Đánh giá sự thay đổi dòng chảy sông ở bán đảo Đông Dương trong bối cảnh biến đổi khí hậu

Luận án tiến sĩ đánh giá biến đổi dòng chảy sông tại bán đảo Đông Dương trong bối cảnh biến đổi khí hậu, đáp ứng yêu cầu học vị Tiến sĩ Triết học.

• Tác giả: Duong Duc Toan
• Người hướng dẫn: Prof. Yasuto Tachikawa
• Trường học: Kyoto University
• Chuyên ngành: Civil and Earth Resources Engineering
• Đề tài: Đánh Giá Sự Thay Đổi Dòng Chảy Sông Ở Bán Đảo Đông Dương Dưới Tác Động Của Biến Đổi Khí Hậu
• Loại tài liệu: thesis
• Năm xuất bản: 2014
• Địa điểm: Kyoto

Mục lục chi tiết

• Abstract
• Acknowledgements
• Declaration of authorship
• 1. CHAPTER 1: INTRODUCTION
• 1.1. Background
• 1.3. Thesis outline
• 1.4. References
• 2. CHAPTER 2: STUDY AREA, INPUT DATA AND HYDROLOGICAL MODEL
• 2.1. Study area
• 2.2. Hydrological model
• 2.2.1. Catchment model
• 2.2.2. Flow model
• 2.3. Topographic data
• 2.4. General circulation model data
• 2.4.1. Atmospheric general circulation model MRI-AGCM
• 2.4.2. Model for interdisciplinary research on climate
• 2.5. References
• 3. CHAPTER 3: RIVER DISCHARGE PROJECTION IN THE INDOCHINA PENINSULA REGION UNDER A CHANGING CLIMATE USING THE MRI-AGCM3.2S
• 3.1. Future changes in river discharge in the Indochina Peninsula region under a changing climate
• 3.1.1. Changes in water resources
• 3.1.2. Changes in flood risk
• 3.1.3. Changes in drought risk
• 4. CHAPTER 4: STATISTICAL ANALYSIS OF RIVER DISCHARGE PROJECTED USING THE MRI-AGCM3.2S DATASET IN THE INDOCHINA PENINSULA REGION
• 4.1. Test for normality
• 4.2. Test for statistically significant differences between two means
• 4.3. Results and discussions
• 4.3.1. Test for normality
• 4.3.2. Test for statistically significant differences between two means
• 4.4. Conclusions
• 4.5. References
• 5. CHAPTER 5: FUTURE CHANGES AND UNCERTAINTIES IN RIVER DISCHARGE PROJECTED USING DIFFERENT ENSEMBLE EXPERIMENTS OF THE MRI-AGCM AND MIROCS DATASETS
• 5.1. Data and methods
• 5.2. Results and discussions
• 5.2.1. Changes in annual mean discharge
• 5.2.2. Changes in mean of annual maximum daily discharge
• 5.2.3. Changes in mean of annual minimum daily discharge
• 6. CHAPTER 6: BIAS CORRECTION OF RUNOFF GENERATION DATA TO IMPROVE RIVER DISCHARGE PROJECTION
• 6.1. Methods
• 6.2. Study area
• 6.3. Land surface process model
• 6.4. Data
• 6.4.1. Topographic data
• 6.4.2. GCM runoff generation data
• 6.4.3. Meteorological data
• 6.4.4. Soil, vegetation, and land use data
• 6.5. Resolution and simulation period of SiBUC model
• 6.6. Bias correction of GCM runoff generation data
• 6.7. Results and discussions
• 6.7.1. Reproduction of runoff generation data using SiBUC
• 6.7.2. Bias correction of runoff generation data
• 6.8. Conclusions
• 7. CHAPTER 7: CONCLUSION
• List of figures
• List of tables

Tóm tắt

I. Đặt vấn đề

Biến đổi khí hậu đang trở thành một trong những thách thức lớn nhất đối với môi trường và phát triển bền vững. Biến đổi khí hậu không chỉ ảnh hưởng đến nhiệt độ mà còn tác động sâu sắc đến dòng chảy sông và các nguồn nước. Tại bán đảo Đông Dương, sự thay đổi này có thể dẫn đến những biến động lớn trong hệ sinh thái và quản lý tài nguyên nước. Việc đánh giá sự thay đổi dòng chảy sông là cần thiết để hiểu rõ hơn về tác động của biến đổi khí hậu đến các hệ thống thủy văn. Theo báo cáo của IPCC, nhiệt độ trung bình bề mặt đã tăng khoảng 0.6 đến 1.0 độ C trong thế kỷ qua, điều này đã dẫn đến sự gia tăng tần suất và cường độ của các hiện tượng thời tiết cực đoan như lũ lụt và hạn hán.

