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 hụt lượng mưa, bốc hơi lớn và khai thác quá mức nguồn nước Hiện tượng này có thể xảy ra ở mọi vùng khí hậu trên thế giới, với đặc điểm và mức độ khác nhau giữa các khu vực Khác với khô hạn, hạn hán là sự thay đổi tạm thời trong khí hậu, xảy ra hàng năm với các yếu tố thời tiết và tác động không giống nhau.
Trong những năm gần đây, sự phát triển của đất nước đã mang lại những thay đổi tích cực cho nền kinh tế các tỉnh trên lưu vực sông Cả, với cơ cấu kinh tế chuyển dịch theo hướng công nghiệp - dịch vụ - nông nghiệp Sự ra đời của nhiều khu công nghiệp, khu kinh tế và khu đô thị mới đã làm gia tăng đáng kể nhu cầu nước cho các ngành.
Thời tiết khí hậu đang diễn biến ngày càng phức tạp, ảnh hưởng đến thời gian xuất hiện lũ và hạn Diễn biến mực nước trên các sông ngày càng bất lợi cho công tác phòng lũ, với những trận lũ lớn xảy ra vào các năm 1978, 1988, 2002, 2007 và trận lũ nghiêm trọng nhất vào năm 2010, gây tổn thất nặng nề cho kinh tế và xã hội Về hạn, mức độ hạn cũng gia tăng, ảnh hưởng nghiêm trọng đến sản xuất, đặc biệt là trong các năm 2005, 2007 và 2010.
Nghệ An và Hà Tĩnh, nằm trong lưu vực sông Cả, đang đối mặt với 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 chịu ảnh hưởng nặng Hàng trăm hệ thống hồ ở đây đã xuống gần mực nước chết, và một số nơi như sông Cả tại Nam Đàn và sông La tại Linh ghi nhận mực 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 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, chúng ta 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 như lượng mưa, cường độ bức xạ mặt trời, nhiệt độ bề mặt đất trung bình và độ che phủ đất đều ảnh hưởng 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, và Tân Kỳ (nhánh sông Hiếu), cùng với Kỳ Sơn, Tương Dương, Con Cuông, Anh Sơn, Đô Lương, Thanh Chương, Nam Đàn, và Hưng Nguyên (dòng chính sông Cả) Sự sử dụng nước từ hệ thống thủy lợi hiện nay ở Nghệ An trong mùa kiệt có mối liên hệ chặt chẽ với các huyện hưởng lợi như Yên Thành, Diễn Châu, Quỳnh Lưu (thuộc hệ thống thủy nông Diễn Yên Quỳnh - Bắc Nghệ An), thành phố Vinh, thị xã Cửa Lò, Nghi Lộc, và Hưng Nguyên (trong hệ thống Nam Hưng Nghi - Nam Nghệ An).
Tỉnh Hà Tĩnh có lưu vực sông Cả trải dài qua các huyện Hương Sơn, Hương Khê, Vũ Quang, Nghi Xuân, cùng với các vùng hưởng lợi như Can Lộc, Thạch Hà và Đức Thọ, bao gồm cả thị xã trong khu vực này.
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, các vùng sản xuất nông nghiệp và khu vực 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
Để tiếp cận hiệu quả, chúng ta sử dụng các mô hình khí hậu toàn cầu kết hợp với công cụ xử lý ảnh vệ tinh Erdas và phần mềm GIS ArcGIS để phân tích không gian.
Phương ph áp nghiên c ứ u
- Phương pháp thu thập, thống kê, phân tích số liệu;
- Phương pháp xử lý số liệu mưa từ vệ tinh (CHIRPS);
- Phương pháp ứng dụng phần mềm tính toán chỉ số chỉ số chuẩn hoá lượng mưa SPI từ mưa vệ tinh;
- Phương pháp ứng dụng GIS, công cụ nội suy GIS… để xây dựng bản đồ phân bổ thiếu hụt nguồn nước.
TỔNG QUAN ỨNG DỤNG CÔNG NGHỆ KHÔNG GIAN
T ổ ng quan ứ ng d ụ ng công ngh ệ không gian trong nghiên c ứ u h ạ n hán
1.1.1 Tổng quan trên thế giới
* Hạn hán, thiếu hụt nguồn nước và chỉ số đánh giá
Trong những thập kỷ qua, hạn hán đã xảy ra ở nhiều nơi trên thế giới, gây thiệt hại kinh tế và ảnh hưởng đến đời sống con người cũng như môi trường sinh thái Mỗi năm, khoảng 21 triệu ha đất trở thành đất không có năng suất do hạn hán, trong khi số dân sống ở các vùng khô cằn gặp rủi ro đã tăng hơn 80% trong gần 25 năm qua Hơn 1/3 diện tích đất đai toàn cầu đã bị khô cằn, nơi có 17,7% dân số thế giới sinh sống Cùng với hạn hán, hoang mạc hóa cũng đang lan rộng từ các vùng khô hạn đến cả những khu vực bán ẩm ướt, với diện tích hoang mạc hóa lên đến 39,4 triệu km², chiếm 26,3% diện tích đất tự nhiên toàn cầu.
Hạn hán đang đe dọa 250 triệu người trên toàn cầu, với 100 quốc gia chịu ảnh hưởng nghiêm trọng Nguy cơ đói và khát do tình trạng này không chỉ tác động đến cuộc sống của con người mà còn ảnh hưởng đến môi trường khí hậu toàn cầu (WMO [1]).
