00060000712 bctk nghiên cứu xây dựng mô hình Đánh giá thiệt hại do lũ Đối với cây trồng nông nghiệp thử nghiệm Áp dụng cho xã hưng nhân, huyện hưng nguyên, tỉnh nghệ an
THÔNG TIN CHUNG
1.1 Tên đề tài: Nghiên cứu xây dựng mô hình đánh giá thiệt hại do lũ đối với cây trồng nông nghiệp - Thử nghiệm áp dụng cho xã Hưng Nhân, huyện Hưng Nguyên, tỉnh Nghệ An
1.3 Danh sách chủ trì, thành viên tham gia thực hiện đề tài
TT Chức danh, học vị, họ và tên Đơn vị công tác Vai trò thực hiện đề tài
1 Nguyễn Ý Như, TS Trường ĐHKHTN Chủ nhiệm đề tài
2 Đặng Đình Khá, NCS.ThS Trường ĐHKHTN Thư ký đề tài
3 Trần Ngọc Anh, PGS TS Trường ĐHKHTN Thành viên chính
4 Nguyễn Quang Hưng, TS Trường ĐHKHTN Thành viên chính
5 Ngô Chí Tuấn, NCS.ThS Trường ĐHKHTN Thành viên chính
6 Trịnh Minh Ngọc, NCS ThS Trường ĐHKHTN Thành viên chính
7 Nguyễn Xuân Tiến, NCS.ThS Đài KTTV khu vực
1.4 Đơn vị chủ trì: Trường Đại học Khoa học Tự nhiên
1.5.1 Theo hợp đồng: từ tháng 12 năm 2018 đến tháng 12 năm 2020
1.5.2 Gia hạn (nếu có): đến tháng… năm…
1.5.3 Thực hiện thực tế: từ tháng 12 năm 2018 đến tháng 12 năm 2020
1.6 Những thay đổi so với thuyết minh ban đầu (nếu có):
(Về mục tiêu, nội dung, phương pháp, kết quả nghiên cứu và tổ chức thực hiện; Nguyên nhân; Ý kiến của Cơ quan quản lý)
1.7 Tổng kinh phí được phê duyệt của đề tài: 300 triệu đồng.
TỔNG QUAN KẾT QUẢ NGHIÊN CỨU
Đặt vấn đề
Đánh giá thiệt hại đóng vai trò chìa khoá trong xây dựng chiến lược quản lý rủi ro lũ hiệu quả [1–
5] Trong đó, hàm thiệt hại được sử dụng như một công cụ cơ bản đánh giá thiệt hại trong nhiều nghiên cứu cũng như ứng dụng thực tiễn [6–12] Về cơ bản, hàm thiệt hại có thể được phân thành dạng thực nghiệm dựa vào dữ liệu thiệt hại của các trận lũ quá khứ [13,14], và dạng tổng hợp dựa vào thiệt hại giả định theo các điều kiện xảy ra lũ cụ thể (ví dụ [15–20]) Hàm tổng hợp ít phụ thuộc vào dữ liệu, do đó khả năng ứng dụng cho các khu vực hay các trận lũ khác cũng tốt hơn, mặc dù vẫn cần một số ít dữ liệu phục vụ cho việc hiệu chỉnh và kiểm định hàm thiệt hại [3,21] Độ sâu ngập được xem là yếu tố quyết định đối với thiệt hại do lũ; vì thế các hàm đơn biến giả thiết thiệt hại do lũ tăng theo độ sâu ngập thường được dùng trong phần lớn các nghiên cứu [6,22] Tuy nhiên, biến đổi về thiệt hại không thể giải thích một cách đầy đủ chỉ bằng một biến đơn độ sâu ngập này [3,23,24], việc sử dụng 1 biến độ sâu ngập có thể là nguồn bất định trong đánh giá thiệt hại [14,25] Trong nông nghiệp, thiệt hại do lũ bị ảnh hưởng bởi cả độ sâu và các biến đặc trưng lũ khác
(ví dụ thời gian ngập, thời điểm xảy ra lũ, vận tốc dòng chảy, mức độ ô nhiễm, và dòng bùn cát) và đặc tính vật lý của cây lúa (giai đoạn sinh trưởng và chiều cao cây) Ví dụ một đợt lũ xảy ra dù với độ sâu trung bình cũng có thể gây thiệt hại nghiêm trọng nếu thời gian ngập dài
Hơn nữa trong các nghiên cứu trước cũng đã chỉ ra rằng đánh giá thiệt hại do lũ dựa vào hàm đơn biến có thể gây đánh giá thấp rủi ro do lũ, cách tiếp cận theo hàm đa biến tốt hơn hàm đơn biến [2,4,9,11,14,17,25–27] Nhiều tác giả gần đây đã tích hợp thêm nhiều biến vào nghiên cứu của họ như độ sâu, thời gian ngập, vận tốc dòng chảy [13,14,17,28–32]) Chi tiết hơn các yếu tố như mức độ ô nhiễm, tần suất, thời điểm xuất hiện lũ cũng là những yếu tố được xem xét đến trong đánh giá thiệt hại ở một số mô hình [8,33,34]
Một hàm thiệt hại do lũ thường đặc trưng cho khu vực nghiên cứu, do quan hệ giữa các thông số đặc trưng lũ và mức độ thiệt hại phụ thuộc mạnh mẽ vào các điều kiện địa lý, xã hội như sử dụng đất, phát triển kinh tế và điều kiện khí hậu Chính quyền địa phương và quốc gia ở các khu vực có số liệu đầy đủ thường xây dựng khung phương pháp luận chuẩn bao gồm các hàm thiệt hại để đánh giá rủi ro lũ lụt, như ở Anh [1], Hà Lan [2], EU [3], và Nhật Bản [4] Tuy nhiên, khung đánh giá rủi ro lũ lụt ở các nước đang phát triển với nguồn dữ liệu hạn chế vẫn chưa được phát triển, mặc dù đã có nhiều nghiên cứu thực hiện [5-7).
