ỨNG DỤNG MÔ HÌNH HỌC MÁY KẾT HỢP CÔNG NGHỆ GIS VÀ VIỄN THÁM TRONG ĐÁNH GIÁ NGUY CƠ LŨ QUÉT KHU VỰC ĐẠI TỪ, TỈNH THÁI NGUYÊN | Lập | TNU Journal of Science and Technology

ỨNG DỤNG MÔ HÌNH HỌC MÁY KẾT HỢP CÔNG NGHỆ GIS VÀ VIỄN THÁM TRONG ĐÁNH GIÁ NGUY CƠ LŨ QUÉT KHU VỰC ĐẠI TỪ, TỈNH THÁI NGUYÊN

Thông tin bài báo

Ngày nhận bài: 22/12/25                Ngày hoàn thiện: 11/02/26                Ngày đăng: 24/02/26

Các tác giả

1. Kiều Quốc Lập Email to author, Trường Đại học Khoa học – ĐH Thái Nguyên
2. Chu Đức Khánh, Trường Đại học Khoa học – ĐH Thái Nguyên

Tóm tắt


Nghiên cứu này nhằm đánh giá nguy cơ lũ quét khu vực Đại Từ, tỉnh Thái Nguyên thông qua mô hình tích hợp học máy, công nghệ GIS và viễn thám. Dữ liệu đầu vào bao gồm mô hình số độ cao 30 m, chỉ số thực vật từ ảnh Sentinel‑2 và lượng mưa cực đại ngày nội suy từ dữ liệu trạm đo mưa và ảnh vệ tinh giai đoạn 2010–2024. Sau khi chuẩn hóa và xử lý bằng phần mềm GIS, các lớp dữ liệu được đưa vào mô hình học máy dạng cây quyết định (CART) với tỷ lệ huấn luyện - kiểm định là 70% và 30%. Mô hình đạt độ chính xác trên 80% và chỉ số Kappa là 0,64. Bản đồ phân vùng nguy cơ lũ quét được chia làm bốn cấp, trong đó 56,6 km² (chiếm 9,8%) nằm trong vùng có nguy cơ cao, trùng khớp 89,6% các điểm ghi nhận lũ quét lịch sử. Kết quả khẳng định vai trò chi phối của yếu tố địa hình và lượng mưa trong phát sinh lũ quét. Mô hình có tiềm năng ứng dụng trong cảnh báo sớm lũ quét, quy hoạch sử dụng đất và quản lý rủi ro thiên tai cho các khu vực khác trên địa bàn tỉnh Thái Nguyên.

Từ khóa


Lũ quét; Học máy; GIS; Viễn thám; Phân tích địa hình

Toàn văn:

PDF

Tài liệu tham khảo


[1] H. B. Le, V. N. Thai, and H. Le, Flash Floods in Vietnam: Causes, Impacts, and Solutions. Cham, Switzerland: Springer, 2022, pp. 1–166.

[2] H. T. T. Ngo, N. D. Dam, Q. A. T. Bui, et al., “Prediction of flash‑flood susceptibility of hilly terrain using deep neural network: A case study of Vietnam,” CMES – Computer Modeling in Engineering and Sciences, vol. 135, pp. 2219‑2241, 2022.

[3] N. N. Le, T. D. Pham, T. T. T. Trinh, V. T. H. Le, and C. T. Nguyen, “Integrating GIS and catchment hydrology to assess flash floods in Ha Giang Province, Vietnam,” Environmental Earth Sciences, vol. 84, 2025, Art. no. 633.

[4] I. Elkhrachy, “Flash‑flood hazard mapping using satellite images and GIS tools: A case study of Najran City, Kingdom of Saudi Arabia,” Egyptian Journal of Remote Sensing and Space Science, vol. 18, pp. 261‑278, 2015.

[5] G. Singh and A. Pandey, “Spatial prediction of flash floods using susceptibility modeling and geospatial technology: A review,” Journal of Geomatics, vol. 15, pp. 209‑220, 2021.

[6] G. Zhao, R. Liu, M. Yang, et al., “Large‑scale flash‑flood warning in China using deep learning,” Journal of Hydrology, vol. 604, 2022, Art. no. 127222.

[7] E. Hidayah, G. Halik, and W. Y. Widiarti, “Assessment of the conditioning factor for flash‑flood susceptibility potential based on bivariate statistical approach in the Wonoboyo watershed, East Java, Indonesia,” in Lecture Notes in Civil Engineering, vol. 225, Singapore: Springer, 2022, pp. 553‑573.

[8] G. W. Schmidt, A. T. Broman, H. B. Hindman, and M. P. Grant, “Vision survival after open‑globe injury predicted by classification and regression tree analysis,” Ophthalmology, vol. 115, pp. 202‑209, 2008.

[9] A. Jiménez‑Valverde, “Insights into the area under the receiver operating characteristic curve as a discrimination measure in species distribution modelling,” Global Ecology and Biogeography, vol. 21, pp. 498‑507, 2012.




DOI: https://doi.org/10.34238/tnu-jst.14279

Các bài báo tham chiếu

  • Hiện tại không có bài báo tham chiếu
Tạp chí Khoa học và Công nghệ - Đại học Thái Nguyên
Phòng 408, 409 - Tòa nhà Điều hành - Đại học Thái Nguyên
Phường Tân Thịnh - Thành phố Thái Nguyên
Điện thoại: 0208 3840 288 - E-mail: jst@tnu.edu.vn
Phát triển trên nền tảng Open Journal Systems
©2018 All Rights Reserved