Mô hình hoá mưa - dòng chảy ( Phần cơ sở - Nxb ĐH Quốc Gia Hà Nội ) - Chương 10 ppsx

306 Chơng 10 trở lại vấn đề lựa chọn mô hình Nên nhớ rằng máy tính là một công cụ cho sự mô phỏng, và cái gì đợc mô phỏng sẽ trở thành thực tế của ngời dùng. Trong một xã hội nh của chúng ta - xã hội sau hiện đại - không có 'những lịch sử vĩ đại' để sửa chữa một nhận thức đặc biệt của thực tế giống nh đã có vào thế kỷ 19. Chúng ta nhiều lần nhìn thấy tình trạng nh vậy: truyền thông dựa vào một số trò chơi ngôn ngữ đợc chơi theo các tập hợp nhất định của những quy tắc. Mỗi nhóm xã hội có thể 'chơi một trò chơi', và nh vậy đó là hiệu quả của mỗi trò chơi chứng minh nó . Môi trờng máy tính hình đợc xem xét nh một thiết bị kỹ thuật cho phép chủ nhân của nó chơi những trò chơi hiệu quả một cách đặc biệt Một chơng trình tốt là một chơng trình tạo ra những ý định thực tế bởi điện báo viên theo cách hiệu quả nhất. P.B. Andersen và L. Mathiessen. 1987 Tuy nhiên những cố gắng để tạo ra một lý thuyết nh vậy (của thủy văn học lũ lụt) là rất đáng giá. Nó phát triển nhận thức của chúng ta về các hiện tợng thuỷ văn, cải thiện những quyết định trong quan hệ với tài nguyên nớc, và cải thiện vị trí của chúng ta với những nhà địa vật lý. Để thực hiện nó, chúng ta cần một kiến thức nền rộng về bản thân đối tợng của chúng ta và về những môn học có liên quan và một khả năng thực tế để suy nghĩ sáng tạo và làm việc miệt mài. Jim Dooge. 1986 10.1 lựa chọn mô hình trong mô hình hóa ma-dòng chảy nh kiểm tra giả thiết Dù sự thật là chúng ta đã ít chú ý tới toàn bộ lớp những mô hình ma-dòng chảy (các mô hình hộp nhận thức hoặc ESMA), điều nổi bật từ những chơng trớc rằng một sự biến đổi rất rộng của những mô hình là sẵn có cho bất kỳ áp dụng mô hình hoá ma-dòng chảy nào mà không có bất kỳ cơ sở rõ ràng nào để lựa chọn chúng. Nhắc lại tiêu chuẩn đã đợc thiết lập trong chơng 1 cho sự lựa chọn mô hình. Những điều này có thể đợc tổng kết lại nh sau: Một mô hình có sẵn, hoặc nó có thể đợc làm sẵn nếu sự đầu t thời gian (và tiền) có thực sự là đáng giá không? Mô hình có dự báo những biến đợc yêu cầu bởi những mục tiêu của một dự án hay không? Giả thiết của mô hình có thể giới hạn về những phơng diện mà bạn biết về 307 phản ứng của lu vực bạn quan tâm đến hay không? Tất cả các đầu vào cần thiết của mô hình cho việc xác định độ lớn dòng chảy, cho việc xác định những điều kiện biên và điều kiện ban đầu và cho việc xác định giá trị những thông số, có thể đợc cung cấp trong những sự ràng buộc thời gian và chi phí của một dự án hay không? Tại giai đoạn này hiển nhiên là những tiêu chuẩn này thực chất cung cấp cơ sở cho việc loại bỏ mô hình và, nh đợc chỉ ra từ trong chơng 1, nó thật quá dễ dàng để loại bỏ toàn bộ các mô hình có sẵn vì không đủ các giả thiết hoặc những đòi hỏi không khả thi cho số liệu đầu vào. Điều này không phải là rất hữu ích: trong rất nhiều dự án, nhà thủy văn học vẫn đợc yêu cầu làm những dự báo định lợng những gì có thể chờ đợi trong dạng đỉnh lũ, dòng chảy vào kho nớc hoặc những biến khác dới những điều kiện khác nhau. Nh vậy một hoặc nhiều hơn các mô hình phải đợc giữ lại. Tuy nhiên, đây là nơi mà ý tởng của việc quy định mô hình trở nên rất quan trọng. Cho một sự mở rộng nào đó, chúng ta có thể vợt qua một số hạn chế của những mô hình sẵn có bằng cách quy định những dự báo của chúng trên bất kỳ những quan trắc sẵn có nào hoặc kiến thức có trớc đó về lu vực quan tâm. Theo truyền thống, điều này đã đợc làm bởi sự hiệu chỉnh hoặc tối u hóa các giá trị thông số, mặc dù nó đã đợc đề cập trong chơng 7 rằng một chiến lợc chung hơn của việc quy định trong khuôn khổ bất định sẽ là một cách tiếp cận thỏa mãn hơn nhiều cho tơng lai. Trong khuôn khổ này, bất kỳ mô hình nào dự báo một biến quan tâm là một dự báo viên hữu ích tiềm năng, cho đến khi có bằng chứng (hoặc một quan điểm hợp lý) để loại bỏ nó. Giá trị của sự quy định theo phơng thức này là mô hình hoặc những mô hình đợc giữ lại phải phù hợp với số liệu sẵn có (ít nhất cho một mức chấp nhận đợc nào đó); ngợc lại chúng sẽ bị loại bỏ. Điều