Hạn hán thường gây ảnh hưởng rộng rãi, mặc dù ít khi là nguyên nhân trực tiếp gây thiệt hại về nhân mạng Theo Trung tâm giảm nhẹ hạn hán quốc gia Mỹ, thiệt hại kinh tế do hạn hán hàng năm ước tính từ 6-8 tỷ USD, so với 2,41 tỷ USD do lũ và 1,2-4,8 tỷ USD do bão Đặc biệt, đợt hạn hán lịch sử vào năm 1988-1989 đã gây thiệt hại lên tới 39-40 tỷ USD, vượt xa thiệt hại kỷ lục từ lũ lụt, chỉ khoảng 15-27,6 tỷ USD.
Hạn hán và bão đã gây thiệt hại kinh tế lớn, với bão năm 1992 ước tính tổn thất lên tới 25-33,1 tỷ USD Nhiều quốc gia như Ấn Độ, Pakistan và Australia cũng chịu ảnh hưởng nghiêm trọng từ hạn hán Sự kiện El Nino năm 1997-1998 đã dẫn đến cháy rừng quy mô lớn tại Indonesia, gây tổn thất kinh tế nặng nề Theo dự báo của Liên Hiệp Quốc, đến năm 2025, 2/3 diện tích đất canh tác ở châu Phi, 1/3 ở châu Á và 1/5 ở Nam Mỹ sẽ không còn khả năng sử dụng, đe dọa khoảng 135 triệu người phải di cư để tìm kiếm sinh kế.
Trên thế giới, nhiều tác giả đã nghiên cứu về hạn hán, nhưng do tính phức tạp của hiện tượng này, vẫn chưa có phương pháp chung cho các nghiên cứu Để xác định, nhận dạng, giám sát và cảnh báo hạn hán, các chỉ số hạn hán là công cụ chính Việc theo dõi biến động của các chỉ số này giúp xác định sự khởi đầu, thời gian kéo dài và cường độ hạn Các chỉ số hạn hán có thể là hàm của các biến đơn như lượng mưa, nhiệt độ, bốc thoát hơi, dòng chảy, hoặc tổng hợp của nhiều biến Mỗi chỉ số có ưu nhược điểm riêng và được lựa chọn phù hợp với điều kiện từng quốc gia Việc xác định hạn hán không chỉ dựa vào dữ liệu quan trắc mà còn áp dụng cho dữ liệu từ mô hình khí hậu khu vực và toàn cầu Trong nghiên cứu hạn hán, việc xác định các đặc trưng như sự khởi đầu, 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.
Nghiên cứu về hạn hán toàn cầu của Aiguo Dai và cộng sự, cùng với các phân tích khu vực của Benjamin Lloyd-Hughes & Mark A Saunders, cho thấy số đợt hạn, thời gian kéo dài và tần suất của hạn hán đã gia tăng đáng kể Nico Wanders và cộng sự đã phân tích 18 chỉ số hạn hán để 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 năm 1980 đến 2000, tần suất và mức độ hạn hán tăng lên, điển hình như ở Cộng hòa Séc, nơi cứ 5 năm lại xảy ra hạn hán nghiêm trọng Tại Hy Lạp, hạn hán mùa hè ảnh hưởng nặng nề đến nông nghiệp và cung cấp nước, trong khi ở Cộng hòa Moldova, hạn hán nặng xảy ra mỗi 2 năm vào mùa thu Thời gian kéo dài của hạn hán cũng gia tăng, có thể kéo dài từ vài tháng đến vài năm Nghiên cứu trên toàn lãnh thổ Châu Âu cho thấy thời gian hạn hán trung bình là 48 ± 17 tháng, với tần suất cao hơn ở lục địa và thời gian kéo dài nhất ở Italia, 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 khô hạn kéo dài 4-5 năm từ 1997 đến 2003 Nghiên cứu toàn cầu về hạn hán cho thấy đây là hiện tượng phức tạp do cả nguyên nhân tự nhiên và con người, trong đó các yếu tố tự nhiên như sự dao động của khí quyển và nhiệt độ mặt nước biển (như El Nino) cùng với các nguyên nhân nhân tạo như nhu cầu nước tăng cao, phá rừng, ô nhiễm môi trường, và quản lý nước kém bền vững góp phần làm trầm trọng thêm tình trạng hạn hán Hiện nay, nhiều chỉ số hạn khác nhau đã được phát triển và áp dụng trên toàn thế giới, như chỉ số Ivanov, Budyko, và Palmer, nhưng không có chỉ số nào vượt trội hơn trong mọi điều kiện Việc lựa chọn chỉ số phụ thuộc vào điều kiện cụ thể của từng vùng và hệ thống cơ sở dữ liệu quan trắc hiện có.
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, đưa ra dự báo chính xác và cảnh báo kịp thời nhằm giúp cộng đồng ứng phó hiệu quả với tình trạng khô hạn.
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 các số liệu mưa được đo đạc tại các trạm khí tượng thủy văn truyền thống, hiện nay có nhiều cơ quan cung cấp dữ liệu mưa vệ tinh, trong đó các nguồn dữ liệu phổ biến như CHIRPS, TRMM và CMORPH đóng vai trò quan trọng trong việc theo dõi lượng mưa toàn cầu.
- 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 tại chỗ Điều này cho phép tạo ra chuỗi thời gian mưa dưới dạng lưới, phục vụ cho việc phân tích và theo dõi hạn hán theo mùa.
Hình 1 1 D ữ li ệu mưa CHIRPS cho châu Phi ng ày 04-04-2017
TRMM 3B42 (Tropical Rainfall Measuring Mission) là sản phẩm hợp tác giữa NASA và JAXA nhằm giám sát lượng mưa ở vùng nhiệt đới và cận nhiệt đới, đồng thời ước tính hệ thống nhiệt tiềm ẩn Vệ tinh TRMM sử dụng các công cụ đo mưa như Radar lượng mưa (PR) hoạt động ở tần số 13,8 GHz, TRMM Microwave Image (TMI) với chín kênh đo phóng vi sóng thụ động, và VIRA (Visible and Infrared Scanner) có khả năng chiếu xạ hồng ngoại Thuật toán 3B42 được thiết kế để tạo ra tỷ lệ lượng mưa kết hợp hồng ngoại từ TRMM (IRM) và ước tính sai số lượng mưa (RMSE).
