Nghiên Cứu Hệ Thống Cảnh Báo Lũ Lưu Vực Sông Vu Gia - Thu Bồn

Luận án tiến sĩ phân tích nghiên cứu xác lập cơ sở khoa học cho hệ hỗ trợ cảnh báo lũ lưu vực sông vu gia thu bồn tỉnh quảng, xây dựng cơ sở lý luận, kiểm chứng thực nghiệm, đóng

• Tác giả: Nguyễn Thị Hồng
• Người hướng dẫn: PGS. Nguyễn Kim Lợi
• Trường học: Đại học Quốc gia Hà Nội
• Chuyên ngành: Quản lý tài nguyên và môi trường
• Đề tài: Nghiên Cứu Hệ Thống Cảnh Báo Lũ Lưu Vực Sông Vu Gia - Thu Bồn, Tỉnh Quảng Nam
• Loại tài liệu: luận án tiến sĩ địa lý
• Năm xuất bản: 2017
• Địa điểm: Hà Nội

Tóm tắt

I. Tổng Quan Nghiên Cứu Hệ Thống Cảnh Báo Lũ Quảng Nam

Nghiên cứu này tập trung vào việc xây dựng và phát triển hệ thống cảnh báo lũ sớm hiệu quả cho lưu vực sông Vu Gia - Thu Bồn, tỉnh Quảng Nam, một khu vực thường xuyên chịu ảnh hưởng nặng nề bởi lũ lụt. Tình trạng này ngày càng trở nên nghiêm trọng hơn do tác động của biến đổi khí hậu. Mục tiêu chính là xác định cơ sở khoa học vững chắc để tăng cường khả năng dự báo và cảnh báo lũ, từ đó giảm thiểu thiệt hại về người và tài sản. Nghiên cứu xem xét các yếu tố địa hình, thủy văn, khí tượng, và các hoạt động kinh tế - xã hội ảnh hưởng đến nguy cơ lũ lụt trong khu vực. Các giải pháp công nghệ như GIS, mô hình toán học, và mạng lưới quan trắc được ứng dụng để xây dựng một hệ thống cảnh báo toàn diện và hiệu quả.

1.1. Tầm quan trọng của cảnh báo lũ sớm tại Quảng Nam

Quảng Nam là một trong những tỉnh chịu nhiều ảnh hưởng của thiên tai, đặc biệt là lũ lụt. Theo thống kê từ năm 1997 đến 2015, lũ lụt đã gây ra những thiệt hại to lớn về người và của. Biến đổi khí hậu làm cho tình hình trở nên phức tạp hơn, với các hiện tượng thời tiết cực đoan diễn ra thường xuyên hơn. Do đó, việc xây dựng hệ thống cảnh báo lũ sớm hiệu quả là vô cùng cấp thiết để bảo vệ cộng đồng và phát triển kinh tế bền vững. “...làm 590 người người mất 1.560 người thương; tầng 9.452,75 đồng Đặc năm 2007 2009 được xem gầy hậu qua nặng nhất trong vòng 100 năm qua Quảng Nam tổng 5.700 đồng”.

1.2. Mục tiêu và phạm vi nghiên cứu về lũ lụt

Nghiên cứu này tập trung vào lưu vực sông Vu Gia và sông Thu Bồn, thuộc địa phận tỉnh Quảng Nam. Mục tiêu chính là xác định cơ sở khoa học để xây dựng hệ thống cảnh báo lũ. Phạm vi nghiên cứu bao gồm việc đánh giá các yếu tố ảnh hưởng đến nguy cơ lũ lụt, xây dựng mô hình dự báo và cảnh báo lũ, và đề xuất các giải pháp quản lý rủi ro thiên tai. Nghiên cứu cũng tập trung vào việc tích hợp dữ liệu từ các nguồn khác nhau, bao gồm dữ liệu khí tượng thủy văn, dữ liệu địa hình, và dữ liệu kinh tế - xã hội.

