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 mưa, bốc hơi lớn và khai thác quá mức nguồn nước Hiện tượng này có thể xuất hiện trên toàn cầu, ảnh hưởng đến mọi vùng khí hậu với những đặc điểm khác nhau Khác với khô hạn, hạn hán là sự thay đổi theo thời gian và không phải là đặc trưng lâu dài của khí hậu Mỗi năm, hạn hán có những đặc tính thời tiết và tác động khác nhau, tạo ra sự đa dạng trong các hiện tượng liên quan.
Trong những năm gần đây, sự phát triển của đất nước đã dẫn đến những thay đổi tích cực trong nền kinh tế các tỉnh thuộc 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 đáng kể nhu cầu nước cho các ngành.
Quy luật diễn biến thời tiết khí hậu ngày càng phức tạp, dẫn đến sự xuất hiện lũ và hạn với những tổ hợp bất lợi cho công tác phòng lũ Các trận lũ lớn đã xảy ra vào các năm 1978, 1988, 2002, 2007 và đặc biệt là trận lũ năm 2010, gây thiệt hại nặng nề cho kinh tế và xã hội trong lưu vực Đồng thời, mức độ hạn ngày càng gia tăng, ảnh hưởng nghiêm trọng đến sản xuất, điển hình là các năm 2005, 2007 và đặc biệt là năm 2010.
Nghệ An và Hà Tĩnh, thuộc lưu vực sông Cả, đang đối mặt với tình trạng hạn hán nghiêm trọng Vào năm 2010, Nghệ An ghi nhận khoảng 17.000-20.000ha đất bị hạn, trong khi Hà Tĩnh có khoảng 12.000ha, với 30% diện tích bị hạn nặng Hàng trăm hệ thống hồ tại đây đã xuống gần mức nước chết, và một số khu vực như sông Cả tại Nam Đàn và sông La tại Linh đã ghi nhận mực nước giảm xuống mức thấp nhất trong chuỗi số liệu quan trắc.
Cảm, gây nên tình trạng mặn xâm nhập sâu trên các lưu vực sông, không lấy được nước vào trong đồng
Cần nghiên cứu và phân tích tình hình thiếu hụt nguồn nước trên lưu vực sông Cả để xác định các khu vực và thời gian thường xuyên xảy ra hạn hán Qua đó, có thể đề xuất các giải pháp thích ứng hiệu quả nhằm cải thiện tình trạng thiếu nước trong khu vực này.
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 có ảnh hưởng lớn đến 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 thuỷ lợi hiện nay trong mùa kiệt ở Nghệ An có mối liên hệ chặt chẽ với các huyện hưởng lợi như Yên Thành, Diễn Châu, Quỳnh Lưu (thuộc hệ thống thuỷ nông Diễn Yên Quỳnh - Bắc Nghệ An), cùng với thành phố Vinh, thị xã Cửa Lò, Nghi Lộc, 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, và Đức Thọ, bao gồm cả thị xã.
Hồng Lĩnh trong hệ thống sông Nghèn
+ Với tổng diện tích tự nhiên là 19.627 km 2 bao gồm cả vùng hưởng lợi
Cách ti ế p c ận và phương pháp nghiên cứ u
Cách ti ế p c ậ n
Để đảm bảo phát triển bền vững cho các vùng sản xuất nông nghiệp, cần thiết phải thực hiện các nghiên cứu và cảnh báo về nguy cơ hạn hán, đặc biệt là ở những khu vực đã được quy hoạch cho sản xuất nông nghiệp.
- Tiếp cận kết quả của các nghiên cứu trong và ngoài nước về vấn đề hạn hán
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 giúp phân tích không gian hiệu quả Những công nghệ này cho phép tiếp cận và đánh giá chính xác các biến đổi khí hậu, cung cấp thông tin cần thiết cho các nghiên cứu và ứng dụng thực tiễn.
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 đến đời sống con người cũng như môi trường Mỗi năm, khoảng 21 triệu ha đất trở thành không có năng suất do hạn hán, và trong gần 25 năm qua, số dân gặp rủi ro vì hạn hán ở các vùng khô cằn đã tăng hơn 80% Hơn 1/3 diện tích đất đai thế giới đã bị khô cằn, nơi có 17,7% dân số sinh sống Bên cạnh hạn hán, hoang mạc hóa cũng đang lan rộng từ các vùng khô hạn đến cả những khu vực bán ẩm ướt, với diện tích hoang mạc hóa hiện đạt 39,4 triệu km², chiếm 26,3% tổng diện tích đất tự nhiên trên thế giới.
Hơn 100 quốc gia đang phải đối mặt với nguy cơ đói và khát do hạn hán, ảnh hưởng đến 250 triệu người trên toàn cầu, đồng thời tác động tiêu cực đến môi trường khí hậu chung (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 là 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 diễn ra vào năm 1988-1989 đã gây thiệt hại lên tới 39-40 tỷ USD, vượt xa thiệt hại kỷ lục của lũ là 15-27,6 tỷ USD.
Hạn hán và bão đã gây thiệt hại kinh tế lớn, với bão vào năm 1992 ước tính lên tới 25-33,1 tỷ USD Hạn hán do tác động của El Nino trong giai đoạn 1997-1998 đã dẫn đến cháy rừng nghiêm trọng ở Indonesia, gây tổn thất kinh tế to lớn 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, đẩy khoảng 135 triệu người vào nguy cơ phải di cư để tìm kiếm sinh kế mới.
Trên thế giới, nhiều tác giả 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 Việc theo dõi biến động của các chỉ số này giúp xác định sự khởi đầu, thời gian kéo dài và cường độ hạn Chỉ số hạn hán có thể là hàm của các biến đơn như lượng mưa, nhiệt độ, hoặc là tổng hợp của nhiều biến Mỗi chỉ số có ưu nhược điểm riêng và được các quốc gia áp dụng phù hợp với điều kiện của mình Việc xác định hạn hán không chỉ dựa trên dữ liệu quan trắc mà còn dựa trên sản phẩm của các mô hình khí hậu khu vực và toàn cầu Trong nghiên cứu hạn, việc xác định các đặc trưng như sự khởi đầu và kết thúc, thời gian kéo dài, phạm vi, mức độ, tần suất và mối liên hệ với khí hậu là rất cần thiết.
