Mô hình hoá mưa - dòng chảy ( Phần cơ sở - Nxb ĐH Quốc Gia Hà Nội ) - Chương 10 ppsx

 Tất cả các đầu vào cần thiết của mô hình cho việc xác định độ lớn dòng chảy, cho việc xác định những điều kiện biên và điều kiện ban đầu và cho việc xác định giá trị những thông số, có

Chương 10 trở lại vấn đề lựa chọn mô hình

Nên nhớ rằng máy tính là một công cụ cho sự mô phỏng, và cái gì được mô phỏng

sẽ trở thành thực tế của người dùng Trong một xã hội như của chúng ta - xã hội sau hiện đại - không có 'những lịch sử vĩ đại' để sửa chữa một nhận thức đặc biệt của thực

tế giống như đã có vào thế kỷ 19 Chúng ta nhiều lần nhìn thấy tình trạng như vậy: truyền thông dựa vào một số trò chơi ngôn ngữ được chơi theo các tập hợp nhất định của những quy tắc Mỗi nhóm xã hội có thể 'chơi một trò chơi', và như vậy đó là hiệu quả của mỗi trò chơi chứng minh nó Môi trường máy tính hình được xem xét như một thiết bị kỹ thuật cho phép chủ nhân của nó chơi những trò chơi hiệu quả một cách đặc biệt Một chương trình tốt là một chương trình tạo ra những ý định thực tế bởi điện báo viên theo cách hiệu quả nhất

P.B Andersen và L Mathiessen 1987 Tuy nhiên những cố gắng để tạo ra một lý thuyết như vậy (của thủy văn học lũ lụt)

là rất đáng giá Nó phát triển nhận thức của chúng ta về các hiện tượng thuỷ văn, cải thiện những quyết định trong quan hệ với tài nguyên nước, và cải thiện vị trí của chúng ta với những nhà địa vật lý Để thực hiện nó, chúng ta cần một kiến thức nền rộng về bản thân đối tượng của chúng ta và về những môn học có liên quan và một khả năng thực tế để suy nghĩ sáng tạo và làm việc miệt mài

Jim Dooge 1986

10.1 lựa chọn mô hình trong mô hình hóa mưa-dòng chảy như kiểm tra giả thiết

Dù sự thật là chúng ta đã ít chú ý tới toàn bộ lớp những mô hình mưa-dòng chảy (các mô hình ‘hộp’ nhận thức hoặc ESMA), điều nổi bật từ những chương trước rằng một sự biến đổi rất rộng của những mô hình là sẵn có cho bất kỳ áp dụng mô hình hoá mưa-dòng chảy nào mà không có bất kỳ cơ sở rõ ràng nào để lựa chọn chúng Nhắc lại tiêu chuẩn đã được thiết lập trong chương 1 cho sự lựa chọn mô hình Những điều này

có thể được tổng kết lại như sau:

 Một mô hình có sẵn, hoặc nó có thể được làm sẵn nếu sự đầu tư thời gian (và tiền) có thực sự là đáng giá không?

 Mô hình có dự báo những biến được yêu cầu bởi những mục tiêu của một dự án hay không?

 Giả thiết của mô hình có thể giới hạn về những phương diện mà bạn biết về

phản ứng của lưu vực bạn quan tâm đến hay không?

 Tất cả các đầu vào cần thiết của mô hình cho việc xác định độ lớn dòng chảy, cho việc xác định những điều kiện biên và điều kiện ban đầu và cho việc xác định giá trị những thông số, có thể được cung cấp trong những sự ràng buộc thời gian và chi phí của một dự án hay không?

Tại giai đoạn này hiển nhiên là những tiêu chuẩn này thực chất cung cấp cơ sở cho việc loại bỏ mô hình và, như được chỉ ra từ trong chương 1, nó thật quá dễ dàng để loại bỏ toàn bộ các mô hình có sẵn vì không đủ các giả thiết hoặc những đòi hỏi không khả thi cho số liệu đầu vào Điều này không phải là rất hữu ích: trong rất nhiều dự án, nhà thủy văn học vẫn được yêu cầu làm những dự báo định lượng những gì có thể chờ

đợi trong dạng đỉnh lũ, dòng chảy vào kho nước hoặc những biến khác dưới những

điều kiện khác nhau Như vậy một hoặc nhiều hơn các mô hình phải được giữ lại Tuy nhiên, đây là nơi mà ý tưởng của việc quy định mô hình trở nên rất quan trọng Cho một sự mở rộng nào đó, chúng ta có thể vượt qua một số hạn chế của những mô hình sẵn có bằng cách quy định những dự báo của chúng trên bất kỳ những quan trắc sẵn có nào hoặc kiến thức có trước đó về lưu vực quan tâm Theo truyền thống,

điều này đã được làm bởi sự hiệu chỉnh hoặc tối ưu hóa các giá trị thông số, mặc dù nó

