Luận Văn Thạc Sĩ: Phát Triển Bộ Công Cụ Dự Báo Tài Nguyên Nước Mặt Cho Lưu Vực Sông Ba

Luận văn thạc sĩ nghiên cứu xây dựng bộ công cụ dự báo tài nguyên nước mặt cho lưu vực sông Ba, ứng dụng hiệu quả trong quản lý tài nguyên nước.

• Tác giả: Chu Nguyễn Ngọc Sơn
• Người hướng dẫn: TS. Lương Hữu Dũng
• Trường học: Trường Đại học Thủy lợi
• Chuyên ngành: Thủy văn học
• Đề tài: Xây dựng bộ công cụ dự báo tài nguyên nước mặt cho lưu vực sông Ba
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2018
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• DANH MỤC HÌNH ẢNH
• DANH MỤC BẢNG BIỂU
• DANH MỤC CÁC TỪ VIẾT TẮT
• MỞ ĐẦU
• 1. CHƯƠNG 1: TỔNG QUAN VỀ DỰ BÁO TÀI NGUYÊN NƯỚC MẶT
• 1.1. Tổng quan tình hình nghiên cứu trên thế giới
• 1.2. Tổng quan tình hình nghiên cứu ở Việt Nam
• 1.3. Điều kiện địa lý tự nhiên lưu vực sông Ba
• 1.3.1. Vị trí địa lý
• 1.3.2. Đặc điểm địa hình
• 1.3.3. Mạng lưới sông ngòi
• 1.3.4. Đặc điểm khí tượng thủy văn
• 1.3.5. Hệ thống hồ chứa trên lưu vực
• 2. CHƯƠNG 2: PHƯƠNG PHÁP DỰ BÁO TÀI NGUYÊN NƯỚC TRÊN LƯU VỰC SÔNG BA
• 2.1. Các phương pháp chung
• 2.2. Sơ đồ khối phương pháp dự báo tài nguyên nước
• 2.3. Mô hình dự báo đặc trưng dòng chảy
• 2.3.1. Giới thiệu mô hình ANN
• 2.3.2. Giới thiệu về mô hình MIKE-NAM
• 2.4. Mô hình diễn toán dòng chảy và vận hành hồ
• 2.4.1. Giới thiệu mô hình MIKE 11
• 2.4.2. Giới thiệu mô hình MIKE BASIN
• 3. CHƯƠNG 3: ỨNG DỤNG MÔ HÌNH DỰ BÁO TÀI NGUYÊN NƯỚC MẶT LƯU VỰC SÔNG BA
• 3.1. Thiết lập mô hình ANN
• 3.1.1. Các bước chính trong xây dựng mô hình ANN
• 3.1.2. Dữ liệu đầu vào mô hình
• 3.1.3. Hiệu chỉnh kiểm định mô hình ANN tại trạm An Khê trên lưu vực sông Ba
• 3.2. Thiết lập mô hình thủy văn mô phỏng dòng chảy
• 3.2.1. Thiết lập mô hình MIKE – NAM cho lưu vực sông Ba
• 3.2.2. Hiệu chỉnh kiểm định mô hình MIKE-NAM
• 3.3. Thiết lập mô hình MIKE Basin cho lưu vực sông Ba
• 3.3.1. Các bước tính toán và các thông tin số liệu sử dụng trong tính toán
• 3.3.2. Hiệu chỉnh kiểm định mô hình Mike Basin
• 4. CHƯƠNG 4: KẾT QUẢ DỰ BÁO THỬ NGHIỆM
• 4.1. Kết quả dự báo dòng chảy dài hạn
• 4.1.1. Tổng lượng dòng chảy tháng đến trạm An Khê
• 4.1.2. Tổng lượng dòng chảy tháng đến trạm Củng sơn
• 4.1.3. Đánh giá kết quả dự báo dòng chảy dài hạn
• 4.2. Kết quả dự báo dòng chảy trung hạn 5 ngày
• 4.2.1. Kết quả dự báo mùa cạn trượt 5, 10 ngày
• 4.2.2. Kết quả dự báo mùa lũ trượt 5 ngày
• 4.2.3. Đánh giá kết quả dự báo trung hạn
• KẾT LUẬN VÀ KIẾN NGHỊ
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về dự báo tài nguyên nước mặt