II. Thách Thức Trong Dự Báo Lũ Lưu Vực Vu Gia Thu Bồn

Việc dự báo lũ lụt tại lưu vực sông Vu Gia - Thu Bồn đối mặt với nhiều thách thức. Một trong số đó là sự phức tạp của hệ thống sông ngòi, với nhiều nhánh sông và sự tương tác phức tạp giữa các yếu tố thủy văn và địa hình. Sự thiếu hụt dữ liệu khí tượng thủy văn cũng là một trở ngại lớn, đặc biệt là ở các khu vực vùng núi. Ngoài ra, tác động của biến đổi khí hậu, như sự gia tăng tần suất và cường độ của các cơn bão và mưa lớn, làm cho việc dự báo trở nên khó khăn hơn. Cần có các phương pháp và công cụ dự báo tiên tiến, cùng với sự đầu tư vào mạng lưới quan trắc, để vượt qua những thách thức này và nâng cao khả năng cảnh báo lũ.

2.1. Hạn chế của hệ thống quan trắc khí tượng thủy văn

Hệ thống quan trắc khí tượng thủy văn hiện tại ở lưu vực sông Vu Gia - Thu Bồn còn nhiều hạn chế. Số lượng trạm đo còn ít, đặc biệt là ở các khu vực vùng núi cao. Dữ liệu thu thập được còn thiếu tính liên tục và độ tin cậy. Bên cạnh đó, công nghệ quan trắc còn lạc hậu, chưa đáp ứng được yêu cầu của việc dự báo lũ lụt trong điều kiện biến đổi khí hậu. Cần có sự đầu tư lớn vào việc nâng cấp và mở rộng mạng lưới quan trắc, cũng như ứng dụng các công nghệ mới như viễn thám và GIS để thu thập dữ liệu một cách hiệu quả.

2.2. Ảnh hưởng của biến đổi khí hậu đến dự báo lũ

Biến đổi khí hậu đang gây ra những tác động lớn đến chế độ thủy văn của lưu vực sông Vu Gia - Thu Bồn. Sự gia tăng nhiệt độ làm thay đổi lượng mưa và phân bố mưa, dẫn đến nguy cơ lũ lụt gia tăng. Các cơn bão và mưa lớn trở nên thường xuyên và mạnh mẽ hơn, vượt quá khả năng dự báo của các mô hình hiện tại. Cần có sự điều chỉnh và cập nhật liên tục các mô hình dự báo để thích ứng với những thay đổi do biến đổi khí hậu gây ra. “Đặc trong những năm gân dưới ảnh hưởng của biến hậu (BĐKRH) phát kinh hình bàn diễn biến ngày càng thường, gây ngày càng người,...”

III. Xây Dựng Mạng Lưới Trạm Đo Mưa Phục Vụ Cảnh Báo Lũ

Việc xây dựng một mạng lưới trạm đo mưa hợp lý là yếu tố then chốt để cải thiện khả năng dự báo và cảnh báo lũ tại lưu vực sông Vu Gia - Thu Bồn. Mạng lưới này cần đảm bảo bao phủ đầy đủ các khu vực khác nhau trong lưu vực, đặc biệt là các khu vực có địa hình phức tạp và nguy cơ lũ lụt cao. Các trạm đo mưa cần được trang bị các thiết bị hiện đại, có khả năng thu thập dữ liệu chính xác và liên tục. Dữ liệu thu thập được cần được truyền về trung tâm xử lý một cách nhanh chóng và hiệu quả. Nghiên cứu này tập trung vào việc xác định vị trí và số lượng trạm đo mưa cần thiết, cũng như thiết kế hệ thống truyền dữ liệu.

3.1. Xác định vị trí và số lượng trạm đo mưa cần thiết

Việc xác định vị trí và số lượng trạm đo mưa cần thiết đòi hỏi phải xem xét nhiều yếu tố, bao gồm địa hình, phân bố mưa, và nguy cơ lũ lụt. Các khu vực có địa hình phức tạp và lượng mưa lớn cần có mật độ trạm đo mưa cao hơn. Nghiên cứu này sử dụng các phương pháp thống kê và mô hình hóa để xác định vị trí tối ưu cho các trạm đo mưa. Bên cạnh đó, cần xem xét các yếu tố kinh tế và kỹ thuật để đảm bảo tính khả thi của việc xây dựng và vận hành mạng lưới trạm đo mưa.

