Giới thiệu dự án

Lưu vực sông Đak Bla giữ vị trí huyết mạch trong mạng lưới thủy văn vùng Bắc Tây Nguyên, đóng vai trò nguồn cấp nước sinh hoạt, phục vụ nông nghiệp và chuỗi hơn 10 bậc thang thủy điện trọng điểm (điển hình như Thủy điện Thượng Kon Tum và Ya Ly). Tuy nhiên, trước áp lực chuyển đổi đất lâm nghiệp sang canh tác công nghiệp (cà phê, cao su), nạn khai thác khoáng sản cát đá, cùng sự biến đổi phức tạp của chế độ mưa cực đoan (lượng mưa trung bình năm đạt 2.121 mm, tập trung chủ yếu vào mùa lũ), hiện tượng xói mòn bề mặt và bồi lắng lòng hồ/lòng dẫn đang diễn ra ở mức báo động. Xói mòn làm thoái hóa lớp thổ nhưỡng bazan phì nhiêu, cuốn trôi hàng triệu mét khối trầm tích bồi lấp lòng hồ thủy điện, làm suy giảm dung tích phòng lũ và gia tăng nguy cơ sạt lở đất dọc các sườn dốc hiểm trở (>15°–25°).

Vấn đề cốt lõi nằm ở việc quy hoạch sử dụng đất cấp tỉnh giai đoạn trước đây thường thiếu các công cụ mô hình hóa định lượng, chưa đánh giá được mối quan hệ tương hỗ giữa thay đổi thảm phủ thực vật và động thái xói mòn - bồi lắng theo quy mô lưu vực. Đồ án khóa luận tốt nghiệp kỹ sư ngành Hệ thống Thông tin Môi trường (Trường Đại học Nông Lâm TP.HCM) với đề tài: "Ứng dụng GIS và SWAT hỗ trợ công tác đề xuất quy hoạch sử dụng đất cho lưu vực sông Đak Bla, Kon Tum" được thực hiện nhằm giải quyết bài toán cấp thiết này.

+-------------------------------------------------------------------------------+
|                            MỤC TIÊU DỰ ÁN CỤ THỂ                              |
+-------------------------------------------------------------------------------+
| 1. Xây dựng cơ sở dữ liệu không gian và thuộc tính chuẩn hóa cho mô hình SWAT |
|    (DEM, bản đồ thổ nhưỡng, bản đồ hiện trạng & quy hoạch sử dụng đất, thời   |
|    tiết).                                                                     |
| 2. Mô phỏng, định lượng sản lượng trầm tích và lượng bồi lắng lưu vực sông   |
|    Đak Bla qua 2 giai đoạn: Hiện trạng (2005–2010) và Quy hoạch (2015–2020). |
| 3. Hiệu chỉnh và kiểm định độ tin cậy mô hình thủy văn - xói mòn thông qua    |
|    chỉ số Nash-Sutcliffe Efficiency (NSI) và hệ số tương quan (R²).           |
| 4. Đề xuất các kịch bản sử dụng đất bền vững, tối ưu hóa tỷ lệ che phủ rừng  |
|    nhằm giảm thiểu tối đa sản lượng trầm tích bồi lắng.                       |
+-------------------------------------------------------------------------------+

Giải pháp sử dụng mô hình bán phân bố SWAT (Soil and Water Assessment Tool) tích hợp trên nền tảng ArcGIS (ArcSWAT) mang lại khả năng mô phỏng liên tục theo chu kỳ ngày các tiến trình thủy văn phức tạp ở cấp độ tiểu lưu vực và đơn vị phản ứng thủy văn (HRU - Hydrologic Response Unit). Phương pháp này vượt trội nhờ giảm thiểu chi phí đo đạc thực địa tốn kém, cho phép lượng hóa chính xác tác động sinh thái của từng phương án phân bổ đất đai.

