BỘ GIÁO DỤC VÀ ĐÀO TẠO BỘ NÔNG NGHIỆP VÀ PTNT
TRƯỜNG ĐẠI HỌC THỦY LỢI
NGUYỄN VĂN HIẾU
NGHIÊN CỨU NÂNG CAO CHẤT LƯỢNG DỰ BÁO MƯA, LŨ PHỤC VỤ VẬN HÀNH CÁC HỒ CHỨA TRÊN LƯU VỰC SÔNG BA
Ngành: Thủy văn học Mã số: 9 44 02 24
TÓM TẮT LUẬN ÁN TIẾN SỸ KỸ THUẬT
HÀ NỘI, 2020
Công trình hoàn thành tại: Trường Đại học Thủy lợi
Người hướng dẫn khoa học: GS. TS. Vũ Minh Cát
Phản biện 1: PGS. TS. Nguyễn Tiền Giang
Phản biện 2: TS. Nguyễn Tiến Thành
Phản biện 3: TS. Võ Văn Hòa
Luận án sẽ được bảo vệ trước Hội đồng chấm luận án cấp trường tại:
Trường Đại học Thủy lợi vào hồi giờ ngày tháng năm 2020.
Có thể tìm thấy Luận án tại:
- Thư viện Quốc gia Việt Nam
- Thư viện Trường Đại học Thủy lợi
MỞ ĐẦU
1. Cơ sở lựa chọn nghiên cứu
Hệ thống sông Ba là một trong 9 hệ thống sông lớn ở Việt Nam. Hiện tại trên
lưu vực có 5 hồ chứa lớn Ayun Hạ, An Khê – Ka Nak, Krông HNăng, Sông Hinh và Ba Hạ với tổng dung tích phòng lũ của các hồ là 260,5*106 m3 – một con số khá nhỏ so với tổng lượng lũ 5 ngày lớn nhất đã xảy ra tại Củng Sơn là 2.507,3*106 m3. Do đó, nếu dự báo được chính xác lượng mưa và dòng chảy lũ
đến hồ với thời gian dự kiến dài hơn sẽ tạo điều kiện cho các chủ hồ vận hành
chủ động, tránh được hiện tượng “xả sốc” xuống hạ du (lưu lượng xả tăng đột ngột từ 0 m3 đến giá trị lưu lượng lớn nhất xuống hạ lưu), gây ngập lụt và thiệt
hại về người và tài sản cho hạ du.
Vì vậy, việc “Nghiên cứu nâng cao chất lượng dự báo mưa, lũ phục vụ vận
hành các hồ chứa trên lưu vực sông Ba” là cần thiết và cấp bách nhằm đưa
ra được luận cứ khoa học và phương pháp nhằm nâng cao chất lượng dự báo
mưa, lũ trung hạn để chủ động vận hành các hồ chứa theo đúng quy trình vận
hành liên hồ trên lưu vực sông Ba.
2. Mục tiêu nghiên cứu và các điểm mới
2.1. Mục tiêu nghiên cứu
- Nghiên cứu, lựa chọn và sử dụng mô hình số trị phù hợp để dự báo mưa
với thời gian dự kiến từ 72 đến 120 giờ.
- Nghiên cứu, lựa chọn và sử dụng mô hình thủy văn phù hợp để dự báo lũ
đến các hồ chứa trên lưu vực sông Ba phục vụ điều hành hệ thống liên hồ
theo Quyết định 878/QĐ-TTG ngày 18 tháng 7 năm 2018 của Thủ tướng
Chính phủ.
2.2. Những đóng góp mới của luận án
- Nghiên cứu xây dựng được cơ sở khoa học lựa chọn mô hình số trị IFS và
WRFARW để dự báo định lượng mưa với việc kéo dài thời gian dự kiến từ
1
48 giờ hiện tại lên tới từ 72 giờ đến 120 giờ có độ phân giải từ (14 x14) km
đến độ phân giải (5x5) km trên lưu vực sông Ba và bộ mô hình thủy văn
MIKE-NAM và HEC-HMS để dự báo trước dòng chảy tới hồ trước từ 03
đến 05 ngày.
- Ứng dụng thành công bộ mô hình mưa số trị và bộ mô hình thủy văn để thử
nghiệm dự báo dòng chảy lũ tới 04 hồ trên lưu vực, phục vụ công tác điều
hành các hồ chứa lưu vực sông Ba.
3. Phạm vi và đối tượng nghiên cứu
3.1. Phạm vi nghiên cứu
Về không gian: Nghiên cứu dự báo dòng chảy lũ đến 04 hồ chứa trên lưu vực sông Ba có dung tích trên 100 triệu m3, bao gồm hồ Sông Hinh, Krông H’năng, Ayun Hạ và An Khê.
Về thời gian: Tăng thời gian dự kiến của dự báo từ 24 – 48 giờ hiện nay lên
72 đến 120 giờ.
3.2. Đối tượng nghiên cứu
Các yếu tố mưa sinh lũ và dòng chảy lũ đến 04 hồ chứa lớn thuộc lưu vực
sông Ba là đối tượng nghiên cứu của đề tài.
4. Ý nghĩa khoa học và thực tiễn
4.1. Ý nghĩa khoa học
Đã lựa chọn, thử nghiệm, kiểm chứng và ứng dụng mô hình số trị IFS và
WRFARW để dự báo định lượng mưa có độ phân giải từ (14 x14) km đến
độ phân giải (5x5) km trên lưu vực sông Ba, giúp nâng cao độ chính xác của
kết quả dự báo và mở rộng được thời gian dự kiến từ 48 giờ hiện tại lên tới
từ 72 giờ đến 120 giờ.
Đã ứng dụng bộ mô hình thủy văn MIKE-NAM và HEC-HMS, có kiểm định,
kết hợp với các phân tích, hiệu chỉnh các yếu tố ảnh hưởng đến sự hình thành
dòng chảy trên lưu vực như các yếu tố địa hình, địa chất, thổ nhưỡng và lớp
2
phủ để dự báo định lượng dòng chảy đến hồ phục vụ điều hành các hồ chứa,
phòng tránh ngập lụt cho hạ du lưu vực sông Ba.
4.2. Ý nghĩa thực tiễn
Xây dựng được bộ công cụ dự báo lũ với độ chính xác cao và thời gian mở
rộng hơn từ 48 giờ trước đây lên tới 120 giờ, có thể sử dụng trong nghiệp vụ
nhằm nâng cao độ chính xác dự báo, kéo dài thời gian dự kiến từ 48 giờ hiện
tại lên tới từ 72 giờ đến 120 giờ và tăng độ phân giải trong dự báo mưa cũng
như giúp cho việc điều hành các hồ chứa linh hoạt hơn, có thêm nhiều lựa
chọn đạt được hiệu quả cao nhất, đảm bảo an toàn hồ chứa, giảm thiểu lũ,
ngập lụt cho vùng hạ du.