3.2. Lựa chọn thiết bị và công nghệ đo mưa phù hợp

Việc lựa chọn thiết bị và công nghệ đo mưa phù hợp là rất quan trọng để đảm bảo độ chính xác và độ tin cậy của dữ liệu. Các thiết bị đo mưa cần có khả năng hoạt động ổn định trong điều kiện thời tiết khắc nghiệt, và có khả năng truyền dữ liệu một cách tự động. Các công nghệ mới như radar thời tiết và viễn thám cũng có thể được sử dụng để bổ sung cho mạng lưới trạm đo mưa. Nghiên cứu này đánh giá các loại thiết bị và công nghệ đo mưa khác nhau, và đề xuất các giải pháp phù hợp với điều kiện cụ thể của lưu vực sông Vu Gia - Thu Bồn.

IV. Ứng Dụng Mô Hình Thủy Văn Dự Báo Lũ Chi Tiết Nhất

Việc ứng dụng các mô hình thủy văn là một phần không thể thiếu của hệ thống cảnh báo lũ. Các mô hình này cho phép mô phỏng quá trình hình thành và lan truyền lũ lụt trong lưu vực, từ đó dự báo mực nước và lưu lượng dòng chảy tại các vị trí khác nhau. Nghiên cứu này tập trung vào việc sử dụng các mô hình như SWAT và HEC-RAS để mô phỏng lũ lụt tại lưu vực sông Vu Gia - Thu Bồn. Các mô hình này được hiệu chỉnh và kiểm định bằng dữ liệu thực tế, và được tích hợp vào hệ thống dự báo theo thời gian thực.

4.1. Mô hình SWAT để mô phỏng dòng chảy

Mô hình SWAT (Soil and Water Assessment Tool) là một mô hình thủy văn bán phân tán, có khả năng mô phỏng dòng chảy và chất lượng nước trong lưu vực. Mô hình này được sử dụng để mô phỏng quá trình hình thành dòng chảy do mưa, và đánh giá tác động của các yếu tố khác nhau như sử dụng đất, quản lý đất, và biến đổi khí hậu đến chế độ thủy văn của lưu vực. Kết quả mô phỏng từ mô hình SWAT được sử dụng làm đầu vào cho các mô hình thủy lực để dự báo lũ lụt chi tiết hơn.

4.2. Mô hình HEC RAS dự báo lũ chi tiết và chính xác

Mô hình HEC-RAS (Hydrologic Engineering Center's River Analysis System) là một mô hình thủy lực một chiều, có khả năng mô phỏng dòng chảy trong sông và kênh. Mô hình này được sử dụng để dự báo mực nước và lưu lượng dòng chảy tại các vị trí khác nhau trong lưu vực, dựa trên dữ liệu đầu vào từ các mô hình thủy văn và dữ liệu quan trắc thực tế. Mô hình HEC-RAS cho phép dự báo lũ lụt chi tiết và chính xác, và cung cấp thông tin quan trọng cho việc cảnh báo lũ.

V. Ứng Dụng GIS Trong Hệ Thống Cảnh Báo Lũ Vu Gia Thu Bồn

GIS (Geographic Information System) đóng vai trò quan trọng trong hệ thống cảnh báo lũ. GIS cho phép tích hợp và hiển thị dữ liệu từ các nguồn khác nhau, như dữ liệu địa hình, dữ liệu khí tượng thủy văn, dữ liệu sử dụng đất, và dữ liệu kinh tế - xã hội. GIS cũng cho phép thực hiện các phân tích không gian để đánh giá nguy cơ lũ lụt, xác định các khu vực dễ bị tổn thương, và lập kế hoạch ứng phó lũ lụt. Trong hệ thống cảnh báo lũ, GIS được sử dụng để hiển thị thông tin dự báo và cảnh báo lũ, và cung cấp công cụ hỗ trợ quyết định cho các nhà quản lý.