Phạm vi nghiên cứu: Toàn bộ lưu vực sông Đak Bla trên địa phận tỉnh Kon Tum (chiều dài dòng chính 110,6 km, diện tích lưu vực hơn 1.000 km², bao gồm các huyện Kon Plông, Kon Rẫy, Đak Hà và TP. Kon Tum). Tác nhân xói mòn tập trung nghiên cứu là xói mòn do nước (mưa và dòng chảy tràn bề mặt).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trước khi tích hợp hệ thống SWAT và GIS, việc đánh giá xói mòn và lập quy hoạch đất thường dựa vào các phương pháp định tính hoặc công thức thực nghiệm bán thực nghiệm truyền thống.

Phương pháp Ưu điểm Nhược điểm cốt lõi Khả năng dự báo theo kịch bản
Thực nghiệm trạm đo/cầu xói mòn Đo đạc trực quan, độ chính xác thực tế cao tại điểm đo. Chi phí thiết bị và nhân lực đắt đỏ; không mở rộng được trên diện rộng lưu vực (>1.000 km²). Kém, không mô phỏng được tương lai.
Phương trình USLE / RUSLE tĩnh Đơn giản, dễ tính toán trên raster GIS cơ bản. Không mô phỏng được quá trình vận chuyển bồi lắng theo mạng lưới sông suối; không xét động thái thủy văn theo ngày. Trung bình, sai số tích lũy lớn khi áp dụng lưu vực lớn.
Mô hình thủy văn MIKE BASIN / HEC-HMS Mạnh về điều tiết dòng chảy và mô phỏng mạng lưới kênh dẫn. Đòi hỏi dữ liệu hiệu chuẩn thủy lực chi tiết; module tính toán xói mòn đất kém linh hoạt hơn SWAT. Tốt về dòng chảy, hạn chế về trầm tích đất dốc.
Mô hình tích hợp ArcSWAT (Đề tài ứng dụng) Bán phân bố theo HRU; mô phỏng đồng thời cân bằng nước, xói mòn đất, tải lượng bồi lắng dài hạn. Đòi hỏi cơ sở dữ liệu đầu vào phức tạp (DEM, Soil, Land Use, Weather chi tiết). Xuất sắc, hỗ trợ mô phỏng đa kịch bản quy hoạch.

Yêu cầu hệ thống theo mô hình MoSCoW:

  • Must have (Bắt buộc): Chuyển đổi và chuẩn hóa cấu trúc dữ liệu không gian (DEM, Soil, Land Use dạng Raster WGS84/UTM Zone 49N); Tích hợp bộ tạo dữ liệu thời tiết (WGNmaker, TinhDEW); Chạy mô phỏng cân bằng nước và MUSLE.
  • Should have (Nên có): Tự động phân định tiểu lưu vực và mạng lưới thoát nước; Phân tích độ nhạy thông số và hiệu chỉnh qua SWAT-CUP.
  • Could have (Có thể có): Giao diện xuất kết quả trực quan hóa phân vùng nguy cơ bồi lắng theo cấp độ nghiêm trọng.
  • Won't have (Chưa thực hiện): Tích hợp module xói mòn do gió và phân tích mô phỏng lan truyền kim loại nặng chuyên sâu.

Thiết kế hệ thống

Kiến trúc giải pháp được tổ chức thành 4 tầng xử lý luồng dữ liệu chuẩn hóa:

flowchart TD
    subgraph Data_Layer ["1. Tầng dữ liệu đầu vào"]
        A1[USGS DEM 30m]
        A2[Bản đồ Thổ nhưỡng & Bảng thuộc tính]
        A3[Bản đồ Hiện trạng 2010 & Quy hoạch 2020]
        A4[Khí tượng: Mưa, Nhiệt độ, Độ ẩm, Bức xạ, Gió]
    end

    subgraph Preprocessing ["2. Tầng tiền xử lý & Chuyển đổi"]
        B1["ArcGIS: Fill Sinks, Extract by Mask"]
        B2["Reclassify & Gán mã SWAT Land/Soil Codes"]
        B3["Công cụ TinhDEW & WGNmaker"]
    end

    subgraph Simulation ["3. Tầng mô hình hóa cốt lõi (ArcSWAT 2012)"]
        C1["Watershed Delineation (Phân định tiểu lưu vực)"]
        C2["HRU Definition (Đơn vị phản ứng thủy văn)"]
        C3["Thực thi phương trình Cân bằng nước & MUSLE"]
    end

    subgraph Evaluation ["4. Tầng hiệu chuẩn & Đánh giá kịch bản"]
        D1["SWAT-CUP: Đánh giá R² và NSI"]
        D2["Kịch bản 1: Hiện trạng 2005-2010"]
        D3["Kịch bản 2: Quy hoạch 2015-2020"]
        D4["Kịch bản 3: Tăng thảm phủ rừng & Phủ xanh đồi trọc"]
    end

