DÂY LƯNG & VÍ DA CHẤT LƯỢNG CAO THƯƠNG HIỆU H2


Viễn thám và GIS trong dự báo ngập lụt

Lũ lụt luôn là mối hiểm hoạ đặc biệt đối với các đô thị lớn, điển hình là Kuala Lumpur. Biến đổi sử dụng đất là một trong những nhân tố ảnh hưởng đến lũ lụt. Bài viết này đề cập đến việc sử dụng GIS và Viễn Thám trong nghiên cứu dự báo lũ lụt tại Klang Valley (Kuala Lumpur).


Trong nghiên cứu này Mô hình số độ cao (DEM) được nội suy từ bản đồ địa hình có đường đẳng cao là 20 mét. Toàn bộ lưu vực sông được chia thành các lưu vực phụ sau đó mô hình hoá thuỷ văn. Mức độ ngập lụt được dự báo bằng mô hình SCS TR-55 (Soil Conservation Service Technical Release 55). Công việc tính dòng chảy tràn dựa trên phương pháp Runoff Curve Number, một phuơng pháp dựa trên hiện trạng sử dụng đất của khu vực nghiên cứu. Bản đồ hiện trạng sử dụng đất được thành lập từ ảnh vệ tinh SPOT-XS và dữ liệu về lượng mưa được sử dụng làm dữ liệu để tính toán.

1. Giới thiệu

Lưu vực sông Klang thuộc khu vực bờ biển phía Tây của bán đảo Peninsular Malaysia. Hầu hết diện tích của lưu vực đã bị đô thị hoá và vẫn đang tiếp tục đô thị hoá với tốc độ cao trong đó bao gồm cả thủ đô Kuala Lumpur. Việc đô thị hoá nhanh có thể là nguyên nhân gia tăng quá trình lắng cặn và ô nhiễm. Đã có nhiều dự án di dân được thực hiện, khi mà vấn đề lũ lụt vấn đang là một loại thiên tai tự nhiên đe doạ tới khu vực này.

Lũ lụt là một trong những mối hiểm hoạ tự nhiên phổ biến và là nguyên nhân mất hàng tỷ đô la mỗi năm. Việc chuyển đổi sử dụng đất từ đất nông nghiệp sang đất đô thị có thể nguyên nhân chính. Theo JICA (1989), có hai yếu tố tự nhiên gây lũ lụt tại vùng này là bão gió mùa và bão có kèm mưa to. Nghiên cứu rõ nét nhất là hiện tượng khi có bão kèm mưa rất to thường hay xảy ra lũ quét. Chính vì đặc tính của lũ quét, xảy ra trong khu vực nhỏ và thời gian ngắn (3-5 giờ), nên việc nghiên cứu dự báo là rất quan trọng và việc xác định loại hình của lũ dẽ dàng hơn xác định phạm vi chịu ảnh hưởng của lũ.

Viễn thám và GIS được sử dụng rộng rãi, đặc biệt nhất là trong đánh giá các vấn đề liên quan đến thiên tai vì đây là nhu cầu để xác định phạm vi và thông tin chi tiết về khu vực, diện tích bị ảnh hưởng từ thiên tai cũng như các hoạt động cứu trợ, khôi phục. Thông tin viễn thám rất phù hợp các biện pháp thông thường trong việc tiếp cận, điều tra khu vực đang bị lũ lụt.

Bài viết này sẽ thảo luận về việc sử dụng DEM và ảnh vệ tinh SPOT làm thông số cơ sở cho mô hình thuỷ văn SCS TR-55) làm dự báo lũ thông qua 4 điểm đo trên sông.

2.Mô hình số độ cao
Mô hình số độ cao DEM được tạo lập từ bản đồ địa hình 1:50 000, khoảng cao đều 20 mét theo 2 bước. Bước 1 là chuyển đổi bản đồ địa hình từ dạng đường sang dạng điểm độ cao. Bước thứ 2 là nội suy địa hình theo phương pháp TIN (triangulated irregular network).

