Lựa chọn chỉ số hạn

CHƯƠNG 2 CƠ SỞ KHOA HỌC VÀ PHƯƠNG PHÁP DỰ BÁO HẠN KHÍ TƯỢNG CHO VÙNG DUYÊN HẢI MIỀN TRUNG

2.3 Phương pháp dự báo hạn khí tượng cho vùng nghiên cứu

2.3.1 Lựa chọn chỉ số hạn

Hạn hán là một hiện tượng tự nhiên không thể tránh khỏi và có tần suất lặp lại (D.A.

Wilhite [2]). Đánh giá hạn hán thường dựa vào các đặc trưng về thời gian, mức độ, sự lan rộng trong không gian và tác động của hạn hán đến kinh tế xã hội. Donald A. Wilhite

& Michael H. Glantz [1] đã phân hạn hán thành bốn loại là: hạn khí tượng; hạn thủy văn; hạn nông nghiệp và hạn kinh tế xã hội. Hạn khí tượng thường xuất hiện đầu tiên và là nguyên nhân chính gây ra các loại hạn tiếp theo. Do đó, đánh giá và cảnh báo được hạn khí tượng sẽ có tác dụng với các nhà quản lý trong việc phòng chống, giảm nhẹ hạn hán. Một mặt lợi thế khác của hạn khí tượng là các chỉ số của loại hạn này thường yêu

Hiện tượng ENSO Vùng nghiên cứu Số liệu khí tượng Lựa chọn chỉ số hạn Số liệu SSTA, SOI

và các giai đoạn xảy ra El Nino

Diễn biến hạn theo các chỉ số hạn Diễn biến hạn theo

thực tế

Phân tích diễn biến hạn hán theo chỉ số hạn và theo thực thế tế để đánh giá sự phù hợp của các chỉ số

hạn

Phân tích ảnh hưởng của ENSO đến diễn biến hạn hán của vùng nghiên cứu Lựa chọn biến đầu vào, biến đầu ra cho mô hình

dự báo hạn Lựa chọn phương

pháp dự báo

Thiết lập mô hình dự báo hạn khí tượng, đề xuất mô hình dự báo phù hợp cho vùng nghiên cứu

Xây dựng mô hình cảnh báo sớm hạn khí tượng cho vùng nghiên cứu

Hình 2.8 Sơ đồ minh họa các nội dung và phương pháp dự báo hạn khí tượng

58

cầu ít số liệu đầu vào như mưa hoặc nhiệt độ, do đó hạn khí tượng có thể được ứng dụng ở nhiều vùng khác nhau trên thế giới. Việc phân tích đặc trưng theo không gian và thời gian của hạn khí tượng cũng như phân tích các nhân tố gây ra hạn hán có một ý nghĩa hết sức quan trọng trong việc khai thác và quản lý tài nguyên nước cũng như trong dự báo, phòng chống, giảm nhẹ thiệt hại do hạn hán gây ra. Chính vì thế, trong luận án này tác giả sẽ lựa chọn hạn khí tượng là đối tượng để nghiên cứu.

Trong việc xác định, nhận dạng, giám sát và cảnh báo hạn hán, các tác giả thường sử dụng công cụ chính là các chỉ số hạn hán. Việc theo dõi sự biến động của giá trị các chỉ số hạn hán sẽ giúp ta xác định được sự khởi đầu, thời gian kéo dài cũng như cường độ hạn. Chỉ số hạn hán là hàm của các biến đơn như lượng mưa, nhiệt độ, bốc thoát hơi, dòng chảy... hoặc là tổng hợp của các biến. Mỗi chỉ số đều có ưu điểm nhược điểm khác nhau, và mỗi nước đều sử dụng các chỉ số phù hợp với điều kiện của nước mình. Việc xác định hạn hán bằng các chỉ số hạn không chỉ áp dụng với bộ số liệu quan trắc mà còn áp dụng với bộ số liệu là sản phẩm của mô hình khí hậu khu vực và mô hình khí hậu toàn cầu [27].

