Tùy thuộc vào mục đích mô phỏng và khả năng đáp ứng của cơ sở dữ liệu, mô hình thủy văn thông số phân bố được xây dựng theo hướng tham số hóa và vật lý cơ bản. Mô hình thủy văn thông số phân bố tham số mô phỏng quá trình dòng chảy sườn dốc dựa trên giả định phương trình vật lý thực nghiệm kết hợp với quan hệ bán kinh nghiệm của lượng mưa và dòng chảy đầu ra. Quá trình dòng chảy trên bề mặt lưu vực được mô phỏng thông qua diễn toán tập trung nước trên các ô lưới hoặc các dải sườn dốc. Các mô hình thông số phân bố tham số như FRASC, IFAS, DIMOSOP, GEOTOP, HMC mô phỏng quá trình tập trung dòng chảy sườn dốc bằng các bể chứa trên mỗi ô lưới. Mỗi ô lưới gồm nhiều bể chứa sắp xếp theo chiều thẳng đứng để tính toán trao đổi nước giữa các lớp đất đá, tổn thất do thấm và dòng chảy giữa các ô lưới [22], [42], [53], [75], [82]. Trong đó, một số mô hình chưa hoàn thiện mô phỏng dòng chảy trong sông nên đã tích hợp với mô hình Muskingum như mô hình FRASC và DIMOSOP và áp dụng cho một số sông ở Việt Nam như lưu vực sông Bé, Cái Phan Rang, Thác Mơ, sông Đồng Nai [75], lưu vực sông Hồng, sông Thái Bình [1]. Ngoài ra, các mô hình thông số phân bố tham số USDAHL và WatFlood mô phỏng tập trung dòng chảy theo các dải sườn dốc; trong đó mô hình USDAHL sử dụng phương trình phi tuyến do Holtan đề xuất năm 1970 [56], mô hình WatFlood sử dụng phương pháp đơn vị phản ứng nhóm GRU (Grouped Response Unit) để nhóm các đơn vị thủy văn giống nhau và mỗi GRU là một đơn vị tính toán thủy văn gồm một nhóm diện tích có phản ứng giống nhau trong điều kiện khí tượng tương tự [39].
Mô hình thủy văn thông số phân bố vật lý cơ bản mô phỏng quá trình dòng chảy sườn dốc mô phỏng quá trình dòng chảy sườn dốc bằng phương trình toán lý, thể hiện quá trình di chuyển của dòng nước bằng phương trình thấm và phương trình dòng chảy mặt không đều. Một số mô hình thủy văn thông số phân bố vật lý cơ bản như WETSPA, Mike SHE, CATHY sử dụng phương trình xấp xỉ sóng khuếch tán để tính toán dòng chảy giữa các ô lưới để mô
phỏng quá trình dòng chảy sườn dốc [86]; tương tự, các mô hình WEP, GBHM, THALES, TOPKAPI sử dụng phương trình sóng động học và mô hình MARINE sử dụng phương trình xấp xỉ sóng động học. Trong đó, mô hình WEP có khả năng trao đổi nước với 8 ô lưới lân cận, các mô hình còn lại có khả năng trao đổi nước với 4 ô lưới lân cận. Mô hình thủy văn thông số phân bố vật lý cơ bản mô phỏng sườn dốc khá tốt và phản ánh tính chất chất vật lý của dòng chảy; tuy nhiên, một số mô hình chưa hoàn thiện mô phỏng dòng chảy trong sông nên cần tích hợp với các mô hình khác trong ứng dụng. Điển hình như mô hình WETSPA kết nối với mô hình HEC - RAS, mô hình Mike SHE hoặc URBS kết nối với mô hình Mike 11 [32], [105], mô hình WEP kết nối với mô hình sóng động học một chiều hoặc mô hình sóng động lực một chiều giải theo phương pháp lặp Newton - Raphson [107], mô hình CATHY kết nối với mô hình sóng động học hoặc Muskingum - Cunge [96], mô hình MARINE kết nối với mô hình thủy lực, Muskingum, Muskingum - Cunge. Một số mô hình đã được ứng dụng ở Việt Nam như ứng dụng WETSPA sông Hồng, Mã, Cả, Đồng Nai, Mê Kông, Vu Gia - Thu Bồn [11], [18]; mô hình MARINE ứng dụng trên lưu vực sông Hồng, sông Đà, sông Hương [3], [9], [15], [44], [68].
