Sign In

Sử dụng ảnh vệ tinh, dữ liệu bay UAV kết hợp mô hình số địa hình giám sát sạt lở đất khu vực làng Nủ, xã Phúc Khánh, tỉnh Lào Cai

14:34 29/09/2025

Chọn cỡ chữ A a  

Bài viết trình bày tóm tắt kết quả sử dụng ảnh vệ tinh Spot 6 kết hợp với mô hình địa hình và dữ liệu bay chụp UAV xác định khối lượng bùn đất do lũ quét tại khu vực Làng Nủ. Ảnh vệ tinh sử dụng nhằm xác định chính xác các khu vực bị sạt lở do lũ quét phục vụ lên kế hoạch bay chụp UAV tính toán mô hình số độ cao sau lũ. Từ dữ liệu mô hình số độ cao thu được từ bay UAV kết hợp với mô hình số độ cao từ hệ thống bản đồ địa hình tính toán khối lượng sạt lở và bồi lắng do lũ quét

Tóm tắt

Bài viết trình bày tóm tắt kết quả sử dụng ảnh vệ tinh Spot 6 kết hợp với mô hình địa hình và dữ liệu bay chụp UAV xác định khối lượng bùn đất do lũ quét tại khu vực Làng Nủ. Ảnh vệ tinh sử dụng nhằm xác định chính xác các khu vực bị sạt lở do lũ quét phục vụ lên kế hoạch bay chụp UAV tính toán mô hình số độ cao sau lũ. Từ dữ liệu mô hình số độ cao thu được từ bay UAV kết hợp với mô hình số độ cao từ hệ thống bản đồ địa hình tính toán khối lượng sạt lở và bồi lắng do lũ quét.

Giới thiệu

Sáng 10-9-2024, một trận lũ quét kinh hoàng đã xảy ra tại thôn Làng Nủ, xã Phúc Khánh tỉnh Lào Cai (trước đây là xã Phúc Khánh, huyện Bảo Yên, Lào Cai). Bỗng chốc cả một ngôi làng bị xóa sổ, 60 người chết và 7 người hiện đang mất tích. 

 

Hình 1. Làng Nủ ngay sau cơn lũ ngày 10 – 09 – 2024

Để tránh các hiểm họa tương tự, cần tìm hiểu rõ nguyên nhân lũ quét để xây dựng các phương án phòng tránh nguy cơ và hạn chế thiệt hại khi lũ quét xảy ra.  

Từ ngày 15/01/2025 đến ngày 17/012025, Trung tâm Giám sát Nông nghiệp, Tài nguyên và Môi trường cùng với đại diện lãnh đạo Cục Viễn thám quốc gia và các cơ quan liên quan trong Bộ Nông nghiệp và Môi trường đã tiến hành khảo sát thực địa, thu thập, tổng hợp số liệu quan trắc, điều tra, khảo sát, ảnh viễn thám, thu thập thông tin tại các vị trí, khu vực đã xảy ra lũ quét, sạt lở đất; thu thập dữ liệu đo vẽ, xác định qui mô, kích thước, vị trí xảy ra khối nứt, trượt; hỗ trợ đánh giá nguyên nhân, các yếu tố ảnh hưởng, yếu tố chính gây ra lũ quét, sạt lở đất;

Dữ liệu và phương pháp thực hiện

Dữ liệu được sử dụng bao gồm:

  • Dữ liệu ảnh vệ tinh Spot 6 trước và sau thời điểm lũ quét đã thu thập được tại các thời điểm: 26/07/2024; 28/08/2024; 06/09/2024 (trước thời điểm lũ quét) và 19/09/2024; 05/10/2024; 31/10/2024 (sau thời điểm lũ quét); 
  • Lớp thông tin địa hình được xây dựng ở tỉ lệ 1:10000 được lưu trữ trong geodatabase của khu vực tỉnh Lào Cai được cây dựng 2010 và cập nhật năm 2011.
  • Dữ liệu khảo sát thực địa: ảnh chụp thực địa, các kết quả đo đạc thực địa, kết quả bay chụp UAV xây dựng DEM khu vực sau sạt lở đất,…