Mục tiêu
Vì thế mục tiêu của nghiên cứu này là xây dựng được các hàm thiệt hại do lũ cho lúa hè thu ở Việt Nam cụ thể là (1) hàm đơn biến và (2) hàm đa biến, trên cơ sở đó thực hiện đánh giá so sánh để làm nổi bật ưu điểm và hạn chế của chúng dựa trên kết quả thử nghiệm ở lưu vực sông Cả
Trong hàm đơn biến, nghiên cứu này chỉ sử dụng biến độ sâu ngập vì nó là một trong những thông số quan trọng nhất đồng thời cũng dễ thu thập hoặc có thể được tính toán với độ bất định nhỏ Ý tưởng cơ bản của phương pháp xây dựng hàm đơn biến trong nghiên cứu này là sử dụng tốt nhất có thể số liệu thống kê thiệt hại do lũ lụt ở khu vực nghiên cứu theo các bước sau: (i) ước tính độ sâu ngập sử dụng mô hình thủy động lực hoặc nội suy tuyến tính đơn giản cho những vùng có trạm quan trắc, (ii) xác định các hàm mô phỏng quan hệ độ sâu ngập - thiệt hại do lũ lụt và (iii) kiểm chứng các hàm thiệt hại sử dụng độ sâu ngập tính toán và thiệt hại thống kê Hàm thiệt hại được kiểm chứng với dữ liệu thu thập được từ trận lũ lịch sử ở lưu vực sông Cả, trận lũ 2010
Mục tiêu thứ hai là xây dựng được hàm đa biến, hàm thiệt hại tổng hợp cho cây lúa ở Việt Nam thông qua (i) tổng hợp các thông tin rời rạc về đặc trưng vật lý và thiệt hại của lúa do lũ, cụ thể xác định sự thay đổi sản lượng lúa khi thay đổi các thông số lũ đặc trưng (thời gian ngập và độ sâu) từ các nghiên cứu đã được thực hiện, sau đó (ii) sắp xếp tỉ lệ thiệt hại theo các biến xác định, bao gồm giai đoạn sinh trưởng, thời gian ngập, và mức ngập; (iii) tổng hợp các giá trị thu thập được vào bảng tương ứng với từng thời kỳ sinh trưởng (bén rễ, sinh trưởng và trổ bông) để đưa ra hàm thiệt hại dạng bảng tra Giai đoạn sinh trưởng của lúa được đưa vào hàm thiệt hại do tác động của các đặc trưng lũ lên sản lượng lúa biến đổi theo từng giai đoạn sinh trưởng Phương pháp sử dụng trong nghiên cứu này sẽ phần nào cải thiện được khả năng ứng dụng của hàm thiệt hại đơn biến do nó cân nhắc nhiều nguồn thông tin, ít phụ thuộc vào thông tin của vùng nghiên cứu Hàm thiệt hại xây dựng được kiểm chứng với dữ liệu thu thập được từ 4 trận lũ gần đây ở vùng Hưng Nhân, Hưng Nguyên, lưu vực sông
Thiệt hại theo không gian – thời gian tính theo hàm đa biến và hàm đơn biến sẽ được so sánh và đánh giá Các tài liệu thu thập để xây dựng hàm thiệt hại là cho nhiều giống lúa khác nhau vì thế nên hàm xây dựng được không hướng đến một giống lúa cụ thể nào mà mô tả quan hệ thiệt hại – ngập lụt chung cho cây lúa
Một điểm cần lưu ý trong ước tính độ sâu ngập và các đặc trưng lũ khác, mô hình thuỷ động lực được sử dụng để có thể tính toán trên quy mô lớn, nhưng sẽ là yếu điểm (do sai số lớn khi so sánh với dữ liệu điều tra vết lũ) khi trích xuất đặc trưng ngập lụt cho các vùng có quy mô nhỏ, điều này
4 làm tăng độ bất định khi sử dụng chúng trong phương trình thiệt hại Để khắc phục nhược điểm đó, phương pháp nội suy tuyến tính đơn giản được áp dụng cho vùng nghiên cứu nhỏ
Thiệt hại do lũ lụt trong nông nghiệp bao gồm thiệt hại về nông sản, trang trại và cơ sở hạ tầng liên quan [8] Tuy nhiên, nghiên cứu này chỉ tập trung vào thiệt hại cây trồng vì nó chiếm ưu thế trong số các loại thiệt hại nói trên [9] Hơn nữa mùa lũ của khu vực nghiên cứu, tháng 6 - 11, chỉ gieo trồng lúa vụ hè thu, vì thế hàm chỉ mới được xây dựng và kiểm chứng cho lúa vụ hè thu.
Phương pháp nghiên cứu
3.1 Hàm thiệt hại đơn biến
3.1.1 Tính toán độ sâu ngập
Mô hình thủy lực 1D kết nối với mô hình 2 chiều (MIKE 21) để mô phỏng trường thủy lực trên các bãi ngập lũ Toàn bộ các kết nối được thực hiện là kết nối bên mô phỏng dòng chảy tràn từ sông vào các bãi tràn với điều kiện trao đổi hai chiều Miền tính được mở rộng không chỉ khu vực hạ lưu mà cả khu vực thượng lưu, để mô phỏng bức tranh ngập lụt tổng thể cho toàn bộ lưu vực
Các tài liệu địa hình, địa vật cũng như các công trình phòng chống lũ của khu vực nghiên cứu đã được biên tập, phân tích, xử lý để xây dựng lưới tính tốt nhất có thể mô phỏng gần nhất với hiện trạng khu vực nghiên cứu
3.1.2 Xác định hàm thiệt hại
Trong hàm đơn biến, nghiên cứu giả thiết tỷ lệ thiệt hại do lũ lụt chỉ được xác định theo độ sâu ngập Theo đó, hàm thiệt hại do lũ cung cấp mối quan hệ giữa độ sâu ngập và tỷ lệ thiệt hại và phải tuân thủ các yêu cầu sau:
• Phù hợp cung cấp tỉ lệ thiệt hại cho cây trồng chịu ảnh hưởng của lũ, tỉ lệ thiệt hại dao động trong khoảng [0,1];
• Không có thiệt hại khi độ sâu ngập bằng 0 và tăng đến 1 khi độ sâu ngập lớn
• Hàm độ sâu – thiệt hại phải là hàm dừng
Qua tổng quan, phân tích tài liệu nghiên cứu trước, ba hàm điển hình được sử dụng: (1) hàm bậc hai [10], (2) hàm mũ [11] và (3) Hàm S-shape [12] Những hàm này đều phù hợp để cung cấp tỷ lệ thiệt hại cho lúa do lũ lụt và đơn giản để giảm tính bất định trong các yếu tố liên quan đến đánh giá thiệt hại như độ sâu ngập tính toán và thống kê thiệt hại sử dụng để hiệu chỉnh thông số trong hàm
3.1.3 Hiệu chỉnh hàm thiệt hại sử dụng độ sâu ngập và thống kê thiệt hại