Ngoài sử dụng các phương trình xấp xỉ sóng khuếch tán, sóng động học và xấp xỉ sóng động học để mô phỏng dòng chảy qua các ô lưới như các mô hình trên, một số mô hình còn sử dụng phương trình cân bằng năng lượng, phương pháp tích hợp các mô hình toán và mô phỏng trên dải sườn dốc. Điển hình như mô hình IHM liên kết các quá trình vật lý của dòng chảy chuyển tiếp từ nước mặt sang nước ngầm thông qua tích hợp với các mô hình nước mặt HSPF và nước ngầm ModFlow [64]. Mô hình IHDM kết hợp phương pháp sai phân hữu hạn của phương trình Saint - Venant một chiều cho dòng chảy trên sườn dốc và kênh dẫn với một mô hình lưu trữ nước trong đất, chiều dài sườn dốc và kênh được biểu diễn dưới dạng mặt phẳng dốc hình chữ nhật và mặt cắt ngang không đổi. Mô hình DHSVM mô phỏng dòng chảy mặt và sát mặt bằng phương trình cân bằng năng lượng giữa các ô lưới dưới tác động của giáng
thủy, địa hình, thoát hơi thực vật, hạn chế bốc hơi từ tán cây và dòng chảy mặt, dòng chảy trong các lớp đất; dòng chảy trong sông suối được mô phỏng bằng phương trình bảo toàn thể tích lượng trữ đoạn sông [104].
Như vậy, mô hình thủy văn thông số phân bố khá đa dạng, với các già thiết, giả thiết mô phỏng và cơ sơ sở lý thuyết khác nhau; việc lựa chọn mô hình tùy thuộc vào mục đích mô phỏng và khả năng đáp ứng của cơ sở dữ liệu. Do đó, vấn đề đặt ra là lựa chọn được mô hình thủy văn thông số phân bố phù hợp để đáp ứng yêu cầu mô phỏng, dự báo chi tiết và phù hợp để áp dụng cho lưu vực thiếu số liệu. Tuy nhiên, rất khó xác định cụ thể một mô hình phù hợp, Blöschl (2013) cung cấp 3 nhóm thông tin hỗ trợ lựa chọn mô hình: (1) nhận thức trước được quá trình mô phỏng, (2) khả năng khắc phục thiếu số liệu, (3) mô hình đã sử dụng trên lưu vực tương tự đủ số liệu. Ngoài ra, lựa chọn cấu trúc mô hình còn quan tâm đến: (1) mục đích mô hình hóa, (2) yêu cầu về số liệu (mô hình càng phức tạp thì cần càng nhiều dữ liệu), (3) vấn đề tài chính (mô hình càng đơn giản thì chi phí càng thấp) và (4) kinh nghiệm của người sử dụng mô hình
[57]. Áp dụng các nhóm thông tin hỗ trợ và cơ sở lý thuyết, giả thiết mô phỏng, khả năng ứng dụng của các mô hình thủy văn thông số phân bố, mô hình MARINE được lựa chọn vì đáp ứng các điều kiện sau đây:
- MARINE là mô hình thủy văn thông số phân bố vật lý, mô phỏng dòng chảy hai chiều trên sườn dốc bằng hệ phương trình Saint Venant nên đáp ứng được điều kiện lựa chọn mô hình có cơ sở khoa học rõ ràng, tin cậy và mô phỏng bản chất vật lý quá trình dòng chảy sườn dốc (Hughes, 2006;
Uhlenbrook, 2010) [57], [116].