Trong bối cảnh tài nguyên nước ngày càng trở nên khan hiếm, việc dự báo tài nguyên nước mặt cho lưu vực sông Ba trở thành một nhiệm vụ cấp thiết. Nghiên cứu này không chỉ giúp xác định lượng nước có sẵn mà còn hỗ trợ trong việc quản lý và phân bổ nguồn nước một cách hợp lý. Các phương pháp dự báo hiện nay bao gồm phương pháp thống kê và mô hình toán, trong đó mô hình toán được coi là công cụ mạnh mẽ nhất. Việc áp dụng các mô hình như NAM, MIKE-NAM và MIKE-BASIN cho phép đánh giá chính xác hơn về diễn biến nguồn nước. Đặc biệt, mô hình ANN (Artificial Neural Network) đã được sử dụng để dự báo lưu lượng và tổng lượng nước theo tháng và mùa, từ đó cung cấp thông tin hữu ích cho các nhà quản lý tài nguyên nước.

1.1. Tình hình nghiên cứu trên thế giới

Trên thế giới, việc dự báo tài nguyên nước mặt đã được thực hiện từ lâu và có nhiều phương pháp khác nhau. Các quốc gia phát triển như Mỹ, Nhật Bản và Trung Quốc đã áp dụng các công nghệ tiên tiến trong việc dự báo và quản lý tài nguyên nước. Các phương pháp phổ biến bao gồm phương pháp thống kê, mô hình toán và các phương pháp dựa trên định luật bảo toàn vật chất. Những nghiên cứu này không chỉ giúp xác định lượng nước mà còn dự báo các biến động trong tương lai, từ đó hỗ trợ cho việc lập kế hoạch sử dụng nước hiệu quả.

1.2. Tình hình nghiên cứu ở Việt Nam

Tại Việt Nam, công tác dự báo tài nguyên nước đã được chú trọng từ những năm 1960. Tuy nhiên, hiện nay vẫn còn nhiều hạn chế trong việc dự báo, gây khó khăn cho việc lập kế hoạch sử dụng nước. Các nghiên cứu gần đây đã chỉ ra rằng việc áp dụng các mô hình toán hiện đại có thể cải thiện đáng kể độ chính xác của dự báo. Đặc biệt, lưu vực sông Ba với nhiều hồ chứa và công trình thủy lợi cần có một bộ công cụ dự báo hiệu quả để quản lý tài nguyên nước một cách bền vững.

II. Phương pháp dự báo tài nguyên nước trên lưu vực sông Ba

Nghiên cứu này áp dụng nhiều phương pháp khác nhau để dự báo tài nguyên nước mặt cho lưu vực sông Ba. Phương pháp thống kê được sử dụng để phân tích dữ liệu lịch sử, trong khi các mô hình toán như NAM và MIKE-NAM được áp dụng để mô phỏng dòng chảy và lượng nước. Mô hình ANN cũng được sử dụng để dự báo lưu lượng nước theo tháng và mùa, giúp cung cấp thông tin chính xác cho các nhà quản lý. Việc kết hợp các phương pháp này không chỉ giúp nâng cao độ chính xác của dự báo mà còn tạo ra một hệ thống quản lý tài nguyên nước hiệu quả hơn.

2.1. Các phương pháp chung

Các phương pháp dự báo tài nguyên nước hiện nay bao gồm phương pháp thống kê và mô hình toán. Phương pháp thống kê giúp phân tích dữ liệu lịch sử để xác định các xu hướng và biến động trong tài nguyên nước. Trong khi đó, mô hình toán cho phép mô phỏng các yếu tố ảnh hưởng đến dòng chảy và lượng nước, từ đó đưa ra các dự báo chính xác hơn. Việc áp dụng các mô hình này là rất cần thiết trong bối cảnh tài nguyên nước ngày càng khan hiếm.

