Mô hình toán thủy văn lưu vực nhỏ - Chương 3 potx

Hình 3.2 Sự biến đổi theo không gian của tổng lượng giáng thuỷ đối với một sự kiện cho trước Theo Osborn, cùng các cộng sự, 1974 Các dữ liệu đưa vào mô hình thủy văn có thể dựa trên cơ

Chư¬ng 3

Gi¸ng thuû

3.1 Lêi nãi ®Çu 137

3.2 Lưîng mưa 138

3.3 M« h×nh lưîng mưa 149

3.4 Lưîng mưa như lµ mét phÇn cña c¸c m« h×nh thñy v¨n 161

3.5 TuyÕt trong m« h×nh ho¸ lưu vùc nhá 171

3.6 M« h×nh tuyÕt tan 176

3.7 Lưîng tuyÕt tan trong c¸c m« h×nh thñy v¨n 186

Giáng thủy

Tác giả:

H B Osborn và L.J.Lane, USDA - ARS - SWC T.T nghiên cứu lưu vực sông Tây - Nam, Tuscon, AZ;

C.W Rechardson, USDA T.T nghiên cứu đồng cỏ, Temple, TX;

M Molnau, Viện kỹ thuật nông nghiệp, ĐH Idaho, Mosscow, ID

3.1 Lời nói đầu

Nguồn dữ liệu đầu vào trong hầu hết mô hình thủy văn là giáng thủy Mưa và tuyết là những dạng của giáng thủy - mối quan tâm chủ yếu trong mô hình thuỷ văn ở những lưu vực sông nhỏ

Cũng vì lẽ mô hình giáng thủy đánh giá tài nguyên nước theo mùa và năm, nên các thiết kế công trình đều dựa trên cơ sở dự báo đỉnh lũ, xói mòn trầm tích, vận chuyển các chất hoá học và đánh giá mùa màng từ những vùng khô hạn đến những vùng đất có hệ thống thuỷ lợi, và từ những vùng đồi núi

đến những vùng đồng cỏ

Việc sử dụng một mô hình thủy văn thường yêu cầu dữ liệu giáng thuỷ

đầu vào một cách chi tiết và phức tạp Những cân nhắc trên khía cạnh kinh tế

sẽ quyết định mức độ chi tiết nào của mẫu được áp dụng trong tính toán thực

tế Ví dụ như: từ dữ kiện ở một vũ kế chuẩn có thể đủ để xác định lượng mưa trung bình năm hoặc mùa trên một lưu vực sông nhỏ Một chuỗi số liệu đo đạc của vũ kế cũng có thể cung cấp đủ thông tin cho việc dự báo sự xói mòn hàng năm và quá trình mực nước Một hệ thống các bảng ghi kết quả đo đạc là cần thiết cho việc mô tả sự biến đổi của giáng thủy theo thời gian và không gian Dữ kiện từ hệ thống các bảng biểu có thể cần cho việc đánh giá đỉnh lũ, sự xói

mòn và sự tích tụ từ các sự kiện đơn lẻ hoặc tính thay đổi của dòng chảy phát sinh theo không gian Những đại lượng đo lường khác của thủy văn là nhiệt độ,

độ ẩm, bức xạ mặt trời, bốc thoát hơi nước và lượng ẩm có trước trong đất cũng cần đến như giáng thủy trong chu trình cân bằng nước hoặc đánh giá chính xác hiệu ích mùa màng

Trong chương này, chúng ta mô tả mô hình lượng mưa và lượng tuyết rơi, lượng mưa và tuyết tan như là những dữ liệu đầu vào cho các mô hình thuỷ văn phức tạp hơn Chúng ta cố gắng nhận biết một số mô hình thủy văn đã

được sử dụng rộng rãi hay một số mô hình ít được sử dụng nhưng có khả năng phát triển trong tương lai mà không cố gắng để miêu tả tất cả các mô hình thủy văn hoặc các mô hình có chứa giáng thủy

3.2 Lượng mưa

3.2.1 ý nghĩa đặc biệt

Lượng mưa thay đổi trong phạm vi lớn theo cả không gian và thời gian Tính thay đổi mạnh của giáng thủy hàng năm và phân bố theo mùa của giáng thủy được biểu diễn trên hình 3.1 bằng các biểu đồ phân bố điển hình mùa cho các vị trí khác nhau ở nước Mỹ

Hình 3.1 Phân bố hàng tháng điển hình của giáng thuỷ trong các vùng khí hậu khác nhau

(Theo Linsley cùng các cộng sự, 1949)

Tính chất thay đổi theo không gian của tổng lượng giáng thủy của một vùng cụ thể được biểu diễn trên hình 3.2 Rõ ràng một mô hình miêu tả lượng mưa, thậm chí cả cường độ mưa nhỏ thông thường sẽ cực kỳ phức tạp Khi đó việc mô tả lượng mưa phải được đơn giản hóa để dễ sử dụng trong mô hình Lượng mưa rơi tự nhiên, các yêu cầu đầu ra, và các nguồn dữ liệu sẵn có sẽ quyết định tổng lượng các quá trình đơn giản hóa

Hình 3.2 Sự biến đổi theo không gian của tổng lượng giáng thuỷ đối với một sự kiện cho

trước (Theo Osborn, cùng các cộng sự, 1974)

Các dữ liệu đưa vào mô hình thủy văn có thể dựa trên cơ sở các mẫu thử (nếu có sẵn) hoặc số liệu tính toán Hầu hết các mô hình lượng mưa là các mô hình mô phỏng phát triển trên cơ sở dữ kiện từ hệ thống các mẫu số liệu có sẵn

Khoảng cách giữa các trạm đo m

Hình 3.3 Biểu đồ ước lượng khoảng cách giữa các trạm đo như là một hàm của lượng mưa

2-năm 24-h và 2-2-năm 1-h (Theo Hershfield, 1965)

Lượng mưa 24h trong 2 năm (mm)

3.2.2 Tối ưu hóa mẫu

Thông thường, hầu hết những phân tích xác định hệ thống mẫu thử tối

ưu để trả lời các câu hỏi thuỷ văn cụ thể được dựa vào quan hệ thời gian mưa - diện tích mưa và lượng mưa

Hershfield (1965) đã phân tích sự phân bố theo không gian của hệ thống

15 vũ kế ở những vùng khí hậu khác nhau của Mỹ Ông đã lựa chọn 15 trận mưa chính cho mỗi lưu vực ở 15 lưu vực trên Hệ thống trạm đo có mật độ thay

đổi từ 3/km2 tới 1/10 km2 Từ những dữ liệu này, Hershfield đã phát triển một mối quan hệ (trên cơ sở chủ quan nhưng hệ số tương quan hợp lý r = 0,9) như

là một hàm của 2 năm, 24 h và 2 năm, 1 giờ lượng mưa để xây dựng mật độ trạm đo (Hình 3.3) Mối quan hệ này đã chỉ ra rằng các đo đạc nên nhiều hơn, gần nhau hơn vì lượng mưa trong khoảng thời gian ngắn có cường độ tăng lên Mặc dầu mối tương quan đã được phát triển từ một lượng dữ kiện giới hạn, nó

có thể được sử dụng như một phép xấp xỉ ban đầu của phân bố vũ kế theo không gian

Ngày nay, sự mong muốn về độ chính xác của trạm đo mưa trong nghiên cứu hay trong việc lập kế hoạch cụ thể là vượt quá khả năng Ví dụ, Osborn và một số người khác (1972) đã phân tích những bản ghi chép hệ thống các trạm đo mưa tương đối dày đặc ở phía Đông Nam Asizona để quyết định khoảng không gian cần thiết cho việc đánh giá chính xác sự thay đổi theo không gian của lượng mưa bão cực đại 15 phút (có quan hệ chặt chẽ với đỉnh lũ

ở những lưu vực sông nhỏ) Với việc sử dụng mối tương quan đơn nhất chuẩn (r = 0,9) giữa các trạm đo, thì không gian cần thiết giữa các trạm đo là 300m Với khoảng không gian này thì cần 1400 trạm đo mưa trên lưu vực rộng 150

km2, là vùng mà hoàn toàn không thể quản lý được Trong trường hợp này cũng như các trường hợp khác, ở đây phải có sự dàn xếp giữa điều mong muốn và mẫu thực tế Thông thường sự dàn xếp thường làm nảy sinh kết quả mẫu thử rải rác trong một giai đoạn dài hơn

