Tính c ấ p thi ế t c ủa đề tài
Hạn hán là hiện tượng tự nhiên xảy ra do nhiều nguyên nhân như thiếu mưa, bốc hơi lớn và khai thác nước quá mức Hiện tượng này có thể xảy ra ở mọi vùng khí hậu trên thế giới, với đặc điểm biến đổi rõ rệt từ khu vực này sang khu vực khác Hạn hán khác với khô hạn, vì khô hạn chỉ xảy ra ở những vùng có lượng mưa thấp và là đặc trưng lâu dài của khí hậu Mỗi năm, hạn hán mang đến những đặc tính thời tiết và tác động khác 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 đô thị mới đã dẫn đến nhu cầu nước tăng đáng kể cho các ngành.
Quy luật diễn biến thời tiết khí hậu ngày càng phức tạp, ảnh hưởng đến thời gian xuất hiện lũ và hạn Mực nước trên các sông có những tổ hợp bất lợi cho công tác phòng lũ, với các trận lũ lớn diễn ra vào các năm 1978, 1988, 2002, 2007 và 2010, gây thiệt hại nặng nề cho kinh tế và xã hội Đối với hạn hán, mức độ ngày càng gia tăng, ảnh hưởng nghiêm trọng đến sản xuất, đặc biệt là trong các năm 2005, 2007 và 2010.
Nghệ An và Hà Tĩnh, thuộc lưu vực sông Cả, đang trải qua tình trạng hạn hán nghiêm trọng Năm 2010, Nghệ An ghi nhận khoảng 17.000-20.000ha đất bị hạn, trong khi Hà Tĩnh có khoảng 12.000ha, với 30% diện tích hạn bị ảnh hưởng nặng nề Hàng trăm hệ thống hồ tại đây đã xuống gần mực nước chết, và một số khu vực như sông Cả tại Nam Đàn và sông La tại Linh ghi nhận mức nước 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 tiến hành nghiên cứu và phân tích tình hình thiếu hụt nguồn nước trên lưu vực sông Cả để xác định các khu vực và thời điểm thường xuyên xảy ra hạn hán Qua đó, chúng ta có thể đề xuất các giải pháp thích ứng hiệu quả nhằm cải thiện tình hình 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 thủy lợi ở Nghệ An trong mùa kiệt có mối liên hệ chặt chẽ với các huyện hưởng lợi như Yên Thành, Diễn Châu, Quỳnh Lưu (thuộc hệ thống thủy nông Diễn Yên Quỳnh - Bắc Nghệ An), thành phố Vinh, thị xã Cửa Lò, Nghi Lộc, và Hưng Nguyên (trong hệ thống Nam Hưng Nghi - Nam Nghệ An).
Tỉnh Hà Tĩnh nằm trong lưu vực sông Cả, bao gồm các huyện Hương Sơn, Hương Khê, Vũ Quang, Nghi Xuân, cùng với các vùng hưởng lợi như Can Lộc, Thạch Hà, Đức Thọ và thị xã.
Hồng Lĩnh trong hệ thống sông Nghèn
+ Với tổng diện tích tự nhiên là 19.627 km 2 bao gồm cả vùng hưởng lợi
Cách ti ế p c ận và phương pháp nghiên cứ u
Cách ti ế p c ậ n
Tiếp cận theo mục tiêu là rất cần thiết, bởi vì các vùng sản xuất nông nghiệp và những khu vực quy hoạch cho sản xuất nông nghiệp hiện nay vẫn thiếu các nghiên cứu và cảnh báo về nguy cơ hạn hán.
- Tiếp cận kết quả của các nghiên cứu trong và ngoài nước về vấn đề hạn hán
Để tiếp cận vấn đề hiệu quả, chúng ta sử dụng các mô hình Khí hậu toàn cầu kết hợp với công cụ xử lý ảnh vệ tinh Erdas và phần mềm GIS phân tích không gian ArcGIS.
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 nghiêm trọng và ảnh hưởng đến đời sống con người cùng môi trường sinh thái Mỗi năm, khoảng 21 triệu ha đất trở thành không có năng suất do hạn hán, trong khi số người sống trong các khu vực khô cằn gặp rủi ro đã tăng hơn 80% trong gần 25 năm qua Hơn 1/3 diện tích đất đai trên thế giới đã bị khô cằn, nơi có 17,7% dân số sinh sống Cùng với hạn hán, hiện tượng hoang mạc hoá cũng đang lan rộng từ các vùng khô hạn đến những khu vực bán ẩm ướt, với tổng diện tích hoang mạc hoá lên tới 39,4 triệu km², chiếm 26,3% tổng diện tích đất tự nhiên của thế giới.
Hơn 100 quốc gia đang phải đối mặt với nguy cơ đói và khát do hạn hán, đe dọa đến 250 triệu người trên toàn cầu Tình trạng này không chỉ ảnh hưởng đến cuộc sống của con người mà còn tác động tiêu cực đến môi trường khí hậu toàn cầu (WMO [1]).
Hạn hán thường gây ảnh hưởng sâu rộng và mặc dù ít khi là nguyên nhân trực tiếp dẫn đến thiệt hại về nhân mạng, nhưng thiệt hại kinh tế do hạn hán mang lại là rất lớn Theo dữ liệu từ Trung tâm giảm nhẹ hạn hán quốc gia Mỹ, mỗi năm, hạn hán gây thiệt hại cho nền kinh tế Mỹ khoảng 6-8 tỷ USD, 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 diễn ra tại Mỹ vào năm 1988-1989 đã gây thiệt hại lên đến 39-40 tỷ USD, vượt xa thiệt hại kỷ lục của lũ lụt, chỉ đạt 15-27,6 tỷ USD.
Hạn hán và bão đã gây thiệt hại kinh tế lớn, với ước tính thiệt hại từ bão lên đến 25-33,1 tỷ USD vào năm 1992 Những hiện tượng thời tiết cực đoan này không chỉ ảnh hưởng đến Việt Nam mà còn tác động nghiêm trọng đến nhiều quốc gia khác như Ấn Độ, Pakistan và Australia Hạn hán do 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 sử dụng, ảnh hưởng đến khoảng 135 triệu người có nguy cơ phải di cư để tìm kiếm sinh kế.
Trên thế giới, nhiều tác giả đã nghiên cứu về hạn hán, tuy nhiên, do tính phức tạp của hiện tượng này, vẫn chưa có phương pháp chung cho các nghiên cứu Để xác định, nhận dạng, giám sát và cảnh báo hạn hán, các chỉ số hạn hán là công cụ chính 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 và dòng chảy, hoặc là tổng hợp của nhiều biến Mỗi chỉ số có ưu nhược điểm riêng và được áp dụng phù hợp với điều kiện của từng quốc gia Việc xác định hạn hán không chỉ dựa vào số liệu quan trắc mà còn sử dụng dữ liệu từ 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 mở rộng, mức độ hạn, tần suất và mối liên hệ với khí hậu là rất cần thiết.