đã được đề cập trong chương 7 rằng một chiến lược chung hơn của việc quy định trong khuôn khổ bất định sẽ là một cách tiếp cận thỏa mãn hơn nhiều cho tương lai Trong khuôn khổ này, bất kỳ mô hình nào dự báo một biến quan tâm là một dự báo viên hữu ích tiềm năng, cho đến khi có bằng chứng (hoặc một quan điểm hợp lý) để loại bỏ nó Giá trị của sự quy định theo phương thức này là mô hình hoặc những mô hình được giữ lại phải phù hợp với số liệu sẵn có (ít nhất cho một mức chấp nhận được nào đó); ngược lại chúng sẽ bị loại bỏ Điều này sau đó sẽ đưa ra một số cơ sở cho độ tin tưởng trong những dự báo khi những mô hình đó được sử dụng để ngoại suy hoặc dự đoán những sự phản ứng cho những điều kiện khác

Thử và mô tả quá trình mô hình hóa như dạng ánh xạ của một lưu vực đặc biệt (duy nhất) hoặc phần tử của lưu vực vào bên trong không gian mô hình (Hình 10.1; cho một thảo luận chi tiết hơn, xem Beven 2000) Chương 7 đã chỉ ra làm thế nào ánh xạ này có thể được làm khi sử dụng quy định dựa vào những độ hữu hiệu hoặc những trọng số mờ Vì nhiều lý do, chủ yếu liên quan đến giới hạn của cấu trúc mô hình và

ư-ớc lượng thông số mô hình, ánh xạ sẽ là một xấp xỉ cần thiết Những ánh xạ có thể

được làm cho cả những lưu vực được đo đạc và những lưu vực không được đo đạc dựa trên mọi thông tin hoặc những quan trắc trước có sẵn Nhưng có vẻ sẽ chính xác hơn ở nơi mà những quan trắc của sự phản ứng thuỷ văn là có sẵn và gần đúng hơn cho trư-ờng hợp lưu vực không đo đạc Tuy nhiên, các khả năng để tinh lọc ánh xạ này bằng sự thu thập nhiều số liệu hơn, và tiếp cận này cho sự đánh giá mô hình cũng được chấp nhận cho tập hợp số liệu có thể được sử dụng như cơ sở cho một nghiên cứu mô hình hoá mưa-dòng chảy

Trong thực tế, quá trình đánh giá mô hình có thể được thiết lập dưới dạng kiểm tra giả thuyết Cho trước một tập hợp những mô hình cho một lưu vực đã qua được thủ

tục chọn lọc và đánh giá ban đầu, giả thuyết nào có thể được kiểm tra bởi tập hợp số liệu để cho phép một số trong các mô hình đó sẽ bị loại bỏ? Điều đó dường như là một

số loại số liệu có thể có giá trị hơn những số liệu khác trong việc kiểm tra mô hình và trong việc loại bỏ mô hình Ví dụ, Lamb và nnk (1998 b) đã xem xét việc sử dụng thông tin mực nước ngầm trong dự báo phản ứng của lưu vực nhỏ Saeternhekken ở Norway (xem những mục 6.5, 7.8) Những kết quả của họ đã làm nổi bật vấn đề của việc sử dụng những quan trắc phân bố không gian trong đánh giá mô hình, trong đó những phản ứng mực nước ngầm địa phương sẽ phụ thuộc rất nhiều vào những đặc trưng truyền và trữ cục bộ của đất Như vậy điều đó là không chắc để đưa ra tính bất

đồng nhất của những đặc trưng đất được trông đợi trong một lưu vực cho dù cấu trúc mô hình là đúng đắn, một hệ số vận chuyển và trữ có hiệu quả được hiệu chỉnh cho một lưu vực sẽ dự báo chính xác những sự biến đổi cục bộ trong độ sâu mực nước ngầm Để làm những dự báo cục bộ chính xác sẽ cần những giá trị thông số cục bộ Thực chất kết luận của họ là kiến thức về những mực nước ngầm cục bộ đã cải thiện rất nhiều việc dự báo những mực nước ngầm cục bộ (mặc dù sau đó có những dị thư-ờng cục bộ đáng kể) nhưng đã không hỗ trợ nhiều trong việc hạn chế những bất định trong các dự báo lưu lượng như được ước lượng khi sử dụng phương pháp luận GLUE

Hình 10.1 ánh xạ một không gian lưu vực vào trong không gian thông số mô hình

Những loại số liệu khác có thể cũng được sử dụng trong đánh giá mô hình nhiều tiêu chuẩn, nếu một mô hình có khả năng dự báo những biến đòi hỏi Ví dụ những loại khác nhau của số liệu địa hoá học và chất chỉ thị đã được sử dụng trong một số nghiên cứu, gồm có Hooper và nnk (1986), Kleissen và nnk (1990) và Mroczknowske và nnk

