Tài liệu Nghiên cứu nâng cao chất lượng dự báo mưa, lũ phục vụ vận hành các hồ chứa trên lưu vực sông ba (tt)

BỘ GIÁO DỤC VÀ ĐÀO TẠO BỘ NÔNG NGHIỆP VÀ PTNT TRƯỜNG ĐẠI HỌC THỦY LỢI NGUYỄN VĂN HIẾU NGHIÊN CỨU NÂNG CAO CHẤT LƯỢNG DỰ BÁO MƯA, LŨ PHỤC VỤ VẬN HÀNH CÁC HỒ CHỨA TRÊN LƯU VỰC SÔNG BA Ngành: Thủy văn học Mã số: 9 44 02 24 TÓM TẮT LUẬN ÁN TIẾN SỸ KỸ THUẬT HÀ NỘI, 2020 Công trình hoàn thành tại: Trường Đại học Thủy lợi Người hướng dẫn khoa học: GS. TS. Vũ Minh Cát Phản biện 1: PGS. TS. Nguyễn Tiền Giang Phản biện 2: TS. Nguyễn Tiến Thành Phản biện 3: TS. Võ Văn Hòa Luận án sẽ được bảo vệ trước Hội đồng chấm luận án cấp trường tại: Trường Đại học Thủy lợi vào hồi giờ ngày Có thể tìm thấy Luận án tại: - Thư viện Quốc gia Việt Nam - Thư viện Trường Đại học Thủy lợi tháng năm 2020. MỞ ĐẦU 1. Cơ sở lựa chọn nghiên cứu Hệ thống sông Ba là một trong 9 hệ thống sông lớn ở Việt Nam. Hiện tại trên lưu vực có 5 hồ chứa lớn Ayun Hạ, An Khê – Ka Nak, Krông HNăng, Sông Hinh và Ba Hạ với tổng dung tích phòng lũ của các hồ là 260,5*106 m3 – một con số khá nhỏ so với tổng lượng lũ 5 ngày lớn nhất đã xảy ra tại Củng Sơn là 2.507,3*106 m3. Do đó, nếu dự báo được chính xác lượng mưa và dòng chảy lũ đến hồ với thời gian dự kiến dài hơn sẽ tạo điều kiện cho các chủ hồ vận hành chủ động, tránh được hiện tượng “xả sốc” xuống hạ du (lưu lượng xả tăng đột ngột từ 0 m3 đến giá trị lưu lượng lớn nhất xuống hạ lưu), gây ngập lụt và thiệt hại về người và tài sản cho hạ du. Vì vậy, việc “Nghiên cứu nâng cao chất lượng dự báo mưa, lũ phục vụ vận hành các hồ chứa trên lưu vực sông Ba” là cần thiết và cấp bách nhằm đưa ra được luận cứ khoa học và phương pháp nhằm nâng cao chất lượng dự báo mưa, lũ trung hạn để chủ động vận hành các hồ chứa theo đúng quy trình vận hành liên hồ trên lưu vực sông Ba. 2. Mục tiêu nghiên cứu và các điểm mới 2.1. Mục tiêu nghiên cứu - Nghiên cứu, lựa chọn và sử dụng mô hình số trị phù hợp để dự báo mưa với thời gian dự kiến từ 72 đến 120 giờ. - Nghiên cứu, lựa chọn và sử dụng mô hình thủy văn phù hợp để dự báo lũ đến các hồ chứa trên lưu vực sông Ba phục vụ điều hành hệ thống liên hồ theo Quyết định 878/QĐ-TTG ngày 18 tháng 7 năm 2018 của Thủ tướng Chính phủ. 2.2. Những đóng góp mới của luận án - Nghiên cứu xây dựng được cơ sở khoa học lựa chọn mô hình số trị IFS và WRFARW để dự báo định lượng mưa với việc kéo dài thời gian dự kiến từ 1 48 giờ hiện tại lên tới từ 72 giờ đến 120 giờ có độ phân giải từ (14 x14) km đến độ phân giải (5x5) km trên lưu vực sông Ba và bộ mô hình thủy văn MIKE-NAM và HEC-HMS để dự báo trước dòng chảy tới hồ trước từ 03 đến 05 ngày. - Ứng dụng thành công bộ mô hình mưa số trị và bộ mô hình thủy văn để thử nghiệm dự báo dòng chảy lũ tới 04 hồ trên lưu vực, phục vụ công tác điều hành các hồ chứa lưu vực sông Ba. 3. Phạm vi và đối tượng nghiên cứu 3.1. Phạm vi nghiên cứu Về không gian: Nghiên cứu dự báo dòng chảy lũ đến 04 hồ chứa trên lưu vực sông Ba có dung tích trên 100 triệu m3, bao gồm hồ Sông Hinh, Krông H’năng, Ayun Hạ và An Khê. Về thời gian: Tăng thời gian dự kiến của dự báo từ 24 – 48 giờ hiện nay lên 72 đến 120 giờ. 3.2. Đối tượng nghiên cứu Các yếu tố mưa sinh lũ và dòng chảy lũ đến 04 hồ chứa lớn thuộc lưu vực sông Ba là đối tượng nghiên cứu của đề tài. 4. Ý nghĩa khoa học và thực tiễn 4.1. Ý nghĩa khoa học Đã lựa chọn, thử nghiệm, kiểm chứng và ứng dụng mô hình số trị IFS và WRFARW để dự báo định lượng mưa có độ phân giải từ (14 x14) km đến độ phân giải (5x5) km