Thông tin được chiết xuất bằng 2 cách, bằng phân tích định tính hoặc định lượng trên dữ liệu số độ cao. Tù mô hình số độ cao có thể tạo các hướng nhìn khác nhau, phân tích độ dốc, địa hình, thuỷ văn và mô phỏng lũ.

3.Lưu vực

Với mục đích mô hình hoá thuỷ học thì việc chia lưu vực là cần thiết. Theo Mc Cuen, (1998), ranh giới của một lưu vực được định nghĩa là tập hợp của tất cả các điểm thu nước chạy về 1 cửa sông và nước sẽ chạy theo hướng có độ dốc lớn nhất. Trong phương pháp này DEM được sử dụng thay thế các đường đẳng cao.

Những điều kiện cần của phương pháp Graphical Peak Discharge là khu vực nghiên cứu được chia thành những lưu vực nhỏ đồng nhất

4. Phân tích dữ liệu Viễn thám

Ảnh vệ tinh SPOT-XS được nắn chỉnh bằng thuật toán đa thức với 20 điểm khống chế. Sử dụng phương pháp phân loại có kiểm định ảnh để phân loại hiện trạng sử dụng đất trong khu vực có 4 trạm đo. Khu vực thử nghiệm được giới hạn bằng bản đồ địa hình (1991) khu vực Kuala Lumpur. Khu vực đồng nhất được xác định tại 4 điểm đo là tất cả khu vực đô thị.

5. Mô hình hoá thuỷ văn

Mô hình SCS TR55 (USDA, 1986) làm đơn giản hoá việc đánh giá khả năng tiêu thoát và dòng chảy tràn trong một lưu vực nhỏ. Chúng được nhấn mạnh đối với khu vực đô thị và những lưu vực đang đô thị hoá.

Có hai phương pháp được sử dụng trong mô hình này là:
- 1. Phương pháp số đường cong tiêu thoát
- 2. Phương pháp dòng chảy tràn (xem chi tiết công thức tại http://www.gisdevelopment.net/aars/acrs ... 4106.shtml)

Hình ảnh


6.Thảo luận

Qua phân tích sơ bộ bằng mô hình TR55 cho thấy đây là mô hình dự báo ngập lụt có thể áp dụng được trong lưu vực thành thị như Kuala Lumpur, Malaysia. Việc sử dụng DEM để phân loại các khu vực đồng nhất rất dễ dàng bởi hầu hết các phần mềm GIS. Sự thay đổi sử dụng đất có thể dễ dàng ghi nhận bởi ảnh vệ tinh.

Mô hình thuỷ văn được sử dụng trong bài viết này dựa trên hệ thống phân loại đất của Mỹ và khả năng thích hợp khi ứng dụng vào Malaysia vẫn còn chưa chắc chắn. Cần đầu tư cho nghiên cứu để làm cơ sở lý luận và thực tiến trong các tình huống thực tế.

Có thể thấy việc tích hợp Viễn thám và GIS có triển vọng rất cao trong việc dự đoán ngập lụt. Trong quản lý thiên tai chúng có thể chỉ ra các khu vực bị ảnh hưởng và sẽ dễ dàng hành động để giảm thiệt hại cho cộng đồng.
_____________________________
Theo Hùng GIS - Diễn đàn GIT4YOU