Phương pháp dự báo mưa, lũ trung hạn cho lưu vực sông Ba có thể dùng là
tài liệu học tập cho sinh viên và tài liệu tham khảo cho các NCS và học viên
cao học.
5. Kết cấu của luận án
Ngoài phần mở đầu, kêt luận, danh mục tài liệu tham khảo, các phụ lục, luận
án được kết cấu thành 03 chương:
Chương 1: Tổng quan nghiên cứu dự báo mưa, lũ hạn vừa.
Chương 2: Xây dựng cơ sở khoa học dự báo mưa, lũ hạn vừa.
Chương 3: Kết quả nghiên cứu mưa, lũ cho lưu vực sông Ba.
CHƯƠNG 1 TỔNG QUAN NGHIÊN CỨU DỰ BÁO MƯA VÀ DỰ BÁO LŨ HẠN VỪA
1.1. Tổng quan nghiên cứu về dự báo mưa, dự báo lũ hạn vừa trên thế giới
Hiện nay, dự báo hạn vừa là một phần không thể thiếu đối với tất cả các trung
tâm dự báo lớn trên thế giới. Hầu hết cách tiếp cận đối với dự báo hạn vừa
đều dựa trên phương pháp dự báo tổ hợp nhằm nắm bắt được các nguồn bất
định do trường ban đầu gây ra.
3
Năm 1992, Trung tâm dự báo hạn vừa Châu Âu, EPS cũng sử dụng phương
pháp SV (Singular Vector) để tạo nhiễu động ban đầu (Palmer và cộng sự,
1992) [4]. EPS này hiện nay có 51 dự báo thành phần, thực hiện dự báo hàng
ngày và cung cấp kết quả cho các nước trong Cộng đồng Châu Âu là thành
viên của ECMWF. Hệ thống EPS này có tên gọi VAREPS (Variable
Resolution EPS) hạn dự báo 15 ngày, trong đó 9 ngày đầu hệ thống chạy với
độ phân giải TL399L62 (khoảng 50 km, 62 mực) và 6 ngày sau với độ phân
giải TL255L62 (khoảng 80 km, 62 mực). Đây là EPS hạn vừa có độ phân
giải cao nhất hiện nay trên thế giới.
Tại NCEP, mô hình GFS được chạy 4 phiên trong ngày, cách nhau 06 tiếng
với các tùy chọn độ phân giải là 0.25x0.25 độ, 0.5x0.5 độ và 1.0x1.0 độ kinh
vĩ. Thời hạn dự báo của mô hình lên đến 384h (15 ngày) hoàn toàn có thể
đáp ứng được nhu cầu dự báo mưa hạn vừa, làm đầu vào cho các mô hình
thủy văn hiện nay.
Trong một nghiên cứu của F. Pappenberger và cộng sự vào năm 2008, mô
hình LISFLOOD cũng đã được sử dụng để nghiên cứu trận lũ năm 2007 tại
Romania, sử dụng đầu vào là lượng mưa dự báo từ các dự báo tổ hợp của
nhiều trung tâm lớn trên thế giới như ECMWF, UKMO, JMA, NCEP, CMA,
CMC, BOM. Các kết quả đưa ra có thể cảnh báo được trận lũ trước 8 ngày.
Kết quả cũng cho thấy dự báo tổ hợp theo cách tiếp cận đa mô hình có đặc
tính trung bình tốt nhất là của ECMWF va UKMO, các kết quả mô phỏng rất
tốt phần đuôi của hàm phân bố tức là các giá trị cực trị có thể xảy ra.
V.Thiemig và nnk (2015) đã sử dụng hệ thống dự báo lũ tổ hợp (AFFS) cho
các sông có quy mô vừa đến lớn ở Châu phi với thời đoạn dự báo 15 ngày.
Thành phần chính của hệ thống dự báo là mô hình thủy văn thông số phân
bố LISFLOOD với số liệu GIS và số liệu mưa dự báo từ trung tâm ECMWF.
Trận lũ tháng 3 năm 2003 tại lưu vực sông Sabi (Zimbabwe) được sử dung
dể mô phỏng với kết quả được kiểm định tại 36 điểm quan trắc trên lưu vực.
4
Quá trình kiểm định AFFS cho kết quả khá tốt (dự báo đạt trên 70%). Đặc
biệt, hệ thống cho kết quả dự báo lũ tốt với thời gian dự báo dài (lớn hơn 1 tuần) và các lưu vực có diện tích lớn (trên 10000 km2). Có thể thấy rằng việc sử dụng số liệu mưa dự báo định lượng từ trung tâm ECMWF cho công tác
dự báo lũ hạn vừa sẽ cho kết quả khá tốt.
1.2. Tổng quan nghiên cứu về dự báo mưa, lũ hạn vừa ở Việt Nam và lưu vực sông Ba
Hiện tại, các mô hình HRM, COSMO và WRF đang được chạy nghiệp vụ tại
Trung tâm dự báo KTTV quốc gia, mô hình MM5 và WRF đã và đang được
chạy dự báo thử nghiệm tại Viện khoa học KTTV và Biến đổi khí hậu và mô
hình RAMS đang được chạy thử nghiệm dự báo ở Khoa KTTV và Hải dương
học, Trường Đại học khoa học tự nhiên.
Trong luận án, mô hình WRF đang chạy nghiệp vụ tại Trung tâm dự báo
KTTV quốc gia được lựa chọn vì các lý do như sau:
+ Đây là mô hình NWP khu vực dạng bất thủy tĩnh và đang được chạy nghiệp
vụ với độ phân giải 5km.
+ WRF có hệ thống đồng hóa số liệu 3DVAR được tích hợp bên trong mô hình
và có thể đồng hóa được nhiều loại số liệu viễn thám như vệ tinh, ra đa, ….
+ WRF đã được đánh giá và kiểm chứng trong nhiều công trình nghiên cứu
khoa học và được đánh giá là có kỹ năng dự báo mưa lớn tốt cho khu vực
miền Trung Việt Nam (Bùi Minh Tăng và cộng sự, 2014).
Trường phân tích và dự báo của mô hình NWP toàn cầu IFS của ECMWF
có độ phân giải 12km được lựa chọn để làm điều kiện ban đầu và điều kiện
biên phụ thuộc vào thời gian mô hình WRF có độ phân giải 5km. Mô hình
IFS được lựa chọn do đây là mô hình NWP toàn cầu được đánh giá tốt nhất
thế giới hiện nay và cũng là mô hình toàn cầu có độ phân giải cao nhất hiện
tại (Võ Văn Hòa và cộng sự, 2017).
5
Hình 1.1 sau đây trình bày sơ đồ khối và giới thiệu tóm tắt về các phương
pháp, mô hình được sử dụng trong nghiên cứu theo từng mục tiêu cụ thể.