này sau đó sẽ đa ra một số cơ sở cho độ tin tởng trong những dự báo khi những mô hình đó đợc sử dụng để ngoại suy hoặc dự đoán những sự phản ứng cho những điều kiện khác. Thử và mô tả quá trình mô hình hóa nh dạng ánh xạ của một lu vực đặc biệt (duy nhất) hoặc phần tử của lu vực vào bên trong không gian mô hình (Hình 10.1; cho một thảo luận chi tiết hơn, xem Beven 2000). Chơng 7 đã chỉ ra làm thế nào ánh xạ này có thể đợc làm khi sử dụng quy định dựa vào những độ hữu hiệu hoặc những trọng số mờ. Vì nhiều lý do, chủ yếu liên quan đến giới hạn của cấu trúc mô hình và - ớc lợng thông số mô hình, ánh xạ sẽ là một xấp xỉ cần thiết. Những ánh xạ có thể đợc làm cho cả những lu vực đợc đo đạc và những lu vực không đợc đo đạc dựa trên mọi thông tin hoặc những quan trắc trớc có sẵn. Nhng có vẻ sẽ chính xác hơn ở nơi mà những quan trắc của sự phản ứng thuỷ văn là có sẵn và gần đúng hơn cho tr- ờng hợp lu vực không đo đạc. Tuy nhiên, các khả năng để tinh lọc ánh xạ này bằng sự thu thập nhiều số liệu hơn, và tiếp cận này cho sự đánh giá mô hình cũng đợc chấp nhận cho tập hợp số liệu có thể đợc sử dụng nh cơ sở cho một nghiên cứu mô hình hoá ma-dòng chảy. Trong thực tế, quá trình đánh giá mô hình có thể đợc thiết lập dới dạng kiểm tra giả thuyết. Cho trớc một tập hợp những mô hình cho một lu vực đã qua đợc thủ 308 tục chọn lọc và đánh giá ban đầu, giả thuyết nào có thể đợc kiểm tra bởi tập hợp số liệu để cho phép một số trong các mô hình đó sẽ bị loại bỏ? Điều đó dờng nh là một số loại số liệu có thể có giá trị hơn những số liệu khác trong việc kiểm tra mô hình và trong việc loại bỏ mô hình. Ví dụ, Lamb và nnk (1998 b) đã xem xét việc sử dụng thông tin mực nớc ngầm trong dự báo phản ứng của lu vực nhỏ Saeternhekken ở Norway (xem những mục 6.5, 7.8). Những kết quả của họ đã làm nổi bật vấn đề của việc sử dụng những quan trắc phân bố không gian trong đánh giá mô hình, trong đó những phản ứng mực nớc ngầm địa phơng sẽ phụ thuộc rất nhiều vào những đặc trng truyền và trữ cục bộ của đất. Nh vậy điều đó là không chắc để đa ra tính bất đồng nhất của những đặc trng đất đợc trông đợi trong một lu vực cho dù cấu trúc mô hình là đúng đắn, một hệ số vận chuyển và trữ có hiệu quả đợc hiệu chỉnh cho một lu vực sẽ dự báo chính xác những sự biến đổi cục bộ trong độ sâu mực nớc ngầm. Để làm những dự báo cục bộ chính xác sẽ cần những giá trị thông số cục bộ. Thực chất kết luận của họ là kiến thức về những mực nớc ngầm cục bộ đã cải thiện rất nhiều việc dự báo những mực nớc ngầm cục bộ (mặc dù sau đó có những dị th- ờng cục bộ đáng kể) nhng đã không hỗ trợ nhiều trong việc hạn chế những bất định trong các dự báo lu lợng nh đợc ớc lợng khi sử dụng phơng pháp luận GLUE. Hình 10.1. ánh xạ một không gian lu vực vào trong không gian thông số mô hình Những loại số liệu khác có thể cũng đợc sử dụng trong đánh giá mô hình nhiều tiêu chuẩn, nếu một mô hình có khả năng dự báo những biến đòi hỏi. Ví dụ những loại khác nhau của số liệu địa hoá học và chất chỉ thị đã đợc sử dụng trong một số nghiên cứu, gồm có Hooper và nnk (1986), Kleissen và nnk (1990) và Mroczknowske và nnk 309 (1997). Tuy nhiên, cần chú ý rằng trong dự báo những biến địa hóa học cũng luôn luôn cần thiết đa thêm vào những giá trị thông số hoặc những biến bổ sung mà tự chúng không phải là có thể xác định dễ dàng (nhng xem Robson và nnk (1992) cho một kiểm tra thú vị của những dự báo TOPMODEL sử dụng sự xáo trộn địa hoá học). ở đây còn lại một vấn đề là khó khăn của việc tiến hành những phép đo. Thật là dễ hơn rất nhiều (và rẻ hơn rất nhiều) để làm những phép đo tại, hoặc rất gần bề mặt. Những loại phép đo sẵn có cho sự khảo sát dòng chảy sát mặt bị hạn chế nhiều hơn và chúng ta vẫn không có bất kỳ cách tích cực đầy đủ nào của việc đánh giá các đờng dẫn dòng chảy u tiên, liệu chúng là do hệ thống bơm tự nhiên hay những rạn nứt cơ khí cho đê diều trong lĩnh vực nông nghiệp. Mô hình quan niệm của chúng ta có thể cho phép sự quan trọng có thể của những quá trình nh vậy, nhng nếu những ảnh hởng của chúng phải suy ra hơn là đợc đo đạc