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 nước quá mức Hiện tượng này có thể xảy ra ở mọi vùng khí hậu trên thế giới, với đặc điểm và mức độ tác động khác nhau Hạn hán khác với khô hạn, vốn là tình trạng kéo dài ở những khu vực có lượng mưa thấp và nhiệt độ cao Do đó, hạn hán diễn ra hàng năm với các đặc tính thời tiết và ảnh hưởng không giống nhau.
Trong những năm gần đây, sự phát triển kinh tế tại các tỉnh lưu vực sông Cả đã diễn ra tích cực, 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 gia tăng đáng kể nhu cầu nước cho các ngành sản xuất.
Thời tiết khí hậu đang diễn biến phức tạp, với lũ lụt và hạn hán xuất hiện ngày càng khó lường Mực nước trên các sông có những biến động bất lợi, gây khó khăn cho công tác phòng chống lũ, như các trận lũ lớn xảy ra vào các năm 1978, 1988, 2002, 2007 và đặc biệt là năm 2010, gây thiệt hại nặng nề cho kinh tế và xã hội Đồng thời, tình trạng hạn hán cũng ngày càng gia tăng, ảnh hưởng nghiêm trọng đến sản xuất, điển hình là các năm 2005, 2007 và 2010.
Nghệ An và Hà Tĩnh, nằm trong lưu vực sông Cả, đã trải qua 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, với 30% diện tích hạn bị ảnh hưởng nặng Hàng trăm hệ thống hồ trong khu vực đã giảm mực nước gần mức chết, và một số nơi như sông Cả tại Nam Đàn và sông La tại Linh ghi nhận mực nước xuống 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 để xác định các khu vực và thời điểm thường xuyên xảy ra hạn hán Việc đánh giá này giúp đề xuất các giải pháp thích ứng hiệu quả trong bối cảnh khan hiếm nước kéo dài.
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 đặc điểm 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 và 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 thủy lợi hiện nay ở Nghệ An trong mùa kiệt liên quan chặt chẽ đến các huyện hưởng lợi như Yên Thành, Diễn Châu, Quỳnh Lưu (thuộc hệ thống thủy nông Diễn Yên Quỳnh - Bắc Nghệ An) và thành phố Vinh, thị xã Cửa Lò, Nghi Lộc, Hưng Nguyên (trong hệ thống Nam Hưng Nghi - Nam Nghệ An).
Tỉnh Hà Tĩnh sở hữu 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.
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
Để đảm bảo phát triển bền vững trong sản xuất nông nghiệp, cần có sự tiếp cận theo mục tiêu, đặc biệt là tại các vùng sản xuất và quy hoạch nông nghiệp Hiện nay, chưa có nghiên cứu hoặc cảnh báo nào về nguy cơ hạn hán tại những khu vực này, điều này đặt ra thách thức lớn cho nông dân và ngành nông nghiệp.
- Tiếp cận kết quả của các nghiên cứu trong và ngoài nước về vấn đề hạn hán
Tiếp cận theo mô hình là phương pháp quan trọng trong nghiên cứu khí hậu, sử dụng các mô hình khí hậu toàn cầu để dự đoán và phân tích biến đổi khí hậu Bên cạnh đó, công cụ xử lý ảnh vệ tinh Erdas và phần mềm GIS ArcGIS được áp dụng để phân tích không gian, giúp nâng cao độ chính xác trong việc đánh giá các yếu tố môi trường.
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 đáng kể trên toàn cầu, gây thiệt hại kinh tế và ảnh hưởng đến cuộc sống con người cũng như môi trường sinh thái Hàng năm, khoảng 21 triệu ha đất trở nên không có năng suất do hạn hán, và số dân gặp rủi ro đã tăng hơn 80% trong gần 25 năm qua Hiện nay, hơn 1/3 diện tích đất đai thế giới đã bị khô cằn, nơi có 17,7% dân số sinh sống Bên cạnh hạn hán, hoang mạc hoá cũng đang lan rộng từ các vùng khô hạn đến cả những khu vực bán ẩm ướt, với diện tích hoang mạc hoá lên đến 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 thế giới, với 100 quốc gia bị ảnh hưởng, gây ra nguy cơ đói và khát Tình trạng này cũng tác động tiêu cực đến môi trường khí hậu toàn cầu (WMO [1]).
Hạn hán thường gây ảnh hưởng nghiêm trọng và rộng rãi, mặc dù ít khi là nguyên nhân trực tiếp dẫn đến tổn thất về nhân mạng Theo Trung tâm giảm nhẹ hạn hán quốc gia Mỹ, thiệt hại kinh tế do hạn hán hàng năm ở Mỹ lên tới 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 xảy ra vào năm 1988-1989 đã gây thiệt hại lên tới 39-40 tỷ USD, vượt xa thiệt hại kỷ lục do lũ với mức 15-27,6 tỷ USD.