Các nghiên cứu ở Việt Nam về cảnh báo sớm hạn khí tượng thì đã sử dụng một số chỉ số hạn khí tượng phổ biến như: Đào Xuân Học [49] đã sử dụng chỉ số khô hạn Sazonop để khảo sát, đánh giá và dự báo hạn khí tượng cho các tỉnh DHMT; Nguyễn Quang Kim [50] đã lập trình phần mềm dự báo hạn khí tượng bằng chỉ số SPI; Nguyễn Văn Thắng [41] cũng sử dụng chỉ số SPI dự báo hạn cho 7 vùng khí hậu ở Việt Nam; Nguyễn Lương Bằng [53] đã sử dụng 2 chỉ số SPI và SPEI để dự báo hạn khí tượng cho tỉnh Khánh Hòa.

Các thành phần khác nhau trong chu trình tuần hoàn nước có mức độ phản ứng về thời gian khác nhau đối với lượng tích lũy mưa. Ví dụ, nước mặt có thời gian phản ứng nhanh hơn với sự thiếu hụt lượng mưa trong khi nước dưới đất phản ứng chậm hơn. T. B.

McKee, và cộng sự [8] đã diễn giải được đặc tính của hạn hán bằng việc phát triển chỉ số chuẩn hóa lượng mưa SPI. SPI có thể được tính toán được nhiều thời đoạn khác nhau bằng việc chuyển hóa liệt số liệu mưa thành hàm tiêu chuẩn hóa. Với đặc tính thứ hai, SPI có thể so sánh được hạn hán ở các vùng có điều kiện thời tiết khác nhau. Tuy nhiên, SPI cũng tồn tại một số hạn chế. Ví dụ, SPI cần phải có liệt thời gian dài để đảm bảo độ

59

chính xác trong tính toán. WMO [9] đề nghị ít nhất 30 năm dữ liệu. Ngoài ra, chỉ số SPI giả thiết rằng nguyên nhân của hạn khí tượng là do mưa gây ra chủ yếu còn các yếu tố khí tượng khác không ảnh hưởng hoặc ảnh hưởng không đáng kể (ví dụ: nhiệt độ, bốc hơi). Tuy nhiên giả thiết này bị hạn chế ở những vùng chịu tác động của biến đổi khí hậu (nhiệt độ tăng). Tập trung vào hạn chế này, S. M. Vicente-Serrano, và cộng sự [10]

đã phát triển một chỉ số mới bao gồm cả nhiệt độ và mưa, gọi là chỉ số chuẩn hóa lượng mưa và bốc hơi SPEI. Sự khác biệt chính nằm ở chỗ liệt thời gian sử dụng để tính toán là chuỗi số liệu cân bằng nước giữa mưa và bốc hơi tiềm năng. Hạn chế của SPEI là chỉ số này yêu cầu nhiều số liệu đầu vào hơn SPI, và cũng nhạy với cách tính tiềm năng bốc hơi. Thêm nữa SPEI cũng yêu cầu chuỗi số liệu dài, từ 30 đến hơn 50 năm.

Vùng nghiên cứu là vùng có nền nhiệt độ cao, tốc độ gió lớn và đây là nguyên nhân làm tăng lượng bốc hơi dẫn đến khi đánh giá hạn có xét đến nhân tố bốc sẽ nghiêm trọng hơn là chỉ xét đến một nhân tố là lượng mưa. Chỉ số SPI đã được Tổ chức Khí tượng Thế giới WMO [10] đề xuất là chỉ số thông dụng nhất để đánh giá và dự báo hạn hán, chỉ số này đã được nghiên cứu và ứng dụng ở Việt Nam. Đồng thời, chỉ số SPEI đã được đề xuất và sử dụng phổ biến trên thế giới từ năm 2010, nhưng ở Việt Nam chỉ số này chưa được sử dụng rỗng rãi, mới chỉ có Nguyễn Lương Bằng [53] sử dụng chỉ số này để dự báo hạn khí tượng cho tỉnh Khánh Hòa.

