Mô hình hoá mưa - dòng chảy ( Phần cơ sở - Nxb ĐH Quốc Gia Hà Nội ) - Chương 8 ppt

Trong những lưu vực nhỏ dự báo lũ trước hết là bài toán mô hình mưa-dòng chảy, liên quan đến mưa rađa hoặc những trạm đo mưa từ xa gửi số liệu trở lại cho một cơ quan phân tích lũ lụt tr

Chương 8

Dự Báo Lũ Lụt

Hiện nay thủy văn học lũ lụt hấp dẫn cả về cách tiếp cận vi mô dựa vào những cơ chế liên tục lẫn cách tiếp cận vĩ mô dựa vào nghiên cứu thống kê của những tổng thể lớn Không một cách tiếp cận nào hoàn toàn thích hợp với thủy văn học lưu vực, mà nó

đòi hỏi những chuyển tiếp về quy mô giữa quy mô địa phương của vật lý thủy văn và quy mô toàn cầu của một khu vực địa lý chính

Jim Dooge, 1986

Có hai loại dự báo lũ được đòi hỏi trong thủy văn học Một là dự báo lưu lượng lũ

và phạm vi ngập lụt trong thời gian lũ, đặc biệt là để quyết định xem liệu những cảnh báo lũ lụt có cần phải được phát báo hay không Loại dự báo 'thời gian thực’ này thường được gọi là dự báo lũ Trong những lưu vực nhỏ dự báo lũ trước hết là bài toán mô hình mưa-dòng chảy, liên quan đến mưa rađa hoặc những trạm đo mưa từ xa gửi

số liệu trở lại cho một cơ quan phân tích lũ lụt trong thời gian thực để sử dụng với một mô hình dự báo Trong những lưu vực lớn có thể liên quan tới cả mô hình mưa-dòng chảy lẫn mô hình thủy lực của các lòng dẫn: dạng để xác định bao nhiêu nước sẽ đóng góp cho sóng lũ; sau đó cho phép dự đoán mức độ lụt lội của vùng ngập lụt và đặc tính

lũ trong suốt thời gian lũ Những phương pháp dự báo thời gian thực của lưu lượng lũ

và mức độ ngập lụt được chia ra trong năm mục đầu tiên của chương này

Loại dự báo thứ hai được đề cập đến là tần suất của biến cố trận lũ với những độ lớn khác nhau Lũ lớn hơn thì xác suất vượt nhỏ hơn- trận lũ có độ lớn như thế hoặc lớn hơn sẽ xẩy ra trong một năm bất kỳ Tần suất thấp hơn của biến cố có thể được biểu diễn như một 'thời kỳ lặp lại' hay 'khoảng tái diễn' dài hơn, như vậy chúng ta hy vọng trận lũ trung bình 100 năm xuất hiện một lần lớn hơn trận lũ với thời kỳ lặp lại

50 năm Những thời kỳ lặp lại này liên quan tới nghịch đảo của xác suất vượt Ví dụ, một sự kiện 100 năm có xác suất vượt bằng 0.01 trong bất kỳ năm đơn nào; sự kiện 50 năm có xác suất vượt bằng 0.02 Xác định một sự kiện cực hạn bởi thời kỳ lặp lại của

nó là một cách biểu thị xác suất vượt khá tự nhiên nhưng hiểu đúng mức ý nghĩa của thời kỳ lặp lại là điều rất quan trọng Nó là kỳ vọng độ dài trung bình thời gian giữa những biến cố một sự kiện có độ lớn đã cho Do đó ước lượng của thời kỳ lặp lại là rất khó kiểm tra với những độ dài của những ghi chép thông thường có sẵn ở những vị trí

đã đo đạc Thậm chí một sự kiện thời kỳ lặp lại 10 năm lý tưởng đòi hỏi số liệu lũ một thế kỷ hoặc nhiều hơn để thu được đánh giá chính xác độ lớn đỉnh lũ, trong thời gian

mà những đặc trưng của hầu hết các lưu vực có xu hướng thay đổi theo cách có thể có một ảnh hưởng đến phân bố tần suất lũ Các đặc trưng tần suất của những trận mưa ,cực hạn cũng được biết đã thay đổi trong 100 năm trước hoặc hơn nữa, vì những dao

động khí hậu và có lẽ cũng cả thay đổi khí hậu Đưa ra tiềm năng như vậy cho sự thay

đổi quan trọng, cái thật sự được yêu cầu là một ước lượng xác suất của một con lũ với

độ lớn cho trước dưới các điều kiện hiện thời (hoặc tương lai thay đổi), và biểu thức của xác suất này dưới dạng một thời kỳ lặp lại thì có phần lạc đường

Như vậy, ước lượng tần suất lũ là một vấn đề rất khó khăn Có một sự thay đổi của những phương pháp sẵn có để khắc phục những vấn đề, kể cả ước lượng thống kê dựa vào mẫu đo đạc lũ tại một vị trí, những phương pháp địa phương hoá cho những lưu vực không có số liệu và những phương pháp dựa vào mô hình mưa -dòng chảy Một nghiên cứu đầy đủ về chủ đề thú vị này nằm ngoài phạm vi của quyển sách này; ở đây chúng ta sẽ chỉ xem xét cách tiếp cận mô hình hóa mưa -dòng chảy, một cách tiếp cận

mà hiện thời đang thu hút một số quan tâm

Có sự suy đoán rằng ở nhiều vùng của thế giới, những sự kiện cực hạn sẽ trở thành cực hạn hơn như một kết quả của cả các thay đổi khí hậu lẫn thay đổi sử dụng

