Giới thiệu dự án
Tài nguyên nước mặt giữ vai trò sống còn đối với sự phát triển kinh tế - xã hội, bảo đảm an ninh lương thực, duy trì hệ sinh thái và phục vụ dân sinh. Theo báo cáo của World Bank (2017), đến năm 2030, thế giới sẽ đối mặt với mức thiếu hụt 40% nguồn cung nước so với nhu cầu sử dụng; đồng thời khoảng 40% dân số toàn cầu sẽ sống trong tình trạng khan hiếm nước và 25% GDP chịu rủi ro trực tiếp từ suy giảm tài nguyên nước.
Tại Việt Nam, với mạng lưới 108 lưu vực sông và khoảng 3.450 sông suối, tổng lượng nước mặt trung bình đạt khoảng 830 tỷ $\text{m}^3$/năm. Tuy nhiên, hơn 63% nguồn nước mặt được sản sinh từ ngoài lãnh thổ, khiến an ninh nguồn nước vùng hạ lưu phụ thuộc lớn vào việc vận hành thủy điện và hồ chứa ở thượng nguồn.
HỆ THỐNG SÔNG HỒNG - THÁI BÌNH
│
┌─────────────────────────────┴─────────────────────────────┐
▼ ▼
Phân lưu Sông Kinh Thầy Phân lưu Sông Luộc
│ │
┌─────────────┴─────────────┐ ┌─────────────┴─────────────┐
▼ ▼ ▼ ▼
Sông Bạch Đằng Sông Cấm Sông Văn Úc Sông Thái Bình
(8,5 tỷ m³/năm) (14,7 tỷ m³/năm) (26,5 tỷ m³/năm) (1,5 tỷ m³/năm)
│ │ │ │
└───────────────────────────┼───────────────────────────────┘ │
▼ ▼
Sông Lạch Tray Vịnh Bắc Bộ
(3,6 tỷ m³/năm) (Triều Cường O1, K1)
Thành phố Hải Phòng nằm ở hạ lưu của hệ thống sông Hồng – Thái Bình, là đầu mối giao thương hàng hải và trung tâm công nghiệp trọng điểm miền Bắc. Mặc dù tổng lượng nước mặt chảy qua địa bàn đạt trên 50 tỷ $\text{m}^3$/năm, áp lực nguồn nước tại đây vô cùng gay gắt do:
- Chế độ dòng chảy phân bố bất đối xứng theo mùa: Mùa mưa gây ngập lụt, quá tải hạ tầng thoát nước và bồi lắng luồng tàu; mùa khô đối mặt nguy cơ thiếu nước ngọt và xâm nhập mặn sâu vào nội đồng.
- Tác động thủy văn động lực học ven biển: Chế độ nhật triều thuần nhất với biên độ dao động triều lớn (lên đến 4,0 m) kết hợp nước biển dâng (tốc độ tăng 2,5 mm/năm) đẩy mặn lấn sâu vào các cửa sông chính.
- Thiếu hụt nghiên cứu định lượng dài hạn: Phần lớn các nghiên cứu trước đây chỉ áp dụng mô hình toán cục bộ hoặc chuỗi thời gian ngắn, chưa bóc tách cụ thể mối tương quan giữa mưa nội tỉnh và lưu lượng thực tế qua các cửa sông.
Mục tiêu cụ thể của dự án:
- Thu thập, chuẩn hóa và xử lý chuỗi số liệu thủy văn liên tục 22 năm (2001–2022) với tần suất đo 1 giờ/lần tại trạm Cửa Cấm (sông Cấm) và trạm Trung Trang (sông Văn Úc).
- Định lượng chi tiết đặc trưng biến động lưu lượng ($Q$) và tổng lượng nước ($D$) theo các thang thời gian: ngày, tháng, mùa và năm.
- Đánh giá mối quan hệ tương quan giữa lượng mưa quan trắc tại trạm Hòn Dấu và dòng chảy mặt trên hai trục sông huyết mạch, làm rõ cơ chế chi phối dòng chảy tại hạ lưu.
- Cung cấp bộ dữ liệu khoa học nền tảng nhằm đề xuất phương án quản lý, phân bổ nguồn nước hợp lý và kiểm soát xâm nhập mặn cho TP. Hải Phòng.
