Giới thiệu đề tài

Hệ thống WebGIS cảnh báo nguy cơ ngập lụt tỉnh Hà Tĩnh là sản phẩm Nội dung 4 và 5 của đề tài khoa học và công nghệ cấp tỉnh phê duyệt theo QĐ 529/QĐ-SKHCN ngày 06/11/2024.

Đọc trước khi dùng kết quả

Bản đồ nguy cơ ngập lụt thể hiện khả năng tương đối bị ngập của từng vị trí, xây dựng bằng học máy từ dữ liệu 2015-2023. Đây không phải dự báo ngập thời gian thực.

Cấp độ rủi ro tham chiếu QĐ 18/2021/QĐ-TTg, do hệ thống tính từ mưa dự báo, chỉ mang tính tham khảo. Bản tin và cấp độ rủi ro chính thức do cơ quan khí tượng thuỷ văn ban hành.

Đề tài

Tên đề tài: Nghiên cứu ứng dụng công nghệ 4.0 trong cảnh báo nguy cơ ngập lụt dưới tác động của biến đổi khí hậu tại một số địa điểm trên địa bàn tỉnh Hà Tĩnh
Quyết định phê duyệt: QĐ 529/QĐ-SKHCN ngày 06/11/2024
Hợp đồng: Hợp đồng 544/HĐ-SKHCN ngày 14/11/2024
Cơ quan quản lý: Sở Khoa học và Công nghệ tỉnh Hà Tĩnh
Cơ quan chủ trì: Trường Đại học Giao thông vận tải TP. Hồ Chí Minh
Chủ nhiệm đề tài: PGS.TS Nguyễn Anh Tuấn
Thời gian thực hiện: 24 tháng kể từ ngày ký hợp đồng
Kinh phí: 853.959.000 đồng
Lĩnh vực: Kỹ thuật và công nghệ
Phạm vi theo Thuyết minh: 7 đơn vị cấp huyện: Hương Khê, Vũ Quang, Đức Thọ, Thạch Hà, Cẩm Xuyên, thành phố Hà Tĩnh và thị xã Kỳ Anh
Phạm vi thực hiện: Toàn tỉnh Hà Tĩnh, 69 xã/phường theo địa giới hành chính hai cấp áp dụng từ 01/7/2025; lớp 7 huyện cũ được giữ để đối chiếu với Thuyết minh; diện tích 5.968,6 km²

Mục tiêu

Trích nguyên văn Thuyết minh, mục 13.

Mục tiêu chung

Nghiên cứu và ứng dụng các mô hình học máy và trí tuệ nhân tạo tích hợp trên nền tảng WebGIS để phát triển một hệ thống bản đồ cảnh báo nguy cơ ngập lụt. Hệ thống này sẽ phục vụ cho công tác quản lý, quy hoạch và phòng tránh thiên tai tại các huyện Hương Khê, Vũ Quang, Đức Thọ, Thạch Hà, Cẩm Xuyên, Thành phố Hà Tĩnh và Thị xã Kỳ Anh. Qua việc tích hợp các công nghệ tiên tiến, đề tài nhằm xây dựng một công cụ hiệu quả giúp đánh giá chính xác các khu vực có nguy cơ cao bị ảnh hưởng bởi ngập lụt, từ đó đề xuất các biện pháp can thiệp kịp thời.

Mục tiêu cụ thể

Phát triển mô hình học máy: Xây dựng và tinh chỉnh mô hình học máy để dự báo và phân tích dữ liệu ngập lụt, dựa trên việc phân tích và tích hợp dữ liệu từ nhiều nguồn khác nhau, bao gồm dữ liệu về thủy văn, khí tượng, địa hình.
Xây dựng hệ thống WebGIS: Phát triển hệ thống cảnh báo ngập lụt được tích hợp mô hình học máy để cung cấp thông tin cảnh báo nhanh chóng, chính xác đến người dân và cơ quan quản lý thông qua hệ thống WebGIS.

Phạm vi Thuyết minh là 7 huyện cũ; từ 01/7/2025 hệ thống tính cho toàn tỉnh theo 69 xã/phường mới và giữ lớp 7 huyện cũ để hội đồng đối chiếu.

