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 một hiện tượng tự nhiên của khí hậu, hình thành do nhiều nguyên nhân như thiếu hụt lượng mưa, bốc hơi lớn và khai thác quá mức nguồn nước Hiện tượng này có thể xảy ra trên toàn thế giới và ở mọi vùng khí hậu, với đặc điểm biến đổi khác nhau giữa các khu vực Hạn hán khác với khô hạn, vì khô hạn chỉ xuất hiện ở những nơi có lượng mưa thấp và nhiệt độ cao, là đặc trưng lâu dài của khí hậu Do đó, hạn hán xảy ra hàng năm với các đặc tính thời tiết và tác động không giống nhau.
Trong những năm gần đây, sự phát triển kinh tế tại các tỉnh thuộc lưu vực sông Cả đã có những chuyển biến tích cực, với cơ cấu kinh tế chuyển dịch theo hướng công nghiệp - dịch vụ - nông nghiệp Sự ra đời của nhiều khu công nghiệp, khu kinh tế và khu đô thị mới đã dẫn đến nhu cầu nước cho các ngành ngày càng tăng.
Quy luật diễn biến thời tiết khí hậu đang trở nên phức tạp, đặc biệt là về lũ và hạn Mực nước trên các sông ngày càng 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 nền kinh tế và xã hội Về hạn hán, mức độ hạn ngày càng gia tăng, ảnh hưởng nghiêm trọng đến sản xuất, đặc biệt là vào các năm 2005, 2007 và 2010.
Nghệ An và Hà Tĩnh, thuộc lưu vực sông Cả, đã trải qua tình trạng hạn hán nghiêm trọng Năm 2010, Nghệ An ghi nhận khoảng 17.000-20.000ha đất bị hạn, trong khi Hà Tĩnh có khoảng 12.000ha Trong đó, hạn nặng chiếm tới 30% tổng diện tích bị ảnh hưởng, dẫn đến hàng trăm hệ thống hồ gần như cạn kiệt Một số khu vực ghi nhận mực nước xuống mức thấp nhất trong lịch sử quan trắc, như trên 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
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.
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, cùng với 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 hệ thống thủy 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 thủy nông Diễn Yên Quỳnh - Bắc Nghệ An), 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, cũng như thị xã.
Hồng Lĩnh trong hệ thống sông Nghèn
+ Với tổng diện tích tự nhiên là 19.627 km 2 bao gồm cả vùng hưởng lợi
Cách ti ế p c ận và phương pháp nghiên cứ u
Cách ti ế p c ậ n
Tiếp cận theo mục tiêu là cần thiết, vì các vùng sản xuất nông nghiệp và vùng quy hoạch cho sản xuất nông nghiệp hiện nay chưa được nghiên cứu hoặc cảnh báo về nguy cơ hạn hán.
- Tiếp cận kết quả của các nghiên cứu trong và ngoài nước về vấn đề hạn hán
Sử dụng 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, giúp tiếp cận hiệu quả các vấn đề liên quan đến khí hậu.
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 và môi trường Hàng năm, khoảng 21 triệu ha đất trở nên không có năng suất do hạn hán, trong khi số dân sống ở những vùng khô cằn gặp rủi ro đã tăng hơn 80% trong gần 25 năm qua Hơn 1/3 diện tích đất đai thế giới đã bị khô cằn, nơi có 17,7% dân số sinh sống Đồng thời, hoang mạc hoá và sa mạc hoá đang lan rộng từ các vùng khô hạn đến cả những khu vực bán ẩm ướt, với diện tích hoang mạc hoá 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 gây tác động tiêu cực đến môi trường khí hậu chung (WMO [1]).
Hạn hán thường gây ra thiệt hại kinh tế lớn, mặc dù ít khi dẫn đến tổn thất về nhân mạng Theo Trung tâm giảm nhẹ hạn hán quốc gia Mỹ, mỗi năm, hạn hán gây thiệt hại khoảng 6-8 tỷ USD cho nền kinh tế Mỹ, so với 2,41 tỷ USD do lũ lụt và 1,2-4,8 tỷ USD do bão Đặc biệt, đợt hạn hán lịch sử vào năm 1988-1989 đã gây thiệt hại lên đến 39-40 tỷ USD, vượt xa thiệt hại kỷ lục của lũ lụt, chỉ từ 15-27,6 tỷ USD.
Hạn hán và bão đã gây thiệt hại kinh tế lớn, với bão năm 1992 ước tính khoảng 25-33,1 tỷ USD Hạn hán do hiện tượng El Nino vào năm 1997-1998 đã dẫn đến cháy rừng nghiêm trọng ở Indonesia, gây tổn thất kinh tế lớn và ảnh hưởng đến môi trường Theo dự báo của Liên Hiệp Quốc, đến năm 2025, 2/3 diện tích đất canh tác ở châu Phi, 1/3 ở châu Á, và 1/5 ở Nam Mỹ sẽ không còn khả năng canh tác, đe dọa 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, chưa có phương pháp chung cho các nghiên cứu Trong việc xác định và giám sát hạn hán, các chỉ số hạn hán là công cụ chính được sử dụng Việc theo dõi biến động của các chỉ số này giúp xác định sự khởi đầu, thời gian kéo dài và cường độ của hạn Các chỉ số hạn hán có thể là hàm của các biến đơn như lượng mưa, nhiệt độ, bốc thoát hơi, hoặc là tổng hợp của nhiều biến Mỗi chỉ số có ưu nhược điểm riêng, và các quốc gia thường sử dụng chỉ số phù hợp với điều kiện của mình Ngoài việc áp dụng cho dữ liệu quan trắc, các chỉ số còn có thể sử dụng với dữ liệu từ mô hình khí hậu khu vực và toàn cầu Việc xác định các đặc trưng của hạn như sự khởi đầu, kết thúc, thời gian kéo dài, phạm vi, mức độ và tần suất là rất cần thiết trong nghiên cứu hạn hán.