Các nghiên cứu về hạn hán toàn cầu cho thấy sự gia tăng đáng kể về tần suất và mức độ hạn hán, với các chỉ số hạn dựa trên dữ liệu mưa, nhiệt độ và độ ẩm lịch sử Nghiên cứu của Nico Wanders và cộng sự đã phân tích 18 chỉ số hạn hán, chọn ra các chỉ số phù hợp cho năm vùng khí hậu khác nhau Sự giảm lượng mưa và tăng nhiệt độ làm gia tăng quá trình bốc hơi, dẫn đến hạn hán nghiêm trọng hơn Từ 1980 đến 2000, tần suất hạn hán gia tăng, đặc biệt tại Cộng hòa Séc, Hy Lạp và Moldova Thời gian kéo dài của các đợt hạn hán cũng tăng lên, có thể kéo dài từ vài tháng đến vài năm Nghiên cứu tại châu Âu cho thấy thời gian hạn hán lớn nhất trung bình là 48 ± 17 tháng, với tần suất cao hơn ở lục địa và thời gian kéo dài nhất ở Italia, đông bắc Pháp và đông bắc Nga.
Hạn hán ở phía bắc Trung Quốc đã gia tăng từ những năm 1990, với nhiều vùng trải qua tình trạng hạn hán kéo dài từ năm 1997 đến 2003 Nghiên cứu cho thấy hạn hán là hiện tượng phức tạp do cả nguyên nhân tự nhiên và con người gây ra Các yếu tố tự nhiên bao gồm sự dao động của khí quyển và thay đổi nhiệt độ mặt nước biển như El Nino, trong khi nguyên nhân do con người liên quan đến nhu cầu nước 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 chỉ số phụ thuộc vào điều kiện cụ thể và cơ sở dữ liệu quan trắc của từng vùng.
Để giảm thiểu tác động của hạn hán, nhiều quốc gia phát triển đã thiết lập các trung tâm giám sát, dự báo và cảnh báo hạn hán Các trung tâm này có nhiệm vụ chính là theo dõi tình hình hạn hán và cung cấp thông tin dự báo để hỗ trợ các biện pháp ứng phó hiệu quả.
1 Theo dõi, giám sát, dự báo và cảnh báo hạn hán;
2 Phối hợp với các ban ngành có liên quan để đề xuất và tiến hành các hoạt động ngăn ngừa, phòng tránh và giảm nhẹ tác hại của hạn hán;
3 Phối hợp với các cơ quan nghiên cứu khoa học xây dựng các phương pháp dự báo và cảnh báo hạn hán
* Sử dụng mưa vệ tinh trong đánh giá nguồn nước
Lượng mưa là dữ liệu 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 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 độ phân giải 0.05° với dữ liệu từ các trạm quan trắc để tạo ra chuỗi thời gian mưa dạng lưới Công cụ 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 nhiệt đới và cận nhiệt đới, đồng thời ước tính hệ thống nhiệt tiềm ẩn Các dụng 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) với năm kênh hồng ngoại Thuật toán 3B42 được thiết kế để tạo ra tỷ lệ lượng mưa kết hợp hồng ngoại (IRM) và ước tính sai số lượng mưa (RMSE).
Hình 1 2 D ữ li ệu mưa TRMM từ năm 2000 -2008 ở Nepal
- CMORPH là dữ liệu mưa được tạo ra bởi kỹ thuật CMORPH (MORPHing
CPC là sản phẩm của Cục Đại dương và Khí quyển quốc gia Hoa Kỳ, cung cấp phân tích lượng mưa toàn cầu với độ phân giải không gian và thời gian cao Kỹ thuật này dựa 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.
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 tần suất cập nhật hàng ngày Với nguồn dữ liệu miễn phí, CHIRPS ngày càng trở nên phổ biến trong việc nghiên cứu và phân tích mưa.
1.1.2 Tổng quan trong nước Đối với Việt Nam, nơi có tiềm năng nguồn nước phong phú nhưng do tính chất phân mùa sâu sắc nên thường xuyên xuất hiện hạn hán Cũng như các nghiên cứu trên thế giới, các nghiên cứu về hạn hán ở Việt Nam chủ yếu tập trung đến hạn khí tượng, hạn thủy văn và hạn nông nghiệp Các đề tài, dự án nghiên cứu hạn hán ở Việt Nam đã được triển khai trong những năm gần đây, chủ yếu tập trung vào 2 vấn đề chính:
(1) Các nghiên cứu cơ bản về hạn hán và tác động tới dân sinh, kinh tế, xã hội
(2) Các giải pháp, phòng chống và giảm nhẹ hạn hán bao gồm:
- Giải pháp công trình xây dựng các công trình thu trữ, điều tiết nước;
Tổng quan vùng nghiên cứu
1.2.1 Đặc điểm địa hình vùng nghiên cứu
Lưu vực sông Cả phát triển theo hướng Tây Bắc - Đông Nam, nghiêng ra biển, với phần lớn diện tích là đồi núi Diện tích đất phù hợp cho nông nghiệp chỉ chiếm 19% diện tích Việt Nam và 14% toàn lưu vực Địa hình sông Cả có thể chia thành các dạng chính, trong đó đồng bằng sông Cả nằm dọc hai bờ sông từ phần trung lưu trở xuống, bao gồm các huyện Đô Lương, Thanh Chương, Nam Đàn, Hưng Nguyên Vùng đồng bằng này, như Diễn - Yên - Quỳnh, Nam - Hưng - Nghi, và sông Nghèn, là nơi tập trung phát triển kinh tế xã hội của lưu vực Cao độ đồng bằng ven sông Cả biến đổi từ +10 đến +15 m tại Đô Lương, +7 đến +8 m ở Thanh Chương, +2,5 đến +1,0 m tại 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, là một khu vực địa hình phức tạp Nơi đây có sự kết hợp giữa các đồi bát úp, đồi cao và các thung lũng thấp, tạo nên một cảnh quan đa dạng và độc đáo.
Bãi Tập - Quỳ Hợp, vùng sông Sào - Nghĩa Đàn, và các huyện Hương Khê, Vũ Quang, Sơn Hà của Hương Sơn có địa hình cao độ biến đổi từ +20 đến +200m, với khoảng 25-30% diện tích bị chia cắt mạnh bởi các sông nhỏ 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 Nậm Mô đến cửa khẩu Cầu Treo Cao độ của địa hình này đạt từ +12.000 đến +15.000m, tạo thành bức tường thành ngăn giữa lưu vực sông Mê Kông và sông Cả Các huyện miền núi cao thuộc lưu vực sông Cả như Kỳ Sơn, Tương Dương, Con Cuông, và Quế Phong có độ dốc lớn và thung lũng hẹp, với địa hình vùng núi cao chiếm tới 60-70% diện tích nhưng chỉ 1,5-2% là đất canh tác, chủ yếu là vùng lâm nghiệp phòng hộ đầu nguồn.
