Các loại hình tai biến địa chất, đặc biệt là trượt, lở đất đá, xói lở bờ sông, lũ bùn đá, lũ ống, lũ quét,... phổ biến xảy ra ở hầu hết các khu vực miền núi Việt Nam. Tỉnh Yên Bái là một trong những khu vực miền núi chịu ảnh hưởng lớn của tai biến địa chất, mỗi khi mùa mưa bão tới, khả năng thiệt hại về người tài sản, công trình công cộng, giao thông là rất cao. Trong nhiều năm gần đây, các loại hình tai biến địa chất này xuất hiện với tần suất ngày một nhiều, diễn biến bất ngờ với quy mô lớn, gấy khó khăn cho công tác dự báo, cảnh báo. Nhiều khi, một loại hình tai biến địa chất thường không chỉ xuất hiện đơn lẻ, đặc biệt là các tai biến liên quan đến lượng mưa. Trong báo cáo này, các tác giả chứng minh được rằng, từ lượng mưa các ngày xảy ra sự kiện tai biến trượt, lở ; lượng mưa ngày cực đại, tổng lượng mưa trận cũng như lượng mưa tích lũy của 1, 3, 5, 7, 10, 15, 20, 25, 30, 45 và 60 ngày trước đó có thể tìm ra được sự tương quan giữa chúng.
Mở đầu
Từ năm 1903-2004, khoảng 16.000 người đã thiệt mạng do lở đất ở châu Âu. [1] Trượt, lở đất đứng thứ 7 trong bảng xếp hạng các hiểm họa thiên nhiên lớn tính theo số người chết báo cáo. Tại Việt Nam, khu vực bị ảnh hưởng bởi sạt, lở đất ở vùng núi phía Bắc và phân bố hẹp ở trung du gần biên giới với Lào. Tỉnh Yên Bái nằm ở phía Bắc của Việt Nam và được nhiều người biết đến tình với trạng trượt, lở đất thường xuyên xảy ra. Thiệt hại kinh tế và xã hội do sạt, lở đất có thể được giảm thiểu bằng cách lập kế hoạch và quản lý hiệu quả.
Để xác định ngưỡng mưa kích hoạt trượt, lở đất đá tại khu vực tỉnh Yên Bái, các số liệu về lượng mưa và sự kiện tai biến địa chất (TBĐC) trong khu vực nghiên cứu tỉnh Yên Bái cần được thu thập và sử dụng để tính toán, hiệu chỉnh mối quan hệ nhằm đưa ra một chỉ số phù hợp nhất với tài liệu thực tế. Tuy nhiên, đối với các khu vực mà số liệu về lượng mưa và thông tin về các sự kiện trượt, lở đất đá không thể thu thập, xác minh chính xác thì có thể sử dụng các ngưỡng mưa kích hoạt của các khu vực khác nhằm hỗ trợ công tác cảnh báo. Các ngưỡng mưa kích hoạt trượt, lở đất đá nên được ưu tiên lựa chọn từ các khu vực lân cận và có điều kiện tự nhiên tương đồng. Thêm vào đó, để các ngưỡng mưa này cũng cần được thường xuyên cập nhật, điều chỉnh dựa trên các số liệu mới được thu thập để có thể có kết quả chính xác, đáng tin cậy hơn.
Một số nghiên cứu điển hình
Sự so sánh về số lượng của các yếu tố kích hoạt tai biến trượt, lở được công bố trên Tạp chí Landslides từ năm 2004 đến 2009 [3] và từ 2009 đến 2013, [4] có thể là dẫn chứng rõ ràng. Trong giai đoạn 2004 đến 2009, có 57% các vụ trượt, lở đất đá được báo cáo gây ra bởi lượng mưa trong khi con số này từ trận động đất thấp hơn nhiều với 20%. Từ năm 2009 đến 2013, tỷ lệ trượt, lở do mưa và trượt, lở do động đất trong các nghiên cứu trên tạp chí lần lượt là 62% và 15%. Nhiều nghiên cứu đã cho thấy, tần suất xuất hiện của các sự kiện mưa cực đoan có liên quan mật thiết đến tần suất xảy ra các sự kiện trượt, lở đất đá [5]. Điều đáng nói là số lượng mưa lớn được dự đoán sẽ tăng lên do ảnh hưởng của BĐKH [6], do đó thảm họa trượt, lở đất đá cũng có có xu hướng tăng mạnh hơn cả về số lượng và cường độ.
