i LỜI CAM ĐOAN Học viên xin cam đoan đây là công trình nghiên cứu của bản thân tác giả Các kết quả nghiên cứu và những kết luận trong luận văn là trung thực, không sao chép từ bất kỳ một nguồn nào và[.]
Tính c ấ p thi ế t c ủa đề tài
Hạn hán là hiện tượng tự nhiên xảy ra do nhiều nguyên nhân, bao gồm thiếu hụt lượng mưa, bốc hơi lớn và khai thác quá mức nguồn nước Hiện tượng này có thể xảy ra ở mọi vùng khí hậu trên thế giới, với đặc tính biến đổi từ vùng này sang vùng khác Khác với khô hạn, hạn hán là sự sai khác theo thời gian và không bị giới hạn trong những khu vực có lượng mưa thấp và nhiệt độ cao Do đó, hạn hán có thể xảy ra hàng năm với các đặc điểm thời tiết và tác động khác nhau.
Trong những năm gần đây, sự phát triển của đất nước đã mang lại những thay đổi tích cực cho nền kinh tế các tỉnh trên lưu vực sông Cả, với cơ cấu kinh tế chuyển dịch theo hướng công nghiệp - dịch vụ - nông nghiệp Sự ra đời của nhiều khu công nghiệp, khu kinh tế và khu đô thị mới đã làm tăng đáng kể nhu cầu nước cho các ngành kinh tế.
Thời tiết khí hậu ngày càng phức tạp, ảnh hưởng đến thời gian xuất hiện lũ và hạn Mực nước trên các sông có diễn biến bất lợi, gây khó khăn cho công tác phòng lũ, với những trận lũ lớn xảy ra vào các năm 1978, 1988, 2002, 2007 và đặc biệt là trận lũ năm 2010, gây thiệt hại nặng nề cho kinh tế và xã hội trong khu vực Đồng thời, tình trạng hạn hán cũng gia tăng, ảnh hưởng nghiêm trọng đến sản xuất, điển hình là các năm 2005, 2007 và 2010.
Nghệ An và Hà Tĩnh, thuộc lưu vực sông Cả, đang đối mặt với tình trạng hạn hán nghiêm trọng Năm 2010, Nghệ An ghi nhận khoảng 17.000-20.000ha đất bị hạn, trong khi Hà Tĩnh có khoảng 12.000ha, trong đó 30% diện tích bị ảnh hưởng nặng nề Hàng trăm hệ thống hồ đã xuống gần mức nước chết, với một số nơi như sông Cả tại Nam Đàn và sông La tại Linh có mực nước thấp nhất trong chuỗi số liệu quan trắc.
Cảm, gây nên tình trạng mặn xâm nhập sâu trên các lưu vực sông, không lấy được nước vào trong đồng
Cần nghiên cứu và phân tích tình hình thiếu hụt nguồn nước trên lưu vực sông Cả nhằm xác định các khu vực và thời điểm thường xuyên xảy ra hạn hán Qua đó, có thể đề xuất các giải pháp thích ứng hiệu quả.
M ụ c tiêu nghiên c ứ u c ủa đề tài
- Đánh giá tình trạng hạn hán, thiếu nước ở lưu vực sông Cả dựa trên chỉ số chuẩn hóa lượng mưa (Standardized Precipitation Index, SPI);
- Kết hợp công cụ viễn thám, GIS xây dựng bản đồ phân bố thiếu hụt nguồn nước dựa trên nguồn số liệu mưa vệ tinh;
- Đề xuất giải pháp ứng phó với tình trạng hạn hán, thiếu hụt nước lưu vực sông
Đối tượ ng và ph ạ m vi nghiên c ứ u
Đối tượ ng nghiên c ứ u
Các yếu tố khí tượng như lượng mưa, cường độ bức xạ mặt trời, nhiệt độ bề mặt đất trung bình và độ che phủ đất đóng vai trò quan trọng trong việc đánh giá mức độ hạn hán cũng như khả năng ứng phó của địa phương.
Ph ạ m vi nghiên c ứ u
- Vùng nghiên cứu lưu vực sông Cả thuộc Việt Nam gồm toàn bộ tỉnh Nghệ An,
8 huyện Hà Tĩnh, một phần huyện Như Xuân thuộc Thanh Hóa
- Giới hạn vùng nghiên cứu:
+ Lưu vực sông Cả nằm trên hai quốc gia: Cộng hoà dân chủ Nhân Dân Lào và
Cộng hoà xã hôi chủ nghĩa Việt Nam Ở Việt Nam sông Cả nằm trên địa phận của 3 tỉnh Thanh Hoá, Nghệ An, Hà Tĩnh
+ Tỉnh Thanh Hoá nằm trong lưu vực sông Cả: Có khoảng 1/2 diện tích huyện Như Xuân trên sông Chàng (sông nhánh).
Tỉnh Nghệ An nằm trong lưu vực sông Cả, bao gồm các huyện như Quế Phong, Quỳ Châu, Quỳ Hợp, Nghĩa Đàn, Tân Kỳ (nhánh sông Hiếu) và Kỳ Sơn, Tương Dương, Con Cuông, Anh Sơn, Đô Lương, Thanh Chương, Nam Đàn, Hưng Nguyên (dòng chính sông Cả) Việc sử dụng nước từ các hệ thống thuỷ lợi hiện nay trong mùa kiệt ở Nghệ An có mối liên hệ chặt chẽ với các huyện hưởng lợi như Yên Thành, Diễn Châu, Quỳnh Lưu (thuộc hệ thống thuỷ nông Diễn Yên Quỳnh - hệ thống Bắc Nghệ An), cùng với thành phố Vinh, thị xã Cửa Lò, Nghi Lộc và Hưng Nguyên (trong hệ thống Nam Hưng Nghi - hệ thống thuỷ nông Nam Nghệ An).
Tỉnh Hà Tĩnh có lưu vực sông Cả trải dài qua các huyện Hương Sơn, Hương Khê, Vũ Quang, Nghi Xuân, cùng với các vùng hưởng lợi như Can Lộc, Thạch Hà và Đức Thọ, cũng như thị xã trong khu vực.
Hồng Lĩnh trong hệ thống sông Nghèn
+ Với tổng diện tích tự nhiên là 19.627 km 2 bao gồm cả vùng hưởng lợi
Cách ti ế p c ận và phương pháp nghiên cứ u
Cách ti ế p c ậ n
Tiếp cận theo mục tiêu là cần thiết trong các vùng sản xuất nông nghiệp và vùng quy hoạch cho sản xuất nông nghiệp, bởi hiện tại chưa có nghiên cứu hoặc cảnh báo nào về nguy cơ hạn hán.
- Tiếp cận kết quả của các nghiên cứu trong và ngoài nước về vấn đề hạn hán
Tiếp cận theo mô hình là việc áp dụng các mô hình khí hậu toàn cầu kết hợp với công cụ xử lý ảnh vệ tinh Erdas và phần mềm GIS ArcGIS để phân tích không gian.
Phương ph áp nghiên c ứ u
- Phương pháp thu thập, thống kê, phân tích số liệu;
- Phương pháp xử lý số liệu mưa từ vệ tinh (CHIRPS);
- Phương pháp ứng dụng phần mềm tính toán chỉ số chỉ số chuẩn hoá lượng mưa SPI từ mưa vệ tinh;
- Phương pháp ứng dụng GIS, công cụ nội suy GIS… để xây dựng bản đồ phân bổ thiếu hụt nguồn nước.
TỔNG QUAN ỨNG DỤNG CÔNG NGHỆ KHÔNG GIAN
T ổ ng quan ứ ng d ụ ng công ngh ệ không gian trong nghiên c ứ u h ạ n hán
1.1.1 Tổng quan trên thế giới
* Hạn hán, thiếu hụt nguồn nước và chỉ số đánh giá
Trong những thập kỷ qua, hạn hán đã gia tăng trên toàn cầu, gây thiệt hại kinh tế và ảnh hưởng tiêu cực đến đời sống con người cũng như môi trường Mỗi năm, khoảng 21 triệu ha đất trở nên không có năng suất do hạn hán, và số người sống trong các khu vực khô cằn gặp rủi ro đã tăng hơn 80% trong gần 25 năm qua Hơn 1/3 diện tích đất trên thế giới đã bị khô cằn, nơi có 17,7% dân số toàn cầu sinh sống Cùng với hạn hán, hiện tượng hoang mạc hóa cũng đang lan rộng từ các vùng khô hạn và bán khô hạn đến cả những khu vực bán ẩm ướt, với diện tích hoang mạc hóa hiện nay lên tới 39,4 triệu km², chiếm 26,3% tổng diện tích đất tự nhiên trên thế giới.
Hạn hán đang đe dọa 250 triệu người trên toàn cầu, với 100 quốc gia bị ảnh hưởng Nguy cơ đói và khát do tình trạng này không chỉ tác động đến cuộc sống của con người mà còn ảnh hưởng nghiêm trọng đến môi trường khí hậu toàn cầu (WMO [1]).