Ảnh vệ tinh được xử lý xây dựng bình đồ ảnh khu vực làng Nủ: 

  • Xác định dòng chảy trước và sau lũ quét, xác định các khu vực nuôi trồng thủy sản đầu nguồn và trong khu vực chịu ảnh hưởng của lũ quét ở thời điểm trước và sau khi lũ quét xảy ra,…
  • Phục vụ khảo sát ngoại nghiệp: vạch tuyến khảo sát, xác định các điểm bắt đầu sạt lở, khu vực sạt lở, khu vực bồi tụ, hướng dòng chảy, các thay đổi dòng chảy, các khu vực ao hồ nuôi trồng thủy sản ở thượng nguồn,..

Dữ liệu thông tin địa hình ở tỉ lệ 1:10000 được sử dụng để xây dựng mô hình số địa hình trước thời gian lũ quét 

Dữ liệu bay chụp UAV được xử dụng để xây dựng mô hình số địa hình khu vực sau khi lũ quét xảy ra. 

Từ dữ liệu mô hình số địa hình trước và sau khi lũ quét xảy ra được đưa vào tính toán trong Arc Gis chiết tách khối lượng xói lở - bồi tụ sau lũ quét tại khu vực làng Nủ.

Kết quả xử lý 

Từ dữ liệu ảnh vệ tinh SPOT 6 đã được xử lý, xây dựng 03 bình đồ ảnh khu vực làng Nủ tại các thời điểm: 20/4/2024, 05/10/2024 và 31/10/2024.

 

Hình 2. Bình đồ ảnh khu vực làng Nủ ngày 20/04/2024 (trước thiên tai lũ quét xả ra)

 

Hình 3. Bình đồ ảnh khu vực làng Nủ ngày 05/10/2024 (sau25 ngày thiên tai lũ quét xả ra)

 

Hình 4. Bình đồ ảnh khu vực làng Nủ ngày 31/10/2024 (sau gần 2 tháng ngày thiên tai lũ quét xả ra)

Khảo sát thực địa diễn ra từ ngày 15/01/2025 đến ngày 17/01/2025.

 

Hình 5. Hình ảnh chụp tại thực địa

Phân tích ảnh viễn thám

Từ dữ liệu ảnh vệ tinh xác định được các khu vực hồ đầu nguồn suối ở làng Nủ.

 

Hình 6. Một số ao được xác định trên ảnh vệ tinh Spot 6

Bảng 1. Diện tích một số ao nằm trong lưu vực có khả năng ảnh hưởng đến trận lũ quét tại làng Nủ

STT

Tên

Diện tích (m2)

1

Ao 1

763,25

2

Ao 2

975,61

3

Ao 3

1900,77

4

Ao 4

1538,72

5

Ao 5

327,61

 

Khu vực chịu ảnh hưởng của lũ quét là 50.8 ha (vùng kẻ chéo ở hình bên dưới)

 

 

 

 

 

Một số hình kết quả xử lý dữ liệu từ ảnh vệ tinh và thiết bị bay không người lái (UAV) khu vực làng Nủ

 
  • Vùng bị ảnh hưởng lũ quét suy giải từ ảnh viễn thám sau thiên tai xảy ra

Hình 7 . TIN (xây dựng từ BĐĐH 1:10000) trước sạt lở khu vực khảo sát

 

 

 

Hình 8. Ảnh sau sạt lở kết hợp với TIN sau sạt lở (được xây dựng từ dữ liệu bay chụp UAV) và vùng sạt lở

 
 

Trước lũ quét

Sau lũ quét

Hình 9. DEM trước và sau lũ quét (được xây dựng từ dữ liệu bay chụp UAV)