5.1. Tích hợp dữ liệu và hiển thị thông tin lũ lụt

GIS cho phép tích hợp dữ liệu từ các nguồn khác nhau, như dữ liệu địa hình, dữ liệu khí tượng thủy văn, dữ liệu sử dụng đất, và dữ liệu kinh tế - xã hội. Dữ liệu này được hiển thị trên bản đồ, cho phép người dùng dễ dàng quan sát và phân tích. GIS cũng cho phép hiển thị thông tin dự báo và cảnh báo lũ, như khu vực bị ngập lụt, mực nước, và thời gian lũ lụt.

5.2. Phân tích nguy cơ và lập kế hoạch ứng phó lũ lụt

GIS cho phép thực hiện các phân tích không gian để đánh giá nguy cơ lũ lụt, xác định các khu vực dễ bị tổn thương, và lập kế hoạch ứng phó lũ lụt. Các phân tích này có thể bao gồm phân tích độ dốc, phân tích dòng chảy, phân tích ngập lụt, và phân tích rủi ro. Kết quả phân tích được sử dụng để lập bản đồ nguy cơ lũ lụt, và xây dựng các kịch bản ứng phó lũ lụt.

VI. Đề Xuất Giải Pháp Quản Lý Rủi Ro Lũ Lụt Bền Vững

Nghiên cứu này đề xuất các giải pháp quản lý rủi ro lũ lụt bền vững cho lưu vực sông Vu Gia - Thu Bồn. Các giải pháp này bao gồm các biện pháp công trình như xây dựng đê điều, hồ chứa, và kênh thoát lũ, cũng như các biện pháp phi công trình như quy hoạch sử dụng đất hợp lý, nâng cao nhận thức cộng đồng, và xây dựng hệ thống cảnh báo lũ hiệu quả. Các giải pháp này cần được thực hiện một cách đồng bộ và có sự tham gia của cộng đồng để đảm bảo tính bền vững.

6.1. Các biện pháp công trình và phi công trình

Các biện pháp công trình bao gồm xây dựng đê điều, hồ chứa, và kênh thoát lũ để kiểm soát dòng chảy và giảm thiểu nguy cơ lũ lụt. Các biện pháp phi công trình bao gồm quy hoạch sử dụng đất hợp lý, nâng cao nhận thức cộng đồng, và xây dựng hệ thống cảnh báo lũ hiệu quả. Các biện pháp này cần được thực hiện một cách đồng bộ và có sự phối hợp giữa các bên liên quan.

6.2. Nâng cao năng lực cộng đồng ứng phó lũ lụt

Nâng cao năng lực cộng đồng ứng phó lũ lụt là rất quan trọng để giảm thiểu thiệt hại về người và tài sản. Các hoạt động nâng cao năng lực có thể bao gồm đào tạo kỹ năng ứng phó lũ lụt, cung cấp thông tin về nguy cơ lũ lụt, và xây dựng các nhóm tình nguyện viên ứng cứu. Các hoạt động này cần được thực hiện thường xuyên và có sự tham gia của cộng đồng.

Trích đoạn nội dung tài liệu

Chương 1: CƠ SỞ LÝ LUẬN VÀ PHƯƠNG PHÁP NGHIÊN CỨU Chương 2: CÁC NHÂN TÔ ẢNH HƯỞNG ĐÉN LŨ VÀ ĐẶC ĐIÊM LŨ TRÊN LUU VUC SONG VU GIA - THU BON Chuong 3: XAC LAP HE THONG TRAM QUAN TRAC MUA VA HE THONG CANH BAO LU LUU VUC SONG VU GIA - THU BON 1H Chuong 1 CO SO LY LUAN VA PHUONG PHAP NGHIEN CUU 1. Tổng quan các công trình nghiên cứu có liên quan 1. Trên thế giới 1. Sự hình thành và phát triển DSS trong quản lý tài nguyên nước Vào những năm đâu thập kỷ 90 của thế kỷ trước ở Mỹ đã xây dựng một hệ DSS quản lý tài nguyên nước cho LVS Colorado [130].