Các nghiên cứu toàn cầu về hạn hán cho thấy sự gia tăng đáng kể về số đợt hạn, thời gian kéo dài và tần suất ở nhiều khu vực, đặc biệt trong nghiên cứu của Nico Wanders và cộng sự, khi phân tích 18 chỉ số hạn hán cho các vùng khí hậu khác nhau Sự kết hợp giữa giảm lượng mưa và tăng nhiệt độ làm gia tăng quá trình bốc hơi, dẫn đến hạn hán nghiêm trọng hơn (A V Meshcherskaya & V G Blazhevich; A Loukas & L Vasiliades) Từ 1980 đến 2000, tần suất hạn hán tăng lên, với ví dụ cụ thể là Cộng hòa Séc và Hy Lạp, nơi hạn hán ảnh hưởng lớn đến mùa màng và nguồn nước Thời gian kéo dài của các đợt hạn cũng tăng lên, 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 ± 17 tháng, với tần suất cao hơn ở lục địa và kéo dài nhất tại Italy, đông bắc Pháp và đông bắc Nga.
Hạn hán ở phía bắc Trung Quốc đã gia tăng từ những năm 1990, với một số vùng trải qua tình trạng hạn hán kéo dài từ 4-5 năm (1997-2003) Nghiên cứu toàn cầu cho thấy hạn hán là hiện tượng phức tạp do cả nguyên nhân tự nhiên và con người, bao gồm sự biến đổi khí hậu, nhu cầu nước tăng cao, và quản lý tài nguyên kém bền vững Nhiều chỉ số hạn đã được phát triển và áp dụng trên thế giới, như Chỉ số ẩm Ivanov, Chỉ số khô Budyko, và Chỉ số Palmer Tuy nhiên, không có chỉ số nào vượt trội trong mọi điều kiện, do đó, việc lựa chọn chỉ số phụ thuộc vào điều kiện cụ thể của từng vùng và dữ liệu quan trắc sẵn có.
Để giảm thiểu tác động của hạn hán, nhiều quốc gia phát triển trên thế giới đã thiết lập các trung tâm giám sát, dự báo và cảnh báo hạn hán Nhiệm vụ chính của những trung tâm này là cung cấp thông tin kịp thời và chính xác về tình trạng hạn hán, giúp cộng đồng và chính phủ có 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 đầu vào quan trọng cho việc kiểm kê và đánh giá nguồn nước trên lưu vực sông Bên cạnh 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 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 Phương pháp này giúp phân tích và theo dõi tình hình hạn hán theo mùa một cách hiệu quả.
Hình 1 1 D ữ li ệu mưa CHIRPS cho châu Phi ng ày 04-04-2017
TRMM 3B42 (Tropical Rainfall Measuring Mission) là sản phẩm hợp tác giữa NASA và JAXA nhằm giám sát lượng mưa ở vùng nhiệt đới và cận nhiệt đới, đồng thời ước tính hệ thống nhiệt tiềm ẩn Vệ tinh TRMM trang bị các công cụ đo mưa như Radar lượng mưa (PR) hoạt động ở tần số 13,8 GHz, TRMM Microwave Image (TMI) với chín kênh đo phóng vi sóng, và VIRA (Visible and Infrared Scanner) cho phép quan sát 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 trên 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 trong việc theo dõi lượng mưa.
Hình 1 3 D ữ li ệu mưa CMORPH ngày 08 -11-2015 ở Autralia
B ả ng 1 1 M ộ t s ố ngu ồn mưa vệ tinh toàn c ầ u hi ệ n nay
Tên dữ liệu Ngày bắt đầu-ngày kết thúc
Phân giải thời gian Nguồn
GPM 12/03/2014-nay 0.1 ° 30 phút NASA, JAXA
CHIRPS 01/01/1981-nay 0.05 ° Ngày CHG, UCSB
Dữ liệu mưa vệ tinh CHIRPS nổi bật với độ phân giải cao và bước thời gian theo ngày, đồng thời cung cấp miễn phí, làm cho nó trở thành một nguồn dữ liệu phổ biến hiện nay.
1.1.2 Tổng quan trong nước Đối với Việt Nam, nơi có tiềm năng nguồn nước phong phú nhưng do tính chất phân mùa sâu sắc nên thường xuyên xuất hiện hạn hán Cũng như các nghiên cứu trên thế giới, các nghiên cứu về hạn hán ở Việt Nam chủ yếu tập trung đến hạn khí tượng, hạn thủy văn và hạn nông nghiệp Các đề tài, dự án nghiên cứu hạn hán ở Việt Nam đã được triển khai trong những năm gần đây, chủ yếu tập trung vào 2 vấn đề chính:
(1) Các nghiên cứu cơ bản về hạn hán và tác động tới dân sinh, kinh tế, xã hội
(2) Các giải pháp, phòng chống và giảm nhẹ hạn hán bao gồm:
- Giải pháp công trình xây dựng các công trình thu trữ, điều tiết nước;
Tổng quan vùng nghiên cứu
1.2.1 Đặc điểm địa hình vùng nghiên cứu
Lưu vực sông Cả có hình dạng phát triển theo hướng Tây Bắc - Đông Nam và nghiêng ra biển, với phần lớn diện tích là đồi núi Diện tích đất có độ dốc phù hợp cho nông nghiệp chỉ chiếm 19% tổng diện tích Việt Nam và 14% toàn lưu vực Địa hình sông Cả có thể chia thành hai dạng chính: đồng bằng và đồng bằng ven biển Đồng bằng sông Cả, kéo dài từ phần trung lưu trở xuống, bao gồm các huyện Đô Lương, Thanh Chương, Nam Đàn, Hưng Nguyên, và các vùng đồng bằng như Diễn - Yên - Quỳnh, Nam - Hưng - Nghi, sông Nghèn và Nghi Xuân, là nơi tập trung phát triển kinh tế xã hội của lưu vực Cao độ đồng bằng ven sông Cả thay đổi từ +10 đến +15 m ở Đô Lương, +7 đến +8 m ở Thanh Chương, +2,5 đến +1,0 m ở Nam Đàn và Hưng Nguyên, và +2,0 đến +0,0 m 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, sở hữu địa hình phức tạp với đồi bát úp và đồi cao xen kẽ cùng các thung lũng thấp.
