Chương 1 TỔNG QUAN VỀ VẤN ĐỀ NGHIÊN CỨU Nội dung chương này trình bày tổng quan các nghiên cứu ứng dụng mô hình hoá không gian trong phân vùng nguy cơ lũ trên thế giới, Việt Nam và cụ thể trên lưu vực sông Lam. Ngoài ra, các phương pháp mô hình hoá trong phân vùng nguy cơ lũ được phân tích nhằm đánh giá ưu nhược điểm của từng mô hình, từ đó rút ra được định hướng và phương pháp nghiên cứu của luận án, góp phần quan trọng vào việc xây dựng cơ sở khoa học cho phương pháp mô hình hóa phân vùng nguy cơ lũ của luận án.1 Tổng quan tình hình nghiên cứu phân vùng nguy cơ lũ trên thế giới Kết quả cho tìm kiếm theo từ khóa “flood hazard zoning” trên thư viện số Sciendirect từ năm 2009 đến nay là 1963 công trình. Số công trình nghiên cứu cụ thể theo từng năm được thể hiện trên bảng 1. Biểu đồ trên hình 1.1 cho thấy số lượng nghiên cứu về phân vùng nguy cơ lũ ngày càng tăng, từ 59 nghiên cứu năm 2009 đến 173 nghiên cứu năm 2017.
Điều này chứng tỏ nguy cơ lũ đã và đang là vấn đề cấp bách và được các nhà khoa học trên thế giới quan tâm.1 Số lượng các công trình khoa học liên quan đến phân vùng nguy cơ lũ trên Sciencedirect từ năm 2009 đến nay Năm 2009 2010 2011 2012 2013 2014 2015 2016 2017 9/2018 Số bài 59 59 76 81 89 141 143 151 173 171 Để phân vùng nguy cơ lũ, trên thế giới có nhiều phương pháp đã và đang được nghiên cứu, giới thiệu và ứng dụng. Mỗi phương pháp đều có ưu nhược điểm và điều kiện ứng dụng riêng. Việc chọn các phương pháp phù hợp phụ thuộc dữ liệu đầu vào, yêu cầu chi tiết của dự án và khả năng chuyên môn của kỹ thuật viên. Bên cạnh các phương pháp phổ biến như: sử dụng dữ liệu viễn thám và GIS [74], [75], [76], [90], [126], sử dụng chỉ số độ ẩm ướt địa hình (TWI) [104]…, phương pháp mô hình hoá đã được nghiên cứu ứng dụng trên nhiều khu vực địa lý khác nhau trên thế giới [53], [64], [68], [79],… Các mô hình phân vùng 10 nguy cơ lũ có thể chia làm làm ba nhóm: mô hình thuỷ văn, thuỷ lực; mô hình thống kê và mô hình suy nghiệm.
Nhóm các mô hình thủy văn, thủy lực 1 và 2 chiều được sử dụng rộng rãi khi nghiên cứu về lũ cũng như lập bản đồ ngập lụt do lũ, bản đồ phân vùng nguy cơ lũ như: mô hình lũ đơn vị HEC-HMS; mô hình nhận thức NAM, SSARR; mô hình thuỷ lực một chiều VRSAP, HEC-RAS, MIKE11, mô hình thuỷ lực hai chiều MIKE21 với sự trợ giúp của hệ thống thông tin địa lý. Các số liệu cần thiết cho việc sử dụng các mô hình thủy văn, thủy lực để lập bản đồ này bao gồm điều kiện địa hình chi tiết mạng lưới sông, bản đồ sử dụng đất, các thông tin khí tượng thuỷ văn tại biên vào và ra của mạng sông [9]. 200 SỐ LƯỢNG CÔNG BỐ 180 160 140 120 100 80 60 40 20 0 2009 2010 2011 2012 2013 2014 2015 2016 2017 Số lượng nghiên cứu Hình 1.1 Số lượng các công trình khoa học liên quan đến phân vùng nguy cơ lũ trên Sciencedirect từ năm 2009 đến 2017 Nhóm các mô hình thống kê được sử dụng bao gồm phân tích thống kê nhị biến và phân tích thống kê hồi quy tuyến tính đa biến. Thông tin cần thiết để thực hiện mô hình là dữ liệu về các trận lũ lụt đã xảy ra trong quá khứ bao gồm cả số liệu thuỷ lực, thuỷ văn, địa hình, kinh tế xã hội, cơ sở hạ tầng… Nhóm mô hình suy nghiệm sử dụng phương pháp AHP, FAHP và IR’AHP kết hợp với GIS để xây dựng các bản đồ phân vùng nguy cơ lũ.