Công ty CDM Mỹ đã xây dựng thành công DSS chuyên ngành phục vụ việc quy hoạch, tối ưu cấp nước dài hạn, áp dụng thành công ở Philadelphia, Los Angeles. Ở Úc áp dụng khá thành công hệ DSS trong quản lý lưu vực Murray-Darling [124]. Ở Ai Cập, bộ Thủy lợi với hỗ trợ của công ty IT Synergy Group đã xây dựng một DSS chạy trên nền GIS chuyên phục vụ quản lý tưới [57]. Tại nước Anh, C.

Makropoulos và các cộng sự đã nghiên cứu xây dựng bộ công cụ hỗ trợ ra quyết định trong quản lý tổng hợp tài nguyên nước đô thị nhăm tạo thuận lợi cho việc lựa chọn phối hợp các chiến lược và công nghệ tiết kiệm nước và đề hỗ trợ quản lý nước tổng hop và bền vững [98]. Một hệ thống hỗ trợ ra quyết định tổng hợp sử dụng phần mềm GIS được nhóm Hamed Assaf và các cộng sự thiết kế để giúp các nhà làm chính sách và các bên liên quan hiểu rõ hơn về quá trình gây suy thoái chất lượng nước mặt và dùng đánh giá các lựa chọn quản lý chất lượng nước ở lưu vực Litani của Lebanon [S2]. Hệ thống hỗ trợ ra quyết định được phát triển dựa trên mô hình WEAP và sử dụng dé đánh giá hai kế hoạch quản lý chất lượng nước chính có tính đến các biến thủy văn, không gian, thời gian và nhận biết kế hoạch tốt nhất. Với mục đích quản lý bền vững LVS, một nghiên cứu tại Đức do Sven Lautenbach và các cộng sự đã phát triển một hệ thống hỗ trợ ra quyết dinh (DSS) nhăm phân tích kịch bản và các lựa chọn quản lý bền vững LVS Elbe của nước Đức, gọi tắt là Elbe-DSS [108].

Hệ thông này kết hợp các mô hình mô phỏng địa lý và các bộ dữ liệu có liên quan. Nội dung thiết kế hệ DSS được phát triển với sự hợp tác chặt chẽ của người sử dụng, trong đó người sử dụng có thé đánh giá hiệu quả của các hoạt động quản lý. Ngoài việc thiết lập các kịch bản quản lý, nghiên cứu 12 còn đánh giá hiệu qủa của các kịch bản quản lý và rút ra các bài học cho việc phát triển DSS ở các lưu vực tương tự. Tác giả Veerakcuddy Rajasekaram đã xây dựng hệ hỗ trợ ra quyết định để giải quyết xung đột trong quản lý nước hồ chứa đa mục tiêu [118].

Hệ DSS này gồm hệ thống thông tin liên lạc trong đó có sử dụng các công cụ tiện ích thông minh, hệ thống quản lý cơ sở dữ liệu và hệ thống quản lý dựa trên mô hình. Hệ được thiết kế để giải quyết xung đột giữa các nhóm mục tiêu là nhu cầu dùng nước cho tưới, nước sinh hoạt, nước vận hành thủy điện và giảm thiểu thiệt hại do lũ. Như vậy, có thể thây rằng việc xây dựng và phát triển hệ hỗ trợ ra quyết định trên thế giới đã đạt nhiều thành công, đặc biệt là trong việc sử dụng dé quan ly tong hợp tài nguyên nước. Các nghiên cứu hệ hỗ trợ cảnh báo báo lũ trên thể giới Đề xây dựng một hệ thống quan trắc, cảnh báo lũ hiệu quả là vấn đề không hề đơn giản, vì nó đòi hỏi độ tin cậy cùng với sự sẵn có của các thông tin liên quan.

