i LỜI CAM ĐOAN Học viên xin cam đoan đây là công trình nghiên cứu của bản thân tác giả Các kết quả nghiên cứu và những kết luận trong luận văn là trung thực, không sao chép từ bất kỳ một nguồn nào và[.]
Tính c ấ p thi ế t c ủa đề tài
Hạn hán là hiện tượng tự nhiên xảy ra do nhiều nguyên nhân, bao gồm thiếu hụt lượng mưa, bốc hơi lớn và khai thác quá mức nguồn nước Hiện tượng này có thể xảy ra ở mọi vùng khí hậu trên thế giới, với các đặc điểm biến đổi đáng kể 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, 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 của đất nước đã mang lại những thay đổi tích cực cho nền kinh tế các tỉnh trên lưu vực sông Cả, với cơ cấu kinh tế chuyển dịch theo hướng công nghiệp - dịch vụ - nông nghiệp Sự ra đời của hàng loạt khu công nghiệp, khu kinh tế và khu đô thị mới đã làm tăng nhu cầu nước cho các ngành công nghiệp và dịch vụ.
Quy luật diễn biến thời tiết khí hậu ngày càng phức tạp, đặc biệt là thời gian xuất hiện lũ và hạn Mực nước trên các sông có những tổ hợp bất lợi cho công tác phòng lũ, với các trận lũ lớn xảy ra vào các năm 1978, 1988, 2002, 2007 và trận lũ nghiêm trọng nhất vào năm 2010, gây thiệt hại nặng nề cho kinh tế và xã hội Đối với hạn hán, mức độ ngày càng gia tăng đã 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 Năm 2010, Nghệ An ghi nhận khoảng 17.000-20.000 ha bị hạn, trong khi Hà Tĩnh có khoảng 12.000 ha, trong đó 30% diện tích bị hạn ở mức nặng Hàng trăm hệ thống hồ tại đây đã giảm xuống gần mức nước chết, với một số khu vực có 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
Nghiên cứu và phân tích tình hình thiếu hụt nguồn nước trên lưu vực sông Cả là cần thiết để xác định các khu vực và thời gian xảy ra hạn hán thường xuyên Việc này giúp đánh giá tình hình thiếu nước so với nhiều năm trước, từ đó 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 quan trọng bao gồm lượng mưa, cường độ bức xạ mặt trời, nhiệt độ bề mặt đất trung bình và độ che phủ đất Những yếu tố này ảnh hưởng đến mức độ hạn hán và khả năng ứng phó của địa phương với các biến đổi khí hậu.
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), cùng với 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
Các vùng sản xuất nông nghiệp và khu vực quy hoạch cho sản xuất nông nghiệp hiện chưa được nghiên cứu hoặc cảnh báo về nguy cơ hạn hán, điều này cần được xem xét để đảm bảo sự phát triển bền vững trong ngành nông nghiệp.
- Tiếp cận kết quả của các nghiên cứu trong và ngoài nước về vấn đề hạn hán
Để tiếp cận vấn đề hiệu quả, chúng ta sử dụng các mô hình khí hậu toàn cầu kết hợp với công cụ xử lý ảnh vệ tinh Erdas và phần mềm GIS ArcGIS để phân tích không gian.
Phương ph áp nghiên c ứ u
- Phương pháp thu thập, thống kê, phân tích số liệu;
- Phương pháp xử lý số liệu mưa từ vệ tinh (CHIRPS);
- Phương pháp ứng dụng phần mềm tính toán chỉ số chỉ số chuẩn hoá lượng mưa SPI từ mưa vệ tinh;
- Phương pháp ứng dụng GIS, công cụ nội suy GIS… để xây dựng bản đồ phân bổ thiếu hụt nguồn nước.
TỔNG QUAN ỨNG DỤNG CÔNG NGHỆ KHÔNG GIAN
T ổ ng quan ứ ng d ụ ng công ngh ệ không gian trong nghiên c ứ u h ạ n hán
1.1.1 Tổng quan trên thế giới
* Hạn hán, thiếu hụt nguồn nước và chỉ số đánh giá
Trong những thập kỷ qua, hạn hán đã gia tăng trên toàn cầu, gây thiệt hại kinh tế và ảnh hưởng 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, và trong gần 25 năm qua, số người sống ở các vùng khô cằn gặp rủi ro vì hạn hán đã tăng hơn 80% Hiện nay, hơn 1/3 diện tích đất đai trên thế giới đã bị khô cằn, nơi sinh sống của 17,7% dân số toàn cầu Cùng với hạn hán, hiện tượng hoang mạc hóa cũng đang lan rộng từ các vùng khô hạn đến cả những khu vực bán ẩm ướt, với tổng diện tích hoang mạc hóa lên đến 39,4 triệu km², chiếm 26,3% tổng diện tích đất tự nhiên trên thế giới.
Hạn hán đang đe dọa đến 250 triệu người trên toàn cầu, ảnh hưởng đến 100 quốc gia và gây ra nguy cơ đói khát Tình trạng này không chỉ tác động đến đời sống con người mà còn ảnh hưởng đến môi trường khí hậu toàn cầu (WMO [1]).
