Nghiên cứu xác lập cơ sở khoa học cho hệ hỗ trợ cảnh báo lũ lưu vực sông vu gia thu bồn, tỉnh quảng nam

Trong những năm qua, đã có nhiều nghiên cứu về cảnh báo lũ được thực hiện trên thế giới với nhiều phương pháp khác nhau như sử dụng mạng cảm biến không dây [70,106], hệ thống nhúng với m

ĐẠI HỌC QUỐC GIA HÀ NỘI

TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN

-

Nguyễn Thị Hồng

NGHIÊN CỨU XÁC LẬP CƠ SỞ KHOA HỌC CHO HỆ HỖ TRỢ CẢNH BÁO LŨ LƯU VỰC SÔNG VU GIA - THU BỒN, TỈNH QUẢNG NAM

LUẬN ÁN TIẾN SĨ ĐỊA LÝ

HÀ NỘI - 2017

ĐẠI HỌC QUỐC GIA HÀ NỘI

TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN

-

Nguyễn Thị Hồng

NGHIÊN CỨU XÁC LẬP CƠ SỞ KHOA HỌC CHO HỆ HỖ TRỢ CẢNH BÁO LŨ LƯU VỰC SÔNG VU GIA - THU BỒN, TỈNH QUẢNG NAM

Chuyên ngành: Quản lý tài nguyên và môi trường

LUẬN ÁN TIẾN SĨ ĐỊA LÝ

NGƯỜI HƯỚNG DẪN KHOA HỌC

1 PSG.TS Nguyễn Kim Lợi

2 PSG.TS Trần Ngọc Anh

HÀ NỘI - 2017

LỜI CAM ĐOAN

Tôi xin cam đoan đây là công trình nghiên cứu của riêng tôi Các số liệu,

kết quả nêu trong luận án này là trung thực và chưa từng được ai công bố trong

bất kỳ công trình nào khác

Tác giả

Nguyễn Thị Hồng

LỜI CẢM ƠN

Luận án được hoàn thành tại Khoa Địa lý, Trường Đại học Khoa học Tự nhiên, Đại học Quốc gia Hà Nội dưới sự hướng dẫn khoa học tận tình và chu đáo của PGS.TS Nguyễn Kim Lợi và PGS.TS Trần Ngọc Anh - Tác giả xin bày tỏ lòng biết ơn sâu sắc nhất đến các thầy - những người đã thường xuyên động viên, cố vấn khoa học cho tác giả trong suốt thời gian thực hiện luận án

Trong quá trình nghiên cứu, tác giả đã nhận được những chỉ bảo và góp ý quý báu của các thầy cô giáo công tác trong và ngoài trường: GS.TS Nguyễn Cao Huần, GS.TS Trần Nghi, GS.TSKH Phạm Hoàng Hải, GS.TSKH Đặng Trung Thuận, GS.TS Võ Chí Mỹ, GS.TS Nguyễn Khanh Vân, PGS.TS Phạm Quang Tuấn, PGS.TS Đặng Văn Bào, PGS TS Nguyễn Ngọc Khánh, PGS.TS Nguyễn Thanh Sơn, PGS.TS Uông Đình Khanh, PGS.TS Hà Ngọc Hiến, PGS.TS Nguyễn Thanh Hùng, PGS.TS Nguyễn Duy Kiều, TS Nguyễn Thị Thúy Hằng, TS Ngô Văn Liêm… Xin chân thành cảm ơn sự giúp đỡ của Quý Thầy, Cô!

Tác giả cũng xin bày tỏ lòng biết ơn đến các thầy giáo, cô giáo và các bạn đông nghiệp đang công tác tại Khoa Địa lý, Khoa Địa chất và phòng Sau Đại học - Trường Đại học Khoa học Tự nhiên, Đại học Quốc gia, Hà Nội đã tâm huyết truyền dạy kiến thức và luôn tạo điều kiện tốt nhất cho tác giả hoàn thành luận án

Xin cám ơn các anh chị ở Sở Tài nguyên và Môi trường tỉnh Quảng Nam, Đài Khí tượng Thủy văn Khu vực Trung trung Bộ đã giúp đỡ tác giả trong quá trình

đi điều tra, khảo sát, thực địa tại địa phương

Tác giả cũng xin chân thành cảm ơn Ban chủ nhiệm đề tài cấp Nhà nước “Hệ

hỗ trợ trực tuyến cảnh báo lũ cho lưu vực sông Vu Gia - Thu Bồn, tỉnh Quảng Nam”, Mã số KC.01.24/11-15 đã hỗ trợ về mặt tài liệu

Tác giả xin gửi lời cảm ơn đến tất cả các thầy, cô giáo và đồng nghiệp công tác tại Trung tâm Nghiên cứu Biến đổi khí hậu, Trường Đại học Nông Lâm Thành phố Hồ Chí Minh và Trung tâm Động lực học Thủy khí Môi trường - Trường Đại học Khoa học Tự nhiên, Đại học Quốc gia Hà Nội

Cảm ơn gia đình, bạn bè đã động viên, giúp đỡ cả về vật chất và tinh thần để tác giả có thể hoàn thành được luận án này

Hà Nội, ngày tháng năm 2017

Tác giả

MỤC LỤC

MỤC LỤC 1

DANH MỤC CHỮ VIẾT TẮT 3

DANH MỤC BẢNG 4

DANH MỤC HÌNH 5

1.Tính cấp thiết của luận án 8

2 Mục tiêu và nội dung nghiên cứu 9

3 Đối tượng và phạm vi nghiên cứu 9

4 Những điểm mới của luận án 9

5 Những luận điểm bảo vệ 10

6 Ý nghĩa khoa học và thực tiễn của luận án 10

7 Cơ sở tài liệu, số liệu 11

8 Cấu trúc của luận án 11

Chương 1 CƠ SỞ LÝ LUẬN VÀ PHƯƠNG PHÁP NGHIÊN CỨU 12

1.1.Tổng quan các công trình nghiên cứu có liên quan 12

1.1.1 Trên thế giới 12

1.1.2.Ở Việt Nam 23

1.2.Cơ sở lý luận nghiên cứu 35

1.2.1 Những khái niệm cơ bản 35

1.2.2. Các căn cứ khoa học 38

1.3 Cách tiếp cận và phương pháp nghiên cứu 41

1.3.1 Cách tiếp cận 44

1.3.2 Phương pháp nghiên cứu 47

1.3.3 Quy trình nghiên cứu 54

Tiểu kết chương 1 56

Chương 2 CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN LŨ VÀ ĐẶC ĐIỂM LŨ

TRÊN LƯU VỰC SÔNG VU GIA - THU BỒN 57

2.1 Các nhân tố ảnh hưởng đến lũ tại lưu vực sông Vu Gia - Thu Bồn 57

2.1.1 Vị trí địa lý 57

2.1.2 Khí hậu 58

2.1.3 Đặc điểm cấu trúc địa chất và địa hình 61

2.1.4 Đặc điểm thủy văn 65

2.1.5 Thổ nhưỡng và lớp phủ thực vật 69

2.1.6 Các hoạt động kinh tế - xã hội 74

2.2 Phân vùng địa lý tự nhiên và phân chia tiểu lưu vực 81

2.2.1 Phân vùng địa lý tự nhiên 81

2.2.2 Phân chia tiểu lưu vực 86

2.3 Đặc điểm lũ trên lưu vực sông Vu Gia - Thu Bồn 88

2.3.1 Một số trận lũ lịch sử 88

2.3.2 Thiệt hại do lũ gây ra 91

Tiểu kết chương 2 94

Chương 3 XÁC LẬP HỆ THỐNG TRẠM QUAN TRẮC MƯA VÀ

HỆ THỐNG CẢNH BÁO LŨ LƯU VỰC SÔNG VU GIA - THU BỒN 97

3.1 Hệ thống trạm quan trắc mưa phục vụ cảnh báo lũ lưu vực sông

Vu Gia - Thu Bồn 97

3.1.1 Hiện trạng hệ thống trạm quan trắc khí tượng thủy văn 97

3.1.2 Số lượng và vị trí lắp đặt trạm đo mưa bổ sung 102

3.2 Thiếp lập mô hình phục vụ hệ hỗ trợ cảnh báo lũ lưu vực sông

Vu Gia - Thu Bồn 114

3.2.1 Cơ sở dữ liệu 115

3.2.2 Thiết lập mô hình SWAT 119

3.2.3 Hiệu chỉnh và Kiểm định mô hình SWAT 125

3.2.4 Thiết lập mô hình HEC-RAS 131

3.2.5 Hiệu chỉnh và Kiểm định mô hình HEC-RAS 132

3.3 Đánh giá tính hiệu quả mô phỏng lũ với hệ thống trạm đo mưa bổ sung 136

3.4 Xây dựng hệ hỗ trợ cảnh báo lũ cho lưu vực sông Vu Gia - Thu Bồn 141

Tiểu kết chương 3 147

KẾT LUẬN 148

KIẾN NGHỊ 150

DANH MỤC CÁC CÔNG TRÌNH KHOA HỌC CỦA TÁC GIẢ

LIÊN QUAN ĐẾN LUẬN ÁN 151

TÀI LIỆU THAM KHẢO 152

PHỤ LỤC 165

Phụ lục 1 166

Phụ lục 2a Phiếu điều tr hả n ng th ch ứng với lũ lụt

(dành cho người dân vùng hạ lưu LVS VGTB) 168

Phụ lục 2b Phiếu điều tra kinh tế- xã hội và tài nguyên môi trường tỉnh

Quảng N m (dành cho người dân vùng trung và thượng lưu LVS VGTB) 175

Phụ lục 3 185

DANH MỤC CHỮ VIẾT TẮT

ANN Artificial Neural Network

(Mạng thần kinh nhân tạo)

ATNĐ Áp thấp nhiệt đới

HTNĐ Hội tụ nhiệt đới

HEC-RAS Hydrological Engineering Centre - Geospatial River Analysis System

(Mô hình thủy lực một chiều)

HRUs Hydrologic Response Units

(Đơn vị thủy văn)

KKL Không khí lạnh

KTTV Khí tượng thủy văn

PDC Pacific Disaster Center

(Trung tâm Ứng phó Thảm họa Thái Bình Dương)

USAID U.S Agency for International Development

(Cơ quan Phát triển Quốc tế Hoa Kỳ)

SWAT Soil and Water Assessment Tool

(Mô hình mô phỏng dòng chảy mặt qua độ ẩm đất )

VGTB Vu Gia - Thu Bồn

DANH MỤC BẢNG

Bảng 2.1 Tỷ lệ ảnh hưởng của hệ thống thông tin liên lạc, giao thông, dịch vụ y tế

công cộng trong mùa lũ 94

Bảng 3.1 Thông tin về các điểm/trạm có đo mưa trên lưu vực sông

Vu Gia - Thu Bồn 98

Bảng 3.2 Thống kê các trận lũ lớn và hình thế thời tiết điển hình trên lưu vực

sông Vu Gia Thu Bồn 103

Bảng 3.3 Lượng mưa quan trắc trên lưu vực sông Vu Gia Thu Bồn ứng với

hình thế thời tiết Bão hoặc ATNĐ kết hợp với KKL giai đoạn 1980-2015 104

Bảng 3.4 Lượng mưa quan trắc trên lưu vực sông Vu Gia Thu Bồn ứng với

hình thế thời tiết KKL, dải HTNĐ, đới gió đông và tổ hợp của chúng giai đoạn 1980 - 2015 106