Vệ tinh viễn thám chống cháy rừng

 http://bantin.com/image_articles/668/42438_0_133682.jpg
Một trong những công nghệ viễn thám tiên tiến nhất đã được các nhà khoa học thuộc Trung tâm Viễn thám và Geomatics, Viện Địa chất (Trung tâm KHTN&CNQG) nắm bắt và ứng dụng thành công trong việc dự báo điểm cháy rừng.
 http://media.baodatviet.vn/Uploaded_CDCA/bgkhoahoc/20110309/4.jpg
Trong tương lai, công nghệ này sẽ được triển khai trên nhiều lĩnh vực như nghiên cứu tài nguyên, địa hình...
Công nghệ thu ảnh vệ tinh để dự báo điểm cháy từ ảnh NOAA- AVHRR dựa vào nguyên lý đó là tìm ra các dị thường về nhiệt, so sánh với các chỉ thị điểm cháy, điểm nóng để đưa ra cảnh báo. Ảnh thu nhận được từ hệ thống vệ tinh NOAA, hệ thống vệ tinh TERRA và hệ thống vệ tinh ACQUA.
Phát hiện cháy kịp thời
Tính đến thời điểm này, hệ thống vệ tinh NOAA đã phát triển đến thế hệ 17 trong đó chúng ta sử dụng ảnh của vệ tinh 12 và 16. Các vệ tinh này có độ phủ 2000 km/chiều (toàn bộ diện tích lãnh thổ Việt Nam).
Một ngày, trạm thu nhận được khoảng sáu ảnh trong đó có ba ảnh ban đêm, ba ảnh ban ngày. Tuy nhiên trong trường hợp hai vệ tinh bay sát nhau thì chỉ có thể thu được bốn ảnh (số ảnh tối thiểu). Hạn chế của ảnh NOAA- AVHRR là độ phân giải chỉ trong phạm vi một km nên khó có thể biết chính xác tuyệt đối điểm cháy ở phạm vi đó.
GS.TS Phạm Văn Cự, một trong những nhà khoa học tham gia dự án viễn thám đầu tiên của Việt Nam nhớ lại, năm 1997 đánh dấu bước khởi động về hoạt động nghiên cứu viễn thám ở Việt Nam bằng việc Việt Nam tham gia dự án hợp tác nghiên cứu viễn thám với cộng đồng châu Âu.
Cũng năm đó, họ có gửi một trạm thu vệ tinh xách tay lắp đặt thử nghiệm tại Việt Nam và những bức ảnh viễn thám đầu tiên ở Việt Namđã được thu thành công. Đây là tiền đề cho dự án xây dựng trạm thu tín hiệu vệ tinh viễn thám ở Việt Nam.
Mặc dù vậy phải mất đến 5 năm sau đó, những công nghệ này mới được ứng dụng thực sự ở Việt Nam (mùa khô năm 2002).
Hiện tại, Việt Nam được sử dụng miễn phí khi thu tín hiệu từ ba hệ thống vệ tinh trên. Công việc của các nhà khoa học thuộc Trung tâm Viễn thám và Geomatics là thu nhận tính hiệu từ trạm thu, sử dụng phần mềm phân tích để đưa ra ảnh viễn thám, sau đó là đưa ra các dự báo. Vào 18g hằng ngày, Trung tâm gửi kết quả dự báo cháy cho Cục Kiểm lâm qua đường thư điện tử, sau đó Cục Kiểm lâm sẽ chuyển cho Chi cục kiểm lâm địa phương.
Nhiều ứng dụng tiềm năng
Từ khi đưa hệ thống viễn thám vào phục vụ công tác dự báo cháy rừng, các nhà khoa học đã phát hiện và kịp thời cảnh báo nhiều vụ cháy như cháy rừng U Minh Thượng, cháy chợ Cần Thơ...
Bên cạnh việc hỗ trợ kinh phí cho dự án viễn thám, Cục Kiểm lâm còn hỗ trợ bằng việc mua thông tin dự báo cháy rừng hàng ngày cũng như tích cực triển khai ứng dụng công nghệ đến các Chi cục kiểm lâm địa phương. Thành công lớn nhất của sự hợp tác này là sự ra đời của Trung tâm liên ngành viễn thám GIS, bao gồm sự hợp nhất của Trung tâm viễn thám và Geomatics với Trung tâm thông tin và tư vấn lâm nghiệp (Viện Điều tra quy hoạch rừng, Bộ NN&PTNT).
Sự liên kết này sẽ tạo điều kiện cho những nhà lâm nghiệp có điều kiện tiếp cận với lĩnh vực viễn thám để phục vụ công tác nghiên cứu của mình, còn người dân thì có được những kết quả nghiên cứu có giá trị thực tiễn cao phục vụ cuộc sống.
Theo GS. Phạm Văn Cự, công nghệ viễn thám không chỉ dừng lại ở việc dự báo cháy rừng mà nó còn giải quyết được nhiều vấn đề như xây dựng bản đồ tài nguyên nước, mùa màng, cung cấp tình trạng lớp phủ thực vật, diễn biến cây trồng đặc biệt là cây lúa tại các tỉnh đồng bằng sông Cửu Long và đồng bằng sông Hồng, tính toán chỉ số thực vật trên toàn lãnh thổ để đưa ra bài toán khô hạn...
(Theo www.monre.gov.vn)

