Ứng dụng phương pháp hệ số tin cậy (CF) và mô hình thống kê Bayes đánh giá mối quan hệ giữa trượt lở với các yếu tố liên quan tại khu vực huyện Bảo Thắng và thành phố Lào Cai, tỉnh Lào Cai

  • Cơ quan:
    1 Khoa Môi trường, Trường Đại học Mỏ - Địa chất, Việt Nam
    2 Viện Địa chất và Địa vật lý Biển, Viện Hàn lâm Khoa học Việt Nam
    3 Khoa Công nghệ thông tin, Trường Đại học Giao thông Vận tải, Việt Nam
  • Từ khóa: Bảo Thắng, Hệ số tin cậy, Lào Cai, Thống kê Bayes, Trượt lở.
  • Nhận bài: 23-12-2021
  • Chấp nhận: 18-03-2022
  • Đăng online: 30-04-2022
Trang: 1 - 14
Lượt xem: 350

Tóm tắt:

Khu vực nghiên cứu chịu ảnh hưởng của hiện tượng tai biến trượt lở với tần suất và cường độ ngày càng cao, gây thiệt hại lớn và ngày càng nghiêm trọng, ảnh hưởng đến sự phát triển bền vững kinh tế - xã hội của khu vực. Việc áp dụng các phương pháp toán địa chất vào nghiên cứu tai biến trượt lở ngày càng được quan tâm do tính chất định lượng hóa của các thông số và kết quả tính toán. Kết quả tính toán mối quan hệ tương quan trong nghiên cứu cho thấy: nhóm các yếu tố độ dốc địa hình, chỉ số độ nhám địa hình, mật độ đứt gãy/lineament, thạch học - địa tầng, đặc điểm địa chất công trình, loại hình vỏ phong hóa và lượng mưa ngày lớn nhất đóng vai trò quan trọng nhất và có ảnh hưởng chính đến việc hình thành các khối trượt tại khu vực nghiên cứu. Để phân vùng nguy cơ xảy ra tai biến, nghiên cứu này đã sử dụng phương pháp hệ số tin cậy (Certainty Factor - CF) và mô hình thống kê Bayes để đánh giá mối quan hệ giữa khả năng xảy ra tai biến trượt lở với các yếu tố môi trường liên quan. Phân tích thực tế tại khu vực huyện Bảo Thắng và thành phố Lào Cai, tỉnh Lào Cai cho thấy độ chính xác của hai phương pháp đạt được lần lượt là 87% và 92%. Các kết quả đạt được cho thấy khả năng áp dụng hiệu quả các phương pháp toán định lượng trong đánh giá tai biến địa chất phục vụ công tác quản lý và phòng chống thiên tai tại địa phương.

Trích dẫn
Nguyễn Quang Minh, Nguyễn Quốc Phi, Phan Đông Pha và Nguyễn Việt Hưng, 2022. Ứng dụng phương pháp hệ số tin cậy (CF) và mô hình thống kê Bayes đánh giá mối quan hệ giữa trượt lở với các yếu tố liên quan tại khu vực huyện Bảo Thắng và thành phố Lào Cai, tỉnh Lào Cai, Tạp chí Khoa học kỹ thuật Mỏ - Địa chất, số 63, kỳ 2, tr. 1-14.
Tài liệu tham khảo

[1]. Binaghi E., Luzi L., Madella P., Pergalani F. and Rampini A., (1998). Slope instability zonation: a comparison between certainty factor and Fuzzy Dempster–Shafer approaches. Natural Hazards 17, 77-97.

[2]. Chung C. F. and Fabbri A. G., (1993). The representation of geoscience information for data integration. Nonrenewable Resources 2, 122-139.

[3]. Chung C. F. and Fabbri A. G., (1999). Probabilistic prediction models for landslide hazard mapping. Photogrammetric Engineering & Remote Sensing 65, 1389−1399.

