Drone, LiDAR và trí tuệ nhân tạo (AI) đang được ứng dụng ngày càng nhiều để giám sát công tác cải tạo mỏ. Khi tích hợp trên nền tảng bản sao số, các công nghệ này góp phần nâng cao khả năng theo dõi tiến trình phục hồi và cung cấp dữ liệu phục vụ quản lý môi trường.

Ảnh: Hexagon R-evolution

Hệ thống khảo sát bằng LiDAR và camera độ phân giải cao thu thập dữ liệu để xây dựng bản sao số 3D của khu mỏ và cảnh quan xung quanh. Ảnh: Hexagon R-evolution

 Thách thức trong cải tạo và phục hồi môi trường mỏ

Hoạt động khai thác khoáng sản để lại nhiều khu mỏ cần được cải tạo và phục hồi sau khi ngừng khai thác. Trong bối cảnh các yêu cầu về môi trường, xã hội và quản trị (ESG) ngày càng được chú trọng, doanh nghiệp khai khoáng cần theo dõi hiện trạng khu mỏ, đánh giá tiến độ và kết quả phục hồi, đồng thời cung cấp thông tin có cơ sở về những thay đổi của môi trường.

Tuy nhiên, việc giám sát trên diện rộng, trong thời gian dài và tại những khu vực khó tiếp cận đặt ra không ít thách thức. Các công nghệ như drone, LiDAR và AI, kết hợp với bản sao số, đang mở ra hướng tiếp cận mới, cho phép thu thập, tích hợp và phân tích dữ liệu phục vụ công tác này.

Một trường hợp ứng dụng là mỏ quặng sắt Águas Claras (MAC), thuộc tập đoàn khai khoáng Vale, tại Belo Horizonte, Brazil. Mỏ ngừng hoạt động năm 2002, sau gần 30 năm khai thác. Đây là mỏ đầu tiên tại Brazil tham gia sáng kiến Future Use của Vale, hướng đến cải tạo các khu vực khai thác đã ngừng hoạt động, với ngân sách dự kiến 3,6 tỷ USD.

 Xây dựng bản sao số

Vale đã hợp tác với R-evolution, bộ phận công nghệ xanh của Hexagon, phát triển các giải pháp số phục vụ giám sát đa dạng sinh học và phục hồi môi trường tại khu mỏ. Năm 2024, Hexagon giới thiệu Green Cubes, nền tảng bản sao số tích hợp nhiều nguồn dữ liệu, gồm ảnh vệ tinh, LiDAR trên không và mặt đất, ảnh hàng không độ phân giải cao, bẫy ảnh, cảm biến âm thanh và radar xuyên đất, để xây dựng mô hình 3D về cảnh quan.

Theo Erik Josefsson, Giám đốc điều hành R-evolution, nền tảng hướng tới việc lượng hóa những thay đổi của môi trường thông qua khái niệm “mét khối đa dạng sinh học”, qua đó hỗ trợ theo dõi tiến trình phục hồi theo thời gian. Mức độ chi tiết của mô hình phụ thuộc vào dữ liệu thu thập được.

Tại mỏ Águas Claras, hệ thống đã lập bản đồ khu vực rộng hơn 20 km², tạo đám mây điểm với mật độ hơn 40 điểm/m² và xây dựng mô hình số địa hình có độ phân giải không gian 10 cm. Các dữ liệu được tích hợp vào nền tảng Green Cubes, ứng dụng AI để hỗ trợ phân tích thông tin về đa dạng sinh học và những thay đổi của hệ sinh thái xung quanh.