II. Tác động của biến đổi khí hậu đến dòng chảy sông

Sự thay đổi trong dòng chảy sông có thể được xem như một chỉ số quan trọng phản ánh tác động của biến đổi khí hậu. Các mô hình khí hậu toàn cầu (GCMs) đã được sử dụng để dự đoán các biến đổi trong dòng chảy sông. Nghiên cứu cho thấy rằng, trong tương lai, các lưu vực như sông Irawaddy và sông Hồng có thể đối mặt với nguy cơ lũ lụt gia tăng, trong khi các khu vực khác như giữa lưu vực sông Mekong có thể phải đối mặt với tình trạng hạn hán nghiêm trọng hơn. Điều này cho thấy sự cần thiết phải có các chính sách quản lý nước hiệu quả để ứng phó với những thay đổi này.

III. Phương pháp nghiên cứu

Nghiên cứu này sử dụng mô hình dòng chảy IK-FRM kết hợp với dữ liệu từ mô hình khí hậu MRI-AGCM3 2S để dự đoán sự thay đổi dòng chảy sông trong các kịch bản khí hậu khác nhau. Dữ liệu được thu thập từ ba giai đoạn: hiện tại (1979-2008), tương lai gần (2015-2044) và tương lai xa (2075-2104). Phân tích thống kê được thực hiện để xác định các lưu vực có sự thay đổi đáng kể liên quan đến lũ lụt và hạn hán. Kết quả cho thấy rằng, sự không chắc chắn trong dự đoán dòng chảy sông chủ yếu đến từ sự khác biệt trong các mô hình khí hậu và độ phân giải không gian.

IV. Kết quả và thảo luận

Kết quả nghiên cứu chỉ ra rằng, dòng chảy sông ở bán đảo Đông Dương sẽ có sự thay đổi đáng kể trong tương lai. Cụ thể, lưu vực sông Irawaddy và sông Hồng có nguy cơ cao về lũ lụt, trong khi lưu vực sông Mekong có thể phải đối mặt với tình trạng hạn hán gia tăng. Những thay đổi này không chỉ ảnh hưởng đến tài nguyên nước mà còn đến các hệ sinh thái và đời sống của con người. Việc đánh giá tác động của biến đổi khí hậu đến dòng chảy sông là rất quan trọng để xây dựng các chính sách bảo vệ môi trường và phát triển bền vững.

V. Kết luận

Nghiên cứu này đã chỉ ra rằng, biến đổi khí hậu có tác động sâu sắc đến dòng chảy sông ở bán đảo Đông Dương. Việc hiểu rõ các thay đổi này là cần thiết để phát triển các chiến lược quản lý nước hiệu quả. Các kết quả từ nghiên cứu có thể được áp dụng trong việc xây dựng chính sách bảo vệ môi trường và ứng phó với các thách thức do biến đổi khí hậu gây ra. Cần có thêm nhiều nghiên cứu để cải thiện độ chính xác của các dự đoán và giảm thiểu sự không chắc chắn trong các mô hình khí hậu.

Nội dung chính

Tổng quan nghiên cứu

Biến đổi khí hậu toàn cầu đang tác động sâu sắc đến chu trình thủy văn, làm thay đổi căn bản phân bố lượng mưa và gia tăng các hiện tượng thời tiết cực đoan. Theo báo cáo đánh giá của Ủy ban Liên chính phủ về Biến đổi Khí hậu (IPCC), nhiệt độ bề mặt trung bình toàn cầu đã tăng khoảng 0,89°C trong giai đoạn 1901–2012. Riêng tại khu vực Bán đảo Đông Dương, số liệu quan trắc thực tế ghi nhận mức tăng nhiệt độ từ 0,6°C đến 1,0°C trong thế kỷ qua và được dự báo sẽ tăng thêm khoảng 1,25°C vào cuối thế kỷ 21. Sự nóng lên toàn cầu này dẫn đến những biến động mạnh mẽ về dòng chảy sông ngòi, làm gia tăng cả tần suất lẫn cường độ của lũ lụt, hạn hán và suy thoái an ninh nguồn nước.

Nghiên cứu tập trung giải quyết vấn đề cốt lõi: Đánh giá định lượng sự biến đổi lưu lượng dòng chảy sông ngòi trên toàn khu vực Bán đảo Đông Dương dưới các kịch bản biến đổi khí hậu tương lai. Mục tiêu cụ thể là mô phỏng lưu lượng dòng chảy bằng mô hình thủy văn phân bố, xác định các lưu vực điểm nóng có nguy cơ cao về lũ lụt và hạn hán, kiểm định ý nghĩa thống kê của các biến đổi, đồng thời đánh giá độ bất định của mô hình và áp dụng kỹ thuật hiệu chỉnh sai số.