Hạn hán thường có tác động rộng rãi và mặc dù ít khi là nguyên nhân trực tiếp gây ra thiệt hại về nhân mạng, nhưng thiệt hại kinh tế do hạn hán gây ra là rất lớn Theo số liệu từ Trung tâm giảm nhẹ hạn hán quốc gia Mỹ, hàng năm, hạn hán gây thiệt hại cho nền kinh tế Mỹ khoảng 6-8 tỷ USD, so với 2,41 tỷ USD do lũ và 1,2-4,8 tỷ USD do bão Đặc biệt, đợt hạn hán lịch sử ở Mỹ vào năm 1988-1989 đã gây thiệt hại lên tới 39-40 tỷ USD, vượt xa thiệt hại kỷ lục của lũ, chỉ khoảng 15-27,6 tỷ USD.
Hạn hán và bão đã gây ra tổn thất kinh tế lớn, với thiệt hại ước tính từ 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 trên diện rộng tại Indonesia, gây thiệt hại kinh tế nghiêm trọng Theo dự báo của Liên Hiệp Quốc, đến năm 2025, 2/3 diện tích đất canh tác ở châu Phi, 1/3 ở châu Á và 1/5 ở Nam Mỹ sẽ không còn khả năng sử dụng, đe dọa đến khoảng 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, nhưng do tính phức tạp của hiện tượng này, vẫn chưa có phương pháp chung cho các nghiên cứu Để xác định, nhận dạng, giám sát và cảnh báo 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 hán Các chỉ số hạn hán có thể là hàm của các biến đơn như lượng mưa, nhiệt độ, bốc thoát hơi, dòng chảy, hoặc tổng hợp từ nhiều biến Mỗi chỉ số có ưu và nhược điểm riêng, và các quốc gia sử dụng các chỉ số phù hợp với điều kiện của mình Ngoài việc áp dụng cho dữ liệu quan trắc, các chỉ số hạn hán còn được sử dụng với dữ liệu từ mô hình khí hậu khu vực và toàn cầu Việc xác định các đặc trưng của hạn hán, như sự khởi đầu và kết thúc, thời gian kéo dài, phạm vi mở rộng, mức độ và tần suất, cũng như mối liên hệ giữa các biến đổi của hạn hán với khí hậu là rất cần thiết trong nghiên cứu.
Các nghiên cứu toàn cầu về hạn hán của Aiguo Dai và cộng sự cho thấy số đợt hạn, thời gian kéo dài và tần suất của hạn hán đã gia tăng đáng kể Nghiên cứu của Nico Wanders phân tích 18 chỉ số hạn hán và lựa chọn các chỉ số phù hợp cho năm vùng khí hậu khác nhau trên toàn cầu Sự giảm lượng mưa cùng với tăng nhiệt độ làm gia tăng quá trình bốc hơi, dẫn đến hạn hán nghiêm trọng hơn Xu hướng nóng lên toàn cầu từ 1980-2000 đã khiến tần suất và mức độ hạn hán tăng lên, đặc biệt là ở Cộng hòa Séc và Hy Lạp Thời gian kéo dài của các đợt hạn cũng gia tăng, có thể kéo dài từ vài tháng đến vài năm Nghiên cứu ở Châu Âu cho thấy thời gian hạn hán trung bình là 48 tháng, với tần suất cao hơn ở lục địa và thấp hơn ở bờ biển, và thời gian dài nhất ghi nhận tại Italia và đông bắc Pháp.
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 4-5 năm (1997-2003) Nghiên cứu cho thấy hạn hán là hiện tượng phức tạp do cả nguyên nhân tự nhiên và con người Các yếu tố tự nhiên như sự dao động khí quyển và nhiệt độ mặt nước biển (như El Nino) cùng với các nguyên nhân nhân tạo như nhu cầu nước tăng, phá rừng, ô nhiễm môi trường và quản lý tài nguyên kém bền vững đều góp phần gây ra hạn hán Hiện nay, nhiều chỉ số hạn đã được phát triển và ứng dụng toàn cầu, như Chỉ số ẩm Ivanov, Chỉ số khô Budyko, và Chỉ số Palmer (PDSI) Tuy nhiên, không có chỉ số nào vượt trội trong mọi điều kiện, do đó việc áp dụng các chỉ số này cần căn cứ vào điều kiện cụ thể và hệ thống dữ liệu quan trắc của từng vùng.
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 Các trung tâm này có nhiệm vụ chính là theo dõi tình hình hạn hán, cung cấp thông tin dự báo và cảnh báo kịp thời cho cộng đồng.
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 đầu vào thiết yếu cho việc kiểm kê và đánh giá nguồn nước trên lưu vực sông Bên cạnh các số liệu mưa 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 mưa vệ tinh phổ biến.
- CHIRPS (Climate Hazards Group InfraRed Precipitation with Station) là dữ liệu lượng mưa toàn cầu gần 30 năm của Cục Khảo sát địa chất Hoa Kỳ
CHIRPS, do USGS và nhóm hiểm họa khí hậu (CHG) phát triển, 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 Công nghệ 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
TRMM 3B42 (Tropical Rainfall Measuring Mission) là sản phẩm hợp tác giữa NASA và JAXA nhằm giám sát lượng mưa ở các khu vực nhiệt đới và cận nhiệt đới, cũng như ước tính hệ thống nhiệt tiềm ẩn Vệ tinh TRMM sử dụng 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) với 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, sản phẩm của Cục Đại dương và Khí quyển quốc gia Hoa Kỳ, cung cấp phân tích lượng mưa toàn cầu với độ phân giải không gian và thời gian cao Kỹ thuật này dựa vào ước tính lượng mưa từ tàu thăm dò thấp và quan sát lò vi sóng vệ tinh, đồng thời sử dụng thông tin từ dữ liệu IR vệ tinh địa tĩnh để cải thiện độ chính xác của phân tích.
