Thạc Sĩ Ứng dụng mô phỏng dự báo lũ cho lưu vực sông Vệ - trạm An Chỉ, tỉnh Quảng Ngãi

MỞ ĐẦU
Do hạn chế về số liệu, do sự nhận thức không đầy đủ về các quá trình vật lý và khả
năng đáp ứng của công nghệ đo đạc các yếu tố thuỷ lực nên trên thế giới cũng như ở Việt
Nam hiện có rất nhiều mô hình thủy văn, thủy lực đang được sử dụng để tính toán các đặc
trưng cũng như mô phỏng dòng chảy trên các lưu vực sông. Trước đây, do sự hạn chế của
công cụ tính toán (máy tính), các mô hình tham số tập trung thường được ưa chuộng do sự
đơn giản, số lượng thông số ít, dễ dàng hiệu chỉnh và vận hành (tuy nhiên mức độ chính
xác không cao - do sự trung bình hoá các điều kiện lưu vực) thì hiện nay các mô hình tham
số phân phối có mức độ chính xác cao hơn và cũng phức tạp hơn với những bộ thông số
đồ sộ được sử dụng cùng với sự phát triển nhanh chóng của công nghệ thông tin.
Mức độ tin cậy của mỗi mô hình phụ thuộc vào cách thiết kế cấu trúc mô hình
và bộ thông số. Tuy nhiên, việc ước lượng các thông số địa hình, đặc tính vật lý của
đất, tầng ngậm nước, sử dụng đất trên lưu vực . trong các mô hình thủy văn thường
rất khó khăn, do giá trị các thông số vốn không thể đo được trực tiếp, mà cần phải
giả định một giá trị ban đầu nào đó tuỳ theo kinh nghiệm của người khai thác, sau
đó cần hiệu chỉnh để tìm ra bộ thông số tối ưu nhằm nâng cao hiệu quả mô hình.
Đối với một số mô hình phổ biến như bộ mô hình HEC của Cục Công binh Mỹ, bộ
mô hình MIKE của Viện Thủy lực Đan Mạch ., khai thác mô hình thường có nhiều thuận
lợi từ những kinh nghiệm đã được công bố trong các bài báo và nghiên cứu trước đó. Tuy
nhiên, với những mô hình mới, việc khai thác có thể sẽ gặp nhiều khó khăn trong quá trình
hiệu chỉnh bộ thông số tối ưu. Kể cả với những đối tượng có kinh nghiệm, quá trình mô
phỏng và kiểm nghiệm mô hình vẫn gây rất nhiều trở ngại do số lượng các thông số mô
hình là rất lớn, rất tốn kém thời gian để tìm ra bộ thông số phù hợp cho từng lưu vực.
Có hai phương pháp hiệu chỉnh thông số là thử sai và tối ưu hoá. Phương pháp
thử sai được sử dụng rộng rãi vì tính đơn giản, nhưng mất nhiều thời gian và mang
tính chủ quan, phụ thuộc kinh nghiệm khai thác mô hình, chỉ phù hợp với các mô
hình ít thông số. Phương pháp tối ưu hoá mang tính khách quan, do đó phạm vi tìm
kiếm rộng hơn, rất tiện lợi cho khai thác các mô hình thông số phân phối.
Để rút ngắn hơn nữa thời gian hiệu chỉnh, hay chính là giảm bớt khối lượng
tính trong phương pháp tối ưu hoá, xuất hiện nhu cầu phải giới hạn số lượng các
thông số cần hiệu chỉnh, nói cách khác là phải phân tích độ nhạy (SA) cho các
thông số. SA là công cụ khảo sát và hoàn thiện cấu trúc mô hình, chỉ ra các thông số
quan trọng. SA đánh giá mức độ ảnh hưởng các thông tin đầu vào tới sản phẩm đầu
ra của mô hình để tập trung hiệu chỉnh vào một số thông số nhạy (phản ứng tốt với
đầu ra) và có thể bỏ qua các thông số không nhạy (trơ), làm giảm khối lượng tính
toán. Điều đầu tiên phải quan tâm khi khai thác mô hình là phải tìm hiểu ý nghĩa
của mỗi thông số để đánh giá một cách sơ bộ mức độ quan trọng của chúng. Điều
này có nghĩa là phải nhận thức rõ ràng về tất cả các thông số được sử dụng và các
quá trình được tính toán trong mô hình. Các thông số không được tường minh
không nên hiệu chỉnh vì có thể việc hiệu chỉnh sẽ gán cho các giá trị không phù hợp
với bản chất vật lý. Không hiểu về độ nhạy của thông số cũng có thể dẫn đến việc
tập trung hiệu chỉnh vào một thông số không nhạy và làm tăng thời gian tính toán.
