ỨNG DỤNG mô HÌNH SWAT PHỤC vụ ĐÁNH GIÁ ô NHIỄM NGUỒN nước TRÊN lưu vực hồ SÔNG QUAO, TỈNH BÌNH THUẬN

TRƯỜNG ĐẠI HỌC TÀI NGUYÊN VÀ MÔI TRƯỜNG TP.HCM KHOA ĐỊA CHẤT VÀ KHOÁNG SẢN NGUYỄN TẤN THẮNG ỨNG DỤNG MƠ HÌNH SWAT PHỤC VỤ ĐÁNH GIÁ Ơ NHIỄM NGUỒN NƯỚC TRÊN LƯU VỰC HỒ SƠNG QUAO, TỈNH BÌNH THUẬN ĐỒ ÁN TỐT NGHIỆP KỸ SƯ ĐỊA CHẤT HỌC Mã ngành: 52440201 TP HỒ CHÍ MINH – 12/2016 TRƯỜNG ĐẠI HỌC TÀI NGUYÊN VÀ MÔI TRƯỜNG TP.HCM KHOA ĐỊA CHẤT VÀ KHỐNG SẢN ĐỒ ÁN TỐT NGHIỆP ỨNG DỤNG MƠ HÌNH SWAT PHỤC VỤ ĐÁNH GIÁ Ơ NHIỄM NGUỒN NƯỚC TRÊN LƯU VỰC HỒ SƠNG QUAO, TỈNH BÌNH THUẬN Sinh viên thực hiện: Nguyễn Tấn Thắng Khóa: 2012 – 2017 Giảng viên hướng dẫn: TS Nguyễn Hồng Quân TP HỒ CHÍ MINH – 12/2016 MSSV: 0150100041 LỜI CẢM ƠN Lời em xin gửi lời tri ân đến Ts Nguyễn Hồng Quân, người trực tiếp hướng dẫn, định hướng cho em suốt trình thực đề tài; Sau đó, em xin gửi lời cảm ơn chân thành đến anh Mai Toàn Thắng, chị Nguyễn Thị Thanh Duyên tất anh chị phòng Tin Học Môi Trường, Viện Môi Trường Và Tài Nguyên TP.HCM giúp đỡ em trình thực hồn thiện đề tài i MỤC LỤC TĨM TẮT MỞ ĐẦU TÍNH CẤP THIẾT CỦA ĐỒ ÁN TỐT NGHIỆP 2 MỤC TIÊU CỦA ĐỒ ÁN TỐT NGHIỆP 3 NỘI DUNG VÀ PHẠM VI NGHIÊN CỨU 4 PHƯƠNG PHÁP NGHIÊN CỨU 4.1 Phương pháp thu thập, tham khảo tài liệu .5 4.2 Phương pháp chuẩn bị liệu .5 4.3 Phương pháp mơ hình tốn học .5 CHƯƠNG TỔNG QUAN 1.1 TỔNG QUAN CÁC NGHIÊN CỨU TRONG VÀ NGOÀI NƯỚC 1.1.1 Ngoài nước 1.1.2.Trong nước 1.2 GIỚI THIỆU KHU VỰC NGHIÊN CỨU CHƯƠNG 10 PHƯƠNG PHÁP NGHIÊN CỨU 10 2.1 PHƯƠNG PHÁP THU THẬP, THAM KHẢO TÀI LIỆU 10 2.1.1 Thu thập tài liệu liệu liên quan 10 2.1.2 Lựa chọn mơ hình nghiên cứu 10 2.1.3 Lý thuyết mơ hình SWAT 12 2.1.4 Lý thuyết hiệu chỉnh kiểm định kết từ SWAT .17 2.2 PHƯƠNG PHÁP CHUẨN BỊ DỮ LIỆU 18 2.2.1 Trích lục đồ địa hình 18 2.2.2 Thành lập đồ lớp phủ (land-cover map) 18 2.2.3 Trích lục đồ thổ nhưỡng (soil map) 21 2.2.4 Sử lý liệu khí tượng .21 2.3 PHƯƠNG PHÁP MƠ HÌNH HÓA 22 2.3.1 Tiến hành chạy mơ hình 22 2.3.2 Hiệu chỉnh, kiểm định mơ hình 30 ii 2.3.3 Khai thác liệu đầu mơ hình .33 CHƯƠNG 34 KẾT QUẢ VÀ THẢO LUẬN .34 3.1 KẾT QUẢ CHUẨN BỊ DỮ LIỆU .34 3.1.1 Dữ liệu địa hình, hệ thống mạng sơng 34 3.1.2 Dữ liệu sử dụng đất 34 3.1.3 Dữ liệu thổ nhưỡng 36 3.1.4 Dữ liệu thời tiết .36 3.2 KẾT QUẢ KIỂM ĐỊNH MÔ HÌNH 38 3.3 KẾT QUẢ MÔ PHỎNG CHẤT LƯỢNG NƯỚC 39 3.3.1 Kết mô chất lượng nước 40 3.3.2 Đánh giá độ tin cậy mơ hình 44 KẾT LUẬN VÀ KIẾN NGHỊ .47 KẾT LUẬN 47 KIẾN NGHỊ .47 TÀI LIỆU THAM KHẢO 48 PHỤ LỤC .50 iii DANH MỤC BẢNG Bảng 