Bảng 3.5 Lượng mưa trung bình các trận lũ trên lưu vực sông Vu Gia - Thu Bồn

do Bão và ATNĐ gây ra giai đoạn 1980 - 2015 108

Bảng 3.6 Danh sách trạm quan trắc mưa tự động lắp đặt 112

trên lưu vực sông Vu Gia Thu Bồn 112

Bảng 3.7 Loại dữ liệu và nguồn dữ liệu 115

Bảng 3.8 Khái quát hiện trạng dữ liệu đầu vào và tiêu chí cần đạt 117

Bảng 3.9 Khung tiêu chí cho số liệu Khí tượng Thủy văn 118

Bảng 3.10 Một số thông số ảnh hưởng dòng chảy cần phân tích 124

Bảng 3.11 Chỉ số đánh giá kết quả hiệu chỉnh mô hình năm 2003 125

Bảng 3.12 Chỉ số đánh giá kết quả hiệu chỉnh mô hình năm 2009 125

Bảng 3.13 Chỉ số đánh giá kết quả kiểm định mô hình 2004 126

Bảng 3.14 Chỉ số đánh giá kết quả kiểm định mô hình 2013 126

Bảng 3.15 Bộ thông số chính của mô hình SWAT sau khi hiệu chỉnh, kiểm định 130

Bảng 3.16 Bảng thống kê các mặt cắt trong mạng thủy lực sông VGTB 131

Bảng 3.17 Kết quả đánh giá hiệu chỉnh mô hình 133

Bảng 3.18 Kết quả đánh giá kiểm định mô hình 134

Bảng 3.19 Hệ số nhám trung bình của các đoạn sông 136

DANH MỤC HÌNH

Hình 1.1 Hệ thống cảnh báo lũ đầy đủ 14

Hình 1.2 Phương pháp dự báo lũ dựa trên mô hình MARINE 16

Hình 1.3 Cấu trúc hệ thống quản lý lũ cho LVS Tùng Hoa 19

Hình 1.4 Sơ đồ hệ thống dự báo lũ tại LVS Maritsa và Tundzha 20

Hình 1.5 Hệ thống cảnh báo sớm lũ lụt tại LVS Garang 21

Hình 1.6 Hệ thống cảnh báo lũ quét tại Nậm La và Nậm Pàn 27

Hình 1.7 Bản đồ trực tuyến trong hệ thống cảnh báo lũ lụt tại Phú Thọ 29

Hình 1.8 Quy trình xây dựng CSDL tự nhiên 50

Hình 1.9 Quy trình phân tích, thiết kế, xây dựng CSDL KTTV 51

Hình 1.10 Tiến trình thành lập bản đồ thực phủ lưu vực sông Vu Gia - Thu Bồn 52

Hình 1.11 Sơ đồ tiến trình mô phỏng dòng chảy của lưu vực 53

Hình 1.12 Mô phỏng mực nước từ 1990 đến 2015 54

Hình 1.13 Sơ đồ nghiên cứu luận án 55

Hình 2.1 Phạm vi lưu vực sông Vu Gia - Thu Bồn (phần thuộc tỉnh Quảng Nam) 57

Hình 2.2 Bản đồ địa chất lưu vực sông Vu Gia - Thu Bồn 62

Hình 2.3 Bản đồ phân bậc địa hình lưu vực sông Vu Gia - Thu Bồn

(phần thuộc tỉnh Quảng Nam) 64

Hình 2.4 Bản đồ hệ thống sông ngòi tỉnh Quảng Nam 68

Hình 2.5 Sơ đồ duỗi thẳng chi tiết hệ thống sông Vu Gia - Thu Bồn 69

Hình 2.6 Bản đồ thổ nhưỡng lưu vực sông Vu Gia - Thu Bồn 71

Hình 2.7 Bản đồ lớp phủ thực mặt đất lưu vực sông Vu Gia - Thu Bồn

giai đoạn 2011- 2012 73

Hình 2.8 Vị trí mẫu khảo sát khu vực thượng, trung lưu (nhánh Vu Gia) 74

Hình 2.9 Ảnh hưởng của hoạt động khai thác khoáng sản tới lũ vùng hạ lưu 75

Hình 2.10 Thiệt hại do lũ lụt sau khi có hồ chứa thủy điện 77

Hình 2.11 Ý kiến của người dân địa phương nhận định về diện tích rừng 78

Hình 2.12 Ý kiến của người dân nhận định về ảnh hưởng của thay đổi diện tích rừng tới đời sống tại địa phương 79

Hình 2.13 Sơ đồ nguyên tắc phân vùng địa lý tự nhiên một khu vực lãnh thổ 83

Hình 2.14 Sơ đồ phân vùng địa lý tự nhiên lưu vực sông Vu Gia - Thu Bồn 85

Hình 2.15 Bản đồ phân chia tiểu lưu vực trên nền DEM lưu vực sông

Vu Gia - Thu Bồn (địa phận thuộc tỉnh Quảng Nam) 87

Hình 2.16 Vị trí mẫu khảo sát khu vực hạ lưu 93

Hình 2.17 Ảnh hưởng của lũ đến đời sống người dân vùng hạ lưu 93

Hình 3.1 Bản đồ mạng lưới trạm Khí tượng Thủy văn trên lưu vực sông

Vu Gia - Thu Bồn 99

Hình 3.2 Tương quan giữa tỷ lệ trạm và độ cao của lưu vực sông

Vu Gia - Thu Bồn 100

Hình 3.3 Bản đồ phân bố lượng mưa trung bình các đợt mưa do Bão hoặc ATNĐ kết hợp KKL giai đoạn 1980-2015 trên lưu vực sông Vu Gia - Thu Bồn 105

Hình 3.4 Bản đồ phân bố lượng mưa trung bình các đợt mưa do KKL,

đới gió đông, dải HTNĐ hoặc tổ hợp của chúng giai đoạn 1980-2015 trên lưu vực sông Vu Gia - Thu Bồn 107

Hình 3.5 Bản đồ phân bố lượng mưa trung bình các đợt mưa do Bão hoặc ATNĐ

giai đoạn 1980-2015 trên lưu vực sông Vu Gia Thu Bồn 109

Hình 3.6 Sơ đồ mạng lưới trạm đo mưa đề xuất trên lưu vực sông

Vu Gia - Thu Bồn 113

Hình 3.7 Bản đồ hiện trạng sử dụng đất lưu vực sông Vu Gia - Thu Bồn

(theo mã SWAT) 120

Hình 3.8 Bản đồ phân loại đất theo thành phần cơ giới lưu vực sông

Vu Gia - Thu Bồn (theo mã SWAT) 121

Hình 3.9 Bản đồ độ dốc lưu vực sông Vu Gia - Thu Bồn 122

Hình 3.10 Cửa sổ thao tác chạy mô hình SWAT 123

Hình 3.11 Kết quả hiệu chỉnh lưu lượng tại trạm Nông Sơn 2003 126

Hình 3.12 Kết quả hiệu chỉnh lưu lượng tại trạm Thành Mỹ 2003 127

Hình 3.13 Kết quả hiệu chỉnh lưu lượng tại trạm Nông Sơn 2009 127

Hình 3.14 Kết quả hiệu chỉnh lưu lượng tại trạm Thành Mỹ 2009 128

Hình 3.15 Kết quả kiểm định lưu lượng tại trạm Nông Sơn 2004 128

Hình 3.16 Kết quả kiểm định lưu lượng tại trạm Thành Mỹ 2004 129

Hình 3.17 Kết quả kiểm định lưu lượng tại trạm Nông Sơn 2013 129

Hình 3.18 Kết quả kiểm định lưu lượng tại trạm Thành Mỹ 2013 130

Hình 3.19 Mạng lưới thủy lực hệ thống sông Vu Gia Thu Bồn 131

Hình 3.20 Kết quả hiệu chỉnh mực nước mô hình HEC-RAS tại trạm TV

Ái Nghĩa 133

Hình 3.21 Kết quả hiệu chỉnh mô hình HEC-RAS tại trạm TV Giao Thủy 134

Hình 3.22 Kết quả kiểm định mô hình HEC-RAS tại trạm TV Ái Nghĩa 135

Hình 3.23 Kết quả kiểm định mô hình HEC-RAS tại trạm TV Giao Thủy 135

Hình 3.24 Kết quả mô phỏng mực nước tại trạm Giao Thủy 137

Hình 3.25 Kết quả mô phỏng mực nước tại trạm Ái Nghĩa ứng với trận lũ 13/09/2015 - 20/09/2015 138

Hình 3.26 Kết quả mô phỏng mực nước tại trạm Giao Thủy ứng với trận lũ 14/10/2015 - 20/10/2015 138

Hình 3.27 Kết quả mô phỏng mực nước tại trạm Ái Nghĩa ứng với trận lũ 14/10/2015 - 20/10/2015 139

Hình 3.28 Kết quả mô phỏng mực nước tại trạm Giao Thủy ứng với trận lũ 31/10/2015 - 14/11/2015 139

Hình 3.29 Kết quả mô phỏng mực nước tại trạm Ái Nghĩa ứng với trận lũ 31/10/2015 - 14/11/2015 140

Hình 3.31 Kết quả mô phỏng mực nước tại trạm Ái Nghĩa ứng với trận lũ 30/10/2016 - 07/11/2016 141

Hình 3.32 Cấu trúc, nguyên lý hoạt động của hệ thống cảnh báo lũ LVS VGTB 143

Hình 3.33 Mô-đun cung cấp thông tin dự báo, cảnh báo lũ lụt theo

thời gian thực 144

Hình 3.34 WebGIS cung cấp, quản lý số liệu KTTV, ngập lụt theo

thời gian thực 144

Hình 3.35 Quá trình kích hoạt mô-đun cảnh báo lũ qua tin nhắn SMS 145

MỞ ĐẦU

1 Tính cấp thiết của luận án

Lũ là một trong những thiên tai có sức tàn phá rất lớn trên toàn thế giới nói chung và ở Việt Nam nói riêng Lũ xảy ra làm tràn ngập và phá hủy các công trình, nhà cửa dọc theo sông và thường xuyên đe dọa cuộc sống của người dân, gây ra những tổn thất đáng kể về người, tài sản và cơ sở hạ tầng

Quảng Nam là tỉnh hàng năm thường xuyên chịu ảnh hưởng của nhiều thiên tai, trong đó bão, lũ được xếp hàng đầu về phạm vi ảnh hưởng, mức độ nghiêm trọng và tần suất xuất hiện Đặc biệt trong những năm gần đây, dưới ảnh hưởng của biến đổi khí hậu (BĐKH) và áp lực phát triển kinh tế - xã hội, tình hình lũ lụt trên địa bàn tỉnh diễn biến ngày càng bất thường, gây thiệt hại ngày càng lớn về người, tài sản và cơ sở

hạ tầng Cụ thể theo thống kê từ năm 1997 đến 2015, lũ lụt đã làm 590 người chết, 33 người mất tích, 1.560 người bị thương; thiệt hại về tài sản, cơ sở hạ tầng lên tới 9.452,75 tỷ đồng [4] Đặc biệt đợt lũ năm 2007 và 2009 được xem là thiên tai gây hậu quả nặng nề nhất trong vòng 100 năm qua ở Quảng Nam với tổng thiệt hại lên tới 5.700 tỷ đồng [5] Có thể thấy rằng thiệt hại về mặt con người và kinh tế do các trận

lũ lớn gây ra tương đồng với mức độ lớn của lũ Chính vì vậy, lũ lụt đã và đang hạn chế sự phát triển kinh tế của tỉnh Quảng Nam, gây tác động tiêu cực đến môi trường cũng như đời sống xã hội Qua nghiên cứu cho thấy các hệ thống cảnh báo lũ hiện nay tại lưu vực sông (LVS) Vu Gia - Thu Bồn (VGTB) chủ yếu tập trung cho dự báo chứ chưa có hệ thống cảnh báo đầy đủ, tuy đã góp phần hạn chế được những thiệt hại

về người và của nhưng vẫn chưa thực sự đáp ứng được các đòi hỏi của thực tiễn, thiệt hại do lũ gây ra vẫn còn rất nặng nề và thường để lại những hậu quả to lớn cả trong trước mắt và lâu dài Vì vậy, việc xây dựng một hệ thống cảnh báo thiên tai, đặc biệt

là lũ trên LVS VGTB là hết sức cần thiết, làm cơ sở cho việc xây dựng kế hoạch ứng phó và quản lý thiên tai trên địa bàn tỉnh Quảng Nam nói chung và LVS VGTB nói riêng Xuất phát từ nhu cầu thực tiễn là cơ sở để nghiên cứu sinh đề xuất đề tài luận

