Bài viết đề xuất một tiếp cận mới nghiên cứu sự ảnh hưởng của lượng mưa trong tình trạng nước biển dâng thủy triều gây ngập địa hình tại vùng Đồng bằng sông Cửu Long. Các mô hình về ảnh hưởng của lượng nước mưa được xây dựng trên kỹ thuật đa tác tử và đưa vào mô phỏng dựa trên nền tảng mô phỏng GAMA. Chúng tôi tiến hành mô phỏng với hai mô hình có yếu tố lượng mưa và không có yếu tố lượng mưa lên quá trình nước biển dâng (được thí điểm tại tỉnh Bạc Liêu) trên cơ sở dữ liệu trong quá khứ và đưa ra kịch bản dự kiến cho tương lai. Mời các bạn cùng tham khảo!
Trang 1Hội Thảo Quốc Gia 2015 về Điện Tử, Truyền Thông và Công Nghệ Thông Tin (ECIT 2015)
Mô Phỏng Sự Tác Động Của Lượng Mưa
Lên Quá Trình Thủy Triều Tại Vùng Đồng Bằng Sông Cửu Long
Hoàng Ngọc Hiển 1, Huỳnh Xuân Hiệp 2
1 Khoa Công nghệ Thông tin, Trường Đại học Bạc Liêu
2 Khoa Công nghệ Thông tin & Truyền thông, Trường Đại học Cần Thơ Nhóm nghiên cứu liên ngành DREAM-CTU/IRD, Trường Đại học Cần Thơ
Email: hnhien@blu.edu.vn, hxhiep@ctu.edu.vn
Abstract— Trong bài viết này chúng tôi đề xuất một tiếp cận mới
nghiên cứu sự ảnh hưởng của lượng mưa trong tình trạng nước
biển dâng thủy triều gây ngập địa hình tại vùng Đồng bằng sông
Cửu Long Các mô hình về ảnh hưởng của lượng nước mưa được
xây dựng trên kỹ thuật đa tác tử và đưa vào mô phỏng dựa trên
nền tảng mô phỏng GAMA Chúng tôi tiến hành mô phỏng với
hai mô hình có yếu tố lượng mưa và không có yếu tố lượng mưa
lên quá trình nước biển dâng (được thí điểm tại tỉnh Bạc Liêu)
trên cơ sở dữ liệu trong quá khứ và đưa ra kịch bản dự kiến cho
tương lai Kết quả mô phỏng là bản đồ ngập theo thời gian và các
thống kê mức ngập theo thời gian cho các đơn vị hành chính
(huyện, tỉnh) Các mức độ ảnh hưởng của lượng mưa trong tình
trạng nước biển dâng cũng được đánh giá nhằm hỗ trợ cho các
giải pháp làm giảm thiệt hại của biến đổi khí hậu
Keywords- mô phỏng, bản đồ ngập, thống kê mức ngập, đa tác
tử, GAMA
Hiện nay, tình trạng nước biển dâng đang là mối hiểm họa
toàn cầu, nước biển dâng đang tác động và ảnh hưởng mạnh
mẽ tới tài nguyên thiên nhiên, con người, kinh tế - xã hội,
vv…ở nhiều quốc gia trên thế giới nhất các quốc gia có biển và
các vùng ven biển[2] Các nhà khoa học đã đưa ra các kịch bản
dự đoán, đến năm 2100 có khoảng 2/3 các thành phố lớn trên
thế giới có nguy cơ ngập lụt do mực nước biển dâng cao[18]
Mực nước biển được dự đoán tăng cao tại Thái Bình Dương và
Ấn Độ Dương trong tương lai sẽ gây ra những tổn thất nặng
nề[2] Các quốc gia trên thế giới đang cùng nhau chung sức
nghiên cứu đưa ra các biện pháp, xây dựng các mô hình nhằm
giảm thiệt hại của nước biển dâng[18]
Ở Việt Nam các khu vực chịu tác động mạnh của tình hình
nước biển dâng đó là Đồng bằng sông Hồng[4], dải ven biển
Miền Trung[9] và Đồng bằng sông Cửu Long[5] Tỉnh Bạc