2.1 Thông tin ảnh vệ tinh 19 Bảng 2.2 Thơng tin bảng dò lớp phủ 26 Bảng 2.3 Thơng tin bảng dò lớp thổ nhưỡng 27 Bảng 3.1 Diện tích sử dụng đất lưu vực Sông Quao .35 Bảng 3.2 Thông tin trạm khí tượng sử dụng đề tài .37 Bảng 3.3 Tỷ lệ sai số mô so với giá trị tối đa cho phép quy chuẩn 46 Bảng 3.4 Ảnh hưởng số lần hiệu chỉnh kết mô .46 iv DANH MỤC HÌNH Hình Quy trình thực đề tài Hình 1.1 Ranh giới lưu vực hồ sông Quao (Nguồn: Open Street Map) Hình 2.1 Vòng lặp hru/ tiểu lưu vực .15 Hình 2.2 Chu trình thủy văn pha đất (Nguồn: SWAT IO) 15 Hình 2.3 Sơ đồ q trình diễn dòng chảy (Nguồn: SWAT IO) .17 Hình 2.4 Cấu trúc tập tin liệu khí tượng 21 Hình 2.5 Cấu trúc tập tin khí tượng thu thập .22 Hình 2.6 Các bước thiếp lập mơ hình 22 Hình 2.7 Phân định lưu vực 23 Hình 2.8 Hệ thống mạng dòng chảy mơ hình .24 Hình 2.9 Ranh giới lưu vực tiểu lưu vực mơ hình 25 Hình 2.10 Vị trí điểm tiếp nhận chất ô nhiễm lưu vực 26 Hình 2.11 Xác định đơn vị thủy văn 27 Hình 2.12 Giao diện điều khiển kết nối sở liệu 28 Hình 2.13 Nhập liệu khí tượng vào mơ hình 28 Hình 2.14 Ghi liệu vào sở liệu SWAT 29 Hình 2.15 Thiết lập thơng tin mô 30 Hình 2.16 Bắt đầu mơ 30 Hình 2.17 Vị trí tập tin cần chỉnh sửa SWAT-CUP .31 Hình 2.18 Thiết lập số lần hiệu chỉnh 31 Hình 2.19 Thời gian mơ 31 Hình 2.20 Nhập liệu thực đo vào SWAT-CUP .32 Hình 2.21 Tập tin SUFI2_extract_rch.def 32 Hình 2.22 Quá trình hiệu chỉnh bắt đầu .32 Hình 3.1 Ảnh ASTER DEM (trái) hệ thống mạng sông (phải) .34 Hình 3.2 Ảnh vệ tinh năm 2003 Sông Quao (trái) kết phân loại (phải) 35 Hình 3.3 Bản đồ thổ nhưỡng lưu vực Sông Quao 36 Hình 3.4 Vị trí trạm khí tượng sử dụng đề tài 37 Hình 3.5 Biểu đồ lượng mưa trạm KTTV Phan Thiết năm 2014 37 Hình 3.6 Lưu lượng dòng chảy quan trắc mơ (2005 - 2009) 38 v Hình 3.7 Lưu lượng dòng chảy quan trắc mơ (2010 - 2014) 38 Hình 3.8 Ranh giới tiểu lưu vực lưu vực Hồ Sông Quao 39 Hình 3.9 Lưu lượng dòng chảy khỏi lưu vực (2014-2015) 41 Hình 3.10 Lượng Nitrat vận chuyển khỏi lưu vực (tính theo ngày) .42 Hình 3.11 Lượng Amoni vận chuyển khỏi lưu vực (tính theo ngày) 42 Hình 3.12 Lượng Phosphat vận chuyển khỏi lưu vực (tính theo ngày) 43 Hình 3.13 Lượng nitrit vận chuyển khỏi lưu vực (tính theo ngày) 43 Hình 3.14 So sánh giá trị thực đo mô thông số Amoni 44 Hình 3.15 So sánh giá trị thực đo mô thông số Phosphat .45 Hình 3.16 So sánh giá trị thực đo mô thông số Nitrit 45 Hình 3.17 So sánh giá trị thực đo mơ thông số Nitrat 45 vi TĨM TẮT SWAT cơng cụ mơ hình thủy văn mạnh mẽ, sử dụng