Tính c ấ p thi ế t c ủa đề tài
Hạn hán là hiện tượng tự nhiên xảy ra do nhiều nguyên nhân, bao gồm thiếu hụt lượng mưa, bốc hơi lớn và khai thác nước quá mức Nó có thể xuất hiện ở mọi vùng khí hậu trên thế giới với đặc điểm biến đổi khác nhau Hạn hán khác với khô hạn, bởi khô hạn là tình trạng lâu dài ở những khu vực có lượng mưa thấp và nhiệt độ cao Mỗi năm, hiện tượng hạn hán lại diễn ra với các đặc tính thời tiết và tác động khác nhau.
Trong những năm gần đây, sự phát triển của đất nước đã mang lại những thay đổi tích cực cho nền kinh tế các tỉnh trên lưu vực sông Cả, với cơ cấu kinh tế chuyển dịch theo hướng công nghiệp - dịch vụ - nông nghiệp Sự ra đời của hàng loạt khu công nghiệp, khu kinh tế và khu đô thị mới đã dẫn đến nhu cầu nước tăng lên đáng kể cho các ngành.
Quy luật diễn biến thời tiết khí hậu ngày càng phức tạp, đặc biệt là về lũ và hạn Mực nước trên các sông có những tổ hợp bất lợi cho công tác phòng lũ, như các trận lũ vào các năm 1978, 1988, 2002, 2007 và trận lũ nặng nề nhất vào năm 2010 đã gây thiệt hại lớn cho kinh tế và xã hội Về hạn, mức độ hạn ngày càng gia tăng, ảnh hưởng nghiêm trọng đến sản xuất, điển hình là các năm 2005, 2007 và đặc biệt là năm 2010.
Nghệ An và Hà Tĩnh, nằm trong lưu vực sông Cả, đã trải qua tình trạng hạn hán nghiêm trọng Năm 2010, Nghệ An ghi nhận khoảng 17.000-20.000ha đất bị hạn, trong khi Hà Tĩnh có khoảng 12.000ha bị ảnh hưởng, trong đó 30% diện tích hạn nặng Hàng trăm hệ thống hồ tại đây đã giảm mực nước xuống gần mức chết, với một số nơi như sông Cả tại Nam Đàn và sông La tại Linh ghi nhận mực nước ở mức thấp nhất trong chuỗi số liệu quan trắc.
Cảm, gây nên tình trạng mặn xâm nhập sâu trên các lưu vực sông, không lấy được nước vào trong đồng
Nghiên cứu và phân tích tình hình thiếu hụt nguồn nước trên lưu vực sông Cả là cần thiết để xác định các khu vực và thời gian thường xuyên gặp hạn hán Việc này giúp đánh giá tình trạng thiếu nước qua nhiều năm, từ đó đề xuất các giải pháp thích ứng hiệu quả.
M ụ c tiêu nghiên c ứ u c ủa đề tài
- Đánh giá tình trạng hạn hán, thiếu nước ở lưu vực sông Cả dựa trên chỉ số chuẩn hóa lượng mưa (Standardized Precipitation Index, SPI);
- Kết hợp công cụ viễn thám, GIS xây dựng bản đồ phân bố thiếu hụt nguồn nước dựa trên nguồn số liệu mưa vệ tinh;
- Đề xuất giải pháp ứng phó với tình trạng hạn hán, thiếu hụt nước lưu vực sông
Đối tượ ng và ph ạ m vi nghiên c ứ u
Đối tượ ng nghiên c ứ u
Các yếu tố khí tượng như lượng mưa, cường độ bức xạ mặt trời, nhiệt độ bề mặt đất trung bình và độ che phủ đất đóng vai trò quan trọng trong việc đánh giá 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 của các hệ thống thủy lợi hiện nay ở Nghệ An trong mùa kiệt sông Cả có liên quan chặt chẽ đến các huyện hưởng lợi như Yên Thành, Diễn Châu, Quỳnh Lưu (thuộc hệ thống thủy nông Diễn Yên Quỳnh - hệ thống Bắc Nghệ An), thành phố Vinh, thị xã Cửa Lò, Nghi Lộc, Hưng Nguyên (trong hệ thống Nam Hưng Nghi - hệ thống thủy nông Nam Nghệ An).
Tỉnh Hà Tĩnh sở hữu 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 là cần thiết, vì hiện tại, các vùng sản xuất nông nghiệp và khu vực quy hoạch cho sản xuất nông nghiệp chưa được nghiên cứu hoặc cảnh báo về nguy cơ hạn hán.
- Tiếp cận kết quả của các nghiên cứu trong và ngoài nước về vấn đề hạn hán
Sử dụng mô hình khí hậu toàn cầu kết hợp với công cụ xử lý ảnh vệ tinh Erdas và phần mềm GIS ArcGIS để phân tích không gian là phương pháp tiếp cận hiệu quả trong nghiên cứu khí hậu.
Phương ph áp nghiên c ứ u
- Phương pháp thu thập, thống kê, phân tích số liệu;
- Phương pháp xử lý số liệu mưa từ vệ tinh (CHIRPS);
- Phương pháp ứng dụng phần mềm tính toán chỉ số chỉ số chuẩn hoá lượng mưa SPI từ mưa vệ tinh;
- Phương pháp ứng dụng GIS, công cụ nội suy GIS… để xây dựng bản đồ phân bổ thiếu hụt nguồn nước.
TỔNG QUAN ỨNG DỤNG CÔNG NGHỆ KHÔNG GIAN
T ổ ng quan ứ ng d ụ ng công ngh ệ không gian trong nghiên c ứ u h ạ n hán
1.1.1 Tổng quan trên thế giới
* Hạn hán, thiếu hụt nguồn nước và chỉ số đánh giá
Trong những thập kỷ qua, hạn hán đã trở thành vấn đề nghiêm trọng trên toàn cầu, gây thiệt hại kinh tế và ảnh hưởng đến đời sống con người cùng môi trường sinh thái Mỗi năm, khoảng 21 triệu ha đất trở nên không có năng suất do hạn hán, trong khi số dân chịu rủi ro từ hiện tượng này 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, hoang mạc hoá cũng đang lan rộng từ các vùng khô hạn đến cả những khu vực bán ẩm ướt, với diện tích hoang mạc hoá hiện nay lên đến 39,4 triệu km², chiếm 26,3% tổng diện tích đất tự nhiên của thế giới.
Hơn 100 quốc gia đang chịu ảnh hưởng từ hạn hán, đe dọa sự sống của 250 triệu người trên toàn cầu do nguy cơ đói và khát Tình trạng này cũng tác động tiêu cực đến môi trường khí hậu chung, theo báo cáo của Tổ chức Khí tượng Thế giới (WMO).