-Mô hình MARINE có mã nguồn mở nên tăng khả năng khắc phục thiếu số liệu (Hughes, 2006; Uhlenbrook, 2010), biết được giới hạn và yêu cầu mô phỏng để xác định phạm vi khắc phục thiếu số liệu (Le Moine, 2007), hiểu được thông số để đánh giá ảnh hưởng thiếu số liệu đến chất lượng mô phỏng (Oudin, 2008), biết được phạm vi khí hậu và điều kiện vật lý để xác định khả năng khắc phục của số liệu bị thiếu (Hughes, 1997; Perrin, 2003; Gan và Burges, 2006;
Pietroniro, 2007; Semenova và Vinogradova, 2009; Carrillo, 2011; Vinogradov, 2011, Strömqvist, 2012) [57].
- Mô hình MARINE đã được nghiên cứu và ứng dụng có hiệu quả ở nhiều nơi trên Thế giới và ở Việt Nam nên đáp ứng được điều kiện lựa chọn được mô hình mô phỏng ổn định và phù hợp đặc điểm tự nhiên của lưu vực thiếu số liệu [57]. Do đó, ứng dụng mô hình để mô phỏng và dự báo cho các lưu vực sông thiếu số liệu ở Việt Nam có tính khả thi cao.
- Các mô hình thông số phân bố thương mại có khả năng mô phỏng tốt quá trình dòng chảy trong sông nhưng không có mã nguồn mở và chi phí sử dụng cao.
- Có nhiều mô hình thông số phân bố mã nguồn mở trên Thế giới, nhưng mô hình MARINE là mô hình được chuyển giao và kiểm chứng độ tin cậy trong điều kiện ở Việt Nam. Việc nghiên cứu cải tiến để tăng khả năng, chất lượng mô phỏng và dự báo dòng chảy trong điều kiện thiếu số liệu có ý nghĩa khoa và thực tiễn trong ứng dụng tại Việt Nam.
Mặc dù có nhiều ưu điểm, nhưng mô hình MARINE chưa hoàn thiện mô phỏng dòng chảy trong sông. Tuy nhiên, với ưu điểm có mã nguồn mở, nhược điểm này có thể được khắc phục bằng phương pháp tích hợp với mô hình diễn toán dòng chảy trong sông khác. Hơn nữa, quá trình tích hợp có thể lựa chọn được mô hình mô phỏng chi tiết, phản ánh được tính chất vật lý của dòng chảy và phù hợp với sông suối thiếu số liệu mặt cắt ngang.
Mô hình diễn toán dòng chảy trong sông khá đa dạng, bao gồm các mô hình thủy văn như: Muskingum, Muskingum - Cunge, SSARR; mô hình sóng động học, sóng khuếch tán và các mô hình thủy lực như: Mike 11, HEC - RAS, KOD-1, VRSAP, ISIS-1D, HydroGIS, MK4, QUAL2-E, HEC-6, IMECH-1D, DUFLOW, SOBECK-1D. Trong đó, mô hình SSARR mô phỏng dòng chảy trong các đoạn sông dựa trên cơ sở cân bằng nước vào và ra khỏi đoạn sông tương tự như dòng chảy vào và ra khỏi hồ chứa; mô hình Muskingum mô phỏng quá trình dòng chảy trong sông bằng sự dịch chuyển sóng lũ qua các đoạn sông,
tác động của lòng dẫn làm biến đổi hình dạng con lũ qua các đoạn sông. Mô hình diễn toán dòng chảy trong sông càng phức tạp có chất lượng mô phỏng càng tốt và phạm vi ứng dụng càng rộng nhưng cũng sử dụng số liệu càng nhiều nên khả năng thiếu số liệu càng lớn. Do đó, cần lựa chọn mô hình diễn toán dòng chảy trong sông có khả năng khắc phục được nhược điểm của mô hình MARINE và ứng dụng được cho lưu vực thiếu số liệu mặt cắt ngang.