Hạn hán thường gây ra ảnh hưởng rộng lớn và mặc dù ít khi là nguyên nhân trực tiếp dẫn đến mất mát về nhân mạng, nhưng thiệt hại kinh tế mà nó gây ra là rất đáng kể Theo Trung tâm giảm nhẹ hạn hán quốc gia Mỹ, mỗi năm, hạn hán gây thiệt hại cho nền kinh tế Mỹ khoảng 6-8 tỷ USD, so với 2,41 tỷ USD do lũ và 1,2-4,8 tỷ USD do bão Đặc biệt, đợt hạn hán lịch sử vào năm 1988-1989 đã gây thiệt hại lên đến 39-40 tỷ USD, vượt xa thiệt hại kỷ lục do lũ, chỉ đạt 15-27,6 tỷ USD.
Hạn hán và bão đã gây ra tổn thất kinh tế lớn, với thiệt hại lên tới 25-33,1 tỷ USD vào năm 1992 Các quốc gia như Ấn Độ, Pakistan và Australia cũng bị ảnh hưởng nặng nề Sự kiện El Nino năm 1997-1998 đã dẫn đến cháy rừng quy mô lớn tại Indonesia, gây thiệt hại kinh tế nghiêm trọng Theo dự báo của Liên Hiệp Quốc, đến năm 2025, 2/3 diện tích đất canh tác ở châu Phi, 1/3 ở châu Á và 1/5 ở Nam Mỹ sẽ không còn khả năng sử dụng, đe dọa khoảng 135 triệu người phải rời bỏ nhà cửa để tìm kiếm sinh kế mới.
Hạn hán là một hiện tượng phức tạp đã được nhiều tác giả nghiên cứu, nhưng vẫn chưa có phương pháp chung nào cho các nghiên cứu này Để xác định, nhận dạng, giám sát và cảnh báo hạn hán, các chỉ số hạn hán là công cụ chính được sử dụng Việc theo dõi biến động của các chỉ số này giúp xác định sự khởi đầu, thời gian kéo dài và cường độ của hạn Chỉ số hạn hán có thể là hàm của các biến đơn như lượng mưa, nhiệt độ, bốc thoát hơi và dòng chảy, hoặc là sự tổng hợp của nhiều biến khác nhau Mỗi chỉ số có ưu nhược điểm riêng và được áp dụng phù hợp với điều kiện của từng quốc gia Ngoài việc sử dụng dữ liệu quan trắc, các chỉ số hạn hán còn có thể áp dụng cho dữ liệu từ mô hình khí hậu khu vực và toàn cầu Việc xác định các đặc trưng của hạn hán như sự khởi đầu, kết thúc, thời gian kéo dài, phạm vi, mức độ, tần suất và mối liên hệ với biến đổi khí hậu là rất cần thiết trong nghiên cứu hạn hán.
Nghiên cứu về hạn hán toàn cầu của Aiguo Dai và cộng sự, cùng với phân tích của Benjamin Lloyd-Hughes & Mark A Saunders, cho thấy sự gia tăng đáng kể về số đợt hạn, thời gian kéo dài và tần suất của hạn hán ở nhiều khu vực Nico Wanders và cộng sự đã phân tích 18 chỉ số hạn hán khác nhau, lựa chọn các chỉ số phù hợp để đánh giá đặc trưng của hạn hán tại năm vùng khí hậu toàn cầu Nhiều nghiên cứu chỉ ra rằng lượng mưa giảm và nhiệt độ tăng sẽ làm gia tăng quá trình bốc hơi, dẫn đến hạn hán nghiêm trọng hơn Từ năm 1980 đến 2000, tần suất và mức độ hạn hán gia tăng, đặc biệt là ở Cộng hòa Séc và Hy Lạp, nơi hạn hán ảnh hưởng nghiêm trọng đến nông nghiệp và cung cấp nước Thời gian kéo dài của các đợt hạn cũng tăng lên, có thể kéo dài từ vài tháng đến vài năm Nghiên cứu trên toàn Châu Âu cho thấy thời gian hạn hán trung bình là 48 ± 17 tháng, với tần suất cao hơn ở lục địa và thời gian kéo dài nhất xảy ra ở Italy, đông bắc Pháp và đông bắc Nga.
Hạn hán ở phía bắc Trung Quốc đã gia tăng từ những năm 1990, với một số vùng trải qua tình trạng hạn hán kéo dài từ năm 1997 đến 2003 Nghiên cứu cho thấy hạn hán là hiện tượng phức tạp, do cả nguyên nhân tự nhiên và con người gây ra Các yếu tố tự nhiên bao gồm sự dao động khí quyển và biến đổi nhiệt độ mặt nước biển như El Nino, trong khi nguyên nhân do con người liên quan đến nhu cầu nước tăng cao, phá rừng, ô nhiễm, và quản lý tài nguyên kém Hiện nay, nhiều chỉ số hạn khác nhau đã được phát triển và ứng dụng trên toàn thế giới, như chỉ số Ivanov, Budyko, và Palmer Tuy nhiên, không có chỉ số nào vượt trội trong mọi điều kiện, do đó việc lựa chọn chỉ số phù hợp cần dựa vào điều kiện cụ thể và dữ liệu quan trắc của từng vùng.
Để giảm thiểu tác động của hạn hán, nhiều quốc gia phát triển trên thế giới đã thành lập các trung tâm giám sát, dự báo và cảnh báo hạn hán Các trung tâm này có nhiệm vụ chính là theo dõi tình hình hạn hán, cung cấp dự báo chính xác và đưa ra cảnh báo kịp thời để hỗ trợ cộng đồng trong việc ứng phó với tình trạng khô hạn.
1 Theo dõi, giám sát, dự báo và cảnh báo hạn hán;
2 Phối hợp với các ban ngành có liên quan để đề xuất và tiến hành các hoạt động ngăn ngừa, phòng tránh và giảm nhẹ tác hại của hạn hán;
3 Phối hợp với các cơ quan nghiên cứu khoa học xây dựng các phương pháp dự báo và cảnh báo hạn hán
* Sử dụng mưa vệ tinh trong đánh giá nguồn nước
Lượng mưa là dữ liệu quan trọng trong việc kiểm kê và đánh giá nguồn nước trên lưu vực sông Bên cạnh số liệu mưa từ các trạm khí tượng thủy văn truyền thống, nhiều cơ quan trên thế giới hiện nay cung cấp dữ liệu mưa vệ tinh, trong đó CHIRPS, TRMM và CMORPH là những nguồn dữ liệu mưa vệ tinh phổ biến.
- CHIRPS (Climate Hazards Group InfraRed Precipitation with Station) là dữ liệu lượng mưa toàn cầu gần 30 năm của Cục Khảo sát địa chất Hoa Kỳ
CHIRPS, được phát triển bởi USGS và nhóm hiểm họa khí hậu (CHG), kết hợp hình ảnh vệ tinh có độ phân giải 0.05° với dữ liệu từ các trạm quan trắc để tạo ra chuỗi thời gian mưa dạng lưới Phương pháp này giúp phân tích và theo dõi tình hình hạn hán theo mùa một cách hiệu quả.
Hình 1 1 D ữ li ệu mưa CHIRPS cho châu Phi ng ày 04-04-2017
Sản phẩm TRMM 3B42 (Tropical Rainfall Measuring Mission) là kết quả hợp tác giữa NASA và JAXA nhằm giám sát lượng mưa ở vùng nhiệt đới và cận nhiệt đới, đồng thời ước tính hệ thống nhiệt tiềm ẩn Vệ tinh TRMM trang bị các công cụ đo mưa như Radar lượng mưa (PR) hoạt động ở tần số 13,8 GHz, TRMM Microwave Image (TMI) với chín kênh đo phóng vi sóng thụ động, và VIRA (Visible and Infrared Scanner) với khả năng chiếu xạ hồng ngoại Thuật toán 3B42 được thiết kế để tạo ra tỷ lệ lượng mưa kết hợp hồng ngoại từ TRMM (IRM) và ước tính sai số lượng mưa (RMSE).
Hình 1 2 D ữ li ệu mưa TRMM từ năm 2000 -2008 ở Nepal
- CMORPH là dữ liệu mưa được tạo ra bởi kỹ thuật CMORPH (MORPHing
CPC (Climate Prediction Center) là sản phẩm của Cục Đại dương và Khí quyển quốc gia Hoa Kỳ, cung cấp phân tích lượng mưa toàn cầu với độ phân giải không gian và thời gian cao Kỹ thuật này dựa vào ước tính lượng mưa từ tàu thăm dò thấp và quan sát lò vi sóng vệ tinh, đồng thời sử dụng thông tin từ dữ liệu IR vệ tinh địa tĩnh để cải thiện độ chính xác.
Hình 1 3 D ữ li ệu mưa CMORPH ngày 08 -11-2015 ở Autralia
B ả ng 1 1 M ộ t s ố ngu ồn mưa vệ tinh toàn c ầ u hi ệ n nay
Tên dữ liệu Ngày bắt đầu-ngày kết thúc
Phân giải thời gian Nguồn
GPM 12/03/2014-nay 0.1 ° 30 phút NASA, JAXA
CHIRPS 01/01/1981-nay 0.05 ° Ngày CHG, UCSB
Dữ liệu mưa vệ tinh CHIRPS nổi bật với độ phân giải cao và bước thời gian hàng ngày, cùng với việc cung cấp miễn phí, khiến nó trở thành nguồn dữ liệu phổ biến hiện nay.