Eagleson (1967) đã sử dụng phương pháp phân tích điều hòa và những khái niệm về các hệ thống phân bố tuyến tính để nghiên cứu độ nhạy của lưu lượng đỉnh lũ đến đặc điểm thay đổi theo không gian của mưa đối lưu và mưa xoáy thuận Ông đã xác định những mối quan hệ thông thường theo lý thuyết

về mật độ hệ thống lượng mưa tối ưu hóa để đưa ra một số ứng dụng dự báo lũ

Ông đã tìm ra rằng, nếu các đặc trưng đặc biệt của một số lưu vực được đưa vào trong khi thiết kế hệ thống đo đạc thì có thể giảm thiểu được số lượng các trạm đo trong hệ thống đó, và trong một số trường hợp đơn giản thì với lưu vực

có diện tích 3240 km2 chỉ cần 2 trạm đo mưa

Hendrick và Comer (1970) đã tìm ra những mối tương quan thống kê của các trạm đo trên một lưu vực phía bắc Vermont trên cơ sở khoảng cách và góc phương vị giữa các trạm đo, lượng mưa, và mùa mưa Họ đã tìm ra rằng không có mối quan hệ với độ cao trong phạm vi 400m Họ đã phát triển một hàm quan hệ, mà nó xác định mật độ của trạm đo mưa và đặc điểm của nó cho những lưu vực và điều kiện khí hậu tương tự

Stol (1972) đã khảo sát mối tương quan giữa các trạm đo mưa Hà lan

Ông đã sử dụng những phân bố hàm mũ âm nhờ việc sử dụng các khoảng cách tuyến tính và khoảng cách bình phương giữa các trạm đo Mặc dầu số liệu từ các trạm đo có quan hệ với nhau rất tốt, nhưng khi ngoại suy từ một trạm đo cho trạm khác thì không bao giờ nhận được hệ số tương quan bằng 1

Hầu hết những nỗ lực trên chủ yếu thực hiện cho các vùng hoặc lưu vực rộng và thường là phức tạp một cách không cần thiết đối với những lưu vực nhỏ Tuy nhiên việc quan sát mối tương quan không gian và thời gian giữa số lượng trạm đo và hình dạng hệ thống lưu vực là đúng cho tất cả, trừ một số lưu vực nhỏ trong vùng nghiên cứu, nơi mà mưa gây nên phần lớn dòng chảy

3.2.3 ảnh hưởng của sự thay đổi lượng mưa đến dòng chảy mùa

Nash (1958) đã phát biểu rằng mối quan hệ giữa lượng mưa và dòng chảy có thể được tính toán trong 3 phần:

(a) mối quan hệ giữa thể tích lượng mưa và tổng thể tích dòng chảy do mưa,

(b) các cơ chế phức tạp hơn trong đó sự phân bố của lượng mưa theo thời gian ảnh hưởng đến dòng chảy,

(c) mối quan hệ giữa tần số xuất hiện tất cả lượng mưa và sự xuất hiện dòng chảy do lượng mưa đó cung cấp

Sự ảnh hưởng của sự thay đổi lượng mưa theo không gian tới dòng chảy

có thể được xem là phần thứ tư và là quan hệ khó xác định nhất

Trong thảo luận về các mô hình máy tính, Linsley (1967) đã phát biểu rằng, với lượng dữ kiện thủy văn đầy đủ và chính xác, thì biểu đồ dòng chảy có thể được mô phỏng lại với độ chính xác như là các thông tin, dữ kiện đã cung cấp ở những lưu vực nhỏ thì dữ kiện đưa vào có sự biến động lớn nhất là lượng mưa Cho nên, sự chính xác của mô phỏng dòng chảy trong sông phụ thuộc vào việc làm thế nào để xác định được sự biến đổi này trong một trường hợp cụ thể

Dawdy và Bermann (1969) đã sử dụng dữ kiện của một lưu vực rộng 15

km2 với ba trạm đo mưa để nghiên cứu ảnh hưởng của sai số dữ liệu tới mô phỏng các đường quá trình lũ và đỉnh lũ Mô hình của họ yêu cầu đưa vào

lượng mưa và bốc hơi hàng ngày (để ước lượng điều kiện thời đoạn trước) cũng như là lượng mưa bão và một nhân tố “R” để đánh giá lượng mưa vượt quá giới hạn Họ tìm ra rằng các ảnh hưởng kết hợp của sự khác biệt trong phân bố thời gian của lượng mưa ở những vị trí khác nhau cũng như phân bố theo không gian trên lưu vực đã hạn chế độ chính xác của các mô phỏng

Fogel (1969) đã phát biểu về ảnh hưởng của sự thay đổi lượng mưa tới dòng chảy trên những lưu vực nhỏ ỏ vùng Tây Nam Ông chỉ ra rằng, dòng chảy là một quá trình phức tạp nhất và trở nên phức tạp hơn khi dữ kiện đưa vào là cường độ cao, lượng mưa bão trong thời gian ngắn của phạm vi bị giới hạn Ông còn phát biểu, mặc dù mưa bão là rất quan trọng đối với những lưu vực nhỏ nửa khô hạn, nhưng chúng cũng có ý nghĩa trong việc sinh dòng chảy ở vùng ẩm ướt Fogel chỉ ra rằng, các phương pháp hiện nay dùng để đánh giá tổng lượng dòng chảy chỉ yêu cầu các thông tin về tổng lượng mưa có thể dẫn

đến những sai số nguy hiểm trong việc ước lượng dòng chảy

Osborn và Lien (1969) đã nghiên cứu độ nhạy tương đối của các biến lượng mưa và các đặc trưng lưu vực đến dòng chảy từ những trận mưa thời

đoạn ngắn có cường độ lớn Họ đã tìm ra rằng, trên 4 lưu vực rất nhỏ (nhỏ hơn

5 ha) thì tổng lượng dòng chảy là tương quan mạnh nhất với tổng lượng mưa,

đó là dòng chảy đỉnh lũ tương quan tốt nhất với lượng mưa cực trị 15 phút, và thời gian lũ tương quan tốt nhất với chiều dài lưu vực, và thời gian trễ tương quan với diện tích lưu vực Các đặc trưng của lưu vực không có ý nghĩa quan trọng tới việc xác định các đỉnh hoặc thể tích dòng chảy Hay nói cách khác, với các dữ liệu đã được phân tích thì tính chất thay đổi của lượng mưa đã thống trị mối quan hệ này và chỉ ra rằng, rất khó khăn trong việc nhận biết những thay

đổi quan trọng khác hơn lượng mưa trong mô hình dòng chảy ở những lưu vực giới hạn nhỏ

Wei và Larson (1971) đã đưa ra một phân tích tổng hợp về ảnh hưởng của sự phân bố theo không gian và thời gian của lượng mưa đến quá trình dòng chảy từ các lưu vực nhỏ ở phía nam Minesota Họ đã làm việc theo một mô hình hai pha (Hình 3.4) với lượng giáng thủy đưa vào pha mặt đất, như là pha

1 Giáng thủy đưa vào trực tiếp các kênh dẫn, pha 2, có thể được xem là không quan trọng đối với những lưu vực nhỏ và chỉ được tính toán ở pha 1 Năm mô

hình tam giác khác nhau của lượng mưa vượt ngưỡng đã được chọn chọn để nghiên cứu ảnh hưởng của sự phân bố theo thời gian, trong đó ba mô hình lượng mưa (được tập trung ở phía trên, ở giữa và những vùng thấp hơn tương ứng) được sử dụng để nghiên cứu ảnh hưởng của sự phân bố theo không gian

đến những đường quá trình dòng chảy Kết quả của sự nghiên cứu đã được miêu tả chi tiết và chỉ ra những sự khác nhau về đỉnh lưu lượng với các biến

đổi khác nhau về không gian và thời gian của lượng mưa rơi trên lưu vực ở hầu hết các lưu vực nhỏ và công việc thiết kế, mức độ của việc làm phức tạp này là không cần thiết, nhưng trong những trường hợp mà nhưng sai khác tương đối nhỏ trong việc ước lượng đỉnh lũ có thể có những ảnh hưởng trên khía cạnh kinh tế thì công việc của Wei và Larson sẽ có những giá trị trong việc nghiên cứu chi tiết