Nghiên cứu về hạn hán toàn cầu của Aiguo Dai và cộng sự cho thấy số đợt hạn, thời gian kéo dài và tần suất của hạn đã gia tăng đáng kể Nico Wanders và cộng sự đã phân tích 18 chỉ số hạn hán, lựa chọn các chỉ số phù hợp cho năm vùng khí hậu khác nhau Các nghiên cứu chỉ ra rằng sự giảm lượng mưa và tăng nhiệt độ dẫn đến tình trạng bốc hơi gia tăng, làm trầm trọng thêm hạn hán Từ 1980-2000, tần suất hạn hán gia tăng, với các đợt hạn nặng xảy ra ở Cộng hòa Séc mỗi 5 năm và ảnh hưởng nghiêm trọng đến mùa màng ở 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 tại 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 khu vực trải qua tình trạng này kéo dài từ 4-5 năm (1997-2003) Nhiều nghiên cứu trên thế giới đã chỉ ra rằng hạn hán là hiện tượng phức tạp, hình thành do cả nguyên nhân tự nhiên và con người Các yếu tố tự nhiên bao gồm sự dao động của hoàn lưu khí quyển và thay đổi nhiệt độ mặt nước biển, trong khi nguyên nhân do con người liên quan đến nhu cầu nước gia tăng, phá rừng, ô nhiễm môi trường và quản lý tài nguyên kém bền vững 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 Tuy nhiên, không có chỉ số nào vượt trội trong mọi điều kiện, do đó việc lựa chọn áp dụng các chỉ số này cần dựa vào điều kiện cụ thể của từng vùng và hệ thống dữ liệu quan trắc hiện 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 Các trung tâm này có nhiệm vụ chính là theo dõi và cung cấp thông tin kịp thời về tình hình hạn hán, nhằm hỗ trợ các biện pháp ứng phó hiệu quả.
1 Theo dõi, giám sát, dự báo và cảnh báo hạn hán;
2 Phối hợp với các ban ngành có liên quan để đề xuất và tiến hành các hoạt động ngăn ngừa, phòng tránh và giảm nhẹ tác hại của hạn hán;
3 Phối hợp với các cơ quan nghiên cứu khoa học xây dựng các phương pháp dự báo và cảnh báo hạn hán
* Sử dụng mưa vệ tinh trong đánh giá nguồn nước
Lượng mưa là dữ liệu đầu vào quan trọng cho việc kiểm kê và đánh giá nguồn nước trên lưu vực sông Ngoài số liệu mưa từ các trạm khí tượng thủy văn truyền thống, hiện nay nhiều cơ quan trên thế giới cung cấp dữ liệu mưa vệ tinh, trong đó CHIRPS, TRMM và CMORPH là những nguồn dữ liệu phổ biến.
- CHIRPS (Climate Hazards Group InfraRed Precipitation with Station) là dữ liệu lượng mưa toàn cầu gần 30 năm của Cục Khảo sát địa chất Hoa Kỳ
CHIRPS, được phát triển bởi USGS và nhóm hiểm họa khí hậu (CHG), kết hợp hình ảnh vệ tinh có độ phân giải 0.05° với dữ liệu từ các trạm quan trắc để tạo ra chuỗi thời gian mưa dưới dạng lưới Công cụ này giúp phân tích và theo dõi hạn hán theo mùa một cách hiệu quả.
Hình 1 1 D ữ li ệu mưa CHIRPS cho châu Phi ng ày 04-04-2017
Sản phẩm TRMM 3B42 (Tropical Rainfall Measuring Mission) là kết quả hợp tác giữa NASA và JAXA nhằm giám sát lượng mưa ở khu vực nhiệt đới và cận nhiệt đới, cũng như ước tính hệ thống nhiệt tiềm ẩn Các công cụ đo mưa trên vệ tinh TRMM bao gồm Radar lượng mưa (PR) hoạt động ở tần số 13,8 GHz, TRMM Microwave Image (TMI) với chín kênh đo phóng vi sóng, và VIRA (Visible and Infrared Scanner) sử dụng hồng ngoại với năm kênh 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 dữ liệu IR từ vệ tinh địa tĩnh để thu thập thông tin không gian.
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, cùng với việc cung cấp miễn phí, khiến nó trở thành lựa chọn 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 hướng phát triển Tây Bắc - Đông Nam, 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 các dạng chính, trong đó đồng bằng và đồng bằng ven biển là nổi bật Đồng bằng sông Cả nằm dọc hai bên bờ sông từ trung lưu trở xuống, bao gồm các huyện Đô Lương, Thanh Chương, Nam Đàn, Hưng Nguyên, và các vùng đồng bằng như Diễn - Yên - Quỳnh, Nam - Hưng - Nghi, sông Nghèn và Nghi Xuân, nơi tập trung phát triển kinh tế xã hội Cao độ đồng bằng ven sông Cả thay đổi từ +10+15 m ở Đô Lương, +7+8 m ở Thanh Chương, +2,5+1,0 m ở Nam Đàn, Hưng Nguyên, và +2,0+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, có địa hình phức tạp với đồi bát úp và đồi cao xen kẽ các thung lũng thấp.
Bãi Tập - Quỳ Hợp và vùng sông Sào - Nghĩa Đàn, cùng với trung tâm huyện Hương Khê, Vũ Quang, có địa hình cao độ biến đổi từ +20 đến +200m, với khoảng 25-30% diện tích mặt bằng bị chia cắt mạnh do các sông nhỏ Địa hình vùng núi cao chủ yếu tập trung ở phía Tây, Tây Bắc và Tây Nam của lưu vực, kéo dài từ Đồng Văn, Thông Thụ (Quế Phong) đến Hương Liên (Hương Khê - Hà Tĩnh), với các dãy núi như dãy Giăng Màn và dãy núi biên giới Cao độ của dạng địa hình này từ +12.000 đến +15.000m tạo thành bức tường ngăn cách giữa lưu vực sông Mê Kông và sông Cả Các huyện miền núi cao thuộc lưu vực sông Cả 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 tới 60-70% diện tích lưu vực, trong khi diện tích đất canh tác chỉ chiếm 1,5-2% tổng diện tích mặt bằng, 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 theo nguồn gốc phát sinh cho thấy đất đai lưu vực sông Cả được phân chia 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, với ranh giới giữa hai miền uốn nếp được xác định bởi đới khâu sông.