1.2.2 Đặc điểm thổ nhưỡng, địa chất
Kết quả điều tra thổ nhưỡng cho thấy, đất đai lưu vực sông Cả được phân thành hai loại chính: đất thuỷ thành và đất địa thành, dựa trên nguồn gốc phát sinh.
B ả ng 1 2 Phân lo ại đấ t đai trên lưu vự c sông C ả
Tổng diện tích điều tra thổ nhưỡng 19.626.650
Trong đó diện tích các loại đất (đã trừ sông suối và núi đá) 1.747.309 100,00
Trong đó nhóm phù sa dốc tụ 240.000 80,00
- Nhóm đất Feralit vàng vùng đồ i (170200m) 423.861 27,9
- Nhóm Feralit vàng trên núi từ 170200m đến 8001000m 651.584 42,9
- Nhóm Feralit vàng trên núi t ừ 800 1000m đế n
Nguồn: Theo số liệu điều tra thổnhưỡng năm 1990
Toàn bộ lưu vực sông Cả 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 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 thời kỳ trước Cambri đến Paleozoi sớm và muộn, khu vực sông Cả tồn tại 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 có 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 đặc trưng cho từng thời kỳ địa chất.
1.2.4 Đặc điểm sông ngòi a Dòng chính sông Cả
Sông Cả bắt nguồn từ đỉnh núi Phulaileng thuộc tỉnh Hủa Phăm, Lào, chảy theo hướng Tây Bắc - Đông Nam Khi nhập vào Việt Nam tại bản Keng Đu, dòng sông đi sát biên giới Việt - Lào khoảng 40km và hoàn toàn vào Việt Nam ở chân núi cao 1.067m Đến Bản Vẽ, sông chuyển hướng chảy Bắc - Nam cho đến Cửa Rào, nơi sông hợp lưu với nhánh Nậm Mô và lại đổi hướng Tây Bắc - Đông Nam Sông Cả có diện tích lưu vực 27.200km², trong đó phần chảy trên đất Lào là 9.740km², còn lại nằm ở 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 vừa sâu vừa rộng, trong khi đoạn trung lưu rộng nhưng nông Phần thượng nguồn đặc trưng bởi nhiều ghềnh thác và hai bên là núi cao, đồi Nơi đây có nhiều vị trí tiềm năng để xây dựng kho nước phục vụ lợi dụng tổng hợp Sông Cả không phân lưu và chỉ có một cửa thoát duy nhất.
Sông Hiếu, một chi lưu phía tả, nhập vào sông Cả tại Ngã ba Cây Chanh, có diện tích lưu vực 5.340 km² và chiều dài 314 km Sông bắt nguồn từ dãy núi Cao Phú Hoạt thuộc 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 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 đủ để đáp ứng nhu cầu sử dụng nước của các địa phương 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 đó, sông Chàng và sông Dinh là hai chi lưu lớn, đóng vai trò quan trọng trong việc cấp nước cho sông Hiếu, đặc biệt là ở khu vực miền núi.
Sông Nậm Mô, bắt nguồn từ vùng rừng núi tỉnh Bôlikhăm Xay (Lào), chảy vào Việt Nam tại Làng Nhãn, huyện Kỳ Sơn Tại Lào, sông chảy theo hướng Bắc Nam quanh đỉnh Huổng Mang Ngai (2406m) và sau đó đổi hướng sang Đông Nam - Tây Bắc Đến bản Suông Hang, sông lại 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 hướng chảy trùng khớp.
Sông Nậm Mô có diện tích lưu vực 3.970 km² và chiều dài 189 km, trong đó phần chảy qua Việt Nam dài 89 km Dọc theo sông, từ thượng nguồn đến đoạn nhập lưu, có nhiều vị trí thích hợp để xây dựng hồ chứa nhằm phát điện và điều tiết nước cho hạ du Thượng nguồn sông Nậm Mô nằm trong khu vực 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, bắt nguồn từ dãy núi Phu Long cao 1.330m ở Tây Nghệ An, thuộc vùng núi Môn Sơn - Lục Giã Với diện tích lưu vực 1.05km², sông Giăng nằm trong khu vực có lượng mưa lớn, dẫn đến lòng sông rộng và nông cùng nhiều bãi bồi Hướng chảy chính của sông Giăng song song với sông Cả, đến Thác Muối, sau đó đổi hướng Tây Đông, với cửa ra nhập vào sông Cả theo hướng Bắc Nam Sông Giăng đóng vai trò là chi lưu quan trọng 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, xảy ra với tần suất lặp lại và thường được đánh giá dựa trên 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 Hạn khí tượng thường xuất hiện đầu tiên và là nguyên nhân chính của các loại hạn khác, do đó việc đánh giá và cảnh báo hạn khí tượng rất quan trọng cho các nhà quản lý trong công tác phòng chống và giảm nhẹ hạn hán Hạn khí tượng yêu cầu ít số liệu đầu vào như mưa hoặc nhiệt độ, giúp áp dụng rộng rãi trên nhiều vùng Phân tích đặc trưng không gian và thời gian của hạn khí tượng cũng như các nhân tố gây ra hạn hán có ý nghĩa quan trọng trong quản lý tài nguyên nước và dự báo thiệt hại Vì vậy, trong luận văn này, tác giả lựa chọn hạn khí tượng làm đối tượng nghiên cứu.
Trong việc xác định và giám sát hạn hán, các chỉ số hạn hán là công cụ chính được sử dụng để theo dõi biến động giá trị, từ đó xác định sự khởi đầu, thời gian kéo dài và cường độ hạn Các chỉ số này có thể là hàm của các biến đơn như lượng mưa, nhiệt độ, bốc thoát hơi và dòng chảy, hoặc là tổng hợp của nhiều biến khác nhau Mỗi chỉ số có ưu điểm và nhược điểm riêng, do đó các quốc gia thường lựa chọn các chỉ số phù hợp với điều kiện cụ thể của mình Việc xác định hạn hán không chỉ dựa vào dữ liệu quan trắc mà còn có thể 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 phổ biến Đào Xuân Học đã sử dụng chỉ số khô hạn Sazonop để khảo sát và dự báo hạn cho các tỉnh DHMT Nguyễn Quang Kim phát triển phần mềm dự báo hạn khí tượng dựa trên chỉ số SPI, trong khi Nguyễn Văn Thắng cũng sử dụng chỉ số SPI để dự báo hạn cho 7 vùng khí hậu khác nhau ở Việt Nam Bên cạnh đó, Nguyễn Lương Bằng đã áp 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 phân tích đặc tính của hạn hán SPI có thể được tính toán cho nhiều thời kỳ khác nhau bằng cách chuyển đổi dữ liệu mưa thành hàm tiêu chuẩn hóa, cho phép so sánh hạn hán giữa các vùng có điều kiện thời tiết khác nhau Tuy nhiên, SPI cũng có những hạn chế, như cần ít nhất 30 năm dữ liệu để đảm bảo độ chính xác và giả định rằng nguyên nhân chính của hạn hán là do mưa, trong khi các yếu tố khí tượng khác như nhiệt độ và bốc hơi có thể không được xem xét đầy đủ.