Sáu nội dung nghiên cứu

Nội dung 1. Cơ sở dữ liệu ngập lụt và các tác nhân
Thu thập, biên tập 12 lớp dữ liệu: hiện trạng ngập lịch sử, lượng mưa, địa hình, sử dụng đất, lớp phủ thực vật, thuỷ văn, DEM và các lớp dẫn xuất (độ dốc, độ cong, TWI, hướng dốc, SPI).
Nội dung 2. Mô hình học máy DNN và tối ưu hoá
Xây dựng mô hình mạng nơ-ron sâu, tối ưu siêu tham số bằng bầy đàn (PSO), so sánh với các mô hình học máy khác dưới kiểm định chéo theo không gian.
Nội dung 3. Kịch bản biến đổi khí hậu
Chiếu nguy cơ ngập theo kịch bản CMIP6 SSP2-4.5 và SSP5-8.5 cho giữa và cuối thế kỷ, đánh giá dân số và đất canh tác phơi nhiễm.
Nội dung 4. Phần mềm mô hình học máy viết bằng Python
Phần mềm DNN thành lập bản đồ nguy cơ và tính nguy cơ theo kịch bản biến đổi khí hậu, tích hợp lên hệ thống WebGIS (Model Lab, các bước 4.1 đến 4.7).
Nội dung 5. Hệ thống WebGIS mã nguồn mở
GeoServer, PostgreSQL/PostGIS tích hợp mô hình học máy, có công cụ đo diện tích, thông tin vị trí vùng ngập, phân quyền, cập nhật dữ liệu hằng năm, cảnh báo, in bản đồ và hướng dẫn sử dụng.
Nội dung 6. Báo cáo tổng kết
Tổng hợp kết quả, công bố khoa học, tập huấn chuyển giao cho cán bộ chuyên trách.

Phương pháp

Sơ đồ minh hoạ (schematic), đọc theo thứ tự từ trái sang phải.

Dữ liệu đầu vàoẢnh radar Sentinel-1 (35 cặp ảnh), Copernicus DEM GLO-30, mưa CHIRPS, ESA WorldCover, WorldPop, OpenStreetMap.
Nhãn ngập và biến đầu vàoTách ngập từ Sentinel-1 bằng ngưỡng tán xạ ngược, kèm các biến địa hình, thuỷ văn, mưa, lớp phủ.
Học máyDNN-PSO, XGBoost và các mô hình so sánh (7 mô hình), kiểm định chéo theo khối không gian.
Bản đồ nguy cơ 5 cấpRất thấp đến rất cao, kèm bản hiệu chỉnh tiên nghiệm theo tỷ lệ ô mang nhãn ngập Sentinel-1 (bài 4).
Kịch bản CMIP66 mô hình khí hậu, SSP2-4.5 và SSP5-8.5, giữa và cuối thế kỷ; dân số và đất canh tác phơi nhiễm.
WebGISBản đồ, thống kê 69 xã, Model Lab, tín hiệu cảnh báo tham khảo theo QĐ 18/2021.

Giới hạn khoa học và khuyến cáo

Bản đồ nguy cơ, không phải dự báo

Thiên lệch quan trắc của nhãn huấn luyện (bài 4)

Nhãn huấn luyện lấy từ ảnh Sentinel-1 có mặt nạ độ dốc 5°, loại 55,9% diện tích tỉnh khỏi khả năng mang nhãn ngập; tập huấn luyện cân bằng 1:1 làm xác suất cao hơn thực tế. Xem bản hiệu chỉnh tiên nghiệm để so sánh.

Bản hiệu chỉnh tiên nghiệm đưa xác suất về tỷ lệ ô mang nhãn ngập Sentinel-1 (π = 0,0963): diện tích nguy cơ cao + rất cao giảm từ 1.038,8 xuống 428,3 km², thứ hạng các vị trí không đổi. Giá trị là xác suất một vị trí được quy trình Sentinel-1 ghi nhận là ngập, không phải xác suất ngập thực.

