Các nghiên cứu có sự tham gia của nhà khoa học Đại học Duy Tân (DTU) trong giai đoạn 2024–2025 cung cấp cơ sở khoa học cho việc nhận diện khu vực có nguy cơ ngập lụt, đánh giá các kịch bản lũ và xây dựng phương án ứng phó. Nổi bật là nghiên cứu tại hạ lưu sông Lam, Việt Nam, với các bản đồ ngập có thể hỗ trợ chính quyền địa phương chuẩn bị phương án sơ tán và giảm thiểu thiệt hại.

Đánh giá nguy cơ lũ cực đoan tại hạ lưu sông Lam

Công bố ngày 9/4/2025 trên tạp chí Pure and Applied Geophysics, nghiên cứu “Hazard Assessment for Extreme River Flood Events in the Downstream of Lam River Basin, Vietnam” tập trung đánh giá tác động của các trận lũ cực đoan đối với khu vực hạ lưu hệ thống sông Lam, nơi tập trung dân cư và các hoạt động kinh tế – xã hội ở Bắc Trung Bộ.

Nghiên cứu có sự tham gia của nhà khoa học Nguyễn Xuân Cường, thuộc Viện Nghiên cứu và Phát triển và Khoa Môi trường – Hóa, Đại học Duy Tân, cùng các cộng sự trong nước và quốc tế.

Nhóm nghiên cứu sử dụng các trận lũ năm 2010 và 2013 để hiệu chỉnh, kiểm định mô hình. Kết quả mô phỏng được đối chiếu với số liệu quan trắc và ảnh vệ tinh nhằm đánh giá mức độ phù hợp của mô hình trước khi áp dụng cho các kịch bản lũ lớn.

Với ba kịch bản mực nước tại trạm Dừa lần lượt là 20,5 m, 22,5 m và 24,5 m, nghiên cứu xác định sự thay đổi về độ sâu và phạm vi ngập ở khu vực hạ lưu. Diện tích ngập mô phỏng tương ứng khoảng 25.401 ha, 35.477 ha và 40.804 ha, cho thấy mức độ mở rộng của vùng chịu ảnh hưởng khi mực nước thượng lưu gia tăng.

Bản đồ ngập cung cấp cơ sở cho phương án sơ tán

Từ kết quả mô phỏng, nhóm nghiên cứu xây dựng các bản đồ ngập nhằm hỗ trợ chuẩn bị phương án sơ tán trong những tình huống lũ nghiêm trọng. Thông tin về phạm vi và độ sâu ngập giúp nhận diện các khu vực cần được ưu tiên đánh giá, theo dõi và chuẩn bị nguồn lực ứng phó.

Đối với cơ quan quản lý địa phương, các kết quả này có thể làm tài liệu tham khảo trong xác định khu dân cư dễ bị ảnh hưởng, xem xét địa điểm tránh trú và lập phương án di chuyển người dân đến nơi an toàn. Nghiên cứu đồng thời cung cấp cơ sở khoa học cho các giải pháp giảm thiểu thiệt hại và quy hoạch phát triển kinh tế – xã hội tại lưu vực sông Lam.

Các bản đồ theo kịch bản có giá trị bổ trợ cho công tác chuẩn bị trước thiên tai. Khi kết hợp với số liệu quan trắc, dự báo khí tượng thủy văn và thông tin thực địa được cập nhật, chúng có thể hỗ trợ đánh giá tình huống và truyền đạt nguy cơ đến cộng đồng.

Ứng dụng trí tuệ nhân tạo trong đánh giá nguy cơ ngập lụt

Bên cạnh nghiên cứu tại Việt Nam, các công bố có sự tham gia của nhà khoa học DTU còn ứng dụng trí tuệ nhân tạo để nâng cao chất lượng lập bản đồ nguy cơ lũ.

Năm 2025, nghiên cứu “Management and prediction of river flood utilizing optimization approach of artificial intelligence evolutionary algorithms”, đăng trên Scientific Reports, kết hợp mạng nơ-ron nhân tạo với các thuật toán tối ưu để đánh giá nguy cơ ngập tại khu vực Fars, Iran. Mô hình khai thác các yếu tố như lượng mưa, độ cao, độ dốc, địa chất, sử dụng đất và đặc điểm sông ngòi, góp phần nhận diện những khu vực dễ bị ảnh hưởng bởi lũ.

Trước đó, nghiên cứu năm 2024 trên tạp chí Remote Sensing về tích hợp thuật toán Grey Wolf Optimizer với các mô hình học máy và học sâu đã xây dựng bản đồ nguy cơ ngập tại lưu vực sông Manimala, Ấn Độ. Công trình đóng góp thêm phương pháp phân vùng nguy cơ, phục vụ nghiên cứu về phòng ngừa và giảm thiểu rủi ro thiên tai.

Kết nối kết quả nghiên cứu với nhu cầu quản lý rủi ro

Các công trình trên thể hiện đóng góp của nhà khoa học DTU trong phát triển công cụ mô phỏng và đánh giá nguy cơ lũ. Những kết quả này có ý nghĩa đối với nhu cầu cung cấp thông tin khoa học cho chính quyền trong chuẩn bị ứng phó, xem xét phương án sơ tán và giảm tính dễ tổn thương của cộng đồng.

Để đưa kết quả vào thực tiễn, việc trao đổi với cơ quan chuyên môn và chính quyền địa phương, cập nhật dữ liệu và kiểm định theo điều kiện từng địa bàn là những bước cần thiết. Đây cũng là cơ sở để tăng cường kết nối giữa nghiên cứu đại học với công tác cảnh báo, giám sát và quản lý rủi ro thiên tai trong bối cảnh biến đổi khí hậu.

Các công bố liên quan:

• Đánh giá nguy cơ lũ cực đoan tại hạ lưu sông Lam, Việt Nam – 2025.
• Ứng dụng AI trong quản lý và dự báo lũ sông – 2025.
• Kết hợp học máy, học sâu và thuật toán GWO để lập bản đồ nguy cơ ngập – 2024.