Hình 1 2 D ữ li ệu mưa TRMM từ năm 2000 -2008 ở Nepal
- CMORPH là dữ liệu mưa được tạo ra bởi kỹ thuật CMORPH (MORPHing
CPC, sản phẩm của Cục Đại dương và Khí quyển quốc gia Hoa Kỳ, cung cấp phân tích lượng mưa toàn cầu với độ phân giải không gian và thời gian cao Kỹ thuật này dựa trên ước tính lượng mưa từ tàu thăm dò thấp và quan sát lò vi sóng vệ tinh, đồng thời sử dụng 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 hàng 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 hình dạng phát triển từ Tây Bắc đến Đông Nam, với phần lớn diện tích là đồi núi, trong đó chỉ 19% diện tích Việt Nam và 14% toàn lưu vực có độ dốc phù hợp cho nông nghiệp Địa hình sông Cả có thể chia thành các dạng chính, bao gồm đồng bằng và đồng bằng ven biển Đồng bằng sông Cả trải dài hai bên bờ sông từ trung lưu trở xuống, bao gồm các huyện Đô Lương, Thanh Chương, Nam Đàn, và Hưng Nguyên, nơi tập trung phát triển kinh tế xã hội Cao độ đồng bằng ven sông Cả thay đổi từ +10 đến +15m tại Đô Lương, +7 đến +8m tại Thanh Chương, +2,5 đến +1,0m tại Nam Đàn và Hưng Nguyên, và +2,0 đến +0,0m tại Đức.
Thọ, Thạch Hà Tổng diện tích mặt bằng vùng đồng bằng chiếm khoảng 10% diện tích lưu vực sông Cả và khu hưởng lợi
Hình 1 4 B ản đồ h ành chính lưu vự c sông C ả b.Vùng đồi trung du
Trung du lưu vực sông Cả tọa lạc tại các huyện Nghĩa Đàn, Quỳ Hợp, Tân Kỳ, Anh Sơn, Thanh Chương, Vũ Quang, Hương Sơn và Hương Khê Khu vực này có địa hình phức tạp, với sự kết hợp giữa đồi bát úp, đồi cao và các thung lũng thấp.
Bãi Tập - Quỳ Hợp, vùng sông Sào - Nghĩa Đàn, và trung tâm huyện Hương Khê, Vũ Quang, 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 tập trung chủ yếu ở phía Tây, Tây Bắc và Tây Nam lưu vực, kéo dài từ Đồng Văn, Thông Thụ (Quế Phong) đến Hương Liên (Hương Khê - Hà Tĩnh), với các dãy núi như Giăng Màn và dãy núi biên giới từ Nậm Mô đến cửa khẩu Cầu Treo Cao độ của địa hình này từ +12.000 đến +15.000m, tạo thành bức tường thành ngăn cách lưu vực sông Mê Kông và sông Cả Các huyện miền núi cao như Kỳ Sơn, Tương Dương, và Con Cuông thuộc lưu vực sông Cả, có độ dốc lớn và thung lũng hẹp, với diện tích đất canh tác chỉ chiếm 1,5-2% tổng diện tích Đây là vùng đất chủ yếu dành cho lâm nghiệp phòng hộ đầu nguồn, chiếm tới 60-70% diện tích lưu vực.
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 của chúng.
B ả ng 1 2 Phân lo ại đấ t đai trên lưu vự c sông C ả
Tổng diện tích điều tra thổ nhưỡng 19.626.650
Trong đó diện tích các loại đất (đã trừ sông suối và núi đá) 1.747.309 100,00
Trong đó nhóm phù sa dốc tụ 240.000 80,00
- Nhóm đất Feralit vàng vùng đồ i (170200m) 423.861 27,9
- Nhóm Feralit vàng trên núi từ 170200m đến 8001000m 651.584 42,9
- Nhóm Feralit vàng trên núi t ừ 800 1000m đế n
Nguồn: Theo số liệu điều tra thổnhưỡng năm 1990
Toàn bộ lưu vực sông Cả thuộc miền uốn nếp Bắc bộ và miền uốn nếp Varixêt Đông Dương, với ranh giới giữa hai miền này được xác định bởi đới khâu sông.
Nghiên cứu trong chuyên khảo “Thành hệ địa chất và địa động học Việt Nam 1993” của Nguyễn Xuân Tùng chỉ ra rằng lưu vực sông Cả nằm trong lĩnh vực Bắc bộ - Dương Tử - KaTaZia, thuộc đai vỏ lục địa Bắc Trường Sơn từ thời kỳ Paleozoi Trong giai đoạn trước Cambri đến Paleozoi sớm và muộn, khu vực này 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 mang tính orogen đã 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, 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 tại chân núi cao 1.067m Đến Bản Vẽ, sông chuyển hướng chảy Bắc - Nam đến Cửa Rào, nơi nó hợp lưu với nhánh Nậm Mô và tiếp tục chảy theo hướng Tây Bắc - Đông Nam Sông Cả có diện tích lưu vực 27.200km², trong đó 9.740km² chảy trên đất Lào và phần còn lại nằm 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 của sông rộng và sâu, trong khi đoạn trung lưu lại rộng nhưng nông Phần thượng nguồn nổi bật với nhiều ghềnh thác, hai bên là núi cao và đồi Khu vực thượng nguồn còn có nhiều vị trí tiềm năng để xây dựng kho nước phục vụ lợi ích tổng hợp Sông Cả không có phân lưu và chỉ có một cửa thoát duy nhất.