Tập trung vào hiệu chỉnh các thông số nhạy dẫn tới ước lượng tốt hơn giá trị của nó
và làm giảm khối lượng tính cũng như độ bất định của mô hình.
Gần đây trên thế giới, một số phương pháp phân tích độ nhạy, bao gồm các
loại thông số tổng thể hay chi tiết, với kỹ thuật phân tích vi phân hay tích phân, đã
được áp dụng để sàng lọc các thông số mô hình trước khi hiệu chỉnh.
Trong [25] M.G.F. Werner, N.M. Hunter và P.D. Bates đã sử dụng phương
pháp ước lượng bất định khả năng (GLUE) để đánh giá các giá trị bất định về phân
phối sử dụng đất trong mô hình thủy động lực tương tác 1D, 2D trên lưu vực sông.
Meuse. A. Bahremand và F. De Smedt [10] kiểm định tự động và phân tích độ nhạy
các thông số sử dụng mô hình ước lượng thông số độc lập (PEST) với mô hình
WetSpa cho lưu vực Torysa có diện tích khá lớn ở Slovakia đã đạt được những kết
quả khả quan. Ryan Fedak (1999) đã nghiên cứu ảnh hưởng của kích thước ô lưới
với hai mô hình HEC-1 và TopModel [19]. Ngoài ra, có thể kể đến các nghiên cứu
của Iman và Helton (1988) [27], Campolongo và Saltelli (1997) [18], Nguyen T.G.
và De Kov J. [30], .
Trong thực tiễn khai thác mô hình ở Việt Nam, việc phân tích độ nhạy vẫn
chưa được quan tâm đúng mức. Ngoài một số nghiên cứu của Lâm Quốc Anh và
Phan Quốc Khánh (2008) về cân bằng trong lĩnh vực toán học [9], Hồ Thị Minh Hà
(2008) với (ReCM3) [2] , hiện chưa có nhiều công trình đi sâu vào phân tích độ
nhạy. Nên tiến hành nghiên cứu vấn đề này do tính hữu dụng không chỉ cho phát
triển, hiệu chỉnh mô hình mà còn làm giảm độ bất định trong quá trình mô phỏng .
Xuất phát từ các vấn đề nêu trên, mục tiêu của luận văn này là đánh giá độ nhạy
các thông số trong mô hình WetSpa, là một mô hình còn khá mới, bắt đầu được ứng
dụng ở Việt Nam, nhằm phục vụ việc thu thập số liệu, hiệu chỉnh, kiểm định và khai
thác nó thuận lợi trong thực tiễn.
Phạm vi không gian và phạm vi khoa học của đề tài là ứng dụng mô phỏng dự báo lũ
cho lưu vực sông Vệ - trạm An Chỉ, tỉnh Quảng Ngãi.
Lựa chọn phương pháp phân tích độ nhạy thường được dựa trên mức độ phức
tạp của mô hình và mục tiêu phân tích. Morgan, Henrion và Small (1990) [24] đã
đưa ra bốn chỉ tiêu lựa chọn như sau: 1) độ bất định về dạng mô hình (nếu cấu trúc
mô hình và các tương tác mang tính khái quát thì không phù hợp với phương pháp
định lượng toàn diện), 2) bản chất của mô hình (số lượng đầu vào và thông số, phản
ứng phức tạp, liên tục hay đứt đoạn), 3) yêu cầu phân tích (kết quả trực tiếp gây ra
những tác động quan trọng) và 4) điều kiện nguồn (thời gian, con người và phần
mềm). Căn cứ vào các chỉ tiêu này, phương pháp Morris là một phương pháp phân
tích độ nhạy tổng thể đã được chứng minh là khá hiệu quả trong những nghiên cứu
trước đây (T.G. Nguyen, J.L. de Kok [30], Morris [13]). Cấu trúc luận văn gồm có
các nội dung chính như sau:
Tổng quan về mô hình mưa - dòng chảy phân phối, phân tích độ nhạy và lưu
vực nghiên cứu