Tác động của mưa đổi dấu theo mô hình (bài 3)

Ở Hà Tĩnh, lượng mưa tương quan âm với vùng từng ngập (vùng mưa lớn là sườn núi thoát nước nhanh). Vì vậy tăng mưa có thể làm diện tích nguy cơ GIẢM ở phần lớn mô hình, và dấu của tác động phụ thuộc vào mô hình học máy nhiều hơn kịch bản khí hậu: lựa chọn mô hình chiếm 50,2% bất định, khí hậu 6,3%, kịch bản phát thải 1,2%, tương tác 41,7%.

Cảnh báo là tín hiệu tham khảo

Bản đồ thử nghiệm sinh từ Model Lab, chưa được duyệt, không phải sản phẩm chính thức của đề tài.

Bài báo của đề tài

Kết quả chính. Số có trong dữ liệu được đọc trực tiếp từ bộ dữ liệu đã kiểm chứng của hệ thống.

Bài 1 · Bản thảo của nhóm đề tài
Khả năng và giới hạn của phương pháp so sánh ảnh Sentinel-1 trước - sau trong lập bộ kiểm kê ngập lụt: kiểm chứng với chín đợt lũ ghi nhận tại tỉnh Hà Tĩnh, giai đoạn 2015-2023
- Vùng từng ngập Sentinel-1 giai đoạn 2015-2023: 564,65 km², tức 9,46% diện tích tỉnh (số hệ thống tính lại).
- 35 cảnh Sentinel-1 được tách ngập thành lớp sự kiện, xem trên thanh thời gian của bản đồ.
- Ngưỡng tán xạ ngược phân biệt mặt nước phù hợp là -21 dB; dùng ngưỡng -15 dB thường gặp làm diện tích ngập sai khoảng 8 lần.
- Phương pháp Otsu thất bại ở quy mô tỉnh vì histogram tán xạ ngược đơn đỉnh.
- Bộ kiểm kê chỉ bắt được 2 trên 9 trận lũ có hồ sơ: chính xác cao nhưng độ phủ thấp.
Bài 2 · Bản thảo của nhóm đề tài
So sánh bảy mô hình học máy trong lập bản đồ nguy cơ ngập lụt tỉnh Hà Tĩnh dưới kiểm định chéo theo không gian
- XGBoost đạt AUC kiểm định chéo không gian 0,9660, dẫn đầu 7 mô hình; DNN-PSO đạt 0,9610.
- Chia mẫu ngẫu nhiên thổi phồng AUC từ 0,0015 đến 0,0084 tuỳ họ mô hình.
- Nguy cơ cao và rất cao (XGBoost): 1.038,8 km², bằng 17,40% diện tích tỉnh.
- Kiểm định chéo theo ô không gian 5 km để tránh tự tương quan không gian thổi phồng độ chính xác.
Bài 3 · Bản thảo của nhóm đề tài
Nguy cơ ngập lụt và dân số phơi nhiễm tỉnh Hà Tĩnh dưới kịch bản biến đổi khí hậu CMIP6: mô hình học máy gây bất định lớn hơn mô hình khí hậu
- Tổ hợp 6 mô hình khí hậu: mưa năm thay đổi -0,16% đến +2,20%, gần như không đổi; Rx5day tăng +7,54% đến +27,14%.
- Diện tích nguy cơ cao và rất cao (XGBoost) từ 1.038,8 km² ở thời kỳ nền xuống 1.001,3 km² ở cuối thế kỷ SSP5-8.5; dân số phơi nhiễm từ 407.485 người xuống 395.362 người.
- Phân tách bất định: lựa chọn mô hình học máy 50,2%, mô hình khí hậu 6,3%, kịch bản phát thải 1,2%, tương tác 41,7%.
- Đất canh tác trong vùng nguy cơ cao: 868,4 trên 991,1 km², tức 87,62%; 30,87% dân số sống trong vùng chiếm 17,40% diện tích.
- Hai biến mưa tương quan ÂM với nhãn ngập (mưa năm -0,327; mưa cực trị -0,111) vì vùng mưa lớn là sườn núi thoát nước nhanh; tăng mưa làm nguy cơ GIẢM ở phần lớn mô hình, và dấu của tác động phụ thuộc lựa chọn mô hình học máy (50,2% bất định) nhiều hơn kịch bản khí hậu. Bản đồ là nguy cơ, không phải dự báo ngập.
- Đây là kết quả âm và được báo cáo trung thực: không cân số cho khớp kỳ vọng rằng mưa tăng thì nguy cơ tăng.
Bài 4 · Bản thảo tiếng Anh của nhóm đề tài (vòng 2, 02/10/2026); đính chính một số diễn giải của vòng 1
Bản đồ nguy cơ ngập lụt có bao nhiêu phần là khả năng phát hiện? Kiểm toán trước triển khai một bản đồ gán nhãn Sentinel-1 cho WebGIS cấp tỉnh
- Trong 35 cặp ảnh Sentinel-1, 15 cặp chỉ phủ một phần tỉnh và 11 cặp có ảnh trước và sau trùng nhau (lỗi xuất ảnh từ Google Earth Engine); chỉ 11 cặp phủ đủ tỉnh và không trùng. Tỉ số r mặt nước thường xuyên phản ánh các lỗi này, không đo chất lượng cảnh.
- Sau hiệu chỉnh tiên nghiệm (π = 0,0963), diện tích nguy cơ cao và rất cao giảm từ 1.038,8 km² xuống 428,3 km² (giảm 58,8%); thứ hạng các vị trí không đổi.
- Mặt nạ độ dốc 5° loại 55,9% diện tích tỉnh khỏi khả năng mang nhãn ngập trong khi mẫu âm lấy ngẫu nhiên toàn tỉnh.
- Chỉ độ dốc và lớp phủ đã tái tạo khoảng 98% kỹ năng vượt ngẫu nhiên của mô hình 21 biến khi kiểm định theo khối 30 km; bảng tra hai chiều độ dốc x lớp phủ, không dùng học máy, đạt AUC 0,9424.
- Tập huấn luyện cân bằng 1:1 làm odds tiên nghiệm cao gấp 9,38 lần tỷ lệ ô mang nhãn ngập (0,0963). Giá trị trên bản đồ là xác suất một vị trí được quy trình Sentinel-1 ghi nhận là ngập, không phải xác suất ngập thực.
- Tỷ số r mặt nước thường xuyên không đo chất lượng cảnh: hai lỗi xuất ảnh (cặp ảnh chỉ phủ khoảng 16% tỉnh, ảnh trước và sau trùng nhau) giải thích 93,1% phương sai của log r.
- Nhãn ngập thô tự tương quan tới khoảng 30 km, nhưng phần dư ngoài fold của mô hình gần như không tự tương quan, nên kiểm định khối 5 km của bài 2 không phải nguồn sai lệch lớn.