Nghiên cứu trong chuyên khảo “Thành hệ địa chất và địa động học Việt Nam 1993” do Nguyễn Xuân Tùng biên tập chỉ ra rằng lưu vực sông Cả nằm trong lĩnh vực Bắc bộ - Dương Tử - KaTaZia, thuộc đai vỏ lục địa Bắc Trường Sơn 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 Thời kỳ Paleozoi muộn đến Merozoi muộn chứng kiến sự hiện diện của chế độ rift và prerift Từ Merozoi muộn, các bồn trũng nhỏ mang tính orogen hình thành dọc theo đứt gãy sông Cả, được lấp đầy bởi trầm tích lục nguyên vụn thô.
Địa tầng của lưu vực sông Cả bao gồm nhiều giới và hệ tầng, từ cổ đến trẻ Cụ thể, có các giới như Protezoi, Paleozoi (PZ) và Mezozoi, cùng với các hệ tầng tương ứng.
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 đỉnh núi cao 1.067m Tại Bản Vẽ, sông đổi hướng chảy Bắc - Nam cho đến Cửa Rào, nơi sông nhập với nhánh Nậm Mô và lại chuyển hướng Tây Bắc - Đông Nam Sông Cả có tổng diện tích lưu vực là 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, với lòng sông sâu và ít bãi bồi Đoạn hạ lưu 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 lợi dụng tổng hợp Sông Cả không phân lưu và chỉ có một cửa thoát duy nhất.
Sông Hiếu là một chi lưu phía Tả, hợp lưu với sông Cả tại Ngã ba Cây Chanh Với diện tích lưu vực 5.340 km² và chiều dài 314 km, sông Hiếu bắt nguồn từ dãy núi Cao Phú Hoạt thuộc Quế Phong, chảy theo hướng Tây Bắc - Đông Nam, gần song song với dòng chính của sông.
Cả Đến Nghĩa Đàn dòng chảy đổi hướng theo hướng Bắc Nam Từ thị trấn Tân
Kỳ dòng chảy lại đổi hướng theo Đông Nam - Tây Bắc và nhập vào sông Cả tại
Ngã ba Cây Chanh là một điểm quan trọng trên sông Hiếu, con sông cung cấp nước thiết yếu cho các huyện Quế Phong, Quỳ Châu, Quỳ Hợp, Nghĩa Đàn và Tân Kỳ Tuy nhiên, vào 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, bao gồm Nậm Quàng, Nậm Giải, Kẻ Cọc - Khe Nhã, sông Chàng, sông Dinh, Khe Nghĩa và Khe Đá Trong số đó, sông Chàng và sông Dinh là hai chi lưu lớn, đóng vai trò là nguồn cấp nước quan trọng cho sông Hiếu, đặc biệt trong khu vực 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 dòng chính sông Cả tại Cửa Rào, có thể coi đây là dòng chính của sông Cả do nó chảy theo hướng tương tự.
Sông Nậm Mô có diện tích lưu vực 3.970 km² và chiều dài 189 km, trong đó phần chảy trên đất Việt Nam là 89 km Từ thượng nguồn đến đoạn nhập lưu, sông Nậm Mô có nhiều vị trí thích hợp để xây dựng hồ chứa phục vụ phát điện và điều tiết nước cho hạ du Thượng nguồn sông chảy qua các vùng núi đá cao với độ cao trung bình trên 1.000 m.
Sông Giăng là một phụ lưu phía hữu sông Cả, cách đập Đô Lương khoảng 20km về phía hạ lưu, có nguồn từ dãy núi Phu Long cao 1.330m ở Tây Nghệ An, trong khu vực núi Môn Sơn - Lục Giã Với diện tích lưu vực 1.05km², sông Giăng nằm trong vùng có lượng mưa lớn, dẫn đến lòng sông rộng và nông cùng nhiều bãi bồi Hướng chảy chính của sông Giăng song song với sông Cả, đến Thác Muối, sau đó đổi hướng Tây Đông tại cửa ra nhập với sông Cả theo hướng Bắc Nam 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 không thể tránh khỏi, có tần suất lặp lại và được đánh giá qua thời gian, mức độ, sự lan rộng và tác động đến kinh tế xã hội Theo Donald A Wilhite & Michael H Glantz, hạn hán được phân thành bốn loại: hạn khí tượng, hạn thủy văn, hạn nông nghiệp và hạn kinh tế xã hội, trong đó hạn khí tượng thường xuất hiện đầu tiên và là nguyên nhân chính của các loại hạn khác Việc đánh giá và cảnh báo hạn khí tượng giúp nhà quản lý phòng chống và giảm nhẹ tác động của hạn hán, đồng thời yêu cầu ít số liệu đầu vào như mưa hoặc nhiệt độ, nên có thể áp dụng rộng rãi Phân tích đặc trưng không gian và thời gian của hạn khí tượng cùng với các nhân tố gây ra hạn hán rất quan trọng trong quản lý tài nguyên nước và dự báo thiệt hại do hạn hán Do đó, 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 quan trọng, giúp theo dõi biến động giá trị để xác định sự khởi đầu, thời gian và cường độ hạn Những chỉ số này có thể là hàm của các biến đơn như lượng mưa, nhiệt độ, bốc thoát hơi, dòng chảy, hoặc tổng hợp từ nhiều biến khác nhau Mỗi chỉ số có ưu điểm và nhược điểm riêng, và các quốc gia thường lựa chọn chỉ số phù hợp với điều kiện của mình Ngoài việc áp dụng trên dữ liệu quan trắc, việc xác định hạn hán cũng có thể sử dụng 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 Sazonov để khảo sát và dự báo hạn khí tượng cho các tỉnh DHMT Nguyễn Quang Kim phát triển phần mềm dự báo hạn khí tượng dựa trên chỉ số SPI, trong khi Nguyễn Văn Thắng cũng áp dụng chỉ số SPI để dự báo hạn cho 7 vùng khí hậu ở Việt Nam Ngoài ra, Nguyễn Lương Bằng đã sử dụng hai chỉ số SPI và SPEI để dự báo hạn khí tượng cho tỉnh Khánh Hòa.
