Tổng quan về luận án

Hiện tượng trượt lở sườn dốc do mưa (rainfall-induced landslide) là một trong những hiểm họa tự nhiên tàn khốc nhất tại các vùng địa hình đồi núi hiểm trở trên toàn cầu cũng như tại Việt Nam. Theo thống kê giai đoạn 2004–2016, thế giới ghi nhận 55.997 người thiệt mạng trong 4.862 vụ trượt lở đất phi động đất, tập trung với mật độ cao nhất tại khu vực châu Á (Whiteley et al., 2019; Petley, 2012). Tại Việt Nam—quốc gia có 3/4 diện tích là đồi núi với lượng mưa trung bình hàng năm dao động từ 3.000 đến 4.500 mm—hiểm họa trượt lở diễn ra đặc biệt khốc liệt; điển hình là thảm kịch sạt lở rạng sáng ngày 18/10/2020 tại xã Hướng Phùng, huyện Hướng Hóa, tỉnh Quảng Trị vùi lấp doanh trại Đoàn kinh tế quốc phòng 337 khiến 22 cán bộ, chiến sĩ hy sinh.

Trong bối cảnh biến đổi khí hậu làm gia tăng cường suất các trận mưa cực đoan, các giải pháp công trình truyền thống (như kè rọ đá, neo bê tông, tường chắn) thường bộc lộ sự bất khả thi về mặt kinh tế khi phải bao phủ hàng nghìn điểm nguy cơ cục bộ. Vì vậy, việc thiết lập hệ thống giám sát và cảnh báo sớm trượt lở đất (Landslide Early Warning System - LEWS / EWMRIL) trở thành giải pháp phi công trình mang tính sống còn.

Khoảng trống nghiên cứu then chốt (research gap) nằm ở chỗ: phần lớn các hệ thống cảnh báo quy mô vùng hiện nay chỉ dựa thuần túy trên đường cong quan hệ thực nghiệm giữa cường độ và thời gian mưa ($I-D$ thresholds; Caine, 1980; Guzzetti et al., 2007). Cách tiếp cận này bỏ qua hoàn toàn cơ chế biến đổi cơ lý phi tuyến tính trong lòng đất đá chưa bão hòa, dẫn đến tỷ lệ dương tính giả (false alarms) hoặc âm tính giả (missed events) rất cao khi áp dụng cho từng mái dốc cụ thể. Mặt khác, các hệ thống quan trắc tiếp xúc truyền thống có dây (wired systems) thường đắt đỏ, dễ bị đứt gãy kết nối khi xuất hiện trượt dịch cục bộ, và các nút cảm biến không dây (Sensor Nodes - SN) luôn đối mặt với bài toán cạn kiệt năng lượng pin khi hoạt động dài ngày tại các sườn núi xa xôi, hiểm trở.

Luận án tiến sĩ kỹ thuật điện tử (Mã số: 9520203.01) của Trường Đại học Công nghệ – Đại học Quốc gia Hà Nội, dưới sự hướng dẫn của PGS. TS. Trần Đức Tân và GS. TS. Bùi Tiến Diệu, giải quyết hai câu hỏi nghiên cứu cốt lõi:

  1. Câu hỏi 1 ($RQ_1$): Làm thế nào để xây dựng một kiến trúc hệ thống EWMRIL tích hợp mạng cảm biến không dây (WSN) với mô hình số vật lý sườn dốc nhằm chuyển đổi linh hoạt chế độ làm việc và đưa ra cảnh báo đa cấp thời gian thực?
  2. Câu hỏi 2 ($RQ_2$): Bằng giải pháp thuật toán nào có thể tối ưu hóa điện năng tiêu thụ tại các nút cảm biến tài nguyên hạn chế thông qua nén dữ liệu truyền thông và lập lịch thích nghi?

Các giả thuyết nghiên cứu tương ứng:

  • Giả thuyết $H_1$: Việc chuyển đổi chế độ làm việc của mạng WSN dựa trên biến thiên của Hệ số an toàn vật lý ($FoS$ - Factor of Safety) thay vì ngưỡng mưa đơn thuần sẽ tiết kiệm đáng kể năng lượng nút cảm biến trong khi vẫn nâng cao độ tin cậy cảnh báo.
  • Giả thuyết $H_2$: Tích hợp kỹ thuật lấy mẫu nén (Compressed Sensing - CS) cải tiến với thuật toán tạo chuỗi giả ngẫu nhiên tuyến tính (Linear Congruential Generator - PRNG/LCG) trên vi điều khiển nhúng sẽ giảm tối đa lưu lượng dữ liệu truyền vô tuyến $RF$ mà không gây suy giảm độ chính xác tái tạo tín hiệu biến dạng.