Bãi Tập - Quỳ Hợp và vùng sông Sào - Nghĩa Đàn, cùng với trung tâm huyện Hương Khê, Vũ Quang và vùng Sơn Hà của Hương Sơn, có địa hình biến đổi từ +20 đến +200m, với khoảng 25-30% diện tích bị chia cắt mạnh Địa hình vùng núi cao chủ yếu tập trung ở phía Tây, Tây Bắc và Tây Nam lưu vực, kéo dài từ Đồng Văn, Thông Thụ (Quế Phong) đến Hương Liên (Hương Khê - Hà Tĩnh), với các dãy núi như Giăng Màn và dãy núi biên giới từ Nậm Mô đến cửa khẩu Cầu Treo Cao độ của địa hình này từ +1.200 đến +1.500m, 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 bao gồm Kỳ Sơn, Tương Dương, Con Cuông, Quế Phong, Quỳ Châu và một phần của Quỳ Hợp, Nghĩa Đàn, Như Xuân, Anh Sơn, Thanh Chương, Nam Đàn, Hương Khê, Vũ Quang, với độ dốc lớn và thung lũng hẹp Địa hình vùng núi cao chiếm 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.
B ả ng 1 2 Phân lo ại đấ t đai trên lưu vự c sông C ả
Tổng diện tích điều tra thổ nhưỡng 19.626.650
Trong đó diện tích các loại đất (đã trừ sông suối và núi đá) 1.747.309 100,00
Trong đó nhóm phù sa dốc tụ 240.000 80,00
- Nhóm đất Feralit vàng vùng đồ i (170200m) 423.861 27,9
- Nhóm Feralit vàng trên núi từ 170200m đến 8001000m 651.584 42,9
- Nhóm Feralit vàng trên núi t ừ 800 1000m đế n
Nguồn: Theo số liệu điều tra thổnhưỡng năm 1990
Toàn bộ lưu vực sông Cả nằm trong miền uốn nếp Bắc Bộ và miền uốn nếp Varixêt Đông Dương Ranh giới giữa hai miền uốn nếp này được xác định bởi đới khâu sông.
Nghiên cứu trong chuyên khảo “Thành hệ địa chất và địa động học Việt Nam 1993” của Nguyễn Xuân Tùng cho thấy lưu vực sông Cả nằm trong khu vực Bắc bộ - Dương Tử - KaTaZia, thuộc đai vỏ lục địa Bắc Trường Sơn từ thời kỳ Paleozoi Trong giai đoạn trước Cambri đến Paleozoi sớm và muộn, khu vực sông Cả có chế độ đại dương vi lục địa, sườn châu lục và cận lục địa Chế độ rift và prerift diễn ra từ Paleozoi muộn đến Merozoi muộn Từ Merozoi muộn, các bồn trũng nhỏ mang tính orogen hình thành dọc theo đứt gãy sông Cả, được lấp đầy bởi trầm tích lục nguyên vụn thô.
Địa tầng của lưu vực sông Cả bao gồm các giới và hệ tầng từ cổ đến trẻ, cụ thể là Giới Protezoi, Giới Paleozoi (PZ) và Giới Mezozoi, với các hệ tầng phong phú và đa dạng.
1.2.4 Đặc điểm sông ngòi a Dòng chính sông Cả
Sông Cả bắt nguồn từ đỉnh núi Phulaileng, tỉnh Hủa Phăm, Lào, chảy theo hướng Tây Bắc - Đông Nam và nhập vào Việt Nam tại bản Keng Đu Dòng 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 từ Bắc Nam đến Cửa Rào, nơi nó nhập với nhánh Nậm Mô và tiếp tục theo hướng Tây Bắc - Đông Nam Tổng diện tích lưu vực sông Cả là 27.200km², trong đó 9.740km² nằm trên đất Lào và phần còn lại thuộc địa phận Việt Nam.
Dòng chính sông Cả có cấu trúc đứt gãy theo hướng Tây Bắc - Đông Nam, với lòng sông sâu và ít bãi bồi Đoạn hạ lưu của sông Cả sâu và rộng, trong khi đoạn trung lưu rộng nhưng nông Phần thượng nguồn có nhiều ghềnh thác, hai bên là núi cao và đồi, tạo điều kiện cho việc 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, hợp lưu với 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 Quế Phong và 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, nơi Sông Hiếu cung cấp nước cho các huyện như Quế Phong, Quỳ Châu, Quỳ Hợp, Nghĩa Đàn và Tân Kỳ Tuy nhiên, trong mùa kiệt, lưu lượng nước trên sông Hiếu chỉ đạt khoảng 6-7 m³/s, không đủ đáp ứng nhu cầu sử dụng nước của 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 đó, sông Chàng và sông Dinh là hai chi lưu lớn, đóng vai trò quan trọng trong việc cung cấp nước cho sông Hiếu, đặc biệt là ở khu vực miền núi.
Sông Nậm Mô, bắt nguồn từ rừng núi tỉnh Bôlikhăm Xay (Lào), chảy vào Việt Nam tại Làng Nhãn huyện Kỳ Sơn Tại Lào, sông chảy theo hướng Bắc Nam quanh đỉnh Huổng Mang Ngai (2406m), sau đó đổi dòng theo hướng Đông Nam - Tây Bắc Đến bản Suông Hang, sông tiếp tục đổi hướng Tây Bắc - Đông Nam và nhập lưu với dòng chính sông Cả tại Cửa Rào, có thể coi đây là dòng chính sông Cả do nó đổ vào sông theo hướng chảy của dòng chính.