Các thông số của hàm thiệt hại do lũ lụt được hiệu chỉnh bằng phương pháp SCE-UA (Phương pháp Shuffled Complex Evolution được phát triển tại Đại học Arizona) [13-14], là một phương pháp tối ưu hóa được phát triển và sử dụng chủ yếu để hiệu chỉnh các mô hình thủy văn Nghiên cứu này sử dụng SCE-UA để tối ưu hóa các tham số trong các hàm thiệt hại, sao cho thiệt hại được tính toán bởi các hàm phù hợp với thống kê thiệt hại do lũ lụt Độ sâu ngập tính toán được chuyển đổi thành tỷ lệ thiệt hại thông qua hàm thiệt hại cho mỗi ô tính toán từ mô hình thủy động lực học và tỷ lệ thiệt hại được nhân với thuộc tính phơi nhiễm (ví dụ: sản lượng lúa) để tính thiệt hại do lũ lụt cho ô lưới đó Thiệt hại ô lưới được tích hợp lại để đánh giá thiệt hại theo đơn vị (ví dụ: đơn vị hành chính) có số liệu thiệt hại Phương pháp SCE-UA được sử dụng để tìm giá trị thông số phù hợp nhất cho hàm thiệt hại dựa vào số liệu thống kê
3.2 Hàm thiệt hại đa biến
Trong mỗi bảng, tỉ lệ thiệt hại tương ứng với từng thời kỳ phát triển được liệt kê theo dạng hàm của thời gian ngập và mức ngập và thời kỳ phát triển (giai đoạn bén rễ, giai đoạn sinh trưởng, và giai đoạn trổ bông) [40–42] Mốc 15 ngày được sử dụng làm thời gian ngập dài nhất do tỉ lệ thiệt hại đạt tối đa trong khoảng 7-8 ngày ở hầu hết các trường hợp [43] Vì thế ngưỡng 15 được xem là đủ dài
Bước thời gian của tỉ lệ thiệt hại theo 3 cấp ngập (50, 75, và 100%) [44,45] là bước thời gian ngày ở
8 ngày ngập đầu, theo đấy là tỉ lệ thiệt hại ở ngưỡng 15 ngày Ở các ô không có thông tin về thiệt hại từ các nghiên cứu trước sẽ được ước tính bằng nội suy đơn giản giữa các giá trị kề nó trên cùng mức ngập
Tỉ lệ thiệt hại thường được cung cấp theo khoảng (v.d 50-70%) và đôi khi không nhất quán giữa các nghiên cứu Vì thế nguyên tắc đơn giản được sử dụng là dùng giá trị trung bình của biên trên và biên dưới làm giá trị đại diện và đảm bảo nguyên tắc tăng dần theo thời gian và mức ngập Mặc dù việc này sẽ dẫn đến yếu tố bất định trong hàm thiệt hại, nhưng là một giải pháp thực tiễn để đưa ra hàm thiệt hại có thể mô tả tốt quan hệ ngập lụt - thiệt hại
Các nghiên cứu được tham khảo để xây dựng hàm đa biến bao gồm: a: [44], b: [46], c: [47], d:
[43], e: [45], g: [48], h: [49] và i: [50] Mỗi nghiên cứu không cung cấp nhiều thông tin theo cả 3 thời kỳ sinh trưởng, thời gian và mức ngập nhưng mỗi mảnh thông tin trong các nghiên cứu là những thông tin giá trị để hình thành hàm bảng tra
3.2.2 Hàm thiệt hại giai đoạn bén rễ
Bảng 1 cung cấp giá trị tỉ lệ thiệt hại cho giai đoạn bén rễ theo thời gian ngập và mức ngập, phản ánh thông tin thu thập được từ các nghiên cứu
Bảng 1: Bảng tra tỉ lệ thiệt hại giai đoạn bén rễ Chiều cao cây lúa giai đoạn này khoảng 15-35 cm
⚫ Mức ngập 5 cm hoàn toàn không ảnh hưởng đến cây lúa, sản lượng thu được vẫn đạt 100% [46]
Vì vậy, mức ngập 5 cm được sử dụng làm điều kiện ban đầu
⚫ Theo nghiên cứu [44], mức ngập 50% trong 1 ngày không gây thiệt hại cho lúa
⚫ Với thời gian ngập 3-5 ngày, [45] và [46] đề xuất các tỉ lệ thiệt hại khác nhau, 1.3% và 5% tương ứng, vì thế trung bình của 2 giá trị này được sử dụng và giả thiết giá trị đề xuất là giới hạn trên và giới hạn dưới
⚫ Theo [45] tỉ lệ thiệt hại là 2.5% khi ngập 6-7 ngày, trong khi [44] đề xuất 10% và 15% cho trường hợp ngập 6 và 7 ngày tương ứng Giá trị trung bình của mỗi mức ngập được sử dụng
⚫ 15% là tỉ lệ thiệt hại lớn nhất ở mức ngập này vì thế nó được sử dụng làm giá trị thiệt hại cho khoảng thời gian ngập dài hơn
⚫ Mức ngập này chỉ kéo dài 1 ngày cũng đã gây giảm sản lượng lúa [46], nghĩa là không có thiệt hại chỉ khi không bị ngập [45, 47] Như thể hiện trong bảng tra, [45] đề xuất tỉ lệ thiệt hại 1.8% sau 3 ngày ngập Giá trị này được sử dụng là ngưỡng dưới thiệt hại gây ra do ngập 1 ngày
⚫ Ngập trong 3 ngày, tỉ lệ thiệt hại là giá trị trung bình của 1.8% và 10% do nghiên cứu [45] và [44] đề xuất
⚫ [44] đề xuất mức thiệt hại 15% do ngập 4 ngày
⚫ Ngập 5 ngày, tỉ lệ thiệt hại 10.5 e -14.6% e và 18 i -24.5% e trong tài liệu [45] và [50] Cân nhắc tỉ lệ thiệt hại do ngập 4 và 7 ngày, khoảng tỉ lệ thiệt hại 18 -24.5% được sử dụng
⚫ 7 và 8 ngày ngập gây thiệt hại 20-28.5% và 28.5-64%, theo [45] và [50]
⚫ [50] đề xuất tỉ lệ thiệt hại lớn nhất ở mức ngập này là 64%, vì thế giá trị này được sử dụng cho mức ngập 15 ngày
⚫ [44] chỉ ra 5 và 9% thiệt hại, còn [50] đề xuất mức thiệt hại 10% khi ngập 1 ngày Dựa vào những giá trị này, khoảng giá trị được sử dụng là 5-10%, và giá trị trung bình của nó là (7.5%) làm giá trị đại diện
⚫ Nếu ngập 2 ngày, có 4 giá trị thiệt hại 10, 15, 25.5 và 38 được đề xuất trong các nghiên cứu [50],
[46], [47] và [50], tương ứng Cân nhắc nguyên tắc tăng dần trong hàm thiệt hại, khoảng giá tị thiệt hại 10-15% được đưa vào bảng tra
⚫ Ba ngày ngập hoàn toàn được dự đoán sẽ làm giảm 16 – 25% sản lượng lúa theo nghiên cứu [45]
⚫ [47] và [49] đề xuất tỉ lệ thiệt hại 37% và 68.8% khi ngập hoàn toàn 4 ngày Tuy nhiên, nghiên cứu này không đưa những giá trị này và bảng tra do chúng cao hơn thiệt hại khi ngập 5 ngày được mô tả ở dưới Và giá trị thiệt hại của ngập 3 ngày được sử dụng (20.5%), sở dĩ không để trống giá trị này vì để mô tả xu thế tăng đột ngột của tỉ lệ thiệt hại mà theo kiến thức thực tế mức ngập 5 ngày là điểm xung yếu đối với cây lúa