Huff (1967 - 1968) đã khảo sát sự phân bố theo không gian và thời gian của lượng mưa bão lớn ở Illinos Công việc nghiên cứu của ông dựa trên một hệ thống gồm 49 vũ lượng ký trên 1000 km2 với các phụ vùng 130, 200 và 520 km2 Tiêu chuẩn cho lượng mưa bão lớn của ông là một lượng vượt quá 12mm và một giá trị điểm ngang bằng hoặc lớn hơn giá trị ứng với tần suất hai năm Cho sự phân bố theo thời gian, ông đã tìm ra rằng những mối quan hệ có thể được biểu diễn bởi tỷ lệ phần trăm của lượng mưa bão với thời gian bão và phân nhóm các dữ kiện theo từng bộ phận mà ở đó lượng mưa là lớn nhất Những kết quả thu được là phù hợp với mô hình thủy văn trong vùng Midwest

Theo sự phân bố không gian ông đã kiểm định 8 sự phân bố thống kê khác nhau để chọn ra sự thích hợp nhất Và các biến nhạy nhất là: diện tích, lượng mưa chính và khoảng thời gian mưa Kết quả được đưa ra là những phân

bố xác suất của các tập hợp khác nhau của những điều kiện có liên quan tới vùng, thời gian bão và lượng mưa Cả hai nghiên cứu trên đã được sử dụng cho mô hình thủy văn về lượng mưa mùa hè ở các lưu vực vùng Midwest

Hình 3.4 Quá trình dòng chảy mặt trong hai pha (theo Wei và Larson, 1971)

Cung cấp dòng chảy mặt Giáng thuỷ

Tổng kết dòng chảy từ các diện tích con

Nước trữ trong lòng sông, hồ

và hồ chứa Lượng nước chỗ đất lún

Vượt quá lượng mưa

Biểu đồ thuỷ văn dòng chảy mặt

Dòng chảy trên đấtThẩm thấu

Cung cấp dòng chảy mặt

3.2.4 ảnh hưởng của độ cao

Thông thường, sự khác nhau về độ cao có một chút ảnh hưởng tới sự xuất hiện mưa lớn ở những lưu vực nhỏ hoặc ít nhất, sự khác nhau có thể trong lượng mưa là khó nhận biết ở những lưu vực nhỏ có độ chênh cao nhỏ hơn 500m (theo Chang, 1977) Trong hầu hết các mô hình thủy văn của những lưu vực nhỏ các ảnh hưởng của độ cao đến lượng mưa có thể được bỏ qua ở những vùng núi, cả số lần mưa và tổng lượng mưa thông thường đều tăng theo độ cao Duckstrin và một số người khác (1973) đã sử dụng một mô hình ngẫu nhiên lượng mưa và số liệu kinh nghiệm để nghiên cứu ảnh hưởng của độ cao đến lượng mưa mùa hè ở vùng núi Santa Catalina thuộc phía nam Arizona Kết quả của họ đã chỉ ra sự tăng thêm số trận mưa và lượng mưa của một trận mưa với độ lệch và áp dụng cho nhiều vùng núi phía Tây nơi mà vào mùa hè dòng chảy chủ yếu được hình thành từ mưa Vì thế, với các lưu vực miền núi

dài và hẹp có độ chênh cao khoảng 500m hoạc hơn thì độ cao có thể được xem là một yếu tố quan trọng ảnh hưởng đến lượng mưa rơi trên lưu vực

3.2.5 Phân tích độ nhạy

Trong sự phát triển các mô hình giải tích các vấn đề thủy văn, có rất nhiều biến có thể ảnh hưởng tới kết quả của mô hình đưa ra một cách rất rõ ràng Nói chung mặc dầu vậy, một mô hình thường có độ nhậy rất lớn đối với một vài biến (hoặc đôi khi chỉ một biến) hơn hẳn đối với những biến còn lại Ví

dụ, trong thung lũng hẹp, sự khác nhau trong tổng lượng mưa bão có thể xem như là ít ảnh hưởng tới việc đánh giá dòng chảy hơn là sự khác nhau của lượng mưa lớn nhất ở một khoảng thời gian ngắn hơn trong bão hoặc sự thay đổi về

đặc điểm lưu vực, như thảm thực vật, có thể có rất ít ảnh hưởng tới dòng chảy hơn cường độ mưa

Phân tích độ nhạy luôn là một phần của sự phát triển mô hình thủy văn

ở những lưu vực nhỏ Đối với giáng thủy, phân tích độ nhạy yêu cầu lựa chọn các tham số riêng biệt thông qua chuỗi những giá trị trông đợi và sau đó đối chiếu với chuỗi của giá trị đầu ra của mô hình với mỗi biến đưa vào Độ nhạy tương đối của các tham số là rất quan trọng trong tất cả các giai đoạn của mô hình: xây dựng, hiệu chỉnh và kiểm nghiệm mô hình Có nhiều nhà khoa học

đã nghiên cứu về vấn đề này Mocuen (1973) đã sử dụng các mô hình đơn giản hoá khác nhau để chứng minh tầm quan trọng của việc phân tích độ nhạy trong mọi giai đoạn của mô hình Osborn và một vài người khác (1972) đã chỉ

ra độ nhạy tương đối của các tham số lượng mưa trong việc dự báo dòng chảy Những nỗ lực trên chỉ là hai trong số nhiều ví dụ minh họa cho việc thường xuyên xem xét phân tích độ nhạy như là một mục tiêu trong mô hình thủy văn

Tần số xuất hiện lượng mưa đã được xác định bằng cách sắp xếp dữ liệu đã quan trắc, tính toán các toạ độ của điểm vẽ trên đồ thị, vẽ đồ thị lượng mưa theo các toạ độ đó và xác suất lên giấy Chúng ta có thể sử dụng một số công thức xác định toạ độ điểm vẽ đồ thị Một vài công thức đã được mô tả bởi Chow (1964) và Yeojevich (1972) Công thức được sử dụng rộng rãi và có tính thực hành cao nhất là:

1N

m)

về các quá trình phải được sử dụng để thu lượm được thông tin nhiều nhất phục vụ thiết kế (Reich 1976, 1978) Khi số liệu từ nhiều trạm đo được sử dụng

để tính toán các tham số cho một phân bố xác suất lựa chọn trước, hoặc xác

định phân bố thích hợp nhất (Alexamber và một số người khác, 1969; Goodredge, 1976) cho từng số liệu riêng biệt, việc tính toán bằng máy vi tính mang ý nghĩa thiết yếu

Các phân bố đã được chọn ra sau quá trình trên sau đó sẽ được sử dụng

để ngoại suy số liệu cho các khoảng thời gian ngoài khoảng thời gian đã có số liệu Các giá trị đã dự báo là đối tượng để tính toán sai số, nó phụ thuộc chủ yếu vào độ dài của số liệu đã có sẵn (Bill, 1969)

Điều này không phù hợp với tất cả các sự phân bố mà chỉ nên sử dụng

đối với phân tích tần số lượng mưa Cơ quan khí tượng quốc gia (NWS) đã sử dụng một phiên bản có sửa đổi của phân bố Gumbel đối với sự phân bố giá trị

cực đại (W.M.O 1974) hồi quy theo những đặc điểm địa hình bao quanh tất cả các trạm đo để phát triển một bản đồ về tần số lượng mưa (NOAA, Atlas 2) cho toàn nước Mỹ Nó làm giảm đi một số vùng bằng phẳng trong TP40 của Herhfield (1961) Bản đồ được sử dụng rộng rãi để chọn lựa những điểm và tổng lượng mưa với các khoảng thời gian mưa bão khác nhau và chu kỳ lặp lại cho thiết kế ở những lưu vực nhỏ có dòng chảy hình thành Gần đây hơn, Frederick và một số người khác (1977) đã thành lập một số bản đồ từ 5-60 phút mưa cho 37 vùng phía Đông Mỹ bằng cách hiệu chỉnh toán học dựa trên phân

bố này, bản đồ này có sự tương tự với Fisher-Tippett loại 1 Những thí nghiệm kiểm tra số liệu của các bang riêng lẻ được thực hiện bởi Goodridge (1976), Reich và một số người khác (1970) ở California và Pennsyliania