Sông Hiếu là một chi lưu bên trái của sông Cả, nằm ở đoạn giữa 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 huyện Quế Phong Sông chảy theo hướng Tây Bắc - Đông Nam, gần như song song với dòng chính của sông Cả.
Cả Đến Nghĩa Đàn dòng chảy đổi hướng theo hướng Bắc Nam Từ thị trấn Tân
Kỳ dòng chảy lại đổi hướng theo Đông Nam - Tây Bắc và nhập vào sông Cả tại
Ngã ba Cây Chanh là một vị trí quan trọng 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, trong mùa kiệt, lưu lượng nước trên sông Hiếu có thể giảm xuống chỉ còn 6-7 m³/s, không đủ để đáp ứng nhu cầu nước của 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 này, sông Chàng và sông Dinh là hai chi lưu lớn, đóng vai trò là nguồn nước quan trọng cho sông Hiếu tại khu vực miền núi.
Sông Nậm Mô, bắt nguồn từ rừng núi tỉnh Bôlikhăm Xay (Lào), chảy vào Việt Nam tại Làng Nhãn, huyện Kỳ Sơn Tại Lào, sông chảy theo hướng Bắc Nam quanh đỉnh Huổng Mang Ngai (2406m), sau đó đổi dòng theo hướng Đông Nam - Tây Bắc Đến bản Suông Hang, sông tiếp tục đổi hướng Tây Bắc - Đông Nam và hợp lưu với 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 trên đất Việt Nam dài 89 km Từ thượng nguồn đến đoạn nhập lưu, sông Nậm Mô có nhiều vị trí tiềm năng để xây dựng hồ chứa nhằm phát điện và điều tiết nước cho hạ du Thượng nguồn của sông Nậm Mô chảy qua các vùng núi đá cao với độ cao trung bình trên 1.000 m.
Sông Giăng là một phụ lưu phía hữu sông Cả, cách đập Đô Lương khoảng 20km về hạ lưu, bắt nguồn từ dãy núi Phu Long cao 1.330m ở phía Tây Nghệ An, thuộc vùng núi Môn Sơn - Lục Giã Với diện tích lưu vực 1.05km², sông Giăng nằm trong khu vực có lượng mưa lớn, tạo nên lòng sông rộng, nông và nhiều bãi bồi Hướng chảy chính của sông Giăng song song với sông Cả đến Thác Muối, sau đó đổi hướng Tây Đông tại cửa ra vào sông Cả theo hướng Bắc Nam Sông Giăng đóng vai trò quan trọng trong việc cung cấp nước cho sông Cả.
CÔNG C Ụ VÀ PHƯƠNG PHÁP NGHIÊN CỨ U (C ầ n vi ế t chi
Cách tiếp cận nghiên cứu
Hạn hán là một hiện tượng tự nhiên không thể tránh khỏi, với tần suất lặp lại cao (D.A Wilhite) Đánh giá hạn hán dựa vào thời gian, mức độ, sự lan rộng và tác động 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, nên việc đánh giá và cảnh báo hạn khí tượng rất quan trọng cho công tác phòng chống hạn hán Ưu điểm của hạn khí tượng là yêu cầu ít dữ liệu đầu vào như mưa và nhiệt độ, giúp áp dụng rộng rãi trên toàn cầu Phân tích đặc trưng không gian và thời gian của hạn khí tượng, cùng các nhân tố gây ra hạn hán, có ý nghĩa quan trọng trong quản lý tài nguyên nước và giảm thiểu thiệt hại do hạn hán Do đó, tác giả sẽ tập trung nghiên cứu hạn khí tượng trong luận văn này.
Trong việc xác định và giám sát hạn hán, các chỉ số hạn hán đóng vai trò quan trọng Theo dõi biến động của các chỉ số này giúp xác định thời điểm, thời gian kéo dài và cường độ của hạn hán Các chỉ số hạn hán có thể là hàm của những biến đơn như lượng mưa, nhiệt độ, bốc thoát hơi và dòng chảy, hoặc là sự tổng hợp của nhiều biến Mỗi chỉ số có ưu điểm và nhược điểm riêng, và các quốc gia lựa chọn chỉ số phù hợp với điều kiện địa phương Việc sử dụng các chỉ số hạn hán không chỉ dựa vào dữ liệu quan trắc mà còn có thể áp dụng cho dữ liệu từ mô hình khí hậu khu vực và toàn cầu.
Nghiên cứu về cảnh báo sớm hạn khí tượng tại Việt Nam đã áp dụng nhiều chỉ số khác nhau để đánh giá và dự báo tình hình hạn hán Đào Xuân Học sử dụng chỉ số khô hạn Sazonop cho các tỉnh DHMT, trong khi Nguyễn Quang Kim phát triển phần mềm dự báo hạn khí tượng dựa trên chỉ số SPI Nguyễn Văn Thắng cũng áp dụng chỉ số SPI để dự báo hạn cho bảy vùng khí hậu ở Việt Nam Ngoài ra, Nguyễn Lương Bằng đã kết hợp hai chỉ số SPI và SPEI để dự báo hạn khí tượng cho tỉnh Khánh Hòa.
Chu trình tuần hoàn nước cho thấy các thành phần phản ứng với lượng mưa tích lũy ở mức độ khác nhau, với nước mặt phản ứng nhanh hơn so với nước dưới đất T.B McKee và cộng sự đã phát triển chỉ số chuẩn hóa lượng mưa SPI để diễn giải đặc tính của hạn hán SPI cho phép tính toán trong nhiều thời kỳ khác nhau bằng cách chuyển đổi dữ liệu mưa thành hàm tiêu chuẩn hóa, đồng thời giúp so sánh hạn hán ở các vùng có điều kiện thời tiết khác nhau Tuy nhiên, SPI cũng có những hạn chế, như yêu cầu dữ liệu ít nhất 30 năm 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 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 Nghiên cứu và ứng dụng chỉ số này tại Việt Nam đã cho thấy tính phù hợp của nó trong việc đánh giá và cảnh báo tình trạng hạn hán.
