Số báo hiện thời

Tóm tắt :

Ô nhiễm không khí do bụi mịn PM2.5 đang trở thành một vấn đề môi trường nghiêm trọng tại nhiều đô thị lớn, đặc biệt ở các khu vực có tốc độ đô thị hóa nhanh. Việc dự báo chính xác nồng độ PM2.5 có ý nghĩa quan trọng trong công tác quản lý chất lượng không khí và xây dựng các hệ thống cảnh báo ô nhiễm môi trường. Nghiên cứu này nhằm đánh giá khả năng ứng dụng của các phương pháp học máy và học sâu trong dự báo nồng độ PM2.5 dựa trên dữ liệu chuỗi thời gian kết hợp với các yếu tố khí tượng. Dữ liệu sử dụng trong nghiên cứu bao gồm nồng độ PM2.5 cùng các biến khí tượng như nhiệt độ, độ ẩm và tốc độ gió tại khu vực Hà Nội. Các bước tiền xử lý dữ liệu được thực hiện bao gồm phát hiện và xử lý ngoại lai bằng phương pháp khoảng tứ phân vị (IQR), chuẩn hóa dữ liệu theo phương pháp Z-score và xây dựng các đặc trưng chuỗi thời gian. Các mô hình dự báo được xem xét gồm ARIMA, Random Forest, LSTM, GRU và Transformer. Kết quả thực nghiệm cho thấy các mô hình học sâu đạt hiệu suất dự báo cao hơn so với các phương pháp truyền thống. Trong đó, mô hình Transformer cho kết quả tốt nhất với sai số dự báo thấp và khả năng tái hiện xu hướng biến động của PM2.5 hiệu quả hơn so với các mô hình còn lại. Kết quả nghiên cứu cho thấy tiềm năng ứng dụng của các mô hình học sâu trong dự báo chất lượng không khí và cung cấp cơ sở khoa học cho việc xây dựng các hệ thống cảnh báo sớm ô nhiễm không khí tại các đô thị lớn.

Tóm tắt:

Hoạt động khai thác cát lòng sông trong những năm gần đây đã gây ra nhiều biến động về hình thái lòng dẫn và làm gia tăng nguy cơ sạt lở bờ sông tại khu vực Đồng bằng sông Cửu Long. Nghiên cứu này sử dụng mô hình thủy động lực hai chiều MIKE 21 để mô phỏng chế độ dòng chảy và vận chuyển trầm tích tại đoạn sông Hậu khu vực Long Xuyên – Chợ Mới, tỉnh An Giang nhằm đánh giá ảnh hưởng của hoạt động khai thác cát đến biến đổi địa hình đáy sông. Đồng thời, mô hình địa kỹ thuật Geo-Slope/W được áp dụng để tính toán độ ổn định bờ sông dưới tác động của các kịch bản khai thác cát khác nhau. Kết quả hiệu chỉnh mô hình cho thấy sự phù hợp tốt giữa kết quả mô phỏng và số liệu thực đo với hệ số tương quan R²>0,85 đối với mực nước và R²≈0,86 đối với hàm lượng trầm tích lơ lửng (SSC). Kết quả mô phỏng cho thấy hoạt động khai thác cát có thể làm hạ thấp cục bộ địa hình đáy sông với độ sâu lớn nhất khoảng 2,5 m sau 270 ngày khai thác, tuy nhiên phạm vi biến đổi chủ yếu tập trung tại khu vực khai thác và giảm dần về phía hai bờ sông. Sau khi kết thúc khai thác, khu vực đáy sông có xu hướng được bồi lấp trở lại bởi trầm tích từ thượng nguồn và các nhánh sông lân cận. Kết quả tính toán ổn định bờ sông bằng mô hình Geo-Slope/W cho thấy hệ số an toàn nhỏ nhất đạt FS_min = 1,448–1,761, lớn hơn giá trị giới hạn thiết kế, cho thấy bờ sông vẫn đảm bảo điều kiện ổn định trong các kịch bản khai thác. Kết quả nghiên cứu cung cấp cơ sở khoa học cho việc đánh giá tác động của khai thác cát đến hình thái lòng dẫn và hỗ trợ công tác quản lý khai thác cát bền vững tại khu vực Đồng bằng sông Cửu Long.

Tóm tắt:

Nghiên cứu này đánh giá hiệu quả của ba thuật toán học máy gồm Random Forest (RF), Support Vector Machine (SVM) và Naive Bayes (NB) trong phân loại lớp phủ bề mặt từ dữ liệu ảnh vệ tinh Sentinel-2 tại tỉnh Thái Nguyên. Dữ liệu ảnh được xử lý trên nền tảng Google Earth Engine (GEE), kết hợp các kênh phổ, chỉ số phổ, yếu tố địa hình và đặc trưng kết cấu ảnh để xây dựng tập dữ liệu đầu vào cho mô hình phân loại. Tổng cộng 18.524 pixel mẫu được sử dụng, trong đó 70% số mẫu dùng để huấn luyện và 30% dùng để đánh giá độ chính xác mô hình. Kết quả cho thấy sự khác biệt rõ rệt về hiệu quả phân loại giữa các thuật toán. RF đạt độ chính xác cao nhất với độ chính xác tổng thể (OA) 90,27% và hệ số Kappa 0,880; SVM cũng cho kết quả tốt với OA đạt 88,78% và Kappa 0,862. Trong khi đó, NB cho độ chính xác thấp hơn đáng kể với OA 37,41% và Kappa 0,238. Điều này cho thấy RF và SVM có khả năng mô hình hóa tốt các mối quan hệ phi tuyến giữa các biến phổ và lớp phủ bề mặt, trong khi giả định độc lập giữa các biến đầu vào của NB chưa phù hợp với đặc trưng phổ phức tạp của dữ liệu viễn thám đa phổ. Nghiên cứu khẳng định tiềm năng của việc kết hợp dữ liệu Sentinel-2 với các thuật toán học máy trên nền tảng GEE trong phân loại và xây dựng bản đồ lớp phủ bề mặt, đồng thời cung cấp cơ sở cho việc lựa chọn thuật toán phù hợp trong các nghiên cứu viễn thám. 
 

Tập 12, Số 01 (02/2026), ISSN: 2615-9481 

Vũ Lê Dũng, Nguyễn Tiến Quang, Nguyễn Văn Khánh, Võ Thị Thu Thủy

Tập 12, Số 01 (02/2026), ISSN: 2615-9481 

Nguyễn Trọng Nhân, Huỳnh Ngọc Dung, Văn Ngọc Trúc Phương, Lê Thiên Bảo

Volume 11, Special issue, 2025 ISSN: 2615-9481

Dinh Thi Linh,  Phung Dai Khanh,  Nguyen Thi Thuc Anh