Luận văn tiến sĩ: Đánh giá chất lượng nước sông dựa trên mô hình khí hậu hiện tại và tương lai

Đánh giá chất lượng nước sông thông qua mô hình khí hậu hiện tại. Phân tích ảnh hưởng của biến đổi khí hậu đến chất lượng nước và tính bền vững tài nguyên.

• Tác giả: Thanh Thuy Nguyen
• Người hướng dẫn: Prof. Patrick Willems
• Trường học: KU Leuven
• Chuyên ngành: Khoa học Kỹ thuật
• Đề tài: Đánh giá chất lượng nước sông dựa trên mô hình trong điều kiện hiện tại và tương lai của khí hậu
• Loại tài liệu: Luận án tiến sĩ
• Năm xuất bản: 2017
• Địa điểm: Leuven

Tóm tắt

I. Tổng Quan Phương Pháp Đánh Giá Chất Lượng Nước Sông Bằng Mô Hình Hiện Đại 58 ký tự

Việc đánh giá chất lượng nước sông bằng mô hình đóng vai trò thiết yếu trong quản lý tài nguyên nước và bảo vệ môi trường. Phương pháp này sử dụng các công cụ toán học và máy tính để mô phỏng các quá trình vật lý, hóa học, sinh học diễn ra trong hệ thống sông. Mục tiêu chính là cung cấp cái nhìn sâu sắc về trạng thái hiện tại và dự báo các xu hướng tương lai của chất lượng nước, đặc biệt trong bối cảnh biến đổi khí hậu đang diễn ra ngày càng phức tạp. Các mô hình cho phép phân tích tác động của nhiều yếu tố như lưu lượng nước, nhiệt độ, lượng mưa, và các nguồn ô nhiễm đến hệ sinh thái thủy sinh. Thông qua việc tích hợp dữ liệu từ các nguồn khác nhau, mô hình giúp các nhà khoa học và nhà quản lý đưa ra quyết định sáng suốt, tối ưu hóa các biện pháp can thiệp và phát triển chiến lược quản lý chất lượng nước sông bền vững. Đây là một lĩnh vực nghiên cứu liên ngành, đòi hỏi sự kết hợp kiến thức về thủy văn, hóa học môi trường và khoa học máy tính.

1.1. Hiểu Rõ Về Đánh Giá Chất Lượng Nước Sông Tại Sao Cần Mô Hình

Đánh giá trực tiếp chất lượng nước sông thông qua lấy mẫu và phân tích tại hiện trường thường tốn kém, mất thời gian và chỉ cung cấp dữ liệu tại một thời điểm cụ thể. Các hệ thống sông là các thực thể động, chịu ảnh hưởng của nhiều yếu tố thay đổi liên tục. Do đó, việc sử dụng mô hình chất lượng nước là cần thiết để vượt qua những hạn chế này. Mô hình cho phép tạo ra các kịch bản dự báo, phân tích độ nhạy của hệ thống đối với các thay đổi đầu vào và hiểu rõ hơn về các cơ chế phức tạp chi phối chất lượng nước. Đặc biệt, khi cần xem xét tác động của biến đổi khí hậu trong dài hạn, mô hình trở thành công cụ không thể thiếu để dự đoán các thay đổi và đề xuất các biện pháp thích ứng. Một luận văn tiến sĩ điển hình như của Thanh Thuy Nguyen đã nhấn mạnh vai trò của mô hình trong việc đánh giá tổng thể và toàn diện.

1.2. Mục Tiêu Nghiên Cứu Đánh Giá Chất Lượng Nước Sông Trong Bối Cảnh Biến Đổi Khí Hậu

Mục tiêu cốt lõi của việc đánh giá chất lượng nước sông bằng mô hình là cung cấp một bức tranh toàn diện về hiện trạng và xu hướng tương lai của nguồn nước. Nghiên cứu tập trung vào việc định lượng tác động của biến đổi khí hậu – bao gồm thay đổi lượng mưa, nhiệt độ, và tần suất các sự kiện cực đoan – đến các chỉ số chất lượng nước như BOD5, DO, Nito Amoni (NH4-N) và Nitrat (NO3-N). Các nghiên cứu này nhằm xác định các vùng sông nhạy cảm nhất và dự báo khả năng đáp ứng các tiêu chuẩn chất lượng nước trong tương lai. Kết quả từ các mô phỏng này là cơ sở quan trọng cho công tác quản lý tài nguyên nước hiệu quả, phát triển các chính sách bảo vệ môi trường và quy hoạch sử dụng đất phù hợp, giúp duy trì sức khỏe của hệ sinh thái sông và đảm bảo nguồn nước sạch cho cộng đồng.

II. Thách Thức Lớn Ảnh Hưởng Của Biến Đổi Khí Hậu Đến Chất Lượng Nước Sông 60 ký tự

Một trong những thách thức hàng đầu trong việc duy trì và cải thiện chất lượng nước sông hiện nay là biến đổi khí hậu. Các thay đổi về nhiệt độ không khí, lượng mưa và tần suất các sự kiện thời tiết cực đoan đều có tác động môi trường sâu rộng đến hệ thủy văn và chất lượng nước. Sự gia tăng nhiệt độ nước sông có thể làm giảm nồng độ oxy hòa tan (DO), ảnh hưởng tiêu cực đến sinh vật thủy sinh. Trong khi đó, các đợt mưa lớn hoặc hạn hán kéo dài có thể làm thay đổi đáng kể lưu lượng nước, nồng độ chất ô nhiễm và khả năng tự làm sạch của sông. Việc nắm bắt và dự báo chất lượng nước trong bối cảnh khí hậu thay đổi là vô cùng phức tạp, đòi hỏi sự kết hợp của nhiều loại dữ liệu và phương pháp mô hình hóa tiên tiến. Các nhà khoa học phải đối mặt với sự bất định từ các kịch bản khí hậu tương lai và cần phát triển các mô hình đủ mạnh để phản ánh chính xác các tương tác phức tạp này.

2.1. Tác Động Trực Tiếp Của Khí Hậu Đến Hệ Sinh Thái Sông và Chất Lượng Nước

Biến đổi khí hậu gây ra nhiều tác động môi trường trực tiếp đến hệ sinh thái sông. Nhiệt độ nước tăng có thể làm tăng tốc độ phản ứng hóa học và sinh học, dẫn đến sự suy giảm oxy hòa tan (DO), một yếu tố sống còn cho các loài thủy sinh. Đồng thời, sự thay đổi lượng mưa ảnh hưởng đến lưu lượng nước. Lượng mưa ít dẫn đến dòng chảy thấp, làm tăng nồng độ chất ô nhiễm và giảm khả năng pha loãng. Ngược lại, mưa lớn có thể gây ra lũ lụt, cuốn trôi các chất ô nhiễm từ đất liền vào sông, làm trầm trọng thêm tình trạng suy giảm chất lượng nước. Những thay đổi này không chỉ ảnh hưởng đến các chỉ số hóa lý mà còn làm thay đổi cấu trúc cộng đồng sinh vật, đa dạng sinh học trong hệ sinh thái sông, đe dọa sự cân bằng tự nhiên của chúng.

2.2. Sự Phức Tạp Khi Dự Báo Chất Lượng Nước Sông Trong Tương Lai Khí Hậu Thay Đổi

Việc dự báo chất lượng nước sông trong tương lai dưới tác động của biến đổi khí hậu đối mặt với nhiều thách thức do sự phức tạp của các tương tác và sự không chắc chắn của các kịch bản khí hậu. Các mô hình thủy văn và mô hình chất lượng nước cần được tích hợp để mô phỏng đồng thời dòng chảy, nhiệt độ nước và các quá trình hóa sinh. Dữ liệu đầu vào về lượng mưa, nhiệt độ không khí từ các mô hình khí hậu toàn cầu thường có độ phân giải thấp, đòi hỏi các kỹ thuật điều chỉnh hạ quy mô. Ngoài ra, sự thay đổi trong hoạt động của con người như sử dụng đất, xả thải cũng cần được xem xét trong các kịch bản tương lai. Điều này đòi hỏi các phương pháp phân tích độ nhạy và độ không chắc chắn mạnh mẽ để cung cấp các dự báo đáng tin cậy cho công tác quản lý tài nguyên nước trong bối cảnh khí hậu thay đổi.

III. Cách Vận Dụng Mô Hình Thủy Văn Và Chất Lượng Nước Hiệu Quả 58 ký tự

Để thực hiện đánh giá chất lượng nước sông bằng mô hình một cách hiệu quả, việc lựa chọn và vận dụng các công cụ mô hình hóa phù hợp là tối quan trọng. Các mô hình này tích hợp dữ liệu về mô hình thủy văn (lưu lượng, mực nước) và mô hình chất lượng nước (nồng độ các chất ô nhiễm) để mô phỏng động lực học của hệ thống sông. Quy trình này đòi hỏi sự hiểu biết sâu sắc về các quá trình vật lý, hóa học, sinh học trong sông, cùng với kỹ năng sử dụng phần mềm chuyên dụng. Thành công của việc mô hình hóa phụ thuộc vào chất lượng dữ liệu đầu vào, khả năng hiệu chỉnh và kiểm định mô hình chính xác. Mục tiêu là tạo ra một công cụ dự báo đáng tin cậy, có thể tái hiện thực trạng và đưa ra các dự đoán có giá trị về chất lượng nước dưới các điều kiện hiện tại và tương lai.