Để đánh giá tình hình hạn hán trong vùng nghiên cứu, luận văn này sẽ sử dụng chỉ số SPI để phân tích sự thiếu hụt lượng mưa (hạn khí tượng) theo các giai đoạn 3 tháng và 6 tháng Lượng mưa trong các thời đoạn tương ứng sẽ là yếu tố đầu vào quan trọng Hơn nữa, số lượng và chất lượng của tài liệu mưa có ảnh hưởng lớn đến độ chính xác của các mô hình toán học được sử dụng.
Hiện tại, lưu vực sông Cả chỉ có 23 trạm đo mưa hoạt động, với mật độ lưới trạm đạt 778 km²/trạm, vượt tiêu chuẩn tối thiểu 575 km²/trạm của WMO Các trạm quan trắc chủ yếu tập trung ở vùng đồng bằng và thị trấn trong thung lũng sông, trong khi khu vực núi cao lại thiếu trạm đo mưa, đặc biệt là các trạm tự ghi, chỉ có một số ít trạm khí hậu có thiết bị này.
Dữ liệu từ các trạm đo mưa do Bộ Tài Nguyên Môi Trường quản lý có chất lượng tốt, trong khi các trạm đo mưa chuyên dụng tại nông trường hoặc vùng sâu, vùng xa thường gặp vấn đề về độ tin cậy và có thể bị gián đoạn (Viện Quy hoạch Thủy lợi, 2012).
Tài liệu đo mưa trên lưu vực sông Cả có nhiều khoảng trống về không gian và thời gian Để khắc phục vấn đề này, luận văn kết hợp dữ liệu mưa vệ tinh nhằm bổ sung những thiếu sót và tính toán chỉ số SPI cho lưu vực Sử dụng công nghệ GIS, nghiên cứu tạo bản đồ phân bố sự thiếu hụt nguồn nước (hạn khí tượng) cho toàn vùng với các lượng mưa khác nhau Kết quả tính toán cho phép xác định diện tích bị hạn tại từng địa phương với các cấp độ hạn khác nhau, từ đó đề xuất các giải pháp thích ứng phù hợp.
Thu thập, phân tích số liệu mưa thực đo
2.2.1 Xác định mạng lưới trạm
Lựa chọn các trạm đo trong số 23 trạm mưa đang hoạt động trong khu vực nghiên cứu để tính toán chỉ số thiếu hụt nguồn nước dựa trên các tiêu chí đã xác định.
To calculate the Standardized Precipitation Index (SPI) reliably, a continuous dataset of at least 30 years of rainfall data is required This length of data ensures the accuracy and trustworthiness of the SPI 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 đã được thu thập và phân tích từ 9 trạm đã chọn, tuy nhiên một số trạm gặp khó khăn với số liệu không liên tục do việc ghi chép và thống kê không đầy đủ Đối với những số liệu thiếu này, chúng tôi sẽ xem xét và bổ sung từ dữ liệu mưa vệ tinh 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 một nguồn dữ liệu lượng mưa toàn cầu với gần 30 năm lịch sử, được phát triển bởi Cục Khảo sát địa chất Hoa Kỳ (USGS) và nhóm hiểm họa khí hậu (CHG) Dữ liệu này kết hợp hình ảnh vệ tinh có độ phân giải 0.05 ° cùng với thông tin từ các trạm quan trắc tại chỗ, nhằm tạo ra chuỗi thời gian mưa theo dạng lưới Điều này cho phép phân tích và theo dõi tình hình hạn hán theo mùa một cách hiệu quả.
Dựa trên các tiêu chí tính toán chỉ số thiếu hụt nguồn nước và dữ liệu còn thiếu từ các trạm khí tượng đã chọn, dữ liệu mưa CHIRPS đã được thu thập cho lưu vực sông Cả với chuỗi 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 tại trạm Quỳ Hợp trong giai đoạn 1996-2000 cho thấy chỉ số tương quan R² = 0,6, mức này được xem là có thể chấp nhận được Tại trạm Hà Tĩnh, chỉ số R² đạt 0,72, cho thấy mối tương quan khá tốt Phân tích tương tự cho 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 tính toán cho các trạm từ 1996 đến 2000 cho thấy chỉ số NSE thấp nhất tại trạm Quỳ Hợp là 0,64, trong khi trạm Hà Tĩnh có chỉ số NSE cao nhất là 0,90 Điều này cho thấy mức độ tương quan giữa mưa CHIRPS và mưa thực đo trong vùng nghiên cứu được đánh giá từ tốt đến rất tốt.
Dựa trên các phân tích và đánh giá trước đó, có thể sử dụng dữ liệu mưa vệt tính CHIRPS để bổ sung các khoảng trống số liệu cho 9 trạm mưa đã được lựa 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, không hiếm gặp, xuất hiện ở hầu hết các vùng khí hậu với đặc trưng khác nhau Khác với sự khô cằn thường xuyên ở những khu vực ít mưa, hạn là tình trạng thiếu hụt mưa tạm thời Từ những năm 1980, đã có hơn 150 khái niệm về hạn, nhưng nhìn chung, hạn được hiểu là sự 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), và chỉ số hạn khắc nghiệt Palmer Chúng tôi chọn chỉ số SPI để xây dựng mô hình dự báo hạn khí tượng vì nó dựa trên khả năng lượng mưa trong các khoảng thời gian khác nhau và được đánh giá cao về tính đa dụng Hạn khí tượng xảy ra khi có mưa ít hơn trung bình nhiều năm, trong khi hạn nông nghiệp liên quan đến việc thiếu độ ẩm trong sản xuất, và hạn thuỷ văn xảy ra khi nước dự trữ trong các nguồn nước giảm xuống dưới mức trung bình.