Phạm vi nghiên cứu bao trùm không gian địa lý từ vĩ độ 5°N đến 34°N và kinh độ 91°E đến 109,5°E, bao gồm toàn bộ lãnh thổ Việt Nam, Lào, Campuchia, Thái Lan, Myanmar và một phần phía nam Trung Quốc với 5 lưu vực sông lớn có tổng diện tích hơn 1.917.000 km². Dòng thời gian nghiên cứu được chia thành 3 thời kỳ mô phỏng 30 năm: thời kỳ hiện tại (1979–2008), tương lai gần (2015–2044) và tương lai xa (2075–2104). Kết quả nghiên cứu mang ý nghĩa thực tiễn quan trọng, cung cấp cơ sở dữ liệu định lượng về tỷ số thay đổi dòng chảy đỉnh lũ (vượt ngưỡng 2,0 lần tại các vùng nguy cơ) và dòng chảy kiệt, phục vụ công tác hoạch định chiến lược quản lý tài nguyên nước và giảm thiểu rủi ro thiên tai.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên sự tích hợp giữa các khung lý thuyết thủy văn học và khí hậu học hiện đại:

1. Lý thuyết sóng động học (Kinematic Wave Theory): Đóng vai trò là nền tảng toán học mô tả quá trình truyền triều và tập trung dòng chảy trên sườn dốc cũng như mạng lưới lòng dẫn kênh hở. Mô hình dựa trên phương trình liên tục kết hợp phương trình động lực học dạng Manning để tính toán biến thiên lưu lượng theo thời gian và không gian.
2. Lý thuyết hoàn lưu khí quyển toàn cầu (General Circulation Theory): Sử dụng các nguyên lý động lực học chất lưu và truyền bức xạ để mô phỏng sự tương tác giữa đại dương, đất liền và khí quyển, cung cấp các kịch bản phát thải và chuỗi số liệu khí hậu tương lai.
3. Mô hình tương tác bề mặt sinh quyển (Simple Biosphere Model - SiB/SiBUC): Mô tả chi tiết quá trình trao đổi nhiệt, bốc thoát hơi nước và hình thành dòng chảy ngầm cũng như dòng chảy mặt tại các lớp phủ thực vật và đô thị.

Các khái niệm chính được ứng dụng xuyên suốt bao gồm: Lưu lượng dòng chảy sông ngòi (River Discharge), Chu kỳ lặp lại 10 năm (10-Year Return Period), Phân phối giá trị cực trị tổng quát (Generalized Extreme Value - GEV), Hiệu chỉnh sai số hàm phân phối tích lũy (Quantile-Quantile Mapping) và Tiêu chuẩn bình phương tối thiểu chuẩn hóa (Standard Least Squares Criterion - SLSC).

Phương pháp nghiên cứu

Nghiên cứu áp dụng quy trình mô phỏng thủy văn phân bố kết hợp phân tích thống kê nâng cao:

• Nguồn dữ liệu: Nguồn dữ liệu khí hậu đầu vào được trích xuất từ mô hình hoàn lưu khí quyển siêu phân giải cao MRI-AGCM3.2S (độ phân giải lưới 20 km) và MRI-AGCM3.2 (60 km) do Viện Nghiên cứu Khí tượng Nhật Bản (MRI) và Cơ quan Khí tượng Nhật Bản (JMA) phát triển, cùng bộ dữ liệu MIROC5 (độ phân giải 140 km) thuộc dự án CMIP5. Dữ liệu địa hình sử dụng mạng lưới dòng chảy toàn cầu quy mô phi kích thước (scale-free streamflow network) độ phân giải 5 phút góc (5-arc-minute, tương đương khoảng 10 km). Dữ liệu tái phân tích khí quyển JRA-55 và dữ liệu mưa quan trắc APHRODITE được sử dụng để hiệu chỉnh mô hình bề mặt đất SiBUC.
• Cỡ mẫu và phương pháp chọn mẫu: Cỡ mẫu nghiên cứu bao gồm chuỗi dữ liệu thủy văn liên tục 30 năm cho mỗi giai đoạn thí nghiệm (1979–2008, 2015–2044 và 2075–2104) với bước thời gian tính toán dòng chảy 3 giờ. Phương pháp chọn mẫu là phương pháp chọn mẫu toàn phần đa thời kỳ trên toàn bộ hệ thống lưới thủy văn của bán đảo, đảm bảo tính đại diện thống kê dài hạn theo tiêu chuẩn của Tổ chức Khí tượng Thế giới (WMO).
• Lý do lựa chọn phương pháp phân tích: Mô hình dòng chảy phân bố 1K-FRM (Kyoto University) được lựa chọn vì khả năng bảo toàn đặc tính thủy lực trên các lưu vực phức tạp, tính toán nhanh và tương thích hoàn hảo với dữ liệu dòng chảy sinh ra từ GCM. Kiểm định thống kê Shapiro-Wilk (W-test) được thực hiện đầu tiên để kiểm tra phân phối chuẩn của chuỗi số liệu. Dựa trên kết quả chuẩn hóa, kiểm định tham số Welch's t-test hoặc kiểm định phi tham số Mann-Whitney U test được áp dụng nhằm xác định mức ý nghĩa thống kê ($p < 0,05$) của sự biến đổi dòng chảy giữa các thời kỳ.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình mô phỏng và phân tích dữ liệu cho thấy những biến động rõ rệt về chế độ thủy văn trên toàn khu vực Bán đảo Đông Dương:

1. Gia tăng nghiêm trọng nguy cơ lũ lụt: Lưu vực sông Irrawaddy (diện tích 425.000 km²) tại Myanmar và lưu vực sông Hồng (170.000 km²) tại miền Bắc Việt Nam là hai điểm nóng có nguy cơ lũ lụt tăng cao nhất. Trong thời kỳ tương lai xa (2075–2104), tỷ số lưu lượng đỉnh ngày lớn nhất hàng năm tại nhiều trạm thuộc hai lưu vực này tăng vượt mức 2,0 lần (tương đương mức tăng hơn 100%) so với thời kỳ hiện tại. Lưu lượng cực đại ứng với chu kỳ lặp lại 10 năm cũng ghi nhận mức tăng trưởng từ 1,3 đến 1,8 lần.
2. Gia tăng áp lực hạn hán và khan hiếm nước: Ngược lại với xu thế lũ lụt ở phía bắc, nguy cơ hạn hán có xu hướng gia tăng mạnh mẽ tại khu vực trung lưu sông Mê Kông (thuộc lãnh thổ Lào), vùng duyên hải miền Trung và miền Nam Việt Nam, cùng phía đông lưu vực sông Chao Phraya (Thái Lan). Tại miền Trung Việt Nam, tỷ số dòng chảy trung bình năm trong tương lai xa suy giảm xuống dưới 0,8 lần (giảm hơn 20%), trong khi lưu lượng dòng chảy kiệt nhỏ nhất hàng năm giảm sâu từ 15% đến 30%.
3. Phân hóa dòng chảy trung bình năm: Thượng nguồn sông Salween (330.000 km²), thượng nguồn sông Mê Kông (814.000 km²) và hạ lưu sông Irrawaddy có xu hướng tăng lượng nước bình quân năm với tỷ số dao động trong khoảng từ 1,1 đến 1,5 lần.
4. Xác định nguồn gốc độ bất định lớn nhất: Phân tích tổ hợp đa mô hình chỉ ra rằng độ bất định phát sinh từ các lược đồ đối lưu mây tích (Yoshimura, Arakawa-Schubert, Kain-Fritsch) và độ phân giải không gian của mô hình GCM lớn hơn đáng kể so với độ bất định bắt nguồn từ sự biến đổi của các kịch bản nhiệt độ mặt nước biển (SST).

Thảo luận kết quả

Sự biến động trái chiều của chế độ dòng chảy bắt nguồn từ sự thay đổi cấu trúc gió mùa Đông Nam Á và sự gia tăng cường độ bốc thoát hơi nước do nền nhiệt tăng cao. Các đợt mưa lớn cực đoan tập trung trong thời gian ngắn gây lũ quét tại các vùng đồi núi phía bắc, trong khi mùa khô kéo dài làm suy kiệt dòng chảy ngầm ở khu vực phía nam.

Kết quả nghiên cứu hoàn toàn tương đồng với các dự báo trong Báo cáo Đánh giá thứ năm của IPCC (AR5), đồng thời làm rõ nét hơn bức tranh thủy văn chi tiết ở cấp độ lưu vực sông xuyên biên giới. Trong các phân tích học thuật, hệ thống dữ liệu này được thể hiện trực quan thông qua:

• Bản đồ phân bố không gian tỷ số biến đổi dòng chảy (Spatial Change Ratio Maps) thể hiện tỷ lệ chênh lệch lưu lượng giữa các mốc thời kỳ.
• Đường cong duy trì lưu lượng (Flow Duration Curves - FDC) mô tả xác suất xuất hiện của các cấp lưu lượng từ mùa lũ đến mùa kiệt tại các trạm đo chính như Takaoka, Senoshita trên sông Oyodo và Chikugo trong các thử nghiệm mô hình bề mặt đất SiBUC.
• Bảng tổng hợp kiểm định thống kê phân phối GEV và Weibull với chỉ số kiểm định SLSC đều đạt giá trị dưới ngưỡng chuẩn hóa 0,04 (và nhỏ hơn 0,07 đối với chuỗi mẫu thủy văn dưới 30 năm), khẳng định độ tin cậy vượt trội của mô hình cực trị.