(1997) Tuy nhiên, cần chú ý rằng trong dự báo những biến địa hóa học cũng luôn luôn cần thiết đưa thêm vào những giá trị thông số hoặc những biến bổ sung mà tự chúng không phải là có thể xác định dễ dàng (nhưng xem Robson và nnk (1992) cho một kiểm tra thú vị của những dự báo TOPMODEL sử dụng sự xáo trộn địa hoá học)

ở đây còn lại một vấn đề là khó khăn của việc tiến hành những phép đo Thật là

dễ hơn rất nhiều (và rẻ hơn rất nhiều) để làm những phép đo tại, hoặc rất gần bề mặt Những loại phép đo sẵn có cho sự khảo sát dòng chảy sát mặt bị hạn chế nhiều hơn và chúng ta vẫn không có bất kỳ cách tích cực đầy đủ nào của việc đánh giá các đường dẫn dòng chảy ưu tiên, liệu chúng là do hệ thống bơm tự nhiên hay những rạn nứt cơ khí cho đê diều trong lĩnh vực nông nghiệp Mô hình quan niệm của chúng ta có thể cho phép sự quan trọng có thể của những quá trình như vậy, nhưng nếu những ảnh hưởng của chúng phải suy ra hơn là được đo đạc thì thật khó để xác định một sự mô tả mô hình thích hợp hoặc qui định một mô hình trên cơ sở của một mình sự nhận thức

đơn độc

Một quan điểm về hiệu chỉnh mô hình như một quá trình của kiểm tra giả thuyết

và loại bỏ mô hình sẽ có vẻ là một ưu thế trong chuyển động về phía trước từ một tình trạng mà trong đó những hạn chế của một cách tiếp cận tối ưu hóa đơn giản khi đối mặt với những bài toán có thể xác định thông số trở nên ngày càng rõ ràng Nó đồng thời cũng mang tới sự đa dạng của những phương pháp mô tả trong chương 7 trong đó nhiều tiêu chuẩn được sử dụng để đánh giá mô hình, từ những tập hợp tối ưu Pareto cho tới GLUE Mỗi cái có những cách quyết định của chính mình về mô hình nào sẽ phải loại bỏ và những trọng số nào cần phải được sử dụng trong việc lập đề án dự báo của các mô hình còn lại Trong phương pháp bộ tối ưu Pareto, tất cả các mô hình mà không phải là bộ phận của bộ bị loại bỏ và từng bộ thông số còn lại được gán cho trọng

số bằng nhau Trong GLUE, các phương pháp khác nhau của việc kết hợp độ hữu hiệu

có thể được chọn và trọng số được dựa trên độ hữu hiệu hiện thời liên quan đến mỗi tập hợp

10.2 Giá trị của thông tin kỳ trước

Tuy nhiên loại khuôn khổ quy định này đã cho phép sử dụng thông tin kỳ trước trong quá trình quy định Có nhiều loại thông tin kỳ trước có thể được sử dụng, ví dụ những độ tin tưởng có trước trong những loại cấu trúc mô hình khác nhau: những ước lượng có trước của những khoảng giá trị thông số có thể xấp xỉ cho các loại thực vật,

đất hoặc đá khác nhau: và mô hình giác quan của một lưu vực đặc biệt có thể phản ứng lại trận mưa như thế nào Thông tin như vậy có thể hạn chế phạm vi của các khả năng mô hình hoá để được xem xét trong một ứng dụng như kết quả thí nghiệm trước

đây theo một phương thức có thể nhận biết được

Sử dụng thông tin kỳ trước đòi hỏi phải làm những lựa chọn, và loại bỏ những khả năng cá biệt Như đã chú ý ở trên, cần làm cẩn thận những lựa chọn như vậy Có không thiếu những ví dụ trong những tài liệu về sự lựa chọn có trước của những mô hình không thích hợp, đặc biệt là sử dụng những mô hình dựa vào những khái niệm

vượt thấm trong những ứng dụng ở nơi mà điều này có thể không là cơ chế dòng chảy chủ yếu (xem những thảo luận trong Loague và Freeze 1985; Beven 1989; Grayson và nnk 1992b) Vẫn còn có có khả năng để hiệu chỉnh hoặc qui định những thông số mô hình để tái tạo những lưu lượng quan trắc nhưng một mô hình dựa trên cơ sở về những khái niệm không thích hợp có được sử dụng trong phép ngoại suy hay không? Thực tế rằng việc hiệu chỉnh có thể làm cho gần như tất cả các mô hình mưa-dòng chảy vào trong giới hạn với một bản ghi lưu lượng quan trắc do đó có thể là một lợi thế vì trong nhiều trường hợp chúng ta sẽ không biết liệu có phải một mô hình không thích hợp đang được sử dụng hay không Như đã lưu ý trong chương 7, có một xu hướng rất tự nhiên trong việc lựa chọn trước những cấu trúc mô hình cho mỗi người phát triển mô hình để đưa ra một trọng số trước bằng 1 cho mô hình của ông ta và một trọng số trước bằng 0 cho tất cả các mô hình khác Tuy nhiên, đây không phải là một

sự lựa chọn cần thiết: nhiều mô hình có thể được bao gồm, như những chiều bổ sung của không gian mô hình, trong khuôn khổ mô hình hóa được đề nghị ở đây