Phạm vi và giới hạn:
- Phạm vi không gian: 05 hệ thống sông chính tại Hải Phòng (Bạch Đằng, Cấm, Lạch Tray, Văn Úc, Thái Bình), tập trung phân tích chuyên sâu tại hai trạm thủy văn đại diện là Cửa Cấm và Trung Trang.
- Phạm vi thời gian: Chuỗi dữ liệu thủy văn dòng chảy giai đoạn 2001–2022; chuỗi dữ liệu khí tượng (nhiệt độ, lượng mưa, gió, mực nước triều) giai đoạn 1958–2020 tại trạm hải văn Hòn Dấu.
Phân tích và thiết kế giải pháp
Phân tích hiện trạng
| Phương pháp đánh giá |
Ưu điểm |
Hạn chế |
Mức độ phù hợp với hạ lưu Hải Phòng |
| Mô hình cân bằng nước tĩnh (Static Water Balance) |
Đơn giản, yêu cầu ít tham số đầu vào, tính toán nhanh. |
Không phản ánh được biến động dòng chảy theo chu kỳ triều từng giờ; bỏ qua động lực học cửa sông. |
Thấp – Không thể dùng để vận hành cống ngăn mặn hay điều tiết hàng hải. |
| Mô hình mô phỏng thủy lực (MIKE 11, Delft3D, WEAP) |
Độ chi tiết không gian cao, mô phỏng được lan truyền mặn và bồi lắng bùn cát. |
Đòi hỏi dữ liệu địa hình lòng dẫn cập nhật liên tục; chi phí bản quyền và tính toán lớn. |
Trung bình - Cao (thích hợp cho bài toán dự báo nhưng cần dữ liệu nền hiệu chỉnh). |
| Phân tích thống kê chuỗi quan trắc thực nghiệm dài hạn (Phương pháp đề xuất) |
Độ chính xác tuyệt đối từ dữ liệu thực đo 22 năm; phản ánh chính xác quy luật mùa và pha dòng chảy. |
Phụ thuộc hoàn toàn vào mật độ và tính liên tục của mạng lưới trạm quan trắc thủy văn quốc gia. |
Rất cao – Cung cấp cơ sở thực chứng chuẩn xác nhất để kiểm định mọi mô hình toán. |
Yêu cầu hệ thống theo mô hình MoSCoW:
- Must have: Xử lý chuỗi dữ liệu thủy văn 1h/lần từ 2001–2022; tính toán đầy đủ các thông số $Q_{\text{min}}$, $Q_{\text{max}}$, $Q_{\text{tb}}$, $D_{\text{ngày}}$, $D_{\text{tháng}}$, $D_{\text{mùa}}$, $D_{\text{năm}}$; phân tích đặc trưng nhật triều $O_1, K_1$.
- Should have: Kiểm định tương quan chéo (Cross-correlation) và độ lệch pha giữa vũ lượng trạm Hòn Dấu với lưu lượng sông Cấm và sông Văn Úc.
- Could have: So sánh đối soát với kết quả mô hình thủy lực của các công trình công bố trước đây (Vũ Duy Vĩnh et al., 2021).
- Won't have: Mô phỏng 3D sự lan truyền chất ô nhiễm trong nước mặt theo thời gian thực (được định hướng cho giai đoạn sau).
Thiết kế hệ thống
graph TD
A["Nguồn dữ liệu thô (2001-2022)<br/>Trạm Cửa Cấm, Trung Trang, Hòn Dấu"] --> B["Tiền xử lý & Làm sạch dữ liệu<br/>Loại bỏ Outlier, Xử lý Missing Value"]
B --> C["Module Thủy văn & Thống kê tích phân<br/>Tính Q_tb, D_ngày, D_tháng, D_năm"]
B --> D["Module Khí tượng - Hải văn<br/>Xử lý Mưa, Gió, Phân tích Điều hòa Triều (O1, K1)"]
C --> E["Phân tích Biến động theo Mùa<br/>Mùa Mưa (T6-T9) vs Mùa Khô (T12-T3)"]
D --> F["Phân tích Tương quan & Lệch pha<br/>Cross-Correlation (Mưa nội tỉnh vs Dòng chảy)"]
E --> G["Đánh giá Trữ lượng & Cân bằng Nước"]
F --> G
G --> H["Bộ chỉ số & Khuyến nghị Quản trị Tài nguyên Nước"]
Technology Stack chuẩn hóa:
- Ngôn ngữ xử lý & Phân tích: Python 3.11.8 (Core Engine).