cho lưu vực sơng có hướng dòng chảy ổn định theo chiều Việc áp dụng SWAT vào mô lưu vực sông Việt Nam giúp cho việc quản lý, dự báo chất lượng lưu lượng nguồn nước trở nên hiệu Nhằm mục đích áp dụng SWAT vào lưu vực Sơng Quao, tỉnh Bình Thuận, đề tài hồn thành việc mơ tồn lưu vực với diện tích 296 km2 phần mềm QSWAT 2012 hồn tất q trình hiệu chỉnh kiểm định mơ hình với số Pearson đạt 0,69 số Nash đạt 0.62 Tuy nhiên đề tài bước đầu mô lưu vực, để sử dụng kết mơ phục vụ cho mục đích lưu vực cần phải có nghiên cứu MỞ ĐẦU TÍNH CẤP THIẾT CỦA ĐỒ ÁN TỐT NGHIỆP Trong trình phát triển xã hội loài người, người liên tục lấy thứ quý giá từ môi trường sống trả lại mơi trường thứ khơng giá trị sử dụng hay chất độc hại làm cho mơi trường ngày suy thối; trước nhầm tưởng nước vơ tận ngày trở nên khan hay nhiễm bẩn không sử dụng Thậm chí nhiều quốc gia Uganda, Trung Phi, Kenya, nơi mà có tới 30% dân số người nghèo lại phải mua nước với giá cao nhiên liệu, gia đình có thu nhập thấp khơng có khả chi trả cho nước nên họ chấp nhận sống nước bị nhiễm bẩn phải đối mặt với nguy bệnh tật hàng ngày Tại hội nghị môi trường Liên Hiệp Quốc năm 1977 cảnh báo: “sau nguy dầu mỏ người phải đương đầu với nguy nước” Có thể nói, tình hình thiếu nước trầm trọng nhiều quốc gia giới lời cảnh báo thiết thực cho quốc gia khác, nói lên viễn cảnh cho tương lai khơng xa quốc gia khơng có biện pháp bảo vệ nguồn nước hợp lý Tại Việt Nam, việc bảo vệ nguồn nước xem vấn đề cấp thiết lẽ hàng nghìn sơng, suối dài 10km hàng trăm hồ, ao chưa quản lý, gần 50% số bị nhiễm vừa nhẹ Đảng nhà nước ta có giải pháp thiết thực tiến hành xây dựng nhiều cơng trình thủy lợi tích trữ nước hồ, đập, kênh, rạch tiến tới sử dụng nguồn nước hiệu Tuy nhiên có vấn đề nảy sinh xây dựng cơng trình thủy lợi dẫn tới việc thay đổi chế độ dòng chảy; thay đổi đặc tính thủy động học; thay đổi khả tiếp nhận, sử lý ô nhiễm dòng chảy việc thay đổi gây ảnh hưởng đến tồn q trình sử dụng nước hạ lưu Do cần phải có cơng cụ để đánh giá khả tiếp nhận chất ô nhiễm toàn lưu vực hỗ trợ quản lý hiệu q trình vận hành cơng trình thủy lợi Hồ sơng Quao cơng trình thủy lợi lớn tỉnh Bình Thuận có diện tích lưu vực 296 km2, diện tích mặt hồ khoảng 6,8 km2, dung tích 80 triệu m3, hồ cấp nước từ sông Quao sơng Đan Sách Nhiệm vụ cơng trình theo thiết kế duyệt PHỤ LỤC 50 LÝ THUYẾT CƠ BẢN Lưu vực (basin) tiểu lưu vực (subbasin): Lưu vực diện tích mặt đất (được giới hạn đường phân thủy) đón nhận nước mưa rơi hội tụ dòng chảy điểm