Dữ liệu để tính toán 11 mô hình có thể chia làm 3 nhóm: nhóm các yếu tố địa hình, nhóm các yếu tố về kinh tế - xã hội và nhóm các yếu tố về cơ sở hạ tầng. Phần dưới đây tổng quan các công trình nghiên cứu phân vùng nguy cơ lũ theo ba nhóm mô hình nêu trên. Việc kết hợp mô hình thuỷ lực hoặc mô hình thuỷ văn và công nghệ GIS trong phân vùng nguy cơ lũ là phương pháp phổ biến được các nhà thuỷ văn học trên thế giới thực hiện từ những năm cuối thế kỷ 20 và ngày càng phát triển. Theo Kardavani và Qalehe, phân vùng nguy cơ lũ là một trong các biện pháp phi công trình để quản lý và ngăn ngừa lũ mà không thể thực hiện được nếu thiếu phân tích thuỷ lực [79].
Nhiều mô hình thuỷ lực đã được sử dụng để mô phỏng phân vùng lũ như: MIKE, HECRAS, INFOWORK, ISISS…[116]. Nghiên cứu điển hình từ đầu thế kỷ 21 của Nyarko [95] đã sử dụng mô hình thuỷ văn và GIS, xác định khu vực có nguy cơ lũ và mức độ của chúng. Dữ liệu dùng trong nghiên cứu này bao gồm các yếu tố ảnh hưởng đến lũ như: lượng mưa, lưu lượng nước trên các sông và các hoạt động của con người trong khu vực. Ngoài ra, tác giả còn thu thập các dữ liệu từ thực địa, ảnh vệ tinh và bản đồ địa hình để có được thông tin về sử dụng đất, thực phủ và thổ nhưỡng.
Từ đó, thành lập được các bản đồ chuyên đề về sử dụng đất, thổ nhưỡng, độ cao và mạng lưới sông suối. Đây chính là tài liệu để tác giả phân vùng nguy cơ lũ trong khu vực nghiên cứu với 5 cấp độ nguy cơ. Bản đồ phân vùng nguy cơ này mặc dù tương đối chi tiết, cụ thể nhưng lại không đề cập đến một số các yếu tố khác cũng là nguyên nhân gây ra lũ như độ dốc, độ cao, thực phủ, cơ sở hạ tầng… [95]. Các tiêu chí mà Nyarko [95] không quan tâm có thể không thực sự cần thiết với quy mô không phải lưu vực và địa điểm nghiên cứu là đô thị.
Công bố mới đây, tháng 4/2016 của Gholami và đồng nghiệp [68] thuộc trường Đại học Guilan và Đại học Shahryar, Iran đã chứng tỏ điều đó. Tác giả cũng ứng dụng hệ thông tin địa lý và phần mềm HEC-RAS để mô phỏng đặc điểm thuỷ lực của các dòng sông và thành lập bản đồ phân vùng nguy cơ lũ. Mặc dù vậy, nghiên cứu này thực hiện ở thành phố lớn có mật độ dân số cao và giống như [95], dữ liệu sử dụng chủ yếu chỉ là số liệu thuỷ văn, thuỷ lực như độ sâu, lưu lượng dòng chảy, vận tốc dòng 12 chảy…mà không xem xét đến các dữ liệu địa hình, thực phủ, thổ nhưỡng và một số các nhân tố khác cũng là nguyên nhân gây ra lũ [68]. Trong khi Nyarko [95] và Gholami [68] không quan tâm đến lớp phủ thực vật thì Shahiri [115] và Golshan [72] lại sử dụng tiêu chí này kết hợp với điều kiện hình học của sông và kích thước của lòng sông để xác định hệ số nhám bằng phương pháp Manning.