Hạn hán thường có tác động rộng rãi và mặc dù không phải là nguyên nhân trực tiếp gây thiệt hại về nhân mạng, nhưng thiệt hại kinh tế do hạn hán mang lại rất lớn Theo Trung tâm giảm nhẹ hạn hán quốc gia Mỹ, thiệt hại hàng năm do hạn hán ước tính khoảng 6-8 tỷ USD, so với 2,41 tỷ USD do lũ và 1,2-4,8 tỷ USD do bão Đặc biệt, đợt hạn hán lịch sử tại Mỹ vào năm 1988-1989 đã gây thiệt hại lên đến 39-40 tỷ USD, vượt xa mức thiệt hại kỷ lục của lũ là 15-27,6 tỷ USD.
Hạn hán và bão đã gây ra tổn thất kinh tế lớn, với thiệt hại lên tới 25-33,1 tỷ USD vào năm 1992 Nhiều quốc gia như Ấn Độ, Pakistan và Australia cũng chịu ảnh hưởng nặng nề từ hạn hán Sự kiện El Niño năm 1997-1998 đã dẫn đến cháy rừng quy mô lớn tại Indonesia, gây thiệt hại kinh tế nghiêm trọng và ảnh hưởng đến môi trường toàn cầu Theo dự báo của Liên Hiệp Quốc, đến năm 2025, 2/3 diện tích đất canh tác ở châu Phi, 1/3 ở châu Á và 1/5 ở Nam Mỹ sẽ không còn khả năng sử dụng, đẩy khoảng 135 triệu người vào tình trạng phải rời bỏ nhà cửa để tìm kiếm sinh kế.
Trên thế giới, nhiều tác giả đã nghiên cứu về hạn hán, nhưng do tính phức tạp của hiện tượng này, vẫn chưa có phương pháp chung cho các nghiên cứu Các chỉ số hạn hán là công cụ chính được sử dụng để xác định, nhận dạng, giám sát và cảnh báo hạn hán Việc theo dõi biến động của các chỉ số này giúp xác định sự khởi đầu, thời gian kéo dài và cường độ của hạn hán Chỉ số hạn hán có thể là hàm của các biến đơn như lượng mưa, nhiệt độ, bốc thoát hơi, hoặc là sự tổng hợp của nhiều biến Mỗi chỉ số có ưu điểm và nhược điểm riêng, và các quốc gia thường sử dụng chỉ số phù hợp với điều kiện cụ thể của mình Ngoài ra, việc xác định hạn hán không chỉ dựa vào số liệu quan trắc mà còn áp dụng cho số 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 và kết thúc, thời gian kéo dài, phạm vi mở rộng, mức độ và tần suất của hạn, cùng mối liên hệ với biến đổi khí hậu là rất cần thiết.
Các nghiên cứu về hạn hán toàn cầu của Aiguo Dai và cộng sự, cũng như Benjamin Lloyd-Hughes và Mark A Saunders, đã chỉ ra rằng số đợt hạn, thời gian kéo dài và tần suất của hạn hán đã gia tăng đáng kể Nghiên cứu của Nico Wanders phân tích 18 chỉ số hạn hán và lựa chọn các chỉ số phù hợp cho năm vùng khí hậu khác nhau Sự giảm lượng mưa kết hợp với tăng nhiệt độ dẫn đến quá trình bốc hơi gia tăng, làm trầm trọng thêm tình trạng hạn hán Từ năm 1980 đến 2000, tần suất và mức độ hạn hán gia tăng, với các đợt hạn hán nặng xảy ra ở Cộng hòa Séc, Hy Lạp và Moldova Thời gian kéo dài của các đợt hạn cũng tăng lên, 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 nhiều vùng trải qua tình trạng hạn hán kéo dài 4-5 năm từ 1997 đến 2003 Nghiên cứu toàn cầu đã chỉ ra rằng hạn hán là hiện tượng phức tạp, hình thành từ cả nguyên nhân tự nhiên và con người Các yếu tố tự nhiên như dao động khí quyển và nhiệt độ mặt nước biển (như El Nino) kết hợp với các nguyên nhân do con người như nhu cầu nước gia tăng, phá rừng, ô nhiễm môi trường, và quản lý tài nguyên kém bền vững, đều góp phần gây ra hạn hán Hiện nay, nhiều chỉ số hạn đã được phát triển và áp dụng trên thế giới, như Chỉ số ẩm Ivanov, Chỉ số khô Budyko, và Chỉ số Palmer (PDSI), nhưng không có chỉ số nào vượt trội hơn trong mọi điều kiện Việc áp dụng các chỉ số này phụ thuộc vào điều kiện cụ thể của từng vùng và hệ thống cơ sở dữ liệu quan trắc sẵn có.
Để giảm thiểu tác động của hạn hán, nhiều quốc gia phát triển trên thế giới đã thiết lập các trung tâm giám sát, dự báo và cảnh báo hạn hán Các trung tâm này có nhiệm vụ chính là theo dõi tình hình hạn hán và cung cấp thông tin kịp thời để 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 trong việc kiểm kê và đánh giá nguồn nước trên lưu vực sông Bên cạnh 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, được phát triển bởi USGS và nhóm hiểm họa khí hậu (CHG), kết hợp hình ảnh vệ tinh có độ phân giải 0.05° với dữ liệu từ các trạm quan trắc để tạo ra chuỗi thời gian mưa dưới dạng lưới Công cụ này giúp phân tích và theo dõi tình hình hạn hán theo mùa hiệu quả.
Hình 1 1 D ữ li ệu mưa CHIRPS cho châu Phi ng ày 04-04-2017
Sản phẩm TRMM 3B42 (Tropical Rainfall Measuring Mission) là kết quả hợp tác giữa NASA và JAXA, nhằm giám sát lượng mưa ở các khu vực nhiệt đới và cận nhiệt đới, đồng thời ước tính hệ thống nhiệt tiềm ẩn Vệ tinh TRMM được trang bị các công cụ đo mưa như Radar lượng mưa (PR) hoạt động ở tần số 13,8 GHz, TRMM Microwave Image (TMI) với chín kênh đo phóng vi sóng thụ động, và VIRA (Visible and Infrared Scanner) với khả năng chiếu xạ hồng ngoại Thuật toán 3B42 được thiết kế để tạo ra tỷ lệ lượng mưa kết hợp hồng ngoại (IRM) và ước tính sai số lượng mưa (RMSE).
Hình 1 2 D ữ li ệu mưa TRMM từ năm 2000 -2008 ở Nepal
- CMORPH là dữ liệu mưa được tạo ra bởi kỹ thuật CMORPH (MORPHing
CPC 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 trên ước tính lượng mưa từ tàu thăm dò thấp và quan sát lò vi sóng vệ tinh, kết hợp với thông tin không gian thu được từ dữ liệu IR của vệ tinh địa tĩnh.
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, đã trở thành nguồn tài nguyên phổ biến trong nghiên cứu khí hậu hiện nay.
