Tác động của biến đổi khí hậu đến mối quan hệ cường độ thời gian tần suất của mưa khu vực hà nội

Việc xây dựng và đánh giá đường cong Cường độ - thời đoạn – tần suất IDF của mưa ứng với các khoảng thời gian khác nhau là tiêu chuẩn quan trọng để thiết kế các hệ thống thủy văn và các

ĐẠI HỌC QUỐC GIA HÀ NỘI

TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN

LUẬN VĂN THẠC SĨ KHOA HỌC

Hà Nội - 2016

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN

Chuyên ngành: Khí tượng và Khí hậu học

Mã số: 60440222

LUẬN VĂN THẠC SĨ KHOA HỌC

Hà Nội – 2016

MỤC LỤC

MỤC LỤC i

DANH MỤC HÌNH iii

DANH MỤC BẢNG v

Lờ i cảm ơn 1

Mở đầu 2

Chương 1 Tổng quan vấn đề nghiên cứu 4

1.1 Đă ̣t vấn đề 4

1.2 Khái niệm đường cong IDF của mưa 5

1.3 Mục tiêu của luâ ̣n văn 6

1.4 Tổng quan về vấn đề nghiên cứu 7

1.4.1 Nghiên cứ u về phương pháp hiê ̣u chỉnh sai số đối với lượng mưa 8

1.4.2 Nghiên cứ u về xây dựng đường cong IDF 13

1.4.3 Nhận xét chung 19

Chương 2 Phạm vi, số liê ̣u và phương pháp nghiên cứu 21

2.1 Phạm vi và số liê ̣u nghiên cứu 21

2.1.1 Phạm vi nghiên cứ u 21

2.1.2 Số liệu quan trắc 24

2.1.3 Số liệu kịch bản 24

2.1.4 Xử lý số liệu 25

2.2 Phương pháp hiệu chỉnh thống kê 25

2.3 Phương pháp xây dựng đường cong IDF 28

2.3.1 Phương pháp phân tích tần suất 28

2.3.2 Phương pháp ha ̣ quy mô thời gian 30

Chương 3 Kết quả và thảo luâ ̣n 33

3.1 Đánh giá kỹ năng của phương pháp hiệu chỉnh sai số mưa 33

3.1.1 Đánh giá cho thời kỳ phụ thuộc 33

3.1.2 Đánh giá cho thời kỳ độc lập 37

3.2 Xây dựng đường cong IDF cho khu vực Hà Nội 41

3.2.1 Đường cong IDF cho thời kỳ hiện tại 41

3.2.2 Đường cong IDF cho thời kỳ tương lai dưới tác động của biến đổi khí hậu 43

3.2.3 Tính chưa chắc chắn trong xây dựng đường cong IDF cho tương lai 47

Kết Luâ ̣n 54

Kiến Nghi ̣ 56

Tài liê ̣u tham khảo 57

DANH MỤC HÌNH

Hình 1.1 Ví du ̣ minh ho ̣a về đường cong IDF (Lê Minh Nhâ ̣t 2008) [12] 5Hình 1.2 Minh họa phương pháp Quantile – Quantile (Amengual và nnk, 2012) [1] 11Hình 1.3 So sánh đường cong IDF hiện tại và tương lai thu được từ 2 phương pháp mạng thần kinh nhân tạo và phân tách ngẫu nhiên (Mirhosseini và nnk, 2014) [16] 16Hình 1.4 So sánh cường độ mưa giữa thời kỳ cơ sở và các thời kỳ trong tương lai (Wang

và nnk, 2014) [24] 18Hình 2.1 Minh họa phân bố tích lũy của mưa (màu đỏ: quan trắc, màu xanh: mô hình) 26Hình 2.2 Mối quan hê ̣ giữa xác suất tích lũy và đường cong IDF (Lê Minh Nhâ ̣t 2008) [12] 29Hình 3.1 So sánh biến trình năm của lượng mưa (cột) và tần suất số ngày mưa (đường) giữa số liệu quan trắc (xanh lá), mô hình thô (xanh nước biển) và mô hình sau hiệu chỉnh (đỏ) giai đoạn 1976 - 2005; a) ACCESS1-0, b) GFDL-CM3, c) GFDL-ESM2G, d) MRI-CGCM3, e) NorESM1-M 34Hình 3.2 Q-Q plot của lượng mưa cực trị (>= phân vị 95%) từ mô hình (xanh) và mô hình sau hiệu chỉnh (đỏ) giai đoạn 1976 - 2005; a) ACCESS1-0, b) GFDL-CM3, c) GFDL-ESM2G, d) MRI-CGCM3, e) NorESM1-M 36Hình 3.3 So sánh biến trình năm của lượng mưa (cột) và tần suất số ngày mưa (đường) giữa số liệu quan trắc (xanh lá), mô hình thô (xanh nước biển) và mô hình sau hiệu chỉnh (đỏ) giai đoạn 1961 - 1975; a) ACCESS1-0, b) GFDL-CM3, c) GFDL-ESM2G, d) MRI-CGCM3, e) NorESM1-M 38Hình 3.4 Q-Q plot của lượng mưa cực trị (>= phân vị 95%) của mô hình (xanh) và mô hình sau hiệu chỉnh (đỏ) giai đoạn 1961 - 1975; a) ACCESS1-0, b) GFDL-CM3, c) GFDL-ESM2G, d) MRI-CGCM3, e) NorESM1-M 40Hình 3.5 Đường cong IDF của mưa tại trạm Láng (Hà Nội) giai đoạn 1976 - 2005 42Hình 3.6 Đường cong IDF của mưa tại trạm Láng (Hà Nội) giai đoạn 2070 – 2099 theo kịch bản RCP4.5 44Hình 3.7 Đường cong IDF của mưa tại trạm Láng (Hà Nội) giai đoạn 2070 – 2099 theo kịch bản RCP8.5 46

Hình 3.8 Tính chưa chắc chắn trong dự tính mức biến đổi cường độ mưa ứng với tần suất lặp lại 2 năm (Xanh: RCP4.5, Đỏ: RCP8.5) 48Hình 3.9 Tính chưa chắc chắn trong dự tính mức biến đổi cường độ mưa ứng với tần suất lặp lại 5 năm (Xanh: RCP4.5, Đỏ: RCP8.5) 49Hình 3.10 Tính chưa chắc chắn trong dự tính mức biến đổi cường độ mưa ứng với tần suất lặp lại 10 năm (Xanh: RCP4.5, Đỏ: RCP8.5) 50Hình 3.11 Tính chưa chắc chắn trong dự tính mức biến đổi cường độ mưa ứng với tần suất lặp lại 25 năm (Xanh: RCP4.5, Đỏ: RCP8.5) 51Hình 3.12 Tính chưa chắc chắn trong dự tính mức biến đổi cường độ mưa ứng với tần suất lặp lại 50 năm (Xanh: RCP4.5, Đỏ: RCP8.5) 52Hình 3.13 Tính chưa chắc chắn trong dự tính mức biến đổi cường độ mưa ứng với tần suất lặp lại 100 năm (Xanh: RCP4.5, Đỏ: RCP8.5) 53

DANH MỤC BẢNG

Bảng 2.1 Các mô hình khí hậu toàn cầu sử dụng trong nghiên cứu [6] 25Bảng 3.1 Sai số trung bình ME trong mô phỏng lượng mưa tại trạm Láng thời kỳ 1976-2005; BC: sau hiệu chỉnh, Raw: Chưa hiệu chỉnh 35Bảng 3.2 Sai số trung bình ME trong mô phỏng số ngày mưa tại trạm Láng thời kỳ 1976-2005; BC: sau hiệu chỉnh, Raw: Chưa hiệu chỉnh 35Bảng 3.3 Sai số trung bình ME trong mô phỏng lượng mưa cực trị (>= phân vị 95%) thời

kỳ 1976-2005; BC: sau hiệu chỉnh, Raw: Chưa hiệu chỉnh 37Bảng 3.4 Sai số trung bình ME trong mô phỏng lượng mưa tại trạm Láng thời kỳ 1961-1975; BC: sau hiệu chỉnh, Raw: Chưa hiệu chỉnh 38Bảng 3.5 Sai số trung bình ME trong mô phỏng số ngày mưa tại trạm Láng thời kỳ 1961-1975; BC: sau hiệu chỉnh, Raw: Chưa hiệu chỉnh 39Bảng 3.6 Sai số trung bình ME trong mô phỏng lượng mưa cực trị (>= phân vị 95%) thời

kỳ 1961-1975; BC: sau hiệu chỉnh, Raw: Chưa hiệu chỉnh 40Bảng 3.7 Cường độ mưa ứng với các thời đoạn và tần suất lặp lại khác nhau tại trạm Láng (Hà Nội) giai đoạn 1976 – 2005 43Bảng 3.8 Mức biến đổi của cường độ mưa ứng với các thời đoạn và tần suất lặp lại khác nhau tại trạm Láng (Hà Nội) giai đoạn 2070 – 2099 theo kịch bản RCP4.5 44Bảng 3.9 Cường độ mưa ứng với các thời đoạn và tần suất lặp lại khác nhau tại trạm Láng (Hà Nội) giai đoạn 2070 – 2099 theo kịch bản RCP4.5 45Bảng 3.10 Mức biến đổi của cường độ mưa ứng với các thời đoạn và tần suất lặp lại khác nhau tại trạm Láng (Hà Nội) giai đoạn 2070 – 2099 theo kịch bản RCP4.5 46Bảng 3.11 Cường độ mưa ứng với các thời đoạn và tần suất lặp lại khác nhau tại trạm Láng (Hà Nội) giai đoạn 2070 – 2099 theo kịch bản RCP8.5 46Bảng 3.12 Tổ hợp theo các phân vị khác nhau của mức độ biến đổi cường độ mưa theo 2 kịch bản RCP4.5 và RCP8.5 ứng với tần suất lặp lại 2 năm 48Bảng 3.13 Tổ hợp theo các phân vị khác nhau của mức độ biến đổi cường độ mưa theo 2 kịch bản RCP4.5 và RCP8.5 ứng với tần suất lặp lại 5 năm 49