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, nên được sử dụng rộng rãi hiện nay.
1.1.2 Tổng quan trong nước Đối với Việt Nam, nơi có tiềm năng nguồn nước phong phú nhưng do tính chất phân mùa sâu sắc nên thường xuyên xuất hiện hạn hán Cũng như các nghiên cứu trên thế giới, các nghiên cứu về hạn hán ở Việt Nam chủ yếu tập trung đến hạn khí tượng, hạn thủy văn và hạn nông nghiệp Các đề tài, dự án nghiên cứu hạn hán ở Việt Nam đã được triển khai trong những năm gần đây, chủ yếu tập trung vào 2 vấn đề chính:
(1) Các nghiên cứu cơ bản về hạn hán và tác động tới dân sinh, kinh tế, xã hội
(2) Các giải pháp, phòng chống và giảm nhẹ hạn hán bao gồm:
- Giải pháp công trình xây dựng các công trình thu trữ, điều tiết nước;
Tổng quan vùng nghiên cứu
1.2.1 Đặc điểm địa hình vùng nghiên cứu
Lưu vực sông Cả có hình dạng phát triển từ Tây Bắc đến Đông Nam, với phần lớn diện tích là đồi núi và chỉ 19% đất đai phù hợp cho nông nghiệp tại Việt Nam, cùng 14% toàn lưu vực Địa hình sông Cả được chia thành các dạng chính, trong đó đồng bằng và đồng bằng ven biển là nổi bật Đồng bằng sông Cả trải dài hai bên bờ sông từ trung lưu trở xuống, bao gồm các huyện Đô Lương, Thanh Chương, Nam Đàn và Hưng Nguyên, nơi tập trung phát triển kinh tế xã hội Cao độ đồng bằng ven sông Cả thay đổi từ +10 đến +15m ở Đô Lương, +7 đến +8m ở Thanh Chương, +2,5 đến +1,0m ở Nam Đàn và Hưng Nguyên, cùng +2,0 đến 0m ở Đức.
Thọ, Thạch Hà Tổng diện tích mặt bằng vùng đồng bằng chiếm khoảng 10% diện tích lưu vực sông Cả và khu hưởng lợi
Hình 1 4 B ản đồ h ành chính lưu vự c sông C ả b.Vùng đồi trung du
Trung du lưu vực sông Cả, bao gồm các huyện Nghĩa Đàn, Quỳ Hợp, Tân Kỳ, Anh Sơn, Thanh Chương, Vũ Quang, Hương Sơn và Hương Khê, là khu vực có địa hình phức tạp Nơi đây nổi bật với những đồi bát úp và đồi cao, xen kẽ với 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 huyện Hương Khê, Vũ Quang có địa hình cao độ biến đổi từ +20 đến +200m, bị chia cắt mạnh với độ dốc nhiều chiều do các sông nhỏ Tổng diện tích của dạng địa hình này chiếm khoảng 25-30% tổng diện tích Địa hình vùng núi cao tập trung chủ yếu ở phía Tây, Tây Bắc và Tây Nam lưu vực, kéo dài từ Đồng Văn, Thông Thụ đến Hương Liên, 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 ngăn cách 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 Với độ dốc lớn và thung lũng hẹp, địa hình vùng núi cao chiếm tới 60-70% diện tích lưu vực, nhưng diện tích đất canh tác chỉ chiếm 1,5-2% tổng diện tích, 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, dựa trên nguồn gốc phát sinh.
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" 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, có niên đại từ Paleozoic Trong giai đoạn trước Cambri đến Paleozoic sớm và muộn, 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 phát triển trong thời kỳ Paleozoic muộn đến Mesozoic muộn, dẫn đến sự hình thành các bồn trũng nhỏ mang tính orogen 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 các giới và hệ tầng từ cổ đến trẻ, cụ thể là giới Protezoi, giới Paleozoi (PZ) và giới Mezozoi, trong đó chứa đựng nhiều hệ tầng quan trọng.
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 và nhập vào Việt Nam tại bản Keng Đu Dòng chính của sông đi sát biên giới Việt - Lào khoảng 40km và hoàn toàn vào Việt Nam tại chân núi cao 1.067m Tại Bản Vẽ, sông chuyển hướng chảy Bắc - Nam đến Cửa Rào, nơi nhập với nhánh Nậm Mô và lại chuyển dòng theo hướng Tây Bắc - Đông Nam Sông Cả có diện tích lưu vực lên tới 27.200km², trong đó 9.740km² nằm trên đất Lào và phần còn lại ở Việt Nam.
Dòng chính sông Cả có đặc điểm là nếp đứt gãy theo hướng Tây Bắc - Đông Nam của miền địa chất cũ, với lòng sông sâu và ít bãi bồi Đoạn hạ lưu sông sâu và rộng, trong khi đoạn trung lưu rộng nhưng nông Phần thượng nguồn nổi bật với nhiều ghềnh thác, hai bên là núi cao và đồi Khu vực thượng nguồn cũng có nhiều vị trí thuận lợi 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 quan trọng của sông Cả, nằm ở đoạn giữa tại Ngã ba Cây Chanh Với diện tích lưu vực lên đến 5.340 km² và chiều dài 314 km, sông Hiếu bắt nguồn từ dãy núi Cao Phú Hoạt thuộc huyện Quế Phong Dòng sông chảy theo hướng Tây Bắc - Đông Nam, gần như 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, nơi sông Hiếu cung cấp nước 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 đáp ứng đủ nhu cầu cấp nước cho các khu vực này.