Chỉ số SPI, được Tổ chức Khí tượng Thế giới WMO đề xuất, là công cụ 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 kết quả 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 sẽ sử dụng chỉ số SPI nhằm xác định sự thiếu hụt lượng mưa (hạn khí tượng) diễn ra theo các giai đoạn 3 tháng và 6 tháng Lượng mưa trong các thời đoạn tương ứng sẽ được xem xét như yếu tố đầu vào Số lượng và chất lượng tài liệu mưa có ảnh hưởng đáng kể đến độ chính xác của các mô hình toán được sử dụng.
Hiện nay, lưu vực sông Cả chỉ có 23 trạm đo mưa hoạt động, đạt mật độ 778 km²/trạm, vượt tiêu chuẩn tối thiểu 575 km²/trạm của WMO Các trạm quan trắc chủ yếu tập trung ở vùng đồng bằng và thị trấn nằm trong thung lũng sông, trong khi khu vực núi cao rất thiếu trạm đo mưa, đặc biệt là các trạm tự ghi, chỉ có một số trạm khí hậu được trang bị máy đo mưa tự ghi.
Dữ liệu từ các trạm đo mưa do Bộ Tài Nguyên Môi Trường quản lý có chất lượng tốt, trong khi các trạm đo mưa chuyên dụng tại nông trường hoặc vùng sâu, vùng xa thường gặp vấn đề về độ tin cậy và gián đoạn trong quá trình thu thập số liệu (Viện Quy hoạch Thủy lợi, 2012).
Tài liệu đo mưa trên lưu vực sông Cả hiện có nhiều khoảng trống về không gian và thời gian Để khắc phục, luận văn áp dụng mưa vệ tinh nhằm bù đắp các lỗ hổng dữ liệu và tính toán chỉ số SPI cho lưu vực Sử dụng công nghệ GIS, nghiên cứu tạo ra bản đồ phân bố sự thiếu hụt nguồn nước (hạn khí tượng) cho toàn vùng 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 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 độ tin cậy của dữ liệu.
To ensure reliability in calculating the Standardized Precipitation Index (SPI), it is essential to have a continuous dataset of at least 30 years of rainfall data.
- Có tính đại diện cho mỗi khu vực trong vùng nghiên cứu (vùng núi, vùng đồng bằng và vùng ven biển)
- Có sự phân bố phù hợp để phục vụ cho việc nội suy, xây dựng bản đồ thể hiện mức độ thiếu hụt nguồn nước trên toàn lưu vực
Dựa trên các tiêu chí trên, lựa chọn được 9 trạm đo khí tượng như sau:
B ả ng 2 1 Kho ả ng tr ố ng s ố li ệu mưa tạ i các tr ạm trên lưu vự c sông C ả
T ọa độ Li ệ t tài li ệ u
Vĩ độ Kinh độ Th ực đo Kho ả ng tr ố ng s ố li ệ u (1986-
4 Con Cuông 104°53' 19°03' 1960-2015 Tháng 6, tháng 12 năm 1995
5 Quỳ Hợp 105°09’ 19°19’ 1996-2015 Các năm từ 1986 đến 1995
6 Kỳ Anh 106°17’ 18°05’ 1961-2015 Các năm từ 1986 đến 2000
( Hương Sơn ) 105°16' 18°27 1962-2015 Các năm từ 1986 đế n 2000
Mạng lưới các trạm được lựa chọn được thể hiện trong Hình 2.1
Hình 2 1 Các tr ạm mưa đượ c l ự a ch ọ n 2.2.2 Xác định chuỗi số liệu mưa thực đo
Dữ liệu mưa thực đo được thu thập và phân tích từ 9 trạm đã chọn, trong đó một số trạm gặp phải tình trạng số liệu không liên tục do việc ghi chép và thống kê không đầy đủ Đối với các số liệu thiếu hụt này, chúng tôi sẽ xem xét và bổ sung bằng dữ liệu từ 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) cung cấp dữ liệu lượng mưa toàn cầu trong gần 30 năm do Cục Khảo sát địa chất Hoa Kỳ (USGS) và nhóm hiểm họa khí hậu (CHG) phát triển Dữ liệu này kết hợp hình ảnh vệ tinh có độ phân giải 0.05° với thông tin từ các trạm quan trắc tại chỗ, tạo ra chuỗi thời gian mưa dạng lưới, phục vụ cho việc phân tích và theo dõi hạn hán theo mùa.
Dựa trên các tiêu chí tính toán chỉ số thiếu hụt nguồn nước và dữ liệu từ các trạm khí tượng đã chọn, dữ liệu mưa CHIRPS đã được thu thập cho lưu vực sông Cả, với chuỗi thời gian kéo dài từ năm 1986 đến nay.
2015 c Xử lý mưa vệ tinh CHIRPS
1 Ảnh mưa vệ tinh CHIRPS (30 năm từ1986 đến 2015)
2 Shapefile lưu vực sông Cả
3 Shapefile vị trí 9 trạm mưa.
4 Số liệu thực đo 9 trạm mưa.
Trích giá trịmưa từảnh CHIRPS:
- Add data: ảnh CHIRPS từng tháng, shapefile lưu vực sông Cả, shapefile 9 trạm mưa vào phần mềm ArcGIS
- Trích dữ liệu mưa từ vị trí 9 trạm mưa:
+ Dùng lệnh “Extract by mask”, để trích ra giá trị mưa CHIRPS tại vị trí 9 trạm mưa.
