Luận án tiến sĩ về nâng cao chất lượng dự báo mưa lũ phục vụ hồ chứa sông Ba

Luận án tiến sĩ nghiên cứu nâng cao chất lượng dự báo mưa lũ, phục vụ vận hành hồ chứa trên lưu vực sông Ba, góp phần quản lý tài nguyên nước hiệu quả.

• Tác giả: Nguyễn Văn Hiếu
• Người hướng dẫn: TS. Đặng Thanh Mai
• Trường học: Trường Đại Học Thủy Lợi
• Chuyên ngành: Thủy Văn Học
• Đề tài: Nâng Cao Chất Lượng Dự Báo Mưa, Lũ Phục Vụ Vận Hành Các Hồ Chứa Trên Lưu Vực Sông Ba
• Loại tài liệu: Luận Án Tiến Sĩ
• Năm xuất bản: 2020
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: TỔNG QUAN NGHIÊN CỨU DỰ BÁO MƯA VÀ DỰ BÁO LŨ HẠN VỪA
• 1.1. Tổng quan nghiên cứu về dự báo mưa, dự báo lũ hạn vừa trên thế giới
• 1.2. Nghiên cứu về dự báo mưa trên thế giới
• 1.3. Nghiên cứu về dự báo lũ hạn vừa trên thế giới
• 1.4. Tổng quan nghiên cứu về dự báo mưa, lũ hạn vừa ở Việt Nam
• 1.5. Nghiên cứu về dự báo mưa ở Việt Nam
• 1.6. Nghiên cứu về dự báo lũ hạn vừa ở Việt Nam
• 1.7. Những tồn tại và định hướng nghiên cứu
• 1.8. KẾT LUẬN CHƯƠNG 1
• 2. CHƯƠNG 2: XÂY DỰNG CƠ SỞ KHOA HỌC DỰ BÁO MƯA VÀ DỰ BÁO LŨ HẠN VỪA CHO LƯU VỰC SÔNG BA
• 2.1. Giới thiệu tổng quan về lưu vực sông Ba
• 2.2. Vị trí địa lý
• 2.3. Đặc điểm địa hình
• 2.4. Đặc điểm địa chất, thổ nhưỡng và thảm phủ thực vật
• 2.5. Mạng lưới sông suối
• 2.6. Đặc điểm khí hậu
• 2.7. Hệ thống hồ chứa lớn trên lưu vực sông Ba
• 2.8. Các hình thế thời tiết gây mưa, lũ lớn trên lưu vực sông Ba
• 2.9. Đặc điểm quá trình synop gây mưa lớn trên lưu vực sông Ba
• 2.10. Đặc điểm mưa và mưa sinh lũ trên lưu vực sông Ba
• 2.11. Công tác dự báo dòng chảy từ mưa phục vụ điều hành các hồ chứa
• 2.12. Xây dựng phương pháp dự báo mưa trên lưu vực sông Ba
• 2.13. Xây dựng phương pháp dự báo lũ hạn vừa lưu vực sông Ba
• 2.14. KẾT LUẬN CHƯƠNG 2
• 3. CHƯƠNG 3: KẾT QUẢ NGHIÊN CỨU MƯA, LŨ CHO LƯU VỰC SÔNG BA VÀ THẢO LUẬN
• 3.1. Đặc điểm thủy văn, chế độ dòng chảy trên lưu vực sông Ba
• 3.2. Lưu vực sông Hinh
• 3.3. Lưu vực sông Krong H’Năng
• 3.4. Lưu vực sông Ayun Hạ
• 3.5. Lưu vực An Khê
• 3.6. Kết quả dự báo mưa trên lưu vực sông Ba
• 3.7. Kết quả dự báo từ mô hình. Đánh giá kỹ năng dự báo của mô hình
• 3.8. Hiệu chỉnh và tính toán giá trị mưa dự báo
• 3.9. Kết quả dự dòng chảy trên lưu vực sông Ba
• 3.10. Hiệu chỉnh và kiểm định mô hình
• 3.11. Kết quả dự báo dòng chảy đến hồ trên lưu vực sông Ba
• 3.12. KẾT LUẬN CHƯƠNG 3
• DANH MỤC CÔNG TRÌNH ĐÃ CÔNG BỐ
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Giới thiệu về dự báo mưa lũ

Dự báo mưa lũ là một phần quan trọng trong việc quản lý tài nguyên nước và an toàn hồ chứa. Dự báo thời tiết chính xác giúp giảm thiểu thiệt hại do mưa lũ gây ra. Hệ thống sông Ba, với đặc điểm địa lý và khí hậu đa dạng, đòi hỏi các phương pháp dự báo hiện đại và chính xác. Việc áp dụng công nghệ dự báo tiên tiến sẽ nâng cao khả năng dự đoán và quản lý hồ chứa nước hiệu quả hơn. Theo nghiên cứu, các mô hình dự báo hiện tại cần được cải thiện để đáp ứng yêu cầu thực tiễn. Việc này không chỉ giúp bảo vệ tài sản mà còn đảm bảo an toàn cho cộng đồng sống xung quanh các hồ chứa.

1.1. Tầm quan trọng của dự báo mưa lũ

Dự báo mưa lũ có vai trò thiết yếu trong việc quản lý tài nguyên nước và bảo vệ môi trường. Quản lý nước hiệu quả giúp giảm thiểu thiệt hại do thiên tai. Các nghiên cứu cho thấy rằng việc dự báo chính xác có thể giảm thiệt hại kinh tế và bảo vệ tính mạng con người. Hệ thống thông tin và công nghệ dự báo hiện đại là cần thiết để cải thiện độ chính xác của dự báo. Việc áp dụng các mô hình dự báo khí hậu tiên tiến sẽ giúp nâng cao khả năng dự đoán và ứng phó với các tình huống khẩn cấp.

II. Phương pháp nghiên cứu

Nghiên cứu này sử dụng các phương pháp nghiên cứu khí tượng và mô hình hóa để phân tích dữ liệu mưa và lũ. Các mô hình như WRF và HEC-HMS được áp dụng để dự báo dòng chảy và lũ hạn vừa. Việc phân tích dữ liệu từ các trạm quan trắc giúp xác định các yếu tố ảnh hưởng đến mưa lũ. Hệ thống thông tin địa lý (GIS) cũng được sử dụng để phân tích không gian và thời gian của các hiện tượng khí tượng. Kết quả từ các mô hình này sẽ cung cấp thông tin quan trọng cho việc quy hoạch hồ chứa và quản lý tài nguyên nước.