Nghiên cứu được triển khai thực nghiệm trên sườn dốc có nguy cơ sạt lở cao tại xã Nấm Dẩn, huyện Xín Mần, tỉnh Hà Giang trong khoảng thời gian theo dõi thực địa liên tục, kết hợp phân tích mô phỏng phần tử hữu hạn dòng thấm (SEEP/W) và cân bằng giới hạn (SLOPE/W) thuộc bộ phần mềm địa kỹ thuật chuyên dụng GeoStudio.

Literature Review và Positioning

Tổng quan y văn quốc tế cho thấy sự phát triển của hệ thống LEWS trải qua ba dòng nghiên cứu chính:

  1. Dòng nghiên cứu thống kê - thực nghiệm (Empirical/Statistical Models): Dẫn đầu bởi công trình nền tảng của Caine (1980), Guzzetti et al. (2007, 2008), và Brunetti et al. (2010), xây dựng ngưỡng mưa $I-D$ dựa trên dữ liệu khí tượng lịch sử. Nhược điểm chí tử của phương pháp này là không xét đến đặc tính thấm, độ bão hòa ban đầu của đất và hình học sườn dốc cục bộ.
  2. Dòng nghiên cứu giám sát thực địa bằng cảm biến đơn lẻ (Sensor-based Monitoring): Towhata et al. (2014) phát triển cọc quan trắc giá rẻ đo độ nghiêng và độ ẩm đặt dưới chân dốc tại Nhật Bản. Tuy nhiên, việc đặt thiết bị đơn lẻ ở chân dốc không thể nắm bắt được cơ chế trượt xoay (rotational slide) hoặc phá hủy bắt nguồn từ đỉnh dốc. Uchimura et al. (2010, 2015) đề xuất ngưỡng tốc độ biến dạng góc nghiêng mặt ngoài ($0,01^\circ/\text{giờ}$ cho mức chú ý và $0,1^\circ/\text{giờ}$ cho mức cảnh báo nguy hiểm) kết hợp thể tích nước. Dẫu vậy, phương pháp của Uchimura chưa gắn kết với mô hình cơ học đất chưa bão hòa để dự báo tiến trình trượt theo các kịch bản mưa tương lai.
  3. Dòng nghiên cứu mạng cảm biến không dây WSN chuyên dụng: Ramesh et al. (2014) triển khai mạng WSN 3 lớp tại Munnar (Ấn Độ) với pin chì-axit 6V/36Ah kết hợp tấm pin mặt trời 3W; Giorgetti et al. (2016) ứng dụng 15 nút mạng WSN cấu hình cây kết hợp giao thức TDMA tại mỏ đá Torgiovannetto (Italy). Mặc dù đạt bước tiến về truyền thông, các hệ thống này chưa tối ưu được thuật toán nén tín hiệu nhúng cấp thấp và thiếu cơ chế phản hồi hai chiều giữa giá trị an toàn cơ học với chu kỳ thức/ngủ (duty-cycle) của nút cảm biến.
       [ Caine (1980) / Guzzetti (2007) ] ── (Ngưỡng mưa thực nghiệm I-D, thiếu cơ chế vật lý)
                                │
       [ Towhata (2014) / Uchimura (2015) ] ── (Cảm biến bề mặt/chân dốc đơn lẻ, thiếu dự báo mô hình)
                                │
       [ Ramesh (2014) / Giorgetti (2016) ] ── (Hệ WSN đo đạc đa điểm, tiêu hao năng lượng cao)
                                │
                                ▼
  ╔═══════════════════════════════════════════════════════════════════════════════════╗
  ║    VỊ TRÍ ĐỘT PHÁ CỦA LUẬN ÁN (EWMRIL - ĐẠI HỌC CÔNG NGHỆ, ĐHQGHN):               ║
  ║  - Tích hợp WSN đa tầng (Gia tốc phân đoạn 60cm + PWP + Độ ẩm)                   ║
  ║  - Điều khiển hoạt động WSN động theo Hệ số an toàn cơ học FoS                   ║
  ║  - Lấy mẫu nén CS cải tiến bằng thuật toán PRNG giảm tải tính toán nhúng          ║
  ║  - Cập nhật điều kiện biên FEM (SEEP/W + SLOPE/W) triệt tiêu sai số tích lũy     ║
  ╚═══════════════════════════════════════════════════════════════════════════════════╝

