có định h−ớng năm 2020
3.2.1. Luận chứng dự báo nhu cầu dùng n−ớc năm 2010 vμ 2020
1. Dự báo nhu cầu dùng n−ớc cho các ngμnh kinh tế – xã hội
Sử dụng n−ớc có thể chia thành hai loại, sử dụng có tổn thất, trong đó một phần n−ớc lấy từ các nguồn n−ớc tự nhiên nh− n−ớc mặt hay n−ớc ngầm không thể sử dụng đ−ợc nữa bởi nó bị bốc hơi, do thoát hơi n−ớc của thực vật, đ−a vào các sản phẩm công nghiệp và sản phẩm nông nghiệp, hoặc sử dụng bởi con ng−ời và vật nuôi. Và sử dụng không tổn thất, trong đó n−ớc là ph−ơng tiện cho một mục đích nào đó. Sử dụng n−ớc có tổn thất bao gồm đô thị, nông nghiệp, công nghiệp và khai thác mỏ. Sử dụng n−ớc không tổn thất gồm có sử dụng n−ớc trong dòng chảy nh− là thủy điện, vận tải và giải trí. Từ góc nhìn kinh tế, chúng ta có khả năng lớn nhất trong việc mô hình hóa các hình thức sử dụng n−ớc có tổn thất. Các hình thức sử dụng n−ớc có tổn thất đ−ợc mô hình hóa bằng các hàm tổn thất và sử dụng n−ớc không tổn thất đ−ợc mô hình hóa bằng các hàm sản l−ợng. Sử dụng n−ớc là nói đến l−ợng n−ớc sử dụng để đạt đ−ợc các mục đích khác nhau, nh− vậy nó là một khái
niệm miêu tả. Nhu cầu dùng n−ớc là danh mục của các l−ợng n−ớc tiêu thụ trong một đơn vị thời gian cho một giá n−ớc cụ thể, nó là một khái niệm phân tích.
Sử dụng n−ớc cho đô thị có thể đ−ợc chia thành các loại nh− cho nhà riêng (nhà và căn hộ), th−ơng mại (kinh doanh và cửa hàng), cơ quan (tr−ờng học và bệnh viện), công nghiệp, và các loại khác (công viên n−ớc, bể bơi, cứu hỏa). Đối với sự phân phối n−ớc cho các loại sử dụng n−ớc này (hoặc các loại tiêu thụ n−ớc), phải đ−ợc thêm vào tổn thất do sự ro rỉ của hệ thống phân phối n−ớc để quyết định l−ợng n−ớc xử lý (hoặc sản xuất); Sau đó, thêm vào l−ợng n−ớc hao phí do các quá trình xử lý, từ đó tính đ−ợc l−ợng n−ớc lấy từ tất cả các nguồn n−ớc, hoặc l−ợng n−ớc cung cấp, cho thành phố. Không giống nh− n−ớc sử dụng trong nông nghiệp, nơi mà n−ớc là đầu vào của một hệ thống sản xuất, n−ớc sử dụng cho đô thị phần lớn là đáp ứng nhu cầu của con ng−ời mà không có một hệ quả kinh tế trực tiếp.
N−ớc sử dụng cho ngành công nghiệp nhẹ nằm trong loại n−ớc sử dụng cho đô thị, nh−ng một số ngành công nghiệp cần nhiều n−ớc nên cần đ−ợc nhận biết và nghiên cứu riêng. Quan trọng nhất trong những ngành này là n−ớc làm lạnh cho nhà máy phát điện dùng hơi n−ớc. Một số ngành sử dụng nhiều n−ớc khác là lọc dầu, hóa chất và sản xuất thép, dệt, sản xuất thức ăn, và nghiền và các nhà máy giấy. N−ớc sử dụng cho nông nghiệp gồm có n−ớc dùng cho t−ới ruộng và cho chăm sóc động vật cho động vật uống. T−ới dùng nhiều n−ớc nhất, có thể đ−ợc phân loại thành t−ới ngập, t−ới phun, và t−ới nhỏ giọt, tùy thuộc vào ph−ơng pháp sử dụng.