Cả ba loại hạn đều có mối liên hệ chặt chẽ với nhau Thiếu mưa và bốc hơi cao có thể gây ra hạn khí tượng, trong khi sự thiếu ẩm trong đất dẫn đến hạn độ ẩm đất, ảnh hưởng đến sự phát triển của cây trồng và gây ra hạn nông nghiệp Hơn nữa, sự thiếu hụt mưa kết hợp với bốc hơi cao làm giảm lượng nước trong lưu vực, giảm cung cấp nước cho nước ngầm, dẫn đến tình trạng cạn kiệt dòng chảy sông suối và gây ra hạn thuỷ văn Do đó, khi đề cập 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 PDSI cho thấy tình trạng hạn hán nặng với chỉ số từ -3,0 đến -3,99 Việc xem xét cả hai yếu tố nguồn nước cung cấp cho thấy rằng hệ thống này không thực sự hiệu quả và đang được sử dụng phổ biến.
Chỉ số PDSI (Palmer Drought Severity Index) được tính toán để thể hiện mức độ hạn hán, với giá trị từ −2,0 đến −2,99 tương ứng với tình trạng hạn vừa Chỉ số này phản ánh sự cân bằng giữa lượng mưa và nhu cầu nước, bao gồm cả bốc hơi, và được áp dụng cho các vùng núi trong quá trình tính toán.
Chỉ số hạn Palmer bốc hơi giảm so với điều kiện bình thường cho thấy tình trạng hạn hán Cụ thể, chỉ số từ -1,0 đến -1,99 cho thấy hạn nhẹ, trong khi từ -0,5 đến -0,99 chỉ ra hạn rất nhẹ Điều này có thể ảnh hưởng đến các khu vực có tuyết bao phủ, cũng như tình hình hạn hán tại Hoa Kỳ và trên toàn thế giới.
Có thể tính toán chỉ số hạn theo cả
Chỉ số Precipitation Index (SPI) được tính từ chuỗi số liệu mưa nhiều năm, nhằm xác định mức độ hạn hán SPI sử dụng tần suất phân bố chuẩn cho dữ liệu mưa, với các mức độ hạn hán được phân loại như sau: từ -1,5 đến -1,99 là hạn nặng, và từ -1,0 đến -1,49 là hạn vừa Chỉ số này có thể được tính cho nhiều khoảng thời gian khác nhau như tuần, tháng, quý hoặc năm, và có khả năng áp dụng cho cả điều kiện ẩm ướt lẫn khô hạn Để đảm bảo tính chính xác, yêu cầu cần có chuỗi số liệu mưa đủ dài và không tính đến bốc hơi.
−0,99 to 0,99: bình thường 1,0,1,2); liên quan tính toán tần suất
Tính toán lượng mưa trong 3 tháng từ chuỗi số liệu mưa đo được cho thấy sự gia tăng đáng kể so với mức bình thường Phương pháp thống kê hiệu quả yêu cầu sử dụng chuỗi số liệu Rainfall Deciles (RD) để phân nhóm mưa theo khí tượng, chia thành 10 nhóm nhỏ Nhóm 3-4 biểu thị lượng mưa nhỏ hơn mức bình quân và cho kết quả tốt khi chuỗi số liệu đủ dài, nhưng ít được ứng dụng tại Úc Nhóm 5-6 gần với mức bình quân và thường được dùng để kiểm tra giới hạn tính 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 ẩm độ Mô hình này yêu cầu nhiều yếu tố chuyên dụng, bao gồm số liệu mưa và các yếu tố khí tượng như nhiệt độ Cụ thể, nếu mức độ ẩm dưới 20% thì được coi là rất khô hạn, từ 20-40% là khô hạn, và từ 40-60% gần bình thường Việc đánh giá này không chỉ áp dụng cho Hoa Kỳ mà còn cho toàn cầu, giúp xem xét điều kiện lịch sử và khí tượng đầu vào.
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
Trong công thức S = D x M, D đại diện cho thời gian dòng chảy trong sông nhỏ hơn mức cao bình thường, trong khi M là lưu lượng trung bình trong sông trong khoảng thời gian dài tương ứng với D.
Để xác định mức độ hạn, cần tiến hành tính toán chuẩn hóa Phương pháp này đơn giản và không yêu cầu thông tin về lưu vực, đồng thời không phân bố mức độ hạn theo tần suất tiêu chuẩn.
T otal water deficit (S) Tổng lượng Hoa Kỳ nước thiếu hụt
Phương pháp tính toán chỉ số PDSI dựa trên mô hình Palmer tương tự như tính S, nhưng yêu cầu tiêu chuẩn tính toán phải chính xác hơn trong việc xác định ranh giới giữa các khu vực khô hạn và ẩm ướt.
Giá trị tính toán phân lớp t ương tự PDSI nhưng đòi hỏi phân khoảng nhỏ hơn.
Sử dụng mô hình cân bằng nước để xác định mức độ ảnh hưởng của cả 2 yếu tố mưa và nhiệt độ.
Không thực sự hiệu quả tính toán cho các vùng núi hoặc vùng có tuy ết bao phủ; cần tính phân bổ tần suất tiêu chuẩn
Index Phần lớn sử dụng ở
(PHDI)- Chỉ số hạn thủy văn Palmer
Hoa Kỳ Surface Water Supply Index
Chỉ số SWSI (Soil Water Supply Index) được tính toán dựa trên mô hình Giá trị tính toán phân lớp, với sự xem xét đến tuyết phủ và lượng trữ nước trong đất Kết quả tính toán của chỉ số này phụ thuộc vào các yếu tố môi trường và điều kiện khí hậu hiện có.