3.1. Tổng Quan Các Mô Hình Đánh Giá Chất Lượng Nước Sông Phổ Biến MIKE 11 InfoWorks RS ICM

Trong lĩnh vực đánh giá chất lượng nước sông bằng mô hình, nhiều phần mềm chuyên dụng đã được phát triển và ứng dụng rộng rãi. Các mô hình chất lượng nước như MIKE 11 của DHI, InfoWorks RS và ICM thường được sử dụng. MIKE 11 là một mô hình thủy văn và chất lượng nước một chiều, mạnh mẽ trong việc mô phỏng dòng chảy và sự lan truyền chất ô nhiễm trong sông. InfoWorks RS và ICM (Integrated Catchment Modelling) cung cấp khả năng mô hình hóa phức tạp hơn, có thể tích hợp dữ liệu từ các lưu vực sông, hệ thống thoát nước đô thị, và các nguồn ô nhiễm phân tán. Mỗi mô hình có ưu điểm riêng về khả năng mô phỏng, yêu cầu dữ liệu và chi phí, do đó việc lựa chọn mô hình phù hợp phụ thuộc vào mục tiêu nghiên cứu và đặc điểm của hệ thống sông cụ thể. Luận văn thường so sánh và đối chiếu kết quả từ nhiều mô hình để đảm bảo tính tin cậy.

3.2. Quy Trình Xây Dựng và Hiệu Chỉnh Mô Hình Chất Lượng Nước Sông

Quy trình xây dựng và hiệu chỉnh mô hình chất lượng nước sông là một bước quan trọng để đảm bảo độ chính xác của các dự báo. Đầu tiên, cần thu thập dữ liệu về địa hình, mô hình thủy văn (lưu lượng, mực nước) và chất lượng nước (nồng độ BOD5, DO, NH4-N, NO3-N, nhiệt độ) từ hiện trường. Tiếp theo, mô hình được cấu hình dựa trên đặc điểm vật lý của sông và các thông số môi trường. Sau đó, mô hình được hiệu chỉnh bằng cách điều chỉnh các thông số (ví dụ: độ nhám Manning's n, hệ số phân hủy) để kết quả mô phỏng khớp với dữ liệu quan trắc thực tế. Giai đoạn kiểm định sẽ sử dụng một bộ dữ liệu độc lập khác để xác nhận khả năng dự đoán của mô hình. Quá trình này giúp giảm thiểu độ không chắc chắn và tăng cường độ tin cậy của các kết quả đánh giá chất lượng nước sông bằng mô hình, cung cấp cơ sở vững chắc cho các quyết định quản lý tài nguyên nước.

IV. Ứng Dụng Thực Tiễn Đánh Giá Chất Lượng Nước Sông Molse Neet Và Kết Quả 60 ký tự

Một ứng dụng thực tiễn điển hình của đánh giá chất lượng nước sông bằng mô hình là nghiên cứu tại lưu vực sông Molse Neet, Bỉ. Khu vực này trải qua khí hậu biển ôn hòa với nhiệt độ trung bình mùa hè khoảng 19°C và mùa đông khoảng 4°C, lượng mưa hàng năm 841 mm. Lưu vực chịu ảnh hưởng lớn từ hoạt động của con người, với các khu đô thị và nông nghiệp chiếm phần lớn diện tích. Nghiên cứu sử dụng các mô hình chất lượng nước như MIKE 11, InfoWorks RS và ICM để phân tích dữ liệu quan trắc trong quá khứ và dự báo xu hướng chất lượng nước dưới các kịch bản biến đổi khí hậu trong tương lai. Các kết quả mô phỏng đã cung cấp cái nhìn chi tiết về sự biến động của oxy hòa tan (DO), BOD5, nitơ amoni (NH4-N) và nitrat (NO3-N) dọc theo chiều dài sông, làm nổi bật các khu vực cần được quan tâm và các yếu tố chính gây suy giảm chất lượng nước sông.

4.1. Phân Tích Dữ Liệu Thực Tế và Mô Phỏng Chất Lượng Nước Sông Molse Neet

Nghiên cứu về sông Molse Neet đã tiến hành thu thập và phân tích dữ liệu thực tế trong nhiều năm (ví dụ, 2000-2010 về khí tượng; 2004-2007 cho hiệu chỉnh và kiểm định mô hình). Các chỉ số chất lượng nước quan trọng như nhiệt độ nước, BOD5, DO, NH4-N, và NO3-N được đo đạc định kỳ. Sau đó, dữ liệu này được đưa vào các mô hình thủy văn và mô hình chất lượng nước như MIKE 11, InfoWorks RS và ICM. Quá trình hiệu chỉnh và kiểm định mô hình được thực hiện cẩn thận để đảm bảo rằng mô hình có thể tái tạo chính xác các quan sát thực tế. Ví dụ, sự tương quan giữa mực nước trong MIKE 11 và InfoWorks RS được kiểm tra kỹ lưỡng. Các mô phỏng ban đầu cho thấy biến động lớn của các thông số chất lượng nước dọc theo sông Molse Neet, phản ánh các nguồn thải và khả năng tự làm sạch khác nhau của sông.

4.2. Dự Báo Các Kịch Bản Chất Lượng Nước Sông Dưới Tác Động Khí Hậu Tương Lai

Một phần quan trọng của nghiên cứu đánh giá chất lượng nước sông bằng mô hình tại Molse Neet là dự báo các kịch bản chất lượng nước dưới các điều kiện biến đổi khí hậu trong tương lai. Các kịch bản này dựa trên dữ liệu dự báo về nhiệt độ, lượng mưa và dòng chảy từ các mô hình khí hậu khu vực. Mô hình chất lượng nước sau đó được chạy với các đầu vào này để ước tính sự thay đổi của các chỉ số như DO và BOD5 trong tương lai. Kết quả cho thấy nguy cơ suy giảm DO và tăng BOD5 ở một số đoạn sông nhất định dưới các kịch bản ấm lên và thay đổi lượng mưa. Những dự báo này cung cấp thông tin quý giá cho các cơ quan quản lý để xây dựng kế hoạch ứng phó, điều chỉnh các tiêu chuẩn xả thải hoặc đề xuất các biện pháp thích nghi nhằm duy trì chất lượng nước sông và bảo vệ hệ sinh thái sông Molse Neet trước những thách thức của khí hậu thay đổi.

V. Kết Luận Và Định Hướng Tương Lai Cho Đánh Giá Chất Lượng Nước Sông 58 ký tự

Nghiên cứu đánh giá chất lượng nước sông bằng mô hình đã chứng minh tính hiệu quả và vai trò không thể thiếu của nó trong bối cảnh biến đổi khí hậu hiện nay. Các mô hình cung cấp một công cụ mạnh mẽ để phân tích các tương tác phức tạp giữa mô hình thủy văn, chất lượng nước và các yếu tố môi trường. Thông qua việc mô phỏng và dự báo, các mô hình giúp các nhà quản lý và nhà hoạch định chính sách đưa ra các quyết định sáng suốt nhằm bảo vệ và quản lý tài nguyên nước một cách bền vững. Mặc dù còn những thách thức về dữ liệu và độ không chắc chắn, nhưng sự phát triển không ngừng của công nghệ và phương pháp mô hình hóa đang mở ra nhiều cơ hội mới. Việc ứng dụng rộng rãi các công cụ này sẽ là chìa khóa để duy trì sự sống còn của hệ sinh thái sông và đảm bảo nguồn nước sạch cho các thế hệ tương lai.

5.1. Tóm Tắt Vai Trò Của Mô Hình Trong Quản Lý Chất Lượng Nước Bền Vững

Các mô hình chất lượng nước đóng vai trò trung tâm trong quản lý tài nguyên nước bền vững. Chúng không chỉ giúp hiểu rõ hơn về các nguyên nhân gây ô nhiễm và cơ chế tự làm sạch của sông mà còn là công cụ hữu hiệu để thử nghiệm các kịch bản quản lý khác nhau mà không cần can thiệp thực tế. Ví dụ, mô hình có thể đánh giá tác động của việc giảm tải lượng ô nhiễm từ nhà máy, thay đổi quy trình xử lý nước thải hoặc các biện pháp quản lý lưu vực sông. Khả năng dự báo chất lượng nước trong tương lai, đặc biệt là dưới tác động của biến đổi khí hậu, cho phép xây dựng các chiến lược phòng ngừa và thích ứng chủ động, đảm bảo nguồn nước sạch và duy trì cân bằng cho hệ sinh thái sông lâu dài.