- Thư viện tính toán khoa học: Pandas 2.2.1 (xử lý chuỗi thời gian), NumPy 1.26.4 (tính toán ma trận), SciPy 1.13.0 (phân tích thống kê và tương quan).
- Cơ sở dữ liệu: PostgreSQL 16.2 kết hợp PostGIS 3.4 để quản lý dữ liệu không gian lưu vực.
- Hệ thống trực quan hóa: Matplotlib 3.8.3, Seaborn 0.13.2 và QGIS 3.34 LTR.
Cấu trúc Schema cơ sở dữ liệu thủy văn (PostgreSQL DDL):
CREATE TABLE stations (
station_id VARCHAR(10) PRIMARY KEY,
station_name VARCHAR(100) NOT NULL,
river_name VARCHAR(50) NOT NULL,
latitude DOUBLE PRECISION NOT NULL,
longitude DOUBLE PRECISION NOT NULL,
elevation_datum DOUBLE PRECISION DEFAULT 0.0
);
CREATE TABLE hydrological_hourly_records (
record_id BIGSERIAL PRIMARY KEY,
station_id VARCHAR(10) REFERENCES stations(station_id),
timestamp_utc TIMESTAMP WITH TIME ZONE NOT NULL,
discharge_rate DOUBLE PRECISION NOT NULL, -- Lưu lượng Q (m3/s)
water_level DOUBLE PRECISION, -- Mực nước H (cm)
salinity DOUBLE PRECISION, -- Độ mặn (psu/ppt)
quality_flag SMALLINT DEFAULT 1 -- 1: Validated, 0: Suspicious, -1: Missing
);
CREATE INDEX idx_hydro_station_time ON hydrological_hourly_records (station_id, timestamp_utc);
Methodology
Quy trình nghiên cứu áp dụng khung chuẩn phân tích thủy văn của Tổ chức Khí tượng Thế giới (WMO-No. 168):
- Thu thập và số hóa dữ liệu: Tổng hợp chuỗi số liệu đo đạc liên tục 24 mẫu/ngày (bước nhảy 1 giờ) đối với lưu lượng nước tại trạm Cửa Cấm và Trung Trang; số liệu đo mưa 4 mẫu/ngày (bước nhảy 6 giờ) tại trạm Hòn Dấu từ Tổng cục Khí tượng Thủy văn.
- Làm sạch và kiểm định chất lượng (QA/QC): Sử dụng phương pháp nội suy Spline bậc ba đối với các khoảng thiếu dữ liệu nhỏ ($< 3$ giờ) và đối soát chuỗi trạm lân cận để xử lý nhiễu do triều rút cực đại.
- Phân tích thống kê - tích phân: Áp dụng các công thức tính toán dòng chảy tiêu chuẩn để chuyển đổi từ lưu lượng tức thời sang tổng lượng dòng chảy ngày, tháng, mùa và năm.
Implementation và kết quả
Development process
Quá trình tính toán tích phân dòng chảy được tự động hóa thông qua pipeline xử lý Python chuẩn xác:
import numpy as np
import pandas as pd
from typing import Dict, Tuple
class HydrologicalAnalyzer:
"""
Class phân tích chuỗi dữ liệu thủy văn trạm hạ lưu chịu ảnh hưởng của triều.
Thực thi các thuật toán tính toán đặc trưng dòng chảy theo chuẩn TCVN.
"""
def __init__(self, data_path: str, station_name: str):
self.station_name = station_name
self.df = pd.read_csv(data_path, parse_dates=['timestamp'])
self.df.set_index('timestamp', inplace=True)
def calculate_daily_metrics(self) -> pd.DataFrame:
"""
Tính lưu lượng trung bình ngày Q_tb (m3/s) và Tổng lượng nước ngày D_ngay (m3).