trên lưu vực sông Ba, giúp nâng cao độ chính xác của kết quả dự báo và mở rộng được thời gian dự kiến từ 48 giờ hiện tại lên tới từ 72 giờ đến 120 giờ. Đã ứng dụng bộ mô hình thủy văn MIKE-NAM và HEC-HMS, có kiểm định, kết hợp với các phân tích, hiệu chỉnh các yếu tố ảnh hưởng đến sự hình thành dòng chảy trên lưu vực như các yếu tố địa hình, địa chất, thổ nhưỡng và lớp 2 phủ để dự báo định lượng dòng chảy đến hồ phục vụ điều hành các hồ chứa, phòng tránh ngập lụt cho hạ du lưu vực sông Ba. 4.2. Ý nghĩa thực tiễn Xây dựng được bộ công cụ dự báo lũ với độ chính xác cao và thời gian mở rộng hơn từ 48 giờ trước đây lên tới 120 giờ, có thể sử dụng trong nghiệp vụ nhằm nâng cao độ chính xác dự báo, kéo dài thời gian dự kiến từ 48 giờ hiện tại lên tới từ 72 giờ đến 120 giờ và tăng độ phân giải trong dự báo mưa cũng như giúp cho việc điều hành các hồ chứa linh hoạt hơn, có thêm nhiều lựa chọn đạt được hiệu quả cao nhất, đảm bảo an toàn hồ chứa, giảm thiểu lũ, ngập lụt cho vùng hạ du. Phương pháp dự báo mưa, lũ trung hạn cho lưu vực sông Ba có thể dùng là tài liệu học tập cho sinh viên và tài liệu tham khảo cho các NCS và học viên cao học. 5. Kết cấu của luận án Ngoài phần mở đầu, kêt luận, danh mục tài liệu tham khảo, các phụ lục, luận án được kết cấu thành 03 chương: Chương 1: Tổng quan nghiên cứu dự báo mưa, lũ hạn vừa. Chương 2: Xây dựng cơ sở khoa học dự báo mưa, lũ hạn vừa. Chương 3: Kết quả nghiên cứu mưa, lũ cho lưu vực sông Ba. CHƯƠNG 1 TỔNG QUAN NGHIÊN CỨU DỰ BÁO MƯA VÀ DỰ BÁO LŨ HẠN VỪA 1.1. Tổng quan nghiên cứu về dự báo mưa, dự báo lũ hạn vừa trên thế giới Hiện nay, dự báo hạn vừa là một phần không thể thiếu đối với tất cả các trung tâm dự báo lớn trên thế giới. Hầu hết cách tiếp cận đối với dự báo hạn vừa đều dựa trên phương pháp dự báo tổ hợp nhằm nắm bắt được các nguồn bất định do trường ban đầu gây ra. 3 Năm 1992, Trung tâm dự báo hạn vừa Châu Âu, EPS cũng sử dụng phương pháp SV (Singular Vector) để tạo nhiễu động ban đầu (Palmer và cộng sự, 1992) [4]. EPS này hiện nay có 51 dự báo thành phần, thực hiện dự báo hàng ngày và cung cấp kết quả cho các nước trong Cộng đồng Châu Âu là thành viên của ECMWF. Hệ thống EPS này có tên gọi VAREPS (Variable Resolution EPS) hạn dự báo 15 ngày, trong đó 9 ngày đầu hệ thống chạy với độ phân giải TL399L62 (khoảng 50 km, 62 mực) và 6 ngày sau với độ phân giải TL255L62 (khoảng 80 km, 62 mực). Đây là EPS hạn vừa có độ phân giải cao nhất hiện nay trên thế giới. Tại NCEP, mô hình GFS được chạy 4 phiên trong ngày, cách nhau 06 tiếng với các tùy chọn độ phân giải là 0.25x0.25 độ, 0.5x0.5 độ và 1.0x1.0 độ kinh vĩ. Thời hạn dự báo của mô hình lên đến 384h (15 ngày) hoàn toàn có thể đáp ứng được nhu cầu dự báo mưa hạn vừa, làm đầu vào cho các mô hình thủy văn hiện nay. Trong một nghiên cứu của F. Pappenberger và cộng sự vào năm 2008, mô hình LISFLOOD cũng đã được sử dụng để nghiên cứu trận lũ năm 2007 tại Romania, sử dụng đầu vào là lượng mưa dự báo từ các dự báo tổ hợp của nhiều trung tâm lớn trên thế giới như ECMWF, UKMO, JMA, NCEP, CMA, CMC, BOM. Các kết quả đưa ra có thể cảnh báo được trận lũ trước 8 ngày. Kết quả cũng cho thấy dự báo tổ hợp theo cách tiếp cận đa mô hình có đặc tính trung bình tốt nhất là của ECMWF va UKMO, các kết quả mô phỏng rất tốt phần đuôi của hàm phân bố tức là các giá trị cực trị có thể xảy ra. V.Thiemig và nnk (2015) đã sử dụng hệ thống dự báo lũ tổ hợp (AFFS) cho các sông có quy mô vừa đến lớn ở Châu phi với thời đoạn dự báo 15 