án “Nghiên cứu xác lập cơ sở khoa học cho hệ hỗ trợ cảnh báo lũ lưu vực sông

Vu Gia - Thu Bồn, tỉnh Quảng Nam”

2 Mục tiêu và nội dung nghiên cứu

a Mục tiêu

Xác lập được cơ sở khoa học cho thiết kế bổ sung trạm đo mưa và xây dựng

hệ hỗ trợ cảnh báo lũ thông qua tích hợp GIS, mô hình SWAT và HEC-RAS trên LVS VGTB, tỉnh Quảng Nam

b Nội dung nghiên cứu

 Tổng quan cơ sở lý luận và thực tiễn của các hệ hỗ trợ cảnh báo lũ

 Tìm hiểu về hiện trạng lũ trên LVS VGTB

 Phân tích nhóm các nhân tố ảnh hưởng tới lũ trên LVS VGTB

 Đánh giá thực trạng mạng lưới trạm KTTV hiện tại, từ đó xác định số lượng trạm cần lắp thêm trên LVS VGTB Xác định vị trí phù hợp lắp đặt trạm đo mưa để

hỗ trợ việc thu thập dữ liệu phục vụ cảnh báo lũ cho LVS VGTB

 Thiết lập, hiệu chỉnh, kiểm định mô hình SWAT, HEC-RAS mô phỏng lũ

 Tích hợp, tự động hóa kết nối mô hình SWAT, HEC-RAS để dự báo lũ theo thời gian thực phục vụ xây dựng hệ thống hỗ trợ cảnh báo lũ trên LVS VGTB

3 Đối tượng và phạm vi nghiên cứu

 Đối tượng nghiên cứu:

Đặc điểm lũ trên LVS VGTB, các nhân tố ảnh hưởng đến lũ và mô hình cảnh báo

lũ, mạng lưới quan trắc mưa phục vụ dự báo và cảnh báo lũ

4 Những điểm mới của luận án

- Đã xác định được số lượng trạm và vị trí lắp đặt các trạm đo mưa bổ sung phù hợp với đặc điểm và sự phân hóa các điều kiện địa lý phục vụ tăng cường chất lượng dự báo, cảnh báo lũ trên LVS VGTB

- Đã xác lập được hệ hỗ trợ cảnh báo lũ đầy đủ phù hợp với LVS VGTB dựa trên tích hợp GIS, mô hình SWAT và HEC-RAS

5 Những luận điểm bảo vệ

Luận điểm 1:Đặc điểm và sự phân hóa các điều kiện địa lý là cơ sở khoa học cho việc xác định số lượng và bổ sung các trạm đo mưa phù hợp phục vụ cảnh báo

lũ LVS VGTB

Luận điểm 2: Hệ thống hỗ trợ cảnh báo lũ hoàn chỉnh được xây dựng trên cơ sở

tích hợp GIS, mô hình SWAT và HEC-RAS cùng với số lượng trạm đo mưa phù hợp góp phần tăng cường chất lượng dự báo, cảnh báo lũ trên LVS VGTB

6 Ý nghĩ ho học và thực tiễn của luận án

Luận án đã đề xuất sử dụng kết hợp mô hình SWAT với HEC-RAS cho mô phỏng và dự báo lũ ở LVS VGTB với những kết quả đáng khích lệ và cho thấy khả năng ứng dụng của bộ công cụ này trong các nghiên cứu tương tự

 Ý nghĩa thực tiễn

- Kết quả của luận án cung cấp cách tiếp cận nghiên cứu cảnh báo lũ phù hợp với điều kiện LVS VGTB thông qua xây dựng hệ hỗ trợ cảnh báo lũ theo thời gian thực nhằm cung cấp thông tin đầy đủ về tình hình thời tiết, diễn biến lũ (lưu lượng dòng chảy, mực nước) nhằm giảm thiểu thiệt hại về người và của cho người dân trên LVS Đồng thời, là tiền đề để tiến đến xây dựng hoàn thiện một hệ thống cảnh báo sớm (Early Warning System) phục vụ cho việc phòng chống các thiên tai trong tương lai

- Hệ thống cảnh báo này sẽ cung cấp cho người dân, chính quyền địa phương các thông tin hữu ích về tình trạng lũ trên LVS, qua đó hỗ trợ cho việc ra quyết định

di tản người dân, tài sản một cách chủ động nhằm giảm thiểu những thiệt hại do lũ gây ra

7 Cơ sở tài liệu, số liệu

Nguồn tài liệu sử dụng trong luận án gồm các nhóm như sau:

 Hệ thống các bản đồ số được thu thập từ các cơ quan chức năng ở các tỷ lệ khác nhau:

- Bản đồ tỷ lệ 1/25.000: Bản đồ nền cơ bản (thủy hệ, giao thông, ranh giới hành chính), bản đồ hiện trạng sử dụng đất tỉnh Quảng Nam năm 2010

- Bản đồ tỷ lệ 1/10.000: Bản đồ nền địa hình

 Ảnh viễn thám tỉnh Quảng Nam gồm 10 cảnh ảnh:

- Ảnh vệ tinh SPOT5 PAN xử lý mức 2A, độ phân giải 5m năm 2011 - 2012

- Ảnh vệ tinh SPOT5 XS xử lý mức 2A, độ phân giải 10m năm 2011 - 2012

 Hệ thống tài liệu: Các tài liệu, số liệu từ các bài báo, tạp chí, đề tài nghiên cứu khoa học hay những tài liệu thống kê báo cáo thực trạng và định hướng phát triển kinh tế - xã hội, dữ liệu tình hình thiên tai, bão, lũ lụt, số liệu KTTV của các

Sở ban ngành tỉnh Quảng Nam

 Dữ liệu thừa kế đề tài: “Hệ hỗ trợ trực tuyến cảnh báo lũ cho LVS VGTB, tỉnh Quảng Nam”, Mã số KC.01.24/11-15 (NCS là thành viên chính tham gia đề tài)

8 Cấu trúc của luận án

Ngoài phần Mở đầu, Kết luận và kiến nghị, Tài liệu tham khảo và Phụ lục thì nội dung chính của luận án được trình bày trong 3 chương:

Chương 1: CƠ SỞ LÝ LUẬN VÀ PHƯƠNG PHÁP NGHIÊN CỨU

Chương 2: CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN LŨ VÀ ĐẶC ĐIỂM LŨ TRÊN

LƯU VỰC SÔNG VU GIA - THU BỒN

Chương 3: XÁC LẬP HỆ THỐNG TRẠM QUAN TRẮC MƯA VÀ HỆ THỐNG

CẢNH BÁO LŨ LƯU VỰC SÔNG VU GIA - THU BỒN

Chương 1

CƠ SỞ LÝ LUẬN VÀ PHƯƠNG PHÁP NGHIÊN CỨU

1.1 Tổng quan các công trình nghiên cứu có liên quan

1.1.1 Trên thế giới

1.1.1.1 Sự hình thành và phát triển DSS trong quản lý tài nguyên nước

Vào những năm đầu thập kỷ 90 của thế kỷ trước ở Mỹ đã xây dựng một hệ DSS quản lý tài nguyên nước cho LVS Colorado [130] Công ty CDM Mỹ đã xây dựng thành công DSS chuyên ngành phục vụ việc quy hoạch, tối ưu cấp nước dài hạn, áp dụng thành công ở Philadelphia, Los Angeles Ở Úc áp dụng khá thành công

hệ DSS trong quản lý lưu vực Murray-Darling [124] Ở Ai Cập, bộ Thủy lợi với hỗ trợ của công ty IT Synergy Group đã xây dựng một DSS chạy trên nền GIS chuyên phục vụ quản lý tưới [87] Tại nước Anh, C.K Makropoulos và các cộng sự đã nghiên cứu xây dựng bộ công cụ hỗ trợ ra quyết định trong quản lý tổng hợp tài nguyên nước đô thị nhằm tạo thuận lợi cho việc lựa chọn phối hợp các chiến lược

và công nghệ tiết kiệm nước và để hỗ trợ quản lý nước tổng hợp và bền vững [98] Một hệ thống hỗ trợ ra quyết định tổng hợp sử dụng phần mềm GIS được nhóm Hamed Assaf và các cộng sự thiết kế để giúp các nhà làm chính sách và các bên liên quan hiểu rõ hơn về quá trình gây suy thoái chất lượng nước mặt và dùng đánh giá các lựa chọn quản lý chất lượng nước ở lưu vực Litani của Lebanon [82] Hệ thống

hỗ trợ ra quyết định được phát triển dựa trên mô hình WEAP và sử dụng để đánh giá hai kế hoạch quản lý chất lượng nước chính có tính đến các biến thủy văn, không gian, thời gian và nhận biết kế hoạch tốt nhất

Với mục đích quản lý bền vững LVS, một nghiên cứu tại Đức do Sven Lautenbach và các cộng sự đã phát triển một hệ thống hỗ trợ ra quyết định (DSS) nhằm phân tích kịch bản và các lựa chọn quản lý bền vững LVS Elbe của nước Đức, gọi tắt là Elbe-DSS [108] Hệ thống này kết hợp các mô hình mô phỏng địa lý

và các bộ dữ liệu có liên quan Nội dung thiết kế hệ DSS được phát triển với sự hợp tác chặt chẽ của người sử dụng, trong đó người sử dụng có thể đánh giá hiệu quả của các hoạt động quản lý Ngoài việc thiết lập các kịch bản quản lý, nghiên cứu

còn đánh giá hiệu qủa của các kịch bản quản lý và rút ra các bài học cho việc phát triển DSS ở các lưu vực tương tự

Tác giả Veerakcuddy Rajasekaram đã xây dựng hệ hỗ trợ ra quyết định để giải quyết xung đột trong quản lý nước hồ chứa đa mục tiêu [118] Hệ DSS này gồm hệ thống thông tin liên lạc trong đó có sử dụng các công cụ tiện ích thông minh, hệ thống quản lý cơ sở dữ liệu và hệ thống quản lý dựa trên mô hình Hệ được thiết kế

để giải quyết xung đột giữa các nhóm mục tiêu là nhu cầu dùng nước cho tưới, nước sinh hoạt, nước vận hành thủy điện và giảm thiểu thiệt hại do lũ

Như vậy, có thể thấy rằng việc xây dựng và phát triển hệ hỗ trợ ra quyết định trên thế giới đã đạt nhiều thành công, đặc biệt là trong việc sử dụng để quản lý tổng hợp tài nguyên nước

1.1.1.2 Các nghiên cứu hệ hỗ trợ cảnh báo báo lũ trên thế giới

Để xây dựng một hệ thống quan trắc, cảnh báo lũ hiệu quả là vấn đề không hề đơn giản, vì nó đòi hỏi độ tin cậy cùng với sự sẵn có của các thông tin liên quan Trong những năm qua, đã có nhiều nghiên cứu về cảnh báo lũ được thực hiện trên thế giới với nhiều phương pháp khác nhau như sử dụng mạng cảm biến không dây [70,106], hệ thống nhúng với một trung gian [73,85], thu thập dữ liệu thời gian thực dựa trên internet [71], mô phỏng và dự báo lũ lụt [107] Bên cạnh công nghệ cảm biến, GIS và viễn thám cũng được sử dụng để cải thiện độ chính xác [119]

Một số hệ thống dự báo, cảnh báo lũ lụt điển hình trên thế giới có thể kể đến như:

- DELFT- FEWS [78]: Đây là hệ thống dự báo và cảnh báo thủy văn được phát triển bởi Deltares, Hà Lan Hệ thống này tích hợp nhiều mô-đun chuyên dụng với mức cấu hình cao và linh hoạt, có khả năng xử lý và tích hợp các bộ dữ liệu lớn