đất Lý do đi theo hướng cảnh báo của khí quyển sẽ gây ra vòng tuần hoàn tích cực hơn, dẫn tới những trận mưa cực hạn hơn, trong khi sự phá rừng và đô thị hóa và những thay đổi sử dụng đất khác sẽ có xu hướng làm tăng các hệ số dòng chảy Đồng thời, sự tăng mực nước biển liên quan đến sự tan của những khối băng ở cực và nhiệt

độ biển tăng có thể làm cho những vùng cửa sông và ven biển dễ bị ngập lụt hơn Nếu

điều này chứng tỏ là xẩy ra thì quá trình của cảnh báo lũ sẽ càng ngày càng trở nên quan trọng hơn

Theo lịch sử, con người đã có xu hướng thường xuyên tránh những đồng bằng ngập lụt thường xuyên để sinh sống Tuy nhiên, với dân số ngày càng tăng và sự đô thị hóa ngày càng tăng, càng ngày càng có thêm nhà ở và những tòa nhà thương mại ở những vùng là bộ phận của đồng bằng ngập lụt tự nhiên Với tình huống nào đó, những công trình phòng chống ngập lụt như đập chắn và đê điều hoặc các kè có thể sử dụng để giảm bớt khả năng ngập lụt và nguy hiểm, và thường có ảnh hưởng đến sự phát triển miền đồng bằng ngập lụt đáng khích lệ, nhưng những công việc như vậy thường sẽ không bảo vệ chúng chống lại những trận lũ cực hạn nhất Chắc chắn là số những trận lũ ghi nhận được với thiệt hại nghiêm trọng và đánh giá tổn thất thiệt hại hàng năm do lũ lụt tiếp tục tăng lên, làm cho lũ lụt là một trong số những mối nguy hiểm tự nhiên tốn kém nhất dưới dạng thiệt hại và mất mát tài sản của cuộc sống (xem Smith và Ward 1998) Người dân và những doanh nghiệp nói chung thường chịu

đựng hoặc không có khả năng vì những lý do tài chính để di chuyển khỏi những vùng

đồng bằng ngập lụt (mặc dù có những ví dụ về những cộng đồng buôn bán tái định cư

và cư trú từ những vùng đồng bằng ngập lụt với sự giúp đỡ tài chính Liên bang sau trận lụt Mississippi năm 1993), những đánh giá đúng lúc và chính xác như vậy của việc ngập lụt sẽ là một ứng dụng rất thực tế của mô hình mưa-dòng chảy trong tương lai

8.1 yêu cầu số liệu cho dự báo thời gian thực

Một trong những cách giảm nhẹ tổn thất của thiệt hại lũ lụt quan trọng nhất là sự chuẩn bị của những cảnh báo thích hợp, cho phép người dân hành động bảo vệ tài sản của họ và bản thân Trách nhiệm cho cảnh báo lũ của những nước khác nhau cũng

khác nhau Trong đa số các trường hợp hệ thống này được dựa vào những cơ quan cảnh báo lũ lụt địa phương, hoạt động ngay khi một trận mưa hình thành lũ lụt tiềm tàng được dự báo Những cơ quan này sau đó sẽ sử dụng mô hình mưa-dòng chảy trong thời gian thực để dự báo lưu lượng và mực nước lũ trong những vùng khác nhau như một cơ sở cho những quyết định xem liệu có phát đi những cảnh báo lũ lụt hay không

Quá trình này dễ hơn rất nhiều ở những lưu vực lớn nơi mà sự hình thành của một trận lũ, và sự truyền sóng lũ xuống hạ lưu, có thể mất vài ngày hoặc thậm chí hàng tuần Những ví dụ gần đây là trận lũ lụt ở Mississippi năm 1993 (Chagnon 1996); lũ lụt Meuse và Rhine năm 1995 (Koopmanss và nnk 1995); lũ lụt ở bắc California năm 1997; lũ lụt ở Oder nước cộng hòa Séc, Balan và Đức vào năm 1997 (Kundzewicz và nnk 1999); lũ sông Red năm 1997 ở bắc Hoa kỳ và Canada; các trận lũ

ở Chang Chiang (Yangtse) Trung Quốc vào năm 1998 và 1999; và những trận lũ lụt tàn phá ở Limpopo và các sông Save ở Mozambique năm 2000

Trong những lưu vực nhỏ, với thời gian đến đỉnh ngắn, dự báo thời gian thực có nhiều khó khăn hơn Những lưu lượng cực hạn nhất ở những lưu vực như vậy có xu hướng xuất hiện như một kết quả của những trận mưa đối lưu địa phương hoặc những

ô lưới cường độ cao bên trong những hệ thống thời tiết synop lớn hơn Thậm chí những dụng cụ đo từ xa hoặc một rađa đo mưa theo dõi vùng đó, thời gian đáp ứng có thể là quá ngắn để phát ra cảnh báo trong thời gian thực Tùy chọn duy nhất là sau đó phát

ra những cảnh báo trên cơ sở của dự báo những trận mưa, nhưng những cảnh báo như vậy có xu hướng là rất chung chung Có thể nhận biết tiềm năng cho một trận mưa sinh lũ nhưng rất khó có thể chỉ rõ chính xác ở đâu Một ví dụ điển hình của điều này xảy ra tại miền nam nước Pháp và bắc Italy, nơi mà đặc biệt trong tháng chín, những

hệ thống thời tiết di chuyển trong đất liền từ Địa Trung Hải vào và tùy thuộc vào sự tăng địa hình núi có thể đưa đến làm tăng những trận mưa và lũ lụt rất mãnh liệt Thực tế hàng năm có ít nhất một trận lũ phụ ở đâu đó trong vùng rộng lớn này Những ví dụ nổi tiếng là lũ năm 1988 ở Nice và lũ năm 1992 trên 560 km2 Ouveze tại Vaison-la-Romaine ở Pháp