Ở Việt Nam, nhiều công trình điều tra, nghiên cứu về các loại hình TBĐC xảy ra ở các khu vực miền núi, trung du cho thấy: Trượt, lở đất đá và lũ bùn đá, lũ quét là các loại hình TBĐC gắn liền nhau và gắn liền với các hình thế thời tiết cực đoan gây mưa lớn, mưa kéo dài [7, 8]. Để cảnh báo được thiên tai kịp thời hoặc đánh giá được mức độ nguy hiểm của các dạng thiên tai một cách định lượng theo tần suất, xác suất xảy ra, rất cần thiết phải dự báo được thời điểm sẽ xảy ra thiên tai ở một khu vực nào đó.
Phương pháp xác định ngưỡng mưa kích hoạt trượt, lở đất đá
Ngưỡng mưa theo kinh nghiệm thường được ước tính bằng cách thiết lập các đường giới hạn thấp hơn điều kiện mưa bão gây ra trượt, lở. Các đường giới hạn thường được xây dựng ở tọa độ Descartes, bán logarit hoặc logarit mà không cần áp dụng các tiêu chí toán học, thống kê hoặc vật lý nghiêm ngặt. Phương pháp tiếp cận ngưỡng lượng mưa dựa trên kinh nghiệm có lợi thế trọng hệ thống cảnh báo sớm nhờ vào tính đơn giản và khả năng ứng dụng của nó. Các thông số về lượng mưa thường được sử dụng để xây dựng ngưỡng thực nghiệm bao gồm: Khoảng thời gian mưa, cường độ mưa, tổng lượng mưa tích lũy, cường độ mưa giờ cực đại, tổng lượng mưa có cường độ cao đến thời điểm bắt đầu xảy ra trượt, lở, lượng mưa hàng ngày, lượng mưa tích lũy, tần suất mưa hoặc số ngày mưa trung bình trong một năm.
Trong nghiên cứu này, trên cơ sở các số liệu đã thu thập được, phương pháp xác định ngưỡng mưa gây TBĐC được tập thể tác giả điều chỉnh áp dụng phù hợp cho khu vực thử nghiệm dựa trên các phương pháp đã được xây dựng và áp dụng ở Việt Nam và trên thế giới trong những năm gần đây. Đó là các công trình của các tác giả. [9, 10] Phương pháp được áp dụng để xây dựng ngưỡng mưa kích hoạt các hiện tượng trượt, lở đất đá tại khu vực tỉnh Yên Bái gồm các bước chính như sau: Thu thập, xử lý số liệu; phân tích mối quan hệ giữa số liệu mưa và các sự kiện trượt, lở đất đá trong khu vực nghiên cứu trong giai đoạn từ năm 2005 đến năm 2014; kiểm tra, đánh giá độ chính xác của ngưỡng mưa kích hoạt.
Dữ liệu sử dụng
Lượng mưa tỉnh Yên Bái cũng phân phối không đều trong các tháng từ năm 2005 đến 2014 cho các trạm. Ngày trong mùa lũ, mưa tập trung nhiều vào 3 tháng 6,7,8 trong năm với lượng mưa trung bình 3 tháng đạt từ 713-1050 mm, chiếm 46 – 60% tổng lượng mưa trung bình năm, trong đó tháng mưa lớn nhất thường rơi vào tháng 8, có nơi rơi vào tháng 7, với lượng mưa đạt từ 280 – 460 mm/tháng, chiếm 18 – 22% tổng lượng mưa năm. Tương tự, vào mùa khô, thời gian ít mưa tập trung chủ yếu vào 3 tháng từ tháng 7 đến tháng 2 của năm sau. Lượng mưa của 3 tháng này chỉ đạt 3,4 – 5,8% tổng lượng mưa năm trong đấy tháng 7 có lượng mưa ít nhất, chỉ chiếm 0,9 – 1,5% tổng lượng mưa năm. Số liệu lịch sử xảy ra các sự kiện trượt, lở đất đá sử dụng Bảng 1.