Đề xuất và khuyến nghị

Dựa trên các phát hiện thực nghiệm, nghiên cứu đề xuất 4 nhóm giải pháp chiến lược nhằm thích ứng với sự biến đổi tài nguyên nước:

1. Nâng cấp hạ tầng kiểm soát lũ và đê điều xung yếu: Nâng cấp hệ thống đê điều, hồ cắt lũ và hành lang thoát lũ tại lưu vực sông Hồng và sông Irrawaddy nhằm tăng khả năng chịu tải thêm 30% đến 50% lưu lượng đỉnh cực đại trong giai đoạn 2025–2035; chủ thể thực hiện là Bộ Nông nghiệp và Phát triển Nông thôn phối hợp cùng chính quyền các địa phương vùng hạ du.
2. Tối ưu hóa quy trình vận hành liên hồ chứa đa mục tiêu: Thiết lập quy trình vận hành xả lũ và tích nước theo thời gian thực cho các chuỗi hồ chứa thủy điện trên lưu vực sông Mê Kông và sông Chao Phraya, bảo đảm duy trì lưu lượng dòng chảy môi trường mùa kiệt đạt tối thiểu 85% mức trung bình lịch sử từ năm 2025 đến 2030; chủ thể thực hiện là Ủy hội Sông Mê Kông quốc tế (MRC) phối hợp với Bộ Tài nguyên và Môi trường các nước thành viên.
3. Triển khai hệ thống giám sát hạn hán và cảnh báo sớm tích hợp: Xây dựng mạng lưới trạm quan trắc tự động và ứng dụng mô hình thủy văn phân bố kết hợp dữ liệu vệ tinh nhằm dự báo sớm nguy cơ thiếu nước cục bộ tại khu vực miền Trung Việt Nam, hướng tới mục tiêu giảm 25% thiệt hại kinh tế nông nghiệp do hạn hán vào năm 2030; chủ thể điều hành là Trung tâm Dự báo Khí tượng Thủy văn Quốc gia.
4. Ứng dụng công nghệ hiệu chỉnh sai số trong quy hoạch nguồn nước: Áp dụng phương pháp hiệu chỉnh sai số phân vị (Quantile-Quantile Mapping) kết hợp mô hình bề mặt đất SiBUC vào quá trình xây dựng Quy hoạch tài nguyên nước quốc gia tầm nhìn 2050, nâng cao độ chính xác dự báo dòng chảy thêm 15% đến 20%; chủ thể thực hiện là các Viện Quy hoạch Thủy lợi và các trường đại học chuyên ngành.

Đối tượng nên tham khảo luận văn

Công trình nghiên cứu cung cấp giá trị học thuật và ứng dụng thực tiễn sâu sắc cho 4 nhóm đối tượng trọng tâm:

1. Cơ quan quản lý nhà nước và hoạch định chính sách: Các bộ, ngành quản lý tài nguyên nước, môi trường và phòng chống thiên tai tại các quốc gia Đông Dương có thể sử dụng các bản đồ điểm nóng lũ lụt/hạn hán để ban hành khung chính sách thích ứng biến đổi khí hậu cấp quốc gia.
2. Kỹ sư quy hoạch thủy lợi và vận hành công trình thủy điện: Cung cấp thông số tính toán thủy văn cực trị (lưu lượng lũ chu kỳ 10 năm, 50 năm) phục vụ thiết kế đập, hồ chứa và hệ thống công trình thủy công với dung tích phòng lũ an toàn.
3. Các nhà nghiên cứu, giảng viên và nghiên cứu sinh: Cung cấp tài liệu tham khảo chuẩn mực về phương pháp tích hợp mô hình khí hậu toàn cầu (GCM) với mô hình thủy văn phân bố (1K-FRM), kỹ thuật kiểm định thống kê phi tham số và phương pháp hiệu chỉnh sai số dữ liệu.
4. Các tổ chức quốc tế và phi chính phủ (NGO): Các tổ chức như Mekong River Commission (MRC), Ngân hàng Phát triển Châu Á (ADB), Ngân hàng Thế giới (WB) có thể khai thác số liệu làm căn cứ tài trợ cho các dự án tăng cường khả năng chống chịu khí hậu xuyên biên giới.

Câu hỏi thường gặp

1. Mô hình thủy văn 1K-FRM có ưu điểm gì vượt trội trong nghiên cứu quy mô lớn?
Mô hình 1K-FRM ứng dụng phương pháp xấp xỉ sóng động học kết hợp cấu trúc dữ liệu mạng dòng chảy phi kích thước (scale-free), cho phép mô phỏng chính xác quá trình tập trung dòng chảy trên diện tích rộng hơn 1.900.000 km² với độ phân giải 5 phút góc mà vẫn tối ưu hóa được tài nguyên máy tính.

