Tác giả

Nhữ Việt Hà 1* , Trần Vũ Long 1 , Phạm Minh Tuấn 1 , Nguyễn Viết Nghĩa 1

Đơn vị công tác

1 Trường đại học Mỏ - Địa chất; nhuvietha@humg.edu.vn; tranvulong@humg.edu.vn; xinghiepkhaosat@gmail.com; nguyenvietnghia@humg.edu.vn.

*Tác giả liên hệ: nhuvietha@humg.edu.vn; Tel.: +84–903462689

Tóm tắt

Bài báo trình bày kết quả phân tích địa không gian đánh giá định lượng quan hệ giữa các yếu tố môi trường và nước ngầm mạch lộ khu vực Gia Lai. Hệ phương pháp phân tích không gian GIS bao gồm 03 bước đã được sử dụng, cho phép tạo lập cơ sở dữ liệu địa không gian về nước ngầm mạch lộ và 12 yếu tố có quan hệ ảnh hưởng. Theo đó, mức độ quan hệ chặt chẽ được đánh giá ở các khu vực độ dốc địa hình nhỏ hơn 12,8 độ, hướng sườn bằng phẳng, độ cong địa hình -0,004-0,005, ngưỡng cao độ 666-802,6 m, các thành tạo đất đá và sản phẩm phong hóa hệ tầng Túc Trưng, thực phủ cây thân gỗ, và các chỉ số NDVI 0,45-0,54, NDMI -03-0,04, NDWI 0-0,17. Với yếu tố khoảng cách tớ đứt gãy và sông, mức độ quan hệ được đánh giá chưa rõ nét. Với yếu tố lượng mưa, mức độ quan hệ chưa phù hợp quy luật tuyến tính bổ cập trữ lượng. Từ các đánh giá định lượng, kết quả nghiên cứu đã cung cấp bức tranh toàn diện về sự ảnh hưởng và tác động giữa nước ngầm mạch lộ và 12 yếu tố môi trường tự nhiên. Là cơ sở khoa học đầu vào tin cậy cho các mô hình dự báo, đánh giá nguy cơ suy thoái nước ngầm mạch lộ phục vụ quản lý, khai thác bền vững.

Từ khóa

Nước ngầm mạch lộ; Địa không gian; GIS; Gia Lai; Việt Nam.

Trích dẫn bài báo

Hà, N.V.; Long, T.V.; Tuấn, P.M.; Nghĩa, N.V. Phân tích địa không gian đánh giá định lượng quan hệ giữa các yếu tố môi trường và nước ngầm mạch lộ khu vực Gia Lai, Việt Nam. Tạp chí Khí tượng Thuỷ văn 2023, 749, 52-70.

Tài liệu tham khảo

1. Altenburger, R.; et al. Future water quality monitoring-Adapting tools to deal with mixtures of pollutants in water resource management. Sci. Total Environ. 2015, 512, 540–551.

2. Chezgi, J.; et al. Assessment of a spatial multi-criteria evaluation to site selection underground dams in the Alborz Province, Iran. Geocarto Int. 2016, 31(6), 628–646.

3. Todd, D.K.; Mays, L.W. Groundwater hydrology. John Wiley & Sons, 2004.

4. Nhu, V.H.; Rahmati, O.; Falah, F.; Shojaei, S.; Al-Ansari, N.; Shahabi, H.; Shirzadi, A.; Górski, K.; Nguyen, H.; Ahmad, B.B. Mapping of Groundwater Spring Potential in Karst Aquifer System Using Novel Ensemble Bivariate and Multivariate Models. A tree-based intelligence ensemble approach for spatial prediction of potential groundwater. Water 2020, 12(4), 1–25.

5. Lee, S.; Song, K.Y.; Kim, Y.; Park, I. Regional groundwater productivity potential mapping using a geographic information system (GIS) based artificial neural network model. Hydrogeol. J. 2012, 20(8), 1511.

6. VOV. Biến đổi khí hậu ở Tây Nguyên: Người làm nông rát mặt. 2017. Trực tuyến: https://vov.vn/kinh-te/bien-doi-khi-hau-o-tay-nguyen-nguoi-lam-nong-rat-mat-649162.vov.

7. Nhat Ha. Tây Nguyên trong 'chảo lửa' hạn hán. 2016. Trực tuyến: https://vnexpress.net/tin-tuc/thoi-su/tay-nguyen-trong-chao-lua-han-han-3376415.html.

