Journal of Mining and Earth Sciences Vol. 65, Issue 5 (2024) 41 - 49 41
Developing an application within the coastal flood risk
warning system: Pilot study in Quang Nam province
Trong Gia Nguyen 1, 2, Quy Ngoc Bui 3, Quang Ngoc Pham 1, 2, Cuong Van Nguyen 2, 4,
Phuong Thanh Nguyen 5, Tung Son Vu 1, 5, *
1 Hanoi University of Mining and Geology, Hanoi, Vietnam
2 Geodesy and Environment Research Group (HUMG), Hanoi, Vietnam
3 VNU - Central Institute for Natural Resources and Environmental Studies (VNU-CRES), Hanoi, Vietnam
4 The Vietnam Agency of Seas and Islands, Hanoi, Vietnam
5 GeoPro Consulting Joint Stock Company, Hanoi, Vietnam
ARTICLE INFO
ABSTRACT
Article history:
Received 16th Feb. 2024
Revised 07th June 2024
Accepted 22nd Aug. 2024
Flooding is one of the common natural hazards in coastal areas of
Vietnam, attributed to the influence of climate change. Establishing a
robust infrastructure and tools to support flood warning systems is
crucial and necessary to enhance the effectiveness of early warnings. An
integrated warning mechanism comprises physical components (such
as sensors and computers), software applications for data processing
and analysis, databases, and stakeholders including governmental
agencies and local communities. Among these, community participation
is a crucial aspect, aiding in the collection and dissemination of vital
information for warning systems during natural disasters. Despite
numerous studies focusing on developing support and warning systems
for natural disasters in Vietnam, community involvement has not been
sufficiently emphasized in the outcomes of these studies. This article
presents the results of developing computer programs and mobile
applications for flood warning services in coastal areas. Specifically, a
flood risk warning map is generated using a 1D-CNN deep learning
model experimented in Quang Nam province. The experimental mobile
application allows community participation by enabling them to
provide real-time information on the flood situation, facilitating the
system's analysis, processing, updating, and integration of data into the
established database to issue flood risk warnings for the research area.
Copyright © 2024 Hanoi University of Mining and Geology. All rights reserved.
Keywords:
Coastal areas,
Floods,
Mobile applications,
Natural disasters,
WebGIS.
_____________________
*Corresponding author
E - mail: tungvs@geopro.vn
DOI: 10.46326/JMES.2024.65(5).05
42 Tp chí Khoa hc K thut M - Địa cht Tp 65, K 5 (2024) 41 - 49
Xây dng chương tnh ng dng cho h thng cnh o
nguy ngp lt cng ven bin: Nghiên cu thí đim ti
tnh Qung Nam
Nguyn Gia Trng 1, 2, i Ngc Quý 3, Phm Ngc Quang 1, 2, Nguyn n ơng 2, 4,
Nguyn Thanh Phương 5, Vũ n Tùng 1, 5, *
1 Trường Đại hc M - Địa cht, Hà Ni, Vit Nam