Bảng 3.14 Tổ hợp theo các phân vị khác nhau của mức độ biến đổi cường độ mưa theo 2 kịch bản RCP4.5 và RCP8.5 ứng với tần suất lặp lại 10 năm 50Bảng 3.15 Tổ hợp theo các phân vị khác nhau của mức độ biến đổi cường độ mưa theo 2 kịch bản RCP4.5 và RCP8.5 ứng với tần suất lặp lại 25 năm 51Bảng 3.16 Tổ hợp theo các phân vị khác nhau của mức độ biến đổi cường độ mưa theo 2 kịch bản RCP4.5 và RCP8.5 ứng với tần suất lặp lại 50 năm 52Bảng 3.17 Tổ hợp theo các phân vị khác nhau của mức độ biến đổi cường độ mưa theo 2 kịch bản RCP4.5 và RCP8.5 ứng với tần suất lặp lại 100 năm 53

Lơ ̀ i cảm ơn

Lời đầu tiên, tôi xin trân trọng cảm ơn Tiến sĩ Mai Văn Khiêm đã định hướng nghiên cứu và các phương pháp luận cho tôi trong suốt quá trình thực hiện nghiên cứu Luận văn thạc sỹ

Tôi xin bày tỏ lòng biết ơn sâu sắc tới tập thể đội ngũ giảng viên, cán bộ Khoa Khí tượng Thủy văn và Hải dương học, trường Đại học Khoa học Tự nhiên – ĐHQGHN đã giúp tôi trang bị những kiến thức chuyên môn và những kinh nghiệm nghiên cứu quý báu trong suốt quá trình thực hiện Luận văn

Xin trân trọng cảm ơn Lãnh đạo và cán bộ của Trung tâm Nghiên cứu Khí tượng

- Khí hậu đã tạo mọi điều kiện thuận lợi, cung cấp số liệu, tài liệu và tận tình giúp đỡ tôi trong quá trình thực hiện Luận văn này

Cuối cùng, tôi xin bày tỏ lòng biết ơn sâu sắc những người thân trong gia đình

và bạn bè đã luôn động viên, giúp đỡ tôi trong suốt quá trình học tập, nghiên cứu và thực hiện Luận văn này

Mơ ̉ đầu

Mưa là một yếu tố khí hậu cơ bản và cũng đặc biệt quan trọng đối với đời sống con người Các đặc trưng liên quan đến mưa như cường độ, thời gian mưa, và tần suất xuất hiện có ảnh hưởng to lớn đến nhiều ngành nghề cũng như ảnh hưởng trực tiếp đến giới sinh vật tồn tại trên trái đất Các đặc trưng mưa này ảnh hưởng trực tiếp đến sản suất nông nghiệp, đến sự sinh tồn của một loại cây, có tác động không nhỏ đến các chính sách cũng như chiến lược xây dựng các đập thủy điện, đê điều, quy hoạch, quản

lý tài nguyên nước Mưa cũng là một biến đầu vào quan trọng cho các mô hình thủy văn, thủy lực, đồng thời có ảnh hưởng to lớn đến thảm thực vật trên bề mặt trái đất Và đặc biệt quan trọng, cường độ và thời gian mưa tác động trực tiếp đến các hiện tượng cực đoan trong thủy văn có thể ảnh hưởng trực tiếp đến tính ma ̣ng con người như lũ quét, sạt lở đất …

Hiện này, việc dự tính mưa vẫn đang là bài toán khó đối với hầu hết các quốc gia trên thế giớ i, kể cả các quốc gia phát triển như Mỹ, Nhâ ̣t hay các quốc gia Châu Âu Khả năng dự báo đúng lượng mưa vẫn đang ở mô ̣t xác suất rất thấp Vì vâ ̣y, rất nhiều những nghiên cứu hiệu chỉnh sai số theo nhiều hướng khác nhau được áp du ̣ng rô ̣ng rãi nhằm giảm sai số hê ̣ thống từ các mô hình khí hậu mô ̣t cách tối ưu nhất có thể Tuy nhiên, cũng cần khẳng định rằng, sẽ không có phương pháp hiệu chỉnh nào hoàn hảo loại bỏ được hoàn toàn sai số Và viê ̣c áp du ̣ng phương pháp hiê ̣u chỉnh sai số cũng chính là nguồn gây ra các sai số khác Mặc dù vâ ̣y, hiê ̣u chỉnh sai số từ các mô hình vẫn là điều cần thiết và quan tro ̣ng trong viê ̣c giảm tính chưa chắc chắn trong bài toán

dự tính khí hậu tương lai

Việc xây dựng và đánh giá đường cong Cường độ - thời đoạn – tần suất (IDF) của mưa ứng với các khoảng thời gian khác nhau là tiêu chuẩn quan trọng để thiết kế các hệ thống thủy văn và các công trình liên quan nên đã được quan tâm nghiên cứu từ khá sớm trên thế giới (Sherman 1931, Bernard 1932) [4, 23] Ban Liên Chính phủ về Biến đổi Khí hậu, IPCC (2013) [9] kết luận rằng biến đổi khí hậu có thể dẫn đến gia tăng các hiện tượng thời tiết, khí hậu cực đoan, cả về cường độ và tần xuất Sự biến đổi

này có khả năng làm thay đổi các tiêu chuẩn thiết kế đã xây dựng trước đây Lượng mưa cực đại quy mô ngày hoặc dưới ngày – một trong những đặc trưng của đường cong IDF, có xu hướng tăng ở nhiều nơi trên thế giới bao gồm cả Việt Nam Tuy nhiên, ở Viê ̣t Nam, mối quan hê ̣ này chưa thực sự được quan tâm và nghiên cứu Đă ̣c biê ̣t trong bối cảnh biến đổi khí hậu toàn cầu đang rõ ràng hơn bao giờ hết, Viê ̣t Nam là mô ̣t trong những quốc gia chi ̣u ảnh hưởng nă ̣ng nề nhất do biến đổi khí hâ ̣u, mối quan hệ cường độ - thời gian –tần suất mưa đã có những biến đổi như thế nào và khả năng biến đổi trong tương lai càng trở nên quan tro ̣ng và cần được nghiên cứu ứng dụng rô ̣ng rãi

Cũng chính vì những lý do nêu trên mà việc nghiên cứu xây dựng, phân tích và đánh giá đường cong IDF mang ý nghĩa to lớn, có khả năng ứng dụng cao cũng như là một thách thức không nhỏ đối với cả những nhà khí tượng và thủy văn học Do vậy, tên

đề tài “Tác động của biến đổi khí hậu đến mối quan hệ cường độ - thời gian - tần

suất của mưa khu vực Hà Nội” được lựa chọn làm chủ đề nghiên cứu cho luận văn

này

Chương 1 Tổng quan vấn đề nghiên cứu 1.1 Đă ̣t vấn đề

Ngày nay, với tốc độ phát triển của kinh tế xã hội, nhu cầu sử dụng thông tin về khí tượng thủy văn cũng ngày một tăng lên Hơn nữa, thông tin về khí tượng thủy văn đặc biệt quan trọng trong các ngành đòi hỏi độ chính xác trong công việc cao như quy hoạch, thiết kế, phát triển cơ sở hạ tầng, cấp thoát nước hay đánh giá tác động, cải thiện môi trường nước trong đô thị, khu công nghiêp hay phục vụ giao thông, hàng không và nông nghiệp Bước đầu tiên và cũng rất quan trọng trong việc ước lượng được khả năng xảy ra cũng như cường độ và thời gian mưa phục vụ cho các ngành kể trên chính

là xây dựng đường cong Cường độ - thời đoạn – tần suất (IDF) của mưa Ở rất nhiều nước phát triển trên thế giới như Hoa Kỳ, Canada, Đức … hay ngay cả những nước trong khu vực Đông Nam Á như Malaixia và Singapore đều đã có rất nhiều những nghiên cứu xây dựng đường cong IDF với những thời đoạn mưa ngắn cho các tỉnh hoặc thành phố cụ thể phục vụ cho thoát nước đô thi và quy hoạch đê, mương

Ở Việt Nam, các công trình nghiên cứu và xây dựng đường cong IDF là không nhiều Hầu hết các nghiên cứu đều được triển khai và tài trợ bởi các dự án nước ngoài như chương trình thủy văn quốc tế (IHP) hay những nghiên cứu tại nước ngoài thực hiện cho khu vực Việt Nam như nghiên cứu của Lê Minh Nhật (2008) [12] Có thể thấy, việc xây dựng mối quan hệ IDF của mưa là tương đối quan trọng tuy nhiên lại chưa thực sự được chú trọng ở Việt Nam Trên thực tế, trong bối cảnh biến đổi khí hậu toàn cầu, Việt Nam đã và đang chịu những thiệt hại không nhỏ sau những trận mưa lớn lịch sử và không thể lường trước Cụ thể như trận mưa lịch sử năm 2008 khiến toàn bộ thủ đô Hà Nội ngập trong nước, thiệt hại về người vả của là vô cùng to lớn Hay gần đây nhất là trận mưa cực lớn đặc biệt bất thường tại Quảng Ninh với lượng mưa 3-4 ngày lên tới 1000mm gây ngập úng và ách tắc nghiêm trọng, ảnh hưởng lớn đến đời sống và kinh tế xã hội Chính vì lý do này, việc xây dựng và cập nhật liên tục đường cong IDF phục vụ cho phát triển cơ sở hạ tầng cần thiết và cấp bách

