm nguy cơ lũ quét và sạt lở đất trên...

Cảnh báo sớm nguy cơ lũ quét và sạt lở đất trên nền dữ liệu đa nguồn và ứng dụng công nghệ IoT

Trong bối cảnh biến đổi khí hậu và thời tiết cực đoan, nguy cơ lũ quét và sạt lở đất đang trở thành một thách thức nghiêm trọng đối với Việt Nam. Theo dữ liệu ghi nhận được năm 2023, toàn quốc có tổng cộng hơn 1.100 trận thiên tai xảy ra, bao gồm bão, mưa lớn, lũ quét, và sạt lở đất chủ yếu tập trung ở vùng núi phía Bắc, duyên hải miền Trung, Tây Nguyên và Đông Nam Bộ. Tần số xuất hiện của những cơn bão ngày càng nhiều và gây ra những hậu quả cực kỳ nghiêm trọng, làm tổn hại cả về người và của.

Lũ quét và sạt lở đất – mối hiểm họa đang thiếu sự giám sát

Theo thông tin từ Bộ Tài nguyên và Môi trường, mỗi năm, Việt Nam xảy ra khoảng 10 – 15 trận lũ quét và sạt lở đất. Năm 2020, số lượng bão đổ vào khu vực miền Trung tăng cao, dẫn đến tần suất sạt lở đất tăng lên và mức độ nguy hiểm vô cùng nghiêm trọng tại các tỉnh Quảng Nam, Quảng Trị, Thừa Thiên – Huế, làm hàng chục người thiệt mạng tại Rào Trăng, Hướng Hóa và Nam Trà My. Ngoài ra, trong hai mươi năm qua, thiên tai ở các tỉnh miền núi phía Bắc cũng tăng lên đáng kể, đặc biệt là lũ quét và sạt lở đất. Theo khảo sát từ năm 2001 đến 2019, đã có khoảng 553 trận lũ quét, 850 vụ sạt lở đất, làm 673 người thiệt mạng, 41.436 ngôi nhà bị cuốn trôi, nhiều công trình giao thông và sinh kế kinh tế bị hư hại nghiêm trọng; thiệt hại về kinh tế ước tính lên đến hàng nghìn tỷ đồng.

Hình 1. Tìm kiếm người bị nạn do sạt lở đất tại Trà Lèng, Tỉnh Quảng Nam Province (https://vov.vn/xa-hoi/van-con-13-nguoi-mat-tich-do-sat-lo-dat-o-tra-leng-820636.vov)

Lũ quét và sạt lở đất là những loại thiên tai chính thường gây ra thương vong và thiệt hại về tài sản ở các tỉnh miền núi. Tuy nhiên, bản đồ rủi ro lũ quét và sạt lở đất chưa chỉ ra vị trí và thời gian cụ thể xảy ra thiên tai. Một số mô hình giám sát và cảnh báo thí điểm dựa trên thông tin về lượng mưa và mực nước sông chỉ phù hợp với lũ quét ở lưu vực sông. Trong khi lũ quét liên quan đến dòng chảy bùn đất xảy ra ở thượng nguồn lưu vực ở các vùng núi; đây là mối nguy hiểm phổ biến thường gây ra thiệt hại nghiêm trọng, chưa được nghiên cứu và áp dụng các hệ thống giám sát và cảnh báo sớm như vậy.

Hình 2. Phân loại sạt lở đất theo phương pháp Varnes (https://www.sciencedirect.com/science/article/pii/S209538361530016X)

Lũ quét và sạt lở đất là 2 loại thiên tai chính gây ra thiệt hại nhiều nhất về người và tài sản ở các tỉnh miền núi. Hiện tại, bản đồ rủi ro lũ quét và sạt lở đất chưa cung cấp thông tin chi tiết về vị trí và thời gian cụ thể xảy ra thiên tai, gây ra khó khăn trong việc quản lý và ứng phó. Các mô hình giám sát và cảnh báo hiện có chủ yếu dựa vào dữ liệu về lượng mưa và mực nước sông, nhưng chúng chỉ phù hợp với các lưu vực sông, không đáp ứng được các tình huống lũ quét và sạt lở đất xảy ra ở các vùng núi cao nơi có dòng chảy bùn đất.