Cũng có một xu hướng tự nhiên để đưa ra một trọng số kỳ trước lớn hơn cho các mô hình được xem như dựa trên cơ sở vật lý so với các mô hình nhận thức loại mô hình dựa trên số liệu Theo nguyên tắc, những mô hình có cơ sở về vật lý phản ánh sự hiểu biết của chúng ta về những hệ thống thuỷ văn gần gũi hơn và bởi vậy là mạnh hơn trong phép ngoại suy cho những điều kiện khác Tuy nhiên điều này sẽ chỉ đúng nếu những mô hình như vậy phản ánh đúng bản chất của những quá trình lưu vực và không rõ ràng là liệu chúng ta đã thật sự đạt đến giai đoạn này, đưa ra những hạn chế của sự mô tả quá trình có cơ sở vật lý hiện nay trong biểu diễn phi tuyến các quá trình thuỷ văn ở những quy mô sườn dốc và lưu vực, và những khó khăn trong việc

ước lượng những giá trị hiệu dụng của các thông số mô hình

10.3 Vấn đề lưu vực không được đo đạc

Nếu thông tin bị hạn chế và không có lưu lượng quan trắc cho một diện tích lưu vực thì thế nào? Đây là bài toán lưu vực không được đo đạc Nó là một bài toán chung, vì những dự báo thường được yêu cầu tại những vị trí không có trạm đo đạc nào hoặc tại những vị trí trong một lưu vực lớn hơn được đo đạc Bài toán lưu vực không được đo

đạc, cho đến nay, chưa được giải quyết đúng mức vì thực tế rất khó để khái quát hóa bản chất các phản ứng lưu vực trong bất kỳ phương pháp định lượng nào Nó là một ngạn ngữ địa lý để nói rằng mỗi lưu vực hoặc vị trí là duy nhất Sự duy nhất này nằm dưới tất cả các khó khăn cố hữu trong lý thuyết và hiểu biết thuỷ văn Với sự tăng nhanh sẵn có của hệ thống thông tin địa lý, một số sự duy nhất của những lưu vực riêng lẻ có thể được phản ánh như những biến trong một cơ sở dữ liệu không gian Một cách lý tưởng, thông tin này có thể sau đó được sử dụng để chọn một mô hình gần

đúng và xác định những thông số của mô hình đó, có lẽ với khảo sát bổ sung một ít đo

đạc thêm trong thực địa Điều này có thể đã được làm, nhưng sự bất định vẫn còn cao (xem ví dụ nghiên cứu của Parkin và nnk (1996), thảo luận trong mục 5.4)

Một cách tiếp cận thay thế là sử dụng một mô hình thuần túy kinh nghiệm trong

đó các đặc điểm phản ứng của các lưu vực có đo đạc liên quan tới chỉ số của những đặc diểm của những lưu vực đó Điều này thường được sử dụng trong một khuôn khổ hồi quy với những mô tả lưu vực được xử lý như những biến độc lập trong những phương trình dự báo Một ví dụ về kiểu nghiên cứu này là Báo cáo nghiên cứu lũ lụt Anh (NERC 1975) được sửa lại gần đây như Sổ tay ước lượng lũ (IH, 1999), trong đó những phương trình như vậy được cung cấp để dự báo những biến phản ứng như thời gian tới

đỉnh, tỷ lệ dòng chảy và lũ trung bình hàng năm Những phương trình này có thể xem như những mô hình mưa-dòng chảy thực nghiệm, mặc dù chúng không ở trong bất kỳ phương pháp dựa trên quá trình nào

Trong cách tiếp cận hồi quy kinh nghiệm này, tính chất cá biệt của phản ứng của các lưu vực riêng lẻ, khi được đo đạc, thể hiện như một số dư từ một cấu trúc mô hình Tất nhiên phân tích thống kê truyền thống gán những số dư đó cho những ảnh hưởng ngẫu nhiên thuần túy, nhưng từ quan điểm vật lý, có thể vẫn có thông tin trong các phần dư Tại sao một số lưu vực có xu hướng trung bình để tạo ra những dòng chảy

đỉnh cao hơn xu thế chung của vùng? Tại sao một số lưu vực lại có xu hướng trung bình để tạo ra những dòng chảy đỉnh thấp hơn, thậm chí sau khi tính những đặc

trư-ng lưu vực khác (còn xa chútrư-ng có thể được biểu diễn bởi các chỉ số) hoặc nhữtrư-ng sự biến

đổi qui mô lưới?