1.1.2 Tổng quan trong nước Đối với Việt Nam, nơi có tiềm năng nguồn nước phong phú nhưng do tính chất phân mùa sâu sắc nên thường xuyên xuất hiện hạn hán Cũng như các nghiên cứu trên thế giới, các nghiên cứu về hạn hán ở Việt Nam chủ yếu tập trung đến hạn khí tượng, hạn thủy văn và hạn nông nghiệp Các đề tài, dự án nghiên cứu hạn hán ở Việt Nam đã được triển khai trong những năm gần đây, chủ yếu tập trung vào 2 vấn đề chính:
(1) Các nghiên cứu cơ bản về hạn hán và tác động tới dân sinh, kinh tế, xã hội
(2) Các giải pháp, phòng chống và giảm nhẹ hạn hán bao gồm:
- Giải pháp công trình xây dựng các công trình thu trữ, điều tiết nước;
Tổng quan vùng nghiên cứu
1.2.1 Đặc điểm địa hình vùng nghiên cứu
Lưu vực sông Cả có hình dạng phát triển theo hướng Tây Bắc - Đông Nam, với phần lớn diện tích là đồi núi, trong đó chỉ có 19% diện tích đất tại Việt Nam và 14% toàn lưu vực đáp ứng yêu cầu phát triển nông nghiệp Địa hình sông Cả có thể chia thành các dạng chính, bao gồm đồng bằng và đồng bằng ven biển Đồng bằng sông Cả nằm dọc hai bên bờ sông từ phần trung lưu trở xuống, bao gồm các huyện Đô Lương, Thanh Chương, Nam Đàn, Hưng Nguyên, và các vùng đồng bằng như Diễn - Yên - Quỳnh, Nam - Hưng - Nghi, sông Nghèn và Nghi Xuân, nơi tập trung phát triển kinh tế xã hội của lưu vực Cao độ đồng bằng ven sông Cả biến đổi từ +10 đến +15 m tại Đô Lương, +7 đến +8 m tại Thanh Chương, +2,5 đến +1,0 m tại Nam Đàn, Hưng Nguyên, và +2,0 đến 0 m tại Đức.
Thọ, Thạch Hà Tổng diện tích mặt bằng vùng đồng bằng chiếm khoảng 10% diện tích lưu vực sông Cả và khu hưởng lợi
Hình 1 4 B ản đồ h ành chính lưu vự c sông C ả b.Vùng đồi trung du
Trung du lưu vực sông Cả bao gồm các huyện Nghĩa Đàn, Quỳ Hợp, Tân Kỳ, Anh Sơn, Thanh Chương, Vũ Quang, Hương Sơn và Hương Khê Khu vực này có địa hình phức tạp với đồi bát úp, đồi cao và các thung lũng thấp xen kẽ.
Bãi Tập - Quỳ Hợp và vùng sông Sào - Nghĩa Đàn thuộc huyện Hương Khê, Vũ Quang, Sơn Hà của Hương Sơn có địa hình cao độ biến đổi từ +20 đến +200m, với khoảng 25-30% diện tích mặt bằng Địa hình vùng núi cao tập trung chủ yếu ở phía Tây, Tây Bắc và Tây Nam lưu vực, kéo dài từ Đồng Văn, Thông Thụ (Quế Phong) đến Hương Liên (Hương Khê - Hà Tĩnh), với các dãy núi như Giăng Màn và dãy núi biên giới từ Nậm Mô đến cửa khẩu Cầu Treo Cao độ của dạng địa hình này từ +12.000 đến +15.000m tạo thành bức tường ngăn giữa lưu vực sông Mê Kông và sông Cả Các huyện miền núi cao thuộc lưu vực sông Cả bao gồm Kỳ Sơn, Tương Dương, Con Cuông, Quế Phong, Quỳ Châu và một phần của Quỳ Hợp, Nghĩa Đàn, Như Xuân, Anh Sơn, Thanh Chương, Nam Đàn, Hương Khê, Vũ Quang Địa hình này có độ dốc lớn, thung lũng hẹp, chiếm tới 60-70% diện tích lưu vực, nhưng diện tích đất canh tác chỉ chiếm 1,5-2% tổng diện tích mặt bằng, chủ yếu được xác định là vùng lâm nghiệp phòng hộ đầu nguồn.
1.2.2 Đặc điểm thổ nhưỡng, địa chất
Kết quả điều tra thổ nhưỡng cho thấy đất đai lưu vực sông Cả được phân thành hai loại chính: đất thuỷ thành và đất địa thành, dựa trên nguồn gốc phát sinh của chúng.
B ả ng 1 2 Phân lo ại đấ t đai trên lưu vự c sông C ả
Tổng diện tích điều tra thổ nhưỡng 19.626.650
Trong đó diện tích các loại đất (đã trừ sông suối và núi đá) 1.747.309 100,00
Trong đó nhóm phù sa dốc tụ 240.000 80,00
- Nhóm đất Feralit vàng vùng đồ i (170200m) 423.861 27,9
- Nhóm Feralit vàng trên núi từ 170200m đến 8001000m 651.584 42,9
- Nhóm Feralit vàng trên núi t ừ 800 1000m đế n
Nguồn: Theo số liệu điều tra thổnhưỡng năm 1990
Toàn bộ lưu vực sông Cả nằm trong miền uốn nếp Bắc Bộ và miền uốn nếp Varixêt Đông Dương Ranh giới giữa hai miền uốn nếp này được xác định bởi đới khâu sông.
Nghiên cứu trong chuyên khảo “Thành hệ địa chất và địa động học Việt Nam 1993” do Nguyễn Xuân Tùng biên tập cho thấy lưu vực sông Cả thuộc “lĩnh vực Bắc bộ - Dương Tử - KaTaZia” nằm giữa đai vỏ lục địa Bắc Trường Sơn từ thời kỳ Paleozoi Trong giai đoạn trước Cambri đến Paleozoi sớm và muộn, khu vực sông Cả đã trải qua chế độ đại dương vi lục địa, sườn châu lục và cận lục địa Thời kỳ Paleozoi muộn đến Merozoi muộn chứng kiến sự tồn tại của chế độ rift và prerift Từ Merozoi muộn, các bồn trũng nhỏ mang tính orogen đã hình thành dọc theo đứt gãy sông Cả, được lấp đầy bởi trầm tích lục nguyên vụn thô.
Địa tầng của lưu vực sông Cả bao gồm nhiều giới và hệ tầng từ cổ đến trẻ, cụ thể là giới Protezoi, giới Paleozoi (PZ) và giới Mezozoi, với các hệ tầng đặc trưng.
1.2.4 Đặc điểm sông ngòi a Dòng chính sông Cả
Sông Cả bắt nguồn từ đỉnh núi Phulaileng, tỉnh Hủa Phăm, Lào, chảy theo hướng Tây Bắc - Đông Nam và nhập vào Việt Nam tại bản Keng Đu Dòng chính của sông đi sát biên giới Việt - Lào khoảng 40km và hoàn toàn vào Việt Nam tại chân núi cao 1.067m Đến Bản Vẽ, sông đổi hướng chảy Bắc - Nam cho đến Cửa Rào, nơi sông nhập với nhánh Nậm Mô và tiếp tục chảy theo hướng Tây Bắc - Đông Nam Tổng diện tích lưu vực của sông Cả là 27.200km², trong đó 9.740km² nằm trên đất Lào và phần còn lại thuộc Việt Nam.
Dòng chính sông Cả có cấu trúc đứt gãy theo hướng Tây Bắc - Đông Nam, với lòng sông sâu và ít bãi bồi Đoạn hạ lưu của sông vừa sâu vừa rộng, trong khi đoạn trung lưu lại rộng nhưng nông Phần thượng nguồn nổi bật với nhiều ghềnh thác, hai bên là núi cao và đồi Khu vực thượng nguồn cũng có nhiều vị trí tiềm năng để xây dựng kho nước lợi dụng tổng hợp Đặc biệt, sông Cả không phân lưu và chỉ có một cửa thoát duy nhất.
Sông Hiếu là một chi lưu bên trái của sông Cả, nằm tại đoạn giữa ở Ngã ba Cây Chanh Với diện tích lưu vực lên đến 5.340 km² và chiều dài 314 km, sông Hiếu bắt nguồn từ dãy núi Cao Phú Hoạt thuộc huyện Quế Phong Sông chảy theo hướng Tây Bắc - Đông Nam, gần song song với dòng chính của sông Cả.
Cả Đến Nghĩa Đàn dòng chảy đổi hướng theo hướng Bắc Nam Từ thị trấn Tân
Kỳ dòng chảy lại đổi hướng theo Đông Nam - Tây Bắc và nhập vào sông Cả tại
Ngã ba Cây Chanh là một vị trí quan trọng liên quan đến sông Hiếu, nguồn cung cấp nước thiết yếu cho các huyện Quế Phong, Quỳ Châu, Quỳ Hợp, Nghĩa Đàn và Tân Kỳ Tuy nhiên, vào mùa kiệt, lưu lượng nước trên sông Hiếu có thể giảm xuống chỉ còn 6 đến 7 m³/s, không đủ đáp ứng nhu cầu cấp nước của khu vực.