Sông Hiếu có nhiều chi lưu quan trọng, trong đó Nậm Quàng, Nậm Giải, Kẻ Cọc - Khe Nhã, sông Chàng, sông Dinh, Khe Nghĩa và Khe Đá nổi bật Đặc biệt, sông Chàng và sông Dinh là hai chi lưu lớn, đóng vai trò quan trọng trong việc cung cấp nước cho sông Hiếu, góp phần vào hệ thống thủy văn miền núi.
Sông Nậm Mô bắt nguồn từ rừng núi tỉnh Bôlikhăm Xay (Lào) và chảy vào Việt Nam tại Làng Nhãn, huyện Kỳ Sơn Tại Lào, sông chảy theo hướng Bắc Nam quanh đỉnh Huổng Mang Ngai (2406m), sau đó đổi dòng theo hướng Đông Nam - Tây Bắc Đến bản Suông Hang, sông tiếp tục chuyển hướng Tây Bắc - Đông Nam và hợp lưu với sông Cả tại Cửa Rào, có thể coi đây là dòng chính của sông Cả do hướng chảy tương đồng.
Sông Nậm Mô có lưu vực rộng 3.970 km² và chiều dài 189 km, trong đó 89 km chảy trên lãnh thổ Việt Nam Dọc theo sông Nậm Mô, từ thượng nguồn đến đoạn nhập lưu, có nhiều vị trí tiềm năng để xây dựng hồ chứa phục vụ phát điện và điều tiết nước cho hạ du Thượng nguồn của sông chảy qua các vùng núi đá cao với độ cao trung bình trên 1.000 m.
Sông Giăng là một phụ lưu của sông Cả, nằm cách đập Đô Lương khoảng 20km về phía hạ lưu, 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, tạo nên lòng sông rộng, nông và nhiều bãi bồi Hướng chảy chính của sông Giăng song song với sông Cả đến Thác Muối, trước khi đổi hướng Tây Đông tại cửa ra, nơi sông Giăng nhập 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 Theo Donald A Wilhite và 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 của các loại hạn khác, do đó, việc đánh giá và cảnh báo hạn khí tượng rất quan trọng cho các nhà quản lý trong việc phòng chống và giảm nhẹ thiệt hại Loại hạn này yêu cầu ít dữ liệu đầu vào như mưa hoặc nhiệt độ, giúp ứng dụng rộng rãi trên toàn cầu Phân tích đặc trưng không gian và thời gian của hạn khí tượng cùng với các yếu tố gây ra hạn hán là cần thiết cho việc quản lý tài nguyên nước và dự báo thiệt hại do hạn hán Vì vậy, trong luận văn này, tác giả chọn hạn khí tượng làm đối tượng nghiên cứu.
Trong việc xác định và giám sát hạn hán, các chỉ số hạn hán là công cụ chính được sử dụng Theo dõi biến động giá trị của các chỉ số này giúp xác định sự khởi đầu, thời gian kéo 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 có những ưu điểm và nhược điểm riêng, và các quốc gia thường lựa chọn chỉ số phù hợp với điều kiện của mình Việc xác định hạn hán không chỉ dựa vào dữ liệu quan trắc mà còn có thể áp dụng cho dữ liệu từ mô hình khí hậu khu vực và toàn cầu.
Nghiên cứu về cảnh báo sớm hạn khí tượng tại Việt Nam đã áp dụng nhiều chỉ số phổ biến Đào Xuân Học sử dụng chỉ số khô hạn Sazonop để khảo sát và dự báo hạn 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 SPI để dự báo cho 7 vùng khí hậu khác nhau ở Việt Nam Ngoài ra, Nguyễn Lương Bằng đã kết hợp hai chỉ số SPI và SPEI để dự báo hạn khí tượng cho tỉnh Khánh Hòa.
Các thành phần trong chu trình tuần hoàn nước phản ứng với lượng mưa tích lũy theo thời gian khác nhau; 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 hạn hán, cho phép tính toán qua nhiều thời đoạn bằng cách chuyển đổi dữ liệu mưa thành hàm tiêu chuẩn hóa SPI cũng cho phép so sánh hạn hán ở các khu vực có điều kiện thời tiết khác nhau Tuy nhiên, SPI có một số hạn chế, như cần 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 lượng 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 công cụ phổ biến nhất để đánh giá và dự báo hạn hán Ở 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, cho thấy tính phù hợp của nó với điều kiện khí hậu địa phương.
Để đánh giá tình hình hạn hán trong vùng nghiên cứu, luận văn này sử dụng chỉ số SPI để đo lường sự thiếu hụt lượng mưa (hạn khí tượng) tại các thời điểm trong năm theo các giai đoạn 3 tháng và 6 tháng Lượng mưa theo các thời đoạn tương ứng là yếu tố đầu vào quan trọng Số lượng và chất lượng của tài liệu mưa có ảnh hưởng lớn đến độ chính xác trong tính toán của các mô hình toán học liên quan.
Hiện tại, lưu vực sông Cả chỉ có 23 trạm đo mưa hoạt động, với mật độ lưới trạm là 778 km²/trạm, cao hơn 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 lại thiếu trạm đo mưa, đặc biệt là các trạm tự ghi, chỉ có một số ít trạm khí hậu được trang bị máy đo mưa tự ghi.
