Mô Hình Mưa-Lưu Lượng: Hướng Dẫn Cơ Bản

Mô hình mưa-lưu lượng là công cụ quan trọng trong lĩnh vực thủy văn. 472 trang · Lancaster University · 2012.

• Tác giả: Keith Beven
• Trường học: Lancaster University
• Đề tài: Mô Hình Mưa-Lưu Lượng: Hướng Dẫn Cơ Bản
• Loại tài liệu: sách
• Năm xuất bản: 2012
• Địa điểm: Chichester

Mục lục chi tiết

• Lời nói đầu cho lần tái bản thứ hai
• Về tác giả
• Danh mục hình vẽ
• 1. Chương 1: Những kiến thức cơ bản: Quá trình dòng chảy và quá trình mô hình hóa
• 1.2. Cách sử dụng cuốn sách này
• 1.3. Quá trình mô hình hóa
• 1.4. Các mô hình nhận thức về thủy văn lưu vực
• 1.5. Các quá trình dòng chảy và đặc tính địa hóa học
• 1.6. Sự hình thành dòng chảy và phân bố dòng chảy
• 1.7. Vấn đề lựa chọn mô hình khái niệm
• 1.8. Các vấn đề về hiệu chỉnh và kiểm định mô hình
• 1.9. Các điểm chính của Chương 1
• 1.10. Khung 1.1: Di sản của Robert Elmer Horton (1875–1945)
• 2. Chương 2: Sự phát triển của các mô hình mưa - dòng chảy: Sự sống sót của mô hình phù hợp nhất?
• 2.1. Điểm khởi đầu: Phương pháp hữu lý
• 2.2. Dự báo thực tế: Hệ số dòng chảy và các biến đổi theo thời gian
• 2.3. Các biến thể của đường quá trình đơn vị
• 2.4. Các mô hình máy tính kỹ thuật số thời kỳ đầu: Mô hình lưu vực Stanford và các mô hình kế thừa
• 2.5. Các mô hình phân bố dựa trên mô tả quá trình
• 2.6. Các mô hình phân bố đơn giản hóa dựa trên hàm phân phối
• 2.7. Những phát triển gần đây: Hiện trạng công nghệ tiên tiến là gì?
• 2.8. Nơi tìm hiểu thêm về lịch sử và tính đa dạng của các mô hình mưa - dòng chảy
• 2.9. Các điểm chính của Chương 2
• 2.10. Khung 2.1: Tính tuyến tính, phi tuyến và phi dừng
• 2.11. Khung 2.2: Mô hình Tân An Giang, ARNO hoặc VIC
• 2.12. Khung 2.3: Thể tích kiểm soát và phương trình vi phân
• 3. Chương 3: Dữ liệu cho mô hình hóa mưa - dòng chảy
• 3.3. Dữ liệu khí tượng và ước tính lượng chặn và bốc thoát hơi nước
• 3.4. Dữ liệu khí tượng và ước tính lượng tuyết tan
• 3.5. Phân bố dữ liệu khí tượng trong lưu vực
• 3.6. Các biến thủy văn khác
• 3.7. Dữ liệu số độ cao
• 3.8. Hệ thống thông tin địa lý và quản lý dữ liệu
• 3.9. Dữ liệu viễn thám
• 3.10. Dữ liệu chất đánh dấu để tìm hiểu phản ứng của lưu vực
• 3.11. Liên kết các thành phần mô hình và chuỗi dữ liệu
• 3.12. Các điểm chính của Chương 3
• 3.13. Khung 3.1: Phương trình kết hợp Penman - Monteith để ước tính tốc độ bốc thoát hơi nước
• 3.14. Khung 3.2: Ước tính tổn thất do chặn
• 3.15. Khung 3.3: Ước tính tuyết tan theo phương pháp độ - ngày (Degree-Day)
• 4. Chương 4: Dự báo đường quá trình thủy văn sử dụng các mô hình dựa trên dữ liệu
• 4.1. Tính sẵn có của dữ liệu và mô hình hóa thực nghiệm
• 4.2. Tiếp cận thủy văn học theo hướng ngược
• 4.3. Các mô hình hàm truyền
• 4.4. Nghiên cứu điển hình: Mô hình hóa DBM cho lưu vực CI6 tại Llyn Briane, Wales
• 4.5. Dẫn xuất vật lý của các hàm truyền
• 4.6. Các phương pháp khác để phát triển mô hình mưa - dòng chảy quy nạp từ dữ liệu quan trắc
• 4.7. Các điểm chính của Chương 4
• 4.8. Khung 4.1: Các mô hình hàm truyền tuyến tính
• 4.9. Khung 4.2: Sử dụng hàm truyền để suy luận lượng mưa hiệu quả
• 4.10. Khung 4.3: Ước lượng biến thiên theo thời gian của các tham số hàm truyền và dẫn xuất tính phi tuyến của lưu vực
• 5. Chương 5: Dự báo đường quá trình thủy văn sử dụng các mô hình phân bố dựa trên mô tả quá trình
• 5.1. Cơ sở vật lý của các mô hình phân bố
• 5.2. Các mô hình mưa - dòng chảy dựa trên cơ sở vật lý ở quy mô lưu vực
• 5.3. Nghiên cứu điển hình: Mô hình hóa các quá trình dòng chảy tại Reynolds Creek, Idaho
• 5.4. Nghiên cứu điển hình: Thử nghiệm kiểm định mù mô hình SHE trên lưu vực Slapton Wood
• 5.5. Các mô hình phân bố đơn giản hóa
• 5.6. Nghiên cứu điển hình: Mô hình hóa phân bố quá trình hình thành dòng chảy tại Walnut Gulch, Arizona
• 5.7. Nghiên cứu điển hình: Mô hình hóa lưu vực R-5 tại Chickasha, Oklahoma
• 5.8. Thực hành tốt trong ứng dụng các mô hình phân bố
• 5.9. Thảo luận về các mô hình phân bố dựa trên các phương trình vi phân môi trường liên tục
• 5.10. Các điểm chính của Chương 5
• 5.11. Khung 5.1: Các phương trình mô tả cho dòng chảy dưới mặt đất
• 5.12. Khung 5.2: Ước tính tốc độ thấm tại bề mặt đất
• 5.13. Khung 5.3: Giải phương trình đạo hàm riêng: Một số khái niệm cơ bản
• 5.14. Khung 5.4: Các hàm đặc trưng độ ẩm đất sử dụng trong phương trình Richards
• 5.15. Khung 5.5: Các hàm truyền thổ nhưỡng (Pedotransfer functions)
• 5.16. Khung 5.6: Các phương trình mô tả dòng chảy mặt
• 5.17. Khung 5.7: Dẫn xuất phương trình sóng động học
• 6. Chương 6: Tương đồng thủy văn, các hàm phân phối và mô hình mưa - dòng chảy bán phân bố
• 6.1. Sự tương đồng thủy văn và các đơn vị phản hồi thủy văn (HRU)
• 6.2. Các mô hình phân phối xác suất độ ẩm (PDM) và từ lưới đến lưới (G2G)
• 6.4. Nghiên cứu điển hình: Ứng dụng TOPMODEL cho lưu vực Saeternbekken, Na Uy
• 6.6. Các mô hình đơn vị phản hồi thủy văn (HRU) bán phân bố
• 6.7. Một số nhận xét về phương pháp tiếp cận HRU
• 6.8. Các điểm chính của Chương 6
• 6.9. Khung 6.1: Lý thuyết nền tảng của TOPMODEL
• 6.10. Khung 6.2: Mô hình công cụ đánh giá đất và nước (SWAT)
