Rủi ro lũ lụt là quá trình tương tác trực tiếp giữa biến đổi khí hậu với xã hội. Trong bổi cảnh toàn cầu rủi ro lũ lụt ngày càng gia tăng, việc xây dựng mô hình đánh giá rủi ro có thể hỗ trợ hiệu quả các chiến lượt và chính sách quản lý rủi ro thiên tai là rất quan trọng. Điều này đặc biệt thích hợp trong trường hợp đối với Di sản thế giới, xét về giá trị kinh tế-xã hội của các di sản này đem lại. Mặc dù đã có một lượng lớn các tài liệu về chủ đề bảo tồn di sản thế giới và giảm thiểu tác động của thiên tai đối với các di sản này, nhưng khả năng ứng dụng của các nghiên cứu thường chỉ giới hạn ở các tài sản hoặc các địa điểm đơn lẻ. Nghiên cứu này đề xuất một mô hình nghiên cứu để thực hiện các đánh giá định lượng rủi ro ngập lụt và bán định lượng đối với các khu vực di sản bất động. Việc lựa chọn và tính toán chỉ số rủi ro có thể được sử dụng để cung cấp đánh giá sơ bộ về rủi ro ngập lụt đối với Di sản thế giới. Nghiên cứu này được minh họa thông qua một ứng dụng cho Thành phố Hôi An. Nghiên cứu điển hình này được sử dụng để thảo luận về các vấn đề khác nhau liên quan đến yêu cầu dữ liệu, tính sẵn có và độ tin cậy.

Tình trạng nước mặt tại thành phố Hội An đang phải đối diện với những thách thức về mức độ ô nhiễm trong hơn một thập kỷ qua. Nghiên cứu này giới thiệu tích hợp mô hình học máy với hệ thống suy luận mờ dựa trên mạng thích ứng (ANFIS), kết hợp với dữ liệu viễn thám quang học và radar để ước tính ba thông số chất lượng nước như TSS, COD và BOD. Hiệu suất của mô hình được đánh giá bằng cách sử dụng các tham số bao gồm RMSE, R2, MAE. Các chỉ số dự đoán cung cấp kết quả đáng kể, với RMSE dao động từ 3,52 mg/l đến 4,59 mg/l, R2 dao động từ 0,69-0,82 và MAE dao động từ 2,39 mg/l đến 3,16 mg/l. Kết quả cho thấy, nồng độ của ba thông số đánh giá chất lượng nước cao phân bố ở khu vực Đô thị cổ Hội An, sông Hoài. Phương pháp này có thể sử dụng để đánh giá các thông số chất lượng nước mặt, nhằm giám sát nhanh tình trạng của môi trường nước, cung cấp một phương pháp giám sát chất lượng nước mặt, đây có thể là nền tảng để đưa ra giải pháp bảo vệ và sử dụng nguồn nước sạch ở các thành phố Di sản.

Kiểm soát tiếng ồn trong môi trường lao động là cần thiết cho sức khỏe con người và môi trường xung quanh. Mức độ tiếng ồn nguy hiểm, được coi là ngưỡng gây ra các vấn đề về tâm sinh lý cho người lao động. Mục đích của nghiên cứu này xây dựng bản đồ phân bố không gian mức độ tiếng ồn bằng số liệu đo được tính toán dựa trên mô hình tiếng ồn. Một khu công nghiệp sản xuất nhựa tại thành phố Hải Phòng đã được lựa chọn và mức áp suất âm thanh được đo tại 60 điểm riêng biệt tại khu công nghiệp. Các phép đo được tiến hành vào các khung giờ buổi Sáng (8h00 – 10h00) với mức độ tiếng ồn vào buổi sáng dao động từ 37,5 đến 95,2 dBA, buổi Trưa (11h30 – 13h30) dao động từ 17,0 đến 74,0 dBA và buổi Chiều (14h00 – 16h00) từ 38,7 đến 100 dBA. Dữ liệu mức tiếng ồn thu được của khu công nghiệp được lập bản đồ bằng mô hình mạng nơ-ron hàm cơ sở xuyên tâm (RBF). Kết quả chỉ ra rằng chất lượng môi trường lao động trong khu công nghiệp ở mức trung bình, có nghĩa là việc tiếp xúc với các mức độ này trong một thời gian dài có thể ảnh hưởng đến sức khỏe và chất lượng cuộc sống của người lao động. Đề xuất giải pháp khả thi để giảm mức độ tiếng ồn trong khu vực xuống các giá trị giới hạn cho phép nhằm nâng cao chất lượng môi trường lao động.