Sạt lở đất xảy ra khi sự ổn định của sườn dốc thay đổi từ trạng thái cân bằng sang không ổn định. Sự thay đổi này có thể phụ thuộc vào nhiều yếu tố tự nhiên như: áp lực nước ngầm, mất hoặc thiếu cấu trúc thực vật giữ đất, tác động của độ dốc sông, cũng như các yếu tố khác như mưa lớn và lũ quét, động đất. Bên cạnh đó, các hoạt động của con người như phá rừng, sử dụng thuốc nổ trong khai thác và xây dựng, và canh tác cũng góp phần vào nguy cơ sạt lở đất.

Có thể dự báo lũ quét, sạt lở đất hay không?

Với công nghệ hiện nay, thế giới chưa thể dự báo được lũ quét, sạt lở đất sẽ xảy ra tại vị trí cụ thể và trong thời điểm cụ thể. Chỉ có khả năng cảnh báo nguy cơ xảy ra lũ quét, sạt lở đất trong một khu vực và thời gian nhất định. Theo [1], trong các loại hình thiên tai, có những loại có thể theo dõi được quá trình diễn biến như áp thấp nhiệt đới, bão – đang được cảnh báo, dự báo trước 3 – 5 ngày; hay lũ trên các sông lớn như sông Cửu Long có thể dự báo trước 5 – 10 ngày, cảnh báo trước 15 ngày hoặc dài hơn, v.v. Tuy nhiên, có những loại hình thiên tai diễn ra trong quy mô rất hẹp, không nhìn thấy được quá trình diễn biến như lũ quét, sạt lở đất, dông, lốc, sét, v.v. Việc cảnh báo lũ quét, sạt lở đất chi tiết đến từng khu vực nhà dân, thôn bản để giảm thiểu các thiệt hại về người và tài sản vẫn luôn là thách thức không chỉ của riêng Việt Nam mà ngay cả với những nước có trình độ khoa học công nghệ phát triển.

Năm 2017, Tổ chức Môi trường và Biến đổi khí hậu Canada (ECCC) và Tổ chức Khí tượng thế giới (WMO) đã xây dựng dự án Khả năng chống chịu tác động của các hiện tượng khí tượng thủy văn qua việc tăng cường các hệ thống cảnh báo sớm thiên tai ở các quốc đảo nhỏ đang phát triển và Đông Nam Á [2]. Từ năm 2022 [1], Việt Nam đã tiếp nhận Hệ thống hỗ trợ cảnh báo lũ quét Đông Nam Á (SEAFFGS). Đây là hệ thống hỗ trợ cảnh báo lũ quét đầu tiên sử dụng dữ liệu dự báo cực ngắn và được tích hợp một lượng lớn nhiều nguồn dữ liệu khác nhau. Các dữ liệu của Việt Nam đã được tích hợp vào hệ thống gồm số liệu ước lượng mưa từ 10 ra-đa, và hơn 1500 trạm mưa tự động, sản phẩm Nowcasting dự báo mưa, sản phẩm dự báo mưa số trị từ mô hình WRF, v.v.

SEAFFGS được thiết kế và phát triển nhằm mục đích cung cấp một hệ thống công cụ hiện đại, hỗ trợ dự báo khí tượng thủy văn phân tích, giám sát và cảnh báo thiên tai lũ quét thông qua các dữ liệu quan trắc tự động, dữ liệu mô hình theo thời gian thực bao gồm các sản phẩm chính như: các chỉ số định hướng cảnh báo lũ quét dựa trên ngưỡng dòng chảy tràn (FFG); chỉ số độ ẩm đất trung bình (ASM), Chỉ số dự báo nguy cơ lũ quét (FFFT); chỉ số rủi ro lũ quét (FFR) và định hướng cảnh báo sạt lở thông qua ngưỡng độ ẩm, ngưỡng sạt lở (LST).