1.1.2 Tổng quan trong nước Đối với Việt Nam, nơi có tiềm năng nguồn nước phong phú nhưng do tính chất phân mùa sâu sắc nên thường xuyên xuất hiện hạn hán Cũng như các nghiên cứu trên thế giới, các nghiên cứu về hạn hán ở Việt Nam chủ yếu tập trung đến hạn khí tượng, hạn thủy văn và hạn nông nghiệp Các đề tài, dự án nghiên cứu hạn hán ở Việt Nam đã được triển khai trong những năm gần đây, chủ yếu tập trung vào 2 vấn đề chính:
(1) Các nghiên cứu cơ bản về hạn hán và tác động tới dân sinh, kinh tế, xã hội
(2) Các giải pháp, phòng chống và giảm nhẹ hạn hán bao gồm:
- Giải pháp công trình xây dựng các công trình thu trữ, điều tiết nước;
Tổng quan vùng nghiên cứu
1.2.1 Đặc điểm địa hình vùng nghiên cứu
Lưu vực sông Cả có hình dạng phát triển theo hướng Tây Bắc - Đông Nam, nghiêng dần ra biển, với phần lớn diện tích là đồi núi Diện tích đất có độ dốc phù hợp cho phát triển 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 và đồng bằng ven biển là nổi bật Đồng bằng sông Cả nằm dọc hai bên bờ sông từ phần trung lưu trở xuống, bao gồm các huyện Đô Lương, Thanh Chương, Nam Đàn, Hưng Nguyên, cùng với các vùng đồng bằng như Diễn - Yên - Quỳnh, Nam - Hưng - Nghi, sông Nghèn và Nghi Xuân, là nơi tập trung phát triển kinh tế xã hội của lưu vực Cao độ đồng bằng ven sông Cả biến đổi từ +10 đến +15m khu Đô Lương, +7 đến +8m vùng Thanh Chương, +2,5 đến +1,0m vùng Nam Đàn, Hưng Nguyên và +2,0 đến +0,0m vùng 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 hấp dẫn.
Bãi Tập - Quỳ Hợp, vùng sông Sào - Nghĩa Đàn, và các huyện Hương Khê, Vũ Quang, Sơn Hà có địa hình cao độ biến đổi từ +20 đến +200m, bị chia cắt mạnh bởi các sông nhỏ, chiếm khoảng 25-30% diện tích Địa hình vùng núi cao chủ yếu tập trung ở phía Tây và Tây Bắc, kéo dài từ Đồng Văn, Thông Thụ đến Hương Liên, với các dãy núi như Giăng Màn và dãy núi biên giới từ Nậm Mô đến 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 thuộc lưu vực sông Cả bao gồm Kỳ Sơn, Tương Dương, Con Cuông, Quế Phong, và một phần của Quỳ Hợp, Nghĩa Đàn, Như Xuân, Anh Sơn, Thanh Chương, Nam Đàn, Hương Khê, Vũ Quang, với độ dốc lớn và thung lũng hẹp Địa hình vùng núi cao chiếm 60-70% diện tích lưu vực, nhưng đất canh tác chỉ chiếm 1,5-2% tổng diện tích, chủ yếu là vùng lâm nghiệp phòng hộ đầu nguồn.
1.2.2 Đặc điểm thổ nhưỡng, địa chất
Kết quả điều tra thổ nhưỡng cho thấy, đất đai lưu vực sông Cả được phân thành hai loại chính: đất thuỷ thành và đất địa thành.
B ả ng 1 2 Phân lo ại đấ t đai trên lưu vự c sông C ả
Tổng diện tích điều tra thổ nhưỡng 19.626.650
Trong đó diện tích các loại đất (đã trừ sông suối và núi đá) 1.747.309 100,00
Trong đó nhóm phù sa dốc tụ 240.000 80,00
- Nhóm đất Feralit vàng vùng đồ i (170200m) 423.861 27,9
- Nhóm Feralit vàng trên núi từ 170200m đến 8001000m 651.584 42,9
- Nhóm Feralit vàng trên núi t ừ 800 1000m đế n
Nguồn: Theo số liệu điều tra thổnhưỡng năm 1990
Toàn bộ lưu vực sông Cả thuộc miền uốn nếp Bắc Bộ và miền uốn nếp Varixêt Đông Dương, với ranh giới giữa hai miền uốn nếp được xác định bởi đới khâu sông.
Nghiên cứu trong chuyên khảo “Thành hệ địa chất và địa động học Việt Nam 1993” do Nguyễn Xuân Tùng biên tập chỉ ra rằng lưu vực sông Cả nằm trong lĩnh vực Bắc bộ - Dương Tử - KaTaZia, thuộc đai vỏ lục địa Bắc Trường Sơn từ thời kỳ Paleozoi Trong giai đoạn trước Cambri đến Paleozoi sớm và muộn, khu vực sông Cả đã trải qua chế độ đại dương vi lục địa, sườn châu lục và cận lục địa Thời kỳ Paleozoi muộn đến Merozoi muộn chứng kiến sự tồn tại của chế độ rift và prerift Từ Merozoi muộn, các bồn trũng nhỏ mang tính orogen đã xuất hiện dọc theo đứt gãy sông Cả, được lấp đầy bởi trầm tích lục nguyên vụn thô.
Địa tầng của lưu vực sông Cả bao gồm nhiều giới và hệ tầng từ cổ đến trẻ, cụ thể là giới Protezoi, giới Paleozoi (PZ) và giới Mezozoi, với các hệ tầng đa dạng.
1.2.4 Đặc điểm sông ngòi a Dòng chính sông Cả
Sông Cả bắt nguồn từ đỉnh núi Phulaileng, tỉnh Hủa Phăm, Lào, chảy theo hướng Tây Bắc - Đông Nam và nhập vào Việt Nam tại bản Keng Đu Dòng chính của sông chạy gần biên giới Việt - Lào khoảng 40km, trước khi hoàn toàn vào Việt Nam ở chân núi cao 1.067m Tại Bản Vẽ, sông đổi dòng chảy theo hướng Bắc - Nam đến Cửa Rào, nơi nó nhập với nhánh Nậm Mô và tiếp tục chảy theo hướng Tây Bắc - Đông Nam Sông Cả có tổng diện tích lưu vực là 27.200km², trong đó 9.740km² nằm trên đất Lào và phần còn lại thuộc địa phận Việt Nam.
Dòng chính sông Cả có cấu trúc đứt gãy theo hướng Tây Bắc - Đông Nam, với lòng sông sâu và ít bãi bồi Đoạn hạ lưu của sông vừa sâu vừa rộng, trong khi đoạn trung lưu rộng nhưng nông Phần thượng nguồn có nhiều ghềnh thác, hai bên là núi cao và đồi, tạo điều kiện cho việc xây dựng kho nước lợi dụng tổng hợp Sông Cả không có phân lưu và chỉ có một cửa thoát duy nhất.