ngày. Thành phần chính của hệ thống dự báo là mô hình thủy văn thông số phân bố LISFLOOD với số liệu GIS và số liệu mưa dự báo từ trung tâm ECMWF. Trận lũ tháng 3 năm 2003 tại lưu vực sông Sabi (Zimbabwe) được sử dung dể mô phỏng với kết quả được kiểm định tại 36 điểm quan trắc trên lưu vực. 4 Quá trình kiểm định AFFS cho kết quả khá tốt (dự báo đạt trên 70%). Đặc biệt, hệ thống cho kết quả dự báo lũ tốt với thời gian dự báo dài (lớn hơn 1 tuần) và các lưu vực có diện tích lớn (trên 10000 km2). Có thể thấy rằng việc sử dụng số liệu mưa dự báo định lượng từ trung tâm ECMWF cho công tác dự báo lũ hạn vừa sẽ cho kết quả khá tốt. 1.2. Tổng quan nghiên cứu về dự báo mưa, lũ hạn vừa ở Việt Nam và lưu vực sông Ba Hiện tại, các mô hình HRM, COSMO và WRF đang được chạy nghiệp vụ tại Trung tâm dự báo KTTV quốc gia, mô hình MM5 và WRF đã và đang được chạy dự báo thử nghiệm tại Viện khoa học KTTV và Biến đổi khí hậu và mô hình RAMS đang được chạy thử nghiệm dự báo ở Khoa KTTV và Hải dương học, Trường Đại học khoa học tự nhiên. Trong luận án, mô hình WRF đang chạy nghiệp vụ tại Trung tâm dự báo KTTV quốc gia được lựa chọn vì các lý do như sau: + Đây là mô hình NWP khu vực dạng bất thủy tĩnh và đang được chạy nghiệp vụ với độ phân giải 5km. + WRF có hệ thống đồng hóa số liệu 3DVAR được tích hợp bên trong mô hình và có thể đồng hóa được nhiều loại số liệu viễn thám như vệ tinh, ra đa, …. + WRF đã được đánh giá và kiểm chứng trong nhiều công trình nghiên cứu khoa học và được đánh giá là có kỹ năng dự báo mưa lớn tốt cho khu vực miền Trung Việt Nam (Bùi Minh Tăng và cộng sự, 2014). Trường phân tích và dự báo của mô hình NWP toàn cầu IFS của ECMWF có độ phân giải 12km được lựa chọn để làm điều kiện ban đầu và điều kiện biên phụ thuộc vào thời gian mô hình WRF có độ phân giải 5km. Mô hình IFS được lựa chọn do đây là mô hình NWP toàn cầu được đánh giá tốt nhất thế giới hiện nay và cũng là mô hình toàn cầu có độ phân giải cao nhất hiện tại (Võ Văn Hòa và cộng sự, 2017). 5 Hình 1.1 sau đây trình bày sơ đồ khối và giới thiệu tóm tắt về các phương pháp, mô hình được sử dụng trong nghiên cứu theo từng mục tiêu cụ thể. Lưu vực sông Ba là một sông lớn ở Miền Trung và Tây Nguyên, mật độ lưới trạm quan trắc lại thưa nên công nghệ dự báo mưa lớn nhất thiết phải là công nghệ dự báo định lượng, khách quan, có độ phân giải lớn và có khả năng tích hợp với các công nghệ dự báo lũ hiện tại. Nói cách khác, hướng nghiên cứu ứng Hình 1.1 Sơ đồ tiếp cận nghiên cứu trong luận án dụng các mô hình NWP phân giải rất cao, dạng bất thủy tĩnh với độ phân giải ngang khoảng 5km để có thể nắm bắt tốt các quá trình đối lưu quy mô nhỏ và vừa. Do đó, hướng nghiên cứu ứng dụng các mô hình NWP là lựa chọn phù hợp nhất để dự báo mưa lớn của lưu vực sông Ba trong đó độ phân giải ngang dao động trong khoảng 5km. Vì vậy, trong nghiên cứu này NCS sẽ sử dụng mô hình IFS và mô hình WRF-ARW để dự báo mưa cho lưu vực sông Ba. CHƯƠNG 2 CƠ SỞ KHOA HỌC DỰ BÁO MƯA VÀ DỰ BÁO LŨ HẠN VỪA CHO LƯU VỰC SÔNG BA 2.1. Giới thiệu tổng quan về lưu vực sông Ba Lưu vực sông Ba là một trong những lưu vực lớn nhất khu vực miền Trung, với tổng diện tích lưu vực là 13.417 km2. Đây cũng là lưu vực lớn nằm trọn trong lãnh thổ Việt Nam. Chiều dài dòng chính là khoảng 374 km, bắt nguồn từ dãy núi Ngọc Rô (Kon Tum) cao độ 1.549 m chảy qua tỉnh Kon Tum và Gia Lai theo hướng Bắc Nam, chuyển sang hướng Tây Bắc - Đông Nam từ huyện Krông Pa của Gia Lai rồi hướng tây đông từ địa phận