8. Viện Quy hoạch Thủy lợi. Quy hoạch tổng thể thủy lợi vùng Tây Nguyên. 2015.

9. Kresic, N.; Stevanovic, Z. Groundwater hydrology of springs: engineering, theory, management and sustainability. Butterworth-heinemann, 2010. https://doi.org/10.1016/C2009-0-19145-6.

10. Nhu, V.H.; Shahabi, H.; Nohani, E.; Shirzadi, A.; Al-Ansari, N.; Bahrrami, S.; Miraki, S.; Geertsema, M.; Nguyen, H. Daily Water Level Prediction of Zrebar Lake (Iran): A Comparison between M5P, Random Forest, Random Tree and Reduced Error Pruning Trees Algorithms. ISPRS Int. J. Geo-Inf. 2020, 9(8), 479.

11. Dân, N.L. Nghiên cứu cơ sở khoa học cho giải pháp tổng thể giải quyết các mâu thuẫn lợi ích trong việc khai thác sử dụng tài nguyên nước lãnh thổ Tây Nguyên”, Mã số TN3/T02 thuộc Chương trình Tây Nguyên 3. 2015.

12. Vinh, P.T. Nghiên cứu đề xuất các mô hình thu gom khai thác bền vững nguồn nước mạch lộ phục vụ cấp nước sạch cho các vùng núi cao, vùng khan hiếm nước khu vực Tây Nguyên. Mã số ĐTĐL.CN-64/15. 2018, Viện Khoa học Thủy lợi Việt Nam.

13. Naghibi, S.A.; Dashtpagerdi, M.M. Evaluation of four supervised learning methods for groundwater spring potential mapping in Khalkhal region (Iran) using GIS-based features. Hydrogeol. J. 2017, 25(1), 169.

14. Mousavi, S.M.; Golkarian, A.; Naghibi, S.A.; Kalantar, B.; Pradhan, B. GIS-based groundwater spring potential mapping using data mining boosted regression tree and probabilistic frequency ratio models in Iran. Aims Geosci. 2017, 3(1), 91–115.

15. Moghaddam, D.D.; Rezaei, M.; Pourghasemi, H.R.; Pourtaghie, Z.S.; Pradhan, B. Groundwater spring potential mapping using bivariate statistical model and GIS in the Taleghan Watershed, Iran. Arabian J. Geosci. 2015, 2(8), 913–929.

16. Pourtaghi, Z.S.; Pourghasemi, H.R. GIS-based groundwater spring potential assessment and mapping in the Birjand Township, southern Khorasan Province, Iran. Hydrogeol. J. 2014, 22(3), 643–662.

17. Chowdhury, A.; Jha, M.K.; Chowdary, V.M.; Mal, B.C. Integrated remote sensing and GIS‐based approach for assessing groundwater potential in West Medinipur district, West Bengal, India. Int. J. Remote Sens. 2009, 30(1), 231–250.         doi:10.1080/01431160802270131.

18. Sander, P.; Chesley, M.M.; Minor, T.B. Groundwater assessment using remote sensing and GIS in a rural groundwater project in Ghana: lessons learned. Hydrogeol. J. 1996, 4(3), 40–49.

19. Mohammadtaghi, A.; Saeid, J.; Dieu, T.B.; Hoa, P.V.; Ngo, P.T.T.; Nhu, V.H. A tree-based intelligence ensemble approach for spatial prediction of potential groundwater. Int. J. Digital Earth 2020, 1–22.

20. Aller, L.; et al. DRASTIC: a standardized system to evaluate groundwater pollution potential using hydrogeologic settings. National Water Well Association, Worthington, Ohio, United States of America, 1987.

21. Oh, H.-J.; et al. GIS mapping of regional probabilistic groundwater potential in the area of Pohang City, Korea. J. Hydrol. 2011, 399(3-4), 158–172.

22. Corsini, A.; Cervi, F.; Ronchetti, F. Weight of evidence and artificial neural networks for potential groundwater spring mapping: an application to the Mt. Modino area (Northern Apennines, Italy). Geomorphology 2009, 111(1-2), 79–87.

23. Ozdemir, A. Using a binary logistic regression method and GIS for evaluating and mapping the groundwater spring potential in the Sultan Mountains (Aksehir, Turkey). J. Hydrol. 2011, 405(1-2), 123–136.

24. Rahmati, O.; Pourghasemi, H.R.; Melesse, A.M. Application of GIS-based data driven random forest and maximum entropy models for groundwater potential mapping: A case study at Mehran Region, Iran. Catena 2016, 137, 360–372.

