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 xuất hiện ở mọi vùng khí hậu trên thế giới, với đặc điểm biến đổi khác nhau giữa các khu vực Hạn hán khác với khô hạn, vì khô hạn chỉ xảy ra ở những vùng có lượng mưa thấp và nhiệt độ cao, và là đặc trưng lâu dài của khí hậu Do đó, hạn hán diễn ra hàng năm với các đặc tính thời tiết và tác động khác nhau.
Trong những năm gần đây, sự phát triển kinh tế tại các tỉnh ven sông Cả đã có những chuyển biến 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 dẫn đến nhu cầu nước tăng cao cho các ngành công nghiệp.
Quy luật diễn biến thời tiết khí hậu ngày càng phức tạp, đặc biệt là về lũ và hạn Mực nước trên các sông đang có những biến động bất lợi cho công tác phòng lũ, với các trận lũ lớn xảy ra vào các năm 1978, 1988, 2002, 2007 và gần đây nhất là năm 2010, gây thiệt hại nặng nề cho kinh tế và xã hội trong khu vực Về hạn, mức độ hạn hán ngày càng gia tăng, ảnh hưởng nghiêm trọng đến sản xuất, đặc biệt là trong 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, với Nghệ An bị ảnh hưởng trên diện tích khoảng 17.000-20.000 ha và Hà Tĩnh khoảng 12.000 ha Trong đó, khoảng 30% diện tích hạn hán của Hà Tĩnh chịu ảnh hưởng nặng nề, dẫn đến hàng trăm hệ thống hồ gần đạt mực nước chết Một số khu vực ghi nhận mực nước thấp nhất trong chuỗi số liệu quan trắc, như sông Cả tại Nam Đàn và sông La tại Linh.
Cảm, gây nên tình trạng mặn xâm nhập sâu trên các lưu vực sông, không lấy được nước vào trong đồng
Để giải quyết tình trạng thiếu hụt nguồn nước trên lưu vực sông Cả, cần tiến hành nghiên cứu và phân tích đánh giá tình hình Việc xác định các khu vực và thời điểm thường xuyên xảy ra hạn hán sẽ giúp 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 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 ở Nghệ An trong mùa kiệt có mối liên hệ chặt chẽ với các huyện hưởng lợi như Yên Thành, Diễn Châu, Quỳnh Lưu (thuộc hệ thống thủy nông Diễn Yên Quỳnh - Bắc Nghệ An), thành phố Vinh, thị xã Cửa Lò, Nghi Lộc và Hưng Nguyên (trong hệ thống Nam Hưng Nghi - 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, Đức Thọ và 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
Tiếp cận theo mục tiêu trong nông nghiệp là cần thiết, bởi hiện tại, các vùng sản xuất và quy hoạch nông nghiệp chưa được nghiên cứu hoặc cảnh báo về nguy cơ hạn hán Việc thiếu thông tin này có thể ảnh hưởng nghiêm trọng đến năng suất và phát triển bền vững của 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 sử dụng các mô hình khí hậu toàn cầu kết hợp với công cụ xử lý ảnh vệ tinh Erdas và phần mềm GIS phân tích không gian ArcGIS để thu thập và phân tích dữ liệu 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 trên toàn cầu, gây thiệt hại lớn về kinh tế và ảnh hưởng nghiêm trọng đến đời sống con người cùng môi trường sinh thái Mỗi năm, khoảng 21 triệu ha đất trở nên không có năng suất do hạn hán, trong khi số người sống ở các vùng 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 sinh sống Bên cạnh hạn hán, hiện tượng hoang mạc hóa cũng ngày càng lan rộng, từ các vùng khô hạn đến cả những khu vực bán ẩm ướt, với tổng diện tích hoang mạc hóa đạt 39,4 triệu km², chiếm 26,3% tổng diện tích đất tự nhiên của thế giới.
Hạn hán đang đe dọa 250 triệu người trên toàn cầu, ảnh hưởng đến 100 quốc gia, 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 rộng rãi và mặc dù ít khi là nguyên nhân trực tiếp gây thiệt hại về nhân mạng, nhưng tổn thất kinh tế do hạn hán mang lại rất lớn Theo Trung tâm giảm nhẹ hạn hán quốc gia Mỹ, thiệt hại hàng năm do hạn hán ước tính 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 ở Mỹ trong giai đoạn 1988-1989 đã gây thiệt hại lên tới 39-40 tỷ USD, vượt xa thiệt hại kỷ lục từ lũ lụt, chỉ ở mức 15-27,6 tỷ USD.