2.2. Mô hình dự báo đặc trưng dòng chảy

Mô hình dự báo đặc trưng dòng chảy là một phần quan trọng trong nghiên cứu này. Mô hình NAM và MIKE-NAM được sử dụng để mô phỏng dòng chảy và lượng nước trong lưu vực sông Ba. Những mô hình này không chỉ giúp dự báo lượng nước mà còn hỗ trợ trong việc quản lý và điều hành hệ thống hồ chứa. Việc áp dụng các mô hình này giúp nâng cao khả năng dự báo và quản lý tài nguyên nước một cách hiệu quả.

III. Ứng dụng mô hình dự báo tài nguyên nước mặt lưu vực sông Ba

Việc ứng dụng mô hình dự báo tài nguyên nước mặt cho lưu vực sông Ba đã cho thấy những kết quả khả quan. Mô hình ANN đã được thiết lập và hiệu chỉnh tại các trạm thủy văn, cho phép dự báo chính xác lưu lượng nước theo tháng và mùa. Các kết quả dự báo cho thấy sự phù hợp với dữ liệu thực tế, từ đó khẳng định tính khả thi của mô hình trong việc hỗ trợ quản lý tài nguyên nước. Những thông tin này không chỉ hữu ích cho các nhà quản lý mà còn giúp giải quyết các mâu thuẫn trong việc sử dụng nước giữa các ngành khác nhau.

3.1. Thiết lập mô hình ANN

Mô hình ANN được thiết lập dựa trên dữ liệu lịch sử về dòng chảy và các yếu tố khí tượng. Các bước chính trong việc xây dựng mô hình bao gồm thu thập dữ liệu, hiệu chỉnh và kiểm định mô hình. Kết quả từ mô hình ANN cho thấy khả năng dự báo chính xác lưu lượng nước, từ đó cung cấp thông tin hữu ích cho việc lập kế hoạch sử dụng nước.

3.2. Hiệu chỉnh kiểm định mô hình MIKE NAM

Mô hình MIKE-NAM cũng đã được hiệu chỉnh và kiểm định tại các trạm thủy văn trên lưu vực sông Ba. Kết quả kiểm định cho thấy mô hình này có khả năng dự báo chính xác lượng nước trong các mùa khác nhau. Việc áp dụng mô hình này giúp nâng cao hiệu quả quản lý tài nguyên nước, đồng thời giảm thiểu các rủi ro liên quan đến lũ lụt và hạn hán.

IV. Kết quả dự báo thử nghiệm

Kết quả từ các thử nghiệm dự báo cho thấy mô hình đã hoạt động hiệu quả trong việc dự báo tài nguyên nước mặt cho lưu vực sông Ba. Các kết quả dự báo dòng chảy dài hạn và trung hạn đều cho thấy sự phù hợp với dữ liệu thực tế. Đặc biệt, việc dự báo dòng chảy trong mùa cạn và mùa lũ đã giúp các nhà quản lý có cái nhìn rõ hơn về tình hình tài nguyên nước, từ đó đưa ra các quyết định hợp lý trong việc sử dụng và quản lý nguồn nước.

4.1. Kết quả dự báo dòng chảy dài hạn

Kết quả dự báo dòng chảy dài hạn cho thấy tổng lượng dòng chảy tháng đến các trạm thủy văn như An Khê và Củng Sơn đều đạt được độ chính xác cao. Những thông tin này rất quan trọng trong việc lập kế hoạch sử dụng nước cho các ngành khác nhau, từ nông nghiệp đến công nghiệp.

4.2. Kết quả dự báo dòng chảy trung hạn

Kết quả dự báo dòng chảy trung hạn cho thấy khả năng dự báo chính xác trong khoảng thời gian 5 ngày. Những thông tin này giúp các nhà quản lý có thể điều chỉnh kế hoạch sử dụng nước kịp thời, từ đó giảm thiểu các rủi ro liên quan đến tình trạng thiếu nước trong mùa cạn.