Bell (1969) đã chỉ ra rằng, các trận lũ thiết kế hình thành từ các lưu vực nhỏ thường là kết quả của những trận mưa có cường độ lớn trong khoảng thời gian ngắn và đã vượt qua giới hạn của vùng Các tần số lượng mưa được dựa trên các điểm ghi và không biểu diễn lượng mưa cực đại trên một lưu vực cũng như lượng mưa trung bình của lưu vực (Fogel và Duck Slein, 1969) NWS đã công bố (ngoài ra còn có trong NOAA, bản đồ 2) mối quan hệ điểm - diện tích như một họ đường cong, được sử dụng để chỉ sự làm giảm giá trị trung bình lượng mưa khu vực ở một vị trí cụ thể Các đường cong thường thích hợp cho các lưu vực rộng hơn 2 hoặc 3 km2, nhưng nên thận trọng đối với những lưu vực dài, hẹp hoặc trên những vùng mà dòng chảy bị thống trị bởi lượng mưa gây ra từ các khối khí gây giông tố

Đối với những vùng bị thống trị bởi lượng mưa gây ra từ các khối khí gây giông tố (như phía Nam vùng Arizona), Osborn và một số người khác (1979) đã

đưa ra một họ đường cong chỉ ra sự giảm giá trị trung bình lượng mưa lưu vực lớn hơn một cách rõ ràng so với trên bản đồ NOAA Ngoài ra mối quan hệ đặc biệt giữa điểm và lượng mưa cực đại trên lưu vực với các chu kỳ lặp lại cho trước đang được phát triển Đối với mọi lưu vực trừ lưu vực nhỏ nhất, lượng mưa cực đại mà có thể xuất hiện khoảng một lần trong 100 năm ở một nơi nào

đó trên lưu vực, lớn hơn giá trị mong đợi ở bất kỳ điểm cụ thể nào trong lưu vực

ở cùng một chu kỳ lặp lại

3.3 Mô hình lượng mưa

Hầu hết mô hình lượng mưa không được phát triển cho những lưu vực nhỏ Tuy nhiên, các mô hình thường có thể áp dụng được với những lưu vực nhỏ, và thực tế, là thường phù hợp hơn đối với các lưu vực nhỏ bởi vì rất khó khăn trong việc xác định lượng mưa thay đổi theo không gian và thời gian ở những lưu vực rộng Hầu hết các mô hình lượng mưa đều được thiết lập cùng với việc dự báo dòng chảy

Gần đây, những cố gắng xây dựng mô hình quan tâm đến phương pháp chuỗi Markov và tự hồi quy để mô tả sự duy trì của lượng mưa trong chuỗi thời gian Mỗi mô hình đều giả định một hoặc nhiều phân bố xác suất phù hợp với phân bố ngẫu nhiên của lượng mưa đã quan trắc Cả sự xuất hiện điểm và tổng lượng mưa đều đã được mô phỏng từ các bước thời gian khác nhau Các mô hình gần đây là đơn giản với giả định các hệ số tương quan đưa vào là hằng

số và tổng lượng mưa là đồng nhất Các nỗ lực hiện thời được hướng theo từng giai đoạn của mô hình đa năng

Cho đến nay, không có một mô hình nào trong những mô hình có sẵn

được sử dụng rộng rãi Một số mô hình là các nỗ lực mang tính học thuật, và sẽ

là những mô hình mà có thể được áp dụng rộng rãi trong thực tiễn ở tương lai Một số khác được sử dụng riêng lẻ hoặc một nhóm trong một vị trí hay một vùng Tất cả các mô hình đều có các tham số, giá trị của tham số phải được ước lượng từ số liệu lượng mưa Một mô hình ví dụ trong các mô hình sẵn có cùng với sơ lược về lịch sử phát triển của nó sẽ được trình bày ở phần tiếp theo đây

Gringoten (1966) đã quan sát và đưa ra nhận xét rằng sự kéo dài thường quan trọng bằng sự biến đổi có thể của lượng mưa xuất hiện, và cố gắng mô hình hóa lượng giáng thủy

Lượng mưa trong thời đoạn ngắn, như một ngày, một giờ là rất khó mô hình hoá bởi vì sự kéo dài liên tục giữa tổng lượng mưa và bởi vì chuỗi số liệu theo thời gian chủ yếu là các giá trị không (quá trình gián đoạn) Sự xuất hiện hay không xuất hiện của lượng mưa trong thời khoảng thời gian ngắn đã được miêu tả bởi các chuỗi Markov Với cách tiếp cận theo chuỗi Markov, xác suất

của việc chuyển đổi từ trạng thái này sang trạng thái khác (ẩm sang khô) được xác định

Một sự chuyển trạng thái ẩm - khô liên tục sau đó sẽ được mô tả lại bằng cách sử dụng ma trận chuyển Khi một lượng mưa xuất hiện được xác

định thì tổng lượng giáng thủy được lấy ra từ một phân bố xác suất mô tả lượng giáng thủy đã mang tới từ lượng mưa xuất hiện

Gabriel và Newmann (1962) dường như đã thành công trong lần đầu tiên miêu tả sự xuất hiện hay không xuất hiện của lượng mưa hàng ngày với một mô hình chuỗi Markov Thêm vào đó là các dấu hiệu về tính khả thi của việc dùng mô hình chuỗi Markov để miêu tả sự xuất hiện liên tục những ngày khô hoặc ẩm, đã được đưa ra sự xuất hiện liên tục những ngày khô hoặc ẩm, đã

được đưa ra bởi Caskey (1963), Weiss (1964) và Hopkins và Robillard (1964) Feyerman và Bark (1965) đã gợi ý rằng ma trận của xác suất chuyển tiếp theo chuỗi Markov có thể được đánh giá để cho thấy sự biến đổi mang tính chất mùa

Gringorten (1966) đã giải thích rằng một chuỗi Markov đơn giản có thể như là một công cụ hữu ích để đánh giá các tần số các sự thay đổi lớn của hiện tượng thời tiết trong phạm vi khoảng thời gian từ vài giờ đến vài tuần Ông đã dùng phân phối chuẩn hoặc phân bố Gausian y (N/0,1) với y có giá trị trung bình bằng 0, phương sai bằng 1 và xác suất lũy tích được xác định theo công thức:

∫ư ∞ ưπ

dt)2

texp(

2

1)

,N.1y

với Ni là số chuẩn thứ i lựa chọn bất kỳ từ chuỗi số liệu Nếu ρ = 0, sau m giờ có phân bố tích luỹ F(y) như sau:

m

)]

y(P1[1)

Các nỗ lực sau này ít nhiều cũng có nét tương tự với các công trình của Gringorten Một vài nhóm điều tra đã phát triễn những mô hình để mô phỏng

sự xuất hiện lượng mưa ngày, tổng lương mưa, lượng mưa ngày cực đại trong thời đoạn lựa chọn và lượng mưa luỹ tích ngày Những mô hình như vậy có tính ứng dụng cao nhưng thường chỉ nên áp dụng cho các lưu vực với cơ chế khí hậu mà trên đó nó đã được phát triển

Todorovic và Woolhiser (1974) đã mô tả sự ứng dụng của quá trình ngẫu nhiên để mô tả và phân tích chuỗi mưa ngày Tổng lượng mưa trong thời kỳ n ngày đã được giả thiết như là tham số rời rạc của quá trình ngẫu nhiên Dạng chung nhất của các hàm phân bố, kỳ vọng toán học, phương sai đã được xác

định Trường hợp đặc biệt chúng ta cần cân nhắc:

a) chuỗi các biến ngẫu nhiên phân bố độc lập

b) chuỗi của các biến ngẫu nhiên độc lập và

giáng thủy ngày lớn nhất xuất hiện trong n ngày Họ đã so sánh hai trường hợp - một giả sử có sự liên tục (chuỗi Markov) và một trường hợp giả sử không

có sự liên tục (chuỗi Bernoulli) và họ đã tìm ra một mô hình liên tục phù hợp hơn với số liệu đưa ra

