1. Bối cảnh và mục tiêu nghiên cứu
Trong những năm gần đây, khu vực duyên hải Nam Trung Bộ Việt Nam thường xuyên chịu ảnh hưởng nghiêm trọng của các đợt mưa lớn và áp thấp nhiệt đới, dẫn đến tình trạng lũ lụt ngày càng gia tăng. Hậu quả là ngập úng xảy ra trên diện rộng tại vùng hạ lưu các lưu vực sông Kôn và Kỳ Lộ, gây thiệt hại đáng kể về người và tài sản. Trong bối cảnh đó, công tác giám sát và theo dõi diễn biến lũ lụt gặp nhiều khó khăn, nhất là trong điều kiện thời tiết mưa bão phức tạp.
Hiện nay, với sự phát triển của công nghệ ảnh vệ tinh radar từ Sentinel-1 do Cơ quan Vũ trụ Châu Âu (ESA) triển khai, việc giám sát lũ lụt đã trở nên hiệu quả và thuận tiện hơn so với việc sử dụng ảnh viễn thám quang học, vốn bị hạn chế bởi điều kiện thời tiết và không thể thu nhận dữ liệu trong trường hợp có mây che phủ.
Bên cạnh đó, sự ra đời của nền tảng Google Earth Engine (GEE) đã giúp việc tích hợp và xử lý ảnh vệ tinh Sentinel-1 trở nên dễ dàng hơn, khắc phục những hạn chế của các phần mềm chuyên dụng yêu cầu cấu hình máy tính cao và dung lượng lưu trữ lớn.
2. Phương pháp và dữ liệu
Nhằm mục đích đánh giá tình hình lũ lụt trong lịch sử và phát triển công cụ dự báo lũ lụt trong tương lai, Tiểu dự án số 1, thuộc dự án IUC, phối hợp giữa Trường Đại học Quy Nhơn và Đại học KU Leuven đã tiến hành tích hợp công nghệ GEE và ảnh vệ tinh radar Sentinel-1 để phân tích rủi ro lũ lụt.
Nghiên cứu tiến hành phân tích phạm vi ảnh hưởng các đợt lũ lụt lịch sử vào năm 2016 và 2021, dựa trên cơ sở phân tích ngưỡng nước trên ảnh vệ tinh Sentinel-1 trên nền tảng GEE. Kết quả sau đó được đánh giá với các điểm điều tra vết lũ lụt lịch sử.
3. Kết quả lập bản đồ ngập lụt
Kết quả đánh giá độ chính xác cho thấy bản đồ lũ lụt cung cấp độ tin cậy cao, tạo cơ sở để phát hiện các khu vực bị ngập lụt từ hình ảnh vệ tinh bằng cách sử dụng nền tảng GEE trong tương lai một cách hiệu quả.
Sau khi trích xuất phạm vi ngập, nhóm nghiên cứu tiến hành phân tích lũ. Kết quả cho thấy năm 2016, lưu vực sông Kôn hứng chịu lũ lụt trên diện rộng, trong khi năm 2021, lưu vực sông Kỳ Lộ bị ảnh hưởng nặng nề hơn.
4. Phân tích độ sâu ngập lụt
Nhóm nghiên cứu kết hợp kết quả phạm vi ngập với mô hình số độ cao (DEM) để xây dựng bản đồ độ sâu ngập lụt và phân cấp các vùng có nguy cơ lũ lụt theo độ sâu.
Kết quả sau khi phân cấp cho thấy các khu vực có nguy cơ lũ lụt cao chiếm hơn 25% tổng diện tích lưu vực.
5. Đánh giá thiệt hại theo lớp phủ bề mặt
Kết hợp với dữ liệu lớp phủ bề mặt, nhóm nghiên cứu tiến hành thống kê vùng bị thiệt hại. Kết quả cho thấy diện tích đất lúa bị ảnh hưởng nặng nề, do thời điểm xảy ra lũ lụt thường vào cuối năm, trùng với thời điểm gieo xạ vụ Đông – Xuân.
Kết quả đã được đối chiếu với báo cáo thiệt hại từ Sở Nông nghiệp và Môi trường tỉnh Bình Định và Phú Yên (nay là tỉnh Gia Lai và Đắk Lắk), và cũng cho kết quả đáng tin cậy.
6. Giá trị và khả năng ứng dụng
Nghiên cứu đã được nhóm nghiên cứu báo cáo tại Hội nghị EGU 2024 tại Áo và Hội thảo GIS 2024 toàn quốc, sau đó được xuất bản trong IOP Conference Series: Earth and Environmental Science, thuộc danh mục Scopus.
Thông qua kết quả nghiên cứu, nhóm nghiên cứu kỳ vọng mang lại giá trị cho chính quyền địa phương trong việc tăng cường các nỗ lực giảm thiểu lũ lụt, lập kế hoạch sử dụng đất và xây dựng chiến lược ứng phó với thiên tai nhằm cải thiện khả năng phục hồi và giảm thiểu thiệt hại liên quan đến lũ lụt trong tương lai.
Ngoài ra, kết quả nghiên cứu cũng là nguồn dữ liệu tin cậy để phục vụ cho việc kiểm định các mô hình thủy lực, đồng thời là đầu vào cho các mô hình học máy nhằm dự báo vùng nguy cơ rủi ro ngập lụt tương lai cho lưu vực.
7. Tài liệu tham khảo
-
Van Phan, T., Anh Ngo, T., and Willems, P.:
Historical Flood Mapping Combining Radar Remote Sensing and Google Engine Technologies for The Kon and Ky Lo River Basin, South Center Coast Vietnam,
EGU General Assembly 2024, Vienna, Austria, 14–19 Apr 2024, EGU24-4056.
DOI: 10.5194/egusphere-egu24-4056 - Van Phan, Tho, Patrick Willems, and Tu Anh Ngo. Flood Mapping and Damage Assessment in Vietnam’s Kon and Ky Lo River Basins using Radar Remote Sensing and Google Earth Engine. IOP Conference Series: Earth and Environmental Science, vol. 1501, no. 1, p. 012005, 2025.