Dữ liệu từ các trạm đo mưa do Bộ Tài Nguyên Môi Trường quản lý có chất lượng tốt, tuy nhiên, các trạm đo mưa chuyên dụng tại nông trường hoặc vùng sâu, vùng xa thường gặp vấn đề về độ tin cậy và có thể bị gián đoạn (Viện Quy hoạch Thủy lợi, 2012).
Tài liệu đo mưa trên lưu vực sông Cả còn nhiều khoảng trống về không gian và thời gian Để khắc phục, luận văn kết hợp mưa vệ tinh để bổ sung dữ liệu và tính toán chỉ số SPI Sử dụng công nghệ GIS, nghiên cứu tạo bản đồ phân bố sự thiếu hụt nguồn nước (hạn khí tượng) cho toàn vùng với các lượng mưa khác nhau Kết quả tính toán giúp xác định diện tích bị hạn ở từng địa phương với các cấp độ hạn khác nhau, từ đó đề xuất giải pháp thích ứng phù hợp.
Thu thập, phân tích số liệu mưa thực đo
2.2.1 Xác định mạng lưới trạm
Trong nghiên cứu, chúng tôi đã lựa chọn các trạm đo từ 23 trạm mưa đang hoạt động để tính toán chỉ số thiếu hụt nguồn nước Quy trình lựa chọn dựa trên các tiêu chí cụ thể nhằm đảm bảo tính chính xác và hiệu quả trong việc đánh giá tình hình nguồn nước trong khu vực nghiên cứu.
To accurately calculate the Standardized Precipitation Index (SPI), it is essential to have a continuous dataset of at least 30 years This long-term data requirement ensures the reliability of the precipitation analysis.
- 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, tuy nhiên, một số trạm có số liệu không liên tục do việc ghi chép và thống kê không đầy đủ Để khắc phục tình trạng thiếu số liệu này, các thông tin sẽ được bổ sung từ dữ liệu mưa vệ tinh như trình bày trong Mục 2.3.
Hình 2 2 S ố li ệu mưa thực đo (trạ m Qu ỳ H ợ p)
L ự a ch ọ n, thu th ậ p và x ử lý mưa vệ tinh
CHIRPS (Climate Hazards Group InfraRed Precipitation with Station) là bộ dữ liệu lượng mưa toàn cầu được phát triển bởi Cục Khảo sát Địa chất Hoa Kỳ (USGS) và nhóm hiểm họa khí hậu (CHG), cung cấp thông tin trong gần 30 năm Dữ liệu này kết hợp hình ảnh vệ tinh có độ phân giải 0.05 ° với thông tin từ các trạm đo tại chỗ, tạo ra chuỗi thời gian mưa dưới dạng lưới, phục vụ cho việc phân tích và theo dõi tình trạng 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 đã chọn, dữ liệu mưa CHIRPS được thu thập cho lưu vực sông Cả 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, mức này được xem là có thể 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 mức độ tương quan giữa mưa vệtinh và mưa thực đo đạt yêu cầu 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 tính toán từ chuỗi số liệu so sánh giai đoạn 1996 đến 2000 cho thấy chỉ số NSE thấp nhất tại trạm Quỳ Hợp là 0,64, trong khi trạm Hà Tĩnh đạt NSE cao nhất với giá trị 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 sử dụng dữ liệu mưa từ CHIRPS để bổ sung cho các khoảng trống số liệu tại 9 trạm mưa đã được lựa chọn, từ đó 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 bình thường, thường bị hiểu lầm là sự kiện hiếm gặp Nó xuất hiện ở hầu hết các vùng khí hậu với các đặc điểm khác nhau Hạn là một dị thường tạm thời, khác với sự khô cằn thường xuyên ở các 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 thủy văn, và hạn kinh tế - xã hội.
Hạn có thể được xác định qua nhiều chỉ số, trong đó phổ biến ở Mỹ và Úc là phần trăm so với trung bình (PN), chỉ số chuẩn hoá lượng mưa (SPI), chỉ số hạn khắc nghiệt Palmer, chỉ số ẩm mùa vụ (CMI), chỉ số cấp nước bề mặt (SWSI), chỉ số tái khô hạn (RDI), và phần mười Chúng tôi chọn chỉ số SPI để xây dựng mô hình dự báo hạn khí tượng vì nó dựa trên khả năng có lượng mưa trong các khoảng thời gian khác nhau, được đánh giá cao về tính đa dụng và khả năng cảnh báo sớm về hạn Hạn khí tượng xảy ra khi có mưa ít hơn trung bình nhiều năm, trong khi hạn nông nghiệp liên quan đến sự thiếu độ ẩm trong sản xuất, và hạn thuỷ văn khi nước dự trữ trong các nguồn nước giảm xuống dưới mức trung bình.