Phân tích, xác định ngưỡng mưa kích hoạt trượt lở đất đá
Mối quan hệ giữa lượng mưa ngày từ 24 sự kiện TBĐC xảy ra từ năm 2005 đến năm 2014, lượng mưa các ngày xảy ra sự kiện TBĐC, lượng mưa ngày cực đại, tổng lượng mưa trận cũng như lượng mưa tích lũy của 1, 3, 5, 7, 10, 15, 20, 25, 30, 45 và 60 ngày trước đó. Kết quả cho thấy, tổng lượng mưa trận trước khi xảy ra TBĐC (E) và lượng mưa ngày cực đại (Imax) có mối quan hệ mật thiết với nhau. Từ mối quan hệ này, ngưỡng mưa kích hoạt tai biến trượt, lở đất đá có thể được xác định như sau:
Imax = -1.125 * E + 255
Để kiểm chứng, đánh giá độ chính xác của ngưỡng mưa kích hoạt trượt, lở đất đá (Hình 1), thông tin số liệu mưa và trượt, lở xảy ra trong giai đoạn từ năm 2015 đến năm 2019 đã được thu thập. Kết quả đã xác định được thông tin của 11 sự kiện TBĐC xảy ra trong phạm vi tỉnh Yên Bái từ 2015 đến 2019 theo điều tra khảo sát của Viện Địa chất và Khoáng sản.
Tỷ lệ chính xác của công tác cảnh báo tai biến trượt, lở đất đá khi áp dụng ngưỡng mưa cho khu vực Yên Bái trong giai đoạn 2015 đến 2019 là tương đối tốt. Với các sự kiện mưa vượt ngưỡng kích hoạt, 100% các sự kiện trượt, lở đất đá đã có thể dự báo chính xác và 47.6% sự kiện không xác định được các TBĐC liên quan.
Kết luận
Mặc dù có sự tương quan lớn về ngưỡng mưa và trượt lở, các công tác nghiên cứu sâu hơn về TBĐC tại khu vực để có thể kết hợp ngưỡng mưa với các số liệu khác để hỗ trợ công tác cảnh báo sớm TBĐC hiệu quả hơn là rất cần thiết.
Ngưỡng mưa kích hoạt trượt, lở đất đá tại tỉnh Yên Bái đã được xây dựng, tuy nhiên vẫn cần được bổ sung, cập nhật thường xuyên theo thời gian. Đối với các khu vực lân cận tỉnh Yên Bái, các ngưỡng mưa này có thể sử dụng để tham khảo và hiệu chỉnh theo các thông tin về TBĐC có thể thu thập được.
TÀI LIỆU THAM KHẢO
1. Nadim, F., Kjekstad, O., Peduzzi, P. et al. Global landslide and avalanche hotspots. Landslides 3, 159–173 (2006). https://doi.org/10.1007/s10346-006-0036-1;
2. Hệ thống cảnh báo TBĐC và thảm họa môi trường tự nhiên Việt Nam http://canhbaotruotlo.vn/ (truy cập ngày 17/11/2021) ;
3. Sassa K, Tsuchiya S, Ugai K, Wakai A, Uchimura T (2009) Landslides: a review of achievements in the first 5 years (2004–2009). Landslides 6:275–286 ;
4. Sassa K, Tsuchiya S, Fukuoka H, Mikos M, Loi D (2015) Landslides: review of achievements in the second 5-year period (2009–2013). Landslides 12:213–223 ;
5. Kirschbaum D, Adler R, Adler D, Peters-Lidard C, Huffman G (2012) Global Distribution of Extreme Precipitation and HighImpact Landslides in 2010 Relative to Previous Years, J. Hydrometeorol. 13:1536–1551. DOI:10.1175/JHM-D12-02.1 ;
6. Dai FC, Lee CF, Ngai YY (2002) Landslide risk assessment and management: an overview. Eng Geol 64(1):65–87. DOI:10.1016/S0013-7952(01)00093-X ;
7. Lê Quốc Hùng, Lưu Thanh Bình, Nguyễn Đức Hà, Đỗ Minh Hiển và nnk (2014). Nghiên cứu ứng dụng công nghệ WebGIS, phân tích ảnh RADAR phân giải cao và mô hình không gian GIS để xây dựng hệ thống cảnh báo TBĐC và TBĐC môi trường tự nhiên Việt Nam. Thử nghiệm tại Bắc Kạn. Viện Khoa học Địa chất và Khoáng sản. Hà Nội. 182 trang ;
8. Trần Thục và Lã Thanh Hà (2012). Giáo trình "Lũ quét - Khái niệm cơ bản và phương pháp nghiên cứu". Nhà Xuất bản Khoa học Tự nhiên và Công nghệ. Hà Nội. 267 trang;
9. Phan Văn Tân (2005). Các phương pháp thống kê trong khí hậu. NXB Đại học Quốc gia Hà Nội. 260 trang;
10. Marques, R., Zêzere, J., Trigo, R., Gaspar, J., & Trigo, I. (2008). Rainfall patterns and critical values associated with landslides in Povoação County (São Miguel Island, Azores): relationships with the North Atlantic Oscillation. Hydrological Processes.
