Nghiên cứu ứng dụng Trí tuệ nhân tạo vào dự báo lũ sông Hồng trong bối cảnh biến đổi khí hậu

Nghiên cứu ứng dụng Trí tuệ nhân tạo vào dự báo lũ sông Hồng trong bối cảnh biến đổi khí hậuNghiên cứu ứng dụng Trí tuệ nhân tạo vào dự báo lũ sông Hồng trong bối cảnh biến đổi khí hậuNghiên cứu ứng dụng Trí tuệ nhân tạo vào dự báo lũ sông Hồng trong bối cảnh biến đổi khí hậuNghiên cứu ứng dụng Trí tuệ nhân tạo vào dự báo lũ sông Hồng trong bối cảnh biến đổi khí hậuNghiên cứu ứng dụng Trí tuệ nhân tạo vào dự báo lũ sông Hồng trong bối cảnh biến đổi khí hậuNghiên cứu ứng dụng Trí tuệ nhân tạo vào dự báo lũ sông Hồng trong bối cảnh biến đổi khí hậuNghiên cứu ứng dụng Trí tuệ nhân tạo vào dự báo lũ sông Hồng trong bối cảnh biến đổi khí hậuNghiên cứu ứng dụng Trí tuệ nhân tạo vào dự báo lũ sông Hồng trong bối cảnh biến đổi khí hậuNghiên cứu ứng dụng Trí tuệ nhân tạo vào dự báo lũ sông Hồng trong bối cảnh biến đổi khí hậuNghiên cứu ứng dụng Trí tuệ nhân tạo vào dự báo lũ sông Hồng trong bối cảnh biến đổi khí hậuNghiên cứu ứng dụng Trí tuệ nhân tạo vào dự báo lũ sông Hồng trong bối cảnh biến đổi khí hậuNghiên cứu ứng dụng Trí tuệ nhân tạo vào dự báo lũ sông Hồng trong bối cảnh biến đổi khí hậuNghiên cứu ứng dụng Trí tuệ nhân tạo vào dự báo lũ sông Hồng trong bối cảnh biến đổi khí hậuNghiên cứu ứng dụng Trí tuệ nhân tạo vào dự báo lũ sông Hồng trong bối cảnh biến đổi khí hậuNghiên cứu ứng dụng Trí tuệ nhân tạo vào dự báo lũ sông Hồng trong bối cảnh biến đổi khí hậuNghiên cứu ứng dụng Trí tuệ nhân tạo vào dự báo lũ sông Hồng trong bối cảnh biến đổi khí hậuNghiên cứu ứng dụng Trí tuệ nhân tạo vào dự báo lũ sông Hồng trong bối cảnh biến đổi khí hậuNghiên cứu ứng dụng Trí tuệ nhân tạo vào dự báo lũ sông Hồng trong bối cảnh biến đổi khí hậuNghiên cứu ứng dụng Trí tuệ nhân tạo vào dự báo lũ sông Hồng trong bối cảnh biến đổi khí hậuNghiên cứu ứng dụng Trí tuệ nhân tạo vào dự báo lũ sông Hồng trong bối cảnh biến đổi khí hậuNghiên cứu ứng dụng Trí tuệ nhân tạo vào dự báo lũ sông Hồng trong bối cảnh biến đổi khí hậuNghiên cứu ứng dụng Trí tuệ nhân tạo vào dự báo lũ sông Hồng trong bối cảnh biến đổi khí hậuNghiên cứu ứng dụng Trí tuệ nhân tạo vào dự báo lũ sông Hồng trong bối cảnh biến đổi khí hậuNghiên cứu ứng dụng Trí tuệ nhân tạo vào dự báo lũ sông Hồng trong bối cảnh biến đổi khí hậuNghiên cứu ứng dụng Trí tuệ nhân tạo vào dự báo lũ sông Hồng trong bối cảnh biến đổi khí hậuNghiên cứu ứng dụng Trí tuệ nhân tạo vào dự báo lũ sông Hồng trong bối cảnh biến đổi khí hậuNghiên cứu ứng dụng Trí tuệ nhân tạo vào dự báo lũ sông Hồng trong bối cảnh biến đổi khí hậuNghiên cứu ứng dụng Trí tuệ nhân tạo vào dự báo lũ sông Hồng trong bối cảnh biến đổi khí hậuNghiên cứu ứng dụng Trí tuệ nhân tạo vào dự báo lũ sông Hồng trong bối cảnh biến đổi khí hậuNghiên cứu ứng dụng Trí tuệ nhân tạo vào dự báo lũ sông Hồng trong bối cảnh biến đổi khí hậuNghiên cứu ứng dụng Trí tuệ nhân tạo vào dự báo lũ sông Hồng trong bối cảnh biến đổi khí hậuNghiên cứu ứng dụng Trí tuệ nhân tạo vào dự báo lũ sông Hồng trong bối cảnh biến đổi khí hậuNghiên cứu ứng dụng Trí tuệ nhân tạo vào dự báo lũ sông Hồng trong bối cảnh biến đổi khí hậuNghiên cứu ứng dụng Trí tuệ nhân tạo vào dự báo lũ sông Hồng trong bối cảnh biến đổi khí hậuNghiên cứu ứng dụng Trí tuệ nhân tạo vào dự báo lũ sông Hồng trong bối cảnh biến đổi khí hậuNghiên cứu ứng dụng Trí tuệ nhân tạo vào dự báo lũ sông Hồng trong bối cảnh biến đổi khí hậu

HOÀNG QUÝ NHÂN

NGHIÊN CỨU ỨNG DỤNG TRÍ TUỆ NHÂN TẠOVÀO DỰ BÁO LŨ SÔNG HỒNG TRONG

BỐI CẢNH BIẾN ĐỔI KHÍ HẬU

LUẬN ÁN TIẾN SĨ KHOA HỌC MÔI TRƯỜNG

THÁI NGUYÊN - 2024

HOÀNG QUÝ NHÂN

NGHIÊN CỨU ỨNG DỤNG TRÍ TUỆ NHÂN TẠOVÀO DỰ BÁO LŨ SÔNG HỒNG TRONG

BỐI CẢNH BIẾN ĐỔI KHÍ HẬUNgành: Khoa học môi trường

Mã số: 9.44.03.01

LUẬN ÁN TIẾN SĨ KHOA HỌC MÔI TRƯỜNG

Người hướng dẫn khoa học: 1 PGS TS NGUYỄN XUÂN HOÀI2 PGS TS ĐỖ THỊ LAN

THÁI NGUYÊN - 2024

LỜI CAM ĐOAN

Tác giả xin cam đoan đây là công trình nghiên cứu của tác giả, các kếtquả trong nghiên cứu của Luận án là trung thực và chưa từng được công bốtrong bất kỳ công trình nào khác Việc tham khảo các nguồn tài liệu (nếu có)đã được trích dẫn theo đúng quy định.

Tác giả Luận án

HOÀNG QUÝ NHÂN

LỜI CẢM ƠN

Sau một thời gian dài nghiên cứu, Luận án được hoàn thành dưới sựhướng dẫn tận tình của PGS.TS Nguyễn Xuân Hoài và PGS.TS Đỗ Thị Lan Tácgiả xin bày tỏ lòng biết ơn sâu sắc tới các Thầy, Cô đã hướng dẫn và chỉ bảo tậntình trong suốt quá trình nghiên cứu để tác giả hoàn thành Luận án này

Tác giả xin chân thành cảm ơn các đơn vị, cá nhân đã góp ý cho tácgiả trong suốt quá trình nghiên cứu Xin cảm ơn tác giả của các công trìnhnghiên cứu có liên quan đã cung cấp nguồn tư liệu và những kiến thức quýbáu để tác giả sử dụng tham khảo trong quá trình nghiên cứu và trích dẫntrong Luận án này

Tác giả xin chân thành cảm ơn Phòng Đào Tạo, Khoa học và Hợp tácquốc tế, Tổng cục Khí tượng Thủy văn Quốc gia, Trung tâm thông tin và dữliệu khí tượng thủy văn, Viện Trí tuệ nhân tạo, trạm Thủy văn Sơn Tây, ViệnTài Nguyên và Biến đổi khí hậu, cùng toàn thể các Thầy, Cô giáo; bạn bè;đồng nghiệp; cơ quan và gia đình đã tạo mọi điều kiện, chia sẻ những khókhăn, tham gia đóng góp ý kiến và giúp đỡ nghiên cứu sinh trong suốt quátrình học tập và hoàn thành Luận án này

Tác giả Luận án

HOÀNG QUÝ NHÂN

2 Mục tiêu của Luận án 4

3 Ý nghĩa của Luận án 5

4 Những đóng góp mới của Luận án 6

Chương 1: TỔNG QUAN CÁC VẦN ĐỀ NGHIÊN CỨU 7

1.1 Các kết quả nghiên cứu tổng quan lũ sông trong bối cảnh biến đổikhí hậu 7

1.1.1 Lũ sông, cơ sở khoa học và nguyên nhân hình thành lũ 7

1.1.2 Lợi ích và hậu quả của lũ sông 9

1.2 Ảnh hưởng của biến đổi khí hậu đến lũ sông 17

1.2.1 Biến đổi khí hậu 17

1.2.2 Ảnh hưởng của biến đổi khí hậu đến lũ sông 19

1.3 Các nghiên cứu về dự báo lũ sông 21

1.3.1 Dự báo lũ sông trên thế giới 22

1.3.2 Dự báo lũ sông ở Việt Nam 26

1.3.3 Một số bất cập trong dự báo lũ Sông Hồng ở Việt Nam 29

1.4 Các nghiên cứu Trí tuệ nhân tạo và lịch sử ứng dụng 31

1.4.1 Trí tuệ nhân tạo và dữ liệu lớn 31

1.4.2 Lịch sử ứng dụng Trí tuệ nhân tạo vào cuộc sống và khoa học 32

1.4.3 Ứng dụng Trí tuệ nhân tạo vào khoa học môi trường và dự báo lũ lụt 40

1.5 Bài toán mô hình Trí tuệ nhân tạo trong dự báo lũ sông 43

1.5.1 Cơ sở dữ liệu cho mô hình dự báo lũ bằng Trí tuệ nhân tạo 43

2.1 Đối tượng và phạm vi nghiên cứu 49

2.1.1 Đối tượng nghiên cứu 49

2.1.2 Phạm vi nghiên cứu 49

2.2 Thời gian và địa điểm 49

2.2.1 Thời gian 49

2.2.2 Địa điểm nghiên cứu 49

2.3 Nội dung nghiên cứu 50

2.4 Phương pháp nghiên cứu 50

2.4.1 Phương pháp nghiên cứu kế thừa và thống kê tài liệu thứ cấp 50

2.4.2 Phương pháp chuyên gia 51

2.4.3 Phương pháp so sánh và đánh giá lựa chọn 51

2.4.4 Phương pháp xử lý và giải đoán ảnh bằng hệ thống thông tin địa lý 51

2.4.5 Phương pháp mô hình hóa thực nghiệm bằng Trí tuệ nhân tạo 54

2.4.6 Phương pháp ra quyết định thống kê bằng mô hình hóa, Trí tuệnhân tạo trong quá trình dự báo lũ sông 66

2.5 Các thành phần và cấu trúc tham gia mô hình dự báo 67

2.6 Phương pháp so sánh và đánh giá tổng hợp 68

TIỂU KẾT CHƯƠNG 2 70

Chương 3: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN 71

3.1 Đặc điểm mực nước và lũ Sông Hồng đoạn chảy qua đoạn thủ đô Hà Nội 713.1.1 Đặc điểm và vị trí địa lý Sông Hồng đoạn chảy qua đoạn thủ đôHà Nội 713.1.2 Đặc điểm biến đổi khí hậu, khí tượng và lượng mưa tác động tạitrạm Thủy văn Sơn Tây 753.1.3 Đánh giá các yếu tố ảnh hưởng tới mực nước và lũ Sông Hồngđoạn chảy qua đoạn trạm Thủy văn Sơn Tây 823.1.4 Phân tích đặc điểm quan trắc mực nước Sông Hồng đoạn chảy quatrạm Thủy văn Sơn Tây 893.1.5 Phân tích tính chất lũ Sông Hồng đoạn chảy qua trạm Thủy vănSơn Tây 923.2 Kết quả xây dựng cơ sở dữ liệu chuẩn hóa cho dự báo lũ Sông Hồngtại trạm Thủy văn Sơn Tây 953.2.1 Kết quả xây dựng cơ sở dữ liệu huấn luyện 953.2.2 Đánh giá so sánh cơ sở dữ liệu mực nước thực tế và cơ sở dữ liệumực nước sau xử lý Trí tuệ nhân tạo 1023.3 Kết quả huấn luyện mô hình dự báo lũ sông với cơ sở dữ liệu chuẩn hóa 1043.3.1 Kết quả huấn luyện mô hình dự báo với cơ sở dữ liệu chuẩn hóatrong giai đoạn ngắn hạn 1043.3.2 Kết quả huấn luyện mô hình dự báo với dữ liệu chuẩn hóa tronggiai đoạn trung hạn 5 ngày 1113.4 Đánh giá độ tin cậy của mô hình dự báo lũ sông bằng Trí tuệ nhân tạo 1153.4.1 Xây dựng các hàm giá trị và chỉ số đánh giá độ tin cậy 1153.4.2 Kết quả xác định độ tin cậy và dự đoán lũ tại trạm Thủy văn Sơn

3.6.1 Kế hoạch, tổ chức và ứng dụng Trí tuệ nhân tạo vào quản lý tàinguyên nước 122

3.6.2 Một số giải pháp ứng dụng Trí tuệ nhân tạo trong khoa học môi trườngvà dự báo lũ 124

TIỂU KẾT CHƯƠNG 3 128

KẾT LUẬN VÀ KIẾN NGHỊ 129

1 Kết luận 129

2 Kiến nghị 130

DANH MỤC CÁC CÔNG TRÌNH KHOA HỌC CÓ LIÊN QUAN 131

DANH MỤC TÀI LIỆU THAM KHẢO 132

DANH MỤC CHỮ VIẾT TẮT

AI Trí tuệ Nhân tạo - Artificial Intelligence

GIS Hệ thống thông tin đại lý

(Geographic Information Systems)

LSTM Thuật toán AI - Bộ nhớ dài - ngắn hạn (Long - short term memory)