Nghiên cứu độc lập về ngập lụt Hà Tĩnh

Công bố của các nhóm khác trên cùng địa bàn, để người đọc đối chiếu phương pháp và kết quả.

Công bố độc lập về ngập lụt Hà Tĩnh
Tác giả, năm	Nội dung	Tạp chí	DOI
Nguyen Duc Loc và cộng sự, 2026	XGBoost, LightGBM, CatBoost với nhãn Sentinel-1, khu vực phía tây Hà Tĩnh	Environmental Research Communications 8(7):075027	10.1088/2515-7620/ae8aba
Nguyen Huu Duy, 2023	ANFIS cho nguy cơ ngập toàn tỉnh Hà Tĩnh	Journal of Water and Climate Change 14(1):200	10.2166/wcc.2022.257
Nguyen D.L. và cộng sự, 2023	Học máy và Sentinel-1, huyện Hương Khê	International Journal of Geoinformatics 19(7)	10.52939/ijg.v19i7.2739
Nguyen T.T. và cộng sự, 2023	AHP cho lưu vực Ngàn Sâu và Ngàn Phố	Geography, Environment, Sustainability 16(2):57	10.24057/2071-9388-2022-117
Tran Quoc Lap, 2023	WRF, RRI và thiệt hại theo kịch bản CMIP5	Journal of Climate Change 9(4):13	10.3233/jcc230028
Nguyen H.D. và cộng sự, 2023	Đa tai biến khu vực Bắc Trung Bộ	Transactions in GIS 27(5):1614	10.1111/tgis.13091

Đối chiếu số công bố với số hệ thống tính lại

Hệ thống hiển thị cột Tính lại; cột Công bố chỉ để đối chiếu với bài báo. Không chỉ tiêu nào lệch quá 1%.