Lưu vực sông Ba là một sông lớn
ở Miền Trung và Tây Nguyên, mật
độ lưới trạm quan trắc lại thưa nên
công nghệ dự báo mưa lớn nhất
thiết phải là công nghệ dự báo định
lượng, khách quan, có độ phân giải
lớn và có khả năng tích hợp với các
công nghệ dự báo lũ hiện tại. Nói
cách khác, hướng nghiên cứu ứng
Hình 1.1 Sơ đồ tiếp cận nghiên cứu trong luận án dụng các mô hình NWP phân giải
rất cao, dạng bất thủy tĩnh với độ phân giải ngang khoảng 5km để có thể nắm
bắt tốt các quá trình đối lưu quy mô nhỏ và vừa. Do đó, hướng nghiên cứu ứng
dụng các mô hình NWP là lựa chọn phù hợp nhất để dự báo mưa lớn của lưu
vực sông Ba trong đó độ phân giải ngang dao động trong khoảng 5km. Vì vậy,
trong nghiên cứu này NCS sẽ sử dụng mô hình IFS và mô hình WRF-ARW
để dự báo mưa cho lưu vực sông Ba.
CHƯƠNG 2 CƠ SỞ KHOA HỌC DỰ BÁO MƯA VÀ DỰ BÁO LŨ HẠN VỪA CHO LƯU VỰC SÔNG BA
2.1. Giới thiệu tổng quan về lưu vực sông Ba
Lưu vực sông Ba là một trong những lưu vực lớn nhất khu vực miền Trung, với tổng diện tích lưu vực là 13.417 km2. Đây cũng là lưu vực lớn nằm trọn
trong lãnh thổ Việt Nam. Chiều dài dòng chính là khoảng 374 km, bắt nguồn
từ dãy núi Ngọc Rô (Kon Tum) cao độ 1.549 m chảy qua tỉnh Kon Tum và
Gia Lai theo hướng Bắc Nam, chuyển sang hướng Tây Bắc - Đông Nam từ
huyện Krông Pa của Gia Lai rồi hướng tây đông từ địa phận tỉnh Phú Yên,
cuối cùng đổ vào biển Đông ở cửa biển Đà Rằng ngay thành phố Tuy Hòa.
6
Do có lượng dòng chảy lớn kết
hợp với độ dốc cao nên tiềm
năng thủy điện trên dòng chính
và các nhánh trên lưu vực sông
Ba rất lớn. Theo quy hoạch thủy
điện, dự kiến sẽ có 12 công
trình thủy điện là: An Khê-Ka
Nak, ĐakSRông, Sông Ba
thượng, Ayun thượng 1, 2,
HChan, HMun, Ayun hạ, Ea
KRông Hnăng, Sông Ba hạ,
Sông Hinh có tổng công suất
lắp máy 700 MW với điện năng Hình 2.1 Bản đồ lưu vực sông Ba năm 2,6 tỷ KWh.
2.2. Xây dựng phương pháp dự báo mưa trên lưu vực sông Ba
2.2.1. Mô hình số trị dự báo mưa cho lưu vực sông Ba
Mô hình WRFARW được sử dụng trong nghiên cứu này được chạy với độ
phân giải 5km trong đó miền tích phân bao phủ vùng từ 12ºN-15ºN; 107ºE-
110ºE (xem hình 2.6 dưới đây) với độ phân giải ngang tương ứng là 5km (90
x 90 điểm nút lưới) và 50 mực thẳng đứng. Mô hình này đều được chạy dưới
dạng bất thủy tĩnh với bước tích phân thời gian là 20 giây do độ phân giải
được chọn dưới 7km. Việc lựa chọn độ phân giải 5km là do trường ban đầu
và điều kiện biên phụ thuộc vào thời gian cho WRF được lấy từ mô hình IFS
có độ phân giải 14km.
Qui trình chạy mô hình WRFARW cho một lần dự báo được thực hiện như sau:
Bước 1. Tải số liệu IFS gồm các trường phân tích và dự báo (cách nhau 3 giờ
một) cho đến hạn dự báo 3 ngày.
7
Bước 2. Giải mã và cắt miền số liệu về miền số liệu phù hợp để giảm thiểu
dung lượng số liệu đầu vào.
Bước 3. Thực hiện nội suy số liệu IFS từ lưới kinh vĩ có độ phân giải 14km
về lưới kinh vĩ có độ phân giải 5km.
Bước 4. Thực hiện nội suy thẳng đứng từ 26 mực áp suất của số liệu IFS về
50 mực thẳng đứng của mô hình WRFARW.
Bước 5. Khai báo thời gian chạy và đường dẫn số liệu cho tệp tin đầu vào
của mô hình WRFARW.
Bước 6. Thực hiện chạy mô hình WRFARW.
Bước 7. Giải mã số liệu mưa dự báo từ mô hình WRFARW và nội suy số
liệu mưa dự bao về các điểm trạm theo phương pháp nội suy điểm gần nhất.
2.2.2. Phương pháp hiệu chỉnh dể xác định mưa dự báo
Cách tiếp cận nghiên cứu được xác định qua các bước sau:
- Bước 1: Đánh giá kết quả dự báo lượng mưa
- Bước 2: Xây dựng hệ số hiệu chỉnh và thực hiện hiệu chỉnh lượng mưa dự báo
- Bước 3: Xây dựng trường hệ số hiệu chỉnh làm đầu vào cho hệ thống mô
hình thủy văn.
Dựa trên các kết quả dự báo và
quan trắc lượng mưa tích lũy,
nghiên cứu tiến hành xây dựng
phương trình hồi quy cho từng
thời đoạn dự báo. Với khoảng
thời gian dự báo trước từ 0 đến
240h, tương ứng 40 thời đoạn
mưa tích lũy 6h được hiệu chỉnh.
Hình 2.11 Sơ đồ khối cơ sở phương pháp tính mưa dự báo
8
Như vậy, với mỗi thời đoạn dự báo, các phương trình hồi quy tuyến tính được
xây dựng riêng.
Trên cơ sở phương pháp hồi quy tuyến tính đơn biến, nghiên cứu tiến hành
hiệu chỉnh lượng mưa cho từng thời đoạn dự báo. Lượng mưa dự báo được
hiệu chỉnh dựa trên các hệ số “a” và “b” của phương trình hồi quy.
Như vậy, cơ sở phương pháp được sử dụng để dự báo mưa theo mô hình số
trị được thực hiện theo sơ đồ khối như hình 2.11.