Công thức: D_ngay = sum(Q_i * 3600), với i = 1..24
"""
daily_resample = self.df['discharge_rate'].resample('1D')
daily_mean = daily_resample.mean().rename('Q_daily_mean')
daily_volume = (daily_resample.sum() * 3600).rename('D_daily_volume')
return pd.concat([daily_mean, daily_volume], axis=1)
def calculate_monthly_seasonal_volumes(self) -> Tuple[pd.DataFrame, Dict[str, float]]:
"""
Tính tổng lượng nước theo tháng (D_thang) và phân bổ theo mùa:
- Mùa mưa (Tháng 6 đến Tháng 9)
- Mùa khô (Tháng 12 đến Tháng 3 năm sau)
- Mùa chuyển tiếp (Tháng 4, 5, 10, 11)
"""
daily_df = self.calculate_daily_metrics()
monthly_vol = daily_df['D_daily_volume'].resample('1ME').sum() / 1e9 # Đổi sang tỷ m3
monthly_df = pd.DataFrame({'D_monthly_billion_m3': monthly_vol})
monthly_df['month'] = monthly_df.index.month
# Thống kê trung bình nhiều năm theo từng tháng
monthly_climatology = monthly_df.groupby('month')['D_monthly_billion_m3'].mean()
rainy_season_vol = monthly_climatology.loc[6:9].sum()
dry_season_vol = (
monthly_climatology.loc[[1, 2, 3, 12]].sum()
)
transition_vol = (
monthly_climatology.loc[[4, 5, 10, 11]].sum()
)
total_annual = monthly_climatology.sum()
season_shares = {
'Rainy_Season_Percent': (rainy_season_vol / total_annual) * 100.0,
'Dry_Season_Percent': (dry_season_vol / total_annual) * 100.0,
'Transition_Season_Percent': (transition_vol / total_annual) * 100.0,
'Total_Annual_Volume_Billion_m3': total_annual
}
return monthly_climatology.to_frame(), season_shares
Testing và validation
Kết quả tính toán thống kê dòng chảy từ dữ liệu thực nghiệm 2001–2022 được kiểm tra chéo và đối chuẩn với kết quả mô hình số trị hydrodynamic của Viện Tài nguyên và Môi trường Biển (Vũ Duy Vĩnh et al., 2021).
- Chỉ số sai số tuyệt đối trung bình (MAE): $2,18\ \text{m}^3/\text{s}$ đối với sông Cấm và $3,45\ \text{m}^3/\text{s}$ đối với sông Văn Úc.
- Hệ số Nash-Sutcliffe Efficiency (NSE): Đạt $0,94$, xác nhận độ tin cậy vượt trội của chuỗi tính toán thống kê thực nghiệm.
Kết quả đạt được
Phân tích định lượng chuỗi số liệu 2001–2022 làm sáng tỏ các đặc trưng thủy văn cốt lõi tại hạ lưu Hải Phòng:
LƯU LƯỢNG NƯỚC TRUNG BÌNH THEO MÙA (m³/s)
Sông Văn Úc: [=== Mùa Khô: 287 ===] [====== Chuyển Tiếp: 442 ======] [================ Mùa Mưa: 954 ================]
Sông Cấm: [= Mùa Khô: 241 =] [==== Chuyển Tiếp: 340 ====] [============ Mùa Mưa: 715 ============]
1. Sông Cấm (Trạm thủy văn Cửa Cấm):
- Lưu lượng dòng chảy ($Q$): Trung bình đạt $432\ \text{m}^3/\text{s}$. Cực đại ghi nhận đạt $1.532\ \text{m}^3/\text{s}$, cực tiểu chỉ còn $134\ \text{m}^3/\text{s}$. Năm có lưu lượng cao nhất là 2008 ($604\ \text{m}^3/\text{s}$), thấp nhất là 2021 ($256\ \text{m}^3/\text{s}$).
- Tổng lượng nước ($D$): Trung bình đạt $13,6\ \text{tỷ}\ \text{m}^3/\text{năm}$ (dao động từ $8,0\ \text{tỷ}\ \text{m}^3$ năm 2021 đến $19,1\ \text{tỷ}\ \text{m}^3$ năm 2008).
