1. Đã cải tiến thành công mô hình MARINE bằng phương pháp tích hợp
trực tiếp mô hình sóng động học một chiều, mô đun diễn toán dòng chảy qua
hồ và công cụ nội suy mưa không gian.
2. Mô hình MARINE cải tiến mô phỏng dòng chảy lũ có hiệu quả trên
các lưu vực sông Cái Nha Trang, Dinh Ninh Hòa, Cái Phan Rang và bước đầu
cải thiện chất lượng dự báo nghiệp vụ trên lưu vực sông Cái Nha Trang.
3. Mô hình sóng động học một chiều sử dụng có hiệu quả trên một số lưu
vực sông thiếu số liệu mặt cắt ngang ở khu vực Nam Trung Bộ và tăng chất
lượng mô phỏng mô hình MARINE cải tiến so với mô hình MARINE gốc;
được thể hiện qua chỉ tiêu NSE tăng từ 0,65 đến 0,89 lên từ 0,82 đến 0,93, giảm
sai số tổng lượng từ 5,5% đến 24,5% giảm xuống từ 1,0% đến 14,4%, giảm sai
số đỉnh lũ từ 14,0% đến 39,1% xuống từ 1,0% đến 21,7%.
4. Mô đun diễn toán dòng chảy qua hồ cải thiện đáng kể chất lượng mô
phỏng trên một số lưu vực sông có ảnh hưởng của hồ chứa ở khu vực Nam
Trung Bộ; được thể hiện qua chỉ tiêu NSE tăng từ 0,23 lên 0,93, sai số tổng
lượng giảm từ 8,2% đến 38,1% xuống từ 3,5% đến 6,2%, sai số đỉnh lũ giảm
từ 35,3% đến 59,7% xuống từ 5,9% đến 15,6%.
5. Công cụ nội suy mưa là một giải pháp có hiệu quả để khắc phục thiếu
số liệu mưa không gian trên một số lưu vực sông ở khu vực Nam Trung Bộ và
tăng chất lượng mô phỏng so với phương pháp phân bố mưa truyền thống; được
thể hiện qua chỉ tiêu NSE từ 0,60 đến 0,89 tăng lên từ 0,87 đến 0,92, sai số tổng
lượng giảm từ 1,5% đến 40,8% xuống từ 1,0% đến 23,0%, sai số đỉnh lũ giảm
từ 16,3% đến 30,4% xuống từ 5,5% - 21,7%.
176 trang |
Chia sẻ: huydang97 | Ngày: 27/12/2022 | Lượt xem: 356 | Lượt tải: 1
Bạn đang xem trước 20 trang tài liệu Luận án Nghiên cứu cải tiến mô hình Marine để mô phỏng và dự báo dòng chảy cho lưu vực sông thiếu số liệu - áp dụng cho khu vực Nam Trung Bộ, để xem tài liệu hoàn chỉnh bạn click vào nút DOWNLOAD ở trên
ng
Chất lượng dự báo của hai trạm vượt chỉ tiêu chất lượng dự báo thủy văn
thời hạn ngắn theo quy định của Tổng cục Khí tượng Thủy văn từ 4,7% đến
6,5% và cao hơn chất lượng dự báo bằng mô hình Tank, NAM đang được sử
dụng tại phòng Dự Báo của Đài Khí tượng Thủy văn khu vực Nam Trung Bộ
từ 2% đến 5%. Đường quá trình lưu lượng thực đo, mô phỏng dòng chảy thời
0
200
400
600
800
1000
1200
1400
1600
1800
Thực đo Dự báo Mô phỏng
Thời gian
Q (m3/s)
T
h
ờ
i
đ
iể
m
d
ự
b
áo
122
gian đã qua và dự báo tại một thời điểm dự báo với thời gian dự kiến 24h cho
trạm thủy văn Đồng Trăng và Diên Phú được thể hiện trên Hình 3.52 và 3.54;
quá trình lưu lượng thực đo và dự báo với thời gian dự kiến 24h trong cả mùa
lũ được thể hiện trong Hình 3.53 và 3.55.
