Dùng trí tuệ nhân tạo 'chỉ điểm' vùng ô nhiễm ở Vịnh Hạ Long

4 giờ trướcBài gốc

Quản lý chất lượng nước trên diện rộng

Gần đây, các nhà khoa học đã xây dựng thành công hệ thống giám sát định kỳ, tự động chất lượng nước biển - nước lợ tại Vịnh Hạ Long và Cửa Lục. Đây là nghiên cứu tiên phong trong việc tích hợp dữ liệu vệ tinh Sentinel-2 với các mô hình học máy hiện đại trên nền tảng Google Earth Engine, tạo ra công cụ giám sát môi trường hiệu quả, phục vụ công tác quản lý chất lượng nước tại khu vực nghiên cứu và có tiềm năng áp dụng cho các vùng ven biển khác.

Một số hình ảnh nhóm nghiên cứu lấy mẫu nước tại các điểm khảo sát.

Vịnh Hạ Long và Cửa Lục là 2 vùng nước chiến lược thuộc tỉnh Quảng Ninh, không chỉ giàu giá trị cảnh quan và sinh thái mà còn đóng vai trò trọng yếu trong phát triển kinh tế - du lịch của tỉnh. Vịnh Hạ Long là Di sản Thiên nhiên Thế giới được UNESCO công nhận, nổi bật với hàng nghìn đảo đá vôi kỳ vĩ.

Trong khi, Cửa Lục là cửa ngõ nối liền đất liền với vịnh, nơi tập trung nhiều hoạt động cảng biển, công nghiệp và đô thị hóa. Sự phát triển nhanh chóng đã đặt ra nhiều thách thức về môi trường, đặc biệt là tình trạng suy giảm chất lượng nước, là yếu tố thiết yếu đối với các hệ sinh thái biển và sinh kế cộng đồng.

Việc giám sát và đánh giá chất lượng nước theo phương pháp truyền thống, như lấy mẫu và phân tích tại chỗ, thường đòi hỏi kinh phí cao, tốn thời gian và nhân lực, đồng thời không thể bao phủ trên diện rộng hoặc theo dõi liên tục. Vì vậy, trong những năm gần đây, công nghệ viễn thám đã trở thành giải pháp hiệu quả để giám sát chất lượng nước rộng khắp và liên tục theo thời gian.

Nhằm ứng dụng giải pháp bền vững cho công tác giám sát môi trường nước, nhóm nghiên cứu Trung tâm Vũ trụ Việt Nam (thuộc Viện Hàn lâm Khoa học và Công nghệ Việt Nam) đã phối hợp với Viện Vật lý địa cầu Ba Lan (thuộc Viện Hàn lâm Khoa học Ba Lan) thực hiện công trình nghiên cứu: "Remote SENSing to monitor water quality parameters in freshwater systems". Nghiên cứu này được triển khai trong khuôn khổ nhiệm vụ hợp tác quốc tế giữa 2 Viện Hàn lâm về: "Viễn thám trong giám sát các chỉ số chất lượng môi trường nước". Trong đó, nhóm các nhà khoa học Việt Nam do TS. Vũ Anh Tuân chủ trì, tập trung vào ứng dụng công nghệ.

TS. Vũ Anh Tuân cho biết: Đây là công trình đầu tiên tại Việt Nam sử dụng đồng thời dữ liệu Sentinel-2, các thuật toán học máy tiên tiến (như Random Forest, Gradient Boosting, AdaBoost…) và nền tảng GEE để mô hình hóa và theo dõi các thông số chất lượng nước như nhiệt độ bề mặt (SST), chất rắn lơ lửng (TSS), diệp lục-a (Chl-a) và nhu cầu oxy hóa học (COD). Điểm nổi bật của phương pháp là khả năng giám sát trên diện rộng với tần suất cao và chi phí thấp, điều mà phương pháp lấy mẫu truyền thống khó đáp ứng hiệu quả trên diện rộng.

Các chỉ số quang học thu được từ dữ liệu viễn thám đóng vai trò then chốt trong đánh giá chất lượng môi trường nước. Trong đó, Chl-a là chỉ số chính để xác định mức độ phát triển của thực vật phù du, vốn có mối liên hệ chặt chẽ với tình trạng ô nhiễm và phú dưỡng của nước.