Tổng kết kết quả nghiên cứu
4.1 Hàm thiệt hại đơn biến
4.1.1 Khu vực nghiên cứu và trận lũ sử dụng
Phương pháp đề xuất được áp dụng cho 7 huyện ở tỉnh Nghệ An và Hà Tĩnh, Việt Nam (Hình 1) để xây dựng hàm thiệt hại đơn biến do lũ lụt cho lúa hè thu (gieo trồng tháng 5 - 7 và thu hoạch đầu tháng 10 – 11), cây trồng chính chịu thiệt hại của lũ, lụt ở khu vực này Đây là vùng thường xuyên chịu ảnh hưởng nặng nề của lũ lụt Mưa lớn kéo dài 14–19/10/2010 dẫn đến ngập sâu ở các tỉnh Nghệ An, Hà Tĩnh, mức ngập lên tới 3-5 m, kéo dài 7-10 ngày Lượng mưa tuần đạt kỷ lục 1.127,6 mm tại trạm Hòn Ngư Ngập lụt diễn ra trên diện rộng (182 trên 243 xã), trong đó 105 xã bị cô lập hoàn toàn Tổng thiệt hại kinh tế vượt 1,700 và 6,000 nghìn tỷ đồng, trong đó thiệt hại nông nghiệp là 21% và 30% ở Nghệ An và Hà Tĩnh Bản đồ sử dụng đất và số liệu thống kê thiệt hại cấp huyện do ủy ban cung cấp (UBND tỉnh Nghệ An, 2011; Hà Tĩnh, 2011) Bản đồ sử dụng đất được sử dụng để thể hiện không gian các thông tin sản lượng lúa, năng suất và giá thị trường (Sở NN&PTNT Nghệ An, Hà Tĩnh, 2011) Năng suất trung bình là 4.518 kg ha-1 ở Nghệ An và 4.186 kg ha-1 ở Hà Tĩnh, giá thị trường 6,5 nghìn đồng kg-1 được sử dụng làm giá trị đại diện Năng suất lúa chịu thiệt hại được tính bằng tích của năng suất trung bình, giá thị trường và diện tích lúa
4.1.2 Tính toán độ sâu ngập
Bộ mô hình sau khi hiệu chỉnh và kiểm định với trận lũ 10/2010 và 10/2013 được sử dụng để mô phỏng ngập lụt cho các trận lũ dùng kiểm chứng hàm thiệt hại (Hình 1) Kết quả cho thấy vùng ngập chủ yếu nằm ở hạ lưu (Thanh Chương, Nam Đàn, Hưng Nguyên, Nghi Lộc, Vinh của Nghệ An, Hương Sơn, Đức Thọ, Can Lộc, Nghi Xuân, Hồng Lĩnh của Hà Tĩnh) Khu Chợ Tràng (hợp nguồn sông La và sông Lam) là nơi ngập sâu nhất từ 4 – 5 m tại xã Đức Châu, huyện Đức Thọ Hưng Nhân, Hưng Nguyên mức ngập khoảng 1 – 3m Các xã trong đê ngập úng chủ yếu do mưa lớn, Hưng Nhân nằm ngoài đê chịu ảnh hưởng trực tiếp của lũ sông Lam nên mức ngập ở đây lớn, có nơi ngập 3 – 4 m ở vùng trồng lúa, khoảng 0,5 – 2 m khu dân cư Ngập sâu nhất ở các xóm 1, 2, 3 với mức ngập 1,5
- 1,8m Xóm 4, 5, 6, 7, 8 có địa hình cao hơn nên mức ngập chỉ khoảng 0,5 - 1,0m (Hình 2)
Hình 1: Bản đồ ngập lụt lưu vực sông Lam trận lũ tháng
Hình 2: Bản đồ ngập lụt khu vực xã Hưng Nhân trận lũ tháng 10/2010
4.1.3 Hiệu chỉnh hàm thiệt hại đơn biến
Có 3 dạng hàm được sử dụng trong nghiên cứu để xây dựng hàm đơn biến
Hàm S-shape: , (3) trong đó tỷ lệ thiệt hại, , độ sâu ngập, độ sâu ngập tại đó tỷ lệ thiệt hại đạt 1, and là hằng số và là các thông số hiệu chỉnh sử dụng SCE-UA Hàm bậc hai và hàm mũ có thông số , giới hạn tỷ lệ thiệt hại đến 1 Ô có độ sâu ngập ≥ , tỷ lệ thiệt hại bằng 1
Hình 3 so sánh thiệt hại tính toán và thống kê cho từng huyện theo ba hàm đã tối ưu (Hình 4) RMSE được sử dụng làm chỉ số tối ưu hóa trong phương pháp SCE-UA Ba hàm thiệt hại cho kết quả tương tự và đều mô phỏng tốt với RMSE dao động từ 7.000 đến 8.000 triệu đồng Trong ba hàm, hàm mũ cho kết quả tốt nhất, sự khác biệt giữa hàm bậc hai và hàm S-shape là không đáng kể
Ba hàm thiệt hại khá chặt với nhau đặc biệt ở mức ngập dưới 2.5 m Với mực ngập nhỏ (< 1 m), tất cả các hàm đều có xu thế tăng chậm, mức thiệt hại ở ngưỡng này nhỏ (chỉ lên đến 0.1) Đối với mức ngập trung bình (1 - 2.5 m), hàm thiệt hại cho thấy xu thế tăng nhanh, gần 60% vụ mùa chịu thiệt hại ở mức ngập 2.5-m Tỉ lệ thiệt hại ở mức ngập sâu (> 2.5 m) có sự khác biệt lớn giữa 3 hàm
Và mức độ tăng thiệt hại vẫn duy trì cao ở hàm mũ và bậc hai, trong khi S-shape tiến dần đến 1
Thiệt hại cấp huyện tính toán theo ba hàm thiệt hại không có sự khác biệt đáng kể, điều này cho thấy thiệt hại tổng hợp ở cấp huyện không nhạy với dạng hàm thiệt hại nếu chúng được hiệu chỉnh phù hợp Hàm mũ và hàm bậc hai có chứa thông số , mức ngập mà lúa bị thiệt hại hoàn toàn Ở cả hai hàm, giá trị hiệu chỉnh đều xấp xỉ 3 m Điều đó phản ánh tính chất cây lúa không bị ảnh
10 hưởng mạnh bởi ngập lụt trong thời gian ngắn, mà chịu thiệt hại lớn khi thời gian ngập tăng Mức ngập nghiêm trọng, ví dụ như 3 m độ sâu ngập ngầm phản ánh ngập lụt diễn ra trong thời gian dài và có thể dẫn đến thiệt hại đáng kể
Hàm thiệt hại đã được thiết lập chỉ mang tính địa phương, hạn chế trong áp dụng cho các vùng khác ở Việt Nam cũng như trên các quốc gia khác vì ngập lụt và thiệt hại phụ thuộc nhiều vào đặc điểm địa lý và xã hội của khu vực nghiên cứu Ngoài ra, còn một điểm cần lưu ý là trận lũ được sử dụng để hiệu chỉnh xảy ra vào giai đoạn thu hoạch lúa hè thu Do đó, các hàm thiệt hại này có khả năng thiên cao nếu chúng được sử dụng để đánh giá thiệt hại cho các giai đoạn sinh trưởng khác
