Phát triển mô hình học máy sâu trong giám sát biến động bờ biển Trung Bộ - Đề tài QG.17

ĐẠI HỌC QUỐC GIA HÀ NỘI BÁO CÁO TỔNG KẾT KẾT QUẢ THỰC HIỆN ĐỀ TÀI KH&CN CẤP ĐẠI HỌC QUỐC GIA Tên đề tài: Phát triển mô hình học máy sâu trong giám sát biến động bờ biển Trung Bộ Mã số đề tài: QG.17 Chủ nhiệm đề tài: TS. Đặng Kinh Bắc Hà Nội, 2023 MỤC LỤC PHẦN I. THÔNG TIN CHUNG. Danh sách chủ trì, thành viên tham gia thực hiện đề tài.

Đơn vị chủ trì. Thời gian thực hiện. Những thay đổi so với thuyết minh ban đầu (nếu có). Tổng kinh phí được phê duyệt của đề tài.

TỔNG QUAN KẾT QUẢ NGHIÊN CỨU. Phương pháp nghiên cứu. Tổng kết kết quả nghiên cứu. Đánh giá về các kết quả đã đạt được và kết luận.

Tóm tắt kết quả (tiếng Việt và tiếng Anh). SẢN PHẨM, CÔNG BỐ VÀ KẾT QUẢ ĐÀO TẠO CỦA ĐỀ TÀI. Kết quả nghiên cứu. Hình thức, cấp độ công bố kết quả.

Kết quả đào tạo. TỔNG HỢP KẾT QUẢ CÁC SẢN PHẨM KH&CN VÀ ĐÀO TẠO CỦA ĐỀ TÀI. TÌNH HÌNH SỬ DỤNG KINH PHÍ. THÔNG TIN CHUNG 1.

Tên đề tài: Phát triển mô hình học máy sâu trong giám sát biến động bờ biển Trung Bộ 1. Danh sách chủ trì, thành viên tham gia thực hiện đề tài Chức danh, học vị, họ và TT Đơn vị công tác Vai trò thực hiện đề tài tên Trường Đại học Khoa học 1 TS. Đặng Kinh Bắc Chủ nhiệm đề tài Tự nhiên, ĐHQGHN Trường Đại học Khoa học 2 ThS. Phạm Thị Phương Nga Thư ký khoa học Tự nhiên, ĐHQGHN Trường Đại học Khoa học 3 PGS.

Đặng Văn Bào Thành viên tham gia Tự nhiên, ĐHQGHN Trường Đại học Khoa học 4 TS. Ngô Văn Liêm Thành viên tham gia Tự nhiên, ĐHQGHN Trường Đại học Khoa học 5 TS. Nguyễn Hữu Duy Thành viên tham gia Tự nhiên, ĐHQGHN Viện Việt Nam học và Khoa 6 ThS. Giang Văn Trọng Thành viên tham gia học phát triển, ĐHQGHN Viện Việt Nam học và Khoa 7 ThS.

Giang Tuấn Linh Thành viên tham gia học phát triển, ĐHQGHN Viện Khoa học và Công 8 ThS. Phan Thị Thanh Hải nghệ Công trình thủy, Thành viên tham gia Trường Đại học Xây dựng 1. Đơn vị chủ trì: Trường Đại học Khoa học Tự nhiên, ĐHQGHN 1. Thời gian thực hiện: 1.

Theo hợp đồng: từ tháng 4 năm 2021 đến tháng 4 năm 2023 1. Gia hạn (nếu có): đến tháng…. Thực hiện thực tế: từ tháng 4 năm 2021 đến tháng 2 năm 2023 1. Những thay đổi so với thuyết minh ban đầu (nếu có): (Về mục tiêu, nội dung, phương pháp, kết quả nghiên cứu và tổ chức thực hiện; Nguyên nhân; Ý kiến của Cơ quan quản lý) 1.

Tổng kinh phí được phê duyệt của đề tài: 280 triệu đồng. TỔNG QUAN KẾT QUẢ NGHIÊN CỨU 1. Đặt vấn đề Biến động đường bờ là quá trình diễn ra hết sức phức tạp, xảy ra dưới tác động của dòng hải lưu, sóng và gió lên bề mặt đất liền [1], [2]. Xói lở bờ biển xảy ra chủ yếu trong các đợt triều cường, kèm theo sóng và gió lớn trong bão.