Liêu nằm trong vùng bán đảo Cà Mau thuộc Đồng bằng sông
Cửu Long là một tỉnh ven biển chịu ảnh hưởng thuỷ triều sâu
sắc của biển Đông Nền kinh tế ở tỉnh Bạc Liêu chủ yếu là nuôi
trồng thủy sản, đánh bắt cá, trồng lúa, làm muối, Nước biển
dâng dẫn đến tình trạng nước mặn xâm nhập[3], diện tích đất bị
thu hẹp ngày càng ảnh hưởng đến đời sống, định cư, sinh hoạt,
kinh tế, sản xuất,…của con người
Trong bài viết này, chúng tôi đề xuất một tiếp cận mới nghiên cứu sự ảnh hưởng của lượng mưa trong tình trạng nước biển dâng gây ngập địa hình tại vùng Đồng bằng sông Cửu Long Chúng tôi tiến hành mô phỏng với hai mô hình có yếu tố lượng mưa và không có yếu tố lượng mưa lên quá trình nước biển dâng trên cơ sở dữ liệu trong quá khứ và đưa ra kịch bản
dự kiến cho tương lai Để nhằm làm tiền đề cho các nghiên cứu sâu hơn nữa các vấn đề nước biển dâng ảnh hưởng đến kinh tế
và xã hội dựa trên cơ sở mô phỏng đa tác tử
Vấn đề biến đổi khí hậu trong đó có tình hình nước biển dâng vùng ven biển Đồng bằng sông Cửu Long đã và đang được nghiên cứu và ứng phó [2][3][5][6][7]
Kịch bản biến đổ khí hậu, nước biển dâng cho Việt Nam[2]: đưa ra những thông tin cơ bản về xu thế biến đổi khí hậu, nước biển dâng của Việt Nam, trong tương lai tương ứng với các kịch bản khác nhau về phát triển kinh tế - xã hội toàn cầu dẫn đến các tốc độ phát thải khí nhà kính khác nhau Các kịch bản phát thải của nhiệt độ, lượng mưa, mực nước biển theo kịch bản phát thải thấp / trung bình /cao Cho thấy được mức nước biển dâng trong tương lai thông qua hình ảnh bản đồ
và bảng số liệu
Mô phỏng hiện trạng ngập địa hình do nước biển dâng tại vùng Đồng bằng sông Cửu Long[5]: Nghiên cứu cũng đã tiến hành xây dựng bản đồ số thể hiện quá trình ngập địa hình do nước biển dâng thông qua bản đồ ngập/nguy cơ ngập theo thời gian Các thống kê về diện tích ngập theo thời gian theo từng đơn vị hành chính, cũng đã được mô tả chi tiết trên cơ sở các kịch bản ngập địa hình do nước biển dâng trong quá khứ và cho các giai đoạn trong tương lai
Mô phỏng quá trình xâm nhập mặn tại vùng Đồng bằng sông Cửu Long[3][6]: Nghiên cứu cũng đã tiến hành xây dựng bản đồ số thể hiện quá trình nhiễm/xâm nhập mặn đã được hình thành và sự thay đổi đường đẳng mặn theo thời gian Các thống kê về diện tích nhiễm mặn theo thời gian và thống kê độ mặn trung bình theo từng đơn vị hành chính Kết quả mô phỏng sẽ cho ra các đường đẳng mặn, diện tích mặn, thống kê
độ mặn trung bình giữa các vùng, thống kê độ xâm nhập mặn qua các giai đoạn 2000 – 2010 và 2011 – 2020
Hội Thảo Quốc Gia 2015 về Điện Tử, Truyền Thông và Công Nghệ Thông Tin (ECIT 2015)
Trang 2III XÂY DỰNG MÔ HÌNH VÀ MÔ PHỎNG
A Số liệu
Số liệu mực nước biển được đo lấy ở trạm đo ở trạm thủy
văn[10] Số liệu là số liệu đo mực nước giờ và trung bình ngày
ở các trạm thủy văn với đơn vị tính cm Với số liệu đo chi tiết