Hạn hán và bão đã gây ra thiệt hại kinh tế lớn, với bão năm 1992 ước tính lên đến 25-33,1 tỷ USD 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 diện rộng ở Indonesia, gây tổn thất 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 di cư để tìm kiếm cuộc sống mới.
Nhiều tác giả trên thế giới đã nghiên cứu về hạn hán, nhưng do tính phức tạp của hiện tượng này, chưa có phương pháp chung cho các nghiên cứu Các chỉ số hạn hán là công cụ chính trong việc xác định, nhận dạng, giám sát và cảnh báo hạn hán 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 tổng hợp từ 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 Việc xác định hạn hán không chỉ dựa vào số liệu quan trắc mà còn sử dụng sản phẩm từ các mô hình khí hậu khu vực và toàn cầu Trong nghiên cứu hạn hán, việc xác định các đặc trưng như sự khởi đầu, kết thúc, thời gian kéo dài, phạm vi, mức độ và mối liên hệ với khí hậu là rất cần thiết.
Các nghiên cứu toàn cầu về hạn hán của Aiguo Dai và cộng sự cho thấy tần suất và mức độ hạn hán đã tăng lên đáng kể, dựa trên các chỉ số từ số liệu mưa, nhiệt độ và độ ẩm Nghiên cứu của Nico Wanders phân tích 18 chỉ số hạn hán, lựa chọn những chỉ số phù hợp để áp dụng cho năm vùng khí hậu khác nhau Sự giảm lượng mưa kết hợp với tăng nhiệt độ dẫn đến quá trình bốc hơi gia tăng, làm trầm trọng thêm tình trạng hạn hán Xu hướng nóng lên toàn cầu từ 1980-2000 đã làm gia tăng tần suất hạn hán, với các đợt hạn nặng xảy ra thường xuyên hơn tại Cộng hòa Séc, Hy Lạp và Moldova Thời gian kéo dài của các đợt hạn cũng tăng lên, có thể kéo dài từ vài tháng đến vài năm Nghiên cứu tại 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 tại 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 như dao động khí quyển và biến đổi nhiệt độ mặt nước biển (như El Nino) cùng với nguyên nhân do con người như nhu cầu nước tăng cao, phá rừng, ô nhiễm môi trường và quản lý tài nguyên kém bền vững đều góp phần vào tình trạng này Hiện nay, nhiều chỉ số hạn khác nhau đã được phát triển và áp dụng trên toàn thế giới, như chỉ số Ivanov, Budyko, Penman, và Palmer Tuy nhiên, không có chỉ số nào vượt trội hơn hẳn trong mọi điều kiện, do đó việc áp dụng các chỉ số này cần dựa vào điều kiện cụ thể của từng vùng và hệ thống 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 chủ yếu của các trung tâm này là cung cấp thông tin kịp thời và chính xác về tình hình hạn hán, giúp cộng đồng và chính quyền có 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 quan trọng cho việc kiểm kê và đánh giá nguồn nước trên lưu vực sông Bên cạnh các số liệu mưa từ các trạm khí tượng thủy văn truyền thống, hiện nay nhiều cơ quan trên thế giới 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 dưới dạng lưới Phương pháp này giúp phân tích và theo dõi tình trạng 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 khu vực 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, và VIRA (Visible and Infrared Scanner) có khả năng 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 sử dụng ước tính lượng mưa từ tàu thăm dò thấp và quan sát lò vi sóng vệ tinh, kết hợp với thông tin từ dữ liệu IR 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 hàng ngày, cùng với việc cung cấp miễn phí, đã trở thành nguồn tài nguyên phổ biến trong nghiên cứu khí tượng 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 phát triển theo hướng Tây Bắc - Đông Nam, nghiêng ra biển, với phần lớn diện tích là đồi núi Diện tích đất có độ dốc phù hợp cho phát triển nông nghiệp chỉ chiếm 19% diện tích Việt Nam và 14% toàn lưu vực Địa hình sông Cả có thể chia thành các dạng chính, trong đó đồng bằng và đồng bằng ven biển là nổi bật Đồng bằng sông Cả nằm dọc hai bên bờ từ trung lưu trở xuống, bao gồm các huyện Đô Lương, Thanh Chương, Nam Đàn, Hưng Nguyên, và các vùng hưởng lợi từ nguồn nước như Diễn - Yên - Quỳnh, Nam - Hưng - Nghi, sông Nghèn và Nghi Xuân Đây là khu vực tập trung phát triển kinh tế xã hội của lưu vực, với độ cao đồng bằng ven sông Cả biến đổi từ +10+15 tại Đô Lương đến +2,0+0,0 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, bao gồm các đồi bát úp và đồi cao, xen kẽ với các thung lũng thấp.