Sông Nậm Mô có diện tích lưu vực 3.970 km² và chiều dài 189 km, trong đó 89 km chảy trên đất Việt Nam Từ thượng nguồn đến đoạn nhập lưu, sông Nậm Mô có nhiều vị trí tiềm năng để xây dựng hồ chứa, phục vụ cho phát điện và điều tiết nước cho hạ du Thượng nguồn sông chảy qua các vùng núi đá cao, với độ cao bình quân trên 1.000 m.
Sông Giăng là một phụ lưu bên phải của sông Cả, cách đập Đô Lương khoảng 20km về phía hạ lưu, bắt nguồn từ dãy núi Phu Long cao 1.330m tại vùng núi Môn Sơn - Lục Giã, 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 có nhiều bãi bồi Hướng chảy chính của sông Giăng song song với sông Cả đến Thác Muối, trước khi đổi hướng theo Tây Đông và đổ 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 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 công tác phòng chống hạn hán 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 cũng như các yếu tố gây ra hạn hán có ý nghĩa quan trọng trong quản lý tài nguyên nước và giảm thiểu thiệt hại do hạn hán Vì vậy, tác giả sẽ chọn hạn khí tượng làm đối tượng nghiên cứu trong luận văn này.
Trong việc xác định và giám sát hạn hán, các chỉ số hạn hán đóng vai trò quan trọng Theo dõi biến động của các chỉ số này giúp xác định thời điểm bắt đầu, thời gian kéo dài và cường độ của hạn hán Chỉ số hạn hán có thể là hàm của các biến đơn như lượng mưa, nhiệt độ, bốc thoát hơi và dòng chảy, hoặc là sự tổng hợp của nhiều biến khác nhau Mỗi chỉ số có những ưu điểm và nhược điểm riêng, và các quốc gia sẽ lựa chọn chỉ số phù hợp với điều kiện của mình Việc sử dụng các chỉ số hạn hán không chỉ dựa trên dữ liệu quan trắc mà còn áp dụng cho các sản phẩm 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 để dự báo tình hình hạn hán Cụ thể, Đào Xuân Học đã sử dụng chỉ số khô hạn Sazonop để khảo sát và đánh giá hạn khí tượng cho các tỉnh DHMT Đồng thời, Nguyễn Quang Kim đã phát triển phần mềm dự báo hạn khí tượng dựa trên chỉ số SPI Nguyễn Văn Thắng cũng áp dụng chỉ số SPI để dự báo hạn cho bảy vùng khí hậu ở Việt Nam, trong khi Nguyễn Lương Bằng 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 ở mức độ khác nhau, với nước mặt phản ứng nhanh hơn so với nước dưới đất T B McKee và cộng sự đã phát triển chỉ số chuẩn hóa lượng mưa SPI để 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 có một số hạn chế, như yêu cầu dữ liệu ít nhất 30 năm để đảm bảo độ chính xác trong tính toán Chỉ số này cũng giả định rằng nguyên nhân chính gây hạn khí tượng là do lượng mưa, trong khi các yếu tố khí tượng khác như nhiệt độ và bốc hơi 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 trạng hạn hán Các 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 để đo lường sự thiếu hụt lượng mưa (hạn khí tượng) xảy ra theo các thời gian 3 tháng và 6 tháng Lượng mưa theo các thời đoạn này là yếu tố đầu vào quan trọng Số lượng và chất lượng tài liệu mưa có ảnh hưởng lớn đến độ chính xác của các mô hình toán đã nêu.
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 chủ yếu tập trung ở vùng đồng bằng và các thị trấn nằm trong thung lũng sông, trong khi vùng núi cao thiếu trạm đo mưa, đặc biệt là trạm đo bằng máy tự ghi, chỉ có một số ít trạm khí hậu được trang bị thiết bị này.
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 ở nông trường hoặc vùng sâu, vùng xa thường có chất lượng tài liệu kém và dễ bị gián đoạn (Viện Quy hoạch Thủy lợi, 2012).
Tài liệu đo mưa trên lưu vực sông Cả hiện đang thiếu hụt về không gian và thời gian Để khắc phục tình trạng này, luận văn áp dụng mưa vệ tinh nhằm bổ sung dữ liệu và tính toán chỉ số SPI cho lưu vực Sử dụng công nghệ GIS, bản đồ phân bố sự thiếu hụt nguồn nước (hạn khí tượng) được tạo ra cho toàn vùng với các lượng mưa khác nhau Kết quả tính toán giúp xác định diện tích bị hạn tại từng địa phương với các cấp độ hạn khác nhau, từ đó đề xuất các giải pháp thích ứng phù hợp.
Thu thập, phân tích số liệu mưa thực đo
2.2.1 Xác định mạng lưới trạm
Trong nghiên cứu này, chúng tôi đã lựa chọn các trạm đo từ 23 trạm mưa còn hoạt động trong khu vực 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 của dữ liệu thu thập được.
To calculate the Standardized Precipitation Index (SPI), a continuous and sufficiently long dataset is essential, with a minimum requirement of 30 years of rainfall data 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 được lựa chọn Một số trạm gặp vấn đề về tính liên tục của số liệu (Bảng 2.1) do việc ghi chép và thống kê không đầy đủ Đối với những số liệu còn thiếu, chúng sẽ được bổ sung từ dữ liệu mưa vệ tinh như đã trình bày trong Mục 2.3.
Hình 2 2 S ố li ệu mưa thực đo (trạ m Qu ỳ H ợ p)
L ự a ch ọ n, thu th ậ p và x ử lý mưa vệ tinh
CHIRPS (Climate Hazards Group InfraRed Precipitation with Station) là bộ dữ liệu mưa toàn cầu được phát triển trong gần 30 năm bởi Cục Khảo sát địa chất Hoa Kỳ (USGS) và nhóm hiểm họa khí hậu (CHG) Dữ liệu này kết hợp hình ảnh vệ tinh có độ phân giải 0.05 ° với thông tin từ các trạm quan trắc để tạo ra chuỗi thời gian mưa theo dạng lưới, phục vụ cho việc phân tích và theo dõi hạn hán theo mùa.
