Nghiên Cứu Xây Dựng Phương Án Dự Báo Lũ Cho Lưu Vực Sông Hoàng Long Tỉnh Ninh Bình

Luận văn thạc sĩ kỹ thuật phân tích nghiên cứu xây dựng phương án dự báo lũ cho lưu vực sông hoàng long tỉnh ninh bình, đánh giá thực trạng, chỉ ra hạn chế, đề xuất giải pháp khả

• Tác giả: Nguyễn Hải Lân
• Người hướng dẫn: PGS. Trần Duy Kiều
• Trường học: Trường Đại Học Tài Nguyên Và Môi Trường Hà Nội
• Chuyên ngành: Thủy Văn
• Đề tài: Nghiên Cứu Xây Dựng Phương Án Dự Báo Lũ Cho Lưu Vực Sông Hoàng Long Tỉnh Ninh Bình
• Loại tài liệu: Luận Văn Thạc Sĩ
• Năm xuất bản: 2017
• Địa điểm: Hà Nội

Tóm tắt

I. Tổng Quan Nghiên Cứu Dự Báo Lũ Lưu Vực Sông Hoàng Long

Lũ lụt là một trong những thiên tai gây ra nhiều thiệt hại nhất trên toàn thế giới, đặc biệt là ở các quốc gia có mạng lưới sông ngòi dày đặc như Việt Nam. Lưu vực sông Hoàng Long, thuộc tỉnh Ninh Bình, thường xuyên phải đối mặt với nguy cơ lũ lụt, gây ảnh hưởng nghiêm trọng đến đời sống kinh tế - xã hội của người dân địa phương. Do đó, việc nghiên cứu lũ lụt và xây dựng các phương án dự báo lũ hiệu quả là vô cùng cấp thiết. Các nghiên cứu trên thế giới đã cho thấy sự phát triển của công nghệ thông tin và các mô hình dự báo số đã mang lại những tiến bộ vượt bậc trong công tác dự báo thời tiết và thủy văn. Các mô hình này ngày càng chính xác và kịp thời, dần thay thế các phương pháp dự báo truyền thống. Việc ứng dụng các mô hình tiên tiến này vào dự báo lũ lụt Ninh Bình sẽ góp phần giảm thiểu rủi ro và thiệt hại do lũ gây ra.

1.1. Nghiên cứu dự báo lũ trên thế giới Các phương pháp tiên tiến

Các trung tâm dự báo khí tượng lớn trên thế giới như Mỹ, Nhật Bản, Đức, Pháp, Hàn Quốc đã ứng dụng rộng rãi các công nghệ tự động phân tích và hiển thị bản đồ thời tiết. Nhật Bản vận hành hệ thống đồng hóa số liệu bốn chiều Meso 4D-Var, tích hợp nhiều loại quan trắc cho các mô hình số. Các nước tiên tiến sử dụng các mô hình dự báo số trong công tác dự báo thời tiết, đặc biệt là dự báo lượng mưa. Các mô hình như GMS, RSM, MSM (Nhật Bản) và GDAPS, HLAM (Hàn Quốc) đã chứng minh hiệu quả trong việc dự báo lượng mưa chính xác cho từng vùng, hỗ trợ cảnh báo và dự báo lũ.

1.2. Tổng quan nghiên cứu dự báo lũ ở Việt Nam Thực trạng và thách thức

Tại Việt Nam, công tác dự báo lũ còn gặp nhiều thách thức do hạn chế về công nghệ và dữ liệu. Tuy nhiên, các nghiên cứu gần đây đã tập trung vào việc sử dụng các mô hình thủy văn, thủy lực như SSARR, HEC-RAS, SWAT (Hoa Kỳ), WATFLOOD (Canada), và MIKE (Đan Mạch). Các mô hình này có nhiều ưu điểm vượt trội và độ chính xác cao. Việc xây dựng các hệ thống cảnh báo, dự báo lũ lụt dựa trên tổ hợp dự báo mưa (NWP) kết hợp với đồng bộ hóa dữ liệu cũng đang được triển khai. Theo tài liệu gốc, mật độ sông suối ở Việt Nam phân bố không đều, gây khó khăn cho việc tiêu thoát lũ ở hạ lưu.