Sông Hiếu là một chi lưu của sông Cả, nằm ở đoạn trung lưu tại Ngã ba Cây Chanh Với diện tích lưu vực lên đến 5.340 km² và chiều dài 314 km, sông Hiếu bắt nguồn từ dãy núi Cao Phú Hoạt thuộc huyện Quế Phong Sông chảy theo hướng Tây Bắc - Đông Nam, gần 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 điểm quan trọng, nơi sông Hiếu cung cấp nước cho các huyện Quế Phong, Quỳ Châu, Quỳ Hợp, Nghĩa Đàn và Tân Kỳ Tuy nhiên, trong mùa kiệt, lưu lượng nước trên sông Hiếu có thể giảm xuống chỉ còn 6-7 m³/s, không đủ đáp ứng nhu cầu cấp nước cho các khu vực này.
Sông Hiếu có nhiều chi lưu quan trọng như Nậm Quàng, Nậm Giải, Kẻ Cọc - Khe Nhã, sông Chàng, sông Dinh, Khe Nghĩa và Khe Đá Trong số 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 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) và sau đó đổi dòng theo hướng Đông Nam - Tây Bắc Đến bản Suông Hang, sông lại chuyển hướng Tây Bắc - Đông Nam và hợp lưu với sông Cả tại Cửa Rào, có thể coi đây là dòng chính của sông Cả do hướng chảy của nó trùng với dòng chính.
Sông Nậm Mô có diện tích lưu vực 3.970 km² và chiều dài 189 km, trong đó phần chảy trên đất Việt Nam là 89 km Dọc theo sông Nậm Mô, từ thượng nguồn đến đoạn nhập lưu, có nhiều vị trí tiềm năng để xây dựng hồ chứa nhằm phát điện và điều tiết nước cho hạ du Thượng nguồn sông chảy qua các vùng núi đá cao, với độ cao trung bình trên 1.000 m.
Sông Giăng là một phụ lưu phía hữu sông Cả, nằm cách đập Đô Lương khoảng 20km về phía hạ lưu Sông Giăng bắt nguồn từ dãy núi Phu Long cao 1.330m, thuộc vùng núi Môn Sơn - Lục Giã, với diện tích lưu vực 1,05 km² Khu vực này có lượng mưa lớn, khiến lòng sông rộng và nông, có nhiều bãi bồi Hướng chảy chính của sông Giăng song song với sông Cả, đến Thác Muối, sau đó đổi hướng Tây Đông tại cửa ra nhập với sông Cả theo hướng Bắc Nam Sông Giăng đóng vai trò quan trọng trong việc cung cấp nước cho sông Cả.
CÔNG C Ụ VÀ PHƯƠNG PHÁP NGHIÊN CỨ U (C ầ n vi ế t chi
Cách tiếp cận nghiên cứu
Hạn hán là một hiện tượng tự nhiên không thể tránh khỏi, 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 và Michael H Glantz, hạn hán được chia thành bốn loại: hạn khí tượng, hạn thủy văn, hạn nông nghiệp và hạn kinh tế xã hội, trong đó hạn khí tượng thường xuất hiện đầu tiên và là nguyên nhân chính cho các loại hạn khác Việc đánh giá và cảnh báo hạn khí tượng có ý nghĩa quan trọng trong công tác phòng chống và giảm nhẹ thiệt hại do hạn hán Hạn khí tượng yêu cầu ít dữ liệu đầu vào như mưa và nhiệt độ, cho phép ứng dụng rộng rãi trên toàn cầu Phân tích các đặc trưng không gian và thời gian của hạn khí tượng cũng như các nhân tố gây ra hạn hán là cần thiết để quản lý tài nguyên nước hiệu quả 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 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 hán Chỉ số hạn hán có thể là hàm của các biến đơn như lượng mưa, nhiệt độ, bốc thoát hơi, dòng chảy, hoặc tổng hợp từ nhiều biến Mỗi chỉ số có những ưu nhược điểm riêng, và các quốc gia thường lựa chọn chỉ số phù hợp với điều kiện của mình Ngoài ra, việc xác định hạn hán không chỉ dựa vào dữ liệu quan trắc mà còn có thể áp dụng cho dữ liệu từ mô hình khí hậu khu vực và toàn cầu.
Nghiên cứu về cảnh báo sớm hạn khí tượng tại Việt Nam đã áp dụng nhiều chỉ số phổ biến, trong đó Đào Xuân Học sử dụng chỉ số khô hạn Sazonop để khảo sát và dự báo hạn cho các tỉnh DHMT Nguyễn Quang Kim đã phát triển phần mềm dự báo hạn khí tượng dựa trên chỉ số SPI, trong khi Nguyễn Văn Thắng cũng áp dụng chỉ số SPI để dự báo hạn cho 7 vùng khí hậu khác nhau ở Việt Nam Ngoài ra, Nguyễn Lương Bằng đã kết hợp hai chỉ số SPI và SPEI để dự báo hạn cho tỉnh Khánh Hòa.
Các thành phần trong chu trình tuần hoàn nước phản ứng khác nhau với lượng mưa tích lũy, trong đó nước mặt phản ứng nhanh hơn so với nước dưới đất T B McKee và cộng sự đã phát triển chỉ số chuẩn hóa lượng mưa SPI để đánh giá tình trạng hạn hán SPI cho phép tính toán trong nhiều thời đoạn khác nhau bằng cách chuyển đổi dữ liệu mưa thành hàm tiêu chuẩn hóa, và có thể so sánh hạn hán giữa các khu vực có điều kiện thời tiết khác nhau Tuy nhiên, chỉ số này cũng có một số hạn chế, như yêu cầu ít nhất 30 năm dữ liệu để đảm bảo độ chính xác, và giả định rằng nguyên nhân chính của hạn khí tượng là do lượng mưa, mà không xem xét các yếu tố khí tượng khác như nhiệt độ và bốc hơi.
Chỉ số SPI, được Tổ chức Khí tượng Thế giới (WMO) đề xuất, là chỉ số phổ biến nhất để đánh giá và dự báo hạn hán Tại Việt Nam, chỉ số này đã được nghiên cứu và ứng dụng hiệu quả trong việc đánh giá và cảnh báo tình hình hạn hán Các nghiên cứu cho thấy chỉ số SPI rất phù hợp với điều kiện khí hậu của Việt Nam.
Để đánh giá tình hình hạn hán trong khu vực nghiên cứu, luận văn này sử dụng chỉ số SPI nhằm xác định sự thiếu hụt lượng mưa (hạn khí tượng) tại các thời điểm trong năm, theo các giai đoạn 3 tháng và 6 tháng Lượng mưa theo các thời đoạn tương ứng là yếu tố đầu vào quan trọng Số lượng và chất lượng tài liệu mưa có ảnh hưởng lớn đến độ chính xác trong tính toán của các mô hình toán học liên quan.
Hiện nay, lưu vực sông Cả chỉ có 23 trạm đo mưa hoạt động, với mật độ 778 km²/trạm, cao hơn tiêu chuẩn tối thiểu 575 km²/trạm của WMO Các trạm chủ yếu tập trung ở vùng đồng bằng và các thị trấn nằm trong thung lũng sông, trong khi vùng núi cao lại thiếu trạm đo mưa, đặc biệt là các trạm tự ghi, chỉ có một số ít trạm khí hậu được trang bị máy đo mưa tự ghi.
Dữ liệu từ các trạm đo mưa do Bộ Tài Nguyên Môi trường quản lý có chất lượng tốt, 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 hiện 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 lấp đầy những lỗ hổng 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 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
Trong nghiên cứu này, chúng tôi đã lựa chọn các trạm đo từ 23 trạm mưa còn hoạt động trong khu vực để tính toán chỉ số thiếu hụt nguồn nước Việc lựa chọn được thực hiện dựa trên các tiêu chí cụ thể nhằm đảm bảo độ chính xác và hiệu quả trong việc đánh giá tình hình nguồn nước.
To accurately calculate the Standardized Precipitation Index (SPI), it is essential to have a continuous dataset of at least 30 years of rainfall data, ensuring reliability in the analysis.
- Có tính đại diện cho mỗi khu vực trong vùng nghiên cứu (vùng núi, vùng đồng bằng và vùng ven biển)
- Có sự phân bố phù hợp để phục vụ cho việc nội suy, xây dựng bản đồ thể hiện mức độ thiếu hụt nguồn nước trên toàn lưu vực
Dựa trên các tiêu chí trên, lựa chọn được 9 trạm đo khí tượng như sau:
B ả ng 2 1 Kho ả ng tr ố ng s ố li ệu mưa tạ i các tr ạm trên lưu vự c sông C ả
T ọa độ Li ệ t tài li ệ u
Vĩ độ Kinh độ Th ực đo Kho ả ng tr ố ng s ố li ệ u (1986-
4 Con Cuông 104°53' 19°03' 1960-2015 Tháng 6, tháng 12 năm 1995
5 Quỳ Hợp 105°09’ 19°19’ 1996-2015 Các năm từ 1986 đến 1995
6 Kỳ Anh 106°17’ 18°05’ 1961-2015 Các năm từ 1986 đến 2000
( Hương Sơn ) 105°16' 18°27 1962-2015 Các năm từ 1986 đế n 2000
Mạng lưới các trạm được lựa chọn được thể hiện trong Hình 2.1
Hình 2 1 Các tr ạm mưa đượ c l ự a ch ọ n 2.2.2 Xác định chuỗi số liệu mưa thực đo
Dữ liệu mưa thực đo được thu thập và phân tích từ 9 trạm đã chọn, tuy nhiên một số trạm gặp vấn đề với số liệu không liên tục do ghi chép và thống kê không đầy đủ (Bảng 2.1) Đối với các số liệu thiếu này, sẽ được bổ sung 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) là một bộ dữ liệu lượng mưa toàn cầu được phát triển trong gần 30 năm bởi Cục Khảo sát địa chất Hoa Kỳ (USGS) và nhóm hiểm họa khí hậu (CHG) Bộ dữ liệu này kết hợp hình ảnh vệ tinh có độ phân giải 0.05 ° với dữ liệu từ các trạm quan trắc tại chỗ, tạo ra chuỗi thời gian mưa theo dạng lưới, phục vụ cho việc phân tích và theo dõi tình trạng hạn hán theo mùa.
Dựa trên các tiêu chí tính toán chỉ số thiếu hụt nguồn nước và dữ liệu từ các trạm khí tượng, 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 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 ở 7 trạm còn lại cũng cho thấy mức độ tương quan giữa mưa vệtinh 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 trong khoảng thời gian từ 1996 đến 2000 cho thấy chỉ số NSE thấp nhất tại trạm Quỳ Hợp với giá trị NSE = 0,64, trong khi cao nhất tại trạm Hà Tĩnh với NSE = 0,90 Điều này cho thấy mức độ tương quan giữa lượng mưa CHIRPS và lượng mưa thực đo trong khu vực nghiên cứu được đánh giá từ tốt đến rất tốt.
Dựa trên các phân tích và đánh giá, mưa vệt tính CHIRPS có thể được áp dụng để lấp đầy các khoảng trống dữ liệu cho 9 trạm mưa đã được lựa chọn, từ đó tạo ra chuỗi số liệu dài và liên tục.
30 năm từ1986 đến 2015, dùng để tính toán chỉ số SPI
B ả ng 2 3 K ế t h ợp mưa thực đo và mưa CHIRPS tạ i các tr ạm trên lưu vự c sông C ả
TT Tên tr ạ m Th ực đo Mưa CHIRPS
4 Con Cuông 1960-2015 Tháng 6, tháng 12 năm 1995
5 Quỳ Hợp 1996-2015 Các năm từ 1986 đến 1995
6 Kỳ Anh 1961-2015 Các năm từ 1986 đến 2000
( Hương Sơn ) 1962-2015 Các năm từ 1986 đế n 2000
Xây d ự ng công th ứ c tính toán ch ỉ s ố SPI
Hạn là hiện tượng tự nhiên bình thường và có tính quy luật, thường bị hiểu lầm là sự kiện hiếm gặp Nó xuất hiện ở hầu hết các vùng khí hậu, với các đặc điểm khác nhau Hạn khác với sự khô cằn thường thấy ở những khu vực ít mưa và là tình trạng tạm thời Kể từ những năm 1980, đã có hơn 150 khái niệm về hạn, nhưng chung quy lại, hạn là tình trạng thiếu hụt mưa kéo dài Dựa trên bản chất và tác động, hạn được phân loại thành hạn khí tượng, hạn nông nghiệp, hạn thuỷ văn và hạn kinh tế – xã hội.
Hạn có thể được xác định qua các chỉ số hạn như phần trăm so với trung bình (PN), chỉ số chuẩn hoá lượng mưa (SPI), chỉ số hạn khắc nghiệt Palmer, chỉ số ẩm mùa vụ (CMI), chỉ số cấp nước bề mặt (SWSI), và chỉ số tái khô hạn (RDI) Trong số này, chỉ số SPI được lựa chọn để xây dựng mô hình dự báo hạn khí tượng do tính đa dụng và khả năng tính toán cho nhiều khoảng thời gian khác nhau (1, 3, 6, 12, 24, 48 tháng) Hạn khí tượng xảy ra khi có mưa ít hơn trung bình nhiều năm, trong khi hạn nông nghiệp liên quan đến sự thiếu độ ẩm cho một vụ mùa cụ thể, mặc dù lượng mưa có thể ở mức trung bình Hạn thuỷ văn xảy ra khi nguồn nước dự trữ trong các tầng ngầm, sông, hồ giảm xuống dưới mức trung bình, thường do sử dụng nước gia tăng.