Sông Hiếu có nhiều chi lưu quan trọng, trong đó nổi bật là Nậm Quàng, Nậm Giải, Kẻ Cọc - Khe Nhã, sông Chàng, sông Dinh, Khe Nghĩa và Khe Đá Đặc biệt, sông Chàng và sông Dinh là hai chi lưu lớn, đóng vai trò quan trọng trong việc cung cấp nước cho sông Hiếu, góp phần vào hệ thống thủy văn của khu vực miền núi.
Sông Nậm Mô bắt nguồn từ vùng rừng núi tỉnh Bôlikhăm Xay (Lào) và chảy vào Việt Nam tại Làng Nhãn, huyện Kỳ Sơn Tại Lào, sông chảy theo hướng Bắc Nam quanh đỉnh Huổng Mang Ngai (2406m), sau đó chuyển hướng Đông Nam - Tây Bắc đến bản Suông Hang Tại đây, sông tiếp tục đổi hướng Tây Bắc - Đông Nam và hợp lưu với dòng chính sông Cả tại Cửa Rào, có thể coi đây là dòng chính của sông Cả do hướng chảy của nó trùng với dòng chính.
Sông Nậm Mô có diện tích lưu vực 3.970 km² và chiều dài 189 km, trong đó phần chảy trên đất Việt Nam dài 89 km Dọc theo dòng sông từ thượng nguồn đến đoạn nhập lưu, có nhiều vị trí tiềm năng để xây dựng hồ chứa phục vụ phát điện và điều tiết nước cho hạ du Thượng nguồn của sông Nậm Mô chảy qua các vùng núi đá cao, với độ cao trung bình trên 1.000 m.
Sông Giăng là một phụ lưu của sông Cả, nằm cách đập Đô Lương khoảng 20km về phía hạ lưu, có cửa ra tại xã Thanh Luân Sông bắt nguồn từ dãy núi Phu Long cao 1.330m ở phía Tây Nghệ An, trong khu vực Môn Sơn - Lục Giã Với diện tích lưu vực 1.05km², sông Giăng nằm trong vùng có lượng mưa lớn, dẫn đến lòng sông rộng và nông với nhiều bãi bồi Hướng chảy chính của sông Giăng song song với sông Cả, đến Thác Muối và đổi hướng từ Tây Đông sang Bắc Nam khi nhập vào sông Cả, đóng vai trò quan trọng trong việc cung cấp nước cho sông.
CÔNG C Ụ VÀ PHƯƠNG PHÁP NGHIÊN CỨ U (C ầ n vi ế t chi
Cách tiếp cận nghiên cứu
Hạn hán là hiện tượng tự nhiên không thể tránh khỏi, với tần suất lặp lại cao (D.A Wilhite [2]) Đánh giá hạn hán dựa vào thời gian, mức độ, sự lan rộng và tác động đến kinh tế xã hội Theo Donald A Wilhite & Michael H Glantz [26], có bốn loại hạn hán: hạn khí tượng, hạn thủy văn, hạn nông nghiệp và hạn kinh tế xã hội Hạn khí tượng thường xuất hiện đầu tiên và là nguyên nhân chính của các loại hạn khác, do đó, việc đánh giá và cảnh báo hạn khí tượng giúp các nhà quản lý phòng chống và giảm nhẹ tác động của hạn hán Hạn khí tượng yêu cầu ít dữ liệu đầu vào như mưa và nhiệt độ, nên có thể áp dụng rộng rãi Phân tích đặc trưng không gian và thời gian của hạn khí tượng cùng các yếu tố gây ra hạn hán rất quan trọng trong quản lý tài nguyên nước và dự báo thiệt hại Vì vậy, tác giả sẽ chọn hạn khí tượng làm đối tượng nghiên cứu trong luận văn này.
Trong việc xác định và giám sát hạn hán, các chỉ số hạn hán đóng vai trò quan trọng, giúp theo dõi biến động giá trị và xác định thời gian, cường độ của hạn Các chỉ số này có thể là hàm của các biến đơn như lượng mưa, nhiệt độ, bốc thoát hơi, hoặc tổng hợp từ nhiều biến khác nhau Mỗi chỉ số có ưu điểm và nhược điểm riêng, và các quốc gia thường lựa chọn chỉ số phù hợp với điều kiện cụ thể của mình Ngoài ra, việc xác định hạn hán không chỉ dựa vào dữ liệu quan trắc mà còn có thể áp dụng cho dữ liệu từ mô hình khí hậu khu vực và toàn cầu.
Nghiên cứu về cảnh báo sớm hạn khí tượng tại Việt Nam đã áp dụng nhiều chỉ số phổ biến Đào Xuân Học đã sử dụng chỉ số khô hạn Sazonop để khảo sát và dự báo hạn khí tượng cho các tỉnh DHMT Nguyễn Quang Kim phát triển phần mềm dự báo hạn khí tượng dựa trên chỉ số SPI, trong khi Nguyễn Văn Thắng cũng sử dụng chỉ số SPI để dự báo hạn cho bảy vùng khí hậu khác nhau ở Việt Nam Ngoài ra, Nguyễn Lương Bằng đã kết hợp hai chỉ số SPI và SPEI để dự báo hạn khí tượng cho tỉnh Khánh Hòa.
Các thành phần trong chu trình tuần hoàn nước phản ứng khác nhau với lượng mưa tích lũy, với nước mặt phản ứng nhanh hơn so với nước dưới đất T B McKee và cộng sự đã phát triển chỉ số chuẩn hóa lượng mưa SPI để đánh giá đặc tính hạn hán SPI cho phép tính toán qua nhiều thời kỳ khác nhau bằng cách chuyển đổi dữ liệu mưa thành hàm tiêu chuẩn hóa, giúp so sánh hạn hán giữa các khu vực có điều kiện thời tiết khác nhau Tuy nhiên, SPI có một số hạn chế, như yêu cầu ít nhất 30 năm dữ liệu để đảm bảo độ chính xác Chỉ số này cũng giả định rằng nguyên nhân chính của hạn khí tượng là do mưa, trong khi các yếu tố khí tượng khác như nhiệt độ và bốc hơi có thể không được xem xét đầy đủ.
Chỉ số SPI, do Tổ chức Khí tượng Thế giới WMO đề xuất, là chỉ số phổ biến nhất để đánh giá và dự báo hạn hán Tại Việt Nam, chỉ số này đã được nghiên cứu và ứng dụng hiệu quả trong việc đánh giá và cảnh báo về tình trạng hạn hán Các nghiên cứu cho thấy chỉ số SPI rất phù hợp với điều kiện khí hậu của Việt Nam.
Để đánh giá tình hình hạn hán trong vùng nghiên cứu, luận văn này sử dụng chỉ số SPI để đo lường sự thiếu hụt lượng mưa (hạn khí tượng) tại các thời điểm trong năm, theo các giai đoạn 3 tháng và 6 tháng Lượng mưa trong các thời đoạn tương ứng đóng vai trò là yếu tố đầu vào quan trọng Số lượng và chất lượng tài liệu mưa có ảnh hưởng lớn đến độ chính xác của các mô hình toán được áp dụng.
Hiện tại, lưu vực sông Cả chỉ có 23 trạm đo mưa hoạt động, với mật độ lưới trạm là 778 km²/trạm, vượt tiêu chuẩn tối thiểu 575 km²/trạm của WMO Các trạm quan trắc mưa chủ yếu tập trung ở vùng đồng bằng và các thị trấn nằm trong thung lũng sông, trong khi khu vực núi cao rất thiếu trạm đo mưa Đặc biệt, số lượng trạm đo mưa tự ghi rất hạn chế, chỉ có một số trạm khí hậu được trang bị máy đo mưa tự ghi.
Dữ liệu từ các trạm đo mưa do Bộ Tài Nguyên Môi trường quản lý có chất lượng tốt, tuy nhiên, các trạm đo mưa chuyên dụng tại nông trường hoặc vùng sâu, vùng xa thường gặp vấn đề về độ tin cậy và có thể bị gián đoạn (Viện Quy hoạch Thủy lợi, 2012).
Tài liệu đo mưa trên lưu vực sông Cả có nhiều khoảng trống về không gian và thời gian Để khắc phục, luận văn kết hợp dữ liệu mưa vệ tinh nhằm bù đắp các lỗ hổng và tính toán chỉ số SPI cho lưu vực Sử dụng công nghệ GIS, nghiên cứu tạo bản đồ phân bố sự thiếu hụt nguồn nước (hạn khí tượng) cho toàn vùng với các lượng mưa khác nhau Kết quả tính toán giúp xác định diện tích bị hạn tại từng địa phương với các cấp độ hạn khác nhau, từ đó đề xuất các giải pháp thích ứng phù hợp.