thì thật khó để xác định một sự mô tả mô hình thích hợp hoặc qui định một mô hình trên cơ sở của một mình sự nhận thức đơn độc. Một quan điểm về hiệu chỉnh mô hình nh một quá trình của kiểm tra giả thuyết và loại bỏ mô hình sẽ có vẻ là một u thế trong chuyển động về phía trớc từ một tình trạng mà trong đó những hạn chế của một cách tiếp cận tối u hóa đơn giản khi đối mặt với những bài toán có thể xác định thông số trở nên ngày càng rõ ràng. Nó đồng thời cũng mang tới sự đa dạng của những phơng pháp mô tả trong chơng 7 trong đó nhiều tiêu chuẩn đợc sử dụng để đánh giá mô hình, từ những tập hợp tối u Pareto cho tới GLUE. Mỗi cái có những cách quyết định của chính mình về mô hình nào sẽ phải loại bỏ và những trọng số nào cần phải đợc sử dụng trong việc lập đề án dự báo của các mô hình còn lại. Trong phơng pháp bộ tối u Pareto, tất cả các mô hình mà không phải là bộ phận của bộ bị loại bỏ và từng bộ thông số còn lại đợc gán cho trọng số bằng nhau. Trong GLUE, các phơng pháp khác nhau của việc kết hợp độ hữu hiệu có thể đợc chọn và trọng số đợc dựa trên độ hữu hiệu hiện thời liên quan đến mỗi tập hợp. 10.2 Giá trị của thông tin kỳ trớc Tuy nhiên loại khuôn khổ quy định này đã cho phép sử dụng thông tin kỳ trớc trong quá trình quy định. Có nhiều loại thông tin kỳ trớc có thể đợc sử dụng, ví dụ những độ tin tởng có trớc trong những loại cấu trúc mô hình khác nhau: những ớc lợng có trớc của những khoảng giá trị thông số có thể xấp xỉ cho các loại thực vật, đất hoặc đá khác nhau: và mô hình giác quan của một lu vực đặc biệt có thể phản ứng lại trận ma nh thế nào. Thông tin nh vậy có thể hạn chế phạm vi của các khả năng mô hình hoá để đợc xem xét trong một ứng dụng nh kết quả thí nghiệm trớc đây theo một phơng thức có thể nhận biết đợc. Sử dụng thông tin kỳ trớc đòi hỏi phải làm những lựa chọn, và loại bỏ những khả năng cá biệt. Nh đã chú ý ở trên, cần làm cẩn thận những lựa chọn nh vậy. Có không thiếu những ví dụ trong những tài liệu về sự lựa chọn có trớc của những mô hình không thích hợp, đặc biệt là sử dụng những mô hình dựa vào những khái niệm 310 vợt thấm trong những ứng dụng ở nơi mà điều này có thể không là cơ chế dòng chảy chủ yếu (xem những thảo luận trong Loague và Freeze 1985; Beven 1989; Grayson và nnk 1992b). Vẫn còn có có khả năng để hiệu chỉnh hoặc qui định những thông số mô hình để tái tạo những lu lợng quan trắc nhng một mô hình dựa trên cơ sở về những khái niệm không thích hợp có đợc sử dụng trong phép ngoại suy hay không? Thực tế rằng việc hiệu chỉnh có thể làm cho gần nh tất cả các mô hình ma-dòng chảy vào trong giới hạn với một bản ghi lu lợng quan trắc do đó có thể là một lợi thế vì trong nhiều trờng hợp chúng ta sẽ không biết liệu có phải một mô hình không thích hợp đang đợc sử dụng hay không. Nh đã lu ý trong chơng 7, có một xu hớng rất tự nhiên trong việc lựa chọn trớc những cấu trúc mô hình cho mỗi ngời phát triển mô hình để đa ra một trọng số trớc bằng 1 cho mô hình của ông ta và một trọng số trớc bằng 0 cho tất cả các mô hình khác. Tuy nhiên, đây không phải là một sự lựa chọn cần thiết: nhiều mô hình có thể đợc bao gồm, nh những chiều bổ sung của không gian mô hình, trong khuôn khổ mô hình hóa đợc đề nghị ở đây. Cũng có một xu hớng tự nhiên để đa ra một trọng số kỳ trớc lớn hơn cho các mô hình đợc xem nh dựa trên cơ sở vật lý so với các mô hình nhận thức loại mô hình dựa trên số liệu. Theo nguyên tắc, những mô hình có cơ sở về vật lý phản ánh sự hiểu biết của chúng ta về những hệ thống thuỷ văn gần gũi hơn và bởi vậy là mạnh hơn trong phép ngoại suy cho những điều kiện khác. Tuy nhiên điều này sẽ chỉ đúng nếu những mô hình nh vậy phản ánh đúng bản chất của những quá trình lu vực và không rõ ràng là liệu chúng ta đã thật sự đạt đến giai đoạn này, đa ra những hạn chế của sự mô tả quá trình có cơ sở vật lý hiện nay trong biểu diễn phi tuyến các quá trình thuỷ văn ở những quy mô sờn dốc và lu vực, và những khó khăn trong việc ớc lợng những giá trị hiệu dụng của các thông số mô hình. 10.3 Vấn đề lu vực không đợc đo đạc Nếu thông tin bị hạn