Trong luận văn này, phương pháp hiệu chỉnh lượng mưa cho thời kỳ cơ sở và áp dụng vào thời kỳ tương lai sẽ được nghiên cứu Việc hiệu chỉnh sai số đối với lượng mưa sẽ phục vụ trực tiếp xây dựng đường cong IDF và đánh giá mức độ biến đổi của đường cong này trong tương lai với độ tin cậy cao hơn Bố cục của luận văn gồm có 3 chương chính, trong đó: chương 1 sẽ đưa ra khái niệm về đường cong IDF, các mục tiêu của luận văn, tổng quan nghiên cứu về hiệu chỉnh sai số lượng mưa cũng như xây dựng đường cong IDF; chương 2 sẽ mô tả về đối tượng nghiên cứu, số liệu và phương pháp sử dụng trong nghiên cứu này; chương 3 sẽ trình bày các kết quả gồm có đánh giá phương pháp, xây dựng đường cong IDF và đánh giá mức độ biến đổi của đường cong IDF trong tương lai

1.2 Khái niệm đường cong IDF của mưa

IDF là viết tắt của cụm từ Intensity – Duration – Frequency Đường cong IDF của mưa đại diện cho xác suất xuất hiện (Frequency) của một cường độ hay tốc độ (Intensity) mưa trung bình trong một khoảng thời gian nhất định (Duration) Đường cong IDF được xây dựng dựa trên chuỗi số liệu mưa cực trị trong rất nhiều thời đoạn mưa khác nhau sử dụng phương pháp phân tích tần suất Độ dài chuỗi số liệu càng lớn sẽ nhận được độ chính xác càng cao của đường cong này Các đường cong IDF cho các tần suất lặp lại khác nhau luôn luôn song song

Hình 1.1 Vi ́ dụ minh họa về đường cong IDF (Lê Minh Nhật 2008) [12]

Có thể hiểu đường cong IDF một cách đơn giản như sau: với mỗi thời đoạn mưa nhất định (như 10 phút, 30 phút, 60 phút hay những thời đoạn lớn hơn như 360 giờ hay

720 giờ), chúng ta đều có thể đo được lượng mưa cụ thể rồi từ đó tính toán được cường

độ mưa trung bình trong khoảng thời gian đó với đơn vị là mm/giờ Ví dụ như: trong vòng 10 phút, lượng mưa đo được là 45mm, vậy cường độ mưa trung bình trong 10 phút sẽ là 270mm/giờ Sau khi áp dụng phương pháp phân tích tần suất để tính toán được tần suất lặp lại của các cường độ mưa trong các thời đoạn khác nhau sẽ thu được đường cong IDF (Hình 1.1) Đối với nhu cầu thiết kế các hệ thống thoát nước nhỏ như cống thoát nước cho 1 toàn nhà, cường độ mưa với tần suất lặp lại 2 năm đến 5 năm sẽ được sử dụng Hoặc đối với các công trình, hệ thống thoát nước quy mô lớn hơn cho 1

đô thị và có tính lâu dài, tần suất lặp lại từ 50 đến 100 năm sẽ được sử dụng

1.3 Mu ̣c tiêu của luâ ̣n văn

Trong khuôn khổ một luận văn thạc sỹ, nghiên cứu đă ̣t ra 2 mu ̣c tiêu dưới đây:

- Nghiên cứ u và áp dụng phương pháp hiê ̣u chỉnh sai số mô hình phù hợp đối với lượng mưa ngày cho khu vực Hà Nô ̣i

- Xây dựng đường cong cường đô ̣ - thời lượng - tần suất (IDF) của mưa trong điều kiê ̣n khí hậu hiê ̣n ta ̣i và tương lai Đánh giá mức độ biến đổi của đường cong IDF dưới tác động của biến đổi khí hậu

Mục tiêu thứ nhất góp phần giải quyết bài toán mô phỏng lượng mưa đối với các

mô hình khí hậu hiê ̣n nay Các mô hình khí hâ ̣u (toàn cầu và khu vực) đều đang cho thấy những ha ̣n chế trong viê ̣c mô phỏng, dự báo và dự tính lượng mưa, đă ̣c biết đối với các hiện tượng mưa cực đoan, do vâ ̣y, việc tìm ra phương pháp hiê ̣u chỉnh phù hợp

và áp dụng cho khu vực Hà Nội là viê ̣c cần thiết và sẽ có tính ứng du ̣ng to lớn

Mục tiêu thứ hai nhằm đưa ra mối quan hệ giữa các đặc trưng của mưa bao gồm cường đô ̣, thời gian mưa và tần suất xuất hiê ̣n của hiê ̣n tượng với cường đô ̣ và thời gian tương ứng Viê ̣c chỉ ra mô ̣t cách đi ̣nh lượng mối quan hê ̣ này phần nào đó đưa ra cái nhìn tổng quát về cực trị mưa và những biến đổi các hiê ̣n tượng này trong tương lai

1.4 Tổng quan về vấn đề nghiên cư ́ u

Mô hình đô ̣ng lực đang là mô ̣t trong những công cu ̣ tiên tiến nhất trong viê ̣c dự

tính khí hâ ̣u tương lai Cùng với sự phát triển của khoa ho ̣c công nghê ̣, các mô hình ngày mô ̣t cải tiến và có thể cha ̣y ở đô ̣ phân giải rất cao, nhỏ hơn 10km Điều này góp phần cải thiê ̣n rất nhiều trong viê ̣c dự báo, dự tính nhiều khía ca ̣nh khác nhau của khí

hậu đă ̣c biê ̣t là yếu tố mang tính đi ̣a phương cao như lượng mưa Tuy nhiên, như đã đề

cập, các mô hình khí hâ ̣u không thể tránh khỏi sai số hê ̣ thống nô ̣i ta ̣i gây ra bởi nhiều yếu tố khách quan cũng như chủ quan Từ việc con người chưa thể nào nắm bắt được toàn bộ các quá trình lý hóa trong tự nhiên, đến cách tiếp cận giải hệ phương trình Navie Stock theo phương pháp sai phân xấp xỉ, hay sử dụng các sơ đồ tham số hóa vật

lý, đối lưu, bức xạ …, tất cả đều góp phần vào tính không chắc chắn trong mô phỏng

và dự tính khí hậu Hơn nữa, sai số từ mô phỏng mô hình hoàn toàn có thể lớn hơn nữa dưới tác động của biến đổi khí hậu (Christensen và nnk, 2008) [5] Đây thực sự vẫn là bài toán rất khó với mọi quốc gia trên thế giới khi nỗ lực cải tiến các mô hình động lực

kể cả với các quốc gia lớn như Mỹ, Nhật hay các nước Châu Âu Cũng chính vì lý do này, rất nhiều những nghiên cứu về các phương pháp hiệu chỉnh thống kê sản phẩm từ

mô hình động lực được tiến hành nhằm làm giảm sai số hệ thống một cách tối ưu nhất

có thể Hướng đi này vừa tiết kiệm được chi phí tính toán, lại khả thi hơn đối với các nhóm nghiên cứu nhỏ cũng như các quốc gia đang phát triển Tuy nhiên, cũng cần khẳng định rằng, sẽ không có phương pháp hiê ̣u chỉnh nào hoàn hảo loa ̣i bỏ được hoàn toàn sai số Và viê ̣c áp du ̣ng phương pháp hiê ̣u chỉnh sai số cũng chính là nguồn gây ra

các sai số khác Mă ̣c dù vâ ̣y, hiê ̣u chỉnh sai số từ các mô hình vẫn là điều cần thiết và quan trọng trong viê ̣c giảm tính chưa chắc chắn trong bài toán dự tính khí hâ ̣u tương lai Điều này đã được chứng minh trong rất nhiều những nghiên cứu của các nhà khoa học trên thế giới Trong mục dưới đây sẽ trình bày về mô ̣t số nghiên cứu tiến hành hiê ̣u chỉnh lượng mưa phu ̣c vu ̣ cho viê ̣c xây dựng ki ̣ch bản và làm đầu vào cho các nghiên

cứ u xa hơn

1.4.1 Nghiên cư ́ u về phương pháp hiê ̣u chỉnh sai số đối với lươ ̣ng mưa

Wood và ccs (2004) tiến hành so sánh và đánh giá 6 phương án ha ̣ quy mô thống kê cho mô ̣t số biến trong đó nhấn ma ̣nh yếu tố lượng mưa làm đầu vào cho các

mô hình thủy văn ở đô ̣ phân giải rất cao so với đô ̣ phân giải của mô hình khí hâ ̣u Nghiên cứ u sử du ̣ng bô ̣ số liê ̣u dự báo trễ quá khứ 20 năm (1975 - 1995) và bô ̣ số liê ̣u