Trong trường hợp của Vaison-la-Romaine, cơ quan khí tượng Pháp đã phát báo một cảnh báo khả năng có lũ quét cho khu vực Thật khó trong một trường hợp như vậy cho những cộng đồng riêng lẻ để phản ứng lại, vì mưa có thể không rơi trên lưu vực sẽ ảnh hưởng đến họ ở Vaison, 179 mm được ghi trong 24 giờ, với lượng cao hơn bất kỳ đâu trên lưu vực và cường độ trên 200 mm trong suốt thời gian 6 phút Thời gian giữa lúc bắt đầu trận mưa và lúc đỉnh lũ chỉ là 3.5 giờ Lưu lượng đỉnh lũ ước lượng là 600-1100 m3/s, với mực nước đỉnh trong thị trấn Vaison là 21 m Cầu La mã

cổ trong trung tâm của Vaison đã bị vượt đỉnh nhưng trận lũ vẫn tồn tại lâu, mặc dầu

có đoạn băng viđêô đầy ấn tượng về việc trôi nổi những đoàn lữ hành chen chúc ở dưới

nó Phần lớn những nạn nhân trong sự kiện này là những khách du lịch ở một điểm cắm trại ở đáy thung lũng thượng lưu Vaison Có nhiều thảo luận sau sự kiện này về việc liệu có phải sự phát triển của thị trấn trên thượng lưu đồng bằng ngập lụt đã làm

độ sâu của lũ và tác động của lũ lụt xấu hơn nhiều (Arnaud-Fassetta và nnk 1993) Rõ

ràng là nhiều cuộc sống có thể đã được bảo vệ nếu có thể một cảnh báo lũ chính xác

Để làm những cảnh báo đúng đắn đòi hỏi kiến thức về những trận mưa khi chúng xẩy ra, hoặc, thậm chí tốt hơn, các dự báo chính xác những cường độ mưa tiềm tàng đi trước thời gian Điều này cho phép tăng thời gian dự kiến của dự báo, có thể là quan trọng cho những trận lũ quét và các lưu vực nhỏ, như Vaison-la-Romaine Một số phương pháp hiện thời phát triển để lập dự án một chuỗi trạm đo mưa hoặc số liệu mưa rađa trong tương lai (ví dụ Krajewski và Pháp 1994; Andrieu và nnk 1996; Dolcine và nnk 1998) nhưng bất cứ phương pháp đã sử dụng nào, những dự báo có xu hướng giảm giá trị rất nhanh chóng Trong tương lai, có những khả năng kỹ thuật sử dụng một mô hình dự báo thời tiết số trị quy mô nhỏ, lồng trong các lưới của một mô hình tuần hoàn lớn hơn, nhưng những dự báo chính xác cũng sẽ đòi hỏi những sự cải tiến những quan niệm hình thành mưa sử dụng trong phát sinh hiện thời của mô hình Cho đến nay, các dự báo mưa do những mô hình qui mô trung bình cung cấp không đủ chính xác Tại thời gian hiện nay hầu hết các hệ thống cảnh báo lũ lụt bị phụ thuộc vào số liệu từ các trạm đo từ xa hoặc mưa rađa, được truyền trở lại trung tâm dự báo trong thời gian thực

Lợi thế của rađa thời tiết trong những tình huống này là rađa sẽ thường nhặt ra những ô mãnh liệt nhất của trận mưa trong hệ thống thời tiết (ví dụ Smith và nnk 1996; xem phần 3.1) Những ô như vậy có thể nhỏ hơn khoảng cách giữa các trạm đo

từ xa, và bởi vậy có thể bị mất bởi những hệ thống trên mặt đất Vấn đề với rađa, như một đầu vào để dự báo kết quả lưu lượng lũ, là mối quan hệ giữa tín hiệu rađa và cường độ trận mưa có thể không thường xuyên đưa ra một ước lượng chính xác cường

độ tuyệt đối (xem mục 3.1), đặc biệt khi có những hiệu ứng suy giảm vì trận mưa lớn gần rađa che lấp tín hiệu từ xa hơn Như vậy, cho cả rađa lẫn những hệ thống trạm

đo, nó có thể là có khả năng để đoán nhận rằng trận mưa mãnh liệt đang xuất hiện trên một diện tích lưu vực nhưng không chính xác là mạnh như thế nào

Điều này trở nên quan trọng mà bất kỳ mô hình mưa-dòng chảy nào sử dụng cũng

có khả năng thích nghi thời gian thực để tính toán bất kỳ sai số nào trong những kết quả dự báo từ những sai số đầu vào, dù từ rađa hay trận mưa, hoặc từ sai số trong cấu trúc mô hình Tuy nhiên, điều này đòi hỏi rằng trung tâm cảnh báo lũ lụt cũng nhận những thông tin về mực nước sông trong thời gian thực, tại một hoặc nhiều hơn những trạm đo trong một lưu vực, để dự báo mô hình có thể được so sánh với những mực nước hoặc lưu lượng quan trắc trong thời gian thực và mô hình thích nghi để tạo ra những

dự báo chính xác hơn (ít nhất cho đến khi trạm đo bị hư hỏng hoặc hệ thống đo từ xa sai lệch) Một số cách làm này được bàn luận đến trong mục tiếp theo