chế và không có lu lợng quan trắc cho một diện tích lu vực thì thế nào? Đây là bài toán lu vực không đợc đo đạc. Nó là một bài toán chung, vì những dự báo thờng đợc yêu cầu tại những vị trí không có trạm đo đạc nào hoặc tại những vị trí trong một lu vực lớn hơn đợc đo đạc. Bài toán lu vực không đợc đo đạc, cho đến nay, cha đợc giải quyết đúng mức vì thực tế rất khó để khái quát hóa bản chất các phản ứng lu vực trong bất kỳ phơng pháp định lợng nào. Nó là một ngạn ngữ địa lý để nói rằng mỗi lu vực hoặc vị trí là duy nhất. Sự duy nhất này nằm dới tất cả các khó khăn cố hữu trong lý thuyết và hiểu biết thuỷ văn. Với sự tăng nhanh sẵn có của hệ thống thông tin địa lý, một số sự duy nhất của những lu vực riêng lẻ có thể đợc phản ánh nh những biến trong một cơ sở dữ liệu không gian. Một cách lý tởng, thông tin này có thể sau đó đợc sử dụng để chọn một mô hình gần đúng và xác định những thông số của mô hình đó, có lẽ với khảo sát bổ sung một ít đo đạc thêm trong thực địa. Điều này có thể đã đợc làm, nhng sự bất định vẫn còn cao (xem ví dụ nghiên cứu của Parkin và nnk (1996), thảo luận trong mục 5.4). Một cách tiếp cận thay thế là sử dụng một mô hình thuần túy kinh nghiệm trong 311 đó các đặc điểm phản ứng của các lu vực có đo đạc liên quan tới chỉ số của những đặc diểm của những lu vực đó. Điều này thờng đợc sử dụng trong một khuôn khổ hồi quy với những mô tả lu vực đợc xử lý nh những biến độc lập trong những phơng trình dự báo. Một ví dụ về kiểu nghiên cứu này là Báo cáo nghiên cứu lũ lụt Anh (NERC 1975) đợc sửa lại gần đây nh Sổ tay ớc lợng lũ (IH, 1999), trong đó những phơng trình nh vậy đợc cung cấp để dự báo những biến phản ứng nh thời gian tới đỉnh, tỷ lệ dòng chảy và lũ trung bình hàng năm. Những phơng trình này có thể xem nh những mô hình ma-dòng chảy thực nghiệm, mặc dù chúng không ở trong bất kỳ phơng pháp dựa trên quá trình nào. Trong cách tiếp cận hồi quy kinh nghiệm này, tính chất cá biệt của phản ứng của các lu vực riêng lẻ, khi đợc đo đạc, thể hiện nh một số d từ một cấu trúc mô hình. Tất nhiên phân tích thống kê truyền thống gán những số d đó cho những ảnh hởng ngẫu nhiên thuần túy, nhng từ quan điểm vật lý, có thể vẫn có thông tin trong các phần d. Tại sao một số lu vực có xu hớng trung bình để tạo ra những dòng chảy đỉnh cao hơn xu thế chung của vùng? Tại sao một số lu vực lại có xu hớng trung bình để tạo ra những dòng chảy đỉnh thấp hơn, thậm chí sau khi tính những đặc tr- ng lu vực khác (còn xa chúng có thể đợc biểu diễn bởi các chỉ số) hoặc những sự biến đổi qui mô lới? Một lý do là sự duy nhất của những lu vực riêng lẻ. Có lẽ bởi vì giả thuyết của phân tích thống kê truyền thống đã không có đợc những nghiên cứu chi tiết về nội dung thông tin của những phần d mô hình, nh thế nhng một nghiên cứu nh vậy có thể dẫn tới một số hiểu biết tiến bộ nào đó hoặc về lý thuyết ở qui mô lu vực. Tuy nhiên, những phần d đáng kể cũng bao hàm sự bất định đáng kể có thể cần đợc tính toán trong dự báo những phản ứng của các lu vực không đợc đo đạc. Khuôn khổ hồi quy cũng cho phép những ớc lợng độ bất định cho những biến phụ thuộc đợc làm, mặc dù điều này thờng không đợc làm và phải tìm kiếm vất vả cho bất kỳ sự đề cập nào của sai số chuẩn ớc lợng trong Báo cáo những nghiên cứu lũ ban đầu. 10.4 thay đổi giá trị các thông số và độ bất định dự báo Vấn đề các lu vực không đo đạc có thể đợc tiếp cận bởi việc dự báo các biến thuỷ văn một cách trực tiếp mà không cần đến một mô hình ma-dòng chảy trung gian. Vì vậy, nh đã thảo luận ở chơng 7, nếu khó có thể xác định một bộ thông số mô hình duy nhất để miêu tả một lu vực, thì sử dụng một mô hình trung gian có lẽ nên né tránh (chẳng hạn xem sự kết hợp thành công trong các nỗ lực của Post và Jakeman (1996); Sefton và Howarth (1998) để liên hệ các thông số của mô hình IHACRES với các đặc điểm của lu vực). Tuy nhiên, việc sử dụng một mô hình sẽ khó tránh hơn trong mô hình hoá các ảnh hởng của sự thay đổi . Trong tất cả các nghiên cứu về dự báo ảnh hởng của những thay đổi trong sử dụng đất, vấn đề chính là làm thế nào để