Trích đoạn nội dung tài liệu

CHƯƠNG 1: TỔNG QUAN VỀ DỰ BÁO TÀI NGUYÊN NƯỚC MẶT 1. TỔNG QUAN TÌNH HÌNH NGHIÊN CỨU TRÊN THẾ GIỚI Việc xác định và dự báo tài nguyên nước mặt theo tháng, mùa, năm để phân bổ, chia sẻ nguồn nước là một bài toán phức tạp, thể hiện mối liên quan chặt chẽ giữa các yếu tố khí tượng, khí hậu, khai thác sử dụng tài nguyên nước mặt với nguồn nước mặt. Xác định số lượng nước mặt của lưu vực sông bao gồm hai hợp phần: điều tra, đo đạc và tính toán xác định các đặc trưng tài nguyên nước. Các trị số đặc trưng thể hiện tài nguyên nước sông trên lưu vực gồm có: trị số trung bình năm, tháng và mùa, các trị số lớn nhất, nhỏ nhất, tần suất dòng chảy theo mùa lũ, mùa cạn… Các phương pháp xác định tài nguyên nước mặt được dùng phổ biến trên thế giới hiện nay gồm: nhóm phương pháp dựa trên định luật bảo toàn vật chất, phương pháp tương tự, phương pháp thống kê và xây dựng tương quan, phương pháp ứng dụng mô hình toán.

Các phương pháp tính toán và dự báo tài nguyên nước trong sông được phân chia thành hai nhóm: Thống kê và phương pháp mô hình. Phương pháp thống kê: + Phương pháp tương tự: - Phương pháp bản đồ và nội suy địa lý (thường được dùng cho những vùng có số liệu đo đạc không đầy đủ): phương pháp này dựa trên giả thiết, các đặc trưng dòng chảy thay đổi từ từ theo vùng lãnh thổ và tuân theo quy luật địa đới. Do đó có thể thiết lập các bản đồ đẳng trị từ dữ liệu một số trạm quan trắc, để xác định tiềm năng nguồn nước của lưu vực. - Phương pháp tương tự thủy văn: Phương pháp này dựa trên giả thiết dòng chảy là sản phẩm của khí hậu và chịu sự tác động của điều kiện địa lý tự nhiên với các lưu vực tương tự thì dòng chảy của chúng cũng tương tự, có thể tính được tiềm năng dòng chảy mặt của lưu vực.

+ Phương pháp xây dựng phương trình tương quan và thống kê: Phương pháp phân tích tương quan: Xây dựng mối quan hệ đa biến giữa tiềm năng dòng chảy mặt (tổng lượng nước, các giá trị cực trị của nguồn nước…) với các nhân tố khí hậu (mưa, bốc hơi, độ ẩm, nhiệt độ…) và mặt đệm ảnh hưởng tới dòng chảy sông ngòi trên lưu vực. + Phương pháp xác suất thống kê: Cơ sở của phương pháp này dựa trên tính chất ngẫu nhiên của các đại lượng tài nguyên nước. Mức độ định lượng của 4 chúng theo không gian và thời gian tuân theo các quy luật ngẫu nhiên. Vận dụng phương pháp thống kê xác định mối quan hệ, đánh giá sự xuất hiện cũng như tần suất xuất hiện và sự biến động của tiềm năng tài nguyên nước (tổng lượng nước, các giá trị cực trị của nguồn nước…) theo không gian và thời gian qua các tham số thống kê cơ bản.