theo từng giờ trong ngày và tất cả các ngày trong tháng
Figure 1 Số liệu mực nước đo ở trạm thủy văn [10]
Số liệu lượng mưa được đo lấy ở trạm đo[11] Số liệu là số
liệu đo lượng mưa theo từng ngày ở trạm với đơn vị tính mm
Figure 2 Số liệu lượng mưa đo ở trạm khí tượng [11]
Mục tiêu chúng tôi nghiên cứu là mô phỏng nước biển dâng
chạy theo từng tháng Nên chúng tôi đã xử lý bằng cách: Từ số
liệu mực nước giờ và trung bình ngày, trích xuất và tính toán
các số liệu đặc trưng theo từng tháng
Trích xuất các giá trị số liệu theo ngày (chuỗi A)
Từ chuỗi A tiếp tục tính: Chọn giá trị cao nhất / trung
bình / thấp nhất của chuỗi
Tính toán như trên cho các tháng còn lại của năm và
cho toàn bộ bảng số liệu
Dùng các số liệu theo bảng đã tính toán để làm số liệu
đầu vào cho mô hình mô phỏng độ ngập ở mức thấp /
trung bình / mức cao
Kiểm tra tính toán cho mô hình cho đúng thực tế
B Công cụ GIS
Sử dụng công cụ GIS[19] để xây dựng và thiết kế các tác tử
sông/kênh cho tất cả con sông/kênh[5]
Xây dựng và thiết kế các tác tử gán cho các cell (bản đồ được chia thành các ô) Trong cơ sở dữ liệu GIS[18] có độ cao địa hình, chia vùng theo đơn vị hành chính cấp huyện được gán cho tác tử cell và được lưu trữ các dữ liệu đó Các cell tương ứng với điểm tọa độ bản đồ trên thực tế
Figure 4 Tác tử cell và cơ sở dữ liệu GIS
C Giải thuật cho mô hình
Mô phỏng cho mô hình trên nền mô phỏng GAMA[1] Các yếu tố đầu vào tính toán và xử lý cho phù hợp với yêu cầu cụ thể của bài toán khi mô hình hóa: mực nước biển, lượng mưa; bản đồ địa hình, bản đồ sông ngòi; độ cao địa hình, đơn vị hành chính Được đưa vào GAMA, các dữ liệu và số liệu trên được tính toán theo các giải thuật và phương trình (viết code trong GAMA) cho ra kết quả số liệu ngập Từ số liệu ngập tiến hành
tô màu để cho ra bản đồ ngập, sau đó cho ra bản thống kê cho mức độ ngập Dựa vào bảng diễn giải phân màu trên bản đồ và bản thống kê sẽ thấy được kết quả ngập do nước biển dâng
Figure 5 Sơ đồ thực hiện xử lý mô phỏng
D Công cụ lập trình
Quá trình mô phỏng cho mô hình được thực hiện trên nền công cụ GAMA
Figure 6 Các bước lập trình trong GAMA của mô hình
Đầu tiên là nạp dữ liệu bản đồ (địa lý, hệ thống sông ngòi, cống ngăn mặn) được xây dựng từ GIS Bản đồ lưu trữ dữ liệu
độ cao địa hình, độ thấm địa hình được tính toán và phân chia
Trang 3Hội Thảo Quốc Gia 2015 về Điện Tử, Truyền Thông và Công Nghệ Thông Tin (ECIT 2015)
Figure 7 Đưa dữ liệu bản đồ GIS vào GAMA
Tiếp theo phải khai báo lấy các trường từ dữ liệu là độ cao
địa hình, độ thấm địa hình chính là các biến, được phân chia
các khu vực nhỏ theo hệ thống đê, hệ thống cống ngăn mặn
(đóng hoặc mở) và các đơn vị huyện
Figure 8 Trường từ dữ liệu GIS
Chuyển phương trình thành giải thuật phương trình cụ thể
của lập trình với các thông số là các biến được nạp vào từ dữ