nghiên cứu bản chất của các thay đổi trong giá trị các thông số, có thể xảy ra nh kết quả của việc thay đổi, đặc biệt đa ra sự đánh giá của các độ bất định liên kết với mô hình hoá các lu lợng dới điều kiện 312 hiện tại. Phơng pháp truyền thống cho vấn đề này là phơng pháp các kịch bản: đa ra một mô hình đối với một lu vực dới các điều kiện hiện tại, tạo ra một kịch bản đầu vào và các giá trị thông số cho các điều kiện thay đổi và phân tích sự khác nhau trong các phản ứng dự báo. Các kết quả sau đó làm điều kiện cho các giả thiết đợc thực hiện trong kịch bản (và mô hình) nhng điều này có thể đợc lặp lại đối với các kịch bản khác nhau với giá trị đầu vào hoặc thông số khác nhau để đa ra một số ý tởng về độ nhạy của các kết luận đối với các khả năng khác nhau ở tơng lai do sự thay đổi của điều kiện. Phơng pháp này chỉ là một mở rộng đơn giản của phơng pháp mô phỏng Mote- Carlo hoàn chỉnh sử dụng lựa chọn ngẫu nhiên giá trị các thông số trong khoảng khả thi khi các điều kiện thay đổi theo cách tơng tự nh đã trình bày ở chơng 7 đối với mô hình quy định dới các điều kiện hiện tại. Nếu một phơng pháp nh vậy đợc chấp nhận, thì kết quả thu đợc sẽ gồm hai tập hợp dự báo bất định, một ứng với các điều kiện hiện tại, một ứng với các điều kiện đã bị thay đổi. Nếu thay đổi đợc xem nh thay đổi của tơng lai, thì dự báo về sau này có thể hi vọng bất định hơn vì ngời làm mô hình sẽ xác định các phân bố của các thông số trớc đối với các điều kiện bị thay đổi mà không có sự giúp đỡ của quy định. Câu hỏi sau đó đợc đặt ra là liệu có thể phân biệt các dự báo, đa ra độ bất định. Một số nghiên cứu đã cố gắng trả lời câu hỏi này. Trong một số trờng hợp câu trả lời hầu nh không chắc chắn (chẳng hạn sự thay đổi các đặc trng tần suất lũ của lu vực sông River Wye đợc phân tích bởi Cameron 2000 ở mục 9.4). Trong các trờng hợp khác, chẳng hạn nh những ảnh hởng mạnh của sự cháy và tái sinh lên phản ứng lu vực (xem trờng hợp nghiên cứu ở mục 9.2) câu trả lời có đợc là khá rõ ràng. Tuy nhiên, xét theo một hớng nào đó, đây không phải là vấn đề quá quan trọng vì so sánh các dự báo bất định trớc và sau khi một thay đổi có thể vẫn đợc xem xét trên khía cạnh thay đổi sự rủi ro của các điều kiện chắc chắn xảy ra, nh đã thảo luận ở mục 7.10, và những rủi ro này có thể đợc đa vào trong bất kỳ kết quả phân tích quyết định nào. Một cách khác khắc phục vấn đề thay đổi để cố gắng hạn chế mức độ bất đinh trong dự báo mô hình đối với cả dự báo hạn dài và hạn ngắn, đó là thông qua việc đồng hoá số liệu. Cách này đợc sử dụng rộng rãi trong dự báo lũ thích nghi, sử dụng các quan trắc lu lợng thời gian thực để làm chính xác kết quả dự báo của mô hình với một thời gian dự kiến nào đó nh đã thảo luận ở chơng 8. Nó cũng đợc sử dụng hẹp hơn trong một số lĩnh vực khác của mô hình hoá ma-dòng chảy nhng khi có nhiều hơn các quan trắc viễn thám và các số liệu phân bố theo không gian khác có sẵn thì sẽ có thể kết hợp đợc các loại số liệu này vào thuật toán đồng hoá. Đây là một lĩnh vực nghiên cứu thiết thực có thể tiếp cận bằng một số cách khác nhau (chẳng hạn một ví dụ gần đây do Houser và nnk (1998) đề xuất đợc miêu tả trong nghiên cứu đa ra ở mục 5.6), bao gồm cập nhật các độ hữu hiệu của mô hình trong phơng pháp GLUE (Hộp 7.2) . Các thay đổi dài hạn cũng có thể khắc phục theo cách tơng tự. ở nơi các dự báo dáng điệu tơng lai của hệ thống thuỷ văn rất quan trọng nhng độ bất định cao, thì có thể chấp nhận bổ sung một chơng trình đo đạc để xem xét các tác động của thay 313 đổi (bao gồm cả sự thay đổi về khí hậu) trong khung cảnh thay đổi tự nhiên của các hệ thống thuỷ văn. Sự đồng hoá của các số liệu kiểm soát nh vậy có thể cho phép dự báo dáng điệu trong tơng lai đợc thực hiện với độ chắc chắn lớn hơn theo thời gian. 10.5. Độ bất định của dự báo và Kiểm chứng mô hình Việc chấp nhận một phơng pháp nh thế cho kiểm chứng mô hình là gì? Chỉ kiểm chứng các kiểm tra đợc sử dụng rộng rãi trong mô hình hoá ma- dòng chảy đó là chia chuỗi giá trị quan trắc thành các mẫu kiểm tra trong đó gồm một thời kỳ quan trắc đợc sử