Công nghệ AI cảnh báo sạt lở ở Đồng bằng sông Cửu Long 

ĐBSCL sạt lở nghiêm trọng

Đồng bằng sông Cửu Long (ĐBSCL) là khu vực có hệ thống sông ngòi chằng chịt với đặc thù địa chất chủ yếu là đất phù sa mềm, dễ bị xói mòn. Qua nhiều năm, tình trạng sạt lở đã trở nên nghiêm trọng, đe dọa trực tiếp đến tính mạng người dân.

PGS.TS Nguyễn Ngọc Thắng, Trường Đại học Tiền Giang, Chủ nhiệm đề tài cho biết, theo nghiên cứu, có nhiều nguyên nhân dẫn đến hiện tượng sạt lở. Một trong những yếu tố chính là biến đổi khí hậu với sự gia tăng tần suất và cường độ của các hiện tượng thời tiết cực đoan như lũ lụt, mưa lớn.

Bên cạnh đó, hoạt động khai thác cát quá mức cũng làm thay đổi cấu trúc lòng sông, gây mất cân bằng và tăng nguy cơ sạt lở. Các công trình thủy lợi lớn ở thượng nguồn đã làm thay đổi chế độ dòng chảy, giảm lượng phù sa và tăng xói lở bờ sông.

Điển hình, tại tỉnh Tiền Giang, đặc biệt là khu vực kinh Chợ Gạo, sạt lở đã gây thiệt hại nặng nề. Nhiều đoạn bờ kinh Chợ Gạo đã bị sụp đổ hoàn toàn, ảnh hưởng trực tiếp đến hàng trăm hộ dân. Không chỉ vậy, giao thông đường thủy quan trọng kết nối ĐBSCL với TP. Hồ Chí Minh cũng bị gián đoạn, gây thiệt hại lớn về kinh tế.

AI: Công cụ tiên tiến dự báo sạt lở bờ sông

Trước thực trạng này, nhóm nghiên cứu của Trường Đại học Tiền Giang đã triển khai ứng dụng AI vào công tác cảnh báo sớm sạt lở bờ sông tại ĐBSCL.

Theo PGS.TS Nguyễn Ngọc Thắng, công nghệ AI có khả năng phân tích; đồng thời; nhiều nguồn dữ liệu khác nhau như: Dữ liệu từ cảm biến địa chất (thu thập thông tin về độ ẩm, áp lực nước trong lỗ rỗng đất và chuyển động của đất), hình ảnh vệ tinh (theo dõi sự thay đổi hình thái bờ sông qua thời gian, phát hiện các dấu hiệu sạt lở) và dữ liệu thủy văn (phân tích mực nước, tốc độ dòng chảy và lượng mưa).

Điểm mạnh của AI là khả năng học hỏi từ dữ liệu quá khứ để dự đoán xu hướng trong tương lai. Bằng cách phân tích các trường hợp sạt lở đã xảy ra, AI có thể nhận diện những mẫu và yếu tố nguy cơ tương tự ở các khu vực khác, từ đó đưa ra cảnh báo sớm trước khi sạt lở xảy ra.

Chính vì vậy, nghiên cứu đã tập trung vào 5 mô hình AI chính có tiềm năng ứng dụng trong dự báo sạt lở bờ sông tại ĐBSCL, mỗi mô hình đều có những ưu điểm và phạm vi ứng dụng riêng.

Mô hình hồi quy tuyến tính được đánh giá là đơn giản nhưng hiệu quả, đặc biệt khi phân tích mối quan hệ giữa các yếu tố như: Mực nước, tốc độ dòng chảy và đặc tính địa chất. PGS.TS Nguyễn Ngọc Thắng cho biết: “Mô hình này phù hợp cho các khu vực có ít biến động và dữ liệu không quá phức tạp, giúp tạo ra những dự báo nhanh chóng mà không đòi hỏi tài nguyên tính toán lớn”.