2.2.3. Xây dựng phương pháp dự báo lũ hạn vừa lưu vực sông Ba
Để tiến hành dự báo lũ
bằng việc sử dụng mô hình
MIKE NAM và mô hình
HEC-HMS từ dữ liệu mưa
dự báo bằng phương pháp
số trị, cần thiết phải thực
hiện các bước cơ bản sau:
Lưu vực sông Ba sẽ được
phủ hoàn toàn bằng một
vùng vuông được giới hạn
Hình 2.12 Sơ đồ khối quy trình dự báo lũ hạn vừa theo mô hình MIKE NAM và HEC-HMS từ dữ liệu mưa dự báo theo phương pháp số trị
bởi 4 góc có tọa độ là 12ºN
÷ 15ºN và 107ºE ÷ 110ºE.
Vùng vuông này sẽ được chia nhỏ thành một mạng lưới các ô vuông có kích
thước bằng nhau: Với kích thước ô lưới có diện tích là (14×14) km thì phần
giới hạn này sẽ có (39×39) ô vuông và với kích thước ô lưới được làm mịn
hơn, với diện tích là (5×5) km thì phần giới hạn này sẽ có (90×90) ô vuông.
Hệ thống lưới ô vuông này sẽ được chia lưới bằng công cụ GIS và chồng
chập lên phần lưu vực sông Ba đã được thiết lập từ trước (hình 2.14-2.15).
Để dễ dàng cho việc xác định vị trí các ô lưới, nghiên cứu thực hiện việc
đánh dấu theo hàng (chữ cái in hoa) và cột (số thứ tự).
9
Giá trị mưa dự báo sẽ được xác định cho mỗi một ô vuông theo kích thước
(14×14) km hay (5×5) km và lượng mưa này được xem là trải đều trên toàn
phần diện tích đó.
Trong nghiên cứu này, mỗi ô vuông được xem là phần diện tích của lưu vực
có lượng mưa được dự báo tại ô đó. Vì vậy, cũng giống như phương pháp
tính mưa bình quân lưu vực theo đa giác Theissen, ở đây coi fi là diện tích
của ô vuông nằm trong phần lưu vực tính toán. Kết quả sẽ thu được trọng số
của từng ô lưới theo kích thức (5×5) km hay (14×14) km (chú ý rằng tổng
trọng số của tất cả các ô lưới là bằng 1.0). Từ đó sẽ tính lượng mưa bình quân
lưu vực trước khi đưa vào mô hình dự báo lũ.
Hình 2.14 Phân chia ô lưới độ phân giải (14×14) km cho lưu vực Sông Ba Hình 2.15 Phân chia ô lưới độ phân giải (5×5) km cho lưu vực Sông Ba
Luận án sẽ tiến hành hiệu chỉnh và kiểm định cho từng tiểu lưu vực cụ thể
trong phạm vi nghiên cứu là: Tiểu lưu vực An Khê, tiểu lưu vực Ayun Hạ,
tiểu lưu vực Krong Hnang và tiểu lưu vực sông Hinh theo từng loại mô hình
MIKE NAM và mô hình HEC-HMS.
Dữ liệu mưa, bốc hơi quan trắc tại trạm trên các tiểu lưu vực được đưa vào
hiệu chỉnh và kiểm định mô hình.
Trên cơ sở so sánh giữa lưu lượng mô phỏng và thực đo tại trạm để cân chỉnh
và tìm bộ thông số tối ưu trên từng tiểu lưu vực đảm bảo đủ độ tin cậy.
10
KẾT LUẬN CHƯƠNG 2
Để dự báo lũ hạn vừa, nghiên cứu sẽ tiến hành hiệu chỉnh, kiểm định riêng
biệt cho từng tiểu lưu vực bằng 2 mô hình là mô hình MIKE NAM và mô
hình HEC-HMS nhằm xác định được bộ thông số tối ưu và đảm bảo mô
phỏng tốt quá trình mưa sinh dòng chảy trên từng tiểu lưu vực.
Đầu vào cơ bản cho mô hình dự báo lũ là giá trị mưa dự báo trên các ô lưới.
Nghiên cứu coi mỗi ô lưới là một phần diện tích trên lưu vực mà giá trị mưa
đó khống chế, từ đó tính trọng số cho mỗi ô lưới và cuối cùng là tính lượng
mưa bình quân lưu vực theo phương pháp bình quân trọng số.
Kết quả dự báo lũ từ dữ liệu mưa dự báo sẽ được đánh giá sai số, các tiêu chí
kiểm định, chất lượng dự báo và kiến nghị áp dụng thực tế.
CHƯƠNG 3 KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
3.1. Kết quả dự báo mưa trên lưu vực sông Ba
3.1.1. Kết quả dự báo từ mô hình
Mưa dự báo của 2 mô hình được lựa chọn từ các trận lũ lịch sử thể hiện trong
bảng 3.2 (Số liệu rain_wrfarw với kích thước (5x5km) tạo thành chuỗi ô lưới
(90 x 90) ô, trong khi số liệu rain_ifs có kích thước (14x14km) km tạo thành
chuỗi ô lưới (39x39) ô trải đều trên lưu vực sông Ba.
Bảng 3.2 Thời gian tính mưa dự báo bằng mô hình IFS và WRFARW
Năm
2017
2016
2015
2014
2013
2012
01-06/12
1-5/11
7-12/10
27/11-1/12
3-8/11
3-7/10
Thời gian
02/12/17
15-18/12
11
Hình 3.9 Định dạng số liệu mưa dự Hình 10 Định dạng số liệu mưa dự báo
báo từ mô hình IFS (39x39) ô lưới từ mô hình WRFARW (90x90) ô lưới
Kết quả dự báo mưa cho lưu vực sông Ba từ 2 mô hình được phủ trên toàn
bộ lưu vực với miền tính là 12ºN-15ºN và 107ºE-110ºE. Hạn dự báo 120 giờ
cho mô hình IFS và 72 giờ cho mô hình WRFARW với định dạng như hình
3.9-3.10.
3.1.2 Đánh giá kỹ năng dự báo của mô hình
Để đánh giá và chỉ ra kỹ năng dự báo mưa lớn của mô hình WRFARW cho
khu vực miền Trung, luận án đã thực hiện đánh giá chất lượng dự báo mưa
cho khu vực nghiên cứu dựa trên 8 đợt mưa lớn trong các năm 2013-2017.
Tổng cộng có hơn 50 mẫu được thu thập để phục vụ đánh giá. Trung bình
mỗi đợt mưa lớn kéo dài 3 ngày với tổng lượng mưa trung bình cả đợt từ
250-300mm. Việc kiểm chứng tính hiệu quả theo cách tiếp cận hạ quy mô
động lực dự bán mưa được thực hiện cho cả mô hình WRFARW và mô hình
IFS. Các giá trị dự báo định lượng mưa từ các mô hình IFS và WRFARW
được nội suy về điểm trạm quan trắc theo phương pháp nội suy điểm gần
nhất (giá trị dự báo mưa tại trạm sẽ là giá trị dự báo mưa tại điểm nút lưới
gần nhất với trạm). Trong lưu vực sông Ba có 12 trạm quan trắc mưa được
sử dụng để đánh giá chất lượng dự báo.