Các thành phần trong chu trình tuần hoàn nước phản ứng với lượng mưa tích lũy theo thời gian khác nhau, với nước mặt phản ứng nhanh hơn so với nước dưới đất T B McKee và cộng sự đã phát triển chỉ số chuẩn hóa lượng mưa SPI để đánh giá đặc tính của hạn hán SPI có thể được tính toán qua nhiều thời kỳ khác nhau bằng cách chuyển đổi dữ liệu mưa thành hàm tiêu chuẩn hóa, cho phép so sánh hạn hán giữa các khu vực có điều kiện thời tiết khác nhau Tuy nhiên, SPI cũng có những hạn chế, như yêu cầu dữ liệu thời gian dài ít nhất 30 năm để đảm bảo độ chính xác Ngoài ra, chỉ số này 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, được Tổ chức Khí tượng Thế giới WMO đề xuất, là chỉ số phổ biến nhất để đánh giá và dự báo hạn hán Tại Việt Nam, chỉ số này đã được nghiên cứu và ứng dụng hiệu quả trong việc đánh giá và cảnh báo tình trạng hạn hán Các nghiên cứu cho thấy chỉ số SPI rất phù hợp với điều kiện khí hậu của Việt Nam.
Để đánh giá tình hình hạn hán trong vùng nghiên cứu, luận văn này sử dụng chỉ số SPI để đo lường sự thiếu hụt lượng mưa (hạn khí tượng) theo các giai đoạn 3 tháng và 6 tháng Lượng mưa trong các thời đoạn này là yếu tố đầu vào quan trọng Số lượng và chất lượng tài liệu mưa có ảnh hưởng lớn đến độ chính xác của các mô hình toán học được áp dụng.
Hiện nay, lưu vực sông Cả chỉ có 23 trạm đo mưa hoạt động, với mật độ lưới trạm đạt 778 km²/trạm, vượt tiêu chuẩn tối thiểu 575 km²/trạm của WMO Các trạm quan trắc mưa chủ yếu tập trung ở vùng đồng bằng và thị trấn nằm trong thung lũng sông, trong khi vùng núi cao rất ít trạm đo mưa Đặc biệt, số lượng trạm đo mưa tự ghi cũng hạn chế, chỉ có một số trạm khí hậu được trang bị máy đo mưa tự ghi.
Dữ liệu từ các trạm đo mưa do Bộ Tài Nguyên Môi Trường quản lý có chất lượng tốt, trong khi các trạm đo mưa chuyên dụng tại nông trường hoặc vùng sâu, vùng xa thường gặp phải vấn đề về độ tin cậy và gián đoạn trong thông tin (Viện Quy hoạch Thủy lợi, 2012).
Tài liệu đo mưa trên lưu vực sông Cả hiện đang tồn tại nhiều khoảng trống về không gian và thời gian Để khắc phục tình trạng này, luận văn áp dụng mưa vệ tinh nhằm bù đắp cho các thiếu hụt dữ liệu và tính toán chỉ số SPI trên lưu vực Sử dụng công nghệ GIS, nghiên cứu tạo ra bản đồ phân bố sự thiếu hụt nguồn nước (hạn khí tượng) cho toàn vùng, dựa trên các lượng mưa khác nhau Kết quả tính toán sẽ giúp xác định diện tích bị hạn tại từng địa phương với các cấp độ hạn khác nhau, từ đó đề xuất các giải pháp thích ứng phù hợp.
Thu thập, phân tích số liệu mưa thực đo
2.2.1 Xác định mạng lưới trạm
Trong nghiên cứu này, chúng tôi đã lựa chọn các trạm đo từ 23 trạm mưa còn hoạt động trong khu vực nghiên cứu để tính toán chỉ số thiếu hụt nguồn nước Việc lựa chọn này dựa trên các tiêu chí cụ thể nhằm đảm bảo độ chính xác và tính khả thi của kết quả.
To accurately calculate the Standardized Precipitation Index (SPI), a continuous dataset of at least 30 years is essential to ensure reliability in the results.
- Có tính đại diện cho mỗi khu vực trong vùng nghiên cứu (vùng núi, vùng đồng bằng và vùng ven biển)
- Có sự phân bố phù hợp để phục vụ cho việc nội suy, xây dựng bản đồ thể hiện mức độ thiếu hụt nguồn nước trên toàn lưu vực
Dựa trên các tiêu chí trên, lựa chọn được 9 trạm đo khí tượng như sau:
B ả ng 2 1 Kho ả ng tr ố ng s ố li ệu mưa tạ i các tr ạm trên lưu vự c sông C ả
T ọa độ Li ệ t tài li ệ u
Vĩ độ Kinh độ Th ực đo Kho ả ng tr ố ng s ố li ệ u (1986-
4 Con Cuông 104°53' 19°03' 1960-2015 Tháng 6, tháng 12 năm 1995
5 Quỳ Hợp 105°09’ 19°19’ 1996-2015 Các năm từ 1986 đến 1995
6 Kỳ Anh 106°17’ 18°05’ 1961-2015 Các năm từ 1986 đến 2000
( Hương Sơn ) 105°16' 18°27 1962-2015 Các năm từ 1986 đế n 2000
Mạng lưới các trạm được lựa chọn được thể hiện trong Hình 2.1
Hình 2 1 Các tr ạm mưa đượ c l ự a ch ọ n 2.2.2 Xác định chuỗi số liệu mưa thực đo
Dữ liệu mưa thực đo được thu thập và phân tích từ 9 trạm đã chọn, trong đó một số trạm có dữ liệu không liên tục do ghi chép và thống kê không đầy đủ Các số liệu còn thiếu sẽ được bổ sung từ mưa vệ tinh như được trình bày trong Mục 2.3.
Hình 2 2 S ố li ệu mưa thực đo (trạ m Qu ỳ H ợ p)
L ự a ch ọ n, thu th ậ p và x ử lý mưa vệ tinh
CHIRPS (Climate Hazards Group InfraRed Precipitation with Station) là bộ dữ liệu 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 dữ liệu từ các trạm quan trắc tại chỗ, nhằm tạo ra chuỗi thời gian mưa theo dạng lưới, phục vụ cho việc phân tích và theo dõi tình hình 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, dữ liệu mưa CHIRPS đã được thu thập cho lưu vực sông Cả, với thời gian từ năm 1986 đến nay.