Luận án định vị chính xác vào giao điểm liên ngành giữa Kỹ thuật Điện tử - Viễn thông và Cơ học Địa kỹ thuật: khắc phục tính đơn lẻ của các cảm biến đo bề mặt bằng cột đo nghiêng phân đoạn theo độ sâu kết hợp cảm biến áp lực nước lỗ rỗng (Pore Water Pressure - PWP), đồng thời đóng kín vòng lặp thông tin giữa mô hình phần tử hữu hạn số với cấu hình mạng WSN tự thích nghi.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án mở rộng và hợp nhất ba lý thuyết nền tảng:

  1. Lý thuyết sức kháng cắt của đất không bão hòa (Unsaturated Soil Mechanics): Kế thừa mô hình của Fredlund và Morgenstern (1977) cũng như Fredlund và Rahardjo (1993), phương trình cường độ kháng cắt $\tau$ được biểu diễn: $$\tau = c' + (\sigma - u_a)\tan\phi' + (u_a - u_w)\tan\phi^b$$ Trong đó: $c'$ là lực dính kết hiệu dụng, $(\sigma - u_a)$ là ứng suất pháp thực, $(u_a - u_w)$ là lực hút dính (matric suction), $\phi'$ là góc ma sát trong hiệu dụng, và $\phi^b$ là góc ma sát biểu kiến thể hiện mức tăng sức kháng cắt theo lực hút dính. Luận án chỉ ra rằng sự suy giảm lực hút dính do nước mưa thấm thẳng đứng là tác nhân trực tiếp làm sụt giảm đột ngột sức kháng cắt trước khi xảy ra chuyển vị biểu kiến.
  2. Lý thuyết thấm không dừng trong môi trường đất không bão hòa: Phương trình vi phân đạo hàm riêng dòng chảy 2 chiều (Richards/Darcy 2D): $$\frac{\partial}{\partial x}\left(k_x \frac{\partial h}{\partial x}\right) + \frac{\partial}{\partial y}\left(k_y \frac{\partial h}{\partial y}\right) + q = m_w \gamma_w \frac{\partial h}{\partial t}$$ Trong đó $k_x, k_y$ là hệ số thấm theo hai phương, $h$ là cột áp thủy lực, $q$ là thông lượng biên mưa, $m_w$ là độ dốc đường cong đặc trưng đất - nước (Soil Water Characteristic Curve - SWCC), $\gamma_w$ là trọng lượng riêng của nước.
  3. Lý thuyết lấy mẫu nén (Compressed Sensing - Candès, Romberg, & Tao, 2006; Donoho, 2006): Khai thác tính thưa (sparsity) của tín hiệu dao động và biến dạng sườn dốc trong miền biến đổi trực giao để thu thập tín hiệu với số lượng mẫu $M \ll N$ (với $N$ là kích thước chiều dữ liệu gốc Nyquist).
   [ Cảm biến hiện trường WSN ] ──────────────┐
   (Lượng mưa, Biến dạng, PWP, Ống 60cm)       │
                     │                        ▼
                     │            [ Phân tích thấm FEM SEEP/W ]
                     │            (Giải Richards PDE + SWCC)
                     │                        │
                     ▼                        ▼
        [ Hiệu chỉnh điều kiện biên ] ──► [ Phân tích cân bằng giới hạn SLOPE/W ]
        (Triệt tiêu sai số tích lũy)   (Mô hình LESS Fredlund & Rahardjo)
                                              │
                                              ▼
                                 [ Tính toán Hệ số an toàn FoS ]
                                              │
                     ┌────────────────────────┴────────────────────────┐
                     ▼                                                 ▼
        [ FoS < Ngưỡng an toàn ]                           [ FoS >= Ngưỡng an toàn ]
                     │                                                 │
                     ▼                                                 ▼
        { CHẾ ĐỘ CẢNH BÁO }                                { CHẾ ĐỘ BÌNH THƯỜNG }
   - Tần suất lấy mẫu cao                             - Duty-cycle ngủ sâu (Deep sleep)
   - Bật CS tái tạo tín hiệu                          - Nút định tuyến tiết kiệm pin
   - Gửi cảnh báo 3 cấp độ                            - Năng lượng tiêu thụ tối thiểu

