Nghiên cứu này được thực hiện với mục đích đề xuất áp dụng phương pháp phân tích hạn hán thông qua việc xây dựng đồ thị biểu diễn mối liên hệ giữa các tính chất của một sự kiện hạn. Phương pháp xây dựng đường cong Cường độ – Chu kì – Tần suất (Severity – Duration – Frequency) được thực hiện dựa trên hàm phân phối xác suất kết hợp (hàm Copula 2 chiều) đối với hai hàm phân phối xác suất thành phần của chu kì hạn và cường độ hạn.
Chuyên san Phát triển Khoa học Công nghệ số (1), 2017 XÂY DỰNG ĐƯỜNG CONG SDF CHO HẠN HÁN Ở LƯU VỰC SÔNG SREPOK BẰNG PHƯƠNG PHÁP COPULA Nguyễn Trọng Quân* Trường ĐH Khoa học Tự nhiên, ĐHQG TP.HCM *Tác giả liên hệ: quannguyen201294@gmail.com (Ngày nhận bài: 15/03/2017; Ngày duyệt đăng: 08/05/2017) TÓM TẮT Nghiên cứu thực với mục đích đề xuất áp dụng phương pháp phân tích hạn hán thơng qua việc xây dựng đồ thị biểu diễn mối liên hệ tính chất kiện hạn Phương pháp xây dựng đường cong Cường độ – Chu kì – Tần suất (Severity – Duration – Frequency) thực dựa hàm phân phối xác suất kết hợp (hàm Copula chiều) hai hàm phân phối xác suất thành phần chu kì hạn cường độ hạn Các kiện hạn xác định dựa số chuẩn hóa lượng mưa SPI, sau tham số hàm phân phối xác suất thành phần tính phương pháp L-moment Phương pháp hàm suy diễn biên (Inference Function for Margins) xác suất tối đa (Maximum Likelihood) sử dụng để xây dựng hàm kết hợp Copula tham số tương ứng, từ xác định chu kì lặp lại kiện hạn cụ thể đường cong SDF tương ứng Trong nghiên cứu này, hàm phân phối xác suất Gamma hàm kết hợp Frank Copula sử dụng để tính toán kiện hạn Dữ liệu lượng mưa lưu vực sông Srepok, Tây Nguyên (Việt Nam) sử dụng làm ví dụ minh họa nghiên cứu Kết phân tích cho thấy hiệu sử dụng phương pháp Copula để xây dựng đường cong SDF, từ mở nhiều hướng nghiên cứu ứng dụng nhằm hỗ trợ công tác xây dựng kịch ứng phó với hạn hán điều kiện biến đổi khí hậu Từ khóa: Hạn hán, số SPI, đường cong SDF, lưu vực sông Sêrêpôk BUILDING SEVERITY – DURATION – FREQUENCY (SDF) CURVE OF DROUGHT IN THE SREPOK RIVER BASIN USING COPULA APPROACH Nguyen Trong Quan* University of Science, VNU-HCM *Corresponding author: quannguyen201294@gmail.com ABSTRACT This paper was conducted for the purpose of proposing the application of drought analysis by composing a model expressing the relationship between the properties of a drought event The method of constructing a Severity-Duration-Frequency curve is based on the joint probability distribution function (2-Dimentional Copula Function) of two separate probability distribution functions of drought duration and severity Drought events will be defined based on the Standardized Precipitation Index (SPI) and their parameters are calculated by the L-moment method The process of Inference Function for Margins (IFM method) and Maximum Likelihood Estimation (MLE method) are used to compute the Copula function and its corresponding parameter, thereby identifying the return period for each specific event and SDF curves respectively In this study, drought events are assumed to be fitted with Gamma probability distribution function and Frank Copula function Rainfall data in the Srepok River Basin at Central Highlands (Vietnam) is