Bãi Tập - Quỳ Hợp, vùng sông Sào - Nghĩa Đàn, và các huyện Hương Khê, Vũ Quang, Sơn Hà của Hương Sơn có địa hình cao độ biến đổi từ +20 đến +200m, với tổng diện tích khoảng 25-30% Địa hình vùng núi cao chủ yếu tập trung ở phía Tây, Tây Bắc và Tây Nam, kéo dài từ Đồng Văn, Thông Thụ đến Hương Liên, với các dãy núi như Giăng Màn và dãy núi biên giới Cao độ của địa hình này từ +12.000 đến +15.000m, tạo thành bức tường thành ngăn giữa lưu vực sông Mê Kông và sông Cả Các huyện miền núi cao thuộc lưu vực sông Cả như Kỳ Sơn, Tương Dương, Con Cuông, và Quế Phong chiếm 60-70% diện tích nhưng chỉ có 1,5-2% đất canh tác, chủ yếu 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.
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 thuộc miền uốn nếp Bắc Bộ và miền uốn nếp Varixêt Đông Dương, với ranh giới giữa hai miền 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, có niên đại từ thời kỳ Paleozoi Trong giai đoạn trước Cambri đến Paleozoi sớm, khu vực sông Cả đã trải qua chế độ đại dương vi lục địa, sườn châu lục và cận lục địa Chế độ rift và prerift tiếp tục tồn tại từ Paleozoi muộn đến Merozoi muộn, và 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.
Lưu vực sông Cả có địa tầng đa dạng, bao gồm các giới và hệ tầng từ cổ đến trẻ Các giới địa tầng chính là Giới Protezoi, Giới Paleozoi (PZ) và Giới Mezozoi, trong đó mỗi giới chứa đựng các hệ tầng đặc trưng, phản ánh sự phát triển địa chất của khu vực này.
1.2.4 Đặc điểm sông ngòi a Dòng chính sông Cả
Sông Cả bắt nguồn từ đỉnh núi Phulaileng ở tỉnh Hủa Phăm, Lào, chảy theo hướng Tây Bắc - Đông Nam và nhập vào Việt Nam tại bản Keng Đu Dòng chính của sông gần biên giới Việt - Lào, cách khoảng 40km, và hoàn toàn vào Việt Nam tại chân núi cao 1.067m Tại Bản Vẽ, sông chuyển hướng chảy theo Bắc - Nam cho đến Cửa Rào, nơi nó hợp lưu với nhánh Nậm Mô và lại chuyển dòng về 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, phần còn lại nằm trong địa phận Việt Nam.
Dòng chính sông Cả có hướng đứt gãy Tây Bắc - Đông Nam, với lòng sông sâu và ít bãi bồi Đoạn hạ lưu rộng và sâu, trong khi đoạn trung lưu rộng nhưng nông Phần thượng nguồn có nhiều ghềnh thác, hai bên là núi cao và đồi Khu vực thượng nguồn còn có nhiều vị trí thích hợp để xây dựng kho nước tổng hợp Sông Cả không có phân lưu, chỉ có một cửa thoát duy nhất.
Sông Hiếu, một chi lưu phía Tả, nhập vào sông Cả tại Ngã ba Cây Chanh, có diện tích lưu vực 5.340 km² và chiều dài 314 km Sông bắt nguồn từ dãy núi Cao Phú Hoạt thuộc huyện Quế Phong, chảy theo hướng Tây Bắc - Đông Nam, gần song song với dòng chính của sông.
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 vị trí quan trọng liên quan đến sông Hiếu, một nguồn 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 6-7 m³/s, không đáp ứng đủ nhu cầu cấp nước cho các khu vực này.