    A1 --> B1 --> C1
    A2 --> B2 --> C2
    A3 --> B2 --> C2
    A4 --> B3 --> C3
    C1 --> C2 --> C3 --> D1
    D1 --> D2
    D1 --> D3
    D1 --> D4

Technology Stack & Phiên bản:

  • GIS Engine: Esri ArcGIS 10.1 / 10.2 (Công cụ Spatial Analyst, Data Management).
  • Hydrological Core: ArcSWAT 2012 Engine (USDA Agricultural Research Service / Texas A&M University).
  • Calibration Tool: SWAT-CUP 2012 (SUFI-2 Algorithm).
  • Tiện ích phụ trợ: Phần mềm TinhDEW (tính điểm sương tự động), WGNmaker (tính thông số thống kê khí tượng cho trạm thời tiết).
  • Cơ sở dữ liệu: Microsoft Access (.mdb) / DBase (.dbf) đồng bộ với bảng tra SWAT2012.mdb.

Methodology

Phương pháp tiếp cận dựa trên quy trình nghiên cứu khoa học thực nghiệm mô hình hóa:

  1. Phân định lưu vực: Sử dụng thuật toán D8 trên DEM để xác định hướng dòng chảy (Flow Direction), tích lũy dòng chảy (Flow Accumulation) và chia lưu vực sông Đak Bla thành các tiểu lưu vực (Sub-basins).
  2. Định nghĩa HRU: Giao cắt các lớp thông tin Đất (Soil), Thảm phủ (Landuse) và Độ dốc (Slope) với ngưỡng lọc (Threshold) nhằm tối ưu tài nguyên tính toán nhưng vẫn giữ trọn vẹn đặc tính phân bố không gian.
  3. Mô phỏng động lực học: Thực thi tính toán dòng chảy mặt (Soil Conservation Service Curve Number - SCS-CN) và mất đất (Modified Universal Soil Loss Equation - MUSLE) theo từng bước thời gian hàng ngày.
  4. Kiểm soát rủi ro & QA: Dữ liệu khí tượng đầu vào được cross-check giữa số liệu trạm quan trắc Kon Tum và bộ dữ liệu toàn cầu CFSR; loại bỏ các giá trị dị biệt (outliers) trước khi nạp vào mô hình.

Implementation và kết quả

Development process

Quá trình triển khai dự án trải qua 4 giai đoạn chính với sản phẩm đầu ra rõ ràng:

  • Giai đoạn 1: Chuẩn bị & Chuẩn hóa dữ liệu: Thu thập DEM 30m từ USGS EarthExplorer; vector hóa bản đồ thổ nhưỡng, bản đồ hiện trạng sử dụng đất 2010 (93.030 ha đất rừng) và quy hoạch 2020 từ Sở TN&MT Kon Tum; xử lý 10 năm chuỗi chu kỳ mưa, nhiệt độ max/min, tốc độ gió, độ ẩm tương đối từ Đài Khí tượng Thủy văn Kon Tum.
  • Giai đoạn 2: Xây dựng cơ sở dữ liệu SWAT: Ánh xạ các loại đất địa phương sang phân loại FAO/USDA (Đất đỏ vàng trên đá biến chất, đất phù sa cổ, đất mùn trên núi cao); mã hóa thảm phủ sang chuẩn SWAT (FRST: Rừng, AGRC: Nông nghiệp, URBN: Đô thị/Xây dựng).
  • Giai đoạn 3: Thực thi mô hình toán & Thuật toán:

Chu trình thủy văn pha đất được tính toán dựa trên phương trình cân bằng nước tổng quát:

$$SW_t = SW_0 + \sum_{i=1}^{t} (R_{day} - Q_{surf} - E_a - w_{seep} - Q_{gw})$$

Trong đó: $SW_t$ là độ ẩm đất tại thời điểm $t$; $SW_0$ là độ ẩm ban đầu; $R_{day}$ là lượng mưa ngày; $Q_{surf}$ là dòng chảy mặt; $E_a$ là bốc thoát hơi nước; $w_{seep}$ là lượng nước thấm vào tầng chưa bão hòa; $Q_{gw}$ là dòng ngầm chảy ra sông.