Cả ba loại hạn - hạn khí tượng, hạn độ ẩm đất và hạn nông nghiệp - đều có mối quan hệ chặt chẽ với nhau Thiếu hụt lượng 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 và gây ra hạn nông nghiệp Hơn nữa, khi không có mưa hoặc mưa ít, kết hợp với bốc hơi cao, lượng nước trong lưu vực sẽ giảm, dẫn đến hạn thuỷ văn khi dòng chảy sông suối cạn kiệt Do đó, khô hạn và vùng khô hạn thực tế thường liên quan đến cả ba loại hạn này.
B ả ng 2 4 B ả ng t ổ ng h ợ p các ch ỉ tiêu h ạ n
Loại Chỉ số hạn Phương pháp tín Phân loại hạn Ưu điểm Nhược điểm Phạm vi ứng dụng
Mô hình cân bằng nước PDSI dạng 2 tầng cho thấy chỉ số -3,0 đến -3,99 biểu thị tình trạng hạn hán nặng Việc xem xét cả hai yếu tố nguồn nước cung cấp và nhu cầu sử dụng là rất quan trọng, tuy nhiên, hiện tại, phương pháp này không thực sự hiệu quả và vẫn đang được sử dụng phổ biến.
Chỉ số PDSI, được tính toán bởi Palmer, thể hiện sự cân bằng giữa lượng mưa và nhu cầu nước do bốc hơi Các giá trị từ -2,0 đến -2,99 cho thấy tình trạng hạn vừa, phản ánh tình hình khô hạn tại các vùng núi.
Chỉ số hạn Palmer bốc hơi cho thấy mức độ hạn hán so với điều kiện bình thường, với các mức như: -1,0 đến -1,99 biểu thị hạn nhẹ, -0,5 đến -0,99 là hạn rất nhẹ Điều này có thể xảy ra ở những khu vực có tuyết bao phủ, ảnh hưởng đến tình hình hạn hán tại Hoa Kỳ và trên toàn thế giới.
Có thể tính toán chỉ số hạn theo cả
Chỉ số Precipitation Standardized Index (SPI) được tính từ chuỗi số liệu mưa nhiều năm, nhằm xác định mức độ hạn hán qua các khoảng thời gian khác nhau như tuần, tháng, quý và năm 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, từ -1,0 đến -1,49 là hạn vừa Chỉ số này có thể áp dụng cho mọi khu vực và yêu cầu một chuỗi số liệu mưa đủ dài, không tính đến bốc hơi, và có khả năng đánh giá cả điều kiện ẩm ướt lẫn khô hạn.
−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 đạc cho thấy sự gia tăng đáng kể so với mức bình thường Phương pháp thống kê hiệu quả yêu cầu có chuỗi số liệu Rainfall Deciles (RD) để phân nhóm mưa khí tượng thành 10 nhóm nhỏ Nhóm 3-4 thể hiện lượng mưa nhỏ hơn mức bình quân, cho kết quả tốt khi dữ liệu mưa đủ dài, nhưng không được ứng dụng nhiều ở Úc Nhóm 5-6 gần đạt 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 lượng mưa và các yếu tố khí tượng đầu vào như nhiệt độ Cụ thể, mức độ ẩm được phân loại như sau: ≤20% là rất khô hạn, 20-40% là khô hạn, và 40-60% là gần bình thường.
The Palmer Moisture Anomaly Index, also known as the Z-index, measures abnormal moisture levels to assess drought severity The frequency of the Z-index is calculated to determine the extent of dryness in a given area.
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 trong sông (D) và lưu lượng trung bình (M) trong suốt thời gian D Trong đó, D biểu thị thời gian mà lưu lượng nước trong sông thấp hơn mức bình thường, còn M là giá trị lưu lượng trung bình trong khoảng thời gian dài.
Để xác định mức độ hạn, việc tính toán chuẩn hóa là cần thiết Phương pháp 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 tiêu chuẩn tính toán phải chính xác hơn trong việc xác định giới hạn giữa khô hạn và ẩm ướt.
Giá trị tính toán phân lớp t ương tự PDSI nhưng đòi hỏi phân khoảng nhỏ hơn.
Sử dụng mô hình cân bằng nước để xác định mức độ ảnh hưởng của cả 2 yếu tố mưa và nhiệt độ.
Không thực sự hiệu quả tính toán cho các vùng núi hoặc vùng có tuy ết bao phủ; cần tính phân bổ tần suất tiêu chuẩn
Index Phần lớn sử dụng ở
(PHDI)- Chỉ số hạn thủy văn Palmer
Hoa Kỳ Surface Water Supply Index
Chỉ số SWSI được xác định thông qua mô hình Giá trị tính toán phân lớp, trong đó xem xét các yếu tố như tuyết phủ và lượng trữ Kết quả tính toán của chỉ số này phụ thuộc vào các yếu tố trên, cho phép đánh giá chính xác hơn về tình trạng môi trường.
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 DAI giúp đánh giá cường độ ảnh hưởng của điều kiện hạn hán tại các khu vực cụ thể, dựa trên các chỉ số khác nhau và so sánh với mức bình quân toàn bộ Việc này cho phép xác định rõ ràng tình hình hạn hán tại nhiều địa phương.
H ạn k in h tế xã h ội hán theo khu vực hạn dựa trên chỉ cường độ hạn nhau vùng tính toán
Ứ ng d ụ ng công c ụ GIS để l ậ p b ản đồ s ự thi ế u h ụ t ngu ồn nướ c
Sử dụng phần mềm ArcGIS để biên tập và thể hiện các lớp nền trên bản đồ, số liệu tính toán SPI1, 3, 6 từ 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 của 42 trạm khí tượng thủy văn trong khu vực nghiên cứu, nhằm tạo ra bản đồ hạn cho vùng.
Phương pháp nội suy IDW (Inverse Distance Weighting) là một kỹ thuật nội suy xác định cục bộ, ước lượng giá trị tại một điểm bất kỳ bằng cách tính trung bình các giá trị của các điểm lân cận Mỗi điểm lân cận sẽ có trọng số phụ thuộc vào khoảng cách của nó đến điểm cần ước lượng, với giả thiết rằng giá trị tại các điểm này là trung bình trọng số.
Phương pháp IDW (Inverse Distance Weighting) cho rằng khoảng cách giữa các giá trị tại các điểm mẫu trong khu vực lân cận có ảnh hưởng lớn đến điểm cần tính Cụ thể, những điểm gần với điểm dự báo sẽ có tác động mạnh mẽ hơn so với những điểm xa hơn, như được nêu bởi Chen và Liu (2012).
Z s là giá trị được dự báo tại điểm s 0
N là số điểm mẫu trong khu vực lân cận của điểm s0, 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 được xác định giữa điểm dự báo s0 và điểm mẫu si, với p là tham số thể hiện tốc độ giảm trọng số theo khoảng cách Trong nghiên cứu này, giá trị p được chọn là 2, có nghĩa là trọng số sẽ giảm theo bình phương khoảng cách.