Một dự báo là một −ớc l−ợng các trạng thái t−ơng lai của một thông số, nó có bốn biến số: số l−ợng, chất l−ợng, thời gian và không gian. Trong dự báo nhu cầu dùng n−ớc, thông số quan trọng có thể là l−ợng n−ớc sử dụng trung bình ngày, l−ợng n−ớc sử dụng nhiều nhất ngày, và các thông số khác. Trong thiết kế và lập kế hoạch của dự án n−ớc, các nhân tố quan trọng nhất quyết định chi phí dự án là l−ợng n−ớc cần để trữ, xử lý, phân phối, và l−ợng n−ớc thải cần đ−ợc thu gom, xử lý và loại bỏ mỗi năm. Đặc tính, kích th−ớc, và thời gian hoạt động của các nhà máy n−ớc trong t−ơng lai phụ thuộc nhiều vào sự sử dụng n−ớc trong t−ơng lai và sử dụng n−ớc trong t−ơng lai này phải đ−ợc dự báo. Bởi vậy, khả năng quản lý và vận hành các nhà máy n−ớc sẵn có và sau đó là lập kế hoạch và thiết kế các nhà máy n−ớc mới trong t−ơng lai có liên quan trực tiếp đến khả năng mô tả sử dụng n−ớc hiện tại và t−ơng lai.
Thời gian dự báo có thể là giờ, ngày, tuần, tháng hoặc năm, phụ thuộc vào từng vấn đề cụ thể. Do quy mô và tầm quan trọng của hầu hết các dự án n−ớc, nhu cầu dùng n−ớc th−ờng đ−ợc dự báo trong khoảng 15 – 25 năm đối với dự báo hạn
vừa và 50 năm đối với dự báo hạn dài. Dự báo không hoàn toàn là một ph−ơng pháp có tính khoa học, bởi có thể nói rằng, t−ơng lai không tồn tại (Encel và những ng−ời khác, 1976).
Nhu cầu dùng n−ớc đ−ợc định nghĩa theo các thuật ngữ kinh tế có liên quan với giá n−ớc. Nó không giống với khái niệm yêu cầu n−ớc (water requirement) sử dụng trong phân tích khoa học. Các dự báo nhu cầu dùng n−ớc nên đồng thời phản ánh sự thay đổi công nghệ trong các quá trình sản xuất, sản phẩm đầu ra, nguyên liệu thô, xử lý n−ớc và các ph−ơng pháp xử lý n−ớc thải, thị hiếu xã hội, và các chính sách chung về sử dụng n−ớc và phát triển. Các nhân tố này rất quan trọng trong dự báo hạn vừa và hạn dài. Mặt khác, các kết quả dự báo có thể có giá trị nhất định trong việc đ−a ra quyết định. Bởi vậy, các ph−ơng pháp quá đơn giản nh− ngoại suy tuyến tính của nhu cầu dùng n−ớc quá khứ (còn đ−ợc gọi là phép chiếu) th−ờng không thích hợp cho dự báo hạn dài. Tuy nhiên, các ph−ơng pháp này vẫn thích hợp cho quản lý n−ớc trong thời kỳ khủng hoảng, thời kì mà thời gian dự báo ngắn.
Do sự thay đổi tự nhiên, liên tục của xã hội, kinh tế, và chính trị trong vùng nên tồn tại nhiều điều không chắc chắn trong dự báo. Lỗi trong các dự báo sử dụng n−ớc có thể do những giả định không phù hợp khi xác định các thông số dự báo. Nó bao gồm dân số t−ơng lai, tổ hợp công nghiệp, và mối quan hệ giữa các giá trị của các thông số mô hình, mức sử dụng n−ớc. Bất kể nguyên nhân gì, lỗi trong dự báo tạo ra các chi phí kinh tế và chi phí môi tr−ờng v−ợt mức. Những chi phí này có thể đ−ợc ngăn ngừa bởi việc sử dụng những ph−ơng pháp dự báo tốt hơn. Hơn nữa, cải tiến ph−ơng pháp dự báo nhu cầu dùng n−ớc đ−ợc dùng để giải thích cho: (1) sự gia tăng các mâu thuẫn giữa sử dụng n−ớc và ng−ời sử dụng n−ớc; (2) tăng sự nhận thức về mối quan hệ qua lại giữa các nguồn n−ớc khác nhau; và (3) tăng cơ hội và quy mô phát triển tài nguyên n−ớc.