dụng trong hiệu chỉnh và một thời kỳ khác dùng để kiểm tra các dự báo của mô hình có yhoả mãn. Klemes (1986) cho rằng việc chia nhỏ mẫu kiểm tra thờng đợc sử dụng trong thuỷ văn là một kiểm tra tối thiểu để kiểm chứng mô hình. Ông đa ra các cách kiểm tra mạnh hơn bao gồm kiểm tra các mẫu chia nhỏ khác nhau; kiểm tra lu vực đại diện và kiểm tra các mẫu phân chia khác nhau của lu vực đại diện. Lu vực đại diện là lu vực đợc xem nh không đợc đo đạc, nhng với một số quan trắc về lu lợng, và các biến khác sẵn có cho đánh giá dự báo của mô hình. Trong tất cả các kiểm tra mạnh hơn này yêu cầu một số ớc lợng trớc của các thay đổi trong giá trị các thông số theo bớc hiệu chỉnh đầu tiên để phản ánh hoặc là sự điều kiện thay đổi nào đấy hoặc các đặc điểm khác nhau của lu vực đại diện. Cơ sở của phơng pháp này để kiểm chứng mô hình đó là khái niệm tồn tại một diễn tả mô hình đơn đúng . Các so sánh mô hình dựa trên cơ sở kiểm tra các mẫu chia nhỏ thờng biểu thị rằng nó không cung cấp một kiểm tra mạnh giữa các loại mô hình khác nhau và mức độ phức tạp khác nhau (chẳng hạn Naef 1981; Franchini và Pacciani 1991; Michaud và Sorooshian 1994; Refsgaard và Knudsen 1996). Nghiên cứu của Refsgaard và Knudsen (1996) là một trong rất ít các nghiên cứu đã đi sâu hơn bằng việc bổ sung các kiểm tra khác khi so sánh ba mô hình trong ứng dụng cho lu vực Zimbawe: một mô hình quan niệm tập trung; một mô hình bán phân bố dựa trên các đơn vị phản ứng thuỷ văn, và mô hình phân bố MIKESHE. Họ khẳng định kết luận của mình bằng cách chỉ ra rằng chúng phải là hệ thống mô hình, phụ thuộc điều kiện khí hậu và lu vực, nhng ngoại trừ ứng dụng mô hình tập trung cho lu vực đại diện, sẽ có rất ít lựa chọn giữa các kết quả của các mô hình khác nhau. Tất cả các mô hình (nhng đặc biệt là mô hình tập trung) sẽ đợc cải thiện nếu một thời kỳ số liệu ngắn có sẵn trên lu vực đại diện cho phép một số điều chỉnh các giá trị thông số. Trong cuốn sách này, trong khi thừa nhận rằng mô hình đơn đúng là lý tởng thì chúng ta cũng đã cho rằng đó là lý tởng không thể đạt đợc. Chúng ta không có các cấu trúc mô hình cũng nh số liệu cần thiết để xác định rằng thể hiện phức tạp, duy nhất, đơn nhất là của lu vực thực. Thay cho các thông tin giới hạn sẵn có, rất nhiều mô hình sẽ là những mô phỏng có thể chấp nhận đợc hoặc nói theo cách khác không một mô hình đơn nào có thể đợc kiểm chứng là đại diện tốt nhất cho một lu vực. Tuy nhiên, điều này sẽ không gây ra quá nhiều lo lắng. Sử dụng các phơng pháp đánh giá và loại bỏ mô hình đã đợc đề cập ở đây, các mô hình có thể đợc đánh giá 314 khi mà toàn bộ một số lớp mô hình có thể bị loại bỏ bằng các số liệu thu thập thêm để kiểm tra giả thuyết riêng đợc xây dựng để phân biệt các mô hình khác nhau (chẳng hạn liệu các diện tích đóng góp bão hoà đã đợc quan trắc trên một lu vực). Những mô hình còn lại có thể đợc xếp hạng dựa theo mức độ có thể chấp nhận đợc hiện thời của chúng sử dụng một hay nhiều chỉ số hoạt động. Phơng pháp tiến hoá này để mô hình hoá có những yếu tố thú vị của thuyết tơng đối và sự xuyên tạc giáo hội. Nó cũng có một thiếu sót quan trọng (mặc dù cũng gặp phải với bất kỳ phơng pháp nào để mô hình hoá ma-dòng chảy). Nh đã nói ở mục 7.9 có thể rất dễ dàng loại bỏ tất cả các mô hình sẵn có vì, nói theo cách khác, mô tả không đúng phản ứng của lu vực khi các dự báo của chúng đợc xem xét một cách chi tiết hơn. Đây sẽ là trờng hợp nếu chúng ta yêu cầu rằng các dự báo của mô hình luôn luôn trong giới hạn ớc lợng thực tế của sai số đo đạc cho tất cả các quan trắc là sẵn có. Tuy nhiên, điều này không có ý các dự báo của mô hình sẽ không có ích. Vì vậy, một số thoả hiệp trong việc loại bỏ hay chấp nhận mô hình có thể là cần thiết để giữ lại một số mô hình có khả năng dự báo. Một lu vực bất định hoặc mờ để ánh xạ không gian mô hình cho phép diều này đợc thực hiện trong giới hạn của hiểu biết hiện tại tuân theo một qui trình khoa học nghiêm túc. 10.6.Những bình luận cuối cùng: Một tơng lai bất định? Sẽ rất khó để dự đoán tơng lai của mô hình hoá ma-dòng chảy. Không có các