• 6.11. Khung 6.3: Xem xét lại mô hình chỉ số đường cong dòng chảy SCS
• 7. Chương 7: Ước lượng tham số và độ bất định trong dự báo
• 7.1. Hiệu chỉnh hoặc điều kiện hóa mô hình
• 7.2. Bề mặt đáp ứng của tham số và phân tích độ nhạy
• 7.3. Các thước đo hiệu suất và thước đo khả năng hợp lý
• 7.4. Các kỹ thuật tối ưu hóa tự động
• 7.5. Nhận biết độ bất định trong mô hình và dữ liệu: Ước lượng độ bất định thuận
• 7.6. Các loại khoảng bất định
• 7.7. Hiệu chỉnh mô hình bằng phương pháp thống kê Bayes
• 7.8. Xử lý độ bất định đầu vào trong khung phân tích Bayes
• 7.9. Hiệu chỉnh mô hình bằng các phương pháp lý thuyết tập hợp
• 7.10. Nhận biết tính tương đương kết quả (Equifinality): Phương pháp GLUE
• 7.11. Nghiên cứu điển hình: Ứng dụng phương pháp luận GLUE trong mô hình hóa lưu vực Saeternbekken MINIFELT, Na Uy
• 7.12. Nghiên cứu điển hình: Ứng dụng phương pháp tiếp cận giới hạn chấp nhận được của GLUE trong đánh giá mô hình hóa lưu vực sông Brue, Somerset, Anh
• 7.13. Các ứng dụng khác của GLUE trong mô hình hóa mưa - dòng chảy
• 7.14. So sánh các phương pháp tiếp cận GLUE và Bayes đối với ước lượng độ bất định
• 7.15. Độ bất định dự báo, rủi ro và các quyết định
• 7.16. Các tham số động và sai số cấu trúc mô hình
• 7.17. Kiểm soát chất lượng và thông tin sai lệch trong mô hình hóa mưa - dòng chảy
• 7.18. Giá trị của dữ liệu trong điều kiện hóa mô hình
• 7.19. Các điểm chính của Chương 7
• 7.20. Khung 7.1: Các thước đo khả năng hợp lý dùng trong đánh giá mô hình
• 7.21. Khung 7.2: Kết hợp các thước đo khả năng hợp lý
• 7.22. Khung 7.3: Xác định hình dạng của bề mặt đáp ứng hoặc bề mặt khả năng hợp lý
• 8. Chương 8: Mở rộng: Các mô hình cho sự thay đổi rủi ro
• 8.1. Vai trò của các mô hình mưa - dòng chảy trong quản lý rủi ro tương lai
• 8.2. Rủi ro tương lai ngắn hạn: Dự báo lũ
• 8.3. Yêu cầu dữ liệu cho dự báo lũ
• 8.4. Mô hình hóa mưa - dòng chảy phục vụ dự báo lũ
• 8.5. Nghiên cứu điển hình: Dự báo lũ trên lưu vực sông Eden, Cumbria, Anh
• 8.6. Mô hình hóa mưa - dòng chảy để ước tính tần suất lũ
• 8.7. Nghiên cứu điển hình: Mô hình hóa đặc tính tần suất lũ trên lưu vực Skalka, Cộng hòa Séc
• 8.8. Thay đổi rủi ro: Sự biến đổi lưu vực
• 8.9. Thay đổi rủi ro: Biến đổi khí hậu
• 8.10. Các điểm chính của Chương 8
• 8.11. Khung 8.1: Ước lượng tham số độ lợi thích nghi cho dự báo thời gian thực
• 9. Chương 9: Mở rộng: Các mô hình thủy văn thế hệ tiếp theo
• 9.1. Tại sao cần các kỹ thuật mô hình hóa mới?
• 9.2. Các khái niệm lưu vực nguyên tố đại diện (REW)
• 9.3. Các khái niệm REW khác biệt như thế nào so với các mô hình thủy văn khác?
• 9.4. Triển khai các khái niệm REW
• 9.5. Suy luận hiện tượng trễ phụ thuộc quy mô từ lý thuyết thủy văn đơn giản hóa
• 9.6. Biểu diễn các dòng thông lượng nước bằng phương pháp theo dõi hạt
• 9.7. Lưu vực như những hệ thống thích ứng phức tạp
• 9.8. Các ràng buộc tối ưu hóa đối với các phản hồi thủy văn
• 9.9. Các điểm chính của Chương 9
• 10. Chương 10: Mở rộng: Dự báo trong các lưu vực không có trạm quan trắc
• 10.1. Thách thức lưu vực không có trạm quan trắc
• 10.2. Sáng kiến PUB
• 10.3. Sáng kiến MOPEX
• 10.4. Các cách thực hiện dự báo trong các lưu vực không có trạm quan trắc
• 10.5. PUB như một quá trình học hỏi
• 10.6. Hồi quy tham số mô hình theo đặc tính lưu vực
• 10.7. Các phương pháp lưu vực cho nhận và nhóm gộp
• 10.8. Ước tính trực tiếp các đặc tính đường quá trình thủy văn để ràng buộc tham số mô hình
• 10.9. So sánh các phương pháp khu vực hóa cho tham số mô hình
• 10.10. HRU và LSP như các mô hình cho lưu vực không có trạm quan trắc
• 10.11. Quan trắc lưu vực chưa có trạm quan trắc
• 10.12. Các điểm chính của Chương 10
• 11. Chương 11: Mở rộng: Nguồn nước và thời gian lưu trú trong lưu vực
• 11.1. Các chất đánh dấu tự nhiên và nhân tạo
• 11.2. Sự bình lưu và phân tán trong hệ thống lưu vực
• 11.3. Các mô hình xáo trộn đơn giản
• 11.4. Đánh giá các mô hình không gian của lưu lượng gia tăng
• 11.5. Phân tích xáo trộn thành phần cuối (EMMA)
• 11.6. Về ý nghĩa của thông tin chất đánh dấu đối với các quá trình thủy văn
• 11.7. Nghiên cứu điển hình: Xáo trộn thành phần cuối có tính đến phân bố dòng chảy
• 11.8. Các mô hình phân phối thời gian lưu trú
• 11.9. Nghiên cứu điển hình: Dự báo sự lan truyền chất đánh dấu tại lưu vực Gårdsjön, Thụy Điển
• 11.10. Ý nghĩa đối với các mô hình chất lượng nước
• 11.11. Các điểm chính của Chương 11
• 11.12. Khung 11.1: Biểu diễn sự bình lưu và phân tán
• 11.13. Khung 11.2: Phân tích thời gian lưu trú trong các hệ thống lưu vực
• 12. Chương 12: Mở rộng: Các giả thuyết, phép đo và mô hình ở mọi nơi
• 12.1. Lựa chọn mô hình trong mô hình hóa mưa - dòng chảy như một quá trình kiểm định giả thuyết
• 12.2. Giá trị của thông tin tiên nghiệm
• 12.3. Mô hình như các giả thuyết
• 12.4. Các mô hình ở mọi nơi (Models of Everywhere)
• 12.5. Hướng dẫn thực hành tốt
• 12.6. Các mô hình ở mọi nơi và sự tham gia của các bên liên quan
• 12.7. Các mô hình ở mọi nơi và thông tin
• 12.8. Một số câu hỏi kết luận
• Phụ lục A: Tài nguyên web cho phần mềm và dữ liệu
• Phụ lục B: Bảng thuật ngữ
• Tài liệu tham khảo
• Chỉ mục tra cứu