applied as a study case to clarify the proposed methodology in this research The results indicate the advantages 64 Chuyên san Phát triển Khoa học Công nghệ số (1), 2017 of using the Copula method to construct SDF curves, thus boost up many further researchs and directly implementations to support the improvement of prepaing prevention scenarios and responding to drought events under recently climate change conditions Keywords: Drought, SPI index, SDF curve, Srepok River Basin TỔNG QUAN Hạn hán tượng thời tiết cực đoan, xảy lượng mưa thiếu hụt nghiêm trọng thời gian dài, làm giảm hàm lượng nước khơng khí đất gây ảnh hưởng xấu đến sinh trưởng phát triển trồng, tạo nên suy thối mơi trường dẫn đến hệ lụy khác kinh tế, đời sống xã hội Ở Việt Nam, hạn hán xảy chủ yếu tỉnh Đồng sông Cửu Long, Nam Trung Bộ Tây Nguyên, tác động Biến Đổi Khí Hậu (BĐKH), tượng hạn hán có xu hướng ngày nghiêm trọng phức tạp với kiện hạn kéo dài tần suất lặp lại cao Theo báo cáo Ban Chỉ Đạo Trung Ương Về Phòng Chống Thiên Tai, từ cuối năm 2014 tình hình hạn hán diễn gay gắt nghiêm trọng tác động tượng El Nino mạnh kéo dài lịch sử, nhiệt độ tăng cao, lượng mưa dòng chảy thiếu hụt (mực nước hồ chứa thấp vòng 90 năm qua) dẫn đến sản xuất nông nghiệp bị thiệt hại nặng nề, thiếu nước nghiêm trọng Theo báo cáo địa phương, tính đến ngày 14/04/2016, tổng thiệt hại tỉnh Tây Nguyên ước tính 5000 tỉ đồng (Báo cáo, 2016) Hơn nữa, kiện hạn lịch sử gây ảnh hưởng nghiêm trọng đến phát triển kinh tế lần nông nghiệp Việt Nam xảy tăng trưởng âm, giảm 1.23% theo báo cáo Tổng cục Thống Kê (Bộ Kế Hoạch Đầu Tư) tình hình tăng trưởng GDP q I/2016 Chính ảnh hưởng nghiêm trọng đến kinh tế đời sống người dân, hạn hán vấn đề nóng Chính Phủ Bộ ngành liên quan đạo tăng cường công tác nghiên cứu khoa học để đưa 65 phân tích, dự báo xác, nhằm đầy mạnh biện pháp phịng, chống ứng phó với hạn hán, đặc biệt khu vực trọng điểm Đồng sông Cửu Long, Nam Trung Bộ Tây Nguyên Khi nghiên cứu hạn hán, vấn đề quan trọng đặt việc mơ tả tính chất kiện hạn chu kì, tần suất hay cường độ hạn; phân tích trạng xu hướng, đồng thời kết hợp với mơ hình, kịch BĐKH để dự báo kiện hạn xảy tương lai; cuối biện pháp phịng, chống ứng phó hạn hán khu vực cụ thể Dựa cơng trình nghiên cứu nay, phương pháp xây dựng đường cong SDF (Severity – Duration – Frequency Curve) giúp nhà nghiên cứu mơi trường giải khó khăn kể biểu diễn trực quan mối quan hệ chu kì, cường độ, tần suất lặp lại kiện hạn; xu hướng diễn biến xảy khứ; đồng thời kết hợp với mơ hình kịch BĐKH để đưa dự báo hạn hán tương lai Ý tưởng đường cong SDF bắt đầu xuất từ năm 1993 nghiên cứu McKee cộng sự, sau đó, hàng loạt nghiên cứu tương tự thực để hồn tất quy trình xây dựng đường cong SDF, đồng thời công bố kết thu áp dụng SDF phân tích hạn hán Hiện nay, đa số cơng trình nghiên cứu xây dựng đường cong SDF dựa phương pháp đơn biến sử dụng tính chất hạn hán chu kì cường độ, từ tính tốn biến phụ thuộc khác Phương pháp sử dụng nhiều tính chất đơn giản phương trình tính tốn, Chun san Phát triển Khoa học Công nghệ số (1), 2017 áp dụng kỹ thuật nghiên cứu phát triển qua hàng thập kỉ Tuy nhiên, kiện thủy văn phức tạp hạn hán, việc xây dựng đường