Thu thập, phân tích số liệu mưa thực đo
2.2.1 Xác định mạng lưới trạm
Lựa chọn các trạm đo từ 23 trạm mưa hoạt động trong khu vực nghiên cứu là cần thiết để tính toán chỉ số thiếu hụt nguồn nước, dựa trên các tiêu chí đã được xác định.
To accurately calculate the Standardized Precipitation Index (SPI), a continuous dataset of at least 30 years is required to ensure reliability in the results.
- Có tính đại diện cho mỗi khu vực trong vùng nghiên cứu (vùng núi, vùng đồng bằng và vùng ven biển)
- Có sự phân bố phù hợp để phục vụ cho việc nội suy, xây dựng bản đồ thể hiện mức độ thiếu hụt nguồn nước trên toàn lưu vực
Dựa trên các tiêu chí trên, lựa chọn được 9 trạm đo khí tượng như sau:
B ả ng 2 1 Kho ả ng tr ố ng s ố li ệu mưa tạ i các tr ạm trên lưu vự c sông C ả
T ọa độ Li ệ t tài li ệ u
Vĩ độ Kinh độ Th ực đo Kho ả ng tr ố ng s ố li ệ u (1986-
4 Con Cuông 104°53' 19°03' 1960-2015 Tháng 6, tháng 12 năm 1995
5 Quỳ Hợp 105°09’ 19°19’ 1996-2015 Các năm từ 1986 đến 1995
6 Kỳ Anh 106°17’ 18°05’ 1961-2015 Các năm từ 1986 đến 2000
( Hương Sơn ) 105°16' 18°27 1962-2015 Các năm từ 1986 đế n 2000
Mạng lưới các trạm được lựa chọn được thể hiện trong Hình 2.1
Hình 2 1 Các tr ạm mưa đượ c l ự a ch ọ n 2.2.2 Xác định chuỗi số liệu mưa thực đo
Dữ liệu mưa thực đo được thu thập và phân tích từ 9 trạm đã chọn, trong đó một số trạm gặp vấn đề về tính liên tục của số liệu (Bảng 2.1) do ghi chép và thống kê không đầy đủ Đối với các số liệu thiếu, sẽ được bổ sung từ dữ liệu mưa vệ tinh như trình bày trong Mục 2.3.
Hình 2 2 S ố li ệu mưa thực đo (trạ m Qu ỳ H ợ p)
L ự a ch ọ n, thu th ậ p và x ử lý mưa vệ tinh
CHIRPS (Climate Hazards Group InfraRed Precipitation with Station) là bộ dữ liệu lượng mưa toàn cầu, cung cấp thông tin trong gần 30 năm từ Cục Khảo sát địa chất Hoa Kỳ (USGS) và nhóm hiểm họa khí hậu (CHG) Dữ liệu này kết hợp hình ảnh vệ tinh có độ phân giải 0.05° với dữ liệu từ các trạm quan trắc để tạo ra chuỗi thời gian mưa dưới dạng lưới, phục vụ cho việc phân tích và theo dõi hạn hán theo mùa.
Dựa trên các tiêu chí tính toán chỉ số thiếu hụt nguồn nước và các số liệu còn thiếu từ các trạm khí tượng đã chọn, dữ liệu mưa CHIRPS đã được thu thập cho lưu vực sông Cả, với chuỗi thời gian từ năm 1986 đến nay.
2015 c Xử lý mưa vệ tinh CHIRPS
1 Ảnh mưa vệ tinh CHIRPS (30 năm từ1986 đến 2015)
2 Shapefile lưu vực sông Cả
3 Shapefile vị trí 9 trạm mưa.
4 Số liệu thực đo 9 trạm mưa.
Trích giá trịmưa từảnh CHIRPS:
- Add data: ảnh CHIRPS từng tháng, shapefile lưu vực sông Cả, shapefile 9 trạm mưa vào phần mềm ArcGIS
- Trích dữ liệu mưa từ vị trí 9 trạm mưa:
+ Dùng lệnh “Extract by mask”, để trích ra giá trị mưa CHIRPS tại vị trí 9 trạm mưa.
+ Open Attribute Table của file vừa tạo được ở bước trên
Hình 2 3 Trích d ẫ n giá tr ị mưa CHIRP S t ạ i 9 tr ạm đo mưa
+ Mở file *.txt bằng Excel, copy giá trị mưa từảnh CHIRPS
- Làm tương tự cho các tháng còn lại
Hình 2.4 S ố li ệu mưa CHIRPS lưu vự c sông C ả và lân c ậ n tháng 9/1995
So sánh số liệu mưa CHIRPS với mưa thực đo
Hình 2.5 So sánh s ố li ệu mưa CHIRPS và mưa thực đo trạ m Qu ỳ H ợ p
Hình 2.6 So sánh s ố li ệu mưa CHIRPS và mưa thực đo trạm Hà Tĩnh
Hình 2.7 So sánh tương quan giữa mưa CHIRPS và mưa thực đo trạ m Qu ỳ
H ợp và Hà Tĩnh Đánh giá sai số:
Kết quả đánh giá tương quan giữa chuỗi số liệu mưa CHIRPS và mưa thực đo từ năm 1996-2000 tại trạm Quỳ Hợp cho thấy chỉ số tương quan R² = 0,6, cho thấy mức độ chấp nhận được Tại trạm Hà Tĩnh, chỉ số R² = 0,72, cho thấy sự tương quan khá tốt Phân tích tương tự ở 7 trạm còn lại cũng cho thấy mức độ tương quan giữa mưa vệtinh và mưa thực đo là chấp nhận được.
Sử dụng chỉ số NASH-Sutcliffe (NSE):
● Po là giá trị mưa thực đo
● P s là giá trịmưa vệ tinh CHIRPS
- Theo tiêu chuẩn của WMO [30] thì chỉ sốNSE được đánh giá như bảng sau:
B ả ng 2 2 Tiêu chí đánh giá chỉ s ố NSE
Chỉ số NSE Đánh giá chỉ số
Kết quả phân tích dữ liệu từ năm 1996 đến 2000 cho thấy chỉ số NSE thấp nhất tại trạm Quỳ Hợp là 0,64, trong khi trạm Hà Tĩnh đạt chỉ số cao nhất là 0,90 Điều này cho thấy mối tương quan giữa lượng mưa CHIRPS và lượng mưa thực đo trong khu vực nghiên cứu được đánh giá từ mức tốt đến rất tốt.
Dựa trên các phân tích và đánh giá đã thực hiện, mưa vệt tính CHIRPS có thể được áp dụng để lấp đầy các khoảng trống dữ liệu tại 9 trạm mưa đã được lựa chọn, từ đó tạo ra một chuỗi số liệu dài và đầy đủ hơn.
30 năm từ1986 đến 2015, dùng để tính toán chỉ số SPI
B ả ng 2 3 K ế t h ợp mưa thực đo và mưa CHIRPS tạ i các tr ạm trên lưu vự c sông C ả
TT Tên tr ạ m Th ực đo Mưa CHIRPS
4 Con Cuông 1960-2015 Tháng 6, tháng 12 năm 1995
5 Quỳ Hợp 1996-2015 Các năm từ 1986 đến 1995
6 Kỳ Anh 1961-2015 Các năm từ 1986 đến 2000
( Hương Sơn ) 1962-2015 Các năm từ 1986 đế n 2000
Xây d ự ng công th ứ c tính toán ch ỉ s ố SPI
Hạn là hiện tượng tự nhiên phổ biến, không phải sự kiện hiếm gặp, xuất hiện ở nhiều vùng khí hậu khác nhau Khác với sự khô cằn vĩnh viễn ở khu vực ít mưa, hạn là tình trạng thiếu hụt mưa tạm thời Từ những năm 1980, đã có hơn 150 khái niệm về hạn, nhưng chung quy lại, hạn được hiểu là tình trạng thiếu mưa kéo dài Hạn có thể được phân loại dựa trên bản chất và tác động, bao gồm hạn khí tượng, hạn nông nghiệp, hạn thuỷ văn và hạn kinh tế – xã hội.
Hạn có thể được xác định qua nhiều chỉ số, trong đó phổ biến ở Mỹ và Úc là phần trăm so với trung bình (PN), chỉ số chuẩn hoá lượng mưa (SPI), chỉ số hạn khắc nghiệt Palmer, chỉ số ẩm mùa vụ (CMI), chỉ số cấp nước bề mặt (SWSI), chỉ số tái khô hạn (RDI), và phần mười Chúng tôi chọn chỉ số SPI để xây dựng mô hình dự báo hạn khí tượng vì nó dựa trên khả năng có lượng mưa cho các khoảng thời gian khác nhau, được đánh giá cao về tính đa dụng, có khả năng cảnh báo sớm về hạn, và đơn giản hơn so với chỉ số Palmer Hạn khí tượng xảy ra khi mưa ít hơn trung bình nhiều năm, hạn nông nghiệp liên quan đến thiếu độ ẩm cho mùa vụ, và hạn thủy văn khi nước dự trữ trong các nguồn nước giảm xuống dưới mức trung bình thống kê, điều này có thể xảy ra ngay cả khi mưa ở mức trung bình do nhu cầu sử dụng nước tăng lên.