Tóm tắt

I. Tổng Quan Về Mô Hình Mưa Lưu Lượng Khái Niệm Cơ Bản

Mô hình mưa-lưu lượng là công cụ quan trọng trong lĩnh vực thủy văn. Chúng giúp dự đoán lưu lượng nước từ mưa, hỗ trợ trong việc quản lý tài nguyên nước và phòng chống lũ lụt. Mô hình này không chỉ đơn thuần là công thức toán học mà còn phản ánh các quá trình tự nhiên phức tạp. Việc hiểu rõ về mô hình này là cần thiết cho các nhà nghiên cứu và quản lý tài nguyên nước.

1.1. Mô Hình Mưa Lưu Lượng Là Gì

Mô hình mưa-lưu lượng là phương pháp mô phỏng mối quan hệ giữa lượng mưa và lưu lượng nước trong một lưu vực. Chúng thường được sử dụng để dự đoán phản ứng của lưu vực trước các sự kiện mưa lớn.

1.2. Tại Sao Cần Sử Dụng Mô Hình Mưa Lưu Lượng

Việc sử dụng mô hình mưa-lưu lượng giúp cải thiện khả năng dự đoán lũ lụt, quản lý tài nguyên nước và tối ưu hóa các hệ thống thoát nước. Điều này rất quan trọng trong bối cảnh biến đổi khí hậu.

II. Thách Thức Trong Mô Hình Mưa Lưu Lượng Những Vấn Đề Cần Giải Quyết

Mặc dù mô hình mưa-lưu lượng mang lại nhiều lợi ích, nhưng cũng tồn tại nhiều thách thức. Các vấn đề như độ chính xác của dữ liệu đầu vào, sự không chắc chắn trong mô hình và khả năng dự đoán trong các điều kiện khí hậu khác nhau là những yếu tố cần được xem xét.

2.1. Độ Chính Xác Của Dữ Liệu Đầu Vào

Độ chính xác của mô hình phụ thuộc vào chất lượng dữ liệu đầu vào. Dữ liệu không chính xác có thể dẫn đến kết quả sai lệch, ảnh hưởng đến quyết định quản lý tài nguyên nước.

2.2. Sự Không Chắc Chắn Trong Mô Hình

Sự không chắc chắn trong mô hình có thể đến từ nhiều nguồn khác nhau, bao gồm các giả định trong mô hình và biến động tự nhiên của môi trường. Việc nhận diện và quản lý sự không chắc chắn này là rất quan trọng.

III. Phương Pháp Mô Hình Mưa Lưu Lượng Các Kỹ Thuật Chính

Có nhiều phương pháp khác nhau để xây dựng mô hình mưa-lưu lượng. Các phương pháp này có thể được phân loại thành mô hình đơn giản và mô hình phức tạp, tùy thuộc vào mục tiêu nghiên cứu và điều kiện cụ thể của lưu vực.

3.1. Mô Hình Đơn Giản Phương Pháp Tính Toán Cơ Bản

Mô hình đơn giản thường sử dụng các phương pháp tính toán cơ bản như phương pháp Rational. Đây là phương pháp dễ áp dụng nhưng có thể không chính xác trong các tình huống phức tạp.

3.2. Mô Hình Phức Tạp Mô Hình Dựa Trên Quy Trình

Mô hình phức tạp hơn như mô hình phân phối thường sử dụng các phương trình vi phân để mô phỏng các quá trình thủy văn. Chúng cung cấp độ chính xác cao hơn nhưng yêu cầu dữ liệu đầu vào phong phú.