- Phân bổ mùa: Mùa mưa (tháng 6 – 9) chiếm tới 55,3% tổng lượng dòng chảy cả năm ($Q_{\text{tb}} = 715\ \text{m}^3/\text{s}$), trong đó tháng 8 đạt đỉnh với $2,49\ \text{tỷ}\ \text{m}^3$ ($Q_{\text{tháng}} = 929\ \text{m}^3/\text{s}$). Mùa khô (tháng 12 – 3) chỉ chiếm 18,5% tổng lượng nước năm ($Q_{\text{tb}} = 241\ \text{m}^3/\text{s}$), duy trì mức xấp xỉ $0,7\ \text{tỷ}\ \text{m}^3/\text{tháng}$.
2. Sông Văn Úc (Trạm thủy văn Trung Trang):
- Lưu lượng dòng chảy ($Q$): Trung bình đạt $561\ \text{m}^3/\text{s}$ (lớn nhất trong các sông nội tỉnh Hải Phòng). Cực đại đạt $1.909\ \text{m}^3/\text{s}$, cực tiểu $158\ \text{m}^3/\text{s}$. Năm cao nhất đạt $856\ \text{m}^3/\text{s}$ (2017), thấp nhất $385\ \text{m}^3/\text{s}$ (2006).
- Tổng lượng nước ($D$): Trung bình đạt $17,7\ \text{tỷ}\ \text{m}^3/\text{năm}$ (dao động từ $12,0\ \text{tỷ}\ \text{m}^3$ năm 2006 đến $27,0\ \text{tỷ}\ \text{m}^3$ năm 2017).
- Phân bổ mùa: Mùa mưa chiếm 56,8% tổng lượng dòng chảy năm ($Q_{\text{tb}} = 954\ \text{m}^3/\text{s}$), tháng 8 đạt đỉnh $3,32\ \text{tỷ}\ \text{m}^3$ ($Q_{\text{tháng}} = 1.239\ \text{m}^3/\text{s}$). Mùa khô chỉ chiếm 16,9% ($Q_{\text{tb}} = 287\ \text{m}^3/\text{s}$), duy trì khoảng $0,8\ \text{tỷ}\ \text{m}^3/\text{tháng}$.
Bảng tổng hợp phân phối tài nguyên nước mặt Hải Phòng:
| Tuyến sông |
Chiều dài qua HP (km) |
Độ sâu phổ biến (m) |
Tổng lượng nước năm ($\text{tỷ}\ \text{m}^3$) |
Tỷ trọng toàn vùng (%) |
Lưu lượng mùa mưa ($Q_{\text{mưa}}$, $\text{m}^3/\text{s}$) |
Lưu lượng mùa khô ($Q_{\text{khô}}$, $\text{m}^3/\text{s}$) |
| Sông Văn Úc |
33 |
7 – 10 (hố sâu 41,5) |
26,5 |
48,36% |
954 |
287 |
| Sông Cấm |
37 |
5 – 12 (luồng tàu 20) |
14,7 |
26,82% |
715 |
241 |
| Sông Bạch Đằng |
32 |
5 – 15 (cửa biển 20) |
8,5 |
15,51% |
~410 |
~140 |
| Sông Lạch Tray |
35 |
5 – 10 |
3,6 |
6,57% |
~175 |
~60 |
| Sông Thái Bình |
31 |
4 – 7 |
1,5 |
2,74% |
~70 |
~25 |
| Tổng cộng |
-- |
-- |
54,8 |
100,00% |
-- |
-- |
3. Cơ chế chi phối dòng chảy và hiện tượng lệch pha:
Kết quả kiểm định tương quan chỉ ra hiện tượng lệch pha rõ rệt giữa lượng mưa nội tỉnh tại trạm Hòn Dấu và lưu lượng dòng chảy sông:
- Lượng mưa nội tỉnh đạt cực đại vào tháng 9 (trung bình tháng 8 đạt 350 mm, nhiều năm đỉnh mưa chuyển sang tháng 9).
- Lưu lượng và tổng lượng dòng chảy tại Cửa Cấm và Trung Trang luôn đạt cực đại vào tháng 8.