5.2. Hướng Phát Triển Tiềm Năng Cho Mô Hình Hóa Chất Lượng Nước Sông Thông Minh

Tương lai của đánh giá chất lượng nước sông bằng mô hình hứa hẹn nhiều tiềm năng phát triển, đặc biệt là với sự tích hợp của các công nghệ mới. Việc kết hợp trí tuệ nhân tạo (AI), học máy (Machine Learning) và dữ liệu lớn (Big Data) có thể giúp cải thiện độ chính xác và hiệu quả của mô hình. Phát triển các mô hình đa chiều, tích hợp các yếu tố xã hội và kinh tế, cũng sẽ là một hướng đi quan trọng để đạt được một cái nhìn toàn diện hơn về quản lý tài nguyên nước. Sự kết nối với các hệ thống cảm biến thông minh và Internet of Things (IoT) sẽ cung cấp dữ liệu thời gian thực, cho phép dự báo chất lượng nước và phản ứng nhanh chóng hơn đối với các sự cố ô nhiễm. Những tiến bộ này sẽ nâng cao năng lực của các nhà quản lý trong việc đối phó với những thách thức ngày càng tăng của biến đổi khí hậu đối với chất lượng nước sông.

Nội dung chính

Tổng quan luận án

Ô nhiễm môi trường nước sông là một trong những thách thức môi trường nghiêm trọng trên toàn cầu, đe dọa trực tiếp đến sức khỏe cộng đồng và sự bền vững của hệ sinh thái thủy vực. Dưới tác động của biến đổi khí hậu, sự gia tăng nhiệt độ không khí cùng với các biến động cực đoan của chế độ dòng chảy (gia tăng lưu lượng đỉnh lũ và suy giảm lưu lượng mùa kiệt) được dự báo sẽ làm gia tăng mức độ suy thoái chất lượng nước sông. Để phục vụ công tác quản lý tổng hợp lưu vực và đề xuất các giải pháp xử lý ô nhiễm hiệu quả, việc cung cấp thông tin định lượng chính xác về trạng thái chất lượng nước theo không gian và thời gian là yêu cầu cấp thiết.

Tuy nhiên, việc ra quyết định quản lý nếu chỉ dựa vào dữ liệu quan trắc thực tế sẽ bộc lộ nhiều hạn chế do mạng lưới trạm đo thường thưa thớt, dữ liệu quan trắc gián đoạn theo thời gian và chứa đựng sai số đo đạc. Mô hình hóa chất lượng nước là công cụ giải quyết khoảng trống này thông qua việc mô phỏng các phương trình toán học mô tả quá trình lan truyền và chuyển hóa lý - sinh - hóa của các chất ô nhiễm. Mặc dù vậy, các mô hình thủy động lực học và chất lượng nước chi tiết hiện nay (như MIKE 11, InfoWorks RS, InfoWorks ICM) có cấu trúc phức tạp, đòi hỏi thời gian tính toán kéo dài và yêu cầu bước thời gian nhỏ, khiến chúng không khả thi đối với các nghiên cứu đòi hỏi số lượng mô phỏng lớn như phân tích độ bất định, tự động hiệu chỉnh tham số hoặc đánh giá tác động biến đổi khí hậu theo chuỗi thời gian dài hạn.

Mục tiêu tổng quát của luận án là nâng cao hiểu biết về các quá trình chi phối đặc tính lý - sinh - hóa của sông và độ nhạy của chúng đối với các thay đổi từ môi trường (các nguồn thải ô nhiễm và biến đổi khí hậu), được cụ thể hóa thành ba mục tiêu nghiên cứu:

1. Đánh giá và so sánh định lượng các mô hình chất lượng nước sông tham chiếu (triển khai trên ba phần mềm MIKE 11, InfoWorks RS, InfoWorks ICM); phân tích sự đóng góp của các phương trình quá trình, hệ số nhám lòng dẫn theo mùa do thực vật thủy sinh và kết quả thủy động lực học đối với biến thiên nồng độ chất lượng nước.
2. Phát triển mô hình chất lượng nước sông khái niệm CORIWAQ dựa trên nền tảng InfoWorks RS (CORIWAQ-RS) với cấu trúc linh hoạt, nhằm đạt được độ chính xác tương đương mô hình chi tiết nhưng rút ngắn thời gian tính toán để phục vụ các bài toán mô phỏng nhiều lần.
3. Phân tích độ bất định của dữ liệu đầu vào và đánh giá tác động của biến đổi khí hậu đến chất lượng nước sông, xác định các yếu tố đầu vào chính kiểm soát sự thay đổi của các chỉ tiêu chất lượng nước dưới các kịch bản khí hậu tương lai.

Đối tượng và phạm vi nghiên cứu:

• Đối tượng nghiên cứu: Động thái thủy lực và các quá trình biến đổi lý - sinh - hóa của các thông số chất lượng nước bao gồm: nhiệt độ nước (T), ôxy hòa tan (DO), nhu cầu ôxy sinh học (BOD5), các hợp chất nitơ (amoni $\text{NH}_4\text{-N}$, nitrat $\text{NO}_3\text{-N}$, nitrit $\text{NO}_2\text{-N}$, nitơ hữu cơ $\text{ON-N}$, tổng nitơ $\text{Nt-N}$, Kjeldahl nitrogen $\text{KjN}$) và các hợp chất phốt pho (orthophosphate $\text{PO}_4\text{-P}$, phốt pho hạt $\text{PP-P}$).
• Phạm vi không gian: Lưu vực sông Molse Neet thuộc lưu vực sông Grote Nete, vùng Flanders, Vương quốc Bỉ (diện tích khoảng 24,8 $\text{km}^2$, trải dài trên địa bàn ba đô thị Lommel thuộc tỉnh Limburg, Balen và Mol thuộc tỉnh Antwerp).
• Phạm vi thời gian: Chuỗi dữ liệu quan trắc lịch sử phục vụ hiệu chỉnh và kiểm định mô hình giai đoạn 2000–2010; chuỗi thời gian mô phỏng đánh giá tác động biến đổi khí hậu cho giai đoạn tương lai 2050–2060.

Tổng quan tài liệu và vị trí của luận án

Nghiên cứu mô hình hóa chất lượng nước sông có nguồn gốc từ phương trình kinh điển của Streeter và Phelps (1925) mô phỏng mối quan hệ giữa ôxy hòa tan (DO) và nhu cầu ôxy sinh hóa (BOD). Trải qua quá trình phát triển, các mô hình được phân loại theo mức độ phức tạp từ mô hình đơn giản ở trạng thái dòng chảy ổn định (như QUAL2E) đến các mô hình trung gian và mô hình thủy động lực học kết hợp chất lượng nước chi tiết (như MIKE 11, InfoWorks RS, InfoWorks ICM). Các nghiên cứu về tác động của biến đổi khí hậu đến chất lượng nước sông đã được thực hiện thông qua thực nghiệm hiện trường và mô hình hóa số (Wilby 1993; Whitehead và cộng sự 1997; Bouraoui và cộng sự 2002; Monteith và cộng sự 2007; Michalak 2016). Các kết quả nhìn chung chỉ ra xu thế suy giảm nồng độ DO và gia tăng tải lượng dinh dưỡng, tuy nhiên mức độ và chiều hướng thay đổi tại từng lưu vực cụ thể có sự không đồng nhất (Wilby và cộng sự 2006; van Vliet và Zwolsman 2008). Để mô phỏng dòng chảy và phát thải nitơ từ lưu vực, các mô hình như SWAT (Neitsch và cộng sự 2011) hay INCA-N (Whitehead và cộng sự 1998a,b) thường được áp dụng, nhưng thường bỏ qua các quá trình động học chi tiết trong lòng dẫn.

Về vấn đề bất định trong mô hình hóa chất lượng nước, các tác giả Beck (1978), Tung và Yen (2006) đã hệ thống hóa các loại bất định bao gồm cấu trúc mô hình, tham số, dữ liệu đầu vào và sai số đo đạc. Sai số đo đạc được Harmel và Smith (2007) phân tích, trong khi Mannina và Viviani (2009) tập trung vào bất định tham số. Bất định cấu trúc mô hình và bất định dữ liệu đầu vào được xác định là hai nguồn bất định chi phối chính (Van der Perk 1997; Håkanson 2000; Van Griensven và Meixner 2006). Phương pháp phân rã phương sai (variance decomposition) đã được Radwan và Willems (2008), Freni và Mannina (2010b), Willems (2012) ứng dụng để tách biệt các nguồn bất định trong mô hình hóa chất lượng nước đô thị và sông ngòi. Đối với việc mô phỏng nhám lòng dẫn, các nghiên cứu của Watson (1987), Gurnell và Midgley (1994), Bakry và cộng sự (1992), De Doncker và cộng sự (2011), Aricò và cộng sự (2009, 2010) đã chỉ ra rằng sự phát triển theo mùa của thực vật thủy sinh làm thay đổi đáng kể hệ số nhám Manning, gây sai lệch lớn cho đường quan hệ mực nước - lưu lượng ($Q-h$).