chung thuộc thực thể chứa nước cụ thể sông, suối, đầm lầy, hồ Lưu vực xác định dựa đường ranh giới Ranh giới lưu vực đường khép kín vẽ theo đường phân thủy tính từ cửa xả lưu vực Trong lưu vực chứa hay nhiều tiểu lưu vực Việc phân định ranh giới lưu vực mang tính chất tương đối, thực tế ranh giới lưu vực chịu ảnh hưởng nhiều yếu tố khác đường phân thủy bề mặt không trùng với đường phân thủy ngầm hay phân bố dị thường lớp đất đá (hình 1) làm cho đường phân thủy ngầm trở nên khó xác định [13] Hình ảnh hưởng nằm lớp đất đá đến ranh giới lưu vực Đơn vị thủy văn (hru): đơn vị tính tốn SWAT, hru xác định dựa giá trị phổ biến tổ hợp giá trị phổ biến (phổ biến tức có diện tích lớn nhất) lớp thổ nhưỡng, lớp phủ địa hình Mặt định tiểu lưu vực chứa hru, nhiên số trường hợp người dùng định nghĩa lại hru lúc tiểu lưu vực chứa đồng thời nhiều hru lúc (Susan L Neitsch et al., 2009) PL.1 Lưu lượng dòng chảy: định nghĩa thể tích nước chảy qua phần mặt cắt sông thời điểm, đơn vị tính thường m3/s Đối với lưu vực sơng lưu lượng dòng chảy thơng số thủy văn quan trọng góp phần xác định hình dạng, kích thước q trình diễn lưu vực Dựa vào kết quan trắc lưu lượng dòng chảy rút thơng tin hữu ích, hỗ trợ cho công tác dự báo lũ, xác định xu hướng dòng chảy, tính tốn lượng bồi lấp đánh giá tác động biến đổi khí hậu lên dòng nước Hiện với phát triển cơng nghệ GIS (Geographic Information Sytem) nhiều mơ hình thủy văn cho phép tính tốn lưu lượng dòng chảy cách xác mơ hình SWAT (Nguyễn Duy Liêm, Nguyễn Thị Hồng, 2013) MƠ HÌNH SỐ ĐỘ CAO (DEM) Mơ hình số độ cao dạng thể độ cao bề mặt đất máy tính Tùy theo cách lưu trữ liệu, mơ hình số độ cao (Dem) phân thành hai loại: Loại thứ nhất, Dem lưu trữ dạng vector, lúc Dem xem lưới tam giác không (TIN) đỉnh tam giác điểm liệu chứa thông tin bao gồm tọa độ độ cao; Loại thứ hai, Dem lưu trữ đưới dạng raster, lúc Dem xem ma trận ô vuông xác định hàng cột, ô chứa giá trị độ cao tọa độ ma trận Hình khác raster Dem Vector Dem PL.2 PHƯƠNG PHÁP GIÃN ẢNH Đây phương pháp sử dụng phần mềm để làm tăng độ phân giải phổ ảnh, làm bật đối tượng ảnh: Thứ nhất: tín hiệu thu nhận Lansat thơng qua điểm thu nhận tín hiệu có cảm biến Khi chụp ảnh, điểm thu nhận tín hiệu nhận tín hiệu dạng analog (được biểu thị dạng đồ thị đường liên tục không bị gián đoạn), sau tín hiệu sử lý chuyển đổi tín hiệu số (được biểu thị dạng đồ thị bậc thang) lưu trữ vào ảnh cấu trúc liệu bít (28 = 256 giá trị) tức pixel ảnh nhận giá trị dãy giá trị từ – 255 Do để tăng