Hạn hán và bão đã gây ra tổn thất kinh tế nghiêm trọng, với thiệt hại lên tới 25-33,1 tỷ USD vào năm 1992 Nhiều quốc gia như Ấn Độ, Pakistan và Australia cũng chịu ảnh hưởng nặng nề từ hạn hán Sự kiện El Nino năm 1997-1998 đã dẫn đến cháy rừng quy mô lớn ở Indonesia, gây thiệt hại kinh tế lớn và ảnh hưởng đến môi trường 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 đến 135 triệu người phải rời bỏ nhà cửa để tìm kiếm sinh kế.
Trên thế giới, nhiều tác giả đã nghiên cứu về hạn hán, tuy nhiên, do tính phức tạp của hiện tượng này, chưa có phương pháp chung cho các nghiên cứu Trong việc xác định và giám sát hạn hán, các chỉ số hạn hán là công cụ chính Việc theo dõi sự 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 hoặc là tổng hợp các biến 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 áp dụng cho dữ liệu từ mô hình khí hậu khu vực và toàn cầu Xác định các đặc trưng của hạn như sự khởi đầu, kết thúc, thời gian kéo dài, phạm vi và mức độ hạn, cũng như mối liên hệ với khí hậu là rất cần thiết trong nghiên cứu hạn hán.
Các nghiên cứu toàn cầu về hạn hán của Aiguo Dai và cộng sự đã chỉ ra rằng số đợt hạn, thời gian kéo dài và tần suất của hạn hán đã tăng lên đáng kể Nổi bật là nghiên cứu của Nico Wanders, phân tích 18 chỉ số hạn hán khác nhau, lựa chọn các chỉ số phù hợp cho năm vùng khí hậu toàn cầu Sự giảm lượng mưa và tăng nhiệt độ đang làm gia tăng quá trình bốc hơi, dẫn đến hạn hán nghiêm trọng hơn Xu hướng nóng lên toàn cầu từ 1980 đến 2000 đã làm tăng tần suất và mức độ hạn hán, với các đợt hạn nặng xảy ra tại Cộng hòa Séc, Hy Lạp và Moldova Thời gian kéo dài của các đợt hạn cũng gia tăng, 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 kéo dài nhất tại Italy, đông bắc Pháp và đông bắc Nga.
Hạn hán ở phía bắc Trung Quốc đã gia tăng kể từ những năm 1990, với một số khu vực trải qua tình trạng hạn hán kéo dài từ 4-5 năm giữa năm 1997 và 2003 Nghiên cứu cho thấy hạn hán là hiện tượng phức tạp, do cả nguyên nhân tự nhiên như biến đổi khí hậu và El Nino, cũng như nguyên nhân do con người như nhu cầu nước tăng cao, phá rừng và ô nhiễm môi trường Hiện nay, nhiều chỉ số hạn hán đã được phát triển và ứng dụng toàn cầu, như Chỉ số ẩm Ivanov, Chỉ số khô Budyko và Chỉ số Palmer Tuy nhiên, không có chỉ số nào hoàn hảo cho mọi điều kiện, do đó việc áp dụng các chỉ số này cần dựa vào tình hình cụ thể của từng khu vực và dữ liệu quan trắc sẵn có.
Để giảm thiểu tác động của hạn hán, nhiều quốc gia phát triển trên thế giới đã thiết lập các trung tâm giám sát, dự báo và cảnh báo hạn hán Nhiệm vụ chính của những trung tâm này là cung cấp thông tin kịp thời và chính xác về tình hình hạn hán để hỗ trợ các biện pháp ứng phó hiệu quả.
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 thiết yếu cho việc kiểm kê và đánh giá nguồn nước trên lưu vực sông Bên cạnh các số liệu đo đạc tại các trạm khí tượng thủy văn truyền thống, hiện nay có nhiều cơ quan cung cấp dữ liệu mưa vệ tinh, trong đó CHIRPS, TRMM và CMORPH là những nguồn dữ liệu 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, được phát triển bởi NASA và JAXA, nhằm giám sát lượng mưa ở khu vực nhiệt đới và cận nhiệt đới, cũng như ước tính hệ thống nhiệt tiềm ẩn Vệ tinh TRMM trang bị nhiều công cụ đo mưa, bao gồm 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 năm kênh chiếu xạ hồng ngoại Thuật toán 3B42 được thiết kế để tạo ra tỷ lệ lượng mưa kết hợp hồng ngoại (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 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 trên ước tính lượng mưa từ tàu thăm dò thấp và quan sát lò vi sóng vệ tinh, kết hợp với thông tin không gian thu được từ dữ liệu IR của vệ tinh địa tĩnh.
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 theo ngày, đồng thời cung cấp nguồn dữ liệu miễn phí, khiến nó trở thành lựa chọn phổ biến trong nghiên cứu khí hậu 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 hướng phát triển Tây Bắc - Đông Nam, với phần lớn diện tích là đồi núi, trong đó chỉ có 19% diện tích đất phù hợp cho nông nghiệp tại Việt Nam và 14% toàn lưu vực Địa hình sông Cả được chia thành các dạng chính, trong đó đồng bằng và đồng bằng ven biển là quan trọng nhất Đồng bằng sông Cả nằm dọc hai bên bờ 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 tọa lạc tại 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 những đồi bát úp và đồi cao, xen kẽ là các thung lũng thấp, tạo nên một cảnh quan thiên nhiên đa dạng và hấp dẫn.