Một lý do là sự duy nhất của những lưu vực riêng lẻ Có lẽ bởi vì giả thuyết của phân tích thống kê truyền thống đã không có được những nghiên cứu chi tiết về nội dung thông tin của những phần dư mô hình, như thế nhưng một nghiên cứu như vậy

có thể dẫn tới một số hiểu biết tiến bộ nào đó hoặc về lý thuyết ở qui mô lưu vực Tuy nhiên, những phần dư đáng kể cũng bao hàm sự bất định đáng kể có thể cần được tính toán trong dự báo những phản ứng của các lưu vực không được đo đạc Khuôn khổ hồi quy cũng cho phép những ước lượng độ bất định cho những biến phụ thuộc được làm, mặc dù điều này thường không được làm và phải tìm kiếm vất vả cho bất kỳ sự đề cập nào của sai số chuẩn ước lượng trong Báo cáo những nghiên cứu lũ ban đầu

10.4 thay đổi giá trị các thông số và độ bất định dự báo

Vấn đề các lưu vực không đo đạc có thể được tiếp cận bởi việc dự báo các biến thuỷ văn một cách trực tiếp mà không cần đến một mô hình mưa-dòng chảy trung gian Vì vậy, như đã thảo luận ở chương 7, nếu khó có thể xác định một bộ thông số mô hình duy nhất để miêu tả một lưu vực, thì sử dụng một mô hình trung gian có lẽ nên né tránh (chẳng hạn xem sự kết hợp thành công trong các nỗ lực của Post và Jakeman (1996); Sefton và Howarth (1998) để liên hệ các thông số của mô hình IHACRES với các đặc điểm của lưu vực) Tuy nhiên, việc sử dụng một mô hình sẽ khó tránh hơn trong mô hình hoá các ảnh hưởng của sự thay đổi

Trong tất cả các nghiên cứu về dự báo ảnh hưởng của những thay đổi trong sử dụng đất, vấn đề chính là làm thế nào để nghiên cứu bản chất của các thay đổi trong giá trị các thông số, có thể xảy ra như kết quả của việc thay đổi, đặc biệt đưa ra sự

đánh giá của các độ bất định liên kết với mô hình hoá các lưu lượng dưới điều kiện

hiện tại Phương pháp truyền thống cho vấn đề này là phương pháp các kịch bản: đưa

ra một mô hình đối với một lưu vực dưới các điều kiện hiện tại, tạo ra một kịch bản

đầu vào và các giá trị thông số cho các điều kiện thay đổi và phân tích sự khác nhau trong các phản ứng dự báo Các kết quả sau đó làm điều kiện cho các giả thiết được thực hiện trong kịch bản (và mô hình) nhưng điều này có thể được lặp lại đối với các kịch bản khác nhau với giá trị đầu vào hoặc thông số khác nhau để đưa ra một số ý tưởng về độ nhạy của các kết luận đối với các khả năng khác nhau ở tương lai do sự thay đổi của điều kiện

Phương pháp này chỉ là một mở rộng đơn giản của phương pháp mô phỏng Mote-Carlo hoàn chỉnh sử dụng lựa chọn ngẫu nhiên giá trị các thông số trong khoảng khả thi khi các điều kiện thay đổi theo cách tương tự như đã trình bày ở chương 7 đối với mô hình quy định dưới các điều kiện hiện tại Nếu một phương pháp như vậy được chấp nhận, thì kết quả thu được sẽ gồm hai tập hợp dự báo bất định, một ứng với các

điều kiện hiện tại, một ứng với các điều kiện đã bị thay đổi Nếu thay đổi được xem như thay đổi của tương lai, thì dự báo về sau này có thể hi vọng bất định hơn vì người làm mô hình sẽ xác định các phân bố của các thông số trước đối với các điều kiện bị thay đổi mà không có sự giúp đỡ của quy định Câu hỏi sau đó được đặt ra là liệu có thể phân biệt các dự báo, đưa ra độ bất định Một số nghiên cứu đã cố gắng trả lời câu hỏi này Trong một số trường hợp câu trả lời hầu như không chắc chắn (chẳng hạn sự thay đổi các đặc trưng tần suất lũ của lưu vực sông River Wye được phân tích bởi Cameron 2000 ở mục 9.4) Trong các trường hợp khác, chẳng hạn như những ảnh hưởng mạnh của sự cháy và tái sinh lên phản ứng lưu vực (xem trường hợp nghiên cứu ở mục 9.2) câu trả lời có được là khá rõ ràng Tuy nhiên, xét theo một hướng nào

đó, đây không phải là vấn đề quá quan trọng vì so sánh các dự báo bất định trước và sau khi một thay đổi có thể vẫn được xem xét trên khía cạnh thay đổi sự rủi ro của các

điều kiện chắc chắn xảy ra, như đã thảo luận ở mục 7.10, và những rủi ro này có thể