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 và phạm vi ảnh hưởng của nó DAI giúp xác định cường độ ảnh hưởng của điều kiện hạn hán tại từng khu vực, dựa trên các giá trị chỉ số khác nhau Tuy nhiên, chỉ số này không thể phản ánh đầy đủ cường độ hạn hán do sự biến đổi khí hậu và điều kiện địa lý của từng 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 hiển thị các lớp nền trên bản đồ, số liệu SPI1, SPI3, và SPI6 tại 42 vị trí sẽ được đưa lên bản đồ theo tọa độ địa lý của các trạm đo Phương pháp nội suy nghịch đảo khoảng cách (IDW) được áp dụng để nội suy giá trị SPI từ 42 trạm khí tượng thủy văn trong khu vực nghiên cứu, nhằm tạo ra bản đồ thể hiện tình trạng hạn hán của vùng.
Phương pháp nội suy IDW là kỹ thuật nội suy cục bộ xác định, ước lượng giá trị của một điểm bằng cách tính trung bình trọng số các giá trị từ các điểm lân cận Mỗi điểm lân cận có trọng số phụ thuộc vào khoảng cách đến điểm cần ước lượng, với giả định rằng giá trị tại các điểm cần tính là trung bình trọng số.
Phương pháp IDW (Inverse Distance Weighting) cho rằng khoảng cách giữa các giá trị tại các điểm mẫu trong khu vực lân cận ảnh hưởng đến điểm cần tính toán Cụ thể, những điểm gần hơn với điểm dự báo sẽ có tác động lớn hơn so với những điểm xa hơn.
Z s là giá trị được dự báo tại điểm s 0
N là số điểm mẫu trong khu vực lân cận của điểm s0, với λi là các trọng số 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 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) dựa trên nghịch đảo của khoảng cách được nâng lên hàm mũ, với tham số số mũ điều chỉnh tầm quan trọng của các điểm đã biết trong quá trình nội suy Tham số này, là một số thực nhỏ hơn 0, có giá trị mặc định là 2 trong phần mềm QGIS, ảnh hưởng đến cách các giá trị được tính toán dựa trên khoảng cách từ điểm đầu ra.
Số mũ cao hơn 2 làm tăng cường ảnh hưởng của các điểm gần nhất, dẫn đến bề mặt có nhiều chi tiết hơn và kém mịn hơn Khi số mũ tăng, các giá trị nội suy gần gũi với điểm mẫu gần nhất Ngược lại, việc sử dụng số mũ thấp hơn sẽ làm cho các điểm xa hơn có ảnh hưởng lớn hơn, tạo ra bề mặt mịn hơn.
Trong luận văn này, tác giả đã chọn giá định mặc định do QGIS quy định 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 có lượng 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 đạt từ 1.800 đến 2.100mm Vùng sông Ngàn Phố và Ngàn Sâu có lượng mưa trung bình đạt 2.200 đến 2.400mm, trong khi vùng đồng bằng ven biển ghi nhận lượng mưa từ 1.800 đến 1.900mm Các khu vực có lượng mưa lớn nhất tập trung ở 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 ở lưu vực sông Cả và sông Hiếu thay đổi theo vị trí địa lý Tại vùng thượng nguồn, mùa mưa bắt đầu từ tháng 5 và kết thúc vào tháng 10, với lượng mưa lớn nhất vào tháng 8 và ba tháng có lượng mưa cao nhất là tháng 7, 8 và 9 Trong khi đó, ở trung và hạ du, mùa mưa bắt đầu muộn hơn, từ tháng 6 và kéo dài đến tháng 10 hoặc tháng 11, với tháng 11 ghi nhận lượng mưa cao nhất trong các tháng 8, 9 và 10.
Mùa mưa tại vùng sông Ngàn Phố và Ngàn Sâu bắt đầu từ tháng Tám và kéo dài đến tháng Mười, với lượng mưa chiếm tới 80-87% tổng lượng mưa hàng năm, trong khi phần còn lại thuộc về mùa khô.
Mùa mưa ở Việt Nam diễn ra từ Bắc vào Nam, với hai đỉnh cực trị vào tháng Năm và tháng Sáu, cũng như tháng Chín Sự gia tăng lượng mưa trong tháng Năm và tháng Sáu chủ yếu do ảnh hưởng của gió mùa Tây Nam và gió Tín phong Lượng mưa trong hai tháng này có thể chiếm tới 20% tổng lượng mưa hàng năm tại các trạm thượng nguồn sông Cả.
Trận lũ tiểu mãn tại Hiếu, Ngàn Phố, Ngàn Sâu đã diễn 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 tháng 5 năm 1989 đã gây ra lũ lịch sử trên sông Ngàn Phố, với lượng mưa tối đa ghi nhận lên tới 483mm tại Kim Cương và 296mm tại Hoà Duyệt vào ngày 26 tháng 5 năm 1989.
Gió mùa Tây Nam gây ra thời tiết khô nóng do hiện tượng Fơn, với lượng mưa đạt cực đại vào tháng 5 và 6, trong khi tháng 7 lại có lượng mưa tối thiểu Khi gió Lào hoạt động mạnh, lượng mưa tháng 7 chỉ chiếm từ 5 đến 10% tổng lượng mưa hàng năm.