liệu GIS và cơ sở dữ liệu Phương trình sẽ tính kết quả khi chạy
mô phỏng theo thời gian, gán và phân chia các mức màu sắc để
cho ra kết quả là các mức độ ngập nước
Figure 9 Áp dụng phương trình trong GAMA
Xuất kết quả đầu ra cho mô phỏng là bản đồ ngập và nguy
cơ ngập theo từng tháng diễn biến trong từng năm ở 3 mức thấp, trung bình, cao Tương ứng theo đó là bản thống kê diện tích bị ngập ở 3 mức thấp, trung bình, cao cho mô hình
Figure 10 Hiện thị các kết quả đầu ra trong GAMA
IV KẾT QUẢ THỰC NGHIỆM
A Khu vực thí điểm nghiên cứu
Trong nghiên cứu, chúng tôi đã chọn tỉnh Bạc Liêu làm thí điểm Bạc Liêu là tỉnh nằm ở phía tây nam của Việt Nam, trong khu vực Đồng bằng sông Cửu Long, với tọa độ từ 9000’00’’ đến 9037’30’’ vĩ độ Bắc và từ 105015’00” đến 105052’30” kinh độ Đông Địa hình thấp, tiếp giáp với biển, hệ thống sông
và kênh chằng chịt, bờ biển dài 56 km Cho nên vùng này ảnh hưởng nghiêm trọng bởi tình hình nước biển dâng
B Ảnh hưởng lượng mưa lên tình trạng nước biển dâng từ năm 1992-2012
Từ số liệu thực tế đưa vào mô phỏng cho ra kết quả là bản
đồ ngập và kết quả thống kê theo thời gian Ở 2 bản đồ ngập chạy mô phỏng của yếu tố lượng mưa và không có lượng mưa cho thấy được sự khác biệt, chúng tôi cũng chọn mốc thời gian chẵn năm 2000 và 2010 làm đại diện Theo kết quả mô phỏng
có được, tháng có mức độ ngập cao nhất là tháng 11-2000 và tháng 11 – 2010
Figure 11 Bản đồ ngập tháng cao nhất năm 2010.
Chạy mô phỏng qua các năm từ số liệu (1992 - 2012), qua
kết quả chạy mô phỏng cho mô hình ra kết quả thống kê diện tích ngập mức cao – thấp – trung bình cho giai đoạn 1992 – 2012
Hội Thảo Quốc Gia 2015 về Điện Tử, Truyền Thông và Công Nghệ Thông Tin (ECIT 2015)
Trang 4Không có yếu tố lượng mưa Có yếu tố lượng mưa
Figure 12 Thống kê diện tích ngập mức cao – thấp – trung bình từ năm 1992 – 2012
Qua kết quả thống kê khi có yếu tố lượng mưa diện tích bị
ngập mức cao, biên độ thống kê càng đi lên cao cho thấy
những năm gần đây do biến đổi khí hậu, nước biển ngày càng
dâng, lượng mưa cũng tăng thêm làm cho diện tích ngập ngày
càng tăng Có những năm biên độ đi xuống, lượng mưa cũng ít,
xảy ra hạn hán, nhưng nhìn chung theo thống kê biên độ đi lên
qua các năm Khi chạy mô phỏng cho mô hình chưa có sự ảnh
hưởng của yếu tố lượng mưa từ năm 2000 trở đi biên độ thống
kê diện tích bị ngập mức trung bình mới tăng lên Ngược lại,
mô phỏng có sự ảnh hưởng yếu tố lượng mưa thì khoảng năm
1993 diện tích bị ngập mức trung bình đã có dấu hiệu tăng lên
từ từ
Nhìn chung, đa phần các mức ngập chỉ do nước biển dâng vào khoảng dưới 40% Nhưng mức ngập đo kết hợp cả nước biển và lượng mưa càng làm tăng cao, mô phỏng ở mức cao có lúc lên đến 80% (tháng 11-2010) và ở mức trung bình khoảng 33% (tháng 11-2010), xảy ra hiện tượng nước dâng cao và các trận mưa lớn liên tục Qua kết quả thống kê cho thấy các tháng