NĐ-CP Nghị định - Chính phủ

NN&PTNT Nông nghiệp và Phát triển nông thôn

(Recurrent Neural Network)TCKTTVQ

WOS Danh mục tạp chí khoa học uy tín

DANH MỤC CÁC BẢN

Bảng 1.1 Thống kê thiệt hại về kinh tế do lũ lụt giai đoạn 2010-2019 15YBảng 3.1 Danh sách trạm thủy văn thượng lưu trên Sông Hồng 73Bảng 3.2 Nhiệt độ trung bình khu vực Thành phố Sơn Tây, Hà Nội 76Bảng 3.3 Tổng lượng mưa trung bình qua các năm giai đoạn 2011-2020

80Bảng 3.4 Thống kê các đợt lũ đặc biệt lớn trên hệ thống Sông Hồng

qua trạm Thủy văn Sơn Tây 83Bảng 3.5 Kết quả độ tin cậy RNN-AI 118Bảng 3.6 Kết quả độ tin cậy LSTM-AI 118

DANH MỤC CÁC HÌN

Hình 2.1 Quy trình đánh giá các nhóm nhân tố Khí tượng thủy văn ảnh

hưởng tới dự báo lũ sông 53

Hình 2.2 Dữ liệu mực nước thực tế Sông Hồng tại trạm Thủy văn Sơn Tây 56

Hình 2.3 Quy trình xử lý dữ liệu thô tạo cơ sở dữ liệu huấn luyện dự báo lũ 58

Hình 2.4 Sơ đồ quá trình huấn luyện dự báo mực nước sông 62

Hình 2.5 Mô hình mạng Neural hồi quy RNN-AI 62

Hình 2.6 Mô đun lặp 4 tầng của mạng LSTM-AI 63

Hình 2.7 Theo mô hình cây ra quyết định cho phòng lũ Sông Hồng 67YHình 3.1 Bản đồ lưu vực Sông Hồng (thuộc Việt Nam) 72

Hình 3.2 Vị trí trạm Thủy văn Sơn Tây (74162) – Số 6 73

Hình 3.3 Hình ảnh vệ tinh GIS chi tiết hợp lưu ba sông chính trên SôngHồng đến thủ đô Hà Nội 74

Hình 3.4 Chi tiết mặt cắt đoạn Sông Hồng chảy từ trạm Sơn Tây đếntrạm Hà Nội (Chân cầu Long Biên) 75

Hình 3.5 Các giá trị trung bình nhiệt độ các tháng trong giai đoạn 2021, (a) (b) (c)(d) (e) (f) (g) (h) (i) (j) 77

2011-Hình 3.6 Biến động nhiệt độ trung bình các năm giai đoạn 2011-2020 78

Hình 3.7 Lượng mưa trung bình tại trạm Thủy văn Sơn Tây giai đoạn2011-2020 79

Hình 3.8 Tổng hợp lượng mưa trung bình qua các năm giai đoạn2011-2020 80

Hình 3.9 GDP tăng trưởng khu vực thủ đô giai đoạn 2011-2020 81

Hình 3.10 Quá trình đô thị hóa khu vực Hà Nội giai đoạn 2011-2020 81

Hình 3.11 Giá trị mực nước đo thực tế tại 03 trạm khí tượng Thủy vănViệt Trì, Sơn Tây, Long Biên - Hà Nội 85

Hình 3.12 Trực quan hóa giá trị mực nước thực tế đo bằng Matplot.AI

trạm Thủy văn Sơn Tây 85

Hình 3.13 Phân tích và giải đoán ảnh viễn thám từ năm 2011 (a), 87

Hình 3.14 Sơ đồ hệ thống hồ chứa lớn trước trạm Thủy văn Sơn Tây 89

Hình 3.15 Thống kê số điểm quan trắc theo năm từ 2011-2020 90

Hình 3.16 Thống kê dữ liệu lấy mẫu mực nước theo giờ/ngày 91

Hình 3.17 Điểm ngoại lai và sai số trong cơ sở dữ liệu gốc 96

Hình 3.18 Kết quả xử lý dữ liệu Ngoại lai, Sai số trước và sau xử lý 96

Hình 3.19 Kết quả xử lý dữ liệu thiếu, mất mát và bổ sung hoàn thiện cơ sởdữ liệu huấn luyện 98

Hình 3.20 Dữ liệu thiếu và mất mát trong tập cơ sở dữ liệu gốc 99

Hình 3.21 Tập cơ sở dữ liệu được thiếu và mất mát được xử lý đầy đủ 99

Hình 3.22 Kết quả bộ cơ sở dữ liệu đầu vào huấn luyện đã được chuẩn hóa 101

Hình 3.23 Kết qủa đánh giá và kiểm tra bộ Cơ sở dữ liệu mực nước SôngHồng tại trạm Thủy văn Sơn Tây 103

Hình 3.24 Mô hình RNN-AI trong dự báo lũ ngắn hạn 3h 105

Hình 3.25 Mô hình LSTM-AI trong dự báo lũ ngắn hạn 3h 106

Hình 3.26 Kết quả dự báo lũ trạm Thủy văn Sơn Tây bằng mô hìnhRNN-AI 108

Hình 3.27 Kết quả dự báo lũ trạm Thủy văn Sơn Tây bằng LSTM-AI 108

Hình 3.28 So sánh kết quả dự báo lũ trạm Thủy văn Sơn Tây bằng môhình RNN-AI và LSTM-AI giai đoạn ngắn hạn 3h 110

Hình 3.29 Mô hình dự báo trung hạn 5 ngày 111

Hình 3.30 So sánh kết quả dự báo lũ trạm Thủy văn Sơn Tây bằngLSTM-AI và RNN-AI giai đoạn trung hạn 5 ngày 113

Hình 3.31 Xây dựng các hàm giá trị và chỉ số đánh giá độ tin cậy 115Hình 3.32 Quy trình xây dựng đánh giá độ tin cậy của kết quả dự báo mô

hình LSTM-AI 117Hình 3.33 Mô hình cây ra quyết định bằng Trí tuệ nhân tạo 123Hình 3.34 Mô hình AI thử nghiệm áp dụng bước đầu trong khoa học môi

trường ở Việt Nam 125

MỞ ĐẦU1 Sự cần thiết

Dòng sông mang lại và cung cấp nhiều lợi ích đối với con người và môitrường, hệ sinh thái mà dòng sông chảy qua Nó cung cấp nước cho sự sốnghai bên bờ sông, giao thông thủy và nước sinh hoạt cho con người, sử dụngtưới tiêu cho nông nghiệp, phát triển công nghiệp năng lượng, là nguồn sốngcủa sự phát triển Dòng sông rất quan trọng đối với cuộc sống của con người,tuy nhiên nó cũng có thể gây ra những thiệt hại vô cùng lớn (Xuan-Hien Levà cs, 2019) Lũ lụt là nguyên nhân quan trọng gây ra những thiệt hại về kinhtế, xã hội cũng như thiệt hại về nhân mạng, cho các khu vực đông dân cư nằmcạnh và ở hạ lưu các con sông lớn Lũ lụt cũng khác nhau ở các lưu vực sôngtrên thế giới và Việt Nam, nhưng hầu hết các trận lũ lớn tùy vào quy mô hoặccường độ đều gây nên những thiệt hại đáng kể cho một khu vực rộng lớn(Trần Thanh Xuân và cs, 2018) Lũ ở miền bắc Việt Nam có tính chất chu kỳ,theo mùa, và có thể dự báo trước trong một khoảng thời gian nhất định,nhưng trong bối cảnh biến đổi khí hậu trên toàn cầu hiện nay đang thay đổinhanh chóng, với các kiểu thời tiết bất thường, không theo quy luật dẫn tớilũ lụt đang xảy ra với tần suất thường xuyên hơn, cường độ các trận lũ lụtcũng khó dự đoán hơn, lũ lụt xuất hiện mới vượt các trận lũ được ghi nhậntrong lịch sử (Trịnh Thu Phương, 2021)

Trên thế giới và cả ở Việt Nam, dự báo chính xác dòng chảy lũ là mộtyêu cầu thiết yếu để tận dụng nguồn lợi từ lũ theo mùa và phòng tránh thiệthại từ lũ lớn Nhiệm vụ dự báo lũ, cảnh báo thiệt hại và các giảm tác động xấutừ lũ lụt là rất quan trọng đối với việc lập kế hoạch và quản lý hệ thống tàinguyên nước Tuy nhiên, dự báo chính xác lũ, mực nước, lưu lượng lũ sông làmột vấn đề khó khăn vì phải phân tích các giai đoạn lũ sông là một quá trìnhđộng học phức tạp được đặc trưng bởi sự thay đổi theo không gian và thờigian Ngoài ra, quá trình dòng chảy của sông là phi tuyến tính và chịu ảnh

hưởng của nhiều yếu tố như lớp phủ bề mặt lưu vực sông, quá trình mưa cũngnhư địa hình lòng sông và đặc điểm khí hậu Nhiều biện pháp dự báo đòi hỏilượng dữ liệu khổng lồ để dự báo Dự báo lũ có hai phương pháp dự lũ sông

(Adikari, K.E và cs., 2021), phương pháp đầu tiên bao gồm các mô hình toánhọc mô phỏng quá trình thủy động lực của dòng nước Phương pháp môphòng hiện nay vẫn đang được sử dụng rộng rãi vì các mô hình toán học dựatrên các khái niệm về thủy lực và thủy văn có truyền thống lâu dài Những môhình này thường có xu hướng yêu cầu các mối tương quan với lượng dữ liệucần điều tra, cập nhật lớn cho dữ liệu đầu vào (như lượng mưa, vận hành hồchứa, dữ liệu địa hình…) mà không phải lúc nào cũng có sẵn hoặc khó có thểđiều tra được Ngoài ra, các tham số của mô hình cần phải được kiểm tra vàđánh giá cẩn thận vì các tham số này phụ thuộc vào vùng và đôi khi rất khóđể ước tính hoặc hiệu chỉnh các tham số phù hợp với mô hình Kết quả là, cácmô hình không đạt được hiệu suất tốt, đặc biệt ở những khu vực có dữ liệuhạn chế (Sung, J và cs, 2017) Cách tiếp cận thứ hai để dự đoán dòng chảysông bao gồm các phương pháp dựa trên dữ liệu, dựa trên mối quan hệ thốngkê giữa dữ liệu đầu vào và đầu ra Một trong những phương pháp mới hiệnnay là dựa trên dữ liệu phổ biến được áp dụng những mô hình Trí tuệ nhântạo (AI) Với sự phát triển của khoa học máy tính trong hai thập kỷ vừa qua, cácmô hình Trí tuệ nhân tạo đã được sử dụng rộng rãi trong nhiều khía cạnh khácnhau của khoa học và kỹ thuật vì tính đơn giản trong cấu trúc mô hình, hiệu quảvà tiết kiệm thời gian Các nhà nghiên cứu đã áp dụng nhiều kỹ thuật mô hìnhTrí tuệ nhân tạo khác nhau như sử dụng riêng chúng hoặc kết hợp với các môhình dựa trên quy trình cải tiến chính xác dự báo (Yaseen và cs, 2015)

Đối với Việt Nam, quan trọng bậc nhất vùng Đồng bằng Sông Hồng,với sự phát triển gắn liền với con sông này Trong nửa thế kỉ qua, các số liệuthống kê cho thấy đã xảy ra những trận lũ lịch sử, điển hình như trận lũ năm1971 cách đây hơn 50 năm, con lũ lịch sử có tần suất 100 năm một lần, gây

nhiều thiệt hại lớn cả về con người cũng như của cải (Trung tâm KTTVQG,2022) Nhiệm vụ dự báo lũ cho Sông Hồng hiện nay luôn là nhiệm vụ cấpbách, được nghiên cứu theo nhiều hướng khác nhau, tìm ra giải pháp mới,đáp ứng yêu cầu trong quản lý, sử dụng tài nguyên Sông Hồng trong thờikỳ khoa học công nghệ mới

Việc áp dung những công nghệ ứng dụng, xây dựng cơ sở lý thuyết cốtlõi, áp dụng cuộc cách mạng công nghiệp 4.0 và sự phát triển khoa học củanhân loại trong thế kỉ 21 là một bước đi lâu dài Các kỹ thuật về Trí tuệ nhântạo đang được nghiên cứu ứng dụng rộng rãi trong nhiều ngành khoa học, lĩnhvực, trong đó lĩnh vực khoa học môi trường đang hết sức cấp thiết và mới mẻ,có tính thời sự Trên thực tế, AI đã bắt đầu được ứng dụng trong nhiều lĩnhvực của khoa học và đời sống, một trong những lĩnh vực cấp thiết hiện nay làsử dụng AI trong việc dự đoán các hiện tượng bất thường, nguy hiểm tronglĩnh vực Môi trường như dự báo mưa bão quy mô lớn, dự đoán cháy rừng, dựđoán và quản lý rác thải, cảnh báo lưu vực (Veintimilla Reyes và cs., 2016)đãsử dụng bảy phương pháp phổ biến truyền thống được áp dụng AI để đánhgiá như dự báo lượng mưa của 42 thành phố dựa trên dữ liệu trong quá khứ.Thực nghiệm các mô hình AI cho thấy các phương pháp mới này cho kết quảvượt trội hơn so với phương pháp truyền thống Các kỹ thuật Trí tuệ hiện đạiáp dụng trong xử lý dữ liệu thời gian dựa trên Machine learning (ML-họcmáy), Deep learning (DL-học sâu) như ANN, LSTM, RNN…, (P.T.T Hongvà cs, 2018) đã được áp dụng và cho kết quả tốt trong dự báo lượng mưa ởViệt Nam

Với sự phát triển như vũ bão của CNTT và AI hiện đại đang tạo ranhững cơ hội lớn để phát triển các giải pháp mới để giải quyết các vấn đềtrong lĩnh vực dự báo lũ trong ngành khoa học môi trường, cuộc đua nghiêncứu trên thế giới về ứng dụng AI vào dự đoán các hiện tượng này trong bốicảnh biến đổi khí hậu tạo nên sức mạnh mới trong các hướng nghiên cứu khoa

học môi trường ứng dụng hiện nay Xuất phát từ nhưng vấn đề trên tôi lựa

chọn đề tài: “NGHIÊN CỨU ỨNG DỤNG TRÍ TUỆ NHÂN TẠO VÀODỰ BÁO LŨ SÔNG HỒNG TRONG BỐI CẢNH BIẾN ĐỔI KHÍ HẬU”.