Cả ba loại hạn - hạn khí tượng, hạn độ ẩm đất và hạn nông nghiệp - đều có mối quan hệ chặt chẽ với nhau Thiếu mưa và bốc hơi cao có thể dẫn đến hạn khí tượng, trong khi sự thiếu hụt độ ẩm trong đất gây ra hạn độ ẩm đất, ảnh hưởng đến khả năng cung cấp nước cho cây trồng, dẫn đến hạn nông nghiệp Hơn nữa, việc không có mưa hoặc mưa ít, kết hợp với bốc hơi cao, làm giảm lượng nước trong lưu vực và ảnh hưởng đến nguồn nước ngầm, dẫn đến hạn thuỷ văn Do đó, khô hạn và các vùng khô hạn thực tế đều 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 dạng 2 tầng trữ cho thấy chỉ số PDSI từ -3,0 đến -3,99 chỉ ra tình trạng hạn hán nặng Để đánh giá hiệu quả của nguồn nước cung cấp, cần xem xét cả hai yếu tố nguồn nước và nhu cầu sử dụng, tuy nhiên, thực tế cho thấy nguồn nước không thực sự hiệu quả và thường xuyên được sử dụng không hợp lý.
Chỉ số PDSI của Palmer được tính toán để thể hiện mối quan hệ giữa lượng mưa và nhu cầu nước, với giá trị từ -2,0 đến -2,99 cho thấy tình trạng hạn vừa Mức độ này được xác định thông qua các yếu tố như bốc hơi và điều kiện địa hình của các vùng núi.
Chỉ số hạn Palmer bốc hơi cho thấy mức độ hạn hán so với điều kiện bình thường, với các chỉ số như: -1,0 đến -1,99 biểu thị hạn nhẹ, và -0,5 đến -0,99 thể hiện hạn rất nhẹ Thông tin này có ý nghĩa quan trọng trong việc đánh giá tiềm năng hạn hán tại các khu vực có tuyết bao phủ, cả ở Hoa Kỳ và trên toàn 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 SPI phân loại hạn hán thành các mức độ: từ -1,5 đến -1,99 là hạn nặng, từ -1,0 đến -1,49 là hạn vừa Chỉ số này có thể được tính cho các khoảng thời gian khác nhau như tuần, tháng, quý và năm, đồng thời 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 bốc hơi, cho phép 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
Tính toán lượng mưa trong 3 tháng từ chuỗi số liệu mưa thường cao hơn mức bình thường, yêu cầu sử dụng hiệu quả phương pháp thống kê Phân nhóm mưa theo Rainfall Deciles (RD) chia thành 10 nhóm nhỏ, trong đó nhóm 3-4 có lượng mưa nhỏ hơn bình quân và cho kết quả tốt khi chuỗi số liệu đủ dài Phương pháp này không được ứng dụng nhiều ở Úc, đặc biệt trong việc tính toán phân bố tần suất xuất hiện của từng nhóm mưa Nhóm 5-6 gần đạt mức bình quân, thường được sử dụng để kiểm tra giới hạn và tính toán bốc hơi.
H ạn n ôn g ng hi ệp
Mức độ ẩm trong đất được tính toán thông qua mô hình Chỉ số hạn, dựa trên phần trăm độ ẩm Mô hình này yêu cầu các số liệu chuyên dụng, bao gồm thông tin về lượng mưa và các yếu tố khí tượng như nhiệt độ Cụ thể, mức độ ẩm được phân loại như sau: ≤20% là rất khô hạn; 20-40% là khô hạn; 40-60% là gần bình thường Việc xem xét các điều kiện lịch sử cũng rất quan trọng trong quá trình đánh giá độ ẩm đất.
The Palmer Moisture Anomaly Index, also known as the Z-index, is a crucial metric used to assess abnormal moisture levels This index is calculated to determine the extent of drought conditions, providing valuable insights into moisture anomalies.
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 thể hiện rằng S là sản lượng dòng chảy, trong đó D đại diện cho thời gian dòng chảy trong sông nhỏ hơn mức bình thường và M là lưu lượng trung bình trong sông trong khoảng 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 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 được xác định thông qua mô hình Giá trị tính toán phân lớp, trong đó xem xét yếu tố tuyết phủ và lượng trữ Kết quả tính toán của chỉ số này phụ thuộc vào các yếu tố môi trường cụ thể.
Loại Chỉ số hạn Phương pháp tín Phân loại hạn Ưu điểm Nhược điểm Phạm vi ứng dụng
Chỉ số Drought Area Index (DAI) được sử dụng để đánh giá mức độ hạn hán tại các khu vực cụ thể, phản ánh sự ảnh hưởng của hạn hán đến môi trường DAI tính toán dựa trên mức độ hạn hán định lượng và phạm vi ảnh hưởng, nhưng không thể đo lường cường độ hạn hán một cách chính xác Chỉ số này còn được so sánh với các giá trị hạn bình quân để có cái nhìn tổng quan về tình hình hạn hán tại nhiều nơi.
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, số liệu SPI1, 3, 6 tại 42 vị trí sẽ được đưa lên bản đồ theo tọa độ địa lý của các trạm đo Phép nội suy nghịch đảo khoảng cách (IDW) được áp dụng để nội suy giá trị SPI từ 42 trạm khí tượng thủy văn trong khu vực nghiên cứu, nhằm tạo ra bản đồ hạn cho vùng.
Phương pháp nội suy IDW là một kỹ thuật nội suy xác định cục bộ, ước lượng giá trị của một điểm bất kỳ thông qua việc tính toán trung bình các giá trị của các điểm lân cận Mỗi điểm lân cận sẽ có trọng số phụ thuộc vào khoảng cách đến điểm cần ước lượng Trong phương pháp IDW, giả thiết được đưa ra là 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 điểm mẫu trong khu vực lân cận ảnh hưởng đến kết quả dự báo Cụ thể, những điểm gần với điểm cần dự đoán sẽ có tác động lớn hơn so với những điểm xa hơn.