có lượng mưa lớn làm mức ngập tăng lên làm ảnh hưởng không nhỏ đến hoạt động sản xuất kinh tế - xã hội của người dân trên tỉnh Bạc Liêu
Từ thống kê diện tích ngập cho toàn tỉnh sau đó thống kê diện tích ngập cho các đơn vị hành chính huyện của tỉnh từ năm 1992 – 2012
Figure 13 Thống kê diện tích ngập các huyện so với toàn tỉnh từ năm 1992 – 2012
Qua kết quả thống kê cho mô hình trên khi có thêm yếu tố
lượng mưa, thấy mức độ ngập của đơn vị huyện cao nhất là
Đông Hải (trên 25% diện tích), tiếp đến là Hòa Bình và Tp
Bạc Liêu Các huyện còn lại Phước Long, Vĩnh Lợi có mức độ
ngập thấp hơn, hầu như không đáng kể So sánh với mô phỏng
mô hình không có yếu tố lượng mưa chủ yếu do mực nước biển
dâng thì mức độ % diện tích bị ngập thấp hơn nhiều
C Ảnh hưởng lượng mưa lên tình trạng nước biển dâng từ năm 2013-2020
Đề xuất mới cho xây dựng mô hình và mô phỏng kịch bản cho tương lai từ năm 2013 – 2020, chúng tôi chọn mốc thời gian chẵn năm 2020 làm đại diện cho ví dụ của kịch bản Bản
đồ ngập địa hình của tháng có mức độ ngập cao nhất là tháng 10-2020 (mức cao)
Trang 5Hội Thảo Quốc Gia 2015 về Điện Tử, Truyền Thông và Công Nghệ Thông Tin (ECIT 2015)
Figure 14 Bản đồ ngập tháng cao nhất tháng 10-2020 mức cao
Hiện trạng ngập ở năm 2020 khi có và không có ảnh hưởng
của yếu tố lượng mưa có sự chênh lệch và khác biệt Riêng
tháng 6 đến tháng 10 ở mức cao thì chênh lệch khoảng 20%
Từ đó cho thấy lượng mưa ở các tháng này rất cao cùng với sự
đang lên của nước biển sẽ làm ảnh hưởng xấu đến kinh tế, xã
hội Vì thế, các cơ quan chức năng cần phải có các biện pháp
phòng tránh ngập lụt và quy hoạch định cư trên các đơn vị huyện ven biển nhằm tránh thiệt hại cho người dân, ổn định phát triển kinh tế
Kết quả mô phỏng cho thống kê % diện tích ngập từ kịch bản cho mức cao – thấp – trung bình từ năm 2013 – 2020
Figure 15 Thống kê diện tích ngập mức cao – thấp – trung bình từ năm 2013 - 2020
Nhìn vào kết quả thống kê cho kịch bản, chúng ta thấy từ
năm 2013-2020 biên độ thống kê thay đổi khác biệt ở cả hai đồ
thị có và không có tác động của yếu tố lượng mưa Tuy nhiên ở
đồ thị không có yếu tố lượng mưa thì biên độ cao nhất của mức
cao vào khoảng 41% diện tích và thấp nhất có lúc 0% diện tích
Ngược lại đồ thị có yếu tố lượng mưa biên độ cao nhất của
mức cao vào khoảng 57% diện tích và thấp nhất là khoảng 20%
diện tích Qua đó, ta thấy có sự tác động của lượng mưa cao thì
hầu như diện tích đất trên toàn tỉnh đều bị ngập ít nhất 20% diện tích Cho thấy nguy cơ ngập tăng lên rất nghiêm trọng đáng báo động cho tỉnh Bạc Liêu nói riêng và Đồng bằng sông Cửu Long nói chung
Từ thống kê diện tích ngập cho toàn tỉnh sau đó thống kê % diện tích ngập từ kịch bản cho các đơn vị huyện từ năm
2013-2020