Khi phân tích ở quy mô ô lưới, phân bố thiệt hại của ba hàm khác nhau đáng kể Hình 5 thể hiện phân bố thiệt hại cho lúa ở độ phân giải 50 m Khác biệt lớn nhất ở diện tích có tỷ lệ thiệt hại từ 0,9 đến 1 Theo hàm mũ, 30% khu vực nghiên cứu bị thiệt hại nặng (90 đến 100%), trong khi theo hàm S-shape khu vực cùng mức thiệt hại chỉ chiếm dưới 10% Kết quả này cũng phù hợp với kết quả của de [7], trong đó kết luận sự khác biệt trong hàm quan hệ độ sâu thiệt hại là nguyên nhân chính dẫn đến tính bất định trong đánh giá thiệt hại Mặc dù phương pháp đề xuất và các hàm thiệt hại được xây dựng có khả năng đưa ra các ước tính tương đối ổn định ở quy mô không gian mà giá trị thống kê thiệt hại được cung cấp, ví dụ như vài trăm km vuông (quy mô huyện), ước tính thiệt hại ở quy mô nhỏ có độ bất định đáng kể, phụ thuộc nhiều vào hàm thiệt hại
4.2 Hàm thiệt hại đa biến
4.2.1 Đặc trưng hàm thiệt hại đa biến
Hình 6 thể hiện dưới dạng sơ đồ hàm thiệt hại đa biến được xây dựng, trong đó trục x, y, z là độ sâu ngập, thời gian ngập và tỉ lệ thiệt hại tương ứng Mỗi hình tương ứng với một giai đoạn sinh trưởng
Hình 6 Hàm thiệt hại đa biến (a) giai đoạn bén rễ, (b) sinh trưởng, và (c) trổ bông
Trong cả 3 giai đoạn phát triển, lúa có sức chống chịu tốt nhất ở giai đoạn sinh trưởng (Hình 6b) Khi cây lúa bị ngập khoảng 35 cm ở giai đoạn này (tương đương mức ngập 75%), sản lượng giảm không đáng kể kể cả ngập sau 7 ngày (21%) Khi ngập hoàn toàn trên 7 ngày thì sản lượng giảm một nửa Nếu xem mức giảm sản lượng 10% là ngưỡng cho phép [46], thì ngập hoàn toàn có thể kéo dài tối đa 2 ngày mà vẫn đảm bảo sản lượng ở giai đoạn sinh trưởng
Giai đoạn bén rễ, chiều cao cây chỉ 20 cm Tác động của ngập đến sản lượng giai đoạn này nghiêm trọng hơn giai đoạn sinh trưởng (Hình 6a) Mức giảm sản lượng lên đến 50–90% khi ngập hoàn toàn từ 5 đến 7 ngày, mức giảm sản lượng giảm đáng kể khi ngập 75% Ở giai đoạn này, ngập 75% có thể chịu tối đa 3 ngày và ngập hoàn toàn tối đa 1 ngày thì vẫn duy trì được mức sản lượng trong giới hạn cho phép
Giai đoạn trổ bông, sản lượng lúa bị ảnh hưởng nặng nhất khi ngập hoàn toàn (Hình 6c) Mức giảm sản lượng có thể đến 30–50% nếu ngập hoàn toàn trong 2–4 ngày Nếu thời gian ngập kéo dài từ 5 - 8, mức giảm sản lượng tương tự giai đoạn bén rễ (xấp xỉ 50–90%) Mức thiệt hại do ngập ở giai đoạn trổ bông và bén rễ trong 4–5 ngày tương đương với ngập 7 ngày ở giai đoạn sinh trưởng
4.2.2 Khu vực nghiên cứu và các trận lũ Để kiểm chứng hàm thiệt hại đa biến, nghiên cứu áp dụng tính toán thiệt hại cho lúa ở xã Hưng Nhân, Hưng Nguyên (hcn đỏ Hình 7- trái), lưu vực sông Cả, sinh kế 77% dân số dựa vào nông nghiệp
[52] Trong đó 50% diện tích đất trồng lúa [53] Khu vực này có địa hình bằng phẳng, độ cao trung bình 2,5 m, diện tích 6,7 km 2 Cao độ nền khu dân cư trong khoảng 2,7 m - 6 m Đất trồng lúa nằm ở vùng trũng, cao độ khoảng 1,1 m, chênh lệch độ cao giữa các thửa ruộng 0,2 m Đê tả sông Lam là ranh giới phía Bắc và phía Tây của khu vực nghiên cứu nhằm hạn chế ngập lụt ở khu đô thị, sông Lam là ranh giới phía Nam và phía Đông; tức là khu vực nghiên cứu nằm ngoài hệ thống đê bao chống lũ Cơ cấu sử dụng đất tổng thể trong khu vực nghiên cứu, đặc biệt đối với đất trồng lúa, hầu như không thay đổi trong thời gian nghiên cứu Việc giảm diện tích lúa là không đáng kể [53]
Đánh giá về các kết quả đã đạt được và kết luận
Nghiên cứu đã xây dựng được hàm thiệt hại đơn biến (hàm của độ sâu ngập) thông qua số liệu thống kê thiệt hại và phương pháp SCE-UA và hàm đa biến cho cây lúa dựa trên cách tiếp cận nghiên cứu thứ cấp, thu thập và tích hợp các nguồn thông tin phân mảnh về thiệt hại lúa do ngập lụt, áp dụng thử nghiệm những phương trình này cho khu vực Hưng Nhân, Hưng Nguyên, Nghệ An nhìn chung cho kết quả tốt Ưu điểm và hạn chế của hàm đơn biến, đa biến cũng được đánh giá, so sánh theo số liệu của 4 trận lũ ở khu vực nghiên cứu
Kết quả cho thấy hàm đa biến đánh giá tốt hơn hàm đơn biến, đặc biệt là với các trận lũ vừa và nhỏ Ưu điểm của hàm thiệt hại đa biến là nó được xây dựng dựa trên rất nhiều thông tin về điều kiện ngập lụt đối với sản lượng lúa và xem xét đến các yếu tố thời gian ngập, giai đoạn sinh trưởng và độ sâu ngập như những yếu tố quan trọng quyết định mức độ thiệt hại Do đó nó có thể khắc phục được những hạn chế của hàm đơn biến như rất phụ thuộc vào dữ liệu thiệt hại để sử dụng cho hiệu chỉnh quan hệ độ sâu và cường độ thiệt hại
Kết quả nghiên cứu này cho thấy bên cạnh dạng hàm, kiến thức, kinh nghiệm về sự biến đổi của lũ theo thời gian và cường độ ngập lụt tác động mạnh đến độ chính xác của kết quả tính toán Đối với trận lũ có cường độ lớn, độ sâu ngập gần như đạt cực đại; thì việc xác định thiệt hại lại tương đối dễ dàng vì lúa có thể bị thiệt hại hoàn toàn dù thời gian ngập ngắn Khi xác định thiệt hại của lúa do các trận lũ nhỏ và vừa thường kéo theo yếu tố bất định vì trong điều kiện này, cả độ sâu ngập và thời gian ngập đều đóng vai trò ngang nhau đối với cường độ thiệt hại Trong điều kiện như thế thì để đánh giá được chính xác điều kiện ngập lụt là cần thiết để có thể đưa ra được những đánh giá chính xác về thiệt hại do các trận lũ cường độ vừa và nhỏ tác động lên sản lượng lúa.