Bãi Tập - Quỳ Hợp, vùng sông Sào - Nghĩa Đàn, và các khu vực trung tâm như Hương Khê, Vũ Quang, Sơn Hà của Hương Sơn có địa hình cao độ biến đổi từ +20 đến +200m, với sự chia cắt mạnh mẽ do các sông nhỏ Tổng diện tích của dạng địa hình này chiếm khoảng 25-30% Địa hình vùng núi cao chủ yếu tập trung 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 đạt từ +12.000 đến +15.000m, tạo thành một bức tường thành 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, cùng 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 và thung lũng hẹp, chiếm tới 60-70% diện tích lưu vực, nhưng chỉ có 1,5-2% diện tích đất canh tác, 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 loại thành hai loại chính: đất thuỷ thành và đất địa thành.
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 khu vực uốn nếp Bắc Bộ và uốn nếp Varixêt Đông Dương, với ranh giới giữa hai miền uốn nếp được xác định bởi đới khâu sông.
Nghiên cứu trong chuyên khảo "Thành hệ địa chất và địa động học Việt Nam 1993" của Nguyễn Xuân Tùng chỉ ra rằng 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 từ trước Cambri đến Paleozoi muộn, khu vực này tồn tại chế độ đại dương vi lục địa, sườn châu lục và cận lục địa Thời kỳ Paleozoi muộn đến Merozoi muộn chứng kiến sự hiện diện của chế độ rift và prerift Bắt đầu từ Merozoi muộn, các bồn trũng nhỏ mang tính orogen 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, trong đó mỗi giới lại chứa 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 thuộc tỉnh Hủa Phăm, Lào, chảy theo hướng Tây Bắc - Đông Nam Khi vào Việt Nam tại bản Keng Đu, dòng sông đi sát biên giới Việt - Lào khoảng 40km và hoàn toàn vào Việt Nam tại chân đỉnh núi cao 1.067m Đến Bản Vẽ, sông chuyển hướng chảy Bắc - Nam và đến Cửa Rào, nơi sông nhập với nhánh Nậm Mô, sau đó lại chuyển hướng Tây Bắc - Đông Nam Tổng diện tích lưu vực sông Cả là 27.200km², trong đó phần chảy trên đất Lào là 9.740km², còn lại nằm ở Việt Nam.
Dòng chính sông Cả là một nếp đứt gãy theo hướng Tây Bắc - Đông Nam, với lòng sông sâu và ít bãi bồi Đoạn hạ lưu của sông rộng và sâu, trong khi đoạn trung lưu rộng nhưng nông Phần thượng nguồn có nhiều ghềnh thác, với 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 Sông Cả không phân lưu và chỉ có một cửa thoát duy nhất.
Sông Hiếu là một chi lưu phía Tả của sông Cả, nằm tại đoạn trung lưu ở Ngã ba Cây Chanh Với diện tích lưu vực 5.340 km² và chiều dài 314 km, sông Hiếu bắt nguồn từ dãy núi Cao Phú Hoạt thuộc huyện Quế Phong Dòng 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, nằm bên sông Hiếu, con sông cung cấp nước thiết yếu cho các huyện Quế Phong, Quỳ Châu, Quỳ Hợp, Nghĩa Đàn và Tân Kỳ Tuy nhiên, trong 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 nước của khu vực.
Sông Hiếu có nhiều chi lưu quan trọng, bao gồm Nậm Quàng, Nậm Giải, Kẻ Cọc - Khe Nhã, sông Chàng, sông Dinh, Khe Nghĩa và Khe Đá Trong đó, sông Chàng và sông Dinh là hai chi lưu lớn, đóng vai trò quan trọng trong việc cung cấp nước cho sông Hiếu, đặc biệt ở khu vực miền núi.
Sông Nậm Mô, bắt nguồn từ rừng núi tỉnh Bôlikhăm Xay (Lào), chảy vào Việt Nam tại Làng Nhãn, huyện Kỳ Sơn Tại Lào, sông chảy theo hướng Bắc Nam quanh đỉnh Huổng Mang Ngai (2406m) trước khi đổi dòng theo hướng Đông Nam - Tây Bắc Đến bản Suông Hang, sông tiếp tục chảy theo hướng Tây Bắc - Đông Nam và nhập lưu với sông Cả tại Cửa Rào, có thể coi đây là dòng chính của sông Cả do hướng chảy của nó trùng khớp 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 sông Nậm Mô, từ thượng nguồn đến đoạn nhập lưu, có nhiều vị trí thích hợp để xây dựng hồ chứa, phục vụ cho việc phát điện và điều tiết nước cho hạ du Thượng nguồn sông chảy qua các vùng núi đá cao với độ cao trung bình trên 1.000 m.