Hội Thảo Quốc Gia 2015 về Điện Tử, Truyền Thông và Công Nghệ Thông Tin (ECIT 2015)
Trang 6Không có yếu tố lượng mưa Có yếu tố lượng mưa
Figure 16 Thống kê diện tích ngập các huyện so với toàn tỉnh từ năm 2013-2020
Qua thống kê kịch bản mô phỏng cho các đơn vị huyện,
diện tích bị ngập của các huyện tăng lên cao khoảng 5% diện
tích ở các huyện ven biển như Đông Hải, Hòa Bình, Tp Bạc
Liêu khi có tác động của yếu tố lượng mưa so với không có tác
động của yếu tố lượng mưa Các huyện nằm phía trong quốc lộ
1A còn lại tăng không đáng kể vì đã được quốc lộ 1A và các
cống ngăn nước biển vào Riêng huyện Đông Hải từ năm 2015
– 2020 thì % diện tích bị ngập càng ngày càng tăng và biên độ
mô phỏng ở mức thấp nhất tăng cao, từ năm 2015 vào khoảng
13% đến năm 2020 vào khoảng 17% Nếu chiều hướng này
vẫn tiếp tục có thể huyện Đông Hải vào mùa mưa sẽ có thể bị
ngập trên phạm vi toàn huyện Các huyện Tp Bạc Liêu, Hòa
Bình mức độ ngập cũng tăng vừa phải ít hơn so với huyện
Hông Hải
Qua kịch bản mô phỏng từ năm 2013-2020, cho thấy ảnh
hướng rất xấu đến tỉnh Bạc Liêu, cần có biện pháp khắc phục
tình trạng ngập lụt như: quy hoạch lại hệ thống kênh, vét kênh
tạo dòng chảy nhằm chia sẽ lượng nước trên các con sông với
nhau; xây dựng hệ thống đê điều hợp lý ngăn nước biển và hệ
thống đập ngăn mặn ngăm nước biển xâm nhập vào đồng
ruộng
V KẾT LUẬN Chúng tôi đã nghiên cứu mô phỏng mô hình ảnh hưởng của
lượng mưa lên quá trình nước biển dâng trên địa bàn khu vực
Đồng bằng sông Cửu Long trong bối cảnh vùng Đồng bằng
sông Cửu Long chịu tác động mạnh của biến đổi khí hậu Tiến
hành mô phỏng với hai mô hình có yếu tố lượng mưa và không
có yếu tố lượng mưa lên quá trình nước biển dâng trên cơ sở dữ
liệu trong quá khứ và đưa ra kịch bản dự kiến cho tương lai
Trên cơ sở kết quả mô phỏng, nghiên cứu cũng đã tiến hành
xây dựng bản đồ số thể hiện quá trình ngập địa hình do nước
biển dâng và ảnh hưởng thêm của lượng mưa thông qua bản đồ
ngập/nguy cơ ngập theo thời gian Các thống kê về diện tích
ngập theo thời gian theo từng đơn vị hành chính (cấp tỉnh, cấp
huyện) trên địa bàn một tỉnh được chọn thí điểm (tỉnh Bạc
Liêu) trên địa bàn khu vực Đồng bằng sông Cửu Long cũng đã
được mô tả chi tiết trên cơ sở các kịch bản ngập địa hình do
nước biển dâng trong quá khứ và cho các giai đoạn trong tương
lai Các so sánh sự có và không có ảnh hưởng của lượng mưa
qua bản đồ ngập và thống kê về mức độ ngập trong quá khứ và
cho các giai đoạn trong tương lai
Trong thời gian tới, chúng tôi sẽ mở rộng nghiên cứu mô
phỏng các mô hình toán biến đổi khí hậu cho khu vực Đồng
bằng sông Cửu Long và các khu vực khác của Việt Nam
TÀI LIỆU THAM KHẢO
[1] IRD/UPMC-UMMISCO GAMA-platform
http://code.google.com/p/gama-platform/
[2] Bộ Tài nguyên và Môi trường Việt Nam Kịch bản biến đổi khí hậu,
nước biển dâng cho Việt Nam NXB Tài nguyên Môi trường và bản đồ