2.1. Mô hình dự báo

Mô hình WRF được sử dụng để dự báo mưa với độ phân giải cao, cho phép theo dõi các hiện tượng khí tượng nhỏ. Mô hình HEC-HMS giúp dự đoán dòng chảy và lũ từ dữ liệu mưa dự báo. Việc kết hợp các mô hình này giúp cải thiện độ chính xác của dự báo và cung cấp thông tin kịp thời cho các cơ quan quản lý. Các kết quả từ mô hình sẽ được so sánh với dữ liệu thực tế để đánh giá hiệu quả của phương pháp dự báo. Điều này không chỉ giúp nâng cao chất lượng dự báo mà còn hỗ trợ trong việc quản lý hồ chứa và ứng phó với thiên tai.

III. Kết quả nghiên cứu

Kết quả nghiên cứu cho thấy rằng việc áp dụng các mô hình dự báo hiện đại đã cải thiện đáng kể độ chính xác của dự báo mưa và lũ. Các mô hình đã cung cấp thông tin chi tiết về lượng mưa và dòng chảy, giúp các cơ quan chức năng có thể đưa ra quyết định kịp thời. Đặc biệt, việc sử dụng hệ thống thông tin và công nghệ dự báo đã giúp tối ưu hóa quy trình quản lý nước. Kết quả này không chỉ có giá trị trong việc bảo vệ tài sản mà còn đảm bảo an toàn cho cộng đồng sống quanh các hồ chứa.

3.1. Đánh giá hiệu quả dự báo

Đánh giá hiệu quả của các mô hình dự báo cho thấy rằng độ chính xác đã được cải thiện từ 20% đến 30% so với các phương pháp truyền thống. Các chỉ số như ME và HSTQ cho thấy sự tương quan cao giữa dữ liệu dự báo và thực tế. Điều này chứng tỏ rằng việc áp dụng công nghệ mới trong dự báo khí tượng là cần thiết. Kết quả này sẽ là cơ sở để tiếp tục phát triển và hoàn thiện các phương pháp dự báo trong tương lai, nhằm nâng cao chất lượng quản lý tài nguyên nước và ứng phó với thiên tai.

Nội dung chính

Tổng quan luận án

Công trình "Nghiên cứu nâng cao chất lượng dự báo mưa, lũ phục vụ vận hành các hồ chứa trên lưu vực sông Ba" được tác giả Nguyễn Văn Hiếu thực hiện tại Trường Đại học Thủy lợi dưới sự hướng dẫn khoa học của TS. Đặng Thanh Mai (cùng sự hỗ trợ chuyên môn của GS. Vũ Minh Cát), thuộc chuyên ngành Thủy văn học (mã số: 9 44 02 24), bảo vệ năm 2020.

Tính cấp thiết và khoảng trống nghiên cứu

Lưu vực sông Ba là một trong 9 hệ thống sông lớn của Việt Nam với diện tích tự nhiên 13.417 km², trải dài trên địa bàn 4 tỉnh: Gia Lai, Đắk Lắk, Phú Yên và một phần tỉnh Kon Tum. Do địa hình lưu vực hẹp, dốc, bị chia cắt mạnh bởi dãy Trường Sơn và nằm trên hai vùng khí hậu (Tây Nguyên ở sườn Tây và Nam Trung Bộ ở sườn Đông), thời gian truyền lũ về hạ lưu tương đối ngắn. Trong 20 năm gần đây, tần suất và cường độ thiên tai mưa lũ trên lưu vực có xu hướng gia tăng, điển hình là đợt mưa lũ tháng 11 và 12 năm 2017 làm mực nước tại các trạm vượt mức báo động 3 từ 0,17 m đến 1,0 m.

Hệ thống bậc thang thủy điện và hồ chứa lớn trên lưu vực (như An Khê - Ka Nak, Ayun Hạ, Krông H’Năng, Sông Hinh, Sông Ba Hạ) đóng vai trò điều tiết dòng chảy và phát triển kinh tế - xã hội. Tuy nhiên, tổng dung tích phòng lũ của các hồ chứa chính chỉ đạt khoảng 260,5 × 10⁶ m³ (hoặc 537,24 × 10⁶ m³ khi tính cả các công trình phụ trợ), dung tích này rất nhỏ so với tổng lượng lũ 5 ngày lớn nhất quan trắc được tại trạm Củng Sơn là 2.507,3 × 10⁶ m³. Mạng lưới trạm quan trắc khí tượng thủy văn trên lưu vực còn thưa thớt, thời hạn dự báo mưa và dòng chảy nghiệp vụ chủ yếu dừng ở mức 24–48 giờ, dẫn đến nguy cơ vận hành bị động hoặc xảy ra hiện tượng "xả sốc" gây ngập lụt hạ du. Do đó, việc xác lập cơ sở khoa học nhằm nâng cao độ chính xác dự báo định lượng mưa và mở rộng thời gian dự kiến dự báo dòng chảy lũ đến các hồ chứa từ 72 đến 120 giờ là yêu cầu cấp thiết phục vụ thực hiện Quyết định số 878/QĐ-TTg ngày 18/7/2018 của Thủ tướng Chính phủ (thay thế Quyết định số 1077/QĐ-TTg ngày 07/7/2014) về quy trình vận hành liên hồ chứa trên lưu vực sông Ba.

Mục tiêu nghiên cứu

Mục tiêu tổng quát của đề tài là nâng cao độ chính xác dự báo mưa và dòng chảy lũ trung hạn đến các hồ chứa lớn trên lưu vực sông Ba, tạo điều kiện vận hành chủ động hệ thống liên hồ chứa nhằm bảo đảm an toàn công trình, cắt giảm lũ cho hạ du và nâng cao hiệu quả phát điện. Các mục tiêu cụ thể được xác định gồm:

1. Nghiên cứu, lựa chọn và sử dụng mô hình số trị phù hợp để dự báo mưa với thời gian dự kiến từ 72 đến 120 giờ.
2. Nghiên cứu, lựa chọn và sử dụng mô hình thủy văn phù hợp để dự báo lũ đến các hồ chứa trên lưu vực sông Ba phục vụ điều hành hệ thống liên hồ theo Quyết định 878/QĐ-TTg ngày 18 tháng 7 năm 2018 của Thủ tướng Chính phủ.

Đối tượng và phạm vi nghiên cứu

• Đối tượng nghiên cứu: Các yếu tố mưa sinh lũ và quá trình hình thành dòng chảy lũ đến 04 hồ chứa lớn trên lưu vực sông Ba.
• Phạm vi không gian: Tập trung vào 04 tiểu lưu vực tương ứng với 04 hồ chứa có dung tích trên 100 triệu m³ trên lưu vực sông Ba, bao gồm hồ Sông Hinh, hồ Krông H’Năng, hồ Ayun Hạ và hồ An Khê.
• Phạm vi thời gian: Kéo dài và nâng cao độ chính xác của hạn dự báo từ khoảng 24–48 giờ (hạn ngắn) lên khoảng 72–120 giờ (hạn vừa/trung hạn).