Tóm tắt kết quả (tiếng Việt và tiếng Anh)
Tiếng Việt Đánh giá thiệt hại do lũ đối với nông nghiệp ngày càng đóng vai trò quan trọng trong việc hỗ trợ ra quyết định và giảm thiểu tác động của lũ ở các nước đang phát triển Vì thế nghiên cứu này mục đích xây dựng hàm thiệt hại đơn biến và đa biến cho lúa hè thu ở lưu vực sông Cả, Việt Nam Hàm đơn biến được xây dựng dựa trên ý tưởng sử dụng tốt nhất số liệu thống kê thiệt hại do lũ ở khu vực nghiên cứu trong khi hàm đa biến được xây dựng dựa vào dữ liệu thứ cấp với ý tưởng cơ bản là thu thập và tổng hợp các mẩu thông tin rời rạc về thiệt hại hay giảm sản lượng do ngập lụt
Hàm đơn biến giả thiết tỷ lệ thiệt hại do lũ lụt chỉ là hàm của độ sâu ngập và sử dụng độ sâu ngập tính từ mô hình MIKE FLOOD Tham số của các hàm được hiệu chỉnh thông qua phương pháp SCE-
UA (Shuffled Complex Evolution - Đại học Arizona) để thiệt hại tính toán mô phỏng tốt nhất thiệt hại thống kê Ba hàm thiệt hại được xây dựng đều cho kết quả mô phỏng tốt theo số liệu lũ 2010 Kết quả chỉ ra hàm thiệt hại xây dựng có khả năng tính toán, đánh giá thiệt hại do lũ lụt ở quy mô huyện, nhưng tính toán thiệt hại theo quy mô chi tiết hơn khác nhau đáng kể giữa các hàm
Mục tiêu thứ hai của nghiên cứu là xây dựng hàm đa biến dạng bảng tra để tính toán thiệt hại do lũ lụt theo cách tiếp cận nghiên cứu thứ cấp, bao gồm thu thập, tích hợp các thông tin phân mảnh về thiệt hại lúa do ngập lụt Hàm đa biến được kiểm chứng cho xã Hưng Nhân, lưu vực sông Cả, Việt Nam Hàm thiệt hại đưa ra có xét đến tác động của giai đoạn sinh trưởng ngoài các biến đặc trưng lũ như độ sâu ngập và thời gian ngập Kết quả cho thấy cây lúa dễ bị thiệt hại nhất ở giai đoạn trổ bông, và có sức chống chịu mạnh nhất ở giai đoạn sinh trưởng Sản lượng giảm mạnh từ từ 50% đến 90% ở giai đoạn trổ bông khi ngập hoàn toàn từ 5 đến 8 ngày Trong khi đó sản lượng lúa giảm không đáng kể dù ngập 75% sau 7 ngày ở giai đoạn sinh trưởng và giảm gần một nửa khi ngập hoàn toàn trong 7 ngày Mức thiệt hại khi ngập hoàn toàn 4-5 ngày ở giai đoạn trổ bông và bén rễ tương tự với thiệt hại khi ngập hoàn toàn trong 7 ngày ở giai đoạn sinh trưởng Áp dụng thử nghiệm hàm thiệt hại đa biến xây dựng để tính toán thiệt hại cho cây lúa do 4 trận lũ diễn ra ở khu vực Hưng Nhân, Hưng Nguyên cho thấy hàm đa biến mô phỏng khá tốt thiệt hại do lũ và khả năng mô phỏng tốt hơn hàm đơn biến ở khu vực nghiên cứu
It is increasingly important to evaluate the economic flood damage toward agricultural crops to further improve decision-making and mitigate flood impacts in developing countries The aim of this study is to develop the damage functions including univariable and multivariable functions for summer – autumn rice crop for Ca river basin, Vietnam The basic idea of the methodology proposed to develop univariable functions is to make the best possible use of flood damage statistics in the target area while its availability may vary from one case to another, and the basic idea of the multivariable function is based on secondary information sources that provide a causal relationship between flood variables and rice yield
The univariable function assumes that the flood damage ratio is a function of inundation depth only and utilizes inundation depth estimated from hydrodynamic model – MIKE FLOOD The parameters of the damage functions are calibrated through the SCE-UA method (Shuffled Complex Evolution method developed at The University of Arizona) so that the calculated flood damages
17 match observations compiled in flood disaster statistics The established three functions show good agreement with actual agricultural damages caused by a rainfall event in 2010 The results indicate that the established damage functions are capable of estimating flood damage at the district scale, while damage estimations at finer spatial resolution differ between the functions, suggesting that detailed statistical data need to be incorporated to reduce the estimation uncertainty at fine scales
The second purpose of this study is to derive a multivariable lookup table function for estimating flood damages to rice crops based on a secondary research approach, which involves collecting and integrating fragmented secondary information sources of rice damage caused by inundation and event data observed in southern rural areas of the Ca River Basin, Central Vietnam The derived lookup table function includes the effects of the rice growth stages on the damage caused, in addition to flooding parameters (inundation level and duration) This indicates that the rice crops are generally the most vulnerable and robust to inundation in the ripening and the reproductive stages The yield loss in the ripening stage dramatically increases from 50% to 90% when the complete inundation lasts
5 to 8 days Even after 7 days of 75% inundation, the yield hardly decreased at the reproductive stage and was reduced by almost half for 7 days of complete inundation Four-five days of complete inundation at the ripening and vegetation stages are likely to cause almost the same damage to rice crops as that caused by 7 days of inundation at the reproductive stage Utilization of the function to estimate rice damage in four flood events reveals that the derived multivariable function captures flood damages well and outperforms the univariable damage functions for the target area.