được đưa vào trong bất kỳ kết quả phân tích quyết định nào

Một cách khác khắc phục vấn đề thay đổi để cố gắng hạn chế mức độ bất đinh trong dự báo mô hình đối với cả dự báo hạn dài và hạn ngắn, đó là thông qua việc đồng hoá số liệu Cách này được sử dụng rộng rãi trong dự báo lũ thích nghi, sử dụng các quan trắc lưu lượng thời gian thực để làm chính xác kết quả dự báo của mô hình với một thời gian dự kiến nào đó như đã thảo luận ở chương 8 Nó cũng được sử dụng hẹp hơn trong một số lĩnh vực khác của mô hình hoá mưa-dòng chảy nhưng khi có nhiều hơn các quan trắc viễn thám và các số liệu phân bố theo không gian khác có sẵn thì sẽ

có thể kết hợp được các loại số liệu này vào thuật toán đồng hoá Đây là một lĩnh vực nghiên cứu thiết thực có thể tiếp cận bằng một số cách khác nhau (chẳng hạn một ví

dụ gần đây do Houser và nnk (1998) đề xuất được miêu tả trong nghiên cứu đưa ra ở mục 5.6), bao gồm cập nhật các độ hữu hiệu của mô hình trong phương pháp GLUE (Hộp 7.2)

Các thay đổi dài hạn cũng có thể khắc phục theo cách tương tự ở nơi các dự báo dáng điệu tương lai của hệ thống thuỷ văn rất quan trọng nhưng độ bất định cao, thì

có thể chấp nhận bổ sung một chương trình đo đạc để xem xét các tác động của thay

đổi (bao gồm cả sự thay đổi về khí hậu) trong khung cảnh thay đổi tự nhiên của các hệ thống thuỷ văn Sự đồng hoá của các số liệu kiểm soát như vậy có thể cho phép dự báo dáng điệu trong tương lai được thực hiện với độ chắc chắn lớn hơn theo thời gian 10.5 Độ bất định của dự báo và Kiểm chứng mô hình

Việc chấp nhận một phương pháp như thế cho kiểm chứng mô hình là gì? Chỉ kiểm chứng các kiểm tra được sử dụng rộng rãi trong mô hình hoá mưa- dòng chảy đó

là chia chuỗi giá trị quan trắc thành các mẫu kiểm tra trong đó gồm một thời kỳ quan trắc được sử dụng trong hiệu chỉnh và một thời kỳ khác dùng để kiểm tra các dự báo của mô hình có yhoả mãn Klemes (1986) cho rằng việc chia nhỏ mẫu kiểm tra thường

được sử dụng trong thuỷ văn là một kiểm tra tối thiểu để kiểm chứng mô hình Ông

đưa ra các cách kiểm tra mạnh hơn bao gồm kiểm tra các mẫu chia nhỏ khác nhau; kiểm tra lưu vực đại diện và kiểm tra các mẫu phân chia khác nhau của lưu vực đại diện Lưu vực đại diện là lưu vực được xem như không được đo đạc, nhưng với một số quan trắc về lưu lượng, và các biến khác sẵn có cho đánh giá dự báo của mô hình Trong tất cả các kiểm tra mạnh hơn này yêu cầu một số ước lượng trước của các thay

đổi trong giá trị các thông số theo bước hiệu chỉnh đầu tiên để phản ánh hoặc là sự

điều kiện thay đổi nào đấy hoặc các đặc điểm khác nhau của lưu vực đại diện Cơ sở của phương pháp này để kiểm chứng mô hình đó là khái niệm tồn tại một diễn tả mô hình đơn đúng

Các so sánh mô hình dựa trên cơ sở kiểm tra các mẫu chia nhỏ thường biểu thị rằng nó không cung cấp một kiểm tra mạnh giữa các loại mô hình khác nhau và mức

độ phức tạp khác nhau (chẳng hạn Naef 1981; Franchini và Pacciani 1991; Michaud

và Sorooshian 1994; Refsgaard và Knudsen 1996) Nghiên cứu của Refsgaard và Knudsen (1996) là một trong rất ít các nghiên cứu đã đi sâu hơn bằng việc bổ sung các kiểm tra khác khi so sánh ba mô hình trong ứng dụng cho lưu vực Zimbawe: một mô hình quan niệm tập trung; một mô hình bán phân bố dựa trên các đơn vị phản ứng thuỷ văn, và mô hình phân bố MIKESHE Họ khẳng định kết luận của mình bằng cách chỉ ra rằng chúng phải là hệ thống mô hình, phụ thuộc điều kiện khí hậu và lưu vực, nhưng ngoại trừ ứng dụng mô hình tập trung cho lưu vực đại diện, sẽ có rất ít lựa chọn giữa các kết quả của các mô hình khác nhau Tất cả các mô hình (nhưng đặc biệt

là mô hình tập trung) sẽ được cải thiện nếu một thời kỳ số liệu ngắn có sẵn trên lưu vực đại diện cho phép một số điều chỉnh các giá trị thông số