Hình 3.53. Biểu đồ quá trình lưu lượng thực đo và dự báo thời gian dự kiến
24 giờ tại trạm thủy văn Đồng Trăng từ tháng 9 đến tháng 12 năm 2020
Hình 3.54. Biểu đồ phân tích dự báo trận lũ lớn nhất năm 2020 thời gian dự
kiến 24 giờ lúc 19h30 ngày 30 tháng 11 tại trạm thủy văn Diên Phú
0
200
400
600
800
1000
1200
1400
1600
1800
Thực đo Dự báo
Q (m3/s)
Thời gian
0
500
1000
1500
2000
2500
Thực đo Dự báo Mô phỏng
Q (m3/s)
Thời gian
T
h
ờ
i
đ
iể
m
d
ự
b
áo
123
Hình 3.55. Biểu đồ quá trình lưu lượng thực đo và dự báo thời gian dự kiến
24 giờ tại trạm thủy văn Diên Phú từ tháng 9 đến tháng 12 năm 2020
3.3.3.3. Dự báo và đánh giá độ tin cậy với thời gian dự kiến 48h
Đánh giá chất lượng dự báo với thời gian dự kiến 48h và sử dụng sai số
cho phép của 24 giờ (tại trạm thủy văn Đồng Trăng là 140 m3/s và Diên Phú là
10%) được kết quả như sau:
- Tại trạm thủy văn Đồng Trăng dự báo đúng 1700 trị số trong tổng số
2323 trị số dự báo, đạt chất lượng 73,2%.
- Tại trạm thủy văn Diên Phú dự báo đúng 1660 trị số trong tổng số 2312
trị số dự báo, đạt chất lượng 71,8%.
Với thời gian dự kiến 48 giờ và sai số cho phép như 24 giờ, chất lượng
dự báo của hai trạm thấp hơn chỉ tiêu chất lượng dự báo thủy văn thời hạn ngắn
theo quy định của Tổng cục Khí tượng Thủy văn từ 11,8% đến 13,2%.
Đánh giá chất lượng dự báo với sai số cho phép của 48 giờ (tại trạm thủy
văn Đồng Trăng là 280 m3/s và Diên Phú là 20%) được kết quả như sau:
- Tại trạm thủy văn Đồng Trăng dự báo đúng 2019 trị số trong tổng số
2323 trị số dự báo, đạt chất lượng 86,9%.
0
200
400
600
800
1000
1200
1400
1600
1800
2000
2200
Thực đo Dự báo
Thời gian
Q (m3/s)
124
- Tại trạm thủy văn Diên Phú dự báo đúng 1972 trị số trong tổng số 2312
trị số dự báo, đạt chất lượng 85,3%.
Hình 3.56. Biểu đồ phân tích dự báo trận lũ lớn nhất năm 2020 thời gian dự
kiến 48 giờ lúc 19h30 ngày 30 tháng 11 tại trạm thủy văn Đồng Trăng
Hình 3.57. Biểu đồ quá trình lưu lượng thực đo và dự báo thời gian dự kiến
48 giờ tại trạm thủy văn Đồng Trăng từ tháng 9 đến tháng 12 năm 2020
Với thời gian dự kiến 48 giờ và sai số cho phép như 48 giờ, chất lượng
dự báo của hai trạm đều vượt chỉ tiêu chất lượng dự báo thủy văn thời hạn ngắn
theo quy định của Tổng cục Khí tượng Thủy văn từ 0,3% đến 1,9%. Đường quá
0
200
400
600
800
1000
1200
1400
1600
1800
2000
Tính toán Dự báo Mô phỏng
T
h
ờ
i
đ
iể
m
d
ự
b
áo
Thời gian
Q (m3/s)
0
200
400
600
800
1000
1200
1400
1600
1800
2000
Thực đo Dự báo
Q (m3/s)
Thời gian
125
trình lưu lượng thực đo, mô phỏng dòng chảy thời gian đã qua và dự báo tại
một thời điểm dự báo với thời gian dự kiến 48h cho trạm thủy văn Đồng Trăng
và Diên Phú được thể hiện trên Hình 3.56 và 3.58; quá trình lưu lượng thực đo
và dự báo với thời gian dự kiến 48h trong cả mùa lũ được thể hiện trong Hình
3.57 và 3.59. Như vậy, mô hình MARINE cải tiến có thể sử dụng trong dự báo
với thời gian dự kiến 48 giờ trên lưu vực sông Cái Nha Trang nếu sử dụng sai
số cho phép 48 giờ như các lưu vực sông lớn.