II. Thách Thức Dự Báo Lũ Biến Đổi Khí Hậu Ninh Bình

Lưu vực sông Hoàng Long chịu ảnh hưởng trực tiếp từ biến đổi khí hậu Ninh Bình, làm gia tăng tần suất và cường độ của các hiện tượng thời tiết cực đoan như mưa lớn và bão. Điều này gây khó khăn cho công tác dự báo lũ và đòi hỏi các phương án dự báo phải có độ chính xác cao hơn. Ngoài ra, các hoạt động kinh tế - xã hội của con người cũng tác động đến khả năng thoát lũ của lưu vực, làm gia tăng nguy cơ ngập lụt. Việc kết hợp các yếu tố tự nhiên và nhân tạo vào mô hình dự báo là một thách thức lớn đối với các nhà nghiên cứu.

2.1. Tác động của biến đổi khí hậu đến lưu vực sông Hoàng Long

Biến đổi khí hậu làm thay đổi chế độ mưa, gây ra các trận mưa lớn bất thường và kéo dài, vượt quá khả năng tiêu thoát của hệ thống sông. Theo tài liệu gốc, lưu vực sông Hoàng Long thuộc tỉnh Ninh Bình có khí hậu nhiệt đới gió mùa và thường xuyên gánh chịu nhiều thiên tai do bão, mưa lớn gây lũ lụt. Điều này đòi hỏi các phương án phòng chống lũ phải được xây dựng dựa trên kịch bản biến đổi khí hậu.

2.2. Ảnh hưởng của hoạt động kinh tế xã hội đến thoát lũ

Các hoạt động khai thác tài nguyên, xây dựng cơ sở hạ tầng và thay đổi mục đích sử dụng đất làm suy giảm diện tích rừng phòng hộ và tăng diện tích bề mặt không thấm nước, làm gia tăng lượng nước chảy tràn và giảm khả năng thấm nước của đất. Điều này làm gia tăng nguy cơ ngập lụt Ninh Bình và đòi hỏi các giải pháp quản lý lũ tổng hợp.

III. Phương Pháp MIKE NAM MIKE 11 Dự Báo Lũ Hoàng Long

Để xây dựng phương án dự báo lũ hiệu quả cho lưu vực sông Hoàng Long, luận văn sử dụng kết hợp hai mô hình MIKE NAM và MIKE 11. Mô hình MIKE NAM được sử dụng để tính toán dòng chảy từ mưa trên lưu vực, trong khi mô hình MIKE 11 được sử dụng để mô phỏng quá trình truyền lũ trong sông. Việc kết hợp hai mô hình này cho phép dự báo lũ với độ chính xác cao hơn và cung cấp thông tin chi tiết về diễn biến lũ trên toàn lưu vực. Theo tài liệu gốc, việc tìm hiểu kỹ lý thuyết các phương pháp và mô hình để ứng dụng trong lĩnh vực nghiên cứu của đề tài là rất cần thiết và hợp lý.

3.1. Cơ sở lý thuyết và ứng dụng mô hình MIKE NAM

Mô hình MIKE NAM là mô hình thủy văn mưa-dòng chảy được phát triển bởi Viện Thủy lực Đan Mạch (DHI). Mô hình này mô phỏng quá trình hình thành dòng chảy trên lưu vực dựa trên các thông số về địa hình, đất đai, thảm thực vật và khí tượng. MIKE NAM có khả năng mô phỏng dòng chảy với độ chính xác cao và được sử dụng rộng rãi trong dự báo lũ trên thế giới.