Trong cuốn sách này, trong khi thừa nhận rằng mô hình đơn đúng là lý tưởng thì chúng ta cũng đã cho rằng đó là lý tưởng không thể đạt được Chúng ta không có các cấu trúc mô hình cũng như số liệu cần thiết để xác định rằng thể hiện phức tạp, duy nhất, đơn nhất là của lưu vực thực Thay cho các thông tin giới hạn sẵn có, rất nhiều mô hình sẽ là những mô phỏng có thể chấp nhận được hoặc nói theo cách khác không một mô hình đơn nào có thể được kiểm chứng là đại diện tốt nhất cho một lưu vực Tuy nhiên, điều này sẽ không gây ra quá nhiều lo lắng Sử dụng các phương pháp

đánh giá và loại bỏ mô hình đã được đề cập ở đây, các mô hình có thể được đánh giá

khi mà toàn bộ một số lớp mô hình có thể bị loại bỏ bằng các số liệu thu thập thêm để kiểm tra giả thuyết riêng được xây dựng để phân biệt các mô hình khác nhau (chẳng hạn liệu các diện tích đóng góp bão hoà đã được quan trắc trên một lưu vực) Những mô hình còn lại có thể được xếp hạng dựa theo mức độ có thể chấp nhận được hiện thời của chúng sử dụng một hay nhiều chỉ số hoạt động Phương pháp tiến hoá này để mô hình hoá có những yếu tố thú vị của thuyết tương đối và sự xuyên tạc giáo hội

Nó cũng có một thiếu sót quan trọng (mặc dù cũng gặp phải với bất kỳ phương pháp nào để mô hình hoá mưa-dòng chảy) Như đã nói ở mục 7.9 có thể rất dễ dàng loại bỏ tất cả các mô hình sẵn có vì, nói theo cách khác, mô tả không đúng phản ứng của lưu vực khi các dự báo của chúng được xem xét một cách chi tiết hơn Đây sẽ là trường hợp nếu chúng ta yêu cầu rằng các dự báo của mô hình luôn luôn trong giới hạn ước lượng thực tế của sai số đo đạc cho tất cả các quan trắc là sẵn có Tuy nhiên,

điều này không có ý các dự báo của mô hình sẽ không có ích Vì vậy, một số thoả hiệp trong việc loại bỏ hay chấp nhận mô hình có thể là cần thiết để giữ lại một số mô hình

có khả năng dự báo Một lưu vực bất định hoặc mờ để ánh xạ không gian mô hình cho phép diều này được thực hiện trong giới hạn của hiểu biết hiện tại tuân theo một qui trình khoa học nghiêm túc

10.6.Những bình luận cuối cùng: Một tương lai bất định?

Sẽ rất khó để dự đoán tương lai của mô hình hoá mưa-dòng chảy Không có các kỹ thuật dự báo để phát triển các phương pháp Khoa học thuỷ văn hiện tại là một thời

kỳ phát triển từ từ, bình thường như các ngành khoa học khác theo quan điểm của Thomas Kuhn Ông cho rằng khoa học thường tiến triển bởi “sự đột biến” nằm rải rác

ở các thời kỳ khoa học bình thường Các bước tiến vượt bậc về máy tính chắc chắn đã làm dễ dàng hơn việc chuẩn bị cơ sở dữ liệu đầu vào GIS phân bố không gian để tìm

được các đầu ra mô hình biến đổi theo không gian và thời gian và để hiệu chỉnh mô hình, thực hiện các phân tích độ nhạy của các mô hình phức tạp hơn và các không gian thông số, nhưng không có sự đột biến về phương pháp trừ khi chúng ta tính đến sự chuyển đổi từ ước lượng hoàn toàn tất định sang các biểu thức ngẫu nhiên (nhưng của nhiều cấu trúc mô hình giống nhau)

Một hi vọng lớn là một tiến triển lớn có thể đến từ sự gia tăng các ảnh viễn thám sẵn có (xem Engman và Gurney 1991) Tuy nhiên, đối với khoa học thuỷ văn đây không phải là trường hợp đầu tiên vì cần thiết phải có các mô hình giải thích bổ sung trước khi những hình ảnh đó cung cấp các thông tin thuỷ văn hữu ích Với việc các sensor cải tiến được phóng lên như là một phần của chương trình hệ thống quan trắc trái đất sẽ cung cấp các ảnh viễn thám tốt hơn nhưng cũng sẽ không dẫn đến bất kỳ