Ứng dụng công nghệ viễn thám đánh giá tác động môi trường

Hình ảnh chỉ có tính chất minh họa - Nguồn: Internet 
 
Trong lĩnh vực bảo vệ môi trường, công nghệ viễn thám được coi như như một công cụ quan trắc hữu ích nhằm theo dõi những biến động của môi trường theo thời gian, phát hiện kịp thời những ảnh hưởng bất lợi của các hiện tượng thiên nhiên và tác động của con người lên sự phát triển bền vững. Sau hơn 30 năm thành lập, Trung tâm Viễn thám Quốc gia đã có những bước tiến lớn trong lĩnh vực này ở nước ta.
Năm 2011, Trung tâm Viễn thám Quốc gia, sẽ tiến hành lập cơ sở dữ liệu nền thông tin địa lý tỷ lệ 1/5.000 khu vực ĐBSCL; thành lập bộ bản đồ biến động đường bờ biển Việt Nam tỷ lệ 1/100.000 cho toàn tuyến bờ và và tỷ lệ 1/25.000 cho các đoạn bờ trọng điểm giai đoạn 1965 - 2010 bằng ảnh viễn thám,… Trung tâm tiếp tục đầu tư trang thiết bị, bảo trì Trạm thu ảnh vệ tinh phục vụ giám sát tài nguyên thiên nhiên và môi trường. Trung tâm phấn đấu trong năm 2011 sẽ phủ trùm khoảng 60% lãnh thổ Việt Nam với dữ liệu ảnh SPOT5…
Ông Phạm Việt Hồng, Viện Khoa học và Công nghệ Việt Nam cho biết: Những hiện tượng thiên nhiên thường được quan trắc là theo dõi những diễn biến lũ lụt và đánh giá tác động của chúng, đồng thời đề xuất các biện pháp dự báo và và phòng tránh hiệu quả; theo dõi hiện tượng cháy rừng và các dạng mất rừng, thái hóa rừng...Quan trắc đánh giá những tai biến môi trường như sạt lở đất, hoặc xói mòn đất, thoái hóa đất, thoái hóa rừng...Ngoài những hiện tượng biến đổi trong thiên nhiên có tính chất toàn cầu, trên diện rộng như suy giảm diện tích rừng, sa mạc hóa, thay đổi bề mặt nhiệt độ nước biển, một số hiện tượng ô nhiễm có tính chất liên lục địa cũng được quan trắc và xử lý bằng công nghệ viễn thám.
Việc tích hợp tư liệu viễn thám và hệ thống thông tin địa lý (GIS) trong xây dựng cơ sở dữ liệu môi trường mang ý nghĩa to lớn bởi nhiều ưu điểm như giàu thông tin, chu kỳ thu nhận thông tin ngắn, xử lý thông tin trên diện rộng, không phụ thuộc vào tình hình kinh tế-xã hội trên mặt đất. Đây là công cụ hữu hiệu giúp cho việc nghiên cứu, điều tra tài nguyên và nắm bắt thông tin nhanh chóng và đồng bộ trên diện rộng.
Dữ liệu viễn thám khi tích hợp với GIS sẽ là nguồn tư liệu khách quan mang tính kế thừa và đổi mới liên tục trong bản đồ số, thực sự trở thành công cụ hiệu quả trong nghiên cứu sự biến động của các thành phần tài nguyên-môi trường trên bề mặt đất và là tư liệu đáng tin cậy cho các nhà chuyên môn tham khảo trong nhiều lĩnh vực. Tiêu biểu nhất là ứng dụng công nghệ viễn thám, GIS để đánh giá tác động môi trường lưu vực sông sông Cầu, qua đó đã xây dựng được cơ sở dữ liệu về hiện trạng sử dụng đất và lớp phủ mặt đất lưu vực sông này, có ý nghĩa thực tiễn rất quan trọng đối với vấn đề quy hoạch và quản lý môi trường lưu vực sông Cầu của 6 tỉnh phía Bắc gồm Bắc Ninh, Bắc Giang, Bắc Kạn, Thái Nguyên, Vĩnh Phúc và Hải Dương.
 Theo monre

Ứng dụng viễn thám và hệ thống thông tin địa lý để lập bản đồ nguy cơ sạt lở đất

TÓM TẮT

Xín Mần là huyện vùng cao nằm ở phía Tây Nam tỉnh Hà Giang, ở đây hiện tượng trượt lở đất diễn ra khá phổ biến. Tuy nhiên, các thông tin về trượt lở đất lại rất hạn chế do vậy việc xây dựng cơ sở dữ liệu về hiện tượng này sử dụng công nghệ GIS là rất cần thiết. Mối quan hệ định lượng giữa trượt lở đất và các nhân tố ảnh hưởng trực tiếp đến quá trình trượt lở được xây dựng dựa vào mô hình Certainty Factor(CF). Trong đó các nhân tố ảnh hưởng trực tiếp ở đây bao gồm độ cao, độ dốc, thảm phủ, địa chất, đường giao thông, đứt gãy, mật độ sông suối. Bằng cách tích hợp các giá trị CF tìm được với bản đồ phân bố trượt lở đất chúng ta sẽ lựa chọn được nhân tố ảnh hưởng lớn nhất đến quá trình trượt lở đất. Đồng thời sử dụng công nghệ viễn thám và GIS để phân tích sự xuất hiện của tai biến này trên tất cả các lớp. Các lớp thông tin sau khi số hoá được chuyển sang dạng rastor để phân tích. Các pixel được tính toán bằng mô hình CF và  kết quả thu được là các giá trị CF cho tất cả các lớp trong các lớp bản đồ. Dựa vào các giá trị CF này, chúng tôi phân tích và chia thành các thang đánh giá mức độ nguy hiểm và áp dụng để thành lập bản đồ các vùng xảy ra trượt lở đất.
1. Mở đầu
Trong những năm gần đây, trượt lở đất diễn ra khá phổ biến và thường xuyên ở nước ta đặc biệt là ở những vùng núi. Trượt lở đất là quá trình diễn ra rất bình thường, chúng ta không thể loại trừ  nhưng chúng ta có thể cố gắng để giảm nhẹ sức tàn phá do chúng gây ra. Đánh giá rủi ro và hiểm họa do trượt lở đất gây ra là chiến lược hiệu quả để dự báo và giảm nhẹ sự tàn phá của thiên tai này. Mục đích của bài báo là để hiểu về hoạt động và động cơ của trượt lở đất, và đưa ra bản đồ các vùng bị trượt lở đất ở huyện Xín Mần thuộc tỉnh Hà Giang. Hiện nay, cùng với sự phát triển của ngành toán học và công nghệ máy tính, nhiều phương pháp để đánh giá rủi ro và hiểm hoạ đã đưa ra như phân tích tính nhạy cảm trượt lở đất(Lee et al.,2002), mô hình xác suất (peisser et al., 2002), phương pháp thống kê (Marzorati et al., 2002), đa tuyến tính (Ohlmacher et al.,2003), etc. trong bài báo này tôi sử dụng mô hình Certainty Factor(CF) để phân tích và thành lập bản đồ trượt lở đất. Môi trường nhạy cảm trượt lở đất ở huyện Xín mần được định nghĩa bằng cách thành lập mối quan hệ giữa trượt lở đất và tác động của các nhân tố sử dụng mô hình CF và vùng tai biến.
2. Khu vực nghiên cứu.
Huyện Xín Mần nằm ở phía Tây Nam của tỉnh Hà Giang, khí hậu đựoc chia thành hai mùa rõ rệt là mùa mưa và mùa khô. Nhiệt độ trung bình dao đông từ 24-28 độ C và lượng mưa trung bình hàng năm khoảng 1695mm(theo số liệu ghi lại của Viện khí tượng thuỷ văn Hà Nội). Lượng mưa lớn nhất đạt 2000-2500mm vào tháng 8 và tháng 9 và đó cũng là nguyên nhân gây ra hiện tượng lũ quét, lũ bùn đá và trượt lở đất ở khu vực này.
3. Giới thiệu về mô hình CF
Trong số các mô hình phân tích GIS sử dụng phổ biến cho tai biến trượt lở, mô hình CF được hết sức quan tâm và đã được kiểm tra bằng thực nghiệm( Chung và Fabbri, 1993, 1998; Binaghi et al.,1998; Luzi and Pergalani, 1999). Áp dụng mô hình CF là một trong những đề xuất Favorability Functions(FF) có thể giải quyết vấn đề liên kết các lớp dữ liệu khác nhau , không đồng nhất và không chắc chắn của dữ liệu đầu vào. CF là hàm xác suất đựơc xây dựng bởi Shortliffe và Buchanan (1975) và sau này được sửa đổi bởi Heckerman(1986):
                        