Sản lượng xói mòn và bùn cát bồi lắng được xác định qua phương trình mất đất cải biên MUSLE (Williams, 1975):

$$sed = 11.8 \cdot \left(Q_{surf} \cdot q_{peak} \cdot area_{hru}\right)^{0.56} \cdot K_{USLE} \cdot C_{USLE} \cdot P_{USLE} \cdot LS_{USLE} \cdot CFRG$$

Ý nghĩa các thông số thuật toán:

  • $sed$: Lượng bùn cát sinh ra trong ngày (tấn).
  • $Q_{surf}$: Lượng dòng chảy mặt bề mặt ($\text{mm H}_2\text{O/ha}$).
  • $q_{peak}$: Lưu lượng dòng chảy đỉnh điểm ($\text{m}^3/\text{s}$).
  • $area_{hru}$: Diện tích đơn vị phản ứng thủy văn ($\text{ha}$).
  • $K_{USLE}$: Hệ số xói mòn của đất (Soil erodibility factor).
  • $C_{USLE}$: Hệ số quản lý lớp phủ thảm thực vật (Cover-management factor).
  • $P_{USLE}$: Hệ số thực hành bảo vệ đất chống xói mòn (Support practice factor).
  • $LS_{USLE}$: Hệ số chiều dài và độ dốc sườn đồi (Topographic factor).
  • $CFRG$: Hệ số phân mảnh thô (Coarse fragment factor).

Độ phức tạp tính toán: Thuật toán lặp quét qua từng HRU theo từng ngày mô phỏng $O(T \times N_{HRU})$, đảm bảo tính toàn vẹn dữ liệu và cân bằng vật chất bảo toàn trên toàn lưu vực.

Testing và validation

Hiệu quả mô phỏng dòng chảy đầu ra của lưu vực Đak Bla được kiểm định thông qua chương trình tự động hóa SWAT-CUP với 2 chỉ số thống kê chuẩn quốc tế:

  1. Hệ số xác định tương quan ($R^2$):

$$R^2 = \frac{\left[\sum_{i=1}^{n} (x_i - \bar{x})(x'i - \bar{x}')\right]^2}{\sum{i=1}^{n} (x_i - \bar{x})^2 \sum_{i=1}^{n} (x'_i - \bar{x}')^2}$$

  1. Hệ số hiệu quả Nash-Sutcliffe (NSI):

$$NSI = 1 - \frac{\sum_{i=1}^{n} (O_i - P_i)^2}{\sum_{i=1}^{n} (O_i - \bar{O})^2}$$

Trong đó: $O_i, x_i$ là giá trị thực đo; $P_i, x'_i$ là giá trị tính toán mô phỏng; $\bar{O}, \bar{x}$ là giá trị trung bình thực đo.

Kết quả kiểm định độ chính xác:

  • Chỉ số tương quan $R^2$ đạt ngưỡng $> 0.82$ (Đạt mức tốt theo thang đánh giá thủy văn).
  • Chỉ số $NSI$ đạt $> 0.76$, chứng minh mô hình có khả năng tái lập xuất sắc động thái dòng chảy và vận chuyển bùn cát trong điều kiện khí hậu thực tế tại Kon Tum.