Tính toán thể tích trượt

Theo phân tích từ viễn thám, các hình ảnh vệ tinh SPOT 6 đa thời gian ngày 20/04/2024; 26/07/2024; 28/08/2024; 06/09/2024 (trước sạt lở) ngày 19/09/2024, 05/10/2024; 31/10/2024 (sau sạt lở) kết hợp với mô hình số địa hình trước và sau sạt lở xác định được điểm bắt đầu sạt lở ở độ cao 795m cách cửa ra thung lũng làng Nủ 4,2 km. Ảnh vệ tinh cũng thể hiện 2 vị trí thắt của lòng suối: vị trí 1 ở độ cao 358 m cách điểm bắt đầu sạt theo hình ảnh viễn thám 1.6 km, vị trí 2 ở độ cao 282m cách điểm bắt đầu sạt theo hình ảnh viễn thám 2,1 km.

 

Hình 10. Mặt cắt nhánh 1.

Từ DEM trước và sau sạt lở tính toán ra độ cao lòng suối trước và sau sạt lở.

Bảng 2. Độ cao lòng suối trước và sau khi sạt lở.

STT

X

Y

H(sau sạt lở)

H(trước sạt lở)

1

477217.68

2447190.42

546

540

2

477069.38

2447401.44

534

540

3

477365.45

2447404.39

481

486

4

477361.57

2447635.76

419

425

5

477376.9

2447921.97

373

370

6

477397.51

2448237.49

315

330

7

477480.03

2448434.46

282

288

8

477566.03

2448616.75

262

250

9

477675.09

2448735.82

225

220

10

477706.82

2448943.25

207

200

11

477740.62

2449188.21

190

180

12

477734.12

2449361.73

182

176

13

477744.91

2449579.75

175

173

14

477675.15

2449734.31

171

170

 

Bảng 3. Khoảng cách giữa các điểm.

STT

Khoảng cách (m)

Điểm đầuĐiểm cuối

1

3

260

2

4

374

3

4

231

4

5

287

5

6

316

6

7

214

7

8

201

8

9

161

9

10

210

10

11

247

11

12

173

12

13

218

13

14

170

 

Qua số liệu tại Bảng 2 cho thấy:

- Lòng suối ở ngay sau đỉnh trượt chân núi con voi đã được bồi cao khoảng 6m, sau đó lòng suối bị khoét sâu xuống khoảng 5-6m. 

- Tại vị trí ngẽn dòng (dưới ngã 3 suối 287m), lòng suối được nâng lên khoảng 3m.

- Sau đó lòng suối bị khoét sâu xuống từ 6-15m (tại mặt cắt số 6, 7). 

- Từ mặt cắt số 8 đến mặt cắt số 12 (vị trí cửa ra suối ở đầu Làng Nủ đến giữa làng Nủ), lòng suối được nâng lên từ 6 – 12m.

Từ giữa Làng Nủ đến hết Làng Nủ lớp bồi lắng chỉ còn từ 1- 3m.

Dựa trên đặc điểm địa hình, hình dáng lòng suối và dấu hiệu ảnh hưởng sau sạt lở của bờ suối và qua số liệu tại bảng 2 cho thấy bắt đầu từ vị trí cửa ra suối Vàng Kheo chảy vào thôn Làng Nủ, lòng suối được nâng lên, hay nói cách khác là hiện tượng bồi lắng bùn đất, đá bắt đầu diễn ra và kéo dài đến hết thôn Làng Nủ. Lớp bồi lắng này có độ dày từ 1-12m.

Dựa trên đặc điểm địa hình có thể phân chia vùng bồi lắng từ chân núi đến cuối Làng Nủ thành 14 đoạn, cụ thể như Hình 11 dưới đây:

 

 

Hình 11. Các vùng được phân chia để tính thể tích bồi, lở

Từ mô hình số địa hình (DEM) tỷ lệ 1/10.000 và mô hình số địa hình được xây dựng từ bay chụp UAV trong chuyến khảo sát từ ngày 15/01/2025 đến ngày 17/01/2025, Cục Viễn thám quốc gia đã sử dụng công cụ tính toán trong phần mềm ARCGIS và tính được thể tích bồi tụ của các đoạn (bảng 4) là 1,48 triệu m3

Bảng 4. Thể tích bồi lấp tính theo từng vùng.