- Automated Local Evaluation in Real Time (ALERT) [104]: Đây là phương pháp sử dụng cảm biến từ xa để truyền dữ liệu môi trường về một máy tính trung tâm theo thời gian thực Phương pháp này được phát triển trong những năm 1970 bởi Trung tâm Dịch vụ Thời tiết Quốc gia và đã được sử dụng trong nhiều tổ chức như Cục Khảo sát Địa chất Mỹ, Hội Kỹ sư Quân đội Hoa Kỳ, Cục

Khai hoang, các cơ quan nhà nước, địa phương và các tổ chức quốc tế Hệ thống ALERT đã trở thành tiêu chuẩn trong thu thập dữ liệu theo thời gian thực về môi trường vì tính chính xác, độ tin cậy và chi phí thấp của nó Đến năm 2010, Hội đồng quốc gia cảnh báo thủy văn [104], kết hợp với các thành viên nhóm sử dụng ALERT, đã phát hành ALERT2, trong đó bao gồm thiết kế tiêu chuẩn mới cho việc truyền dữ liệu để cải thiện độ chính xác và mức độ hiệu quả của hệ thống nhằm phát hiện sớm lũ lụt và các thiên tai khác trên thế giới ALERT2 có cùng mức chi phí và độ tin cậy của hệ thống ALERT nhưng cung cấp dữ liệu nhanh hơn

10 lần với độ chính xác cao hơn

- Central America Flash Flood Guidance là một ví dụ về hệ thống cảnh báo

lũ quét ở phạm vi vùng [76] Hệ thống này cung cấp thông tin KTTV liên quan đến

lũ quét cho các quốc gia thuộc khu vực Trung Mỹ bao gồm Belize, Costa Rica, El Salvador, Guatemala, Honduras và Nicaragua

- Hệ thống dự báo lũ của Ủy ban sông Mekong hoạt động từ năm 1970 Đây là một hệ thống tích hợp cung cấp thông tin dự báo lũ lụt cho các nước thành viên thuộc LVS Mekong Hệ thống này bao gồm ba thành phần: thu thập - truyền dữ liệu, dự báo lũ lụt và cung cấp thông tin cảnh báo lũ ở cấp độ vùng cũng như quốc gia [72]

Nhìn chung, có thể có nhiều hệ thống cảnh báo lũ với nhiều biến thể, gồm nhiều phân hệ và các chức năng khác nhau nhưng có thể khái quát hóa chung một

hệ thống đầy đủ cần có 4 mô-đun/thành phần là (xem Hình 1.1): (1) Thu thập dữ liệu; (2) Xử lý lưu trữ dữ liệu; (3) Mô hình; (4) Truyền tin

Hình 1.1 Hệ thống cảnh báo lũ đầy đủ

+ + +

Thu thập dữ liệu Xử lý lưu trữ dữ liệu Mô hình Truyền tin

Hệ thống cảnh báo lũ đầy đủ

Trong đó, mô-đun Thu thập dữ liệu: sẽ bao gồm mạng lưới quan trắc KTTV

theo thời gian thực và cáchạ tầng viễn thông (GSM/GPRS, Internet) nhằm truyền

các dữ liệu đã quan trắc về hệ thống; mô-đun Xử lý lưu trữ dữ liệu: có chức năng

xác thực, tiếp nhận, lưu trữ và xử lý các số liệu quan trắc từ mạng lưới cũng như các thông tin dữ liệu khác (dự báo, cảnh báo,…) hoặc các nguồn thông tin khác như danh sáchngười sử dụng (người dân, cán bộ quản lý),… thường dưới dạng một cơ

sở dữ liệu; mô-đun Mô hình dự báo/cảnh báo lũ: đóng vai trò then chốt trong việc

xây dựng các kịch bản mô phỏng và dự báo lũ, thường dựa trên các mô hình thủy văn, thủy lực đã được hiệu chỉnh và kiểm chứng trên LVS nghiên cứu; và mô-đun

Truyền tin: giúp truyền và chuyển tải thông tin về dự báo/cảnh báo lũ đến cộng

đồng và người sử dụng thường qua các bản tin, email, trang web trực tuyến và trong thời gian gần đây có thể là gửi các tin nhắn khẩn cấp cho danh sách xác định sẵn những người sử dụng có đăng ký hoặc các ứng dụng trên điện thoại di động thông minh khác

Có rất nhiều các nghiên cứu về hệ thống cảnh báo lũ cả trên khía cạnh phát triển về lý thuyết cũng như phát triển các ứng dụng thực tiễn, nhìn chung có thể chia các nghiên cứu liên quan đến cảnh báo lũ trên thế giới theo hai hướng chính: phát triển riêng rẽ từng mô-đun thành phần trong hệ thống cảnh báo lũ (trong đó các nhà khoa học trong lĩnh vực khoa học trái đất thường chú ý đến mô-đun 1 và mô-đun 3)

và xây dựng một hệ thống cảnh báo lũ đầy đủ

a) Phát triển riêng rẽ từng thành phần trong hệ thống cảnh báo lũ

Mô phỏng lũ lụt được xem là yếu tố mấu chốt quyết định sự thành công của hệ thống cảnh báo lũ Do vậy, rất nhiều nghiên cứu đã được thực hiện liên quan đến xây dựng, phát triển mô hình lũ lụt, chính là phần lõi hay nền tảng của các hệ thống cảnh báo lũ hiện nay Các hướng nghiên cứu chính:

(1) Nghiên cứu về phát triển và cải tiến mô hình dự báo lũ

Vladimir và Arie (1995) [120] đã xây dựng một mô hình tổng hợp để dự báo

lũ quét theo thời gian thực cho sông Ayalon ở trung tâm Israel Mô hình này bao gồm bốn mô hình con: mô hình hồi quy tính toán dòng chảy tại các trạm thượng

nguồn trên hai nhánh sông lớn, mô hình truyền lũ mô phỏng thời gian dòng chảy di chuyển từ các trạm này đến trạm hạ lưu nằm trên dòng chính, đường cong thời gian-diện tích (time-area concentration curve) cho các tiểu lưu vực nằm giữa các trạm thượng nguồn và hạ nguồn, và đường cong suy giảm (recession curve) cho các trạm

hạ lưu Mô hình kết hợp với cơ chế thích ứng điều chỉnh liên tục các lỗi dự báo, có khả năng dự báo theo bảy bước thời gian khác nhau từ 0,5 đến 3,5 giờ Kết quả này cung cấp dữ liệu đầu vào thích hợp cho một hệ thống cảnh báo lũ trên sông Ayalon Valérie và cộng sự (2002) [116] đã phát triển phương pháp dự báo lũ quét dựa trên mô hình MARINE (Modélisation de l’Anticipation du Ruissellement et des Inondations pour des évéNements Extrêmes) như Hình 1.2 bao gồm hai phần: mô phỏng dòng chảy lũ ở phần thượng lưu và mô phỏng lan truyền lũ trong dòng sông chính Phương pháp này đã được thử nghiệm tại một số trận lũ quét gần đây trên lưu vực Địa Trung Hải của Pháp và cho thấy khả năng cung cấp các dữ liệu liên quan về tiến trình lũ lụt và áp dụng ngay cả khi dữ liệu quan trắc lịch sử thưa thớt

H nh 1.2 Phương pháp dự báo lũ dựa trên mô hình MARINE

Nguồn: Valérie và cộng sự (2002)

Knebl và cộng sự (2005) [93] phát triển một phương pháp mô phỏng lũ lụt ở quy mô khu vực tích hợp dữ liệu mưa NEXRAD, GIS và mô hình thủy văn HEC-HMS, mô hình thủy lực HEC-RAS cho LVS San Antonio, Hoa Kỳ Kết quả của nghiên cứu đã cung cấp một công cụ để dự báo lũ lụt trên quy mô khu vực, không chỉ cho LVS San Antonio mà còn có thể áp dụng cho các lưu vực khác trên toàn nước Mỹ

Trong khi đó, với mục tiêu cải thiện độ chính xác của quá trình mô phỏng lũ quét [17] đề xuất cách tiếp cận dựa trên mạng lưới thần kinh (Neural Networks) Đây là nghiên cứu thuộc dự án FLASH được tài trợ bởi Cơ quan Nghiên cứu của Pháp (French Agency of Research) Quá trình thử nghiệm tại LVS Gardon d’Anduze vào tháng 9/2002, 10/2008 và 11/2008 cho thấy kết quả mô phỏng rất khả quan trong vòng 3 giờ trước khi lũ, cho phép cảnh báo sớm đến người dân vùng bị ảnh hưởng của lũ

(2) Nghiên cứu thành lập bản đồ ngập lụt làm cơ sở cho quá trình dự báo và cảnh báo lũ

Một trong những kết quả đầu ra quan trọng trong bài toán cảnh báo lũ lụt đó là bản đồ vùng ngập lụt Để thành lập bản đồ ngập lụt, đòi hỏi phải sử dụng một lượng rất lớn dữ liệu đầu vào, dẫn đến tốn rất nhiều thời gian và tiền của Tuy nhiên, sự phát triển trong những năm gần đây của công nghệ thông tin, viễn thám và GIS đã

hỗ trợ rất nhiều cho công tác khảo sát thực địa, làm cho quá trình lập bản đồ lũ lụt được thực hiện một cách tự động và trực quan hơn Liên quan đến chủ đề này Thudchai, S., và Kampanad, B (2007) đã tiến hành nghiên cứu tích hợp GIS và mô hình thủy lực HEC-RAS đánh giá dòng chảy trên sông Mae Klong, Thái Lan, từ đó thành lập bản đồ nguy cơ lũ lụt [115] Trong nghiên cứu này, GIS được sử dụng để xây dựng mô hình địa hình số Sau đó, mô hình địa hình số được tích hợp với HEC-RAS để phác họa vùng ngập lụt, làm cơ sở cho quá trình dự báo và cảnh báo lũ Kết quả của nghiên cứu cho thấy GIS hỗ trợ đắc lực các kỹ sư thủy lực trong phát triển các mô hình thủy lực hiệu quả hơn thông qua khả năng hiển thị trực quan kết quả

mô phỏng

(3) Nghiên cứu tích hợp web và GIS hỗ trợ kiểm soát lũ

WebGIS ra đời trên cơ sở tích hợp web và GIS nhằm tận dụng những lợi thế của cả hai công nghệ Với sự phát triển nhanh chóng, WebGIS ngày càng đóng vai trò quan trọng trong các dịch vụ thông tin khẩn cấp, quyết định sự thành công của

hệ hỗ trợ kiểm soát lũ Quan tâm đến chủ đề này, Huicheng và cộng sự (2003) [86]

đã nghiên cứu cách thức tích hợp hiệu quả WebGIS với việc phân tích và tính toán kiểm soát lũ khẩn cấp tại tỉnh Hắc Long Giang, Trung Quốc Kết quả nghiên cứu cho thấy việc thiết kế một hệ thống kiểm soát lũ khẩn cấp trên nền WebGIS là hoàn toàn khả thi và cần thiết nhằm nâng cao hiệu quả kiểm soát lũ lụt khẩn cấp và đảm bảo mức độ tin cậy cho các quyết định

b) Xây dựng hệ thống cảnh báo lũ đầy đủ

Jin (2007) phát triển hệ hỗ trợ quyết định trong dự báo và cảnh báo lũ tại LVS Maribyrnong, Australia mang tên “Decision Support System for Flood Control in the Maribyrnong River basin” [90]

Hệ thống này gồm năm hệ thống con: hệ quản trị CSDL, khối mô hình; công

cụ phân tích và hiển thị dữ liệu không gian; hệ thống hỗ trợ quyết định; giao diện