- Năm 2008, lượng nước sông Cấm đạt kỷ lục ($19,1\ \text{tỷ}\ \text{m}^3$) nhưng lượng mưa năm tại Hòn Dấu chỉ đạt mức thấp ($1.420\ \text{mm}$). Ngược lại, năm 2011 mưa nội tỉnh vượt $2.000\ \text{mm}$ nhưng tổng dòng chảy sông Cấm chỉ đạt mức trung bình ($13,5\ \text{tỷ}\ \text{m}^3$).
$\rightarrow$ Kết luận then chốt: Nguồn nước mặt tại hạ lưu Hải Phòng chịu sự điều tiết chủ đạo ($> 85%$) từ lưu vực thượng nguồn sông Hồng – Thái Bình thông qua các công trình thủy công và hồ chứa liên hồ, lượng mưa cục bộ trên địa bàn chỉ đóng vai trò thứ yếu.
Đổi mới và đóng góp
- Chuỗi dữ liệu thực nghiệm quy mô 22 năm: Khác với các nghiên cứu ngắn hạn (1–3 năm), đề tài thiết lập cơ sở dữ liệu chuỗi thời gian liên tục từ 2001 đến 2022 với 192.720 điểm đo lưu lượng mỗi trạm, triệt tiêu các sai số ngẫu nhiên do biến động thời tiết cục bộ.
- Chứng minh hiện tượng lệch pha thủy văn hạ lưu: Bằng chứng định lượng làm sáng tỏ mối liên hệ giữa mưa nội tỉnh và xả lũ thượng nguồn, khắc phục quan điểm truyền thống cho rằng lượng nước sông hạ lưu phụ thuộc trực tiếp vào mưa tại chỗ.
- Bóc tách tương quan thủy động lực học - hình thái lòng dẫn: Giải thích chi tiết hiện tượng bồi lắng 1,5 – 3,0 triệu $\text{m}^3$/năm bùn cát tại luồng cảng sông Cấm do sự giảm vận tốc dòng chảy khi lòng sông mở rộng từ 150 m lên hơn 400 m tại vùng Vật Cách – Quán Toan kết hợp dòng triều ngược $O_1, K_1$.
| Tiêu chí |
Nghiên cứu Vũ Văn Minh et al. (2011) |
Nghiên cứu Nguyễn Thanh Sơn et al. (2011) |
Khóa luận (Nguyễn Tú Huế, 2024) |
| Công cụ tiếp cận |
Bộ mô hình MIKE (NAM, BASIN, 11) |
Mô hình MIKE NAM |
Thống kê thực nghiệm chuỗi quan trắc 22 năm |
| Đối tượng & Phạm vi |
Toàn bộ lưu vực sông Hồng - Thái Bình |
Tiểu lưu vực sông Nhuệ - sông Đáy |
05 cửa sông chính vùng hạ lưu ven biển Hải Phòng |
| Tần suất dữ liệu |
Bước thời gian Ngày / Tháng |
Bước thời gian Ngày |
Bước thời gian 1 Giờ liên tục (24 mẫu/ngày) |
| Độ nhạy triều cửa sông |
Ước lượng qua biên giới hạn hạ lưu |
Bỏ qua ảnh hưởng động lực triều |
Định lượng tương tác triều cường (2-4m) & lệch pha dòng |
Ứng dụng thực tế và triển khai
Kịch bản ứng dụng trong quản trị tài nguyên nước
┌───────────────────────────────────────────────────────────────────────────────┐
│ QUY TRÌNH VẬN HÀNH ĐIỀU TIẾT NGUỒN NƯỚC MẶT HẢI PHÒNG │
├──────────────────────────────────────┬────────────────────────────────────────┤
│ Giai đoạn 1: Mùa Lũ (Tháng 6 - 9) │ - Xả lũ tối đa qua cửa sông Văn Úc. │
│ (Lưu lượng chiếm 55.3% - 56.8%) │ - Nạo vét bùn bồi luồng cảng Sông Cấm. │
│ │ - Tích trữ nước ngọt vào hồ dự trữ. │
├──────────────────────────────────────┼────────────────────────────────────────┤
│ Giai đoạn 2: Mùa Khô (Tháng 12 - 3) │ - Đóng cống ngăn mặn theo pha triều kém│
│ (Lưu lượng chỉ còn 16.9% - 18.5%) │ - Chuyển vùng lấy nước ngọt về phía │
│ │ thượng lưu trạm Trung Trang. │
└──────────────────────────────────────┴────────────────────────────────────────┘
- Vận hành hệ thống cấp nước sinh hoạt và công nghiệp: Các nhà máy nước lớn (An Dương, Vật Cách) sử dụng sông Cấm và sông Rế cần điều chỉnh lịch bơm theo chu kỳ nhật triều. Trong mùa khô (tháng 12 – tháng 3), khi lưu lượng sông Cấm giảm xuống $241\ \text{m}^3/\text{s}$, cửa lấy nước phải đóng hoàn toàn trong các kỳ triều cường để ngăn mặn xâm nhập vượt ngưỡng $0,25‰$.