2. Lưu vực nào chịu rủi ro gia tăng lũ lụt nghiêm trọng nhất trong tương lai?
Lưu vực sông Irrawaddy (Myanmar) và sông Hồng (Việt Nam) ghi nhận nguy cơ lũ lụt tăng cao nhất, với tỷ số lưu lượng đỉnh ngày lớn nhất hàng năm dự báo tăng trên 2,0 lần (tăng hơn 100%) vào giai đoạn 2075–2104.

3. Tại sao cần phải thực hiện hiệu chỉnh sai số (bias correction) cho dữ liệu GCM?
Dữ liệu sinh dòng chảy thô từ các mô hình GCM thường có sai số hệ thống do độ phân giải không gian thô và các giả định vật lý đơn giản hóa. Việc áp dụng hiệu chỉnh phân vị (Quantile-Quantile Mapping) giúp đưa dữ liệu mô phỏng tiệm cận với dòng chảy thực tế quan trắc.

4. Yếu tố nào tạo ra độ bất định lớn nhất trong các dự báo dòng chảy tương lai?
Nghiên cứu chứng minh rằng sự khác biệt giữa các lược đồ tham số hóa đối lưu mây tích (như Yoshimura, Kain-Fritsch) và độ phân giải lưới không gian tạo ra biên độ bất định lớn hơn nhiều so với sự thay đổi của các kịch bản nhiệt độ mặt nước biển (SST).

5. Phương pháp phân tích nào được sử dụng để kiểm định tính tin cậy của các phát hiện thủy văn?
Nghiên cứu sử dụng kiểm định phân phối chuẩn Shapiro-Wilk, sau đó áp dụng Welch's t-test hoặc Mann-Whitney U test với mức ý nghĩa $p < 0,05$, kết hợp chỉ số kiểm định cực trị SLSC đạt chuẩn dưới 0,04 đối với phân phối GEV.

Kết luận

• Luận văn đã thiết lập thành công khung mô phỏng thủy văn phân bố tích hợp mô hình khí quyển siêu phân giải MRI-AGCM3.2S (20 km) và mô hình dòng chảy 1K-FRM trên phạm vi toàn Bán đảo Đông Dương.
• Xác định rõ sự phân hóa không gian sâu sắc: Lũ lụt cực đoan gia tăng mạnh tại lưu vực sông Hồng và sông Irrawaddy (tăng trên 2,0 lần), trong khi hạn hán diễn biến phức tạp tại miền Trung Việt Nam và trung lưu sông Mê Kông (dòng chảy giảm hơn 20%).
• Đánh giá định lượng độ bất định của các kịch bản khí hậu, khẳng định vai trò chi phối của lược đồ đối lưu mây tích và độ phân giải mô hình.
• Ứng dụng thành công mô hình bề mặt đất SiBUC và kỹ thuật Quantile-Quantile Mapping để nâng cao chất lượng dữ liệu dòng chảy đầu vào.
• Định hình lộ trình nâng cấp công trình phòng chống thiên tai và vận hành hồ chứa liên quốc gia giai đoạn 2025–2035.

Các nhà quản lý, kỹ sư công trình và chuyên gia nghiên cứu tài nguyên nước nên nhanh chóng ứng dụng bộ dữ liệu mô phỏng và phương pháp luận của nghiên cứu này vào các dự án quy hoạch lưu vực thực tế nhằm chủ động kiến tạo các giải pháp thích ứng bền vững với biến đổi khí hậu toàn cầu.

Trích đoạn nội dung tài liệu

Assessment of river discharge changes in the Indochina Peninsula region under a changing climate Duong Duc Toan 2014 Assessment of river discharge changes in the Indochina Peninsula region under a changing climate by Duong Duc Toan A dissertation submitted in partial fulfillment of the requirement for the degree of Doctor of Philosophy Dept. of Civil and Earth Resources Engineering Kyoto University, Japan 2014 Abstract, Abstract River discharge is a key variable of the hydrological cycle. It integrates all the processes occurring within a river basin (e.g, runoff and_evapotranspiration). Statistical proper of river discharge are seen as an indicator for climate change because they reflect changes in precipitation and evapotranspiration, Thetefore, good ‘estimates offuture river discharge are very important for water resources assessment and water-related disaster management ‘Currently, general circulation models or global climate models (GCMs) are the most promising tools to project future changes and associated impacts in the hydrological eyele.