Mô hình thủy văn “Unified River Basin Simulator” và mô hình thủy lực HEC-RAS trong khối mô hình được sử dụng để tính toán diễn biến lũ lụt và mực nước lũ trong vùng bị ngập lụt Đây là một hệ thống được thiết kế nhằm mục đích hỗ trợ các nhà quản lý đưa ra những quyết định kịp thời, chính xác trong dự báo lũ và cảnh báo từ khâu tìm kiếm dữ liệu cho đến khâu ra quyết định sau cùng

Steve và Sun (2008) đã phát triển hệ thống quản lý lũ lụt cho LVS Tùng Hoa, phía bắc Trung Quốc với mục đích nâng cao khả năng phòng chống lũ lụt và giảm thiểu thiệt hại do lũ gây ra [111] Đây là một hệ thống tích hợp 4 thành phần (xem Hình 1.3) bao gồm: (1) hệ thống dự báo lũ lụt nhanh chóng và tin cậy dựa trên cơ sở

mô hình toán, (2) các mô hình toán mô phỏng lũ lụt, vận hành hồ chứa được xây dựng dựa trên mô hình NAM và họ mô hình MIKE (MIKE 11HD, MIKE FLOOD, MIKE FLOODWATCH, MIKE 11-DA và MIKE 11SO), (3) hệ thống thông tin quản lý lũ lụt dựa trên GIS linh hoạt, thân thiện cho phép mô hình hóa, hiển thị dữ

liệu KTTV, vùng ngập lụt,… và (4) hệ hỗ trợ quyết định quản lý lũ lụt giúp nhà quản lý đề ra những chính sách quản lý lũ phù hợp và thực hiện những biện pháp ứng phó kịp thời với lũ lụt Hệ thống này đã được thử nghiệm thành công và nhận được sự phản ứng tích cực từ nhiều người sử dụng

H nh 1.3 Cấu trúc hệ thống quản lý lũ cho LVS Tùng Hoa

Nguồn: Steve, P., và Sun, Y , 2008

Michel (2008) đã xây dựng hệ thống cảnh báo lũ Econova cho các LVS ở Canada [102] Hệ thống này tích hợp các thông tin khí hậu và mực nước với tiến trình xử lý dữ liệu theo thời gian thực, mô hình dự báo lũ (MIKE 11 và MIKE FLOODWATCH) và công nghệ thông tin truyền thông Hệ thống này được ví như một giải pháp chìa khóa trao tay hỗ trợ các cấp chính quyền trong nhận diện, quản

lý, giảm thiểu thiệt hại do lũ lụt gây ra trong những khu vực bị ảnh hưởng trên tất cả các khía cạnh khác nhau của quản lý nguy cơ lũ lụt (chuỗi dữ liệu thời gian, vị trí địa lý, cảnh báo sớm lũ lụt, dự báo và lập bản đồ lũ lụt, tổ chức vận hành) Đây là hệ thống nhằm mục đích phục vụ cộng đồng, tạo nền tảng thúc đẩy việc xây dựng hệ thống cảnh báo lũ quét trên toàn thế giới

Arne và cộng sự (2010) mô tả một hệ thống dự báo lũ được phát triển cho LVS Maritsa và Tundzha, Bulgaria với hai thành phần chính (xem Hình 1.4) [66]: (1) mô hình số bao gồm một phần thủy văn (MIKE11-NAM) và một phần thủy lực (MIKE11-HD), (2) một hệ thống dự báo lũ (sử dụng MIKE-Flood Watch) Hệ thống này đã đi vào hoạt động từ tháng 11/ 2008

H nh 1.4 Sơ đồ hệ thống dự báo lũ tại LVS Maritsa và Tundzha

Nguồn: Arne, R., và cộng sự, 2010

Joko (2010) xây dựng hệ thống cảnh báo sớm lũ lụt tại LVS Garang, Indonesia

sử dụng công nghệ thông tin thông qua tin nhắn SMS và Web [91] (xem Hình 1.5) Trong nghiên cứu này, một hệ thống cảnh báo lũ sớm được xây dựng, thiết bị đo lượng mưa tự động được đặt ở thượng nguồn của sông Garang và thiết bị đo mực nước tự động được đặt trong đập Simongan Để thu nhận số liệu lượng mưa và mực nước, một máy chủ được đặt tại văn phòng chính phủ Semarang với chức năng gửi thông tin về tình trạng lũ lụt đến các cơ quan chuyên trách và cộng đồng bị ảnh hưởng bởi lũ lụt Mô hình ANN được sử dụng để dự đoán mực nước từ dữ liệu đầu vào là lượng mưa trên thượng nguồn từ 1, 2, 3, 4 hoặc 5 ngày trước lũ và mực nước

ở hạ lưu trong 3 giờ trước lũ Thông tin đầu ra của mô hình là mực nước hạ lưu trong 2 giờ tiếp theo Hệ thống này được tích hợp với tin nhắn SMS và Web cho phép truy cập thông tin cảnh báo lũ ở bất cứ nơi nào, chỉ cần có mạng lưới thông tin liên lạc

H nh 1.5 Hệ thống cảnh báo sớm lũ lụt tại LVS Garang

Nguồn: Joko, W., 2010

Trong dự án IMPRINTS [63] đã sử dụng cách tiếp cận song song để dự báo lũ quét Thay vì phát triển một hệ thống duy nhất, một chuỗi các hệ thống con bao gồm các mô hình và dữ liệu đầu vào khác nhau được đề xuất thực hiện theo tuần tự nhằm hỗ trợ thông tin với độ chính xác cao về lũ cho các nhà hoạch định chính sách Hệ thống đầu tiên được phát triển dựa trên cơ sở kế thừa phương pháp luận của hệ thống cảnh báo lũ Châu Âu (European Flood Alert System) để dự báo lũ quét, tạo tiền đề xây dựng hệ thống cảnh báo sớm lũ quét tại Châu Âu Hệ thống cuối cùng kế thừa mô hình dữ liệu cơ học (Data Based Mechanistic Model) để dự báo thời tiết và lượng mưa với khả năng dự báo mực nước sông trước 12 tiếng Cả hai hệ thống trên được thử nghiệm trong trận lũ quét xảy ra vào ngày 2 tháng 11 năm

2008 tại vùng Cévennes ở Pháp Kết quả cho thấy sự không chắc chắn trong dự báo khí tượng ảnh hưởng rất lớn đến kết quả Tuy nhiên, ở giai đoạn ban đầu, kết quả trên vẫn có giá trị nhất định đối với các nhà hoạch định chính sách trong đề xuất biện pháp ứng phó kịp thời với lũ

Trong năm 2011, ở tỉnh Nakhon Si Thammarat, Thái Lan đã phát triển hệ thống giám sát thủy văn theo thời gian thực với các yếu tố: mực nước, lưu lượng dòng chảy

và lượng mưa, phục vụ công tác giám sát lũ lụt [87] Mục tiêu chính của hệ thống bao gồm (1) trở thành một kênh thông tin cho lũ lụt cho các cơ quan có liên quan và các chuyên gia để nâng cao trách nhiệm và sự hợp tác, (2) cung cấp thông tin thủy văn, lũ lụt trực tuyến trên trang web nhằm phổ biến đến công chúng Hệ thống này bao gồm

ba thành phần chính: mạng lưới bộ cảm biến, đơn vị xử lý/truyền tin và CSDL/máy chủ ứng dụng Mạng lưới cảm biến được lắp đặt tại 15 vị trí sử dụng kết nối thông qua GPRS, đo lường dữ liệu thủy văn Trong khi đó, mô-đun xử lý, truyền tin được

sử dụng để truyền tải dữ liệu quan trắc về CSDL và máy chủ ứng dụng CSDL và máy chủ ứng dụng sau đó làm nhiệm vụ như một ứng dụng web cho phép người dùng xem dữ liệu thủy văn theo thời gian thực cũng như các dữ liệu lịch sử Ngoài ra, máy chủ ứng dụng cũng có thể gửi cảnh báo đến các cơ quan chuyên trách trong trường hợp khẩn cấp Để có thể dự báo mực nước, lưu lượng dòng chảy và lượng mưa trong

24 giờ tiếp theo, hệ thống sử dụng mô hình ANN

Qua các nghiên cứu trên thế giới, có thể thấy xu hướng rõ nét trong việc sử dụng các công nghệ và những giá trị gia tăng mang lại từ hệ thống cảnh báo lũ Những tiến bộ, hoàn thiện về công nghệ góp phần quan trọng trong xây dựng hệ thống cảnh báo lũ có thể kể đến như phương pháp đồng hóa dữ liệu, sử dụng dữ liệu không gian và mô hình hóa thông qua GIS, hệ thống dự báo cùng với hệ hỗ trợ quyết định, công nghệ truyền thông tiên tiến như công nghệ web và phát sóng di động Bên cạnh thông tin lũ lụt, những vấn đề quan tâm khác như dự báo chất lượng nước, tối ưu hóa vận hành thủy điện, quản lý tài nguyên nước cũng đã được tích hợp thêm vào hệ thống cảnh báo lũ

1.1.2 Ở Việt Nam

1.1.2.1 Các kết quả ứng dụng DSS ở Việt Nam

Trên cơ sở hệ DSS của sông Mekong, Hoàng Minh Tuyển (2006) [57], đã xây dựng thành công khung hỗ trợ ra quyết định (DSF) cho LVS Cả trong đề tài nghiên cứu cấp Bộ “Nghiên cứu xây dựng khung hỗ trợ ra quyết định trong quản lý tài nguyên nước LVS Cả”, được tiến hành trong các năm 2004-2006, trong đó tổ hợp

15 kịch bản quy hoạch tài nguyên nước sông Cả được tính toán khá đầy đủ Nhưng tác giả chỉ mới dừng ở việc xây dựng DSF, chưa đạt đến mức hệ DSS, chưa nghiên cứu sâu các vấn đề như mô-đun về nước ngầm, chất lượng nước, phân tích, tối ưu hóa, kết xuất thông tin các dạng khác nhau v.v

Ở Việt Nam cũng đã có một số nghiên cứu thiết kế và xây dựng hệ hỗ trợ ra quyết định trong quy hoạch đất đai, ví dụ công trình nghiên cứu của Nguyễn Hải Thanh (2008) [44], đã thu thập các số liệu sản xuất trồng trọt, phân tích và xử lý các

dữ liệu GIS, thiết kế cơ sở dữ liệu cho hệ thống thông tin, khảo sát mô hình ra quyết định nhóm nhằm thống nhất ý kiến chuyên gia để đưa ra các quyết định tập thể Hệ

hỗ trợ ra quyết định sử dụng đất được thiết kế phục vụ quy hoạch sử dụng đất nông nghiệp trong phạm vi cấp huyện, gồm các chức năng: quản trị hệ thống, tác nghiệp

dữ liệu bản đồ, quản lý cơ sở dữ liệu, giải mô hình quy hoạch và ra quyết định về quy hoạch Trong dự án quản lý tổng hợp tài nguyên nước Việt Nam do bộ Giáo dục và nghiên cứu của CHLB Đức (BMBF) tài trợ thực hiện 2006-2010, việc xây

dựng một DSS là một trong những mục tiêu nhằm hỗ trợ việc quản lý tổng hợp tài nguyên nước ở Việt Nam [112]

Nguyễn Kim Lợi (2006) nghiên cứu hệ hỗ trợ ra quyết định phục vụ quản lý bền vững tài nguyên nước, đã thực hiện công trình “Hệ thống thông tin hỗ trợ việc

ra quyết định (DSS) trong quản lý bền vững LVS Đồng Nai” [30] cho thấy tiềm năng sử dụng hệ DSS phục vụ nghiên cứu tài nguyên nước theo LVS là rất lớn Viện Quy hoạch Thủy lợi Việt Nam (2013), “Nghiên cứu và xây dựng hệ thống hỗ trợ ra quyết định phục vụ công tác quản lý và khai thác các nguồn tài nguyên nước ở Việt Nam” [132]