IDW (Inverse Distance Weighting) dựa vào nghịch đảo của khoảng cách nâng lên thành hàm mũ, với tham số số mũ giúp 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, và giá trị mặc định trong phần mềm QGIS là 2.
Số mũ cao hơn 2 làm tăng độ nhấn mạnh vào các điểm gần nhất, khiến dữ liệu gần có ảnh hưởng lớn hơn và bề mặt trở nên chi tiết hơn, kém mịn hơn Khi số mũ tăng, các giá trị nội suy dần tiếp cận giá trị của điểm mẫu gần nhất Ngược lại, việc sử dụng số mũ thấp hơn sẽ tạo ra ảnh hưởng lớn hơn đến các điểm xa hơn, dẫn đến bề mặt mịn màng hơn.
Trong nghiên cứu này, tác giả đã chọn giá trị mặc định được quy định bởi QGIS nhằm đạt được sự cân bằng giữa các điểm gần và xa so với điểm cần nội suy.
Các bước lập bản đồ thiếu hụt nguồn nước bằng công cụ GIS:
1 Các chỉ tiêu hạn hán đã xây dựng trước đây cho từng loại hạn có mức phân loại khác nhau Để thống nhất xây dựng bản đồ thiếu hụt nguốn nước, mức độ hạn được phân lại thành 3 mức chính đó là hạn nặng, hạn vừa, hạn nhẹ, và không hạn ứng với giá trị SPI6 Bản đồ thiếu hụt nguồn nước được tính toán trên mức trung bình của chỉ tiêu này
2 Bản đồ tổng hợp ứng với các các SPI được xác định dựa trên bản đồ ứng với các chỉtiêu tương ứng theo các chỉ tiêu chọn
3 Ứng dụng công cụGIS để tính toán thể hiện hạn hán trên địa bản tỉnh Trên cơ sở này xác định phạm vi hạn hán ứng với các nguy cơ hạn hán khác nhau.
KẾ T QU Ả VÀ TH Ả O LU Ậ N
Di ễ n bi ến lượng mưa
Lượng mưa trung bình hàng năm trên lưu vực sông Cả có sự biến động mạnh mẽ, với mức 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, ghi nhận từ 2.000 đến 2.100mm, và khu vực sông Giăng từ Cửa Rào - Nghĩa Khánh đến Dừa có lượng mưa từ 1.800 đến 2.100mm Vùng sông Ngàn Phố và Ngàn Sâu đạt lượng mưa trung bình từ 2.200 đến 2.400mm, trong khi vùng đồng bằng ven biển có lượng mưa từ 1.800 đến 1.900mm Các khu vực như thượng nguồn sông Hiếu, sông Ngàn Phố và Ngàn Sâu là những nơi có lượng mưa lớn nhất trên lưu vực.
Vùng ít mưa xuất hiện ở những thung lũng kín, khuất gió như dọc theo thung lũng Mường Xén - Cửa Rào, Cửa Rào - Khe Bốlượng mưa năm chỉđạt từ 1.200
1.300mm Có năm tại Khe Bố lượng mưa năm chỉ đạt 511mm năm 1984, Cửa Rào đạt 773 mm năm 1977
Mùa mưa ở lưu vực sông Cả và sông Hiếu có sự 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 thường rơi vào tháng 8, trong đó ba tháng có lượng mưa cao nhất là tháng 7, 8 và 9 Trong khi đó, ở khu vực 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 cũng ghi nhận lượng mưa lớn, nhưng tháng 8, 9 và 10 vẫn là những tháng có lượng mưa cao nhất.
Mùa mưa ở khu vực phía Nam của lưu vực, đặc biệt là tại sông Ngàn Phố và Ngàn Sâu, bắt đầu từ tháng Tám và kéo dài đến tháng Mười Trong thời gian này, lượng mưa chiếm từ 80% đến 87% tổng lượng mưa hàng năm, trong khi phần còn lại là mùa ít mưa.
Mùa mưa ở Việt Nam diễn ra từ Bắc vào Nam, bắt đầu từ thượng nguồn đến hạ du Trong mùa này, thường xuất hiện hai đỉnh mưa cực trị vào tháng 5 và tháng 6, cũng như tháng 9 Tháng 5 và tháng 6 có lượng mưa gia tăng do hoạt động mạnh của gió mùa Tây Nam, gây ra hiện tượng lũ tiểu mãn Tổng lượng mưa trong hai tháng này có thể chiếm tới 20% lượng mưa cả năm tại các trạm thượng nguồn như sông Cả.
Trận lũ tiểu mãn lớn xảy ra tại Hiếu, Ngàn Phố, Ngàn Sâu tương tự như những trận lũ lịch sử vào tháng 5 năm 1943 và tháng 5 năm 1989 Đặc biệt, trận mưa vào tháng 5/1989 đã gây ra lũ lịch sử trên sông Ngàn Phố, với lượng mưa tối đa ghi nhận là 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 có lượng mưa tối thiểu Khi gió Lào hoạt động mạnh, lượng mưa trong tháng 7 chỉ đạt khoảng 5 đến 10% tổng lượng mưa hàng năm.
Vào các tháng VIII, IX, và X, dải hội tụ nhiệt đới di chuyển về phía Nam, kết hợp với các hiện tượng thời tiết như áp thấp nhiệt đới và bão, gây ra mưa lớn kéo dài từ 3 đến 10 ngày Điều này dẫn đến lũ lớn trên các triền sông.
Lượng mưa hai tháng IX, X đạt tới 40% lượng mưa năm Lượng mưa tháng IX,
X phân bố không đều trên lưu vực, với vùng đồng bằng chịu ảnh hưởng mạnh từ mưa bão, đạt lượng mưa từ 1.000 đến 1.100mm trong hai tháng Ngược lại, ở phía thượng lưu dòng chính, lượng mưa giảm dần, chỉ còn từ 500 đến 800mm do ít bị ảnh hưởng bởi bão.
Lượng mưa cực tiểu tháng II vùng Mường Xén, Cửa Rào, thượng nguồn sông
Trong tháng này, Hiếu chỉ ghi nhận lượng mưa từ 6 đến 12mm, tương tự như các tháng khác Lượng mưa trong tháng II chỉ chiếm khoảng 1 đến 2% tổng lượng mưa hàng năm Tổng lượng mưa trong 5 tháng mùa khô, từ tháng XII đến tháng IV, chỉ chiếm từ 10 đến 20% tổng lượng mưa trong 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 SP6 tại các trạm khí tượng và chỉ số bình quân SPI, được tính bằng cách trung bình hóa các ô lưới SPI theo từng tháng.