Hanson và một số người khác (1974) đã ghép một mô hình ngẫu nhiên cho lượng mưa ngày với một giá trị ngưỡng ban đầu xuất hiện dòng chảy để phát triển một mô hình ngẫu nhiên cho lượng dòng chảy Tỷ lệ giữa lượng dòng chảy hàng ngày với lượng mưa hàng ngày, với giả thiết là lượng mưa cung cấp

đã vượt quá ngưỡng sinh dòng chảy, cũng được mô hình hoá, sử dụng phân bố

Bê ta.Tỉ số này sau đó được nhân lên với lượng mưa hàng ngày để đưa ra chuỗi liên tục của số liệu dòng chảy tổng hợp Số liệu dòng chảy tổng hợp được sử dụng như một số liệu đưa vào nghiên cứu mô phỏng nhằm mục đích thiết kế các hồ chứa nhỏ Việc phân tích này cung cấp một ví dụ tuyệt vời cho việc sử dụng mô hình ngẫu nhiên trong các vấn đề thiết kế thủy văn, phục vụ cho các công trình nông nghiệp

Allen và Haan (1975) cũng như Haan cùng những người khác (1976) đã chỉ ra rằng việc thiết kế các dự án của nhiều nguồn nước yêu cầu phải biết

được mô hình lượng mưa dài ngày Để giúp cho việc thiết kế các dự án này họ

đã phát triển mô hình ngẫu nhiên trên cơ sở chuỗi Markov bậc nhất để mô phỏng lượng mưa tại một điểm Mô hình đã sử dụng số liệu có sẵn ở Kentueky

đánh giá xác suất chuyển đổi Markov Mỗi ma trận, (tình huống) riêng biệt đã

được ước lượng cho từng tháng của năm Mô hình rất phù hợp với chuỗi số liệu lượng mưa ngày với bất kỳ độ dài nào, dựa trên xác suất chuyển đổi đã ước tính các phân bố tần suất của tổng lượng mưa Mặc dù chỉ dựa trên cơ sở số liệu lượng mưa ở Kentueky nhưng mô hình còn có thể áp dụng với cả những vùng rộng hơn ở Trung Mỹ

Raudkivi và Lawgrin (1972, 1974) đã phát triển một phương pháp để mô phỏng chuỗi số liệu lượng mưa dựa trên đơn vị thời gian 10 phút Những mối tương quan lần lượt của số liệu lịch sử được mô hình hóa bởi một sơ đồ tự hồi quy, và độ lệch đã được mô tả bằng hàm phân bố Pearson III Mô hình đã được kiểm tra với số liệu mưa ở Aukland, New Zealand, do đó khả năng áp dụng cho

các vùng khác là không chắc chắn Phương pháp này có thể kiểm tra được ở các vùng khác

Smith và Schreiber (1974) đã nghiên cứu số liệu lượng mưa hàng ngày tại một điểm ở phía đông nam Arizona để thấy được bằng cách nào liên kết các

số liệu hàng ngày với số liệu lượng mưa trong mưa thời đoạn ngắn Họ đã tìm

ra rằng một mô hình chuỗi Markov đã phân đoạn đưa ra một sự phù hợp tốt nhất với số liệu đã có từ ba điểm ghi độc lập Ngoài ra họ còn chỉ ra rằng quá trình biến đổi hàng năm yêu cầu đưa thêm vào các mô tả mang tính xác suất,

được biểu thị bởi sự thay đổi số ngày mưa và những thay đổi rõ nét trong các

đặc tính tự tương quan, trước khi mô hình có thể được dùng trong mô phỏng

Chin (1977), trong một kế hoạch rất tham vọng, đã xem xét những lượng mưa xuất hiện hàng ngày từ các số liệu của 25 năm hoặc dài hơn ở trên 100 vị trí của nước Mỹ Ông đã nghiên cứu việc sử dụng tăng dần bậc của các chuỗi Markov để lập mô hình lượng mưa xuất hiện hàng ngày Ông đã tìm ra rằng các bậc đó này chủ yếu phụ thuộc vào mùa và vị trí địa lý, và cũng có nghĩa là

có thể có mối quan hệ với loại mưa Ông đã kết luận rằng các thí nghiệm thường dùng quy luật chuỗi Markov thì mô hình là không được sửa chữa khi không có thêm sự kiểm tra Tuy nhiên, cùng thời gian đó ông đã phải thừa nhận rằng những số liệu ngắn có thể là sai trong việc sử dụng mô hình phức tạp hơn là mô hình đã sửa chữa Một ví dụ đặc biệt của trường hợp này là chuỗi Markov bậc 3 là phù hợp đã được đưa ra

Osborn và Davis (1977) đã phát triển một mô hình ba tham số để mô phỏng sự xuất hiện lượng mưa ở Arizona và New Mexico Mô hình là một nỗ lực với việc đơn giản hóa các giả thiết để tìm ra cơ chế vật lý thực sự sản sinh

ra lượng mưa ở Arizona và New Mêxico Ba tham số vĩ độ, kinh độ và độ cao có thể được xác định dễ dàng từ bất kỳ một điểm hay một lưu vực nhỏ nào Sơ đồ khối của mô hình (Hình 3.5) đã theo dõi và xác định lượng mưa khi nó xuất hiện Ngoài ra mô hình còn tính đến sự khác nhau trong các loại mưa (mưa do front, đối lưu và front đối lưu), điều có thể trở nên quan trọng ở nhiều vùng mà giáng thủy hình thành từ không chỉ một loại mưa

ở Arizona và New Mexico, nguồn ẩm chủ yếu cung cấp cho mưa sinh dòng chảy là từ Đông Nam vịnh Mexico (SE) và Tây Nam vịnh California, Thái Bình dương (SW) Ngoài ra, front lạnh còn có thể gây ra giáng thủy ở phía Tây Nam và sự kết hợp front lạnh với không khí ẩm ấm hơn từ cả Đông Nam hoặc Tây Nam đều có thể dẫn tới kết quả là mưa lớn khác thường Mô hình có 8 kết quả dựa vào 2 nguồn ẩm và hoạt động của front Tất cả xác suất cho mỗi trong

3 hệ thống đã được xác định độc lập (hình 3.5), và “sự kết hợp các sự kiện đã

được giả thiết để diễn tả lượng mưa ít xảy ra hơn" Mô hình có thể được dùng

để đánh giá sự xuất hiện mưa khi đưa vào một mô hình mưa/dòng chảy phức tạp hơn, hoặc cho một mô hình cân bằng nước, cũng như là để biểu diễn sự thay đổi nguồn cấp nước theo ngày, mùa và năm cho những người sử dụng nước vào mục đích nông nghiệp Mô hình chỉ áp dụng cho từng vùng; các loại khác của mô hình có thể hoạt động tốt hơn ở các vùng khác

Bras và Rodriguez Iturbe (1976) đã chỉ ra rằng hầu hết các mô hình mưa đều tập trung vào đặc điểm bên ngoài của mưa hoặc những điểm riêng biệt đã ấn định Rất ít mô hình cố gắng tạo ra đặc điểm bên ngoài và bên trong của mưa theo không gian và thời gian, và các mô hình đó đều có giới hạn các giả thiết hoạt động của các vị trí ở tất cả các mức độ hoạt động của mưa Tuy nhiên, sự đơn giản hóa là rất quan trọng trong việc phát triển các mô hình thực nghiệm của các quá trình tự nhiên

Một vài nhà nghiên cứu đã phát triển các mô hình bao gồm sự phân bố của mưa theo không gian Bras và Rodriquez - Iturbe (1976) đã gợi ý rằng nhân tố gây mưa đa chiều, không đứng yên có khả năng sinh ra lượng mưa bão mô phỏng trên một vùng, giả thiết thuyết Taylor về rối là đúng (Taylor, 1937)

ở phía trong khu vực có mưa Phương pháp này là tương đối phức tạp, nhưng có thể khả thi trong tương lai nếu cả đặc điểm của lưu vực và của trận mưa được xác định tốt hơn

Việc đưa ra lượng mưa thực trở lên quan trọng hơn ở những vùng mà ở

đó có mưa đối lưu trong khoảng thời gian ngắn và vượt quá giới hạn vùng sinh

ra lượng mưa hình thành dòng chảy, và ở nơi mà nó có thể cần thiết để dự báo

sự khác nhau trong dòng chảy do sự thay đổi đặc điểm của lưu vực (như quá trình đô thị hoá) Duckstein và một số người khác (1972) đã đưa ra một mô

hình ngẫu nhiên của lượng mưa sinh dòng chảy cho các trận mưa mùa hè ở phía tây nam nước Mỹ Họ đã chỉ ra rằng tác động của con người và tự nhiên làm thay đổi dòng chảy hiện hành và trong cả 2 trường hợp lượng mưa đưa vào phải được mô hình hóa một cách thích hợp để xác định những thay đổi thực sự của dòng chảy với những thay đổi đặc điểm lưu vực Họ đã tính lượng giáng thủy mùa hè như là một hiện tượng ngẫu nhiên rời rạc và đã thu được phân bố xác suất của lượng mưa theo không gian bằng cách gắn kết phân bố Poisson của các hiện tượng riêng lẻ với xác suất hình học hoặc xác suất nhị thức âm của tổng lượng mưa Sau đó họ đã sử dụng mô hình lượng mưa của họ trong một vài mối quan hệ giữa lượng mưa và dòng chảy để minh họa kết quả thí nghiệm của phương pháp

ẩm từ SW?