Dựa trên các tiêu chí xác định chỉ số thiếu hụt nguồn nước và dữ liệu từ các trạm khí tượng đã chọn, dữ liệu mưa CHIRPS đã được thu thập cho lưu vực sông Cả, với khoảng thời gian nghiên cứu 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 mối 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 coi là có thể chấp nhận được Tại trạm Hà Tĩnh, chỉ số tương quan R² = 0,72, cho thấy mức độ tương quan khá tốt Phân tích tương tự ở 7 trạm còn lại cũng cho thấy mối tương quan giữa mưa vệtinh và mưa thực đo đạt mức có thể chấp nhận được.
Sử dụng chỉ số NASH-Sutcliffe (NSE):
● Po là giá trị mưa thực đo
● P s là giá trịmưa vệ tinh CHIRPS
- Theo tiêu chuẩn của WMO [30] thì chỉ sốNSE được đánh giá như bảng sau:
B ả ng 2 2 Tiêu chí đánh giá chỉ s ố NSE
Chỉ số NSE Đánh giá chỉ số
Kết quả tính toán cho các trạm từ năm 1996 đến 2000 cho thấy chỉ số NSE thấp nhất là 0,64 tại trạm Quỳ Hợp và cao nhất là 0,90 tại trạm Hà Tĩnh 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, mưa vệt tính CHIRPS có thể được áp dụng để lấp đầy những khoảng trống dữ liệu cho 9 trạm mưa đã được chọn, từ đó tạo ra chuỗi số liệu dài và liên tục.
30 năm từ1986 đến 2015, dùng để tính toán chỉ số SPI
B ả ng 2 3 K ế t h ợp mưa thực đo và mưa CHIRPS tạ i các tr ạm trên lưu vự c sông C ả
TT Tên tr ạ m Th ực đo Mưa CHIRPS
4 Con Cuông 1960-2015 Tháng 6, tháng 12 năm 1995
5 Quỳ Hợp 1996-2015 Các năm từ 1986 đến 1995
6 Kỳ Anh 1961-2015 Các năm từ 1986 đến 2000
( Hương Sơn ) 1962-2015 Các năm từ 1986 đế n 2000
Xây d ự ng công th ứ c tính toán ch ỉ s ố SPI
Hạn là hiện tượng tự nhiên bình thường và quy luật, thường bị hiểu lầm là sự kiện hiếm gặp Nó xuất hiện ở hầu hết các vùng khí hậu với đặc trưng khác nhau và là một dị thường tạm thời, khác với sự khô cằn của vùng ít mưa Từ những năm 1980, đã có hơn 150 khái niệm về hạn, nhưng chung quy lại, hạn là tình trạng thiếu hụt mưa kéo dài Dựa vào bản chất và tác động, hạn được phân loại thành hạn khí tượng, hạn nông nghiệp, hạn thuỷ văn và hạn kinh tế – xã hội.
Hạn được xác định qua các chỉ số hạn như 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), và chỉ số tái khô hạn (RDI) Trong số này, chỉ số SPI được chọn để xây dựng mô hình dự báo hạn khí tượng vì tính đa dụng và khả năng tính toán cho các khoảng thời gian khác nhau từ 1 đến 48 tháng Hạn khí tượng xảy ra khi lượng mưa thấp hơn trung bình nhiều năm, trong khi hạn nông nghiệp liên quan đến thiếu độ ẩm cho mùa vụ mặc dù lượng mưa có thể ở mức trung bình Hạn thuỷ văn xảy ra khi nước dự trữ trong các nguồn nước như tầng ngầm, sông, hồ bị giảm xuống dưới mức trung bình, do nhu cầu sử dụng nước tăng lên.
Cả ba loại hạn - hạn khí tượng, hạn độ ẩm đất và hạn nông nghiệp - có mối quan hệ chặt chẽ với nhau Thiếu hụt lượng mưa và bốc hơi cao dẫn đến hạn khí tượng, trong khi sự thiếu ẩm trong đất gây ra hạn độ ẩm đất, ảnh hưởng đến khả năng cung cấp nước cho cây trồng và dẫn đến hạn nông nghiệp Hơn nữa, tình trạng mưa ít và bốc hơi cao làm giảm lượng 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 hay vùng khô hạn, cần xem xét đồng thời cả ba loại hạn này.
B ả ng 2 4 B ả ng t ổ ng h ợ p các ch ỉ tiêu h ạ n
Loại Chỉ số hạn Phương pháp tín Phân loại hạn Ưu điểm Nhược điểm Phạm vi ứng dụng
Mô hình cân bằng nước PDSI cho thấy tình trạng hạn hán nặng với chỉ số từ -3,0 đến -3,99 Việc xem xét cả hai yếu tố nguồn nước cung cấp là cần thiết, tuy nhiên, phương pháp hiện tại không thực sự hiệu quả và chưa được áp dụng phổ biến.
Chỉ số PDSI do Palmer tính toán thể hiện mối quan hệ giữa lượng mưa và nhu cầu nước, với giá trị từ -2,0 đến -2,99 chỉ ra tình trạng hạn vừa Thông qua chỉ số này, có thể đánh giá tình hình khô hạn và nhu cầu nước bốc hơi ở các vùng núi, giúp theo dõi và quản lý tài nguyên nước hiệu quả hơn.
Chỉ số hạn Palmer cho thấy mức độ bốc hơi nước so với điều kiện bình thường, với các mức độ hạn như sau: từ -1,0 đến -1,99 được coi là hạn nhẹ, trong khi từ -0,5 đến -0,99 là hạn rất nhẹ Điều này có thể ảnh hưởng đến tiềm năng sinh trưởng của cây trồng, đặc biệt là ở những vùng có tuyết bao phủ Tình trạng hạn hán hiện tại tại Hoa Kỳ và trên toàn thế giới đang trở thành một vấn đề đáng lo ngại.