Cũng có lý do khác tại sao thông tin lưu lượng có thể hữu ích trong cảnh báo lũ lụt, đặc biệt trong những lưu vực lớn hơn ở đâu các thời gian trễ trong hệ thống lòng dẫn là đủ dài so với thời gian dự kiến yêu cầu cho một dự báo (nói chung trong 3-6 tiếng là thời gian dự kiến khả thi tối thiểu để cho phép một cảnh báo sẽ được truyền

đến dân chúng), thì đo đạc lưu lượng hay mực nước lũ ở thượng lưu có thể được sử dụng như một bộ phận của hệ thống để dự báo mực nước và lưu lượng lũ và theo thời gian của đỉnh lũ xa hơn về phía dưới hạ lưu

Nói chung, những cảnh báo lũ lụt được phát đi trong quan hệ với mực nước dự báo của sông ở một điểm đo đạc nguy cấp mà không mô hình hóa biểu đồ chi tiết của sự lụt lội phía thượng lưu của điểm đó Trong nhiều tình huống điều này có thể là thích hợp, vì nếu lũ lụt được dự báo xuất hiện ở đâu đó trong đồng bằng ngập lụt, thì một cảnh báo chung có thể được phát ra Tuy nhiên, trong những dòng sông lớn, như Mississippi, sự phát triển của sóng lũ xuôi dòng có thể được kiểm soát rất chặt chẽ bằng bản đồ lụt lội trong suốt trận lũ, bao gồm những ảnh hưởng của những sự hỏng hóc đê mà vốn đã khó để dự báo trước thời gian Như vậy có thể cần thiết sử dụng một mô hình diễn toán thủy lực trong dự báo những độ sâu chờ đợi ở phía hạ lưu, liên tục xem lại các tính toán khi những điều kiện thay đổi Điều này yêu cầu bổ sung thêm về những hiểu biết địa hình lòng dẫn và đồng bằng ngập lụt để sử dụng trong mô hình thủy lực, cùng với những thông số như những hệ số sức cản hiệu quả Tài liệu địa hình thường được cung cấp như một chuỗi các mặt cắt ngang được khảo sát trên đồng bằng ngập lụt và lòng dẫn tại những vị trí khác nhau, nhưng việc tăng sử dụng của những mô hình tích hợp độ sâu hai chiều sẽ dẫn tới sử dụng số liệu đo vẽ địa hình ở dạng những bản đồ cao trình số hoá chi tiết của đồng bằng ngập lụt Tất nhiên, dạng lòng dẫn có thể thay đổi trong thời gian một trận lũ vì sự xói mòn và bồi lắng Những mô hình vận chuyển trầm tích trong các sông chưa phát triển đến giai đoận mà chúng có thể được sử dụng một cách có hiệu lực và đa số các mô hình diễn toán thủy lực hiện thời sử dụng giả thiết 'đáy cố định’

8.2 Mô hình mưa-dòng chảy cho dự báo lũ

Bất kỳ mô hình mưa-dòng chảy nào đã được hiệu chỉnh cho một lưu vực riêng biệt

có thể được sử dụng trong dự báo lưu lượng lũ Ví dụ, hệ thống dự báo sông của Cục thời tiết quốc gia Hoa Kỳ (Burnash 1995), là sự phát triển của mô hình Sacramento, một dạng mô hình tính toán độ ẩm đất hiện tập trung với nhiều thông số được hiệu chỉnh (ví dụ Sorooshian và nnk 1992; Gupta và nnk 1999) Sử dụng những phương pháp như được bàn luận trong Chương 7, dự báo có thể cũng có liên hệ với một ước lượng bất định trong dự báo Cho là các ước lượng theo cách này có thể là quan trọng Kinh nghiệm cho thấy rằng tính bất định trong cả những phép đo lẫn những dự báo

đỉnh lũ tăng theo độ lớn đỉnh lũ Ngoài ra, dù một mô hình đã được hiệu chỉnh cho một phạm vi nhất định của lưu lượng, tính bất định chắc sẽ phải tăng thêm trong khi những dự báo được làm bên ngoài phạm vi hiệu chỉnh này cho những sự kiện cực trị Như vậy, có thể không có khả năng để dự đoán cuối cùng liệu mực nước sẽ bị vượt quá trong một trận lũ trong tương lai hay không; tuy nhiên, có thể có khả năng đánh giá mức rủi ro mà mực nước sẽ bị vượt bằng sự xem xét phân bố của những dự báo (bất

định)

Như đã chú ý trước đây, xu thế sai số trong dự báo suốt thời gian những sự kiện cực hạn cho thấy rằng là thuận lợi khi sử dụng một chiến lược mô hình hóa thích hợp, sao cho nếu một sự so sánh của lưu lượng quan trắc và dự báo bộc lộ rằng các dự báo mô hình có sai số, thì một chiến lược để điều chỉnh các dự báo mô hình có thể được tiến hành Điều này rõ ràng chỉ có thể ở nơi mà các đo đạc mực nước sông hoặc lưu lượng có

thể được có sẵn trong thời gian thực Sự thích nghi cũng được thực hiện dễ dàng hơn cho những mô hình đơn giản hơn Trong những mô hình phức tạp, với nhiều biến khác nhau hoặc những thành phần có thể được điều chỉnh, khó có thể quyết định phải điều chỉnh cái gì