---

Tổng quan tài liệu và vị trí của luận án

Các hướng nghiên cứu trên thế giới

Tác giả đã tổng hợp các bước phát triển của công tác dự báo khí tượng và thủy văn hạn vừa trên thế giới:

• Về dự báo mưa số trị và hệ thống dự báo tổ hợp (EPS): Các trung tâm khí tượng lớn bắt đầu vận hành EPS từ đầu thập niên 1990 để nắm bắt tính bất định của trường ban đầu. Tiêu biểu gồm hệ thống của Trung tâm Quốc gia Dự báo Môi trường Hoa Kỳ (NCEP) phát triển từ phương pháp BGM (Toth và Kalnay, 1997) đến GEFS 21 thành phần theo phương pháp ET (Zhu và cộng sự, 2016); hệ thống VAREPS 51 thành phần của Trung tâm Dự báo Thời tiết Hạn vừa Châu Âu (ECMWF) dựa trên phương pháp Singular Vector (Palmer và cộng sự, 1992); hệ thống CEFS 21 thành phần của Canada (Houtekamer và cộng sự, 1996); chương trình siêu tổ hợp TIGGE (Philippe Bougeault và cộng sự, 2009) và hệ thống NAEFS (Zhu và cộng sự, 2009). Bên cạnh đó, các nghiên cứu tổ hợp khu vực hạn hạn chế (LEPS/COSMO-LEPS) nhằm chi tiết hóa độ phân giải không gian cho hạn dự báo 2–5 ngày được phát triển bởi Molteni và cộng sự (2001), Marsigli và cộng sự (2001, 2005) và Montani và cộng sự (2003b). Đối với dự báo tất định, các mô hình toàn cầu như IFS (ECMWF), GFS (NCEP), GSM (Cơ quan Khí tượng Nhật Bản - JMA) và nghiên cứu dữ liệu mưa cực trị của C. White và cộng sự (2015) tại Úc đã cung cấp nguồn dữ liệu đầu vào cho các mô hình thủy văn.
• Về dự báo dòng chảy lũ hạn vừa: Gouweleeuw và cộng sự sử dụng mô hình LISFLOOD kết hợp dữ liệu mưa tổ hợp 51 thành phần của ECMWF cho sông Meuse (1995) và Odra (1997). F. Pappenberger và cộng sự (2008) ứng dụng LISFLOOD kết hợp đa mô hình EPS (ECMWF, UKMO, JMA, NCEP, CMA, CMC, BOM) cho trận lũ năm 2007 tại Romania. Collischonn và cộng sự (2007) ứng dụng mô hình thủy văn thông số phân bố MGB-IPH và mô hình thông số tập trung với dữ liệu mưa từ mô hình số trị ETA tại Brazil. Thiemig và cộng sự (2015) triển khai hệ thống AFFS (LISFLOOD kết hợp ECMWF) cho lưu vực sông Sabi ở Châu Phi với hạn dự báo 15 ngày. Tại Hoa Kỳ, nghiên cứu của các tác giả năm 2005 đã kết hợp mô hình HEC-HMS, HEC-RAS với dữ liệu radar NEXRAD thông qua công cụ "Map to Map" (ArcHydro trong ArcGIS) trên lưu vực sông San Antonio.

Các hướng nghiên cứu tại Việt Nam

• Về khí tượng và mưa lớn: Các nghiên cứu synop truyền thống phân tích bão, áp thấp nhiệt đới (ATNĐ), không khí lạnh (KKL), dải hội tụ nhiệt đới (ITCZ) và gió mùa mùa đông gây mưa lũ lớn ở Miền Trung và Tây Nguyên được thực hiện bởi Nguyễn Ngọc Thục và Lương Tuấn Minh (1990), Nguyễn Ngọc Thục và cộng sự (1994), Lê Văn Ánh (2004), Nguyễn Đức Hậu (2011), Lê Bắc Huỳnh (2000), Tổng cục Khí tượng Thủy văn (2013), Viện Khoa học Khí tượng Thủy văn và Biến đổi khí hậu (2015). Về mô hình số trị, các sản phẩm dự báo toàn cầu GSM (được Bùi Minh Tăng kiểm định), GFS, NAEFS, sản phẩm IFS của ECMWF (tiếp nhận từ cuối năm 2011 tại Trung tâm Dự báo Khí tượng Thủy văn quốc gia), cũng như các thử nghiệm mô hình khu vực (HRM, MM5, WRF, RegCM, clWRF, RSM) của Dư Đức Tiến và cộng sự (2011), Phan Văn Tân và cộng sự, Lưu Nhật Linh, Vũ Văn Thăng đã được triển khai. Các nghiên cứu ứng dụng dữ liệu viễn thám, ảnh mây vệ tinh và radar được công bố bởi Nguyễn Văn Thắng (2013), Trần Đình Trọng (2011), Đặng Ngọc Tĩnh (2011 - đánh giá các nguồn vệ tinh TRMM, GSMaP, QMorph/CMorph kết hợp mô hình IFAS).
• Về dự báo dòng chảy và vận hành hồ chứa:
  • Hạn ngắn (6–24 giờ): Nguyễn Lan Châu (2004) áp dụng mô hình phân bố Marine dự báo lũ sông Đà đến hồ Hòa Bình; Đặng Thanh Mai (2005) kết hợp mô hình WETSPA và HEC-RAS cho hệ thống sông Vu Gia - Thu Bồn.
  • Hạn vừa (đến 5 ngày): Đặng Ngọc Tĩnh (2010) ứng dụng ảnh viễn thám và mưa ECMWF cho mô hình IFAS; Đặng Thanh Mai (2011) ứng dụng ECMWF và mô hình MIKE cho sông Ba; Vũ Đức Long (2012) dùng WETSPA cho các sông ở Quảng Bình, Quảng Trị; Bùi Đình Lập (2014) dùng Marine cho hệ thống sông Hồng; Đặng Thanh Mai (2014) nghiên cứu công nghệ dự báo lũ cho các sông tại Bình Định và Khánh Hòa; Nguyễn Viết Thi (2006) kết hợp mô hình NAM, MIKE 11 với mô hình số trị HRM cho hệ thống sông Đà và sông Lô; Vũ Minh Cát (2008) kết nối dự báo trung hạn với điều hành phòng chống lũ cho đồng bằng sông Hồng - Thái Bình; Hoàng Thanh Tùng (2010) kết hợp HEC-HMS, HEC-RAS, HEC-ResSim và mô phỏng Monte Carlo cho sông Cả; Lương Hữu Dũng (2016) và Nguyễn Việt (2018 - ứng dụng Fuzzy logic) nghiên cứu cơ sở điều hành liên hồ chứa trên sông Ba.