Hình 3.58. Biểu đồ phân tích dự báo trận lũ lớn nhất năm 2020 thời gian dự
kiến 48 giờ lúc 19h30 ngày 30 tháng 11 tại trạm thủy văn Diên Phú
Hình 3.59. Biểu đồ quá trình lưu lượng thực đo và dự báo thời gian dự kiến
48 giờ tại trạm thủy văn Diên Phú từ tháng 9 đến tháng 12 năm 2020
0
200
400
600
800
1000
1200
1400
1600
1800
2000
Thực đo Dự báo Mô phỏng
T
h
ờ
i
đ
iể
m
d
ự
b
áoQ (m
3/s)
Thời gian
0
200
400
600
800
1000
1200
1400
1600
1800
2000
2200
Thực đo Dự báo
Q (m3/s)
Thời gian
126
3.3.4. Đánh giá khả năng ứng dụng mô hình MARINE cải tiến trong dự báo
cho các lưu vực sông
Mô hình MARINE cải tiến đã được thiết lập, hiệu chỉnh, kiểm định
chứng minh hiệu quả trên các lưu vực sông Cái Nha Trang, Dinh Ninh Hòa,
Cái Phan Rang và một trong số ba lưu vực được ứng dụng dự báo thử nghiệm
trong mùa lũ năm 2020. Dữ liệu đầu vào của quá trình mô phỏng thử trên các
lưu vực sông được có thể sử dụng trong dự báo, riêng lượng mưa có sự khác
nhau về số lượng trạm và quá trình mưa gồm hai giai đoạn là mưa thực đo trong
quá khứ nối tiếp với mưa dự báo. Tuy nhiên, sự khác nhau đó được xử lý bằng
công cụ nội suy mưa, quá trình mưa dự báo cho các trạm được thực hiện thông
qua nghiệp vụ báo định lượng mưa và kết nối với mô hình số trị. Ngoài ra, kết
quả của mô hình số trị đang dần được cải thiện về độ phân giải và nâng cao khả
năng hiệu chỉnh với số liệu thực đo để tăng chất lượng mưa dự báo cho mô hình
MARINE cải tiến. Kết quả dự báo mưa trên ô lưới của mô hình số trị và phương
pháp tăng độ phân giải động lực (downscaling) có khả năng kết nối với mưa
phân bố ô lưới của mô hình MARINE là điều kiện thuận lợi để ứng dụng mô
hình MARINE cải tiến trong dự báo. Ngoài ra, công cụ nội suy mưa không gian
mã nguồn mở nên dễ dàng nâng cấp và kết nối với mô hình số trị, sản phẩm
định lượng mưa viễn thám để đa dạng dữ liệu đầu vào cho mô hình MARINE.
Đối với lưu vực sông Cái Nha Trang, công cụ nội suy mưa có thể nâng
cấp để kết nối mưa dự báo dạng lưới của mô hình WRF cũng như số liệu trạm
radar Hòn Tre sẽ đa dạng hóa dữ liệu mưa đầu vào và cho phép có được các số
liệu mưa dự báo tin cậy hơn. Vì vậy, mô hình MARINE cải tiến có khả năng
nâng cao chất lượng dự báo lũ cho lưu vực sông Cái Nha Trang và có tiềm năng
áp dụng tương tự cho các lưu vực sông Dinh Ninh Hòa, Cái Phan Rang, do đó,
trong thời gian tới cần được thử nghiệm, đánh giá thêm trong chế độ dự báo
nghiệp vụ tại các lưu vực sông này.