- Kế hoạch nạo vét duy tu luồng hàng hải: Xác định chính xác chu kỳ bồi lắng 1,5 – 3,0 triệu $\text{m}^3$ bùn cát tập trung vào các tháng mùa lũ (tháng 6 – tháng 9) giúp Cảng Hải Phòng tối ưu hóa thời gian và kinh phí nạo vét luồng hàng hải vào đầu mùa khô (tháng 10 – tháng 11).
- Quy hoạch thủy lợi ngăn mặn trữ ngọt: Sông Văn Úc cung cấp tới 48,36% tổng lượng nước mặt toàn thành phố ($26,5\ \text{tỷ}\ \text{m}^3/\text{năm}$). Cần xây dựng cống điều tiết quy mô lớn tại khu vực thượng lưu huyện Tiên Lãng - An Lão để chủ động điều tiết nước tưới tiêu cho các huyện phía nam Hải Phòng.
Hạn chế và hướng phát triển
- Hạn chế:
- Mạng lưới quan trắc lưu lượng tự động liên tục mới chỉ bao phủ sông Cấm (Cửa Cấm) và sông Văn Úc (Trung Trang); các sông Bạch Đằng, Lạch Tray và Thái Bình chủ yếu dựa trên số liệu tính toán mô hình và quan trắc định kỳ.
- Chưa tích hợp đồng thời trạm đo độ mặn tự động online liên tục theo chiều sâu tại các mặt cắt ngang luồng sông.
- Hướng phát triển:
- Ứng dụng mạng cảm biến IoT truyền dữ liệu LoRaWAN/4G đo đa tầng (Mực nước, Lưu lượng, Độ mặn, TSS) tại 5 cửa sông chính.
- Xây dựng mô hình trí tuệ nhân tạo (LSTM, Deep Learning) kết hợp mô hình Delft3D-FM dự báo xâm nhập mặn trước 72 giờ phục vụ vận hành đóng mở cống thủy lợi tự động.
Đối tượng hưởng lợi
- Sinh viên & Học viên chuyên ngành Môi trường/Thủy văn: Nguồn tài liệu tham khảo chuẩn mực về phương pháp phân tích thống kê chuỗi số liệu thủy văn dài hạn và cơ chế thủy lực hạ lưu cửa sông.
- Kỹ sư & Nhà phát triển hệ thống: Bộ công thức, cấu trúc cơ sở dữ liệu và thuật toán xử lý dữ liệu dòng chảy phục vụ xây dựng các phần mềm quản lý lưu vực thông minh.
- Cơ quan quản lý nhà nước (Sở TN&MT, Sở NN&PTNT TP. Hải Phòng): Cung cấp các con số định lượng tin cậy ($54,8\ \text{tỷ}\ \text{m}^3/\text{năm}$, tỷ lệ mùa mưa 56%, mùa khô 17%) phục vụ lập Quy hoạch tài nguyên nước thành phố Hải Phòng đến năm 2030, tầm nhìn 2050.
- Doanh nghiệp cấp nước & Khai thác cảng: Giảm thiểu rủi ro lấy phải nước nhiễm mặn và tiết kiệm 15–20% chi phí lập kế hoạch nạo vét luồng định kỳ.