2015 c Xử lý mưa vệ tinh CHIRPS
1 Ảnh mưa vệ tinh CHIRPS (30 năm từ1986 đến 2015)
2 Shapefile lưu vực sông Cả
3 Shapefile vị trí 9 trạm mưa.
4 Số liệu thực đo 9 trạm mưa.
Trích giá trịmưa từảnh CHIRPS:
- Add data: ảnh CHIRPS từng tháng, shapefile lưu vực sông Cả, shapefile 9 trạm mưa vào phần mềm ArcGIS
- Trích dữ liệu mưa từ vị trí 9 trạm mưa:
+ Dùng lệnh “Extract by mask”, để trích ra giá trị mưa CHIRPS tại vị trí 9 trạm mưa.
+ Open Attribute Table của file vừa tạo được ở bước trên
Hình 2 3 Trích d ẫ n giá tr ị mưa CHIRP S t ạ i 9 tr ạm đo mưa
+ Mở file *.txt bằng Excel, copy giá trị mưa từảnh CHIRPS
- Làm tương tự cho các tháng còn lại
Hình 2.4 S ố li ệu mưa CHIRPS lưu vự c sông C ả và lân c ậ n tháng 9/1995
So sánh số liệu mưa CHIRPS với mưa thực đo
Hình 2.5 So sánh s ố li ệu mưa CHIRPS và mưa thực đo trạ m Qu ỳ H ợ p
Hình 2.6 So sánh s ố li ệu mưa CHIRPS và mưa thực đo trạm Hà Tĩnh
Hình 2.7 So sánh tương quan giữa mưa CHIRPS và mưa thực đo trạ m Qu ỳ
H ợp và Hà Tĩnh Đánh giá sai số:
Kết quả đánh giá tương quan giữa chuỗi số liệu mưa CHIRPS và mưa thực đo từ năm 1996 đến 2000 tại trạm Quỳ Hợp cho thấy chỉ số tương quan R² = 0,6, cho thấy mối liên hệ 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 tại 7 trạm còn lại cũng cho thấy mức độ tương quan giữa mưa vệ tinh và mưa thực đo là có thể chấp nhận được.
Sử dụng chỉ số NASH-Sutcliffe (NSE):
● Po là giá trị mưa thực đo
● P s là giá trịmưa vệ tinh CHIRPS
- Theo tiêu chuẩn của WMO [30] thì chỉ sốNSE được đánh giá như bảng sau:
B ả ng 2 2 Tiêu chí đánh giá chỉ s ố NSE
Chỉ số NSE Đánh giá chỉ số
Kết quả phân tích dữ liệu từ năm 1996 đến 2000 cho thấy chỉ số NSE thấp nhất là 0,64 tại trạm Quỳ Hợp, trong khi chỉ số cao nhất đạt 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 đã thực hiện, mưa vệt tính CHIRPS có thể được áp dụng để lấp đầy các khoảng trống dữ liệu cho 9 trạm mưa đã chọn, từ đó tạo ra một 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, thường bị hiểu lầm là sự kiện hiếm gặp Xuất hiện ở hầu hết các vùng khí hậu với đặc trưng khác nhau, hạn là 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 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 có thể được xác định thông 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), và chỉ số hạn khắc nghiệt Palmer Chúng tôi chọn chỉ số SPI để xây dựng mô hình dự báo hạn khí tượng vì nó dựa trên khả năng có lượng mưa cho các khoảng thời gian khác nhau và được đánh giá cao về tính đa dụng Hạn khí tượng xảy ra khi mưa ít hơn trung bình nhiều năm, trong khi hạn nông nghiệp liên quan đến sự thiếu độ ẩm cho một vụ mùa nhất định, mặc dù lượng mưa có thể ở mức trung bình Hạn thuỷ văn được xác định khi nước dự trữ trong các nguồn nước như tầng ngầm và hồ chứa giảm xuống dưới mức trung bình, điều này có thể xảy ra do nhu cầu sử dụng nước tăng lên.
Cả ba loại hạn như hạn khí tượng, hạn độ ẩm đất và hạn nông nghiệp đều có mối liên hệ chặt chẽ với nhau Sự thiếu hụt mưa và bốc hơi cao dẫn đến hạn khí tượng, trong khi đó, độ ẩm đất không đủ sẽ ảnh hưởng đến sự phát triển của cây trồng, gây ra hạn nông nghiệp Hơn nữa, khi mưa ít và bốc hơi cao, lượng nước trong lưu vực giảm, làm suy giảm nguồn cung cấp nước cho nước ngầm, dẫn đến hạn thuỷ văn Do đó, khô hạn và các vùng khô hạn thường liên quan đến cả ba loại hạn này.
B ả ng 2 4 B ả ng t ổ ng h ợ p các ch ỉ tiêu h ạ n
Loại Chỉ số hạn Phương pháp tín Phân loại hạn Ưu điểm Nhược điểm Phạm vi ứng dụng
Mô hình cân bằng nước dạng 2 tầng cho thấy chỉ số PDSI từ -3,0 đến -3,99 chỉ ra tình trạng hạn hán nặng Cần xem xét cả hai yếu tố nguồn nước cung cấp, tuy nhiên, việc sử dụng nguồn nước này không thực sự hiệu quả.
Chỉ số PDSI (Palmer Drought Severity Index) được sử dụng để đánh giá mức độ hạn hán, với giá trị từ -2,0 đến -2,99 cho thấy tình trạng hạn vừa Chỉ số này phản ánh sự cân bằng giữa lượng mưa và nhu cầu nước, bao gồm cả quá trình bốc hơi, đặc biệt là ở các vùng núi.
Chỉ số hạn Palmer bốc hơi cho thấy sự mất mát nước so với điều kiện bình thường Các mức độ hạn được phân loại như sau: từ -1,0 đến -1,99 là hạn nhẹ, từ -0,5 đến -0,99 là hạn rất nhẹ Điều này có thể xảy ra ở các khu vực có tiềm năng hạn chế hoặc ở những vùng có tuyết bao phủ Tình trạng hạn hán này đang diễn ra không chỉ tại Hoa Kỳ mà còn trên toàn thế giới.