kịch bản cho giai đoa ̣n 2040 - 2060 từ mô hình khí hâ ̣u của NCAR-PCM 6 phương án bao gồ m: hồi quy tuyến tính (LI), phân tách không gian (Spatial Disaggregation) và hiệu chỉnh sai số kết hợp phân tách không gian (BCSD) áp du ̣ng trực tiếp cho kết quả

củ a PCM (đô ̣ phân giải T42) và áp du ̣ng cho kết quả đầu ra sau khi dùng phương pháp

hạ quy mô đô ̣ng lực bằng mô hình khí hâ ̣u khu vực RCM (đô ̣ phân giải 50km) Các phương án ha ̣ quy mô này đều chi tiết hóa các kết quả về đô ̣ phân giải 1/8 đô ̣ kinh vĩ và được so sánh với số liê ̣u quan trắc trên lưới Phương pháp BCSD cho thấy hiê ̣u quả rất cao khi tạo ra các đă ̣c điểm chính của số liê ̣u quan trắc từ bô ̣ số liê ̣u mô phỏng khí hâ ̣u

bất kể là từ PCM hay RCM Phương pháp hồi quy tuyến tính LI cho kết quả tốt hơn khi áp du ̣ng với các biến đầu ra từ RCM, tuy nhiên phương pháp này vẫn ta ̣o ra mô ̣t sai số khá lớn khi sử du ̣ng làm đầu vào cho mô hình thủy văn Phương pháp phân tách không gian (SD) cho kết quả tương đồng khi áp du ̣ng đối với RCM và PCM, tuy nhiên cả 2 phương án này đều không thực sự tốt khi áp du ̣ng các kết quả này cho mô hình thủy văn mà không hiê ̣u chỉnh sai số Như vâ ̣y, đối với dự tính tương lai, các kết quả từ 2 phương án BCSD-PCM và BCSD-RCM cho kết quả hợp lý hơn hết, từ đó có thể thấy được sự quan tro ̣ng và cần thiết của viê ̣c hiê ̣u chỉnh sai số [26]

Ines và Hansen (2006) sử du ̣ng hàm phân bố gamma để đa ̣i diê ̣n cho lượng mưa ngày và áp du ̣ng cả hàm phân bố Gamma và hàm phân bố thực nghiê ̣m để hiê ̣u chỉnh lượng mưa ngày từ các mô hình toàn cầu Ý tưởng của phương pháp này nhằm hiê ̣u chỉnh giá tri ̣ trung bình cũng như các biến đô ̣ng trên quy mô tháng và mùa từ mô hình toàn cầu, trong đó bao gồm cả hiê ̣u chỉnh tần suất và hiê ̣u chỉnh cường đô ̣ [7]

Sharman và ccs (2007) áp du ̣ng phương pháp BCSD đối với lượng mưa từ mô

hình toàn cầu nhằm cải tiến khả năng mô phỏng cho mô hình thủy văn trên lưu vực

sông Ping, Thái Lan Phương pháp hiê ̣u chỉnh sai số trong nghiên cứu này là phương pháp chuyển hóa Gamma - Gamma, nói cách khác là hiê ̣u chỉnh hàm bố áp du ̣ng hàm phân bố lý thuyết Gamma Phương pháp bao gồm 2 bước chính: 1) Xác đi ̣nh ngưỡng mưa để cắt bỏ 1 số giá tri ̣ mưa không đáng kể từ mô hình để hiê ̣u chỉnh tần suất số ngày mưa; 2) Sử du ̣ng hàm phân bố lý thuyết Gamma để tính toán các giá tri ̣ xác suất

tích lũy tương ứng với mỗi giá tri ̣ mưa của chuỗi số liê ̣u mô hình, sau đó hiê ̣u chỉnh các giá tri ̣ này về gần nhất với giá tri ̣ quan trắc ta ̣i mỗi phân vi ̣ tương ứng Sau khi hiê ̣u chỉnh sai số, áp du ̣ng phương pháp phân tách không gian thu được trường mưa đô ̣ phân giải cao với đô ̣ chính xác lớn hơn Nghiên cứu đã áp du ̣ng phương pháp này đối với mô

hình ECHAM4 cho 2 ki ̣ch bản A2 và B2 Kết quả của nghiên cứu khẳng đi ̣nh, phương pháp Gamma - Gamma giảm sai số thô cho lượng mưa mô hình mô ̣t cách đáng kể, bên

cạnh đó phương pháp phân tách không gian cũng giải quyết tốt nhược điểm về đô ̣ phân giải của mô hình toàn cầu ECHAM4 Nghiên cứu cũng rút ra kết luâ ̣n rằng, hoàn toàn

có thể áp du ̣ng phương pháp này đối với dự tính tương lai và các nghiên cứu đánh giá

tác đô ̣ng [22]

Piani (2009) đã sử du ̣ng phương pháp thống kê hiê ̣u chỉnh sai số đối với lượng mưa ngày trên khu vực Châu Âu Phương pháp được sử du ̣ng trong nghiên cứu là phương pháp hiê ̣u chỉnh hàm phân bố Trong đó, hàm phân bố lý thuyết Gamma được

dù ng để ước lượng các phân vi ̣ cho giá tri ̣ mưa ngày trên khu vực nghiên cứu Các tác giả sử du ̣ng phương pháp này để hiê ̣u chỉnh lượng mưa từ mô hình khu vực DMI với

đô ̣ phân giải ngang được nô ̣i suy về 25x25km Hàm phân bố ta ̣i mỗi nút lưới được hiê ̣u chỉnh theo hàm phân bố của các nút lưới tương ứng từ số liê ̣u tái phân tích CRU Kết quả hiê ̣u chỉnh cho thấy, phân bố lượng mưa theo không gian và thời gian từ mô hình khí hâ ̣u được cải thiê ̣n rõ rê ̣t và đồng nhất so với số liê ̣u quan trắc [19]

Matthias Jakob và ccs (2011) sử dụng 7 phương án chi tiết hóa thống kê thực nghiệm kết hợp hiệu chỉnh sai số cho kết quả mô phỏng lượng mưa từ mô hình MM5 đối với khu vực Alpine Các kết quả đánh giá chỉ ra rằng, phương pháp Quantile – Mapping và phương pháp hiệu chỉnh cường độ dựa trên quy mô địa phương (local

intensity scaling) cũng như phương pháp tương tự phi tuyến cải thiện đáng kể trung vị, phương sai, tần suất, cường độ và giá trị cực đoan của lượng mưa ngày Phương pháp hồi quy đa biến, thậm chí đã tối ưu hóa bằng cách tuyển chọn nhân tố, biến đổi, ngẫu nhiên hóa, vẫn cho thấy những nhược điểm lớn trong hiệu chỉnh lượng mưa ngày Nhìn chung, phương pháp Quantile – Mapping đem lại hiệu quả cao nhất, đặc biệt đối với các giá trị cực đoan Kết quả nghiên cứu cũng chỉ ra khả năng áp dụng của phương pháp này đối với các khu vực khác [10]

Amengual cù ng ccs (2012) đã áp du ̣ng phương pháp hiê ̣u chỉnh hiệu thống kê phục vụ dự tính khí hậu và đánh giá các tác động của biến đổi khí hậu cho khu vực Platja de Palma, Địa Trung Hải Nhóm tác giả đã sử dụng bộ mô hình khu vực gồm 12 phương án khác nhau nhằm thu được bộ số liệu ngày đối với các yếu tố như lượng mưa, nhiệt độ trung bình, nhiệt độ tối cao, tối thấp, độ ẩm tương đối, mức che phủ mây hay tốc độ gió Từ bộ số liệu này, phương pháp Quantile – Quantile được áp dụng để loại bỏ sai số hệ thống cho kết quả mô phỏng Phương pháp dự trên việc xác định mức

độ biến đổi trong hàm phân bố tích lũy của các yếu tố giữa thời kỳ cơ sở và thời kỳ tương lai (Hình 1.2) Sau đó mức độ biến đổi này sẽ được áp dụng vào số liệu quan trắc thu được bộ số liệu dự tính mới có mức độ tin cậy cao hơn Các kết quả trong nghiên cứu cũng đã chứng minh được những cải thiện đáng kể đối với kết quả mô hình, tuy nhiên, đối với các giá trị cực đoan mưa, sự cải thiện là chưa thực sự rõ rệt [1]

Hình 1.2 Minh họa phương pháp Quantile – Quantile (Amengual và nnk, 2012) [1]