Giới hạn sử dụng của mô hình MARINE cải tiến là mô phỏng dòng chảy
lũ, đến vùng sông không ảnh hưởng triều và với các hồ chứa không có chức
năng điều tiết lũ. Với số liệu đầu vào dễ dàng khai thác, mô hình có điều kiện
thuận lợi để thiết lập cho dự báo trên các lưu vực sông khác. Trong đó, bản đồ
127
DEM, lớp phủ thực vật, loại đất, mực nước ngầm, độ ẩm đất, độ rộng sông, hệ
số nhám lòng sông có thể được khai thác từ ảnh vệ tinh, bản đồ chuyên đề, nội
suy không gian từ các điểm/trạm; số liệu độ dốc sông được tính từ bản đồ DEM
và số liệu hồ chứa được thu thập từ hồ sơ thiết kế các công trình; lượng mưa và
vị trí các trạm khí tượng, thủy văn, đo mưa thủ công, đo mưa tự động của nhiều
hệ thống và nguồn số liệu được đồng bộ và tích hợp. Khó khăn lớn nhất hiện
nay là dự báo mưa định lượng, tuy nhiên đây là khó khăn chung và đang từng
bước được cải thiện. Số liệu mưa dự báo có thể kết nối với mô hình dự báo khí
tượng số trị và hiệu chỉnh thông qua phương trình hồi quy giữa dự báo và thực
đo tại các trạm. Như vậy, mô hình MARINE cải tiến hoàn toàn có thể ứng dụng
trong nghiệp vụ dự báo cho các lưu vực sông khác, tương tự như đã thực hiện
trên lưu vực sông Cái Nha Trang.
TIỂU KẾT CHƯƠNG 3
- Mô hình MARINE cải tiến đã được ứng dụng để mô phỏng trên lưu vực
sông Cái Nha Trang, Dinh Ninh Hòa, Cái Phan Rang và dự báo thử nghiệm
thực tế trên lưu vực sông Cái Nha Trang trong mùa lũ năm 2020. Trong giai
đoạn mô phỏng kết quả hiệu chỉnh trên lưu vực sông Cái Nha Trang đánh giá
bằng chỉ tiêu NSE đạt từ 0,80 đến 0,92, sai số tổng lượng từ 10,6% đến 20%,
sai số đỉnh lũ từ 2,7% đến 23,3%; kết quả kiểm định bằng chỉ tiêu NSE đạt từ
0,88 đến 0,91, sai số tổng lượng từ 1% đến 23%, sai số đỉnh lũ từ 4,5% đến
18,3%. Kết quả hiệu chỉnh trên lưu vực sông Dinh Ninh Hòa bằng chỉ tiêu NSE
đạt từ 0,83 đến 0,91, sai số tổng lượng từ 3,6% đến 11,9%, sai số đỉnh lũ từ
9,1% đến 20,7%; kết quả kiểm định bằng chỉ tiêu NSE đạt từ 0,90 đến 0,92, sai
số tổng lượng 5,9% đến 10%, sai số đỉnh lũ từ 6,6% đến 11,1%. Kết quả hiệu
chỉnh trên lưu vực sông Cái Phan Rang bằng chỉ tiêu NSE đạt từ 0,90 đến 0,91,
sai số tổng lượng từ 3% đến 16,5%, sai số đỉnh lũ từ 1,6% đến 18,8%; kết quả
kiểm định bằng chỉ tiêu NSE đạt 0,87, sai số tổng lượng là 4,8%, sai số đỉnh lũ
là 21,7%. Tất cả các kết quả đánh giá bằng các chỉ tiêu thống kê nói trên đều từ
mức đạt đến tốt, đảm bảo yêu cầu về độ tin cậy trong mô phỏng dòng chảy lũ
ở các lưu vực sông nói trên.
128
- Các công cụ, mô đun, mô hình tích hợp đã được chứng minh làm tăng
cường khả năng và chất lượng mô phỏng của mô hình MARINE cải tiến thông
qua so sánh giữa tính toán trong trường hợp mô hình gốc và mô hình cải tiến
so với giá trị thực đo.
- Ứng dụng mô hình MARINE cải tiến dự báo thử nghiệm trên lưu vực
sông Cái Nha Trang trong mùa lũ năm 2020 cho thấy mô hình này hoàn toàn
có thể được ứng dụng cho dự báo lũ nghiệp vụ đến trạm Đồng Trăng và Diên
Phú, với chất lượng dự báo đạt cao hơn quy định của Tổng cục Khí tượng Thủy
văn từ 4,7% đến 6,5% với thời gian dự kiến 24 giờ và từ 0,3% đến 1,9% với
thời gian dự kiến 48 giờ.
129
KẾT LUẬN VÀ KIẾN NGHỊ
1. KẾT LUẬN
1. Đã cải tiến thành công mô hình MARINE bằng phương pháp tích hợp
trực tiếp mô hình sóng động học một chiều, mô đun diễn toán dòng chảy qua
hồ và công cụ nội suy mưa không gian.