Luận án đặt ra mục tiêu nghiên cứu được lũ sông trên cơ sở cải thiện bộ dữliệu đo đạc thực tế, tính toán đảm bảo dự báo lũ sông trong khoảng thời giannhất định, có độ tin cậy trong khoa học giúp dự báo lũ vừa và nhỏ để pháttriển kinh tế và lũ lớn có thể xuất hiện rủi ro môi trường, đồng thời nâng caohiệu quả của phòng chống lũ và quản lý tài nguyên nước, vận hành hồ chứa,thủy điện Nhiệm vụ của Luận án này sẽ hướng tới giải quyết một phần vấnđề còn tồn tại nêu trên, xử lý dữ liệu thủy văn trong khoa học môi trường(KHMT), ứng dụng AI cho các dự báo lũ sông tại địa điểm cụ thể như với đặctrung lũ sông tại trạm Thủy văn Sơn Tây – Hà Nội, Sông Hồng của Việt Nam.

2 Mục tiêu của Luận án

2.1 Mục tiêu tổng quát

Nghiên cứu được phương pháp xử lý cơ sở dữ liệu mực nước và ứngdụng mô hình công nghệ AI vào dự báo lũ Sông Hồng trong bối cảnh biến đổikhí hậu ở Việt Nam.

2.2 Mục tiêu cụ thể

1) Phân tích, đánh giá một số đặc trưng, cấu trúc, tính chất và các yếu tốảnh hưởng đến bộ dữ liệu mực nước Sông Hồng, đoạn chảy qua trạm Thủyvăn Sơn Tây, Hà Nội, giai đoạn 2011-2020 Xây dựng được bộ dữ liệu chuẩnhóa, huấn luyện và kiểm tra phục vụ cho dự báo mực nước lũ Sông Hồngbằng AI.

2) Xây dựng phương pháp, áp dụng cơ sở lý thuyết và mô hình ứng dụngAI vào dự báo mực nước lũ Sông Hồng tại trạm Thủy văn Sơn Tây trong bốicảnh biến đổi khí hậu.

3) Dự báo mực nước lũ Sông Hồng tại trạm Thủy văn Sơn Tây thựcnghiệm với 2 mô hình RNN-AI và LSTM-AI có kết quả, nhằm dự báo mực

nước lũ sông, hỗ trợ cảnh báo, nhận diện lũ Sông Hồng tại trạm Thủy văn SơnTây, trong giai đoạn 2011-2020 có độ tin cậy

4) Đánh giá độ tin cậy mô hình dự báo, đề xuất mô hình ra quyết định,điều tiết mực nước trong quản lý tài nguyên nước Sông Hồng trong bối cảnhbiến đổi khí hậu hiện nay

3 Ý nghĩa của Luận án

3.1 Ý nghĩa khoa học

- Bổ sung cập nhật, xây dựng cơ sở dữ liệu về kết quả nghiên cứuchuẩn hóa bộ dữ liệu mực nước Sông Hồng tại trạm Sơn Tây, giai đoạn 2011-2020 góp phần làm sáng tỏ luận cứ, cơ sở khoa học và lý thuyết ứng dụng vàoxây dựng bộ dữ liệu mực nước sông hoàn chỉnh vào dự báo lũ sông, sử dụngcho các mô hình AI trên nền dữ liệu Sông Hồng quan trắc thực tế Trên cơ sởdữ liệu chuẩn hóa có được thực nghiệm với 02 mô hình dự báo linh hoạt làmô hình RNN-AI và LSTM-AI theo hướng ứng dụng công nghệ mới, đưa racác kết quả dự báo, xác định các yếu tố ảnh hưởng, thời gian dự báo và sosánh với các phương pháp dự báo khác Kết quả đạt được của Luận án đónggóp làm cơ sở khoa học, tài liệu tham khảo cho phương pháp dự báo lũ sôngbằng AI trên cơ sở dữ liệu mực nước sông.

- Kết quả của Luận án sẽ là tài liệu để tham khảo cho các nghiên cứu tiếptheo và tiếp tục thực hiện các nghiên cứu về dự báo lũ, xây dựng phần mềm, raquyết định quản lý vận hành tài nguyên nước, trong bối cảnh công nghệ phát triểnvà BĐKH hiện nay nói riêng, và trong dự báo trong ngành KHMT nói chung.

3.2 Ý nghĩa thực tiễn

- Kết quả nghiên cứu của Luận án này dựa trên thực tiễn số liệu quantrắc tại trạm Sơn Tây, Sông Hồng Các kết quả chuẩn hóa xử lý cơ sở dữ liệu,mô hình dự báo lũ Sông Hồng bằng RNN và LSTM sẽ góp phần tạo tiền để,đề xuất điều chỉnh các phương pháp dự báo lũ trong tương lai, phòng chốnglũ trên lưu vực Sông Hồng và các con sông khác (khi có sự phối hợp đẩy đủ

trên hệ thống sông, mực nước sông và các quan hệ hồ chứa lớn trong lưu vực)trong bối cảnh biến đổi khí hậu hiện nay

- Kết quả đạt được sẽ đóng góp phần nào hiệu quả nâng cao khả năngdự báo lũ cho trạm Thủy văn Sơn Tây, nhận diện lũ trên sông, giúp vận hànhquản lý hồ chứa, sử dụng tài nguyên nước hợp lý mà vẫn đảm bảo nhiệm vụphòng, chống lũ cho Sông Hồng và tận dụng lợi ích của lũ sông theo mùa chohạ du Kết quả phục vụ trực tiếp trong công tác quản lý và sử dụng hợp lý tàinguyên nước hiện nay khi nguồn tài nguyên này đang ngày càng suy kiệt.

4 Những đóng góp mới của Luận án

- Luận án sẽ cung cấp các dẫn liệu khoa học về phương pháp mới trongxử lý cấu trúc bộ dữ liệu Sông Hồng tại trạm Thủy văn Sơn Tây như: Đánhgiá đặc điểm, tính chất của mực nước trong giai đoạn 2011-2020, đặc điểmtính chất mực nước lũ Sông Hồng giai đoạn 2011-2020, trong bối cảnh biếnđổi khí hậu Đề xuất phương thức tiền xử lý dữ liệu sử dụng các kỹ thuật toánhọc, thống kê và huấn luyện mô hình dự đoán mực Sông Hồng bằng AI, ứngdụng dự báo lũ sông trong điều kiện quan trắc của Việt Nam.

- Luận án hỗ trợ xây dựng quy trình mới, cơ sở lý thuyết, phương phápứng dụng Thực nghiệm mô hình dự đoán mực nước Sông Hồng sử dụng AI(RNN-AI và LSTM-AI) cho kết quả đáng tin cậy.

- Luận án thực hiện mô hình hóa, đưa ra một số phân tích về ảnh hưởngcủa mực nước Sông Hồng đến sự phát triển của kinh tế xã hội và quản lý tàinguyên nước, đề xuất thử nghiệm mô hình cây quyết định (Decision Tree)cho quản lý tài nguyên này, tạo tài liệu trích dẫn khoa học cho hướng dự báo lũtrong tương lai và ra quyết định trong quản lý tài nguyên nước, khoa học môitrường trong thời kỳ công nghệ mới.

Chương 1

TỔNG QUAN CÁC VẦN ĐỀ NGHIÊN CỨU

1.1 Các kết quả nghiên cứu tổng quan lũ sông trong bối cảnh biến đổikhí hậu

1.1.1 Lũ sông, cơ sở khoa học và nguyên nhân hình thành lũ

Lũ sông là hiện tượng nước dâng cao từ từ hoặc nhanh chóng trong mộtkhoảng thời gian nhất định, sau đó giảm dần về mức bình thường Khi có lũ,mức nước trong sông dâng cao và tăng nhanh, đối với các trận lũ lớn, mựcnước sông còn vượt qua các công trình bảo vệ, gây ngập lụt cho các khu vựclân cận Khi có lũ, tốc độ dòng chảy của nước nhanh hơn và vượt quá mứcbình thường Lũ sông, lớn hơn mức báo động sẽ gây ra lụt, khi nước sôngdâng cao tràn qua đê ngăn, nước sông tràn vào các vùng bên ngoài dòng sông,làm ngập các khu vực có độ cao thấp hơn và các vùng lân cận, gây thiệt hạinhà cửa, đất đai, tài sản và con người (Nguyễn Thanh Sơn, 2003) Lũ têntrong tiếng anh Flood, khái niệm về đỉnh lũ là mực nước hay lưu lượng lũ làlượng nước được chảy qua một đơn vị mặt cắt ngang của sông trên một đơn vịthời gian như giây, thường được tính bằng m3/giây, thời gian lũ lên, lũ rút,mực nước đỉnh lũ H (cm) và lưu lượng nước lũ Q (m3/s) trong lòng dẫn củasông, thường được đo đạc và quan tâm nhất trong một trận lũ sông.

Khi các công trình bảo dòng sông như đê, đập, cầu cống, kè ngănsông… bị nước sông tràn qua hoặc phá vỡ cấu trúc sẽ gây ra lũ lụt bên ngoài.Lũ lụt được xếp vào loại thiên tai tàn bạo nhất của tự nhiên Lịch sử loàingười đã được đón nhận nhiều những trận lũ lụt khủng khiếp, thảm họa thiênnhiên này thực sự rất kinh hoàng có thể khiến hàng ngàn người thiệt mạng vàphá hủy nhiều nhà cửa, đất đai cũng như sinh kế của con người, thảm họa tồitệ nhất có thể xóa bỏ cả một nền văn minh (Aichouri và cs., 2015)

Giảm thiểu các rủi ro của lũ lụt được xếp hạng cao trong chương trìnhnghiên cứu về thiên tai trong nhiều thập kỷ qua, các phương pháp dự bào vàphòng chống lũ lụt và hậu quả của lũ lụt luôn luôn được nghiên cứu và cậpnhật trong các cơ sở dữ liệu khoa học của loài người Theo thống kê củawebsite of science (WOS) hàng năm có trung bình khoảng hơn 15.000 côngbố về các nghiên cứu lũ lụt mới công bố Thiệt hại do lũ lụt trong bối cảnhbiến đổi khí hậu phức tạp hiện nay được ghi nhận ngày càng tăng trên thếgiới, trong khi biến đổi khí hậu đang diễn ra nhanh và mạnh mẽ, nó có ảnhhưởng lớn và trực tiếp tới sự phát triển kinh tế ở các vùng đồng bằng và sôngngòi (Hamid Moeeni và cs., 2017) Thì các nghiên cứu về dự báo lũ sông củanhân loại cũng cần phải thay đổi, cập nhật, dự báo chính xác và tiết kiệmđược chi phí, thời gian hơn

Theo TCVN:2022 của Việt Nam về tính toán các đặc trưng Thủy vănthiết kế tính toán lũ, khoảng thời gian lũ lên là khoảng thời gian từ chân lũ lênđến đỉnh lũ, là thời điểm mực nước bắt đầu dâng cao nhanh bất thường, lưulượng nước bắt đầu tăng lên nhanh Thời gian lũ xuống là khoảng thời gian từđỉnh lũ đến chân lũ xuống, mực nước sông dần dần trở lại bình thường, lưulượng nước sông ổn định, chân lũ xuống là lũ rút xuống thấp nhất, xấp xỉbằng lúc mực nước bình thường của dòng sông lúc ban đầu.

Lũ sông thường được phân cấp theo độ lớn, căn cứ vào độ lớn đỉnh lũ trung bình nhiều năm, theo cục Quản lý tài nguyên nước (2021), mùa lũ Sông Hồng thường bắt đầu từ tháng 7 và kết thúc vào tháng 1 năm sau, có thể chia ra lũ thành các cấp lũ như sau:

- Lũ nhỏ là lũ sông thường xuyên hàng năm, có mực nước đỉnh lũ thấp hơnđỉnh lũ được thống kê trung bình nhiều năm;

- Lũ vừa là lũ có mực nước đỉnh lũ đạt mức đỉnh lũ trong khoảng mựcnước lũ được thống kê trung bình nhiều năm, tần suất 10% (10 năm xuất hiện1 lần), 5% (20 năm xuất hiện 1 lần);

- Lũ lớn là lũ có mực nước đỉnh lũ cao hơn khoảng mức đỉnh lũtrung bình nhiều năm, 2% (50 năm xuất hiện 1 lần);

- Lũ đặc biệt lớn là lũ có đỉnh cao hiếm thấy trong các thời kỳ quan trắcvới tần suất dưới 2%, 50 năm hay 100 năm xuất hiện 1 lần

- Lũ lịch sử là lũ có đỉnh cao nhất trong các thời kỳ quan trắc và điềutra khảo sát được thống kê ghi nhận.

Các nguyên nhân chính hình thành lũ sông, theo các nghiên cứu củaBùi Đình Lập (2016) gồm có:

- Thứ nhất, những trận mưa lớn kéo dài, lưu vực sông bão hòa, hệ thốngsông hạ du, các công trình thuỷ lợi không thể kịp thời tiêu dòng chảy tự nhiên,làm tăng mực nước trong sông gây ra lũ

- Thứ hai, lũ lụt còn có thể xảy ra khi điều tiết đập thủy điện, hồ chứanước, đê điều, hoặc kè sông bị vỡ, hư hỏng.

- Thứ ba, các yếu tố bất thường, tổ hợp như các trận bão lớn, áp thấpnhiệt đới ven biển có thể làm nước biển dâng lên, nước chảy ngược lại cả củasông, mưa lớn ở thượng lưu, gây nên các hiện tượng khí tưởng thủy văn bấtthường, tạo ra lũ lụt.

1.1.2 Lợi ích và hậu quả của lũ sông

1.1.2.1 Lợi ích của lũ sông

Lũ sông có tính chất tuần hoàn theo mùa, cho phép nước sông chảy vớilưu lượng lớn đến nhiều khu vực trên và dưới mặt đất Nước lũ này có thểđược lưu trữ và sử dụng cho các hồ đập, tạo nên nên lượng nước lữu trữ phụcvụ cho những mùa thiếu nước Với dòng chảy lớn và nhanh, lũ sông cũng lọccác chất ô nhiễm ra khỏi sông và đất nuôi dưỡng để hỗ trợ hệ sinh thái và cáckhu vực màu mỡ cho nông nghiệp (Tô Văn Trường, 2015).

Lũ lụt về cơ chế theo mùa cũng tạo ra các hoạt động môi trường sinhthái, là dịp để cá, động vật thủy sinh, chim và các động thực vật hoang dãkhác phát triển và sinh sản Nó cũng giúp xua đuổi các loài thực vật và độngvật xâm lấn, ngoại lai trong từng giai đoạn, mang lại lợi ích cho các loài bảnđịa Chu kỳ sinh sản của nhiều loài bắt đầu dựa vào lũ lụt Ví dụ, một số loàicá như cá tầm, cá hồi… (Dong X và cs., 2016).