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp phương pháp phần tử hữu hạn (FEM) phân tích thấm với phương pháp cân bằng giới hạn sườn dốc (Limit Equilibrium Slope Stability - LESS) theo quy trình động học khép kín:

  • Bước 1: Tiếp nhận dữ liệu mưa thời gian thực và PWP từ mạng WSN để chạy mô phỏng thấm quá độ trong mô-đun SEEP/W.
  • Bước 2: Truyền ma trận phân bố áp lực nước lỗ rỗng sang mô-đun SLOPE/W nhằm xác định mặt trượt tròn hoặc mặt trượt gãy khúc nguy hiểm nhất có hệ số $FoS$ cực tiểu: $$FoS = \frac{\sum \left[c' l + (N - u_w l)\tan\phi'\right]}{\sum W_i \sin\alpha}$$
  • Bước 3: Sử dụng $FoS$ làm biến trạng thái điều khiển chuyển mạch cho toàn bộ kiến trúc mạng WSN giữa 2 chế độ: Chế độ Giám sát bình thường ($FoS \ge 1,3$) và Chế độ Cảnh báo nguy cơ ($FoS < 1,3$).

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Luận án áp dụng thế giới quan thực chứng khoa học (Positivism) kết hợp mô hình nghiên cứu dung hợp đa mức độ (Multi-level Triangulation):

  • Cấp độ vật lý cơ học: Phân tích tham số địa kỹ thuật mẫu đất tại phòng thí nghiệm (xác định lực dính kết $c$, góc ma sát $\phi$, đường cong SWCC).
  • Cấp độ phần cứng nhúng: Thiết kế các nút cảm biến trên nền tảng vi điều khiển Waspmote PRO V1 (hãng Libelium) tích hợp mô-đun truyền thông XBee-PRO chuẩn ZigBee (IEEE 802.15.4) và LoRa.
  • Cấp độ thuật toán: Triển khai thuật toán lấy mẫu nén CS cải tiến, nhúng bộ tạo số giả ngẫu nhiên đồng dư tuyến tính (LCG) trực tiếp vào vi điều khiển.
  • Cấp độ hệ thống ứng dụng: Xây dựng máy chủ trạm trung tâm (Gateway/Sink Node), cơ sở dữ liệu MySQL và giao diện giám sát web/mobile GIS.
       ┌───────────────────────────────────────────────────────────┐
       │                   CỘT CẢM BIẾN PHÂN ĐOẠN                  │
       │                                                           │
       │  [ Nút cảm biến WSN (Waspmote PRO V1 + XBee/LoRa) ]       │
       │  [ Pin sạc / Nguồn quản lý điện năng tối ưu ]             │
       │  ════════════════════════ Mặt đất ══════════════════════  │
       │    │                                                      │
       │    ├─ Đoạn 1 (60 cm): Cảm biến ADXL335 + Đo độ ẩm        │
       │    │                                                      │
       │    ├─ Đoạn 2 (60 cm): Cảm biến ADXL335                   │
       │    │                                                      │
       │    ├─ Đoạn 3 (60 cm): Cảm biến ADXL335 + PWP (Dây rung)  │
       │    │                                                      │
       │    └─ Đoạn n (60 cm): Cảm biến ADXL335 (Ngàm chân cứng)  │
       └───────────────────────────────────────────────────────────┘

Quy trình nghiên cứu rigorous

Quy trình chế tạo và tích hợp phần cứng tuân thủ nghiêm ngặt các tiêu chuẩn công nghiệp:

  • Cột cảm biến độ nghiêng phân đoạn: Chế tạo từ các ống bảo vệ PVC/thép đường kính 25 mm, chia thành các đoạn module hóa cách nhau đúng $60\text{ cm}$. Mỗi đoạn chứa một cảm biến gia tốc 3 trục MEMS ADXL335 với độ nhạy $300\text{ mV}/g$, cho phép tính toán góc nghiêng $\theta = \arcsin\left(\frac{V_{out} - V_{offset}}{S}\right)$ và quy đổi ra độ chuyển vị ngang tích lũy $\Delta x_i = L_i \cdot \sin\theta_i$ (với $L_i = 60\text{ cm}$).
  • Cảm biến PWP: Sử dụng đầu đo áp lực nước lỗ rỗng kiểu dây rung (Vibrating Wire Piezometer) đặt tại các độ sâu trọng yếu dọc theo thân dốc nhằm đo đạc chính xác áp lực thủy tĩnh và áp lực thủy động với độ trôi cực thấp.
  • Giao thức mạng: Cấu hình mạng lai linh hoạt: Cấu hình Sao (Star topology) trong điều kiện bình thường để tối ưu hóa năng lượng trực tiếp về Gateway, tự động chuyển đổi sang cấu hình Cây đa chặng (Cluster-Tree multi-hop topology) khi sườn dốc biến dạng làm suy giảm chỉ số cường độ tín hiệu thu (RSSI - Received Signal Strength Indicator) hoặc khi có nút bị vùi lấp hoàn toàn.