Dựa vào chỉ số SPI6 trung bình, các giai đoạn 1991-1992, 1998-2001, 2003-2005, 2010-2011 và 2014-2015 cho thấy sự thiếu hụt nguồn nước kéo dài so với trung bình nhiều năm, đặc biệt là trong các giai đoạn 1998-2001, 2003-2005 và 2014-2015, tiếp tục ảnh hưởng đến năm 2016 Xu thế này tương đồng với các trạm đại diện ở miền núi (Quỳ Hợp), đồng bằng (Hà Tĩnh) và ven biển (Quỳnh Lưu), cho thấy hầu hết 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 để đánh giá các giai đoạn hạn khí tượng, cho thấy xu thế tương đồng về tần suất và thời gian xảy ra hạn Tần suất hạn tăng lên, nhưng mỗi đợt lại ngắn hơn Kết quả đánh giá các giai đoạn hạn hán trong quá khứ phù hợp với thực tế, điển hình là tình trạng thiên tai hạn hán được công bố tại tỉnh Nghệ An vào năm 2015, khi hạn 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, vượt trội so với trung bình nhiều năm Chỉ số SPI3 cho thấy xu thế các giai đoạn có nước dồi dào tương tự với thực tế, như các năm 1990-1991, 1997, đầu năm 2004 và cuối năm 2013 Tuy nhiên, chỉ số SPI6 cho thấy ít đợt nước dồi dào xen kẽ với các đợt khô hạn Đánh giá trên khoảng thời gian ngắn hơn bằng SPI3 giúp nhận diện rõ sự xen kẽ giữa các giai đoạn dồi dào và thiếu hụt nước, từ đó là cơ sở quan trọng để đánh giá khả năng sử dụng các công trình và giải pháp thu trữ, điều tiết nguồn nước trong các giai đoạn khác nhau.
Xây d ự ng b ản đồ thi ế u h ụ t ngu ồn nước theo các năm
Kết quả xây dựng bản đồ hạn khí tượng dựa trên chỉ số SPI6 trong các năm thể hiện rõ xu thế hạn hán Cụ thể, vào các năm như 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
Việc xây dựng bản đồ hạn khí tượng bằng công cụ GIS cho phép xác định diện tích bị hạn theo các đơn vị hành chính Bảng 3.2 dưới đây thể hiện diện tích hạn đầu năm 2015 tại các huyện trong vùng nghiên cứu, trong đó Vinh, Yên Thành, Con Cuông, Thanh Chương, Anh Sơn, Hưng Nguyên và Đô Lương là những khu vực chịu ảnh hưởng nặng nề nhất Tổng diện tích hạn rất nặng trong toàn vùng lên đến hơn 138.000 ha, hạn nặng gần 578.000 ha và hạn là hơn 350.000 ha Kết quả này phản ánh thực tế khi Nghệ An đã ban hành tình trạng thiên tai hạn vào năm 2015.
B ả ng 3 2 Phân c ấ p h ạ n theo di ệ n tích các huy ệ n LVS C ả năm 2015 (theo ch ỉ s ố SPI6)
Di ệ n tích theo c ấp độ h ạ n (ha)
Di ệ n tích theo c ấp độ h ạ n (ha)
B ả ng 3 3 Di ệ n tích b ị h ạ n theo ch ỉ s ố SPI6 năm 2005
Di ệ n tích theo c ấp độ h ạ n (ha)
Di ệ n tích theo c ấp độ h ạ n (ha)
Đề xu ấ t gi ả i pháp ứ ng phó, kh ắ c ph ụ c thi ế u h ụ t ngu ồn nước lưu vự c sông
3.5.1 Một số giải pháp công trình (Phải nêu hiện trạng rồi mới đưa ra biện pháp công trình)
Kết quả từ việc xây dựng bản đồ thiếu hụt nguồn nước mùa khô cho các tiểu vùng và phân tích diện tích chịu ảnh hưởng bởi hạn khí tượng cho thấy tình trạng 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 khá dồi dào, nhưng chủ yếu tập trung vào mùa mưa Do đó, việc xây dựng các hồ chứa để điều tiết nước giữa các mùa trong năm và đảm bảo nguồn nước cho các khoảng thời gian thiếu nước mùa khô là cần thiết và khả thi.
Trên lưu vực sông Cả, mặc dù đã có nhiều công trình thủy lợi và thủy điện, nhưng vẫn chưa đáp ứng đủ nhu cầu nước cho các vùng hạ du Do đó, cần tận dụng tối đa nguồn nước từ các hồ chứa hiện có như hồ Bản Vẽ, Bản Mồng và Ngàn Trươi để bổ sung nước cho hạ du Ngoài ra, việc xem xét xây dựng các công trình mới như Chúc A, Trại Dơi, Đá Gân, Khe Chè, Nước Sốt và Rào Mắc cũng rất quan trọng Các số liệu về lưu lượng nước có thể khai thác từ các hồ chứa này được tham khảo từ Viện Quy hoạch Thủy lợi Đặc biệt, cần cải tạo, nâng cấp và xây 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 để đảm bảo nguồn nước cho mùa khô.
3.5.2 Một số giải pháp phi công trình
Củng cố và nâng cao năng lực của các tổ chức quản lý nguồn nước trên lưu vực như Sở Nông nghiệp và Phát triển nông thôn, Sở Tài nguyên và Môi trường, Chi cục Thủy lợi, và Chi cục Phòng chống và Giảm nhẹ thiên tai là cần thiết Điều 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 nguồn nước.
Cần thiết phải đánh giá và củng cố vai trò của Ban Quản lý lưu vực sông Cả, nhằm nâng cao hiệu quả hoạt động Việc tổ chức các hình thức quản lý phù hợp với điều kiện và bối cảnh của lưu vực sông tại Việt Nam là rất quan trọng để đảm bảo sự phát triển bền vững.
Nhiệm vụ không được trùng lặp với các tổ chức khác trên lưu vực sông, đặc biệt là trong quản lý nước của các tỉnh Cần có cơ chế phối hợp phù hợp giữa các cơ quan và tổ chức trong quản lý sử dụng nước, nhất là với hệ thống quản lý theo địa giới Việc tham gia ý kiến và thống nhất giải quyết mâu thuẫn trong quản lý nước phải coi 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 toàn diện và cập nhật là rất quan trọng để phục vụ công tác quản lý và quy hoạch Điều này giúp nâng cao hiệu quả trong việc khai thác nguồn nước, đảm bảo sử dụng thông tin một cách dễ dàng và hiệu quả hơn trong quá trình lập kế hoạch.
Ứng dụng các mô hình toán học về thủy văn và thủy lực, cùng với cân bằng nước, giúp đánh giá, kiểm đếm và quản lý nguồn nước một cách hiệu quả hơn.
Kết quả nghiên cứu đề xuất cần hợp tác với các cơ quan chuyên môn để phát triển và ứng dụng công nghệ cao hơn Việc kết hợp công nghệ viễn thám với mô hình toán sẽ giúp tạo dựng cơ sở dữ liệu đầy đủ, bổ sung thông tin còn thiếu và xây dựng các kịch bản sẵn sàng ứng phó.