Trong đó: ppi  : là điều kiện xác suất của số lượng xuất hiện điểm trựơt lở đất  xảy ra ở lớp a
     pps :là xác suất ưu tiên của tổng số các điểm trựơt lở xuất hiện trong vùng nghiên cứu.
CF có giá trị biến thiên từ -1 đến 1. Giá trị dương có nghĩa là tăng dần tính chắc chắn trong sự xuất hiện trựơt lở, trong khi giá trị âm miêu tả sự giảm dần tính chắc chắn trong sự xuất hiện trượt lở. Giá trị tiến gần đến 0 có nghĩa là xác suất ưu tiên rất giống nhau về điều kiện do đó rất khó để đưa ra bất cứ chỉ số nào về tính chắc chắn về sự xuất hiện trượt lở đất.
Các giá trị ppi, pps được tạo ra từ việc chồng mỗi lớp dữ liệu với lớp hiện trạng trượt lở trong Arcgis và tính toán tần xuất xuất hiện trượt lở. Các giá trị CF sau đó được tính cho mỗi lớp (độ cao, độ dốc, đứt gãy, địa chất…) trong vùng nghiên cứu. Sau khi tính được giá trị CF của mỗi cấp cho tất cả các lớp, ta chồng xếp từng cặp lại với nhau theo quy tắc tích hợp (Chung và Fabbri, 1993). Để áp dụng mô hình này tôi giả thiết rẳng diện tích trượt lở tại tất cả các điểm trượt lở đất là như nhau và bằng 300 m2.
  1. Phương pháp nghiên cứu và phân tích dữ liệu
4.1. Một số hình ảnh về trượt lở đất ở huyện Xín mần
 

4.2  Phương pháp nghiên cứu.
Để thành lập được bản đồ các vùng có nguy cơ trượt lở đất, tôi sử dụng các nhân tố liên quan đến quá trình trượt lở như: bản đồ phân bố điểm trượt lở đất, độ cao, độ dốc, hướng dốc, đăc điểm địa chất, đứt gãy, thuỷ văn, giao thông, thảm phủ. Từ các yếu tố có liên quan này tôi tiến hành thành lập bản đồ cho từng yếu tố(lớp dữ liệu) sau đó tính toán giá trị CF cho từng phân lớp trong các lớp dữ liệu và chồng ghép các lớp với nhau.
Tổng quan về phương pháp được miêu tả trong sơ đồ dưới đây:


 
Hình 4.1: Phương pháp chuẩn bị các lớp dữ liệu


4.3  Phân tích dữ liệu
  1. Dữ liệu ban đầu: bản đồ địa hình giấy tỷ lệ 1:50000, bản đồ giấy địa chất 1:200000, ảnh Landsat 1999, bản đồ sử dụng đất tỷ lệ 1:200000, bản đồ hành chính tỉnh Hà Giang tỷ lệ 1:50000.
  2. Phân tích: Từ dữ liệu này tôi tiến hành quét và số hoá và tạo ra các lớp dữ liệu cần thiết như đã nêu trong sơ đồ trên. Cụ thể như sau:
-         Bản đồ độ cao, độ dốc, hướng dốc tạo ra từ mô hình số độ cao(DEM)
-         Bản đồ đứt gãy và  mạng lưới giao thông, thuỷ văn tạo ra sau quá trình số hoá sau đó tiến hành tạo các vùng đệm theo các khoảng cách khác nhau tuỳ theo từng lớp dữ liệu.
  1. Kết quả nghiên cứu.
5.1  Bản đồ phân bố các điểm trượt lở dọc theo đường quốc lộ

5.2  Giá trị CF của các lớp dữ liệu sau khi tính toán. (chỉ đưa ra một số kết quả tính toán)
  1. Khoảng cách vùng đệm của lớp đứt gãy
Classes
(m)
Area of each classes
(km2)
Area of landslide in each classes(m2)
Number of landslide
Landslide probability
(km2/km2)
Landslide density
(No/km2)
CF
0-500
48.473
1500
5
0.000031
0.10
-0.184
500-1000
38.860
1200
4
0.000031
0.10
-0.184
1000-2000
41.860
1800
6
0.000043
0.14
0.116
2000-3000
27.258
1500
5
0.000055
0.18
0.309
3000-4000
21.168
1200
4
0.000057
0.19
0.333
>4000
44.400
1200
4
0.000027
0.09
-0.289
Total
222.019
8400
28
0.000244
0.80
0.101

b. Độ dốc
Classes
(degree)
Area of slope angle(km2)
Area of landslide in each classes(m2)
Landslide probability
(km2/km2)
Number of landslide
Landslide density
(No/km2)
CF
0-5
29.742
0
0.000000
0
0.00
-1.000
5-15
24.145
300
0.000012
1
0.04
-0.684
15-25
75.365
1200
0.000016
4
0.05
-0.579
25-35
57.640
2400
0.000056
8
0.14
0.321
35-45
24.628
3300
0.000134
11
0.45
0.716
>45
10.355
1200
0.001160
4
0.38
0.672
Total
221.875
8400
0.001378
28
1.06
-0.554

c. Thảm phủ

Classes
Area of each classes(km2)
Area of landslide in each classes(m2)
Landslide probability
(km2/km2)
Number of landslide
Landslide density
(No/km2)
CF
Dense forest
45.996
300
0.000007
1
0.02
-0.816
Brush and thin forest
33.568
1500
0.000045
5
0.15
0.156
Bare land
88.876
3600
0.000041
12
0.14
0.073
Cultivated land
30.366
1800
0.000059
6
0.20
0.356
Water body and wetland
23.214
1200
0.000052
4
0.17
0.269

5.3  Bản đồ các vùng có nguy cơ trượt lở.
Bản đồ trên được thành lập dựa theo các tiêu chuẩn về mức độ nguy hiểm như sau:
TT
Giá trị
Nguy cơ trượt lở
1
-5.08- -3.35
Rất thấp
2
-3.35- -1.61
Thấp
3
-1.61- 0.12
Trung bình.
4
0.12-1.85
Cao
5
1.85-3.58
Rất cao
Số liệu thống kê về diện tích và % các vùng nằm trong nguy cơ trượt lở trong vùng đệm được đưa ra trong bảng dưới đây:

Hazard zone
Area(km2)
%Area
Landslide area
(m2)
Landslide probability
(km2/km2)
Very low
4.113
01.88
0
0.000000
Low
60.686
27.69
0
0.000000
Moderate
108.047
49.29
900
0.000008
High
42.702
19.48
4800
0.000112
Very high
3.640
01.66
2400
0.000659
Total
222.018
100
8400
0.000779