Hệ thống hỗ trợ cảnh báo lũ quét khu vực Đông Nam Á là một hợp phần quan trọng của dự án mà trong đó Việt Nam là đại diện trung tâm vùng của SEAFFGS, gồm 4 nước thành viên: Việt Nam, Lào, Campuchia, Thái Lan. Việt Nam sẽ quản lý 2 máy chủ đặt tại Tổng cục Khí tượng thủy văn, cung cấp thông tin liên lạc, cơ sở hạ tầng, nguồn nhân lực duy trì đường truyền, dữ liệu, bảo trì, vận hành hệ thống để cung cấp dữ liệu và trao đổi cho các Trung tâm Khí tượng thủy văn tại khu vực Đông Nam Á; chịu trách nhiệm phối hợp với các nước thành viên trong khai thác và sử dụng các sản phẩm của SEAFFGS nhằm nâng cao năng lực dự báo, cảnh báo lũ quét, sạt lở [2].

Tuy nhiên, SEAFFGS chưa thể hỗ trợ dự báo được vị trí cụ thể xảy ra lũ quét, sạt lở đất, chỉ có thể hỗ trợ các dự báo viên phân tích, cảnh báo các ngưỡng mưa sinh lũ quét đối với mỗi tiểu lưu vực trong 1 giờ, 3 giờ, 6 giờ và được cập nhật thường xuyên theo các khoảng thời gian tương ứng; vùng nguy cơ sạt lở đất trong 24 giờ tiếp theo với tần suất cập nhật 6 giờ/lần.

Mặc dù một số thiết bị giám sát như trong hệ thống trên đã được nhập khẩu thông qua các dự án viện trợ, nhưng thiếu công nghệ cốt lõi đã làm cho việc bảo trì trở nên khó khăn, dẫn đến thiệt hại không thể khắc phục được trong hoạt động lâu dài. Hiện tại, dữ liệu về rủi ro lũ quét và sạt lở đất vẫn còn hạn chế, chủ yếu dựa vào các bản đồ nguy cơ được cập nhật từ các khảo sát hiện trạng và dữ liệu lịch sử.

Trong tình trạng như vậy, Việt Nam rất cần thiết phải phát triển và áp dụng các hệ thống giám sát và cảnh báo sớm có khả năng cung cấp thông tin chi tiết và kịp thời về nguy cơ lũ quét và sạt lở đất để giảm thiểu rủi ro và nâng cao khả năng ứng phó với thiên tai.

Dự án nghiên cứu ứng dụng với những tiềm năng và ý nghĩa xã hội lớn

Trước những ảnh hưởng nặng nề từ biến đổi khí hậu và tính cấp thiết trong việc tìm ra giải pháp cảnh bảo nhanh trong thời gian thực các hiện tượng thiên tai cực đoan, các nhà khoa học của Trường ĐH Công nghệ – ĐH Quốc gia Hà Nội đã nghiên cứu và đề xuất một giải pháp và được Quỹ đổi mới sáng tạo Vingroup tài trợ trong năm 2021. Trong dự án, các kỹ sư tự động hóa trường Đại học Công nghệ đề xuất thu thập dữ liệu rủi ro lũ quét và sạt lở đất từ nhiều nguồn, sử dụng công nghệ tự động hóa và cơ sở dữ liệu thời gian thực với các thiết bị phần cứng và cảm biến thông minh để cảnh báo sớm các nguy cơ về sạt lở đất và lũ quét. Các dữ liệu cũng được lưu trữ trên trên nền tảng đám mây để cảnh báo sớm. Hệ thống này tích hợp các cảm biến thông minh chạy trên nền tảng IoT để theo dõi lũ quét và sạt lở đất. Dữ liệu sẽ được tự động cập nhật và cung cấp miễn phí cho cộng đồng nhằm giám sát môi trường, bảo vệ tính mạng và tài sản.