Data và phân tích

Để kiểm chứng hiệu năng thuật toán và độ chính xác của hệ thống, luận án đã thực hiện các phân tích định lượng chi tiết:

  • Hiệu năng lấy mẫu nén CS-PRNG: Thay vì lưu trữ ma trận ngẫu nhiên Gauss khổng lồ gây tràn bộ nhớ RAM của nút cảm biến nhúng, luận án khởi tạo ma trận đo lường $\Phi \in \mathbb{R}^{M \times N}$ thông qua thuật toán LCG: $$X_{n+1} = (a X_n + c) \mod m$$ Kết quả thực nghiệm chứng minh thuật toán LCG chỉ tiêu tốn $0,12\text{ ms}$ thời gian tính toán trên vi điều khiển Waspmote, nhanh hơn gấp $14,6$ lần so với thuật toán tạo chuỗi ngẫu nhiên thực TRNG ($1,75\text{ ms}$).
  • Tỷ lệ phân phối gói tin (PDR - Packet Delivery Ratio): Đạt mức $98,4%$ trong điều kiện tán xạ rừng cây rậm rạp và thời tiết mưa bão ngoài thực địa.
  • Đánh giá mức tiêu thụ dòng và năng lượng nút cảm biến:
    • Chế độ ngủ sâu (Deep Sleep): Dòng tiêu thụ chỉ $0,06\text{ mA}$ (tiêu thụ $0,198\text{ mW}$ ở điện áp 3,3V).
    • Chế độ đọc cảm biến và xử lý: $15,4\text{ mA}$ ($50,82\text{ mW}$).
    • Chế độ truyền dữ liệu không dây XBee-PRO ở mức công suất phát cực đại ($+18\text{ dBm}$): $215\text{ mA}$ ($709,5\text{ mW}$).

Phát hiện đột phá và implications

Những phát hiện then chốt

Luận án mang lại 4 phát hiện đột phá dựa trên số liệu thực nghiệm định lượng rõ ràng:

  1. Quy luật tương quan phi tuyến giữa lượng mưa và độ ổn định sườn dốc: Kết quả mô phỏng trên khối trượt Nấm Dẩn chỉ ra rằng với trận mưa có cường độ cố định $12,6\text{ mm/giờ}$, hệ số an toàn $FoS$ không sụt giảm ngay lập tức mà duy trì trạng thái ổn định tương đối ($FoS \approx 1,48$) trong 3 ngày đầu. Từ ngày thứ 5 đến ngày thứ 8, khi đới bão hòa nước dâng cao đến mặt trượt tiềm năng, áp lực nước lỗ rỗng chuyển từ giá trị âm sang dương ($u_w > 0$), khiến $FoS$ giảm dốc đứng xuống dưới ngưỡng nguy hiểm $1,05$. Điều này chứng minh cảnh báo theo ngưỡng mưa tức thời là hoàn toàn sai lệch so với tiến trình suy thoái cơ học thực tế.
  2. Khả năng triệt tiêu sai số tích lũy của mô hình số: Dữ liệu áp lực nước lỗ rỗng thực tế truyền về từ các nút WSN đóng vai trò cập nhật điều kiện biên lặp cho mô-đun SEEP/W, giúp triệt tiêu hiện tượng trôi sai số tích lũy (drift error) vốn là nhược điểm chí tử của các mô hình mô phỏng dòng chảy ngầm không dừng truyền thống.
  3. Hiệu quả tiết kiệm năng lượng đột phá của CS-PRNG: Với tỷ số nén $r = M/N = 0,5$, dữ liệu gia tốc và góc nghiêng được tái tạo với sai số tương đối (Relative Error) cực nhỏ ($< 1,8%$), trong khi năng lượng tiêu thụ cho truyền thông vô tuyến giảm đến $47,6%$.
  4. Tiết kiệm năng lượng qua chuyển mạch thích nghi theo $FoS$: So sánh với phương pháp chuyển mạch theo ngưỡng mưa cổ điển của Chinh et al. (2019), giải pháp điều khiển chu kỳ đo theo giá trị $FoS$ giúp nút cảm biến tiết kiệm thêm $31,4%$ tổng năng lượng tiêu thụ trong suốt mùa mưa kéo dài 4 tháng.
  ┌────────────────────────────────────────────────────────────────────────────────────────┐
  │ SO SÁNH ĐẶC TÍNH KỸ THUẬT: HỆ THỐNG EWMRIL CỦA LUẬN ÁN VÀ CÁC CÔNG TRÌNH QUỐC TẾ       │
  ├──────────────────────┬──────────────────────┬────────────────────┬─────────────────────┤
  │ Thông số / Tiêu chí  │ Towhata et al. (2014)│Uchimura et al.(2015│ Hệ thống Luận án    │
  │                      │ (Nhật Bản)           │ (Nhật Bản)         │ (ĐH Công nghệ, VN)  │
  ├──────────────────────┼──────────────────────┼────────────────────┼─────────────────────┤
  │ Vị trí quan trắc     │ Chân dốc đơn điểm    │ Mặt ngoài đa điểm  │ Phân đoạn sâu (60cm)│
  │ Cảm biến tích hợp    │ Độ nghiêng, Độ ẩm    │ Gia tốc MEMS, Ẩm   │ Gia tốc, PWP, Ẩm,Mưa│
  │ Cơ chế cảnh báo      │ Ngưỡng vượt đơn giản │ Tốc độ góc nghiêng │ Mô hình số FEM FoS  │
  │ Nén dữ liệu nhúng    │ Không                │ Không              │ Có (CS-PRNG LCG)    │
  │ Tự thích nghi mạng   │ Cố định              │ Cố định            │ Chuyển đổi Star/Tree│
  │ Tiết kiệm năng lượng │ Thấp                 │ Trung bình         │ Tối ưu hóa đa tầng  │
  └──────────────────────┴──────────────────────┴────────────────────┴─────────────────────┘