Một sự so sánh các phương pháp dự báo thời gian thực, bao gồm các sơ đồ thích ứng, được thực hiện bởi Tổ chức khí tượng thế giới (WMO 1975) và gần đây Moore đã

đưa ra một tổng quan của những cách tiếp cận (1999) Điều không rõ ràng từ WMO nghiên cứu là liệu sử dụng những mô hình phức tạp hơn sẽ có lợi thế hơn sử dụng một tiếp cận rất đơn giản để mô hình hóa thời gian thực, vì sự thích nghi thời gian thực có thể giải thích cho nhiều sai số tiềm tàng trong việc sử dụng một cấu trúc mô hình hóa

đơn giản Trong tình hình dự báo thời gian thực, nhà thủy văn học không quan tâm tới việc đưa ra dự báo đúng của quá trình dòng chảy thượng lưu của một vùng lũ có dạng thoải, nhưng rất quan tâm đến việc đưa ra một dự báo tốt của mực nước đỉnh lũ trong vùng đó, có thể trước nhiều giờ

Cũng có thể có tiếp cận mà không cần mô hình hoá sự sinh dòng chảy trong thời gian dự báo lũ Như đã chú ý trong mục 4.9, các mô hình mạng thần kinh mới đây đã trở thành phổ biến như một phương tiện của việc ước lượng N bước về phía trước của lưu lượng lũ, sử dụng đầu vào bao gồm mưa và những giá trị trước đó của lưu lượng hoặc mực nước và một tập hợp luyện các sự kiện lịch sử (xem Hình 4.9) Tuy nhiên, trong việc bàn luận về những cách tiếp cận mạng thần kinh, cần ghi nhớ rằng những

dự báo được làm cho những sự kiện cực trị hơn những sự kiện bao gồm trong tập hợp luyện có thể không được ước lượng một cách chính xác

ở đây chúng ta sẽ xem xét hai chiến lược mô hình hóa đơn giản cho dự báo thời gian thực Trước hết là một phương pháp tất định thích nghi của Lambert (1972) rất khó với các dao động nhỏ của các lưu vực trung bình Mô hình đầu vào -lượng trữ - đầu

ra (ISO) này đã được sử dụng trong một số sơ đồ dự báo lũ của Anh, đặc biệt là ở lưu vực sông Dee phía bắc xứ Wales Thứ hai là một dạng thích nghi của các mô hình hàm chuyển đổi được xem xét trong mục 4.3 Những hàm chuyển đổi thích nghi có thể sử dụng cho cả mưa-dòng chảy và lưu lượng (hoặc mực nước) thượng lưu tới lưu lượng (hoặc mực nước) hạ lưu, phụ thuộc vào số liệu sẵn có Ví dụ ứng dụng giới thiệu trong trường hợp nghiên cứu của phần 8.5 cho một mô hình dự báo hoạt động cho thị trấn Dumfries ở Scotland, sử dụng cả mưa-dòng chảy và các hàm chuyển đổi lưu lượng - lưu lượng Sự thích nghi của những mô hình như vậy có thể thực hiện trong một số cách khác nhau Trong mô hình Dumfries, một thông số lợi ích thích nghi đơn giản đư-

ợc sử dụng, nghĩa là hàm chuyển đổi được thu nhỏ hoặc phóng to trong thời gian thực

mà không thay đổi dạng của nó Cách tiếp cận đơn giản này đã tỏ ra là rất có hiệu quả

ở đây và những ứng dụng khác

Những loại mô hình này có thể tạo ra bộ phận của một hệ thống dự báo lũ lớn hơn bao gồm những thành phần diễn toán lũ Ví dụ với lưu vực sông Dee, những mô hình ISO đã được phát triển cho tất cả các lưu vực con có đo đạc và liên kết với những một mô hình diễn toán lũ Một gói chung kết hợp chặt chẽ với nhiều mô hình diễn toán lũ

và mô hình mưa-dòng chảy đã được thực hiện cho toàn bộ vùng Yorkshire của cơ quan

môi trường Anh (xem Moore và nnk 1994)

8.3 Mô hình ISO Lambert

ý tưởng đằng sau mô hình ISO của Alan Lambert đơn giản một cách đáng ngạc nhiên Nó dựa vào sự phát triển của một đường cong rút nước tổng thể cho một lưu vực hoặc lưu vực con nơi mà một thời kỳ đo đạc lưu lượng là sẵn có, bằng việc nối lại với nhau các đường cong rút nước bộ phận từ những trận lũ riêng lẻ Nhìn chung, dạng của một đường cong rút nước như vậy có thể không dễ dàng được biểu diễn bởi một hàm toán học đơn giản nhưng Lambert gợi ý sử dụng những hàm lôga và tuyến tính đơn giản để biểu diễn cho những phần khác nhau của phạm vi lưu lượng (Lambert 1969, 1972) Sau đó, tại mỗi bước thời gian trong thời gian một trận lũ, mưa trung bình (nhỏ hơn một ước lượng của bốc hơi nếu cần thiết) được thêm cho lượng trữ lưu vực tương đối (lượng trữ tuyệt đối không cần phải ước lượng), và sử dụng biểu diễn của hàm lưu lượng - lượng trữ một thay đổi gia tăng lưu lượng dễ dàng được dự báo Lưu lượng được trừ từ lượng trữ, và mô hình sằn sàng cho bước thời gian tiếp theo