IV. Ứng Dụng Thực Tiễn Của Mô Hình Mưa Lưu Lượng Kết Quả Nghiên Cứu

Mô hình mưa-lưu lượng đã được áp dụng rộng rãi trong nhiều lĩnh vực, từ quản lý tài nguyên nước đến dự đoán lũ lụt. Các nghiên cứu cho thấy rằng việc sử dụng mô hình này có thể cải thiện đáng kể khả năng dự đoán và quản lý các sự kiện khí hậu cực đoan.

4.1. Dự Đoán Lũ Lụt Một Ứng Dụng Quan Trọng

Mô hình mưa-lưu lượng giúp dự đoán lũ lụt, từ đó cung cấp thông tin kịp thời cho các cơ quan chức năng trong việc ứng phó với thiên tai.

4.2. Quản Lý Tài Nguyên Nước Tối Ưu Hóa Sử Dụng

Việc áp dụng mô hình mưa-lưu lượng trong quản lý tài nguyên nước giúp tối ưu hóa việc sử dụng nước, đảm bảo cung cấp nước cho các hoạt động nông nghiệp và sinh hoạt.

V. Kết Luận Tương Lai Của Mô Hình Mưa Lưu Lượng

Mô hình mưa-lưu lượng sẽ tiếp tục phát triển trong tương lai với sự tiến bộ của công nghệ và dữ liệu. Việc cải thiện độ chính xác và khả năng dự đoán của mô hình sẽ là mục tiêu hàng đầu, đặc biệt trong bối cảnh biến đổi khí hậu ngày càng gia tăng.

5.1. Xu Hướng Phát Triển Công Nghệ Mới

Công nghệ mới như trí tuệ nhân tạo và học máy có thể được tích hợp vào mô hình mưa-lưu lượng, giúp cải thiện độ chính xác và khả năng dự đoán.

5.2. Tăng Cường Hợp Tác Quốc Tế Trong Nghiên Cứu

Hợp tác quốc tế trong nghiên cứu và chia sẻ dữ liệu sẽ giúp nâng cao chất lượng mô hình và ứng dụng của chúng trên toàn cầu.

Nội dung chính

Đánh Giá Giáo Trình: Mô Hình Mưa - Lưu Lượng: Hướng Dẫn Cơ Bản (Rainfall-Runoff Modelling: The Primer)

Tổng quan về giáo trình

Giáo trình Rainfall-Runoff Modelling: The Primer (Tái bản lần thứ hai, năm 2012) do Giáo sư Keith Beven (Đại học Lancaster, Vương quốc Anh) biên soạn, được xuất bản bởi Nhà xuất bản học thuật John Wiley & Sons, Ltd (Wiley-Blackwell). Cuốn sách giữ vị trí nền tảng trong chương trình đào tạo chuyên ngành Thủy văn học, Kỹ thuật Tài nguyên Nước, Khoa học Môi trường và Địa lý Tự nhiên ở bậc đại học nâng cao và sau đại học (Thạc sĩ, Tiến sĩ).

Mục tiêu học tập của giáo trình nhằm trang bị cho người học tư duy phân tích có hệ thống về quá trình chuyển đổi lượng mưa thành dòng chảy mặt và dòng chảy ngầm trên lưu vực sông. Giáo trình hướng dẫn người học phân biệt rõ ràng ba cấp độ mô hình hóa: mô hình nhận thức (perceptual model), mô hình khái niệm (conceptual model) và mô hình thủ tục/thuật toán (procedural model). Người học được rèn luyện năng lực đánh giá các giả định vật lý, nhận diện những giới hạn của kỹ thuật đo đạc thực địa và định lượng tính bất định (predictive uncertainty) trong dự báo thủy văn.

Cấu trúc giáo trình tiếp cận theo logic phát triển từ cơ sở vật lý của các quá trình dòng chảy, dữ liệu quan trắc, đến các lớp mô hình toán học (mô hình dựa trên dữ liệu, mô hình phân bố theo quá trình vật lý, mô hình bán phân bố) và mở rộng sang các chuyên đề nâng cao ("Beyond the Primer"). Điểm đặc thù của tác phẩm là việc tác giả chủ động hạn chế tối đa các phương trình vi phân phức tạp trong phần văn bản chính, chuyển toàn bộ các diễn giải toán học chuyên sâu vào hệ thống các Hộp chuyên đề (Boxes) ở cuối mỗi chương, giúp duy trì sự tập trung vào bản chất khái niệm và phân tích phê phán các công cụ phần mềm mô phỏng.

Nội dung kiến thức cốt lõi

Các chương/chủ đề chính

Nội dung giáo trình gồm 12 chương chính cùng các phụ lục tra cứu, thể hiện tiến trình từ lý thuyết cơ bản đến ứng dụng chuyên sâu:

• Chương 1 (Down to Basics: Runoff Processes and the Modelling Process): Trình bày chu trình mô hình hóa từ nhận thức đến mã lệnh máy tính; phân loại dòng chảy tràn (Hortonian overland flow, saturation excess overland flow), dòng chảy ngầm tầng nông; và nêu vấn đề hiệu chỉnh tham số cùng khái niệm đa nghiệm tương đương (equifinality).
• Chương 2 (Evolution of Rainfall–Runoff Models): Lược sử phát triển mô hình từ phương pháp Rational (Mulvaney, 1851), phương pháp diện tích - thời gian (Imbeaux, 1892), đường quá trình đơn vị (Unit Hydrograph) đến các mô hình số thời kỳ đầu như Stanford Watershed Model, mô hình kế toán ẩm ESMA và VIC/ARNO.
• Chương 3 (Data for Rainfall–Runoff Modelling): Tổng hợp nguồn dữ liệu khí tượng - thủy văn; các phương pháp ước tính bốc thoát hơi nước (phương trình Penman–Monteith), tổn thất chặn tán (Rutter model), tan tuyết (Degree-Day method), dữ liệu mô hình số độ cao (DEM), GIS, ảnh vệ tinh viễn thám và dữ liệu chất vết (tracer).
• Chương 4 (Predicting Hydrographs Using Models Based on Data): Các kỹ thuật mô hình hóa quy nạp và phân tích chuỗi thời gian như hàm truyền (Transfer Function), mô hình cơ chế dựa trên dữ liệu (Data-Based Mechanistic - DBM), mạng nơ-ron nhân tạo (ANN), máy học vector hỗ trợ (SVM) và cây hồi quy.
• Chương 5 (Predicting Hydrographs Using Distributed Models Based on Process Descriptions): Cơ sở vật lý của các mô hình phân bố không gian (SHE, IHDM, KINEROS); giải pháp xấp xỉ phương trình vi phân cho dòng ngầm (định luật Darcy, phương trình Richards), phương trình thấm Green-Ampt và dòng chảy mặt (phương trình sóng động học Kinematic Wave).
• Chương 6 (Hydrological Similarity, Distribution Functions and Semi-Distributed Models): Khái niệm tương đồng thủy văn, đơn vị phản ứng thủy văn (HRU), mô hình PDM, Grid-to-Grid (G2G), mô hình TOPMODEL dựa trên chỉ số địa hình $\ln(a/\tan\beta)$, mô hình SWAT và mô hình số đường cong dòng chảy SCS-CN.
• Chương 7 (Parameter Estimation and Predictive Uncertainty): Phương pháp hiệu chỉnh tham số, phân tích độ nhạy Hornberger-Spear-Young, bề mặt phản ứng (response surface), phương pháp tối ưu hóa Pareto, phương pháp GLUE (Generalized Likelihood Uncertainty Estimation) và nhận diện số liệu sai lệch (disinformation) trong hiệu chuẩn.
• Chương 8 - 12 (Beyond the Primer): Mở rộng sang các lĩnh vực: dự báo lũ thời gian thực và đánh giá biến đổi rủi ro (Chương 8); thế hệ mô hình REW (Representative Elementary Watershed) và mô phỏng theo dõi hạt MIPs (Chương 9); dự báo lưu vực không quan trắc PUB và MOPEX (Chương 10); phân tích nguồn nước, thời gian lưu trú và phương pháp EMMA (Chương 11); phương pháp luận kiểm định giả thuyết và tiếp cận "Mô hình ở mọi nơi" (Models of Everywhere) gắn với sự tham gia của các bên liên quan (Chương 12).

[Chu trình Mô hình hóa Thủy văn (Beven, 2012)]
Mô hình Nhận thức (Perceptual Model)
Mô hình Khái niệm (Conceptual Model: Toán học & Giả định)
Mô hình Thủ tục (Procedural Model: Thuật toán & Mã lệnh máy tính)
Hiệu chỉnh Tham số & Đánh giá Bất định (Calibration & GLUE / Equifinality)

Kiến thức nền tảng được xây dựng

• Cơ chế sinh dòng chảy và chuyển dòng: Phân định rõ ràng hai thành phần bắt buộc trong mọi cấu trúc mô hình: cơ chế sinh dòng chảy (runoff generation - xác định lượng mưa hiệu quả) và cơ chế chuyển dòng (runoff routing - xác định hình dạng đường quá trình lưu lượng tại cửa ra lưu vực).
• Phân loại mô hình hóa: Thiết lập các tiêu chí phân loại chuẩn xác giữa mô hình tập trung (Lumped), mô hình phân bố (Distributed) và mô hình bán phân bố (Semi-distributed); mô hình tất định (Deterministic) và mô hình ngẫu nhiên (Stochastic).
• Lý thuyết Đa nghiệm tương đương (Equifinality): Phủ nhận giả định tồn tại một bộ tham số tối ưu duy nhất trong mô hình hóa thủy văn do giới hạn của cấu trúc mô hình và sai số đo đạc; thay vào đó chấp nhận sự tồn tại đồng thời của nhiều cấu trúc và tập hợp tham số có khả năng mô phỏng tương đương.

Kỹ năng phát triển

• Kỹ năng kỹ thuật: Xử lý và trích xuất tham số từ mô hình số độ cao (DEM) qua các thuật toán dòng chảy (D8, Multiple Direction); thiết lập và chạy các mô hình thủy văn tiêu chuẩn như TOPMODEL, PDM, SWAT; tính toán chỉ số bốc thoát hơi nước và lượng thấm.
• Kỹ năng phân tích: Phân tích độ nhạy của tham số mô hình; thiết lập bề mặt mục tiêu (objective functions, Nash-Sutcliffe Efficiency); tính toán và biểu diễn khoảng bất định của dự báo (prediction bounds) bằng phương pháp thống kê Bayes và phương pháp GLUE.
• Kỹ năng thực nghiệm: Đánh giá phê phán các giả định mô hình dựa trên các bài toán kiểm định độc lập (blind validation) và phát hiện các mẫu dữ liệu mâu thuẫn (disinformative data) làm lệch kết quả hiệu chuẩn.

Phương pháp giảng dạy và học tập

Giáo trình sử dụng phương pháp sư phạm tiếp cận theo định hướng phản biện khái niệm (conceptual critique) và kiểm tra giả thuyết khoa học (hypothesis testing). Thay vì trình bày các mô hình phần mềm thương mại như những công cụ hoàn hảo, tác giả yêu cầu người học luôn lập danh sách các giả định giới hạn của từng mô hình trước khi áp dụng vào thực tế lưu vực.

Hệ thống giảng dạy được thiết kế kết hợp chặt chẽ giữa lý thuyết và các nghiên cứu điển hình (Case Studies) thực tế trên thế giới:

• Đánh giá kiểm định mù (Blind validation) mô hình SHE tại lưu vực Slapton Wood (Devon, Anh).
• Mô phỏng quá trình thấm và sinh dòng chảy bằng KINEROS và phương pháp đo đạc tại lưu vực Walnut Gulch (Arizona) và R-5 Chickasha (Oklahoma, Mỹ).
• Ứng dụng TOPMODEL và phương pháp GLUE tại lưu vực Saeternbekken MINIFELT (Na Uy) và lưu vực Maimai M8 (New Zealand).
• Dự báo lũ thích ứng thời gian thực trên hệ thống sông River Eden (Cumbria, Anh).
• Xác định thời gian lưu trú và phân tích thành phần nguồn nước bằng chất vết tại lưu vực Gårdsjön (Thụy Điển) và Haute-Mentue (Thụy Sĩ).

Phương pháp tự học được hướng dẫn thông qua việc tra cứu bảng thuật ngữ chuyên sâu tại Phụ lục B (Glossary of Terms), rà soát tóm tắt các điểm then chốt (Key Points) ở cuối mỗi chương trước khi đọc chi tiết, và thực hành thử nghiệm trên các bộ dữ liệu và liên kết phần mềm nguồn mở được cung cấp tại Phụ lục A (Appendix A).