  Đồ thị biến thiên FoS và Áp lực nước lỗ rỗng (PWP) theo thời gian mưa (200 mm/ngày):
  
  FoS (Hệ số an toàn)                                        PWP (kPa)
   1.6 ┼───────────┐                                            ┼ 40
   1.4 ┼           └────┐                                       ┼ 30
   1.2 ┼                └───────┐                               ┼ 20
   1.0 ┼────────────────────────┴──────── Ngưỡng nguy hiểm ─────┼ 10  ◄── Đới bão hòa đạt
   0.8 ┼                                 (FoS < 1.05: Sạt lở)   ┼ 0       mặt trượt (u_w > 0)
   0.6 ┼                                                        ┼ -10
       └───────┬────────┬───────┬───────┬───────┬───────┬───────┘
             Ngày 1   Ngày 3  Ngày 5  Ngày 8 Ngày 10 Ngày 12 Ngày 15

Implications đa chiều

  • Về mặt lý thuyết học thuật: Cung cấp phương pháp luận chuẩn xác để kết nối hai trường phái: Cơ học đất phi bão hòa cổ điển và Kỹ thuật viễn thông xử lý tín hiệu hiện đại.
  • Về mặt phương pháp luận: Mở ra quy trình chuẩn hóa cho việc lắp đặt cọc cảm biến đo biến dạng sâu phân đoạn có giá thành thấp, dễ dàng nhân rộng tại các nước đang phát triển.
  • Về mặt thực tiễn và chính sách: Cung cấp cho Ban Chỉ huy Phòng chống thiên tai & Tìm kiếm cứu nạn các cấp một công cụ cảnh báo 3 cấp độ khách quan:
    • Cấp độ 1 (Bình thường - Xanh): $FoS \ge 1,30$; hệ thống hoạt động ở chế độ tiết kiệm pin.
    • Cấp độ 2 (Cảnh giác - Vàng): $1,05 \le FoS < 1,30$; kích hoạt mạng WSN lấy mẫu dày, gửi thông báo đến cán bộ kỹ thuật.
    • Cấp độ 3 (Báo động di dời khẩn cấp - Đỏ): $FoS < 1,05$ hoặc tốc độ biến dạng góc nghiêng vượt $0,1^\circ/\text{giờ}$; phát còi báo động và kích hoạt sơ tán dân cư.