3.2. Cơ sở lý thuyết và ứng dụng mô hình MIKE 11

Mô hình MIKE 11 là mô hình thủy lực một chiều được phát triển bởi DHI. Mô hình này mô phỏng quá trình truyền lũ trong sông dựa trên các thông số về hình dạng lòng sông, độ nhám và điều kiện biên. MIKE 11 có khả năng mô phỏng lũ với độ chính xác cao và được sử dụng rộng rãi trong cảnh báo lũ sớm và quản lý lũ.

IV. Xây Dựng Phương Án Dự Báo Lũ Chi Tiết Sông Hoàng Long

Việc xây dựng phương án dự báo lũ cho lưu vực sông Hoàng Long bao gồm các bước: thu thập và xử lý dữ liệu, hiệu chỉnh và kiểm định mô hình, xây dựng kịch bản dự báo và đánh giá kết quả dự báo. Dữ liệu đầu vào cho mô hình bao gồm dữ liệu mưa, dữ liệu mực nước, dữ liệu địa hình và dữ liệu sử dụng đất. Việc hiệu chỉnh và kiểm định mô hình được thực hiện bằng cách so sánh kết quả mô phỏng với dữ liệu thực đo. Kịch bản dự báo được xây dựng dựa trên các dự báo thời tiết và các yếu tố ảnh hưởng đến lũ. Kết quả dự báo được đánh giá dựa trên các chỉ số thống kê và kinh nghiệm thực tế.

4.1. Thu thập và xử lý dữ liệu đầu vào cho mô hình

Dữ liệu đầu vào cho mô hình bao gồm dữ liệu mưa từ các trạm khí tượng, dữ liệu mực nước từ các trạm thủy văn, dữ liệu địa hình từ bản đồ địa hình và dữ liệu sử dụng đất từ ảnh vệ tinh. Dữ liệu cần được kiểm tra chất lượng và xử lý để đảm bảo tính chính xác và phù hợp với yêu cầu của mô hình.

4.2. Hiệu chỉnh và kiểm định mô hình MIKE NAM và MIKE 11

Việc hiệu chỉnh mô hình được thực hiện bằng cách điều chỉnh các thông số của mô hình để kết quả mô phỏng phù hợp với dữ liệu thực đo. Việc kiểm định mô hình được thực hiện bằng cách sử dụng một bộ dữ liệu khác để đánh giá khả năng dự báo của mô hình. Các chỉ số đánh giá chất lượng mô hình bao gồm sai số đỉnh lũ, sai số thời gian xuất hiện đỉnh lũ và hệ số tương quan.

4.3. Xây dựng kịch bản dự báo và đánh giá kết quả

Kịch bản dự báo được xây dựng dựa trên các dự báo thời tiết và các yếu tố ảnh hưởng đến lũ như lượng mưa, độ ẩm đất và mực nước sông. Kết quả dự báo được đánh giá dựa trên các chỉ số thống kê và kinh nghiệm thực tế. Việc đánh giá kết quả dự báo giúp cải thiện độ chính xác của mô hình và nâng cao hiệu quả của hệ thống cảnh báo lũ sớm.

V. Ứng Dụng Thực Tế Dự Báo Dòng Chảy Lũ Sông Hoàng Long

Luận văn đã tiến hành dự báo thử nghiệm dòng chảy lũ trên sông Hoàng Long tại trạm Bến Đế. Kết quả cho thấy phương án dự báo lũ đạt kết quả tốt, có khả năng dự báo chính xác diễn biến lũ và cung cấp thông tin kịp thời cho công tác phòng chống lũ. Tuy nhiên, cần tiếp tục nghiên cứu và cải thiện mô hình để nâng cao độ chính xác và tin cậy của dự báo. Theo tài liệu gốc, kết quả đạt được trong nghiên cứu của đề tài đưa ra được phương án dự báo lũ cho hạ lưu sông, qua đánh giá dự báo thử nghiệm phương án đạt kết quả tốt.