Cả ba loại hạn: hạn khí tượng, hạn độ ẩm đất và hạn nông nghiệp đều có mối liên hệ chặt chẽ Thiếu mưa và bốc hơi cao dẫn đến hạn khí tượng, trong khi thiếu độ ẩm trong đất ảnh hưởng đến khả năng cung cấp nước cho cây trồng, gây ra hạn nông nghiệp Hơn nữa, mưa ít kết hợp với bốc hơi cao làm giảm lượng nước trong lưu vực và ảnh hưởng đến nguồn nước ngầm, dẫn đến hạn thuỷ văn Do đó, khi đề cập đến khô hạn hay vùng khô hạn, cần xem xét đồng thời cả ba loại hạn này.
B ả ng 2 4 B ả ng t ổ ng h ợ p các ch ỉ tiêu h ạ n
Loại Chỉ số hạn Phương pháp tín Phân loại hạn Ưu điểm Nhược điểm Phạm vi ứng dụng
Mô hình cân bằng nước dạng 2 tầng cho chỉ số PDSI cho thấy tình trạng hạn hán nặng với giá trị từ -3,0 đến -3,99 Để đánh giá hiệu quả của nguồn nước cung cấp, cần xem xét cả hai yếu tố liên quan Tuy nhiên, việc sử dụng nguồn nước hiện tại không thực sự hiệu quả.
Chỉ số PDSI do Palmer tính toán nhằm thể hiện mối quan hệ giữa lượng mưa và nhu cầu nước, với các giá trị từ -2,0 đến -2,99 cho thấy tình trạng hạn vừa Chỉ số này giúp đánh giá tình hình thủy văn và bốc hơi nước tại các vùng núi, từ đó cung cấp thông tin quan trọng về nguồn nước trong khu vực.
Chỉ số hạn Palmer bốc hơi cho thấy mức độ hạn hán so với điều kiện bình thường, với các mức độ cụ thể như sau: từ -1,0 đến -1,99 được coi là hạn nhẹ, trong khi từ -0,5 đến -0,99 là hạn rất nhẹ Điều này có thể áp dụng cho các vùng có tuyết bao phủ cũng như tình hình hạn hán tại Hoa Kỳ và trên toàn thế giới.
Có thể tính toán chỉ số hạn theo cả
Chỉ số Precipitation Index (SPI) được tính từ chuỗi số liệu mưa nhiều năm, cho phép phân tích tình trạng hạn hán và ẩm ướt SPI sử dụng phân phối chuẩn để xác định các mức độ hạn hán: từ -1,5 đến -1,99 là hạn nặng, từ -1,0 đến -1,49 là hạn vừa Chỉ số này có thể được tính cho các khoảng thời gian khác nhau như tuần, tháng, quý, và năm, đồng thời yêu cầu có chuỗi số liệu mưa đủ dài mà không tính đến yếu tố bốc hơi SPI có thể áp dụng cho tất cả các vùng có tình trạng hạn hán khác nhau.
−0,99 to 0,99: bình thường 1,0,1,2); liên quan tính toán tần suất
Tính toán lượng mưa trong 3 tháng từ chuỗi số liệu mưa đo được cho kết quả chính xác hơn so với mức bình thường Phương pháp thống kê yêu cầu phải có chuỗi số liệu về Phân nhóm mưa (Rainfall Deciles - RD), chia thành 10 nhóm nhỏ Nhóm 3-4 thể hiện lượng mưa nhỏ hơn mức bình quân và cho kết quả tốt khi tính toán trong khoảng thời gian đủ dài, tuy nhiên ít được ứng dụng tại Úc Nhóm 5-6 gần với mức bình quân và thường được sử dụng để kiểm tra giới hạn tính bốc hơi.
H ạn n ôn g ng hi ệp
Mức độ ẩm trong đất được tính toán thông qua mô hình Chỉ số hạn, dựa trên phần trăm độ ẩm Mô hình này yêu cầu nhiều yếu tố chuyên dụng và sử dụng số liệu mưa cùng các yếu tố khí tượng đầu vào như nhiệt độ Cụ thể, mức độ ẩm được phân loại như sau: ≤20% rất khô hạn, 20-40% khô hạn, và 40-60% gần bình thường.
The Palmer Moisture Anomaly Index, also known as the Z-index, is a metric used to assess abnormal moisture levels The frequency of the Z-index is calculated to determine the extent of drought conditions.
Nhạy cảm khi tính toán độ thiếu hụt Không xem xét đến yếu t ố
(Z -index) Hoa Kỳ tính toán cho tháng trong mô hình Palmer mưa lịch sử
Chỉ số ẩm bất thường Palmer
Công thức S=DxM mô tả mối quan hệ giữa thời đoạn dòng chảy trong sông nhỏ hơn mức bình thường (D) và lưu lượng trung bình trong sông trong suốt thời gian D (M).
Việc tính toán chuẩn hóa S là cần thiết để xác định mức độ hạn Phương pháp này đơn giản, không yêu cầu thông tin về lưu vực và không phân bố mức độ hạn theo tần suất tiêu chuẩn.
T otal water deficit (S) Tổng lượng Hoa Kỳ nước thiếu hụt
Phương pháp này, giống như tính S, áp dụng mô hình Palmer để tính chỉ số PDSI, nhưng yêu cầu tiêu chuẩn tính toán phải chính xác hơn trong việc xác định giới hạn giữa khô hạn và ẩm ướt.
Giá trị tính toán phân lớp t ương tự PDSI nhưng đòi hỏi phân khoảng nhỏ hơn.
Sử dụng mô hình cân bằng nước để xác định mức độ ảnh hưởng của cả 2 yếu tố mưa và nhiệt độ.
Không thực sự hiệu quả tính toán cho các vùng núi hoặc vùng có tuy ết bao phủ; cần tính phân bổ tần suất tiêu chuẩn
Index Phần lớn sử dụng ở
(PHDI)- Chỉ số hạn thủy văn Palmer
Hoa Kỳ Surface Water Supply Index
Chỉ số SWSI (Soil Water Supply Index) được tính toán dựa trên mô hình giá trị tính toán phân lớp, xem xét đến tuyết phủ và lượng trữ nước Kết quả tính toán của chỉ số này phụ thuộc vào các yếu tố khí hậu và địa hình cụ thể.
Loại Chỉ số hạn Phương pháp tín Phân loại hạn Ưu điểm Nhược điểm Phạm vi ứng dụng
Chỉ số Hạn Hán Khu Vực (DAI) được tính toán dựa trên mức độ hạn hán và phạm vi ảnh hưởng của nó Chỉ số này không thể đo lường cường độ ảnh hưởng do điều kiện hạn hán của từng khu vực, mà thay vào đó dựa trên các giá trị chỉ số khác và hạn bình quân cho toàn bộ khu vực.
H ạn k in h tế xã h ội hán theo khu vực hạn dựa trên chỉ cường độ hạn nhau vùng tính toán
Ứ ng d ụ ng công c ụ GIS để l ậ p b ản đồ s ự thi ế u h ụ t ngu ồn nướ c
Sử dụng phần mềm ArcGIS để biên tập và thể hiện các lớp nền trên bản đồ, dữ liệu SPI1, SPI3, SPI6 từ 42 vị trí sẽ được chuyển lên bản đồ theo tọa độ địa lý của các trạm đo Phép nội suy nghịch đảo khoảng cách (IDW) được áp dụng để nội suy giá trị SPI từ 42 trạm khí tượng thủy văn, nhằm tạo ra bản đồ hạn cho khu vực nghiên cứu.
Phương pháp nội suy IDW (Inverse Distance Weighting) là kỹ thuật nội suy cục bộ xác định, ước lượng giá trị của điểm cần tính bằng cách trung bình các giá trị của các điểm lân cận Mỗi điểm lân cận sẽ có trọng số phụ thuộc vào khoảng cách đến điểm ước lượng, với giả thiết rằng giá trị tại các điểm cần tính là trung bình trọng số.
Phương pháp IDW (Inverse Distance Weighting) cho rằng khoảng cách giữa các giá trị tại điểm mẫu trong khu vực lân cận ảnh hưởng đến điểm dự báo Cụ thể, những điểm gần hơn với điểm cần tính sẽ có tác động lớn hơn so với những điểm ở xa hơn (Chen & Liu, 2012).
Z s là giá trị được dự báo tại điểm s 0
N là số điểm mẫu trong khu vực lân cận của điểm s0, với λi là các trọng số phụ thuộc vào khoảng cách từ mỗi điểm mẫu đến điểm s0 Giá trị z(s) được đo đạc tại mỗi điểm mẫu i.
Khoảng cách di0 được xác định giữa điểm dự báo s0 và điểm mẫu si, trong đó p là tham số thể hiện tốc độ giảm trọng số theo khoảng cách Nghiên cứu này chọn p = 2, có nghĩa là trọng số sẽ giảm theo bình phương khoảng cách.