tỉnh Phú Yên, cuối cùng đổ vào biển Đông ở cửa biển Đà Rằng ngay thành phố Tuy Hòa. 6 Do có lượng dòng chảy lớn kết hợp với độ dốc cao nên tiềm năng thủy điện trên dòng chính và các nhánh trên lưu vực sông Ba rất lớn. Theo quy hoạch thủy điện, dự kiến sẽ có 12 công trình thủy điện là: An Khê-Ka Nak, ĐakSRông, Sông Ba thượng, Ayun thượng 1, 2, HChan, HMun, Ayun hạ, Ea KRông Hnăng, Sông Ba hạ, Sông Hinh có tổng công suất lắp máy 700 MW với điện năng năm 2,6 tỷ KWh. Hình 2.1 Bản đồ lưu vực sông Ba 2.2. Xây dựng phương pháp dự báo mưa trên lưu vực sông Ba 2.2.1. Mô hình số trị dự báo mưa cho lưu vực sông Ba Mô hình WRFARW được sử dụng trong nghiên cứu này được chạy với độ phân giải 5km trong đó miền tích phân bao phủ vùng từ 12ºN-15ºN; 107ºE110ºE (xem hình 2.6 dưới đây) với độ phân giải ngang tương ứng là 5km (90 x 90 điểm nút lưới) và 50 mực thẳng đứng. Mô hình này đều được chạy dưới dạng bất thủy tĩnh với bước tích phân thời gian là 20 giây do độ phân giải được chọn dưới 7km. Việc lựa chọn độ phân giải 5km là do trường ban đầu và điều kiện biên phụ thuộc vào thời gian cho WRF được lấy từ mô hình IFS có độ phân giải 14km. Qui trình chạy mô hình WRFARW cho một lần dự báo được thực hiện như sau: Bước 1. Tải số liệu IFS gồm các trường phân tích và dự báo (cách nhau 3 giờ một) cho đến hạn dự báo 3 ngày. 7 Bước 2. Giải mã và cắt miền số liệu về miền số liệu phù hợp để giảm thiểu dung lượng số liệu đầu vào. Bước 3. Thực hiện nội suy số liệu IFS từ lưới kinh vĩ có độ phân giải 14km về lưới kinh vĩ có độ phân giải 5km. Bước 4. Thực hiện nội suy thẳng đứng từ 26 mực áp suất của số liệu IFS về 50 mực thẳng đứng của mô hình WRFARW. Bước 5. Khai báo thời gian chạy và đường dẫn số liệu cho tệp tin đầu vào của mô hình WRFARW. Bước 6. Thực hiện chạy mô hình WRFARW. Bước 7. Giải mã số liệu mưa dự báo từ mô hình WRFARW và nội suy số liệu mưa dự bao về các điểm trạm theo phương pháp nội suy điểm gần nhất. 2.2.2. Phương pháp hiệu chỉnh dể xác định mưa dự báo Cách tiếp cận nghiên cứu được xác định qua các bước sau: - Bước 1: Đánh giá kết quả dự báo lượng mưa - Bước 2: Xây dựng hệ số hiệu chỉnh và thực hiện hiệu chỉnh lượng mưa dự báo - Bước 3: Xây dựng trường hệ số hiệu chỉnh làm đầu vào cho hệ thống mô hình thủy văn. Dựa trên các kết quả dự báo và quan trắc lượng mưa tích lũy, nghiên cứu tiến hành xây dựng phương trình hồi quy cho từng thời đoạn dự báo. Với khoảng thời gian dự báo trước từ 0 đến 240h, tương ứng 40 thời đoạn mưa tích lũy 6h được hiệu chỉnh. Hình 2.11 Sơ đồ khối cơ sở phương pháp tính mưa dự báo 8 Như vậy, với mỗi thời đoạn dự báo, các phương trình hồi quy tuyến tính được xây dựng riêng. Trên cơ sở phương pháp hồi quy tuyến tính đơn biến, nghiên cứu tiến hành hiệu chỉnh lượng mưa cho từng thời đoạn dự báo. Lượng mưa dự báo được hiệu chỉnh dựa trên các hệ số “a” và “b” của phương trình hồi quy. Như vậy, cơ sở phương pháp được sử dụng để dự báo mưa theo mô hình số trị được thực hiện theo sơ đồ khối như hình 2.11. 