+ Open Attribute Table của file vừa tạo được ở bước trên
Hình 2 3 Trích d ẫ n giá tr ị mưa CHIRP S t ạ i 9 tr ạm đo mưa
+ Mở file *.txt bằng Excel, copy giá trị mưa từảnh CHIRPS
- Làm tương tự cho các tháng còn lại
Hình 2.4 S ố li ệu mưa CHIRPS lưu vự c sông C ả và lân c ậ n tháng 9/1995
So sánh số liệu mưa CHIRPS với mưa thực đo
Hình 2.5 So sánh s ố li ệu mưa CHIRPS và mưa thực đo trạ m Qu ỳ H ợ p
Hình 2.6 So sánh s ố li ệu mưa CHIRPS và mưa thực đo trạm Hà Tĩnh
Hình 2.7 So sánh tương quan giữa mưa CHIRPS và mưa thực đo trạ m Qu ỳ
H ợp và Hà Tĩnh Đánh giá sai số:
Kết quả đánh giá tương quan giữa chuỗi số liệu mưa CHIRPS và mưa thực đo tại trạm Quỳ Hợp giai đoạn 1996-2000 cho thấy chỉ số tương quan R² = 0,6, cho thấy mức độ chấp nhận được Tại trạm Hà Tĩnh, chỉ số R² = 0,72 cho thấy mức độ tương quan khá tốt Phân tích tương tự cho 7 trạm còn lại cho thấy mức độ tương quan giữa mưa vệtinh và mưa thực đo cũng 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 phân tích cho thấy chỉ số NSE ở trạm Quỳ Hợp là thấp nhất với giá trị 0,64, trong khi trạm Hà Tĩnh đạt chỉ số cao nhất là 0,90 trong khoảng thời gian từ 1996 đến 2000 Điều này cho thấy mối tương quan giữa lượng mưa từ dữ liệu CHIRPS và lượng mưa thực đo trong khu vực nghiên cứu được đánh giá từ tốt đến rất tốt.
Dựa trên các phân tích và đánh giá trước đó, có thể áp dụng dữ liệu mưa vệt tính CHIRPS để bổ sung các khoảng trống số liệu cho 9 trạm mưa đã được chọn, từ đó tạo ra chuỗi số liệu dài và đầy đủ hơn.
30 năm từ1986 đến 2015, dùng để tính toán chỉ số SPI
B ả ng 2 3 K ế t h ợp mưa thực đo và mưa CHIRPS tạ i các tr ạm trên lưu vự c sông C ả
TT Tên tr ạ m Th ực đo Mưa CHIRPS
4 Con Cuông 1960-2015 Tháng 6, tháng 12 năm 1995
5 Quỳ Hợp 1996-2015 Các năm từ 1986 đến 1995
6 Kỳ Anh 1961-2015 Các năm từ 1986 đến 2000
( Hương Sơn ) 1962-2015 Các năm từ 1986 đế n 2000
Xây d ự ng công th ứ c tính toán ch ỉ s ố SPI
Hạn là hiện tượng tự nhiên phổ biến, thường bị hiểu lầm là sự kiện hiếm gặp Nó xuất hiện ở mọi vùng khí hậu với các đặc điểm khác nhau, là một dị thường tạm thời, không giống như sự khô cằn của khu vực ít mưa Từ những năm 1980, đã có hơn 150 khái niệm về hạn, nhưng nhìn chung, hạn là tình trạng thiếu hụt mưa kéo dài Dựa vào bản chất và tác động, hạn được phân loại thành các loại như hạn khí tượng, hạn nông nghiệp, hạn thuỷ văn, và hạn kinh tế - xã hội.
Hạn có thể được xác định qua nhiều chỉ số, trong đó phổ biến ở Mỹ và Úc là phần trăm so với trung bình (PN), chỉ số chuẩn hoá lượng mưa (SPI), chỉ số hạn khắc nghiệt Palmer, chỉ số ẩm mùa vụ (CMI), chỉ số cấp nước bề mặt (SWSI), chỉ số tái khô hạn (RDI), và phần mười Chúng tôi chọn chỉ số SPI để xây dựng mô hình dự báo hạn khí tượng vì nó dựa trên khả năng dự đoán lượng mưa cho các khoảng thời gian khác nhau (1, 3, 6, 12, 24, 48 tháng), được đánh giá cao về tính đa dụng và khả năng cảnh báo sớm về hạn Hạn khí tượng xảy ra khi có mưa ít hơn trung bình nhiều năm, trong khi hạn nông nghiệp liên quan đến thiếu độ ẩm cho một vụ mùa cụ thể, và hạn thuỷ văn là tình trạng nước dự trữ trong các nguồn nước bị giảm xuống dưới mức trung bình.
Cả ba loại hạn, bao gồm hạn khí tượng, hạn độ ẩm đất và hạn thuỷ văn, đều có mối quan hệ chặt chẽ với nhau Thiếu mưa và bốc hơi cao có thể gây ra hạn khí tượng, trong khi sự thiếu hụt độ ẩm trong đất dẫn đến hạn độ ẩm đất, ảnh hưởng đến khả năng cung cấp nước cho cây trồng, từ đó gây ra hạn nông nghiệp Hơn nữa, tình trạng không có mưa hoặc mưa ít cùng với bốc hơi cao làm giảm lượng nước trong lưu vực, ảnh hưởng đến nguồn nước ngầm và dẫn đến hạn thuỷ văn, khiến dòng chảy sông suối cạn kiệt Do đó, khi nhắc đến khô hạn hay vùng khô hạn, cần xem xét cả ba loại hạn này.
B ả ng 2 4 B ả ng t ổ ng h ợ p các ch ỉ tiêu h ạ n
Loại Chỉ số hạn Phương pháp tín Phân loại hạn Ưu điểm Nhược điểm Phạm vi ứng dụng
Mô hình cân bằng nước dạng 2 tầng trữ PDSI cho thấy tình trạng hạn nặng với chỉ số từ -3,0 đến -3,99 Cần xem xét cả hai yếu tố nguồn nước cung cấp, tuy nhiên, phương pháp hiện tại không thực sự hiệu quả và vẫn đang được sử dụng phổ biến.
Chỉ số PDSI (Palmer Drought Severity Index) được tính toán để thể hiện mức độ hạn hán, với các giá trị từ -2,0 đến -2,99 cho thấy tình trạng hạn vừa Chỉ số này phản ánh sự cân bằng giữa lượng mưa và nhu cầu nước, bao gồm cả bốc hơi, đặc biệt là trong các vùng núi.