Z s là giá trị được dự báo tại điểm s 0
N là số điểm mẫu trong khu vực lân cận của điểm s0, với λi là các trọng số tùy thuộc vào khoảng cách từ mỗi điểm mẫu đến điểm s0 Giá trị z(s) được đo 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, tức là trọng số sẽ giảm theo bình phương khoảng cách.
IDW (Inverse Distance Weighting) là phương pháp nội suy dựa vào nghịch đảo của khoảng cách, được nâng lên thành hàm mũ Tham số số mũ trong IDW cho phép điều chỉnh tầm quan trọng của các điểm đã biết đối với giá trị nội suy, tùy thuộc vào khoảng cách của chúng từ điểm đầu ra Giá trị số thực này thường nhỏ hơn 0, với giá trị mặc định 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 sẽ 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, số mũ thấp hơn tạo ra ảnh hưởng lớn hơn đến các điểm xa hơn, kết quả là bề mặt mịn hơn.
Trong luận văn này, tác giả đã chọn giá định mặc định trong QGIS nhằm 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 những vùng mưa vừa và lớn như thượng nguồn sông Hiếu, lượng mưa trung bình đạt từ 2.000 đến 2.100mm, và khu vực sông Giăng từ Cửa Rào - Nghĩa Khánh đến Dừa có lượng mưa từ 1.800 đến 2.100mm Vùng sông Ngàn Phố và Ngàn Sâu có lượng mưa trung bình cao, từ 2.200 đến 2.400mm, trong khi vùng đồng bằng ven biển ghi nhận lượng mưa từ 1.800 đến 1.900mm Nơi có lượng mưa lớn nhất nằm ở 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 thay đổi theo từng vị trí Tại vùng thượng nguồn, mùa mưa bắt đầu từ tháng 5 và kết thúc vào 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 sông Cả, mùa mưa bắt đầu từ tháng 6 và kéo dài đến tháng 10 hoặc tháng 11, với tháng 11 có lượng mưa lớn nhất vào tháng 8, 9 và 10.
Mùa mưa ở khu vực phía Nam của lưu vực, như sông Ngàn Phố và Ngàn Sâu, bắt đầu từ tháng Tám và kéo dài đến tháng Mười Trong thời gian này, lượng mưa chiếm từ 80% đến 87% tổng lượng mưa hàng năm, trong khi phần còn lại thuộc về mùa ít mưa.
Mùa mưa ở Việt Nam diễn ra từ Bắc vào Nam, với hai đỉnh cực trị thường gặp vào tháng 5 và tháng 9 Tháng 5 và tháng 6, gió mùa Tây Nam hoạt động mạnh, gây ra mưa lớn và lũ tiểu mãn Tổng lượng mưa trong hai tháng này chiếm khoảng 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 vào tháng 5 năm 1943 và tháng 5 năm 1989 Đặc biệt, trận mưa vào tháng 5 năm 1989 đã tạo ra lũ lịch sử trên sông Ngàn Phố, với lượng mưa kỷ lục đạt 483mm trong một ngày 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 thấp nhất Khi gió Lào hoạt động mạnh, lượng mưa trong tháng 7 chỉ chiếm từ 5 đến 10% tổng lượng mưa hàng năm.
Vào các 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 những trận mưa lớn kéo dài từ 3 đến 10 ngày Điều này 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 phân bố không đồng đều, với vùng đồng bằng chịu ảnh hưởng lớn từ mưa bão, đạt 1.000 đến 1.100mm trong hai tháng Ngược lại, ở phía thượng lưu của dòng chính, lượng mưa giảm dần, chỉ đạt 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 khác 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% tổng lượng mưa hàng năm.
Biến động lượng mưa theo thời gian khá mạnh mẽ Lượng mưa năm lớn nhất đạt 3.520mm năm 1989 tại Vinh, 3.670mm năm 1989 tại Hoà Duyệt, 3.470mm năm
1978 tại Đô Lương và từ 2.500 2.700mm tại các vùng thượng sông Cả, sông Hiếu Lượng mưa năm nhỏ nhất biến động tuỳ theo các vùng, vùng ít mưa như
Khe Bố, Mường Xén, Cửa Rào có năm lượng mưa chỉ đạt 500 700mm Vùng mưa nhiều năm ít mưa nhất đạt từ 1.200 1.500mm
Hệ số biến sai Cv mưa năm dao động từ 0,25 0,35
Hình 3 1 S ố li ệu mưa thực đo (Trạ m Qu ỳnh Lưu)
Hình 3 2 S ố li ệu mư thực đo (Trạm Kim Cương) ố ệu mưa thực đo (Trạ ỳ ợ
B ả ng 3 1 T ỷ l ệ mưa năm phân theo mùa trung bình nhiều năm
TT Tên Tr ạ m Li ệ t tài li ệ u
Mùa mưa Mùa khô Năm
4 Qu ỳnh Lư u 1960-2015 VI-X 1243 78 XI-V 346 22 1589
Phân tích tình tr ạ ng thi ế u h ụ t ngu ồn nướ c d ự a trên ch ỉ s ố SPI
Đánh giá sự thiếu hụt nguồn nước gây ra hạn hán được thực hiện dựa trên kết quả tính chỉ số SP6 tại từng trạm khí tượng, kết hợp với chỉ số bình quân SPI được tính bằng cách trung bình hóa các ô lưới SPI theo từng tháng.