STT

Trước sạt lở (m3)

Sau sạt lở (m3)

Chênh lệch (Trước - Sau) m3

Vùng 1

9,136,178

9,238,910

-102,732

Vùng 2

7,124,868

7,184,875

-60,006

Vùng 3

10,825,683

10,818,556

7,127

Vùng 4

17,623,024

17,384,152

238,872

Vùng 5

19,896,810

19,667,027

229,783

Vùng 6

17,344,082

17,258,897

85,186

Vùng 7

4,574,752

4,566,827

7,925

Vùng 8

5,377,750

5,549,769

-172,018

Vùng 9

6,869,745

7,095,923

-226,178

Vùng 10

9,326,362

9,545,882

-219,519

Vùng 11

6,067,229

6,316,571

-249,342

Vùng 12

6,038,242

6,410,130

-371,889

Vùng 13

3,623,335

4,125,877

-502,542

Vùng 14

157,911

305,647

-147,736

Tổng

123,985,972

125,469,042

-1,483,070

Thảo luận 

Sủ dụng ảnh viễn thám để khảo sát đã được chính xác điểm bắt đầu quá trình sạt lở, phạm vi lòng suối bị ảnh hưởng và xác định được các khu vực trữ nước trước và sau lũ quét. Kết quả phân tích giúp đưa ra phương án khảo sát chi tiết, hiệu quả, xác định chính xác các vị trí cần đo đạc, bay chụp và lấy mẫu thực địa.

Các cuộc khảo sát khu vực lũ quét tại làng Nủ trước đây chỉ ước lượng khối lượng sạt lở chứ chưa có tính toán dựa trên các phương pháp đo đạc khoa học. Do đó, khối lượng đất đá xói lở - bồi tụ sẽ khó chính xác. Từ đó, đánh giá các yếu tố địa chất – thủy văn trong xác định nguyên nhân gây lũ quét và mức độ ảnh hưởng 

Sử dụng mô hình số địa hình trước và sau khi xảy ra lũ quét giúp tính toán chính xác khối lượng đất đá bị xói lở - bồi tụ do lũ quét, các vị trí thay đổi trắc diện lòng thung lũng, lòng suối, các điểm thay đổi bất thường về độ cao,… từ đó, đánh giá chính xác hơn các nguyên nhân, ảnh hưởng của lũ quét tại làng Nủ. Kết quả đánh giá sẽ là căn cứ để khoanh vùng các khu vực có nguy cơ cao chịu ảnh hưởng của lũ quét trong tương lai.

Kết luận

Nguyên nhân quyết định gây ra trận lũ quét là do mưa lớn trong nhiều ngày gây ra sạt lở đất, lượng đất đá, cây cối bị sạt lở kết hợp với các vị trí lòng suối co hẹp gây ra tắc nghẽn tạo ra lũ quét. Khu vực Làng Nủ  có tiền sử về sạt lở đất từ năm 2008; ngoài ra khu vực không có dân cư sinh sống nên hiện tượng sạt lở có thể diễn ra thường xuyên nhưng với quy mô nhỏ nên không phát hiện ra. Hiện nay khu vực này vẫn còn nguy cơ sạt lở rất cao.

Trung tâm giám sát Tài nguyên môi trường và biến đổi khí hậu đã sử dụng tư liệu ảnh vệ tinh SPOT 6 và ảnh Google earth xác định được các khu vực  trước và sau thời điểm trước lũ quét.

Từ mô hình số địa hình DEM tỷ lệ 1:10000 và mô hình số địa hình được xây dựng từ dữ liệu bay Uav tính toán được khối lượng trượt lở của khu vực là 1.48 triệu mét khối.

