Ứng dụng viễn thám và kỹ thuật học máy trong dự báo nguy cơ hạn hán, thử nghiệm tại tỉnh Quảng Trị

Tóm tắt

Tỉnh Quảng Trị nằm ở khu vực Bắc Trung Bộ Việt Nam, thường xuyên chịu ảnh hưởng của điều kiện khí hậu khắc nghiệt, đặc biệt là hạn hán kéo dài, gây tác động tiêu cực đến sản xuất nông nghiệp và cuộc sống của người dân. Nghiên cứu đề xuất mô hình dự báo nguy cơ hạn hán bằng cách tích hợp dữ liệu viễn thám và kỹ thuật học máy, qua đó hỗ trợ công tác quản lý tài nguyên nước và giảm thiểu thiệt hại do hạn hán.​ Dữ liệu viễn thám từ các vệ tinh Landsat và Sentinel-2 trong giai đoạn 2016-2025 được thu thập và xử lý trên nền tảng điện toán đám mây Google Earth Engine (GEE). Tiếp theo, các chỉ số hạn hán bao gồm NDVI, LSWI, NDWI, MSI, NDDI, SAVI, VCI, TCI, TVDI và VHI được tính toán để phản ánh tình trạng nhiệt độ, độ ẩm đất và sức khỏe thảm thực vật. Dựa trên chỉ số TVDI, dữ liệu được phân loại thành năm mức độ hạn hán: không hạn, hạn nhẹ, hạn trung bình, hạn nặng và hạn rất nặng. Tập dữ liệu huấn luyện cho mô hình học máy được xây dựng bằng cách chọn ngẫu nhiên các điểm ảnh đại diện cho từng mức độ hạn hán. 03 mô hình học máy gồm Random Forest (RF), Support Vector Machine (SVM) và Gradient Tree Boosting (GTB) được áp dụng để phân loại và dự báo nguy cơ hạn hán.​ Kết quả cho thấy mô hình GTB đạt độ chính xác cao nhất với chỉ số độ chính xác tổng thể và hệ số Kappa lần lượt là 91,67% và 0,89, cao hơn so với SVM và RF. Bản đồ phân bố nguy cơ hạn hán được xây dựng từ mô hình GTB phản ánh rõ ràng các khu vực có nguy cơ hạn hán cao, đặc biệt là ở phía đông và trung tâm tỉnh Quảng Trị.​ Bên cạnh đó, năm 2019 và 2022 ghi nhận diện tích hạn nặng và rất nặng vượt quá 90% tổng diện tích khu vực