Đối với các vùng đồng bằng châu thổ lớn, lũ sông hoạt động rất quantrọng, cung cấp lượng phù sa, dinh dưỡng mới cũng như những bộ lọc tựnhiên, hấp thụ và vận chuyển các hóa chất thải, các chất ô nhiễm độc hạikhác, làm cho các dòng sông trở nên lành mạnh hơn để phát triển hệ sinh thái,cũng như cho thực vật và động vật, cung cấp nguồn dinh dưỡng cho đất nôngnghiệp, đối với Việt Nam điển hình là hai vùng Đồng bằng Sông Hồng vàĐồng bằng Sông Cửu Long.

Ngoài ra, các vùng đất ngập và bán ngập nước trong mùa lũ, tạo nên hệsinh thái đặc trưng, đa dạng Các vùng này có môi trường hữu ích cho thựcvật và động vật hoang dã, đặc trưng và đóng vai trò là vườn ươm cho nhiềuloài thủy sinh và thực vật bán ngập nước phát triển Lũ sông cũng cung cấpmôi trường sống quan trọng cho những động vật sinh sản theo mùa, như cáhồi, cá tầm, cây cối vùng bán ngập nước phát triển… và lũ theo mùa rất quantrọng để duy trì mạng lưới sự sống của hệ sinh thái đặc trưng của vùng bánngập nước (Baptist và cs., 2014).

1.1.2.2 Hậu quả của lũ sông

Trái với lũ sông theo quy luật, những trận lũ lớn, hay lũ lụt bất thườngkhông theo quy luật xảy ra ít thường xuyên hơn nhưng nó mang lại nhiều táchại và hậu quả to lớn nếu không được dự báo, cảnh báo và phòng chống mộtcách kịp thời Theo Nguyễn Thanh Sơn (2015), chúng khiến nước trong dòngsông hiền hòa trở thành con thú dữ lan rộng ra một hoặc nhiều khu vực rộng

lớn, đe dọa nhà cửa, tính mạng và tài sản của của dân cư ở vùng ngập lũ, pháhủy hoặc làm tổn hại các hệ sinh thái đang ổn định.

Đặc biệt là lũ lớn, lũ lịch sử có thể gây ra rất nhiều thiệt hại nặng nề,như mất mạng con người, thiệt hại về tài sản và cơ sở hạ tầng, giao thôngthủy, xói mòn và nguy cơ lở đất hai bên bờ sông, loại lũ này tràn qua đê, kè,gây ra các thảm họa, phá hủy mùa màng và thiệt hại về kinh tế lớn

(Boulouard, Z và cs., 2022) Các mối đe dọa từ lũ sông đối với cuộc sống củacon người và các hệ sinh thái khác luôn hiện hữu hai bên bờ sông và hạ lưu,sau lũ là rủi ro sức khỏe do ô nhiễm nguồn nước, dịch chuyển nhà ở, tác độnglớn đến kinh tế, dịch bệnh, Tuy nhiên nó có thể dự báo và tính toán đượcbằng các phương pháp khác nhau

Trên thế giới, từ những số liệu thống kê cho thấy, trong vòng 30 năm

trở lại đây, do tác động của BĐKH, những cơn bão mạnh, áp thấp nhiệt đới,các hiện tượng thời tiết cực đoan… kèm theo mưa lớn diện rộng và lũ lụt đãtăng lên gấp nhiều lần với tần suất dầy hơn Có những nơi lũ lụt đã đạt mứckinh hoàng, vượt qua các trận lũ lịch sử được ghi nhận nhiều năm.

Tại thượng nguồn sông Mississippi - Hoa kỳ, trong nhiều ngày năm2020 đã gây ra tình trạng lũ lụt nghiêm trọng ở khu vực hạ lưu Nước lũ đãkhiến mức nước Sông Mississippi dâng cao tới hơn 17,5m, đạt mức cao nhấttrong vòng 100 năm qua, hơn 21.000 người bị ảnh hưởng bởi lũ lụt, khoảng37.000 ngôi nhà trên khắp hạ lưu đã bị phá hủy hoàn toàn do lũ; 39.000 ngôinhà khác bị hư hại, cùng với 34 trường học và gần 2.700 cơ sở y tế Nguồnnước Sông Mississippi thì bị ô nhiễm nghiêm trọng khoảng 2.000 nguồn cungcấp nước đã bị ô nhiễm hoặc không thể hoạt động được (Charu C Aggarw vàcs., 2020)

Theo World Climate Change Forum (2018), ở Châu Âu mùa hè năm2018 mưa lớn với lượng mưa lớn chưa từng trên diện rộng có với sức hủy diệt

đã xảy ra tại nhiều nước trong nhiều ngày, dẫn đến lũ lụt thảm khốc Pháp,Đức, Nga, Áo và Cộng hòa Séc nằm trong số những quốc gia bị ảnh hưởngthiệt hại nặng nề nhất.

Tháng 6 năm 2013, một thảm họa do mưa lớn diện rộng đã tấn côngmiền Bắc Ấn Độ và Nepal, trong và sau khi các trận mưa lớn xảy ra, lũ lụt lênnhanh và lở đất trên toàn khu vực đã cô lập và gây thiệt hại nặng nề chưa từngcó Theo báo cáo ước tính, khoảng 5.700 người đã thiệt mạng và hơn 60.000người bị mắc kẹt khi mưa ngập các thành phố, cuốn trôi xe ôtô và gây tắcnghẽn đường xá (Gouweleew, B và cs., 2015).

Trong giai đoạn 10 năm qua sau khi đập Tam Hiệp của Trung Quốcđược hoàn thành và đi vào sử dụng, ở miền nam Trung Quốc đã trải quanhững trận lũ lụt lịch sử, tồi tệ nhất trong nhiều thập kỷ qua Diễn biến từtháng 6 đến đầu tháng 7 năm 2020, sau nhiều tuần mưa lớn xối xả kéo dài liêntục, người dân sống dọc con sông Trường Giang, con sông dài nhất ở Châu Áphía dưới đập Tam Hiệp, đã buộc phải sơ tán khi nước sông dâng cao kỷ lục,làm vỡ đê và uy hiếp các con đập lớn như đập Tam Hiệp (Chang Jian-Xia vàcs., 2021) Các báo cáo ước tính ít nhất hơn 15.800 người chết hoặc mất tíchdo hậu quả của lũ lụt Khoảng 3,7 triệu người phải di dời và hơn 400.000 ngôinhà bị phá hủy, Ngày 20 tháng 07 năm 2020, thượng nguồn sông TrườngGiang của Trung Quốc, ngay phía sau của con đập Tam Hiệp, Trung Quốc đãđón lưu lượng nước lũ sông Trường Giang đổ về kỷ lục, hơn 76.000 m3/giây,lưu lượng nước lớn nhất kể từ khi sông này xây dựng đập Tam Hiệp đượckhánh thành, có những nơi mực nước đã vượt cảnh báo lũ lịch sử cao nhấtđược thống kê tới 0,04m và thay thế giá trị này, nước trong sông TrườngGiang tràn qua đê kè thấp, không được quy hoạch ngăn lũ sông TrườngGiang, đã buộc giới chức Trung Quốc sơ tán hơn 1.000.000 người, phảibỏ lại nhà cửa và tài sản để di tản đến khu vực cao hơn (Chang Jian-Xiavà cs., 2021).

Ở Việt Nam, lũ trên các sông lớn những năm gần đây không thường

xuyên xuất hiện, nhưng với tần suất nhiều hơn, tăng cao bất thường và vàocác thời điểm không theo quy luật trong năm, do các trận mưa lớn diện rộngbất thường kéo dài, hoặc do bão kết hợp với áp thấp nhiệt đới Những trận lũnày đã làm vỡ đê gây thiệt hại lớn về người và tài sản, đới với một số vùngven biển, làm mực nước biển dâng lên và sau đó là tác hại ngập mặn và rửatrôi (Lê Văn Nghinh và cs., 2021) Theo thống kê, Việt Nam có 16 lưu vựcsông lớn, có nhiều lưu vực diện tích lưu vực lớn hơn 2.000 km2, trong đó có10 lưu vực có diện tích lớn hơn 10.000 km2 Lũ lụt, ngập úng là hiện tượngxảy ra thường xuyên ở Việt nam, có quy luật hằng năm theo mùa, lũ lịch sửthường không theo quy luật và gây thiệt hại lớn cho nền kinh tế quốc dân,theo Trung tâm phòng tránh thiên tai Châu Á, Việt Nam được xếp loại thiêntai do lũ lụt ở mức độ cao nhất khu vực theo Quyết định số 429/QĐ-TTg ngày21/04/2023 Thủ tướng Chính phủ (2023).

Hàng năm có đến gần 50% số dân Việt Nam nằm trong vùng thườngxuyên bị đe doạ bởi lũ lụt Do các đặc điểm địa hình đất nước kéo dài theokinh tuyến, các đặc điểm sông ngòi khác nhau đa dạng nên sự hình thành lũcủa các vùng khác nhau và phức tạp, nên công tác quy hoạch phòng chống lũcho các vùng cũng có những đặc thù riêng, có nhiều khó khăn khác nhau Bởivậy, công tác phòng chống lũ là một trong những vấn đề được Đảng và Nhànước quan tâm đặc biệt (Trung tâm Dự báo KTTV Quốc gia, 2022).

Theo báo cáo của trung tâm KTTVQG, Đồng bằng châu thổ SôngHồng theo thống kê từ năm 1961 đến nay có khoảng 10 trận lũ lớn đặc biệt, lũlịch sử xuất hiện như năm 1971 trên Sông Hồng và thiệt hại do các trận lũ gâyra là lớn nhất: Thiệt hại do lũ 1971 lên tới trên 70 triệu USD và làm gần 2triệu ha đất nông nghiệp bị ngập, hoặc 500 người chết, thiệt hại nhiều cơ sởhạ tầng, giao thông ở hạ lưu.

Trong gia đoạn nghiên cứu từ 2011-2020, trên địa bàn thủ đô Hà Nộitrong tháng 10 năm 2019 đợt mưa lớn bất thường trái mùa năm 2019 tại miềnBắc và Bắc Trung Bộ đã vượt qua mọi dự báo và gây ra trận mưa lũ lớn tạiHà Nội Đợt mưa lớn này được đánh giá là có lượng mưa kỷ lục trong vòng100 năm tại đây (tính đến năm 2020) “Tính đến chiều 1/11/2019, tổng lượngmưa ở khu vực Hà Nội phổ biến từ 350 - 550 mm”, thiệt hại do trận lụt gây ralà rất lớn, tại Hà Nội đã có 17 người thiệt mạng, tuyến đê Sông Hồng bị sạtmái, gần 13.000 hộ dân ven đê ngập nhà cửa, các hồ chứa bị tràn nước Tổngthiệt hại ban đầu tại Hà Nội ước tính ít nhất là 3.000 tỷ đồng, 230 người thiệtmạng và mất tích, gần 4000 nghìn ngôi nhà bị ngập lụt (Trung tâm Dự báoKTTV Quốc gia, 2022).

Lũ ở Đồng bằng Sông Cửu Long do Sông Mekong thường kéo dài 3-4tháng; cường suất từ 3- 4cm/ngày, cao nhất đạt 30 cm/ngày; tốc độ truyền lũchậm, thường là lũ một đỉnh và dạng lũ khá ổn định do lũ ở thượng lưu vàmưa nội đồng lớn (1.500 - 2.000 mm) Lũ ở sông Cửu Long đôi khi do lượngnước từ thượng nguồn tăng đột biến, bên cạnh đó là nạn phá rừng ở TâyNguyên, sự di dân đến các vùng lũ lụt, hệ thống kênh đào ở Đồng Tháp, ởLong Xuyên thuận lợi cho nước lũ sớm chảy vào đê, đập ngăn mặn cản trởviệc thoát lũ (Nguyễn Lan Châu, 2021) Tại những vùng thấp (0,2-0,6m), khicó mưa nội đồng và thuỷ triều cao, ngập úng càng trầm trọng hơn Diện tíchngập úng do mưa lũ có thể đến 600-700 ha và đặc biệt ngập sâu hơn khi mưalớn vào cuối mùa lũ và diện tích ngập do thủy triều gây ra khoảng 200-300nghìn ha.

Đối với Miền Trung nước ta là nơi có nhiều bão ảnh hưởng, tần suấtkhoảng 10 cơn bão trên năm, do đó lũ lụt cũng nhiều nhất so với cả nước Dolưu vực các sông Miền Trung có địa hình đặc biệt, thường hẹp, độ dốc lớn,nước tập trung rất nhanh nên ngập lụt thường xảy ra nhanh và rất nghiêmtrọng Các trận lũ lớn đã xảy ra sau mưa bão, như trên sông Mã, sông Lam làcác trận lũ đã gây thiệt hại rất lớn cho các tỉnh Miền Trung như Thanh Hoá,Nghệ An và Hà Tĩnh… (Nguyễn Lan Châu, 2021)

Năm 1999, lũ lịch sử có tần suất 50 năm, chưa từng thấy ở Miền Trung vớilượng mưa trong 24 giờ ở Thành phố Huế đạt 1384 mm, mực nước sông Hươnglên cao gần 6 m, cao hơn mực nước trận lụt lịch sử năm 1953 đến 0.46m.