They have been used to estimate various climatological variables (Eg,„ temperature, precipitation, evaporation, or runoff) which are very important to ‘evaluate the impacts of climate change on hydrology and water resources. Projection of river discharge under climate change is generally taken by driving a hydrological model with outputs from GCMs, In the Indochina Peninsula region, the average surface temperature showed an increase of about 0.0 degree Celsius over the last century according to the latest assessment report of the Intergovernmental Panel on Climate Change (IPCC), ‘The region is likely to suffer more from climate change based on the increasing frequency and intensity of extreme weather events such as floods, droughts, and tropical cyclones. Therefore, an assessment of potential future changes in river discharge in the Indochina Peninsula region isessential Abstract, Thị thesis focuses on projection of river discharge inthe region under a changing climate using flow routing model IK-FRM and runoff generation data from the super-high-resolation atmospheric general circulation model MRI-AGCM3 2S which was jointly developed by Meteorological Research Institute (MRI) and Japan Meteorological Agency (IMA) for three climate experiments: the present timate (1979-2008), the near future climate (2015-2044) and the future climate (2075-2104), “The potential future changes in river discharge in the Indochina Peninsula region ‘were examined by comparing projected river discharge in the near future and future climate experiments to the one in the present climate experiment. The statistical analysis of river discharge changes in the region was cartied out to locate possible hotspot basins with significant changes related to floods, droughts or water resources, “The uncertainties in the future climate projections were also evaluated using different ensemble experiments from MRI-AGCM and MIROCS datasets.

Bias correction of runoff generation data was considered to improve river discharge projection using ‘output ofthe land surface process model SiBUC, ‘The increase of flood risk was found in the Irawaddy River basin (Myanmar) and Red River basin Vietnam), The risk of droughts tended to increase inthe middle part ‘of Mekong River basin (Lao PDR) and in the central and souther part of Vietnam ‘The statistical significance of future changes in river discharge in the Indochina Peninsula region was also detected inthe Irawaddy River basi, the upper most pat of the Salwoen and the Mekong River basin, and in the central pat of Vietnam. In _ulditon, the uncertainty in tết discharge projection arising from the differences in ‘cumulus convection schemes and spatial resolution was found much larger than the Abstract, ‘uncertainty sourced from changing sea surface temperature patterns, Land surface process model SiBUC also showed a good performance in reproducing runoffF generation data. However, further works should be done in bias correction of runoft _generation data to improve river discharge projection. Keywords: river discharge projection, statistical significance, MREAGCM3 2S, IK: FRM, bias correction.

Acknowledgements Declaration of authorship 1 declare that this thesis and the work presented in it are my own and have been ‘generated by me as the result of my own original research with the exception of any work of others which has all been appropriate referenced. It has not b 1 submitted, cither in part or whole, fora degree at this or any other university. Acknowledgements ‘This thesis was completed in the Laboratory of Hydrology and Water Resources Research, Department of Civil and Earth Resources Engineering, Graduate School of Kyoto University under a full-time PhD course with the guidance of Prof. Yasuto Tachikawa, It has been more improved thanks to the comments and suggestions from examination committee members, Prof.

Fiichi Nakakita and Assoc. Sunmin Kim 1 would like to express my sincere gratitude to my supervisor, Prof. Yasuto Tachikawa, for his immense Knowledge, excellent guidance, and valuable suggestions throughout this research work. I would have never been able to accomplish my thesis without his kind supervision, support, and encouragement, Iwould like to acknowledge Prof.

Michiharu Shiiba, Assist. Kazuaki Yorozu, ‘Assoc. Prof, Sunmin Kim, and other professors in Kyoto University for their valuable guidance, comments, and suggestions to improve my research, Acknowledgements also wish to show my great appreciation to all my family members, especially my parents and my wife, for their endless support and encouragement. 1 would like to say thanks to Water Resources University and Ministry of Education and Training of Vietnam for giving me a chance to take this PhD course at Kyoto University and providing financial support Last but not least, special thanks to all my friends, my colleagues, my lab members ‘and other people who helped me and shared both good time and hard time together during my study in Kyoto University.

Tabieofcontems Table of contents Abstract Ũ Acknowledgements w Table ofcontents vi List of figures. ix List of tables. xi Chapter 1 Introduction 1 1.3 Thesis outline 7 References 9 Chapter2 Study area, input data and hydrological model B 2.1 Study area “ 22 Hydrological model 1s 1 Catchment model Is 2.22 Flow model 0 23 Topographic data 18 2.4 General circulation model data 2 2.1 Atmospheric general cieulation model MRI-AGCM 23 2.42 Mod for intrdiseiplnary research on climate 24 References + Chapter 3 er discharge projection in the Indochina Peninsula region undera ‘changing climate using the MRI-AGCM3.3 Future changes in river discharge in the Indochina Peninsula region under ä ‘changing climate 30 3.1 Changes in water resources.2 Changes in Hood risk 2 3.3 Changes in drought risk: 36 3⁄4. 41 Chapter 4 Statistical analysis of river discharge projected using the MRI- AGCM3.2S dataset in the Indochina Peninsula region, 4B 4.1 Test for normality 4 4.2 Test for statistically significant differences between two means 46 43 Results and discussions.1 Test for normality 48 4.2 Test for statistically significant differences between two means so 44 Conclusions.