Điều này có thể là sự đơn giản một mô hình mưa-dòng chảy Sự hiệu chỉnh mô hình chỉ đơn giản là một vấn đề của việc dẫn xuất ra đường cong lượng trữ - lưu lượng cho một phạm vi rộng có thể có của lưu lượng Không một thông số nào khác có ảnh hưởng Trong sự mô phỏng liên tục, một mô hình như vậy sẽ không thật chính xác vì chúng ta biết rằng mối quan hệ giữa lượng trữ và lưu lượng là không đơn giản Đây là

lý do tại sao chúng ta sử dụng các mô hình phức tạp hơn để cố gắng phản ánh sự phức tạp của những quá trình mưa-dòng chảy hiện thực hơn Tuy nhiên, trong dự báo thời gian thực, mô hình ISO có thể được sử dụng theo một cách làm giảm tác động của những sai số cố hữu trong sử dụng một mô hình đơn giản như vậy Lợi thế đầu tiên của nó là trong việc tạo ban đầu mô hình lúc bắt đầu một trận lũ Nhìn chung, chỉ số tốt nhất của lượng trữ ẩm kỳ trước của một diện tích lưu vực là lưu lượng lúc bắt đầu một trận lũ Mô hình ISO dễ dàng được tạo ban đầu nếu lưu lượng được biết vào bước thời gian đầu, vì điều này có thể được sử dụng để suy ra lượng trữ tương đối ban đầu Lợi thế thứ hai là ngay khi những sai số được tìm ra giữa lưu lượng quan trắc và dự báo, mô hình có thể được cho lại giá trị ban đầu bằng cáh sử dụng lưu lượng đo đạc hiện thời Thủ tục này có thể được thực hiện tại mỗi bước thời gian ngay khi nhận

được những lưu lượng đo đạc, và được sử dụng để cập nhật những dự báo vào trong tương lai

Như vậy đây cũng là sơ đồ mô hình hóa thích nghi hợp lý rất đơn giản Không đòi hỏi có cơ sở toán học phức tạp nào cho sự thích nghi, và nó rất dễ hiểu, dễ hiệu chỉnh

và dễ dàng thực hiện Đó có thể là một sơ đồ dự báo thời gian thực rất hiệu quả nhưng

rõ ràng có một số hạn chế Đặc biệt, phép ngoại suy bên ngoài phạm vi của những

đường cong rút nước đã đo đạc là không chắc chắn Trong mô hình, những mối quan

hệ sử dụng cho những khu vực thấp hơn và cao hơn của những đường cong rút nước chính là giả thiết đơn giản để tiếp tục cho các điều kiện cực hạn hơn Ngoài ra, tính thích nghi của mô hình để thay đổi lượng trữ tương đối hiện thời phá bỏ toàn bộ sự cân bằng nước cho mô hình, nhưng điều này sẽ không quan trọng trong dự báo thời gian

thực nếu nó dẫn tới cải thiện những dự báo

Trong những lưu vực nhỏ điều này có hiệu quả để mô hình hoá dao động dự báo thời gian thực Những mô hình phức tạp hơn mà kém dễ dàng để thích nghi tất yếu có thể không tạo ra những dự báo lũ lụt thời gian thực tốt hơn

8.4 Các mô hình hàm chuyển đổi thích nghi cho dự báo thời gian thực

Đáng chú ý rằng phần tử mô hình ISO tuyến tính đơn giản nhất có hiệu quả là mô hình hàm chuyển đổi bậc một, tương đương với phương trình (4.9) Sự khác biệt là những đầu vào sử dụng với mô hình ISO là mưa, trong khi các mô hình hàm chuyển

đổi trong mục 4.3 sử dụng những trận mưa đã lọc theo cách nào đó để tạo ra một lượng mưa có hiệu quả Với một phép lọc là trực tiếp và chỉ phụ thuộc vào lưu lượng hiện thời, như Beven và Young đã sử dụng (1994), việc cập nhật loại mô hình ISO đơn giản có thể vẫn còn được sử dụng một cách trực tiếp, nhưng điều này sẽ không thể ở nơi mà những thành phần mưa hiệu quả đưa vào thêm các phần tử lượng trữ Tuy nhiên, có một cách đơn giản để làm những mô hình như vậy thích nghi, như đã chú ý ở trên, bằng cách sử dụng một thông số lợi ích hoặc số nhân thích nghi ước lượng ban

đầu tốt nhất của thông số lợi ích thường là 1.0 nhưng sau đó nó được phép thay đổi theo các tiến triển sự kiện để hiệu chỉnh cho những sự chênh lệch phát hiện ra giữa những giá trị dự báo và những giá trị quan trắc cung cấp cho hệ thống cảnh báo lũ lụt Nếu một dự báo thấp hơn được phát hiện ra, thì thông số lợi ích có thể là được tăng cho bước thời gian tiếp theo; nếu một dự báo cao hơn được phát hiện ra, thì thông số lợi ích có thể được giảm bớt Những sự thay đổi trong thông số lợi ích được lọc để những sự thay đổi qua các bước thời gian giữ tương đối trơn Tiếp cận thông số lợi ích thích nghi là một cách đơn giản đền bù cho bất kỳ những sai số nào trong số liệu hoặc cấu trúc mô hình hàm chuyển đổi có thể ảnh hưởng đến sự chính xác của những dự báo Nói chung nó sẽ dẫn tới những dự báo được cải thiện thực sự Một ví dụ của một giải thuật thích ứng thành công đã cho trong hộp 8.1