Điểm nổi bật và cập nhật

So với ấn bản đầu tiên, ấn bản thứ hai (Second Edition) được bổ sung và cập nhật các nội dung nghiên cứu phát triển trong giai đoạn 2001–2011:

• Bổ sung 5 chương chuyên sâu ("Beyond the Primer"): Bao gồm các phương pháp khu vực hóa tham số (regionalisation), mô hình hóa thời gian lưu trú của nước trong lưu vực, và cấu trúc mô hình hóa thế hệ mới.
• Tích hợp các sáng kiến nghiên cứu quốc tế: Đưa vào các kết quả từ Sáng kiến Dự báo Lưu vực Không quan trắc (PUB - Prediction in Ungauged Basins của IAHS) và Sáng kiến MOPEX.
• Mở rộng lý thuyết thủy văn hiện đại: Bổ sung khung lý thuyết Lưu vực Phần tử Đại diện (Representative Elementary Watershed - REW); mô hình hóa dòng chảy thông qua kỹ thuật theo dõi hạt ngẫu nhiên (particle tracking MIPs).
• Nâng cấp phương pháp đánh giá bất định: Mở rộng ứng dụng phương pháp GLUE với cách tiếp cận giới hạn chấp nhận được (Limits of Acceptability Approach), xử lý số liệu sai lệch (disinformation) và phân tích rủi ro trong điều kiện biến đổi khí hậu.

Đối tượng sử dụng giáo trình

• Sinh viên đại học và học viên cao học: Sinh viên năm cuối hoặc học viên Thạc sĩ, Nghiên cứu sinh Tiến sĩ thuộc các ngành Kỹ thuật Tài nguyên Nước, Quản lý Lưu vực Sông, Thủy văn Môi trường, Biến đổi Khí hậu và Khoa học Địa lý.
• Yêu cầu kiến thức tiên quyết (Prerequisites): Người học cần hoàn thành các học phần cơ sở về Thủy lực học đại cương, Toán cao cấp (giải tích và phương trình vi phân), Xác suất - Thống kê ứng dụng, và các nguyên lý cơ bản của Chu trình Thủy văn.
• Giảng viên và Nghiên cứu viên: Sử dụng giáo trình làm khung tham chiếu chuẩn để thiết kế đề cương môn học Mô hình hóa Thủy văn hoặc Mô hình hóa Môi trường; làm tài liệu tham khảo phương pháp luận cho các kỹ sư tư vấn tài nguyên nước trong việc lựa chọn và đánh giá tính phù hợp của phần mềm mô phỏng.

Câu hỏi thường gặp

1. Giáo trình này phù hợp với ai?

Giáo trình phù hợp với sinh viên năm cuối đại học, học viên sau đại học (MSc, PhD), giảng viên và các chuyên gia nghiên cứu trong lĩnh vực mô hình hóa thủy văn, kỹ thuật tài nguyên nước và khoa học môi trường.

2. Cần kiến thức nền nào để học giáo trình này?

Người học cần nắm vững kiến thức toán giải tích, đại số tuyến tính, xác suất thống kê cơ bản, thủy lực dòng chảy và các khái niệm cơ bản về chu trình nước trong tự nhiên.

3. Điểm khác biệt của giáo trình này so với các tài liệu mô hình hóa khác là gì?

Giáo trình không đi sâu vào việc hướng dẫn sử dụng giao diện phần mềm thương mại đơn thuần, mà tập trung phân tích nguồn gốc các giả định vật lý, tính bất định trong cấu trúc mô hình và xác lập nguyên lý đa nghiệm tương đương (equifinality) trong đánh giá thông số.

4. Làm sao để tự học giáo trình này hiệu quả?

Người học nên đọc trước phần "Key Points" ở cuối mỗi chương để nắm ý chính, đọc nội dung thảo luận khái niệm trong thân bài, sau đó đối chiếu các chứng minh toán học trong các Hộp chuyên đề (Boxes) và thực hành tra cứu thuật ngữ ở Phụ lục B.

5. Có tài liệu bổ trợ hoặc phần mềm nào đi kèm theo sách không?

Giáo trình cung cấp Phụ lục A liệt kê danh mục tài nguyên trực tuyến, bao gồm các liên kết tải phần mềm mô hình hóa miễn phí/nguồn mở (như TOPMODEL, DBM, SWAT) và các bộ dữ liệu lưu vực nghiên cứu thực nghiệm phục vụ việc kiểm chứng mô hình.

Kết luận

Giáo trình Rainfall-Runoff Modelling: The Primer (Second Edition) của Keith Beven cung cấp một hệ thống lý thuyết hoàn chỉnh và phương pháp luận phê phán chặt chẽ về quá trình mô phỏng mưa - dòng chảy. Giá trị cốt lõi của cuốn sách nằm ở việc liên kết logic từ các quan sát hiện trường đến việc nhận thức, chuyển hóa thành mô hình toán học và kiểm định định lượng tính bất định của dự báo. Lộ trình học tập từ cuốn sách giúp người học xây dựng nền tảng vững chắc để tiếp cận các công cụ tính toán thủy văn tiên tiến và đóng góp vào công tác quản lý tài nguyên nước trong thực tiễn.

Trích đoạn nội dung tài liệu

Rainfall-Runoff Modelling Rainfall-Runoff Modelling The Primer SECOND EDITION Keith Beven Lancaster University, UK This edition first published 2012 © 2012 by John Wiley & Sons, Ltd Wiley-Blackwell is an imprint of John Wiley & Sons, formed by the merger of Wiley’s global Scientific, Technical and Medical business with Blackwell Publishing. Registered office: John Wiley & Sons, Ltd, The Atrium, Southern Gate, Chichester, West Sussex, PO19 8SQ, UK Editorial offices: 9600 Garsington Road, Oxford, OX4 2DQ, UK The Atrium, Southern Gate, Chichester, West Sussex, PO19 8SQ, UK 111 River Street, Hoboken, NJ 07030-5774, USA For details of our global editorial offices, for customer services and for information about how to apply for permission to reuse the copyright material in this book please see our website at www.com/wiley-blackwell. The right of the author to be identified as the author of this work has been asserted in accordance with the UK Copyright, Designs and Patents Act 1988. All rights reserved.