2. Mô hình MARINE cải tiến mô phỏng dòng chảy lũ có hiệu quả trên
các lưu vực sông Cái Nha Trang, Dinh Ninh Hòa, Cái Phan Rang và bước đầu
cải thiện chất lượng dự báo nghiệp vụ trên lưu vực sông Cái Nha Trang.
3. Mô hình sóng động học một chiều sử dụng có hiệu quả trên một số lưu
vực sông thiếu số liệu mặt cắt ngang ở khu vực Nam Trung Bộ và tăng chất
lượng mô phỏng mô hình MARINE cải tiến so với mô hình MARINE gốc;
được thể hiện qua chỉ tiêu NSE tăng từ 0,65 đến 0,89 lên từ 0,82 đến 0,93, giảm
sai số tổng lượng từ 5,5% đến 24,5% giảm xuống từ 1,0% đến 14,4%, giảm sai
số đỉnh lũ từ 14,0% đến 39,1% xuống từ 1,0% đến 21,7%.
4. Mô đun diễn toán dòng chảy qua hồ cải thiện đáng kể chất lượng mô
phỏng trên một số lưu vực sông có ảnh hưởng của hồ chứa ở khu vực Nam
Trung Bộ; được thể hiện qua chỉ tiêu NSE tăng từ 0,23 lên 0,93, sai số tổng
lượng giảm từ 8,2% đến 38,1% xuống từ 3,5% đến 6,2%, sai số đỉnh lũ giảm
từ 35,3% đến 59,7% xuống từ 5,9% đến 15,6%.
5. Công cụ nội suy mưa là một giải pháp có hiệu quả để khắc phục thiếu
số liệu mưa không gian trên một số lưu vực sông ở khu vực Nam Trung Bộ và
tăng chất lượng mô phỏng so với phương pháp phân bố mưa truyền thống; được
thể hiện qua chỉ tiêu NSE từ 0,60 đến 0,89 tăng lên từ 0,87 đến 0,92, sai số tổng
lượng giảm từ 1,5% đến 40,8% xuống từ 1,0% đến 23,0%, sai số đỉnh lũ giảm
từ 16,3% đến 30,4% xuống từ 5,5% - 21,7%.
6. Đánh giá chất lượng mô phỏng dòng chảy lũ của mô hình MARINE
đã cải tiến trên một số lưu vực sông ở khu vực Nam Trung Bộ cho thấy mô
130
hình có khả năng mô phỏng tốt, với chỉ tiêu NSE đạt từ 0,83 - 0,91, sai số tổng
lượng từ 1% - 23% và sai số đỉnh lũ từ 1,6% - 23,3%.
7. Ứng dụng mô hình MARINE cải tiến để dự báo trên lưu vực sông Cái
Nha Trang trong mùa lũ năm 2020 cho mức đảm bảo với thời gian dự kiến 24h
từ 89,7% đến 91,5% và cao hơn yêu cầu chất lượng dự báo từ 4,7 % đến 6,5%.
8. Đánh giá chất lượng dự báo mô hình MARINE cải tiến với thời gian
dự kiến 48h trong mùa lũ năm 2020 trên lưu vực sông Cái Nha Trang bằng sai
số cho phép của thời gian dự kiến 24h từ 71,8% đến 73,2%, kết quả thấp hơn
yêu cầu chất lượng từ 11,8 đến 13,2%; nhưng nếu sử dụng sai số cho phép của
thời gian dự kiến 48h thì kết quả đạt chất lượng từ 85,3% đến 86,9%, cao hơn
yêu cầu từ 0,3% đến 1,9%.
9. Mô hình sóng động học một chiều, mô đun diễn toán dòng chảy qua
hồ chứa, công cụ nội suy mưa được xây dựng dưới dạng chương trình con, mã
nguồn mở, sẽ được chia sẻ rộng rãi nên khá thuận tiện để cải tiến và phát triển
trong các nghiên cứu tiếp theo.