Có một giới hạn quan trọng của các mô hình hàm chuyển đổi trong ứng dụng dự báo lũ Hàm chuyển đổi được thiết kế để dự báo những biến đầu ra mà số liệu lịch sử

có sẵn cho việc hiệu chỉnh Theo nghĩa này, chúng là một chiến lược mô hình hóa thực nghiệm Như vậy, mặc dầu chúng có thể cung cấp những dự báo, dễ dàng cập nhật trong thời gian thực, mực nước sông tại những vị trí xác định trong lưu vực, chúng không thể dự báo sự mở rộng của lũ lụt trong lưu vực, trừ khi cho đến lúc diều này có khả năng từ hiểu biết về mực nước lũ ở những vị trí đo đạc Dự báo định lượng của sựu

mở rộng lũ sẽ yêu cầu một mô hình ngập lũ cung cấp những dự báo phân bố, nhưng những mô hình như vậy có một số lượng lớn các biến và những thông số không dễ dàng được cập nhật trong thời gian thực Một chiến lược cho việc kết hợp những mô hình hàm chuyển đổi với mô hình ngập lụt phân bố được xem xét trong mục 8.6 8.5 Trường hợp nghiên cứu: Hệ thống dự báo thời gian thực cho thị trấn Dumfries

Thuật toán thích nghi phác thảo trong hộp 8.1 sẽ được trình diễn bằng hệ thống

dự báo lũ cho lưu vực sông Nith (750 km2) thượng lưu thị trấn Dumfries ở Scotland,

được báo cáo bởi Lees và nnk (1994) (Hình 8.1) ứng dụng này bao gồm việc cung cấp cả những mô hình mưa-dòng chảy lẫn những mô hình diễn toán dòng chảy cho lòng dẫn chính, với số liệu cung cấp trong thời gian thực từ một số các vị trí đo đạc mực nước sông và mưa Phần thấp hơn của lòng dẫn chính cũng yêu cầu rằng mực nước triều được sử dụng trong thủ tục dự báo lũ Thậm chí cho rằng đây là một lưu vực phản ứng nhanh, ít nhất thời gian dự kiến 5 giờ cho dự báo ở Dumfries được yêu cầu cho phép những cảnh báo sẽ được phát đi đúng lúc để dân chúng đối phó Vào thời gian thi hành năm 1991, một trong những yêu cầu của hệ thống là nếu một mực nước

lũ được dự báo, thì phần mềm cần tự động gọi điện tới trạm cảnh sát địa phương với một thông báo tạo bởi máy tính thích hợp Cảnh sát có trách nhiệm cho phân phối những cảnh báo lũ tới dân chúng Bởi vậy, hệ thống cần phải dự báo chính xác là một

điều rất quan trọng

Hình 8.1 Lưu vực của sông Nith trên thị trấn Dumfries, Scotland (Lees và nnk 1994) Tái tạo với sự cho

phép của John Wiley và Sons Limited

Những mô hình sử dụng trong hệ thống Dumfries tương tự như loại mô hình hàm chuyển đổi cơ học dựa trên số liệu đã được mô tả trong Chương 4, nhưng với một

số đặc tính bổ sung xác định cho trường hợp dự báo lũ lụt Những hàm chuyển đổi

được làm phù hợp cả cho mô hình hóa mưa-dòng chảy sông ngòi, cả cho diễn toán dòng chảy trong lòng dẫn chính Mô hình mưa-dòng chảy đòi hỏi một sự lọc mưa sử dụng phép lọc song tuyến tính mô tả trong mục 4.3.2, để mưa hiệu quả ở thời điểm t là tỷ lệ với Qt nRt trong đó Qt là lưu lượng hiện thời, Rt là lượng mưa hiện thời và n là một

thông số Diễn toán dòng chảy sử dụng các hàm chuyển đổi từ mực nước này tới mực nước khác cho phần thượng lưu, trung lưu, và hạ lưu của lòng dẫn chính, vì mực nước

là biến sơ cấp quan tâm trong trường hợp dự báo lũ Tất cả các mô hình hàm chuyển

đổi được thực hiện theo một cách mà nếu có sẵn số liệu đo đạc từ xa trực tuyến cho bất

kỳ vị trí dự báo nào, thì số liệu này có thể được sử dụng để cập nhật mô hình dự báo trong thời gian thực Điều này đạt được bằng việc cung cấp một thông số lợi ích biến thời gian vào trong hàm chuyển đổi Hàm chuyển đổi được hiệu chỉnh cho số liệu lịch

sử là mô hình bậc 1 tiêu biểu, với một hoặc hai thông số b (xem hộp 4.1), có dạng :

z b b

1

1 1 0

1

trong đó: yˆt là biến đầu ra đã dự báo (ở đây là mực nước) tại thời điểm t, ut là biến