Viện Khoa học Thủy lợi là cơ quan đang thực hiện Dự án hợp tác nghiên cứu theo Nghị định thư với Đại học Côlônhơ (CHLB Đức) về “Xây dựng bộ công cụ

hỗ trợ ra quyết định trong quản lý LVS - áp dụng cho LVS Thạch Hãn (Quảng Trị) Đề tài đang được triển khai và tập trung chủ yếu vào đối tượng tài nguyên nước mặt [133]

Những tư liệu của Việt Nam dẫn ra ở trên cho thấy bước đầu việc ứng dụng hệ DSS ở Việt Nam đem lại hiệu quả rõ rệt, cũng như khả năng sử dụng hệ DSS trong nhiều lĩnh vực khác nhau, nhất là trong quy hoạch, khai thác các dạng tài nguyên thiên nhiên, bao gồm cả việc nghiên cứu, phân tích, đánh giá những tác hại tiềm ẩn

do nước gây ra như xói lở bờ sông, xói mòn trên lưu vực, hạn hán, lũ lụt, v.v Chính vì vậy nghiên cứu sinh đã lựa chọn hệ hỗ trợ ra quyết định như là một công

cụ để cảnh báo lũ lụt trên LVS VGTB tỉnh Quảng Nam nhằm góp phần giảm thiểu thiệt hại cho cộng đồng cư dân ven sông và vùng hạ lưu

1.1.2.2 Tổng quan về hệ hỗ trợ cảnh báo lũ ở Việt Nam

Tương tự như các nghiên cứu trên thế giới, các nghiên cứu liên quan đến hệ hỗ trợ cảnh báo lũ ở Việt nam cũng có thể phân chia theo hai hướng rõ rệt là:(1) cải tiến/phát triển các mô-đun thành phần trong hệ cảnh báo lũ (mà các nhà khoa học

thuộc lĩnh vực Khoa học trái đất thường chú trọng vào cải tiến mô-đun Quan trắc số liệu KTTV và mô-đun Mô hình hóa); (2) xây dựng/phát triển một hệ thống cảnh báo

đầy đủ Cụ thể:

a) Phát triển mô-đun mô hình hóa trong hệ thống cảnh báo lũ

(1) Phương pháp truyền thống

Một số phương pháp truyền thống được sử dụng trong tính toán và dự báo lũ lụt: Phương pháp Kalinhin - Miuliakốp - Nash (1985) [23] được đặc trưng bởi hai thông số chính về các đoạn sông đặc trưng và thông số mang ý nghĩa thời gian chảy truyền trên; Phương pháp tính dòng chảy đoạn sông có gia nhập khu giữa [24,39,43];

Mô hình HMC, phương pháp đường đơn vị, đường đẳng thời [23,43]

(2) Phương pháp sử dụng các mô hình thủy văn, thủy lực

Liên quan đến mảng nghiên cứu tính toán và dự báo lũ trên các LVS ở nước

ta, việc áp dụng mô hình thủy văn, thủy lực để khôi phục và xử lý số liệu ngày càng được sử dụng rộng rãi Đặc biệt, đối với những vùng ít được nghiên cứu thì sử dụng

mô hình toán còn được coi là công cụ ưu việt nhất Bên cạnh các phương pháp truyền thống trước, việc sử dụng các mô hình toán SSARR, TANK [62], NAM [40,61], ANN [22], SMART, USDAHL, HEC-RAS, SWMM, TOPMODEL, SCS [54,55] đã được nghiên cứu, khai thác, vận dụng linh hoạt phù hợp với các điều kiện về số liệu, cho kết quả tốt, đạt độ chính xác đáp ứng cho các yêu cầu quy hoạch, thiết kế Việc liên kết, tích hợp các phương pháp tính trên có khả năng đem lại hiệu quả cao trên cơ sở tận dụng được nhiều nguồn thông tin mà không một mô hình đơn lẻ nào có thể khái quát được [3]

Mô hình toán SSARR được khai thác sử dụng ở nước ta từ năm 1980, đầu tiên trong lĩnh vực thủy văn công trình và sau đó là trong việc cảnh báo, dự báo lũ ở đồng bằng châu thổ sông Cửu Long [48] Mô hình này cũng được triển khai áp dụng để dự báo lũ cho hệ thống sông Hồng và Thái Bình ở đồng bằng Bắc Bộ cho kết quả khả quan [21,28]

Mô hình TANK được sử dụng vào những năm cuối của thập kỷ 80 thế kỷ XX

ở Việt Nam Mô hình đơn giản, có ý nghĩa vật lý trực quan, thích hợp với các sông suối vừa và nhỏ, được sử dụng trong tính toán lũ ở sông Tả Trạch [62]

Mô hình MIKE là một mô hình tổng hợp thông dụng nhất trên thế giới với các mô-đun về thủy lực, phân tán chất lượng nước, chuyển tải bùn cát, mô phỏng mưa-

dòng chảy (mô hình NAM), mô hình sinh thái, dự báo lũ, vỡ đập,… Hiện nay, mô hình này được sử dụng rộng rãi trong các nghiên cứu về cảnh báo lũ lụt tại nước ta Một số trường hợp nghiên cứu điển hình như tại LVS Hương [46], hạ lưu hệ thống sông Nhật Lệ [6], hệ thống sông Bến Hải và Thạch Hãn [27], hạ lưu sông Chu [2] Ngoài ra, một số mô hình toán khác được áp dụng ở Việt Nam như mô hình WetSpa đây là mô hình thủy văn vật lý phân bố mô phỏng sự trao đổi năng lượng giữa lớp đất, lớp phủ thực vật và khí quyển để mô phỏng dòng chảy từ mưa [18]

Mô hình mạng thần kinh nhân tạo (ANN - Artificient Neural Network) có thể dự báo được mực nước, lưu lượng dòng chảy và lượng mưa [22,36]

Đa số mô hình toán được sử dụng trong các nghiên cứu liên quan đến cảnh báo lũ tại Việt Nam đều được du nhập từ nước ngoài, rất ít mô hình có xuất xứ trong nước Một vài mô hình tiêu biểu có thể kể đến như HYDROGIS [35], KOD [37] và VRSAP của Nguyễn Như Khuê

b) Xây dựng hệ thống dự báo, cảnh báo lũ

Hiện nay, ở nước ta, Trung tâm Dự báo Khí tượng Thủy văn Trung ương, trực thuộc Trung tâm Khí tượng Thủy văn Quốc gia, Bộ Tài nguyên và Môi trường, là

cơ quan cao nhất có chức năng dự báo, cảnh báo KTTV trong phạm vi cả nước Công tác dự báo, cảnh báo KTTV được tiến hành quanh năm, đặc biệt là trong mùa

lũ, theo các bước như sau [113]: (1) đầu tiên, dữ liệu KTTV thu nhận từ các trạm quan trắc được truyền về 9 Trung tâm Khí tượng Thủy văn Khu vực thông qua điện thoại hoặc mạng máy tính; (2) sau đó, dữ liệu được truyền về Trung tâm Khí tượng Thủy văn Quốc gia qua mạng máy tính; (3) tại đây, dữ liệu được mã hóa, xử lý và tổ chức thành CSDL phục vụ cho quá trình dự báo và công bố thông tin lên mạng, hỗ trợ cho các cơ quan KTTV và các cơ quan liên quan

(1) Các nghiên cứu ứng dụng

Năm 2000, hệ thống cảnh báo lũ quét đầu tiên ở nước ta được xây dựng tại hai lưu vực Nậm La và Nậm Pàn (tỉnh Sơn La) Hệ thống này được duy trì và phát triển cho đến nay (xem Hình 1.6) [97] Về mặt cấu trúc, hệ thống dự báo và cảnh báo lũ quét Nậm La - Nậm Pàn bao gồm mạng lưới các trạm tự động: 5 trạm đo mưa, 2

trạm khí tượng, 10 trạm đo mưa và mực nước, 2 trung tâm tiếp nhận, xử lý dữ liệu

và ra bản tin dự báo (Một được thiết lập tại thành phố Sơn La và một được thiết lập tại Trung tâm Dự báo Khí tượng Thủy văn Trung ương tại Hà Nội) Hệ thống này

có 3 trạm cảnh báo lũ quét tự động ở thành phố Sơn La, Bản Ái và Hát Lót Một trung tâm đặt tại Ủy ban nhân dân tỉnh Sơn La (Ban chỉ huy Phòng chống lụt bão tỉnh Sơn La) có chức năng quyết định biện pháp phòng chống, quản lý và thực hiện các biện pháp ứng phó lũ quét và một trung tâm đặt tại Ủy ban Nhân dân huyện Mai Sơn (Ban chỉ huy Phòng chống lụt bão huyện Mai Sơn) có chức năng thi hành các quyết định trên Về thu thập và truyền tải dữ liệu, hệ thống hoạt động từ tháng 5 đến cuối tháng 10 Dữ liệu quan trắc được lưu trữ tại các trạm và truyền về trung tâm xử

lý tại thành phố Sơn La Sau đó, chúng được truyền về Trung tâm Dự báo Khí tượng Thủy văn Trung ương Dữ liệu được truyền về một lần 3 giờ một lần trong điều kiện bình thường, mỗi giờ một lần trong trường hợp có mưa lớn ở khu vực Tây Bắc và mỗi 10 phút một lần khi dự báo có mưa lớn tại tỉnh Sơn La

H nh 1.6 Hệ thống cảnh báo lũ quét tại Nậm La và Nậm Pàn

Nguồn: Long, B.D., và Dung, P.T , 2009

Quy trình cảnh báo lũ quét của hệ thống diễn ra qua bốn bước tuần tự Bước đầu tiên, Trung tâm Dự báo Khí tượng Thủy văn Trung ương và Trung tâm tại Sơn

La theo dõi, phát hiện và dự báo các mô hình thời tiết nguy hiểm có thể gây mưa lớn và lũ lụt cho khu vực Tây Bắc Dữ liệu được tiếp nhận và truyền về mỗi giờ một lần Đồng thời, bản tin cảnh báo nguy cơ xảy ra lũ quét ở lưu vực được thực hiện và gửi đến ban chỉ huy Phòng chống lụt bão tỉnh Sơn La nay là Ban chỉ huy Phòng chống thiên tai và Tìm kiếm cứu nạn Bước thứ hai, nếu dự báo có mưa lớn trên địa bàn tỉnh Sơn La, chế độ tiếp nhận và truyền tải dữ liệu được thay đổi thành một lần mỗi 10 phút và phần mềm tự động thay đổi màu sắc từ xanh sang đỏ cho các trạm

đo mưa có cường độ lượng mưa lớn hơn 10mm mỗi phút và cho các trạm thủy văn

có biên độ lũ lớn hơn 2m Đồng thời, phần mềm tính toán và dự báo lũ sử dụng mô hình TANK tự động mô phỏng và cho ra kết quả dự báo lũ một lần cho mỗi 10 phút tại các vị trí: thành phố Sơn La, Bản Ái và Hát Lót Bước thứ ba, tiến hành phân tích kết quả, phát hành bản tin dự báo lũ quét và gửi đến Ban chỉ huy Phòng chống thiên tai và Tìm kiếm cứu nạn tỉnh Sơn La Bước cuối cùng, Ban chỉ huy Phòng chống thiên tai và Tìm kiếm cứu nạn tỉnh Sơn La ra quyết định các biện pháp phòng ngừa và ra lệnh cho các trạm dự báo, cảnh báo, đài phát thanh, truyền hình của tỉnh

và Ban chỉ huy Phòng chống thiên tai và Tìm kiếm cứu nạn huyện Mai Sơn thi hành quyết định trên

Kết quả triển khai thực tế cho thấy hệ thống này đã vận hành khá tốt Tuy nhiên, bên cạnh đó, hệ thống vẫn còn tồn tại một số hạn chế như chưa lắp đặt trạm quan trắc thời tiết radar ở Sơn La để đo lượng mưa trên lưu vực Nậm La và Nậm Pàn, chưa xây dựng mạng lưới quan trắc tại các khu vực có địa hình bị chia cắt lớn Mặt khác, chưa thể nhân rộng hệ thống này được vì chi phí lắp đặt khá lớn (khoảng 40.000 USD/trạm)