Khoảng trống nghiên cứu luận án lựa chọn

Các nghiên cứu trước đây tại Việt Nam chủ yếu dùng số liệu mưa dự báo thô từ các mô hình toàn cầu có độ phân giải không gian tương đối thô (12–50 km) hoặc số liệu thống kê truyền thống chỉ cho xu thế chung, chưa phản ánh được chi tiết trường mưa quy mô vừa và địa hình phức tạp của lưu vực sông Ba. Dữ liệu mưa dự báo chưa qua các khâu đánh giá sai số hệ thống và hiệu chỉnh thống kê chi tiết theo từng ô lưới tiểu lưu vực. Hơn nữa, việc tích hợp chuỗi dự báo mưa số trị độ phân giải cao (5 km) với các mô hình thủy văn (MIKE-NAM, HEC-HMS) nhằm kéo dài thời hạn dự báo dòng chảy lũ đến 72–120 giờ phục vụ trực tiếp cho bài toán vận hành liên hồ chứa theo quy trình Quyết định 878/QĐ-TTg vẫn chưa được giải quyết đồng bộ.

---

Cơ sở lý thuyết và phương pháp nghiên cứu

Cơ sở lý thuyết và nguyên lý tiếp cận

Luận án tiếp cận nghiên cứu dựa trên nguyên lý "Nguyên nhân hình thành": ở khu vực nhiệt đới gió mùa, dòng chảy lũ sinh ra chủ yếu do mưa sau khi trừ đi các thành phần tổn thất (thấm, bốc thoát hơi, giữ lại bề mặt). Sự hình thành dòng chảy trên lưu vực sông Ba chịu sự chi phối tổng hợp của các hình thế thời tiết gây mưa và điều kiện mặt đệm (địa hình dốc, đứt gãy địa chất đới Kon Tum, nham thạch nền granit, bazan, thành phần thổ nhưỡng và thảm phủ thực vật phân hóa từ thượng nguồn xuống hạ du).

Phương pháp nghiên cứu và công cụ tính toán

1. Phương pháp kế thừa: Thu thập, kế thừa chuỗi số liệu quan trắc khí tượng, thủy văn, tài liệu địa hình, thảm phủ và thông số kỹ thuật, quy trình vận hành các công trình hồ chứa trên lưu vực sông Ba.
2. Phương pháp mô hình toán khí tượng số trị:
   • Sử dụng sản phẩm dự báo toàn cầu IFS (Integrated Forecast System) của ECMWF với độ phân giải khoảng 14 km (0,125° kinh vĩ) làm trường ban đầu và điều kiện biên phụ thuộc thời gian.
   • Ứng dụng mô hình khu vực dạng bất thủy tĩnh WRFARW (Weather Research and Forecasting - phiên bản ARW) với độ phân giải lưới mịn 5 km × 5 km bao phủ lưu vực sông Ba, tích hợp hệ thống đồng hóa số liệu 3DVAR.
3. Phương pháp thống kê xác suất và hiệu chỉnh dữ liệu mưa:
   • Sử dụng phương pháp nội suy điểm gần nhất và phân chia lưu vực thành các ô lưới (5 km × 5 km và 14 km × 14 km) có tính toán giá trị trọng số diện tích cho từng tiểu lưu vực.
   • Đánh giá định lượng sai số mưa dự báo bằng các chỉ số thống kê: Sai số trung bình (ME), Sai số hệ thống (BIAS), Sai số quân phương (RMSE), Hệ số tương quan (HSTQ), Xác suất phát hiện (POD), Chỉ số đánh giá xác suất (BS), Chỉ số kỹ năng dự báo xác suất (BSS).
   • Thiết lập phương trình hồi quy tuyến tính (tính các hệ số phụ thuộc $a$ và hệ số tự do $b$) để hiệu chỉnh giá trị mưa dự báo từ mô hình IFS và WRF trước khi đưa vào mô hình thủy văn.
4. Phương pháp mô hình toán thủy văn:
   • Ứng dụng mô hình thông số tập trung MIKE-NAM (thuộc bộ phần mềm MIKE của DHI) và mô hình HEC-HMS (của Trung tâm Kỹ thuật Thủy văn Quân đội Hoa Kỳ - USACE).
   • Thực hiện hiệu chỉnh và kiểm định bộ thông số mô hình thủy văn dựa trên số liệu các đợt lũ thực đo lịch sử cho 04 tiểu lưu vực hồ chứa: An Khê, Ayun Hạ, Krông H’Năng và Sông Hinh.
5. Phương pháp phân tích tổng hợp: So sánh, đánh giá kết quả mô phỏng và dự báo quá trình lũ, đỉnh lũ giữa các kịch bản sử dụng mưa dự báo thô và mưa dự báo đã hiệu chỉnh thống kê ở các độ phân giải 14 km × 14 km và 5 km × 5 km.

Nguồn tư liệu và dữ liệu sử dụng

• Số liệu khí tượng thủy văn quan trắc bề mặt, số liệu mực nước, lưu lượng thực đo từ Trung tâm Dự báo Khí tượng Thủy văn quốc gia, Tổng cục Khí tượng Thủy văn, Đài Khí tượng Thủy văn khu vực Nam Trung Bộ.
• Dữ liệu sản phẩm dự báo số trị IFS từ ECMWF và mô hình WRFARW vận hành tại Trung tâm Dự báo Khí tượng Thủy văn quốc gia.
• Tài liệu dung tích, mực nước, biểu đồ điều tiết các hồ chứa từ Cục Quản lý Tài nguyên nước và các đơn vị quản lý vận hành hồ trên lưu vực sông Ba.

---

Nội dung chính theo từng chương

Chương 1: Tổng quan nghiên cứu dự báo mưa và dự báo lũ hạn vừa

Chương này hệ thống hóa các thành tựu và hạn chế trong công tác dự báo khí tượng và thủy văn hạn vừa trên thế giới và tại Việt Nam. Tác giả phân tích các hệ thống EPS toàn cầu (GEFS, VAREPS, CEFS, TIGGE, NAEFS) và khu vực (COSMO-LEPS), cùng các mô hình dự báo tất định (IFS, GFS, GSM). Đối với thủy văn hạn vừa, chương 1 điểm lại các nghiên cứu ứng dụng LISFLOOD, MGB-IPH, HEC-HMS, Marine, WETSPA, NAM.

Qua phân tích, luận án rút ra nhận định: các hiện tượng mưa lớn gây lũ trên lưu vực sông Ba bắt nguồn từ các hình thế quy mô vừa và quá trình đối lưu sâu, đòi hỏi phải sử dụng mô hình số trị khu vực dạng bất thủy tĩnh (WRFARW) có độ phân giải ngang 5 km, kết hợp điều kiện biên từ mô hình toàn cầu IFS (14 km) và cần thiết phải hiệu chỉnh thống kê mưa dự báo định lượng trước khi nạp vào mô hình thủy văn (MIKE-NAM, HEC-HMS).

