Số liệu l−ợng m−a là số liệu rất cần thiết đ−ợc đ−a vào phần lớn các mô hình xói mòn hoặc mô hình thủy văn. Dữ liệu đầu ra của mô hình quyết định cấu trúc số liệu l−ợng m−a đ−a vào. Ví dụ nh−, mô hình n−ớc hoặc bùn cát
hàng năm thông th−ờng yêu cầu đánh giá tổng l−ợng m−a theo mùa và tổng
l−ợng m−a hàng năm. Các mô hình dùng để dự báo đỉnh lũ yêu cầu l−ợng m−a đ−a vào trong khoảng thời gian t−ơng đối ngắn (vài phút hoặc vài giờ). Các mô hình tích lũy yêu cầu đ−a vào l−ợng m−a (hoặc tuyết tan) theo thời gian. Các mô hình để dự báo xói mòn, sự vận chuyển bùn cát, và vận chuyển các chất hoá học trên cơ sở một trận m−a th−ờng (luôn) yêu cầu đ−a vào l−ợng m−a đ−a vào trên nền cơn m−a đó.
Tổng l−ợng m−a trong khoảng thời gian cho tr−ớc th−ờng dựa trên cơ sở dữ liệu m−a tại các điểm, và một vài biện pháp −ớc l−ợng đ−ợc sử dụng để tính toán l−ợng m−a trung bình trên toàn l−u vực. Mặt khác, các mô hình đã dùng để dự báo hoặc đánh giá các sự kiện có tần suất cụ thể không yêu cầu đ−a vào
số liệu l−ợng m−a thực tế. Trong các tr−ờng hợp này, l−ợng m−a đ−ợc đ−a ra
Chọn dữ liệu cho giờ tiếp theo Chọn dữ liệu
giờ đầu tiên
Chọn số đầu tiên
của mây dông Chọn số mây mới
Chọn vị trí mây đầu tiên
Chọn số ô l−ới cho mây mới và mây cũ
không ổ Chọn số đầu tiên của
các ô l−ới trên một đám mây bão Chọn vị trí của mây cũ Chọn độ lớn của ô l−ới ban đầu Chọn số và vị trí của các ô l−ới của mây cũ
có ổ
Chọn mối quan hệ không gian tan rã
Chọn độ lớn của ô l−ới
Chọn h−ớng di chuyển của mây
Xác định độ lớn của không gian tan rã
Chọn vị trí của ô l−ới đầu tiên
Chọn vị trí của mây mới
Chọn vị trí ô l−ới cho mây mới và mây cũ
không ổ Chọn h−ớng di chuyển
tiếp theo của mây
Hình 3.10 Sơ đồ khối cho (a) ch−ơng trình STORM giờ đầu tiên; (b) ch−ơng trình STORM tính từng giờ (Corotis, 1976)
trên cơ sở −ớc l−ợng cho một tần suất mong muốn (ví dụ, m−a giông có tần suất là 100 năm) và số liệu đ−a ra là tổng l−ợng sẽ xuất hiện ở đó, trung bình 1 lần trong suốt một khoảng thời gian. Cuối cùng, một vài mô hình có thể có sự mô
phỏng l−ợng m−a theo thời gian để đ−a vào mô hình hộp sáng. Các mô hình
này dự báo một chuỗi kết quả thủy văn từ l−ợng m−a đã mô phỏng. Các số liệu lấy ra của mô hình này là ngẫu nhiên.
Rất nhiều mô hình thủy văn và mô hình xói mòn, đã đ−ợc phát triển, sử
dụng số liệu m−a nh− là số liệu đ−a vào chính. Một vài mô hình đ−ợc sử dụng phổ biến sẽ đ−ợc miêu tả để minh họa từng loại số liệu m−a cần thiết cho các loại mô hình khác nhau.
3.4.1 Mô hình l−u vực Stanford
Mô hình l−u vực Stanford là một ch−ơng trình số hóa đ−ợc sử dụng các đ−ờng quá trình dòng chảy tổng hợp liên tục (Crawford và Linsley, 1962; Ross,
1970). Mô hình có rất nhiều ứng dụng và đ−ợc dùng để cung cấp biểu đồ thủy
văn liên tục, đánh giá các hệ số dòng chảy và đánh giá những ảnh h−ởng của
quá trình đô thị hóa trên đỉnh và tổng l−ợng lũ, và −ớc l−ợng các đỉnh lũ bất th−ờng trên các l−u vực sông tự nhiên. Ch−ơng trình sử dụng t−ơng đối đơn giản và có thể cung cấp nhiều dữ liệu đầu ra tiện lợi.