Trong năm 2007, Trung tâm Thảm họa Thái Bình Dương (Pacific Disaster Center- PDC) phối hợp với ban chỉ đạo Phòng chống Lụt bão trung ương (nay là Ban chỉ đạo Phòng chống thiên tai trung ương) tiến hành dự án thí điểm về việc triển khai một hệ thống cảnh báo lũ lụt hỗ trợ công tác quản lý thiên tai cấp tỉnh và quốc gia Tỉnh Phú Thọ, nơi dòng sông Hồng chảy qua giữ vai trò quan trọng trong giảm thiểu ảnh hưởng của lũ về Hà Nội đã được chọn làm khu vực nghiên cứu (xem Hình 1.7) [75]

Tiếp nối dự án trên, trong năm 2010, dưới sự tài trợ của Cơ quan Phát triển và Thương mại Hoa Kỳ (U.S Trade and Development Agency- USTDA), PDC bắt đầu thực hiện một hệ thống cảnh báo lũ lụt phục vụ công tác quản lý thiên tai tại các tỉnh duyên hải miền Trung Việt Nam Nguyên mẫu của hệ hỗ trợ quyết định DisasterAWARE của PDC được tùy chỉnh, tích hợp giao diện tiếng Việt với khả năng quan trắc, dự báo thời tiết và lũ lụt cũng như bản tin cảnh báo từ Ban chỉ đạo Phòng chống thiên tai trung ương đều theo thời gian thực

H nh 1.7 Bản đồ trực tuyến trong hệ thống cảnh báo lũ lụt tại Phú Thọ

Nguồn: Chiesa, C , 2008

Trong khoảng thời gian từ 2008 - 2011, dự án “Tăng cường hệ thống dự báo

và cảnh báo lũ lụt ở Việt Nam” giai đoạn I, sử dụng vốn ODA của Italia đã được triển khai tại các tỉnh miền Trung [9] Dự án đã thiết lập một hệ thống quan trắc tự động gồm 17 trạm khí tượng, 43 trạm thủy văn và 15 trạm đo mưa ở các tỉnh thành:

Hà Nội, Quảng Ngãi, Quảng Nam, Thừa Thiên - Huế, Quảng Bình, Quảng Trị và

Tp Đà Nẵng Dự án còn hỗ trợ xây dựng hệ thống truyền số liệu tự động theo thời gian thực về các trung tâm bằng sóng radio, mạng điện thoại và internet Các phần mềm phục vụ dự báo cũng được tiêu chuẩn hóa cho phù hợp Qua thử nghiệm hệ

thống trong tác nghiệp dự báo, kết quả cho thấy, hệ thống đảm bảo độ chính xác, hoạt động ổn định, cung cấp đầy đủ số liệu Tuy nhiên, trong giai đoạn sau dự án cần thiết phải tiếp tục tăng mật độ mạng lưới trạm, hiện đại hóa công tác truyền và

xử lý dữ liệu để đảm bảo độ chính xác, tính kịp thời của dự báo KTTV

Từ tháng 1/2010 đến tháng 10/2011, dự án “Tăng cường năng lực cảnh báo sớm lũ lụt” giai đoạn I với sự tài trợ của Cơ quan Phát triển Quốc tế Hoa Kỳ (U.S Agency for International Development - USAID) đã xây dựng và trình diễn thành công hệ thống hỗ trợ ra quyết định cảnh báo sớm trong công tác quản lý lũ lụt ở miền Trung Để phát huy hiệu quả của giai đoạn I, USAID đã quyết định hỗ trợ để thực hiện tiếp dự án giai đoạn II, trong vòng hai năm 2013-2014 [10] Ngày 15/9/2015, hội thảo báo cáo giai đoạn II của Dự án đã trình bày các kết quả đạt được như sau [50]: (1) Tích hợp các dữ liệu và thông tin mới vào hệ thống: Dữ liệu mực nước lũ theo dõi tại các hồ chứa lớn; xây dựng các mô hình kịch bản xả tràn hoặc sự cố đập; bản đồ rủi ro lũ lụt cho hệ thống sông VGTB và sông Hương; cơ sở vật chất phục vụ tình trạng khẩn cấp, các nguồn lực phòng chống thiên tai tại địa phương, dữ liệu về dân số của Tổng Cục Thống kê; (2) Chuyển giao hệ thống, bao gồm: máy chủ, quản lý hệ thống hỗ trợ ra quyết định và hỗ trợ đào tạo nhân lực trong sử dụng và quản lý, vận hành hệ thống; kết nối với Trung tâm KTTV quốc gia cũng như các cơ quan chức năng của tỉnh

Trong khi đó, với mục đích tạo lập một hệ thống cảnh báo và giám sát lũ lụt vùng đồng bằng sông Cửu Long, nâng cao độ chính xác của các bản tin dự báo lũ hàng năm, Đài KTTV khu vực Nam Bộ đã cho xây dựng và lắp đặt hoàn thiện các thiết bị của 89 trạm thủy văn nội đồng và 117 tiêu báo lũ để đưa vào hoạt động trong mùa lũ năm 2012 tại các tỉnh vùng Đồng bằng sông Cửu Long [7] Những trạm thủy văn và tiêu báo lũ được đầu tư xây dựng từ nguồn vốn vay của Ngân hàng Thế giới, thuộc Tiểu dự án “Tăng cường năng lực cảnh báo và giám sát lũ lụt đồng bằng sông Cửu Long” nằm trong khuôn khổ của dự án “Quản lý rủi ro thiên tai” đã được Bộ trưởng Bộ Tài nguyên và Môi trường phê duyệt ngày 17/02/2006 tại Quyết định số 194/QĐ - BTNMT Trạm được gắn những thiết bị hiện đại, tự động thu thập

số liệu đo mưa và mực nước ứng dụng công nghệ thông tin truyền số liệu tức thời

về Trung tâm KTTV tỉnh và Đài KTTV khu vực Nam Bộ, phục vụ nhanh công tác

xử lý, tính toán, dự báo nhanh và chính xác các tình hình thời tiết đặc biệt là bão, lũ

(2) Các nghiên cứu lý thuyết

Song song với việc triển khai các dự án ứng dụng hệ thống cảnh báo lũ, mảng nghiên cứu lý thuyết về hệ thống cảnh báo lũ cũng nhận được sự quan tâm, chú ý từ nhiều nhà khoa học khác nhau Điển hình như Cao Đăng Dư (2001) [17] đã tiến hành điều tra, nghiên cứu và cảnh báo lũ lụt phục vụ phòng tránh thiên tai ở các LVS miền Trung, tập trung tại 4 LVS, bao gồm sông Hương - Bồ, sông VGTB, sông Vệ - Trà Khúc và sông Kôn - Hà Thanh Trong nghiên cứu này, tác giả đã đánh giá hiện trạng của các phương pháp dự báo, cảnh báo lũ lụt ở miền Trung Trên cơ sở đó, đề xuất phương pháp xây dựng hệ thống mô hình dự báo lũ, cảnh báo ngập lụt ở 4 LVS cũng như mạng lưới quan trắc KTTV, mạng lưới mốc cảnh báo lũ lụt, điện báo phục vụ dự báo mưa - lũ lụt

Lại Vĩnh Cẩm (2007) [14] xây dựng và triển khai công nghệ dự báo diện và mức độ ngập lụt trực tuyến hàng ngày vào mùa lũ cho một số LVS miền Trung (sông Nhật Lệ, Bến Hải, Thạch Hãn) Trong nghiên cứu này, công nghệ dự báo diện

và mức độ ngập lụt các LVS vừa và nhỏ được xây dựng trên cơ sở liên kết GIS, mô hình số địa hình, các bộ phần mềm thủy văn, thủy lực của Trung tâm Thủy văn Ứng dụng thuộc Hội Kỹ sư Quân đội Hoa Kỳ Các hợp phần của công nghệ liên kết với nhau chặt chẽ thành một khối thống nhất, được tích hợp rất tốt với CSDL GIS Các tham số của mô hình có thể cập nhật dễ dàng, nhanh chóng bằng công cụ GIS Các

dữ liệu đầu vào và đầu ra của mô hình thể hiện được ở dạng các bản đồ truyền thống giúp cho người vận hành mô hình dễ hình dung hiện trạng ngập lụt trong thời gian ngắn nhất Thời gian tính toán ngập lụt cho một trận mưa không quá dài (25-

30 phút) Mô hình phân tích hệ thống sông theo HEC-RAS có thể cung cấp dữ liệu

và các thông số để diễn toán ngập lụt theo một khoảng thời gian bất kỳ trong một trận mưa giúp việc nghiên cứu phân tích diễn biến ngập lụt được dễ dàng hơn Các phần mềm sử dụng hầu hết là miễn phí, rất khả thi cho việc ứng dụng rộng rãi cho các địa phương trong điều kiện nước chúng ta còn nghèo Với quy trình công nghệ này, các tác giả đã thử nghiệm dự báo trực tuyến ngập lụt theo số liệu dự báo mưa

do Phòng Dự báo hạn ngắn, Trung tâm Dự báo KTTV Trung ương cung cấp theo hợp đồng cho các trận lũ trong cơn bão Sangshane năm 2006 và cơn bão số 5 năm

2007 Các kết quả dự báo cho cơn bão số 5 năm 2007 đã được Ban chỉ huy phòng chống lụt bão tỉnh Quảng Trị sử dụng hiệu quả trong quá trình chỉ đạo công tác phòng tránh lũ, lụt tại địa phương Sản phẩm cuối cùng của mô hình là bản đồ ngập lụt, dễ dàng tính toán thống kê diện và mức độ ngập lụt cũng như các thiệt hại về giao thông Các mô hình giải quyết được một số bài toán thủy văn trong điều kiện hạn chế về số liệu quan trắc mà các mô hình khác có thể gặp khó khăn Mô hình có giao diện được Việt hoá, thuận tiện hơn cho vận hành

Nguyễn Lập Dân (2008) [16] tiến hành nghiên cứu dự báo nguy cơ các tai biến thiên nhiên (lũ lụt, trượt lở, lũ quét, lũ bùn đá, xói lở bờ sông) LVS Hương và đề xuất các giải pháp phòng tránh, giảm thiểu thiệt hại Kết quả nghiên cứu đã áp dụng thành công phương pháp phân tích tổng hợp trên quan điểm hệ thống đánh giá các yếu tố tự nhiên (nội và ngoại sinh), môi trường, kinh tế - xã hội tác động gây các tai biến thiên nhiên trên LVS Hương Trên cơ sở đó, thành lập các bản đồ cảnh báo tai biến thiên nhiên ở tỉ lệ 1/100.000, xây dựng ngân hàng dữ liệu về các tai biến thiên nhiên cũng như đề xuất các giải pháp tổng thể phòng tránh, giảm thiểu các tai biến thiên nhiên trên lưu vực

Từ 07/2008 đến 04/2010, Hoàng Tấn Liên (thuộc Đài KTTV khu vực Trung Trung Bộ) [29] tiến hành đề tài nghiên cứu xây dựng hệ thống cảnh báo lũ trên sông Truồi, sông Bù Lu với mục tiêu xây dựng các mức báo động lũ, hệ thống dự báo nhằm nâng cao hiệu quả công tác phòng tránh khi có nguy cơ lũ lụt xảy ra trên sông [9] Các phương án cảnh báo, dự báo lũ được xây dựng bằng công nghệ tiên tiến trên CSDL đo đạc trong hai năm 2008-2009, có tính ứng dụng cao trong thực tiễn, đáp ứng được nhu cầu dự báo tác nghiệp phục vụ phòng chống lũ lụt trong điều kiện hiện nay Tuy nhiên, do thiếu dữ liệu KTTV trong nhiều năm, thời gian đo đạc thu nhập dữ liệu còn ngắn nên kết quả tính toán, phân tích đặc điểm mưa lũ, các phương