5.1. Kết quả dự báo thử nghiệm tại trạm Bến Đế

Kết quả dự báo thử nghiệm cho thấy mô hình có khả năng dự báo chính xác diễn biến lũ tại trạm Bến Đế, bao gồm thời gian xuất hiện đỉnh lũ, mực nước đỉnh lũ và lưu lượng đỉnh lũ. Sai số dự báo nằm trong phạm vi cho phép và đáp ứng yêu cầu của công tác phòng chống lũ.

5.2. Đánh giá chất lượng dự báo và so sánh các phương án

Chất lượng dự báo được đánh giá dựa trên các chỉ số thống kê như sai số trung bình, sai số tuyệt đối trung bình và hệ số tương quan. So sánh các phương án dự báo khác nhau giúp lựa chọn phương án tối ưu và nâng cao hiệu quả của hệ thống dự báo lũ.

VI. Kết Luận Kiến Nghị Nâng Cao Dự Báo Lũ Ninh Bình

Nghiên cứu đã xây dựng thành công phương án dự báo lũ cho lưu vực sông Hoàng Long, tỉnh Ninh Bình, sử dụng kết hợp mô hình MIKE NAM và MIKE 11. Kết quả dự báo thử nghiệm cho thấy phương án có độ chính xác cao và có thể ứng dụng vào thực tế. Để nâng cao hiệu quả công tác phòng chống lũ lụt Ninh Bình, cần tiếp tục đầu tư vào công nghệ dự báo, tăng cường mạng lưới quan trắc và nâng cao năng lực cho đội ngũ cán bộ dự báo.

6.1. Tóm tắt kết quả nghiên cứu và đóng góp

Nghiên cứu đã xây dựng được một công cụ hữu ích cho công tác dự báo lũ trên lưu vực sông Hoàng Long, góp phần giảm thiểu rủi ro và thiệt hại do lũ gây ra. Kết quả nghiên cứu có thể được sử dụng để xây dựng các kế hoạch phòng chống lũ và quy hoạch phát triển kinh tế - xã hội bền vững cho tỉnh Ninh Bình.

6.2. Kiến nghị và hướng nghiên cứu tiếp theo

Cần tiếp tục nghiên cứu và cải thiện mô hình dự báo, đặc biệt là trong việc dự báo lượng mưa và tích hợp các yếu tố biến đổi khí hậu. Đồng thời, cần tăng cường hợp tác quốc tế để tiếp cận các công nghệ và kinh nghiệm tiên tiến trong lĩnh vực dự báo lũ lụt.

Trích đoạn nội dung tài liệu

phần mở đầu, kết luận và tài liệu tham khảo nội dung luận văn đƣợc bố cục thành 3 chƣơng: Chƣơng 1: TỔNG QUAN VỀ CÁC PHƢƠNG PHÁP DỰ BÁO LŨ Chƣơng 2: CƠ SỞ LÝ THUYẾT PHƢƠNG PHÁP NGHIÊN CỨU VÀ MÔ HÌNH ỨNG DỤNG TRONG NGHIÊN CỨU Chƣơng 3: XÂY DỰNG PHƢƠNG ÁN DỰ BÁO LŨ CHO LƢU VỰC SÔNG HOÀNG LONG 3 Chƣơng 1 TỔNG QUAN VỀ CÁC PHƢƠNG PHÁP DỰ BÁO LŨ 1.1 Tổng quan về các phƣơng pháp dự báo lũ 1.1 Tổng quan về nghiên cứu dự báo lũ trên thế giới Nhiều năm nay công tác dự báo mƣa và các yếu tố khí tƣợng của các trung tâm dự báo khí tƣợng lớn trên thế giới nhƣ Mỹ, Nhật, Đức, Pháp, Hàn Quốc. đã sử dụng nhiều công nghệ tự động phân tích và hiển thị các bản đồ thời tiết trong nghiệp vụ. Mỹ sử dụng hệ phân tích và hiển thị bản đồ thời tiết AWIPS và NAWIPS; Đức và Pháp sử dụng hệ SYNERGY; Úc sử dụng hệ AIFS,. Các hệ thống đều có đủ các chức năng quan trọng nhƣ: phân tích, hiển thị và tích hợp các loại số liệu khác nhau nhƣ số liệu quan trắc bề mặt, cao không, pilot, ship, ảnh mây vệ tinh, kết quả của các mô hình dự báo số trị,.