Nhằm khắc phục rào cản về thời gian tính toán của các mô hình chi tiết, phương pháp mô hình hóa mô phỏng rút gọn (emulation modelling) hoặc mô hình khái niệm dạng chuỗi hồ chứa (reservoir-type models) đã được ứng dụng trong biến đổi mưa - dòng chảy (Pedersen và cộng sự 1980; Te Chow và cộng sự 1988; Weiler 2003) và thủy lực sông (Wolfs và cộng sự 2015; Meert và cộng sự 2016). Trong lĩnh vực chất lượng nước, hướng tiếp cận này bắt đầu được hiện thực hóa qua nền tảng CORIWAQ dựa trên MIKE 11 do Keupers và Willems (2017) khởi xướng.

Khoảng trống nghiên cứu mà luận án lựa chọn giải quyết:

• Thiếu các đánh giá so sánh định lượng có hệ thống giữa các bộ phương trình quá trình và cấu trúc mô hình chất lượng nước thương mại phổ biến (MIKE 11, InfoWorks RS, InfoWorks ICM) trong cùng một điều kiện biên và dữ liệu lưu vực.
• Thiếu một mô hình chất lượng nước khái niệm có cấu trúc linh hoạt, tích hợp đầy đủ các quá trình biến đổi lý - sinh - hóa dựa trên InfoWorks RS (CORIWAQ-RS), có khả năng chạy nhanh hơn mô hình chi tiết nhiều bậc độ lớn mà vẫn bảo toàn độ chính xác.
• Thiếu khung phương pháp luận kết hợp giữa mô hình hồi quy ngẫu nhiên và phân rã phương sai để định lượng mức đóng góp của từng nguồn thải ô nhiễm riêng biệt vào tổng bất định đầu ra của chất lượng nước sông.
• Thiếu các phân tích chi tiết về tác động của biến đổi khí hậu kết hợp giữa chuỗi 30 kịch bản GCM toàn diện với mô hình thủy lực - chất lượng nước có xét đến các chỉ tiêu cực trị (extreme values) và phân tích các yếu tố kiểm soát vật lý/nông học (chu kỳ sinh trưởng cây trồng LGP, nhiệt độ đáy Tempbase, độ bão hòa ôxy DOS).

Cơ sở lý thuyết và phương pháp nghiên cứu

Luận án kết hợp các cơ sở lý thuyết về thủy động lực học sông ngòi, động học chất lượng nước và phân tích thống kê ngẫu nhiên:

• Phương trình truyền dẫn bình lưu - khuếch tán (Advection - Diffusion): Mô tả sự dịch chuyển và phân tán của các chất ô nhiễm hòa tan và lơ lửng dọc theo dòng chảy một chiều.
• Động học biến đổi lý - sinh - hóa: Hệ thống phương trình vi phân mô tả tốc độ phân hủy BOD, quá trình tiêu thụ ôxy của bùn đáy (SOD), quá trình amoni hóa chất hữu cơ, quá trình nitrat hóa ($\text{NH}_4\text{-N} \rightarrow \text{NO}_2\text{-N} \rightarrow \text{NO}_3\text{-N}$), quá trình khử nitrat ($\text{NO}_3\text{-N} \rightarrow \text{N}_2$), quá trình tái sục khí bề mặt (reaeration) và cân bằng trao đổi nhiệt mặt nước.
• Mô hình khái niệm chuỗi hồ chứa (Cascade of Reservoirs): Chia đoạn sông thành các phần tử hồ chứa liên tiếp; mỗi hồ chứa thực hiện tích hợp không gian các quá trình bình lưu, khuếch tán và các phản ứng biến đổi sinh hóa với các hệ số hiệu chỉnh thể tích ($fTr$) và độ sâu ($fdepth$).
• Phân tích độ nhạy cục bộ (Local Sensitivity Analysis) và Phân rã phương sai (Variance Decomposition): Sử dụng chỉ số độ nhạy $S_{ij}$ và sai số toàn phương trung bình (RMSE) để đánh giá mức độ ảnh hưởng của từng tham số, cấu trúc và nguồn phát thải đầu vào.
• Trích xuất giá trị cực trị POT (Peak Over Threshold): Áp dụng công cụ xử lý chuỗi thời gian WETSPRO (Willems 2009) để tách các biến cố dòng chảy và nồng độ cực trị độc lập phục vụ phân tích tần suất và thời gian lặp lại (return periods).

Công cụ / Mô hình	Loại mô hình / Phương pháp	Vai trò trong luận án
MIKE 11 (DHI)	Mô hình chi tiết 1D thủy động lực & WQ	Mô hình tham chiếu; hiệu chỉnh nhám Manning theo mùa; so sánh cấu trúc
InfoWorks RS	Mô hình chi tiết 1D thủy lực & WQ	Mô hình tham chiếu; tích hợp nhám biến thiên; xây dựng nền tảng CORIWAQ-RS
InfoWorks ICM	Mô hình chi tiết tích hợp mạng lưới & sông	Mô hình tham chiếu phục vụ so sánh độ bất định cấu trúc mô hình chất lượng nước
CORIWAQ-RS	Mô hình khái niệm chuỗi hồ chứa	Phát triển mới trong luận án; mô phỏng nhanh $10^4$ lần phục vụ bất định và BĐKH
CORIWAQ-MIKE11	Mô hình khái niệm chuỗi hồ chứa	Đối chứng và so sánh tính linh hoạt của cấu trúc mô hình khái niệm
PDM / VHM	Mô hình khái niệm mưa - dòng chảy	Cung cấp điều kiện biên lưu lượng dòng chảy tràn và dòng ngầm từ các tiểu lưu vực
SENTWA	Mô hình bán thực nghiệm dinh dưỡng	Ước tính tải lượng nitơ phát tán từ hoạt động nông nghiệp trên lưu vực
WETSPRO	Công cụ thống kê chuỗi thời gian	Tách lọc các biến cố cực trị độc lập (POT) cho lưu lượng và nồng độ chất lượng nước
Stochastic Regression	Hồi quy ngẫu nhiên kết hợp phân phối sai số	Điền khuyết dữ liệu nguồn thải và mô hình hóa độ bất định dữ liệu đầu vào

Nguồn dữ liệu thực tế phục vụ nghiên cứu bao gồm:

• Dữ liệu khí tượng: Chuỗi số liệu mưa, nhiệt độ không khí và bốc thoát hơi tiềm năng (ETo) giai đoạn 2000–2010 do Viện Khí tượng Hoàng gia Bỉ (KMI/IRM) cung cấp; tập dữ liệu biến đổi khí hậu gồm 30 kịch bản mô phỏng từ các mô hình khí hậu toàn cầu (GCM) được thu nhỏ quy mô thống kê.
• Dữ liệu thủy văn và chất lượng nước sông: Chuỗi số liệu mực nước, lưu lượng và các chỉ tiêu hóa lý tại trạm quan trắc 333000 trên sông Molse Neet do Cơ quan Môi trường vùng Flanders (VMM) cung cấp.
• Dữ liệu nguồn ô nhiễm: Số liệu xả thải của hai cơ sở công nghiệp lớn là nhà máy Philips và nhà máy Ajinomoto; số liệu nhân khẩu xả thải sinh hoạt chưa qua xử lý tại các điểm xả tập trung (UE-114363, UE-114372, UE-114373) và nguồn phân tán (UD-501 thuộc vùng thủy văn VHA501); số liệu diện tích canh tác nông nghiệp, phân bón và chăn nuôi từ Eurostat và VMM.

Nội dung chính theo từng chương

Chapter 1: Introduction

Chương này thiết lập cơ sở khoa học và bối cảnh nghiên cứu về ô nhiễm nguồn nước sông trong mối liên hệ với sức khỏe cộng đồng và các mục tiêu phát triển bền vững. Tác giả chỉ ra rằng bệnh tật liên quan đến nước chiếm tới 50% số bệnh nhân nhập viện trên thế giới (United Nations 2006) và gây ra gần 1/5 số ca tử vong ở trẻ dưới 5 tuổi (WHO/UNICEF 2009). Chương 1 hệ thống hóa hiện trạng nghiên cứu (State of the art) về các mô hình chất lượng nước sông, các nguồn bất định (cấu trúc mô hình, dữ liệu đầu vào, tham số, sai số đo đạc), cơ chế tác động của biến đổi khí hậu thông qua chu trình thủy văn và các phản ứng sinh hóa, đồng thời nêu rõ nhu cầu phát triển mô hình khái niệm tính toán nhanh CORIWAQ. Cuối chương, tác giả xác định ba mục tiêu nghiên cứu cụ thể và phác thảo cấu trúc toàn bộ luận án.