Có thể tính toán chỉ số hạn theo cả
Chỉ số Precipitation Standardized Index (SPI) được tính toán dựa trên chuỗi số liệu mưa nhiều năm, nhằm xác định mức độ hạn hán SPI phân loại hạn hán theo các mức độ: từ -1,5 đến -1,99 là hạn nặng, từ -1,0 đến -1,49 là hạn vừa, và có thể áp dụng cho các khoảng thời gian khác nhau như tuần, tháng, quý và năm Chỉ số này có khả năng đánh giá cả điều kiện ẩm ướt và khô hạn với yêu cầu về chuỗi số liệu mưa đủ dài, không tính đến bốc hơi, và có thể áp dụng cho tất cả các vùng hạn khác nhau.
−0,99 to 0,99: bình thường 1,0,1,2); liên quan tính toán tần suất
Tính toán lượng mưa trong 3 tháng từ chuỗi số liệu mưa đo lường cho thấy sự khác biệt rõ rệt so với mức bình thường Phương pháp thống kê hiệu quả yêu cầu sử dụng chuỗi số liệu Rainfall Deciles (RD) để phân nhóm mưa theo khí tượng, chia thành 10 nhóm nhỏ Nhóm 3-4 thể hiện lượng mưa nhỏ hơn mức trung bình và cho kết quả tốt khi tính toán với chuỗi số liệu dài, nhưng không thường được ứng dụng tại Úc Nhóm 5-6 gần với mức bình thường và có thể sử dụng để tính toán kiểm tra giới hạn và bốc hơi.
H ạn n ôn g ng hi ệp
Mức độ ẩm trong đất được xác định thông qua mô hình Chỉ số hạn, dựa trên phần trăm độ ẩm Mô hình này yêu cầu các số liệu chuyên dụng về mưa và các yếu tố khí tượng như nhiệt độ Cụ thể, mức độ ẩm ≤20% được coi là rất khô hạn, từ 20-40% là khô hạn, và từ 40-60% gần bình thường Việc tính toán này giúp đánh giá tình hình ẩm ướt của đất đai ở Hoa Kỳ và trên toàn thế giới.
The Palmer Moisture Anomaly Index, also known as the Z-index, is a crucial metric used to assess abnormal moisture levels The frequency of the Z-index is calculated to determine the severity of drought conditions.
Nhạy cảm khi tính toán độ thiếu hụt Không xem xét đến yếu t ố
(Z -index) Hoa Kỳ tính toán cho tháng trong mô hình Palmer mưa lịch sử
Chỉ số ẩm bất thường Palmer
Công thức S=DxM thể hiện rằng S là sản lượng nước trong sông, trong đó D đại diện cho thời gian dòng chảy dưới mức bình thường và M là lưu lượng trung bình trong sông trong khoảng thời gian D.
Để xác định mức độ hạn, cần tiến hành tính toán chuẩn hóa Quá trình này đơn giản và không yêu cầu thông tin về lưu vực, cũng như 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 tình trạng 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 tương, xem xét đến tuyết phủ và lượng trữ Kết quả tính toán của chỉ số này phụ thuộc vào nhiều yếu tố khác nhau.
Loại Chỉ số hạn Phương pháp tín Phân loại hạn Ưu điểm Nhược điểm Phạm vi ứng dụng
Chỉ số Hạn hán theo khu vực (DAI) được tính toán dựa trên mức độ hạn hán xác định và phạm vi ảnh hưởng của nó Chỉ số này không thể đo lường cường độ ảnh hưởng do điều kiện hạn hán của từng khu vực, mà dựa vào các giá trị chỉ số hạn bình quân cho toàn bộ 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 tính toán SPI1, 3, 6 tại 42 vị trí được lưu dưới định dạng Excel sẽ được đưa lên bản đồ dựa vào tọa độ địa lý của các trạm đo Phương pháp nội suy nghịch đảo khoảng cách (Inverse Distance Weighting - 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 kỹ thuật nội suy xác định cục bộ, sử dụng trung bình trọng số của các giá trị từ các điểm lân cận để ước lượng giá trị tại một điểm cụ thể Trọng số của mỗi điểm lân cận phụ thuộc vào khoảng cách đến điểm cần ước lượng, với giả thiết rằng giá trị tại các điểm này là trung bình trọng số.
Phương pháp IDW (Inverse Distance Weighting) cho rằng khoảng cách giữa các giá trị tại các điểm mẫu trong khu vực lân cận ảnh hưởng đến điểm dự báo Cụ thể, những điểm gần hơn sẽ có tác động lớn hơn đến giá trị dự đoán so với những điểm ở xa hơn (Chen & Liu, 2012).
Z s là giá trị được dự báo tại điểm s 0
N là số điểm mẫu trong khu vực lân cận của điểm s₀, với λᵢ là các trọng số phụ thuộc vào khoảng cách từ mỗi điểm mẫu đến điểm s₀ Giá trị z(s) được đo đạc tại mỗi điểm mẫu i.
Khoảng cách di0 giữa điểm dự báo s0 và điểm mẫu si được xác định với tham số p biểu thị tốc độ giảm trọng số theo khoảng cách Trong nghiên cứu này, tham số p được chọn là 2, có nghĩa là trọng số sẽ giảm theo bình phương khoảng cách.
IDW (Inverse Distance Weighting) là phương pháp nội suy dựa vào nghịch đảo của khoảng cách, được nâng lên thành một hàm mũ Tham số số mũ trong IDW giúp kiểm soát tầm quan trọng của các điểm đã biết đối với giá trị nội suy, dựa trên khoảng cách từ điểm đầu ra Giá trị số mũ này là một số thực, nhỏ hơn 0, và giá trị mặc định trong phần mềm QGIS là 2.
Số mũ cao hơn 2 làm nổi bật ảnh hưởng của các điểm gần nhất, dẫn đến bề mặt có nhiều chi tiết hơn và ít mịn màng Khi số mũ tăng, giá trị nội suy tiến gần hơn đến giá trị của điểm mẫu gần nhất Ngược lại, việc sử dụng số mũ thấp hơn sẽ tạo ra ảnh hưởng lớn hơn từ các điểm xa, tạo ra bề mặt mịn hơn.