đồng thời cũng cho phép tạo các kịch bản dự báo thời tiết theo những hình thế gây mƣa khác nhau. Các hệ thống này đáp ứng rất tốt các yêu cầu nghiệp vụ tại các trung tâm khí tƣợng nói trên và đều có thể ứng dụng cho các trung tâm khí tƣợng khác với những nghiên cứu để điều chỉnh, bổ sung các chức năng theo yêu cầu của nghiệp vụ dự báo thời tiết của từng quốc gia. Tại Nhật, cơ quan Khí tƣợng Nhật Bản đang vận hành một hệ thống đồng hóa số liệu bốn chiều quy mô vừa là Meso 4D-Var. Với hệ thống này, nhiều loại quan trắc đƣợc đồng hóa cho các mô hình số.

Meso 4D-Var đồng hóa số liệu quan trắc từ thám không vô tuyến, các trạm khí tƣợng bề mặt, tàu thuyền, phao, máy bay, thiết bị đo mặt cắt gió, vệ tinh, radar cho mô hình dự báo quy mô vừa. Việc có một hệ thống các loại quan trắc dày đặc và hệ thống tích hợp, phân tích dữ liệu quan trắc cho mô hình số đã nâng cao đáng kể chất lƣợng dự báo của các mô hình số, đặc biệt là dự báo lƣợng mƣa. Hiện nay sự phát triển công nghệ thông tin cùng với những kết quả to lớn trong nghiên cứu tìm tòi bản chất vật lý các quá trình trong khí quyển đã tạo điều kiện cho các mô hình dự báo số ngày càng chính xác và kịp thời, dần thay thế phƣơng pháp dự báo truyền thống. Trong tác nghiệp ngày nay các nƣớc tiên tiến đều sử dụng các mô hình dự báo số trong công tác dự báo thời tiết.

Nhật đang vận hành nghiệp vụ 3 mô hình chính là mô hình phổ toàn cầu (GMS), mô hình phổ khu vực (RSM), mô hình quy mô vừa (MSM), mô hình dự báo bão (TYM); Hàn Quốc vận hành nghiệp vụ các mô hình có chức năng tƣơng tự là Mô hình dự báo toàn 4 cầu (GDAPS), Mô hình dự báo khu vực (GDAPS), Mô hình dự báo độ phân giải cao (HLAM) và Mô hình bão (DBAR). Tóm lại các trung tâm dự báo trên đã đƣa ra nhiều mô hình dự báo số phục vụ cho công tác dự báo nhất là về dự báo lƣợng mƣa tƣơng đối chính xác, cho từng vùng khác nhau trên thế giới. Qua đó giúp cho các trung tâm KTTV của các nƣớc đang phát triển tiếp cận, sử dụng trong việc cảnh báo, dự báo lũ, lụt. Dự báo lũ có vai trò quyết định trong công tác phòng chống lũ và ngập lụt ở các nƣớc, đây đƣợc xem nhƣ biện pháp phi công trình quan trọng nhất phục vụ phòng tránh thiên tai do lũ.

Cùng sự phát triển các ngôn ngữ lập trình và việc ra đời các siêu máy tính, kết hợp với các số liệu KTTV đáng tin cậy từ thông tin có đƣợc trong công nghệ viễn thám để mô phỏng quá trình dòng chảy lũ trên các lƣu vực sông, nên phƣơng pháp dự báo trong thủy văn đã có sự thay đổi, phát triển mạnh thông qua mô hình số hóa dự báo các quá trình thủy văn. Từ đó trên thế giới đã có nhiều phần mềm đƣợc xây dựng để đáp ứng yêu cầu tính toán dự báo thủy văn trên các lƣu vực sông từ thƣợng lƣu về hạ lƣu. Các phần mềm này đã giải quyết đƣợc các bài toán dự báo lũ từ mƣa, tính toán truyền lũ trong sông, điều tiết hồ chứa, ngập lụt… Hƣớng xây dựng trong các hệ thống cảnh báo, dự báo lũ, lụt dựa trên tổ hợp dự báo mƣa đã đƣợc thực hiện trong nhiều hệ thống dự báo nghiệp vụ. Trong cách tiếp cận này dự báo tổ hợp dòng chảy đã đƣợc thực hiện dựa trên các dự báo tổ hợp mƣa số trị (NWP) kết hợp với đồng bộ hóa dữ liệu, từ đó đƣa ra kết quả dự báo, cảnh báo lũ đáp ứng theo yêu cầu đặt ra của công tác dự báo.

Những năm gần đây nghiên cứu dự báo lũ thƣờng tập trung vào việc sử dụng các mô hình thủy văn, thủy lực. Việc áp dụng các mô hình này vào dự báo thủy văn tỏ ra có nhiều ƣu điểm vƣợt trội có độ chính xác cao. Sau đây là một số mô hình đƣợc các trung tâm KTTV lớn phát triển đƣợc ứng dụng rộng rãi trên thế giới: Hoa Kỳ: Bộ phận dự báo thuỷ văn thuộc Cơ quan Thời tiết Hoa kỳ sử dụng để tính toán dòng chảy từ mƣa: Mô hình SSARR là mô hình mô phỏng quá trình hình thành dòng chảy mặt, sát mặt, ngầm và quá trình tập trung nƣớc trên lƣu vực khi sử dụng thông tin về mƣa trung bình thời đoạn, quan hệ ẩm kỳ trƣớc với hệ số dòng chảy, quan hệ dòng chảy ngầm, chỉ số thấm và các thông tin khác trên lƣu vực. Mô hình HEC – RAS là mô hình do trung tâm thủy văn công trình – Đoàn công 5 binh Hoa Kỳ phát triển phân tích thủy văn thủy lực cho hệ thông sông.

Mô hình có thể áp dụng cho sông đơn hoặc cả một hệ thống sông phức tạp, có cả nhập lƣu giữa dòng. Mô hình SWAT đƣợc xây dựng bởi trung tâm phục vụ nghiên cứu nông nghiệp thuộc Bộ Nông nghiệp Hoa Kỳ và Trung tâm nghiên cứu nông nghiệp thuộc Đại học Texas A&M vào đầu những năm 1990 với mục đích dự báo những ảnh hƣởng của thực hành quản lý sử dụng đất đến nƣớc, sự bồi lắng và lƣợng hóa chất sinh ra từ hoạt động nông nghiệp trên những lƣu vực rộng lớn và phức tạp trong khoảng thời gian dài. Một trong những module chính của mô hình này là mô phỏng dòng chảy từ mƣa và các đặc trƣng vật lý trên lƣu vực. Canada: Mô hình WATFLOOD đƣợc ứng dụng mô phỏng thủy văn thời gian ngắn để dự báo lũ hoặc mô phỏng thời đoạn dài để tính toán nguồn nƣớc lƣu vực.