2.2.3. Xây dựng phương pháp dự báo lũ hạn vừa lưu vực sông Ba Để tiến hành dự báo lũ bằng việc sử dụng mô hình MIKE NAM và mô hình HEC-HMS từ dữ liệu mưa dự báo bằng phương pháp số trị, cần thiết phải thực hiện các bước cơ bản sau: Lưu vực sông Ba sẽ được phủ hoàn toàn bằng một vùng vuông được giới hạn bởi 4 góc có tọa độ là 12ºN ÷ 15ºN và 107ºE ÷ 110ºE. Hình 2.12 Sơ đồ khối quy trình dự báo lũ hạn vừa theo mô hình MIKE NAM và HEC-HMS từ dữ liệu mưa dự báo theo phương pháp số trị Vùng vuông này sẽ được chia nhỏ thành một mạng lưới các ô vuông có kích thước bằng nhau: Với kích thước ô lưới có diện tích là (14×14) km thì phần giới hạn này sẽ có (39×39) ô vuông và với kích thước ô lưới được làm mịn hơn, với diện tích là (5×5) km thì phần giới hạn này sẽ có (90×90) ô vuông. Hệ thống lưới ô vuông này sẽ được chia lưới bằng công cụ GIS và chồng chập lên phần lưu vực sông Ba đã được thiết lập từ trước (hình 2.14-2.15). Để dễ dàng cho việc xác định vị trí các ô lưới, nghiên cứu thực hiện việc đánh dấu theo hàng (chữ cái in hoa) và cột (số thứ tự). 9 Giá trị mưa dự báo sẽ được xác định cho mỗi một ô vuông theo kích thước (14×14) km hay (5×5) km và lượng mưa này được xem là trải đều trên toàn phần diện tích đó. Trong nghiên cứu này, mỗi ô vuông được xem là phần diện tích của lưu vực có lượng mưa được dự báo tại ô đó. Vì vậy, cũng giống như phương pháp tính mưa bình quân lưu vực theo đa giác Theissen, ở đây coi fi là diện tích của ô vuông nằm trong phần lưu vực tính toán. Kết quả sẽ thu được trọng số của từng ô lưới theo kích thức (5×5) km hay (14×14) km (chú ý rằng tổng trọng số của tất cả các ô lưới là bằng 1.0). Từ đó sẽ tính lượng mưa bình quân lưu vực trước khi đưa vào mô hình dự báo lũ. Hình 2.14 Phân chia ô lưới độ phân giải (14×14) km cho lưu vực Sông Ba Hình 2.15 Phân chia ô lưới độ phân giải (5×5) km cho lưu vực Sông Ba Luận án sẽ tiến hành hiệu chỉnh và kiểm định cho từng tiểu lưu vực cụ thể trong phạm vi nghiên cứu là: Tiểu lưu vực An Khê, tiểu lưu vực Ayun Hạ, tiểu lưu vực Krong Hnang và tiểu lưu vực sông Hinh theo từng loại mô hình MIKE NAM và mô hình HEC-HMS. Dữ liệu mưa, bốc hơi quan trắc tại trạm trên các tiểu lưu vực được đưa vào hiệu chỉnh và kiểm định mô hình. Trên cơ sở so sánh giữa lưu lượng mô phỏng và thực đo tại trạm để cân chỉnh và tìm bộ thông số tối ưu trên từng tiểu lưu vực đảm bảo đủ độ tin cậy. 10 KẾT LUẬN CHƯƠNG 2 Để dự báo lũ hạn vừa, nghiên cứu sẽ tiến hành hiệu chỉnh, kiểm định riêng biệt cho từng tiểu lưu vực bằng 2 mô hình là mô hình MIKE NAM và mô hình HEC-HMS nhằm xác định được bộ thông số tối ưu và đảm bảo mô phỏng tốt quá trình mưa sinh dòng chảy trên từng tiểu lưu vực. Đầu vào cơ bản cho mô hình dự báo lũ là giá trị mưa dự báo trên các ô lưới. Nghiên cứu coi mỗi ô lưới là một phần diện tích trên lưu vực mà giá trị mưa đó khống chế, từ đó tính trọng số cho mỗi ô lưới và cuối cùng là tính lượng mưa bình quân lưu vực theo phương pháp bình quân trọng số. Kết quả dự báo lũ từ dữ liệu mưa dự báo sẽ được đánh giá sai số, các tiêu chí kiểm định, chất lượng dự báo và kiến nghị áp dụng thực tế. CHƯƠNG 3 KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN 3.1. Kết quả dự báo mưa trên lưu vực sông Ba 3.1.1. Kết quả dự báo từ mô hình Mưa dự báo của 2 mô hình được lựa chọn từ các trận lũ lịch sử thể hiện trong bảng 3.2 (Số liệu rain_wrfarw với kích thước (5x5km) tạo thành chuỗi ô lưới (90 x 90) ô, trong khi số liệu rain_ifs có kích thước (14x14km) km tạo thành chuỗi ô lưới (39x39) ô trải đều trên lưu vực sông Ba. Bảng 3.2 Thời gian tính mưa dự báo bằng mô hình IFS và WRFARW Năm 2017 2016 2015 2014 2013 2012 Thời gian 01-06/12 1-5/11 7-12/10 27/11-1/12 3-8/11 3-7/10 02/12/17 15-18/12 11 Hình 3.9 Định dạng số liệu mưa dự Hình 10 Định dạng số liệu mưa dự báo báo từ mô hình IFS (39x39) ô lưới từ mô hình WRFARW (90x90) ô lưới Kết quả dự báo mưa cho lưu vực sông Ba từ 2 mô hình được phủ trên toàn bộ lưu vực với miền tính là 12ºN-15ºN và 107ºE-110ºE. Hạn dự báo 120 giờ cho mô hình IFS và 72 giờ cho mô hình WRFARW với định dạng như hình 3.9-3.10. 