Chương 2: Xây dựng cơ sở khoa học dự báo mưa và dự báo lũ hạn vừa cho lưu vực sông Ba

Chương 2 trình bày điều kiện tự nhiên, đặc điểm địa hình, địa chất, mạng lưới sông ngòi và khí hậu của lưu vực sông Ba, đồng thời xác lập quy trình công nghệ tích hợp mô hình khí tượng - thủy văn.

Đặc điểm hình thái mạng lưới sông: Sông Ba bắt nguồn từ đỉnh Ngọc Rô cao 1.549 m, chiều dài dòng chính 388 km, diện tích lưu vực 14.140 km² (tính đến cửa ra Đà Rằng), mật độ lưới sông 0,22 km/km². Có 3 sông nhánh lớn nhất: sông Ayun (diện tích 2.950 km², lượng nước hàng năm 2,23 × 10⁹ m³, chiếm 23,1% toàn lưu vực), sông Krông H’Năng (diện tích 1.761 km²) và sông Hinh (diện tích 1.040 km², lượng nước hàng năm 1,71 × 10⁹ m³, chiếm 18,7%).

Tên sông	Chiều dài sông (km)	Diện tích lưu vực (km²)	Độ cao bình quân lưu vực (m)	Độ dốc bình quân lưu vực (%)	Chiều rộng bình quân lưu vực (km)	Mật độ lưới sông (km/km²)
Sông Ba	388	14.140	400	10,9	48,6	0,22
Đak PôKô	52	762	574	11,5	25,4	0,45
IA Pi Hao	70	55,2	540	8,4	9,8	0,32
Ayun	175	2.950	537	7,1	25,0	0,41
Krông HNăng	130	840	477	9,5	24,5	0,54
Sông Hinh	88	1.040	526	15,7	17,7	0,53

Hiện trạng hệ thống hồ chứa và dung tích phòng lũ: Bậc thang hồ chứa thượng nguồn sông Ba có dung tích phòng lũ hạn chế so với quy mô dòng chảy lũ:

Hạng mục hồ chứa	Ka Năk	Sông Ba Hạ	Ayun Hạ	Sông Hinh	Ia M‘Lá	Krông H'Năng	Tổng cộng
Mực nước trước lũ - MNTL (m)	102	204,5	202	251,5	506	211,6	—
Dung tích phòng lũ - $W_{pl}$ ($10^6\text{ m}^3$)	133,24	156,74	66,00	36,86	131,78	12,62	537,24

Các hình thế synop gây mưa lớn: Các tổ hợp hình thế thời tiết gồm: Không khí lạnh (KKL), Xoáy thuận nhiệt đới (XTNĐ/bão, ATNĐ - như bão số 12 Damrey 2017), Nhiễu động trong đới gió Đông trên cao (sóng đông), Dải hội tụ nhiệt đới (ITCZ) và Gió mùa Tây Nam hoạt động mạnh. Điển hình đợt mưa từ 02–05/12/2017 do KKL kết hợp sóng đông gây mưa 170 mm tại Phú Yên, 200 mm tại Gia Lai, làm biên độ lũ thượng nguồn sông Ba vượt 6,0 m và đỉnh lũ vượt BĐ3 từ 0,17–1,0 m.

Thiết lập quy trình dự báo: Thiết lập lưới tính toán IFS (14 km × 14 km) và WRF (5 km × 5 km); xác định phương pháp nội suy, ma trận trọng số diện tích các ô lưới cho từng tiểu lưu vực; xây dựng hàm hồi quy tuyến tính hiệu chỉnh lượng mưa tích lũy 6 giờ; thiết lập quy trình liên kết đưa mưa dự báo vào mô hình MIKE-NAM và HEC-HMS để mô phỏng dòng chảy đến các hồ chứa.

Chương 3: Kết quả nghiên cứu mưa, lũ cho lưu vực sông Ba và thảo luận

Chương 3 trình bày các kết quả tính toán chi tiết, kiểm định sai số và đánh giá kỹ năng của chuỗi mô hình:

1. Đánh giá và hiệu chỉnh dự báo mưa:
   • Đánh giá so sánh chất lượng dự báo định lượng mưa giữa mô hình toàn cầu IFS (14 km) và mô hình WRFARW (5 km) tại các trạm quan trắc (An Khê, Pleiku, Kon Tum, Buôn Hồ...). Kết quả đánh giá chỉ số ME, sai số hệ thống BIAS, hệ số tương quan HSTQ cho thấy mô hình WRF 5 km phản ánh chi tiết hơn cấu trúc mưa cục bộ so với mô hình IFS 14 km.
   • Đánh giá pha mưa cho các ngưỡng mưa to (>50 mm/24h) và mưa rất to (>100 mm/24h) qua chỉ số POD, BS, BSS.
   • Tính toán xác định bộ hệ số hồi quy phụ thuộc ($a$) và tự do ($b$) cho từng điểm lưới của mô hình IFS và WRF. Sau khi hiệu chỉnh thống kê, chỉ số sai số trung bình ME của lượng mưa dự báo tích lũy 6 giờ giảm rõ rệt và hệ số tương quan giữa mưa dự báo với mưa quan trắc thực tế tăng lên đáng kể.
2. Hiệu chỉnh và kiểm định mô hình thủy văn:
   • Xác định bộ thông số tối ưu cho mô hình MIKE-NAM và HEC-HMS trên 04 tiểu lưu vực (An Khê, Ayun Hạ, Krông H’Năng, Sông Hinh) qua chuỗi số liệu thực đo các đợt lũ lịch sử (các năm 1986, 1988, 1990, 1991, 1992, 2003, 2004, 2005).
   • Đánh giá sai số lưu lượng đỉnh lũ, thời gian xuất hiện đỉnh và sai số tổng lượng dòng chảy giữa đường quá trình mô phỏng và thực đo đạt các tiêu chuẩn kiểm định thủy văn quy định.
3. Kết quả dự báo thử nghiệm dòng chảy lũ đến 04 hồ chứa:
   • Dự báo thử nghiệm quá trình lũ đến hồ An Khê, Ayun Hạ, Krông H’Năng và Sông Hinh trong các đợt mưa lũ tháng 11/2013, 11/2014, 10/2015 và 10/2016.
   • So sánh kết quả dự báo lũ theo mô hình MIKE-NAM và HEC-HMS khi sử dụng đầu vào là mưa dự báo lưới 14 km × 14 km và lưới 5 km × 5 km (trước và sau hiệu chỉnh). Kết quả khẳng định việc sử dụng dữ liệu mưa dự báo phân giải 5 km × 5 km đã qua hiệu chỉnh thống kê giúp mô phỏng sát thực tế hơn đỉnh lũ và diễn biến đường quá trình lũ đến hồ, kéo dài thời gian dự kiến dự báo đạt từ 72 đến 120 giờ.