kỹ thuật dự báo để phát triển các phơng pháp. Khoa học thuỷ văn hiện tại là một thời kỳ phát triển từ từ, bình thờng nh các ngành khoa học khác theo quan điểm của Thomas Kuhn. Ông cho rằng khoa học thờng tiến triển bởi sự đột biến nằm rải rác ở các thời kỳ khoa học bình thờng. Các bớc tiến vợt bậc về máy tính chắc chắn đã làm dễ dàng hơn việc chuẩn bị cơ sở dữ liệu đầu vào GIS phân bố không gian để tìm đợc các đầu ra mô hình biến đổi theo không gian và thời gian và để hiệu chỉnh mô hình, thực hiện các phân tích độ nhạy của các mô hình phức tạp hơn và các không gian thông số, nhng không có sự đột biến về phơng pháp trừ khi chúng ta tính đến sự chuyển đổi từ ớc lợng hoàn toàn tất định sang các biểu thức ngẫu nhiên (nhng của nhiều cấu trúc mô hình giống nhau). Một hi vọng lớn là một tiến triển lớn có thể đến từ sự gia tăng các ảnh viễn thám sẵn có (xem Engman và Gurney 1991). Tuy nhiên, đối với khoa học thuỷ văn đây không phải là trờng hợp đầu tiên vì cần thiết phải có các mô hình giải thích bổ sung trớc khi những hình ảnh đó cung cấp các thông tin thuỷ văn hữu ích. Với việc các sensor cải tiến đợc phóng lên nh là một phần của chơng trình hệ thống quan trắc trái đất sẽ cung cấp các ảnh viễn thám tốt hơn nhng cũng sẽ không dẫn đến bất kỳ sự chuyển đổi triệt để nào trong phơng pháp này. Các lĩnh vực trong đó viễn thám có thể hữu ích trong mô hình hoá ma-dòng chảy là trong ớc lợng độ ẩm bề mặt (xem Houser và nnk 1998) và trong ớc lợng tốc độ bốc thoát hơn nớc thực của mặt đất theo không gian (chẳng hạn xem Holwill và Stewart 1992; Bastiaassen và nnk 1994). Hiện nay, ớc lợng viễn thám cho độ bất định khá cao (xem Frank và Beven 1997) nhng có thể sẽ có những cải tiến lớn bởi các sensor mới và các ứng dụng đi kết hợp 315 với đo đạc ở mực mặt đất chẳng hạn nh ớc lợng đếm nhấp nháy quy mô lớn của dòng nhiệt nhạy (McAneny và nnk 1995; Chehbouni và nnk 1999). Các ớc lợng trực tiếp lợng thoát bốc hơi nớc thực có giá trị đặc biệt trong đó chúng có thể cho phép kiểm tra cân bằng nớc cuối cùng cho một khu vực và có thể là một giới hạn quan trọng để thực hiện các mô hình dự báo. Hạn chế chính của việc sử dụng viễn thám đó là nhìn chung nó chỉ có thể phát hiện các thay đổi ở trên hoặc bề mặt đất trong khi đó những phần rất quan trọng của thuỷ văn lại diễn ra ở dới đất. Do đó điều cần thiết là cách mạng hoá các ý tởng về thuỷ văn học, phát triển về lý thuyết cũng nh các mô hình là một kỹ thuật dễ ứng dụng để tính toán lợng trữ nớc trên lu vực hoặc mô phỏng dòng chảy nớc dới đất. Đã có những nghiên cứu thực nghiệm đang tiếp tục sử dụng các dấu vết, rađa thăm dò đất, điện trở sát mặt, và chụp các địa chấn, nhằm mục đích cải thiện hiểu biết của chúng ta về lớp sát mặt, nhng sử dụng toán tử diễn toán của bất kỳ công nghệ nào trong số công nghệ trên hình nh còn đòi hỏi thời gian khá dài. Vì vậy, đối với việc dự báo trong tơng lai, sẽ vẫn tiếp tục có một bất định đáng kể về các quá trình dòng chảy sát mặt mà không có những bớc tiến vợt bậc của lý thuyết hiện tại. Chủ đề chính của cuốn sách này có sự tơng đơng rõ ràng trong khi đa ra các cấu trúc mô hình khác nhau hoặc các bộ thông số khác nhau trong một cấu trúc mô hình: chúng ta gọi đó là tơng đơng. Tơng đơng mang tính chất tơng đối, một thứ mà không đợc hầu hết các nhà khoa học, bao gồm cả những nhà thuỷ văn học chấp nhận. Cuối cùng, câu trả lời cho mục tiêu sẽ là một miêu tả đơn, thích hợp của hệ thống lu vực, nói chung, có thể áp dụng và đợc chấp nhận cho mục đích dự báo. Có lẽ một miêu tả nh vậy sẽ phát triển trong tơng lai, nhng thậm chí nếu một mô hình nh vậy có sẵn thì việc ứng dụng sẽ không cần thiết tránh vấn đề tơng đơng trừ khi các kỹ thuật đo đạc trực tiếp của các thông số ảnh hởng đợc rút ra ở cùng thời điểm. Bản chất duy nhất của mỗi hệ thống lu vực sẽ luôn luôn yêu cầu đo đạc hoặc ớc lợng các giá trị thông số phản ánh sự duy nhất đó. Không có các đo đạc trực tiếp, một số dạng điều kiện các phản ứng đợc quan trắc sẽ đợc yêu cầu và với những gì chắc chắn là một mô hình phức tạp thì một sự tơng đơng nào đó của các