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 so với trung bình nhiều năm Đặc biệt, giai đoạn 1998-2001, 2003-2005 và 2014-2015 kéo dài sang năm 2016 là những năm liên tiếp xảy ra tình trạng này Xu thế trung bình toàn vùng tương đồng với các trạm đại diện cho 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 hạn hán và thiếu hụt nguồn nước trong quá khứ, mặc dù mức độ ảnh hưởng khác nhau.
Hình 3 4 Ch ỉ s ố SPI 1, 3 và 6 tr ạ m Qu ỳ H ợ p
Khi phân tích chỉ số SPI3, xu hướng về các giai đoạn hạn khí tượng cho thấy tần suất xảy ra hạn cao hơn, nhưng thời gian mỗi đợt lại ngắn hơn Kết quả đánh giá các giai đoạn hạn hán trong quá khứ phù hợp với thực tế, điển hình là tình trạng thiên tai hạn hán tại tỉnh Nghệ An vào năm 2015, khi hạn hán diễn ra trên diện rộng và kéo dài từ năm 2014 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 giai đoạn xen kẽ giữa các đợt hạn hán thường có lượng mưa dồi dào hơn so với trung bình nhiều năm Chỉ số SPI3 cho thấy xu hướng các giai đoạn nhiều nước tương tự như thực tế, với các giai đoạn đáng chú ý vào năm 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 trên khoảng thời gian ngắn hơn qua SPI3 cho thấy rõ sự xen kẽ này Việc nhận diện sự xen kẽ giữa các giai đoạn dồi dào và thiếu hụt 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, đặc biệt là vào các năm 2015 và 2005, khi gần như toàn bộ lưu vực đều trải qua tình trạng hạn hán và 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 các bản đồ hạn khí tượng, chúng tôi đã xác định được 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 như Vinh, Yên Thành, Con Cuông, Thanh Chương, Anh Sơn, Hưng Nguyên, và Đô Lương chịu ảnh hưởng rất nặng nề do thiếu hụt nguồn nước mưa Tổng diện tích hạn rất nặng lên đến hơn 138.000 ha, hạn nặng gần 578.000 ha và hạn là hơn 350.000 ha Kết quả này 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 tại các vùng trung sông Cả, trung và hạ lưu sông Hiếu, vùng sông Nghèn, và Nghi Xuân thấp hơn mức trung bình nhiều năm Mặc dù lượng mưa hàng 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 trong năm và đảm bảo nguồn nước cho 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 nước cho các vùng cần thiết Do đó, trong tương lai, cần tối đa hóa việc sử dụng nguồn nước từ các hồ chứa hiện có như hồ Bản Vẽ (80 m³/s) và hồ Bản Mồng (22 m³/s), cùng với việc xem xét xây dựng thêm các công trình mới như Chúc A và Trại Dơi (9,4 m³/s), Đá Gân, Khe Chè, Nước Sốt, Rào Mắc (11,5 m³/s), và Thác Muối (18,5 m³/s) Các dữ liệu về lưu lượng nước có thể khai thác từ các hồ chứa này được dựa trên tính toán của Viện Quy hoạch Thủy lợi, trong khi luận văn chỉ tập trung vào ứng dụng công cụ tính toán chỉ số hạn khí tượng SPI để đánh giá các vùng thường xuyên bị ảnh hưởng bởi thiếu hụt nước trong mùa khô Để tận dụng tối đa nguồn nước từ các hồ chứa thượng nguồn, cần cải tạo, nâng cấp và xây mới các trạm bơm, hồ chứa nhỏ, cũng như 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 Việc làm rõ chức năng và giảm thiểu mâu thuẫn, chồng chéo giữa các tổ chức quản lý sẽ góp phần 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 quản lý Cần tìm kiếm hình thức tổ chức phù hợp với điều kiện và bối cảnh cụ thể của lưu vực sông tại Việt Nam.
Nhiệm vụ quản lý nước không được trùng lặp với các tổ chức khác trong lưu vực sông, đặc biệt là hệ thống quản lý nước của các tỉnh Cần có cơ chế phù hợp để phối hợp với các cơ quan, tổ chức trong việc sử dụng nước, chú trọng đến sự tham gia của cộng đồng Việc trao đổi ý kiến và thống nhất giải quyết mâu thuẫn trong quản lý nước là rất quan trọng.
3.5.3 Một số giải pháp khoa học công nghệ
- Tăng cườ ng nghiên c ứ u, ứ ng d ụ ng khoa h ọ c công ngh ệ trong công tác qu ản lý, điề u hành khai thác sử dụng nguồn nước
- Nâng cao trình độ cán bộ, trang bị các phương tiện hiện đại để có thể nghiên cứu, tiếp thu và ứng dụng các công nghệ mới
Xây dựng một cơ sở dữ liệu đầy đủ và cập nhật là rất quan trọng để phục vụ công tác quản lý và quy hoạch Việc này giúp nâng cao hiệu quả trong việc khai thác thông tin, từ đó hỗ trợ tốt hơn cho việc lập kế hoạch và sử dụng nguồn nước một cách hiệu quả.
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, đặc biệt là kết hợp công nghệ viễn thám với mô hình toán học Mục tiêu là tạo dựng cơ sở dữ liệu đầy đủ, bổ sung thông tin còn thiếu và xây dựng các kịch bản sẵn sàng ứng phó.