ẩm từ Se?

ẩm từ Se?

ẩm từ Se?

+ Lượng mưa thực đã phát sinh ra với mô hình lượng mưa giông lạnh

++ Lượng mưa thực đã phát sinh với mô hình lượng mưa của khối khí mưa giông

Trong ví dụ đầu tiên, họ đã sử dụng thành công một mô hình mưa tuyến tính mà họ đã thiết lập (Forgel và Ducktein, 1970) để minh họa tính chính xác mô hình mưa của họ Trong thí nghiệm thứ hai, và đáng chú ý nhất, họ đã xem xét công thức của cơ quan Bảo tồn đất (SCS) (SCS, 1964):

(

)AR(

Osborn và một số người khác (1974) đã phát triển một mô hình ngẫu nhiên đơn giản hoá (Hình 3.6) dựa vào số liệu lượng mưa của khối giông bão từ

hệ thống các trạm đo dày đặc ở phía Đông - Nam Arizona Phân bố xác suất đã

được sử dụng để mô hình hoá các biến ngẫu nhiên - số lưới mưa, phân bố không gian và độ sâu của tâm Lượng mưa có thể được mô phỏng cho bất kỳ một độ dài nào đó của số liệu Mục đích chủ yếu của mô hình này là để dự báo đỉnh lũ trên các lưu vực dài Biến ngẫu nhiên Bernoulli dựa trên sự xuất hiện theo mùa miêu tả sự xuất hiện của các sự kiện hình thành dòng chảy Khi mô hình hoá cho một thời đoạn dài thì các hiện tượng chính trở nên phụ thuộc chặt chẽ vào không gian, minh họa một trở ngại của mô hình hoá, có nghĩa là khó có thể mô hình mọi sự xuất hiện mưa với độ chính xác như nhau cho mọi ứng dụng Mô hình này đã được kết hợp với mô hình sự xuất hiện mưa, để cung cấp lượng dữ liệu đầu vào cho mô hình mưa - dòng chảy để dự báo đỉnh lũ từ các lưu vực nhỏ

Tạo thông số bão: số ô lưới trong bão (N) và hướng của bão (θo)

Tạo trục toạ độ của trung tâm ô lưới từ: vị trí của ô lưới đầu tiên, xuất hiện sự biến đổi (∇θ) IN (θ),

và xuất hiện sự tách tâm (d) Xuất hiện độ sâu của tâm (Do) của mối

ô lưới

Tính tổng lượng mưa tại mỗi trạm đo trong N ô lưới và lượng tĩch luỹ trong mảng T Nếu

cơn bão cuối cùng của tập hợp này

In mảng

Hình 3.6 Sơ đồ khối dòng chảy cho mô phỏng của lượng mưa dông của từng khối không khí

(Osborn, Lane và Kagan, 1974)

Smith và Schreiber (1974) đã đề xuất một mối tương quan xác suất giữa các lượng mưa, phân bố xác suất của ổ giông, lượng mưa cực đại và biểu diễn vô hướng của mô hình diện tích-lượng mưa cho khối khí giông bão ở phía Tây Nam Trong một thí nghiệm mẫu, sự biểu diễn đó đã được sử dụng thành công

để tái tạo xác suất lượng mưa điểm từ phân bố lượng mưa cực trong giông và số liệu quan hệ lượng mưa-diện tích của Tombsbone, AZ

Nicks (1974) đã sử dụng kỹ thuật hình thành chuỗi ngẫu nhiên bốn giai

đoạn để tổng hợp lượng mưa hàng ngày cho một vùng rộng 4000 km2 ở trung tâm Oklahoma Mô hình không gian của lượng mưa đưa vào mô hình thủy văn

được xây dựng bằng sự hình thành ngẫu nhiên:

(a) sự xuất hiện hoặc không xuất hiện lượng mưa mỗi ngày,

(b) vị trí tâm mưa hoặc lượng mưa lớn nhất trong vùng,

(c) lượng mưa lớn nhất và

(d) biểu diễn lượng mưa trên cả vùng tương ứng với lượng mưa ở tâm

Hình 3.7 Sơ đồ khối của hệ thống sinh mưa (A.D.Nicks, 1974)

Xuất hiện ngày ẩm hoặc ngày khô

Kiểm tra mưa

Xuất hiệnvị trí trung tâm

Xuất hiện tổng lượng đo mưa lớn nhất

Xuất hiện giá trị trung bình, STD

DEV, mẫu của lượng mưa

Mỗi giai đoạn trong sự phát triển liên tục được biểu diễn trên hình 3.7 Các phép kiểm tra đã được áp dụng cho tính đại biểu và tính chắc chắn (consistency) của số liệu được hình thành Cả mô hình chuỗi Markov đã sử dụng để hình thành chuỗi mưa ngày và phương pháp hình thành lượng mưa trung bình đều thoả mãn Tác giả đang tiếp tục cải tiến mô hình này

Richardson (1977) đã sử dụng sự phân bố chuẩn đa biến để lập mô hình giáng thủy hàng ngày trên một vùng (Hình 3.8) Các căn bậc hai của lượng mưa ngày tại một điểm đã được tính để xấp xỉ một mẫu thử từ phân bố chuẩn

đơn, đã được cắt để đưa về giá trị không Tổng lượng giáng thuỷ trong ngày 0

được xem là tổng "âm" của các đại lượng chưa biết Các phương pháp mô

menkhông thể sử dụng được để ước lượng giá trị kỳ vọng va phương sai chuẩn của phân bố chuẩn vì chuỗi số liệu đã bị cắt tại điểm 0

Hình 3.8 Phân bố chuẩn có cắt của giáng thuỷ hàng ngày với biến đổi căn bậc hai

(Richardson, 1977)

(y=Trace) Hàm tần số thích hợp

Biểu đồ tần

số quan trắc

Căn bậc hai của giáng thuỷ hàng ngày

Một phương pháp ước lượng giá trị kỳ vọng và phương sai của phần số liệu chuẩn bị cắt được sử dụng cho việc ước lượng các tham số Mô hình đã được kiểm tra ở một vùng nghiên cứu của bang Texas Biến đổi theo mùa các giá trị

kỳ vọng và phương sai chuẩn đã được mô tả bằng chuỗi Fourier Các hệ số Fourier liên quan đến từng vị trí trong vùng nghiên cứu Các hệ số tự tương quan trễ-1 (lag-one) đã tìm được là hàm của khoảng cách giữa các trạm trong vùng Mô hình có thể được sử dụng để hình thành chuỗi của lượng giáng thủy ngày trên một hệ thống các trạm đo mưa ở bất kỳ một vị trí nào trong vùng nghiên cứu với chỉ vĩ độ, kinh độ của các trạm biết trước Ngoài ra, mô hình còn

có thể dùng cho khu vực ngoài vùng nghiên cứu nếu các tham số mô hình được xác định bằng số liệu có trước Richardson (1978) đã chứng minh khả năng áp

dụng của mô hình bằng cách tạo ra chuỗi số liệu giáng thủy cho một vùng ở Texas và một vùng ở Nebraska Các số liệu tạo ra đó đã chứa đựng nhiều đặc trưng thống kê quan trắc được trong số liệu quá khứ, điều đó rất quan trọng trong mô hình toán thủy văn