Sông Hiếu có nhiều chi lưu quan trọng như Nậm Quàng, Nậm Giải, Kẻ Cọc - Khe Nhã, sông Chàng, sông Dinh, Khe Nghĩa và Khe Đá Trong số đó, sông Chàng và sông Dinh là hai chi lưu lớn, đóng vai trò quan trọng trong việc cung cấp nước cho sông Hiếu.
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) và sau đó đổi dòng theo hướng Đông Nam - Tây Bắc Đến bản Suông Hang, sông tiếp tục đổi hướng Tây Bắc - Đông Nam và cuối cùng nhập lưu với dòng chính sông Cả tại Cửa Rào, có thể coi đây là dòng chính của sông Cả do hướng chảy trùng khớp.
Sông Nậm Mô có diện tích lưu vực 3.970 km² và chiều dài 189 km, trong đó phần chảy qua Việt Nam là 89 km Dọc theo sông, từ thượng nguồn đến đoạn nhập lưu, có nhiều vị trí thuận lợi để xây dựng hồ chứa nhằm phát điện và điều tiết nước cho hạ du Thượng nguồn 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 bên phải sông Cả, nằm cách đập Đô Lương khoảng 20km về phía hạ lưu, bắt nguồn từ dãy núi Phu Long cao 1.330m ở Tây Nghệ An Với diện tích lưu vực 1.05km², sông Giăng nằm trong khu vực có lượng mưa lớn, dẫn đến lòng sông rộng, nông và nhiều bãi bồi Hướng chảy chính của sông Giăng song song với sông Cả, đến Thác Muối rồi đổi hướng Tây Đông trước khi hòa vào sông Cả theo hướng Bắc Nam Sông Giăng 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 hiện tượng tự nhiên lặp lại, được đánh giá qua thời gian, mức độ, sự lan rộng và tác động đến kinh tế xã hội (D.A Wilhite) Theo Donald A Wilhite & Michael H Glantz, hạn hán được phân thành bốn loại: hạn khí tượng, hạn thủy văn, hạn nông nghiệp và hạn kinh tế xã hội Hạn khí tượng thường là loại hạn xuất hiện đầu tiên và là nguyên nhân chính của các loại hạn khác Việc đánh giá và cảnh báo hạn khí tượng có vai trò quan trọng trong phòng chống và giảm nhẹ tác động của hạn hán, nhờ vào việc yêu cầu ít dữ liệu đầu vào như mưa và nhiệt độ, giúp ứng dụng rộng rãi trên toàn cầu Phân tích đặc trưng không gian và thời gian của hạn khí tượng cùng các yếu tố gây ra hạn hán là rất cần thiết trong quản lý tài nguyên nước và dự báo thiệt hại do hạn hán Do đó, luận văn này sẽ tập trung nghiên cứu hạn khí tượng.
Trong việc xác định và giám sát hạn hán, các chỉ số hạn hán là công cụ chính được sử dụng Việc theo dõi sự biến động của các chỉ số này giúp xác định thời gian và cường độ hạn Các chỉ số hạn hán có thể là hàm của các biến đơn như lượng mưa, nhiệt độ, bốc thoát hơi, hoặc là tổng hợp của nhiều biến Mỗi chỉ số có những ưu điểm và nhược điểm riêng, và các quốc gia 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 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 khác nhau Đào Xuân Học sử dụng chỉ số khô hạn Sazonov 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 ở Việt Nam Ngoài ra, Nguyễn Lương Bằng đã sử dụng 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, trong đó 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 diễn giải đặc tính của hạn hán SPI có thể được tính toán cho nhiều thời đoạn khác nhau bằng cách chuyển đổi dữ liệu mưa thành hàm tiêu chuẩn hóa, cho phép so sánh hạn hán giữa các vùng có điều kiện thời tiết khác nhau Tuy nhiên, SPI cũng có những hạn chế, như yêu cầu ít nhất 30 năm dữ liệu để đảm bảo độ chính xác và 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 tình hình hạn hán Kết quả nghiên cứu cho thấy chỉ số SPI hoàn toàn 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 nhằm 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 đóng vai trò quan trọng như yếu tố đầu vào Số lượng và chất lượng tài liệu mưa có ảnh hưởng lớn đến độ chính xác của các mô hình tính toán liên quan.
Hiện nay, lưu vực sông Cả chỉ có 23 trạm đo mưa hoạt động, với mật độ lưới trạm đạt 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 vùng núi cao rất hiếm trạm đo mưa, đặc biệt là các trạm 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 có thể bị gián đoạn (Viện Quy hoạch Thủy lợi, 2012).