Tổng hợp báo cáo của trung tâm KTTVQG giai đoạn 2010-2019 chothấy thiệt hại do lũ lụt trên cả nước ta bị gây ra có xu thế ngày càng một tăng(Biểu đồ 1.1), có thể thấy số liệu cụ thể và diễn thế về thiệt hại do thiên taigây ra ở Việt Nam trong giai đoạn 10 năm (2010-2019), càng về cuối giaiđoạn số liệu thiệt hại trung bình càng lớn, giai đoạn 5 năm cuối gần như tănggấp đôi so với giai đoạn 5 năm đầu, riêng năm 2017 thiệt hại rất lớn Số liệuđược thể hiện trong Bảng 1.1

Bảng 1.1 Thống kê thiệt hại về kinh tế do lũ lụt giai đoạn 2010-2019

ĐVT: Ngìn tỷ đồng

2011 2012 2013 2014 2015 2016 2017 2018 2019Tổng

thiệt hạido lũ lụtgia đoạn2010-

(Nguồn: Trung tâm KTTVQG, 2020)

Biểu đồ 1.1 Thông kê thiệt hại về kinh tế do lũ lụt giai đoạn 2010-2019

Trong năm 2020, mưa lớn kéo dài do Áp thấp nhiệt đới (ATNĐ) đãkhiến mực nước các sông và hồ chứa ở Miền Bắc lên đến mức kỷ lục Chiềungày 11/10/2020, Thủy điện Hòa Bình đã phải mở cửa xả lũ Đây là lần đầutiên trong 10 năm qua, hồ Hoà Bình phải mở tới 8 cửa xả đáy Đêm, rạng sángngày 12/10/2020, tại Hòa Bình cũng xảy ra vụ sạt lở nghiêm trọng khiếnkhiến 18 người bị vùi lấp Còn tại Chương Mỹ, Hà Nội, khoảng 6 giờ sáng12/10/2020, mực nước Sông Hồng lên cao, đê Bùi 2 (thuộc xã Hoàng VănThụ và xã Tân Tiến) đã bị vỡ nhấn chìm nhiều nhà dân và hoa màu Ở YênBái do ảnh hưởng trên hệ thống Sông Hồng nước lũ lên cao, trong 2 ngày (10và 11/10) mưa lớn kéo dài khiến mực nước sông dâng cao Đến 5 giờ sáng11/10 đã xảy ra lũ quét, nước lũ tràn vào khu dân cư khiến cả trăm gia đình bịngập (hình 2) Hà Nội đã phải hứng chịu trận lũ kinh hoàng gây thiệt hại nặngnề, ảnh hưởng khắc phục đến nhiều năm về sau.

Tóm lại, Lũ sông cho thấy nhiều mặt có lợi cũng như tác hại của lũ lớn.

Lũ vừa và nhỏ đem lại nguồn sống cho hệ thống sông và hạ dụ nhưng nhữngtrận lũ lớn, lũ lịch sử là rất nghiêm trọng và khủng khiếp Ngày nay con ngườikhai thác các nguồn nước để phục vụ nhiều mục đích khác nhau như cấpnước, giao thông, sản xuất năng lượng, lương thực, kể cả về chính trị và quânsự…, Con người đã tận dụng triệt để nguồn tài nguyên này mà nghĩ rằng nó làvô hạn nhưng thực tế thì không phải như vậy Các nguồn nước đang suy giảmtrầm trọng, chất lượng nước đang đến bờ vực cảnh báo, các hiện tượng thiêntai liên quan đến nguồn nước trong các con sông xuất hiện với tuần suất nhiềuvà phá vỡ nhiều kỷ lục được ghi nhận trong bối cảnh biến đổi khí hậu(BĐKH) Do đó việc nghiên cứu dự báo lũ sông là hết sức cần thiết và cầnđược nghiên cứu sâu rộng với nhiều phương pháp mới hơn nữa trong thời

điểm bối cảnh BĐKH phức tạp hiện nay.

1.2 Ảnh hưởng của biến đổi khí hậu đến lũ sông

1.2.1 Biến đổi khí hậu

Bi n đ i khí h uến đổi khí hậu ổi khí hậu ậu là thu t ng đậu ữ được dùng để chỉ sự thay đổi của khí hậu do ược dùng để chỉ sự thay đổi của khí hậu doc dùng đ ch s thay đ i c a khí h u doể chỉ sự thay đổi của khí hậu do ỉ sự thay đổi của khí hậu do ự thay đổi của khí hậu do ổi khí hậu ủa khí hậu do ậutác đ ng ch y u c a con ngủa khí hậu do ến đổi khí hậu ủa khí hậu do ười làm thay đổi các thành phần của khí quyển Tráii làm thay đ i các thành ph n c a khí quy n Tráiổi khí hậu ần của khí quyển Trái ủa khí hậu do ể chỉ sự thay đổi của khí hậu doĐ t (Madsen, H.B, 20ất (Madsen, H.B, 20 20) S thay đ i này k t h p v i các y u t bi n đ ng tự thay đổi của khí hậu do ổi khí hậu ến đổi khí hậu ợc dùng để chỉ sự thay đổi của khí hậu do ới các yếu tố biến động tự ến đổi khí hậu ố biến động tự ến đổi khí hậu ự thay đổi của khí hậu donhiên c a t nhiên d n t i các bi n đ i c a khí h u qua các th i kỳ Nói m t cáchủa khí hậu do ự thay đổi của khí hậu do ẫn tới các biến đổi của khí hậu qua các thời kỳ Nói một cách ới các yếu tố biến động tự ến đổi khí hậu ổi khí hậu ủa khí hậu do ậu ời làm thay đổi các thành phần của khí quyển Tráid hi u, ễ hiểu, ể chỉ sự thay đổi của khí hậu do BĐKH chính là s thay đ i c a h th ng khí h u t sinh quy n, khíự thay đổi của khí hậu do ổi khí hậu ủa khí hậu do ệ thống khí hậu từ sinh quyển, khí ố biến động tự ậu ừ sinh quyển, khí ể chỉ sự thay đổi của khí hậu doquy n, th y quy n t i th ch quy n trong hi n t i và tể chỉ sự thay đổi của khí hậu do ủa khí hậu do ể chỉ sự thay đổi của khí hậu do ới các yếu tố biến động tự ạch quyển trong hiện tại và tương lai ể chỉ sự thay đổi của khí hậu do ệ thống khí hậu từ sinh quyển, khí ạch quyển trong hiện tại và tương lai ương laing lai (Mosavi, A., Ozturk,P., 2018) Th Gi i đã và đang đ t đến đổi khí hậu ới các yếu tố biến động tự ạch quyển trong hiện tại và tương lai ược dùng để chỉ sự thay đổi của khí hậu doc nh ng thành t u to l n, có ý nghĩa l ch sữ được dùng để chỉ sự thay đổi của khí hậu do ự thay đổi của khí hậu do ới các yếu tố biến động tự ịch sử ửtrong s phát tri n c a loài ngự thay đổi của khí hậu do ể chỉ sự thay đổi của khí hậu do ủa khí hậu do ười làm thay đổi các thành phần của khí quyển Tráii Tuy nhiên, BĐKH hi n đang t o ra nh ng tháchệ thống khí hậu từ sinh quyển, khí ạch quyển trong hiện tại và tương lai ữ được dùng để chỉ sự thay đổi của khí hậu doth c to l n, nh hới các yếu tố biến động tự ưởng đến nhiều mục tiêu phát triển bền vững của Thế Giới vàng đ n nhi u m c tiêu phát tri n b n v ng c a Th Gi i vàến đổi khí hậu ều mục tiêu phát triển bền vững của Thế Giới và ục tiêu phát triển bền vững của Thế Giới và ể chỉ sự thay đổi của khí hậu do ều mục tiêu phát triển bền vững của Thế Giới và ữ được dùng để chỉ sự thay đổi của khí hậu do ủa khí hậu do ến đổi khí hậu ới các yếu tố biến động tựVi t Nam.ệ thống khí hậu từ sinh quyển, khí

Theo World Climate Change Forum (2018), nhi t đ trung bình c a b m tệ thống khí hậu từ sinh quyển, khí ủa khí hậu do ều mục tiêu phát triển bền vững của Thế Giới và ặtTrái đ t hi n nay m h n kho ng 1,1°C so v i cu i nh ng năm 1ất (Madsen, H.B, 20 ệ thống khí hậu từ sinh quyển, khí ất (Madsen, H.B, 20 ơng lai ới các yếu tố biến động tự ố biến động tự ữ được dùng để chỉ sự thay đổi của khí hậu do 900 (trưới các yếu tố biến động tực cu ccách m ng công nghi p) và m h n b t kỳ th i đi m nào trong 100.000 năm qua.ạch quyển trong hiện tại và tương lai ệ thống khí hậu từ sinh quyển, khí ất (Madsen, H.B, 20 ơng lai ất (Madsen, H.B, 20 ời làm thay đổi các thành phần của khí quyển Trái ể chỉ sự thay đổi của khí hậu doTh p k v a qua (2011-2020) là k l c m nh t ậu ỷ vừa qua (2011-2020) là kỷ lục ấm nhất ừ sinh quyển, khí ỷ vừa qua (2011-2020) là kỷ lục ấm nhất ục tiêu phát triển bền vững của Thế Giới và ất (Madsen, H.B, 20 ất (Madsen, H.B, 20 c a trái đ t ủa trái đất ất và m i th p k trongỗi thập kỷ trong ậu ỷ vừa qua (2011-2020) là kỷ lục ấm nhất s b n th p k qua đ u m h n b t kỳ th p k nào trố biến động tự ố biến động tự ậu ỷ vừa qua (2011-2020) là kỷ lục ấm nhất ều mục tiêu phát triển bền vững của Thế Giới và ất (Madsen, H.B, 20 ơng lai ất (Madsen, H.B, 20 ậu ỷ vừa qua (2011-2020) là kỷ lục ấm nhất ưới các yếu tố biến động tực đó k t ể chỉ sự thay đổi của khí hậu do ừ sinh quyển, khí s li u th ngố liệu thống ệu thống ố liệu thốngkê năm 1850 Các nhà khoa h c v khí h u đã ch ra r ngọc về khí hậu đã chỉ ra rằng ều mục tiêu phát triển bền vững của Thế Giới và ậu ỉ sự thay đổi của khí hậu do ằng nguyên nhân ch y uủa trái đất ếuc a BĐKH, thìủa trái đất con người làm thay đổi các thành phần của khí quyển Tráii ch u trách nhi m cho h u nh toàn b hi n tịch sử ệ thống khí hậu từ sinh quyển, khí ần của khí quyển Trái ư ệ thống khí hậu từ sinh quyển, khí ược dùng để chỉ sự thay đổi của khí hậu dong nónglên c aủa trái đất toàn c uần của khí quyển Trái này trong nh ngững năm qua Các ho t đ ng c a con ng i ạch quyển trong hiện tại và tương lai ủa khí hậu do ười làm thay đổi các thành phần của khí quyển Trái đã t oạora khí nhà kính, tiêu th l ng l n tài nguyên tích tr ,ụ lượng lớn tài nguyên tích trữ, ượng lớn tài nguyên tích trữ, ớn tài nguyên tích trữ, ững làm trái đ t nóng lên nhanhất (Madsen, H.B, 20h n b t kỳ lúc nào trong ơng lai ất (Madsen, H.B, 20 các con s th ng kê ố liệu thống ố liệu thống hai nghìn năm qua.

Trong nh ng th p niên g n đây,ững ập niên gần đây, ần đây, BĐKH ch y u có nghĩa là nhi t đ m h nủa khí hậu do ến đổi khí hậu ệ thống khí hậu từ sinh quyển, khí ất (Madsen, H.B, 20 ơng lai ,các hi n t ng khí t ng b t th ng, có t n su t cao h n, m c đ l n h nệu thống ượng lớn tài nguyên tích trữ, ượng lớn tài nguyên tích trữ, ất ường, có tần suất cao hơn, mực độ lớn hơn ần đây, ất ơn, mực độ lớn hơn ực độ lớn hơn ộ lớn hơn ớn tài nguyên tích trữ, ơn, mực độ lớn hơn Nhi t đệ thống khí hậu từ sinh quyển, khítăng ch là kh i đ u c a ỉ sự thay đổi của khí hậu do ởng đến nhiều mục tiêu phát triển bền vững của Thế Giới và ần của khí quyển Trái ủa khí hậu do nh ng h u qu v sauững ập niên gần đây, ả về sau ề sau Vì Trái đ t là m t h th ng, n iất (Madsen, H.B, 20 ệ thống khí hậu từ sinh quyển, khí ố biến động tự ơng laim i th đọc về khí hậu đã chỉ ra rằng ược dùng để chỉ sự thay đổi của khí hậu do ến đổi khí hậu ố biến động tự ới các yếu tố biến động tực k t n i v i nhau nên nh ng thay đ i m t khu v c có th nhữ được dùng để chỉ sự thay đổi của khí hậu do ổi khí hậu ởng đến nhiều mục tiêu phát triển bền vững của Thế Giới và ự thay đổi của khí hậu do ể chỉ sự thay đổi của khí hậu do

hưởng đến nhiều mục tiêu phát triển bền vững của Thế Giới vàng đ n nh ng thay đ i t t c nh ng khu v c khácến đổi khí hậu ữ được dùng để chỉ sự thay đổi của khí hậu do ổi khí hậu ởng đến nhiều mục tiêu phát triển bền vững của Thế Giới và ất (Madsen, H.B, 20 ữ được dùng để chỉ sự thay đổi của khí hậu do ự thay đổi của khí hậu do (Zalnezhad, A và cs,2022) H u qu c a ậu ủa khí hậu do BĐKH hi n nayệ thống khí hậu từ sinh quyển, khí đã bao g m h n hán d d i, khan hi mồm hạn hán dữ dội, khan hiếm ạch quyển trong hiện tại và tương lai ữ được dùng để chỉ sự thay đổi của khí hậu do ến đổi khí hậunưới các yếu tố biến động tực, h a ho n nghiêm tr ng, m c nỏa hoạn nghiêm trọng, mực nước biển dâng cao, lũ lụt ạch quyển trong hiện tại và tương lai ọc về khí hậu đã chỉ ra rằng ự thay đổi của khí hậu do ưới các yếu tố biến động tực bi n dâng cao, lũ l tể chỉ sự thay đổi của khí hậu do ục tiêu phát triển bền vững của Thế Giới và gia tăng c vả về sau ề saut n su t l n m c đ nghiêm tr ngần đây, ất ẫn mức độ nghiêm trọng ức độ nghiêm trọng ộ lớn hơn ọng , băng tan ởng đến nhiều mục tiêu phát triển bền vững của Thế Giới và các vùng c c, bãoự thay đổi của khí hậu do l nớn tài nguyên tích trữ, th m kh cố biến động tựvà suy gi m đa d ng sinh h c…ạch quyển trong hiện tại và tương lai ọc về khí hậu đã chỉ ra rằng