No part of this publication may be reproduced, stored in a retrieval system, or transmitted, in any form or by any means, electronic, mechanical, photocopying, recording or otherwise, except as permitted by the UK Copyright, Designs and Patents Act 1988, without the prior permission of the publisher. Designations used by companies to distinguish their products are often claimed as trademarks. All brand names and product names used in this book are trade names, service marks, trademarks or registered trademarks of their respective owners. The publisher is not associated with any product or vendor mentioned in this book.

This publication is designed to provide accurate and authoritative information in regard to the subject matter covered. It is sold on the understanding that the publisher is not engaged in rendering professional services. If professional advice or other expert assistance is required, the services of a competent professional should be sought. Library of Congress Cataloging-in-Publication Data Beven, K.

Rainfall-runoff modelling : the primer / Keith Beven. Includes bibliographical references and index. Runoff–Mathematical models. Rain and rainfall–Mathematical models.48 8–dc23 2011028243 A catalogue record for this book is available from the British Library.

Wiley also publishes its books in a variety of electronic formats. Some content that appears in print may not be available in electronic books. Set in 10/12pt Times by Thomson Digital, Noida, India First Impression 2012 For the next generation of hydrological modellers Contents Preface to the Second Edition xiii About the Author xvii List of Figures xix 1 Down to Basics: Runoff Processes and the Modelling Process 1 1.2 How to Use This Book 3 1.3 The Modelling Process 3 1.4 Perceptual Models of Catchment Hydrology 6 1.5 Flow Processes and Geochemical Characteristics 13 1.6 Runoff Generation and Runoff Routing 15 1.7 The Problem of Choosing a Conceptual Model 16 1.8 Model Calibration and Validation Issues 18 1.9 Key Points from Chapter 1 21 Box 1.1 The Legacy of Robert Elmer Horton (1875–1945) 22 2 Evolution of Rainfall–Runoff Models: Survival of the Fittest? 25 2.1 The Starting Point: The Rational Method 25 2.2 Practical Prediction: Runoff Coefficients and Time Transformations 26 2.3 Variations on the Unit Hydrograph 33 2.4 Early Digital Computer Models: The Stanford Watershed Model and Its Descendants 36 2.5 Distributed Process Description Based Models 40 2.6 Simplified Distributed Models Based on Distribution Functions 42 2.7 Recent Developments: What is the Current State of the Art? 43 2.8 Where to Find More on the History and Variety of Rainfall–Runoff Models 43 2.9 Key Points from Chapter 2 44 Box 2.1 Linearity, Nonlinearity and Nonstationarity 45 Box 2.2 The Xinanjiang, ARNO or VIC Model 46 Box 2.3 Control Volumes and Differential Equations 49 viii Contents 3 Data for Rainfall–Runoff Modelling 51 3.3 Meteorological Data and the Estimation of Interception and Evapotranspiration 56 3.4 Meteorological Data and The Estimation of Snowmelt 60 3.5 Distributing Meteorological Data within a Catchment 61 3.6 Other Hydrological Variables 61 3.7 Digital Elevation Data 61 3.8 Geographical Information and Data Management Systems 66 3.9 Remote-sensing Data 67 3.10 Tracer Data for Understanding Catchment Responses 69 3.11 Linking Model Components and Data Series 70 3.12 Key Points from Chapter 3 71 Box 3.1 The Penman–Monteith Combination Equation for Estimating Evapotranspiration Rates 72 Box 3.2 Estimating Interception Losses 76 Box 3.3 Estimating Snowmelt by the Degree-Day Method 79 4 Predicting Hydrographs Using Models Based on Data 83 4.1 Data Availability and Empirical Modelling 83 4.2 Doing Hydrology Backwards 84 4.3 Transfer Function Models 87 4.4 Case Study: DBM Modelling of the CI6 Catchment at Llyn Briane, Wales 93 4.5 Physical Derivation of Transfer Functions 95 4.6 Other Methods of Developing Inductive Rainfall–Runoff Models from Observations 99 4.7 Key Points from Chapter 4 106 Box 4.1 Linear Transfer Function Models 107 Box 4.2 Use of Transfer Functions to Infer Effective Rainfalls 112 Box 4.3 Time Variable Estimation of Transfer Function Parameters and Derivation of Catchment Nonlinearity 113 5 Predicting Hydrographs Using Distributed Models Based on Process Descriptions 119 5.1 The Physical Basis of Distributed Models 119 5.2 Physically Based Rainfall–Runoff Models at the Catchment Scale 128 5.3 Case Study: Modelling Flow Processes at Reynolds Creek, Idaho 135 5.4 Case Study: Blind Validation Test of the SHE Model on the Slapton Wood Catchment 138 5.5 Simplified Distributed Models 140 5.6 Case Study: Distributed Modelling of Runoff Generation at Walnut Gulch, Arizona 148 5.7 Case Study: Modelling the R-5 Catchment at Chickasha, Oklahoma 151 5.8 Good Practice in the Application of Distributed Models 154 5.9 Discussion of Distributed Models Based on Continuum Differential Equations 155 5.10 Key Points from Chapter 5 157 Box 5.1 Descriptive Equations for Subsurface Flows 158 Contents ix Box 5.2 Estimating Infiltration Rates at the Soil Surface 160 Box 5.3 Solution of Partial Differential Equations: Some Basic Concepts 166 Box 5.4 Soil Moisture Characteristic Functions for Use in the Richards Equation 171 Box 5.5 Pedotransfer Functions 175 Box 5.6 Descriptive Equations for Surface Flows 177 Box 5.7 Derivation of the Kinematic Wave Equation 181 6 Hydrological Similarity, Distribution Functions and Semi-Distributed Rainfall–Runoff Models 185 6.1 Hydrological Similarity and Hydrological Response Units 185 6.2 The Probability Distributed Moisture (PDM) and Grid to Grid (G2G) Models 187 6.4 Case Study: Application of TOPMODEL to the Saeternbekken Catchment, Norway 198 6.6 Semi-Distributed Hydrological Response Unit (HRU) Models 204 6.7 Some Comments on the HRU Approach 207 6.8 Key Points from Chapter 6 208 Box 6.1 The Theory Underlying TOPMODEL 210 Box 6.2 The Soil and Water Assessment Tool (SWAT) Model 219 Box 6.3 The SCS