Sông Giăng là một phụ lưu bên hữu sông Cả, cách đập Đô Lương khoảng 20km về phía hạ lưu, bắt nguồn từ dãy núi Phu Long cao 1.330m ở phía Tây Nghệ An, thuộc vùng núi Môn Sơn - Lục Giã Với diện tích lưu vực 1.05km², sông Giăng nằm trong khu vực có lượng mưa lớn, dẫn đến lòng sông rộng và nông, cùng nhiều bãi bồi Hướng chảy chính của sông Giăng song song với sông Cả đến Thác Muối, sau đó đổi hướng Tây Đông tại cửa ra nhập với sông Cả theo hướng Bắc Nam, đóng vai trò quan trọng trong việc cung cấp nước cho sông Cả.
CÔNG C Ụ VÀ PHƯƠNG PHÁP NGHIÊN CỨ U (C ầ n vi ế t chi
Cách tiếp cận nghiên cứu
Hạn hán là một hiện tượng tự nhiên không thể tránh khỏi, với tần suất lặp lại cao (D.A Wilhite) Đánh giá hạn hán thường dựa vào thời gian, mức độ, sự lan rộng và tác động đến kinh tế xã hội Theo Donald A Wilhite & Michael H Glantz, hạn hán được chia thành bốn loại: 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 gây ra các loại hạn khác, do đó, việc đánh giá và cảnh báo hạn khí tượng rất quan trọng cho công tác phòng chống hạn hán Hạn khí tượng yêu cầu ít dữ liệu đầu vào như mưa và nhiệt độ, giúp áp dụng dễ dàng ở nhiều vùng trên thế giới Phân tích các đặc trưng không gian và thời gian của hạn khí tượng cùng với các yếu tố gây ra hạn hán là rất quan trọng trong việc quản lý tài nguyên nước và giảm thiểu thiệt hại do hạn hán 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 Theo dõi biến động của các chỉ số này giúp xác định thời điểm bắt đầu, độ dài và cường độ của hạn hán Các 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 tổng hợp của nhiều biến Mỗi chỉ số đều có những ưu điểm và nhược điểm riêng, và các quốc gia thường lựa chọn chỉ số phù hợp với điều kiện cụ thể của mình Việc sử dụng các chỉ số hạn hán không chỉ áp dụng cho dữ liệu quan trắc mà còn 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 áp dụng chỉ số này để dự báo cho 7 vùng khí hậu khác nhau ở Việt Nam Ngoài ra, Nguyễn Lương Bằng đã sử dụng cả hai chỉ số SPI và SPEI để dự báo hạn khí tượng tại tỉnh Khánh Hòa.
Các thành phần trong chu trình tuần hoàn nước phản ứng với lượng mưa tích lũy theo thời gian khác nhau, 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 phân tích đặc tính của hạn hán SPI có thể được tính toán cho nhiều thời kỳ khác nhau bằng cách chuyển đổi dữ liệu mưa thành hàm tiêu chuẩn hóa, cho phép so sánh hạn hán ở các vùng có điều kiện thời tiết khác nhau Tuy nhiên, SPI cũng có những hạn chế, như yêu cầu dữ liệu thời gian dài để đảm bảo độ chính xác, với WMO khuyến nghị ít nhất 30 năm dữ liệu Hơn nữa, chỉ số này 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, được 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 tình trạng hạn hán Kết quả nghiên cứu cho thấy chỉ số SPI 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 phân tích sự thiếu hụt lượng mưa (hạn khí tượng) theo các giai đoạn 3 tháng và 6 tháng Lượng mưa trong các thời đoạn này là yếu tố đầu vào quan trọng Số lượng và chất lượng của tài liệu mưa ảnh hưởng lớn đến độ chính xác của các mô hình toán học được sử dụng.
Hiện nay, 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 chủ yếu tập trung ở vùng đồng bằng và thị trấn nằm trong thung lũng sông, trong khi khu vực núi cao rất ít trạm đo mưa, đặc biệt là các trạm tự ghi, 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, trong khi các trạm đo mưa chuyên dụng tại nông trường hoặc vùng sâu, vùng xa thường gặp vấn đề về độ tin cậy và thường xuyên bị gián đoạn (Viện Quy hoạch Thủy lợi, 2012).