bộ thông số khác nhau chắc chắn sẽ đảm bảo. Cũng sẽ rất khó để tởng tợng rằng đo đạc trực tiếp các giá trị thông số có thể có ở trong cùng giới hạn cho tất cả các vị trí trong một hệ thống lu vực, thậm chí ngay cả đối với lu vực nghiên cứu nhỏ. Điều này chấp nhận rằng đo đạc trực tiếp chỉ có khả năng ở quy mô lớn hơn. Quy mô nào? Liệu có dễ dàng hơn, trên mặt đất, để thiết lập một bộ lồng vào nhau các vị trí đo đạc lu lợng nh là một cách đánh giá các thông số ảnh hởng đối với các đơn vị nhỏ hơn của một lu vực? Nó không cho phép đo đạc trực tiếp các thông số nh thế, nhng sẽ cho phép đánh giá sự biến thiên của các thông số nhận đợc bên trong diện tích lu vực. Miêu tả phân bố không gian sau đó sẽ bao gồm cả các miêu tả các lu vực con cục bộ. Tuy nhiên, điều này dễ dàng khi thực hiện với các lu vực thợng lu khác nhau hơn là độ dốc đóng góp cho các liên kết nội tại của một lới kênh (xem Beven 1978) và nguồn gốc của các thông số ảnh hởng từ các đo đạc lu lợng lu vực con cũng bao gồm một độ bất định nào đó. [...]... cần kết hợp các dự báo mô hình với đánh giá về mức độ bất định Xin nhắc lại lời nói đầu của cuốn sách này, tôi đã đề nghị rằng ước lượng độ bất định thường sẽ được xem xét như là một chủ đề của một cuốn sách nâng cao hơn là phần cơ sở trong quá trình mô hình hoá quan hệ mưa- dòng chảy Hi vọng rằng bây giờ ước lượng độ bất định sẽ là một phần không thể thiếu trong quá trình mô hình hoá và được gắn liền... việc mô hình hoá mưa- dòng chảy có liên quan tới độ bất định, nhưng điều này bao gồm một câu hở tiếp là làm cách nào để giới hạn độ bất định đến mức thấp nhất Một câu trả lời rõ ràng đó là bằng điều kiện số liệu, thực hiện các đo đạc đặc biệt nơi mà thời gian, tiền bạc và sự quan trọng của áp dụng thực tế cho phép Một tiếp cận hoàn toàn phù hợp là việc giới thiệu các công nghệ mô hình hoá mưadòng chảy. .. ràng cần được phát triển; mô hình sử dụng trực tiếp giá trị các thông số ảnh hưởng ở quy mô sườn dốc hoặc phần nhỏ hơn đơn vị của lưu vực Chúng ta đã tiến tới giai đoạn ở đó các tiến bộ của mô hình hoá đạt được theo sự phát triển của công nghệ đo đạc, và điều cần thiết là các công nghệ đo đạc phải cho phép đánh giá được sự thay đổi của các phản ứng nội tại trong không gian có quy mô lớn hơn hiện tại Chắc... vực Kỹ thuật dấu vết hình như không thể chấp nhận được trong thực tế và môi trường cho mục tiêu này, nhưng nếu chẳng hạn, một hệ thống chụp siêu âm rẻ đối với việc đo đạc vận tốc và do đó cả lưu lượng trong kênh có hình dạng bất kỳ được phát triển, thì sự triển khai nhiều hệ thống theo lưới kênh trở nên khả thi Điều này cho thấy một loại mô hình khác với các mô hình hiện tại có cơ sở vật lý rõ ràng cần... báo, và ở chương 7 chúng ta đã thảo luận về một loạt các kỹ thuật để thực hiện điều đó một cách đơn giản, dễ hiểu ước lượng độ bất định cung cấp một số bảo vệ chống lại khả năng mà dự báo tất định đơn giản có thể tỏ ra bị sai trong một kiểm tra sau dự báo (Konikow và Bredehoeft 199 2) Có khả năng sự sai hợp lý sẽ là một lý lẽ có sức thuyết phục đối với các người làm mô hình thuỷ văn thực hành thông...Tuy nhiên, có lẽ quy mô có thể được lọc tinh ở mức độ nào đó Các dấu vết thí nghiệm của Huff và nnk (1 98 2); Genereux và nnk (1 99 3) đã chỉ ra rằng có thể đánh giá sự tăng lưu lượng đối với một kênh, ít nhất là xấp xỉ bằng cách pha loãng dấu vết cung cấp với tốc độ ổn định Nếu có thể đánh giá sự tăng lên của lưu lượng theo thời gian thì điều này sẽ cho phép đánh giá các phản . Dooge. 1986 10. 1 lựa chọn mô hình trong mô hình hóa ma -dòng chảy nh kiểm tra giả thiết Dù sự thật là chúng ta đã ít chú ý tới toàn bộ lớp những mô hình ma -dòng chảy (các mô hình hộp nhận. nâng cao hơn là phần cơ sở trong quá trình mô hình hoá quan hệ ma -dòng chảy. Hi vọng rằng bây giờ ớc lợng độ bất định sẽ là một phần không thể thiếu trong quá trình mô hình hoá và đợc gắn liền. số kỳ trớc lớn hơn cho các mô hình đợc xem nh dựa trên cơ sở vật lý so với các mô hình nhận thức loại mô hình dựa trên số liệu. Theo nguyên tắc, những mô hình có cơ sở về vật lý phản ánh sự hiểu