Đối chiếu số liệu công bố và tính lại
Chỉ tiêu	Công bố	Tính lại	Chênh lệch
Cao + rất cao, nguy_co_dnn (km²)	1.071,0	1.071,0	-0,002%
Cao + rất cao, nguy_co_xgb (km²)	1.038,7	1.038,8	+0,007%
Cao + rất cao, nguy_co_hieu_chinh (km²)	428,3	428,3	+0,005%
Cao + rất cao, kb_xgb_ssp245_giua (km²)	1.012,4	1.012,4	-0,002%
Cao + rất cao, kb_xgb_ssp585_giua (km²)	995,1	995,0	-0,005%
Cao + rất cao, kb_xgb_ssp245_cuoi (km²)	1.019,6	1.019,6	-0,003%
Cao + rất cao, kb_xgb_ssp585_cuoi (km²)	1.001,3	1.001,3	+0,001%
Đã thay thế: cao + rất cao, nguy_co_hieu_chinh với π 0,0946 (km²)	422,1	422,1	+0,000%
Tổng dân số trong tỉnh sau hiệu chỉnh (người)	1.320.000	1.320.002	+0,000%
Dân số WorldPop trong tỉnh trước hiệu chỉnh (người)	1.131.332	1.131.331	-0,000%
Dân số phơi nhiễm cao + rất cao, nen (người)	407.488	407.485	-0,001%
Dân số phơi nhiễm cao + rất cao, giua_ssp245 (người)	396.798	396.794	-0,001%
Dân số phơi nhiễm cao + rất cao, giua_ssp585 (người)	389.908	389.904	-0,001%
Dân số phơi nhiễm cao + rất cao, cuoi_ssp245 (người)	400.327	400.323	-0,001%
Dân số phơi nhiễm cao + rất cao, cuoi_ssp585 (người)	395.366	395.362	-0,001%
Tỷ lệ dân phơi nhiễm nền (%)	30,87	30,87	+0,000%
Tỷ lệ diện tích nguy cơ cao + rất cao nền (%)	17,40	17,40	+0,023%
Đất canh tác trong vùng nguy cơ, nen (km²)	868,4	868,4	+0,003%
Đất canh tác trong vùng nguy cơ, giua_ssp245 (km²)	843,6	843,6	+0,005%
Đất canh tác trong vùng nguy cơ, giua_ssp585 (km²)	829,2	829,2	+0,005%
Đất canh tác trong vùng nguy cơ, cuoi_ssp245 (km²)	853,1	853,1	+0,004%
Đất canh tác trong vùng nguy cơ, cuoi_ssp585 (km²)	814,7	814,7	-0,005%
Tổng đất canh tác trong tỉnh (km²)	991,1	991,1	+0,000%
Tỷ lệ đất canh tác trong vùng nguy cơ nền (%)	87,62	87,62	+0,003%
Diện tích từng ngập S1 2015-2023 (km²)	564,70	564,65	-0,009%
Số cặp ảnh S1 có r từ 0,75 đến 1,5 (chỉ báo lỗi xuất ảnh, không đo chất lượng)	10	10	+0,000%
Đã thay thế: trung vị ngập nhóm r 0,75-1,5 / nhóm r < 0,5 (lần)	47	46,9	-0,213%
Cặp ảnh S1 chỉ phủ một phần tỉnh (lỗi xuất ảnh)	15	15	+0,000%
Cặp ảnh S1 trước và sau trùng từ 50% số ô (lỗi xuất ảnh)	11	11	+0,000%
Cặp ảnh S1 phủ đủ tỉnh, không trùng	-	11	-

Nguồn dữ liệu, giấy phép và câu ghi nguồn

Tổng hợp tự động từ danh mục lớp của hệ thống. Khi dùng lại dữ liệu phải ghi nguồn đúng câu dưới đây; dữ liệu dẫn xuất từ OpenStreetMap và UNOSAT phải chia sẻ cùng giấy phép.