cong SDF dựa phương pháp đa biến cho kết xác biểu diễn thay đổi kiện hạn lúc thay đổi biến số phụ thuộc Nhưng việc xây dựng đường cong SDF dựa phương pháp đa biến gặp nhiều khó khăn yêu cầu sở liệu lớn, phương trình tốn học phức tạp đặc biệt giới hạn mơ hình biểu diễn phù hợp Hơn nữa, nhiều nghiên cứu kiện thủy văn phức tạp đa biến phân tích từ vài biến có tương quan với (như chu kì cường độ kiện hạn biến độc lập có tương quan với nhau) Do đó, phương pháp xây dựng đường cong SDF từ biến tương quan sử dụng rộng rãi nghiên cứu hạn hán tượng thời tiết cực đoan khác Trọng tâm phương pháp dựa hệ phương trình tốn học Copula, sử dụng để kết hợp hàm phân phối xác suất biến số thành phần từ xây dựng hàm phân phối xác suất kết hợp (Joint bivariate distribution function) Mục tiêu nghiên cứu xây dựng thành công đường cong SDF phương pháp Copula biến kết hợp ứng dụng đường cong SDF phân tích kiện hạn khu vực nghiên cứu cụ thể Mỗi kiện hạn phân tích dựa tính chất quan trọng chu kì (Drought Duration) Cường độ hạn (Drought Severity) sông liên tỉnh lớn, tồn lưu vực sơng Srepok (trong lãnh thổ Việt Nam) có diện tích tự nhiên khoảng 18.230 km2, thuộc tỉnh phần lớn diện tích nằm tỉnh Đăk Lăk phần đất thuộc tỉnh Đăk Nông (gồm huyện Krông Nô, Đăk Mil, Đăk Song, Gia Nghĩa, Cư Jut), tỉnh Gia Lai (gồm huyện Chư Prông, Chư Sê) tỉnh Lâm Đồng (gồm huyện Lâm Hà, Lạc Dương) Lưu vực Srepok nằm phía tây dãy Trường Sơn, có địa hình lưu vực phức tạp, dốc đứng phía đơng (độ cao 2.400 m so với mực nước biển) thoải dần sang tây độ cao 140 m Sông Srepok hợp lưu hai sơng sơng Krơng Knô sông Krông Ana, hai sông gặp thác Bn Dray Sap tạo thành dịng Srepok (Hà Phạm, 2015) Lượng mưa trung bình năm lưu vực khoảng 1900 mm lượng bốc 1.100 mm Mùa mưa thường tập trung vào thời gian từ tháng đến tháng 10 hàng năm Lượng mưa năm trung bình nhiều năm tăng theo cao độ địa hình chế độ dịng chảy sơng, suối định chế độ mưa lưu vực Hàng năm, mùa lũ tháng đến tháng 11 Lượng dòng chảy mùa lũ chiếm 70% tổng lượng dòng chảy năm Các trận lũ lớn thường xảy vào tháng 9, 10 11, lũ đặc biệt lớn thường tổ hợp thời tiết gây Mùa khô lưu vực sông Srepok khơng có mưa, tổng lượng mưa mùa khô chiếm từ 13 đến 16% tổng lượng mưa năm nên thường xuyên xảy tình trạng thiếu nước Hơn nữa, việc khai thác mức dòng chảy sơng Srepok chi lưu cho cơng trình thủy điện với tình trạng phá rừng làm nương rẫy dẫn đến tình trạng khan nước ngày nghiêm trọng Tổng lượng nước chủ động đảm bảo tưới tiêu chiếm 20% tổng nhu cầu phục vụ tưới cho trồng, không gây thiệt hại cho phát triển nông nghiệp mà cịn dẫn đến nhiều khó khăn giải vấn đề nước sinh hoạt cho người KHU VỰC NGHIÊN CỨU Trong nghiên cứu này, liệu lượng mưa tháng lưu vực sông (LVS) Srepok (Tây Nguyên, Việt Nam) sử dụng cho tính tốn quy trình xây dựng đường cong SDF Lưu vực sông Srepok 10 hệ thống lưu vực 66 Chuyên san Phát triển Khoa học Công nghệ số (1), 2017 tháng): dân (Hằng Phan, 2012) / PHƯƠNG PHÁP NGHIÊN CỨU Quy trình thực bước xây dựng đường cong SDF tổng hợp Hình Bước 1: Xác định kiện hạn Trong nghiên cứu này, số chuẩn hóa lượng mưa SPI (Standardized Precipitation Index) sử dụng để xác định kiện hạn xảy LVS Srepok Chỉ số SPI McKee cộng (1993) đặt