1.4. TỔNG QUAN MÔ HÌNH MARINE
Mô hình MARINE (Modelisation de l’Anticipation du Ruissellement at des INondations pour des événements Extremes) hay (Model of Anticipation Runoff and INundations for Extreme events), được nhóm HydroEco của Viện Cơ học chất lỏng Toulouse (IMFT) phát triển từ luận án của Estupina; là mô hình thủy văn thông số hướng sự kiện, phân bố không gian dựa trên cơ sở vật lý. Mục đích ban đầu được xây dựng để cảnh báo lũ quét cho lưu vực nhỏ, mô phỏng động lực nhanh, tính toán các quá trình chủ yếu (đã biết, chi phối và có ảnh hưởng) trong quá trình hình thành lũ. Giả thiết của mô hình là chỉ tính đến sự xâm nhập vào vùng không bão hòa, các quá trình ngăn chặn và thoát hơi nước không đáng kể đối với quá trình lũ [116].
Mô hình được ứng dụng tính toán lũ thời gian thực từ dự án PACTES (cảnh báo nguy cơ lũ quét theo không gian) tại Pháp với sự hỗ trợ ban đầu của Bộ Nghiên cứu Pháp và Cơ quan Vũ trụ Pháp để mô phỏng trận lũ quét xảy ra năm 1999 ở phía nam nước Pháp, ước lượng mưa từ radar để cảnh báo lũ quét năm 2002 [63], [115], [116]. Ngoài nước Pháp, mô hình còn được sử dụng để cảnh báo lũ quét và dự báo lũ ở Oman, Tây Ban Nha, các nước khu vực Địa Trung Hải [48], [49]. Mô hình MARINE được ứng dụng ở Việt Nam từ 2001 trong khuôn khổ của Dự án FLOCODS để dự báo lũ lưu vực sông Hồng, năm 2006 được nghiên cứu dự báo lưu lượng về hồ Hòa Bình, dự báo lũ lưu vực sông Hương [3], [9], [44], [68]. Hiện nay mô hình đang được thử nghiệm trong nghiệp vụ dự báo tại Trung tâm Dự báo Khí tượng Thủy văn Quốc gia cho lưu vực sông Đà, sông Hồng [1], [15].
Mô hình MARINE sử dụng số liệu khí tượng thủy văn phân bố không gian gồm: lượng mưa, độ ẩm đất, mực nước ngầm; dữ liệu về lưu vực sông gồm: bản đồ địa hình, loại đất, thảm phủ thực vật, sông suối. Do yêu cầu số lượng lớn số liệu nên ứng dụng mô hình còn gặp nhiều khó khăn do thiếu số liệu, đó là khó khăn chung của mô hình thủy văn thông số phân bố như đã phân tích ở trên. Với số liệu bị thiếu như địa hình, loại đất, thảm phủ thực vật và sông suối có thể dễ dàng khắc phục bằng số liệu viễn thám và công nghệ GIS. Trong các số liệu về khí tượng thủy văn, số liệu độ ẩm đất và mực nước ngầm ít biến động theo không gian và ảnh hưởng không nhiều đến mô phỏng dòng chảy lũ, nhưng số liệu mưa có tác động lớn nhất đến mô phỏng dòng chảy lũ và có sự thay đổi lớn nhất theo không gian. Trong các ứng dụng mô hình MARINE trước đây, xử lý dữ liệu mưa phân bố bằng phương pháp định lượng mưa từ radar và ảnh vệ tinh
[48], [49], [63], [115], [116]; tuy nhiên, phương pháp này có độ tin cậy chưa cao vì đó là các số liệu quan trắc gián tiếp, tương quan với lượng mưa các trạm đo mưa mặt đất chưa đảm bảo, có độ trễ thời gian, độ phân giải thấp, khó xử lý tác động của các yếu tố khí tượng khác nên chất lượng mưa đầu vào cho mô hình MARINE còn hạn chế, khó ứng dụng ở Việt Nam. Các ứng dụng
ở trong nước trước đây đã chuyển mưa trạm về mưa ô lưới bằng phương pháp đa giác [1], [3], [9], [15], [44], [68]; tuy nhiên phương pháp này không tính toán mưa phân bố không gian, các ô lưới trong cùng đa giác nhận cùng một giá trị lượng mưa. Do đó, nghiên cứu các phương pháp nội suy mưa không gian cho mô hình MARINE là một giải pháp khả thi, thuận tiện, phù hợp với điều kiện ở Việt Nam và có khả năng tăng chất lượng mưa đầu vào. Ngoài ra, ở vùng đồi núi nước ta có sự biến động mạnh theo không gian và hiện trạng thiếu trạm đo mưa khá phổ biến; do đó, cải tiến mô hình MARINE bằng phương pháp nội suy mưa không gian kết hợp với xử lý mưa theo địa hình để khắc phục thiếu số liệu mưa phân bố không gian là rất cần thiết.