Phương pháp mô hình: Từ những năm 1960 của thế kỷ XX, cùng với sự phát triển mạnh mẽ của công nghệ thông tin, các mô hình thống kê phân tích chuỗi theo thời gian, các mô hình thủy văn tính toán dòng chảy từ mưa, mô hình diễn toán dòng chảy trong sông, mô hình điều tiết hồ chứa và tính toán cân bằng nước phát triển rất mạnh. Việc ứng dụng các mô hình để khôi phục lại dòng chảy trên lưu vực, tính toán dòng chảy tại những vùng không có số liệu quan trắc và kéo dài số liệu đã trở nên phổ biến. Nhiều mô hình mô phỏng tính toán cân bằng nước, các khung hỗ trợ quản lý tổng hợp và dự báo tiềm năng nguồn nước đã được đầu tư nghiên cứu và áp dụng cho các lưu vực sông lớn trên thế giới như Hoàng Hà, Trường Giang (Trung Quốc), sông Missisipi, Colorado, Missouri (Mỹ)… Công trình “Đánh giá tài nguyên nước và nguồn nước trên thế giới” (Assessment of water resources and water availability in the world) thuộc chương trình “Đánh giá toàn diện về các nguồn tài nguyên nước ngọt trên thế giới” (Comprehensive assessment of the fresh water resources in the world) do giáo sư I.Shiklomanov, Viện Thủy văn Liên bang Nga thực hiện năm 1997. Dựa trên số liệu của 2400 trạm quan trắc Khí tượng Thủy văn toàn thế giới với thời gian quan trắc từ 5 đến 178 năm, tác giả đã đưa ra đánh giá về tổng lượng nước trên trái đất, hệ số biến động cũng như số lượng nước sẵn có trên các lục địa.

Công trình cũng đưa ra các dạng phân bố dòng chảy trong năm, xu thế biến đổi của tổng lượng tài nguyên nước theo chu kỳ nhiều năm của một số lưu vực điển hình. Từ năm 1980 đến nay, tại nhiều nước trên thế giới như Mỹ, Pháp, Đan Mạch, Trung Quốc, Hà Lan trên cơ sở ứng dụng các hệ phương trình thủy động lực học 1 chiều, 2 chiều, 3 chiều, họ mô hình HEC, các mô hình họ Mike, mô hình cân bằng nước như MIKE BASIN, MITSIM, các mô hình thủy văn thông số tập trung như NAM, TANK, mô hình thủy văn thông số phân bố như TOPMDEL (Mỹ), DIMOSOP (Italia), HBV (Thụy điển), WETSPA (Bỉ), … mô phỏng, tính toán, dự báo dòng chảy trên hệ thống sông. Trong những năm 1990, các mô hình thời tiết số trị NWP đã được nghiên cứu và hoàn thiện, tại các nước như Mỹ, Nhật, Úc, Đức, Italia, Canada và Hàn Quốc. Trong những năm đầu của thế kỷ XXI trở thành các mô hình dự báo khí hậu toàn cầu.

Kết quả của các mô hình toàn cầu cho phép dự báo dài hạn các yếu 5 tố khí hậu như mưa, nhiệt độ, bốc hơi… trước 10 ngày, 1 tháng, 3 tháng, mùa và năm. Kết quả phân tích của các mô hình NWP được đưa vào đầu vào các mô hình thủy văn tính toán dự báo nguồn nước hạn vừa và hạn dài. Các mô hình NWP đưa ra một phác họa diễn biến khí hậu và tài nguyên nước liên tục từ quá khứ đến hiện tại và tương lai, mang lại các thông tin hữu ích cho các nhà quản lý và sử dụng nguồn nước. Cuối những năm 1990, một công nghệ mới ra đời: Công nghệ viễn thám và hệ thống thông tin địa lý GIS mang lại sức mạnh mới trong việc thu thập, phân tích, đánh giá cũng như thể hiện các kết quả phục vụ việc tính toán, kiểm soát và phân tích tiềm năng nguồn nước trên lãnh thổ.

Hệ thống Rađa, Vệ tinh đã và đang thực sự thay đổi phương thức thu nhận thông tin trong công tác phòng chống bão, lũ và hạn hán. Phương pháp ứng dụng phân tích các ảnh viễn thám đã giúp cho việc giám sát và dự báo lượng nước mùa lũ và mùa cạn trước một thời gian dài và trên diện rộng không giới hạn các biên giới quốc gia. Tiêu biểu cho phương pháp ứng dụng công nghệ ảnh viễn thám là Dự án “Ứng dụng công nghệ vệ tinh để giám sát nguồn nước và dự báo dòng chảy trên sông Hoàng Hà” năm 2008 giữa chính phủ Hà Lan, Bộ Tài nguyên nước Trung Quốc và Ủy ban quản lý lưu vực sông Hoàng Hà. Dự án đã xây dựng được công nghệ giám sát, dự báo hạn hán và dòng chảy lũ trên lưu vực sông Hoàng Hà đạt kết quả tốt và hiện nay đang được tiếp tục triển khai tại một lưu vực sông khác tại Trung Quốc.