Rác thải nhựa tại các khu vực ven biển có nguồn gốc do các hoạt động của con người và đang trở thành mối nguy cho môi trường biển bởi số lượng lớn và khó phân hủy. Chúng đe dọa đến hệ động vật biển và phá hủy hệ sinh thái biển, gây ô nhiễm môi trường và làm giảm giá trị cảnh quan của bãi biển. Các chương trình giám sát và các biện pháp giảm thiểu đã được đưa ra để giải quyết vấn đề này trên toàn thế giới, với sự hỗ trợ ngày càng nhiều của công nghệ hiện đại và tự động hóa các quá trình phân tích. Hình ảnh từ máy bay không người lái (UAV) và mạng nơ-ron tích chập sâu (DCNN) có thể được sử dụng hiệu quả để phát hiện, xác định và giám sát loại rác thải nhựa ven biển. Nghiên cứu này đề xuất một thuật toán phát hiện rác thải nhựa ven biển dựa trên cách tiếp cận mô hình DCNN có khả năng học từ dữ liệu không có cấu trúc hoặc không được gắn nhãn. Mô hình học máy dựa trên mạng nơ-ron tích chập sâu đã được đào tạo và thử nghiệm bằng cách sử dụng 95 hình ảnh được chụp từ Phantom 4 Pro với camera loại CMOS 1 inch có độ phân giải 20MP khu vực ven biển Hội An (Quảng Nam). Kết quả cho thấy, độ chính xác trong phân loại hình ảnh rác thải nhựa ven biển và xác nhận chéo lần lượt là 0,87 và 0,83. Nghiên cứu nhằm cung cấp một cách tiếp cận mới cho các nhà nghiên cứu, nhà quản lý vùng ven biển có ý định sử dụng ảnh UAV để giám sát và đánh giá mối đe dọa môi trường từ các mảnh rác thải biển. Tuy nhiên, việc giám sát tự động vẫn là một thách thức về công nghệ và cần có những nghiên cứu thêm để cải thiện độ chính xác của các thuật toán hiện tại trong tương lai.

Thảm thực vật ngặp mặn thuộc hệ sinh thái bị đe dọa và dễ bị tổn thương nhất trên thế giới, đã và đang bị suy giảm nhanh chóng trong vài thập kỷ trở lại đây. Động thái thảm thực vật ngập mặn ở thành phố Quy Nhơn gần như chưa được quan tâm và theo dõi kể từ năm 1975, mặc dù diện tích đã suy giảm đáng kể trong những năm đầu của thế kỷ 21. Do đó, mục tiêu của nghiên cứu này là định lượng thảm thực vật ngập mặn và xác định những động lực chính của sự biến đổi ở khu vực thành phố Quy Nhơn, tỉnh Bình Định giai đoạn 1975-2020. Những biến đổi theo không gian và thời gian của thảm thực vật ngập mặn được chiết xuất bằng cách sử dụng phương pháp phân loại dựa trên đối tượng kết hợp với các chỉ số quang phổ (CMRI) và thuật toán SVM (support vector machine) trên các ảnh viễn thám quang học. Kết quả cho thấy, diện tích thảm thực vật ngập mặn khu vực thành phố Quy Nhơn có sự suy giảm đáng kể 8,26% trong suốt 45 năm và mức độ suy giảm khác nhau trong các thời kỳ 1975-1995, 1995-2005, 2005-2010 và 2010-2020. Trong đó, thời kỳ 1995-2005 suy giảm lớn nhất là 297,56 ha với tỷ lệ suy giảm hằng năm là 29,75%/năm. Các phát hiện trong nghiên cứu này nhấn mạnh sự cần thiết phải giám sát thường xuyên và liên tục của thảm thực vật ngập mặn đối với một thành phố ven biển trong bối cảnh chịu tác động của biến đổi khí hậu và quá trình đô thị hóa đang diễn ra nhanh chóng.