sự chuyển đổi triệt để nào trong phương pháp này Các lĩnh vực trong đó viễn thám có thể hữu ích trong mô hình hoá mưa-dòng chảy là trong ước lượng độ ẩm bề mặt (xem Houser và nnk 1998) và trong ước lượng tốc độ bốc thoát hơn nước thực của mặt đất theo không gian (chẳng hạn xem Holwill và Stewart 1992; Bastiaassen và nnk 1994) Hiện nay, ước lượng viễn thám cho độ bất định khá cao (xem Frank và Beven 1997) nhưng có thể sẽ có những cải tiến lớn bởi các sensor mới và các ứng dụng đi kết hợp

với đo đạc ở mực mặt đất chẳng hạn như ước lượng đếm nhấp nháy quy mô lớn của dòng nhiệt nhạy (McAneny và nnk 1995; Chehbouni và nnk 1999) Các ước lượng trực tiếp lượng thoát bốc hơi nước thực có giá trị đặc biệt trong đó chúng có thể cho phép kiểm tra cân bằng nước cuối cùng cho một khu vực và có thể là một giới hạn quan trọng để thực hiện các mô hình dự báo

Hạn chế chính của việc sử dụng viễn thám đó là nhìn chung nó chỉ có thể phát hiện các thay đổi ở trên hoặc bề mặt đất trong khi đó những phần rất quan trọng của thuỷ văn lại diễn ra ở dưới đất Do đó điều cần thiết là cách mạng hoá các ý tưởng về thuỷ văn học, phát triển về lý thuyết cũng như các mô hình là một kỹ thuật dễ ứng dụng để tính toán lượng trữ nước trên lưu vực hoặc mô phỏng dòng chảy nước dưới

đất Đã có những nghiên cứu thực nghiệm đang tiếp tục sử dụng các dấu vết, rađa thăm dò đất, điện trở sát mặt, và chụp các địa chấn, nhằm mục đích cải thiện hiểu biết của chúng ta về lớp sát mặt, nhưng sử dụng toán tử diễn toán của bất kỳ công nghệ nào trong số công nghệ trên hình như còn đòi hỏi thời gian khá dài Vì vậy, đối với việc dự báo trong tương lai, sẽ vẫn tiếp tục có một bất định đáng kể về các quá trình dòng chảy sát mặt mà không có những bước tiến vượt bậc của lý thuyết hiện tại Chủ đề chính của cuốn sách này có sự tương đương rõ ràng trong khi đưa ra các cấu trúc mô hình khác nhau hoặc các bộ thông số khác nhau trong một cấu trúc mô hình: chúng ta gọi đó là tương đương Tương đương mang tính chất tương đối, một thứ

mà không được hầu hết các nhà khoa học, bao gồm cả những nhà thuỷ văn học chấp nhận Cuối cùng, câu trả lời cho mục tiêu sẽ là một miêu tả đơn, thích hợp của hệ thống lưu vực, nói chung, có thể áp dụng và được chấp nhận cho mục đích dự báo Có

lẽ một miêu tả như vậy sẽ phát triển trong tương lai, nhưng thậm chí nếu một mô hình như vậy có sẵn thì việc ứng dụng sẽ không cần thiết tránh vấn đề tương đương trừ khi các kỹ thuật đo đạc trực tiếp của các thông số ảnh hưởng được rút ra ở cùng thời điểm Bản chất duy nhất của mỗi hệ thống lưu vực sẽ luôn luôn yêu cầu đo đạc hoặc ước lượng các giá trị thông số phản ánh sự duy nhất đó Không có các đo đạc trực tiếp, một số dạng điều kiện các phản ứng được quan trắc sẽ được yêu cầu và với những gì chắc chắn là một mô hình phức tạp thì một sự tương đương nào đó của các bộ thông

số khác nhau chắc chắn sẽ đảm bảo

Cũng sẽ rất khó để tưởng tượng rằng đo đạc trực tiếp các giá trị thông số có thể có

ở trong cùng giới hạn cho tất cả các vị trí trong một hệ thống lưu vực, thậm chí ngay cả đối với lưu vực nghiên cứu nhỏ Điều này chấp nhận rằng đo đạc trực tiếp chỉ có khả năng ở quy mô lớn hơn Quy mô nào? Liệu có dễ dàng hơn, trên mặt đất, để thiết lập một bộ lồng vào nhau các vị trí đo đạc lưu lượng như là một cách đánh giá các thông số ảnh hưởng đối với các đơn vị nhỏ hơn của một lưu vực? Nó không cho phép đo

đạc trực tiếp các thông số như thế, nhưng sẽ cho phép đánh giá sự biến thiên của các thông số nhận được bên trong diện tích lưu vực Miêu tả phân bố không gian sau đó sẽ bao gồm cả các miêu tả các lưu vực con cục bộ Tuy nhiên, điều này dễ dàng khi thực hiện với các lưu vực thượng lưu khác nhau hơn là độ dốc đóng góp cho các liên kết nội tại của một lưới kênh (xem Beven 1978) và nguồn gốc của các thông số ảnh hưởng từ các đo đạc lưu lượng lưu vực con cũng bao gồm một độ bất định nào đó