Nghiên cứu đã sử dụng dữ liệu từ vệ tinh Sentinel-2 (cảm biến MSI) trong giai đoạn 2019 - 2023, kết hợp với dữ liệu thực đo từ Sở Tài nguyên và Môi trường tỉnh Quảng Ninh và Cục Quản lý Đại dương và Khí quyển Quốc gia (Hoa Kỳ) (NOAA), để dự báo chất lượng nước ở khu vực nghiên cứu. Tổng cộng, 78 ảnh vệ tinh đã được xử lý và phân tích trên nền tảng Google Earth Engine (GEE). Sau đó, các thuật toán học máy như Cây quyết định (DT), Rừng ngẫu nhiên (RF), Hồi quy tăng cường (GBR) và Hồi quy AdaBoost (ABR) đã được áp dụng để dự đoán các chỉ số chất lượng nước.

Bảo vệ môi trường, phát triển bền vững cho Vịnh Hạ Long

Kết quả nghiên cứu cho thấy: Mô hình Rừng ngẫu nhiên (Random Forest - RF) đạt độ chính xác cao nhất trong số các mô hình được thử nghiệm, đặc biệt đối với chỉ số nhiệt độ mặt nước biển (SST), với hệ số xác định (R²) dao động từ 0,79 đến 0,80. Các chỉ số khác như độ đục (TSS) và nồng độ diệp lục-a (Chl-a) cũng được dự báo với độ chính xác tương đối cao. Tuy nhiên, chỉ số nhu cầu oxy hóa học (COD) cho thấy mức độ dự báo kém hơn do sự biến động lớn và chịu ảnh hưởng của nhiều yếu tố môi trường phức tạp.

Nghiên cứu cũng đã xác định được các dải phổ quan trọng từ ảnh vệ tinh Sentinel-2, góp phần tối ưu hóa mô hình học máy và giảm thiểu chi phí thu thập dữ liệu trong tương lai. Từ kết quả mô hình, nhóm nghiên cứu đã xây dựng các bản đồ phân bố chất lượng nước theo không gian - thời gian, giúp theo dõi biến động và cảnh báo sớm nguy cơ ô nhiễm tại Vịnh Hạ Long. Các bản đồ này có thể được sử dụng trong công tác quản lý tài nguyên nước, hỗ trợ bảo vệ môi trường và định hướng phát triển bền vững khu vực ven biển.

Bản đồ các biến chất lượng nước biển được mô hình hóa tốt nhất và trung bình trong suốt thời gian nghiên cứu.

TS. Vũ Anh Tuân cho biết: Nghiên cứu đã mở ra hướng tiếp cận mới trong ứng dụng công nghệ viễn thám kết hợp học máy để giám sát chất lượng nước, qua đó hỗ trợ hiệu quả công tác quản lý tài nguyên nước tại các khu vực ven biển trọng yếu.

Dù còn hạn chế về dữ liệu thực địa, mô hình Random Forest vẫn cho kết quả dự báo khả quan đối với các chỉ số như SST và TSS. Việc tích hợp bản đồ phân bố chất lượng nước trên nền tảng Google Earth Engine đã tạo ra công cụ trực quan, cho phép theo dõi biến động môi trường biển theo không gian - thời gian, phục vụ thiết thực cho quản lý và quy hoạch phát triển bền vững khu vực nghiên cứu.

Trong thời gian tới, nhóm sẽ tập trung cải thiện độ chính xác của mô hình đối với các chỉ số như COD và Chl-a thông qua việc bổ sung dữ liệu đo đạc và thử nghiệm các phương pháp mô hình hóa tiên tiến hơn.

Bên cạnh đó, nhóm cũng hướng đến việc mở rộng phạm vi áp dụng sang các khu vực ven biển khác trên cả nước, đồng thời tích hợp thêm dữ liệu từ các vệ tinh khác và hệ thống quan trắc hiện trường nhằm tăng tính toàn diện và độ tin cậy của mô hình. Việc nghiên cứu thêm các yếu tố theo mùa và tác động từ các hoạt động kinh tế - xã hội cũng sẽ là trọng tâm, nhằm nâng cao tính ứng dụng và hiệu quả của các công cụ giám sát môi trường trong bối cảnh biến đổi khí hậu ngày càng rõ nét.

Tô Hội

Nguồn SK&ĐS : https://suckhoedoisong.vn/dung-tri-tue-nhan-tao-chi-diem-vung-o-nhiem-o-vinh-ha-long-16925061620593361.htm