Số liệu đ−a vào mô hình gồm tổng l−ợng m−a hàng giờ ở các điểm đo đã chọn trên l−u vực. L−ợng m−a đ−ợc giả thiết là phân bố nh− nhau theo không gian và thời gian. Các tham số mô hình khác đ−ợc biến đổi để nhận đ−ợc một sự phù hợp nhất với những số liệu dòng chảy đã biết và sau đó mô hình có thể đ−ợc dùng cho các l−u vực t−ơng tự không có số liệu đo đạc. Thực tế một số thông số phù hợp có thể dẫn tới sự thay đổi của l−ợng m−a, trong tr−ờng hợp
này sự mô phỏng cho các l−u vực không có trạm đo sẽ không còn đ−ợc chắc
chắn. Rõ ràng rằng sự biến đổi của l−ợng m−a theo không gian và thời gian
càng lớn thì mô hình càng không chắc chắn. Ng−ời sử dụng mô hình nên chú ý
các sai số có thể có trong mô phỏng do các sai số trong số liệu đ−a vào và nên chấp nhận chúng trong các phân tích của họ.
3.4.2 Mô hình đ−ờng quá trình l−u vực phòng thí nghiệm USDA (USDAHL)
Mô hình toán học của thủy văn l−u vực đã đ−ợc nghiên cứu và phát triển ở phòng thí nghiệm thủy văn USDA, Beltssville, MD, là một sự tập hợp của các ch−ơng trình con đã thiết lập để đánh giá dòng chảy từ số liệu giáng thủy trên các l−u vực nhỏ (Holtan và những ng−ời khác, 1975). Những biến sử dụng bao gồm giáng thủy, tình hình sử dụng đất, quá trình thấm, bốc thoát hơi và các hệ số vận chuyển. Số liệu giáng thủy đ−a vào mô hình bao gồm số liệu liện tục đ−ợc chia giữa các điểm ghi gián đoạn rõ ràng của l−ợng m−a hoặc l−ợng tuyết rơi trọng tâm trên toàn bộ l−u vực. Những biến ch−a biết đến trong phân bố theo không gian phải đ−ợc thừa nhận nh− là sai số, mặc dù các sai số đó có thể
hạn chế đ−ợc bằng cách chia các l−u vực lớn thành các vùng nhỏ hơn và áp
dụng mô hình một cách độc lập với các số liệu l−ợng m−a đo đạc trên mỗi vùng nhỏ đó. Tuy nhiên, giáng thủy th−ờng đ−ợc tính toán, −ớc l−ợng từ các trạm đo bên ngoài l−u vực, nên số liệu đ−a vào vẫn không chắc chắn trên chính những l−u vực nhỏ. Mô hình có thể chạy cho bất kỳ giai đoạn nào của thời gian nghiên cứu.
3.4.3 Ph−ơng trình tổn thất đất tổng quát
Ph−ơng trình tổn thất đất tổng quát (USLE) (Wishmeier và Smith 1965)
đ−ợc sử dụng rộng rãi cho việc đánh giá sự xói mòn trung bình năm từ các l−u vực (Stewart và một số ng−ời khác 1975). Các thông số ph−ơng trình tính toán cho đất, thực vật, khí hậu, và các ảnh h−ởng của nông nghiệp. Ph−ơng trình USLE đ−a ra là.
A = RKLSCP (3.6)
trong đó:
A: l−ợng đất đã tính mất đi R: nhân tố l−ợng m−a
Còn các thông số khác biểu diễn đất, thực vật, địa hình và ảnh h−ởng
Việc đánh giá tốt nhân tố R là rất quan trọng. Wishmeier và Smith
(1965) đã đ−a ra bản đồ đ−ờng đẳng xói mòn của vùng phía đông n−ớc Mỹ.