Có thể tính toán chỉ số hạn theo cả
Chỉ số Precipitation Standardized Index (SPI) được tính toán từ chuỗi số liệu mưa nhiều năm, nhằm phân tích tình trạng hạn hán dựa trên tần suất phân bố chuẩn SPI có các mức độ hạn hán như sau: từ -1,5 đến -1,99 được coi 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, hoặc năm, và áp dụng cho cả điều kiện ẩm ướt và khô hạn với các giá trị từ -2 trở xuống Để đảm bảo độ chính xác, yêu cầu cần có chuỗi số liệu mưa đủ dài và không tính đến yếu tố bốc hơi SPI có thể được 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 đo được cho thấy có sự gia tăng đáng kể so với mức bình thường Phương pháp thống kê hiệu quả yêu cầu sử dụng chuỗi số liệu Rainfall Deciles (RD) để phân nhóm lượng mưa, chia thành 10 nhóm nhỏ Nhóm 3-4 cho thấy lượng mưa nhỏ hơn mức bình quân, mang lại kết quả tốt khi chuỗi số liệu đủ dài, nhưng không được ứng dụng nhiều tại Úc Nhóm 5-6 gần đạt mức bình quân, phù hợp cho việc tính toán kiểm tra giới hạn và lượng 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 yếu tố chuyên dụng, bao gồm số liệu mưa và các yếu tố khí tượng đầu vào như nhiệt độ Cụ thể, mức độ ẩm được phân loại như sau: ≤20% là rất khô hạn, 20-40% là khô hạn, và 40-60% là gần bình thường.
The Palmer Moisture Anomaly Index, also known as the Z-index, is a crucial indicator used to assess abnormal moisture levels This index is calculated to determine the extent of drought conditions.
Nhạy cảm khi tính toán độ thiếu hụt Không xem xét đến yếu t ố
(Z -index) Hoa Kỳ tính toán cho tháng trong mô hình Palmer mưa lịch sử
Chỉ số ẩm bất thường Palmer
Công thức S = DxM thể hiện mối quan hệ giữa thời đoạn dòng chảy trong sông (D) và lưu lượng trung bình (M) trong suốt thời gian đó Trong đó, D là khoảng thời gian mà dòng chảy trong sông thấp hơn mức bình thường, và M là lưu lượng trung bình trong sông trong khoảng thời gian dài tương ứng với D.
Để xác định mức độ hạn, cần thực hiện tính toán chuẩn hóa một cách đơn giản mà không yêu cầu thông tin về lưu vực Phương pháp này 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 tính toán dựa trên mô hình Giá trị tính toán phân lớp, xem xét đến tuyết phủ và lượng trữ Kết quả tính toán của chỉ số này phụ thuộc vào các yếu tố môi trường và điều kiện thời tiết hiện tại.
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) là công cụ đo lường mức độ hạn hán, phản ánh ảnh hưởng của hạn hán đến từng khu vực cụ thể DAI được tính toán dựa trên mức độ hạn hán xác định và phạm vi ảnh hưởng, nhưng không thể đánh giá chính xác cường độ của tình trạng hạn hán tại khu vực đó Chỉ số này sử dụng các giá trị trung bình của các chỉ số hạn hán khác để đưa ra cái nhìn tổng quát về tình hình hạn hán ở 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
Phần mềm ArcGIS được sử dụng để biên tập và thể hiện các lớp nền trên bản đồ Dữ liệu SPI1, SPI3 và SPI6 tại 42 vị trí được lưu trữ dưới định dạng Excel và sẽ được hiển thị trên bản đồ dựa vào tọa độ địa lý của các trạm đo Phép nội suy nghịch đảo khoảng cách (IDW) được áp dụng để nội suy giá trị SPI của 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 kỹ thuật nội suy xác định cục bộ, ước lượng giá trị tại một điểm bằng cách tính trung bình trọng số của các giá trị từ các điểm lân cận Mỗi điểm lân cận sẽ có trọng số tương ứng với khoảng cách đến điểm cần ước lượng, với giả thiết rằng giá trị tại các điểm cần tính là trung bình trọng số.
Phương pháp IDW (Inverse Distance Weighting) cho rằng khoảng cách giữa các giá trị tại điểm mẫu trong khu vực lân cận ảnh hưởng đến điểm dự báo Cụ thể, những điểm gần với điểm cần tính sẽ có tác động lớn hơn so với những điểm ở xa, theo nghiên cứu của Chen và 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, trong khi λi là các trọng số phụ thuộc vào khoảng cách từ mỗi điểm mẫu đến điểm s0 Giá trị z(s) được đo đạc tại mỗi điểm mẫu i.
Khoảng cách di0 được xác định giữa điểm dự báo s0 và điểm mẫu si, trong đó p là tham số thể hiện tốc độ giảm trọng số khi khoảng cách tăng Nghiên cứu này lựa chọn p = 2, có nghĩa là trọng số sẽ giảm theo bình phương khoảng cách.
IDW (Inverse Distance Weighting) là một phương pháp nội suy dựa trên 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 trong việc tính toán giá trị nội suy, dựa trên khoảng cách của chúng từ điểm đầu ra Giá trị số thực này thường nhỏ hơn 0, và giá trị mặc định trong phần mềm QGIS là 2.
Số mũ cao hơn 2 làm nổi bật các điểm gần nhất, khiến dữ liệu gần có ảnh hưởng lớn hơn và bề mặt trở nên chi tiết hơn, nhưng kém mịn hơn Khi số mũ tăng, giá trị nội suy gần gũi hơn với giá trị của điểm mẫu gần nhất Ngược lại, số mũ thấp hơn tạo ra ảnh hưởng lớn hơn đến các điểm xa hơn, dẫn đến bề mặt mịn hơn.
Trong bài viết này, tác giả đã chọn giá trị mặc định trong QGIS để đạt được sự cân bằng giữa các điểm gần và xa so với điểm cần nội suy, nhằm đảm bảo tính chính xác và hiệu quả trong quá trình phân tích dữ liệu.