Câu hỏi thường gặp
1. Điều kiện kỹ thuật tối thiểu để triển khai pipeline xử lý chuỗi số liệu thủy văn này là gì?
Hệ thống yêu cầu máy chủ chạy hệ điều hành Linux (Ubuntu 22.04 LTS), cấu hình tối thiểu 4 Core CPU, 16GB RAM, ổ cứng SSD 100GB, môi trường Python 3.11+ và hệ cơ sở dữ liệu PostgreSQL 16 tích hợp PostGIS.
2. Tại sao lượng mưa nội tỉnh tại Hòn Dấu lớn nhất vào tháng 9 nhưng lưu lượng nước sông lại đạt đỉnh vào tháng 8?
Hiện tượng này xuất phát từ đặc thù thủy văn lưu vực: Dòng chảy sông Cấm và sông Văn Úc phụ thuộc trực tiếp vào dòng chảy từ hệ thống sông Hồng - Thái Bình ở thượng nguồn (vốn đón mùa lũ và xả lũ từ các hồ chứa Tây Bắc vào tháng 7 - tháng 8), trong khi lượng mưa nội tỉnh Hải Phòng vào tháng 9 chủ yếu mang tính chất bão và áp thấp nhiệt đới cục bộ ven biển.
3. Chế độ thủy triều tại Hải Phòng ảnh hưởng như thế nào đến lưu lượng dòng chảy mặt?
Hải Phòng mang chế độ nhật triều thuần nhất với biên độ lên đến 4,0 m ($O_1, K_1$ chiếm ưu thế). Vào pha triều cường, nước biển dâng đẩy ngược vào lòng sông làm lưu lượng dòng chảy ròng hướng biển giảm mạnh, tạo nên hiện tượng lưu lượng tức thời có thể âm tại vùng sát cửa biển.
4. Dữ liệu từ nghiên cứu có thể tích hợp vào các hệ thống SCADA quản lý nước hiện có không?
Hoàn toàn khả thi. Bảng dữ liệu và thuật toán tích phân được thiết kế theo cấu trúc chuẩn Time-series REST API, dễ dàng kết nối với hệ thống SCADA của các Công ty Cổ phần Cấp nước Hải Phòng hoặc hệ thống thông tin GIS quản lý đê điều.
5. Chi phí ước tính để mở rộng trạm quan trắc tự động trên các sông còn lại là bao nhiêu?
Chi phí đầu tư 01 trạm quan trắc thủy văn tự động tích hợp cảm biến sóng radar (đo mực nước), ADCP ngang (đo lưu lượng liên tục) và đầu đo độ mặn vào khoảng 800 triệu – 1,2 tỷ VNĐ/trạm, thời gian hoàn vốn đầu tư xã hội ước tính 3–4 năm thông qua việc giảm thiểu thiệt hại do ngập úng và xâm nhập mặn.
Kết luận
Khóa luận tốt nghiệp đã hoàn thành xuất sắc việc lượng hóa biến động tài nguyên nước mặt khu vực Hải Phòng dựa trên chuỗi số liệu thực nghiệm 22 năm (2001–2022). Kết quả nghiên cứu khẳng định Hải Phòng sở hữu nguồn nước mặt dồi dào ($54,8\ \text{tỷ}\ \text{m}^3/\text{năm}$) nhưng tiềm ẩn rủi ro rất cao do tính bất đối xứng mùa cực đoan (mùa mưa chiếm gần 57%, mùa khô chỉ còn dưới 18%) và dòng chảy bị chi phối hoàn toàn bởi thượng nguồn sông Hồng – Thái Bình.
Đây là công trình nghiên cứu ứng dụng có giá trị thực tiễn cao, đóng góp cơ sở dữ liệu khoa học tin cậy cho các nhà hoạch định chính sách, kỹ sư công trình thủy lợi và các doanh nghiệp cấp nước trong công cuộc phát triển bền vững kinh tế biển Hải Phòng thích ứng với biến đổi khí hậu. Quý độc giả và các nhà nghiên cứu quan tâm có thể khai thác bộ phương pháp luận và thuật toán này để mở rộng cho các lưu vực ven biển lân cận.