Ateshian (1974) đã phát triển một ph−ơng pháp từ việc đánh giá R cho toàn bộ n−ớc Mỹ dựa vào hai phân bố và tổng l−ợng m−a 6h, 2 năm. Các giá trị trung bình năm của yếu tố bị xói mòn do m−a, R ,cho toàn bộ n−ớc Mỹ đã đ−ợc
Wischmeier phát triển vào năm 1975 (Stewart và 1 số ng−ời khác 1975).
Ph−ơng trình USLE dựa vào các giá trị R từ các bản đồ đ−ờng đẳng xói mòn có độ chính xác chấp nhận đ−ợc trong nhiều tr−ờng hợp khi −ớc l−ợng tốc độ xói mòn trung bình hàng năm đối với giai đoạn dài. Tuy nhiên đối với những giai
đoạn ngắn hơn, (nh− một hoặc hai năm hoặc các hiện t−ợng đặc biệt) trong
vùng phía đông n−ớc Mỹ và đối với bất kỳ đoạn số liệu nào trong nhiều vùng
của phía tây n−ớc Mỹ, thì việc tính toán sự xói mòn dựa vào các giá trị R từ các bản đồ vùng hoặc quốc gia có thể là rất không chính xác (Wishmeier 1976; Renard và Simanton, 1975).
Những sai sót chủ yếu là do khoảng thời gian ngắn và tính thay đổi cực
lớn theo không gian và thời gian của trận m−a lớn sinh dòng chảy. Để bù vào
sự biến đổi theo thời gian của c−ờng độ m−a Wischmeier và Smith (1958) đã
gợi ý dùng năng l−ợng các lần m−a (E), c−ờng độ m−a (I) để −ớc l−ợng chính xác hơn thông số R trong ph−ơng trình USLE khi có các số liệu tại các trạm đo m−a. Sau đó (Renard và Simanton, 1975) đã chỉ ra là đặc biệt cho tr−ờng hợp c−ờng độ m−a phân tán rộng và với các số liệu đo m−a có sẵn thì chỉ số EI đ−a ra một −ớc l−ợng số R tốt hơn các bản đồ giá trị R trung bình có sẵn.
Wischmeier và Smith (1958) đã cung cấp một bảng năng l−ợng động học
ứng với các c−ờng độ m−a (Bảng 3.1) và đã giải thích ph−ơng pháp của họ rất tỉ mỉ. Các c−ờng độ m−a (I) đ−ợc xác định cho khoảng thời gian phù hợp ngắn nhất và các giá trị năng l−ợng đ−ợc xác định từ bảng và đã tích lũy cho mỗi trận m−a. Tổng năng l−ợng tích luỹ (t - m/ha/cm) đ−ợc nhân với c−ờng độ m−a cực đại 30 - phút (cm/h) và kết quả chia cho 100 sẽ thu đ−ợc nhân tố R cho trận m−a đó.
Thật không may là ph−ơng pháp này chỉ cung cấp một −ớc l−ợng R tốt nếu các số liệu do m−a là thuộc hoặc rất gần l−u vực. Độ chính xác sự đánh giá xói mòn từ những đoạn số liệu ngắn dựa vào các số liệu giáng thủy của từng
trạm đo, giảm nhanh theo khoảng cách giữa các trạm đo và l−u vực. Các sai số
nghiêm trọng có thể xảy ra nếu các trạm đo và l−u vực cách nhau lớn hơn 2
km. Đối với nh−ng l−u vực không có trạm đo m−a, thì giá trị R trung bình
hàng năm có thể đ−ợc sử dụng (hình 3.11) nh−ng việc đánh giá xói mòn phải
thực hiện trong giai đoạn t−ơng đối dài (Stewart và cộng sự. 1975).
