Cảnh báo - dự báo nước dưới đất bằng AI-GIS: tổng quan cấu trúc hiện trạng nghiên cứu, các khoảng trống và tiền đề triển khai tại Việt Nam

Trong bối cảnh biến đổi khí hậu, khai thác quá mức và xâm nhập mặn gia tăng, nhu cầu cảnh báo và dự báo suy thoái, cạn kiêt, ô nhiễm nguồn nước dưới đất trở thành cấp thiết đối với công tác quản lý tài nguyên nước ở Việt Nam. Sử dụng trí tuệ nhân tạo (AI) khai thác, phân tích và chuyển đổi nguồn dữ liệu thời gian thực thô thành những kiến thức hữu ích phục vụ cảnh báo, dự báo và quản lý nhà nước về tài nguyên nước là xu thế tất yếu của đổi mới công nghệ và chuyển đổi số trong lĩnh vực tài nguyên nước. Bài báo này tổng hợp, phân tích các nghiên cứu thực hiện ở Việt Nam trong vài năm gần đây về ứng dụng trí tuệ nhân tạo (AI) trong lĩnh vực nước dưới đất, tập trung vào ba hướng chính: (i) lập bản đồ tiềm năng nước dưới đất trên nền GIS tích hợp AI; (ii) dự báo độ mặn và nguy cơ ô nhiễm As bằng các thuật toán học máy (ML); và (iii) phân tích chuỗi dữ liệu quan trắc mực nước bằng mô hình học sâu (DL). Kết quả nghiên cứu bước đầu cho thấy mô hình Extreme Gradient Boosting có tiềm năng nâng cao độ chính xác, giảm chi phí và khối lượng khảo sát thực địa, đặc biệt hữu ích ở các vùng khan hiếm nước; CatBoost và Extra Trees dự báo tốt độ mặn nước dưới đất trong khi Random Forest và Gradient Boosting dự báo tốt nguy cơ ô nhiễm As. Tuy nhiên, các nghiên cứu tại Việt Nam còn hạn chế về quy mô, địa bàn, đối tượng nghiên cứu và dữ liệu sử dụng; chủ yếu dừng ở mức thử nghiệm cho một vùng cụ thể, chưa tạo ra tác động nào đối với công tác quản lý và chưa đáp ứng được yêu cầu thực tiễn về cảnh báo, dự báo tài nguyên nước. Bài báo cũng chỉ ra các khoảng trống về khung pháp lý, chuẩn hóa dữ liệu quan trắc và quy trình nghiên cứu, đồng thời đề xuất định hướng ứng dụng AI cho cảnh báo cạn kiệt, xâm nhập mặn ở vùng ven biển, cảnh báo ô nhiễm tại khu công nghiệp tập trung và tìm kiếm nguồn nước ở vùng sâu, vùng xa, vùng khan hiếm nước. Kết quả nghiên cứu góp phần khẳng định tiềm năng của AI trong quản lý bền vững tài nguyên nước dưới đất và nhấn mạnh sự cần thiết phải chuẩn hóa mạng quan trắc, hoàn thiện khung pháp lý cho cảnh báo, dự báo nguồn nước.

1. MỞ ĐẦU

2. SỐ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU

3. KẾT QUẢ VÀ THẢO LUẬN

3.1. Tình hình nghiên cứu ứng dụng AI trong lĩnh vực nước dưới đất

3.2. Các hạn chế và khoảng trống

3.3. Định hướng cho nghiên cứu ứng dụng AI trong lĩnh vực nước dưới đất của Việt Nam

4. KẾT LUẬN

TÀI LIỆU THAM KHẢO

[1] Wissal Ed-Dehbi, Mustapha Ahlaqqach and Jamal Benhra. 2025. Artificial intelligence for optimal water resource management: a literature review. Eng. Proc., 2025, 97,52.

[2] Mrunmayee Dhapre, Shrikant Jadhav, Debanjana Das, Jehanzeb Khan, Youngsoo Kim, Sen Chiao, Thomas Danielson. 2025. A systematic review of machine learning in groundwater monitoring. Environmental Modelling and Software, 192, 106549.

[3] Nur Farahin Che Nordin, Nuruol Syuhadaa Mohd, Suhana Koting, Zubaidah Ismail, Mohsen Sherif, Ahmed El-Shafie. 2021. Groundwater quality forecasting modelling using artificial intelligence: a review. Groundwater for Sus. Development, 14, 100643.

[4] Siva Rama Krishnan, M. K. Nallakaruppan, Rajeswari Chengoden, Srinivas Koppu, M. Iyapparaja, Jayakumar Sadhasivam and Sankaran SethuramanKrishnan. 2022. Smart water resources management using Artificial Intelligence-A review. Sustainability, 14, 13384.

[5] Habtamu Tamiru, Meseret Wagari and Bona Tadese. 2022. An integrated Artificial Intelligence and GIS spatial analyst tools for delineation of groundwater potential zones in complex terrain: Fincha catchment, Abay Basi, Ethiopia. Air, Soil and Water Research, 15, 1-15.

[6] Amirhossein Najafabadipour, Gholamreza Kamali and Hossein Nezamabadi-pour. 2022. Application of Artificial Intelligence techniques for the determination of groundwater level using spatio-temporal parameters. ACS Omega, 7, 10751-10764.