Đối với vùng nghiên cứu thì chỉ số SPI đã được dùng trong nhiều nghiên cứu để đánh giá và cảnh báo, kết quả cho thấy chỉ số SPI là phù hợp với vùng nghiên cứu. Vì thế, trong luận án này tác giả cũng sẽ lựa chọn chỉ số SPI để nghiên cứu, đồng thời sử thêm chỉ số SPEI để so sánh đánh giá sự phù hợp của hai chỉ số này trong việc đánh giá và cảnh báo sớm hạn khí tượng của vùng nghiên cứu.

2.2.2.1 Chỉ số SPI

Để đánh giá hạn hán thì McKee và cộng sự [8] đã đề xuất chỉ số chuẩn hóa lượng mưa SPI. Dựa trên sự phù hợp cao của phân phối gamma với liệt số liệu mưa theo thời gian ở nhiều nơi Edwards và McKee [77] đã phát triển chỉ số SPI ở dạng biến ngẫu nhiên có phân phối chuẩn:

       e x

x x

g  

 1 1

(x> 0) (2-5)

60

Trong đó: α là tham số hình dạng, β là tham số tỉ lệ, xlà lượng mưa,   là hàm gamma.

Ước tính giá trị α, β tối ưu bằng phương pháp ước lượng giá trị cực đại.



 



  

 3

1 4 4 1

1 A

 A ;    

n x x

Aln ln ;

 x

Xác định các tham số của hàm xác suất lũy tích, từ lượng mưa hàng nămx0, xác suất lũy tích của biến ngẫu nhiênx nhỏ hơnx0được tính như sau:

   0  

0 0

x

dx x f x

x

F (2-6)

Nếu lượng mưa bằng 0 thì xác suất lũy tích được tính như sau:

x  mn

F 0  (2-7)

Trong đó m là số mẫu có lượng mưa bằng 0, n là tổng số mẫu.

Tiến hành tiêu chuẩn hóa hàm xác suất lũy tích gamma, từ công thức (2-6) và (2-7) ta có được công thức xác định giá trị xác suất lũy tích như sau:

   0  2

0 2

0 2

1 x Z

dx e

x x

F  (2-8)

Từ công thức (2.8) tính toán theo phương pháp gần đúng ta được:





















 



 3

3 2 2 1

2 2 1 0

1 d t d t d t t c c t c

S SPI

Z (2-9)

Trong đó: t  ln1 F2 ; S = 1 khi F > 0.5 ; S = -1 khi F ≤ 0.5; c0 = 2.515517; c1 = 0.802853; c2 = 0.010328; d1 = 1.432788; d2 = 0.189269; d3 = 0.001308 (c0, c1, c2, d1, d2, d3 là các hằng số của hàm phân phối chuẩn).

2.2.2.2 Chỉ số SPEI

Chỉ số SPEI do Vicente-Serrano [10] đề xuất được tính như sau:

Đầu tiên tính toán bốc hơi tiềm năng (PET). Lượng bốc hơi tiềm năng được tính theo phương pháp Thornthwaite, lợi thế của phương pháp này là lượng bốc hơi tiềm năng được tính toán chỉ dựa vào biến nhiệt độ và vị trí của vùng nghiên cứu.

61

Bước thứ hai là đi tính toán giá trị chênh lệch giữa lượng mưa và bốc hơi tháng theo công thức sau:

i i

i P PET

D   (2-10)

Trong đó, Di là giá trị chênh lệch giữa lượng mưa và bốc hơi, Pi là lượng mưa tháng, PETi là lượng bốc hơi tháng.