Winai (2013) áp du ̣ng 4 phương pháp hiê ̣u chỉnh sai số đối với lượng mưa từ mô

hình toàn cầu MRI phu ̣c vu ̣ cho viê ̣c đánh giá tác đô ̣ng và thích ứng trong viê ̣c vâ ̣n

hành hồ chưa nước dưới tác đô ̣ng của biến đổi khí hâ ̣u Phương pháp thứ nhất hiê ̣u chỉnh hàm sai số dựa trên các phân vi ̣ (Quantile - Mapping) Tương tự như phương pháp Sharman (2007) đã sử du ̣ng với 2 bước chính là hiê ̣u chỉnh tần suất và hiê ̣u chỉnh cường đô ̣ mưa Tác giả cũng sử du ̣ng hàm phân bố lý thuyết Gamma như hàm chuyển nhằm hiê ̣u chỉnh lượng mưa dựa trên các thông số quy mô và hình da ̣ng của chuỗi số liệu quan trắc Phương pháp thứ 2 được sử du ̣ng trong nghiên cứu này là phương pháp hiệu chỉnh dựa trên đô ̣ lê ̣ch tiêu chuẩn (SD ratio) của chuỗi số liê ̣u quan trắc và số liê ̣u

mô hình Mô ̣t cách đơn giản, chuẩn sai lượng mưa được nhân với tỷ số giữa đô ̣ lê ̣ch tiêu chuẩn củ a chuỗi quan trắc và chuỗi mô hình, sau đó cô ̣ng với giá tri ̣ quan trắc trung bình trong giai đoa ̣n xem xét thu được giá tri ̣ mưa đã hiê ̣u chỉnh Phương pháp

này thực tế hiê ̣u chỉnh tính co duỗi của hàm phân bố thực nghiê ̣m mà đa ̣i diê ̣n là đô ̣

lệch tiêu chuẩn Phương pháp thứ 3 là phương pháp lai (Hybrid) Phương pháp này chia chuỗi số liê ̣u làm 2 chuỗi con, trong đó chuỗi thứ nhất bao gồm các giá tri ̣ lượng mưa nhỏ hơn 99.5%, và chuỗi thứ 2 bao gồm các giá tri ̣ mưa thuô ̣c 0.05% còn la ̣i (các giá tri ̣ mưa cực đoan) Lượng mưa hiê ̣u chỉnh được tính bằng tích lượng mưa chưa hiê ̣u chỉnh

và 1 hê ̣ số hiê ̣u chỉnh riêng cho mỗi chuỗi số liê ̣u Phương pháp cuối cùng được sử

dụng trong nghiên cứu là phương pháp hiê ̣u chỉnh delta với hê ̣ số hiê ̣u chỉnh bằng tỷ số giữa lượng mưa quan trắc trung bình và lượng mưa mô hình trung bình cho 1 tháng bất

kỳ Cuối cùng, tác giả so sánh kỹ năng của 4 phương pháp trong đó, phương pháp SD Ratio và Hybrid cho hàm phân bố xác suất lượng mưa sát hơn với số liê ̣u quan trắc ngoại trừ các giá tri ̣ mưa quá lớn hoă ̣c quá bé Phương pháp Hybrid giảm sai số hê ̣ thống đối với lượng mưa cực tri ̣ trong mùa mưa trong khi SD Ratio giảm sai số đối với

các giá tri ̣ mưa nhỏ trong mùa khô mô ̣t cách đáng kể so với 2 phương án còn la ̣i Kết luận la ̣i, phương án hiê ̣u chỉnh lai Hybrid là phù hợp nhất với hê ̣ số tương không gian

và thời gian của lượng mưa tháng tương đối tốt [25]

Argueso và ccs (2013) sử du ̣ng phương pháp hiê ̣u chỉnh hàm phân bố để hiê ̣u chỉnh lượng mưa ngày từ kết quả mô phỏng bằng mô hình WRF độ phân giải 2km cho khu vực Sydney Hàm phân bố lý thuyết gamma được áp dụng vào các bước hiệu chỉnh tương tự như phương pháp đã được mô tả bởi Piani (2009), tuy nhiên, nhóm tác giả đề suất thêm một bước trong đó, để hiệu chỉnh sai số cho lượng mưa tại mỗi điểm lưới, chuỗi số liệu mưa ngày của 5 trạm xung quanh gần điểm lưới nhất được sử dụng Như vậy, đối với mỗi điểm lưới, sẽ có tất cả 5 kết quả hiệu chỉnh 5 kết quả này được lấy trung bình theo phương pháp trọng số nghịch đảo của bình phương khoảng cách Phương pháp này cho thấy hiệu quả rõ rệt trong việc loại bỏ sai số đối với cả đặc trưng mưa theo ngày cũng như theo mùa, qua đó cung cấp những thông tin cơ bản với độ chính xác cao hơn cho các nghiên cứu đánh giá tác động [2]

Bennett và nnk (2014) dự tính khí khí hậu tương lai cho khu vực Tasmania, Úc bằng mô hình khí quyển lập phương bảo giác CCAM độ phân giải 10 km với 6 phương

án khác nhau, trong đó có sử dụng hiệu chỉnh thống kê bằng hàm phân bố tích lũy thực nghiệm (Quantile mapping) cho các biến khí hậu quy mô ngày Các yếu tố được hiệu chỉnh bao gồm: bức xạ mặt trời, nhiệt độ tối thấp, nhiệt độ tối cao, bốc hơi tiềm năng

và lượng mưa Các kết quả đánh giá thu được cho thấy tính hiệu quả trong việc sử dụng phương pháp hiệu chỉnh này Đối với lượng mưa, phương pháp cải thiện được cả về

cường độ mưa cũng như tần suất số ngày mưa, bảo toàn rất tốt xu thế biến đổi trong tương lai thu được từ CCAM trước khi hiệu chỉnh Tuy nhiên, phương pháp chưa mang lại hiệu quả cao đối với các giá trị mưa gần 0, và có xu hướng dự tính cường độ và thời gian thấp hơn đối với các sự kiện mưa nhiều ngày cũng như hạn hán [3]

1.4.2 Nghiên cư ́ u về xây dựng đường cong IDF

Trong một vài thâ ̣p kỷ trở la ̣i đây, các nhà khoa ho ̣c trên thế giới đã rất quan tâm đến viê ̣c đánh giá những tác đô ̣ng tiềm tàng của biến đổi khí hâ ̣u, đă ̣c biê ̣t là những biến đổi của lượng mưa, đối với đời sống con người và cơ sở vâ ̣t chất, ha ̣ tầng Rất nhiều những nghiên cứu, báo cáo (IPCC 2007, 2013) [8, 9] đã chỉ ra rằng, trong tương lai các hiê ̣n tượng mưa sẽ xuất hiê ̣n bất thường hơn, với tần xuất và cường đô ̣ lớn hơn thờ i điểm hiê ̣n ta ̣i Dưới đây là mô ̣t số công trình nghiên cứu về mối quan hê ̣ giữa cường đô ̣, thời gian và tần suất xuất hiê ̣n của mưa cực đoan trên thế giới

Một trong những nghiên cứu đầu tiên sử dụng công thức thực nghiê ̣m là nghiên cứu của Bernard (1932), trong đó mối quan hê ̣ cường đô ̣ - thời gian - tần suất được thể hiện như sau:

𝐼(𝑑, 𝑇) = 𝑎

𝑑𝑐Trong đó: I(d,T) là cường đô ̣ mưa trung bình trong khoảng thời gian d và có tần suất lă ̣p la ̣i T, a và c là các hằng số thực nghiê ̣m Công thức này có mô ̣t ha ̣n chế là khi thờ i đoa ̣n d tiến gần đến 0, cường đô ̣ mưa sẽ đa ̣t đến vô cùng Vì vâ ̣y, nếu sử du ̣ng công thứ c này, viê ̣c tính toán cường đô ̣ mưa cho thời đoa ̣n nhỏ sẽ không thực sự chính

xác hay cu ̣ thể là sẽ lớn hơn rất nhiều so với thực tế [4]

Lê Minh Nhật (2007) đã nghiên cứu và áp du ̣ng phương pháp quy mô đơn giản (Simple scaling) vớ i mu ̣c đích chi tiết hóa quy mô thời gian đối với cường đô ̣ mưa trên khu vực lưu vực song Yodo, Nhâ ̣t Bản Phương pháp này dựa trên giả thiết đã được chứ ng minh bởi Menable (1999): hàm phân bố của cường đô ̣ mưa giữa các thời lượng khác nhau có mối quan hê ̣ nhất đi ̣nh Mối quan hê ̣ này đă ̣c trưng bởi hàm mũ của nhân

tố quy mô (tỷ lê ̣ giữa 2 thời lượng mưa) Từ viê ̣c áp du ̣ng phương pháp này, tác giả thu

được cường đô ̣ mưa ta ̣i lưu vực song Yodo trong các thời đoa ̣n rất ngắn (từ quy mô ngày đến quy mô phút) với đô ̣ chính xác tương đối cao so với lượng mưa quan trắc được trong thực tế [12]

Nguyễn Văn Thành Văn và các cô ̣ng sự (2007) đã sử du ̣ng phần mềm SDSM ha ̣ quy mô thống kê từ sản phẩm của 2 mô hình toàn cầu bao gồm HadCM3 và CGCM2 (mô phỏng theo ki ̣ch bản A2) đối với yếu tố mưa ngày cực tri ̣ cho khu vực Quebec, Canada Bên cạnh đó, các tác giả đề xuất phương pháp hiê ̣u chỉnh đối với lượng mưa ngày cực tri ̣ thu được từ phần mềm SDSM Hiê ̣u quả của viê ̣c sử du ̣ng phương pháp

này là tương đối tốt thông qua viê ̣c so sánh với số liê ̣u quan trắc ta ̣i 15 tra ̣m đo mưa trên khu vực trong giai đoa ̣n từ 1961 - 1990 Dựa trên các kết quả này, phương pháp ha ̣ quy mô thờ i gian sử du ̣ng hàm phân bố cực tri ̣ GEV cũng được áp du ̣ng nhằm thu mô

tả mối quan hê ̣ giữa lượng mưa ngày cực tri ̣ và lượng mưa cực tri ̣ trong các quy mô thờ i gian nhỏ hơn ngày Từ đó, đường cong IDF của mưa được xây dựng cho cả thời

kỳ hiê ̣n ta ̣i và các thời kỳ trong tương lai Nghiên cứu cũng đã kết luâ ̣n rằng, trong tương lai, lượng mưa cực tri ̣ sẽ tăng lên, trong đó sự biến đổi từ mô hình HadCM3 là không quá lớn, tuy nhiên kết quả tính toán từ mô hình CGCM2 cho thấy xu thế tăng rất

mạnh của lượng mưa cực tri ̣ [17]