IDW (Inverse Distance Weighting) là phương pháp nội suy dựa vào nghịch đảo của khoảng cách, được nâng lên thành một hàm mũ Tham số mũ trong IDW cho phép điều chỉnh tầm quan trọng của các điểm dữ liệu đã biết đối với giá trị nội suy, dựa trên khoảng cách của chúng từ điểm đầu ra Giá trị mũ này là một số thực, nhỏ hơn 0, với giá trị mặc định trong phần mềm QGIS là 2.
Số mũ cao hơn 2 làm nổi bật ảnh hưởng của các điểm gần, dẫn đến bề mặt có nhiều chi tiết hơn và ít mịn màng hơn Khi số mũ tăng, giá trị nội suy gần hơn với giá trị của điểm mẫu gần nhất Ngược lại, số mũ thấp hơn tạo ra ảnh hưởng lớn hơn từ các điểm xa, tạo ra bề mặt mịn hơn.
Trong luận văn này, tác giả đã chọn giá định mặc định do QGIS quy định nhằm đảm bảo sự cân bằng giữa các điểm gần và điểm xa so với điểm cần nội suy.
Các bước lập bản đồ thiếu hụt nguồn nước bằng công cụ GIS:
1 Các chỉ tiêu hạn hán đã xây dựng trước đây cho từng loại hạn có mức phân loại khác nhau Để thống nhất xây dựng bản đồ thiếu hụt nguốn nước, mức độ hạn được phân lại thành 3 mức chính đó là hạn nặng, hạn vừa, hạn nhẹ, và không hạn ứng với giá trị SPI6 Bản đồ thiếu hụt nguồn nước được tính toán trên mức trung bình của chỉ tiêu này
2 Bản đồ tổng hợp ứng với các các SPI được xác định dựa trên bản đồ ứng với các chỉtiêu tương ứng theo các chỉ tiêu chọn
3 Ứng dụng công cụGIS để tính toán thể hiện hạn hán trên địa bản tỉnh Trên cơ sở này xác định phạm vi hạn hán ứng với các nguy cơ hạn hán khác nhau.
KẾ T QU Ả VÀ TH Ả O LU Ậ N
Di ễ n bi ến lượng mưa
Lượng mưa trung bình hàng năm trên lưu vực sông Cả có sự biến động mạnh mẽ, với mức dao động từ 1.133 đến 1.700mm ở những khu vực ít mưa như Tương Dương, Mường Xén, Cửa Rào, và hạ sông Hiếu Trong khi đó, các vùng mưa vừa và lớn như thượng nguồn sông Hiếu có lượng mưa từ 2.000 đến 2.100mm, còn khu vực sông Giăng và giữa Cửa Rào - Nghĩa Khánh đến Dừa ghi nhận lượng mưa từ 1.800 đến 2.100mm Vùng sông Ngàn Phố và Ngàn Sâu có lượng mưa trung bình đạt từ 2.200 đến 2.400mm, trong khi vùng đồng bằng ven biển đạt từ 1.800 đến 1.900mm Nổi bật trong lưu vực là các khu vực có lượng mưa lớn nhất, đặc biệt là thượng nguồn sông Hiếu, sông Ngàn Phố và Ngàn Sâu.
Vùng ít mưa xuất hiện ở những thung lũng kín, khuất gió như dọc theo thung lũng Mường Xén - Cửa Rào, Cửa Rào - Khe Bốlượng mưa năm chỉđạt từ 1.200
1.300mm Có năm tại Khe Bố lượng mưa năm chỉ đạt 511mm năm 1984, Cửa Rào đạt 773 mm năm 1977
Mùa mưa ở lưu vực sông Cả và sông Hiếu có sự khác biệt rõ rệt theo từng vị trí Tại vùng thượng nguồn, mùa mưa bắt đầu từ tháng 5 và kéo dài đến tháng 10, với lượng mưa lớn nhất rơi vào tháng 8, trong đó ba tháng có lượng mưa cao nhất là tháng 7, 8 và 9 Trong khi đó, ở khu vực trung và hạ du, mùa mưa bắt đầu muộn hơn, từ tháng 6 và kéo dài đến tháng 10 hoặc tháng 11, với tháng 11 cũng có lượng mưa cao, nhưng tháng 8, 9 và 10 vẫn là những tháng có lượng mưa lớn nhất.
Mùa mưa ở lưu vực sông Ngàn Phố và Ngàn Sâu bắt đầu từ tháng Tám và kéo dài đến hết tháng Mười, với lượng mưa chiếm từ 80% đến 87% tổng lượng mưa hàng năm, trong khi phần còn lại thuộc về mùa ít mưa.
Mùa mưa ở Việt Nam diễn ra từ Bắc vào Nam, với hai đỉnh cực trị vào tháng Năm và tháng Sáu Sự gia tăng lượng mưa trong hai tháng này chủ yếu do ảnh hưởng của gió mùa Tây Nam, dẫn đến hiện tượng lũ tiểu mãn Tổng lượng mưa trong tháng Năm và Sáu có thể chiếm tới 20% tổng lượng mưa hàng năm tại các trạm thượng nguồn sông Cả.
Trận lũ tiểu mãn tại Hiếu, Ngàn Phố, Ngàn Sâu đã gây ra thiệt hại lớn, tương tự như các trận lũ lịch sử vào tháng 5 năm 1943 và tháng 5 năm 1989 Đặc biệt, trận mưa vào tháng 5 năm 1989 đã tạo ra lũ lịch sử trên sông Ngàn Phố, với lượng mưa tối đa đạt 483mm tại Kim Cương và 296mm tại Hoà Duyệt vào ngày 26 tháng 5 năm 1989.
Gió mùa Tây Nam gây ra thời tiết khô nóng do hiện tượng Fơn, với lượng mưa đạt cực đại vào tháng 5 và 6, sau đó giảm xuống mức tối thiểu vào tháng 7 Khi gió Lào hoạt động mạnh, lượng mưa trong tháng 7 chỉ đạt từ 5 đến 10% tổng lượng mưa năm.
Vào các tháng VIII, IX, X, dải hội tụ nhiệt đới di chuyển về phía Nam, kết hợp với các hiện tượng thời tiết như áp thấp nhiệt đới và bão, dẫn đến những trận mưa lớn kéo dài từ 3 đến 10 ngày Điều này gây ra lũ lớn trên các triền sông.
Lượng mưa hai tháng IX, X đạt tới 40% lượng mưa năm Lượng mưa tháng IX,
Lượng mưa trên lưu vực X phân bố không đồng đều, với vùng đồng bằng chịu ảnh hưởng lớn từ mưa bão, đạt từ 1.000 đến 1.100mm trong hai tháng Ngược lại, ở thượng lưu dòng chính, lượng mưa giảm dần chỉ còn từ 500 đến 800mm do ít bị ảnh hưởng bởi bão.
Lượng mưa cực tiểu tháng II vùng Mường Xén, Cửa Rào, thượng nguồn sông
Trong tháng này, Hiếu ghi nhận lượng mưa đạt từ 6 đến 12mm, tương tự như các tháng khác Lượng mưa trong tháng II chỉ chiếm 1 đến 2% tổng lượng mưa hàng năm Tổng lượng mưa trong 5 tháng mùa khô, từ tháng XII đến tháng IV, chỉ chiếm từ 10 đến 20% lượng mưa hàng năm.
Biến động lượng mưa theo thời gian khá mạnh mẽ Lượng mưa năm lớn nhất đạt 3.520mm năm 1989 tại Vinh, 3.670mm năm 1989 tại Hoà Duyệt, 3.470mm năm
1978 tại Đô Lương và từ 2.500 2.700mm tại các vùng thượng sông Cả, sông Hiếu Lượng mưa năm nhỏ nhất biến động tuỳ theo các vùng, vùng ít mưa như
Khe Bố, Mường Xén, Cửa Rào có năm lượng mưa chỉ đạt 500 700mm Vùng mưa nhiều năm ít mưa nhất đạt từ 1.200 1.500mm
Hệ số biến sai Cv mưa năm dao động từ 0,25 0,35
Hình 3 1 S ố li ệu mưa thực đo (Trạ m Qu ỳnh Lưu)
Hình 3 2 S ố li ệu mư thực đo (Trạm Kim Cương) ố ệu mưa thực đo (Trạ ỳ ợ
B ả ng 3 1 T ỷ l ệ mưa năm phân theo mùa trung bình nhiều năm
TT Tên Tr ạ m Li ệ t tài li ệ u
Mùa mưa Mùa khô Năm
4 Qu ỳnh Lư u 1960-2015 VI-X 1243 78 XI-V 346 22 1589
Phân tích tình tr ạ ng thi ế u h ụ t ngu ồn nướ c d ự a trên ch ỉ s ố SPI
Đánh giá sự thiếu hụt nguồn nước gây ra hạn hán được thực hiện thông qua kết quả tính chỉ số SP6 tại các trạm khí tượng, kết hợp với chỉ số bình quân SPI được tính bằng cách trung bình hóa các ô lưới SPI theo từng tháng.