Bước thứ ba tính toán cũng giống như phương pháp tính toán chỉ số SPI, với chuỗi số liệu đầu vào là Di, tính toán các giá trị SPEI tương ứng. Chuỗi số liệu Di có thể là giá trị âm, vì vậy khi tính chỉ số SPEI sẽ sử dụng 3 tham số của hàm phân bố xác suất log- logistic. Hàm phân bố xác suất log-logistic tích lũy như sau:

 

1

1

















 





 







 x x

F (2-11)

Trong đó, , ,  lần lượt sử dụng phương pháp Moments tuyến tính phù hợp như sau:

 

      

 1 1 1 1

2 1

0









 w  w

(2-12)

2 0

1

0 1

6 6

2

w w

w

w w





 

 (2-13)

 





 w0  (11 )11 (2-14)

Trong đó, Γ là hám số yếu tố, w0, w1, w2 là chuỗi số liệu sơ cấp của trọng số xác suất Di. Được tính toán theo phương pháp sau:

 





 N

i

i s i

s F D

w N

1

1 1

(2-15)

N

Fi  i0.35 (2-16)

Trong đó, N là tổng số tháng tính toán

Sau đó dựa vào mật độ xác suất tích lũy để tiến hành tiêu chuẩn hóa :

 x F

P1 (2-17)

Nếu mật độ xác suất tích lũy P ≤ 0.5 thì:

 P

w 2ln (2-18)

62

3

3 2 2 1

2 2 1 0

1 d w d w d w w c w c w c

SPEI   



 

 (2-19)

Trong đó, c0 = 2.515517, c1 = 0.802853, c2 = 0.010328, d1 = 1.432788, d1 = 0.189269, d3 = 0.001308.

Nếu P > 0.5 P

w1 (2-20)





















 



 3

3 2 2 1

2 2 1 0

1 d w d w d w w c w c w c

SPEI (2-21)

Theo Tổ chức Khí tượng thế giới WMO [9], thì trạng khô hạn hay ẩm ướt được phân cấp theo chỉ số SPI, SPEI như trong bảng 2.3. Các chỉ số SPI và SPEI có thể được tính toán cho nhiều thời đoạn khác nhau, thường là trong phạm vi từ 1 tháng, 3 tháng, 6 tháng

… đến 48 tháng. Các chỉ số SPI với thời đoạn 1 tháng thể hiện tính chất hạn hán theo từng tháng (được tính từ lượng mưa và bốc hơi của từng tháng), thời đoạn 3 tháng thể hiện tính chất hạn hán theo mùa, vụ 3 tháng (được tính từ lượng mưa và bốc hơi trung bình trong 3 tháng liên tiếp), thời đoạn 6 tháng thể hiện tính chất hạn hán theo mùa, vụ 6 tháng (được tính từ lượng mưa và bốc hơi trung bình trong 6 tháng liên tiếp)… Trong luận án này tác giả sẽ so sánh, đánh giá diễn biến hạn hán theo các chỉ số hạn với hiện trạng hạn hán trong sản xuất nông nghiệp, trong khi mùa vụ sản xuất nông nghiệp thường là 3 tháng. Do đó, luận án này sẽ chỉ tính toán giá trị của các chỉ số SPI, SPEI với quy mô thời gian là 1 tháng và 3 tháng. Chỉ số SPI và SPEI với thời đoạn tính toán là 1 tháng được ký hiệu lần lượt là SPI1 và SPEI1, chỉ số SPI và SPEI với thời đoạn tính toán là 3 tháng được ký hiệu lần lượt là SPI3 và SPEI3.

Bảng 2.3 Phân cấp hạn hán theo chỉ số SPI, SPEI [9]

Chỉ số SPI, SPEI Điều kiện khí hậu

≥ 2,0 Cực kỳ ẩm

1,5÷1,99 Rất ẩm

1,0 ÷ 1,49 Ẩm vừa

0.50 ÷ 0,99 Ẩm nhẹ

-0.49 ÷ 0.49 Bình thường

-0.50 ÷ - 0.99 Hạn nhẹ

63

-1,0 ÷ -1,49 Hạn vừa

-1,5 ÷ -1,99 Hạn nặng

≤ -2,0 Hạn cực nặng

Dựa vào phương pháp tính toán các chỉ số SPI và SPEI, trong luận án này tác giả đã viết code chương trình tính toán các chỉ số này trên ngôn ngữ lập trình R. Chi tiết code chương trình tính toán các chỉ số SPI, SPEI được thể hiện ở Phụ lục 2.3.