Chỉ số hạn Palmer bốc hơi cho thấy mức độ hạn hán so với điều kiện bình thường, với các giá trị từ -1,0 đến -1,99 được coi là hạn nhẹ, và từ -0,5 đến -0,99 là hạn rất nhẹ Điều này có thể ảnh hưởng đến tiềm năng phát triển nông nghiệp và các khu vực có tuyết bao phủ Tình hình hạn hán 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 Index (SPI) là một chỉ số tiêu chuẩn hóa được tính từ chuỗi số liệu mưa nhiều năm, nhằm đánh giá tình trạng hạn hán SPI được phân loại theo mức độ hạn hán như sau: từ -1,5 đến -1,99 là hạn nặng, từ -1,0 đến -1,49 là hạn vừa Chỉ số này có thể áp dụng cho nhiều khoảng thời gian khác nhau như tuần, tháng, quý và năm, và có tính đối xứng cho cả điều kiện ẩm ướt và khô hạn Để tính toán chính xác, yêu cầu cần có chuỗi số liệu mưa đủ dài và không tính đến bốc hơi SPI có thể được áp dụng cho tất cả các vùng có tình trạng hạn hán 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 dựa trên chuỗi số liệu mưa đã đo cho thấy sự khác biệt lớn so với mức trung bình Phương pháp thống kê yêu cầu sử dụng chuỗi số liệu Rainfall Deciles (RD) để phân nhóm mưa thành 10 nhóm nhỏ Nhóm 3-4 thể hiện lượng mưa nhỏ hơn mức bình quân và cho kết quả tốt khi có chuỗi số liệu đủ dài, nhưng ít được ứng dụng ở Úc Nhóm 5-6 gần với mức bình quân và thường được sử dụng để tính toán giới hạn bốc hơi.
H ạn n ôn g ng hi ệp
Mức độ ẩm trong đất được tính toán thông qua mô hình Chỉ số hạn, dựa trên phần trăm độ ẩm Mô hình này yêu cầu các số liệu chuyên dụng về mưa và các yếu tố khí tượng như nhiệt độ Cụ thể, mức độ ẩm được phân loại như sau: ≤20% là rất khô hạn, 20-40% là khô hạn, và 40-60% là gần bình thường Những dữ liệu này không chỉ áp dụng cho Hoa Kỳ mà còn cho nhiều khu vực trên thế giới, cho phép đánh giá điều kiện lịch sử và khí hậu.
The Palmer Moisture Anomaly Index, also known as the Z-index, is a crucial metric used to assess abnormal moisture levels This index calculates the frequency of Z-index values to determine the severity of drought conditions.
Nhạy cảm khi tính toán độ thiếu hụt Không xem xét đến yếu t ố
(Z -index) Hoa Kỳ tính toán cho tháng trong mô hình Palmer mưa lịch sử
Chỉ số ẩm bất thường Palmer
Công thức S=DxM mô tả mối quan hệ giữa thời đoạn dòng chảy (D) trong sông nhỏ hơn mức bình thường và lưu lượng trung bình (M) trong sông trong suốt thời gian đó.
S cần được tính toán chuẩn hóa để xác định mức độ hạn Việc tính toán này đơn giản, không yêu cầu thông tin về lưu vực và không phân bố mức độ hạn theo tần suất tiêu chuẩn.
T otal water deficit (S) Tổng lượng Hoa Kỳ nước thiếu hụt
Phương pháp này áp dụng mô hình Palmer để tính toán chỉ số PDSI, tương tự như tính S, nhưng yêu cầu độ chính xác cao hơn trong việc xác định ranh giới giữa khô hạn và ẩm ướt.
Giá trị tính toán phân lớp t ương tự PDSI nhưng đòi hỏi phân khoảng nhỏ hơn.
Sử dụng mô hình cân bằng nước để xác định mức độ ảnh hưởng của cả 2 yếu tố mưa và nhiệt độ.
Không thực sự hiệu quả tính toán cho các vùng núi hoặc vùng có tuy ết bao phủ; cần tính phân bổ tần suất tiêu chuẩn
Index Phần lớn sử dụng ở
(PHDI)- Chỉ số hạn thủy văn Palmer
Hoa Kỳ Surface Water Supply Index
Chỉ số SWSI (Soil Water Stress Index) được tính toán dựa trên mô hình giá trị tính toán phân lớp, trong đó xem xét các yếu tố như tuyết phủ và lượng trữ nước Kết quả tính toán của chỉ số này phụ thuộc vào những yếu tố môi trường cụ thể.
Loại Chỉ số hạn Phương pháp tín Phân loại hạn Ưu điểm Nhược điểm Phạm vi ứng dụng
Chỉ số 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 chỉ dựa vào các giá trị chỉ số hạn bình quân cho toàn bộ khu vực Nhiều nơi chịu ảnh hưởng khác nhau từ hạn hán, do đó việc đánh giá chính xác là rất quan trọng.
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 hiển thị các lớp nền trên bản đồ, số liệu tính toán SPI1, SPI3, SPI6 tại 42 vị trí sẽ được đưa lên bản đồ theo tọa độ địa lý của các trạm đo Phép nội suy nghịch đảo khoảng cách (IDW) được áp dụng để nội suy giá trị SPI từ 42 trạm khí tượng thủy văn, nhằm tạo ra bản đồ hạn cho khu vực nghiên cứu.
Phương pháp nội suy IDW (Inverse Distance Weighting) là một kỹ thuật nội suy xác định cục bộ, cho phép ước lượng giá trị tại một điểm bất kỳ bằng cách tính trung bình trọng số của các giá trị từ các điểm lân cận Trong phương pháp này, mỗi điểm lân cận được gán một trọng số dựa trên khoảng cách đến điểm cần ước lượng, với giả thiết rằng giá trị tại các điểm cần tính là trung bình trọng số của các giá trị lân cận.
Phương pháp IDW (Inverse Distance Weighting) cho rằng khoảng cách giữa các giá trị tại điểm mẫu trong khu vực lân cận có ảnh hưởng đến điểm cần tính Cụ thể, những điểm gần với điểm dự báo sẽ có tác động lớn hơn so với những điểm ở xa.
Z s là giá trị được dự báo tại điểm s 0
N là số điểm mẫu trong khu vực lân cận của điểm s0 Các trọng số λi phụ thuộc vào khoảng cách từ mỗi điểm mẫu đến điểm s0 Giá trị z(s) được đo đạc tại mỗi điểm mẫu i.
Khoảng cách di0 giữa điểm dự báo s0 và điểm mẫu si được xác định bởi tham số p, biểu thị tốc độ giảm trọng số khi khoảng cách tăng 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 trên nghịch đảo của khoảng cách, được nâng lên thành một hàm mũ Tham số số mũ trong IDW cho phép điều chỉnh tầm quan trọng của các điểm đã biết đối với giá trị nội suy, tùy thuộc vào khoảng cách của chúng đến điểm đầu ra Giá trị số thực này thường nhỏ hơn 0, với giá trị mặc định trong phần mềm QGIS là 2.
Số mũ cao hơn 2 làm tăng trọng số của các điểm gần, dẫn đến việc các dữ liệu gần có ảnh hưởng lớn hơn và bề mặt có nhiều chi tiết hơn, trở nên kém mịn hơn Khi số mũ tăng, giá trị nội suy gần gũi với điểm mẫu gần nhất, trong khi số mũ thấp hơn tạo ra ảnh hưởng lớn hơn đến các điểm xa hơn, tạo ra bề mặt mịn hơn.
Trong luận văn này, tác giả đã chọn giá định mặc định được quy định bởi QGIS nhằm đảm bảo sự cân bằng giữa các điểm gần và điểm xa so với điểm cần nội suy.