BĐKH có th nh h ng đ n s c kh e, kh năng tr ng tr t và s n l ng l ngể ả về sau ưởng đến sức khỏe, khả năng trồng trọt và sản lượng lương ếu ức độ nghiêm trọng ỏe, khả năng trồng trọt và sản lượng lương ả về sau ồng trọt và sản lượng lương ọng ả về sau ượng lớn tài nguyên tích trữ, ươn, mực độ lớn hơnth c, hoàn c nh sinh s ng tr c ti p c a con ng i và cân b ng h sinh thái thay đ i.ực độ lớn hơn ả về sau ố liệu thống ực độ lớn hơn ếu ủa trái đất ường, có tần suất cao hơn, mực độ lớn hơn ằng hệ sinh thái thay đổi ệu thống ổi.Đ i v i Vi t Nam, BĐKH hi n đang và s t o ra nh ng thách th c to l n, nh h ngố liệu thống ớn tài nguyên tích trữ, ệu thống ệu thống ẽ tạo ra những thách thức to lớn, ảnh hưởng ạo ững ức độ nghiêm trọng ớn tài nguyên tích trữ, ả về sau ưởng đến sức khỏe, khả năng trồng trọt và sản lượng lươngr t l n đ n nhi u m c tiêu phát tri n kinh t b n v ng và b o v môi tr ng c a Vi tất ớn tài nguyên tích trữ, ếu ề sau ụ lượng lớn tài nguyên tích trữ, ể ếu ề sau ững ả về sau ệu thống ường, có tần suất cao hơn, mực độ lớn hơn ủa trái đất ệu thốngNam trong th i gian t i Đ i v i Vi t Nam hi n nay, ờng, có tần suất cao hơn, mực độ lớn hơn ớn tài nguyên tích trữ, ố liệu thống ớn tài nguyên tích trữ, ệu thống ệu thống phát tri n b n v ng là yêu c uể ề sau ững ần đây,xuyên su t trong quá trình phát tri n đ t n c, k t h p ch t ch , h p lý và hài hòaố liệu thống ể ất ướn tài nguyên tích trữ, ếu ợng lớn tài nguyên tích trữ, ặt chẽ, hợp lý và hài hòa ẽ tạo ra những thách thức to lớn, ảnh hưởng ợng lớn tài nguyên tích trữ,gi a phát tri n kinh t v i phát tri n xã h i và b o v tài nguyên, môi tr ng, ch đ ngững ể ếu ớn tài nguyên tích trữ, ể ộ lớn hơn ả về sau ệu thống ường, có tần suất cao hơn, mực độ lớn hơn ủa trái đất ộ lớn hơnng phó v i bi n đ i khí h u, b o đ m qu c phòng, an ninh, tr t t , an toàn xã h i vàức độ nghiêm trọng ớn tài nguyên tích trữ, ếu ổi ập niên gần đây, ả về sau ả về sau ố liệu thống ập niên gần đây, ực độ lớn hơn ộ lớn hơnb o v v ng ch c đ c l p, ch quy n qu c gia.ả về sau ệu thống ững ắc độc lập, chủ quyền quốc gia ộ lớn hơn ập niên gần đây, ủa trái đất ề sau ố liệu thống

V i v trí đ a lý có đ ng bớn tài nguyên tích trữ, ị trí địa lý có đường b ị trí địa lý có đường b ường, có tần suất cao hơn, mực độ lớn hơn ời làm thay đổi các thành phần của khí quyển Trái bi n dài, đi u ki n t nhiên đ c thù đ ng b ngể ề sau ệu thống ực độ lớn hơn ặt chẽ, hợp lý và hài hòa ồng trọt và sản lượng lương ằng hệ sinh thái thay đổi.th p ven bi n tr i r ng, Vi t Nam là đ t n c d b t n th ng tr c tác đ ng c aất ể ả về sau ộ lớn hơn ệu thống ất ướn tài nguyên tích trữ, ễ bị tổn thương trước tác động của ị trí địa lý có đường b ổi ươn, mực độ lớn hơn ướn tài nguyên tích trữ, ộ lớn hơn ủa trái đất BĐKH, v i nh ng bi u hi n nh : lũ l t b t th ng, h n hán, n c bi n dâng, ng pớn tài nguyên tích trữ, ững ể ệu thống ư ụ lượng lớn tài nguyên tích trữ, ất ường, có tần suất cao hơn, mực độ lớn hơn ạo ướn tài nguyên tích trữ, ể ập niên gần đây,m n, các hi n t ng th i ti t c c đoan, nhi t đ trung bình tăng lên và nhi t đ có thặt chẽ, hợp lý và hài hòa ệu thống ượng lớn tài nguyên tích trữ, ờng, có tần suất cao hơn, mực độ lớn hơn ếu ực độ lớn hơn ệu thống ộ lớn hơn ệu thống ộ lớn hơn ểcao k l c… Theo đánh giá h ng năm v nh ng n c ch u nh h ng n ng nh t b iỷ ụ lượng lớn tài nguyên tích trữ, ằng hệ sinh thái thay đổi ề sau ững ướn tài nguyên tích trữ, ị trí địa lý có đường b ả về sau ưởng đến sức khỏe, khả năng trồng trọt và sản lượng lương ặt chẽ, hợp lý và hài hòa ất ởng đến sức khỏe, khả năng trồng trọt và sản lượng lươngcác hi n t ng th i ti t c c đoan giai đo n 1999 - 2019, Vi t Nam đ ng th 13 v Chệu thống ượng lớn tài nguyên tích trữ, ờng, có tần suất cao hơn, mực độ lớn hơn ếu ực độ lớn hơn ạo ệu thống ức độ nghiêm trọng ức độ nghiêm trọng ề sau ỉs r i ro khí h u toàn c u năm 2018 và th 8 v Ch s r i ro khí h u dài h n (Climateố liệu thống ủa trái đất ập niên gần đây, ần đây, ức độ nghiêm trọng ề sau ỉ ố liệu thống ủa trái đất ập niên gần đây, ạoChange, 2020).

nh h ng d tính theo các k ch b n c a BĐKH vào năm 2050 gây nên nhi uẢ ưởng đến sức khỏe, khả năng trồng trọt và sản lượng lương ực độ lớn hơn ị trí địa lý có đường b ả về sau ủa trái đất ề sautác h i to l n, n u m c n c bi n dâng 100cm s có 16,8% di n tích đ ng b ng Sôngạo ớn tài nguyên tích trữ, ếu ực độ lớn hơn ướn tài nguyên tích trữ, ể ẽ tạo ra những thách thức to lớn, ảnh hưởng ệu thống ồng trọt và sản lượng lương ằng hệ sinh thái thay đổi.H ng, 4,79% di n tích t nh Qu ng Ninh, 1,47% di n tích đ t các t nh ven bi n mi nồng trọt và sản lượng lương ệu thống ỉ ả về sau ệu thống ất ỉ ể ề sauTrung t Thanh Hóa đ n Bình Thu n, 17,8% di n tích TP.HCM, 4,79% di n tích t nhừ ếu ập niên gần đây, ệu thống ệu thống ỉBà R a - Vũng Tàu có nguy c b ng p ĐBSCL là khu v c có nguy c ng p caoị trí địa lý có đường b ơn, mực độ lớn hơn ị trí địa lý có đường b ập niên gần đây, ực độ lớn hơn ơn, mực độ lớn hơn ập niên gần đây,

(38,9% di n tích) (UNICEF, 2022).ệu thống

Hi n nay, di n tích đ t gieo tr ng c a Vi t Nam là kho ng 9,4 tri u hecta (trongệu thống ệu thống ất ồng trọt và sản lượng lương ủa trái đất ệu thống ả về sau ệu thốngđó có 4 tri u hecta đ t tr ng lúa) N u m c n c bi n dâng thêm 1m thì Vi t Nam sệu thống ất ồng trọt và sản lượng lương ếu ực độ lớn hơn ướn tài nguyên tích trữ, ể ệu thống ẽ tạo ra những thách thức to lớn, ảnh hưởngb m t đi kho ng h n 2 tri u hecta đ t tr ng lúa (kho ng 50%) (T ng c c th ng kê,ị trí địa lý có đường b ất ả về sau ơn, mực độ lớn hơn ệu thống ất ồng trọt và sản lượng lương ả về sau ổi ụ lượng lớn tài nguyên tích trữ, ố liệu thống2021) Đi u này đ ng nghĩa v i vi c ng i dân m t đ t s n xu t, m t đi sinh k , kéoề sau ồng trọt và sản lượng lương ớn tài nguyên tích trữ, ệu thống ường, có tần suất cao hơn, mực độ lớn hơn ất ất ả về sau ất ất ếutheo đó là gia tăng nghèo, đói.

Theo s li u c a T ng c c Th y l i (2019), năm 2017 - 2018 có 104.000 ha lúaố liệu thống ệu thống ủa trái đất ổi ụ lượng lớn tài nguyên tích trữ, ủa trái đất ợng lớn tài nguyên tích trữ,b nh h ng n ng đ n năng su t do m a l n, chi m 11% s ị trí địa lý có đường b ả về sau ưởng đến sức khỏe, khả năng trồng trọt và sản lượng lương ặt chẽ, hợp lý và hài hòa ếu ất ư ớn tài nguyên tích trữ, ếu ố liệu thống di n tích gieo tr ng c aệu thống ồng trọt và sản lượng lương ủa trái đất c n c T i các t nh Đ ng b ng Sông H ng, năm 2018 m c n c Sông H ng nh h ngả về sau ướn tài nguyên tích trữ, ạo ỉ ồng trọt và sản lượng lương ằng hệ sinh thái thay đổi ồng trọt và sản lượng lương ực độ lớn hơn ướn tài nguyên tích trữ, ồng trọt và sản lượng lương ả về sau ưởng đến sức khỏe, khả năng trồng trọt và sản lượng lươngt i kh năng sinh tr ng và gi m năng su t lúa, xu t hi n lũ dớn tài nguyên tích trữ, ả về sau ưởng đến sức khỏe, khả năng trồng trọt và sản lượng lương ả về sau ất ất ệu thống ẫn tới các biến đổi của khí hậu qua các thời kỳ Nói một cáchn t i năng su t trung bìnhớn tài nguyên tích trữ, ất gi m t i 20% - 25%, th m chí có nh ng n i t i 50%, m t tr ng N u không có ph ngả về sau ớn tài nguyên tích trữ, ập niên gần đây, ững ơn, mực độ lớn hơn ớn tài nguyên tích trữ, ất ắc độc lập, chủ quyền quốc gia ếu ươn, mực độ lớn hơnpháp d báo k p th i, ng i dân tr ng lúa, tr ng cây ăn trái và nuôi tr ng th y s n đ ngực độ lớn hơn ị trí địa lý có đường b ờng, có tần suất cao hơn, mực độ lớn hơn ường, có tần suất cao hơn, mực độ lớn hơn ồng trọt và sản lượng lương ồng trọt và sản lượng lương ồng trọt và sản lượng lương ủa trái đất ả về sau ức độ nghiêm trọngtr c nguy c b nh h ng n ng n , m t vi c làm, m t thu nh p và r t có th s b bu cướn tài nguyên tích trữ, ơn, mực độ lớn hơn ị trí địa lý có đường b ả về sau ưởng đến sức khỏe, khả năng trồng trọt và sản lượng lương ặt chẽ, hợp lý và hài hòa ề sau ất ệu thống ất ập niên gần đây, ất ể ẽ tạo ra những thách thức to lớn, ảnh hưởng ị trí địa lý có đường b ộ lớn hơnph i tr thành ng i dân “t n n môi tr ng”, nh ng ng i bu c ph i di c ki m s ng doả về sau ởng đến sức khỏe, khả năng trồng trọt và sản lượng lương ường, có tần suất cao hơn, mực độ lớn hơn ị trí địa lý có đường b ạo ường, có tần suất cao hơn, mực độ lớn hơn ững ường, có tần suất cao hơn, mực độ lớn hơn ộ lớn hơn ả về sau ư ếu ố liệu thốngkhông th đ m b o cu c s ng trên chính m nh đ t c a mình…ể ả về sau ả về sau ộ lớn hơn ố liệu thống ả về sau ất ủa trái đất

1.2.2 Ảnh hưởng của biến đổi khí hậu đến lũ sông

Bi n đ i khí h u có th khi n lũ sông tr nên l n h n ho c th ng xuyên h n ếu ổi ập niên gần đây, ể ếu ởng đến sức khỏe, khả năng trồng trọt và sản lượng lương ớn tài nguyên tích trữ, ơn, mực độ lớn hơn ặt chẽ, hợp lý và hài hòa ường, có tần suất cao hơn, mực độ lớn hơn ơn, mực độ lớn hơn ởng đến sức khỏe, khả năng trồng trọt và sản lượng lươngm t s n i tr c đây nh ng l i tr nên nh h n và ít th ng xuyên h n nh ng n iộ lớn hơn ố liệu thống ơn, mực độ lớn hơn ướn tài nguyên tích trữ, ư ạo ởng đến sức khỏe, khả năng trồng trọt và sản lượng lương ỏe, khả năng trồng trọt và sản lượng lương ơn, mực độ lớn hơn ường, có tần suất cao hơn, mực độ lớn hơn ơn, mực độ lớn hơn ởng đến sức khỏe, khả năng trồng trọt và sản lượng lương ững ơn, mực độ lớn hơnkhác (Climate Change, 2020) Vì nhi t đ m h n khi n n c b c h i nhi u h n tệu thống ộ lớn hơn ất ơn, mực độ lớn hơn ếu ướn tài nguyên tích trữ, ố liệu thống ơn, mực độ lớn hơn ề sau ơn, mực độ lớn hơn ừđ t li n và đ i d ng, nên nh ng thay đ i v quy mô và t n su t c a các đ t m a l nất ề sau ạo ươn, mực độ lớn hơn ững ổi ề sau ần đây, ất ủa trái đất ợng lớn tài nguyên tích trữ, ư ớn tài nguyên tích trữ,có th l n l t nh h ng đ n quy mô và t n su t lũ l t trên sông Thay đ i v dòngể ần đây, ượng lớn tài nguyên tích trữ, ả về sau ưởng đến sức khỏe, khả năng trồng trọt và sản lượng lương ếu ần đây, ất ụ lượng lớn tài nguyên tích trữ, ổi ề sauch y, th i gian lũ c a các con sông cũng có th nh h ng đ n các mô hình d báoả về sau ờng, có tần suất cao hơn, mực độ lớn hơn ủa trái đất ể ả về sau ưởng đến sức khỏe, khả năng trồng trọt và sản lượng lương ếu ực độ lớn hơnlũ l t.ụ lượng lớn tài nguyên tích trữ,