[7] Nguyen Phong Tung, Duong Hai Ha, Abolfazl Jaafari, Nguyen Huu Duy, Tran Van Phong, Nadhir Al-Ansari, Indra Prakash, Le Van Hiep and Pham Thai Binh. 2020. Groundwater potential mapping combining Artificial Neural Network and Real AdaBoost Ensemble Technique: The DakNong Province case-study, Vietnam. Int J Environ Res Public Health. 17(7):2473. doi:10.3390/ijerph17072473.

[8] Tran Dang An, Maki Tsujimura, Ha Nan Thang, Nguyen Van Tam, Doan Van Binh, Dang Thanh Duc, Doan Quang Van, Bui Dieu Tien, Trieu Anh Ngoc, Le Vo Phu, Pham Thi Bich Thuc, Pham Tien Dat. 2021. Evaluating the predictive power of different machine learning algorithms for groundwater salinity prediction of multi-layer coastal aquifers in the Mekong Delta, Vietnam. Ecological Indicators, 127, 107790. https://doi.org/10.1016/j.ecolind.2021.107790.

[9] Heewon Jeong, Ather Abbas, Hyo Gyeom Kim, Hoang Van Hoan, Pham Van Tuan, Phan Thang Long, Eunhee Lee, Kyung Hwa Cho. 2024. Spatial prediction of groundwater salinity in multiple aquifers of the Mekong Delta region using explainable machine learning models. Water Research, 266, 122404. https://doi.org/10.1016/j.watres.2024.122404.

[10] Zheina J. Ottong, Reta L. Puspasari, Daeung Yoon, Kyoung-Woong Kim. 2022. Predicting As contamination risk in Red River Delta using machine learning algorithms. Economic and Environmental Geology, 55(2), 127–135. https://doi.org/10.9719/EEG.2022.55.2.127.

[11] Nguyen Gia Trong, Thanh, P. T., Tinh, L. D., Thao, N. B., & Elshewy, M. A. 2025. Application of deep learning models for groundwater data analysis: A comparative study of CNN (Conv1D), SimpleRNN, and Gated Recurrent Unit (GRU) models. International Journal of Geoinformatics, 21(3).

[12] Tran Van Phong, Pham Thai Binh, Phan Trong Trinh, Ly Hai Bang, Vu Quoc Hung, Ho Si Lanh, Le Van Hiep, Lai Hop Phong, Mohammadtaghi Avand, Indra Prakash. 2021. Groundwater potential mapping using GIS-based hybrid Artificial Intelligence methods. Groundwater. 59, 745-760. doi:10.1111/gwat.13094.

[13] Hoang Phan Hai Yen, Pham Thai Binh, Tran Van Phong, Duong Hai Ha, Romulus Costache, Le Van Hiep, Nguyen Huu Duy, Mahdis Amiri, Nguyen Van Tao, Indra Prakash. 2021. Locally weighted learning based hybrid intelligence models for groundwater potential mapping and modeling: A case study at Gia Lai province, Vietnam. Geoscience Frontiers. 12:101154. doi:10.1016/j.gsf.2021.101154.

[14] Duong Hai Ha, Ngo Thi Thanh Huong, Tran Van Phong, Nguyen Duc Dam, Mohammadtaghi Avand, Nguyen Huu Duy, Mahdis Amiri, Le Van Hiep, Indra Prakash, Pham Thai Binh. 2022. Development and application of hybrid artificial Intelligence models for groundwater potential mapping and assessment. Vietnam J Earth Sci. 44(3), 410-429.

[15] Nhu Viet Ha, Pham Viet Hoa, Laura Melgar-Garcia, Bui Dieu Tien. 2023. Comparative analysis of deep learning and Swarm-Optimized Random Forest for groundwater spring potential identification in tropical regions. Remote Sensing. 15(19), 4761. doi:10.3390/rs15194761.

[16] Nguyen Huu Duy, Giang Van Trong, Truong Quang Hai, Gheorghe Serban, Alexandra-Ionut Petrisor. 2024. Groundwater potential assessment in Gia Lai Province (Vietnam) using machine learning, remote sensing and GIS. Geographia Technica. 19(2), 13–32. doi:10.21163/GT_2024.192.02.

[17] Tran Xuan Bien, Pham The Trinh, Luu Thuy Duong, Tran Van Phong, Vuong Hong Nhat, Le Van Hiep, Nguyen Duc Dam, Indra Prakash, Pham Thanh Tam, Pham Thai Binh. 2024. Groundwater potential zoning using Logistics Model Trees based novel ensemble machine learning model. Vietnam J Earth Sci. 46(2), 272-281.

[18] Tran Van Ty, Le Van Phat, Huynh Van Hiep. 2018. Groundwater level prediction using artificial neural networks: A case study in Tra Noc Industrial Zone, Can Tho City, Vietnam. Journal of Water Resource and Protection, 10, 870–883. https://doi.org/10.4236/jwarp.2018.109050.

______________________________________________________________________

Chi tiết bài báo xem tại đây: Cảnh báo - dự báo nước dưới đất bằng AI-GIS: tổng quan cấu trúc hiện trạng nghiên cứu, các khoảng trống và tiền đề triển khai tại Việt Nam

Hoàng Thị Hạnh, Đặng Đình Phú, Nguyễn Tuấn Linh,
Phan Quang Thức, Thân Văn Đón
Trung tâm Công nghệ và Dữ liệu tài nguyên nước
Nguyễn Tiếp Tân
Viện Khoa học thủy lợi Việt Nam
Hoàng Nguyệt Minh
Trường Đại học Tài nguyên và Môi trường Hà Nội
Ngô Lê Long
Trường Đại học thủy lợi Hà Nội

TẠP CHÍ KH&CN THỦY LỢI