Tài liệu đo mưa trên lưu vực sông Cả hiện có nhiều khoảng trống về không gian và thời gian Để khắc phục vấn đề này, luận văn kết hợp dữ liệu mưa vệ tinh nhằm bù đắp những thiếu hụt và tính toán chỉ số SPI cho lưu vực Sử dụng công nghệ GIS, nghiên cứu tạo ra 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
Để tính toán chỉ số thiếu hụt nguồn nước, cần lựa chọn các trạm đo từ 23 trạm mưa còn hoạt động trong vùng nghiên cứu dựa trên các tiêu chí nhất 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 việc ghi chép và thống kê không đầy đủ Đối với những số liệu thiếu này, chúng sẽ được bổ sung từ mưa vệ tinh như được 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 mưa toàn cầu được phát triển trong gần 30 năm bởi 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 thông tin từ các trạm quan trắc để tạo ra chuỗi thời gian mưa 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 dữ liệu còn thiếu từ các trạm khí tượng đã chọn, dữ liệu mưa CHIRPS được thu thập cho lưu vực sông Cả với khoảng 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 tại trạm Quỳ Hợp trong giai đoạn 1996-2000 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 mức độ tương quan khá tốt Phân tích tương tự cho 7 trạm còn lại cũng cho thấy mối tương quan giữa mưa vệ tinh và mưa thực đo là có thể 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 tính toán cho các trạm từ năm 1996 đến 2000 cho thấy chỉ số NSE thấp nhất tại trạm Quỳ Hợp với giá trị NSE = 0,64 và cao nhất tại trạm Hà Tĩnh với giá trị NSE = 0,90 Điều này cho thấy mức độ tương quan giữa mưa CHIRPS và mưa thực đo trong vùng nghiên cứu được đánh giá từ mức tốt đến rất tốt.
Dựa trên các phân tích và đánh giá trước đó, có thể áp dụng dữ liệu mưa từ CHIRPS để bổ sung các khoảng trống thông tin cho 9 trạm mưa đã được 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 bình thường và quy luật, nhưng thường bị hiểu lầm là sự kiện hiếm gặp Hiện tượng này xảy ra ở hầu hết các vùng khí hậu với đặc trưng khác nhau Hạn là dị thường tạm thời, khác biệt với sự khô cằn thường xuyên ở những khu vực ít mưa Từ những năm 1980, đã có hơn 150 khái niệm về hạn, nhưng chung quy lại, hạn là tình trạng thiếu hụt mưa kéo dài Dựa vào bản chất và tác động, hạn được phân loại thành hạn khí tượng, hạn nông nghiệp, hạn thuỷ văn và hạn kinh tế – xã hội.
Hạn 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 tính đa dụng và khả năng tính toán cho các khoảng thời gian khác nhau (1, 3, 6, 12, 24, 48 tháng) Hạn khí tượng xảy ra khi SPI âm và cường độ đạt -1.0 hoặc nhỏ hơn, trong khi hạn nông nghiệp liên quan đến thiếu độ ẩm cho một vụ mùa cụ thể, dù lượng mưa trung bình Hạn thuỷ văn xảy ra khi nguồn nước dự trữ giảm xuống dưới mức trung bình, bất chấp lượng mưa trung bình, do nhu cầu sử dụng nước tăng cao.
Cả ba loại hạn - hạn khí tượng, hạn độ ẩm đất và hạn nông nghiệp - có mối quan hệ chặt chẽ với nhau Thiếu hụt lượng mưa và bốc hơi cao có thể gây ra hạn khí tượng, trong khi sự thiếu ẩm trong đất dẫn đến hạn độ ẩm đất, ảnh hưởng đến sự phát triển của cây trồng và gây ra hạn nông nghiệp Khi không có mưa hoặc mưa ít, kết hợp với bốc hơi cao, lượng nước trong lưu vực giảm, ảnh hưởng đến nguồn cung cấp nước ngầm và làm cho dòng chảy sông suối cạn kiệt, dẫn đến hạn thuỷ văn Do đó, khô hạn và vùng khô hạn thực tế thường liên quan đến 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 PDSI cho thấy tình trạng hạn hán nghiêm trọng với chỉ số từ -3,0 đến -3,99 Việc đánh giá nguồn nước cung cấp không đạt hiệu quả như mong đợi, dẫn đến những khó khăn trong việc quản lý tài nguyên nước.
Chỉ số PDSI (Palmer Drought Severity Index) được sử dụng để đo lường mức độ hạn hán, với các giá trị từ -2,0 đến -2,99 cho thấy tình trạng hạn vừa Chỉ số này phản ánh sự cân bằng giữa lượng mưa và nhu cầu nước, bao gồm cả bốc hơi, đặc biệt là ở các vùng núi.
Chỉ số hạn Palmer bốc hơi mất đi so với điều kiện bình thường cho thấy tình trạng hạn hán ở các mức độ khác nhau: từ -1,0 đến -1,99 là hạn nhẹ, trong khi từ -0,5 đến -0,99 là hạn rất nhẹ Điều này có thể ảnh hưởng đến tiềm năng phát triển nông nghiệp, đặc biệt ở những vùng có tuyết bao phủ Tình hình hạn hán này đang trở thành một vấn đề đáng chú ý không chỉ tại Hoa Kỳ mà còn trên toàn thế giới.