Trong các ứng dụng trước đây, mô hình MARINE chỉ mô phỏng dòng chảy cho các đoạn sông của dòng sông chính, dòng chảy các đoạn sông được
tích lũy từ dòng chảy của các ô lưới có sông chảy qua; do đó, dòng chảy trên các sông nhánh được diễn toán như dòng chảy trên sườn dốc. Giả thiết mô phỏng như trên không sát với thực tế và các lưu vực sông càng lớn thì chất lượng mô phỏng càng thấp. Để hạn chế nhược điểm này, các nghiên cứu đã chia nhỏ thành các tiểu lưu vực, tuy nhiên việc thiết lập và sử dụng rất phức tạp và trong một tiểu lưu vực cũng không mô phỏng được các sông nhánh. Ngoài ra, trong nghiên cứu của Denis Dartus và David Labat đã chỉ ra: Khi diện tích lưu vực lớn hơn 1 km², dòng chảy bề mặt được tập trung vào một mạng lưới sông [116]. Theo đó, nếu chỉ mô phỏng sông chính mà vẫn sát với thực tế thì các tiểu lưu vực trong MARINE cần chia nhỏ hơn 1 km2, vì thế rất khó khả thi trong ứng dụng. Do đó, để khắc phục nhược điểm mô phỏng theo các tiểu lưu vực, lũy tích dòng chảy các nút cho các đoạn sông và chỉ mô phỏng dòng chảy trên một dòng sông chính, mô hình MARINE cần được cải tiến để tăng cường khả năng mô phỏng bằng những kỹ thuật sau đây:
- Thay thế thuật toán lũy tích dòng chảy các nút cho các đoạn sông bằng mô hình diễn toán dòng chảy các nút cho các đoạn sông.
- Bổ sung mô đun trích xuất mô phỏng dòng chảy cho mạng lưới sông, đề làm cở sở để tích hợp với mô hình diễn toán dòng chảy cho mạng lưới sông.
Do chưa hoàn thiện mô phỏng dòng chảy trong sông, nên trong ứng dụng mô hình MARINE của những nghiên cứu trước đây đã kết nối với các mô hình khác. Ở Pháp, dòng chảy trong sông được xây dựng bởi Bessière (2005) bằng phương trình xấp xỉ sóng động học, Foody sử dụng Muskingum, Rorrell sử dụng HEC - RAS và MAGE - 1D để kết nối với mô hình MARINE [116]. Các nghiên cứu trong nước của Nguyễn Lan Châu, Nguyễn Văn Điệp, Nguyễn Tiến Cường, Bùi Đình Lập đã kết nối mô hình MARINE và mô hình IMECH - 1D hoặc Muskingum - Cunge để mô phỏng dòng chảy trên sông Đà, sông Hồng, sông Hương [3], [9], [15], [44], [68]. Tuy nhiên, các mô hình thủy lực như IMECH-