Hệ số này cùng với các số liệu đặc trưng thuỷ lực của dòng chảy như: hệ số tổn thất năng lượng, lưu lượng dòng chảy sông, tốc độ dòng chảy, điều kiện biên…để chạy mô hình HEC-RAS, từ đó phân vùng nguy cơ lũ trong khu vực nghiên cứu. Mặc dù lớp phủ thực vật không được coi là tiêu chí ảnh hưởng đến lũ trong nghiên cứu [53], nhưng Asare-Kyei và cộng sự lại sử dụng các tham số là nguyên nhân gây ra lũ: sử dụng đất, loại và cấu trúc của đất, độ dốc, lượng mưa và khu vực thoát nước kết hợp mô hinh thuỷ lực với mô hình thống kê và dữ liệu viễn thám để xác định các vùng có nguy cơ lũ lụt ở Ghana, Burkina Faso và Benin dựa vào chỉ số nguy cơ lũ lụt (FHI). Một phương pháp nữa cũng thường được tiếp cận khi phân vùng nguy cơ lũ là sử dụng mô hình thống kê và phổ biến hơn cả là phân tích thống kê đa biến. Với mô hình này, dữ liệu đầu vào sẽ lấy tại các khu vực đã xảy ra lũ hoặc chiết tách từ các loại bản đồ chuyên đề hoặc ảnh viễn thám.
Tuy nhiên, việc chuẩn bị dữ liệu đầy đủ để thực hiện mô hình thống kê không phải dễ dàng do lũ đã xảy ra trong quá khứ. Vì vậy, nghiên cứu theo phương pháp này có thể sẽ không có nhiều dữ liệu. Điển hình là nghiên cứu phân vùng nguy cơ lũ cho toàn bộ nước Ý bằng phương pháp mô hình phân loại thống kê hồi qui logicstic chỉ với dữ liệu của 4 yếu tố bao gồm: mạng lưới sông suối, khoảng cách đến chỗ thoát nước gần nhất và chênh cao [91]. Mặc dù khó khăn trong việc thu thập số liệu, nhưng nguồn để chiết tách dữ liệu lại được các nhà khoa học tận dụng một cách hiệu quả.
Do đó, khác với [91], dữ liệu được Pradhan sử dụng trong mô hình hồi qui logic và GIS để thành lập bản đồ nguy cơ lũ cho một phần lưu vực sông Kelartan, Malaysia không phải là ít. Tác giả xác định vị trí lũ xảy ra trong qua khứ bằng ảnh RADARSAT và dữ liệu không gian được lấy từ bản đồ địa 13 hình, bản đồ địa lý, bản đồ thuỷ văn, bản đồ đất, bản đồ lớp phủ, mô hình số độ cao và lượng mưa được lấy từ các trạm đo mưa thực tế [101]. Tuy nhiên, nguồn dữ liệu không thể sẵn có với mọi khu vực nghiên cứu, nên khi dự đoán khu vực có khả năng xuất hiện lũ, mô hình thống kê đa biến thường được kết hợp với các mô hình mô hình cây quyết định (decision tree) và mô hình tập hợp (ensemble model) như trong nghiên cứu [121]. Với cách kết hợp này, các nhà khoa học đã khai thác dữ liệu theo 2 phương pháp mô hình cây quyết định và mô hình tập hợp, kết hợp của phương pháp thống kê tỷ lệ tần suất (frequency ratio – FR) và phương pháp thống kê hồi qui logistic (logistic regression – LR).
Từ các dữ liệu không gian: mô hình số độ cao, địa hình, địa chất, hệ thống sông, chỉ số năng lượng dòng chảy (stream power index – SPI), lượng mưa, sử dụng đất, loại đất, chỉ số ẩm ướt địa hình, độ dốc các tác giả đã thành lập bản đồ nhạy cảm lũ. Ngoài việc sử dụng mô hình thuỷ văn, thủy lực và dữ liệu viễn thám, mô hình thống kê, phương pháp phân tích đa tiêu chí cũng được ứng dụng trong phân vùng nguy cơ lũ. Năm 1987, giáo sư Satty đã công bố phương pháp quá trình phân tích thứ bậc AHP (Analysis Hierachy Process) [110]. Cùng với thời gian, thuật toán này được ứng dụng trong nhiều lĩnh vực trong đó có tài nguyên môi trường.