Các bước lập bản đồ thiếu hụt nguồn nước bằng công cụ GIS:
1 Các chỉ tiêu hạn hán đã xây dựng trước đây cho từng loại hạn có mức phân loại khác nhau Để thống nhất xây dựng bản đồ thiếu hụt nguốn nước, mức độ hạn được phân lại thành 3 mức chính đó là hạn nặng, hạn vừa, hạn nhẹ, và không hạn ứng với giá trị SPI6 Bản đồ thiếu hụt nguồn nước được tính toán trên mức trung bình của chỉ tiêu này
2 Bản đồ tổng hợp ứng với các các SPI được xác định dựa trên bản đồ ứng với các chỉtiêu tương ứng theo các chỉ tiêu chọn
3 Ứng dụng công cụGIS để tính toán thể hiện hạn hán trên địa bản tỉnh Trên cơ sở này xác định phạm vi hạn hán ứng với các nguy cơ hạn hán khác nhau.
KẾ T QU Ả VÀ TH Ả O LU Ậ N
Di ễ n bi ến lượng mưa
Lượng mưa trung bình hàng năm trên lưu vực sông Cả có sự biến động mạnh mẽ, dao động từ 1.133 đến 1.700mm ở các khu vực ít mưa như Tương Dương, Mường Xén, Cửa Rào và hạ sông Hiếu Trong khi đó, các vùng mưa vừa và lớn như thượng nguồn sông Hiếu ghi nhận lượng mưa từ 2.000 đến 2.100mm, vùng sông Giăng và khu vực từ Cửa Rào - Nghĩa Khánh đến Dừa có lượng mưa trung bình từ 1.800 đến 2.100mm Vùng sông Ngàn Phố và Ngàn Sâu đạt lượng mưa trung bình từ 2.200 đến 2.400mm, còn vùng đồng bằng ven biển có lượng mưa từ 1.800 đến 1.900mm Các vùng tâm mưa lớn nhất xuất hiện tại thượng nguồn sông Hiếu, thượng nguồn sông Ngàn Phố và Ngàn Sâu.
Vùng ít mưa xuất hiện ở những thung lũng kín, khuất gió như dọc theo thung lũng Mường Xén - Cửa Rào, Cửa Rào - Khe Bốlượng mưa năm chỉđạt từ 1.200
1.300mm Có năm tại Khe Bố lượng mưa năm chỉ đạt 511mm năm 1984, Cửa Rào đạt 773 mm năm 1977
Mùa mưa ở lưu vực sông Cả và sông Hiếu có sự thay đổi rõ rệt theo từng vị trí Tại vùng thượng nguồn, mùa mưa bắt đầu từ tháng 5 và kết thúc vào tháng 10, với lượng mưa lớn nhất rơi vào tháng 8, trong khi ba tháng có lượng mưa cao nhất là tháng 7, 8 và 9 Đối với khu vực trung và hạ du sông Cả, mùa mưa bắt đầu muộn hơn, từ tháng 6 đến tháng 10 hoặc tháng 11, với tháng 11 ghi nhận lượng mưa lớn nhất, tiếp theo là các tháng 8, 9 và 10.
Mùa mưa ở lưu vực phía Nam bắt đầu từ tháng Tám và kết thúc vào tháng Mười, đặc biệt là tại các vùng sông Ngàn Phố và Ngàn Sâu Trong mùa mưa, lượng mưa chiếm từ 80% đến 87% tổng lượng mưa hàng năm, trong khi phần còn lại rơi vào mùa ít mưa.
Mùa mưa ở Việt Nam diễn ra từ Bắc vào Nam, bắt đầu từ thượng nguồn xuống hạ du Trong mùa này, thường có hai đỉnh cực trị mưa vào tháng Năm và tháng Sáu, cũng như tháng Chín Hoạt động mạnh của gió mùa Tây Nam trong tháng Năm và tháng Sáu gây ra mưa lớn, dẫn đến lũ tiểu mãn trong mùa mưa Tổng lượng mưa trong hai tháng này có thể chiếm tới 20% lượng mưa hàng năm tại các trạm thượng nguồn sông Cả.
Trận lũ tiểu mãn tại Hiếu, Ngàn Phố, Ngàn Sâu diễn ra lớn như tháng 5 năm 1943 và tháng 5 năm 1989 Đặc biệt, trận mưa vào tháng 5/1989 đã gây ra lũ lịch sử trên sông Ngàn Phố, với lượng mưa tối đa trong 1 ngày đạt 483mm tại Kim Cương và 296mm tại Hoà Duyệt vào ngày 26 tháng 5 năm 1989.
Gió mùa Tây Nam gây ra thời tiết khô nóng do hiện tượng Fơn, với lượng mưa đạt cực đại vào tháng 5 và 6, trong khi tháng 7 lại có lượng mưa tối thiểu Khi gió Lào hoạt động mạnh, lượng mưa tháng 7 giảm xuống chỉ còn 5-10% 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, dẫn đến những trận mưa lớn kéo dài từ 3 đến 10 ngày Sự kiện này gây ra lũ lớn trên các triền sông.
Lượng mưa hai tháng IX, X đạt tới 40% lượng mưa năm Lượng mưa tháng IX,
Lượng mưa trên lưu vực X phân bố không đồng đều, với vùng đồng bằng chịu ảnh hưởng mạnh từ bão, đạt 1.000 đến 1.100mm trong hai tháng Ngược lại, ở phía thượng lưu dòng chính, lượng mưa giảm dần chỉ còn từ 500 đến 800mm do ít bị ảnh hưởng bởi bão.
Lượng mưa cực tiểu tháng II vùng Mường Xén, Cửa Rào, thượng nguồn sông
Trong tháng này, Hiếu ghi nhận lượng mưa từ 6 đến 12mm, tương tự như các tháng khác Lượng mưa trong tháng Hai chỉ chiếm từ 1 đến 2% tổng lượng mưa hàng năm Tổng lượng mưa trong 5 tháng mùa khô, từ tháng Mười Hai đến tháng Tư, chỉ chiếm từ 10 đến 20% tổng lượng mưa của 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 vào 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.