Dưới tác động của biến đổi khí hậu và đô thị hóa, quá trình biến động bờ biển càng trở nên phức tạp [3]. Tới nay, vấn đề giám sát xói lở bờ biển đã nhận được rất nhiều sự quan tâm đặc biệt đến từ các quốc gia khác nhau trên toàn thế giới [4], [5]. Trong 30 năm qua, 70% đường bờ trên toàn thế giới cấu tạo bởi các vật liệu bở rời đã bị xói lở một cách nghiêm trọng [6]. Kể từ năm 1970, nhiều bờ biển ở Hoa Kỳ có tốc độ xói trung bình từ 0.9 m/năm, đặc biệt ở khu vực bờ biển phía đông, với tốc độ xói lên tới 2.

Quá trình xói lở xảy ra gần 20.000 km bờ biển ở Châu Âu [8]. Do đó, các công nghệ giám sát mực nước biển dâng cần được cải tiến liên tục để có thể quan sát sự thay đổi ở cả đường bờ trong và ngoài tại các quốc gia ven biển [9]. Việc đánh giá sự thay đổi cho phép đánh giá chính xác xu hướng của xói lở bờ biển và mực nước biển dâng theo thời gian thực. Về cơ sở dữ liệu, công nghệ viễn thám ngày nay với những ưu điểm như đa cảm biến, đa thời gian và đa độ phân giải siêu cao đã được sử dụng trong các mô hình học máy [10], [11].

Trong các dự án nghiên cứu đánh giá xói lở bờ biển, viễn thám (VT) và hệ thông tin địa lý (GIS) đã được ứng dụng hiệu quả và mang lại kết quả cho công tác quản lý vùng ven biển. Tuy nhiên, do nhận thức liên quan đến các chỉ thị đường bờ trong/ngoài còn khác nhau nên việc dự đoán xói lở dựa trên ảnh viễn thám và GIS còn nhiều sai số [12], [13]. Kết quả giải đoán phụ thuộc nhiều vào nguồn dữ liệu và phần mềm xử lý. Các nghiên cứu trước đây thường tách riêng đất liền và biển nói chung để đánh giá quá trình xói lởi bờ biển kết hợp với việc sử dụng ảnh viễn thám có độ phản giải tầm trung bình (như ảnh Landsat, Spot và Sentinel-2).

Độ chính xác cao nhất cũng chỉ là 10m với ảnh Sentinel- 2, tương đương với khoảng cách giữa đường bờ biển trong và ngoài ngoài thực địa. Do đó, kết quả giải đoán/đánh giá biến động bờ biển của các nghiên cứu trước đây có nhiều điểm khác biệt. Để cải thiện vấn đề này, rất nhiều cảm biến viễn thám cung cấp độ phân giải cao có thể quan sát đường bờ trong và ngoài một cách rõ ràng hơn như ảnh máy bay không người lái (UAV) và WorldView-2 thu từ nguồn Google Earth với độ phân giải từ 0,3m đến 1m [14], [15]. Đây là nguồn dữ liệu hữu ích cho việc phân biệt đường bờ trong và ngoài trên quy mô không gian lớn và đa thời gian.

Về công nghệ xử lý, việc xác định đường bờ trong và ngoài, cũng như phân tích sự biến động của chúng qua thời gian vẫn chủ yếu dựa vào các công cụ truyền thống như phần mềm ArcGIS, Envi 5.1, eCognition và DSAS [16]. Những công cụ này không thể tạo ra các mô hình tự động phân tích hay xử lý lượng dữ liệu lớn, theo thời gian dài, một cách liên tục, hoặc theo thời gian thực [17]. Thêm vào đó, việc giải đoán đường bờ trong và ngoài vẫn phụ thuộc vào các chuyên gia có kiến thức chuyên ngành, đặc biệt trên ảnh độ phân giải cao. Với sự phát triển của công nghệ máy học sâu, con người có thể đào tạo/huấn luyện máy tính hiểu được sự khác biệt giữa đường bờ trong và ngoài với những vật thể xung quanh.