Có thể tính toán chỉ số hạn theo cả
Chỉ số Precipitation Standardized Index (SPI) được tính toán từ chuỗi số liệu mưa nhiều năm, nhằm đánh giá tình trạng mưa theo chuẩn tần suất phân bố SPI có các mức độ hạn hán như sau: từ -1,5 đến -1,99 là hạn nặng, từ -1,0 đến -1,49 là hạn vừa, và có thể áp dụng cho các khoảng thời gian khác nhau như tuần, tháng, quý hoặc năm Chỉ số này đối xứng cho cả điều kiện ẩm ướt và khô hạn, yêu cầu cần có chuỗi số liệu mưa đủ dài và không tính đến bốc hơi SPI có thể được tính cho tất cả các vùng có hiện tượng hạn hán khác nhau.
−0,99 to 0,99: bình thường 1,0,1,2); liên quan tính toán tần suất
Để tính toán lượng mưa trong 3 tháng, cần sử dụng chuỗi số liệu mưa đo được, với mục tiêu đạt hiệu quả cao trong phương pháp thống kê Phân nhóm mưa theo Rainfall Deciles (RD) thành 10 nhóm nhỏ, trong đó nhóm 3-4 thể hiện lượng mưa nhỏ hơn bình quân, cho kết quả chính xác khi có chuỗi số liệu dài Tuy nhiên, phương pháp này ít được áp dụng tại Úc để tính toán phân bố tần suất xuất hiện của từng nhóm mưa Các nhóm 5-6 gần đạt 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 bằng mô hình Chỉ số hạn, dựa trên phần trăm ẩm độ Mô hình này yêu cầu nhiều yếu tố chuyên dụng, sử dụng số liệu mưa và các yếu tố khí tượng như nhiệt độ Cụ thể, mức độ ẩm được phân loại như sau: dưới 20% là rất khô hạn, từ 20-40% là khô hạn, và từ 40-60% là gần bình thường Các điều kiện lịch sử cũng được xem xét để đánh giá chính xác hơn.
The Palmer Moisture Anomaly Index, also known as the Z-index, is a crucial metric used to assess moisture anomalies This index is calculated to determine the severity of drought conditions based on the frequency of the Z-index.
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 (D) trong sông nhỏ hơn mức bình thường và lưu lượng trung bình (M) trong sông trong suốt thời gian D.
Việc tính toán chuẩn hóa mức độ hạn là cần thiết để xác định chính xác tình trạng hạn hán Phương pháp này đơn giản và không yêu cầu thông tin về lưu vực, đồng thời 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 áp dụng mô hình Palmer để tính toán chỉ số PDSI, tương tự như tính S, nhưng yêu cầu tiêu chuẩn tính toán phải chính xác hơn trong việc phân định giữa các giới hạn 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 được xác định thông qua mô hình Giá trị tính toán phân lớp, trong đó xem xét các yếu tố như tuyết phủ và lượng trữ Kết quả tính toán của chỉ số này phụ thuộc vào những yếu tố nêu trên.
Loại Chỉ số hạn Phương pháp tín Phân loại hạn Ưu điểm Nhược điểm Phạm vi ứng dụng
Chỉ số Hạn Hán theo Khu Vực (DAI) được tính toán dựa trên mức độ hạn hán và phạm vi ảnh hưởng của nó Chỉ số này định lượng tình trạng hạn hán mà không thể đo lường cường độ ảnh hưởng do điều kiện hạn hán cụ thể của từng khu vực DAI sử dụng các giá trị chỉ số khác để so sánh với mức hạn bình quân trên toàn bộ khu vực, giúp xác định tình trạng hạn hán một cách chính xác hơn.
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, trong đó số liệu tính toán SPI1, 3, 6 tại 42 vị trí được định dạng dưới dạng Excel sẽ được đưa lên bản đồ dựa vào 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 là kỹ thuật nội suy xác định cục bộ, ước lượng giá trị tại một điểm bất kỳ bằng cách tính trung bình trọng số các giá trị từ các điểm lân cận Mỗi điểm lân cận sẽ có trọng số phụ thuộc vào khoảng cách đến điểm cần ước lượng, với giả thiết rằng giá trị tại các điểm cần tính là trung bình trọng số của các điểm xung quanh.
Phương pháp IDW (Inverse Distance Weighting) cho rằng khoảng cách giữa các giá trị tại các điểm mẫu trong khu vực lân cận ảnh hưởng đến điểm cần tính Cụ thể, những điểm gần với điểm dự báo sẽ có tác động lớn hơn so với những điểm xa hơn, như được nêu bởi 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 Các trọng số λᵢ 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 giữa điểm dự báo s0 và điểm mẫu si được ký hiệu là di0, trong đó p là tham số thể hiện tốc độ giảm trọng số khi khoảng cách tăng Nghiên cứu này sẽ chọn p = 2, tức là trọng số sẽ giảm theo bình phương khoảng cách.
IDW, hay phương pháp nội suy khoảng cách nghịch đảo, sử dụng một hàm mũ để xác định tầm quan trọng của các điểm dữ liệu đã biết trong việc nội suy giá trị tại điểm đầu ra Tham số số mũ, thường là một số thực nhỏ hơn 0, cho phép điều chỉnh ảnh hưởng của các điểm này dựa trên khoảng cách của chúng Giá trị mặc định cho tham số này trong phần mềm QGIS là 2.