Nguồn dữ liệu và giấy phép
Câu ghi nguồn	Giấy phép	Năm dữ liệu	Số lớp	Ví dụ lớp
Chứa dữ liệu Copernicus Sentinel-1 (2015-2023) đã xử lý bởi đề tài QĐ529 (bài báo 1)	Sản phẩm đề tài QĐ529; Copernicus Sentinel data (miễn phí, mở)	2015-2023; 2015; 2016	37	Tần suất ngập Sentinel-1 2015-2023; Vùng từng ngập 2015-2023 (Sentinel-1); Ngập mới ngày 28/07/2015 (Sentinel-1)
Đề tài QĐ529; Copernicus DEM GLO-30 © DLR e.V. 2010-2014 và © Airbus Defence and Space GmbH 2014-2018, cung cấp theo COPERNICUS bởi EU và ESA; ESA WorldCover 2020 (CC BY 4.0); CHIRPS v2.0 (Climate Hazards Center, UCSB, phạm vi công cộng); © OpenStreetMap contributors (ODbL); nhãn ngập từ dữ liệu Copernicus Sentinel-1 2015-2023 đã xử lý; NEX-GDDP-CMIP6 (NASA NCCS), giấy phép theo từng mô hình CMIP6	Sản phẩm của đề tài QĐ529 (quyền sử dụng theo hợp đồng 544/HĐ-SKHCN); dữ liệu đầu vào theo giấy phép riêng ghi ở attribution	SSP2-4.5 giữa thế kỷ (2041-2060); SSP5-8.5 giữa thế kỷ (2041-2060); SSP2-4.5 cuối thế kỷ (2081-2100)	16	Kịch bản SSP2-4.5 giữa thế kỷ (2041-2060) - XGBoost - xác suất; Kịch bản SSP2-4.5 giữa thế kỷ (2041-2060) - XGBoost - 5 cấp; Kịch bản SSP5-8.5 giữa thế kỷ (2041-2060) - XGBoost - xác suất
Copernicus DEM GLO-30: © DLR e.V. 2010-2014 và © Airbus Defence and Space GmbH 2014-2018, cung cấp theo COPERNICUS bởi Liên minh châu Âu và ESA	Giấy phép Copernicus DEM GLO-30 (sử dụng và phân phối lại miễn phí, ghi nguồn)	2011-2015	7	Cao độ số (DEM) Copernicus GLO-30; Độ dốc; Độ cong mặt cắt dọc (profile curvature)
Đề tài QĐ529; Copernicus DEM GLO-30 © DLR e.V. 2010-2014 và © Airbus Defence and Space GmbH 2014-2018, cung cấp theo COPERNICUS bởi EU và ESA; ESA WorldCover 2020 (CC BY 4.0); CHIRPS v2.0 (Climate Hazards Center, UCSB, phạm vi công cộng); © OpenStreetMap contributors (ODbL); nhãn ngập từ dữ liệu Copernicus Sentinel-1 2015-2023 đã xử lý	Sản phẩm của đề tài QĐ529 (quyền sử dụng theo hợp đồng 544/HĐ-SKHCN); dữ liệu đầu vào theo giấy phép riêng ghi ở attribution	2026 (nhãn 2015-2023)	6	Nguy cơ ngập lụt - DNN-PSO (sản phẩm chính) - xác suất; Nguy cơ ngập lụt - DNN-PSO (sản phẩm chính) - 5 cấp; Nguy cơ ngập lụt - XGBoost (bài báo 2) - xác suất
Đề tài KH&CN tỉnh Hà Tĩnh QĐ 529/QĐ-SKHCN (HĐ 544/HĐ-SKHCN), Trường ĐH GTVT TP.HCM	Sản phẩm đề tài QĐ529 (ranh giới số hoá của nhóm); geoBoundaries theo metadata nguồn	2025	4	Ranh giới 69 xã/phường (từ 01/7/2025); Ranh giới tỉnh Hà Tĩnh (hợp 69 xã); 13 đơn vị cấp huyện cũ (trước 01/7/2025)
CHIRPS v2.0, Climate Hazards Center, UC Santa Barbara (Funk và cộng sự, 2015)	CHIRPS: phạm vi công cộng (CC0)	1990-2020	3	Lượng mưa năm trung bình 1990-2020 (CHIRPS); Lượng mưa 5 ngày lớn nhất 1990-2020 (Rx5day, CHIRPS); Lượng mưa mùa mưa (VIII-XII) trung bình 1990-2020