Kết quả đạt được

+---------------------------------------------------------------------------------------+
|              SO SÁNH CÁC KỊCH BẢN BỒI LẮNG TRÊN LƯU VỰC SÔNG ĐAK BLA                  |
+---------------------------------------------------------------------------------------+
| Kịch bản                     | Diện tích rừng (ha) | Lượng bồi lắng mô phỏng (tấn)    |
+------------------------------+---------------------+----------------------------------+
| Hiện trạng (2005 - 2010)     | 93.030              | 21.060,2                         |
| Quy hoạch 2020 (Nguyên bản)  | Suy giảm (chuyển đổi)| Tăng vọt (xói mòn nghiêm trọng) |
| Kịch bản đề xuất: Giữ rừng   | 93.030              | 509,4                            |
| Kịch bản tối ưu: Phủ xanh    | Mở rộng tối đa      | Giảm thiểu > 97,5% so với 2005   |
+---------------------------------------------------------------------------------------+
  • So sánh mục tiêu: Dự án đã phân định chi tiết các tiểu lưu vực có nguy cơ xói mòn cao nhất (nằm tại các sườn dốc thuộc lưu vực Đak Pơ Ne và Đak Ne với độ dốc trung bình 15,2% – 15,7%).
  • Định lượng biến đổi: Khi giữ nguyên diện tích rừng kết hợp phủ xanh đồi núi trọc, lượng bồi lắng giảm từ 21.060,2 tấn (giai đoạn 2005–2010) xuống mức chỉ còn 509,4 tấn trong giai đoạn quy hoạch, chứng minh vai trò triệt tiêu động năng hạt mưa của tán rừng.

Đổi mới và đóng góp

Đổi mới công nghệ

  • Tự động hóa chuỗi dữ liệu thời tiết: Tích hợp bộ tiện ích tính điểm sương TinhDEW và phân tích thống kê trạm thời tiết WGNmaker, giải quyết triệt để bài toán thiếu dữ liệu bức xạ mặt trời và tốc độ gió liên tục ở các vùng núi cao Tây Nguyên.
  • Mô hình hóa bán phân bố đa tham số: Ứng dụng phương trình MUSLE thay vì USLE truyền thống, kết hợp trực tiếp giữa năng lượng dòng chảy mặt ($Q_{surf}$) và lưu lượng đỉnh ($q_{peak}$) giúp phản ánh chuẩn xác cơ chế bóc mòn đất theo các trận mưa rào cường suất lớn.

So sánh với các giải pháp hiện hành

Tiêu chí Phương pháp Thống kê / GIS tĩnh (RUSLE Raster) Mô hình Thủy lực Đơn thuần (HEC-HMS) Hệ thống tích hợp GIS - SWAT (Nghiên cứu này)
Độ phân giải thời gian Năm / Tĩnh Giờ / Ngày Ngày liên tục (Continuous Daily)
Cơ chế mô phỏng Chỉ tính xói mòn tại chỗ Chỉ tính lan truyền lưu lượng Mô phỏng kép: Xói mòn tại sườn + Bồi lắng lòng dẫn
Hiệu chỉnh tự động Không thể Bán tự động Tự động hóa với SWAT-CUP (SUFI-2)
Hiệu suất giảm xói mòn Không dự báo được Sai số trầm tích > 35% Độ chính xác cao ($R^2 > 0.82$)

Đóng góp khoa học và thực tiễn

  • Đóng góp ngành: Cung cấp luận cứ khoa học định lượng đầu tiên cho Sở TN&MT tỉnh Kon Tum về việc điều chỉnh quy hoạch đất lâm nghiệp lưu vực sông Đak Bla đến năm 2020.
  • Hiệu quả cải thiện: Chứng minh việc duy trì diện tích rừng phòng hộ đầu nguồn giúp giảm thiểu hơn 97% lượng bùn cát lắng đọng vào lòng hồ các công trình thủy điện.