Số mũ cao hơn 2 làm nổi bật các điểm gần nhất, dẫn đến dữ liệu gần có ảnh hưởng lớn hơn và bề mặt trở nên chi tiết hơn, kém mịn hơn Khi số mũ tăng, các giá trị nội suy dần tiếp cận giá trị của điểm mẫu gần nhất Ngược lại, việc sử dụng số mũ thấp hơn sẽ tạo ra ảnh hưởng lớn hơn đến các điểm xa hơn, giúp bề mặt trở nên mịn màng hơn.
Trong luận văn này, tác giả đã lựa chọn giá định mặc định do QGIS quy định, nhằm đảm bảo sự cân bằng giữa các điểm gần và 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, dao động từ 1.133 đến 1.700mm ở các khu vực ít mưa như Tương Dương, Mường Xén, Cửa Rào, và hạ sông Hiếu Trong khi đó, các vùng có lượng mưa vừa và lớn như thượng nguồn sông Hiếu ghi nhận từ 2.000 đến 2.100mm, và khu vực sông Giăng, từ Cửa Rào - Nghĩa Khánh đến Dừa, có lượng mưa trung bình từ 1.800 đến 2.100mm Vùng sông Ngàn Phố và Ngàn Sâu đạt lượng mưa trung bình từ 2.200 đến 2.400mm, trong khi khu vực đồng bằng ven biển có lượng mưa từ 1.800 đến 1.900mm Nơi có tâm mưa lớn nhất trên lưu vực bao gồm thượng nguồn sông Hiếu, thượng nguồn 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 thay đổi 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 vào tháng 8 Ba tháng có lượng mưa cao nhất là tháng 7, 8 và 9 Trong khi đó, ở trung và hạ du, mùa mưa bắt đầu muộn hơn, từ tháng 6 đến tháng 10 hoặc tháng 11, với tháng 11 là thời điểm có lượng mưa lớn nhất, tiếp theo là tháng 8, 9 và 10.
Mùa mưa ở lưu vực sông Ngàn Phố và Ngàn Sâu bắt đầu từ tháng Tám và kết thúc vào tháng Mười, với lượng mưa chiếm từ 80% đến 87% tổng lượng mưa hàng năm Phần còn lại của năm là mùa ít mưa, tạo nên sự khác biệt rõ rệt trong khí hậu khu vực này.
Mùa mưa ở Việt Nam bắt đầu từ Bắc vào Nam, với hai đỉnh mưa chính vào tháng Năm và tháng Sáu Sự gia tăng lượng mưa trong thời gian này chủ yếu do ảnh hưởng của gió mùa Tây Nam, dẫn đến hiện tượng lũ tiểu mãn Tổng lượng mưa trong hai tháng này chiếm đến 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 5/1989 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, trong khi tháng 7 lại có lượng mưa cực tiểu Khi gió Lào hoạt động mạnh, lượng mưa trong tháng 7 chỉ đạt 5-10% tổng lượng mưa hàng năm.
Vào tháng VIII, IX và 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, 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 không đồng đều, với vùng đồng bằng chịu ảnh hưởng mạnh từ bão, đạt 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 ảnh hưởng ít hơn từ bão.
Lượng mưa cực tiểu tháng II vùng Mường Xén, Cửa Rào, thượng nguồn sông
Trong tháng này, Hiếu ghi nhận lượng mưa từ 6 đến 12mm, tương tự như các tháng trước đó Lượng mưa trong tháng II chỉ chiếm 1 đến 2% tổng lượng mưa năm Tổng lượng mưa trong 5 tháng mùa khô, từ tháng XII đến tháng IV, chỉ chiếm từ 10 đến 20% lượng mưa cả 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 dựa trên kết quả tính chỉ số SP6 tại các trạm khí tượng Đồng thời, chỉ số bình quân SPI cũng được tính toán bằng cách trung bình hóa các ô lưới SPI theo từng tháng.
Dựa vào chỉ số SPI6 trung bình, các giai đoạn 1991-1992, 1998-2001, 2003-2005, 2010-2011 và 2014-2015 cho thấy sự thiếu hụt nguồn nước kéo dài, đặc biệt là trong các năm 1998-2001, 2003-2005 và 2014-2015, tiếp tục ảnh hưởng đến năm 2016 Xu thế này tương đồng với các trạm đại diện cho các vùng miền núi, đồng bằng và ven biển, cho thấy toàn bộ lưu vực sông Cả đều bị ảnh hưởng bởi hạn hán trong quá khứ, mặc dù mức độ khác nhau.