2 Nhóm nghiên cu Trc đa cao cp - môi trường (HUMG), Ni, Vit Nam
3 Vin i nguyên Môi trường, Đại hc Quc gia Ni, Vit Nam
4 Cc Bin và Hải đo, Hà Ni, Vit Nam
5 ng ty C phn vấn GeoPro, Ni, Vit Nam
TNG TIN I BÁO
M TT
Quá trình:
Nhn bài 16/02/2024
Sa xong 07/6/2024
Chp nhận đăng 22/8/2024
Ngp lt mt trong nhng tai biến thiên nhiên ph biến ti các khu vc
ven bin ca Vit Nam, do nh hưởng ca biến đổi khí hu. Vic xây dng
mt h thng s h tng ng c h tr c h thng cnh báo ngp
lt mnh m điểm trng yếu và cn thiết để tăng cường hiu qu ca
c cnh báo sm. Một chế cnh báo ch hp bao gm c thành phn
vt lý (như cảm biến vày tính), ng dng phn mềm đ xphân
tích d liệu, sở d liu và các bên liên quan bao gồm các cơ quan chính
ph và cộng đồng địa phương. Trong số này, s tham gia ca cộng đồng
là mt khía cnh quan trng, giúp thu thp ph biến thông tin quan
trng cho c h thng cnh báo trong các thm ha t nhiên. Mặc đã
nhiu nghiên cu tp trung vào vic phát trin các h thng h tr
cnh báo cho thm ha t nhiên ti Việt Nam, nhưng sự tham gia ca
cộng đồng vẫn chưa được chú ý nhiu trong kết qu ca nhng nghiên
cu đó.i viết này trình bày các kết qu ca vic phát triển các chương
trình máy tính ng dụng di động nh cho dch v cnh báo ngp lt
ti các khu vc ven bin. C th, mt bản đồ cảnh báo nguy ngp lt
đưc to ra bng cách s dng hình hc sâu 1D-CNN được th
nghim ti tnh Qung Nam. ng dụng di động th nghim cho phép cng
đồng tham gia bng cách cho h cung cp thông tin thi gian thc v tình
hình ngp lt, t đó hệ thng phân tích, x lý, cp nht tích hp d liu
o cơ sở d liệu đã xây dng để đưa ra các cảnh báo nguy lụt li cho
khu vc nghiên cu.
© 2024 Trường Đại hc M - Địa cht. Tt c các quyn đưc bo đảm.
T khóa:
Ngp lt,
Thiên tai,
ng dụng điện thoi,
Vùng ven bin,
WebGIS.
_____________________
*Tác gi liên h
E - mail: tungvs@geopro.vn
DOI: 10.46326/JM3ES.2024.65(5).05
Nguyn Gia Trng nnk./Tp chí Khoa hc K thut M - Địa cht 65 (5), 41 - 49 43
1. M đầu
Ngp lt là mt trong c dng thiên tai đã và
đang xảy ra vi cường độ ngày càng gia tăng, đặc
bit trong bi cnh biến đổi khí hu như hin
nay. Mt khi thiên tai xy ra s để li nhng hu
qu nng n v kinh tế, an sinh hi ng nc
vấn đ v i trường. Công c nghn cu phòng
tnh gim nh thiên tai trong nhng năm qua
đã và đang đưc quan tâm nhiu, đặc bit c
nghn cu xây dng h thng cnh báo thn tai
nói chung và cnh báo ngp lt nói riêng. Trong
những năm qua, trên thế gii đã có nhiều nghn
cu v xây dng h thng cảnh o thiên tai đã
đang được nghiên cu trin khai ti nhiều nơi trên
thế gii (Changjun nnk., 2018). c h thng
cnh báo thn tai ch yếu đưc phát trin theo
hai ng chính: (1) h thng phân ch và cnh
báo da trên nn tng WebGIS (Trn, 2011; i
nnk., 2011; Nguyn nnk., 2013; Lê, 2018;
Nguyn & Đinh, 2021; Trn nnk., 2022; Đoàn
nnk., 2022); (2) H thng cnh báo tích hp trên
thiết b di động thông minh (Jayashree nnk.