Trong thời gian nghiên cứu, nhóm nghiên cứu về Cơ điện tử và Tự động hóa, Trường Đại học Công nghệ, ĐHQGHN đã phát triển hệ thống điều khiển thông minh tự động tiếp nhận tín hiệu từ các cảm biến, xử lý và cảnh báo sớm nguy cơ lũ quét, sạt lở đất. Hệ thống bao gồm cả phần cứng và phần mềm, với khả năng thu thập, phân tích dữ liệu, và đưa ra các cảnh báo chính xác, kịp thời về các hiện tượng nguy hiểm này. Các thiết bị phần cứng kết nối với các cảm biến thông minh sẽ được điều khiển bằng phần mềm và ứng dụng di động.

Hình 3. Sơ đồ khối hệ thống cảnh báo sớm lũ quét, sạt lở đất (VNU FLWS)

Hình 3 tóm tắt sơ đồ tổng thể phần cứng của dự án. Về phần cứng, hệ thống đề xuất bao gồm các cảm biến (lượng mưa, độ ẩm của không khí và đất, cảm biến lưu lượng bùn, cảm biến dịch chuyển đất, cảm biến áp suất thủy động, cảm biến dây và camera để phát hiện lưu lượng và lũ quét) với bộ vi xử lý tích hợp và mô-đun để truyền dữ liệu không dây Zigbee, bộ xử lý trung tâm trên nền các Chip 64 bit có cài hệ điều hành trên Chip và các ứng dụng để theo dõi dữ liệu trên máy tính và điện thoại thông minh. Các cảm biến thông minh sẽ đọc các thông số quan trọng mọi lúc, sau đó dữ liệu đọc được sẽ được gửi đến bộ xử lý trung tâm bằng phương pháp truyền thông không dây Zigbee, từ hệ thống điều khiển trung tâm, dữ liệu sẽ được lưu trên cơ sở dữ liệu Firebase, sau đó các ứng dụng trên máy tính và điện thoại sẽ được xây dựng trên cơ sở dữ liệu này và các nguồn dữ liệu thu thập khác.

Hình 4. Cấu trúc trao đổi dữ liệu của thiết bị phần cứng hệ thống (VNU FLWS)

Để đảm bảo giao tiếp không dây giữa các thành phần hệ thống, các mô-đun RF XBee-Pro được sử dụng. Đây là các bo mạch hoạt động theo tiêu chuẩn IEEE 802.15.4 ở tần số 2,4 GHz. Ngoài ra hệ thống được trang bị các cảm biến thông minh, có thể liên tục theo dõi các yếu tố môi trường như lượng mưa, độ ẩm không khí và đất, lưu lượng bùn, dịch chuyển đất, áp suất thủy động, và cả hình ảnh từ camera giám sát. Dữ liệu từ các cảm biến này được truyền qua mạng không dây và lưu trữ trên nền tảng đám mây giúp người sử dụng dễ dàng truy cập và quản lý từ xa. Thiết kế mạch điều khiển từ các linh kiện điện tử thế hệ mới có mật độ tích hợp cao (vi điều khiển 64 bit, DSP, PSoC). Phân tích dữ liệu được xử lý bằng kỹ thuật học máy và khai thác dữ liệu AI. Hệ thống này không chỉ dừng lại ở việc thu thập dữ liệu mà còn sử dụng các công nghệ tiên tiến như học máy (machine learning) và trí tuệ nhân tạo (AI) để phân tích và dự đoán nguy cơ lũ quét và sạt lở đất. Kết quả của quá trình phân tích này sẽ được truyền đến các ứng dụng di động, cho phép người dùng và cơ quan chức năng nhận được cảnh báo sớm hơn, hỗ trợ trong việc ứng phó nhanh chóng.

Phần mềm và cơ sở dữ liệu trong giải pháp đề xuất được phát triển trên nền CSDL Firebase và MySQL hỗ trợ phát triển cả ứng dụng trên PC, di động và web. Dự án sử dụng chức năng Firebase Realtime Database, API để đồng bộ hóa dữ liệu ứng dụng trên các thiết bị iOS, Android và Web và bộ lưu trữ đám mây Firebase. Tất cả khách hàng đều chia sẻ một phiên bản cơ sở dữ liệu thời gian thực và tự động nhận các bản cập nhật với dữ liệu mới nhất. Chương trình Vi điều khiển đọc dữ liệu từ cảm biến dự kiến ​​sẽ có các chức năng: đọc dữ liệu từ các cảm biến. Đóng gói dữ liệu có thể đọc được vào dữ liệu JSON. Dùng giao tiếp UART với mô-đun Zigbee để gửi gói dữ liệu JSON đến CPU.