Tài liệu đo mưa trên lưu vực sông Cả còn thiếu hụt đáng kể về không gian và thời gian Để khắc phục điều này, luận văn áp dụng mưa vệ tinh nhằm bù đắp các lỗ hổng dữ liệu và tính toán chỉ số SPI trên lưu vực Bằng cách 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 sẽ 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 đang hoạt động trong vùng nghiên cứu để tính toán chỉ số thiếu hụt nguồn nước dựa trên các tiêu chí đã xác định.
To accurately calculate the Standardized Precipitation Index (SPI), a continuous dataset of at least 30 years is required to ensure reliability.
- 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 đã được thu thập và phân tích từ 9 trạm đã lựa chọn Một số trạm gặp vấn đề với số liệu không liên tục do ghi chép và thống kê không đầy đủ Các số liệu thiếu này sẽ được bổ sung từ mưa vệ tinh, như sẽ được trình bày trong Mục 2.3 dưới đây.
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 một bộ dữ liệu về lượng 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 tình hình hạn hán theo mùa.
Dựa trên các tiêu chí tính toán chỉ số thiếu hụt nguồn nước và dữ liệu từ các trạm khí tượng, dữ liệu mưa CHIRPS đã 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 giai đoạn 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 mức độ tương quan khá tốt Phân tích tương tự ở 7 trạm còn lại cho thấy mức độ tương quan giữa mưa vệ tinh và mưa thực đo cũng đạt được mức có thể chấp nhận.
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 trạm Quỳ Hợp có chỉ số NSE thấp nhất là 0,64, trong khi trạm Hà Tĩnh đạt chỉ số NSE cao nhất là 0,90 Điều này cho thấy mức độ tương quan giữa lượng mưa CHIRPS và lượng mưa thực đo trong khu vực nghiên cứu được đánh giá từ tốt đến rất tốt.
Dựa trên các phân tích và đánh giá trước đó, có thể áp dụng mưa vệt tính CHIRPS để bổ sung các khoảng trống dữ liệu cho 9 trạm mưa đã được chọn, nhằm tạo ra chuỗi số liệu dài 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, nhưng thường bị hiểu lầm là sự kiện hiếm gặp Nó xuất hiện ở hầu hết các vùng khí hậu với đặc trưng khác nhau Hạn là một dị thường tạm thời, khác với sự khô cằn thường xuyên ở những khu vực ít mưa Kể từ những năm 1980, đã có hơn 150 khái niệm về hạn, nhưng chung quy lại, hạn là tình trạng thiếu hụt mưa trong thời gian 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 có thể được xác định qua các chỉ số như phần trăm so với trung bình (PN), chỉ số chuẩn hoá lượng mưa (SPI), và chỉ số hạn khắc nghiệt Palmer Chúng tôi chọn chỉ số SPI để xây dựng mô hình dự báo hạn khí tượng vì nó dựa trên khả năng lượng mưa trong các khoảng thời gian khác nhau, được đánh giá cao về tính đa dụng, và có khả năng đưa ra cảnh báo sớm về hạn Hạn khí tượng xảy ra khi mưa ít hơn trung bình nhiều năm, trong khi hạn nông nghiệp là khi thiếu độ ẩm cho một thời vụ dù lượng mưa có thể đạt mức trung bình Hạn thuỷ văn xảy ra khi nước dự trữ trong các nguồn như tầng ngầm và sông hồ giảm xuống dưới mức trung bình, điều này có thể xảy ra ngay cả khi lượng mưa vẫn ở mức trung bình nhưng 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 mưa và bốc hơi cao có thể gây ra hạn khí tượng, trong khi 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 Hơn nữa, sự kết hợp giữa lượng mưa ít và bốc hơi cao làm giảm trữ nước trong lưu vực, ảnh hưởng đến nguồn cung cấp nước ngầm và dẫn đến hạn thuỷ văn Do đó, khi đề cập đến khô hạn, cần xem xét cả ba loại hạn này, vì chúng đều có liên quan mật thiết đến nhau.
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 2 tầng trữ PDSI cho thấy mức độ hạn hán từ -3,0 đến -3,99, cho thấy tình trạng hạn nặng Việc xem xét cả hai yếu tố nguồn nước cung cấp là rất quan trọng, tuy nhiên, hiện tại phương pháp này chưa thực sự hiệu quả và được sử dụng phổ biến.