Ứng dụng Green Cubes chồng lớp dữ liệu đám mây điểm từ LiDAR lên khu vực mỏ Águas Claras để xây dựng bản sao số 3D, phục vụ giám sát đa dạng sinh học, thảm thực vật và tiến độ cải tạo, phục hồi mỏ. Ảnh: Vale/Hexagon R-evolution

Nhân viên theo dõi hoạt động khảo sát LiDAR trên không nhằm thu thập dữ liệu độ phân giải cao phục vụ xây dựng bản sao số Green Cubes. Ảnh: Hexagon R-evolution

Bên cạnh giám sát môi trường, công nghệ số còn được sử dụng để tăng cường kết nối với cộng đồng. Tại khu bảo tồn tư nhân Mata de Jambreiro, rộng 912 ha, bốn điểm được trang bị cảm biến, thiết bị thu âm và bẫy ảnh, tạo trải nghiệm số 3D, 360 độ về hệ sinh thái thông qua ứng dụng Green Cubes Experience.

Khu vực xung quanh mỏ có sự đan xen giữa khu dân cư, các cụm thương mại, vùng nông thôn và khu bảo tồn liên quan đến tài nguyên nước. Vì vậy, thông tin về hiện trạng môi trường và đa dạng sinh học có ý nghĩa đối với công tác quản lý, bảo tồn và trao đổi thông tin với cộng đồng địa phương.

 Đo lường tiến trình phục hồi

AI hỗ trợ phân tích hình ảnh và âm thanh thu thập từ bẫy ảnh, thiết bị ghi âm nhằm nhận diện các loài động vật xuất hiện trong khu vực. Tại mỏ Águas Claras, hệ thống đã ghi nhận báo sư tử (Puma concolor) sau 10 năm không có ghi nhận và xác định 146 loài chim trong 90 ngày.

Các dữ liệu này được tích hợp vào nền tảng bản sao số, bổ sung thông tin về sự hiện diện của động vật và hỗ trợ theo dõi những thay đổi của hệ sinh thái. Khi được kết hợp với dữ liệu địa hình, thảm thực vật và khảo sát thực địa, kết quả quan trắc có thể cung cấp thêm cơ sở cho việc đánh giá hiện trạng, lập kế hoạch cải tạo và báo cáo môi trường.

R-evolution cũng đang hợp tác với Lực lượng đặc nhiệm về công bố thông tin tài chính liên quan đến thiên nhiên (TNFD), hướng tới thúc đẩy việc công bố thông tin về đa dạng sinh học.

Một cá thể báo sư tử (Puma concolor) được hệ thống giám sát đa dạng sinh học Green Cubes ghi nhận tại mỏ Águas Claras, Brazil. Ảnh: Vale/Hexagon R-evolution

Giá trị và giới hạn của công nghệ giám sát

Drone và LiDAR hỗ trợ thu thập dữ liệu không gian về địa hình, bề mặt và cấu trúc thảm thực vật; AI giúp phân tích hình ảnh, âm thanh và nhận diện một số dấu hiệu sinh học. Khi được tích hợp trên nền tảng bản sao số, các nguồn dữ liệu này cho phép theo dõi những thay đổi tại khu mỏ theo thời gian, kể cả ở những khu vực khó tiếp cận.

Tuy nhiên, dữ liệu viễn thám chưa đủ để đánh giá toàn diện tiến trình phục hồi sinh thái. Theo báo cáo Viễn thám trong giám sát đất mỏ và công tác phục hồi của Cục Khảo sát Địa chất Hoa Kỳ (USGS), công bố năm 2024, việc giám sát cần gắn với mục tiêu và chỉ số đánh giá phù hợp, đồng thời kết hợp dữ liệu viễn thám với khảo sát thực địa để hỗ trợ phân tích và kiểm chứng kết quả.

Do đó, drone, LiDAR và AI nên được xem là những công cụ hỗ trợ giám sát, không thay thế hoàn toàn việc khảo sát và đánh giá tại hiện trường. Kết hợp dữ liệu công nghệ với kiểm chứng thực địa và theo dõi dài hạn sẽ giúp đánh giá tiến trình cải tạo mỏ có cơ sở hơn, đồng thời cung cấp thông tin phục vụ quản lý môi trường sau khai thác./.