2017; Salami nnk., 2018; Syahaneim và nnk.,
2018; Mohd Faizal Omar nnk., 2020). Quá trình
y dng h thng cnh o các nghiên cu ch
yếu tp trung vào các ka cnh s dng công ngh
hiện đại như: Trí tu nhân to (AI) (Nguyn, 2023;
Nguyn nnk., 2023), hc y (Machine
Learning - ML) (Salami và nnk., 2018; Nguyen và
nnk., 2023), Internet vn vt - IoT (Jayashree và
nnk., 2017; Iswanto và nnk., 2021), H thông tin
địa lý (GIS), WebGIS, cũng như các nh phân
tích không gian (Nguyn nnk., 2023; Duminda
và nnk., 2019, 2020),…
mt hướng tiếp cận khác Đỗ Trng Tun
& Nguyn, 2012) đã xây dựng h thng giúp
th theo i đưc tai biến thn tai thông qua
nh nh. Hình nh thn tai t thực đa các
y quay ghi nhn đưc s đưc truyn v trung
tâm qun cộng đồng thông qua mng
internet. c tác gi (Vũ nnk., 2021) đã xây
dng gii pp truyền thanh không y. Đây là
gii pp hiu qu bi khi thiên tai xy ra, các h
thng truyn thanh y liên quan đến i
đin kh ng rất ln b p hy không hot
động được. c gi Trn Văn Trung và cộng s
(Trn nnk., 2020) cũng đã nghiên cứu ng dng
mng không y LoRa để y dng h thng giám
t cảnh báo lt thi gian thc.
Hình 1. V t ca khu vc thc nghim.
44 Nguyn Gia Trng nnk./Tp chí Khoa hc K thut M - Địa cht 65 (5), 41 - 49
Thc tế cho thy, c công c h tr cnh o
thiên tai,lụt ti Vit Nam hin nay mi ch tun
túy cung cp tng tin ti quan qun cng
đồng thông qua WebGIS mà chưa công cụ tn
ng dụng di động cũng như chưa có tính năng để
cng đồng ơng c với h thng. Bài báo trình
bày kết qu y dựng chương tnh máy nh
(WebGIS ng dụng trên điện thoi di động)
cnh o nguy cơ ngp lt cho các vùng ven bin
thc nghim ti Qung Nam.
2. D liu phương pháp nghiên cu
2.1. Khu vc d liu nghn cu
Khu vc nghiên cu trong bàio này là tnh
Qung Nam (nh 1). Qung Nam mt tnh
tng xuyên chu ảnh hưởng ca ngp lt vi tn
sut c trn lt ln khoảng 2 m một ln
(Nguyn, 2023).
D liệu đầu o đ thành lp bn đồ cnh o
nguy ngập lt trong nghn cu này bao gm:
(1) hình s độ cao đưc cung cp bi JAXA; (2)
nh v tinh Sentinel-1, Landsat 8/9; (3) Bản đồ
địa cht t l 1:200.000 ng b bi B i nguyên
và i tng; (4) Bn đồ th nng t l
1:100.000 đưc ng b bi B ng nghip và
pt trin ng thôn; (5) Thông tin v che ph đất
đưc cung cp bi JAXA; (6) D liu ợng a
vi độ phân gii 0,50 x 0,50 cung cp bi NASA;
(7) Thông tin v thủyn đưc ly t OpenStreet
Map.
c thông tin chi tiết v d liệu đưc s dng
trong nghiên cu đưc t bi c c gi
(Nguyn, 2023).
2.2. Phương pháp nghn cứu
Chương trình y tính thuộc h thng cnh
báo nguy cơ ngập lụt trong tng hợp này được
y dng theo như quy trình trong Hình 2.
2.2.1. Pơng pp xây dựng cơ sở d liu đầu o
T c loi d liệu đầu vào, biên tập đ y
dng c lớp thông tin trung gian nsau:
Thông tin v ngp lt trong quá kh thành lp
đưc bng vic s dng phn mềm SNAP để phân
tích nh v tinh Sentinel-1. Kết qu ca quá trình
này s thu được c khu vc b ngp trong quá kh
dng raster. Sau đó, c khu vực ngp trong quá
kh s đưc s hóa để có đưc thông tin dng
véc tơ.
T DEM, biên tập đưc c lp thông tin
trung gian bao gồm đ dốc, đ cao, hưng dc,
biến đổi đa hình, ch s độ ẩm đa hình s dng
phn mm ArcGIS pro.
Mt đ sông (km/km2) đưc xây dng da
vào tng tin lp thủy văn lấy t OpenStreet Map.