Chapter 2: Molse Neet catchment

Chương 2 mô tả chi tiết các đặc trưng tự nhiên và kinh tế - xã hội của lưu vực sông Molse Neet (diện tích 24,8 $\text{km}^2$, độ dốc trung bình 3 ‰, cao trình biến thiên từ 52 mTAW ở phía đông nam xuống 24 mTAW ở phía nam). Khí hậu mang tính chất ôn đới hải dương với lượng mưa trung bình năm 841 mm (tháng 7 cao nhất đạt 103 mm, tháng 4 thấp nhất đạt 44 mm; tháng 4/2007 ghi nhận lượng mưa thấp kỷ lục 0,005 mm). Về sử dụng đất, đô thị chiếm phần lớn diện tích, nông nghiệp chiếm khoảng 16% (cây thức ăn gia súc 37%, ngô 22%, đồng cỏ 15%, khoai tây 10%). Tác giả phân loại và thống kê ba nhóm nguồn thải chính gây áp lực lên chất lượng nước sông:

• Nguồn công nghiệp: Nhà máy sản xuất Philips và nhà máy Ajinomoto với các đặc tính lưu lượng và nồng độ xả thải riêng biệt.
• Nguồn sinh hoạt: Dân cư xả trực tiếp nước thải chưa xử lý qua các cống xả điểm (UE-114363, UE-114372, UE-114373) và nguồn phân tán trên vùng VHA501.
• Nguồn nông nghiệp: Rửa trôi phân bón và chất thải chăn nuôi từ bề mặt đất canh tác.

Chapter 3: Existing models and methods

Chương 3 trình bày các công cụ mô hình hóa hiện hữu và phương pháp tạo dữ liệu đầu vào. Nội dung bao gồm việc thiết lập mô hình mưa - dòng chảy PDM và VHM để cung cấp biên lưu lượng từ các tiểu lưu vực; áp dụng mô hình SENTWA để tính toán tải lượng nitơ nông nghiệp; phân tích cấu trúc toán học của các quá trình bình lưu - khuếch tán và chuyển hóa lý - sinh - hóa trong ba phần mềm thương mại MIKE 11, InfoWorks RS và InfoWorks ICM. Tác giả trình bày phương pháp ước tính và điền khuyết chuỗi dữ liệu nguồn thải bị thiếu, công cụ nhiễu loạn biến đổi khí hậu (climate change perturbation tool) để xử lý 30 kịch bản GCM, cùng phương pháp trích xuất đỉnh vượt ngưỡng POT để phân tích giá trị cực trị theo thời gian lặp lại.

Chapter 4: Development of a COnceptual RIver WAter Quality model (CORIWAQ) with flexible model structure

Chương 4 trình bày đóng góp kỹ thuật trung tâm của luận án: xây dựng mô hình chất lượng nước khái niệm CORIWAQ-RS dựa trên các phương trình quá trình của InfoWorks RS, kế thừa và mở rộng công trình trước đó của Keupers (2016) trên nền MIKE 11. Sông được khái niệm hóa thành chuỗi các hồ chứa liên tiếp, tích hợp không gian các quá trình bình lưu, khuếch tán và phản ứng sinh hóa. Dữ liệu thủy động lực học đầu vào được trích xuất từ mô hình thủy lực chi tiết. Tác giả tiến hành hiệu chuẩn các hệ số hiệu chỉnh thể tích ($fTr$) và độ sâu ($fdepth$) cho từng hồ chứa trong các điều kiện năm thủy văn ướt, trung bình và khô. Kết quả đánh giá hiệu suất mô hình cho thấy CORIWAQ-RS đạt độ chính xác tương đương mô hình chi tiết InfoWorks RS với hệ số hiệu quả Nash-Sutcliffe (NSE) đạt giá trị cao trên toàn bộ 7 biến chất lượng nước, trong khi thời gian mô phỏng giảm đi $10^4$ lần.

Chapter 5: Seasonal variation of river bed roughness impacts on water level

Chương 5 nghiên cứu ảnh hưởng của sự biến thiên hệ số nhám lòng dẫn theo mùa do thực vật thủy sinh phát triển đến mực nước sông, sử dụng hai phần mềm MIKE 11 và InfoWorks RS. Hệ số nhám Manning biến thiên theo thời gian ($n$) được hiệu chỉnh theo từng chu kỳ 5 ngày dựa trên số liệu mực nước quan trắc tại trạm Meerhout. Kết quả chỉ ra rằng việc giả định hệ số nhám không đổi sẽ dẫn đến việc ước tính thấp đáng kể mực nước trong mùa hè (khi rong cỏ phát triển cực đại), nhưng ảnh hưởng này không đáng kể trong các thời kỳ xuất hiện đỉnh lũ. Do nồng độ các chất ô nhiễm lớn nhất thường xuất hiện trong các thời kỳ mực nước và lưu lượng kiệt vào mùa hè, việc tính toán đúng hệ số nhám theo mùa đóng vai trò quyết định đến độ chính xác của mô hình chất lượng nước.

Chapter 6: Influence of model structure uncertainty on river water quality assessment

Chương 6 phân tích độ bất định cấu trúc mô hình thông qua việc so sánh ba phần mềm MIKE 11, InfoWorks RS và InfoWorks ICM. Bằng phương pháp phân tích độ nhạy cục bộ và phân tích đồ thị, tác giả đánh giá ảnh hưởng của các phương trình mô tả quá trình thủy động lực, truyền nhiệt và tái sục khí. Kết quả cho thấy các mô hình có sự đồng thuận cao trong việc xác định các nguồn thải chính chi phối nồng độ chất hữu cơ (BOD5) và nitrat ($\text{NO}_3\text{-N}$), nhưng lại có sự bất đồng lớn đối với các yếu tố kiểm soát nồng độ ôxy hòa tan (DO). Việc bỏ qua các quá trình bùn cát, thực vật phù du và vi khuẩn dẫn đến sự sai lệch rõ rệt đối với nồng độ chất hữu cơ cao và nồng độ DO thấp.

Chapter 7: CORIWAQ input uncertainty analysis

Chương 7 ứng dụng mô hình CORIWAQ-RS để phân tích độ bất định của dữ liệu đầu vào. Do dữ liệu xả thải của các nguồn ô nhiễm thường bị gián đoạn, tác giả áp dụng phương pháp hồi quy ngẫu nhiên (stochastic regression), thiết lập các phương trình tương quan và bổ sung chuỗi sai số ngẫu nhiên theo phân phối chuẩn $N(\mu, \sigma)$ vào các biến lưu lượng và nồng độ của nhà máy Ajinomoto, Philips và nước thải sinh hoạt. Bằng kỹ thuật mô phỏng Monte Carlo và tính toán chỉ số độ nhạy $S_{ij}$, tác giả xác định mức độ quan trọng tương đối của từng nguồn thải đối với nồng độ các chất tại trạm quan trắc 333000 theo từng mùa trong năm, đồng thời sử dụng phương pháp phân rã phương sai để định lượng tỷ lệ đóng góp của bất định đầu vào vào tổng phương sai sai số dư của mô hình đầu ra.

Chapter 8: Climate change impacts on river water quality

Chương 8 thực hiện đánh giá toàn diện tác động của biến đổi khí hậu đến chất lượng nước sông Molse Neet bằng mô hình CORIWAQ-RS kết hợp chuỗi 30 kịch bản GCM giai đoạn 2050–2060 so với thời kỳ cơ sở 2000–2010. Tín hiệu biến đổi khí hậu từ lượng mưa, nhiệt độ không khí và ETo được lan truyền sang lưu lượng dòng chảy tràn, tải lượng thất thoát nitơ từ đất nông nghiệp (thông qua phân tích sự rút ngắn chu kỳ sinh trưởng LGP và nhiệt độ đáy Tempbase), nồng độ ôxy hòa tan bão hòa (DOS) và tốc độ các phản ứng sinh hóa. Kết quả phân tích giá trị cực trị cho thấy biến đổi khí hậu có tác động tiêu cực mạnh mẽ đến trạng thái suy giảm DO trong sông. Tuy nhiên, mức độ tác động chứa đựng độ bất định rất cao, đặc biệt đối với các biến cố có chu kỳ lặp lại lớn.

Chapter 9: Conclusions and perspectives

Chương cuối cùng tổng kết các đóng góp chính của luận án theo ba mục tiêu nghiên cứu đã đề ra: đánh giá so sánh các mô hình chất lượng nước tham chiếu, phát triển hoàn thiện mô hình khái niệm CORIWAQ-RS tính toán nhanh, và lượng hóa độ bất định cùng tác động của biến đổi khí hậu. Tác giả đề xuất các định hướng nghiên cứu tiếp theo bao gồm việc tích hợp các quá trình động học bùn cát và tảo vào CORIWAQ, ứng dụng mô hình trong kiểm soát chất lượng nước thời gian thực và tối ưu hóa các biện pháp công trình giảm thiểu ô nhiễm lưu vực.