Sử dụng n−ớc tổng cộng là tổng hợp sự dùng n−ớc của các ng−ời dùng khác nhau cho các mục đích khác nhau. Các ph−ơng pháp tổng hợp th−ờng che đậy tất cả nh−ng có mẫu xu thế chung. Lợi thế của việc sử dụng các ph−ơng pháp không tổng hợp là có thể đánh giá các tác động vào tổng nhu cầu do thay đổi trong mọi bộ phận.
Dự báo nhu cầu sử dụng n−ớc đô thị là một nhiệm vụ quan trọng cho các cơ quan khai thác và quản lý. Bao gồm ba hoạt động có liên quan đến nhau. Hoạt động thứ nhất là quản lý nguồn cung cấp có liên quan với dự báo nhu cầu dùng n−ớc để các đầu t− vào các nhà máy cung cấp n−ớc mới có thể tính đ−ợc, đ−ợc sắp xếp, và sắp đặt thời gian. Hoạt động có liên quan thứ hai là quản lý nhu cầu dùng n−ớc, nó quyết định ảnh h−ởng của đồng hồ đo n−ớc đ−ợc lắp đặt, phát hiện rò rỉ, kiểm soát
rò rỉ, sự thay đổi giá cả, tiêu chuẩn môi tr−ờng, và chế độ phân phối. Hoạt động thứ ba là quản lý nhu cầu – nguồn cung cấp, nó sử dụng các dự báo sử dụng n−ớc để hợp nhất và phối hợp nguồn cung cấp với các chính sách quản lý nhu cầu.
Ph−ơng pháp hệ số đơn: Những ph−ơng pháp này bao gồm các ph−ơng pháp: bình quân đầu ng−ời, bình quân kết nối, và hệ số đơn vị sử dụng. Th−ờng thì chỉ có dữ liệu về toàn bộ l−ợng n−ớc sản xuất cho một thành phố cùng với số dân của thành phố là có thể có đ−ợc, bởi vậy ph−ơng pháp bình quân đầu ng−ời đ−ợc sử dụng.
Ph−ơng pháp đa hệ số: Những ph−ơng pháp này có thể phân loại thành mô hình yêu cầu (requirements models) và mô hình nhu cầu (demand models). Mô hình yêu cầu gồm có biến vật lý và biến tâm lý, những biến này t−ơng quan với sử dụng n−ớc nh−ng không nhất thiết bao gồm cả giá n−ớc và hộ sử dụng hoặc thu nhập bình quân đầu ng−ời.
Các ph−ơng pháp cây sự kiện ngẫu nhiên: Các ph−ơng pháp này đề cập đến những yếu tố ch−a rõ ràng trong dự báo sử dụng n−ớc. Tiêu biểu là một nền tảng dự báo đ−ợc chuẩn bị bởi một trong các ph−ơng pháp trên. Và sau đó dự báo đ−ợc sửa đổi để phản ánh sự kết hợp của các yếu tố ch−a rõ ràng. Một xác suất chung giữa các yếu tố ch−a rõ ràng này đ−ợc định rõ và nó đ−ợc kết hợp với dự báo sử dụng n−ớc đã có.
2. Dự báo dân số các vùng
Các ph−ơng pháp dự báo dân số có thể chia ra làm 4 nhóm: Kéo dài số liệu lịch sử.
Dự báo dựa trên mục đích.