NDVI, NDWI được y dng t nh v tinh
Landsat 8/9.
Thông tin v đa chất đưc bn tp li theo
ng ghép các loại đá diện ch phân b kng
gian nh lp đá đ cng gn ơng tự. Thông
tin v th nhưỡng ng đưc biên tập ơng t
n khi biên tp thông tin v đa cht.
T d liệu ợng a thu nhận được trong
giai đoạn t năm 2017 đến m 2020, lựa chn
khong thi gian xy ra ngp lụt để xác định đưc
ng a lớn nht ti các điểm mt lưi trong c
giai đoạn khảo t. Sau đó, y dựng đưc lp
tng tin v ng a.
Hình 2. Thiết kế tng th chương trình máy nh cảnh o lt.
Nguyn Gia Trng nnk./Tp chí Khoa hc K thut M - Địa cht 65 (5), 41 - 49 45
T lp thông tin che ph đất đầu o, biên tp
li tnh lp thông tin che ph mi bao gm: đt
ni trng thy sản, đất cn cỗi, đt trng trọt, đất
rng, đất rung, đất đng c, đất , cây bi
c mt.
2.2.2. Pơng pháp y dng bn đồ cnh o nguy
ngập lt
c lớp thông tin trung gian n đã đề cp
trong phn trên mi ch các thông tin dng
raster, véc và đơn v khác nhau. Để th s
dngnh hc máy, trí tu nn to xây dng
bản đồ cnh báo nguy ngập lt cn phi chuyn
đổi c lp thông tin v dng s ng đơn vị. D
liệu đầu vào dng s đưc biên tp theo định
dng d liu ca phn mm Weka. Trong đó, b
d liu có s hàng tương đương với s đim ngp
lt trong quá kh đưc chia thành d liu hun
luyn d liu kim tra. Chi tiết của phương
pp xây dng c lp d liu tham kho (Nguyn
và nnk., 2023).
Trên s b d liệu đã, s dng mô hình
hc u 1D-CNN để y dng bn đ nguy ngập
lt (Nguyn, 2023)
2.2.3. Phương pp y dng WebGIS và ng dng
trên điện thoi di động
ng c Geoserver, Web server API,
PostgreSQL được s dụng đ xây dng WebGIS.
Gii pp s dụng Geoserver ưu điểm đó
trong quá trình s dng không phi tr p. Quy
tnh xây dng WebGIS được mô t như Hình 3.
ng dụng đin thoại di động đưc y dng
s dng ngôn ng flutter được đặt tên Flood
Tracking. ng dng này cho phép người s dng
theo dõi thông tin tn WebGIS cp nht tng
tin vào h thng.
3. Kết qu tho lun
3.1. Kết qu xây dng bn đ nguy cơ ngp lt
vi s h tr ca hình hc u
T các lớp thông tin đầu o, trên sở s
dng hình hc u 1D-CNN (Nguyn, 2023), đã
y dng được bản đ nguy ngp lt ti tnh
Quảng Nam như Hình 4.
Hiu qu của nh đã được đánh giá tng
qua các yếu t đặc trưng như hệ s Kapa, đ chính
c, hiu sut ca hình vi ch s AUCn
cnh đó, kết qu xác đnh bi nh 1D-CNN còn
đưc so sánh vi 3 hình đi chng Deep
Neural Network, Support Vector Machine
Logistic Regression. Kết qu thng kê cho thy kh
năng t tri ca hình 1D-CNN so vi c
nh còn li (Nguyen, 2023).
Kết qu thng kê cho thy 165,7 km2 (chiếm
1,58% din tích) mc nguy cơ ngập lt cao;
44,1 km2 (chiếm 0,42% din tích) mc nguy
Hình 3. Quy tnh xây dng WebGIS.
Hình 4. Bn đ nguy cơ ngp lt ti tnh Qung Nam