Các bước lập bản đồ thiếu hụt nguồn nước bằng công cụ GIS:
1 Các chỉ tiêu hạn hán đã xây dựng trước đây cho từng loại hạn có mức phân loại khác nhau Để thống nhất xây dựng bản đồ thiếu hụt nguốn nước, mức độ hạn được phân lại thành 3 mức chính đó là hạn nặng, hạn vừa, hạn nhẹ, và không hạn ứng với giá trị SPI6 Bản đồ thiếu hụt nguồn nước được tính toán trên mức trung bình của chỉ tiêu này
2 Bản đồ tổng hợp ứng với các các SPI được xác định dựa trên bản đồ ứng với các chỉtiêu tương ứng theo các chỉ tiêu chọn
3 Ứng dụng công cụGIS để tính toán thể hiện hạn hán trên địa bản tỉnh Trên cơ sở này xác định phạm vi hạn hán ứng với các nguy cơ hạn hán khác nhau.
KẾ T QU Ả VÀ TH Ả O LU Ậ N
Di ễ n bi ến lượng mưa
Lượng mưa trung bình hàng năm trên lưu vực sông Cả có sự biến động mạnh mẽ, dao động từ 1.133 đến 1.700mm ở các khu vực ít mưa như Tương Dương, Mường Xén, Cửa Rào và hạ sông Hiếu Trong khi đó, các vùng mưa vừa và lớn như thượng nguồn sông Hiếu có lượng mưa từ 2.000 đến 2.100mm, và khu vực sông Giăng từ Cửa Rào - Nghĩa Khánh đến Dừa có lượng mưa trung bình từ 1.800 đến 2.100mm Vùng sông Ngàn Phố và Ngàn Sâu ghi nhận lượng mưa đạt từ 2.200 đến 2.400mm, trong khi đồng bằng ven biển có lượng mưa từ 1.800 đến 1.900mm Các khu vực tâm mưa lớn nhất tập trung tại thượng nguồn sông Hiếu, 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 tại lưu vực sông Cả và sông Hiếu có sự thay đổi theo từng vị trí Ở 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 Ngược lại, tại trung và hạ du sông Cả, mùa mưa bắt đầu từ tháng 6 và kéo dài đến tháng 10, 11, với tháng 11 ghi nhận lượng mưa lớn nhất vào tháng 8, 9 và 10.
Mùa mưa ở khu vực phía Nam của lưu vực, như sông Ngàn Phố và Ngàn Sâu, bắt đầu từ tháng Tám và kết thúc vào tháng Mười Trong mùa mưa, lượng mưa chiếm từ 80% đến 87% tổng lượng mưa hàng năm, trong khi phần còn lại là mùa ít mưa.
Mùa mưa thường diễn ra từ Bắc vào Nam, bắt đầu từ thượng nguồn đến hạ du Trong giai đoạn này, có hai đỉnh mưa chính vào tháng Năm và tháng Sáu, với sự gia tăng hoạt động của gió mùa Tây Nam Gió mùa này gây ra mưa tiểu mãn trong tháng Năm và tháng Sáu, góp phần làm tăng lũ tiểu mãn trong mùa mưa Tổng lượng mưa trong hai tháng này chiếm khoảng 20% lượng mưa cả năm tại các trạm thượng nguồn sông Cả.
Trận lũ tiểu mãn ở Hiếu, Ngàn Phố, Ngàn Sâu đã xảy ra với quy mô lớn tương tự như các trận lũ lịch sử vào tháng 5 năm 1943 và tháng 5 năm 1989 Đặc biệt, trận mưa vào tháng 5 năm 1989 đã gây ra lũ lịch sử trên sông Ngàn Phố, với lượng mưa tối đa đạt 483mm trong một ngày tại Kim Cương và 296mm tại Hoà Duyệt vào ngày 26 tháng 5 năm 1989.
Gió mùa Tây Nam gây ra thời tiết khô nóng do hiện tượng Fơn, với lượng mưa đạt cực đại vào tháng 5 và 6, trong khi tháng 7 có lượng mưa tối thiểu Khi gió Lào hoạt động mạnh, lượng mưa tháng 7 giảm chỉ còn 5-10% tổng lượng mưa năm.
Vào các tháng VIII, IX và X, dải hội tụ nhiệt đới di chuyển dần về phía Nam, kết hợp với các hình thái 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 lớn 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 ảnh hưởng ít hơn từ bão.
Lượng mưa cực tiểu tháng II vùng Mường Xén, Cửa Rào, thượng nguồn sông
Trong tháng này, Hiếu chỉ ghi nhận lượng mưa từ 6 đến 12mm, tương tự như các tháng khác Lượng mưa trong tháng II chỉ chiếm từ 1 đến 2% tổng lượng mưa cả năm Tổng lượng mưa trong 5 tháng mùa khô, từ tháng XII đến tháng IV, chỉ chiếm từ 10 đến 20% lượng mưa hàng năm.
Biến động lượng mưa theo thời gian khá mạnh mẽ Lượng mưa năm lớn nhất đạt 3.520mm năm 1989 tại Vinh, 3.670mm năm 1989 tại Hoà Duyệt, 3.470mm năm
1978 tại Đô Lương và từ 2.500 2.700mm tại các vùng thượng sông Cả, sông Hiếu Lượng mưa năm nhỏ nhất biến động tuỳ theo các vùng, vùng ít mưa như
Khe Bố, Mường Xén, Cửa Rào có năm lượng mưa chỉ đạt 500 700mm Vùng mưa nhiều năm ít mưa nhất đạt từ 1.200 1.500mm
Hệ số biến sai Cv mưa năm dao động từ 0,25 0,35
Hình 3 1 S ố li ệu mưa thực đo (Trạ m Qu ỳnh Lưu)
Hình 3 2 S ố li ệu mư thực đo (Trạm Kim Cương) ố ệu mưa thực đo (Trạ ỳ ợ
B ả ng 3 1 T ỷ l ệ mưa năm phân theo mùa trung bình nhiều năm
TT Tên Tr ạ m Li ệ t tài li ệ u
Mùa mưa Mùa khô Năm
4 Qu ỳnh Lư u 1960-2015 VI-X 1243 78 XI-V 346 22 1589
Phân tích tình tr ạ ng thi ế u h ụ t ngu ồn nướ c d ự a trên ch ỉ s ố SPI
Đánh giá sự thiếu hụt nguồn nước gây ra hạn hán được thực hiện thông qua việc tính toán chỉ số SP6 tại các trạm khí tượng và chỉ số SPI trung bình, được xác định 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 các năm 1998-2001, 2003-2005 và 2014-2015, tiếp tục ảnh hưởng đến năm 2016 Xu thế này tương đồng ở các trạm đại diện cho các vùng miền núi, đồng bằng và ven biển, cho thấy rằng gần như toàn bộ lưu vực sông Cả đều bị ảnh hưởng bởi hạn hán và thiếu hụt nước trong quá khứ, mặc dù mức độ ảnh hưởng có sự khác biệt.