Dự báo theo các thành phần dân số. Dự báo bằng mô hình BREAM ắ Kéo dài số liệu lịch sử
Các ph−ơng pháp dựa trên xu thế lịch sử th−ờng giả sử rằng tăng tr−ởng dân số tuân theo quy luật tự nhiên và vì thế chúng có thể biểu diễn d−ới dạng toán học hoặc dạng đồ thị. Về cơ bản, dự báo dân số dựa vào phân tích và kéo dài xu thế lịch sử cho t−ơng lai. Các loại ph−ơng trình khác nhau nh− ph−ơng trình tuyến tính, hình học, số mũ, logarít... đã đ−ợc sử dụng để giải thích xu thế tăng tr−ởng trong quá khứ và dự báo sự tăng tr−ởng trong t−ơng lai. Th−ờng thì không có sự phân tích nào dành cho các nhân tố gây nên sự thay đổi dân số nh−: số sinh, số tử, và sự di trú.
(arithmetic paper), giấy bán loga hoặc giấy xác suất. Số liệu lịch sử dùng để vẽ đồ thị th−ờng lấy từ các báo cáo điều tra dân số định kỳ 10 năm và từ các nguồn số liệu sẵn có cảu địa ph−ơng hoặc từ các báo cáo điều tra dân số giữa năm của bang. Số liệu lịch sử th−ờng đ−ợc vẽ trên cả ba loại giấy vẽ đồ thị và đồ thị nào có dạng gần với dạng đ−ờng thẳng nhất sẽ đ−ợc sử dụng để dự báo. Trong dự báo, ng−ời dự báo sẽ giả thiết rằng xu thế đ−ờng thẳng này sẽ tiếp tục trong t−ơng lai.
Nếu số liệu lịch sử có dạng đ−ờng thẳng trên giấy số học thì có nghĩa là dân số tăng thêm hàng năm là một hằng số, tuy nhiên tỉ lệ thay đổi dân số hàng năm vẫn khác nhau. Với tỉ lệ tăng dân số hàng năm là tỉ lệ giữa số dân tăng thêm trong một thời đoạn tính toán và dân số của năm đầu thời đoạn tính toán.
Nếu đồ thị của số liệu lịch sử trên giấy số học có dạng đ−ờng cong t−ơng ứng với ban đầu tốc độ tăng dân số chậm, sau đó tăng nhanh trong một khoảng thời gian và cuối cùng tốc độ tăng dân số lại giảm đi. Tr−ờng hợp này có tỉ lệ tăng dân số của từng thời kì tính toán khác nhau, có dạng đ−ờng thẳng khi vẽ trên giấy xác suất loga.
Ph−ơng pháp toán học: để dự báo dân số cũng sử dụng số liệu lịch sử, và kết quả dự báo cũng t−ơng tự nh− kết quả dự báo bằng ph−ơng pháp đồ giải. Trong dạng cơ bản nhất, ph−ơng pháp toán học chỉ là những ph−ơng trình đ−ờng thẳng hoặc đ−ờng cong. Cơ sở của ph−ơng pháp này là bất kì một đ−ờng cong trơn có thể vẽ đ−ợc nào cũng có thể biểu diễn (hoặc ít nhất là xấp xỉ) bằng một ph−ơng trình toán học. Cơ sở của ph−ơng pháp này dân số năm sau là một hàm bậc nhất của dân số năm tr−ớc.
Ưu điểm của ph−ơng pháp đồ giải và ph−ơng pháp toán học là chúng dễ thực hiện. Nhìn chung chúng thích hợp với các khu vực có sự thay đổi dân số trong mỗi thập kỉ khá ổn định hay xu thế lịch sử không có những sự thay đổi rõ ràng hơn là những khu vực có sự dao động dân số nhanh. Chúng đáng tin cậy hơn trong các dự báo hạn ngắn (từ 5 đến 10 năm).