Lượng mưa tích lũy 24h được sử dụng để đánh giá và các ngưỡng mưa
50mm/24h và 100mm/24h được sử dụng để đánh giá và so sánh các kỹ năng
dự báo pha mưa lớn và rất lớn giữa 2 mô hình IFS và WRF. Các hạn dự báo
12
24h, 48h và 72h được đưa vào đánh giá, trong đó lượng mưa tích lũy từ 0-
24h được gọi là dự báo mưa ngày thứ 1, từ 24-48h được gọi là ngày thứ 2 và
48-72h được gọi là ngày thứ 3. Các chỉ số sai số trung bình (ME), sai số tuyệt
đối (MAE) và sai số quân phương (RMSE) được sử dụng để đánh giá kỹ
năng dự báo định lượng mưa. Ngoài ra, các chỉ số BIAS, POD, FAR và ETS
cũng được sử dụng để đánh giá kỹ năng dự báo pha mưa lớn và rất lớn, trong
đó chỉ số BIAS cho biết khuynh hướng sai số là thiên cao (BIAS > 1) hay
thiên thấp (BIAS < 1); các chỉ số POD và FAR lần lượt cho biết tỷ lệ dự báo
đúng (POD càng gần 1 càng tốt) và tỷ lệ dự báo khống (FAR càng gần 0 càng
tốt). Chỉ số ETS là chỉ số tổng hợp cho biết toàn bộ kỹ năng dự báo pha và
bao hàm các khía cạnh của các chỉ số BIAS, POD và FAR, chỉ số ETS càng
gần 1 càng tốt.
Bảng 3.4 Kết quả đánh giá và so sánh chất lượng dự báo định lượng mưa
cho mô hình IFS (14km) và mô hình WRF (5km) Mô hình IFS (14x14) km
Mô hình WRF (5x5) km
ME (mm/24h)
MAE (mm/24h)
RMSE (mm/24h)
ME (mm/24h)
MAE (mm/24h)
RMSE (mm/24h)
- 12
22
29
-8
16
20
-19
32
46
-12
21
25
-22
41
52
-16
30
32
Lượng mưa dự báo Ngày 1 Ngày 2 Ngày 3
Tượng tự bảng 3.4, các bảng 3.5 và 3.6 lần lượt đưa ra kết quả tính toán các
chỉ số BIAS, POD, FAR và ETS cho các ngưỡng mưa to và rất to. Từ các
bảng này có thể thấy khuynh hướng sai số dự báo thiên thấp xảy ra ở cả IFS
và WRF, nhưng WRF vẫn có kỹ năng dự báo tốt hơn IFS, đặc biệt là tại
ngưỡng mưa lớn. Về kỹ năng dự báo đúng hiện tượng có xảy ra (qua chỉ số
POD) thì mô hình WRF có kỹ năng tốt hơn so với IFS, đặc biệt là tại các hạn
dự báo 48 và 72h tại cả hai ngưỡng mưa to và rất to. Tương tự, tỷ lệ dự báo
khống (chỉ số FAR: dự báo có xảy ra hiện tượng nhưng trên thực tế không
13
xảy ra) cũng giảm đáng kể sau khi hạ quy mô động lực bằng mô hình WRF.
Từ kết quả đánh giá và so sánh trên các bảng 3.3 và 3.4, dễ dàng nhận thấy
mô hình WRF có chất lượng dự báo mưa to và rất to tốt hơn nhiều so với mô
hình IFS (xem chỉ số ETS).
Bảng 3.5 Kết quả đánh giá và so sánh chất lượng dự báo pha mưa cho mô
hình IFS (14km) và mô hình WRF (5km) với ngưỡng mưa to (>50mm/24h)
Mô hình IFS (14x14) km
Mô hình WRF (5x5) km
BIAS POD FAR
ETS BIAS POD
FAR
ETS
0.33 0.15
0.42 0.28
0.32 0.49
0.21 0.10
0.65 0.38
0.75 0.56
0.25 0.33
0.34 0.28
Lượng mưa dự báo Ngày 1 Ngày 2
0.13
0.62
0.09
0.24
0.34
0.42
0.19
Ngày 3
-0.08
Bảng 3.6 Kết quả đánh giá và so sánh chất lượng dự báo pha mưa cho mô
hình IFS (14km) và mô hình WRF (5km) với ngưỡng mưa rất to
(>100mm/24h)
Mô hình IFS 14km
Mô hình WRF 5km
BIAS POD FAR
ETS BIAS POD
FAR
ETS
Lượng mưa dự báo Ngày 1
0.21
0.36
0.46
0.13
0.46
0.45
0.22
0.28
Ngày 2 Ngày 3
-0.09 -0.24
0.22 0.09
0.59 0.72
0.08 0.02
0.30 0.21
0.38 0.20
0.41 0.48
0.20 0.15
3.1.3 Hiệu chỉnh và tính toán giá trị mưa dự báo
Các bước thực hiện việc hiệu chỉnh cũng như phương pháp tính toán lại giá
trị mưa dự báo đã được trình bày trong chương 2. Dựa trên các kết quả dự
báo và quan trắc lượng mưa tích lũy, luận án tiến hành xây dựng phương
trình hồi quy cho từng thời đoạn dự báo. Với khoảng thời gian dự báo trước
từ 0 đến 240h, tương ứng 40 thời đoạn mưa tích lũy 6h được hiệu chỉnh. Như
vậy, với mỗi thời đoạn dự báo, các phương trình hồi quy tuyến tính được xây
dựng riêng.
14
Hình 3.18 Hệ số tương quan (HSTQ) giữa
3.1.3.1. Đánh giá giá kết quả dự báo lượng mưa chưa hiệu chỉnh thống kê
Hình 3.17 Chỉ số ME của lượng mưa dự
lượng mưa dự báo với số liệu quan trắc
báo tích lũy 6h với số liệu quan trắc (mm)
Hình 3.17 trình bày kết quả tính toán chỉ số ME (mm) giữa lượng mưa dự báo với số liệu quan trắc thực tế tại một số trạm trong khu vực nghiên cứu. Có thể nhận thấy mô hình có thiên hướng dự báo lượng mưa thấp hơn so với thực tế, với chỉ số ME phổ biến từ - 4,85 mm đến khoảng 0 mm, trong đó sai số dự báo rõ ràng nhất tại trạm An Khê và Buôn Hồ, với chỉ số ME phổ biến nhỏ hơn -2mm, đặc biệt là tại trạm An Khê. Sai số dự báo nhỏ tại trạm Kon Tum và Pleiku với chỉ số ME phổ biến dao động trong khoảng từ -1mm đến dưới 1mm. Bên cạnh đó, kết quả dự báo cũng cho thấy, sai số dự báo thời đoạn ngắn lớn hơn khi thời đoạn dự báo tăng lên.