Kiến thức này làm cho máy tính có thể phát hiện đường bờ trong và ngoài tại thời điểm thu nhận ảnh viễn thám; từ đó cung cấp các mô hình giám sát sự thay đổi bờ biển nhanh chóng trong thời gian thực. Do đó, việc phát triển một mô hình tự động hóa xác định đường bờ và đánh giá biến động bờ biển là cần thiết trong thời đại hiện nay. 2 Hiện nay, nhiều mô hình học sâu được ứng dụng trong các lĩnh vực y tế, địa lý và môi trường như mô hình Support Vector Machines (SVM); Convolution Neural Network (CNN); Unet, U2net, Unet3+ và DexiNed). Tuy nhiên, bên cạnh kiến thức liên quan đến viễn thám và học máy sâu, các nhà phát triển cần có chuyên môn về địa mạo bờ biển, cảnh quan và hệ sinh thái để xác định đường bờ trong và ngoài trên thực địa trước khi có dữ liệu mẫu đầu vào để đào tạo máy học.

Do đó, một bộ tiêu chí xác định đường bờ trong và ngoài là cần thiết, không chỉ giúp ích cho việc xác định đường bờ trong và ngoài ngoài thực địa, mà còn trực tiếp trên ảnh vệ tinh độ phân giải cao, làm cơ sở dữ liệu quan trọng trong phát triển mô hình học máy. Xuất phát từ nhu cầu đó, đề tài cấp Đại học Quốc gia Hà Nội tiêu đề “Phát triển mô hình học máy sâu trong giám sát biến động bờ biển Trung Bộ” mã số QG.17 được nghiên cứu và triển khai. Mục tiêu Mục tiêu của nghiên cứu này bao gồm: - Xây dựng các mô hình học máy sâu tự động hóa giải đoán đường bờ biển (bờ trong và bờ ngoài) từ ảnh viễn thám độ phân giải cao; - Xác định được đặc điểm biến động đường bờ, tai biến do xói lở bờ biển, bồi tụ cửa sông một số khu vực trọng điểm và đề xuất được giải pháp áp dụng mô hình học máy cho giám sát cho một số kiểu bờ biển khác nhau ở Trung Bộ. Phương pháp nghiên cứu Theo quy trình được thể hiện trong Hình 1, quá trình phân loại đường bờ trong và ngoài được chia làm ba bước.

Bước 1 được thực hiện ở cả nội nghiệp và ngoại nghiệp để xác định các chỉ thị đường bờ trong và ngoài phù hợp với từng loại bờ biển. Các điểm mẫu thực địa được xác định và xử lý để tạo mẫu trên ảnh viễn thám, phục vụ phát triển mô hình học máy. Bước 2 là đào tạo và phát triển mô hình máy học sâu truyền thống và nâng cao phục vụ phân loại đường bờ trong và ngoài. Khi mô hình đạt được độ chính xác cao, mô hình sẽ được kiểm chứng và thử nghiệm với nguồn dữ liệu ảnh WorldView mới thu từ Google Earth trong bước 3.

Kết quả nghiên cứu được sử dụng để thành lập bản đồ đường bờ và biến đổi đường bờ ở bước cuối. Quy trình phát triển mô hình học máy trong phân loại và đánh giá biến động đường bờ 3 3. Phương pháp địa mạo trong xây dựng bộ chỉ thị xác định đường bờ Việc xác định đường bờ trong và bờ ngoài thường gây nhiều khó khăn cho các nhà khoa học, nhất là khi cơ sở dữ liệu không được thu thập chính xác và đầy đủ [18], [19]. Trong khi đường bờ trong có xu hướng ổn định, đường bờ ngoài được xác định có tính chất tạm thời.

Thang thời gian được lựa chọn để xác định các loại đường bờ này phụ thuộc vào mục đích của các nghiên cứu. Ví dụ, các nghiên cứu về đất ngập nước có thể cần lấy mẫu đường bờ liên tục khoảng 10 lần/giây. Trong khi các nghiên cứu phân tích sự biến đổi lâu dài của đường bờ biển có thể yêu cầu lấy mẫu 10 đến 20 năm/lần [20], [21]. Vì vậy, ranh giới giữa đất và nước thường được sử dụng để xác định đường bờ tức thời.

Dựa vào 45 chỉ thị đường bờ biển được đề cập bởi Boak và Turner (2005), đề tài chuẩn hóa, lựa chọn ra 16 chỉ thị phù hợp với đặc điểm tự nhiên và kinh tế - xã hội tại Việt Nam, đặc biệt tại dải ven biển miền Trung.