Chỉ số PDSI (Palmer Drought Severity Index) được tính toán nhằm thể hiện mức độ khô hạn, với các giá trị từ -2,0 đến -2,99 cho thấy tình trạng khô hạn vừa Chỉ số này phản ánh sự cân bằng giữa lượng mưa và nhu cầu nước do bốc hơi, đặc biệt trong các vùng núi.
Chỉ số hạn Palmer bốc hơi cho thấy mức độ hạn hán so với điều kiện bình thường, với các mức độ như sau: -1,0 đến -1,99 chỉ ra hạn nhẹ, trong khi -0,5 đến -0,99 cho thấy hạn rất nhẹ Hạn hán có thể xảy ra ở nhiều khu vực, bao gồm cả những nơi có tuyết bao phủ Tình trạng hạn hán này không chỉ ảnh hưởng đến Hoa Kỳ mà còn đến nhiều nơi trên thế giới.
Có thể tính toán chỉ số hạn theo cả
Chỉ số Precipitation Standardized Index (SPI) được tính từ chuỗi số liệu mưa nhiều năm, nhằm xác định mức độ hạn hán thông qua phân bố chuẩn Các giá trị SPI được phân loại như sau: từ -1,5 đến -1,99 là hạn nặng, từ -1,0 đến -1,49 là hạn vừa Chỉ số này có thể tính toán cho nhiều khoảng thời gian khác nhau như tuần, tháng, quý, và năm, đồng thời áp dụng cho cả điều kiện ẩm ướt và khô hạn Để tính toán chính xác, cần có chuỗi số liệu mưa đủ dài và không tính đến yếu tố bốc hơi SPI có thể áp dụng cho tất cả các vùng hạn 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 việc áp dụng phương pháp thống kê hiệu quả Phân nhóm mưa theo Rainfall Deciles (RD) giúp chia nhỏ dữ liệu thành 10 nhóm, trong đó nhóm 3-4 thể hiện lượng mưa nhỏ hơn mức bình quân và cho kết quả chính xác khi chuỗi số liệu đủ dài Tuy nhiên, phương pháp này ít được ứng dụng tại Úc do tính chất phân bố tần suất của từng nhóm mưa 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 xác định thông qua mô hình Chỉ số hạn, dựa trên tỷ lệ phần trăm ẩm độ Mô hình này yêu cầu dữ liệu chuyên dụng, bao gồm số liệu về 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.
The Palmer Moisture Anomaly Index, also known as the Z-index, is a crucial metric used to assess abnormal moisture levels The frequency of the Z-index is calculated to determine the severity 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 (D) trong sông nhỏ hơn mức bình thường và lưu lượng trung bình (M) trong sông trong khoảng thời gian dài.
Để xác định mức độ hạn, cần thực hiện tính toán chuẩn hóa 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 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 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 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 nước Kết quả tính toán của chỉ số này phụ thuộc vào các yếu tố môi trường và điều kiện khí hậu cụ thể.
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 xác định và phạm vi ảnh hưởng của nó Chỉ số này không thể đánh giá cường độ ảnh hưởng do điều kiện hạn hán tại khu vực, mà dựa vào các giá trị chỉ số hạn bình quân cho toàn bộ Nhiều khu vực gặp khó khăn trong việc xác định mức độ hạn hán chính xác.
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, và SPI6 được tính toán tại 42 vị trí và lưu dưới định dạng Excel Dữ liệu này sẽ được đưa lên bản đồ theo tọa độ địa lý của các trạm đo Phương pháp nội suy nghịch đảo khoảng cách (IDW) được áp dụng để nội suy giá trị SPI từ 42 trạm khí tượng thủy văn trong khu vực nghiên cứu, nhằm tạo ra bản đồ hạn cho vùng.
Phương pháp nội suy IDW (Inverse Distance Weighting) là một kỹ thuật nội suy xác định cục bộ, trong đó giá trị của một điểm bất kỳ được ước lượng bằng cách tính trung bình có trọng số từ các điểm lân cận Mỗi điểm lân cận sẽ có trọng số phụ thuộc vào khoảng cách của nó đến điểm cần ước lượng Giả thuyết chính trong IDW là giá trị tại các điểm cần tính là trung bình trọng số của các giá trị lân cận.