Hình 3.18 trình bày kết quả tính toán hệ số tương quan giữa lượng mưa dự
báo và quan trắc. Kết quả cho thấy, hệ số tương quan đều có giá trị dương
trong hầu hết các trường hợp. Điều này cho thấy, các kết quả dự báo phần
nào đã thể hiện được xu thế diễn biến lượng mưa thực tế. Tuy nhiên, hệ số
tương quan giữa lượng mưa dự báo với thực tế là khá thấp. Hệ số tương quan
cao nhất đối với thời hạn dự báo nhỏ hơn 78h phổ biến > 0,2, trong khi sau
thời điểm 78h, hệ số tương quan khá thấp, dưới 0,1.
Từ các kết quả phân tích trên cho thấy, xu thế diễn biến lượng mưa dự bán
tốt hơn từ 0 đến giờ thứ 78h, tuy nhiên sai số dự báo là lớn hơn. Ngược lại,
mô hình dự báo có xu thế không tốt về lượng mưa sau giờ thứ 78 (từ 78 đến
240h), nhưng sai số về lượng lại thấp hơn.
15
3.1.3.2. Đánh giá chất lượng dự báo mưa sau khi hiệu chỉnh thống kê
Sử dụng phương pháp hồi quy tuyến tính đơn biến, luận án đã tiến hành hiệu chỉnh lượng mưa cho từng thời đoạn dự báo. Lượng mưa dự báo được hiệu chỉnh dựa trên các hệ số “a” và “b” của phương trình hồi quy.
Kết quả dự báo lượng mưa đã được hiệu chỉnh có sai số khá thấp, với chỉ số ME phổ biến từ -1mm đến khoảng 0mm. Nhìn chung, kết quả dự báo mưa đã được hiệu chỉnh có thiên hướng thấp hơn so với số liệu quan trắc, trong đó sai số dự báo lớn hơn tại trạm An Khê và Buôn Hồ. Tuy nhiên, so với lượng mưa dự báo khi chưa hiệu chỉnh thì kết quả dự báo sau khi hiệu chỉnh có sai số thấp hơn đáng kể.
Kết quả tính toán hệ số tương quan giữa lượng mưa dự báo sau khi đã được hiệu chỉnh với số liệu quan trắc cho thấy rằng sau khi được hiệu chỉnh, lượng mưa dự báo có quan hệ dương với số liệu quan trắc trong toàn bộ các trường hợp dự báo. Điều này cho thấy, lượng mưa dự báo sau khi được hiệu chỉnh phản ánh được xu thế diễn biến của số liệu quan trắc tại các trạm. Hệ số tương quan khá cao, phổ biến trên 0,4 khi thời điểm dự báo trước 78h. Với thời hạn dự báo dài hơn (trên 78h), hệ số tương quan giảm dần, phổ biến dao động xung quanh giá trị 0,2. Như vây, so với trường hợp chưa hiệu chỉnh, hệ số tương quan giữa lượng mưa dự báo với thực tế quan trắc đã được cải thiện đáng kể. Điều này cho thấy, hiệu chỉnh thống kê giúp cải thiện chất lượng dự báo với xu thế diễn biến của lượng mưa dự báo là phù hợp với thực tế hơn.
3.1.3.3. Trường mưa dự báo phục vụ tính toán
Từ các phân tích trên cho thấy, kết quả dự báo lượng mưa được hiệu chỉnh
bằng phương pháp hồi quy tuyến tính đã cải thiện đáng kể về sai số và diễn
biến so với kết quả chưa được hiệu chỉnh. Trong đó, sai số dự báo của lượng
mưa đã được hiệu chỉnh là khá thấp, với chỉ số ME phổ biến từ -1mm đến
0mm. Với thời hạn dự báo trước 78h, hệ số tương quan giữa dự báo đã được
hiệu chỉnh với quan trắc là khá tốt, phổ biến trên 0,4, một số trường hợp lên
tới trên 0,8 (tại trạm Pleiku vào thời hạn dự báo 18-24h và 42-48h). Tuy
16
nhiên, với thời hạn dự báo dài hơn 78h, mặc dù hệ số tương quan đã được
cải thiện nhưng vẫn còn khá thấp, phổ biến xung quanh 0,2.
Số liệu mưa sau khi hiệu chỉnh sẽ được sử dụng cho mô phỏng lũ, trong đó
kết quả dự báo với thời hạn nhỏ hơn 78h có sự phù hợp tốt hơn về xu thế
giữa mô phỏng và thực tế. Để phục vụ các tính toán thủy văn, hệ số a và b
đã được nội suy theo không gian cho lưu vực nghiên cứu.
Bảng 3.7 Kết quả tính toán hệ số phụ thuộc (a) và tự do (b) trong phương
trình hồi quy đối với sản phẩm dự báo bằng mô hình IFS
Kết quả xác định hệ số a và b của phương trình hồi quy tuyến tính
Pleiku
Thời đoạn dự báo
00-06h 06-12h 12-18h 18-24h 24-30h 30-36h 36-42h 42-48h : 234-240h
An Khê a 1.02 1.89 1.26 1.13 2.05 1.09 0.53 1.24 0.96
b 4.01 0.82 4.03 3.04 1.52 2.14 4.73 2.98 3.06
Buôn Hồ b a 1.86 0.05 1.38 0.28 4.57 0.95 2.75 -0.11 1.46 0.27 1.51 0.25 5.31 0.5 2.1 0.31 0.06 0.07
Kon tum b a 1.18 1.65 1.9 0.49 2.01 0.01 0.12 0.23 1.94 0.14 1.08 1.09 1.29 0.43 0.19 0.15 0 0
a 0.82 0.96 0.55 1.33 0.43 1.07 0.19 0.81 0
b 0.61 0.68 0.92 -0.29 1.11 0.39 0.79 -0.27 0.01
Bảng 3.8 Kết quả tính toán hệ số phụ thuộc (a) và tự do (b) trong phương
trình hồi quy đối với sản phẩm dự báo bằng mô hình WRF
Pleiku
Thời đoạn dự báo
00-06h 06-12h 12-18h 18-24h : 54-60h
Kết quả xác định hệ số a và b của phương trình hồi quy tuyến tính An Khê b a 0.4 2.08 -0.21 1.55 4.18 0.01 5.05 0.52 0.35 0.98
Kon Tum b a 1.75 0.47 0.77 0.85 2.07 0.31 0.54 -0.02 1.88 0.53
Buôn Hồ b a 1.91 0.08 2.58 0 6.14 0.51 3.89 -0.12 2.84 -0.21
a 0.49 0.31 0.53 0.11 0.28
b 0.61 0.94 0.92 0.87 1.19
17
Hình 3.20 Hệ số tương quan (HSTQ) giữa lượng mưa dự báo đã được hiệu chỉnh thống kê với số liệu quan trắc Hình 3.19 Chỉ số ME của lượng mưa dự báo tích lũy 6h đã được hiệu chỉnh với số liệu quan trắc (mm)
Như vậy, trên cơ sở phương pháp tính toán, đánh giá và hiệu chỉnh giá trị dự
báo mưa bằng hai mô hình là IFS và WRF, luận án đã xác định được giá trị
lượng mưa dự báo đã hiệu chỉnh khá phù hợp với thực tế. Giá trị mưa dự báo
này sẽ được sử dụng làm đầu vào trong mô hình dự báo thủy văn hạn vừa
trên lưu vực sông Ba.