Curve Number Model Revisited 224 7 Parameter Estimation and Predictive Uncertainty 231 7.1 Model Calibration or Conditioning 231 7.2 Parameter Response Surfaces and Sensitivity Analysis 233 7.3 Performance Measures and Likelihood Measures 239 7.4 Automatic Optimisation Techniques 241 7.5 Recognising Uncertainty in Models and Data: Forward Uncertainty Estimation 243 7.6 Types of Uncertainty Interval 244 7.7 Model Calibration Using Bayesian Statistical Methods 245 7.8 Dealing with Input Uncertainty in a Bayesian Framework 247 7.9 Model Calibration Using Set Theoretic Methods 249 7.10 Recognising Equifinality: The GLUE Method 252 7.11 Case Study: An Application of the GLUE Methodology in Modelling the Saeternbekken MINIFELT Catchment, Norway 258 7.12 Case Study: Application of GLUE Limits of Acceptability Approach to Evaluation in Modelling the Brue Catchment, Somerset, England 261 7.13 Other Applications of GLUE in Rainfall–Runoff Modelling 265 7.14 Comparison of GLUE and Bayesian Approaches to Uncertainty Estimation 266 7.15 Predictive Uncertainty, Risk and Decisions 267 7.16 Dynamic Parameters and Model Structural Error 268 7.17 Quality Control and Disinformation in Rainfall–Runoff Modelling 269 7.18 The Value of Data in Model Conditioning 274 7.19 Key Points from Chapter 7 274 Box 7.1 Likelihood Measures for use in Evaluating Models 276 Box 7.2 Combining Likelihood Measures 283 Box 7.3 Defining the Shape of a Response or Likelihood Surface 284 x Contents 8 Beyond the Primer: Models for Changing Risk 289 8.1 The Role of Rainfall–Runoff Models in Managing Future Risk 289 8.2 Short-Term Future Risk: Flood Forecasting 290 8.3 Data Requirements for Flood Forecasting 291 8.4 Rainfall–Runoff Modelling for Flood Forecasting 293 8.5 Case Study: Flood Forecasting in the River Eden Catchment, Cumbria, England 297 8.6 Rainfall–Runoff Modelling for Flood Frequency Estimation 299 8.7 Case Study: Modelling the Flood Frequency Characteristics on the Skalka Catchment, Czech Republic 302 8.8 Changing Risk: Catchment Change 305 8.9 Changing Risk: Climate Change 307 8.10 Key Points from Chapter 8 309 Box 8.1 Adaptive Gain Parameter Estimation for Real-Time Forecasting 311 9 Beyond the Primer: Next Generation Hydrological Models 313 9.1 Why are New Modelling Techniques Needed? 313 9.2 Representative Elementary Watershed Concepts 315 9.3 How are the REW Concepts Different from Other Hydrological Models? 318 9.4 Implementation of the REW Concepts 318 9.5 Inferring Scale-Dependent Hysteresis from Simplified Hydrological Theory 320 9.6 Representing Water Fluxes by Particle Tracking 321 9.7 Catchments as Complex Adaptive Systems 324 9.8 Optimality Constraints on Hydrological Responses 325 9.9 Key Points from Chapter 9 327 10 Beyond the Primer: Predictions in Ungauged Basins 329 10.1 The Ungauged Catchment Challenge 329 10.2 The PUB Initiative 330 10.3 The MOPEX Initiative 331 10.4 Ways of Making Predictions in Ungauged Basins 331 10.5 PUB as a Learning Process 332 10.6 Regression of Model Parameters Against Catchment Characteristics 333 10.7 Donor Catchment and Pooling Group Methods 335 10.8 Direct Estimation of Hydrograph Characteristics for Constraining Model Parameters 336 10.9 Comparing Regionalisation Methods for Model Parameters 338 10.10 HRUs and LSPs as Models of Ungauged Basins 339 10.11 Gauging the Ungauged Basin 339 10.12 Key Points from Chapter 10 341 11 Beyond the Primer: Water Sources and Residence Times in Catchments 343 11.1 Natural and Artificial Tracers 343 11.2 Advection and Dispersion in the Catchment System 345 11.3 Simple Mixing Models 346 11.4 Assessing Spatial Patterns of Incremental Discharge 347 11.5 End Member Mixing Analysis (EMMA) 347 Contents xi 11.6 On the Implications of Tracer Information for Hydrological Processes 348 11.7 Case Study: End Member Mixing with Routing 349 11.8 Residence Time Distribution Models 353 11.9 Case Study: Predicting Tracer Transport at the Gårdsjön Catchment, Sweden 357 11.10 Implications for Water Quality Models 359 11.11 Key Points from Chapter 11 360 Box 11.1 Representing Advection and Dispersion 361 Box 11.2 Analysing Residence Times in Catchment Systems 365 12 Beyond the Primer: Hypotheses, Measurements and Models of Everywhere 369 12.1 Model Choice in Rainfall–Runoff Modelling as Hypothesis Testing 369 12.2 The Value of Prior Information 371 12.3 Models as Hypotheses 372 12.4 Models of Everywhere 374 12.5 Guidelines for Good Practice 375 12.6 Models of Everywhere and Stakeholder Involvement 376 12.7 Models of Everywhere and Information 377 12.8 Some Final Questions 378 Appendix A Web Resources for Software and Data 381 Appendix B Glossary of Terms 387 References 397 Index 449 Preface to the Second Edition Models are undeniably beautiful, and a man may justly be proud to be seen in their company. But they may have their hidden vices.

The question is, after all, not only whether they are good to look at, but whether we can live happily with them. Kaplan, 1964 One is left with the view that the state of water resources modelling is like an economy subject to inflation – that there are too many models chasing (as yet) too few applications; that there are too many modellers chasing too few ideas; and that the response is to print ever-increasing quantities of paper, thereby devaluing the currency, vast amounts of which must be tendered by water resource modellers in exchange for their continued employment. Robin Clarke, 1974 It is already (somewhat surprisingly) 10 years since the first edition of this book appeared. It is (even more surprisingly) 40 years since I started my own research career on rainfall–runoff modelling.

That is 10 years of increasing computer power and software development in all sorts of domains, some of which has been applied to the problem of rainfall–runoff modelling, and 40 years since I started to try to understand some of the difficulties of representing hydrological processes and identifying rainfall–runoff model parameters.