SẢN PHẨM, CÔNG BỐ VÀ KẾT QUẢ ĐÀO TẠO CỦA ĐỀ TÀI
Kết quả nghiên cứu
TT Tên sản phẩm Yêu cầu khoa học hoặc/và chỉ tiêu kinh tế - kỹ thuật Đăng ký Đạt được
1 Báo cáo mô tả mô hình đánh giá thiệt hại do lũ đối với cây trồng nông nghiệp và các chương trình tính toán kèm theo tài liệu hướng dẫn
- Xây dựng được phương pháp xác định các biến của hàm thiệt hại
- Xây dựng được mô hình đánh giá thiệt hại do lũ đối với cây trồng nông nghiệp
- Đưa ra tài liệu hướng dẫn cách sử dụng mô hình
- Xây dựng được phương pháp xác định các biến của hàm thiệt hại (đưa vào báo cáo 2- thông số mô hình)
- Xây dựng được mô hình đánh giá thiệt hại do lũ đối với cây trồng nông nghiệp
- Đưa ra tài liệu hướng dẫn cách sử dụng mô hình
2 Bộ thông số của mô hình thiệt hại (giá trị tối ưu của các biến trong hàm thiệt hại) cho khu vực xã Hưng Nhân, huyện
Hưng Nguyên, tỉnh Nghệ An
- Đưa ra bộ thông số tối ưu của mô hình thiệt hại cho xã Hưng Nhân, Hưng Nguyên, Nghệ An phục vụ đánh giá thiệt hại đối với cây trồng nông nghiệp
- Đưa ra bộ thông số tối ưu của mô hình thiệt hại cho xã Hưng Nhân, Hưng Nguyên, Nghệ An phục vụ đánh giá thiệt hại đối với cây trồng nông nghiệp
3 Bản đồ thiệt hại cây trồng tỉ lệ
1:5000 và đánh giá thiệt hại do lũ đối với cây trồng nông nghiệp cho xã Hưng Nhân,
- Thể hiện các đối tượng lên bản đồ theo đúng quy định của Bộ Tài nguyên và Môi trường
- Hướng dẫn cụ thể cách sử dụng, tra cứu bản đồ
- Thể hiện các đối tượng lên bản đồ theo đúng quy định của Bộ Tài nguyên và Môi trường
- Hướng dẫn cụ thể cách sử dụng, tra cứu bản đồ
Hình thức, cấp độ công bố kết quả
(Đã in/ chấp nhận in/ đã nộp đơn/ đã được chấp nhận đơn hợp lệ/ đã được cấp giấy xác nhận SHTT/ xác nhận sử dụng sản phẩm)
Ghi địa chỉ và cảm ơn sự tài trợ của ĐHQGHN đúng quy định Đánh giá chung
1 Công trình công bố trên tạp chí khoa học quốc tế theo hệ thống ISI/Scopus
1.1 Dang Dinh Kha, Nguyen Y Nhu,
Vu Viet Long, Dao Thi Hong
Van, 2020 Utility of GSMaP precipitation and point scale in gauge measurements for stream flow modelling, Journal of
Ecological Engineering vol 21, iss 2, 2020 (Scopus – Q2) Đã đăng This research was funded by the Vietnam National University, Hanoi (VNU) under project number QG.19.03
1.2 Nhu Y Nguyen, Kha Dang Dinh,
Developing a multivariable lookup table function for estimating flood damages of rice crop in Vietnam using a secondary research approach,
Risk Reduction (ISI - Q1) Đang review (đã nộp ngày 14/10/2020)
This research was funded by the Vietnam National University, Hanoi (VNU) under project number QG.19.03
2 Sách chuyên khảo được xuất bản hoặc ký hợp đồng xuất bản
3 Đăng ký sở hữu trí tuệ
4 Bài báo quốc tế không thuộc hệ thống ISI/Scopus
5 Bài báo trên các tạp chí khoa học của ĐHQGHN, tạp chí khoa học chuyên ngành quốc gia hoặc báo cáo khoa học đăng trong kỷ yếu hội nghị quốc tế
5.1 Nguyen Y Nhu, Dang Dinh Kha,
Nguyen Quang Hung, Dao Thi
Hong Van, Trinh Minh Ngoc,
Ngo Chi Tuan Quantifying the direct impacts of climate change on flood damage for rice in Hung
Nguyen district, Nghe An province VNU Journal of
Sciences, Vol , No … (2020) Đã chấp nhận đăng This research was funded by the Vietnam National University, Hanoi (VNU) under project number QG.19.03
5.2 - Nguyen Y Nhu, 2019 A practice review on disaster risk reduction and management in Vietnam,
Tropical Meteorology, Hydrology and Disaster Mitigation Forum,
November 2019, Hainan, China Đã đăng This research was funded by the Vietnam National University, Hanoi (VNU) under project number QG.19.03
5.3 - Dang Dinh Kha, Nguyen Y Nhu,
Vu Viet Long, 2019 Evaluation of GSMap and Gauge rainfall Đã đăng This research was funded by the Vietnam National
19 merging techniques for stream flow modelling using SWAT model over the Lam river basin,
Intergrated water resources management, irrigation works efficiency improvement and modernization, Oct-2019, HaNoi,
University, Hanoi (VNU) under project number QG.19.03
6 Báo cáo khoa học kiến nghị, tư vấn chính sách theo đặt hàng của đơn vị sử dụng
7 Kết quả dự kiến được ứng dụng tại các cơ quan hoạch định chính sách hoặc cơ sở ứng dụng KH&CN
- Cột sản phẩm khoa học công nghệ: Liệt kê các thông tin các sản phẩm KHCN theo thứ tự
- Các ấn phẩm khoa học (bài báo, báo cáo KH, sách chuyên khảo…) chỉ được chấp nhận nếu có ghi nhận địa chỉ và cảm ơn tài trợ của ĐHQGHN theo đúng quy định
- Bản phô tô toàn văn các ấn phẩm này phải đưa vào phụ lục các minh chứng của báo cáo Riêng sách chuyên khảo cần có bản phô tô bìa, trang đầu và trang cuối có ghi thông tin mã số xuất bản.
Kết quả đào tạo
Thời gian và kinh phí tham gia đề tài
Công trình công bố liên quan
(Sản phẩm KHCN, luận án, luận văn) Đã bảo vệ
Dang Dinh Kha, Nguyen Y Nhu, Vu Viet Long, Dao Thi Hong Van, 2020 Utility of
GSMaP precipitation and point scale in gauge measurements for stream flow modelling, Journal of Ecological Engineering vol 21, iss 2, 2020
2 Ngô Chí Tuấn 27,8 triệu thời gian ~2.0 tháng
Nguyen Y Nhu, Dang Dinh Kha, Nguyen Quang Hung, Dao Thi Hong Van, Trinh Minh Ngoc, Ngo Chi Tuan Quantifying the direct impacts of climate change on flood damage for rice in Hung Nguyen district, Nghe An province VNU Journal of Science: Earth and Environmental Sciences, Vol , No … (2020)
- Gửi kèm bản photo trang bìa luận án/ luận văn/ khóa luận và bằng hoặc giấy chứng nhận nghiên cứu sinh/thạc sỹ nếu học viên đã bảo vệ thành công luận án/ luận văn;
- Cột công trình công bố ghi như mục III.1
PHẦN IV TỔNG HỢP KẾT QUẢ CÁC SẢN PHẨM KH&CN VÀ ĐÀO TẠO CỦA ĐỀ TÀI
TT Sản phẩm Số lượng đăng ký
Số lượng đã hoàn thành
1 Bài báo công bố trên tạp chí khoa học quốc tế theo hệ thống
2 Sách chuyên khảo được xuất bản hoặc ký hợp đồng xuất bản
3 Đăng ký sở hữu trí tuệ