Vào các tháng VIII, IX, X, dải hội tụ nhiệt đới di chuyển về phía Nam, kết hợp với các hiện tượng thời tiết như áp thấp nhiệt đới và bão, dẫn đến 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 khoảng 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 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 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 kết quả tính toán chỉ số SP6 tại các trạm khí tượng, kết hợp với chỉ số bình quân SPI được tính bằng cách trung bình hóa các ô lưới SPI theo từng tháng.
Dựa vào chỉ số SPI6 trung bình, các giai đoạn 1991-1992, 1998-2001, 2003-2005, 2010-2011 và 2014-2015 cho thấy sự thiếu hụt nguồn nước kéo dài so với trung bình nhiều năm, đặc biệt là giai đoạn 1998-2001, 2003-2005 và 2014-2015, kéo dài sang năm 2016 Xu thế này tương đồng với 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 hụt nguồn nước trong những năm điển hình, mặc dù mức độ ảnh hưởng có sự khác biệt.
Hình 3 4 Ch ỉ s ố SPI 1, 3 và 6 tr ạ m Qu ỳ H ợ p
Khi phân tích chỉ số SPI3, ta nhận thấy xu hướng tương đồng về các giai đoạn hạn khí tượng, với tần suất hạn xảy ra nhiều hơn nhưng thời gian mỗi đợt lại ngắn hơn Kết quả đánh giá các giai đoạn hạn hán trong quá khứ cho thấy tính chính xác, điển hình là tình trạng thiên tai hạn hán tại tỉnh Nghệ An vào năm 2015, khi hạn hán diễn ra trên diện rộng và kéo dài từ năm 2014 sang 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 nhiều nước tương đồng với thực tế, như các năm 1990-1991, 1997, đầu năm 2004 và cuối năm 2013 Tuy nhiên, chỉ số SPI6 cho thấy rất ít đợt nhiều nước xen kẽ với các đợt ít nước Đánh giá dựa trên khoảng thời gian ngắn hơn bằng SPI3 cho phép nhận diện sự xen kẽ giữa các giai đoạn dồi dào và thiếu hụt nguồn nước, từ đó cung cấp 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 từ một số năm, như thể hiện trong Hình 3.9, phản ánh rõ rệt các xu hướng hạn hán Đặc biệt, vào các năm 2015 và 2005, hầu hết lưu vực đều trải qua tình trạng hạn hán nghiêm trọng, dẫn đến thiếu hụt nguồn nước mưa.
Hình 15: B ản đồ phân b ố h ạn khí tượ ng theo ch ỉ s ố SPI6 trên LVS C ả
Phân tích di ệ n tích h ạ n hán t ại các địa phương
Bằng cách sử dụng công cụ GIS để xây dựng bản đồ hạn khí tượng, chúng tôi đã xác định được diện tích hạn theo các đơn vị hành chính Theo bảng 3.2, đầu năm 2015, các huyện như Vinh, Yên Thành, Con Cuông, Thanh Chương, Anh Sơn, Hưng Nguyên và Đô Lương chịu ảnh hưởng rất nặng nề do hạn hán, với tổng diện tích hạn rất nặng lên đến hơn 138.000ha, hạn nặng gần 578.000ha và hạn là hơn 350.000ha Kết quả này phản ánh đúng thực trạng 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 bản đồ thiếu hụt nguồn nước mùa khô cho các tiểu vùng cho thấy sự 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 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, 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 Để cải thiện tình hình, cần tối đa hóa nguồn nước từ các hồ chứa như hồ Bản Vẽ (sông Cả) bổ sung 80 m³/s, hồ Bản Mồng (sông Hiếu) với 22 m³/s, và Ngàn Trươi Ngoài ra, 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 về lưu lượng nước có thể khai thác từ các hồ chứa này đã được Viện Quy hoạch Thủy lợi tính toán Để tận dụng nguồn nước từ các hồ chứa thượng nguồn, cần cải tạo, nâng cấp và xây 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 thực hiện việc 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 được điều chỉnh phù hợp với điều kiện và bối cảnh đặc thù của lưu vực sông tại Việt Nam.
Nhiệm vụ quản lý nước không được trùng lặp với các tổ chức khác trong lưu vực sông, đặc biệt là hệ thống quản lý nước của các tỉnh Cần có cơ chế phối hợp hiệu quả với các cơ quan và tổ chức liên quan, nhằm đảm bảo sự tham gia của cộng đồng trong việc giải quyết mâu thuẫn trong quản lý nước.
3.5.3 Một số giải pháp khoa học công nghệ
- Tăng cườ ng nghiên c ứ u, ứ ng d ụ ng khoa h ọ c công ngh ệ trong công tác qu ản lý, điề u hành khai thác sử dụng nguồn nước
- Nâng cao trình độ cán bộ, trang bị các phương tiện hiện đại để có thể nghiên cứu, tiếp thu và ứng dụng các công nghệ mới
Xây dựng một cơ sở dữ liệu đầy đủ và cập nhật là rất quan trọng để phục vụ cho công tác quản lý và quy hoạch Việc này giúp khai thác thông tin một cách hiệu quả, từ đó xây dựng kế hoạch khai thác nguồn nước một cách hợp lý và hiệu quả hơn.
Ứng dụng các mô hình toán học trong lĩnh vực thủy văn và thủy lực, cùng với cân bằng nước, giúp đánh giá, kiểm đếm và quản lý nguồn nước hiệu quả hơn Điều này góp phần nâng cao khả năng khai thác và sử dụng tài nguyên nước một cách bền vững.
Kết quả nghiên cứu đề xuất hợp tác với các cơ quan chuyên môn để phát triển và ứng dụng công nghệ cao, kết hợp công nghệ viễn thám với mô hình toán học Mục tiêu là tạo dựng cơ sở dữ liệu đầy đủ, bổ sung thông tin và dữ liệu còn thiếu, đồng thời xây dựng các kịch bản sẵn sàng ứng phó.