Nh−ợc điểm của các dự báo này là chúng đ−ợc xây dựng trên giả thiết là các yếu tốc và các điều kiện tạo nên sự phát triển hoặc suy giảm dân số của khu vực trong quá khứ sẽ tiếp tục các tác động của nó trong t−ơng lai. Hay là các kết quả dự báo thu đ−ợc từ đ−ờng cong giả định sự phát triển dân số. Nếu có sự thay đổi về sinh sản, tử vong, và xu thế di c− trong suốt hai thập kỉ thì các ph−ơng pháp này trở nên ít chính xác hơn. Tuy nhiên, ph−ơng pháp đồ giải và ph−ơng pháp toán học vẫn rất hữu ích để kiểm tra sơ bộ các kết quả thu đ−ợc bởi các ph−ơng pháp khác.
Dự báo dựa trên các hệ số t−ơng quan của sự phát triển lịch sử: các yếu tố và các tác động làm tăng hay giảm sự tăng dân số tự nhiên th−ờng có tác động đồng
thời trên toàn lãnh thổ quốc gia. Hơn nữa, nh− đã đề cập từ tr−ớc, các điều kiện kinh tế và xã hội làm tăng hoặc giảm tốc độ sinh sản cũng th−ờng có xu h−ớng làm tăng hoặc giảm sự di c− trong quốc gia. Bởi lẽ đó, tốc độ phát triển dân số trong hầu hết các khu vực và các cộng đồng có liên quan tới tốc độ phát triển dân số của quốc gia. Sự phát triển dân số của khu vực nghiên cứu có thể đ−ợc kéo dài cho t−ơng lai bằng cách liên hệ sự phát triển dân số của nó với sự phát triển dân số của một khu vực lớn hơn mà nó trực thuộc, ví dụ nh− bang, khu vực, hoặc quốc gia.
Một b−ớc cơ bản là tính toán hệ số giữa dân số của khu vực nghiên cứu và một vài khu vực lớn hơn tại các thời điểm điều tra dân số quá khứ. Hệ số này có thể đơn giản là giữa khu vực nghiên cứu và một khu vực lớn hơn, hoặc cũng có thể là một chuỗi các hệ số t−ơng quan giữa các cặp khu vực địa lý nhỏ hơn nằm cạnh nhau.
Các dự báo đáng tin cậy của một khu vực lớn hơn và số liệu có thể dùng để so sánh của các khu vực con nên đ−ợc phân tích tr−ớc khi sử dụng ph−ơng pháp này. Các hệ số t−ơng quan đã tìm đ−ợc cần đ−ợc vẽ đồ thị theo chuỗi thời gian và kéo dài cho t−ơng lai. Sự kéo dài này cần tính đến tất cả những yếu tố tác động.
Các điều kiện địa ph−ơng cần đ−ợc phân tích và các yếu tố có thể tác động tới hệ số trong t−ơng lai cũng cần đ−ợc hiểu đầy đủ. Bởi vì hệ số đã tìm đ−ợc từ xu thế của quá khứ không chắc là sẽ tiếp tục đúng trong t−ơng lai.
Mặt khác, các ph−ơng pháp này có vài −u điểm so với các ph−ơng pháp đồ giải, ph−ơng pháp toán học đó là: các yếu tố tác động lên sự phát triển dân số trong khu vực nghiên cứu có thể là dễ hình dung và đánh giá hơn; Có thể sẽ dễ dàng hơn khi đoán tr−ớc và đánh giá các tác động của các yếu tố tác động. Nhìn chung các dự báo dân số bằng ph−ơng pháp này cho quốc gia và cho các bang chính xác hơn so với khi dùng ph−ơng pháp này cho các khu vực nhỏ hơn hoặc cho các cộng đồng. ắ Dự báo dựa trên mục đích
Khuynh h−ớng dự báo này còn đ−ợc gọi là "Dự báo dựa vào mục tiêu phát triển" dân số nghĩa là nó dự báo dân số dựa trên mục tiêu phát triển dân số của quốc gia hay của khu vực.
ắ Dự báo theo thành phần dân số và mô hình
Theo các ph−ơng pháp này thì có thể cho các tính toán rất chi tiết nh−ng đòi