4 Bài báo quốc tế không thuộc hệ thống ISI/Scopus
5 Số lượng bài báo trên các tạp chí khoa học của ĐHQGHN, tạp chí khoa học chuyên ngành quốc gia hoặc báo cáo khoa học đăng trong kỷ yếu hội nghị quốc tế
6 Báo cáo khoa học kiến nghị, tư vấn chính sách theo đặt hàng của đơn vị sử dụng
7 Kết quả dự kiến được ứng dụng tại các cơ quan hoạch định chính sách hoặc cơ sở ứng dụng KH&CN
8 Đào tạo/hỗ trợ đào tạo NCS 01 02
PHẦN V TÌNH HÌNH SỬ DỤNG KINH PHÍ
2 Nguyên, nhiên vật liệu, cây con
6 Hội nghị, Hội thảo, kiểm tra tiến độ, nghiệm thu 34,7 34,7
7 In ấn, Văn phòng phẩm 5,915 5,915
PHẦN V KIẾN NGHỊ (về phát triển các kết quả nghiên cứu của đề tài; về quản lý, tổ chức thực hiện ở các cấp)
Do hạn chế về số liệu thống kê cả về thiệt hại cũng như các đặc trưng lũ, nghiên cứu hiện nay chỉ mới cân nhắc các yếu tố quan trọng và trong phương trình thiệt hại mà chưa có một nghiên cứu thực sự đánh giá về vai trò ảnh hưởng của từng thông số đối với thiệt hại Việc đánh giá các thông số quan trọng, và mức ảnh hưởng của từng thông số đối với cường độ thiệt hại sẽ góp phần cải thiện, nâng cao độ chính xác của các hàm thiệt hại được xây dựng
Kết quả nghiên cứu cho thấy ngoài dạng hàm thiệt hại thì việc hiểu được đặc tính của lũ cũng đóng vai trò quan trọng để đánh giá được chính xác mức độ thiệt hại do lũ Vì thế việc nghiên cứu quy luật
21 thời điểm xuất hiện lũ cũng là một thông tin rất hữu ích để xây dựng các quy hoạch nông nghiệp cho vùng nghiên cứu sau này
Như đã đề cập đến một số hạn chế trong quá trình xây dựng hàm thiệt hại đa biến, việc bổ sung, cung cấp thêm các thông tin chi tiết để thiết lập hàm thiệt hại đa biến chi tiết, đầy đủ hơn để cung cấp kết quả tính toán tốt hơn, ví dụ như bổ sung thêm tác động của dòng bùn cát, vận tốc dòng chảy
Việc kiểm tra đánh giá khả năng ứng dụng của hàm thiệt hại đa biến này cần được thực hiện thêm trên nhiều quy mô khác nhau để làm rõ được những điểm thiếu sót đồng thời để cải thiện, nâng cao khả năng ứng dụng của nó Đánh giá rủi ro và thiệt hại là một bài toán cấp thiết nhằm giảm thiểu tác hại cũng như thích ứng với thiên tai, vì thế rất cần được đầu tư nghiên cứu thêm trong tương lai
PHẦN VI PHỤ LỤC (minh chứng các sản phẩm nêu ở Phần III)
Hà Nội, ngày 21 tháng 01 năm 2021 Đơn vị chủ trì đề tài
(Thủ trưởng đơn vị ký tên, đóng dấu)
PHỤ LỤC 1: KẾT QUẢ NGHIÊN CỨU
1 Báo cáo mô tả mô hình đánh giá thiệt hại do lũ đối với cây trồng nông nghiệp và các chương trình tính toán kèm theo tài liệu hướng dẫn
2 Bộ thông số của mô hình thiệt hại (giá trị tối ưu của các biến trong hàm thiệt hại) cho khu vực xã Hưng Nhân, huyện Hưng Nguyên, tỉnh Nghệ
3 Bản đồ thiệt hại cây trồng tỉ lệ 1:5000 và đánh giá thiệt hại do lũ đối với cây trồng nông nghiệp cho xã Hưng Nhân, Hưng Nguyên, Nghệ An
Mô hình đánh giá thiệt hại do lũ đối với cây trồng nông nghiệp và các chương trình tính toán kèm theo tài liệu hướng dẫn ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN
NGHIÊN CỨU XÂY DỰNG MÔ HÌNH ĐÁNH GIÁ THIỆT HẠI DO LŨ ĐỐI VỚI CÂY TRỒNG NÔNG NGHIỆP – THỬ NGHIỆM ÁP DỤNG CHO XÃ HƯNG NHÂN, HUYỆN HƯNG NGUYÊN, TỈNH NGHỆ AN
BÁO CÁO KẾT QUẢ NGHIÊN CỨU
Báo cáo mô tả mô hình đánh giá thiệt hại do lũ đối với cây trồng nông nghiệp và các chương trình tính toán kèm theo tài liệu hướng dẫn
Chủ nhiệm đề tài: TS Nguyễn Ý Như
Cơ quan chủ trì: Trường Đại học Khoa học Tự nhiên Đại học Quốc gia Hà Nội
Cơ quan chủ trì đề tài Chủ nhiệm đề tài
2 TỔNG QUAN CÔNG CỤ ĐÁNH GIÁ THIỆT HẠI 27
3 HÀM THIỆT HẠI ĐA BIẾN 28
4 HÀM THIỆT HẠI ĐƠN BIẾN 29
5 DỮ LIỆU ĐẦU VÀO CÔNG CỤ ĐÁNH GIÁ THIỆT HẠI 31 5.1 Khu vực nghiên cứu 31 5.2 Đặc trưng lũ 33
5.2.1 Độ sâu ngập lớn nhất 33
5.2.2 Chuỗi mực nước theo thời gian 34 5.2.3 Độ sâu ngập 34 5.2.4 Thời gian ngập 35 5.3 Bản đồ sử dụng đất 35 5.4 Thông số phương trình thiệt hại 36 5.5 Số liệu thống kê thiệt hại, năng suất, giá lúa 37
6 KẾT QUẢ SỬ DỤNG CÔNG CỤ ĐÁNH GIÁ THIỆT HẠI 37
8 HƯỚNG DẪN SỬ DỤNG 41TÀI LIỆU THAM KHẢO 42
Tính toán thiệt hại do lũ là yếu tố chìa khoá để phát triển được chiến lược quản lý rủi ro lũ hiệu quả Trong đó hàm thiệt hại là công cụ cơ bản được sử dụng trong nhiều nghiên cứu và các ứng dụng thực tiễn Nhìn chung có 2 dạng hàm thiệt hại bao gồm (i) hàm thực nghiệm dựa vào số liệu thống kê thiệt hại sau lũ và (ii) dạng hàm tổng hợp dựa vào giá trị thiệt hại giả thiết ứng với từng trận lũ trong từng điều kiện cụ thể Hàm tổng hợp có ưu điểm là ít phụ thuộc và dữ liệu thống kê và có khả năng sử dụng linh hoạt hơn cho các khu vực hoặc các trận lũ khác với chỉ một ít dữ liệu được sử dụng để hiệu chỉnh và kiểm định hàm thiệt hại Đặc trưng lũ thường được dùng phổ biến trong hàm thiệt hại là độ sâu ngập; vì thế nên các hàm đơn biến giả thiết thiệt hại lũ tăng dần theo độ sâu ngập được sử dụng trong hầu hết các nghiên cứu Tuy nhiên với mỗi biến độ sâu ngập không thể giải thích một cách đầy đủ sự biến đổi của giá trị thiệt hại do lũ, vì thế nếu tính thiệt hại chỉ theo độ sâu ngập có thể sẽ là một yếu tố dẫn đến tính bất định trong đánh giá thiệt hại do lũ Thực tế trong lĩnh vực nông nghiệp, thiệt hại chịu sự chi phối của độ sâu ngập và các đặc trưng lũ khác như thời gian ngập, thời điểm xuất hiện lũ, vận tốc dòng chảy, dòng phù sa … và các đặc trưng vật lý của cây lúa như giai đoạn sinh trưởng và chiều cao cây lúa
Vì thế trong nghiên cứu này sẽ xây dựng hàm thiệt hại đơn biến và hàm thiệt hại đa biến cho cây lúa ở Việt Nam Hàm thiệt hại xác định sự biến đổi về sản lượng lúa dưới tác động của các đặc trưng lũ chính (thời gian ngập, độ sâu ngập và thời điểm xuất hiện lũ) Giai đoạn sinh và chiều cao cây tương ứng được đưa vào trong hàm thiệt hại do tác động của các đặc trưng lũ đối với sản lượng lúa cũng biến đổi theo từng giai đoạn
1 GIỚI THIỆU CÔNG CỤ ĐÁNH GIÁ THIỆT HẠI