2. KIẾN NGHỊ
1. Mô hình MARINE cải tiến có khả năng áp dụng cho nhiều loại lưu
vực sông, tuy nhiên mô hình mới chỉ áp dụng cho một số sông ở khu vực Nam
Trung Bộ; do đó, mô hình MARINE cải tiến cần được ứng dụng cho các lưu
vực sông khác, ở các khu vực khác để đánh giá thêm về tiềm năng của mô hình.
2. Mô hình MARINE cải tiến mới chỉ thử nghiệm dự báo nghiệp vụ trên
lưu vực sông Cái Nha Trang trong mùa lũ 2020, có hiệu quả ban đầu với thời
gian dự kiến 24h và 48h; do đó, cần được ứng dụng trên các lưu vực sông khác,
trong mùa lũ các năm tiếp theo để xác định mức độ ổn định của mô hình trong
công tác dự báo nghiệp vụ và có thêm cơ sở đề xuất tăng thời gian dự kiến 48h
của lưu vực sông vừa và nhỏ như các lưu vực sông lớn.
131
3. Mô hình MARINE cải tiến có giới hạn mô phỏng đến đoạn sông không
ảnh hưởng triều và hồ tràn tự do; do đó, có thể cân nhắc tiếp tục tích hợp bộ
mô hình sóng động lực để tăng giới hạn mô phỏng theo không gian về phía hạ
lưu và nâng cấp mô đun diễn toán dòng chảy qua hồ cho các hồ chứa điều tiết
bằng van điều khiển, hồ vận hành thời gian thực.
4. Nâng cao chất lượng mưa phân bố đầu vào là khó khăn rất lớn trong
ứng dụng mô hình mưa dòng chảy thông số phân bố, trong đó có mô hình
MARINE cải tiến; do đó, cần đa dạng hóa và sử dụng lượng mưa phân bố bằng
phương pháp định lượng mưa viễn thám (radar thời tiết, ảnh mây vệ tinh), sản
phẩn mưa ô lưới của mô hình số trị (mưa dự báo, tái phân tích lượng mưa).
132
TÀI LIỆU THAM KHẢO
Tài liệu tiếng Việt
1. Ngô Lê An, Trịnh Thu Phương (2000), “Nghiên cứu khả năng ứng dụng
mô hình thủy văn thông số phân bố tính toán dòng chảy lũ lưu vực sông Đà”,
Tạp chí Khoa học kỹ thuật Thủy lợi và Môi trường, số 30-2000, tr. 115-120.
2. Hoàng Thị An, Ngô Lê An, Hoàng Văn Đại (2020), “Nghiên cứu đánh
giá và khai thác dữ liệu tái phân tích ERA-Interim cho bài toán mô phỏng dòng
chảy lưu vực sông Lô đến trạm thủy văn Ghềnh Gà”, Tạp chí Khoa học kỹ thuật
Thủy lợi và Môi trường, Số 68 (tháng 03 năm 2020).
3. Nguyễn Lan Châu (2006), Nghiên cứu xây dựng công nghệ dự báo lũ lụt
phục vụ điều tiết hồ Hòa Bình trong công tác phòng chống lũ lụt, Báo cáo tổng
kết đề tài cấp bộ, Trung tâm Dự báo Khí tượng Thủy văn Trung ương, Hà Nội.
4. Công ty Cổ phần Thủy điện Sông Chò (2016), Hồ sơ thiết kế hồ thủy
điện Sông Chò 2, Khánh Hòa.
5. Công ty Cổ phần Khai thác thủy điện Sông Giang (2005), Hồ sơ thiết
kế hồ thủy điện Sông Giang 1, Khánh Hòa.
6. Công ty Tư vấn và Chuyển giao Công nghệ (2015), Rà soát điều chỉnh
quy hoạch thủy lợi tỉnh đến năm 2020 và tầm nhìn đến năm 2030 thích ứng với
biến đổi khí hậu, Ninh Thuận.
7. Công ty TNHH MTV Khai thác Công trình Thủy lợi Khánh Hòa
(2015), Xây dựng phương án phòng chống lụt bão hạ du hồ chứa nước Suối
Dầu, Khánh Hòa.
8. Đặng Quốc Dũng, Nguyễn Minh Giám (2015), “Mô phỏng mưa đặc
trưng tháng tại lưu vực Hồ Dầu Tiếng tỉnh Tây Ninh bằng mô hình Thomas
Fiering”, Tạp chí Khí tượng Thủy văn, Số tháng 1 năm 2015, tr. 39-42.