Trong luận văn này, tác giả sử dụng giá định mặc định của 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 đáng kể, 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, vùng mưa vừa và lớn như thượng nguồn sông Hiếu ghi nhận lượng mưa từ 2.000 đến 2.100mm, và khu vực sông Giăng cùng vùng giữa từ Cửa Rào - Nghĩa Khánh tới Dừa có lượng mưa trung bình từ 1.800 đến 2.100mm Các khu vực sông Ngàn Phố và Ngàn Sâu đạt lượng mưa trung bình từ 2.200 đến 2.400mm, trong khi vùng đồng bằng ven biển có lượng mưa từ 1.800 đến 1.900mm Đặc biệt, thượng nguồn sông Hiếu, sông Ngàn Phố và Ngàn Sâu là những khu vực có lượng mưa lớn nhất trong lưu vực.
Vùng ít mưa xuất hiện ở những thung lũng kín, khuất gió như dọc theo thung lũng Mường Xén - Cửa Rào, Cửa Rào - Khe Bốlượng mưa năm chỉđạt từ 1.200
1.300mm Có năm tại Khe Bố lượng mưa năm chỉ đạt 511mm năm 1984, Cửa Rào đạt 773 mm năm 1977
Mùa mưa ở lưu vực sông Cả và sông Hiếu có sự khác biệt 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 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 muộn hơn, từ tháng 6 và kéo dài đến tháng 10 hoặc tháng 11, với tháng 11 thường có lượng mưa lớn nhất trong các tháng 8, 9 và 10.
Vùng sông Ngàn Phố và Ngàn Sâu ở phía Nam lưu vực bắt đầu mùa mưa từ tháng Tám đến tháng Mười Trong mùa mưa, lượng mưa chiếm từ 80-87% tổng lượng mưa hàng năm, trong khi phần còn lại rơi vào mùa ít mưa.
Mùa mưa ở Việt Nam thường có xu hướng chậm dần từ Bắc vào Nam, từ thượng nguồn về hạ du Đặc điểm của mùa mưa là thường xuất hiện hai đỉnh cực trị, thường rơi vào tháng 9 và tháng 5 hoặc tháng 6 Sự hoạt động mạnh của gió mùa Tây Nam và gió Tây là nguyên nhân gây ra mưa lớn vào tháng 5 và tháng 6, dẫn đến lũ tiểu mãn trong mùa mưa Tổng lượng mưa trong hai tháng này chiếm tới 20% lượng mưa năm ở các trạm thượng nguồn sông Cả, sông.
Trận lũ tiểu mãn ở Ngàn Phố, Ngàn Sâu đã gây ra thiệt hại lớn, tương tự như các trận lũ vào tháng 5 năm 1943 và 1989 Đặc biệt, trận mưa tháng 5 năm 1989 đã tạo ra lũ lịch sử trên sông Ngàn Phố, với lượng mưa kỷ lục 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 có lượng mưa tối thiểu Khi gió Lào hoạt động mạnh, lượng mưa trong tháng 7 chỉ đạt khoảng 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, đã 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 không đồng đều, với vùng đồng bằng chịu tác động mạnh từ mưa bão, đạt từ 1.000 đến 1.100mm trong hai tháng Ngược lại, ở khu vực 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 ghi nhận lượng mưa từ 6 đến 12mm, tương tự như các tháng khác Lượng mưa trong tháng II chỉ chiếm 1 đến 2% tổng lượng mưa hàng năm Tổng lượng mưa trong 5 tháng mùa khô, từ tháng XII đến tháng IV, chỉ chiếm từ 10 đến 20% lượng mưa cả năm.
Biến động lượng mưa theo thời gian khá mạnh mẽ Lượng mưa năm lớn nhất đạt 3.520mm năm 1989 tại Vinh, 3.670mm năm 1989 tại Hoà Duyệt, 3.470mm năm
1978 tại Đô Lương và từ 2.500 2.700mm tại các vùng thượng sông Cả, sông Hiếu Lượng mưa năm nhỏ nhất biến động tuỳ theo các vùng, vùng ít mưa như
Khe Bố, Mường Xén, Cửa Rào có năm lượng mưa chỉ đạt 500 700mm Vùng mưa nhiều năm ít mưa nhất đạt từ 1.200 1.500mm
Hệ số biến sai Cv mưa năm dao động từ 0,25 0,35
Hình 3 1 S ố li ệu mưa thực đo (Trạ m Qu ỳnh Lưu)
Hình 3 2 S ố li ệu mư thực đo (Trạm Kim Cương) ố ệu mưa thực đo (Trạ ỳ ợ
B ả ng 3 1 T ỷ l ệ mưa năm phân theo mùa trung bình nhiều năm
TT Tên Tr ạ m Li ệ t tài li ệ u
Mùa mưa Mùa khô Năm
4 Qu ỳnh Lư u 1960-2015 VI-X 1243 78 XI-V 346 22 1589
Phân tích tình tr ạ ng thi ế u h ụ t ngu ồn nướ c d ự a trên ch ỉ s ố SPI
Đánh giá tình trạng thiếu hụt nguồn nước gây ra hạn hán được thực hiện thông qua kết quả tính chỉ số SP6 tại các trạm khí tượng Bên cạnh đó, chỉ số bình quân SPI, được tính bằng cách trung bình hóa các ô lưới SPI theo từng tháng, cũng là yếu tố quan trọng trong quá trình này.
Dựa vào chỉ số SPI6 trung bình, các giai đoạn 1991-1992, 1998-2001, 2003-2005, 2010-2011 và 2014-2015 cho thấy sự thiếu hụt nguồn nước kéo dài, đặc biệt là trong các năm 1998-2001, 2003-2005 và 2014-2015, tiếp tục ảnh hưởng đến năm 2016 Xu hướng này tương đồng ở các trạm đại diện cho các vùng miền núi, đồng bằng và ven biển, cho thấy toàn bộ lưu vực sông Cả đều bị ảnh hưởng bởi hạn hán và thiếu nước, mặc dù mức độ khác nhau.