3.2. Kết quả dự báo dòng chảy trên lưu vực sông Ba
3.2.1. Hiệu chỉnh và kiểm định mô hình
Bảng 3.9 Bảng kết quả bộ thông số mô hình Mike NAM và HEC-HMS cho
tiểu lưu vực An Khê và Ayun Hạ
18
Bảng 3.10 Kết quả bộ thông số mô hình MIKE NAM và HEC-HMS cho
tiểu lưu vực Krong Hnang và sông Hinh
Như đã trình bày ở Chương 2, luận án sử dụng dữ liệu các trận mưa thực đo
trong quá khứ tạo ra đỉnh lũ khác nhau để hiệu chỉnh và kiểm định và tìm ra
bộ thông số của mô hình (MIKE NAM và HEC-HMS) ứng với mỗi tiểu lưu
vực (An Khê, Ayun Hạ, Krong Hnang và Sông Hinh).
3.2.2. Kết quả dự báo dòng chảy đến hồ trên lưu vực sông Ba
3.3.2.1. Thiết lập dữ liệu mưa dự báo làm đầu vào cho mô hình
Giá trị lượng mưa dự báo theo mô hình IFS và WRF đã được thực hiện ở nội
dung 3.2. Giá trị mưa dự báo cũng đã được hiệu chỉnh cho phù hợp với số
liệu thực tế và đảm bảo độ tin cậy. Các ô lưới với kích thước (5x5) km và
(14 x 14) km thuộc các tiểu lưu vực nghiên cứu được thể hiện trong hình
3.45 – 3.46 và bảng 3.19 – 3.20.
Hình 3.46 Vị trí các ô lưới với kích thước 14x14km Hình 3.45 Vị trí các ô lưới có kích thước (5x5) km
19
Lượng mưa tại các ô lưới cụ thể cho mỗi 04 lưu vực hồ chứa sẽ được chi tiết và chuyển đổi để tính giá trị lượng mưa dự báo như bảng 3.23 và 3.24.
Bảng 3.19 Sơ đồ ô lưới độ phân giải (5x5) km tiểu lưu vực An Khê Bảng 3.20 Sơ đồ ô lưới độ phân giải (5x5) km lưu vực Ayun Hạ.
+ Trọng số các ô lưới:
Bảng 3.23 Giá trị trọng số cho các ô lưới (5x5) km trên tiểu lưu vực An Khê N9 N10 N11 Ô lưới M10 N2 0.008 0.027 0.013 0.007
N8 0.004
N5 0.017
N4 0.012
N3 0.012
N6 0.020
N7 0.012
0.004
Trọng số
E1 E3 G4 G3 E4 E2 F1 0.007 0.063 0.007
F3 0.244
F5 0.001
F4 0.252
0.052
0.161
0.039
0.035
Bảng 3.24 Giá trị trọng số cho các ô lưới (14x14) km trên tiểu lưu vực An Khê F2 Ô lưới Trọng số 0.139
3.3.2.2. Kết quả dự báo lũ cho lưu vực sông Ba
Các trận mưa dự báo với thời gian dự kiến là 6h, được sử dụng để dự báo các trận lũ trên các tiểu lưu vực là: 13/XI/2013 06:00 đến 22/XI/2013 12:00; 27/XI/2014 06:00 đến 05/XI/2014 06:00; 07/X/2015 06:00 đến 19/X/2015 00:00; 30/X/2016 06:00 đến 11/XI/2016 06:00.
Kết quả tính bằng mô hình Mike-NAM cho các năm 2013, 2015, 2015 và 2016 theo số liệu mưa dự báo kích thước (5x5) km và (14x14) km
Hình 3.48 Đường quá trình dự báo lũ đến hồ An Khê XI/2014 Hình 3.47 Đường quá trình dự báo lũ đến hồ An Khê XI/2013
20
Hình 3.50 Đường quá trình dự báo lũ đến hồ An Khê X/2016 Hình 3.49 Đường quá trình dự báo lũ đến hồ An Khê X/2015
Kết quả tính bằng mô hình HEC-HMS cho các năm 2013, 2015, 2015 và
2016 theo số liệu mưa dự báo kích thước (5x5) km và (14x14) km
Hình 3.51 Đường quá trình dự báo lũ đến hồ An Khê XI/2013 Hình 3.52 Đường quá trình dự báo lũ đến hồ An Khê XI/2014
Hình 3.54 Đường quá trình dự báo lũ đến hồ An Khê X/2016 Hình 3.53 Đường quá trình dự báo lũ đến hồ An Khê X/2015
+ Đánh giá sai số dự báo lũ theo hai mô hình MIKE NAM và HEC-HMS được thể hiện trong bảng 3.31 và bảng 3.32.
Kết quả dự báo lũ hạn vừa bằng mô hình MIKE NAM theo số liệu mưa dự báo ở kích thước ô lưới (5x5) km và (14x14) km phần lớn cho kết quả khá
21
tốt, tuy còn một số phương án mô phỏng có kết quả thấp, nhưng cũng xấp xỉ mức đạt yêu cầu với sai số không quá lớn.
Tương tự, kết quả dự báo lũ hạn vừa bằng mô hình HEC-HMS theo số liệu mưa dự báo ở kích thước ô lưới (5x5) km và (14x14) km phần lớn cho kết quả khá tốt, tuy còn một số phương án mô phỏng có kết quả thấp, nhưng cũng xấp xỉ mức đạt yêu cầu với sai số không quá lớn.