Kết quả và những đóng góp mới

Luận án đã đạt được các kết quả khoa học và đóng góp mới cụ thể sau:

• Về mặt lý luận và phương pháp:

  • Mở rộng và chuẩn hóa khung mô hình khái niệm chất lượng nước sông CORIWAQ dựa trên các phương trình quá trình của InfoWorks RS (CORIWAQ-RS), thiết lập quy trình hiệu chỉnh tham số hồ chứa ($fTr$, $fdepth$) cho phép mô phỏng chính xác các quá trình bình lưu - khuếch tán và phản ứng sinh hóa phức tạp.
  • Đề xuất quy trình định lượng bất định đầu vào kết hợp giữa phương pháp hồi quy ngẫu nhiên (stochastic regression) và kỹ thuật phân rã phương sai sai số (variance decomposition), cho phép nhận diện thứ tự ưu tiên của các nguồn ô nhiễm chi phối chất lượng nước sông.
  • Xây dựng phương pháp luận lan truyền tín hiệu biến đổi khí hậu tích hợp từ các kịch bản khí tượng sang các quá trình thủy văn, nông học (thay đổi chu kỳ sinh trưởng cây trồng LGP và thất thoát dinh dưỡng nitơ) và động học chất lượng nước sông.

• Về mặt thực tiễn và ứng dụng:

  • Mô hình CORIWAQ-RS giúp giảm thời gian tính toán $10^4$ lần so với các mô hình thủy động lực học chi tiết nguyên bản, tạo ra công cụ khả thi để thực hiện các bài toán tối ưu hóa, mô phỏng ngẫu nhiên Monte Carlo và đánh giá kịch bản dài hạn nhiều thập kỷ.
  • Chứng minh định lượng rằng việc mô hình hóa hệ số nhám Manning biến thiên theo mùa do thực vật thủy sinh là bắt buộc để tránh ước tính thấp mực nước mùa hè – thời điểm dòng chảy kiệt và nồng độ ô nhiễm đạt mức cao nhất.
  • Chỉ ra sự bất đồng giữa các cấu trúc mô hình thương mại phổ biến (MIKE 11, InfoWorks RS, InfoWorks ICM) trong việc mô phỏng chu trình ôxy hòa tan, cảnh báo các nhà quản lý về sự phụ thuộc của kết quả mô phỏng vào giả định phương trình tái sục khí và truyền nhiệt.
  • Cung cấp bức tranh định lượng về nguy cơ suy thoái nồng độ DO cực tiểu trên sông Molse Neet trong giai đoạn 2050–2060 dưới tác động của 30 kịch bản biến đổi khí hậu, hỗ trợ xây dựng các chiến lược thích ứng và kiểm soát nguồn thải tại vùng Flanders.

Hạn chế và hướng nghiên cứu tiếp

Các hạn chế được văn bản luận án chỉ rõ:

• Chuỗi dữ liệu quan trắc chất lượng nước phục vụ hiệu chỉnh và kiểm định tại một số vị trí còn thưa thớt về không gian và gián đoạn về thời gian, dẫn đến việc phải sử dụng các phương pháp hồi quy ngẫu nhiên để điền khuyết.
• Mô hình CORIWAQ hiện tại mới tập trung mô phỏng chu trình ôxy hòa tan, BOD5, các hợp chất nitơ và phốt pho; các quá trình tương tác phức tạp liên quan đến vận chuyển bùn cát, động học của thực vật phù du (phytoplankton) và vi khuẩn chưa được tích hợp chi tiết trong mô hình khái niệm.
• Cấu trúc mô hình thủy lực của các phần mềm thương mại còn mang tính đóng, gây khó khăn cho việc can thiệp sâu vào mã nguồn để phân tích độ bất định cấu trúc một cách trực tiếp.
• Nghiên cứu mới được triển khai thực nghiệm trên một trường hợp nghiên cứu điển hình là lưu vực sông đồng bằng Molse Neet (Bỉ).

Các hướng nghiên cứu tiếp theo:

• Tích hợp thêm các module mô phỏng bùn cát lắng đọng, xói mòn và động học tảo phù du vào cấu trúc của nền tảng CORIWAQ.
• Ứng dụng mô hình CORIWAQ-RS trong các hệ thống điều khiển thời gian thực (real-time control) và tối ưu hóa vận hành các công trình kiểm soát ô nhiễm, trạm xử lý nước thải trên lưu vực.
• Mở rộng thử nghiệm và kiểm chứng khung phương pháp luận tại các lưu vực sông có điều kiện địa hình, khí hậu và đặc trưng thủy văn khác nhau.

Giá trị tham khảo

Luận án là tài liệu tham khảo chuyên môn giá trị cho các nhóm đối tượng:

• Nghiên cứu sinh, học viên cao học và giảng viên ngành Kỹ thuật Tài nguyên nước, Kỹ thuật Môi trường và Thủy văn học: Tham khảo phương pháp xây dựng mô hình khái niệm chuỗi hồ chứa (Chương 4), phương pháp phân tích độ nhạy và phân tích bất định cấu trúc mô hình (Chương 6, Chương 7).
• Kỹ sư mô hình hóa và tư vấn môi trường: Sử dụng quy trình hiệu chuẩn hệ số nhám Manning biến thiên theo mùa để nâng cao độ chính xác mô phỏng thủy lực sông có rong cỏ thủy sinh (Chương 5), cũng như phương pháp xử lý chuỗi dữ liệu nguồn thải bị khuyết bằng hồi quy ngẫu nhiên (Chương 7).
• Cơ quan quản lý môi trường và nhà hoạch định chính sách (như VMM hoặc các ban quản lý lưu vực sông): Tham khảo khung đánh giá tác động của biến đổi khí hậu dựa trên chuỗi đa kịch bản GCM và phân tích tần suất cực trị để xây dựng kế hoạch quản lý chất lượng nước lưu vực bền vững (Chương 8).

Câu hỏi thường gặp

1. Mô hình khái niệm CORIWAQ-RS đạt được mức cải thiện tốc độ tính toán như thế nào so với mô hình chi tiết InfoWorks RS?
Mô hình CORIWAQ-RS rút ngắn thời gian mô phỏng khoảng $10^4$ lần (mười nghìn lần) so với mô hình thủy lực - chất lượng nước chi tiết InfoWorks RS, trong khi vẫn duy trì độ chính xác tương đương với hệ số hiệu quả Nash-Sutcliffe (NSE) đạt mức cao trên toàn bộ 7 biến chất lượng nước được kiểm định.

2. Việc bỏ qua sự phát triển theo mùa của thực vật thủy sinh ảnh hưởng như thế nào đến kết quả mô phỏng mực nước và chất lượng nước?
Việc giả định hệ số nhám cố định (bỏ qua sự phát triển của rong cỏ mùa hè) làm ước tính thấp đáng kể mực nước sông trong mùa hè, mặc dù ảnh hưởng này không đáng kể trong các thời kỳ đỉnh lũ. Do nồng độ các chất ô nhiễm cao nhất thường xuất hiện vào thời kỳ kiệt mùa hè, sai lệch nhám này gây ảnh hưởng nghiêm trọng đến việc mô phỏng vận tốc dòng chảy, thời gian lưu và khả năng tự làm sạch của sông.

3. Ba phần mềm MIKE 11, InfoWorks RS và InfoWorks ICM có sự đồng thuận và khác biệt nào trong mô phỏng chất lượng nước?
Ba mô hình đồng thuận trong việc nhận diện các nguồn thải chính chi phối nồng độ chất hữu cơ (BOD5) và nitrat ($\text{NO}_3\text{-N}$). Tuy nhiên, chúng bất đồng về các yếu tố chính giải thích nồng độ ôxy hòa tan (DO) do sự khác biệt trong các phương trình tính toán tốc độ truyền nhiệt và tái sục khí bề mặt.

4. Phương pháp hồi quy ngẫu nhiên (stochastic regression) được áp dụng để xử lý bất định dữ liệu đầu vào như thế nào?
Tác giả thiết lập các phương trình hồi quy giữa các biến đã biết và biến bị thiếu, sau đó cộng thêm chuỗi sai số ngẫu nhiên tuân theo phân phối xác suất chuẩn $N(\mu, \sigma)$ vào kết quả ước tính. Dữ liệu này sau đó được lan truyền qua mô hình bằng mô phỏng Monte Carlo để định lượng đóng góp của từng nguồn thải vào tổng phương sai sai số dư đầu ra.

5. Biến đổi khí hậu tác động như thế nào đến nồng độ ôxy hòa tan (DO) và thất thoát nitơ trên lưu vực sông Molse Neet?
Nhiệt độ không khí tăng làm giảm nồng độ ôxy hòa tan bão hòa (DOS), tăng tốc độ phản ứng sinh hóa và rút ngắn chu kỳ sinh trưởng cây trồng (LGP), dẫn đến gia tăng thất thoát nitơ từ đất nông nghiệp vào mùa đông và làm suy giảm nghiêm trọng nồng độ DO cực tiểu trong sông vào mùa hè giai đoạn 2050–2060, với độ bất định đặc biệt lớn ở các chu kỳ lặp lại cao.