Hình 3 4 Ch ỉ s ố SPI 1, 3 và 6 tr ạ m Qu ỳ H ợ p
Khi xem xét chỉ số SPI3, có thể thấy xu thế tương đồng về các giai đoạn hạn khí tượng, với tần suất xảy ra hạn nhiều hơn nhưng thời gian mỗi đợt ngắn hơn Kết quả đánh giá các giai đoạn hạn hán trong quá khứ phù hợp với thực tế, điển hình là tình trạng thiên tai hạn hán được công bố tại tỉnh Nghệ An vào năm 2015, khi hạn hán 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 mức trung bình nhiều năm Chỉ số SPI3 cho thấy xu hướng các giai đoạn có nhiều nước tương đối giống với thực tế, như các năm 1990-1991, 1997, đầu năm 2004 và cuối năm 2013 Tuy nhiên, chỉ số SPI6 chỉ ra rất ít đợt nhiều nước xen kẽ với các đợt ít nước Đánh giá trên khoảng thời gian ngắn hơn bằng SPI3 cho thấy sự xen kẽ này rõ ràng hơn Việc nhận diện sự xen kẽ giữa các giai đoạn dồi dào và thiếu hụt nguồn nước là cơ sở quan trọng để đánh giá khả năng sử dụng các công trình và giải pháp thu trữ, điều tiết nguồn nước trong các giai đoạn khác nhau.
Xây d ự ng b ản đồ thi ế u h ụ t ngu ồn nước theo các năm
Kết quả xây dựng bản đồ hạn khí tượng dựa trên chỉ số SPI6 trong một số năm, như năm 2015 và 2005, cho thấy xu thế hạn hán nghiêm trọng với hầu hết lưu vực bị ảnh hưởng Những năm này chứng kiến tình trạng thiếu hụt nguồn nước mưa đáng kể.
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 sử dụng công cụ GIS để xây dựng bản đồ hạn khí tượng cho phép xác định diện tích hạn theo các đơn vị hành chính Bảng 3.2 dưới đây trình bày diện tích bị hạn đầu năm 2015 tại các huyện trong vùng nghiên cứu, trong đó các khu vực chịu ảnh hưởng nặng nề bao gồm Vinh, Yên Thành, Con Cuông, Thanh Chương, Anh Sơn, Hưng Nguyên và Đô Lương Tổng diện tích hạn rất nặng trong vùng lên đến hơn 138.000 ha, hạn nặng gần 578.000 ha, và hạn là hơn 350.000 ha Kết quả đánh giá này phản ánh đúng tình hình thực tế khi Nghệ An đã 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 sự thiếu hụt lượng mưa so với trung bình nhiều năm tại các vùng trung sông Cả, trung và hạ lưu sông Hiếu, vùng sông Nghèn, và Nghi Xuân Mặc dù lượng mưa cả năm trên lưu vực sông Cả tương đối dồi dào, nhưng chủ yếu tập trung vào mùa mưa Do đó, việc xây dựng các hồ chứa để điều tiết nước giữa các mùa và trong nhiều năm là cần thiết và khả thi nhằm đảm bảo nguồn nước cho các thời kỳ thiếu nước mùa khô.
Trên lưu vực sông Cả, nhiều công trình thủy lợi và thủy điện đã được xây dựng nhưng vẫn chưa đáp ứng đủ nhu cầu nước cho các vùng lân cận Do đó, cần tối ưu hóa việc sử dụng nguồn nước từ các hồ chứa hiện có như hồ Bản Vẽ (sông Cả) với khả năng bổ sung 80 m³/s và hồ Bản Mồng (sông Hiếu) đang xây dựng với 22 m³/s Bên cạnh đó, 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 khai thác từ các hồ chứa này được tham khảo từ Viện Quy hoạch Thủy lợi, trong khi nghiên cứu tập trung vào ứng dụng công cụ tính toán chỉ số hạn khí tượng SPI để xác định các vùng thường xuyên chịu ảnh hưởng bởi thiếu nước trong mùa khô Để tận dụng tối đa nguồn nước từ các hồ chứa thượng nguồn phục vụ nhu cầu hạ du, cần cải tạo, nâng cấp và xây dựng mới các trạm bơm, hồ chứa nhỏ và cống lấy nước tại các khu vực khó khăn như Nghi Xuân, sông Nghèn, trung lưu sông Cả và hạ sông Hiếu.
3.5.2 Một số giải pháp phi công trình
Củng cố và nâng cao năng lực hoạt động của các tổ chức quản lý nguồn nước trên lưu vực, bao gồm Sở Nông nghiệp và Phát triển Nông thôn, Sở Tài nguyên và Môi trường, Chi cục Thủy lợi, và Chi cục Phòng chống và Giảm nhẹ thiên tai Đồng thời, cần làm rõ và giảm thiểu các mâu thuẫn, chồng chéo chức năng giữa các tổ chức quản lý để nâng cao hiệu quả trong công tác quản lý nguồn nước.
Cần thiết phải đánh giá và củng cố vai trò của Ban Quản lý lưu vực sông Cả, nhằm nâng cao hiệu quả quản lý Việc tổ chức cần phù hợp với điều kiện và bối cảnh đặc thù của lưu vực sông tại Việt Nam.
Nhiệm vụ quản lý nước trong lưu vực sông cần được thực hiện độc lập, không trùng lặp với các nhiệm vụ của tổ chức khác, đặc biệt là các cơ quan quản lý nước của các tỉnh Cần có cơ chế phối hợp hiệu quả giữa các cơ quan và tổ chức liên quan, nhằm đảm bảo việc quản lý và sử dụng nước được thống nhất Quan trọng là phải có sự tham gia của cộng đồng trong quá trình trao đổi ý kiến và giải quyết các mâu thuẫn liên quan đến 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 công tác quản lý và quy hoạch Việc này giúp khai thác thông tin hiệu quả hơn, từ đó hỗ trợ trong việc lập kế hoạch khai thác nguồn nước một cách tối ưu.
Ứng dụng các mô hình toán học về thủy văn và thủy lực, cùng với 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 cần kết hợp với các cơ quan chuyên môn để phát triển và ứng dụng công nghệ cao hơn Việc tích hợp công nghệ viễn thám với mô hình toán học sẽ giúp tạo dựng cơ sở dữ liệu đầy đủ, bổ sung thông tin còn thiếu và xây dựng các kịch bản sẵn sàng ứng phó.