3.1.2 Đánh giá kỹ năng dự báo của mô hình Để đánh giá và chỉ ra kỹ năng dự báo mưa lớn của mô hình WRFARW cho khu vực miền Trung, luận án đã thực hiện đánh giá chất lượng dự báo mưa cho khu vực nghiên cứu dựa trên 8 đợt mưa lớn trong các năm 2013-2017. Tổng cộng có hơn 50 mẫu được thu thập để phục vụ đánh giá. Trung bình mỗi đợt mưa lớn kéo dài 3 ngày với tổng lượng mưa trung bình cả đợt từ 250-300mm. Việc kiểm chứng tính hiệu quả theo cách tiếp cận hạ quy mô động lực dự bán mưa được thực hiện cho cả mô hình WRFARW và mô hình IFS. Các giá trị dự báo định lượng mưa từ các mô hình IFS và WRFARW được nội suy về điểm trạm quan trắc theo phương pháp nội suy điểm gần nhất (giá trị dự báo mưa tại trạm sẽ là giá trị dự báo mưa tại điểm nút lưới gần nhất với trạm). Trong lưu vực sông Ba có 12 trạm quan trắc mưa được sử dụng để đánh giá chất lượng dự báo. Lượng mưa tích lũy 24h được sử dụng để đánh giá và các ngưỡng mưa 50mm/24h và 100mm/24h được sử dụng để đánh giá và so sánh các kỹ năng dự báo pha mưa lớn và rất lớn giữa 2 mô hình IFS và WRF. Các hạn dự báo 12 24h, 48h và 72h được đưa vào đánh giá, trong đó lượng mưa tích lũy từ 024h được gọi là dự báo mưa ngày thứ 1, từ 24-48h được gọi là ngày thứ 2 và 48-72h được gọi là ngày thứ 3. Các chỉ số sai số trung bình (ME), sai số tuyệt đối (MAE) và sai số quân phương (RMSE) được sử dụng để đánh giá kỹ năng dự báo định lượng mưa. Ngoài ra, các chỉ số BIAS, POD, FAR và ETS cũng được sử dụng để đánh giá kỹ năng dự báo pha mưa lớn và rất lớn, trong đó chỉ số BIAS cho biết khuynh hướng sai số là thiên cao (BIAS > 1) hay thiên thấp (BIAS < 1); các chỉ số POD và FAR lần lượt cho biết tỷ lệ dự báo đúng (POD càng gần 1 càng tốt) và tỷ lệ dự báo khống (FAR càng gần 0 càng tốt). Chỉ số ETS là chỉ số tổng hợp cho biết toàn bộ kỹ năng dự báo pha và bao hàm các khía cạnh của các chỉ số BIAS, POD và FAR, chỉ số ETS càng gần 1 càng tốt. Bảng 3.4 Kết quả đánh giá và so sánh chất lượng dự báo định lượng mưa cho mô hình IFS (14km) và mô hình WRF (5km) Lượng mưa dự báo Ngày 1 Ngày 2 Ngày 3 Mô hình IFS (14x14) km Mô hình WRF (5x5) km ME (mm/24h) MAE (mm/24h) RMSE (mm/24h) ME (mm/24h) MAE (mm/24h) RMSE (mm/24h) - 12 22 29 -8 16 20 -19 32 46 -12 21 25 -22 41 52 -16 30 32 Tượng tự bảng 3.4, các bảng 3.5 và 3.6 lần lượt đưa ra kết quả tính toán các chỉ số BIAS, POD, FAR và ETS cho các ngưỡng mưa to và rất to. Từ các bảng này có thể thấy khuynh hướng sai số dự báo thiên thấp xảy ra ở cả IFS và WRF, nhưng WRF vẫn có kỹ năng dự báo tốt hơn IFS, đặc biệt là tại ngưỡng mưa lớn. Về kỹ năng dự báo đúng hiện tượng có xảy ra (qua chỉ số POD) thì mô hình WRF có kỹ năng tốt hơn so với IFS, đặc biệt là tại các hạn dự báo 48 và 72h tại cả hai ngưỡng mưa to và rất to. Tương tự, tỷ lệ dự báo khống (chỉ số FAR: dự báo có xảy ra hiện tượng nhưng trên thực tế không 13 xảy ra) cũng giảm đáng kể sau khi hạ quy mô động lực bằng mô hình WRF. Từ kết quả đánh giá và so sánh trên các bảng 3.3 và 3.4, dễ dàng nhận thấy mô hình WRF có chất lượng dự báo mưa to và rất to tốt hơn nhiều so với mô hình IFS (xem chỉ số ETS). Bảng 3.5 Kết quả đánh giá và so sánh chất lượng dự báo pha mưa cho mô hình IFS (14km) và mô hình WRF (5km) với ngưỡng mưa to (>50mm/24h) Lượng mưa dự báo Ngày 1 Ngày 2 Ngày 3 Mô hình IFS (14x14) km Mô hình WRF (5x5) km BIAS POD FAR ETS BIAS POD FAR ETS 0.33 0.15 0.42 0.28 0.32 0.49 0.21 0.10 0.65 0.38 0.75 0.56 0.25 