nhằm mục đích xác định theo dõi kiện hạn xảy khoảng thời gian định Chỉ số tính dựa liệu lượng mưa tháng trạm quan trắc khu vực nghiên cứu Đầu tiên, lượng mưa tháng tích lũy theo khoảng chu kì định (1, 3, 6, 12, 24 tháng…) tổng hợp phân phối theo hàm xác suất phù hợp Sau đó, hàm phân phối đưa dạng chuẩn hóa (phân phối chuẩn) với trung bình phương sai Phương pháp tính tốn chi tiết số SPI số ứng dụng nâng cao phân tích tính chất kiện hạn thực nghiên cứu Guttman (1999), Hayes cộng (1999), Bonaccorso cộng (2003) hay Tsakiris Vangelis (2004) Dựa nghiên cứu Guttman (1999) việc sử dụng hàm phân phối xác suất khác cho kết SPI khác nhau, nhiên, sau cơng bố Angelidis cộng (2012) phủ định kết này, cụ thể nhóm nghiên cứu thử nghiệm với hàm phân phối xác suất khác Gamma, Normal hay Log-normal cho kết số SPI gần giống Do đó, nghiên cứu này, hàm phân phối Gamma sử dụng để tính tốn số SPI cho lưu vực sông Srepok khoảng thời gian từ 12/1980 đến 12/2009 Các bước thực sau: Xác định hàm phân phối xác suất (PDF) chuỗi liệu mưa tích lũy (12 Trong đó, α β tham số hàm phân phối Gamma; x lượng mưa tích lũy 12 tháng; Γ phương trình gamma α Xác định hàm phân phối tích lũy (CDF): (2) Chuyển đổi hàm phân phối Gamma hàm phân phối chuẩn: (3) Giá trị SPI dương thể lượng mưa tích lũy thời điểm t lớn giá trị trung bình, ngược lại, giá trị SPI âm lượng mưa tích lũy thời điểm t nhỏ giá trị trung bình Do đó, kiện hạn xác định khoảng thời gian Δt (tháng) giá trị SPI liên tục âm thấp ngưỡng -1 (McKee cộng sự, 1993) Chu kì hạn (D - duration) khoảng thời gian Δt kiện hạn Cường độ hạn (S - severity) tổng đại số số SPI chu kì ∑ (4) Hình Tổng hợp bước xây dựng đường cong SDF Bước 2: Xác định hàm phân phối thành phần (Phân phối Gamma) Để xây dựng hàm phân phối kết hợp biểu 67 (1) Chuyên san Phát triển Khoa học Công nghệ số (1), 2017 diễn biến chu kì cường độ hạn, trước tiên phải xác định hàm phân phối phù hợp với biến độc lập Hiện nay, hàm phân phối sử dụng phổ biến nghiên cứu thời tiết cực đoan gồm có Gamma, Weibull, Gumbel, Log-Gumbel, Log-Normal GEV Tuy nhiên, theo nghiên cứu Kendall Dracup (1992), Mathier cộng (1992) hay Shiau Shen (2001) cho thấy hàm phân phối Gamma thường cho kết tốt áp dụng việc mô tả chu kì cường độ kiện hạn Do đó, phạm vi nghiên cứu đề tài, phân phối Gamma sử dụng để tính tốn hàm xác suất biến độc lập Hàm phân phối tích lũy chu kì cường độ hạn biểu diễn qua phương trình (5) (6), với (α1, β1) hai tham số hàm Gamma dãy chu kì (α2, β2) hai tham số tương ứng với dãy cường độ / , d > (5) / , s > (6) Bước 3: Xác định hàm phân phối kết hợp (Copula biến) Copula hàm phân phối xác suất nghiên cứu phát triển nhà toán học người Mỹ, Abe Sklar (1959), ứng dụng việc xây dựng hàm kết hợp từ hai hoăc nhiều hàm phân phối xác suất biến độc lập thành phần Định lý Sklar (1983) cho FX, Y (X, Y) hàm phân phối hai chiều với hàm phân phối biên FX(X) FY(Y), ln tồn hàm copula thỏa: (7) FX, Y (X, Y) = C(FX(X), FY(Y)) Và ngược lại, với hàm phân phối đơn biến FX(X), FY(Y) hàm copula C hàm FX, Y (X, Y) xác định từ phương trình (7) hàm phân phối chiều với hàm phân phối biên FX(X) FY(Y) Ngoài ra, hai hàm FX(X) FY(Y) liên tục tồn hàm C thỏa phương trình (7) , (8) Với u v hai hàm phân phối tích lũy biên FX(X) FY(Y); θ tham số hàm Copula Bước 4: Xây dựng đường cong SDF Đường cong SDF xây dựng dựa sở tính tốn chu kì lặp lại kết hợp (joint return period) kiện hạn với chu kì D ≥ d S ≥ s Trong nghiên cứu Shiau (2006), phương trình tính chu kì lặp lại kiện hạn trình bày đầy đủ chi tiết, đem lại nhiều ứng dụng cho công tác nghiên cứu phân tích hạn hán Theo Shiau, chu kì lặp lại kết hợp hai biến chu kì cường độ với D ≥ d S ≥ s tính sau: (9) , Trong đó, L khoảng thời gian kiện hạn, E(L) giá trị mong đợi (expected value) L Từ phương trình (9) với chuỗi chu kì D từ đến 12 (tháng) chọn chu kì lặp lại cố định 2, 5, 10, 15, 20, 50, 100, 500,… năm, dễ dàng tính cường độ hạn (S) tương ứng, từ xây dựng đường cong SDF (severity – duration – frequency) KẾT QUẢ VÀ THẢO LUẬN Xác định kiện hạn Bằng phương pháp nghiên cứu trình bày đề mục 3.1, số SPI 12 tháng (SPI12) chuẩn hóa từ liệu lượng mưa tích lũy biểu diễn Hình 68 Hiện nay, có nhiều họ hàm Copula sử dụng hàm Ali-Mikhail-Haq, Clayton, Farlie-Gumbel-Morgenstern, Frank, Galambos, Gumbel-Hougaard Plackett Trong nghiên cứu này, hàm Frank Copula lựa chọn để biểu diễn phương pháp xây dựng phương trình kết hợp Phương trình phân phối tích lũy dựa hàm kết hợp Frank sau: ln , , , Chuyên san Phát triển Khoa học Công nghệ số (1), 2017 tương đương với cường độ hạn SPI = 19.83 cho thấy mức độ hạn hán lưu vực nghiêm trọng Tuy nhiên, với hệ số Z dương (Z= 2.7), số SPI khu vực có xu hướng tăng nhẹ với biên độ nhỏ (tăng 0.0016/năm) tương ứng với lượng mưa tích lũy 12 tháng lưu vực tăng Và, số SPI tiếp tục tăng kì vọng tương lai tần suất hạn có xu hướng giảm Đồ thị SPI miêu tả tổng quát tình trạng hạn hán khu vực nghiên cứu, đồng thời thể rõ ràng tính chất kiện hạn chu kì, cường độ hay tần suất Các số liệu thống kê tình hình hạn xảy lưu vực sông Srepok khoảng thời gian từ 1980 đến 2009 tóm tắt bảng Kết phân tích vịng 30 năm, lưu vực sông Srepok xảy kiện hạn (Bảng 3), chu kì hạn dài lên đến 12 tháng, Hình Chỉ số SPI (12 tháng) lưu vực sông Srepok (1980-2009) Bảng Số liệu thống kê mô tả kiện hạn lưu vực sông Srepok Tổng số kiện hạn (1980 – 2009) Tần suất hạn 0.3 (Số kiện hạn/năm) Xu hướng Hệ số Z 2.7 (Ý nghĩa thống kê) Độ chênh lệch 0.0016 (ΔSPI/năm) Chu kì hạn (Tháng) Lớn 12 Nhỏ Trung bình 6.78 Cường độ hạn Lớn 19.83 Nhỏ 1.05 Trung bình 9.35 Chỉ số SPI sử dụng việc chiếm 35%, hạn trung bình 10.3%, hạn phân loại kiện hạn theo nhiều cấp nghiêm trọng 6.9% hạn nghiêm độ như: khơng hạn (bình thường), hạn trọng 0.3% Các đợt hạn nặng thường xảy nhẹ, hạn trung bình, hạn nghiêm trọng có ảnh hưởng từ tượng hạn nghiêm trọng Bảng mô tả thời tiết cực đoan El Nino Cụ thể chi tiết mức độ hạn tỉ lệ lưu vực sông Srepok, có 6/9 kiện hạn xuất loại hạn khác đặc biệt nghiêm trọng xảy Tại lưu vực sông Srepok, nửa thời điểm có xuất El Nino quãng thời gian từ năm 1980 đến 2009 (Climate Prediction Center), năm xảy hạn hán (52.5%), hạn nhẹ 1983 – 1984 (hạn 12 tháng), 1989 – 1990 69 Chuyên san Phát triển Khoa học Công nghệ số (1), 2017 (hạn 07 tháng), 1991 – 1992 (hạn 07 (hạn 07 tháng) 2004 – 2005 (hạn 12 tháng), 1995 – 1996 (hạn 12 tháng), 1998 tháng) Bảng Phân loại kiện hạn tỷ lệ đợt hạn Phân loại kiện hạn SPI Tỷ lệ (%) Bình thường ≥0 47.5 Hạn nhẹ -1 ≤ SPI ≤ 35.0 Hạn trung bình -1.5 ≤ SPI ≤ -1 10.3 Hạn nghiêm trọng -2 ≤ SPI ≤ -1.5 6.9 Hạn nghiêm trọng SPI ≤ -2 0.3 Bảng Tổng hợp kiện hạn lưu vực sông Srepok (1980 – 2009) Thời gian bắt Thời gian kết STT Chu kì (D) Cường độ (S) đầu thúc 1 1.04 12/1/1982 12/1/1982 12 16.26 2/1/1983 1/1/1984 2.22 4/1/1986 5/1/1986 8.04 11/1/1989 5/1/1990 10.53 11/1/1991 5/1/1992 1.06 8/1/1993 8/1/1993 12 15.88 4/1/1995 3/1/1996 9.25 4/1/1998 10/1/1998 12 19.82 10/1/2004 9/1/2005 D Halwatura cộng (2015), chuỗi Xác định hàm phân phối thành phần Như quy trình liệt kê hình 3.1, chu kì hạn cường độ hạn thường phù bước thứ xây dựng đường cong hợp với hàm Gamma Vì vậy, phạm SDF chọn hàm phân phối phù vi nghiên cứu đề tài, hàm phân phối hợp với chu kì hạn cường độ hạn, từ xác suất Gamma lựa chọn để mơ tả tính tham số cần thiết chu kì cường độ kiện hạn việc xác định hàm kết hợp Copula biến xảy lưu vực Ngoài ra, để kiểm số Mặc dù có nhiều hàm phân phối khác tra phù hợp hàm Gamma, áp dụng liệt kê nghiên cứu phương pháp kiểm định đề mục 3.2, nhiên, theo Kolmogorov–Smirnov (K-S) sử nghiên cứu gần Shiau (2003, dụng cho phân phối chu kì cường độ 2006, 2009), Saralees Nadarajah (2009), hạn (Bảng 4) Shahrbanou Madadgar cộng (2013), Bảng Kiểm định K-S dành cho chu kì cường độ hạn Shape Parameter Scale Parameter D-Statistic p-value (α) (β) Drought Duration 0.283 0.465 1.748 3.875 Drought Severity 0.217 0.712 Frank Copula 0.113 Function 0.968 1.322 Copula Parameter (θ) 22.832 (6) biểu diễn Hình Các tham số α, β hàm phân phối tính dựa phương pháp L-moments (William H A., 2011) Hàm phân phối xác suất tích lũy Gamma (CDF Gamma) chu kì cường độ tương ứng với kiện hạn xảy lưu vực sông Srepok giai đoạn 1980 – 2009 tính theo phương trình (5), 70 7.068 Chuyên san Phát triển Khoa học Công nghệ số (1), 2017 Hình Chu kì hạn với hàm phân phối Gamma Hình Cường độ hạn với hàm phân phối Gamma quan hệ chu kì cường độ Xác định hàm phân phối kết hợp Sau hàm phân phối xác suất kiện hạn diễn lưu vực sơng yếu tố chu kì cường độ hạn xác Srepok Tham số Copula kết kiểm định với tham số thành phần, định liệt kê bảng hàm kết hợp Copula biến bắt đầu Hình minh họa kiện hạn xây dựng Đầu tiên, tham số hàm với hàm phân phối Frank Copula, đồng Copula (θ) tính phương pháp thời thể xác suất kết hợp xác suất tối đa (maximum likelihood) dựa hai yếu tố chu kì cường độ hạn P (D ≤ tham số thành phần tương ứng (α, i, S ≤ i) với i = 1, 2, 3,… Từ hàm phân β) chuỗi chu kì cường độ hạn Sau phối kết hợp Frank, dễ dàng tính đó, hàm Copula lựa chọn kiểm tốn xác suất có điều kiện khác để định theo phương pháp tham số kiện hạn xảy ra, ví dụ tính xác (Parametric bootstrap-based goodness-of- suất xảy kiện hạn có chu kì fit test) Kết cho thấy hàm Frank cường độ lớn giá trị xác định, ta Copula lựa chọn phù hợp để mơ tả mối có phương trình sau: 71 Chuyên san Phát triển Khoa học Công nghệ số (1), 2017 = 0.133 Do đó, xác suất xảy kiện hạn có chu kì lớn tháng cường độ lớn P (3, 2) = 0.751 Các phương trình quan trọng để đánh giá khả cung cấp nước hệ thống cấp nước đợt hạn hán xảy P (D ≥ d, S ≥ s) = – FD(d) – FS(s) + FD, S (D, S) (10) Cụ thể, xác suất xảy kiện hạn có chu kì lớn tháng FD (3) = 0.247, xác suất xảy kiện hạn có cường độ lớn FS (2) = 0.135 xác suất xảy kiện hạn kết hợp có chu kì lớn tháng cường độ lớn FD, S (3,2) Hình Các kiện hạn hàm phân phối xác suất kết hợp Frank Copula phối kết hợp Copula biến chu kì Đường cong SDF Để xây dựng đường cong SDF ngồi cường độ Trong nghiên cứu này, chu yếu tố cường độ chu kì kì lặp lại tính 20, 30, 40, 50, 100 phân tích trên, tần suất hạn hán 500 năm Kết tính tốn (Bảng 5) nhân tố khơng thể thiếu đường cong SDF trình bày nghiên cứu hạn hán Tần suất hạn Hình Có thể nhận thấy lưu vực sơng chu kì lặp lại (return period) Srepok, chu kì lặp lại, kiện hạn Như trình bày cường độ hạn tỉ lệ nghịch với chu kì hạn đề mục 3.4, chu kì lặp lại tỷ lệ thuận với chu kì lặp lại kiện hạn tính dựa hàm phân Hình Đường cong SDF Lưu vực Srepok 72 Chuyên san Phát triển Khoa học Công nghệ số (1), 2017 Bảng Kết cường độ hạn dựa chu kì lặp lại chu kì hạn Chu kì lặp lại Chu kì hạn (Tháng) 20 Năm 30 Năm 50 Năm 100 Năm 500 Năm 17.66809 20.81811 24.73798 29.99438 42.02134 17.66808 20.81811 24.73798 29.99436 42.02134 17.66808 20.81811 24.73798 29.99437 42.02134 17.6681 20.8181 24.73797 29.99437 42.02133 17.6679 20.81802 24.73793 29.99433 42.02131 17.66663 20.81741 24.73757 29.99409 42.02112 17.65951 20.81397 24.73558 29.99271 42.02009 17.62872 20.7993 24.72698 29.98681 42.01563 17.52282 20.7495 24.69807 29.96688 42.0006 10 17.21807 20.61245 24.6194 29.91291 41.95996 11 16.40565 20.29313 24.44141 29.79188 41.86918 12 13.22409 19.62499 24.09438 29.56041 41.6968 báo, phòng chống thiên tai đưa tính tốn hiệu quả, xác tình KẾT LUẬN VÀ ĐỀ NGHỊ Phương pháp Copula hình hạn hán, từ xây dựng kịch kỹ thuật nâng cao hiệu bản, phương pháp ứng phó xử lý kịp nghiên cứu tượng thời tiết cực thời cho người dân đoan, nhiên ứng dụng Tuy nhiên, phạm vi nghiên cứu nhiều nghiên cứu lũ lụt Do đó, khơng thể khảo sát hết hàm phân phối việc xây dựng thành công đường cong hàm Copula khác SDF cho lưu vực sông Srepok (Tây sử dụng rộng rãi nay, đề Nguyên, Việt Nam) dựa phương tài tập trung vào vấn đề hoàn chỉnh pháp Copula kết hợp hàm phân phối xác quy trình ứng dụng hàm Copula xây suất cho biến chu kì cường độ hỗ dựng đường cong SDF nên khảo sát trợ cộng đồng khoa học nhà quản hàm phân phối Gamma hàm kết hợp lý mơi trường có thêm cơng cụ giải Frank Copula Vì vậy, nghiên vấn đề liên quan đến hạn hán Phương cứu mở rộng sau này, đề tài đề xuất pháp Copula hỗ trợ đơn vị hướng nghiên cứu, khảo sát hàm phân nghiên cứu, quản lý sử dụng tài phối khác hàm Copula kết nguyên nước trung tâm dự hợp biến đa biến TÀI LIỆU THAM KHẢO Báo cáo “Tình hình hạn hán, xâm nhập mặn khu vực Tây Nguyên, Nam Trung Bộ, Đồng sông Cửu Long công việc triển khai tiếp theo”, Ban Chỉ đạo Trung ương phòng chống thiên tai, 2016 Báo cáo “Hiện trạng môi trường – nhu cầu nước cho môi trường tầm quan trọng việc trì dịng chảy mơi trường lưu vực sơng Srepok”, Viện Quy hoạch Thủy Lợi, 2013 PHẠM TẤN HÀ, “Các vấn đề ưu tiên quản lý tài nguyên nước lưu vực Srepok”, Phân viện Khảo sát – Quy hoạch thủy lợi Nam Bộ PHAN THỊ THANH HẰNG, “Đánh giá hạn hán tỉnh Đăk Nông”, Viện Địa lý - Viện KH CN Việt Nam, 2012 