Để giám sát có hiệu quả các khu vực ảnh hưởng của trượt lở đất nói riêng và thiên tai nói chung, cần thực hiện: 

  • Tăng cường tần suất thu nhận dữ liệu ảnh viễn thám độ phân giải cao và siêu cao phục vụ giám sát tài nguyên môi trường đặc biệt là thiên tai và biến đổi khí hậu.

  • Tiếp tục thực hiện việc nâng cấp các hệ thống quan trắc, cảnh báo có tính đồng bộ, liên thông và thực hiện các biện pháp truyền tin cảnh báo hướng đến cộng đồng.

  • Thôn Làng Nủ nói riêng và nhiều địa phương khác nói chung đã được Cục Địa chất Việt Nam, Viện Khoa học Địa chất và Khoáng sản triển khai điều tra, xây dựng bộ bản đồ cảnh báo nguy cơ sạt lở, tuy nhiên mới dừng lại ở tỷ lệ trung bình hơn nữa chưa được tích hợp các nguy cơ do lũ quét có thể xảy ra do vậy kính đề nghị Bộ sớm phê duyệt nhiệm vụ “Điều tra, xây dựng bộ thông tin dữ liệu, lập bản đồ hiện trạng, bản đồ phân vùng nguy cơ, phân vùng rủi ro do sạt lở đất, lũ quét tỉ lệ 1:10.000 và lớn hơn” để triển khai thực hiện phục vụ yêu cầu thực tiễn phòng chống thiên tai của địa phương nhằm giảm thiểu thiệt hại về người và tài sản của người dân.

 

Tài liệu tham khảo

 

  1. https://vnexpress.net/5-nguyen-nhan-khien-lu-quet-sat-lo-tan-pha-lang-nu-4793102.html

  2. https://www.youtube.com/watch?v=s5fWVdty-OM

Phạm Hà Anh

Ý kiến

Nghiên cứu đột phá về công cụ tự động phân tích ảnh viễn thám đa thời gian và ứng dụng thực tiễn trong giám sát lũ quét tại Tây Ban Nha năm 2024

Mới đây, nhóm nghiên cứu quốc tế do Fatima Ezahrae Ezzaher và các cộng sự đã công bố một công trình khoa học quan trọng về phát triển và ứng dụng Remote Sensing Toolkit (RST) – một plugin mã nguồn mở trên nền tảng QGIS, nhằm tự động hóa phân tích dữ liệu ảnh vệ tinh đa thời gian (multitemporal remote sensing). Công cụ này hướng tới việc xử lý khối lượng lớn ảnh vệ tinh từ nhiều nguồn khác nhau như Landsat, Sentinel-2, MODIS, giúp người dùng dễ dàng tính toán hơn 100 chỉ số sinh thái và môi trường (ví dụ như NDVI, các chỉ số về nước) mà không cần kiến thức lập trình.
Ứng dụng mô hình YOLO trong phát hiện đối tượng ngầm tầng nông

Ứng dụng mô hình YOLO trong phát hiện đối tượng ngầm tầng nông

Trong kỷ nguyên số, khi mà sự kết hợp giữa công nghệ AI và các thiết bị đo đạc hiện trường như GPR chính là chìa khóa giúp con người “nhìn xuyên lòng đất”, quản lý tốt hơn những gì vốn lâu nay còn ẩn giấu.
Viễn thám - công cụ mới giám sát không gian xanh đô thị

Viễn thám - công cụ mới giám sát không gian xanh đô thị

Trong bối cảnh đô thị hóa diễn ra nhanh chóng, việc quản lý và giám sát không gian xanh trở thành thách thức lớn đối với các thành phố. Tại Việt Nam, công nghệ viễn thám đang mở ra cách tiếp cận hiện đại, giúp theo dõi biến động sử dụng đất, đánh giá tác động môi trường và định hướng quy hoạch đô thị bền vững.