© OpenStreetMap contributors	ODbL 1.0	2026	3	Sông, suối, kênh mương (OSM); Mặt nước (hồ, sông, ao); Đường giao thông chính
Bản đồ tưới Hà Tĩnh 2012-2013	Dữ liệu nội bộ đề tài; hỏi ý kiến cơ quan cung cấp trước khi công khai	2013	3	Trạm bơm thuỷ lợi; Kênh mương thuỷ lợi; Đập dâng và cống thuỷ lợi
© ESA WorldCover project 2020 / Contains modified Copernicus Sentinel data (2020) processed by ESA WorldCover consortium	CC BY 4.0	2020	2	Lớp phủ / sử dụng đất ESA WorldCover 2020; Lớp phủ thực vật (có/không)
© OpenStreetMap contributors	Sản phẩm dẫn xuất từ OpenStreetMap (ODbL), phải ghi nguồn	2026	1	Khoảng cách tới sông suối
WorldPop (www.worldpop.org, University of Southampton), 2020	CC BY 4.0	2020	1	Mật độ dân số 2020 (WorldPop, hiệu chỉnh niên giám)
HydroRIVERS © WWF/HydroSHEDS; tên sông © OpenStreetMap contributors	HydroSHEDS License (miễn phí, ghi nguồn) + ODbL 1.0 cho tên OSM	2019	1	Sông suối (HydroRIVERS, phân bậc Strahler)
Bản đồ tưới Hà Tĩnh 2012-2013	Dữ liệu nội bộ đề tài (nguồn Chi cục/Công ty thuỷ lợi); hỏi ý kiến cơ quan cung cấp trước khi công khai	2013	1	Hồ chứa, hồ đập thuỷ lợi
Đài KTTV; nhóm đề tài QĐ529	Số liệu công bố/văn bản nhà nước; ghi nguồn	2020	1	Trạm thuỷ văn và mức báo động lũ
© European Union, 2020, Copernicus Emergency Management Service	Copernicus: truy cập mở, miễn phí, bắt buộc ghi nguồn (Quy định uỷ quyền (EU) 1159/2013)	2020	1	Vết ngập Copernicus EMS 2020
UNOSAT/UNITAR	CC BY-SA (theo HDX, tổ chức UNOSAT). ShareAlike: lớp dẫn xuất phải chia sẻ cùng giấy phép	2020	1	Vết ngập UNOSAT 2016 và 2020
Nhóm đề tài QĐ529; © OpenStreetMap contributors	Ranh giới: dữ liệu đề tài; OSM: ODbL 1.0	2026	1	Điểm địa danh (tìm kiếm)
© OpenStreetMap contributors, Protomaps	ODbL 1.0 (dữ liệu); SIL OFL 1.1 (font); MIT (sprite)	2026-09-30	1	Bản đồ nền Protomaps (tự host)
Open-Meteo.com (ECMWF), CC BY 4.0	CC BY 4.0, phi thương mại	-	-	Open-Meteo Ensemble API (ECMWF 51 thành viên): Mưa dự báo cho tín hiệu cảnh báo tham khảo
NASA Earth Exchange Global Daily Downscaled Projections (NEX-GDDP-CMIP6)	Dữ liệu mở của NASA	-	-	NASA NEX-GDDP-CMIP6 (6 mô hình khí hậu toàn cầu): Hệ số thay đổi mưa cho kịch bản biến đổi khí hậu
UNOSAT/UNITAR; Copernicus Emergency Management Service (© 2020 European Union), EMSR464	UNOSAT: CC BY-SA; Copernicus EMS: truy cập mở, bắt buộc ghi nguồn	-	-	UNOSAT/UNITAR và Copernicus EMS: Vết ngập tham chiếu cho kiểm chứng mô hình (bước 4.7)

Liên hệ

Cơ quan chủ trì: Trường Đại học Giao thông vận tải TP. Hồ Chí Minh
Chủ nhiệm đề tài: PGS.TS Nguyễn Anh Tuấn
Cơ quan quản lý: Sở Khoa học và Công nghệ tỉnh Hà Tĩnh

Hướng dẫn sử dụng chi tiết xem tại trang Hướng dẫn; dữ liệu công khai cho phần mềm GIS xem tại trang API dữ liệu.