9. Nguyễn Văn Điệp (2004), Nghiên cứu cơ sở khoa học cho các giải
pháp tổng thể dự báo phòng tránh lũ lụt ở đồng bằng sông Hồng, Báo cáo tổng
kết đề tài cấp Nhà nước, Viện cơ học Việt Nam, Hà Nội.
10. Nguyễn Hướng Điền, Tạ Văn Đa (2007), Giáo trình Khí tượng radar,
NXB Đại học Quốc gia Hà Nội.
133
11. Nguyễn Tiền Giang, Nguyễn Thị Thủy (2009), “Khai thác mô hình
WetSpa phục vụ dự báo lũ các lưu vực sông quốc tế: Tính bất định số liệu, tham
số, cấu trúc mô hình và đề xuất các giải pháp”, Tạp chí Khoa học Đại học Quốc
gia Hà Nội, Khoa học Tự nhiên và Công nghệ 25, Số 1S (2009), tr. 35-45.
12. Bùi Tuấn Hải, Lê Viết Sơn (2020), “Nghiên cứu ứng dụng mô hình
IFAS và dữ liệu viễn thám trong mô phỏng dòng chảy lũ xuyên biên giới lưu
vực sông Thao”, Tạp chí Khí tượng Thủy văn, Số 713, tr. 24-36.
13. Đỗ Kim Hoan (2007), Điều tra tai biến địa chất ven biển Nam Trung
Bộ, Báo cáo tổng kết dự án cấp bộ, Liên Đoàn Quy Hoạch Và Điều Tra Tài
Nguyên Nước Miền Trung, Khánh Hòa.
14. Nguyễn Tiến Kiên, Lê Đình Thành, Lâm Hùng Sơn (2014), “Nghiên
cứu ứng dụng tính toán dự báo lũ sông Mê công từ mưa vệ tinh SRE và
TRMM”, Tuyển tập Hội nghị Khoa học Đại học Thủy Lợi.
15. Bùi Đình Lập (2017), Nghiên cứu xây dựng công nghệ dự báo dòng
chảy lũ đến các hồ chứa lớn trên hệ thống sông Hồng, Báo cáo tổng kết đề tài
cấp bộ, Trung tâm Dự báo Khí tượng Thủy văn Trung ương, Hà Nội.
16. Nguyễn Văn Lý (2010), Lập bản đồ ngập lụt lưu vực sông Dinh Ninh
Hòa và sông Cái Nha Trang, Báo cáo tổng kết dự án cấp tỉnh, Đài Khí tượng
Thủy văn khu vực Nam Trung Bộ, Khánh Hòa.
17. Vũ Đức Long, Trần Ngọc Anh, Hoàng Thái Bình, Đặng Đình Khá
(2010), “Giới thiệu công nghệ dự báo lũ hệ thống sông Bến Hải và Thạch Hãn
sử dụng mô hình MIKE 11”, Tạp chí Khoa học ĐHQGHN, Khoa học Tự nhiên
và Công nghệ 26, Số 3S (2010), tr. 397‐404.
18. Đặng Thanh Mai (2009), Nghiên cứu ứng dụng mô hình WETSPA và
HEC-RAS mô phỏng, dự báo quá trình lũ trên hệ thống sông Thu Bồn - Vũ Gia,
Báo cáo tổng kết đề tài cấp bộ, Trung tâm Dự báo Khí tượng Thủy văn Trung
ương, Hà Nội.
19. Đặng Thanh Mai (2013), Nghiên cứu xây dựng hệ thống phân tích,
giám sát, cảnh báo và dự báo lũ, ngập lụt và hạn hán cho hệ thống sông Ba,
Báo cáo tổng hợp đề tài cấp bộ, Trung tâm Dự báo Khí tượng Thủy văn Trung
ương, Hà Nội.
134
20. Bùi Chí Nam (2017), “Nghiên cứu đánh giá dữ liệu mưa quan trắc vệ
tinh từ GPM và PERSIANN phục vụ cảnh báo mưa thành phố Hồ Chí Minh”,
Tạp chí Khí tượng Thủy văn, Số 679, tr. 27-33.