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 với điểm cần tính sẽ có tác động lớn hơn so với những điểm ở xa, như đã 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 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 trên nghịch đảo của khoảng cách, được nâng lên thành một hàm mũ Tham số số mũ trong IDW cho phép điều chỉnh tầm quan trọng của các điểm dữ liệu đã biết, dựa trên khoảng cách của chúng đến điểm cần nội suy Giá trị này là một số thực, nhỏ hơn 0, và trong phần mềm QGIS, giá trị mặc định của tham số này là 2.
Số mũ cao hơn 2 làm nổi bật các điểm gần nhất, khiến dữ liệu gần có ảnh hưởng lớn hơn và tạo ra bề mặt với nhiều chi tiết 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 làm tăng ảnh hưởng đến các điểm xa hơn, dẫn đến bề mặt trở nên mịn hơn.
Trong bài viết này, tác giả đã chọn giá trị mặc định do QGIS quy định để đạt được 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, ở vùng mưa vừa và lớn, lượng mưa đạt từ 1.800 đến 2.500mm, với thượng nguồn sông Hiếu ghi nhận từ 2.000 đến 2.100mm Các khu vực như sông Giăng và 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 có lượng mưa trung bình đạt từ 2.200 đến 2.400mm, trong khi vùng đồng bằng ven biển ghi nhận lượng mưa từ 1.800 đến 1.900mm Đặc biệt, khu vực thượng nguồn sông Hiếu, sông Ngàn Phố và Ngàn Sâu là những nơi có tâm mưa lớn nhất trên lưu vực.
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 trong lưu vực sông Cả và sông Hiếu có sự thay đổi rõ rệt theo từng khu vực 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 trung và hạ du, mùa mưa bắt đầu muộn hơn, từ tháng 6 đến tháng 11, với tháng 11 có lượng mưa lớn nhất, và các tháng 8, 9, 10 cũng ghi nhận lượng mưa cao.
Mùa mưa tại khu vực phía Nam của lưu vực diễn ra từ tháng Tám đến tháng Mười, đặc biệt tại các vùng sông Ngàn Phố và Ngàn Sâu Trong thời gian này, lượng mưa chiếm từ 80% đến 87% tổng lượng mưa hàng năm, trong khi phần còn lại là 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, cũng như tháng Chín Sự gia tăng lượng mưa trong tháng Năm và tháng Sáu chủ yếu do hoạt động mạnh của gió mùa Tây Nam, gây ra hiện tượng lũ tiểu mãn Tổng lượng mưa trong hai tháng này có thể chiếm tới 20% tổng lượng mưa hàng năm tại các trạm thượng nguồn của sông Cả.
Trận lũ tiểu mãn lớn xảy ra ở Hiếu, Ngàn Phố, Ngàn Sâu, tương tự như các trận lũ lịch sử vào tháng 5 năm 1943 và tháng 5 năm 1989 Đặc biệt, trận mưa tháng 5/1989 đã gây ra lũ lịch sử trên sông Ngàn Phố, với lượng mưa tối đa đạt 483mm vào ngày 26/5/1989 tại Kim Cương và 296mm tại Hoà Duyệt trong cùng ngày.
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 tháng 7 chỉ đạt từ 5 đến 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, gây ra mưa lớn kéo dài từ 3 đến 10 ngày, dẫn đến 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 ít bị ảnh hưởng bởi bão.
