Chương 10. Trở lại vấn đề lựa chọn mô hình
10.1. Lựa chọn mô hình trong mô hình hóa mưa-dòng chảy như kiểm tra giả thiết
Dù sự thật là chúng ta đã ít chú ý tới toàn bộ lớp những mô hình mưa-dòng chảy (các mô hình ‘hộp’ nhận thức hoặc ESMA), điều nổi bật từ những chương trước rằng một sự biến đổi rất rộng của những mô hình là sẵn có cho bất kỳ áp dụng mô hình hoá
mưa-dòng chảy nào mà không có bất kỳ cơ sở rõ ràng nào để lựa chọn chúng. Nhắc lại tiêu chuẩn đã được thiết lập trong chương 1 cho sự lựa chọn mô hình. Những điều này có thể được tổng kết lại như sau:
Một mô hình có sẵn, hoặc nó có thể được làm sẵn nếu sự đầu tư thời gian (và tiền) có thực sự là đáng giá không?
Mô hình có dự báo những biến được yêu cầu bởi những mục tiêu của một dự án hay không?
Giả thiết của mô hình có thể giới hạn về những phương diện mà bạn biết về
phản ứng của lưu 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 được 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, như được chỉ ra từ trong chương 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 được yêu cầu làm những dự báo định lượng những gì có thể chờ
đợi trong dạng đỉnh lũ, dòng chảy vào kho nước hoặc những biến khác dưới những
điều kiện khác nhau. Như vậy một hoặc nhiều hơn các mô hình phải được giữ lại.
Tuy nhiên, đây là nơi mà ý tưởng của việc quy định mô hình trở nên rất quan trọng. Cho một sự mở rộng nào đó, chúng ta có thể vượt 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 trước đó về lưu vực quan tâm. Theo truyền thống,
điều này đã được làm bởi sự hiệu chỉnh hoặc tối ưu hóa các giá trị thông số, mặc dù nó
đã được đề cập trong chương 7 rằng một chiến lược chung hơn của việc quy định trong khuôn khổ bất định sẽ là một cách tiếp cận thỏa mãn hơn nhiều cho tương 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 phương thức này là mô hình hoặc những mô hình được giữ lại phải phù hợp với số liệu sẵn có (ít nhất cho một mức chấp nhận được nào đó);
ngược lại chúng sẽ bị loại bỏ. Điều này sau đó sẽ đưa ra một số cơ sở cho độ tin tưởng trong những dự báo khi những mô hình đó được 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 như dạng ánh xạ của một lưu vực đặc biệt (duy nhất) hoặc phần tử của lưu vực vào bên trong không gian mô hình (Hình 10.1;
cho một thảo luận chi tiết hơn, xem Beven 2000). Chương 7 đã chỉ ra làm thế nào ánh xạ này có thể được 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 ư- ớc lượng thông số mô hình, ánh xạ sẽ là một xấp xỉ cần thiết. Những ánh xạ có thể
được làm cho cả những lưu vực được đo đạc và những lưu vực không được đo đạc dựa trên mọi thông tin hoặc những quan trắc trước có sẵn. Nhưng 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 trư- ờng hợp lưu 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 được chấp nhận cho tập hợp số liệu có thể được sử dụng như cơ sở cho một nghiên cứu mô hình hoá mưa-dòng chảy.
Trong thực tế, quá trình đánh giá mô hình có thể được thiết lập dưới dạng kiểm tra giả thuyết. Cho trước một tập hợp những mô hình cho một lưu vực đã qua được thủ
tục chọn lọc và đánh giá ban đầu, giả thuyết nào có thể được kiểm tra bởi tập hợp số liệu để cho phép một số trong các mô hình đó sẽ bị loại bỏ? Điều đó dường như 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 nước ngầm trong dự báo phản ứng của lưu 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 nước ngầm địa phương sẽ phụ thuộc rất nhiều vào những đặc trưng truyền và trữ cục bộ của đất. Như vậy điều đó là không chắc để đưa ra tính bất
đồng nhất của những đặc trưng đất được trông đợi trong một lưu vực cho dù cấu trúc mô hình là đúng đắn, một hệ số vận chuyển và trữ có hiệu quả được hiệu chỉnh cho một lưu vực sẽ dự báo chính xác những sự biến đổi cục bộ trong độ sâu mực nước 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 nước ngầm cục bộ đã cải thiện rất nhiều việc dự báo những mực nước ngầm cục bộ (mặc dù sau đó có những dị thư- ờng cục bộ đáng kể) nhưng đã không hỗ trợ nhiều trong việc hạn chế những bất định trong các dự báo lưu lượng như được ước lượng khi sử dụng phương pháp luận GLUE.
Hình 10.1. ánh xạ một không gian lưu vực vào trong không gian thông số mô hình
Những loại số liệu khác có thể cũng được 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 được sử dụng trong một số nghiên cứu, gồm có Hooper và nnk (1986), Kleissen và nnk (1990) và Mroczknowske và nnk
(1997). Tuy nhiên, cần chú ý rằng trong dự báo những biến địa hóa học cũng luôn luôn cần thiết đưa thêm vào những giá trị thông số hoặc những biến bổ sung mà tự chúng không phải là có thể xác định dễ dàng (nhưng 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 đường dẫn dòng chảy ưu 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 như vậy, nhưng nếu những ảnh hưởng của chúng phải suy ra hơn là được 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 như một quá trình của kiểm tra giả thuyết và loại bỏ mô hình sẽ có vẻ là một ưu thế trong chuyển động về phía trước từ một tình trạng mà trong đó những hạn chế của một cách tiếp cận tối ưu 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 phương pháp mô tả trong chương 7 trong đó nhiều tiêu chuẩn được sử dụng để đánh giá mô hình, từ những tập hợp tối ưu 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 được sử dụng trong việc lập đề án dự báo của các mô hình còn lại. Trong phương pháp bộ tối ưu Pareto, tất cả các mô hình mà không phải là bộ phận của bộ bị loại bỏ và từng bộ thông số còn lại được gán cho trọng số bằng nhau. Trong GLUE, các phương pháp khác nhau của việc kết hợp độ hữu hiệu có thể được chọn và trọng số được dựa trên độ hữu hiệu hiện thời liên quan đến mỗi tập hợp.