A REZA, T ISLAM, S SHEN, Z HU, AND M A RAHMAN, “Drought Hazard Evaluation in Boro Paddy Cultivated Areas of Western Bangladesh at Current and Future Climate Change Conditions” vol 2017, 2017 73 Chuyên san Phát triển Khoa học Công nghệ số (1), 2017 ANGELIDIS, P., MARIS, F., KOTSOVINOS, N ET AL Water Resour Manage, 262453, 2012 BONACCORSO, B., BORDI, I., CANCELLIERE, A., ROSSI, G., AND SUTERA, A., “Spatial variability of drought: An analysis of the SPI in Sicily”, Water Resources Management 17(4), 273–296, 2003 Climate Prediction Center, “Historical El Nino/La Nina episodes (1950-present)”, National Weather Service, USA D HALWATURA, A M LECHNER, AND S ARNOLD, “Drought severityduration-frequency curves: A foundation for risk assessment and planning tool for ecosystem establishment in post-mining landscapes” Hydrol Earth Syst Sci., vol 19, no 2, pp 1069–1091, 2015 GUTTMAN, N B., “Accepting the standardized precipitation index: A calculation algorithm”, Journal of the American Water Resources Association 35(2), 311– 322, 1999 HAYES, M J., SVOBODA, M D., WILHITE, D A., AND VANYARKHO, O.V., 1999, “Monitoring thedrought using the standardized precipitation index”, Bulletin of the American Meteorological Society 80(3), 429–438, 1996 J T SHIAU, “Fitting drought duration and severity with two-dimensional copulas” Water Resour Manag., vol 20, no 5, pp 795–815, 2006 J T SHIAU, “Return period of bivariate distributed extreme hydrological events” Stoch Environ Res Risk Assess., vol 17, no 1–2, pp 42–57, 2003 KENDALL, D R AND DRACUP, J A, “On the generation of drought events using an alternating renewal-reward model”, Stochastic Hydrology and Hydraulics 6(1), 55–68, 1992 MATHIER, L., PERREAULT, L., BOBE, B., AND ASHKAR, F., “The use of geometric and gamma-related distributions for frequency analysis of water deficit”, Stochastic Hydrology and Hydraulics 6(4), 239–254, 1992 S MADADGAR AND H MORADKHANI, “Assessment of Climate Change Impacts on Drought Returns Periods Using Copula” 2011 Symp Data-Driven Approaches to Droughts, 2011 SHIAU JT, SHEN HW, “Recurrence analysis of hydrologic droughts of differing severity”, ASCE J Water Resour Plng and Mgmt., 127(1): 30–40, 2001 SKLAR, K., “Fonctions de repartition a n Dimensions et Leura Marges”, Publ Inst Stat Univ Paris, 8, 229–231, 1959 T B MCKEE, N J DOESKEN, AND J KLEIST, “The relationship of drought frequency and duration to time scales” AMS 8th Conf Appl Climatol., no January, pp 179–184, 1993 WILLIAM H ASQUITH, “Univariate Distributional Analysis with L-moment Statistics using R”, 2011 74 ... phức tạp hạn hán, việc xây dựng đường cong SDF dựa phương pháp đa biến cho kết xác biểu diễn thay đổi kiện hạn lúc thay đổi biến số phụ thuộc Nhưng việc xây dựng đường cong SDF dựa phương pháp đa... xây dựng đường cong SDF, đồng thời cơng bố kết thu áp dụng SDF phân tích hạn hán Hiện nay, đa số cơng trình nghiên cứu xây dựng đường cong SDF dựa phương pháp đơn biến sử dụng tính chất hạn hán. .. function) Mục tiêu nghiên cứu xây dựng thành công đường cong SDF phương pháp Copula biến kết hợp ứng dụng đường cong SDF phân tích kiện hạn khu vực nghiên cứu cụ thể Mỗi kiện hạn phân tích dựa tính