Bảng 3.31 Các tiêu chí đánh giá chất lượng dự báo lũ theo mô hình MIKE
NAM cho 4 tiểu lưu vực trên sông Ba
Bảng 3.32 Các tiêu chí đánh giá chất lượng dự báo lũ theo mô hình HEC- HMS cho 4 tiểu lưu vực trên sông Ba
KẾT LUẬN CHƯƠNG 3
Kết quả dự báo lượng mưa được hiệu chỉnh bằng phương pháp hồi quy tuyến tính đã cải thiện đáng kể về sai số chung và xu thế diễn biến so với kết quả
22
chưa được hiệu chỉnh, trong đó sai số dự báo của lượng mưa đã được hiệu chỉnh là khá thấp, với chỉ số ME phổ biến từ -1mm đến 0mm. Với thời hạn dự báo ngắn hơn 78h, hệ số tương quan giữa dự báo đã được hiệu chỉnh với quan trắc khá cao, phổ biến trên 0,4, một số trường hợp lên tới trên 0,8. Tuy nhiên, khi thời hạn dự báo dài hơn 78h, mặc dù hệ số tương quan đã được cải thiện nhưng vẫn khá thấp, phổ biến xung quanh 0,2.
Số liệu mưa sau hiệu chỉnh được sử dụng dự báo lũ. Các kết quả dự báo với thời hạn nhỏ hơn 78h có xu thế diễn biến khá phù hợp với số liệu thực tế.
Để phục vụ các tính toán thủy văn, hệ số a và b đã được nội suy theo không gian cho cho 4 tiểu lưu vực An Khê, Yaun Hạ, Krong H’Năng và sông Hinh.
Trên cơ sở bộ thông số tối ưu, kết hợp với kết quả hiệu chỉnh mưa dự báo theo hai phương án kích thước ô lưới (5x5) km và (14x14) km, các mô hình MIKE NAM và HEC-HMS đã dự báo dòng chảy cho kết quả khá tốt theo hai chỉ tiêu Nash và sai số đỉnh lũ.
Từ các kết quả nghiên cứu, NCS thấy rằng việc sử dụng mô hình mưa dự báo với kích thước ô lưới (5x5) km làm số liệu đầu vào cho mô hình dự báo lũ sẽ cho kết quả tốt hơn số liệu mưa dự báo kích thước ô lưới (14x14) km. Mô hình MIKE NAM sử dụng để dự báo lũ sẽ tốt nhất đối với các tiểu lưu vực thuộc Yaun Hạ và An Khê.
KẾT LUẬN
Những nội dung thực hiện chính của luận án:
Đánh giá tổng quan về tình hình nghiên về dự báo mưa, lũ vừa trên thế giới và Việt Nam.
Hiệu chỉnh và xây dựng trường mưa dự báo định lượng sau mô hình.
Thiết lập được bài toán dự báo mưa định lượng với độ phân giải cao trên lưu vực sông Ba bàng mô hình số trị IFS và WRFARW có độ phân giải từ (14 x14) km đến độ phân giải (5x5) km để mở rộng được thời gian dự kiến từ 48 giờ hiện tại lên tới 120 giờ.
23
Tích hợp được dự báo mưa định lượng độ phân giải cao từ mô hình dự báo mưa số trị IFS và WRFARW với mô hình thủy văn MIKE-NAM và HEC- HMS để dự báo dự báo dòng chảy đến với thời đoạn trung hạn kết hợp với các phân tích, hiệu chỉnh các yếu tố địa phương như địa hình, địa chất, thổ nhưỡng và lớp phủ để dự báo định lượng dòng chảy đến hồ phục vụ điều hành các hồ chứa, phòng tránh ngập lụt cho hạ du lưu vực sông Ba.
Những điểm mới của luận án
- Nghiên cứu xây dựng được cơ sở khoa học lựa chọn mô hình số trị IFS và WRFARW để dự báo định lượng mưa kéo dài thời gian dự kiến từ 48 giờ hiện tại lên tới từ 72 giờ đến 120 giờ có độ phân giải từ (14 x14) km đến độ phân giải (5x5) km trên lưu vực sông Ba và bộ mô hình thủy văn MIKE-NAM và HEC-HMS để dự báo trước dòng chảy tới hồ trước từ 03 đến 05 ngày.
- Ứng dụng thành công bộ mô hình mưa số trị và bộ mô hình thủy văn để thử nghiệm dự báo dòng chảy lũ tới 04 hồ trên lưu vực, phục vụ công tác điều hành các hồ chứa lưu vực sông Ba.
Hướng phát triển của luận án
Trong nghiên cứu này các mô hình sử dụng có ô lưới từ (14x14) km và (5x5) km, trong khi địa hình thực tế bị chia cắt khá lớn, nên mức độ bình quân hóa cả điều kiện khí hậu và mặt đệm khá lớn, phản ánh chưa tốt điều kiện mặt đệm, gây ra sai số lớn, dẫn tới kết quả dự báo chưa được như mong đợi.
Để giải quyết vấn đề này, NCS đề xuất tăng độ phân giải xuống mức (1x1) km, sẽ phản ánh tốt hơn điều kiện mặt đệm và chắc chắn sẽ cho kết quả tốt hơn. Đề xuất này cũng đồng nghĩa với khối lượng tính toán tăng lên khá nhiều, nhưng hiện nay, công cụ tính toán ngày càng hiện đại, tốc độ tính toán sẽ tăng lên rất nhiều và rào cản công nghệ không phải là vấn đề lớn trong tính toán. Với hướng đi này, việc dự báo dòng chảy tới hồ sẽ tăng thêm được thời gian dự kiến và tạo điều kiện cho vận hành chủ động và tốt hơn.
24
DANH MỤC CÔNG TRÌNH ĐÃ CÔNG BỐ
1. Nguyen Van Hieu, Can Thu Van and Vu Minh Cat, 2018: Application
of Hydrological Model to Simulate Rainfall-Runoff into An Khe
Reservoir in the Ba River Basin, Vietnam, Journal of Environmental
Science and Engineering, A7, pg 101-107
2. Nguyễn Văn Hiếu, 2018: Nghiên cứu thiết lập mạng lưới trạm đo mưa
trên lưu vực bằng phương pháp kriging trên lưu vực sông Ba, Tạp chí
KTTV, 687, tr 42-52.
3. Nguyễn Văn Hiếu, Bùi Minh Tăng, Bùi Đức Long, Vũ Đức Long, 2014:
Sử dụng mưa dự báo số trị phân giải cao để nâng cao chất lượng dự báo
lũ khu vực miền Trung và Tây Nguyên, Tạp chí KTTV, 644, tr 32-38.
4. Đặng Thanh Mai, Vũ Đức Long, Nguyễn Văn Hiếu, 2013: Tích hợp các
mô hình thủy văn, thủy lực, điều tiết hồ chứa trong dự báo lũ và ngập lụt
cho hệ thống sông Ba Tạp chí KTTV, 629, tr 37-43.
5. Nguyễn Văn Hiếu, Dư Dức Tiến, Nguyễn Mạnh Linh, 2018: Nghiên
cứu đánh giá khả năng dự báo mưa lớn của mô hình khu vực WRF kết
hợp với đồng hóa số liệu 3DVAR trên khu vực miền trung việt nam, Hội
nghị Khoa học thường niên Đại học Thủy Lợi, tr 130-133.