35 References 56 Chapter 5 Future changes and uncertainties in river discharge projected using different ensemble experiments of the MRI-AGCM and MIROCS datasets.2 Data and methods 59 45. Results and discussions, ái 5.1 Changes in annual mean discharge ái Tabieofcontems 5.2 Changes in mean of annual maximum daily di charge 65 5.3 Changes in mean of annual minimum daily discharge. B Chapter 6 Bias correction of runoff generation data to improve river discharge projection.2 Methods 79 63 Study area 80 {64 Land surface process model 81 65 Data 2 65.1 Topographic data 2 652, GCM nunoff generation data, 2 6. Meteorological data gã 654 Soil, vegetation, and land use data 86 .5 Resolution and simulation period of SiBUC model 7 {646 Bias correction of GCM runoff generation data, 88 6.7 Results and discussions.1 Reproduction of runoff generation data using SiBUC.2 Bias correction of runoff generation data 93 68 Conclusions.

7 Chapter 7 Conclusion List of ficures List of figures Fig.1 Map of the study area (source: Encyclopedia Britannica, Inc.2 Schematic drawing of a catchment model using a DEM (Arrows in the figure show the flow of discharge on the slope or river unit), 16 Fig.3 River basins in the Indochina Peninsula region provided by the scale-free streamflow network dataset 19 Fig. 24 Example of flow direction data before joining (Arrows indicate flow direction) 20 Fig.5 Flow direction after joining (Shaded grid cells: overlapped grid cells; bold lines: basin divides) a Fig.6 Flow accumulation map ofthe Indochina Peninsula region 12 Fig.1 Ratio of annual mean discharge in the near future climate (a) andin the future climate (b) to the one inthe present climate vi Fig. 32 Ratio of mean of annual maximum daily discharge for the near future climate to the pr ent climate (a), and the future climate to the present climate (b).3 Ratio of standard deviation of annual maximum daily discharge for the near future to the present climate (a), and the future to the present climate (b).4 SLSC values for fitting the GEV distribution to the annual maximum daily discharge for the present (a), the near future (b) and the future climate () 35 ig. 35 Ratio of the 10-year return period annual maximum daily discharge for the near future climate (lft) and the future climate (right) to the present climate.6 Ratio of mean of annual minimum daily discharge for the near future climate to the pres climate (a), and he future climate tothe prese climate ().

37 SLSC values for fiting the Weil I distribution to the annual minimum daily discharge forthe present (a), the near future (b), and the future climate (e). 3/8 Ratio of the 10-year return period minimum daily discharge for the near future to the present climate (a) and the future tothe present climate (b). 39 List of ficures ig, 4.1 W test statistic of annual mean discharge data forthe present climate (lef, the near future climate (middle), and the future climate (right) 49 ig.2 W test statistic of mean of annual maximum daily discharge data for the present climate (left), the near future climate (middle), and the future climate (right) 49 ig.3 W test statistic of mean of annual minimum daily discharge data for the present climate (left), the near future elimate (middle), and the future elimate (right) 49 Fig. 44 Ratio of annual m an discharge for the ne: future climate to the present climate (left), and the future climate to the present climate (right) so Fig.5 Statistical significant differences between annual mean discharge for the near future climate and the present climate (left); and for the future climate and the present climate (righ).

46 Ratio of mean of annual maximum daily discharge for the near future to the present elimate (lft), and the future tothe present climate (right) 2 ig. 47 Statistical significant differences between mean of annual maximum daily discharge for the near future and the present climate (lef); and for the future and the present climate (righ).8 Ratio of mean of annual minimum daily địch: forthe near Future limate 40 the present climate (lef), and the future climate to the present climate (right). 49 Statistical significant differences between mean of annual minimum daily discharge for the near future and the present climate (lef); and the future and the present climate (righ).1 Ratio of annual mean discharge in the future climate experiment to the one pres rt climate experiment “ Fig. 52 Statistical significance differences between annual mean discharge in the ature climate experiment and inthe present climate experiment “ Fig.

53 Ratio of mean of annual maximum daily discharge in the future climate ‘experiment tothe one in the present climate experiment 66 List of ficures ig.4 Statistical significance differences between mean of annual maximum daily discharge in the future climate experiment and inthe present climate experiment. 55 Ratio of mean of annual minimum daily discharge in the future climate to the one in the present climate do Fig, 56 Statistical significance differences between mean of annual minimum daily discharge in the future climate and in the present climate 0 Fig.1 Location of Chikugo River basin (blue) and Oyodo River basin (red) in Kyushu area, Japan sọ ig.2 Schematic image of surface elements in SiBUC model, 81 ig. 63 Disuibudon of collected rain gauge s tation in APHRODITE's Water Resources project (Source: htp:/www.ac jp/precip/productsindex html).4 Schematic representation of quantile-quantile mapping.