Hình 3 4 Ch ỉ s ố SPI 1, 3 và 6 tr ạ m Qu ỳ H ợ p
Khi xem xét chỉ số SPI3, có thể thấy xu hướng tương đồng về các giai đoạn 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, điển hình là tình trạng thiên tai hạn hán xảy ra tại tỉnh Nghệ An vào năm 2015, khi hạn hán diễn ra trên diện rộng và kéo dài từ năm 2014 đến 2016.
Hình 3 5 Xu th ế di ễ n bi ế n h ạ n hán vùng LVS C ả d ự a vào ch ỉ s ố SPI
Các 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 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 cho thấy ít đợt nhiều nước xen kẽ với các đợt ít nước Đánh giá trên khoảng thời gian ngắn hơn bằng SPI3 giúp nhận diện rõ ràng sự xen kẽ này Việc nhận diện sự xen kẽ giữa các giai đoạn dồi dào và thiếu hụt 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 những năm gần đây cho thấy rõ các xu thế hạn hán Cụ thể, vào các năm 2015 và 2005, hầu hết các khu vực trong lưu vực đều trải qua tình trạng hạn hán nghiêm trọng, dẫn đến sự 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 đã cho phép triết xuất diện tích hạn theo các đơn vị hành chính Bảng 3.2 trình bày diện tích bị hạn đầu năm 2015 tại các huyện trong vùng nghiên cứu, với các khu vực chịu ảnh hưởng nặng nề như Vinh, Yên Thành, Con Cuông, Thanh Chương, Anh Sơn, Hưng Nguyên, và Đô Lương Tổng diện tích hạn rất nặng trong vùng lên tới hơn 138.000 ha, trong khi hạn nặng đạt gần 578.000 ha và hạn thông thường là hơn 350.000 ha Kết quả đánh giá này phản ánh đúng thực tế, khi Nghệ An đã công bố tình trạng thiên tai hạn vào năm 2015.
B ả ng 3 2 Phân c ấ p h ạ n theo di ệ n tích các huy ệ n LVS C ả năm 2015 (theo ch ỉ s ố SPI6)
Di ệ n tích theo c ấp độ h ạ n (ha)
Di ệ n tích theo c ấp độ h ạ n (ha)
B ả ng 3 3 Di ệ n tích b ị h ạ n theo ch ỉ s ố SPI6 năm 2005
Di ệ n tích theo c ấp độ h ạ n (ha)
Di ệ n tích theo c ấp độ h ạ n (ha)
Đề xu ấ t gi ả i pháp ứ ng phó, kh ắ c ph ụ c thi ế u h ụ t ngu ồn nước lưu vự c sông
3.5.1 Một số giải pháp công trình (Phải nêu hiện trạng rồi mới đưa ra biện pháp công trình)
Kết quả tính toán và xây dựng bản đồ thiếu hụt nguồn nước mùa khô cho các tiểu vùng cho thấy thiếu hụt lượng mưa mùa khô so với trung bình nhiều năm tại các vùng trung sông Cả, trung và hạ lưu sông Hiếu, vùng sông Nghèn và vùng 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 khoảng thời gian thiếu nước mùa khô.
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 lân cận Do đó, cần tối ưu hóa việc sử dụng nguồn nước từ các hồ chứa như hồ Bản Vẽ, Bản Mồng và Ngàn Trươi để bổ sung cho hạ du Bên cạnh đó, việc xây dựng thêm các công trình mới như Chúc A, Trại Dơi, Đá Gân, Khe Chè, Nước Sốt, Rào Mắc và Thác Muối cũng cần được xem xét để cải thiện nguồn nước Các số liệu về lưu lượng nước có thể khai thác từ các hồ chứa này đã được Viện Quy hoạch Thủy lợi tính toán Đặc biệt, việc ứng dụng chỉ số hạn khí tượng SPI sẽ giúp xác định các vùng thường xuyên bị ảnh hưởng bởi tình trạng thiếu nước trong mùa khô Để tận dụng nguồn nước từ các hồ chứa thượng nguồn, cần nâng cấp và xây dựng mới các trạm bơm, hồ chứa nhỏ, và 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 PTNT, Sở Tài nguyên và Môi trường, Chi Cục Thủy lợi, và Chi Cục Phòng chống và Giảm nhẹ thiên tai là rất quan trọng Việc này giúp làm rõ và giảm thiểu các mâu thuẫn, chồng chéo chức năng giữa các tổ chức quản lý, từ đó nâng cao hiệu quả quản lý tài nguyên 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 Điều này đòi hỏi xây dựng một hình thức tổ chức phù hợp với điều kiện và bối cảnh đặc thù của lưu vực sông tại Việt Nam.
Nhiệm vụ không được trùng lặp với các tổ chức khác trong lưu vực sông, đặc biệt là trong quản lý nước của các tỉnh Cần có cơ chế phù hợp để phối hợp hoạt động với các cơ quan và tổ chức khác, đặc biệt là hệ thống quản lý theo địa giới Việc tham gia trao đổi ý kiến và thống nhất giải quyết mâu thuẫn trong quản lý nước là rất quan trọng, trong đó cần chú trọng sự tham gia của cộng đồng.
3.5.3 Một số giải pháp khoa học công nghệ
- Tăng cườ ng nghiên c ứ u, ứ ng d ụ ng khoa h ọ c công ngh ệ trong công tác qu ản lý, điề u hành khai thác sử dụng nguồn nước
- Nâng cao trình độ cán bộ, trang bị các phương tiện hiện đại để có thể nghiên cứu, tiếp thu và ứng dụng các công nghệ mới
Xây dựng một cơ sở dữ liệu đầy đủ và cập nhật là rất quan trọng để phục vụ cho công tác quản lý và quy hoạch Việc này giúp dễ dàng khai thác thông tin, từ đó xây dựng kế hoạch khai thác nguồn nước hiệu quả hơn.
Ứng dụng các mô hình toán học về thủy văn và thủy lực, cùng với cân bằng nước, giúp đánh giá và quản lý nguồn nước một cách hiệu quả hơn.
Kết quả nghiên cứu đề xuất hợp tác với các cơ quan chuyên môn để phát triển và ứng dụng công nghệ cao, bao gồm việc kết hợp công nghệ viễn thám với mô hình toán học Mục tiêu là tạo dựng cơ sở dữ liệu vững chắc, bổ sung thông tin còn thiếu và xây dựng các kịch bản sẵn sàng ứng phó với các tình huống khác nhau.