Giới thiệu cơ sở lý thuyết mô hình WetSpa cải tiến và phương pháp Morris
Phân tích đánh giá độ nhạy các thông số trong mô hình Wetspa cải tiến để dự
báo lũ trên lưu vực sông Vệ - Trạm An Chỉ

MỤC LỤC
LỜI CẢM ƠN .2
MỤC LỤC 3
BẢNG KÝ HIỆU CÁC CHỮ VIẾT TẮT 4
MỞ ĐẦU .6
Chương 1. TỔNG QUAN . .9
1.1. MÔ HÌNH MƯA - DÒNG CHẢY PHÂN PHỐI .9
1.1.1 Cấu trúc cơ bản của mô hình mưa - dòng chảy lưu vực .10
1.1.2. Mô hình mưa - dòng chảy lưu vực .11
1.2. PHÂN TÍCH ĐỘ NHẠY 17
1.2.1. Khái niệm 17
1.2.2. Tính toán độ nhạy 18
1.2.3. Tầm quan trọng của phân tích độ nhạy .19
1.3. SƠ LƯỢC ĐẶC ĐIỂM ĐỊA LÝ TỰ NHIÊN CỦA LƯU VỰC SÔNG VỆ - TRẠM
AN CHỈ 22
1.3.1. Vị trí địa lý 22
1.3.2. Địa hình .22
1.3.3. Địa chất, thổ nhưỡng .24
1.3.4. Thảm thực vật 24
1.3.5. Khí hậu 25
1.3.6. Thủy văn .26
Chương 2. MÔ HÌNH WETSPA CẢI TIẾN VÀ PHƯƠNG PHÁP MORRIS 29
2.1. GIỚI THIỆU MÔ HÌNH THỦY VĂN .29
2.1.1. Lịch sử phát triển mô hình WetSpa .29
2.1.2. Mô hình WetSpa cải tiến .32
2.2. PHƯƠNG PHÁP MORRIS 47
Chương 3. SỬ DỤNG PHƯƠNG PHÁP MORRIS ĐỂ ĐÁNH GIÁ ĐỘ NHẠY CÁC
THÔNG SỐ TRONG MÔ HÌNH WETSPA CẢI TIẾN TRÊN LƯU VỰC SÔNG VỆ
- TRẠM AN CHỈ . .53
3.1. THU THẬP VÀ XỬ LÝ DỮ LIỆU 53
3.1.1. Dữ liệu không gian .53
3.1.2. Số liệu khí tượng 53
3.1.3. Số liệu thủy văn 53
3.2. ĐÁNH GIÁ ĐỘ NHẠY CÁC THÔNG SỐ .57
3.2.1. Tính toán trong Arcview .57
3.2.2. Lựa chọn các thông số đưa vào phân tích độ nhạy .58
3.2.3. Thiết lập ma trận B* 67
3.2.4. Tính toán lưu lượng đầu ra .67
3.2.5. Phân tích độ nhạy 68
3.3. HIỆU CHỈNH VÀ KIỂM NGHIỆM MÔ HÌNH 74
KẾT LUẬN VÀ KIẾN NGHỊ .79
TÀI LIỆU THAM KHẢO .82
BẢNG KÝ HIỆU CÁC CHỮ VIẾT TẮT
Ký hiệu Giải nghĩa Nguyên gốc
ASCII Bộ mã chuyển đổi thông tin
chuẩn của Mỹ
American Standard Code for
Information Interchange
BASIN Mô hình lưu vực
CN Đường cong chỉ số ẩm Curve Number
D Chiều Dimensional
DEM Bản đồ số độ cao Digital Elevation Map
DHI Viện Thủy lực Đan Mạch Danish Hydraulic Institute
GeoHMS Hệ thống mô phỏng địa lý thủy
văn
Geographic - Hydrologic
Modeling System
GIS Hệ thông tin địa lý Geographic Information System
GLUE Phương pháp ước lượng bất
định khả năng
Generalised Likelihood
Uncertainty Estimation
HBV Mô hình cân bằng nước Hydrologiska Byrans
Vattenbalansardelning
HEC Trung tâm Thủy văn công trình Hydrologic Engineering Center
HMS Hệ thống mô phỏng thủy văn Hydrologic Modeling System
IHMS Hệ thống mô hình thủy văn kết
hợp
Interactive Hydrologic Modeling
System
IUH Đường thủy văn đơn vị tức thời Unit Hydrograph
NAM Mô hình mưa - dòng chảy Nedbor -Afstromming-Model
NASIM Mô hình Niederschlag -
Abfluss
Niederschlag - Abfluss Simulation
Model
PEST Mô hình ước lượng thông số
độc lập
Parameter Estimator System
PET Bốc thoát hơi nước khả năng Potential Evapotranspiration
OAT Thực hiện lần lượt từng bước
một
One - At a Time
ReCM Mô hình Khí hậu khu vực Regional Climate Model
SA Phân tích độ nhạy Sensitivity Analysis
SAC-SMA Mô hình tính toán độ ẩm đất Sacramento - Soil Moisture