25. Golkarian, A.; et al. Groundwater potential mapping using C5.0, random forest, and multivariate adaptive regression spline models in GIS. Environ. Monit. Assess.  2018, 190(3), 149.

26. Rahmati, O.; et al. Groundwater spring potential modelling: Comprising the capability and robustness of three different modeling approaches. J. Hydrol. 2018, 565, 248–261.

27. Khosravi, K.; Panahi, M.; Dung, B.T. Spatial prediction of groundwater spring potential mapping based on an adaptive neuro-fuzzy inference system and metaheuristic optimization. Hydrol. Earth Syst. Sci. 2018, 22(9), 4771–4792.

28. Nhu, V.H.; et al. Mapping of groundwater spring potential in karst aquifer system using novel ensemble bivariate and multivariate models. Groundwater Modelling in Karst Areas. Water 2020, 12(4), 985. https://doi.org/10.3390/w12040985.

29. Hà, N.V. Using artificial intelligence in predicting groundwater potential for water scarcity area in the Central Highlands (Vietnam). RefNo: VIE 11 888 11/REGIE/019.

30. Sử dụng trí tuệ nhân tạo dự báo tiềm năng nước dưới đất cho vùng khan hiếm nước khu vực Tây Nguyên (Việt Nam). Mã số: VIE 11 888 11/REGIE/019. 2018, Facility for Capacity Building project (FCB) - Enabel Viet Nam.

31. Cánh, Đ.V.; cs. Nghiên cứu xây dựng cơ sở khoa học và đề xuất các giải pháp bảo vệ và sử dụng hợp lý tài nguyên nước vùng Tây Nguyên. Mã số KC08.05. 2008.

32. Cánh, Đ.V.; cs. Nghiên cứu cơ sở khoa học và xây dựng các giải pháp lưu giữ nước mưa vào lòng đất phục vụ chống hạn và bảo vệ tài nguyên nước dưới đất vùng Tây Nguyên. Mã số: ĐTĐL.2007G/44. 2010.

33. Dương, H.H.; cs. Nghiên cứu đề xuất các mô hình, giải pháp công nghệ khai thác và bảo vệ nguồn nước trong các thành tạo Bazant phục vụ cấp nước sinh hoạt bền vững tại các vùng núi cao, khan hiếm nước khu vực Tây Nguyên. 2018.

34. Vinh, P.T. Nghiên cứu đề xuất các mô hình thu gom khai thác bền vững nguồn nước mạch lộ phục vụ cấp nước sạch cho các vùng núi cao, vùng khan hiếm nước khu vực Tây Nguyên. Đề tài nghiên cứu ứng dụng và phát triển công nghệ cấp Quốc Gia - Mã số: ĐTĐL.CN-64/15. 2018, Viện Khoa học Thủy lợi Việt Nam.

35. Thủ tướng Chính phủ. Quyết định số 264/QĐ-Ttg về việc Phê duyệt Chương trình điều tra, tìm kiếm nguồn nước dưới đất để cung cấp nươc sinh hoạt ở các vùng núi cao, vùng khan hiếm nước. 2015.

36. Survey, U.S.G. Earth Resources Observation and Science (EROS) Center. 2020.  Online avaliable: https://www.usgs.gov/centers/eros (accessed March 18, 2020).

37. JAXA. Advanced Land Observing Satellite. 2020. Online avaliable: https://www.eorc.jaxa.jp/ALOS/en/dataset/aw3d30/aw3d30_e.htm (accessed March 18, 2020).

38. JAXA. Advanced Land Observing Satellite. 2020. Online avaliable: https://www.eorc.jaxa.jp/ALOS/en/dataset/lulc/lulc_vnm_v2104_e.htm (accessed March 18, 2020).

39. MONRE. Bản đồ địa hình, tỷ lệ 1:50.000. 2018, Bộ Tài nguyên và Môi trường.

40. MONRE. Địa chất và khoáng sản, tỷ lệ 1:200.000. 2010, Bộ Tài nguyên và Môi trường.

41. NASA. Nasa Power. Online avaliable: https://power.larc.nasa.gov/docs/referencing/#:~:text=When%20referencing%20POWER%20data

%20products,version%20number%2C%20and%20date%20accessed.&text=The%20data%20was

%20obtained%20from%20the%20POWER%20Project's%20Hourly%202,on%20YYYY%2FM

M%2FDD (accessed March 18, 2020).