Việt Nam, 2012
[3] Hoàng Ngọc Hiển, Dương Việt Hằng, Nguyễn Hiếu Trung, Huỳnh Xuân
Sông cửu Long, Kỷ yếu Hội nghị FAIR’2014, NXB Khoa học tự nhiên
& Công nghệ, Hà Nội, 2014
[4] Phạm Tất Thắng, Nguyễn Thu Hiền Ảnh hưởng của biến đổi khí hậu – Nước biển dâng đến tình hình xâm nhập mặn dải ven biển Đồng bằng Bắc Bộ, Khoa học kỹ thuật thủy lợi và môi trường – số 37, 2012 [5] Hoàng Ngọc Hiển, Triệu Yến Yến, Phan Văn Sa, Huỳnh Xuân Hiệp Mô phỏng hiện trạng ngập địa hình do nước biển dâng tại vùng Đồng bằng sông Cửu Long, Kỷ yếu Hội nghị GIS’2014, NXB Đại học Cần Thơ,
2014
[6] Hoang N.H, Huynh X.H, Nguyen H.T Simulation of Salinity Intrusion
in the Context of the Mekong Delta Region (Vietnam) Research, Innovation, and Vision for the Future (RIVF), IEEE Conference Publications, pp 1-4, 2012
[7] Viện Khoa học Khí tượng thủy văn và Môi trường Biến đổi khí hậu và tác động ở Việt Nam, NXB Khoa học và kỹ thuật, Hà Nội, 2010 [8] Trần Thanh Xuân, Trần Thục, Hoàng Minh Tuyển, Tác động của biến đổi khí hậu đến tài nguyên nước ở Việt Nam, NXB Khoa học công nghệ , Hà Nội, 2011
[9] Lê Quang Cảnh, Lê Văn Thăng, Nguyễn Huy Anh Ứng dụng GIS xây dựng bản đồ bị tổn thương do nước biển dâng gây ra đối với diện tích đất trồng lúa ở dải ven biển tỉnh Phú Yên, Tạp chí khoa học, Đại học Huế, Tập 74B, Số 5, Trang 17-24, 2012
[10] Bảng số liệu thống kê mực nước biển từ năm 1992 đến 2012, Trạm thủy văn Gành Hào, Trung tâm Khí tượng Thủy văn Bạc Liêu, 2014 [11] Bảng số liệu thống kê lượng mưa từ năm 1992 đến 2012, Trung tâm Khí tượng Thủy văn Bạc Liêu, 2014
[12] J.Q Xia, R.A Falconer, B Lin, G Tan, Estimation of future coastal flood risk in the Severn Estuary due to a barrage, J Flood Risk Manage, Vol.4, pp 247-259, 2011
[13] Donna Kain, Michelle Covi Visualizing complexity and uncertainty about climate change and sea level rise, Communication Design Quarterly Review , Vol 1, pp 46-53, 2013
[14] Reza Ahmadian, Agnieszka I Olbert, Michael Hartnett, Roger A Falconer Sea level rise in the Severn Estuary and Bristol Channel and impacts of a Severn Barrage, J Computers & Geosciences, Vol 66, pp 94-105, 2014
[15] H.E Pelling, J.A Mattias Green, S.L Ward, Modelling tides and sea-level rise: to flood or not to flood, Ocean Modelling, Vol 63, pp 21-29,
2013
[16] Jason R W Merrick Aggregation of forecasts from multiple simulation models, WSC '13: Proceedings of the 2013 Winter Simulation Conference: Simulation: Making Decisions in a Complex World, IEEE Press, pp 533-542, 2013
[17] David J Lieske Coping with climate change, Environmental Modelling
& Software, Vol 68, pp 98-109, 2015
[18] IPCC WGII AR5, Climate Change 2014: Impacts, Adaptation, and Vulnerability, 2014
[19] Taillandier, P., Drogoul, A From GIS Data to GIS Agents, Modeling with the GAMA simulation platform, 2010