[4]. Chung C. J., Fabbri A. and Van Westen C. J., (1995). Multivariate regression analysis for landslide hazard zonation. Geographical Information Systems in Assessing Natural Hazards. Kluwer Publications, Dordrecht, The Netherlands, 107-133.

[5]. Cục Địa chất và Khoáng sản Việt Nam, (2009). Địa chất và Tài nguyên Việt Nam. Nhà xuất bản Khoa học tự nhiên và Công nghệ, Hà Nội.

[6]. Dai F. C. và Lee C. F., (2003). A spatiotemporal probabilistic modelling of storm-induced shallow landsliding using aerial photographs and logistic regression. Earth Surface Processes and Landforms 28, 527-545.

[7]. Guzzetti F., Carrarra A., Cardinali M. và Reichenbach P., (1999). Landslide hazard evaluation: A review of current techniques and their application in a multi-scale study, Central Italy. Geomorphology 31, 181−216.

[8]. Lan H. X., Zhou C. H., Wang L. J., Zhang H. Y. and Li R. H., (2004). Landslide hazard spatial analysis and prediction using GIS in the Xiaojiang watershed, Yunnan, China. Engineering Geology 76, 109-128.

[9]. Lee S., Ryu J.H., Min K. và Won J.N., (2004). Landslide susceptibility analysis using GIS and artificial neural network. Earth Surface Processes and Landforms 28, 1361-1376.

[10]. Lee S., (2005). Application and cross-validation of spatial logistic multiple regression for landslide susceptibility analysis. Geosciences 9, 63-71.

[11]. Nguyễn Cẩn và Nguyễn Đình Hòe, (2005). Tai biến môi trường. NXB Đại học Quốc gia Hà Nội.

[12]. Nguyễn Phương, Đỗ Văn Nhuận, Nguyễn Quốc Phi, Hạ Quang Hưng, (2013). Giáo trình tai biến địa chất. Nhà xuất bản khoa học kỹ thuật, Hà Nội.

[13]. Nguyễn Quốc Phi, Nguyễn Quang Luật, Nguyễn Kim Long, Đỗ Văn Nhuận, (2013). Xây dựng mô hình phân bố không gian đánh giá khả năng xảy ra lũ quét tại Quảng Ngãi. Kỷ yếu Hội thảo Khoa học Công nghệ trường Đại học Tài nguyên và Môi trường Hà Nội 2013, Hà Nội, 157-165.

[14]. Quoc Phi Nguyen, Du Duong Bui, SangGi Hwang, Khac Uan Do, Thi Hoa Nguyen, (2018). Rainfall-triggered landslide and debris flow hazard assessment using data mining techniques: A comparison of Decision Trees, Artificial Neural Network and Support Vector Machines. Proceedings of the (2018) Vietnam Water Cooperation Initiative (VACI 2018), 138-141.

[15]. Shortliffe E. H. and Buchanan B. G., (1975). A mathematical model inexact reasoning in medicine. Mathematical Bioscience 23, 351-379.

[16]. Trần Trọng Huệ, (2004). Báo cáo Nghiên cứu đánh giá tổng hợp các loại hình tai biến địa chất trên lãnh thổ Việt Nam và các giải pháp phòng tránh. Đề tài độc lập cấp nhà nước. Lưu trữ Viện Địa chất, Viện KH&CN Việt Nam, Hà Nội.

[17]. Varnes D.J., (1984). International Association of Engineering Geology Commission on Landslides and Other Mass Movements on Slopes. Landslide hazard zonation: a review of principles and practice. UNESCO, Paris. 63 pp.

[18]. Viện Khoa học Địa chất và Khoáng sản, (2014). Báo cáo kết quả Điều tra và thành lập bản đồ hiện trạng trượt lở đất đá tỷ lệ 1:50.000 khu vực miền núi tỉnh Lào Cai. Đề án Điều tra, đánh giá và phân vùng cảnh báo nguy cơ trượt lở đất đá các vùng miền núi Việt Nam. Bộ Tài nguyên và Môi trường, Hà Nội.