án cảnh báo, dự báo lũ chưa sát với thực tế Vì vậy, nhóm nghiên cứu đã đề xuất đầu tư xây dựng mạng lưới trạm quan trắc KTTV trong mùa mưa lũ theo hệ thống

mà đề tài đã thực hiện

Tóm lại, qua các đề tài, dự án kể trên có thể thấy việc xây dựng hệ thống dự báo, cảnh báo lũ nhận được sự quan tâm rất lớn từ các cơ quan quản lý, các nhà khoa học, cộng đồng cũng như các tổ chức quốc tế Nhìn tổng thể, các hệ thống cảnh báo lũ ở Việt Nam hiện đang hoạt động theo ba hình thức: (1) cảnh báo lũ tổng quát trên cơ sở theo dõi và dự báo sự phát triển của các hình thái thời tiết gây mưa lớn (đang được sử dụng tại Trung tâm Dự báo KTTV Trung ương), (2) cảnh báo lũ dựa trên lượng mưa sử dụng ảnh vệ tinh, radar, và (3) cảnh báo tự động trên cơ sở phân tích thông tin về mưa bão, mối quan hệ giữa mưa - đỉnh lũ, đặc trưng bề mặt lưu vực, sử dụng mô hình thủy văn, thủy lực Công nghệ thông tin truyền thông đã từng bước được ứng dụng trong quá trình thu thập, truyền tải dữ liệu KTTV quan trắc cũng như phát các cảnh báo lũ lụt đến người sử dụng

1.1.2.3 Các nghiên cứu trên LVS VGTB ứng dụng mô hình toán thủy văn, thủy lực

Một số nghiên cứu ứng dụng mô hình toán trên LVS VGTB có thể kể đến như Đặng Thanh Mai (2009) [33] phát triển hệ thống dự báo lũ cho lưu vực VGTB tích hợp mô hình thủy văn WETSPA với HEC-RAS Hệ thống này cho phép mô phỏng, dự báo lũ lụt và khảo sát ảnh hưởng của biến đổi khí hậu đến dòng chảy trên lưu vực Mô hình WETSPA là mô hình tham số phân bố, khá phù hợp với điều kiện KTTV hiện nay của Việt Nam tuy nhiên, do lưới trạm KTTV của lưu vực VGTB còn quá thưa, đặc biệt là các lưu vực vùng núi hầu như không

có số liệu mưa, nên chất lượng mô phỏng và dự báo của WETSPA cho lưu vực này còn thấp Tiếp cận theo hướng khác đơn giản hơn, Ho và cộng sự [84] thành lập bản đồ nguy cơ lũ dựa trên ảnh vệ tinh và dữ liệu DEM cho lưu vực VGTB Ở phạm vi nhỏ hơn, tác giả Thien [114] đã ứng dụng MIKE11 và HEC-RAS tính toán của lũ lụt trên sông A Vương thuộc hệ thống VGTB và đã sử dụng hai mô hình trên để dự đoán mực nước lũ tại nhà máy thủy điện A Vương Kết quả cho thấy đường mực nước ứng với tần suất 0,5% trên cả hai mô hình gần như trùng nhau và đường mực nước tiệm cận chặt chẽ với đường nằm ngang Kết quả này có thể được sử dụng như một tài liệu tham khảo hữu ích cho các kỹ sư thiết kế và vận hành hồ chứa trên sông và cho thấy mức độ hiệu quả khi sử dụng MIKE11 và HEC-RAS là tương đương

Quan tâm đến hồ chứa trên lưu vực này, Tô Thúy Nga (2013) [34] ứng dụng

mô hình MIKE11 và HEC-RAS tính toán truyền lũ trên sông Bung 4 Hồ chứa thủy điện sông Bung 4 là một trong số rất ít các hồ chứa được khảo sát để tính toán, khoảng 300 m có một mặt cắt, nên dựa vào số liệu này tác giả đã xây dựng được đường mực nước tại các mặt cắt theo thời gian cũng như đường mực nước trong không gian theo tần suất lũ 1%

Bằng việc xây dựng một bộ mô hình toán bao gồm các mô hình thủy văn, thủy lực và điều tiết như MIKE NAM, MIKE 11 và HEC - RESSIM kết hợp với mô hình khí tượng từ đó xây dựng phương án dự báo lũ lụt, Ngô Lê An và cộng sự [1] đã nghiên cứu mô phỏng và dự báo dòng chảy lũ trên LVS Kết quả đạt được tại Ái Nghĩa và Giao Thủy cho thấy mô hình mang lại kết quả tốt với thời gian dự kiến của dự báo là 18 và 24 giờ

Nghiên cứu xây dựng bản đồ ngập lụt vùng hạ lưu LVS VGTB của Trần Văn Tình (2013) [48] sử dụng mô hình thủy văn HEC - HMS được phát triển từ mô hình HEC-1 Nghiên cứu đã kết hợp giữa GIS và kết quả mô phỏng thủy lực bằng bộ mô hình HEC, mô phỏng diện ngập và độ sâu ngập tại khu vực hạ lưu LVS VGTB ứng với trận lũ lịch sử năm 2009 và các trận lũ ứng với tần suất thiết kế 1%, 5%, 10% Tuy thực hiện năm 2013 nhưng nghiên cứu chỉ sử dụng dữ liệu năm 2009, bản đồ DEM còn chưa có nhiều căn cứ để hiệu chỉnh chính xác hơn, số liệu mưa ít chi tiết theo thời gian (mưa 6h)

Đào Văn Khương, Nguyễn Mạnh Linh (2013) [25] đã sử dụng mô hình SWAT để đánh giá sự ảnh hưởng cửa rừng đến lũ lụt trên LVS Vu Gia Nghiên cứu

đã sử dụng các dữ liệu bản đồ như bản đồ số hóa độ cao (DEM) LVS VGTB, bản

đồ đất LVS, bản đồ thảm phủ thực vật ứng với hiện trạng rừng và sử dụng đất của năm 1993 và 2005, bản đồ mạng lưới sông suối và lưới trạm đo khí tượng thủy văn; các số liệu về khí tượng thủy văn Nghiên cứu đã sử dụng 2 kịch bản rừng năm

1993 và 2005 trong điều kiện địa hình và các loại đất không thay đổi để đánh giá ảnh hưởng cửa rừng tới dòng chảy trên LVS tại 2 trạm thủy văn Nông Sơn và Thành Mỹ Kết quả nghiên cứu đã chỉ ra rằng khi có sự thay đổi số liệu rừng thì chế

độ thủy văn tính toán tại 2 trạm thủy văn có sự thay đổi: chênh lệch lưu lượng lớn

nhất khi tính toán với rừng năm 2005 và rừng năm 1993 tại trạm Nông Sơn khoảng

182 m3/s và Thành Mỹ khoảng 218,4 m3/s Tuy nhiên, do số liệu đầu vào chưa đầy

đủ nên nghiên cứu chưa đánh giá chính xác vai trò của rừng đối với lũ lụt trên LVS

mà mới dừng lại ở tính chất thử nghiệm Năm 2010, nhóm nghiên cứu của Trường Đại học Nông Lâm, Hồ Chí Minh do Nguyễn Kim Lợi chủ trì đề tài “Hệ hỗ trợ trực tuyến cảnh báo lũ cho LVS Vu Gia, Tỉnh Quảng Nam” [31] Đề tài đã xây dựng hệ thống cảnh báo lũ cho LVS Vu Gia sử dụng các thông tin trực tuyến thông qua việc ứng dụng GIS, Công nghệ Thông tin Truyền thông và mô hình SWAT Xác định vùng có nguy cơ xảy ra lũ, đỉnh lũ thông qua mô hình SWAT Cung cấp website trực tuyến về tình trạng lũ, hỗ trợ giao diện điện thoại di động, hỗ trợ cộng đồng vùng nguy cơ bằng tin nhắn SMS

Qua các nghiên cứu về hệ thống cảnh báo lũ ở VGTB cho thấy hầu hết các nghiên cứu chưa đưa vào ứng dụng trong thực tế Hệ thống cảnh báo lũ của Đặng Thanh Mai và Ngô Lê An về cơ bản đã thiết lập hình mẫu cảnh báo lũ tuy nhiên đã không thể duy trì và ứng dụng trong thực tế Hệ thống cảnh báo lũ quét của KDDI - Nhật Bản và Đại học Waseda - Nhật Bản mới dừng ở quy mô thử nghiệm ở Nam Trà My, Quảng Nam Như vậy, hệ thống cảnh báo lũ của Nguyễn Kim Lợi [31] được xem như đã xây dựng hệ thống cảnh báo lũ đầy đủ nhưng mới ở quy mô LVS

Vu Gia, chính vì vậy cần xây dựng một hệ thống về cảnh báo lũ từ khâu thu thập dữ liệu đầu vào, mô phỏng lũ cho đến cảnh báo lũ, thông tin đến người dùng cho LVS VGTB

1.2 Cơ sở lý luận nghiên cứu

1.2.1 Những khái niệm cơ bản

 Khái niệm về LVS

Theo điều 2, khoản 8 của Luật Tài nguyên nước [32], LVS là vùng đất mà

trong phạm vi đó nước mặt, nước dưới đất chảy tự nhiên vào sông và thoát ra một cửa chung hoặc thoát ra biển Theo đó, mỗi LVS được giới hạn bởi một đường

phân thủy khép kín bao quanh, đó cũng là đường ranh giới giữa các LVS này với các LVS kề cận LVS được đặc trưng bằng các thông số: Tên lưu vực thường được gọi theo tên của dòng sông chính; Chiều dài sông chính (km); Diện tích lưu vực

(km2); Mô-đun dòng chảy tính bằng đơn vị l/s/km2 LVS thường được chia làm 2 phần: thượng lưu và hạ lưu, giữa chúng có mối liên hệ hữu cơ chặt chẽ

về dòng chảy

Lũ là hiện tượng dòng nước do mưa lớn tích luỹ từ nơi cao tràn về dữ dội làm ngập lụt một khu vực hoặc một vùng trũng, thấp hơn Nếu mưa lớn, nước mưa lại bị tích luỹ bởi các chướng ngại vật như đất đá, cây cối cho đến khi lượng nước vượt quá sức chịu đựng của vật chắn, phá vỡ vật chắn, ào xuống cấp tập (rất nhanh), cuốn theo đất đá, cây cối và quét đi mọi vật có thể quét theo dòng chảy thì được gọi

là lũ quét (hoặc lũ ống), thường diễn ra rất nhanh, khoảng 3-6 giờ [131]

Lũ lụt là một hiện tượng tự nhiên, gần như xảy ra hằng năm Lũ do nước sông dâng cao trong mùa mưa Số lượng nước dâng cao xảy ra trên một con sông ở mức tạo thành lũ có thể xảy ra một lần hoặc nhiều lần trong năm Khi nước sông dâng lên cao (do mưa lớn hoặc/và triều cao), vượt qua khỏi bờ, chảy tràn vào các vùng trũng và gây ra ngập trên một diện rộng trong một khoảng thời gian nào đó gọi là

ngập lụt (inundation) [52]

 Khái niệm về hệ hỗ trợ ra quyết định

Hệ hỗ trợ ra quyết định (DSS) được hiểu là công cụ hỗ trợ giúp nhà quản lý ra quyết định Có nhiều định nghĩa về hệ DSS: Theo Little (1970) [95] DSS là một mô hình dựa trên sự phân tích số liệu nhằm hỗ trợ các nhà quản lý trong việc ra các quyết định Một hệ thống DSS được xem là thành công khi hệ thống đó phải đơn giản, dễ điều khiển, dễ sử dụng Bonczek và cộng sự (1980) [68] định nghĩa DSS như là một hệ thống máy tính, bao gồm 3 thành phần cơ bản: Hệ thống ngôn ngữ - nhằm kết nối giữa những người sử dụng và các cấu phần khác trong hệ thống DSS;