cường chất lượng, ảnh chuyển đổi từ cấu trúc liệu bít sang 16 bít (216 = 65.536 giá trị), lúc đồ thị bậc thang ban đầu làm mịn cách chia cột giá trị ban đầu thành 256 cột giá trị nhỏ (Hình 3) Kết ảnh có độ chi tiết ảnh gốc Hình Minh họa khác loại cấu trúc liệu Thứ hai: kênh ảnh lansat thu nhận khoảng giá trị phổ định (kênh phổ) Tuy nhiên, tùy vào thời gian vị trí chụp ảnh mà tín hiệu phân bố tập trung khoảng kênh phổ khoảng lại kênh phổ khơng có tín hiệu mang tín hiệu nhiễu Do đó, khoảng tín hiệu phổ mang PL.3 tín hiệu nhiễu loại bỏ để giảm tín hiệu nhiễu làm bật khoảng phổ có độ tập trung cao Hình Giãn ảnh cách loại bỏ khoảng phổ không chứa giá trị Kết quả, sau hồn tất q trình giãn ảnh bao gồm giãn tín hiệu giãn phổ, ảnh có độ trung thực loại bỏ nhiễu PHƯƠNG PHÁP PAN – SHARPENNING Trên Lansat 7, kênh ảnh từ – có độ phân giải không gian 30 mét, riêng kênh số kênh tồn sắt (Panchromatic) có độ phân giải khơng gian 15 mét Phương pháp Pan – sharpanning phương pháp kết hợp kênh toàn sắt với kênh phổ khác (kênh đỏ, lục, lam) nhằm tạo kênh phổ có độ phân giải khơng gian cao Đối với Lansat 7, ảnh kết hợp cách thực tính tốn kênh ảnh riêng lẻ theo công thức sau (Johnson, Tateishi and Hoan, 2012): Kênh đa phổ = Kênh đa phổ * Kênh toàn sắt / Kênh số (I) Trong đó: - Kênh đa phổ: kênh đỏ, lục, lam - I = (0.42 * Kênh lam + 0.98 * Kênh lục + 0.6 * Kênh đỏ + Kênh hồng ngoại)/3 PL.4 Hình Ảnh trước sau Pan – Sharpenning (tổ hợp màu tự nhiên) TỔ HỢP MÀU BẰNG MƠ HÌNH MÀU RGB Trong tự nhiên, màu sắt người nhìn thấy tổ hợp màu (đỏ, lục, lam) kết hợp với theo tỷ lệ định Trong chụp ảnh viễn thám, kênh đa phổ vệ tinh sử dụng lọc màu cho chụp ảnh, kênh ảnh thu nhận tín hiệu dải màu riêng biệt (trong có kênh màu đỏ, lục, lam) Trong tổ hợp màu, việc kết hợp lại kênh phổ riêng biệt cho hình ảnh giống lúc ghi nhận (Hình 6) PL.5 Hình Tổ hợp màu thực mơ hình màu GRB PHÂN LOẠI ẢNH VIỄN THÁM TẠI KHU VỰC NGHIÊN CỨU Về điểm chung hầu hết phần mềm phân loại ảnh viễn thám thực qua trình tự sau: a) Chọn mẫu: bước trình phân loại ảnh viễn thám nhằm tạo lớp mẫu nhận dạng lớp thông tin ảnh (lớp thơng tin đất, nước, thực vật…) Đây xem giai đoạn quan trọng định đến độ xác q trình phân loại, cần lưu ý q trình chọn mẫu phải tính đến mức độ đồng mẫu, tránh chọn mẫu rộng vùng chọn có mức chênh lệch giá trị phổ cao hay chọn mẫu nhỏ không đủ tính đại diện cho đối tượng ảnh Ngồi ra, tùy theo khu vực nghiên cứu, cần linh PL.6 hoạt thay đổi loại tổ hợp màu khác nhằm nhận dạng đối