Trong những năm qua, đã có nhiều nghiên cứu về cảnh báo lũ được thực hiện trên thế giới với nhiều phương pháp khác nhau như sử dụng mạng cảm biến không dây [70.106], hệ thống nhúng với một trung gian [73,85], thu thập dữ liệu thời gian thực dựa trên Internet [71], mô phỏng và dự bảo lũ lụt [107]. Bên cạnh công nghệ cảm biến, GIS và viễn thám cũng được sử dụng để cải thiện độ chính xác [119]. Một số hệ thống dự báo, cảnh báo lũ lụt điển hình trên thế giới có thể kể đến như: - DELFT- FEWS [78]: Day 1a hé thong dự báo và cảnh báo thủy văn được phát triển bởi Deltares, Hà Lan. Hệ thống này tích hợp nhiều mô-đun chuyên dụng với mức cấu hình cao và linh hoạt, có khả năng xử lý và tích hợp các bộ dữ liệu lớn.

- Automated Local Evaluation in Real Time (ALERT) [104]: Day là phương pháp sử dụng cảm biến từ xa để truyền dữ liệu môi trường về một máy tính trung tâm theo thời gian thực. Phương pháp này được phát triển trong những năm 1970 bởi Trung tâm Dịch vụ Thời tiết Quốc gia và đã được sử dụng trong nhiều tổ chức như Cục Khảo sát Địa chất Mỹ, Hội Kỹ sư Quân đội Hoa Kỳ, Cục 13 Khai hoang, các cơ quan nhà nước, địa phương và các tổ chức quốc tế. Hệ thông ALERT đã trở thành tiêu chuẩn trong thu thập dữ liệu theo thời gian thực về môi trường vì tính chính xác, độ tin cậy và chi phí thấp của nó. Đến năm 2010, Hội đồng quốc gia cảnh báo thủy văn [104], kết hợp với các thành viên nhóm sử dụng ALERT, da phat hanh ALERT2, trong đó bao gồm thiết kế tiêu chuẩn mới cho việc truyền dữ liệu để cải thiện độ chính xác và mức độ hiệu quả của hệ thống nhăm phát hiện sớm lũ lụt và các thiên tai khác trên thế giới.

ALERT2 có cùng mức chỉ phí và độ tin cậy của hệ thống ALERT nhưng cung cấp dữ liệu nhanh hơn 10 lần với độ chính xác cao hơn. - Central America Flash Flood Guidance 14 mét vi du vé hệ thong cảnh báo lũ quét ở phạm vi vùng [76]. Hệ thống này cung cấp thông tin KTTV liên quan đến lũ quét cho các quốc gia thuộc khu vuc Trung MY bao gém Belize, Costa Rica, El Salvador, Guatemala, Honduras va Nicaragua. - Hệ thống dự báo lũ của Ủy ban sông Mekong hoạt động từ năm 1970.

Đây là một hệ thống tích hợp cung cấp thông tin dự báo lũ lụt cho các nước thành viên thuộc LV§ Mekong. Hệ thống này bao gồm ba thành phân: thu thập - truyền dữ liệu, dự báo lũ lụt và cung cấp thông tin cảnh báo lũ 6 cap dé ving cũng như quốc gia [72]. Nhìn chung, có thể có nhiều hệ thống cảnh báo lũ với nhiều biến thể, gồm nhiều phân hệ và các chức năng khác nhau nhưng có thể khái quát hóa chung một hệ thông day đủ cần có 4 mô-đun/thành phân là (xem Hình 1. Hệ thống cảnh báo lũ đầy đủ ' Ỷ Ì Thu thập dữ liệu Xử lý lưu trữ dữ liệu Mô hình Truyền tin Hình 1.