Các chu trình th y văn d ki n s tăng c ng cùng v i s nóng lên toàn c u,ủa trái đất ực độ lớn hơn ếu ẽ tạo ra những thách thức to lớn, ảnh hưởng ường, có tần suất cao hơn, mực độ lớn hơn ớn tài nguyên tích trữ, ực độ lớn hơn ần đây,có kh năng làm tăng c ng đ c a các đ t m a c c đoan và nguy c lũ l t Tuyả về sau ường, có tần suất cao hơn, mực độ lớn hơn ộ lớn hơn ủa trái đất ợng lớn tài nguyên tích trữ, ư ực độ lớn hơn ơn, mực độ lớn hơn ụ lượng lớn tài nguyên tích trữ,

nhiên, nh ng th c t các thay đ i này th ng khác v i lý thuy t v s gia tăng khững ực độ lớn hơn ếu ổi ường, có tần suất cao hơn, mực độ lớn hơn ớn tài nguyên tích trữ, ếu ề sau ực độ lớn hơn ả về saunăng gi n c c a khí quy n trong đi u ki n m h n, đ c bi t khi l ng n c s n cóững ướn tài nguyên tích trữ, ủa trái đất ể ề sau ệu thống ất ơn, mực độ lớn hơn ặt chẽ, hợp lý và hài hòa ệu thống ượng lớn tài nguyên tích trữ, ướn tài nguyên tích trữ, ẵn cób h n ch Các m i quan h gi a nh ng thay đ i v l ng m a c c l n và c ng đị trí địa lý có đường b ạo ếu ố liệu thống ệu thống ững ững ổi ề sau ượng lớn tài nguyên tích trữ, ư ực độ lớn hơn ớn tài nguyên tích trữ, ường, có tần suất cao hơn, mực độ lớn hơn ộ lớn hơnlũ l t vào cu i th k 21 v i l ng n c s n có theo không gian và theo mùa đã đ cụ lượng lớn tài nguyên tích trữ, ố liệu thống ếu ỷ ớn tài nguyên tích trữ, ượng lớn tài nguyên tích trữ, ướn tài nguyên tích trữ, ẵn có ượng lớn tài nguyên tích trữ,đ nh l ng (Hirabayashi, Y., và cs 2023) Theo đó, các k t qu cho th y s gia tăngị trí địa lý có đường b ượng lớn tài nguyên tích trữ, ếu ả về sau ất ực độ lớn hơnl ng m a c c l n và các hi n t ng lũ l t trên t t c các vùng khí h u, chúng tăngượng lớn tài nguyên tích trữ, ư ực độ lớn hơn ớn tài nguyên tích trữ, ệu thống ượng lớn tài nguyên tích trữ, ụ lượng lớn tài nguyên tích trữ, ất ả về sau ập niên gần đây,lên khi l ng n c s n có tăng t vùng khô đ n vùng m t T ng t , có s giaượng lớn tài nguyên tích trữ, ướn tài nguyên tích trữ, ẵn có ừ ếu ẩm ướt Tương tự, có sự gia ướn tài nguyên tích trữ, ươn, mực độ lớn hơn ực độ lớn hơn ực độ lớn hơntăng c ng đ c a l ng m a và lũ l t c c đoan theo chu kỳ ngu n n c theo mùa.ường, có tần suất cao hơn, mực độ lớn hơn ộ lớn hơn ủa trái đất ượng lớn tài nguyên tích trữ, ư ụ lượng lớn tài nguyên tích trữ, ực độ lớn hơn ồng trọt và sản lượng lương ướn tài nguyên tích trữ,M i liên h gi a l ng m a c c l n và s thay đ i c ng đ , m c n c lũ l t v iố liệu thống ệu thống ững ượng lớn tài nguyên tích trữ, ư ực độ lớn hơn ớn tài nguyên tích trữ, ực độ lớn hơn ổi ường, có tần suất cao hơn, mực độ lớn hơn ộ lớn hơn ực độ lớn hơn ướn tài nguyên tích trữ, ụ lượng lớn tài nguyên tích trữ, ớn tài nguyên tích trữ,l ng n c s n có theo không gian và theo mùa tr nên m nh m h n khi các hi nượng lớn tài nguyên tích trữ, ướn tài nguyên tích trữ, ẵn có ởng đến sức khỏe, khả năng trồng trọt và sản lượng lương ạo ẽ tạo ra những thách thức to lớn, ảnh hưởng ơn, mực độ lớn hơn ệu thốngt ng tr nên c c đoan h n, khó d báo h n, x y ra nhanh h n.ượng lớn tài nguyên tích trữ, ởng đến sức khỏe, khả năng trồng trọt và sản lượng lương ực độ lớn hơn ơn, mực độ lớn hơn ực độ lớn hơn ơn, mực độ lớn hơn ả về sau ơn, mực độ lớn hơn

K c trên Th Gi i và Vi t Nam, Khoa h c d báo th y văn và môi tr ngể ả về sau ếu ớn tài nguyên tích trữ, ệu thống ọng ực độ lớn hơn ủa trái đất ường, có tần suất cao hơn, mực độ lớn hơnđ c phát tri n lâu đ i Khoa h c nghiên c u v lũ l t nói chung là ượng lớn tài nguyên tích trữ, ể ờng, có tần suất cao hơn, mực độ lớn hơn ọng ức độ nghiêm trọng ề sau ụ lượng lớn tài nguyên tích trữ, m t ngành nghiênộ lớn hơnc u v các quy lu t v s hình thành dòng ch y, m c n c và t c đ , lũ sông trên tráiức độ nghiêm trọng ề sau ập niên gần đây, ề sau ực độ lớn hơn ả về sau ực độ lớn hơn ướn tài nguyên tích trữ, ố liệu thống ộ lớn hơnđ t là hi n t ng t nhiên có quy lu t nh ng hi n nay do tác đ ng thay đ i c a BĐKH,ất ệu thống ượng lớn tài nguyên tích trữ, ực độ lớn hơn ập niên gần đây, ư ệu thống ộ lớn hơn ổi ủa trái đất các ho t đ ng s n xu t c a con ng i, nó tr lên b t th ng h n, ngày càng x y ra nhi uạo ộ lớn hơn ả về sau ất ủa trái đất ường, có tần suất cao hơn, mực độ lớn hơn ởng đến sức khỏe, khả năng trồng trọt và sản lượng lương ất ường, có tần suất cao hơn, mực độ lớn hơn ơn, mực độ lớn hơn ả về sau ề saukhông theo quy lu t cũ, phá v nhi u k l c và quy lu t Trong b i c nh bi n đ i khí h uập niên gần đây, ỡ nhiều kỷ lục và quy luật Trong bối cảnh biến đổi khí hậu ề sau ỷ ụ lượng lớn tài nguyên tích trữ, ập niên gần đây, ố liệu thống ả về sau ếu ổi ập niên gần đây,ngày m t rõ r t, ngành d báo này đang th c s có vai trò quan tr ng và đi đ u đ phátộ lớn hơn ệu thống ực độ lớn hơn ực độ lớn hơn ực độ lớn hơn ọng ần đây, ểtri n, nh ng cũng g p nhi u khó khăn và thách th c khi các ph ng pháp d báo cònể ư ặt chẽ, hợp lý và hài hòa ề sau ức độ nghiêm trọng ươn, mực độ lớn hơn ực độ lớn hơntruy n th ng, d a trên các ki n th c, mô hình toán ph c t p, có nhi u sai s ề sau ố liệu thống ực độ lớn hơn ếu ức độ nghiêm trọng ức độ nghiêm trọng ạo ề sau ố liệu thống

Bên c nh bi n đ i khí h u, nhi u lo i nh h ng khác c a con ng i có thạo ếu ổi ập niên gần đây, ề sau ạo ả về sau ưởng đến sức khỏe, khả năng trồng trọt và sản lượng lương ủa trái đất ường, có tần suất cao hơn, mực độ lớn hơn ểnh h ng đ n t n su t và c ng đ lũ l t ví d : các con đ p và h ch a n c, ho tả về sau ưởng đến sức khỏe, khả năng trồng trọt và sản lượng lương ếu ần đây, ất ường, có tần suất cao hơn, mực độ lớn hơn ộ lớn hơn ụ lượng lớn tài nguyên tích trữ, ụ lượng lớn tài nguyên tích trữ, ập niên gần đây, ồng trọt và sản lượng lương ức độ nghiêm trọng ướn tài nguyên tích trữ, ạođ ng qu n lý n c, ho t đ ng nông nghi p và nh ng thay đ i trong s d ng đ t đai,ộ lớn hơn ả về sau ướn tài nguyên tích trữ, ạo ộ lớn hơn ệu thống ững ổi ử dụng đất đai, ụ lượng lớn tài nguyên tích trữ, ất th m th c v t Lũ l t gia tăng không nh t thi t làm tăng r i ro cho ng i ho c tài s nả về sau ực độ lớn hơn ập niên gần đây, ụ lượng lớn tài nguyên tích trữ, ất ếu ủa trái đất ường, có tần suất cao hơn, mực độ lớn hơn ặt chẽ, hợp lý và hài hòa ả về saun u m t khu v c có c s h t ng đ c d báo tr c (Khan, M.I., và cs, 2022) Do đóếu ộ lớn hơn ực độ lớn hơn ơn, mực độ lớn hơn ởng đến sức khỏe, khả năng trồng trọt và sản lượng lương ạo ần đây, ượng lớn tài nguyên tích trữ, ực độ lớn hơn ướn tài nguyên tích trữ,c n s phát tri n nhanh c a các nghiên c u d báo lũ sông m i, t ng b c đ c k tần đây, ực độ lớn hơn ể ủa trái đất ức độ nghiêm trọng ực độ lớn hơn ớn tài nguyên tích trữ, ừ ướn tài nguyên tích trữ, ượng lớn tài nguyên tích trữ, ếuh p và thay đ i d a trên nh ng thành t u trong nghiên c u v khí t ng khí h u, th yợng lớn tài nguyên tích trữ, ổi ực độ lớn hơn ững ực độ lớn hơn ức độ nghiêm trọng ề sau ượng lớn tài nguyên tích trữ, ập niên gần đây, ủa trái đất văn, các mô hình d báo v i ực độ lớn hơn ớn tài nguyên tích trữ, s h tr c a công ngh tin h c trong th i kỳ cách m ngực độ lớn hơn ỗ trợ của công nghệ tin học trong thời kỳ cách mạng ợng lớn tài nguyên tích trữ, ủa trái đất ệu thống ọng ờng, có tần suất cao hơn, mực độ lớn hơn ạo

4.0 Các ph ng pháp d báo lũ sông trên các l u v c sông trên th gi i c n có b cươn, mực độ lớn hơn ực độ lớn hơn ư ực độ lớn hơn ếu ớn tài nguyên tích trữ, ần đây, ướn tài nguyên tích trữ,đ t phá và có th khác nhau gi a các th i kỳ và công ngh d báo nh ng hi u qu ph iộ lớn hơn ể ững ờng, có tần suất cao hơn, mực độ lớn hơn ệu thống ực độ lớn hơn ư ệu thống ả về sau ả về saucao h n.ơn, mực độ lớn hơn

Do đó c n có trình đ phát tri n c a khoa h c k thu t m i, t ng h p nhi u đ cần đây, ộ lớn hơn ể ủa trái đất ọng ỹ thuật mới, tổng hợp nhiều đặc ập niên gần đây, ớn tài nguyên tích trữ, ổi ợng lớn tài nguyên tích trữ, ề sau ặt chẽ, hợp lý và hài hòađi m thông tin c a vi c hình thành lũ m i n i đ có nh ng bi n pháp c th trongể ủa trái đất ệu thống ởng đến sức khỏe, khả năng trồng trọt và sản lượng lương ỗ trợ của công nghệ tin học trong thời kỳ cách mạng ơn, mực độ lớn hơn ể ững ệu thống ụ lượng lớn tài nguyên tích trữ, ểc nh báo, d báo lũ và ng phó v i lũ khác nhau Các ph ng pháp d báo lũ hi nả về sau ực độ lớn hơn ức độ nghiêm trọng ớn tài nguyên tích trữ, ươn, mực độ lớn hơn ực độ lớn hơn ệu thốngnay có th chia làm hai lo i: Ph ng pháp phân tích nguyên nhân hình thành và th ngể ạo ươn, mực độ lớn hơn ố liệu thốngkê xác su t, Ph ng pháp ng d ng các công ngh hi n đ i nh AI đ d đoán dất ươn, mực độ lớn hơn ức độ nghiêm trọng ụ lượng lớn tài nguyên tích trữ, ệu thống ệu thống ạo ư ể ực độ lớn hơn ực độ lớn hơnbáo lũ Phát tri n và ng d ng ph n m m, công ngh thông tin, d báo trong b iể ức độ nghiêm trọng ụ lượng lớn tài nguyên tích trữ, ần đây, ề sau ệu thống ực độ lớn hơn ố liệu thốngc nh bi n đ i khí h u trong th i kỳ phát tri n công ngh 4.0 đ c cho là r t c p thi tả về sau ếu ổi ập niên gần đây, ờng, có tần suất cao hơn, mực độ lớn hơn ể ệu thống ượng lớn tài nguyên tích trữ, ất ất ếuvà luôn có tính m i.ớn tài nguyên tích trữ,

Nh ư v yậy , chúng ta có th kh ng ể ẳng đ nh ị trí địa lý có đường b r ng, ằng hệ sinh thái thay đổi BĐKH đang có di n bi n ph c t p,ễ bị tổn thương trước tác động của ếu ức độ nghiêm trọng ạokhó l ng, nh ng có th d báo tr c đ c Nh ng h u qu do BĐKH gây ra trong đóường, có tần suất cao hơn, mực độ lớn hơn ư ể ực độ lớn hơn ướn tài nguyên tích trữ, ượng lớn tài nguyên tích trữ, ững ập niên gần đây, ả về sauđ c bi t có lũ sông là nghiêm tr ngặt chẽ, hợp lý và hài hòa ệu thống ọng , đi u đó d n t i vi c quan tr ng ề sau ẫn mức độ nghiêm trọng ớn tài nguyên tích trữ, ệu thống ọng là ph i hi u ả về sau ể rõ cácy u t hình thành lũ, các đ c đi m c a m c n c lũ theo tính ch t chu kỳ, hay b tếu ố liệu thống ặt chẽ, hợp lý và hài hòa ể ủa trái đất ực độ lớn hơn ướn tài nguyên tích trữ, ất ất th ng D báo lũ c n đ n gi n h n, nhanh chóng h n trong th i kỳ công ngh m iường, có tần suất cao hơn, mực độ lớn hơn ực độ lớn hơn ần đây, ơn, mực độ lớn hơn ả về sau ơn, mực độ lớn hơn ơn, mực độ lớn hơn ờng, có tần suất cao hơn, mực độ lớn hơn ệu thống ớn tài nguyên tích trữ,đ có th d báo lũ sông m t cách nhanh chóng, chính xác nh m đ m b o vi c qu nể ể ực độ lớn hơn ộ lớn hơn ằng hệ sinh thái thay đổi ả về sau ả về sau ệu thống ả về saulý và s d ng ngu n tài nguyên vô giá nàyử dụng đất đai, ụ lượng lớn tài nguyên tích trữ, ồng trọt và sản lượng lương

1.3 Các nghiên cứu về dự báo lũ sông

Dự báo lũ sông là quá trình dự đoán sự xuất hiện, cường độ, thời gianvà thời gian lũ lụt ở một khu vực cụ thể, thường bằng cách phân tích các yếutố thủy văn, khí tượng và môi trường khác nhau Mục tiêu chính của dự báo lũlà cung cấp thông tin kịp thời và chính xác cho những người ra quyết định,trao quyền cho họ thực hiện các hành động thích hợp nhằm giảm thiểu hậuquả tiềm ẩn của lũ lụt đối với tính mạng con người, tài sản và môi trường(Lee, X.-H và cs., 2018) Bằng cách tính toán các khía cạnh khác nhau của sựkiện lũ lụt, chẳng hạn như tần suất xảy ra, cường độ, thời gian và phạm vikhông gian, các mô hình dự báo lũ có thể đưa ra cách trình bày toàn diện và

chi tiết hơn về các rủi ro sắp xảy ra và tạo điều kiện cho các chiến lược ứngphó hiệu quả hơn.