Kết luận

Luận án tiến sĩ của Thanh Thuy Nguyen đã giải quyết thành công các rào cản tính toán trong mô hình hóa chất lượng nước sông thông qua việc phát triển mô hình khái niệm CORIWAQ-RS có tốc độ tính toán vượt trội ($10^4$ lần) và độ chính xác cao. Nghiên cứu cung cấp các bằng chứng định lượng rõ ràng về ảnh hưởng của nhám lòng dẫn theo mùa, độ bất định cấu trúc mô hình và độ bất định dữ liệu nguồn thải trên lưu vực sông Molse Neet. Đồng thời, luận án thiết lập khung đánh giá toàn diện về tác động tiêu cực và tính bất định của biến đổi khí hậu đối với chế độ dòng chảy và nồng độ ôxy hòa tan trong tương lai, đóng góp cơ sở khoa học quan trọng cho công tác quản lý tài nguyên nước và thích ứng khí hậu.

Trích đoạn nội dung tài liệu

Acknowledgements ARENBERG DOCTORAL SCHOOL i FACULTY OF ENGINEERING SCIENCE MODEL BASED RIVER WATER QUALITY ASSESSMENT UNDER CURRENT AND FUTURE CLIMATE CONDITIONS Thanh Thuy Nguyen Supervisor: Dissertation presented in partial Prof. Patrick Willems fulfilment of the requirements for the degree of PhD in Engineering Science August 2017 Mangh■■ng Luôn 123doc Th■a thu■n l■icam s■tr■ h■u k■t s■ nghi■m t■im■t d■ng là s■website mang kho m■i 1. th■ m■ l■i d■n CH■P ■■u vi■n nh■ng cho kh■ng ng■■i NH■N quy■n chia dùng, l■ CÁC và■I■U s■l■i v■it■t công h■n mua nh■t 2.000 ngh■ bán KHO■N cho tàihi■n ng■■i li■u TH■A tài th■ hàng li■u ■■u ■ t■t dùng. hi■n THU■N■■i, Khi Vi■t c■ khách b■n l■nh Nam.

Chào online hàng v■c: Tác m■ng tr■ không tài phong thành b■n chính■■n khác chuyên thành tíngì d■ng, v■i so nghi■p, viên 123doc. v■i công c■a b■n hoàn ngh■ 123doc g■c. và■■ h■o, thông B■n n■p có tin, cao th■ ti■n ngo■i tính phóng vào ng■,.Khách trách tài to,kho■n nhi■m thu nh■■■i c■a hàng tùy123doc, v■i ý. cót■ng th■b■n d■ ng■■i ■■■c dàng s■ dùng.

tra c■u M■c h■■ng tàitiêu li■u m■t■■u nh■ng hàng quy■n cáchc■a chính l■i123doc.net sau xác,n■p nhanh ti■n tr■ chóng. trên thành th■ vi■n tài li■u online l■n nh■t Vi■t Nam, cung c■p nh■ng tài li■u ■■c không th■ tìm th■y trên th■ tr■■ng ngo■i tr■ website Nhi■u event thú v■, event ki■m ti■n thi■t th■c. 123doc luôn luôn t■o c■ h■i gia t■ng thu nh■p online cho t■t c■ các thành viên c■a website. Mangh■n Luôn Th■a Xu■t Sau Nhi■u 123doc khi h■■ng phát thu■n l■i event cam s■ nh■n m■t tr■ t■ h■u k■t s■ thú nghi■m t■i ýxác n■m t■■ng m■t d■ng v■, là s■nh■n■■i, website ra mang event kho m■i 1.

t■ot■ th■ m■■■ng l■i c■ng ki■m d■n 123doc CH■P ■■u ■■ng vi■n nh■ng cho ti■n h■■ã kh■ng ng■■i NH■N quy■n th■ng thi■t chia t■ng ki■m dùng, l■ CÁC s■ th■c. s■ l■i b■■c v■i■I■U ti■n vàchuy■n t■t công h■n mua 123doc online kh■ng nh■t ■■nh 2.000 ngh■ bán KHO■N sang b■ng luôn cho tài hi■n ng■■i li■u ph■n luôn tài TH■A tài v■ th■ li■u hàng t■o li■u thông dùng. ■■u ■ tin tríhi■n THU■N hi■u c■ c■a ■■i, t■t h■i Khi qu■ mình Vi■t xác c■ khách gia b■n nh■t, minh trong l■nh Nam. t■ng Chào online hàng uy tài v■c: l■nh thu Tác m■ng tín kho■n tr■ nh■p không tài phong v■c caothành b■n chính ■■n email nh■t.

tài online khác chuyên li■u thành tínb■n Mong gì cho d■ng, và v■i so■ã ■■ng nghi■p, viên kinh t■t 123doc.net! v■i mu■n công c■a c■ doanh b■n các hoàn mang ngh■ 123doc ký g■c. thành v■i h■o, Chúng l■i ■■ thông B■n và ■■n 123doc.netLink cho viên Tính n■p có tôi tin, c■ng c■a cao th■ cung ti■n ngo■i■■ng tính website. phóng th■i vào c■p ■i■m ng■,.Khách trách xác tài D■ch xã to,kho■n th■c nhi■m h■i ■■i thutháng V■ nh■ m■t s■ c■a■■■c (nh■ hàng tùy ■■■c ngu■n 5/2014; 123doc, v■i ý. cóg■i t■ng th■ tài 123doc v■ mô ■■a nguyên b■n d■ ng■■i t■ dàng s■ ■■■c v■■t d■■i tri dùng.

ch■tra■ây) th■c m■c email c■u M■c h■■ng quý 100.000 cho tài b■n tiêu báu, li■u■ã b■n, ■■ng nh■ng hàng ■■u phong m■t l■■t tùyquy■n cách truy thu■c phú, ky,■a c■a c■p chính l■i b■n vào 123doc.net m■i d■ng, sau xác, các vuingày, n■p lòng “■i■u nhanh giàu■■ng ti■n s■ tr■ giá Kho■n chóng. h■u trên thành tr■ ■■ng nh■p 2.000 website Th■a th■ email vi■n th■i Thu■n c■a thành mong tài v■ li■u mình viên mu■n S■ ■■ng online và D■ng click t■o l■n■i■u ký, D■ch vào nh■t l■t link ki■n V■” vào Vi■t 123doc top sau cho ■ây Nam,■ã 200 cho cung các các (sau ■âynh■ng g■iwebsite c■p users ■■■c cóph■ thêm tài bi■n g■ithu li■u t■t■■c nh■t nh■p. T■it■i không t■ng Chính Vi■tth■i th■ Nam,■i■m, vì v■y tìm t■123doc.net th■y l■chúng tìm trên ki■m tôi th■ ■■i racóthu■c tr■■ng th■nh■m c■p top ■áp ngo■i 3nh■t Goog■ ■ tr■ Luônh■n 123doc Sau Th■a Xu■tkhi h■■ng phát thu■n cam nh■n m■tt■k■t s■ t■i ýxác n■m t■■ng d■ng là s■ nh■n■■i, website ra mang 1. t■o ■■ng t■l■i c■ng d■n 123doc CH■P ■■u ■■ng nh■ngh■■ã NH■N quy■n th■ng chia t■ng ki■mCÁC s■s■ l■i b■■c■I■U ti■n vàchuy■n t■t mua online kh■ng nh■t bán KHO■N■■nh sang b■ng cho tài ng■■i li■u ph■n tài TH■A v■li■u hàngthông dùng.

■■u tríTHU■N hi■u c■atin Khi qu■ mình Vi■t xác khách nh■t, minh trong Nam. Chào hàng uy tài l■nh Tác m■ng tín kho■n tr■ phong v■c caothành b■n ■■n email nh■t. tàichuyên li■u thành b■n Mong và v■i ■ã ■■ng nghi■p, viên kinh 123doc.net! mu■n c■a doanh hoàn mang 123doc kýonline. v■i h■o, Chúng l■ivà ■■ ■■n 123doc.netLink cho Tính n■p tôi c■ng cao cung ti■n ■■ng tính th■i vào c■p ■i■m trách xác tài D■ch xãkho■n th■c nhi■m ■■i h■itháng V■m■t s■ c■a■■■c (nh■ ■■■c ngu■n 5/2014; 123doc, v■i g■i t■ng tài 123doc v■ mô ■■a nguyên b■n ng■■i t■s■ v■■t d■■i■■■c tri dùng.