Mô hình có khả năng kết nối với lƣợng mƣa phân bố quan trắc từ trạm radar thời tiết hoặc sản phẩm của mô hình số trị. Đan Mạch: Bộ Mô hình MIKE đƣợc Viện thuỷ lực Đan Mạch phát triển xây dựng phần mềm dự báo lũ, gồm: Mô hình NAM tính toán và dự báo dòng chảy từ mƣa; Mô hình MIKE 11 là mô hình 1 chiều tính toán thủy lực, dự báo dòng chảy trong sông và cảnh báo ngập lụt; Mô hình MIKE SHE mô phỏng nhiều thành phần tham gia vào quá trình hình thành dòng chảy trên lƣu vực. Các phép tính của mô hình đƣợc chạy trên lƣới ô vuông với các dữ liệu đầu vào gồm bản đồ DEM, lớp phủ, địa chất, chỉ số thực vật, mƣa phân bố. Cộng hòa Pháp: Mô hình MARINE đƣợc ứng dụng tính toán lũ quét thời gian thực từ dự án PACTES (cảnh báo nguy cơ lũ quét theo không gian) tại Pháp với sự hỗ trợ ban đầu của Bộ nghiên cứu Pháp và Cơ quan vũ trụ Pháp để tính toán trận lũ quét xảy ra năm 1999 tại vùng phía Nam.

Trên thế giới, MARINE đƣợc đánh giá cao và đƣợc khai thác sử dụng tính toán lũ quét ở nhiều nƣớc nhƣ Pháp, Hà Lan, Brasil. Vƣơng quốc Bỉ: Mô hình WETSPA (Water and Energy Transfer between Soil, Plant and Atmosphere) đƣợc phát triển tại phòng nghiên cứu Thuỷ văn Thủy lực, khoa khoa học ứng dụng đại học tự do Brusels. Mô hình quan niệm một hệ thống thủy văn lƣu vực là tổ hợp của các quá trình khí quyển, hấp thu thực vật, vùng rễ cây, vùng chuyển nƣớc và vùng bão hoà. Mỗi một ô lại đƣợc chia thành các phần có lớp phủ và phần không thấm.

6 Nhật Bản: Mô hình IFAS (Integrate Flood Analysis System) là một phần mềm tích hợp hệ thống phân tích lũ, cốt lõi của phần mềm là mô hình thủy văn thông số phân bố tham số mô phỏng dòng chảy sƣờn dốc thông qua các lƣới DEM do tác động của lớp phủ thực vật, lớp đất của bề mặt lƣu vực và cho phép mô phỏng các thành phần dòng chảy mặt, sát mặt và dòng ngầm. Mô hình TANK ra đời năm 1956 tại trung tâm quốc gia phòng chống lũ lụt Nhật. Mô hình này áp dụng trong dự báo lũ và khôi phục chuỗi số liệu dòng chảy từ tài liệu mƣa và bốc hơi theo các điều kiện biên, điều kiện ban đầu [7].2 Tổng quan về nghiên cứu dự báo lũ ở Việt Nam Trung tâm Dự báo KTTV Trung ƣơng (TTDBTƢ) đã ứng dụng nhiều công nghệ, kỹ thuật mới với mục đích hiện đại hoá công tác thu thập, xử lý phân tích số liệu và điền bản đồ thời tiết rất hiệu quả cho công tác phục vụ dự báo mƣa và các yếu tố khí tƣợng. Cung cấp các dạng thông tin, số liệu cho các đơn vị trong ngành KTTV cũng nhƣ các đối tác trong và ngoài nƣớc.

Hiện nay, tại trung tâm ứng dụng một số công nghệ tiên tiến có thể tích hợp nhiều loại dữ liệu một cách tự động, các loại dữ liệu lại có thể lồng ghép trên cùng một bản đồ nền để tiện so sánh, phân tích, đánh giá là rất cần thiết và phù hợp với xu thế phát triển chung trong khu vực và trên thế giới đáp ứng yêu cầu phục vụ nhanh khi xảy ra các tình huống khẩn cấp. Hệ tƣơng tác hỗ trợ dự báo viên NAWIPS đƣợc tiếp nhận và nghiên cứu ứng dụng tại TTDBTƢ trong khuôn khổ của đề tài nghiên cứu khoa học cấp Bộ “Ứng dụng phần mềm NAWIPS để xây dựng công nghệ phân tích và hiển thị bản đồ thời tiết trên máy tính” từ năm 2006 – 2008 [6].