Limitations và Future Research

Mặc dù đạt được những kết quả xuất sắc, luận án thẳng thắn chỉ ra 4 giới hạn nghiên cứu:

  1. Quy mô không gian cục bộ: Mô hình tính toán phần tử hữu hạn 2D trong GeoStudio hiện chỉ áp dụng tối ưu cho từng sườn dốc đơn lẻ có chiều dài vài trăm mét; chưa tự động hóa mở rộng sang mô hình động học dòng trượt 3D (3D run-out dynamics) trên toàn bộ lưu vực sông suối lớn.
  2. Đặc trưng dị hướng của đất đá: Mô hình thấm giả định môi trường đất đồng nhất tương đối theo từng lớp địa chất, chưa phản ánh hết mức độ nứt nẻ phức tạp của các đới đứt gãy kiến tạo ngầm dạng karst hoặc đá phiến sét bị phong hóa mạnh.
  3. Tuổi thọ cảm biến cơ học: Trong trường hợp xảy ra sạt lở khối lớn đột ngột, các cọc cảm biến nằm trực tiếp trên thân khối trượt có nguy cơ bị phá hủy cơ học hoàn toàn, đòi hỏi chi phí thay thế mới.
  4. Ảnh hưởng của thảm phủ thực vật: Mô hình chưa tích hợp động lực học hút bốc hơi nước của rễ cây rừng (transpiration/evaporation) biến thiên theo mùa vào phương trình cân bằng ẩm.

Chương trình nghiên cứu tiếp theo (Future Research Agenda):

  • Phát triển mô hình lan truyền trượt lở 3D thời gian thực tích hợp trí tuệ nhân tạo (Physics-Informed Neural Networks - PINN).
  • Nâng cấp phần cứng với công nghệ thu hoạch năng lượng môi trường lai ghép (Hybrid Energy Harvesting: mặt trời + nhiệt điện + áp điện rung động).
  • Ứng dụng kỹ thuật vệ tinh vi thám radar giao thoa (InSAR) để khoanh vùng các điểm trượt sơ bộ trước khi triển khai hệ thống cọc cảm biến WSN chi tiết.

Tác động và ảnh hưởng

  • Ảnh hưởng học thuật: Luận án đã công bố 05 công trình khoa học uy tín, trong đó có 04 bài báo trên các tạp chí quốc tế thuộc danh mục ISI/Scopus (Q1/Q2) chuyên ngành viễn thông và địa kỹ thuật, khẳng định vị thế nghiên cứu của Đại học Quốc gia Hà Nội trên trường quốc tế.
  • Chuyển giao công nghệ công nghiệp: Thiết kế cọc cảm biến phân đoạn và bo mạch thu phát WSN có thể được sản xuất thương mại hóa trong nước với chi phí chỉ bằng $20 - 30%$ so với thiết bị nhập khẩu từ châu Âu hay Nhật Bản.
  • Tác động an sinh xã hội: Triển khai hệ thống tại các cung đường huyết mạch miền núi (Quốc lộ 4D, Quốc lộ 279, đường tuần tra biên giới) và các cụm dân cư vùng cao giúp bảo vệ trực tiếp tính mạng của hàng vạn đồng bào dân tộc thiểu số, giảm thiểu thiệt hại kinh tế hàng trăm tỷ đồng mỗi năm do ách tắc giao thông và cứu trợ thiên tai.

Đối tượng hưởng lợi

  • Nghiên cứu sinh và Giảng viên chuyên ngành: Tiếp cận mô hình toán học tích hợp hoàn chỉnh giữa xử lý tín hiệu không dây và cơ học đất không bão hòa.
  • Kỹ sư R&D Viễn thông & IoT: Ứng dụng thuật toán nén tín hiệu CS-PRNG tối ưu vào các hệ thống quan trắc công trình kết cấu (Structural Health Monitoring - SHM) như cầu cảng, đập thủy điện, hầm lò.
  • Cơ quan quản lý Nhà nước (Bộ Nông nghiệp & PTNT, Bộ Tài nguyên & Môi trường): Sở hữu tài liệu kỹ thuật chuẩn xác để ban hành các quy chuẩn, tiêu chuẩn kỹ thuật quốc gia về hệ thống cảnh báo sớm thiên tai địa chất.

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của luận án là gì?

Luận án đã mở rộng lý thuyết sức kháng cắt đất không bão hòa của Fredlund & Rahardjo bằng cách lượng hóa mối liên hệ thời gian thực giữa sự suy giảm lực hút dính $(u_a - u_w)$ đo bằng PWP với hàm mục tiêu điều khiển trạng thái năng lượng của mạng WSN, biến hệ số an toàn $FoS$ từ một chỉ số thiết kế tĩnh thành một biến trạng thái điều khiển động.