đối tượng cách xác Hình Chọn mẫu đồng Các lớp đối tượng khu vực nghiên cứu chia thành loại khác nhau: đất rừng già, đất rừng bụi, đất trống, đất nông nghiệp đất mặt nước Tuy khu vực nghiên cứu tồn nhiều đối tượng khác dân cư, giao thông điều kiện phân bố rải rát với diện tích phân bố khơng lớn nên gộp chung vào nhóm phía b) Phân loại ảnh: Có nhiều thuật toán phân loại ảnh khác thuật toán phân loại theo phương pháp xác xuất cực đại (maximun likelihood), phương pháp khoảng cách tối thiểu (minimun distance), phương pháp xác xuất cực đại định hướng đối tượng… phương pháp có ưu, nhược điểm riêng Trong nghiên cứu này, phương pháp xác xuất cực đại sử dụng độ xác cao u cầu cấu hình hệ thống sử lý khơng q lớn PL.7 Hình Ảnh trước sau phân loại PHƯƠNG PHÁP MA TRẬN SAI SỐ Đây phương pháp sử dụng phổ biến nhằm đánh giá độ xác sau phân loại Phương pháp thực cách chọn điểm khảo sát kết phân loại kiểm tra xem điểm đó, ảnh có phân loại hay khơng Kết sau khảo sát nhập vào ma trận sai số (bảng 1) Bảng 1: Ma trận sai số Lớp … Lớp n Tổng Lớp H1C1 … H1Cn Tổng(H1Cn) … … … … … Lớp n HnC1 … HnCn Tổng(HnCn) Tổng Tổng(HnC1) … Tổng(HnCn) Tổng pixel Thực tế Phân loại Độ xác tính cách lấy tỷ lệ tổng giá trị hàng chéo từ H1C1 đến HnCn với tổng điểm khảo sát (tổng pixel) Trong nghiên cứu này, để đánh giá kết sau phân loại có đến 500 điểm khảo sát chọn ngẫu nhiên kiểm PL.8 tra thủ cơng điểm một, kích thước điểm điểm ảnh (1 pixel) kết cho thấy độ xác = 81,25% số Kappa ~ 0.7 SỬA LỖI HÌNH HỌC (TOPOLOGY ERROR) Trong khơng gian vector, hai đối tượng (đối tượng điểm, đường, vùng) tạo có ba trường hợp sảy chúng giao - cắt tách biệt chồng lấp lên gây nên lỗi hình học đồ (ví dụ hai tỉnh giáp biên ranh giới hai tỉnh đồ lại điểm chung ranh giới hai tỉnh nằm chồng lên nhau) Thông thường lỗi hình học đồ phụ thuộc vào tỷ lệ đồ thường bỏ qua sử dụng đồ với tỷ lệ thiết kế nhiên số trường hợp khu vực nghiên cứu nhỏ buột phải tăng tỷ lệ đồ lúc bắt buột phải sửa lỗi hình học Trên phần mềm GIS hầu hết tích hợp cơng cụ bắt điểm tự động nhằm giảm sai sót lỗi hình học gây ra, nhiên số trường hợp người thành lập đồ chấm điểm tay gây nên lỗi Hình Ảnh hưởng tỷ lệ đồ đến lỗi topology Để sửa lỗi cần xác định lại mối quan hệ đối tượng với Đối với đồ thổ nhưỡng nghiên cứu này, để tỷ lệ đồ có tỷ lệ với loại liệu đầu vào khác nên cần tăng tỷ lệ đồ lên thành 1:25.000 PL.9 đồ xuất lỗi hình học Các lỗi sửa cách bắt lại điểm nằm đường ranh giới loại đất khác (ranh giới chung) LẬP TRÌNH SỬ LÝ DỮ LIỆU Trong nghiên cứu này, mã nguồn PHP sử dụng để sử lý liệu ưu điểm mã nguồn mở, dễ dàng nhúng vào website xây dựng giao diện ứng dụng web trực quan dễ dàng sử dụng Dựa vào cấu trúc tập tin liệu khí tượng thu thập (Hình 2.1), ý tưởng lấy liệu hình thành thực cách tạo sẵn biến chứa danh sách thời gian với bắt đầu liệu di chuyển trỏ tham chiếu đến ô chứa liệu thông qua danh sách thời gian lấy liệu lưu vào mảng liệu Cuối lưu mảng liệu vừa tạo vào tập tin theo cấu trúc tập tin khí tượng (Hình 2.2) Mã PHP: Hình 10 Giao diện ứng dụng web PL.11 10 LẬP TRÌNH KHAI THÁC DỮ LIỆU Khác với liệu đầu vào, liệu đầu lưu trữ sở liệu Microsoft Database (.mdb) thường có kích thước lớn từ hàng chục đến hàng trăm megabyte Nếu khai thác liệu thủ cơng nhiều thời gian, yêu cầu đặt cần xây dựng phần mềm chạy khai thác liệu trực tiếp máy người dùng Với yêu cầu trên, mã nguồn mở Python xem phù hợp để viết chương trình khai thác liệu khả chạy nhiều hệ điều hành khác có tốc độ sử lý nhanh Dữ liệu lưu trữ bên sở liệu đầu mơ hình SWAT chia thành nhiều bảng khác nhau, ứng với bảng thông tin nhóm số liên quan với (Ví dụ: bảng chứa thơng tin tiểu lưu vực chứa trường thơng tin liên quan đến tiểu lưu vực diện tích tiểu lưu vực theo ngày tháng, tọa độ…) Do đó, ý tưởng khai thác liệu hình thành cách tạo biểu mẫu nhận thông tin yêu cầu truy vấn liệu từ người dùng, tham chiếu yêu cầu đến sở liệu xem liệu có tồn hay khơng xuất tập tin Excel (.csv) có tồn Mã Python: #Copy file vao thu muc TablesOut (nam thu muc dau SWAT) #Cai thu vien csv va pyodbc vao python truoc chay, python version: 2.7 import csv, pyodbc; c = ''; a = '-'; print "\n"+a*60+"\nNhap ten bang can lay du lieu (bat buot) vd: rch" tab = raw_input('>>> ') print "Truong du lieu, ngan cach bang dau phay (co the bo trong) vd: SUB,YEAR" col = str(raw_input('>>> ')) print "Dieu kien(co the bo trong) vd: sub=1 hay sub=1 AND year=2015" dk = raw_input('>>> ') print "Nhap ten file xuat (neu bo ten mat dinh la: dulieu.csv)" name = raw_input('>>> ') #Ket noi co so du lieu (Ten co so du lieu mat dinh la : SWATOutput.mdb) MDB = 'SWATOutput.mdb'; DRV = '{Microsoft Access Driver (*.mdb)}'; PWD = 'pw' cur = pyodbc.connect('DRIVER={};DBQ={};PWD={}'.format(DRV,MDB,PWD)).cursor() # Truy van du lieu if tab=='': PL.12 print "[CHU Y] Nhap ten bang du lieu can lay!!!" tab = raw_input('>>> ') if tab=='': exit() if col=='': col = "*" if dk!='': c = " WHERE '+dk if name=='': name = 'dulieu' print a*60+"\n>>>Dang xu ly, vui long doi !