Lê Minh Nhật (2008) trong luâ ̣n án tiến sĩ đã xây dựng đường cong IDF cho 7 trạm thuô ̣c khu vực Đồng Bằng song Hồng sử du ̣ng chuỗi số liê ̣u 30 năm từ 1956 đến

1985 đối với lượng mưa ở các thời đoa ̣n ngắn từ 10 phút đến 24 giờ Tác giả xây dựng đường cong IDF dựa trên 4 công thức thực nghiê ̣m Talbot, Bernard, Kimijima and Sherman và so sánh kết quả thu được từ 4 công thức này Bên ca ̣nh đó, tác giả cũng đề xuất phương án nô ̣i suy các tham số của đường cong nhằm đa ̣t được lượng mưa trong thờ i đoa ̣n ngắn ta ̣i các tra ̣m không có số liê ̣u mưa với thời đoa ̣n nhỏ hơn 24 giờ [12]

Chương trình thủy văn quốc tế (2008) đã tiến hành xây dựng đường cong IDF

củ a mưa cho 1 số quốc gia thuô ̣c khu vực Châu Á Thái Bình Dương như Indonesia, Malaixia, Nhật Bản, Trung Quốc, Philipin và Viê ̣t Nam Nhóm các tác giả đã xây dựng đường cong IDF sử du ̣ng các phương pháp khác nhau Trong đó, đối với nhóm các tác

giả Viê ̣t Nam, Trần Thu ̣c và các cô ̣ng sự đã áp du ̣ng hàm phân bố Log-Pearson III và Pearson III để xây dựng đường cong IDF cho tra ̣m Phú Quốc với các thời đoa ̣n từ 5 phú t đến 120 phút Kết quả cho thấy, đường cong IDF xây dựng từ 2 phương pháp này

là khá tương đồng

Mirhosseini và nnk (2012) đã tiến hành xây dựng đường cong IDF cho hiện tại

và tương lai đối với khu vực Alabama nhằm đánh giá mức độ biến đổi của cường độ mưa dưới tác động của biến đổi khí hậu Nhóm tác giả sử dụng 6 phương án chi tiết hóa động lực với các mô hình khu vực cũng như điều kiện biên toàn cầu khác nhau mô phỏng và dự tính khí hậu, trong đó có lượng mưa 3h Phương pháp phân tách ngẫu nhiên (Stochastic Disaggregation) được áp dụng để chi tiết hóa lượng mưa từ 3h xuống các thời đoạn nhỏ hơn như 15 phút và 30 phút Bên cạnh đó, phương pháp hiệu chỉnh Quantile – Mapping cũng được áp dụng nhằm loại bỏ bớt sai số hệ thống từ mô hình Đường cong IDF được xây dựng bằng cách sử dụng hàm phân bố GEV để phân tích tần suất cường độ mưa trong các thời đoạn khác nhau Các kết quả trong nghiên cứu cho thấy, 4 trong 6 mô hình cho cường độ mưa trong tương lai tăng hoặc giảm phụ thuộc vào tần suất và thời đoạn được xét đến 2 mô hình còn lại cho cường độ mưa giảm ở mọi thời đoạn và tần suất lặp lại Ngoài ra, nhóm tác giả cũng nhấn mạnh đến tính không chắc chắn trong các đường cong IDF đối với thời kỳ tương lai [15]

Mirhosseini và nnk trong nghiên cứu của mình năm 2014, đã tiếp tục xây dựng đường cong IDF trong tương lai cho khu vực Alabama Phương pháp hiệu chỉnh sai số Quantile – Mapping và hàm GEV tiếp tục được sử dụng với mục đích loại bỏ sai số hệ thống và xây dựng đường cong IDF Tuy nhiên, trong nghiên cứu lần này, nhóm tác giả

đã phát triển mô hình mạng thần kinh nhân tạo với mục đích chi tiết hóa về mặt thời gian đối với lượng mưa 3h Bên cạnh đó, phương pháp này cũng được so sánh với các kết quả đã đạt được trong nghiên cứu sử dụng phương pháp phân tách ngẫu nhiên trước

đó (Mirhosseini và ccs, 2012) [15] Kết quả chỉ ra rằng, phương pháp mạng thần kinh nhân tạo có khả năng tốt hơn trong việc tạo ra mưa cực đại thời đoạn ngắn Đường cong IDF trong tương lai xây dựng từ 2 phương pháp này cũng được đưa ra so sánh

trong nghiên cứu này Nhìn chung, cường độ mưa cực đoan trong tương lai tại khu vực Alabama có xu thế giảm xuống, mức độ giảm xuống khi sử dụng phương pháp mạng thần kinh nhân tạo có phần lớn hơn phương pháp phân tách ngẫu nhiên Tuy nhiên, tác giả cũng một lần nữa khẳng định, mức biến đổi của cường độ mưa trong nghiên cứu này vẫn chưa đựng tính chưa chắc chắn khá lớn, cần xem xét kỹ lưỡng khi sử dụng dụng Mặc dù vậy, xu thế biến đổi của IDF trong tương lai được chỉ ra từ nghiên cứu này có thể tin cậy và xem xét (Hình 1.3) [16]

Hình 1.3 So sánh đường cong IDF hiện tại và tương lai thu được từ 2 phương pháp mạng thần kinh nhân tạo và phân tách ngẫu nhiên (Mirhosseini và nnk, 2014) [16]

Raul (2013) tiến hành xây dựng đường cong IDF của mưa cho 6 tra ̣m đo mưa trên khu vực thủ đô Barcelona Nghiên cứu này đã sử du ̣ng tổng cô ̣ng 114 phương án

mô phỏng khác nhau đối với lượng mưa ngày, trong đó có 30 trường hợp mô phỏng cho thờ i kỳ quá khứ 1951 - 1999 và 80 trường hợp mô phỏng và dự tính cho giai đoa ̣n

2006 - 2099 bao gồ m các ki ̣ch bản A1B, A2 và B2 Các kết quả chỉ ra rằng, cường đô ̣ mưa trung bình trong 1 ngày có sự tang lên trong tương lai ít nhất là 4% đối với các sự kiện mưa với tần suất lă ̣p la ̣i trên 20 năm Đồng thời, tác giả cũng sử du ̣ng phương

pháp ha ̣ quy mô thời gian đối với cường đô ̣ mưa trung bình trong 24 giờ thu được cường đô ̣ mưa đối với các thời lượng nhỏ hơn quy mô ngày Phân tích cho thấy, sự tăng lên của cường đô ̣ mưa với thời lượng nhỏ hơn quy mô ngày là lớn hơn so với quy

mô ngày trên tất cả các tần suất lă ̣p la ̣i hiê ̣n tượng và các ki ̣ch bản nghiên cứu Sự khác biệt này có thể lên đến 8% đối với ki ̣ch bản A1B và 9% đối với ki ̣ch bản phát thải cao A2 [20]

Wang và ccs (2014) nghiên cứu xây dựng đường cong IDF và đánh giá mức độ biến đổi của đường cong này trong tương lai cho khu vực thành phố Toronto, Ontario, Canada Nhóm tác giả sử dụng bộ tổ hợp mô hình PRECIS được điều khiển bởi trường toàn cầu HadGEMs do trung tâm khí tượng Hadley phát triển Nhóm tác giả đã sử dụng tổng cộng 5 phương án thành phần khác biệt nhau bởi các sơ đồ tham số hóa trong mô hình PRECIS Từ bộ số liệu mưa cực đoan độ phân giải 25km thu được từ mô hình PRECIS, nhóm tác giả sử dụng hàm phân bố Gumbel với mục đích phân tích tần suất xuất hiện của các sự kiện mưa cực đoan trong nhiều thời đoạn khác nhau (5’, 10’, 15’, 30’ … 24h) Đường cong IDF được xây dựng cho thời kỳ cơ sở và 3 thời kỳ trong tương lai bao gồm 2030, 2050 và 2080 cũng như tính toán mức độ biến đổi của 3 thời

kỳ tương lai nay so với thời kỳ cơ sở Các kết quả nghiên cứu chỉ ra rằng, cường độ mưa trong các sự kiện mưa cực đoan ứng với các tần suất và thời đoạn khác nhau có xu thế tăng lên theo thời gian (Hình 1.4) Điều này đồng nghĩa với việc các sự kiện mưa với cường độ rất lớn sẽ xảy ra với tần xuất liên tục hơn trong tương lai [24]

Hình 1.4 So sánh cường độ mưa giữa thời kỳ cơ sở và các thời kỳ trong tương lai

(Wang và nnk, 2014) [24]