Sự phát triển mạnh mẽ của các mô hình toán thủy văn đã đem lại một hướng mới cho công tác dự báo nguồn nước mặt. Các mô hình phân tích chuỗi thời gian, phân tích dòng chảy theo tần suất đã được phát triển và ứng dụng cho dự báo dài hạn nguồn nước, dự báo dòng chảy tháng, năm như mô hình ARIMA, mô hình Thomas- Fiering. Loại mô hình này được ứng dụng ở nhiều nước trên thế giới, nhưng do chỉ sử dụng một chuỗi số liệu dòng chảy đủ dài và tự tương quan với chính nó nên chất lượng thường không cao. Ra đời từ những năm 1940, phát triển mạnh vào những năm 1990, ứng dụng thành công trong lĩnh vực tài nguyên nước, mô hình mạng thần kinh nhân tạo ANN đã khắc phục các nhược điểm đó, thực hiện phân tích chuỗi thời gian và tương quan với nhiều yếu tố tác động tới dòng chảy được ứng dụng để dự báo dài hạn dòng chảy.

Hiện nay, vấn đề dự báo tài nguyên nước đã được quan tâm ở nhiều quốc gia trên thế giới. Đặc biệt, tại quốc gia phát triển về tài nguyên nước như Mỹ, các thông tin dự báo về số lượng tài nguyên nước tại các lưu vực sông trên toàn quốc được cập nhật thường xuyên và đưa lên các website của Cục Quản lý khí quyển và Đại Dương Hoa Kỳ- NOAA. Các tính toán phân tích về tài nguyên nước đều lấy đầu vào là các yếu tố khí hậu từ kết quả dự báo của các mô hình số trị toàn cầu và dựa trên các phương pháp phân tích dòng chảy theo chuỗi thời gian và phân 6 tích theo tần suất, tính toán ước lượng về sự biến đổi dòng chảy (lớn nhất, nhỏ nhất, trung bình) tại các hệ thống sông theo chu kỳ 10 ngày, 1 tháng, 3 tháng và theo mùa. Hiện tại còn có 3 trung tâm khí hậu lớn trên thế giới IRI (International Research Institute for Climate and Society), CPC (Climate Prediction Center) và APCC (APEC Climate Center) đang từng bước tiếp cận, nghiên cứu - ứng dụng kỹ thuật hạ thấp qui mô thống kê nói trên, phục vụ mục đích dự báo mùa và cũng đã thu được thành công.

Đặc biệt, trong dự án SMIP (Seasonal Prediction Model Intercomparison Project) của APCC đã cho phép thu thập số liệu dự báo từ 16 mô hình khí hậu toàn cầu tại những trung tâm khí hậu lớn của các nước trên toàn thế giới, thời hạn dự báo từ 1 đến 3 tháng giúp thực hiện kỹ thuật MME (Multi Model Essemble) tổ hợp đa mô hình. APCC cũng đã nhấn mạnh sẽ ủng hộ, giúp đỡ các nước đang phát triển ở khu vực Đông Nam Á. TỔNG QUAN TÌNH HÌNH NGHIÊN CỨU Ở VIỆT NAM Trong lĩnh vực dự báo, công tác dự báo các đặc trưng của tài nguyên nước tại Việt Nam theo tháng đã được nghiên cứu từ rất sớm. Các phương pháp dự báo chủ yếu dựa trên các diễn biến lịch sử, phân tích thống kê chuỗi thời gian và các phương trình hồi quy tương quan dòng chảy với yếu tố khí hậu, ENSO, áp cao Thái Bình Dương….

Phương pháp mô hình được ứng dụng từ những năm 1990. Dự báo dòng chảy tháng các trạm chính được thực hiện theo mô hình ARIMA và phân tích thống kê tương tự theo thời gian phụ thuộc chủ yếu vào kinh nghiệm.