  1. Kết luận.
Trượt lở đất là hiện tượng tự nhiên xảy ra do rất nhiều tác đông do vậy chúng ta không thể loại trừ hoàn toàn nhưng chúng ta vẫn có thể phòng chống và làm giảm thiệt hại do trượt lở đất gây ra. Bài báo này đã sử dụng một số nhân tố ảnh hưởng trực tiếp đến quá trình trượt lở đất và đã đưa ra được các vùng đã và có thể xảy ra các hiện tượng trượt lở đất trên các tuyến đường trong huyện Xín Mần. Bản đồ này được thành lập với tỷ lệ 1:50000 nhằm giúp cho chình quyền và người dân tai khu vực này có thể sử dụng để tham khảo và phòng tránh được rủi ro do trượt lở đất gây ra.
Tuy nhiên nếu có thêm nhiều hơn nữa các yếu tố liên quan đến quá trình trượt lở như bản đồ mưa, cấu trúc về thạch học ..etc thì tôi tin rằng khi đưa vào mô hình này để tính toán thì kết quả thu được sẽ khả quan và chính xác hơn rất nhiều.

Tài liệu tham khảo.
REFERENCES
1.Honda Kiyoshi. (2004). Advanced Remote Sensing. (Lecture notes, Course No AT 76.10, School of Engineering). Bangkok: Asian Institute of Technology.
Honda Kiyoshi. (2004). Remote Sensing. (Lecture notes, Course No AT 76.03, School of Engineering). Bangkok: Asian Institute of Technology.
2.Nitin K. Tripathi. (2004).Advanced GIS. (Lecture notes, Course No AT 76.06, School of Engineering). Bangkok: Asian Institute of Technology.
3.P.A. Burrough and R. A. McDonnell (1998): Principles of Geographic Information Systems, Oxford University Press.
4.Tor Bernhasdsen.( 1999). Geographic information system an introduction, Johnwiley.,Sons, Inc.
5.H.L. Perotto-Baldiviezo., T.L. Thurow., C.T. Smith., R.F. Fisher., X.B. Wu. (2004). GIS- based spatial analysis and modeling for landslide hazard assessment in steeplands, southern Honduras. The journal of agriculture, Ecosystem and Environment, 103(1), 165-176..
6.Graciela Metternicht, Lorenz Hurni and Radu Gogu. (2005). Remote sensing of landslides: An analysis of the potential contribution to geo-spatial systems for hazard assessment in mountainous environments.  The journal of Remote Sensing of Environment, 98(2-3), 284-303.
7.Bruce D. Malamud., Donald L. Turcotte.,  Fausto Guzzetti., Paola Reichenbach. (2004). Landslides, earthquakes, and erosion. The journal of Earth and Planetary Science Letters, 229 (1-2), 45-59.
8.Chung.C.F., Fabbi. A. (1999). Probabilistic prediction models for landslide hazard mapping. The journal of Photogrammetric engineering and Remote Sensing, 65(12), 1389-1399.

Abtract

Landslide hazard and risk map for road network using remote sensing and GIS: A case study of Xin Man district, Ha Giang province
Xin Man district in the South west Ha Giang has high landslide hazard. However, the available information on landslide in Xin Man district is still limited. We constructed the essential spatial database of landslides using GIS techniques. The quantitative relationships between landslides and factors affecting landslides are established by the Certainty Factor (CF). The affecting factors such as slope, elevation, landcover, geology, road distance, lineament distance, drainage density are recognized. By applying CF value integration and landslide zonation, the most significant affecting factors are selected.
By using RS&GIS technology landslide occurrences on all these factors have been analyzed. The vector based GIS has been used for digitizing to produce thematic maps, as analysis for study was based on the pixel based information therefore Raster based GIS has been used for the analysis.
Pixel based calculation was made by using the CF value Model. By using the CF model we obtain the CF value for all classes al all factor maps. On the basis of these CF value all factor maps are recoded and matrix analysis was perform to produce a Landslide Hazard Zonation map.
Nguồn: http://lib.wru.edu.vn

Bản quyền © Climate GIS, Chịu trách nhiệm xuất bản: Trần Văn Toàn, Mail: climategis@gmail.com, Hotline: +84 979 91 6482