Xây dựng bản đồ nguy cơ trượt lở đất tỉnh Quảng Bình bằng phương pháp phân tích đa tiêu chí (AHP) tích hợp GIS và ảnh viễn thám
DOI:
https://doi.org/10.5281/zenodo.17223612Từ khóa:
Phân tích đa tiêu chí, trượt lở, viễn thám, GIS, Quảng Bình.Tóm tắt
Là một quốc gia chịu ảnh hưởng nặng nề của biến đổi khí hậu, Việt Nam với đặc điểm địa hình phức tạp và chế độ khí hậu nhiệt đới gió mùa thường xuyên đối mặt với nguy cơ trượt lở đất đá. Tần suất, quy mô và mức độ thiệt hại của các vụ trượt lở ngày càng trầm trọng do sự gia tăng của các hiện tượng mưa lớn kéo dài, thời tiết cực đoan và tác động từ các hoạt động nhân sinh, gây ra mối đe dọa trực tiếp đến đời sống, cơ sở hạ tầng và an sinh xã hội. Trước bối cảnh trên, nghiên cứu này được thực hiện nhằm ứng dụng công nghệ viễn thám và hệ thống thông tin địa lý (GIS), kết hợp với phương pháp Phân tích đa tiêu chí (AHP), để đánh giá toàn diện các yếu tố ảnh hưởng và xây dựng bản đồ nguy cơ trượt lở đất tại tỉnh Quảng Bình. Kết quả của nghiên cứu góp phần cung cấp một cơ sở khoa học cho công tác cảnh báo, quy hoạch lãnh thổ và quản lý rủi ro thiên tai một cách hiệu quả, hướng tới mục tiêu phát triển bền vững.
Downloads
Tài liệu tham khảo
[1] Đất trượt là gì? Nguyên nhân, tác hại và cách phòng tránh. Trang web online: https://www.vaidiakythuat.info.
[2] Nguyen Thanh Long, Florimond De Smedt, “Analysis and Mapping of Rainfall-Induced Landslide Susceptibility in A Luoi District, Thua Thien Hue Province, Vietnam”, Water, Vol. 11(1), 2019, 51.
[3] Nguyen Huu Thang, Satoshi Suzuki, Kazunori Hayashi, Nguyen Quoc Dinh, Nguyen Van Tao, Shinro Abe, “Geologic controls and rainfall thresholds for landslide occurrence in northern Vietnam”, Journal of the Japan Landslide Society, Vol. 61(5), 2024, 175–185.
[4] Paola Reichenbach, Mauro Rossi, Bruce D. Malamud, Monika Mihir, Fausto Guzzetti, “A review of statistically-based landslide susceptibility models”, Earth-Science Reviews, Vol. 180, 2018, 60–91.
[5] Fausto Guzzetti, Alessandro Carrara, Mauro Cardinali, Paola Reichenbach, “Landslide hazard evaluation: a review of current techniques and their application in a multi-scale study, Central Italy”, Geomorphology, Vol. 31, 1999, 181–216.
[6] Landslide, Wikipedia, Trang web online: https://en.wikipedia.org/wiki/Landslide.
[7] Landslide classification, Wikipedia, Trang web online: https://en.wikipedia.org/wiki/Landslide_classification.
[8] Leulalem Shano, Tarun Kumar Raghuvanshi, Matebie Meten, “Landslide susceptibility evaluation and hazard zonation techniques – a review”, Geoenvironmental disasters, Vol. 7(18), 2020.
[9] Paola Reichenbach, Mauro Rossi, Bruce D. Malamud, Monika Mihir, Fausto Guzzetti, “A review of statistically-based landslide susceptibility models”, Earth-Science Reviews, Vol. 180, 2018, 60–91.
[10] Biswajeet Pradhan, Saro Lee, “Landslide susceptibility assessment and factor effect analysis: backpropagation artificial neural networks and their comparison with frequency ratio and bivariate logistic regression modelling”, Environmental Modelling & Software, Vol. 25, 2010, 747–759.
[11] Saaty, T. L. (1980). The analytic hierarchy process: Planning, priority setting, resource allocation. McGraw-Hill.
[12] Guzzetti, F., Reichenbach, P., Cardinali, M., Galli, M., & Ardizzone, F. (2006). Probabilistic landslide hazard assessment at the basin scale. Geomorphology, 72(1-4), 272–299.
[13] Reichenbach, P., Rossi, M., Malamud, B. D., Mihir, M., & Guzzetti, F. (2018). A review of statistically-based landslide susceptibility models. Earth-Science Reviews, 180, 60–91.
[14] DIVA-GIS. Dowload Data by Country. Trang web online: http://www.diva-gis.org/Download.
[15] OpenTopography. Trang web online: https://www.opentopography.org.
[16] USGS. Cục khảo sát địa chất Hoa Kỳ - Landsat Satellite Data. Trang web online: https://earthexplorer.usgs.gov.
[17] FAO. Trang web online: https://www.fao.org/soils-portal/data-hub/soil-maps-and-databases/faounesco-soil-map-of-the-world/en/.
[18] CRU. Cơ quan nghiên cứu khí hậu. Trang web online: https://crudata.uea.ac.uk/cru/data/hrg/.
[19] Công ty TNHH MTV Trắc địa bản đồ. Trang web online: https://www.samcom.com.vn/.
[20] Naceur, I. B., Essghaier, R., & Abbes, A. B. (2022). Performance assessment of landslide susceptibility models using statistical and machine learning methods in the N’fis watershed, Morocco. Geoscience Letters, 9(1), 1–13.
[21] Deng, Y., Li, Z., Guo, P., & Chen, W. (2017). Validation of spatial prediction models for landslide susceptibility mapping using the area under the curve (AUC) and prediction rate methods. ISPRS International Journal of Geo-Information, 6(4), 103.
[22] Yesilnacar, E., & Topal, T. (2005). Landslide susceptibility mapping: A comparison of logistic regression and neural networks method in a medium-scale study, Hendek region (Turkey). Engineering Geology, 79(3–4), 251–266. https://doi.org/10.3390/app10051741
[23] Zhao, T. (2024). Landslide susceptibility mapping using an improved convolutional neural network model: A case study in the Three Gorges Reservoir area, China. Georisk: Assessment and Management of Risk for Engineered Systems and Geohazards, 18(1), 1–18. https://doi.org/10.1080/19475705.2024.2409198
Lượt tải xuống
Đã Xuất bản
Số
Chuyên mục
Giấy phép
Tác phẩm này được cấp phép theo Giấy phép Creative Commons Ghi công 4.0 Quốc tế.
Giấy phép CC 4.0