ch■ ■ây) th■c m■c email M■c h■■ng quý 100.000 chob■n tiêu báu, ■ã b■n, ■■ng nh■ng hàng ■■u phong l■■t tùyquy■n truy thu■c phú, ky,■a c■a c■pl■i b■n vào 123doc.net m■i d■ng, sau các vuingày, n■p lòng “■i■u giàu■■ng ti■n s■ tr■ giá Kho■n h■u trên thành tr■ ■■ng nh■p 2.000 website Th■a th■ email vi■n th■i Thu■n c■a thành mong tài v■ li■u mình viên mu■n S■ ■■ng online và D■ng click t■o l■n■i■u ký, D■ch vào nh■t l■t link ki■n V■” vào Vi■t 123doc top sau cho Nam,■ây ■ã 200 cho cung các các (sau ■âynh■ng g■iwebsite c■p users ■■■c cóph■ thêm tài bi■n g■ithu li■u t■t■■c nh■t nh■p. T■it■i không t■ng Chính Vi■tth■i th■ Nam, ■i■m, vì v■y tìm t■123doc.net th■y l■chúng tìm trên ki■m tôi th■ ■■i racóthu■c tr■■ng th■nh■m c■p top ■áp ngo■i 3nh■t Goog■ ■ tr■ Luônh■n Th■a Xu■t Sau Nhi■u 123doc Mangkhi h■■ng phát thu■n l■i event cam s■ nh■n m■t tr■ t■ h■u k■t s■ thú nghi■m t■i ýxác n■m t■■ng m■t d■ng v■, là s■ nh■n■■i, website ra mang event kho m■i 1. t■ot■ th■ m■■■ng l■i c■ng ki■m d■n 123doc CH■P ■■u ■■ng vi■n nh■ng cho ti■n h■■ã kh■ng ng■■i NH■N quy■n th■ng thi■t chia t■ng ki■m dùng, l■ CÁC s■ th■c. s■ l■i b■■c v■i■I■U ti■n vàchuy■n t■t công h■n mua 123doc online kh■ng nh■t ■■nh 2.000 ngh■ bán KHO■N sang b■ng luôn cho tài hi■n ng■■i li■u ph■n luôn tài TH■A tài v■ th■ li■u hàng t■o li■u thông dùng.

■■u ■ tin tríhi■n THU■N hi■u c■ c■a ■■i, t■t h■i Khi qu■ mình Vi■t xác c■ khách gia b■n nh■t, minh trong l■nh Nam. t■ng Chào online hàng uy tài v■c: l■nh thu Tác m■ng tín kho■n tr■ nh■p không tài phong v■c caothành b■n chính ■■n email nh■t. tài online khác chuyên li■u thành tínb■n Mong gì cho d■ng, và v■i so■ã ■■ng nghi■p, viên kinh t■t 123doc.net! v■i mu■n công c■a c■ doanh b■n các hoàn mang ngh■ 123doc ký g■c. thành v■i h■o, Chúng l■i thông B■n và ■■ ■■n 123doc.netLink cho viên Tính n■p có tôi tin, c■ng c■a cao th■ cung ti■n ngo■i■■ng tính website.

phóng th■i vào c■p ■i■m ng■,.Khách trách xác tài D■ch xã to,kho■n th■c nhi■m h■i ■■i thutháng V■ nh■ m■t s■ c■a■■■c (nh■ hàng tùy ■■■c ngu■n 5/2014; 123doc, v■i ý. cóg■i t■ng th■ tài 123doc v■ mô ■■a nguyên b■n d■ ng■■i t■ dàng s■ v■■t d■■i■■■c tri dùng. ch■ tra■ây) th■c m■c email c■u M■c h■■ng quý 100.000 cho tài b■n tiêu báu, li■u■ã b■n, ■■ng nh■ng hàng ■■u phong m■t l■■t tùyquy■n cách truy thu■c phú, ky,■a c■a c■p chính l■i b■n vào 123doc.net m■i d■ng, sau xác, các vuingày, n■p lòng “■i■u nhanh giàu■■ng ti■n s■ tr■ giá Kho■n chóng. h■u trên thành tr■ ■■ng nh■p 2.000 website Th■a th■ email vi■n th■i Thu■n c■a thành mong tài v■ li■u mình viên mu■n S■ ■■ng online và D■ng click t■o l■n■i■u ký, D■ch vào nh■t l■t link ki■n V■” vào Vi■t 123doc top sau cho Nam,■ây ■ã 200 cho cung các các (sau ■âynh■ng g■iwebsite c■p users ■■■c cóph■ thêm tài bi■n g■ithu li■u t■t■■c nh■t nh■p.

T■it■i không t■ng Chính Vi■tth■i th■ Nam, ■i■m, vì v■y tìm t■123doc.net th■y l■chúng tìm trên ki■m tôi th■ ■■i racóthu■c tr■■ng th■nh■m c■p top ■áp ngo■i 3nh■t Goog■ ■ tr■ u■t phát Nhi■u Mang Luôn 123doc Th■a Xu■t Sau khi h■n h■■ng phát thu■n l■i event s■ cam nh■n t■ m■t tr■ t■ h■u ýk■t s■ thú nghi■m t■i ýt■■ng xác n■m t■■ng m■t d■ng v■, là s■ nh■n■■i, website ra mang event t■o kho m■i 1. t■ot■ ■■ng c■ng th■ m■ l■i c■ng ki■m d■n ■■ng 123doc CH■P ■■u ■■ng vi■n nh■ng cho ti■n h■■ã kh■ng ng■■i NH■N quy■n th■ng thi■t chia ki■m t■ng ki■m dùng, l■ CÁC s■ th■c. ti■n s■ l■i b■■c v■i■I■U ti■n vàchuy■n t■t công online h■n mua 123doc online kh■ng nh■t ■■nh 2.000 ngh■ bán KHO■N b■ng sang b■ng luôn cho tài hi■n tài ng■■i li■u ph■n luôn tài TH■A li■u tài v■ th■ li■u hàng t■o li■u thông dùng. trí hi■u hi■n■■u ■ tin THU■N hi■u c■ c■a ■■i, qu■ t■t h■i Khi qu■ mình Vi■t xác c■ khách gia nh■t, b■n nh■t, minh trong l■nh Nam.

t■ng Chào online uy hàng uy tài v■c: l■nh thu Tác tín m■ng tín kho■n tr■ cao nh■p không tài phong v■c caothành b■n chính nh■t. tài online khác chuyên li■u thành tín Mong b■n Mong gì cho d■ng, và v■i so■ã ■■ng nghi■p, viên kinh mu■n t■t 123doc.net! v■i mu■n công c■a c■ doanh b■n mang các hoàn mang ngh■ 123doc ký g■c. thành v■i l■i h■o, Chúng l■i thông B■n cho và ■■ ■■n ■■ng 123doc.netLink cho viên Tính n■p có c■ng tôi tin, c■ng c■a cao th■ cung ti■n ngo■i■■ng tính website. phóng th■i vào c■p ■i■m ng■,.Khách trách xác xã tài D■ch xã to,h■i kho■n th■c nhi■m h■i thum■t ■■i tháng V■ nh■ m■t s■ c■a■■■c (nh■ hàng ngu■n tùy ■■■c ngu■n 5/2014; 123doc, v■i ý.

cótài g■i t■ng th■ tài 123doc■■a nguyên v■ mô nguyên b■n d■ ng■■i t■ dàng s■ v■■t tri d■■i■■■c tri dùng. ch■ th■c tra■ây) th■c m■c email c■u quý M■c h■■ng quý 100.000 cho tài báu, b■n tiêu báu, li■u■ã b■n, ■■ng nh■ng phong hàng ■■u phong m■t l■■t tùyphú, quy■n cách truy ■a thu■c phú, ky,■a c■a c■p chính l■i b■n vào d■ng, 123doc.net m■i d■ng, sau xác, các vuingày, n■p giàu lòng “■i■u nhanh giàu■■ng ti■n giá s■ tr■ giá Kho■n chóng. h■u tr■ trên■■ng thành tr■ ■■ng nh■p 2.000 website Th■a th■ email th■i vi■n th■i Thu■n mong c■a thành mong tài v■ li■u mình mu■n viên mu■n S■ ■■ng online và D■ng t■o ■i■u click t■o l■n■i■u ký, D■ch vào nh■t l■t link ki■n ki■n V■” vào Vi■t 123doc cho top sau cho Nam,■ây cho■ã 200 cho cung các các các (sau g■i ■âynh■ng users website c■p users có■■■c cóph■ thêm thêm tài bi■n g■i thu thu li■u t■t■■c nh■p. T■it■i Chính không t■ng Chính Vi■tth■i vìth■ Nam, ■i■m, vìv■y v■y tìm 123doc.net th■y l■chúng tìm trên ki■m tôi ra th■ ■■i racó■■i thu■c tr■■ng th■ nh■m nh■m c■p top ■áp ■áp ngo■i ■ 3nh■t Goog■ ■ tr■ Nhi■u Mang Luôn 123doc Th■a Xu■t Sau khi h■n h■■ng phát thu■n l■i event s■ cam nh■n m■t tr■ t■ h■u k■t s■ thú nghi■m t■i ýxác n■m t■■ng m■t d■ng v■, là s■nh■n■■i, website ra mang event kho m■i 1.

t■ot■ th■ m■■■ng l■i c■ng ki■m d■n 123doc CH■P ■■u ■■ng vi■n nh■ng cho ti■n h■■ã kh■ng ng■■i NH■N quy■n th■ng thi■t chia t■ng ki■m dùng, l■ CÁC s■ th■c. s■ l■i b■■c v■i■I■U ti■n vàchuy■n t■t công h■n mua 123doc online kh■ng nh■t ■■nh 2.