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 là giai đoạn 1998-2001, 2003-2005 và 2014-2015, tiếp tục ảnh hưởng đến năm 2016 Xu thế trung bình trong khu vực này tương đồng với 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 hạn hán và thiếu hụt nước trong những năm điển hình, 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 xảy ra hạn khí tượng, với tần suất hạn nhiều hơn nhưng thời gian mỗi đợt ngắn hơn Kết quả đánh giá các giai đoạn hạn hán trong quá khứ cho thấy sự phù hợp với thực tế, như trường hợp năm 2015 tại tỉnh Nghệ An khi phải công bố tình trạng thiên tai hạn hán do hạn diễn ra trên diện rộng, kéo dài từ năm 2014 và tiếp tục đến năm 2016.
Hình 3 5 Xu th ế di ễ n bi ế n h ạ n hán vùng LVS C ả d ự a vào ch ỉ s ố SPI
Các quãng thời gian giữa các đợt hạn hán thường có lượng mưa dồi dào hơn so với trung bình nhiều năm Chỉ số SPI3 cho thấy xu hướng các giai đoạn nhiều nước tương đồng với thực tế, như các năm 1990-1991, 1997, đầu năm 2004 và cuối năm 2013 Trong khi đó, chỉ số SPI6 chỉ ra rất ít đợt nhiều nước xen kẽ với đợt ít nước Đánh giá dựa trên SPI3 cho thấy sự xen kẽ này rõ ràng hơn 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 cho thấy xu thế hạn trong những năm qua, với những năm 2015 và 2005 là những thời điểm đặc biệt nghiêm trọng khi hầu hết 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
Việc xây dựng bản đồ hạn khí tượng bằng công cụ GIS cho phép xác định diện tích hạn theo các đơn vị hành chính Theo bảng 3.2, đầu năm 2015, các huyện như Vinh, Yên Thành, Con Cuông, Thanh Chương, Anh Sơn, Hưng Nguyên, và Đô Lương ghi nhận tình trạng hạn rất nặng với tổng diện tích lên đến hơn 138.000 ha Diện tích hạn nặng đạt gần 578.000 ha và diện tích hạn là hơn 350.000 ha Kết quả này phản ánh đúng tình hình thực tế khi Nghệ An công bố tình trạng thiên tai hạn trong 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 thường thấp hơn 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, mặc dù đã có nhiều công trình thủy lợi và thủy điện, nhưng vẫn chưa đáp ứng đủ nhu cầu nước cho các vùng Do đó, trong tương lai, cần tối đa hóa việc sử dụng nguồn nước từ các hồ chứa như hồ Bản Vẽ (sông Cả) với khả năng bổ sung 80 m³/s, hồ Bản Mồng (sông Hiếu) 22 m³/s, và Ngàn Trươi Ngoài ra, cũng cần xem xét xây dựng thêm các công trình mới như Chúc A và Trại Dơi trên sông Ngàn Sâu (9,4 m³/s), Đá Gân, Khe Chè, Nước Sốt, Rào Mắc trên nhánh sông Ngàn Phố (11,5 m³/s), và Thác Muối trên sông Giăng (18,5 m³/s) Các số liệu lưu lượng từ các hồ chứa này được tham khảo từ Viện Quy hoạch Thủy lợi, nhằm đánh giá và chỉ ra những vùng thường xuyên chịu ảnh hưởng của thiếu hụt nước trong mùa khô Để tận dụng tối đa nguồn nước từ các hồ chứa thượng nguồn phục vụ cho nhu cầu hạ du, cần cải tạo, nâng cấp và xây mới các trạm bơm, hồ chứa nhỏ, cùng cống lấy nước tại những khu vực khó khăn như Nghi Xuân, sông Nghèn, trung lưu sông Cả, và hạ sông Hiếu.
3.5.2 Một số giải pháp phi công trình
Củng cố và nâng cao năng lực hoạt động của các tổ chức quản lý nguồn nước trên lưu vực như Sở Nông nghiệp và Phát triển nông thôn, Sở Tài nguyên và Môi trường, Chi Cục Thủy lợi, và Chi Cục Phòng chống và Giảm nhẹ thiên tai là rất quan trọng 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 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 hiện hành của các tỉnh Cần có cơ chế phù hợp để phối hợp hoạt động giữa các cơ quan, tổ chức trong việc sử dụng nước, đặc biệt là theo địa giới hành chính Việc tham gia của cộng đồng là rất quan trọng trong việc trao đổi ý kiến và thống nhất giải quyết các mâu thuẫn trong quản lý nước.
3.5.3 Một số giải pháp khoa học công nghệ
- Tăng cườ ng nghiên c ứ u, ứ ng d ụ ng khoa h ọ c công ngh ệ trong công tác qu ản lý, điề u hành khai thác sử dụng nguồn nước
- Nâng cao trình độ cán bộ, trang bị các phương tiện hiện đại để có thể nghiên cứu, tiếp thu và ứng dụng các công nghệ mới
Xây dựng một cơ sở dữ liệu đầy đủ và cập nhật là rất quan trọng để phục vụ cho công tác quản lý và quy hoạch Việc này giúp khai thác thông tin một cách hiệu quả, từ đó xây dựng kế hoạch khai thác nguồn nước một cách hợp lý và hiệu quả hơn.
Ứng dụng các mô hình toán học trong lĩnh vực 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 việc hợp tác với các cơ quan chuyên môn để phát triển và ứng dụng công nghệ cao hơn Cụ thể, việc kết hợp công nghệ viễn thám với mô hình toán học nhằm tạo dựng cơ sở dữ liệu, bổ sung các khoảng trống thông tin và dữ liệu là rất cần thiết Điều này sẽ giúp xây dựng các kịch bản sẵn sàng ứng phó với các tình huống phát sinh.