2. Tính sáng tạo trong phương pháp luận so với các nghiên cứu quốc tế?

So với hệ thống của Towhata et al. (2014) và Uchimura et al. (2015), luận án không dùng cảm biến đơn điểm bề mặt mà phát triển cọc đo nghiêng phân đoạn $60\text{ cm}$ kết hợp cảm biến PWP dây rung; đồng thời tích hợp thuật toán nén tín hiệu CS-PRNG (dùng LCG) giúp giảm tải $93,1%$ thời gian tính toán của CPU nhúng so với kỹ thuật nén ma trận ngẫu nhiên Gauss thông thường.

3. Phát hiện bất ngờ nhất từ dữ liệu thực nghiệm là gì?

Hiện tượng trễ pha thủy văn (hydrological phase lag): Trong 72 giờ đầu của đợt mưa lớn $200\text{ mm/ngày}$, $FoS$ gần như không đổi do tầng đất mặt chưa đạt trạng thái bão hòa hoàn toàn. Tuy nhiên, khi nước ngầm dâng cục bộ gặp lớp đá phong hóa kém thấm, $FoS$ sụt giảm từ $1,38$ xuống $0,98$ chỉ trong vòng 14 giờ, khẳng định cơ chế phá hủy sạt lở dạng trượt cắt đáy đột ngột.

4. Giao thức tái lập thực nghiệm (Replication Protocol) có được cung cấp rõ ràng không?

Luận án cung cấp đầy đủ: sơ đồ nguyên lý mạch Waspmote PRO V1, bảng cấu hình thanh ghi cảm biến ADXL335, phương trình ma trận LCG, thông số hiệu chuẩn địa kỹ thuật (dung trọng khô $\gamma_d = 16,8\text{ kN/m}^3$, lực dính $c' = 14,5\text{ kPa}$, góc ma sát $\phi' = 24,5^\circ$), và kịch bản mô phỏng từng bước trên SEEP/W và SLOPE/W.

5. Định hướng lộ trình nghiên cứu 10 năm tới?

Mở rộng hệ thống thành mạng lưới tự tổ chức diện rộng cấp lưu vực ứng dụng vệ tinh viễn thám kết hợp drone, truyền dữ liệu thời gian thực qua mạng vệ tinh quỹ đạo thấp (LEO Satellites/Starlink) và ứng dụng học sâu dự báo nguy cơ trượt lở trước 48 giờ dựa trên dữ liệu dự báo thời tiết số phân giải cao (WRF).

Kết luận

Luận án tiến sĩ của tác giả đã giải quyết trọn vẹn và xuất sắc mục tiêu nghiên cứu đề ra với 5 đóng góp cốt lõi:

  1. Phát triển thành công hệ thống EWMRIL hoàn chỉnh: Tích hợp đồng bộ từ cọc cảm biến đa tầng sâu $60\text{ cm}$, mạng truyền thông WSN ZigBee/LoRa linh hoạt, đến trạm trung tâm Gateway và máy chủ giám sát trực tuyến.
  2. Đột phá giải pháp tiết kiệm năng lượng thích nghi: Chuyển đổi trạng thái mạng WSN thông minh dựa trên biến thiên của Hệ số an toàn cơ học $FoS$, giúp kéo dài thời gian hoạt động của hệ thống thêm $31,4%$ trong mùa mưa bão.
  3. Cải tiến thuật toán lấy mẫu nén CS-PRNG: Tiết kiệm $47,6%$ năng lượng truyền thông vô tuyến, rút ngắn thời gian tính toán nhúng xuống $0,12\text{ ms}$ với sai số phục hồi tín hiệu dưới $1,8%$.
  4. Khép kín vòng lặp mô hình số - quan trắc thực tế: Khắc phục triệt để sai số tích lũy của mô phỏng dòng thấm FEM (SEEP/W) và ổn định mái dốc LESS (SLOPE/W) bằng dữ liệu áp lực nước lỗ rỗng và độ ẩm thực địa.
  5. Thử nghiệm thành công ngoài thực địa: Kiểm chứng hoạt động ổn định, chính xác trên khối trượt Nấm Dẩn (Hà Giang), cung cấp giải pháp công nghệ làm chủ hoàn toàn trong nước với chi phí tối ưu, mở ra bước tiến mới cho công tác phòng chống tai biến địa chất tại Việt Nam và khu vực.