---

Kết quả và những đóng góp mới

Đóng góp mới về mặt khoa học lý luận

• Đã xác định cơ sở khoa học, kiểm chứng và kết hợp thành công mô hình số trị IFS (ECMWF) với mô hình khu vực bất thủy tĩnh WRFARW (độ phân giải 5 km × 5 km, đồng hóa 3DVAR) để dự báo định lượng mưa trên lưu vực sông Ba, mở rộng thời gian dự kiến từ 48 giờ lên 72–120 giờ.
• Xây dựng phương pháp xử lý, phân chia ô lưới tính toán trọng số diện tích và thiết lập phương trình hồi quy tuyến tính hiệu chỉnh thống kê sai số mưa dự báo số trị cho từng tiểu lưu vực sông Ba.
• Thiết lập và chuẩn hóa bộ thông số thủy văn cho mô hình MIKE-NAM và HEC-HMS kết hợp chuỗi dữ liệu mưa số trị độ phân giải cao phục vụ dự báo định lượng dòng chảy lũ đến hồ chứa trước 03 đến 05 ngày.

Đóng góp mới về mặt thực tiễn

• Cung cấp bộ công cụ và quy trình dự báo dòng chảy lũ trung hạn (72–120 giờ) cho 04 hồ chứa lớn (An Khê, Ayun Hạ, Krông H’Năng, Sông Hinh), hỗ trợ các cơ quan quản lý và chủ hồ thực hiện vận hành liên hồ chứa chủ động, giảm thiểu rủi ro xả lũ đột ngột và ngập lụt vùng hạ du sông Ba.
• Cung cấp tài liệu tham khảo cho công tác nghiên cứu, đào tạo chuyên ngành Thủy văn học và quản lý tài nguyên nước.

Kiến nghị và giải pháp đề xuất

• Đề xuất ứng dụng quy trình dự báo mưa số trị kết hợp mô hình thủy văn vào công tác nghiệp vụ tại các cơ quan dự báo khí tượng thủy văn và đơn vị vận hành hồ chứa trên lưu vực sông Ba.
• Tiếp tục bổ sung, nâng cấp mạng lưới trạm đo mưa tự động và trạm thủy văn quan trắc dòng chảy đến các hồ để cập nhật liên tục dữ liệu hiệu chỉnh mô hình.

---

Hạn chế và hướng nghiên cứu tiếp

• Hạn chế: Luận án tập trung thử nghiệm và tính toán chi tiết cho 04 hồ chứa lớn có dung tích trên 100 triệu m³ (An Khê, Ayun Hạ, Krông H’Năng, Sông Hinh), chưa bao quát toàn bộ hệ thống các công trình thủy điện vừa và nhỏ trên các nhánh sông khác của lưu vực. Mạng lưới trạm quan trắc mặt đệm thực tế còn thưa thớt làm hạn chế một phần độ chính xác của việc kiểm định trường mưa vi mô và dòng chảy tại các lưu vực không có trạm đo.
• Hướng nghiên cứu tiếp: Cập nhật các nguồn dữ liệu đồng hóa mới (radar, vệ tinh thế hệ mới), mở rộng phạm vi ứng dụng quy trình dự báo mưa, lũ cho toàn bộ các công trình hồ chứa bậc thang trên dòng chính và dòng nhánh sông Ba; tiếp tục tinh chỉnh các thuật toán hiệu chỉnh thống kê sau mô hình (MOS) phù hợp với biến đổi khí hậu.

---

Giá trị tham khảo

• Đối với nghiên cứu sinh và học viên cao học ngành Thủy văn, Khí tượng: Tài liệu cung cấp phương pháp luận và quy trình kỹ thuật tích hợp giữa mô hình số trị khí tượng (WRF/IFS) và mô hình thủy văn (MIKE-NAM, HEC-HMS), cùng các phương pháp thống kê đánh giá sai số (ME, BIAS, RMSE, POD, BSS).
• Đối với giảng viên và cán bộ nghiên cứu: Tham khảo số liệu hình thái lưu vực, đặc trưng mưa lũ, thông số mô hình thủy văn đã được kiểm định trên lưu vực sông Ba.
• Đối với cơ quan dự báo nghiệp vụ và nhà quản lý vận hành hồ chứa: Cung cấp giải pháp kỹ thuật nâng cao hạn dự báo lũ đến hồ từ 24–48 giờ lên 72–120 giờ phục vụ thực hiện quy trình vận hành liên hồ chứa theo Quyết định số 878/QĐ-TTg.

---

Câu hỏi thường gặp

1. Luận án nghiên cứu dự báo dòng chảy lũ cho những hồ chứa cụ thể nào trên lưu vực sông Ba?
Luận án tập trung nghiên cứu dự báo dòng chảy lũ đến 04 hồ chứa lớn có dung tích trên 100 triệu m³ trên lưu vực sông Ba, bao gồm: hồ An Khê, hồ Ayun Hạ, hồ Krông H’Năng và hồ Sông Hinh.

2. Thời gian dự kiến dự báo mưa và lũ được nâng lên bao nhiêu so với trước đây?
Thời gian dự kiến của dự báo được nâng từ mức 24–48 giờ (trong các dự báo nghiệp vụ trước đây) lên khoảng từ 72 giờ đến 120 giờ (3 đến 5 ngày).

3. Tác giả đã kết hợp những mô hình khí tượng và thủy văn nào trong nghiên cứu?
Về khí tượng, tác giả kết hợp mô hình toàn cầu IFS của ECMWF (làm biên và trường ban đầu) với mô hình khu vực bất thủy tĩnh WRFARW của Hoa Kỳ (độ phân giải 5 km × 5 km). Về thủy văn, tác giả sử dụng mô hình MIKE-NAM và mô hình HEC-HMS.

4. Vì sao cần phải hiệu chỉnh thống kê dữ liệu mưa dự báo từ mô hình số trị trước khi đưa vào mô hình thủy văn?
Vì số liệu mưa thô từ các mô hình số trị vẫn tồn tại sai số hệ thống, chưa phản ánh sát thực tế địa hình và quá trình đối lưu quy mô vừa trên lưu vực. Hiệu chỉnh thống kê bằng phương trình hồi quy tuyến tính giúp giảm chỉ số sai số trung bình ME và tăng hệ số tương quan với số liệu quan trắc thực tế, nâng cao độ chính xác của lưu lượng dòng chảy dự báo đến hồ.

5. Căn cứ pháp lý chính về vận hành liên hồ chứa được luận án bám sát là văn bản nào?
Căn cứ pháp lý chính là Quyết định số 878/QĐ-TTg ngày 18 tháng 7 năm 2018 của Thủ tướng Chính phủ ban hành Quy trình vận hành liên hồ chứa trên lưu vực sông Ba (thay thế Quyết định số 1077/QĐ-TTg ngày 07 tháng 7 năm 2014).