Bảng 3.1. Năng l−ợng động lực của m−a tự nhiên (t-m/ha/cm) (có sửa đổi của Wischmeier và Smith 1958). C−ờng độ cm/h 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 0 0 121 148 163 175 184 191 197 202 206 1. 210 214 217 220 223 226 228 231 233 235 2. 237 239 241 242 244 246 247 249 250 251 3. 253 254 255 256 258 259 260 261 262 263 4. 264 265 266 267 268 268 269 270 271 272 5. 273 273 274 275 275 276 277 278 278 279 6. 280 280 281 281 282 283 283 284 284 285 7. 286 286 287 287 288 288 289 289 290 290 8. 291 291 292 292 293 293 294 3.4.4 Ph−ơng pháp tỷ lệ
Có rất nhiều các mô hình kinh nghiệm l−ợng m−a - dòng chảy có dạng
t−ơng tự nhau, đó là đều yêu cầu −ớc l−ợng l−ợng m−a đ−a vào ứng với tần số cho tr−ớc. Có lẽ la công thức đơn giản và đ−ợc biết đến nhiều nhất là công thức
Rational. (Linskey và một số ng−ời khác, 1949). Mô hình này đ−ợc sử dụng
ph−ơng trình kinh nghiệm cho việc dự báo đỉnh phát sinh từ một l−u vực nhỏ. Ph−ơng trình đó là:
q = CiAi (3.7)
trong đó:
i: c−ờng độ m−a từ tần suất xuất hiện (m/h) Ai: diện tích vùng (mẫu)
C: hệ số dòng chảy
(Bởi vì chỉ có một mối quan hệ đơn nhất 1-1 giữa i và Ai, nên ph−ơng trình tỷ lệ không đ−ợc biến đổi rõ ràng để đo đạc bằng mét, mặc dù nó là có thể bằng cách thêm vào một hằng số). Ph−ơng trình là lý luận và tiện lợi do c−ờng độ m−a cho một khoảng thời gian bằng thời gian của sự tập trung và diện tích đủ nhỏ để đảm bảo l−ợng m−a và đặc điểm l−u vực t−ơng đối đồng nhất. Các phép phân tích đã gợi ý rằng, mực dù ph−ơng pháp có thể dẫn tới những sai số lớn trong bất kỳ tr−ờng hợp nào, nh−ng nhìn chung nó có thể cung cấp các kết quả thiết kế hợp lý (Shaake và một số ng−ời khác 1967).
3.4.5 Các ph−ơng pháp SCS
SCS đã phát triển hai ph−ơng pháp từ việc đánh giá tổng l−ợng và tỷ lệ dòng chảy từ các l−u vực nông nghiệp ở Mỹ. Ph−ơng pháp tr−ớc kia (NEH-4) đã đ−ợc trình bày trong cuốn sổ tay Kỹ thuật Quốc gia, ch−ơng 4, phần Thủy văn học, và ngày nay th−ờng đ−ợc sử dụng phổ biến cho các l−u vực rộng hơn 800 ha (SCS 1972). Ph−ơng pháp gần đây (TR-20), là ph−ơng pháp đ−ợc trình bày
trong SCS - TP - 199, ngày nay đ−ợc sử dụng cho việc hình thành hoạt động
bảo tồn hệ thống thoát n−ớc trên các trang trại riêng biệt và có diện tích rộng
đến 800 ha (Kent. 1973). Hai ph−ơng pháp này có sự liên quan chặt chẽ với
nhau.
Ph−ơng pháp NEH-4 dựa vào l−ợng m−a 24h, từ toàn bộ số liệu m−a có
sẵn tại thời điểm đó, ph−ơng pháp đã đ−ợc phát triển làm tiêu chuẩn cho
những vùng không có trạm đo m−a. Cả hai ph−ơng pháp vẫn sử dụng l−ợng
m−a 24h làm cơ sở cho việc tính toán các số liệu đ−a vào của l−u vực. Cả hai ph−ơng pháp đều rất phức tạp, liên quan tới các tính toán đặc điểm của l−u vực bao gồm: độ dốc, diện tích vùng, loại đất, và thảm thực vật. Ph−ơng pháp NEH-4 cung cấp cho việc phát triển một biểu đồ đầy đủ, trong đó TR-20 đã đơn giản hóa với ch−ơng trình tính toán để phát triển một chuỗi biểu đồ mà có thể đ−ợc sử dụng trực tiếp cho hầu hết các ứng dụng thiết kế l−u vực nhỏ. Những ph−ơng pháp chính phát triển các biểu đồ đ−ợc trình bày trong SCS - TP - 149
(1972). Các biểu đồ có thể đ−ợc sử dụng trên vùng rộng đến 800 ha, l−u l−ợng đỉnh lũ từ 0,14 đến 56m3/s, l−ợng m−a 24-h từ 25 đến 30mm, số đ−ờng cong (dựa vào đặc điểm l−u vực) từ 60 đến 90, 3 loại độ dốc, bằng phẳng (1%), dốc trung bình - (4 %) dốc cao (16 %). Và cũng có thể nội suy một loại dốc ở khoảng giữa 3 loại dốc trên.