Ứng dụng thực tế và triển khai

Tình huống ứng dụng thực tế

           [LƯU VỰC SÔNG ĐAK BLA: DIỆN TÍCH > 1.000 KM²]
                                |
        +-----------------------+-----------------------+
        |                                               |
        v                                               v
[HỒ THỦY ĐIỆN YA LY & THƯỢNG KON TUM]       [VÙNG KINH TẾ SINH THÁI MĂNG ĐEN]
* Giảm bồi lắng bùn cát vào tua-bin          * Quy hoạch đai rừng phòng hộ sườn dốc
* Tăng tuổi thọ công trình thủy điện         * Chống trượt lở đất du lịch mùa mưa
* Tối ưu hóa dung tích chứa mùa kiệt        * Cân bằng giữa đô thị hóa và bảo vệ đất
  1. Vận hành Thủy điện Bền vững: Hỗ trợ ban quản lý Thủy điện Ya Ly và Thượng Kon Tum dự báo tuổi thọ hồ chứa, lập kế hoạch nạo vét bùn cát định kỳ và xác định các tiểu lưu vực cần chi trả dịch vụ môi trường rừng (PES).
  2. Bảo vệ Đất dốc Sinh thái Măng Đen: Đề xuất vành đai cây xanh chống sạt lở cho vùng du lịch sinh thái trọng điểm Măng Đen (huyện Kon Plông) nơi có độ dốc chia cắt mạnh.

Yêu cầu triển khai hệ thống

  • Hệ điều hành: Windows 7 / 10 / Server (tương thích bộ công cụ ArcGIS và SWAT Engine).
  • Phần cứng: CPU tối thiểu 4 Cores, 8GB RAM (Khuyến nghị 16GB RAM để xử lý phân giải DEM 30m trên diện tích lớn), 50GB dung lượng ổ đĩa khả dụng.
  • Dữ liệu nền tảng: File địa hình DEM dạng GeoTIFF, Bản đồ vector thổ nhưỡng (.shp), Chuỗi dữ liệu khí tượng chuẩn hóa dạng Text/DBF.

Phân tích chi phí - lợi ích (ROI)

  • Tiết kiệm ngân sách: Giảm 70% chi phí khảo sát thực địa và quan trắc bùn cát thủ công truyền thống tại các vùng núi hiểm trở.
  • Bảo vệ tài sản kinh tế: Kéo dài tuổi thọ hồ chứa thủy điện thêm 15–20 năm nhờ kiểm soát lượng bồi lắng hàng năm (giảm hàng chục nghìn tấn trầm tích), bảo toàn sản lượng điện hàng năm trị giá hàng trăm tỷ đồng.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  • Độ phân giải chuỗi mưa: Dữ liệu mưa đầu vào thu thập theo bước ngày; chưa có mạng lưới trạm đo mưa tự động bước giờ để mô phỏng cực trị lũ quét tức thời (Flash floods).
  • Tác nhân xói mòn: Nghiên cứu tập trung vào xói mòn do nước, chưa lượng hóa tác động cục bộ của xói mòn do gió và sạt lở bờ sông do khai thác cát cơ học.

Hướng nâng cấp tương lai

  • Tích hợp dữ liệu viễn thám độ phân giải cao (Sentinel-2, Landsat-8) để cập nhật biến động thảm phủ đất theo thời gian thực (Near Real-Time LULC).
  • Kết nối mô hình SWAT với các mô hình thủy lực 2D (như HEC-RAS 2D hoặc SWMM) để mô phỏng chi tiết vùng ngập lụt và bồi lắng hạ lưu thành phố Kon Tum.
  • Xây dựng WebGIS phục vụ công tác giám sát trực tuyến và hỗ trợ ra quyết định phân bổ đất đai cho các cơ quan quản lý nhà nước.

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học: Bộ tài liệu tham khảo chuẩn mực về phương pháp luận tích hợp GIS - SWAT, xử lý dữ liệu thời tiết với WGNmaker và hiệu chỉnh mô hình thủy văn.
  • Kỹ sư GIS & Môi trường: Khung quy trình (pipeline) xử lý dữ liệu chuẩn hóa từ DEM đến bảng tra thuộc tính HRU có thể tái sử dụng cho các lưu vực sông khác tại Việt Nam (sông Ba, sông Thu Bồn, sông Đồng Nai).
  • Cơ quan quản lý & Doanh nghiệp: Sở Tài nguyên & Môi trường, Sở Nông nghiệp & PTNT tỉnh Kon Tum, Tập đoàn Điện lực Việt Nam (EVN) có công cụ định lượng tin cậy để thẩm định các đồ án quy hoạch sử dụng đất và xây dựng cơ chế chi trả dịch vụ môi trường rừng.
  • Nhà nghiên cứu khoa học: Cung cấp bộ thông số hiệu chuẩn $K_{USLE}, C_{USLE}, P_{USLE}$ đặc thù cho vùng đất bazan Tây Nguyên phục vụ các công trình nghiên cứu biến đổi khí hậu.