1.3.1 Dự báo lũ sông trên thế giới

Trên thế giới, các phương pháp dự báo lũ toàn diện hơn liên quan đếnviệc dự đoán mức độ lũ bằng cách sử dụng thông tin thủy động lực học từcác mô hình Những cách tiếp cận này không chỉ xem xét việc vượt quá mộtngưỡng mà còn nhằm mục đích ước tính sự phân bố không gian, thời gian vàphạm vi lũ lụt Các mô hình thủy động lực, chẳng hạn như hệ thống phân tíchsông của Trung tâm Kỹ thuật Thủy văn (HEC-RAS) hoặc bộ mô hình MIKE,mô phỏng dòng nước và sự tương tác của nó với môi trường xung quanh, đưa radự đoán chi tiết về mức độ, độ sâu và vận tốc lũ (Makwana, J.J và cs., 2019).

Việc kết hợp thông tin thủy động lực vào các mô hình dự báo lũ chophép hiểu biết đầy đủ hơn về tác động tiềm ẩn của các sự kiện lũ lụt, tínhđến các yếu tố như ngập lụt cơ sở hạ tầng, đất nông nghiệp và khu dân cư.Bằng cách xem xét sự phân bổ không gian của lũ lụt, các mô hình này chophép các chiến lược ứng phó và quản lý lũ hiệu quả hơn, đảm bảo rằng cácnguồn lực được phân bổ hợp lý và các nhóm dân cư dễ bị tổn thương được bảovệ đầy đủ.

Dự báo lũ lụt có thể được thực hiện bằng nhiều phương pháp khácnhau, có thể được phân loại rộng rãi thành các mô hình dựa trên vật lý, mô hìnhdựa trên dữ liệu hoặc kết hợp cả hai Việc lựa chọn phương pháp tiếp cận phùhợp nhất phụ thuộc vào các yếu tố như tính sẵn có của dữ liệu, đặc điểm lưu vựcvà độ chính xác dự đoán mong muốn (Kratzert, F và cs., 2022)

Dưới đây là tổng quan về từng phương pháp:

- Các mô hình dựa trên vật lý mô phỏng các quá trình vật lý cơ bản liênquan đến việc tạo và lan truyền lũ, chẳng hạn như lượng mưa, sự xâm nhập,dòng chảy và định tuyến Các mô hình này thường ổn định và đáng tin cậy

hơn do tính chất vật lý vốn có của chúng, khiến chúng ít bị sai sót dự báo hơnso với các mô hình dựa trên dữ liệu, đặc biệt là khi không có yếu tố đầu vàonhư lượng mưa Tuy nhiên, các mô hình dựa trên vật lý phụ thuộc vào trạngthái và yêu cầu các điều kiện ban đầu chính xác để có hiệu suất tối ưu Trongcái gọi là "giai đoạn khởi động" của mô hình, hiệu suất có thể thấp hơn dophụ thuộc vào các điều kiện ban đầu

- Các mô hình dựa trên dữ liệu tập trung vào việc khám phá các mẫuvà mối quan hệ trong dữ liệu lịch sử mà không thể hiện rõ ràng các quy trìnhvật lý Họ có thể tìm hiểu các mối quan hệ phức tạp, phi tuyến tính và thíchứng với các điều kiện thay đổi, khiến chúng trở nên hữu ích trong các tìnhhuống có nhiều dữ liệu và việc thể hiện chính xác các quy trình vật lý là mộtthách thức Ví dụ về các mô hình dựa trên dữ liệu bao gồm các kỹ thuật hồiquy, máy vectơ hỗ trợ và các thuật toán dựa trên cây như ngẫu nhiên, phituyến hoặc kết hợp tuyến tính và phi tuyến.

- Các mô hình kết hợp kết hợp điểm mạnh của mô hình dựa trên vật lývà dựa trên dữ liệu để nâng cao độ chính xác và độ tin cậy của dự báo lũ.Các mô hình kết hợp có thể tận dụng sự hiểu biết vật lý từ các mô hình dựatrên vật lý đồng thời được hưởng lợi từ khả năng học tập thích ứng của cácmô hình dựa trên dữ liệu Một ví dụ về mô hình kết hợp ở đây là kết hợp môhình thủy văn với các thuật toán khác nhau để cải thiện độ chính xác của dựbáo lũ.

Cùng với sự phát triển của các phương pháp dự báo lũ trên thế giới,phương thức kết xuất các kết quả dự báo được thể hiện dưới nhiều hình thứckhác nhau như sau:

- Phương thức xác định tất định: nhận dạng chi tiết quy mô lũ đóchính là dự báo quá trình lũ (mực nước/lưu lượng đỉnh lũ, tổng lượng lũ, quátrình lũ), thường được sử dụng theo khung thời gian dự kiến dự báo ngắn

hạn và trung hạn) Đây cũng là phương thức vẫn được thực hiện trên tạinhiều quốc gia trên thế giới hiện nay

- Phương thức xác suất thống kê: xác định tần suất xuất hiện quy môcủa lũ (đỉnh lũ, tổng lượng lũ), thường được sử dụng với thời gian dự kiếndài hạn theo tháng Phương pháp này vẫn được sử dụng tại một số quốc giaphát triển như Mỹ, Anh, Trung Quốc, Nga

- Phương thức tổ hợp nhiều công cụ: dựa trên mô hình dự báo khí hậutoàn cầu, dự báo tổ hợp được ra đời với các thành phần biên đầu vào đượctạo nhiễu động khác nhau Mỗi thành phần tổ hợp lên một mô hình khí hậutoàn cầu sẽ tạo ra một dự báo mưa làm đầu vào cho mô hình thủy văn đượckết nối toàn cầu Mỗi kết quả dự báo mưa, lũ sẽ cho kết quả nhận dạng dòngchảy lũ khác nhau Kết quả nhận dạng sẽ là một dải các giá trị tính toán ứngvới mỗi thời hạn dự báo Phương pháp này đang phát triển phổ biến và đượcnghiên cứu nhiều tại nhiều quốc gia như Mỹ, Anh, Pháp, Đức…

Theo Yaseen, Z.M.và cs., (2016) dự báo lũ lụt có thể được biểu diễndưới dạng quan hệ toán học như sau:

F(t) = f(P_{t},X_{t},H_{t},C_{t}) (1)Trong đó:

F(t) là dự báo lũ trong khoảng thời gian nhất định;

f{_} là Hàm toán học dự báo lũ;

P_{t} là đại diện cho lượng mưa đầu vào tại thời điểm t;

X_{t} là biểu thị một vectơ các biến đại diện (ví dụ: độ ẩm của đất, sửdụng đất, địa hình) tại thời điểm t;

H_{t} là dữ liệu lịch sử tính đến thời điểm t;

C_{t} là thể hiện các điều kiện ban đầu và đặc điểm lưu vực cần dự báo Trong nhiều hệ thống vận hành dự báo, lượng mưa dự báo được đưavào các mô hình định lượng mưa - dòng chảy và dòng chảy để dự báo tốc

độ dòng chảy và mực nước thể hiện ở chế độ Q-H, (Q: là lưu lượng nước,H: là chiều cao mực nước) trong khoảng thời gian từ vài giờ đến vài ngàytới, tùy thuộc vào quy mô của lưu vực sông hoặc lưu vực sông Như cácnghiên cứu của Joorabchi và cs., (2016) đã xây dựng mô hình ANN dựa trêndữ liệu lưu lượng dòng chảy ngày trong 64 năm để nhận dạng dòng chảy củaSông Fitzroy, Úc lên tới trước 4 ngày Kết quả cho thấy, mô hình ANN cókhả năng nhận dạng lũ chính xác trong các trường hợp nước lớn (high flowevents) Wang và cs., (2017) đã thử nghiệm ba mô hình ANN lai (hybridANN) để nhận dạng dòng chảy ngày Kết quả cho thấy so với cácphương pháp truyền thống, mô hình ANN định kỳ (periodic ANN -PANN) cho kết quả tốt nhất Panda và cs., (2019) đã so sánh khả năngnhận dạng mực nước lũ theo giờ bằng mô hình MIKE11 và mô hình ANNsử dụng cấu trúc lan truyền tiến (feedforward) với thuật toán huấn luyện làphản hồi ngược Levenberg - Marquardt (LM back propagation) Nghiên cứucho thấy mô hình ANN cho kết quả tốt hơn rất nhiều so với mô hìnhMIKE11 HD.

Veintimilla-Reyes và cs., (2021) sử dụng hai mô hình ANN là phảnhồi ngược (back progpagation), dạng lai giữa mô hình OWO-HWO (outputweight optimization - hidden weight optimization) để nhận dạng dòng chảytrên sông Tomebamba, Ecuador, với khung thời gian trước 3 ngày Kết quảnhận dạng cho thấy độ tin cậy cao, tỷ lệ lỗi nhỏ và phù hợp cho công tácphòng tránh lũ ở Thành phố Cuenca, Ecuador.

Tuy nhiên, nhược điểm của những mô hình ANN cần nhiều dữ liệu,các thông số phải đồng bộ, có các mối tương quan nhất định, dự báo thườngkhông chính xác do các thời điểm khác nhau, các yếu tố thành phần dự báothay đổi liên tục và việc cập nhật và thay đổi một mô hình là rất phức tạp vàkhó khăn

1.3.2 Dự báo lũ sông ở Việt Nam

Khoa học dự báo thủy văn ở Việt Nam hiện nay dự báo vẫn là dựatrên mực nước trong sông phụ thuộc các nhiều yếu tố như mưa, khí hậu, điềukiện địa hình, địa chất địa mạo, thảm thực vật, Đó là một quá trình tựnhiên với đầy đủ các tính chất vật lý của nó, biểu hiện phạm trù giữa nguyênnhân và kết quả (Hoàng Thanh Tùng, 2021) Phương pháp được sử dụngnhiều nhất trong bài toán dự báo lũ trên sông được biểu diễn một cách hìnhthức bằng hàm số quan hệ của mực nước sông với nhân tố tự nhiên tác độnglên nó dưới dạng:

Trong đó:

f (t): Hàm quan hệ các yếu tố KTTV và các đặc trưng của dòng chảy

theo thời gian

X là tập hợp các yếu tố KTTV, khí hậu tham gia vào sự hình thành

dòng chảy sông, biểu thị dưới dạng ma trận vectơ.

X = ( x1, x2,…xi, …,xn), với: x1, x2, xi, xn là các đặc trưng khí tượng,khí hậu như: mưa, bốc hơi, nhiệt độ, yếu tố địa hình,

Z là tập hợp các đặc trưng mặt đệm tác động lên sự hình thành dòng

chảy sông, biểu thị dưới dạng ma trận vectơ:

Z = ( z1, z2, zi, , zm), với z1, z2, zi, , zm là các đặc trưng mặtđệm: diện tích lưu vực, độ dốc lưu vực, điều kiện địa hình, địa chất địa mạo,lớp phủ thảm thực vật v.v.

Hiện tượng lũ vừa mang tính tất định, chu kỳ, vừa lại mang tính ngẫunhiên Các mối quan hệ trên cho thấy sự thay đổi có tính chu kỳ của các xu

thế bình quân theo thời gian: chu kỳ một năm (mùa mưa, mùa khô); hoặcchu kỳ nhiều năm Tính ngẫu nhiên của hiện tượng lũ phụ thuộc chủ yếu vàosự biến đổi ngẫu nhiên của nhóm nhân tố khí hậu, mưa, khí tượng mà chothấy việc dự đoán khá khó khăn và phức tạp do bối cảnh biến đổi khí hậuhiện nay

Các phần mềm tính toán dự báo lũ được áp dụng ở Việt Nam theoNguyễn Kim Sơn và cs.,(2022) có thể chia ra có các phương pháp phân tíchnguyên nhân hình thành và phương pháp thống kê xác suất và các phươngpháp đang áp dụng như sau:

+) Phương pháp tổng hợp phân tích hệ thống thông tin địa lý (GIS):Lũ thông thường mang tính địa đới, tính khu vực và biến đổi nhịp nhàngtheo không gian thời gian Bởi vậy, chúng ta có thể xây dựng các bản đồphân vùng, bản đồ đẳng trị các đặc trưng hoặc các tham số khác nhau Bằngcác bản đồ này có thể nội suy, ngoại suy các đặc trưng cần xác định trongtính toán lũ.

+) Phương pháp lưu vực tương tự: được sử dụng trong tính toán lũnhư là một phương pháp so sánh của khu vực nghiên cứu này với khuvực nghiên cứu khác có tính chất tương đồng về địa lý Trong trườnghợp này, thường khu vực nghiên cứu không có tài liệu tham khảo, ghinhận hay đo đạc thủy văn.

+) Phương pháp thống kê xác suất và kết hợp với mô hình toán: Hiệntượng xuất hiện Lũ mang tính ngẫu nhiên, do đó có thể coi các đại lượng đặctrưng của lũ là các đại lượng ngẫu nhiên và có thể áp dụng lý thuyết thống kêxác suất thuần túy hoặc kết hợp với các phần mềm công nghệ thông tin để từđó xác định các đặc trưng theo một tần suất thiết kế cảnh báo, dự báo đã đượctuân theo các hàm toán xác suất Lịch sử của phương pháp này thường gắnliền với sự phát triển của khoa học công nghệ và khả năng tính toán xử lý cácdữ liệu lớn, liên tục, có chu kỳ