Liew và ccs (2014) đã tiến hành xây dựng đường cong IDF cho những khu vực không có trạm đo mưa tự động cho thời kỳ hiện tại và tương lai Trong đó, nhóm tác giả đề xuất phương pháp gồm 3 bước, gọi tắt là DCD (Downscaling – Comparison – Derivation) Trước hết, nhóm tác giả mô phỏng khí hậu hiện tại bằng mô hình WRF độ phân giải 30km với trường điều khiển toàn cầu tái phân tích ERA40 Từ kết quả mưa với độ phân giải 6h/1 lần, tác giả xây dựng đường cong IDF cho 3 trạm đo mưa tự động thời đoạn ngắn thuộc 3 khu vực khác nhau trong Đông Nam Á bao gồm: Jakarta (Indonesia), Kulalumpua (Malaixia), và Singapore Các đường cong IDF này (xây dựng từ mô hình và từ số liệu quan trắc thời đoạn ngắn) được so sánh với nhau nhằm thu được khoảng sai số nhất định trong mô phỏng của mô hình khi xây dựng đường cong IDF Khoảng sai số này được cộng vào đường cong IDF xây dựng từ mô hình cho các trạm không có số liệu mưa thời đoạn ngắn với mục đích phần nào đó tiệm cận với đường cong IDF thực tế Đối với đường cong IDF trong tương lai, nhóm tác giả tính toán mức độ biến đổi ∆ của cường độ mưa trong các thời đoạn và tần suất lặp lại tương

ứng, sau đó áp dụng mức biến đổi này vào đường cong IDF tại các trạm không đo mưa

tự động đã được hiệu chỉnh ở hiện tại Kết quả xây dựng cho thấy, trong tương lai, mưa cực đoan ứng với tần suất lặp lại 50 năm có thể tăng lên cao nhất là 200%, hay cao gấp

2 lần so với cường độ mưa cực đoan ở hiện tại [13]

Afrin và ccs (2015) nghiên cứu xây dựng đường cong IDF của mưa cho thủ đô Dhaka củ a Bangladesh Các tính chất về quy mô của lượng mưa cực tri ̣ đã được kiểm nghiệm và áp du ̣ng phu ̣c vu ̣ ha ̣ quy mô về thời gian và xây dựng đường cong IDF với

hàm phân bố cực tri ̣ Gumbel Các kết quả đa ̣t được cho thấy sự phù hợp giữa lượng mưa cực tri ̣ và lý thuyết về tính chất quy mô đơn giản (Simple Scaling) Đường cong IDF xây dựng từ phương pháp này là khá phù hợp so với số liê ̣u quan trắc [21]

Ngoài ra, để đáp ứng mức độ chính xác của chỉ tiêu thủy văn thiết kế, nhiều dự

án đã phải tiến hành tính toán lập ra bảng IDF hoặc công thức IDF cho từng vùng như

Dự án thoát nước và cải thiện môi trường Tp Hà Nội, Tp Hồ Chí Minh, dự án thoát nước nhà máy Nhiệt điện Uông Bí mở rộng 300MW, Dự án mở rộng khả năng thoát lũ của các cầu, cống trên quốc lộ 1A, khu vực miền Trung, Trong Dự án thoát nước Hà Nội giai đoạn I (1994) do Cơ quan phát triển quốc tế Nhật Bản (JICA) tài trợ, cường độ mưa được tính theo công thức của Bộ Xây dựng, áp dụng cho thành phố Hà Nội cũ, có dạng:

82 0

13 0)

19(

).log.25.01(541636.0

Trong đó, I là Cường độ mưa, mm/h; P là chu kỳ lặp lại (năm); t là thời gian duy trì (phút)

1.4.3 Nhâ ̣n xét chung

Từ viê ̣c tổng quan các nghiên cứu trên thế giới cũng như ở Viê ̣t Nam về các phương pháp hiệu chỉnh sai số đối với mưa và các nghiên cứu xây dựng đường cong IDF, có thể rút ra mô ̣t số nhận xét chung dưới đây:

Việc hiê ̣u chỉnh sai số lượng mưa từ các mô hình khí hâ ̣u toàn cầu cũng như khu

vực đã và đang được sử du ̣ng rộng rãi trên thế giới Đã có rất nhiều các tác giả với các phương pháp khác nhau được áp du ̣ng tùy thuộc vào khu vực nghiên cứu cũng như tính chất của mô hình khí hâ ̣u Điều này cho thấy sự cần thiết của việc hiệu chỉnh sai số mô hình nhằm thu được một tập số liệu dự tính mới có mức độ tin cậy lớn hơn

Các nghiên cứu tổng quan đã chỉ ra rằng, phương pháp hiệu chỉnh Quantile – Mapping có tính ưu việt và được sử dụng bởi rất nhiều các nhà khoa học Đặc biệt, hầu hết các nghiên cứu đều ứng dụng phương pháp này trong hiệu chỉnh lượng mưa mô phỏng và dự tính từ các mô hình khí hậu phục vụ cho các nghiên cứu sâu hơn về đánh giá tác động của biến đổi khí hậu

Đường cong IDF của mưa đã được nghiên cứu và ứng du ̣ng ta ̣i rất nhiều quốc gia trên thế giới từ khá sớm Các phương pháp được sử du ̣ng xây dựng mối quan hê ̣ IDF này là tương đối đa dạng Các nghiên cứu được trình bày trong luận văn đều nếu ra những tính chất quan tro ̣ng và khả năng ứng du ̣ng và quy hoạch thiết kế hay các mô

hình đánh giá tác đô ̣ng một cách rõ ràng Tuy nhiên ở Viê ̣t Nam, các công trình nghiên

cứ u khoa ho ̣c liên quan đến lĩnh vực này vẫn còn tương đối ha ̣n chế Các nghiên cứu tiến hành xây dựng IDF cho Việt Nam đều sử du ̣ng số liê ̣u quá khứ và chưa được câ ̣p nhật đến thời điểm hiê ̣n ta ̣i Đặc biệt, trong bối cảnh biến đổi khí hậu, các đặc trưng và tính chất của mưa cực đoan có sự biến đổi mạnh mẽ theo chiều hướng tiêu cực Tuy nhiên, gần như chưa có 1 công trình nghiên cứu khoa học nào tính toán sự biến đổi của đường cong IDF trong tương lai đối với khu vực Việt Nam Từ đó có thể thấy được

tính cấp thiết của đề tài nghiên cứu được lựa cho ̣n

Trong luận văn này, học viên lựa chọn phương pháp hiê ̣u chỉnh mưa dựa trên

hàm phân bố Quantile - Mapping để thu được lượng mưa từ mô hình có đô ̣ chính xác

sát với thực tế nhất có thể và phương pháp hạ quy mô thời gian simple scaling phu ̣c vu ̣ xây dựng đường cong IDF trong tương lai cho khu vực Hà Nô ̣i

Chương 2 Pha ̣m vi, số liê ̣u và phương pháp nghiên cứu

Chương 2 này sẽ mô tả chi tiết về đối tượng nghiên cứu trong luâ ̣n văn, số liê ̣u được sử du ̣ng và phương pháp sử du ̣ng làm sáng tỏ 2 mu ̣c tiêu đã đề ra trong mu ̣c 1.3

2.1 Pha ̣m vi và số liê ̣u nghiên cứu

2.1.1 Phạm vi nghiên cư ́ u

Trong luận văn này, phạm vị nghiên cứu tập trung vào khu vực nội thành thành phố Hà Nô ̣i Dưới đây là mô ̣t số đặc điểm chính về vi ̣ trí đi ̣a lý, đi ̣a hình và khí hâ ̣u của khu vực Hà Nội

2.1.1.1 Điều kiện tự nhiên

Hà Nội, thủ đô của nước Cộng hoà Xã hội Chủ nghĩa Việt Nam, là Trung tâm chính trị, kinh tế của cả nước Thành phố Hà Nô ̣i nằm ta ̣i khoảng 21°01 vĩ đô ̣ bắc 105°51’ kinh độ đông, xung quanh gồm có các thành phố Thái Nguyên, Bắc Ninh, Hưng Yên và tỉnh Hòa Bình Hà Nội là khu vực có địa hình tương đối đa dạng và thấp dần từ Bắc xuống Nam; từ Tây sang Đông Địa hình Hà Nội bao gồm đồi và núi thấp, đồng bằng gò đồi và đồng bằng, có hướng nghiêng từ Bắc xuống Nam, đồng bằng chiếm khoảng trên 80% diện tích thành phố Ngoài ra, Hà Nội còn có các dạng địa hình núi, tập trung ở khu vực đồi núi Sóc Sơn, Ba Vì

Sông ngòi Hà Nội thuộc hệ thống sông Hồng và sông Thái Bình, phân bố không đồng đều giữa các vùng, mật độ thay đổi khá lớn (0,1 - 2,5km/km2 đối với các sông có dòng chảy tự nhiên) Các sông lớn chảy qua địa phận Hà Nội gồm có: sông Hồng, sông Đuống, sông Cà Lồ, sông Nhuệ, sông Cầu, sông Ngũ Huyện Khê, sông Cầu Bây Các sông lớn nhỏ đều có độ dốc lòng sông bé, độ uốn khúc lớn, chế độ thuỷ văn phức tạp Khả năng tiêu thoát nước rất kém nhất là khi mưa lớn và mực nước các sông ở mức cao

Hà Nội có chế độ bức xạ thiên văn nội chí tuyến: Hàng năm hai lần mặt trời qua thiên đỉnh, độ cao mặt trời khá lớn và thời gian chiếu sáng tương đối đồng đều Lượng

bức xạ tổng cộng trung bình hàng năm là 123 kcal/cm2 Vào các tháng lân cận hạ chí, lượng bức xạ tổng cộng đều trên 12 kcal/cm2, thậm chí có tháng trên 14 kcal/cm2 (tháng VII) Vào các tháng lân cận đông chí, lượng bức xạ tổng cộng đều dưới 9 kcal/cm2 Như vậy, lượng bức xạ tổng cộng ở Hà Nội là tương đối lớn và thay đổi nhiều qua các mùa, mùa hè lớn hơn hẳn mùa đông