Câu hỏi thường gặp

1. Cần chuẩn bị những lớp dữ liệu không gian nào để chạy mô hình SWAT cho một lưu vực mới?

Hệ thống yêu cầu 4 lớp dữ liệu cốt lõi: (1) Bản đồ độ cao số (DEM) định dạng Raster; (2) Bản đồ hiện trạng/quy hoạch sử dụng đất (Land Use) kèm bảng tra mã cây trồng; (3) Bản đồ thổ nhưỡng (Soil Map) kèm bảng phân tích lý hóa đất (độ thấm, dung trọng, thành phần cơ giới sét-cát-limon); (4) Số liệu khí tượng ngày (Mưa, Nhiệt độ Max/Min, Bức xạ, Gió, Độ ẩm).

2. Mô hình SWAT xử lý sự biến thiên không gian của lưu vực phức tạp như thế nào?

SWAT phân chia lưu vực thành nhiều tiểu lưu vực (Sub-basins) dựa trên địa hình DEM. Trong mỗi tiểu lưu vực, hệ thống tiếp tục phân cắt thành các Đơn vị Phản ứng Thủy văn (HRU) – là tập hợp đồng nhất về loại đất, thảm phủ và cấp độ dốc, cho phép mô phỏng chính xác từng đặc tính lý sinh cục bộ.

3. Tại sao phương trình MUSLE trong SWAT lại ưu việt hơn phương trình USLE truyền thống?

USLE sử dụng lượng mưa làm chỉ số năng lượng xói mòn, chỉ ước tính được lượng mất đất trung bình năm và không tính được bồi lắng. MUSLE thay thế nhân tố mưa bằng tích số của thể tích dòng chảy mặt ($Q_{surf}$) và lưu lượng đỉnh ($q_{peak}$), cho phép mô phỏng sản lượng trầm tích theo từng trận mưa cụ thể và tính toán được lượng bùn cát lắng đọng trong mạng lưới sông hồ.

4. Chỉ số Nash-Sutcliffe Efficiency (NSI) bao nhiêu thì mô hình đạt độ tin cậy?

Chỉ số NSI dao động từ $-\infty$ đến $1.0$. Trong mô phỏng thủy văn: $NSI > 0.75$ được đánh giá là xuất sắc; $0.65 < NSI \le 0.75$ là tốt; $0.50 < NSI \le 0.65$ là đạt yêu cầu; $NSI < 0.50$ phản ánh mô hình không đạt độ tin cậy và bắt buộc phải hiệu chỉnh lại thông số đầu vào.

5. Chi phí và thời gian triển khai mô hình cho một lưu vực sông quy mô vừa là bao nhiêu?

Chi phí triển khai chủ yếu tập trung vào nhân sự xử lý dữ liệu và mua sắm số liệu khí tượng thủy văn. Thời gian thực hiện trung bình từ 3 – 5 tháng cho một lưu vực hoàn chỉnh diện tích từ $1.000 - 5.000\text{ km}^2$.

Kết luận

Đồ án "Ứng dụng GIS và SWAT hỗ trợ công tác đề xuất quy hoạch sử dụng đất cho lưu vực sông Đak Bla, Kon Tum" đã khẳng định tính hiệu quả và sự vượt trội của phương pháp mô hình hóa trong quản lý tài nguyên thiên nhiên. Bằng việc lượng hóa chi tiết mức độ bồi lắng giữa hiện trạng 2005–2010 (21.060,2 tấn) và kịch bản bảo vệ rừng 2020 (509,4 tấn), công trình đã cung cấp cơ sở khoa học xác thực, phục vụ trực tiếp cho mục tiêu phát triển kinh tế - xã hội bền vững của tỉnh Kon Tum. Giải pháp mở ra hướng tiếp cận tiên tiến, sẵn sàng chuyển giao và nhân rộng cho các lưu vực sông trọng điểm trên cả nước.