NGUYỄN NGỌC HOAN, TRƯƠNG XUÂN QUANG
Khoa Công nghệ Thông tin, Đại học Tài nguyên và Môi trường Hà Nội
Tóm tắt: Bài báo nghiên cứu giải pháp xử lý chất thải rắn sinh hoạt (CTRSH) bền vững cho Việt Nam thông qua tích hợp công nghệ vi sinh (phân hủy sinh học) và nhiệt phân. Trước áp lực gia tăng rác đô thị và yêu cầu phát triển kinh tế tuần hoàn, phương pháp này được đề xuất nhằm tận dụng tài nguyên từ rác, giảm chôn lấp và phát thải.
Nếu ở Kỳ 1, độc giả đã thấy những định hướng chiến lược và công nghệ xanh mở ra lối đi mới cho nông nghiệp Việt, thì đến Kỳ 2, điểm nhấn lại nằm ở những giải pháp cụ thể. Từ phòng thí nghiệm, nhiều nghiên cứu khoa học đã bước ra thực tiễn, đồng hành cùng doanh nghiệp, tạo nên các mô hình thành công: từ công nghệ bảo quản mới, chế biến cà phê hiện đại, đến kinh tế tuần hoàn phụ phẩm tôm và nâng tầm sản phẩm truyền thống như nước mắm. Đây chính là những hạt nhân giúp nông sản Việt gia tăng giá trị và chinh phục thị trường quốc tế.
Cao chloroform của Bí kỳ nam (Hydnophytum formicarum Jack.) được sắc ký cột với các hệ dung môi có độ phân cực khác nhau và kết hợp với kỹ thuật sắc ký lớp mỏng để thực hiện quá trình phân lập và tinh sạch các hợp chất. Cấu trúc của các hợp chất được xác định bằng phương pháp phổ cộng hưởng từ hạt nhân và kết hợp so sánh với tài liệu tham khảo. Ba hợp chất được tinh sạch và xác định cấu trúc bao gồm luteolin (1), quercetin (2) và quercitrin (3).
Hoạt tính xua đuổi hiệu quả của p-menthan-3,8-diol (PMD) đã được chứng minh là hiệu quả an toàn cho sức khỏe, tuy nhiên, hợp chất này vẫn chưa được sử dụng phổ biến ở Việt Nam. Đã có một số công trình nghiên cứu khảo sát tổng hợp PMD chủ yếu sử dụng xúc tác acid H2SO4 loãng với các điều kiện phản ứng khác nhau về thời gian và nhiệt độ.
Cháy nổ trong sinh hoạt dân dụng vẫn là một vấn đề nhức nhối tại Việt Nam, gây ra những thiệt hại nặng nề về người và tài sản do sự bất cẩn hoặc lỗi thiết bị điện. Các hệ thống cảnh báo cháy truyền thống thường có độ trễ cao, chỉ phản ứng khi cháy đã xảy ra rõ ràng, dễ gây báo động giả và thiếu khả năng cảnh báo từ xa.
Khu vực đảo Palawan (Philippine), Sempoma SABAH (Malaysia) nằm trong khu vực nhiệt đới gió mùa với hai mùa mưa, mùa khô rõ rệt. Tại Palawan, trung bình năm nhiệt độ không khí 28,50C, độ ẩm trung bình 58,4%, tổng lượng mưa 2.920 mm, tổng số giờ nắng trong khoảng 2,180 - 2,307h, nhiệt độ nước biển 29,30C và độ muối nước biển 33,3‰.