0.33 0.34 0.28 -0.08 0.13 0.62 0.09 0.24 0.34 0.42 0.19 Bảng 3.6 Kết quả đánh giá và so sánh chất lượng dự báo pha mưa cho mô hình IFS (14km) và mô hình WRF (5km) với ngưỡng mưa rất to (>100mm/24h) Lượng mưa dự báo Ngày 1 BIAS POD FAR ETS BIAS POD FAR ETS 0.21 0.36 0.46 0.13 0.46 0.45 0.22 0.28 Ngày 2 Ngày 3 -0.09 -0.24 0.22 0.09 0.59 0.72 0.08 0.02 0.30 0.21 0.38 0.20 0.41 0.48 0.20 0.15 Mô hình IFS 14km Mô hình WRF 5km 3.1.3 Hiệu chỉnh và tính toán giá trị mưa dự báo Các bước thực hiện việc hiệu chỉnh cũng như phương pháp tính toán lại giá trị mưa dự báo đã được trình bày trong chương 2. Dựa trên các kết quả dự báo và quan trắc lượng mưa tích lũy, luận án tiến hành xây dựng phương trình hồi quy cho từng thời đoạn dự báo. Với khoảng thời gian dự báo trước từ 0 đến 240h, tương ứng 40 thời đoạn mưa tích lũy 6h được hiệu chỉnh. Như vậy, với mỗi thời đoạn dự báo, các phương trình hồi quy tuyến tính được xây dựng riêng. 14 3.1.3.1. Đánh giá giá kết quả dự báo lượng mưa chưa hiệu chỉnh thống kê Hình 3.17 Chỉ số ME của lượng mưa dự Hình 3.18 Hệ số tương quan (HSTQ) giữa báo tích lũy 6h với số liệu quan trắc (mm) lượng mưa dự báo với số liệu quan trắc Hình 3.17 trình bày kết quả tính toán chỉ số ME (mm) giữa lượng mưa dự báo với số liệu quan trắc thực tế tại một số trạm trong khu vực nghiên cứu. Có thể nhận thấy mô hình có thiên hướng dự báo lượng mưa thấp hơn so với thực tế, với chỉ số ME phổ biến từ - 4,85 mm đến khoảng 0 mm, trong đó sai số dự báo rõ ràng nhất tại trạm An Khê và Buôn Hồ, với chỉ số ME phổ biến nhỏ hơn -2mm, đặc biệt là tại trạm An Khê. Sai số dự báo nhỏ tại trạm Kon Tum và Pleiku với chỉ số ME phổ biến dao động trong khoảng từ -1mm đến dưới 1mm. Bên cạnh đó, kết quả dự báo cũng cho thấy, sai số dự báo thời đoạn ngắn lớn hơn khi thời đoạn dự báo tăng lên. Hình 3.18 trình bày kết quả tính toán hệ số tương quan giữa lượng mưa dự báo và quan trắc. Kết quả cho thấy, hệ số tương quan đều có giá trị dương trong hầu hết các trường hợp. Điều này cho thấy, các kết quả dự báo phần nào đã thể hiện được xu thế diễn biến lượng mưa thực tế. Tuy nhiên, hệ số tương quan giữa lượng mưa dự báo với thực tế là khá thấp. Hệ số tương quan cao nhất đối với thời hạn dự báo nhỏ hơn 78h phổ biến > 0,2, trong khi sau thời điểm 78h, hệ số tương quan khá thấp, dưới 0,1. Từ các kết quả phân tích trên cho thấy, xu thế diễn biến lượng mưa dự bán tốt hơn từ 0 đến giờ thứ 78h, tuy nhiên sai số dự báo là lớn hơn. Ngược lại, mô hình dự báo có xu thế không tốt về lượng mưa sau giờ thứ 78 (từ 78 đến 240h), nhưng sai số về lượng lại thấp hơn. 15 3.1.3.2. Đánh giá chất lượng dự báo mưa sau khi hiệu chỉnh thống kê Sử dụng phương pháp hồi quy tuyến tính đơn biến, luận án đã tiến hành hiệu chỉnh lượng mưa cho từng thời đoạn dự báo. Lượng mưa dự báo được hiệu chỉnh dựa trên các hệ số “a” và “b” của phương trình hồi quy. Kết quả dự báo lượng mưa đã được hiệu chỉnh có sai số khá thấp, với chỉ số ME phổ biến từ -1mm đến khoảng 0mm. Nhìn chung, kết quả dự báo mưa đã được hiệu chỉnh có thiên hướng thấp hơn so với số liệu quan trắc, trong đó sai số dự báo lớn hơn tại trạm An Khê và Buôn Hồ. Tuy nhiên, so với lượng mưa dự báo khi chưa hiệu chỉnh thì kết quả dự báo sau khi hiệu chỉnh có sai số thấp hơn đáng kể. Kết quả tính toán hệ số tương quan giữa lượng mưa dự báo sau khi đã được hiệu chỉnh với số liệu quan trắc cho thấy rằng sau khi được hiệu chỉnh, lượng mưa dự báo có quan hệ dương với số liệu quan trắc trong toàn bộ các trường