Hình 3 4 Ch ỉ s ố SPI 1, 3 và 6 tr ạ m Qu ỳ H ợ p
Khi xem xét chỉ số SPI3, có thể thấy xu hướng tương đồng về các giai đoạn xảy ra hạn khí tượng với tần suất cao hơn nhưng thời gian ngắn hơn Kết quả đánh giá các giai đoạn hạn hán trong quá khứ cho thấy tính chính xác, điển hình là tình trạng thiên tai hạn hán được công bố ở tỉnh Nghệ An vào năm 2015, khi hạn hán diễn ra trên diện rộng từ năm 2014 và kéo dài đến 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 trung bình nhiều năm Chỉ số SPI3 cho thấy xu hướng các giai đoạn nhiều nước tương tự thực tế, như các năm 1990-1991, 1997, đầu năm 2004 và cuối năm 2013 Trong khi đó, chỉ số SPI6 cho thấy rất ít đợt nhiều nước xen kẽ với các đợt ít nước Đánh giá trên khoảng thời gian ngắn hơn qua SPI3 giúp nhận diện rõ ràng 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 xu thế hạn hán Cụ thể, vào các năm 2015 và 2005, hầu hết các khu vực trong 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
Việc xây dựng bản đồ hạn khí tượng bằng công cụ GIS cho phép xác định diện tích hạn theo các đơn vị hành chính Bảng 3.2 dưới đây trình bày diện tích bị hạn đầu năm 2015 tại các huyện trong vùng nghiên cứu, cho thấy 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 trong vùng lên đến hơn 138.000 ha, hạn nặng gần 578.000 ha, và hạn là hơn 350.000 ha Kết quả này phù hợp với thực tế khi Nghệ An đã ban hành 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 vùng trung sông Cả, trung và hạ lưu sông Hiếu, vùng sông Nghèn, và vùng Nghi Xuân thường thấp hơn so với 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 đảm bảo nguồn nước cho các thời kỳ thiếu nước mùa khô là cần thiết và khả thi.
Trên lưu vực sông Cả, nhiều công trình thủy lợi và thủy điện đã được xây dựng, nhưng vẫn chưa đủ cung cấp nước cho các vùng cần thiết Do đó, cần tối ưu hóa nguồn nước từ các hồ chứa như hồ Bản Vẽ (sông Cả) với khả năng bổ sung 80 m³/s, hồ Bản Mồng (sông Hiếu) 22 m³/s, và Ngàn Trươi Ngoài ra, các công trình mới như Chúc A và Trại Dơi trên sông Ngàn Sâu (9,4 m³/s), Đá Gân, Khe Chè, Nước Sốt, Rào Mắc trên sông Ngàn Phố (11,5 m³/s), và Thác Muối trên sông Giăng (18,5 m³/s) cũng cần được xem xét Dữ liệu về lưu lượng từ các hồ chứa này được tham khảo từ Viện Quy hoạch Thủy lợi, trong khi nghiên cứu tập trung vào ứng dụng công cụ tính toán chỉ số hạn khí tượng SPI để đánh giá tác động của thiếu hụt nước trong mùa khô Để tận dụng tối đa nguồn nước từ các hồ chứa thượng nguồn phục vụ hạ du, cần cải tạo, nâng cấp và xây mới các trạm bơm, hồ chứa nhỏ, cũng như 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 Đồng thời, cần làm rõ và giảm thiểu các mâu thuẫn, chồng chéo chức năng giữa các tổ chức quản lý để nâng cao hiệu quả trong công tác quản lý nguồn nước.
Cần thiết phải đánh giá và củng cố vai trò của Ban Quản lý lưu vực sông Cả, nhằm nâng cao hiệu quả hoạt động Việc tổ chức cần phù hợp với điều kiện và bối cảnh đặc thù của lưu vực sông tại Việt Nam.
Nhiệm vụ không được trùng lặp với các tổ chức khác trên lưu vực sông, đặc biệt trong quản lý nước của các tỉnh Cần có cơ chế phù hợp để phối hợp với các cơ quan trong quản lý sử dụng nước, đặc biệt là với hệ thống quản lý theo địa giới Việc tham gia của cộng đồng là rất quan trọng trong việc trao đổi ý kiến và thống nhất giải quyết các mâu thuẫn trong quản lý nước.
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 toàn diện và thường xuyên được cập nhật là rất quan trọng để phục vụ cho công tác quản lý và quy hoạch Việc này giúp nâng cao hiệu quả trong kế hoạch khai thác nguồn nước, từ đó tối ưu hóa việc sử dụng tài nguyên nước.
Ứng dụng các mô hình toán học về thủy văn và thủy lực, cùng với việc cân bằng nước, giúp đánh giá, kiểm đếm, quản lý và khai thác nguồn nước một cách hiệu quả hơn.
Kết quả nghiên cứu đề xuất hợp tác với các cơ quan chuyên môn để phát triển và ứng dụng công nghệ cao, bao gồm việc kết hợp công nghệ viễn thám với mô hình toán học Điều này nhằm tạo dựng cơ sở dữ liệu và bổ sung thông tin, dữ liệu còn thiếu, đồng thời xây dựng các kịch bản sẵn sàng ứng phó.