Hình 5. Một số module thiết bị phần cứng và phần mềm hệ thống (VNU FLWS)

Phần mềm giám sát các thông số lũ quét và sạt lở đất trên điện thoại thông minh được viết bằng ngôn ngữ Java trên Android Studio. Các thông số trên phần mềm tự động cập nhật khi cơ sở dữ liệu Firebase bị Event Handlers thay đổi. Chức năng cơ bản của phần mềm là: (i) truy xuất dữ liệu từ cơ sở dữ liệu Firebase, sau đó xử lý dữ liệu (ii) hiển thị dữ liệu đã xử lý trên màn hình. (iii) thông báo cho người dùng khi có một thông số nào đó vượt quá ngưỡng lý tưởng. Giải pháp hệ thống có thể giải quyết các vấn đề sau:

– Xây dựng một hệ thống IoT hoàn chỉnh với cơ sở dữ liệu trực tuyến mở bao gồm các thiết bị đầu cuối và bộ xử lý trung tâm.

– Đọc dữ liệu từ các cảm biến, sau đó sử dụng các giao thức truyền thông có dây và không dây để truyền dữ liệu đó đến CPU.

– Xây dựng phần mềm giám sát và cơ sở dữ liệu trực tuyến thời gian thực để lưu trữ dữ liệu các thông số ảnh hưởng trực tiếp đến nguy cơ lũ quét và sạt lở đất, cảnh báo khi các thông số vượt ngưỡng cho phép.

Dự án đã đạt được những kết quả quan trọng, bao gồm việc đăng ký thành công 02 bằng sáng chế (Việt Nam) cho giải pháp tổng thể về thiết kế hệ thống, truyền thông để khảo sát lũ quét và sạt lở đất từ ​​xa; công bố 03 bài báo khoa học được xếp loại SCIE Q1; chế tạo 03 thiết bị thử nghiệm (pilot) và triển khai phục vụ cho các thí nghiệm thực địa; phát triển và thu thập dữ liệu (từ vệ tinh và hệ thống giám sát tự động) để tạo ra 01 cơ sở dữ liệu trực tuyến mở đặt tại Đại học Quốc gia Hà Nội để cộng đồng sử dụng miễn phí. Trong thời gian tới các nhà khoa học trong dự án sẽ tiến hành lắp đặt và thử nghiệm hệ thống tại huyện Đà Bắc – tỉnh Hòa Bình và đánh giá kết quả. Dự án sau khi hoàn thiện dự kiến có một số tác động tích cực khi thu hẹp khoảng cách giữa khoa học và cộng đồng người dùng và ứng dụng tại thực địa, đóng góp giải quyết một phần các thách thức to lớn của lũ quét và sạt lở đất, mang lại lợi ích thiết thực cho cộng đồng và xã hội.

Tác giả: PGS.TS. Phạm Mạnh Thắng, Trường Đại học Công nghệ – Đại học Quốc gia Hà Nội.

Biên tập: Quỹ đổi mới sáng tạo Vingroup (VinIF).

Tài liệu tham khảo

[1]. https://vov.vn/xa-hoi/co-the-du-bao-sat-lo-dat-chi-tiet-o-tung-thon-ban-hay-khong-post1108495.vov

[2]. https://skhcn.bacninh.gov.vn/news/-/details/22549/viet-nam-la-trung-tam-ong-nam-a-ve-canh-bao-lu-quet-40146982

[3]. https://vov.vn/xa-hoi/van-con-13-nguoi-mat-tich-do-sat-lo-dat-o-tra-leng-820636.vov

[4]. https://www.sciencedirect.com/science/article/pii/S209538361530016X

[5]. Báo cáo tiến độ dự án VINIF00214 (kỳ II). Trường Đại học Công nghệ, ĐHQGHN (6/2024).