Hình 3.9 Sơ đồ khối của toàn bộ dòng chảy cho chương trình STORM (Corotis, 1976)

Chọn dữ liệu của giờ tiếp theo

Có bão

Mô

phỏng cơn bão khác

và đặt quy định xem trận giông đó có phải là một ổ giông địa phương hay là một loại giông theo dải Thời gian bắt đầu và số ổ giông được mô phỏng từ phân

bố Poisson Chương trình đã được viết cho phép người sử dụng đề cập tới bất kỳ

công thức nào trong vài công thức triết giảm mô tả mối tương quan lượng mưa

- diện tích của các ổ mưa Mô hình đã được phát triển cho sự tăng lên hàng giờ Sơ đồ của chương trình STORM được biểu diễn trong hình 3.9 và 3.10 và chương trình nguồn viết trên ngôn ngữ Fortran, cùng với mô tả cấu trúc đầu vào có thể nhận được từ tác giả Người sử dụng có thể hy vọng việc cộng tác với tác giả mô hình để làm rút ngắn thời đoạn mưa và vì thế xác định chính xác khối khí mưa giông

Không một mô hình lượng mưa đã đề xuất trên đây được cho ứng dụng thử nghiệm mà không có sự xem xét nghiên cứu thận trọng Các mô hình phân chia thành hai nhóm cơ bản - một nhóm dựa vào các số liệu cụ thể từ những vị trí cụ thể và một nhóm lại chủ yếu là lý thuyết Cả hai loại đều tương đối phức tạp và đều không dễ dàng để kiểm định Giá trị của các mô hình cơ sở dữ liệu

có thể bị hạn chế ở từng vùng mà ở đó chúng đã được phát triển, và các mô hình lý thuyết có thể có tác dụng trong tương lai như là những công cụ nghiên cứu

3.4 Lượng mưa như là một phần của các mô hình thủy văn

Số liệu lượng mưa là số liệu rất cần thiết được đưa vào phần lớn các mô hình xói mòn hoặc mô hình thủy văn Dữ liệu đầu ra của mô hình quyết định cấu trúc số liệu lượng mưa đưa vào Ví dụ như, mô hình nước hoặc bùn cát hàng năm thông thường yêu cầu đánh giá tổng lượng mưa theo mùa và tổng lượng mưa hàng năm Các mô hình dùng để dự báo đỉnh lũ yêu cầu lượng mưa

đưa vào trong khoảng thời gian tương đối ngắn (vài phút hoặc vài giờ) Các mô hình tích lũy yêu cầu đưa vào lượng mưa (hoặc tuyết tan) theo thời gian Các mô hình để dự báo xói mòn, sự vận chuyển bùn cát, và vận chuyển các chất hoá học trên cơ sở một trận mưa thường (luôn) yêu cầu đưa vào lượng mưa đưa vào trên nền cơn mưa đó

Tổng lượng mưa trong khoảng thời gian cho trước thường dựa trên cơ sở dữ liệu mưa tại các điểm, và một vài biện pháp ước lượng được sử dụng để tính toán lượng mưa trung bình trên toàn lưu vực Mặt khác, các mô hình đã dùng

để dự báo hoặc đánh giá các sự kiện có tần suất cụ thể không yêu cầu đưa vào

số liệu lượng mưa thực tế Trong các trường hợp này, lượng mưa được đưa ra

Chọn dữ liệu cho giờ tiếp theo

Chọn dữ liệu giờ đầu tiên

Chọn số đầu tiên

Chọn vị trí mây đầu tiên

Chọn số ô lưới cho mây mới và mây cũ không ổ

Chọn số đầu tiên của các ô lưới trên một

đám mây bão

Chọn vị trí của mây cũ

Chọn độ lớn của ô lưới ban đầu

Chọn số và vị trí của các ô lưới của mây cũ

có ổ

Chọn mối quan hệ không gian tan rã

Chọn độ lớn của ô lưới

Chọn hướng di chuyển của mây

Xác định độ lớn của không gian tan rã

Chọn vị trí của

ô lưới đầu tiên

Chọn vị trí của mây mới

Chọn vị trí ô lưới cho mây mới và mây cũ không ổ

Chọn hướng di chuyển tiếp theo của mây

Hình 3.10 Sơ đồ khối cho (a) chương trình STORM giờ đầu tiên; (b) chương trình STORM tính

từng giờ (Corotis, 1976)

trên cơ sở ước lượng cho một tần suất mong muốn (ví dụ, mưa giông có tần suất

là 100 năm) và số liệu đưa ra là tổng lượng sẽ xuất hiện ở đó, trung bình 1 lần trong suốt một khoảng thời gian Cuối cùng, một vài mô hình có thể có sự mô phỏng lượng mưa theo thời gian để đưa vào mô hình hộp sáng Các mô hình này dự báo một chuỗi kết quả thủy văn từ lượng mưa đã mô phỏng Các số liệu lấy ra của mô hình này là ngẫu nhiên

Rất nhiều mô hình thủy văn và mô hình xói mòn, đã được phát triển, sử dụng số liệu mưa như là số liệu đưa vào chính Một vài mô hình được sử dụng phổ biến sẽ được miêu tả để minh họa từng loại số liệu mưa cần thiết cho các loại mô hình khác nhau

3.4.1 Mô hình lưu vực Stanford

Mô hình lưu vực Stanford là một chương trình số hóa được sử dụng các

đường quá trình dòng chảy tổng hợp liên tục (Crawford và Linsley, 1962; Ross, 1970) Mô hình có rất nhiều ứng dụng và được dùng để cung cấp biểu đồ thủy văn liên tục, đánh giá các hệ số dòng chảy và đánh giá những ảnh hưởng của quá trình đô thị hóa trên đỉnh và tổng lượng lũ, và ước lượng các đỉnh lũ bất thường trên các lưu vực sông tự nhiên Chương trình sử dụng tương đối đơn giản và có thể cung cấp nhiều dữ liệu đầu ra tiện lợi

Số liệu đưa vào mô hình gồm tổng lượng mưa hàng giờ ở các điểm đo đã chọn trên lưu vực Lượng mưa được giả thiết là phân bố như nhau theo không gian và thời gian Các tham số mô hình khác được biến đổi để nhận được một

sự phù hợp nhất với những số liệu dòng chảy đã biết và sau đó mô hình có thể

được dùng cho các lưu vực tương tự không có số liệu đo đạc Thực tế một số thông số phù hợp có thể dẫn tới sự thay đổi của lượng mưa, trong trường hợp này sự mô phỏng cho các lưu vực không có trạm đo sẽ không còn được chắc chắn Rõ ràng rằng sự biến đổi của lượng mưa theo không gian và thời gian càng lớn thì mô hình càng không chắc chắn Người sử dụng mô hình nên chú ý các sai số có thể có trong mô phỏng do các sai số trong số liệu đưa vào và nên chấp nhận chúng trong các phân tích của họ

3.4.2 Mô hình đường quá trình lưu vực phòng thí nghiệm USDA (USDAHL)

Mô hình toán học của thủy văn lưu vực đã được nghiên cứu và phát triển

ở phòng thí nghiệm thủy văn USDA, Beltssville, MD, là một sự tập hợp của các chương trình con đã thiết lập để đánh giá dòng chảy từ số liệu giáng thủy trên các lưu vực nhỏ (Holtan và những người khác, 1975) Những biến sử dụng bao gồm giáng thủy, tình hình sử dụng đất, quá trình thấm, bốc thoát hơi và các

hệ số vận chuyển Số liệu giáng thủy đưa vào mô hình bao gồm số liệu liện tục

được chia giữa các điểm ghi gián đoạn rõ ràng của lượng mưa hoặc lượng tuyết rơi trọng tâm trên toàn bộ lưu vực Những biến chưa biết đến trong phân bố theo không gian phải được thừa nhận như là sai số, mặc dù các sai số đó có thể hạn chế được bằng cách chia các lưu vực lớn thành các vùng nhỏ hơn và áp dụng mô hình một cách độc lập với các số liệu lượng mưa đo đạc trên mỗi vùng nhỏ đó Tuy nhiên, giáng thủy thường được tính toán, ước lượng từ các trạm đo bên ngoài lưu vực, nên số liệu đưa vào vẫn không chắc chắn trên chính những lưu vực nhỏ Mô hình có thể chạy cho bất kỳ giai đoạn nào của thời gian nghiên cứu