Chỉ số SPI6 trung bình cho thấy rằng các giai đoạn từ 1991-1992, 1998-2001, 2003-2005, 2010-2011, và 2014-2015 đều ghi nhận sự thiếu hụt nguồn nước kéo dài so với mức trung bình nhiều năm Đặc biệt, các giai đoạn 1998-2001, 2003-2005 và 2014-2015 tiếp tục kéo dài sang năm 2016, cho thấy tình trạng thiếu nước liên tiếp Xu hướng này gần như tương đồng giữa các trạm đại diện cho các vùng miền núi (Quỳ Hợp), đồng bằng (Hà Tĩnh) và ven biển (Quỳnh Lưu), chứng tỏ rằng toàn bộ lưu vực sông Cả đều bị ảnh hưởng bởi hạn hán, mặc dù mức độ tác động có sự khác biệt.
Hình 3 4 Ch ỉ s ố SPI 1, 3 và 6 tr ạ m Qu ỳ H ợ p
Khi phân tích chỉ số SPI3 để đánh giá các giai đoạn hạn khí tượng, chúng ta nhận thấy xu hướng tương đồng với tần suất hạn gia tăng, mặc dù thời gian mỗi đợt ngắn hơn Kết quả đánh giá các giai đoạn hạn hán trong quá khứ cho thấy sự phù hợp với thực tế, điển hình là tình trạng thiên tai hạn hán tại tỉnh Nghệ An vào năm 2015, khi hạn hán diễn ra trên diện rộng và kéo dài từ năm 2014 sang năm 2016.
Hình 3 5 Xu th ế di ễ n bi ế n h ạ n hán vùng LVS C ả d ự a vào ch ỉ s ố SPI
Các quãng thời gian giữa các đợt hạn hán thường có lượng mưa dồi dào hơn so với trung bình nhiều năm Chỉ số SPI3 cho thấy xu hướng các giai đoạn nhiều nước tương đồng với thực tế, như các năm 1990-1991, 1997, đầu năm 2004 và cuối năm 2013 Tuy nhiên, chỉ số SPI6 chỉ ra rất ít đợt nhiều nước xen kẽ với các đợt ít nước Đánh giá trên khoảng thời gian ngắn hơn bằng SPI3 giúp nhận diện rõ hơn sự xen kẽ này Việc nhận diện sự xen kẽ giữa các giai đoạn dồi dào và thiếu hụt nguồn nước là cơ sở quan trọng để đánh giá khả năng sử dụng các công trình và giải pháp thu trữ, điều tiết nguồn nước trong các giai đoạn khác nhau.
Xây d ự ng b ản đồ thi ế u h ụ t ngu ồn nước theo các năm
Kết quả xây dựng bản đồ hạn khí tượng dựa trên chỉ số SPI6 trong các năm cho thấy rõ các xu thế hạn hán Đặc biệt, vào các năm 2015 và 2005, hầu hết lưu vực đều trải qua tình trạng hạn hán nghiêm trọng, dẫn đến thiếu hụt nguồn nước mưa.
Hình 15: B ản đồ phân b ố h ạn khí tượ ng theo ch ỉ s ố SPI6 trên LVS C ả
Phân tích di ệ n tích h ạ n hán t ại các địa phương
Bằng cách sử dụng công cụ GIS để xây dựng bản đồ hạn khí tượng, chúng tôi có thể xác định diện tích hạn theo các đơn vị hành chính Bảng 3.2 dưới đây cho thấy diện tích bị hạn vào đầu năm 2015 tại các huyện trong vùng nghiên cứu, với các khu vực chịu ảnh hưởng nặng nề như Vinh, Yên Thành, Con Cuông, Thanh Chương, Anh Sơn, Hưng Nguyên và Đô Lương Tổng diện tích hạn rất nặng lên đến hơn 138.000 ha, hạn nặng gần 578.000 ha và hạn là hơn 350.000 ha Kết quả này phản ánh đúng tình hình thực tế khi Nghệ An công bố tình trạng thiên tai hạn vào năm 2015.
B ả ng 3 2 Phân c ấ p h ạ n theo di ệ n tích các huy ệ n LVS C ả năm 2015 (theo ch ỉ s ố SPI6)
Di ệ n tích theo c ấp độ h ạ n (ha)
Di ệ n tích theo c ấp độ h ạ n (ha)
B ả ng 3 3 Di ệ n tích b ị h ạ n theo ch ỉ s ố SPI6 năm 2005
Di ệ n tích theo c ấp độ h ạ n (ha)
Di ệ n tích theo c ấp độ h ạ n (ha)
Đề xu ấ t gi ả i pháp ứ ng phó, kh ắ c ph ụ c thi ế u h ụ t ngu ồn nước lưu vự c sông
3.5.1 Một số giải pháp công trình (Phải nêu hiện trạng rồi mới đưa ra biện pháp công trình)
Kết quả tính toán và bản đồ thiếu hụt nguồn nước mùa khô cho các tiểu vùng cho thấy lượng mưa mùa khô ở các khu vực như trung sông Cả, trung và hạ lưu sông Hiếu, vùng sông Nghèn, và Nghi Xuân thường thấp hơn mức trung bình nhiều năm Mặc dù lượng mưa cả năm trên lưu vực sông Cả tương đối dồi dào, nhưng chủ yếu tập trung vào mùa mưa Do đó, việc xây dựng các hồ chứa để điều tiết nước giữa các mùa và trong nhiều năm là cần thiết và khả thi để đảm bảo nguồn nước cho những thời điểm thiếu hụt vào mùa khô.
Trên lưu vực sông Cả, mặc dù đã có nhiều công trình thủy lợi và thủy điện, nhưng vẫn chưa đáp ứng đủ nhu cầu nước cho các vùng xung quanh Do đó, cần khai thác tối đa nguồn nước từ các hồ chứa hiện có như hồ Bản Vẽ, Bản Mồng và Ngàn Trươi, đồng thời xem xét xây dựng thêm các công trình mới như Chúc A, Trại Dơi, Đá Gân, Khe Chè, Nước Sốt, Rào Mắc và Thác Muối Các số liệu lưu lượng nước từ các hồ này được tham khảo từ Viện Quy hoạch Thủy lợi, với mục tiêu sử dụng công cụ tính toán chỉ số hạn khí tượng SPI để đánh giá ảnh hưởng của việc thiếu hụt nước trong mùa khô Để tối ưu hóa nguồn nước từ các hồ chứa thượng nguồn phục vụ nhu cầu hạ du, cần cải tạo, nâng cấp và xây mới các trạm bơm, hồ chứa nhỏ và cống lấy nước tại những khu vực khó khăn như Nghi Xuân, sông Nghèn, trung lưu sông Cả và hạ sông Hiếu.
3.5.2 Một số giải pháp phi công trình
Củng cố và nâng cao năng lực hoạt động của các tổ chức quản lý nguồn nước trên lưu vực, bao gồm Sở Nông nghiệp và Phát triển Nông thôn, Sở Tài nguyên và Môi trường, Chi cục Thủy lợi, và Chi cục Phòng chống và Giảm nhẹ thiên tai Cần làm rõ và giảm thiểu các mâu thuẫn, chồng chéo chức năng giữa các tổ chức quản lý để đảm bảo sự hiệu quả trong công tác quản lý tài nguyên nước.
Cần xem xét và củng cố vai trò của Ban Quản lý lưu vực sông Cả, đồng thời thiết lập hình thức tổ chức phù hợp với điều kiện và bối cảnh của lưu vực sông tại Việt Nam.
Nhiệm vụ quản lý nước trong lưu vực sông không được trùng lặp với các tổ chức khác, đặc biệt là với hệ thống quản lý nước của các tỉnh Cần có cơ chế phối hợp hiệu quả giữa các cơ quan, tổ chức trong việc sử dụng nước, đặc biệt là trong quản lý theo địa giới hành chính Việc tham gia của cộng đồng trong việc trao đổi ý kiến và thống nhất giải quyết mâu thuẫn trong quản lý nước là rất quan trọng.
3.5.3 Một số giải pháp khoa học công nghệ
- Tăng cườ ng nghiên c ứ u, ứ ng d ụ ng khoa h ọ c công ngh ệ trong công tác qu ản lý, điề u hành khai thác sử dụng nguồn nước
- Nâng cao trình độ cán bộ, trang bị các phương tiện hiện đại để có thể nghiên cứu, tiếp thu và ứng dụng các công nghệ mới
Xây dựng một cơ sở dữ liệu đầy đủ và cập nhật là rất quan trọng để phục vụ công tác quản lý và quy hoạch Việc này giúp khai thác thông tin hiệu quả hơn, từ đó nâng cao chất lượng kế hoạch khai thác nguồn nước.
Ứng dụng các mô hình toán học về thủy văn, thủy lực và cân bằng nước giúp đánh giá, kiểm đếm và quản lý nguồn nước một cách hiệu quả hơn, từ đó tối ưu hóa việc khai thác và sử dụng tài nguyên nước.
Kết quả nghiên cứu đề xuất kết hợp với các cơ quan chuyên môn để phát triển và ứng dụng công nghệ cao, như tích hợp công nghệ viễn thám với mô hình toán học Mục tiêu là xây dựng cơ sở dữ liệu đầy đủ, bổ sung thông tin còn thiếu và tạo ra các kịch bản sẵn sàng ứng phó.