BÀI MỚI NHẤT

Chuông và minh văn chuông – Tư liệu quý của lịch sử văn hóa dân tộc

Chuông được tạo tác bằng một số chất liệu khác nhau, nhưng phổ biến hơn cả là được đúc bằng đồng, nên gọi chung là chuông đồng, là một trong nhạc khí khá phổ biến gắn liền với sinh hoạt tôn giáo, nhất là Phật giáo. Ở Việt Nam, chùa xuất hiện hầu hết tại các địa phương, từ những ngôi quốc tự của triều đình, ngôi đại danh lam của Giáo hội Phật giáo, đến những ngôi chùa làng, mà ở mỗi ngôi chùa đó đều có ít nhất một quả chuông đồng. Trên chuông đồng cổ thường được khắc văn bản bằng chữ Hán.

Giải Nobel Vật lý 2024: Khi Vật lý đặt nền tảng cho học máy

Hai nhà khoa học đạt giải Nobel Vật lý năm 2024, GS. John Hopfield và GS. Geoffrey Hinton, đã sử dụng các công cụ vật lý để xây dựng các phương pháp giúp đặt nền móng cho mô hình học máy mạnh mẽ hiện nay. John Hopfield tạo ra một cấu trúc có thể lưu trữ và tái xây dựng thông tin. Geoffrey Hinton phát minh ra phương pháp có thể khám phá một cách độc lập các thuộc tính trong dữ liệu và phương pháp này đã trở nên quan trọng đối với các mạng nơ-ron (neural network) nhân tạo lớn đang được sử dụng ngày nay.

Công nghệ khử nước biển thành nước ngọt: tiềm năng và thách thức

Biến đổi khí hậu làm gia tăng hạn hán, ô nhiễm nước và cạn kiệt nước ngầm gây ra khủng hoảng nước ngọt trầm trọng, khiến hàng tỷ người đối mặt với khan hiếm nước. Năm 2022, ước tính có khoảng 27,5% dân số thế giới thiếu nước ngọt, và thị trường khử mặn toàn cầu dự kiến đạt 38,1 tỷ USD vào năm 2033 sẽ được thúc đẩy bởi sự gia tăng dân số và cạn kiệt nguồn nước ngọt [1]. Để ứng phó với vấn đề này, các tiến bộ công nghệ đã mở ra tiềm năng sử dụng nước biển như nguồn cung cấp nước ngọt quan trọng trong tương lai.

Nấm rừng ăn được

Nấm rừng được thu hái làm thực phẩm và thương mại ở hơn 80 quốc gia trên thế giới. Một nhóm nhỏ nấm rừng có tầm quan trọng kinh tế và xuất khẩu. Phần lớn nấm rừng có ý nghĩa trong đời sống ở các nước đang phát triển và đặc biệt có ý nghĩa tại các khu vực yếu kém về an ninh lương thực, đồng thời cũng mở ra các thách thức trong việc thu hoạch và quản lý bền vững (Boa, 2004).

BÀI ĐỌC NHIỀU

Khái quát về mô hình dữ liệu quan hệ

Phần lớn hệ thống cơ sở dữ liệu hiện nay đều được xây dựng bằng mô hình dữ liệu quan hệ. Vậy mô hình...

Supervised Learning và Unsupervised Learning: Khác biệt là gì?

Supervised learning (Học có giám sát) và Unsupervised learning (Học không giám sát) là hai trong số những phương pháp kỹ thuật cơ bản...

Khái quát về Data Pipeline

Dữ liệu là chìa khóa trong việc khám phá tri thức sâu rộng, nâng cao hiệu quả quy trình và thúc đẩy đưa ra...

Transformer Neural Network – Mô hình học máy biến đổi thế giới NLP

Năm 2017, Google công bố bài báo “Attention Is All You Need” thông tin về Transformer như tạo ra bước ngoặt mới trong lĩnh...