---

Kết luận

Luận án của tác giả Nguyễn Văn Hiếu đã xây dựng cơ sở khoa học và quy trình công nghệ tích hợp mô hình khí tượng số trị độ phân giải cao (WRFARW 5 km kết hợp điều kiện biên IFS) với các mô hình thủy văn (MIKE-NAM, HEC-HMS) để dự báo mưa và dòng chảy lũ trung hạn trên lưu vực sông Ba. Nghiên cứu đã giải quyết bài toán mở rộng thời hạn dự báo lũ đến 04 hồ chứa lớn (An Khê, Ayun Hạ, Krông H’Năng, Sông Hinh) từ 48 giờ lên 72–120 giờ thông qua kỹ thuật hiệu chỉnh thống kê mưa dự báo định lượng theo ô lưới. Kết quả nghiên cứu đáp ứng yêu cầu nâng cao tính chủ động trong điều hành liên hồ chứa theo Quyết định 878/QĐ-TTg, góp phần cắt giảm lũ cho hạ du và bảo đảm an toàn hệ thống công trình.

Trích đoạn nội dung tài liệu

CHƯƠNG 1 TỔNG QUAN NGHIÊN CỨU DỰ BÁO MƯA VÀ DỰ BÁO LŨ HẠN VỪA 1. Tổng quan nghiên cứu về dự báo mưa, dự báo lũ hạn vừa trên thế giới 1. Nghiên cứu về dự báo mưa trên thế giới Hiện nay, dự báo hạn vừa là một phần không thể thiếu đối với tất cả các trung tâm dự báo lớn trên thế giới. Hầu hết cách tiếp cận đối với dự báo hạn vừa đều dựa trên phương pháp dự báo tổ hợp nhằm nắm bắt được các nguồn bất định do trường ban đầu gây ra.

Từ những năm đầu của thập kỷ 90, một số trung tâm dự báo khí tượng lớn trên thế giới, các hệ thống dự báo tổ hợp (EPS - Ensemble Prediction System) nghiệp vụ đã được đưa vào hoạt động phục vụ công tác dự báo hạn vừa hạn dài và được chạy trên các hệ thống siêu máy tính. Các EPS này được phát triển dựa trên các mô hình toàn cầu với mục đích chính là nâng cao chất lượng dự báo và tăng cường khả năng dự báo dài hạn. EPS nghiệp vụ đầu tiên tại Trung tâm quốc gia dự báo môi trường của Mỹ (NCEP-National Center for Enviromental Prediction) được sử dụng từ năm 1992 dựa trên phương pháp BGM (Breeding of Growing Mode) để tạo tập hợp các trường ban đầu khác nhau cho mô hình toàn cầu T126 với 28 mực thẳng đứng và tích phân tới 180 giờ (Toth và Kalnay, 1997) [42]. Hiện tại, EPS cho dự báo hạn vừa của NCEP (GEFS) bao gồm 21 thành phần dựa theo phương pháp mới ET (Ensemble Transform) độ phân giải T190L28 (khoảng 0.70, 28 mực), hạn dự báo 15 ngày (Zhu và cộng sự, 2016) [53].

Năm 1992, Trung tâm dự báo hạn vừa Châu Âu (ECMWF - European Center for Medium-range Weather Forecasts), EPS cũng sử dụng phương pháp SV (Singular Vector) để tạo nhiễu động ban đầu (Palmer và cộng sự, 1992) [47]. EPS này hiện nay có 51 dự báo thành phần, thực hiện dự báo hàng ngày và cung cấp kết quả cho các nước trong Cộng đồng Châu Âu là thành viên của ECMWF. Hệ thống EPS này có tên gọi VAREPS (Variable Resolution EPS) hạn dự báo 15 ngày, trong đó 9 ngày đầu hệ thống chạy với độ phân giải TL399L62 (khoảng 50 km, 62 mực) và 6 ngày sau với độ phân giải TL255L62 (khoảng 80 km, 62 mực). Đây là EPS hạn vừa có độ phân giải cao nhất hiện nay trên thế giới.

6 luan an Độc lập với NCEP và ECMWF nhưng muộn hơn vài năm, Trung tâm Khí tượng Canada (JMA-Canadian Meteorological Center) cũng bắt đầu đưa vào chạy nghiệp vụ EPS theo phương pháp EnKF (Ensemble Kalman Filter) theo Houtekamer và cộng sự (1996). EPS của CMC cho thấy một sự kết hợp chặt chẽ giữa EF và đồng hóa số liệu. Hiện tại, EPS của CMC (CEFS) bao gồm 21 thành phần tương tự như EPS của NCEP với độ phân giải 0.90, 28 mực và hạn dự báo 16 ngày. Tiếp sau các trung tâm trên, các trung tâm khí tượng khác như MeteoFrance, BoM, JMA, KMA, CMA cũng bắt đầu phát triển và sử dụng EPS cho các mô hình toàn cầu trong dự báo hạn vừa và hạn dài.

Với rất nhiều EPS từ các trung tâm dự báo khác nhau như trên, cộng đồng khí tượng đang hướng đến một dự báo siêu tổ hợp, kết hợp tất cả thông tin dự báo từ các EPS thông qua chương trình TIGGE (THORPEX Interactive Grand Global Ensemble) (Philippe Bougeault và cộng sự, 2009) [48]. Thành công bước đầu của TIGGE được thể hiện qua hệ thống dự báo tổ hợp Bắc Mỹ NAEFS kết hợp hai hệ thống GEFS của NCEP và CEFS của CMC (Zhu và cộng sự, 2009) [52]. Tiếp sau thành công của EPS từ mô hình toàn cầu, Molteni và cộng sự (2001) [45], Marsigli và cộng sự (2001) [44] bắt đầu những nghiên cứu lý thuyết cho phép thực hiện EF trên các mô hình khu vực với độ phân giải cao hơn so với mô hình toàn cầu với tên gọi LEPS (Limited-area Ensemble Prediction System). Tuy nhiên, LEPS lại hướng đến dự báo từ 2 cho đến 5 ngày (trước hạn vừa).

Với mục tiêu như vậy, nhiễu động điều kiện biên sẽ trở nên quan trọng hơn so với nhiễu động điều kiện ban đầu. Hệ thống được thực hiện đơn giản bằng cách tích phân mô hình LM lồng trong các thành phần của EPS toàn cầu tại ECMWF. Sau những thử nghiệm đầu tiên tại ARPA-SIM, hệ thống với tên gọi COSMO-LEPS đã được thực hiện tại ECMWF vào năm 2003 (Montani và cộng sự 2003b) [46]. Đánh giá của Marsigli và cộng sự (2005) [35] cho thấy kỹ năng dự báo từ hệ thống này cao hơn so với kỹ năng tương ứng từ hệ thống dự báo tổ hợp toàn cầu mà LM chạy lồng trong đó.