Bên cạnh đó, mạng nơ-ron nhân tạo (ANN) được đánh giá cao hơn nhờ khả năng xử lý dữ liệu phi tuyến tính và phức tạp. “ANN có thể học từ dữ liệu và tự cải thiện qua thời gian, tạo ra những dự báo chính xác hơn về các khu vực có nguy cơ sạt lở. Đặc biệt, mô hình này có thể kết hợp nhiều yếu tố như sự thay đổi địa chất, thủy văn, khí hậu và tác động của con người vào một dự báo thống nhất”- ThS Lê Phương Vũ Phong, Thành viên nhóm nghiên cứu giải thích thêm.

Đối với việc phân tích hình ảnh vệ tinh, mạng nơ-ron tích chập (CNN) đã chứng tỏ hiệu quả vượt trội. CNN có khả năng nhận diện những thay đổi tinh vi trên bề mặt đất như: Rãnh nứt, xói mòn hay dịch chuyển đất mà mắt thường khó phát hiện. ThS Lê Phương Vũ Phong nhấn mạnh, các khu vực có dấu hiệu sạt lở thường xuất hiện những đặc điểm nhất định trong hình ảnh vệ tinh trước khi sự cố xảy ra. CNN giúp phát hiện những dấu hiệu này sớm hơn, tạo thời gian dự phòng cho việc di dời người dân và tài sản.

Ngoài ra, các mô hình: Cây quyết định, Rừng ngẫu nhiên, Máy hỗ trợ véc-tơ (SVM) cũng được nghiên cứu ứng dụng, mỗi mô hình đều có những ưu điểm riêng trong việc phân loại và dự báo các khu vực có nguy cơ sạt lở.

Xây dựng hệ thống cảm biến và quan trắc sạt lở đồng bộ

Mặc dù bước đầu nghiên cứu đã mở ra những thành công phân loại và dự báo các khu vực có nguy cơ sạt lở, tuy nhiên, PGS.TS Nguyễn Ngọc Thắng cho rằng, việc ứng dụng AI vào thực tế vẫn còn nhiều thách thức. Thiếu dữ liệu chất lượng cao là rào cản lớn nhất. “Để AI hoạt động hiệu quả, chúng ta cần dữ liệu được thu thập liên tục và có độ phân giải cao. Hiện nay, hệ thống cảm biến và quan trắc tại ĐBSCL còn hạn chế, đặc biệt ở các khu vực sâu, xa” - PGS.TS Nguyễn Ngọc Thắng chỉ ra.

Ngoài ra, chi phí triển khai cũng là một vấn đề lớn, các hệ thống AI yêu cầu tài nguyên tính toán mạnh mẽ và cơ sở hạ tầng công nghệ hiện đại, điều này đòi hỏi nguồn đầu tư lớn. Bên cạnh đó, việc tích hợp AI với các phương pháp truyền thống cũng gặp nhiều khó khăn do sự khác biệt về công nghệ và phương pháp tiếp cận.

Để khắc phục những thách thức này, nhóm nghiên cứu đề xuất một số giải pháp quan trọng. Trước hết, cần xây dựng hệ thống cảm biến và quan trắc đồng bộ, tập trung vào các khu vực trọng điểm có nguy cơ sạt lở cao. Tiếp đến, việc ứng dụng công nghệ điện toán đám mây sẽ giúp giảm chi phí triển khai và tăng khả năng tiếp cận của hệ thống AI.

“Chúng tôi đang phát triển một giải pháp tổng thể kết hợp giữa AI và các phương pháp truyền thống, trong đó AI đóng vai trò hỗ trợ ra quyết định, còn quyết định cuối cùng vẫn thuộc về các chuyên gia và cơ quan chức năng; đồng thời, chúng tôi cũng đang xây dựng ứng dụng di động giúp người dân dễ dàng tiếp cận thông tin cảnh báo sạt lở một cách nhanh chóng và trực quan”, PGS.TS Nguyễn Ngọc Thắng chia sẻ.

Theo PGS.TS Nguyễn Ngọc Thắng, với sự hợp tác chặt chẽ giữa các cơ quan nghiên cứu, chính quyền địa phương và cộng đồng, chúng tôi tin rằng AI sẽ trở thành công cụ hữu hiệu trong công tác cảnh báo sớm sạt lở bờ sông tại ĐBSCL, góp phần bảo vệ sinh mạng, tài sản của người dân và thúc đẩy phát triển bền vững tại vùng đất này.