đầu vào (mực nước thượng lưu hoặc mưa hiệu quả) bị trễ bởi một thời gian trễ  , zlà toán tử sai phân lùi (xem hộp 4.1), và b0, b1và a1 là các thông số đã hiệu chỉnh của hàm chuyển đổi Lợi ích biến - thời gian được cho dưới dạng:

z b b G

1

1 1 0

đi bộ ngẫu nhiên với bộ nhớ ước lượng đủ dài (xem hộp 8.1) Sự ẩm ướt làm giảm sự thay đổi trong thông số lợi ích qua từng bước thời gian nhưng cho phép mô hình thích nghi dần dần cho bất kỳ sự lệch nào của những quan trắc ra xa khỏi những dự đoán của hàm chuyển đổi gốc Thuật toán đệ quy cũng cho phép biến đổi của những dự báo

được ước lượng theo thời gian, để nếu phát hiện ra những sai số lớn hơn, thì điều này

có thể được phản ánh trong những ước lượng của độ bất định trong các dự báo

Kết quả mô hình, với sự thích nghi thời gian thực của nó, đã tỏ ra là rất thành công trong việc dự báo mực nước đỉnh lũ Một số ví dụ dự đoán cho hai trận lũ lớn cỡ

450 m3/s, cả hai đều gây ra nạn lụt ở trung tâm của Dumfries, được trình bày trong hình 8.2, thể hiện cả dự báo hàm chuyển đổi đơn giản và dự báo thích nghi Trong cả hai trường hợp dự báo thích nghi mực nước đỉnh chỉ lệch 5 cm, với chỉ sai số nhỏ về thời gian

Hạ lưu của vị trí Greensamds sông Nith trở thành vùng ảnh hưởng thủy triều Kết hợp với lưu lượng sông cao và mực nước thủy triều cao có thể tăng cường đáng kể xác suất và tác động của lũ lụt trong thị trấn Như vậy một thành phần bổ sung được thêm cho mô hình để dự đoán những hiệu ứng của thủy triều trên những mực nước ở sông Nith, cũng sử dụng một cách tiếp cận hàm chuyển đổi Có thể xem chi tiết hơn trong bài báo của Lees và nnk (1994)

Hình 8.2 So sánh dự báo lũ thích nghi và không thích nghi trước 5 h trên sông Nith (Lees và nnk 1994)

Tái tạo với sự cho phép của John Wiley và Sons Limited

Sự trễ tự nhiên trong hệ thống sông Nith là nhỏ hơn so với thời gian dự kiến 5 giờ yêu cầu Nhận thấy rằng thời gian dự kiến của những dự báo có thể được tăng thêm bằng cách sử dụng sự trễ nhân tạo trong hàm chuyển đổi Như vậy, hàm chuyển đổi bắt nguồn từ số liệu lịch sử được hiệu chỉnh với một sự trễ dài hơn thời gian trễ tự nhiên trong lưu vực Nhận thấy rằng điều này cho các phù hợp kém hơn trong việc hiệu chỉnh, nhưng tốt hơn trong dự báo về phía trước, với thời gian dự kiến cùng bậc như thời gian trễ nhân tạo Sự cải tiến được củng cố bởi sự thích nghi thời gian thực của thông số lợi ích đã mô tả ở trên Đây là một phương pháp rất đơn giản của việc tăng thêm thời gian dự kiến hiệu quả của những dự báo nhưng có thể không hữu ích ở mọi nơi (đặc biệt là ở những nơi mà nhánh lên của thủy đồ là dốc) nhưng giá trị của một cách tiếp cận như vậy, có liên quan với việc cố gắng dự báo những trận mưa về phía trước theo thời gian, có thể được kiểm tra cho những tập hợp số liệu lịch sử 8.6 Các phương pháp cho ngập lụt trong thời gian thực

Trong những dòng sông với những đồng bằng ngập lụt rộng lớn (nói chung là những lưu vực diện tích lớn hơn hoặc bằng 250 km2) thời gian và độ lớn của đỉnh lũ sẽ

bị ảnh hưởng lớn bởi lượng trữ tràn bờ trên đồng bằng ngập lụt Dự báo lũ thành công

sẽ phụ thuộc vào diễn toán lũ tập trung (sử dụng hàm chuyển đổi) hay lũ phân bố (sử dụng mô hình thủy lực) và dự báo ngập lụt (thí dụ Bradley và nnk 1995) Nó đã được chỉ ra trên cách tiếp cận hàm chuyển đổi có thể dễ dàng được làm thích nghi để cải thiện những dự báo thời gian thực như thế nào Tuy nhiên, cách tiếp cận này không cho bất kỳ biểu thị trực tiếp nào của vùng thực tế mà ở đó kỳ vọng sẽ bị lũ lụt trong thời gian một trận lũ riêng biệt Cách tiếp cận diễn toán thủy lực, được thực hiện trong hoặc một chiều (xuôi dòng) hoặc hai chiều (xuôi dòng và ngang) có thể đưa ra những xấp xỉ ít nhất dự báo phân bố của độ sâu và diện tích ngập lụt vì sự thay đổi

động lực trong suốt thời gian lũ lụt Cả cách tiếp cận một chiều lẫn hai chiều đều sử dụng những dạng đầy đủ hay những dạng đã đơn giản hóa của hệ phương trình St Venant (xem hộp 5.5) Như những mô hình phân bố, với những số lượng lớn các thông

số (chủ yếu là các hệ số nhám cho những phần tử khác nhau đại diện cho lòng dẫn chính và vùng ngập lụt), những mô hình thủy lực này có thể khó hiệu chỉnh và thực hiện trong khuôn khổ cập nhật thích nghi Điều này sẽ đặc biệt khó khăn ở những nơi