Nhiệt độ trung bình năm của Hà Nội phổ biến vào khoảng 23 - 240C ở vùng đồng bằng và thấp hơn ở vùng núi thấp thuộc Sóc Sơn, phía nam Ba Vì Ở Hà Nội, nền nhiệt độ khá cao vào mùa hè (V - X) và khá thấp vào mùa đông (XI - IV) Nhiệt độ trung bình ở vùng đồng bằng vào tháng VII, tháng trung tâm của mùa nóng, là 28,5 - 29,50C, nhiệt độ trung bình 3 tháng giữa mùa hè (VI-VIII) đều trên 280C Nhiệt độ trung bình ở vùng đồng bằng vào tháng I, tháng trung tâm của mùa lạnh, là 16 - 170C, nhiệt độ trung bình 3 tháng giữa mùa đông (XII, I, II) đều dưới 180C

Với lượng mưa năm phổ biến là 1400 – 2000 mm, Hà Nội được coi là một trong những khu vực có lượng mưa trung bình ở nước ta Mùa mưa bắt đầu từ tháng IV, tháng V và kéo dài đến hết tháng X Mưa nhiều nhất vào tháng VIII, tháng IX Khu vực

có lượng mưa lớn trên 2000mm là ở phía Bắc Sóc Sơn, Bắc Mê Linh và phía Nam của

Ba Vì Lượng mưa mùa hè chiếm đến 80 – 90% lượng mưa năm, 6 tháng còn lại chỉ chiếm 10 – 20% Số ngày mưa tuy vẫn tập trung vào mùa hè như lượng mưa, nhưng với tỷ lệ thấp hơn, khoảng 60% của cả năm.Tổng số ngày mưa trong năm khoảng 150 ngày

Hàng năm, ở Hà Nội trung bình có khoảng 7 – 8 ngày mưa to với lượng mưa trên 50 mm/ngày, trong đó có khoảng 1 – 2 ngày mưa rất to với lượng mưa trên 100 mm/ngày Những ngày mưa to thường xảy ra vào mùa hè, cá biệt có năm vào tháng II hoặc tháng XI Song, những ngày mưa rất to chỉ mới xảy ra một đôi lần vào đầu mùa đông Đó là trường hợp của đợt mưa tháng XI năm 1984, 1996 và 2008

2.1.1.2 Tình hình ngập lụt ở Hà Nội

a) Nguyên nhân chính gây ra ngập úng

Ngập úng trên một khu vực có thể được gây ra bởi nhiều nguyên nhân khác nhau Dưới đây là 1 số nguyên nhân chủ quan có khả năng dẫn đến ngập úng trên khu vực Hà Nội:

 Sự phát triển của kinh tế xã hội dẫn đến sự bê tông hóa hầu hết diện tích

đô thi, điều này làm giảm thiểu khả năng thấm nước của bề mặt

 Hệ thống thoát nước đô thi thấp kém kết hợp với nhiều nhánh sông bị cống hóa (sông Tô Lịch), hệ thống sông ngòi và ao hồ ngày càng bị thu hẹp làm giảm khả năng lưu trữ nước cũng như khả năng thoát nước

 Sự thay đổi trong sử dụng đất làm mất cân bằng tích chứa nước của đô thị

b) Một số trận lũ lụt gây ngập úng nghiêm trọng ở Hà Nội

Lưu vực và nhiều khu vực ven sông Hồng đã ghi nhận nhiều trận lũ lớn, trong

đó 2 trận lũ đặc biệt nghiêm trọng đã gây ra vỡ đê, ngập lụt nhiều nơi và thiệt hại nặng

nề là trận lũ tháng 8 năm 1945 và tháng 8 năm 1971

 Trận lũ lớn năm 1945 đã ghi nhận mực nước thực đo trên sông Hồng khu vực

Hà Nội lên tới 12.68m Trận lũ này đã gây ra vỡ đê tại rất nhiều nơi, trong đó có

đê phía hữu ngạn sống Thao, đê sông Đà, sông Lô, sông Hồng, sông Đáy, sông Đuống, sông Thái Bình, gây ra ngập lụt trên 11 tỉnh, ảnh hưởng đến 312.000 ha diện tích đất canh tác cũng như hàng triệu người dân trên khu vực

 Năm 1971, mưa lớn và kéo dài nhiều ngày làm nước trên các sông dâng rất cao dẫn đến nguy cơ vỡ đê Hậu quả của trận mưa này là ngập lụt trên toàn miền Bắc Đây được coi là 1 trong những trận lũ lụt lớn nhất từng được ghi nhận trong vòng 100 năm qua

Ngoài 2 trận lũ lớn đặc biệt nghiêm trọng kể trên, có thể nhắc thêm tới các trận lụt dưới đây:

 Tháng 8 năm 1968, khu vực Bắc Bộ Việt Nam chịu ảnh hưởng của 2 cơn bão liên tiếp là bão số 3 đổ bộ và Quảng Ninh và bão số 4 đổ bộ vào Nam Định

Mưa lớn kéo dài đã gây lũ lớn làm vỡ đê sông Hồng, sông Thái Bình và sông Thao

 Tháng 11 năm 1984, mưa lớn trên diện rộng đã gây ra ngập nước tràn lan trong nội thành Hà Nội Trong đó, lượng mưa kỷ lục được ghi nhận vào ngày 10 tháng

11 năm 1984 là 394 mm

 Tháng 8 năm 2002 xảy ra mưa lớn kéo dài trong nhiều ngày kết hợp với việc hệ thống cống thoát đang cải tạo, gây nên ngập úng trong nội thành Hà Nội nhiều ngày liên tục

 Từ ngày 30 tháng 10 năm 2008, trên khu vực miền Bắc xảy ra trận mưa trái mùa lớn kỷ lục và kéo dài trong nhiều ngày liên tiếp gây nên ngập úng nghiêm trọng trong nội thành Hà Nội Đến rạng sáng ngày 3 tháng 11 năm 2008, trên địa bàn thủ đô Hà Nội vẫn còn khoảng 63 điểm ngập úng nặng

2.1.2 Số liệu quan trắc

Trong nghiên cứ u này, bô ̣ số liệu sử du ̣ng bao gồm số liê ̣u quan trắc lượng mưa ngày ta ̣i tra ̣m khí tượng Hà Nội trong giai đoa ̣n 1961 - 2005 Bô ̣ số liê ̣u này được sử

dụng để hiê ̣u chỉnh sai số đối với các kết quả mô phỏng và dự tính từ các mô hình khí

hậu thu thập từ dự án CMIP5 cũng như đánh giá kĩ năng của phương pháp hiệu chỉnh được áp dụng

Ngoài ra, để tiến hành xây dựng đườ ng cong IDF của mưa, nghiên cứu cũng sử dụng chuỗi số liệu mưa thời đoa ̣n ngắn, với quy mô nhỏ hơn ngày bao gồm: 15’, 30’, 60’, 90’, 120’, 240’, 480’ và 720’ đối với giai đoạn 30 năm từ 1976 đến 2005 Bô ̣ số liệu quan trắc này được cung cấp bởi Viê ̣n Khoa học Khí tượng Thủy văn và Biến đổi khí hâ ̣u

2.1.3 Số liệu kịch bản

Như đã đề câ ̣p ở trên, nghiên cứu sẽ tiến hành xây dựng đường cong IDF của mưa cho thời kỳ cơ sở và thời kỳ tương lai Để phu ̣c vu ̣ mu ̣c tiêu này, bô ̣ số liê ̣u mô phỏng và dự tính từ 5 mô hình khí hâ ̣u toàn cầu thuô ̣c dự án CMIP5 được khai thác và

sử du ̣ng Trong đó, các mô hình đều có đô ̣ phân giải ngang lớn hơn 110km với 2 giai đoa ̣n 1961 - 2005 và 2070 - 2099 Chi tiết về các mô hình và các ki ̣ch bản được liê ̣t kê trong bảng dưới đây:

Bảng 2.1 Các mô hình khí hậu toàn cầu sử dụng trong nghiên cứu [6]

Mô hình Cơ quan phát

triển, Quốc gia

Độ phân giải ngang (°Lat x °Lon) Historical RCP4.5 RCP8.5 ACCESS1-0 CSIRO, Australia 1.9x1.2

Đối với số liệu mô phỏng và dự tính mô hình, từ chuỗi số liệu mưa ngày trên lưới thu thập được trong dự án CMIP5, học viên sử dụng phương pháp nội suy song tuyến tính [27] nhằm đưa số liệu mưa trên lưới về tọa độ trạm Láng, Hà Nội Từ đó, chuỗi số liệu này được hiệu chỉnh dựa trên chuỗi số liệu quan trắc lượng mưa ngày, phục vụ cho mục tiêu xây dựng đường cong IDF của mưa cho thời kỳ tương lai

2.2 Phương pha ́ p hiệu chỉnh thống kê

Từ chuỗi số liệu trên lưới với độ phân giải từ 1x1 độ kinh vĩ đến 2.5x2 độ kinh

vĩ, giá trị mưa được nội suy về trạm bằng phương pháp nội suy song tuyến tính Sau khi áp dụng phép nội suy, thu được chuỗi số liệu mô hình tại trạm Hà Nội cho các thời

kỳ 1961 – 2005 và 2070 – 2099 cho 2 kịch bản RCP4.5 và RCP8.5 Tuy nhiên, chuỗi

số liệu mô phỏng và dự tính tương lai này hàm chứa sai số rất lớn so với thực tế, do