Có 3 ví dụ chi tiết đã đ−ợc trình bày trong TP-149 của một ph−ơng pháp
phức tạp hơn nhằm mục đích xác định đỉnh lũ trong các tr−ờng hợp phù hợp
với các dạng thông th−ờng. Tuy nhiên, trong phần lớn các tr−ờng hợp, các kết quả thu đ−ợc từ nh−ng ph−ơng pháp phức tạp hơn không cải thiện đ−ợc tính chính xác của mô hình, do vậy không nhất thiết phải nỗ lực phát triển theo h−ớng này. Việc sử dụng ph−ơng pháp này trong một số tr−ờng hợp đặc biệt sẽ
mang lại sự tự tin cho nhà quy hoạch khi sử dụng các ph−ơng pháp đơn giản
hơn.
Hình 3.11 Giá trị trung bình năm của nhân tố l−ợng m−a xói mòn R (Stewart cùng các cộng sự, 1975)
Ph−ơng pháp này đã chỉ ra rằng l−ợng m−a 24h là phân bố không đồng đều theo không gian và thời gian, và một vài hiệu chỉnh là cần thiết cho để mô phỏng hợp lý các giá trị đỉnh lũ và l−ợng lũ. Và việc "hiệu chỉnh" l−ợng m−a 24h sẽ là điều mà chúng ta quan tâm chủ yếu ở đây.
Các hiệu chỉnh đã hạn chế phân bố theo thời gian của l−ợng m−a. Nó
cho rằng sự biến đổi theo không gian trên l−u vực là đủ nhỏ để có thể bỏ qua nó. Một số các nghiên cứu gần đây chỉ ra rằng trong nhiều tr−ờng hợp, sự biến đổi theo vùng sẽ có ảnh h−ởng lớn tới đỉnh lũ hơn là sự phân bố theo thời gian của l−ợng m−a. Tuy nhiên, thông tin về sự phân bố theo thời gian tại một điểm là có sẵn hơn sự thay đổi của l−ợng m−a theo không gian và thời gian trên một l−u vực. Thời gian (h) Tỉ số của l − ợng m − a tích lu ỹ trên l − ợng m − a tổng cộng (P x /P25)
Đ−ờng I- Hawaii, bờ biển Sierra Nevada ở phía nam California và đất liền Alaskan Đ−ờng IA- Bờ biển Sierra Nevada và vùng núi Cascade ở Oregon, Washington, phía bắc California, vùng bờ biển Alaskan Đ−ờng 2- Mỹ, Puerto và đảo Virgin
IA II
I
Hình 3.12 Các phân bố l−ợng m−a 24h (Theo SCS TP-149, 1973)
Thời gian (h)
Hai vùng khí hậu chủ yếu đã đ−ợc đ−a vào TP-149. Dòng chảy từ các l−u vực nhỏ vào vùng đầu tiên đ−ợc coi là bị tác động mạnh nhất bởi khí hậu miền biển và l−ợng m−a đã đ−ợc biểu diễn bằng đ−ờng loại 1 (hình 3.12). Dòng chảy chảy từ các l−u vực nhỏ trong vùng thứ 2 đ−ợc giả thiết có mối quan hệ chặt chẽ với l−ợng m−a giông và đ−ợc xếp vào đ−ờng loại 2 (hình 3.12). Trong tr−ờng
hợp đầu (đ−ờng loại I), l−ợng m−a cực đại 30 phút đ−ợc tập trung vào khoảng 10 h trong 24 - h m−a, trong khi đó ở dạng II lại đ−ợc tập trung vào khoảng 12h và c−ờng độ lớn hơn. Sự lựa chọn giai đoạn có c−ờng độ lớn nhất cho cả 2 phân bố dựa vào các xem xét về mặt thiết kế hơn là dựa vào các yếu tố khí t−ợng (Kent, 1973).
Trong thực tế c−ờng độ m−a ở vị trí nào đó là rất ít khác nhau trong 24-