Như vậy, từ các phân tích trên có thể thấy EPS hạn vừa đã được triển khai vào dự báo nghiệp vụ tại rất nhiều trung tâm dự báo lớn trên thế giới và dựa trên các mô hình toàn cầu. Tuy nhiên, để tăng khả năng nắm bắt các quy mô vừa chuyển tiếp giữa hạn ngắn và hạn vừa, cách tiếp cận sử dụng mô hình một mô hình khu vực để tăng độ phân giải và 7 luan an chạy với các đầu vào từ các thành phần dự báo của EPS toàn cầu được thực hiện cho hạn dự báo 3-15 ngày. Bên cạnh sự phát triển của các hệ thống EPS kể trên, bản thân các trung tâm lớn trên thế giới cũng đã tiến hành dự báo tất định với hạn 1-15 ngày dựa trên các mô hình toàn cầu tự phát triển. Tại Trung tâm Dự báo hạn vừa Châu Âu, mô hình IFS (Intergrated Forecast System) được chạy một ngày 2 lần, dự báo đến 10 ngày với độ phân giải 0.

Trường mưa dự báo với thời đoạn 3 tiếng với 5 ngày đầu trong khi 5 ngày sau thời đoạn dự báo là 6 tiếng. Tại NCEP, mô hình GFS được chạy 4 phiên trong ngày, cách nhau 06 tiếng với các tùy chọn độ phân giải là 0. Thời hạn dự báo của mô hình lên đến 384h (15 ngày) hoàn toàn có thể đáp ứng được nhu cầu dự báo mưa hạn vừa, làm đầu vào cho các mô hình thủy văn hiện nay. Tại Cơ quan khí tượng Nhật Bản (JMA), mô hình GSM đang chạy với độ phân giải 0.25 độ với hạn dự báo lên đến 10 ngày.

Trong đó, mô hình chạy mỗi ngày 04 phiên dự báo 84h đầu tiên, riêng dự báo từ 84h đến 240h (10 ngày) được chạy duy nhất 1 lần vào phiên 12Z. Năm 2015, dữ liệu mưa cực trị hạn vừa đến hạn dài (bao gồm cực trị ngày, cực trị tuần và cực trị mùa) cũng được nhóm các tác giả C. White và cộng sự [34] tại Đại học Tasmania sử dụng để nghiên cứu dự báo lũ tại Úc. Nghiên cứu về dự báo lũ hạn vừa trên thế giới B.T Gouweleeuw và cộng sự [32] đã sử dụng mô hình LISFLOOD dự báo lũ hạn vừa với đầu vào dự báo mưa tổ hợp 51 thành phần của Trung tâm dự báo hạn vừa Châu Âu (ECMWF), nghiên cứu cho 2 trường hợp lũ trên sông Meuse (tháng 01/1995) và Odra (tháng 07/1997).

Các kết quả cho thấy mô hình LISFLOOD đã cảnh báo được lũ sớm trước từ 2-3 ngày, đặc biệt là thời điểm xảy ra đỉnh lũ. Mặc dù vậy đối với trường hợp lũ trên sông Odra, mô phỏng đỉnh lũ từ mô hình thiên thấp hơn so với thực tế. Kết quả đỉnh lũ thấp hơn so với thực tế cũng đã phản ánh phần nào việc dự báo mưa đầu vào của mô hình ECMWF chưa cho kết quả dự báo mưa như mong muốn, độ phân giải của dự báo mưa còn quá thưa chưa phản ánh hết thực tế, tính chất của mưa trên lưu vực được dự báo. 8 luan an Trong một nghiên cứu khác của F.

Pappenberger và cộng sự [39] vào năm 2008, mô hình LISFLOOD cũng đã được sử dụng để nghiên cứu trận lũ năm 2007 tại Romania, sử dụng đầu vào là lượng mưa dự báo từ các dự báo tổ hợp của nhiều trung tâm lớn trên thế giới như ECMWF, UKMO, JMA, NCEP, CMA, CMC, BOM. Các kết quả đưa ra có thể cảnh báo được trận lũ trước 8 ngày. Kết quả cũng cho thấy dự báo tổ hợp theo cách tiếp cận đa mô hình có đặc tính trung bình tốt nhất là của ECMWF và UKMO, các kết quả mô phỏng rất tốt phần đuôi của hàm phân bố tức là các giá trị cực trị có thể xảy ra. và nnk (2007) [33] đã sử dụng mô hình thủy văn thông số phân bố MGB-IPH để sự báo dòng chảy trung hạn cho sông Paranafba ở Brazil.

Mô hình này được cải tiến từ mô hình LARSIM với một số thay đổi trong các modul tính bốc thoát hơi, tính thấm. Ô lưới tính toán của mô hình thường là 10km x 10km và chúng được kết nối với mạng sông suối với mỗi ô được coi như ‘một đơn vị phản ứng thủy văn’ với giá trị phụ thuộc vào loại đất và hiện trạng sử dụng đất trên từng ô lưới. Mô hình này sử dụng mưa dự báo từ mô hình ETA của Trung tâm dự báo mưa của Brazil (BCWP). Mô hình dự báo mưa ETA là mô hình số trị với domain bao phủ toàn bộ khu vực Nam Mỹ và một phần của vùng phụ cận; mô hình dự báo thời tiết này được đưa vào dự báo tác nghiệp từ năm 1996, chủ yếu cho dự báo hạn ngắn.

Kết quả dự báo của mô hình thủy văn phân bố MGB-IPH cho kết quả khả quan hơn nhiều trong cả mùa mưa và mùa khô với thời gian dự kiến từ 3, 5 đến 12 ngày, đặc biệt là khi dự báo mưa tốt. Walter Collischonn và nnk (2007) [36] đã sử dụng dự báo mưa định lượng làm đầu vào cho mô hình thủy văn thông số tập trung để dự báo dòng chảy đến hồ với thời đoạn đến vài tháng trên lưu vực sông giữa hồ chứa Itumbiara và São Simão (75. Nghiên cứu sử dụng số liệu dự báo lượng mưa từ mô hình ETA khu vực do Trung tâm Dự báo thời tiết Brazil (CPTEC điều hành). Kết quả được so sánh với kết quả từ mô hình ARMA hiện đang được sử dụng và cho sai số dự báo có thể giảm đáng kể, trong cả mùa khô và mùa mưa.

Việc giảm thêm các sai số dự báo có thể được thu được từ việc cải thiện dự báo lượng mưa và chất lượng dữ liệu đầu vào cho mô hình thủy văn.Thiemig và nnk (2015) [51] đã sử dụng hệ thống dự báo lũ tổ hợp (AFFS) cho các sông có quy mô vừa đến lớn ở Châu phi với thời đoạn dự báo 15 ngày. Thành phần chính của hệ thống dự báo là mô hình thủy văn thông số phân bố LISFLOOD với số liệu GIS và 9 luan an số liệu mưa dự báo từ trung tâm ECMWF.