Lượng mưa cực tiểu tháng II vùng Mường Xén, Cửa Rào, thượng nguồn sông
Trong tháng này, Hiếu chỉ ghi nhận lượng mưa từ 6 đến 12mm, tương tự như các tháng trước đó Lượng mưa trong tháng II chỉ chiếm từ 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 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 dựa trên kết quả tính toán SP6 tại các trạm khí tượng và 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 các giai đoạn 1991-1992, 1998-2001, 2003-2005, 2010-2011 và 2014-2015 đều ghi nhận sự thiếu hụt nguồn nước kéo dài so với trung bình nhiều năm, đặc biệt là trong các năm 1998-2001, 2003-2005 và 2014-2015, kéo dài sang năm 2016 Xu hướng chung của vùng này tương tự như các trạm đại diện ở miền núi (Quỳ Hợp), đồng bằng (Hà Tĩnh) và ven biển (Quỳnh Lưu), cho thấy rằng hầu hết lưu vực sông Cả đều bị ảnh hưởng bởi các giai đoạn hạn hán trong quá khứ, mặc dù mức độ ảnh hưởng 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 xem xét chỉ số SPI3, có thể thấy xu hướng tương đồng về các giai đoạn hạn khí tượng với tần suất xảy ra hạn nhiều hơn nhưng thời gian mỗi đợt 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 năm 2015 tại tỉnh Nghệ An, khi hạn xảy ra trên diện rộng và kéo dài từ năm 2014 đến 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 xen kẽ giữa các đợt hạn hán thường có lượng mưa dồi dào hơn mức trung bình nhiều năm Chỉ số SPI3 cho thấy xu thế các giai đoạn nhiều nước tương đồng với thực tế, như các giai đoạn 1990-1991, 1997, đầu năm 2004 và cuối năm 2013 Trong khi đó, chỉ số SPI6 cho thấy ít đợt nhiều nước xen kẽ với các đợt ít nước Đánh giá dựa trên khoảng thời gian ngắn hơn với 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 hướng hạn hán Cụ thể, 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 ta có thể xác định diện tích bị hạn theo các đơn vị hành chính Bảng 3.2 dưới đây cho thấy diện tích hạn vào đầu năm 2015 tại các huyện trong vùng nghiên cứu, trong đó các khu vực như Vinh, Yên Thành, Con Cuông, Thanh Chương, Anh Sơn, Hưng Nguyên, và Đô Lương bị ảnh hưởng nặng nề bởi tình trạng thiếu hụt nguồn nước mưa Tổng diện tích hạn rất nặng trong toàn vùng lên đến hơn 138.000 ha, hạn nặng khoảng 578.000 ha, và hạn tổng cộng là hơn 350.000 ha Kết quả này phản ánh đúng 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 xây dựng bản đồ thiếu hụt nguồn nước mùa khô cho các tiểu vùng cho thấy lượng mưa mùa khô tại các vùng trung sông Cả, trung và hạ lưu sông Hiếu, vùng sông Nghèn, và vùng Nghi Xuân thiếu hụt 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 trong nhiều năm nhằm đảm bảo nguồn nước cho các khoảng thời gian 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, trong tương lai, cần tận dụng tối đa nguồn nước từ các hồ chứa như hồ Bản Vẽ, hồ Bản Mồng và Ngàn Trươi để bổ sung nguồn nước cho hạ du Cần 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 để cải thiện lưu lượng nước Số liệu về lưu lượng có thể khai thác từ các hồ chứa này được tham khảo từ Viện Quy hoạch Thủy lợi, tập trung vào việc đánh giá tác động của thiếu hụt nước trong mùa khô Để tối ưu hóa nguồn nước từ các hồ chứa thượng nguồn, cần cải tạo, nâng cấp và xây dựng mới các trạm bơm, hồ chứa nhỏ, và cống lấy nước tại các 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 như Sở Nông nghiệp và PTNT, Sở Tài nguyên và Môi trường, Chi Cục Thủy lợi, và Chi Cục Phòng chống và Giảm nhẹ thiên tai là rất cần thiết Đồng thời, cần làm rõ và giảm thiểu các mâu thuẫn, chồng chéo chức năng giữa các tổ chức quản lý để đảm bảo 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, đồng thời thiết lập hình thức tổ chức 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 là trong quản lý nước của các tỉnh Cần có cơ chế phù hợp để phối hợp với các cơ quan, tổ chức trong quản lý sử dụng nước, chú trọng đến hệ thống quản lý theo địa giới Việc tham gia trao đổi ý kiến và thống nhất giải quyết mâu thuẫn trong quản lý nước là rất quan trọng, trong đó cần coi trọng sự tham gia của cộng đồng.
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 khai thác thông tin phục vụ cho công tác quản lý và quy hoạch Điều này giúp xây dựng kế hoạch khai thác nguồn nước một cách hiệu quả hơn.
Ứng dụng các mô hình toán học về thủy văn và thủy lực cùng với cân bằng nước giúp đánh giá, kiểm đếm và quản lý nguồn nước một cách hiệu quả, từ đó nâng cao khả năng 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, bao gồm việc kết hợp công nghệ viễn thám với mô hình toán học Mục tiêu là tạo dựng cơ sở dữ liệu, bổ sung thông tin còn thiếu và xây dựng các kịch bản sẵn sàng ứng phó.