Hệ thông cảnh báo lũ đây đủ 14 Trong đó, mô-đun Tu thập dữ liệu: sẽ bao gồm mạng lưới quan trắc KTTV theo thời gian thực và cáchạ tầng viễn thông (GSM/GPRS, Internet) nhăm truyền các dữ liệu đã quan trắc về hệ thống; mô-đun Xử jý lưu frữ dữ liệu: có chức năng xác thực, tiếp nhận, lưu trữ và xử lý các số liệu quan trắc từ mạng lưới cũng như các thông tin dữ liệu khác (dự báo, cảnh báo,.) hoặc các nguôn thông tin khác như danh sáchngười sử dụng (người dân, cán bộ quản lý),. thường dưới dạng một co sở dữ liệu; mô-đun Mô hình dự báo/cảnh báo lũ: đóng vai tro then chốt trong việc xây dựng các kịch bản mô phỏng và dự báo lũ, thường dựa trên các mô hình thủy văn, thủy lực đã được hiệu chỉnh và kiểm chứng trên LVS nghiên cứu; và mô-đun Truyễn tin: giúp truyền và chuyên tải thông tin về dự báo/cảnh báo lũ đến cộng đồng và người sử dụng thường qua các bản tin, email, trang web trực tuyến và trong thời gian gần đây có thể là gửi các tin nhăn khẩn cấp cho danh sách xác định sẵn những người sử dụng có đăng ký hoặc các ứng dụng trên điện thoại di động thông minh khác. Có rất nhiều các nghiên cứu về hệ thống cảnh báo lũ cả trên khía cạnh phát triển về lý thuyết cũng như phát triển các ứng dụng thực tiễn, nhìn chung có thể chia các nghiên cứu liên quan đến cảnh báo lũ trên thế giới theo hai hướng chính: phát triển riêng rẽ từng mô-đun thành phân trong hệ thống cảnh báo lũ (trong đó các nhà khoa học trong lĩnh vực khoa học trái đất thường chú ý đến mô-đun 1 và mô-đun 3) và xây dựng một hệ thống cảnh báo lũ đây đủ. a) Phát triển riêng rẽ từng thành phân trong hệ thống cảnh báo lũ Mô phỏng lũ lụt được xem là yếu tô mẫu chốt quyết định sự thành công của hệ thống cảnh báo lũ.

Do vậy, rất nhiều nghiên cứu đã được thực hiện liên quan đến xây dựng, phát triển mô hình lũ lụt, chính là phân lõi hay nên tảng của các hệ thông cảnh báo lũ hiện nay. Các hướng nghiên cứu chính: (1) Nghiên cứu về phát triển và cải tiễn mô hình dự báo lũ Vladimir và Arie (1995) [120] đã xây dựng một mô hình tổng hợp đề dự báo lũ quét theo thời gian thực cho sông Avalon ở trung tâm Israel. Mô hình này bao gdm bốn mô hình con: mô hình hồi quy tính toán dòng chảy tại các trạm thượng 15 nguôn trên hai nhánh sông lớn, mô hình truyền lũ mô phỏng thời gian dòng chảy di chuyền từ các trạm này đến trạm hạ lưu năm trên dòng chính, đường cong thời gian- dién tich (time-area concentration curve) cho cac tiểu lưu vực năm giữa các trạm thượng nguôn và hạ nguồn, và đường cong suy giảm (recession curve) cho các trạm hạ lưu. Mô hình kết hợp với cơ chế thích ứng điều chỉnh liên tục các lỗi dự báo, có khả năng dự báo theo bảy bước thời gian khác nhau từ 0,5 đến 3,5 giờ.

Kết quả này cung cấp dữ liệu đầu vào thích hợp cho một hệ thống cảnh báo lũ trên sông Ayalon. Valérie và cộng sự (2002) [116] đã phát triển phương pháp dự báo lũ quét dựa trén m6 hinh MARINE (Modélisation de I’ Anticipation du Ruissellement et des Inondations pour des évéNements Extrémes) nhu Hinh 1. bao gém hai phan: mé phỏng dòng chảy lũ ở phần thượng lưu va m6 phong lan truyén li trong dong séng chính.