hợp dự báo. Điều này cho thấy, lượng mưa dự báo sau khi được hiệu chỉnh phản ánh được xu thế diễn biến của số liệu quan trắc tại các trạm. Hệ số tương quan khá cao, phổ biến trên 0,4 khi thời điểm dự báo trước 78h. Với thời hạn dự báo dài hơn (trên 78h), hệ số tương quan giảm dần, phổ biến dao động xung quanh giá trị 0,2. Như vây, so với trường hợp chưa hiệu chỉnh, hệ số tương quan giữa lượng mưa dự báo với thực tế quan trắc đã được cải thiện đáng kể. Điều này cho thấy, hiệu chỉnh thống kê giúp cải thiện chất lượng dự báo với xu thế diễn biến của lượng mưa dự báo là phù hợp với thực tế hơn. 3.1.3.3. Trường mưa dự báo phục vụ tính toán Từ các phân tích trên cho thấy, kết quả dự báo lượng mưa được hiệu chỉnh bằng phương pháp hồi quy tuyến tính đã cải thiện đáng kể về sai số và diễn biến so với kết quả chưa được hiệu chỉnh. Trong đó, sai số dự báo của lượng mưa đã được hiệu chỉnh là khá thấp, với chỉ số ME phổ biến từ -1mm đến 0mm. Với thời hạn dự báo trước 78h, hệ số tương quan giữa dự báo đã được hiệu chỉnh với quan trắc là khá tốt, phổ biến trên 0,4, một số trường hợp lên tới trên 0,8 (tại trạm Pleiku vào thời hạn dự báo 18-24h và 42-48h). Tuy 16 nhiên, với thời hạn dự báo dài hơn 78h, mặc dù hệ số tương quan đã được cải thiện nhưng vẫn còn khá thấp, phổ biến xung quanh 0,2. Số liệu mưa sau khi hiệu chỉnh sẽ được sử dụng cho mô phỏng lũ, trong đó kết quả dự báo với thời hạn nhỏ hơn 78h có sự phù hợp tốt hơn về xu thế giữa mô phỏng và thực tế. Để phục vụ các tính toán thủy văn, hệ số a và b đã được nội suy theo không gian cho lưu vực nghiên cứu. Bảng 3.7 Kết quả tính toán hệ số phụ thuộc (a) và tự do (b) trong phương trình hồi quy đối với sản phẩm dự báo bằng mô hình IFS Thời đoạn dự báo 00-06h 06-12h 12-18h 18-24h 24-30h 30-36h 36-42h 42-48h : 234-240h Kết quả xác định hệ số a và b của phương trình hồi quy tuyến tính An Khê Buôn Hồ Kon tum Pleiku a b a b a b a b 1.02 4.01 0.05 1.86 1.65 1.18 0.82 0.61 1.89 0.82 0.28 1.38 0.49 1.9 0.96 0.68 1.26 4.03 0.95 4.57 0.01 2.01 0.55 0.92 1.13 3.04 -0.11 2.75 0.23 0.12 1.33 -0.29 2.05 1.52 0.27 1.46 0.14 1.94 0.43 1.11 1.09 2.14 0.25 1.51 1.09 1.08 1.07 0.39 0.53 4.73 0.5 5.31 0.43 1.29 0.19 0.79 1.24 2.98 0.31 2.1 0.15 0.19 0.81 -0.27 0.96 3.06 0.07 0.06 0 0 0 0.01 Bảng 3.8 Kết quả tính toán hệ số phụ thuộc (a) và tự do (b) trong phương trình hồi quy đối với sản phẩm dự báo bằng mô hình WRF Thời đoạn dự báo 00-06h 06-12h 12-18h 18-24h : 54-60h Kết quả xác định hệ số a và b của phương trình hồi quy tuyến tính An Khê Buôn Hồ Kon Tum Pleiku a b a b a b a b 2.08 0.4 0.08 1.91 0.47 1.75 0.49 0.61 1.55 -0.21 0 2.58 0.85 0.77 0.31 0.94 0.01 4.18 0.51 6.14 0.31 2.07 0.53 0.92 0.52 5.05 -0.12 3.89 -0.02 0.54 0.11 0.87 0.98 0.35 -0.21 2.84 17 0.53 1.88 0.28 1.19 Hình 3.20 Hệ số tương quan (HSTQ) giữa lượng mưa dự báo đã được hiệu chỉnh thống kê với số liệu quan trắc Hình 3.19 Chỉ số ME của lượng mưa dự báo tích lũy 6h đã được hiệu chỉnh với số liệu quan trắc (mm) Như vậy, trên cơ sở phương pháp tính toán, đánh giá và hiệu chỉnh giá trị dự báo mưa bằng hai mô hình là IFS và WRF, luận án đã xác định được giá trị lượng mưa dự báo đã hiệu chỉnh khá phù hợp với thực tế. Giá trị mưa dự báo này sẽ được sử dụng làm đầu vào trong mô hình dự báo thủy văn hạn vừa trên lưu vực sông Ba. 3.2. Kết quả dự báo dòng chảy trên lưu vực sông Ba 3.2.1. Hiệu chỉnh và kiểm định mô hình Bảng 3.9 Bảng kết quả bộ thông số mô hình Mike NAM và HEC-HMS cho tiểu lưu vực An Khê và Ayun Hạ 18