3.4.3 Phương trình tổn thất đất tổng quát

Phương trình tổn thất đất tổng quát (USLE) (Wishmeier và Smith 1965)

được sử dụng rộng rãi cho việc đánh giá sự xói mòn trung bình năm từ các lưu vực (Stewart và một số người khác 1975) Các thông số phương trình tính toán cho đất, thực vật, khí hậu, và các ảnh hưởng của nông nghiệp Phương trình USLE đưa ra là

Việc đánh giá tốt nhân tố R là rất quan trọng Wishmeier và Smith (1965) đã đưa ra bản đồ đường đẳng xói mòn của vùng phía đông nước Mỹ Ateshian (1974) đã phát triển một phương pháp từ việc đánh giá R cho toàn bộ nước Mỹ dựa vào hai phân bố và tổng lượng mưa 6h, 2 năm Các giá trị trung bình năm của yếu tố bị xói mòn do mưa, R ,cho toàn bộ nước Mỹ đã được Wischmeier phát triển vào năm 1975 (Stewart và 1 số người khác 1975) Phương trình USLE dựa vào các giá trị R từ các bản đồ đường đẳng xói mòn có

độ chính xác chấp nhận được trong nhiều trường hợp khi ước lượng tốc độ xói mòn trung bình hàng năm đối với giai đoạn dài Tuy nhiên đối với những giai

đoạn ngắn hơn, (như một hoặc hai năm hoặc các hiện tượng đặc biệt) trong vùng phía đông nước Mỹ và đối với bất kỳ đoạn số liệu nào trong nhiều vùng của phía tây nước Mỹ, thì việc tính toán sự xói mòn dựa vào các giá trị R từ các bản đồ vùng hoặc quốc gia có thể là rất không chính xác (Wishmeier 1976; Renard và Simanton, 1975)

Những sai sót chủ yếu là do khoảng thời gian ngắn và tính thay đổi cực lớn theo không gian và thời gian của trận mưa lớn sinh dòng chảy Để bù vào

sự biến đổi theo thời gian của cường độ mưa Wischmeier và Smith (1958) đã gợi ý dùng năng lượng các lần mưa (E), cường độ mưa (I) để ước lượng chính xác hơn thông số R trong phương trình USLE khi có các số liệu tại các trạm đo mưa Sau đó (Renard và Simanton, 1975) đã chỉ ra là đặc biệt cho trường hợp cường độ mưa phân tán rộng và với các số liệu đo mưa có sẵn thì chỉ số EI đưa

Thật không may là phương pháp này chỉ cung cấp một ước lượng R tốt nếu các số liệu do mưa là thuộc hoặc rất gần lưu vực Độ chính xác sự đánh giá xói mòn từ những đoạn số liệu ngắn dựa vào các số liệu giáng thủy của từng

trạm đo, giảm nhanh theo khoảng cách giữa các trạm đo và lưu vực Các sai số nghiêm trọng có thể xảy ra nếu các trạm đo và lưu vực cách nhau lớn hơn 2

km Đối với nhưng lưu vực không có trạm đo mưa, thì giá trị R trung bình hàng năm có thể được sử dụng (hình 3.11) nhưng việc đánh giá xói mòn phải thực hiện trong giai đoạn tương đối dài (Stewart và cộng sự 1975)

Bảng 3.1 Năng lượng động lực của mưa tự nhiên (t-m/ha/cm) (có sửa đổi của Wischmeier và

trong đó:

q: đỉnh phát sinh (ft3/s)

i: cường độ mưa từ tần suất xuất hiện (m/h)

Ai: diện tích vùng (mẫu)

C: hệ số dòng chảy

(Bởi vì chỉ có một mối quan hệ đơn nhất 1-1 giữa i và Ai, nên phương trình tỷ lệ không được biến đổi rõ ràng để đo đạc bằng mét, mặc dù nó là có thể bằng cách thêm vào một hằng số) Phương trình là lý luận và tiện lợi do cường

độ mưa cho một khoảng thời gian bằng thời gian của sự tập trung và diện tích

đủ nhỏ để đảm bảo lượng mưa và đặc điểm lưu vực tương đối đồng nhất Các phép phân tích đã gợi ý rằng, mực dù phương pháp có thể dẫn tới những sai số lớn trong bất kỳ trường hợp nào, nhưng nhìn chung nó có thể cung cấp các kết quả thiết kế hợp lý (Shaake và một số người khác 1967)

đến 800 ha (Kent 1973) Hai phương pháp này có sự liên quan chặt chẽ với nhau

Phương pháp NEH-4 dựa vào lượng mưa 24h, từ toàn bộ số liệu mưa có sẵn tại thời điểm đó, phương pháp đã được phát triển làm tiêu chuẩn cho những vùng không có trạm đo mưa Cả hai phương pháp vẫn sử dụng lượng mưa 24h làm cơ sở cho việc tính toán các số liệu đưa vào của lưu vực Cả hai phương pháp đều rất phức tạp, liên quan tới các tính toán đặc điểm của lưu vực bao gồm: độ dốc, diện tích vùng, loại đất, và thảm thực vật Phương pháp NEH-4 cung cấp cho việc phát triển một biểu đồ đầy đủ, trong đó TR-20 đã đơn giản hóa với chương trình tính toán để phát triển một chuỗi biểu đồ mà có thể

được sử dụng trực tiếp cho hầu hết các ứng dụng thiết kế lưu vực nhỏ Những phương pháp chính phát triển các biểu đồ được trình bày trong SCS - TP - 149

(1972) Các biểu đồ có thể được sử dụng trên vùng rộng đến 800 ha, lưu lượng

đỉnh lũ từ 0,14 đến 56m3/s, lượng mưa 24-h từ 25 đến 30mm, số đường cong (dựa vào đặc điểm lưu vực) từ 60 đến 90, 3 loại độ dốc, bằng phẳng (1%), dốc trung bình - (4 %) dốc cao (16 %) Và cũng có thể nội suy một loại dốc ở khoảng giữa 3 loại dốc trên

Có 3 ví dụ chi tiết đã được trình bày trong TP-149 của một phương pháp phức tạp hơn nhằm mục đích xác định đỉnh lũ trong các trường hợp phù hợp với các dạng thông thường Tuy nhiên, trong phần lớn các trường hợp, các kết quả thu được từ nhưng phương pháp phức tạp hơn không cải thiện được tính chính xác của mô hình, do vậy không nhất thiết phải nỗ lực phát triển theo hướng này Việc sử dụng phương pháp này trong một số trường hợp đặc biệt sẽ mang lại sự tự tin cho nhà quy hoạch khi sử dụng các phương pháp đơn giản hơn

Hình 3.11 Giá trị trung bình năm của nhân tố lượng mưa xói mòn R (Stewart cùng các cộng

sự, 1975)

Phương pháp này đã chỉ ra rằng lượng mưa 24h là phân bố không đồng

đều theo không gian và thời gian, và một vài hiệu chỉnh là cần thiết cho để mô phỏng hợp lý các giá trị đỉnh lũ và lượng lũ Và việc "hiệu chỉnh" lượng mưa 24h sẽ là điều mà chúng ta quan tâm chủ yếu ở đây

Các hiệu chỉnh đã hạn chế phân bố theo thời gian của lượng mưa Nó cho rằng sự biến đổi theo không gian trên lưu vực là đủ nhỏ để có thể bỏ qua

nó Một số các nghiên cứu gần đây chỉ ra rằng trong nhiều trường hợp, sự biến

đổi theo vùng sẽ có ảnh hưởng lớn tới đỉnh lũ hơn là sự phân bố theo thời gian của lượng mưa Tuy nhiên, thông tin về sự phân bố theo thời gian tại một điểm

là có sẵn hơn sự thay đổi của lượng mưa theo không gian và thời gian trên một lưu vực

Đường 2- Mỹ, Puerto và đảo Virgin