21. Phạm Thị Thanh Ngà (2019), “Nghiên cứu tương quan giữa đặc tính
mây và mưa lớn cho khu vực thành phố Hồ Chí Minh bằng dữ liệu vệ tinh
HIMAWARI-8 và GSMAP”, Tạp chí Khí tượng Thủy văn, Số 702, tr. 21-30.
22. Vũ Văn Nghị (2014), Nghiên cứu đánh giá tài nguyên nước sông Cái
và khả năng đáp ứng cho nhu cầu phát triển kinh tế xã hội tỉnh Ninh Thuận đến
năm 2020 và tầm nhìn 2030, Báo cáo tổng kết đề tài cấp tỉnh, Trường ĐH Khoa
học Tự nhiên - ĐHQG Thành phố Hồ Chí Minh, Ninh Thuận.
23. Hoàng Phê (1993), Từ điển tiếng Việt, NXB Văn hoá, Hà Nội.
24. Nguyễn Hồng Quân (2011), “Một số cách tiếp cận mô hình thủy văn
phục vụ công tác dự báo lũ miền núi”, Tạp chí Khí tượng Thủy văn, Số 607
(tháng 7 năm 2011), tr. 15-21.
25. Bùi Nam Sách (2014), Xây dựng qui trình vận hành liên hồ chứa Đá
Bàn, Suối Trầu, EaKrông Rou trong mùa lũ lưu vực sông Dinh Ninh Hòa - tỉnh
Khánh Hòa, Báo cáo tổng kết đề tài cấp tỉnh, Viện Quy hoạch Thủy lợi, Khánh
Hòa.
26. Nguyễn Văn Thắng, Hoàng Đức Cường, Nguyễn Đăng Mậu, Nguyễn
Vinh Thư, Phùng Kiến Quốc (2013), “Xác định lượng mưa kết hợp từ thông tin
vệ tinh radar và đo mưa tại trạm”, Tạp chí Khí tượng Thủy văn, Số 631, tr. 28-34.
27. Trương Hoài Thanh (2014), “Quan trắc mưa bằng công nghệ viễn
thám G-WADI PERSIANN-CCS GEOSERVER”. Hội thảo khoa học quốc gia
về khí tượng - thủy văn - môi trường và biến đổi khí hậu.
28. Nguyễn Vinh Thư (2011), Nghiên cứu phương pháp xác định lượng
mưa trên cơ sở anh mây vệ tinh địa tĩnh MTSAT cho khu vực Việt Nam, Báo
cáo đề tài nghiên cứu khoa học cấp bộ, Trung tâm Dự báo khí tượng Thủy văn
Trung ương, Hà Nội.
29. Đặng Ngọc Tĩnh (2010), Nghiên cứu ứng dụng số liệu vệ tinh, mưa dự
báo số trị kết hợp số liệu bề mặt trong dự báo lũ hệ thống sông Hồng-Thái
135
Bình, Báo cáo tổng kết đề tài cấp bộ, Trung tâm Dự báo Khí tượng Thủy văn
Trung ương, Hà Nội.
30. Tổng công ty đường sắt Việt Nam (2014), Nghiên cứu lập Dự án cho
các Dự án Đường sắt cao tốc đoạn Hà Nội - Vinh và Tp. HCM - Nha Trang,
Báo cáo Kỹ thuật số 4: Bản đồ các khu vực nhạy cảm về môi trường, Hà Nội.
31. Tổng cục Khí tượng Thủy văn (2020), Quyết định 277/QĐ-TCKTTV
ngày 4 tháng 5 năm 2020 về Về việc ban hành danh sách các trạm điện báo
phục vụ dự báo khí tượng thủy văn, Hà Nội.
32. Đoàn Quang Trí, Lê Thị Huệ (2016), “Mô hình hóa dự báo dòng chảy
lưu vực sông Mê Công - Việt Nam”, Hội nghị khoa học Khí tượng thủy văn và
hải dương học, Tháng 10 năm 2016.
33. Đoàn Quang Trí (2019), “Ứng dụng mô hình thủy văn-thủy lực kết
hợp mưa dự báo IFS phục vụ cảnh báo lũ, ngập lụt hạ lưu sông Vu Gia-Thu
Bồn”, Tạp chí Khí tượng Thủy văn, Số 703, tr. 27-41.
34. Nguyễn Hồng Trường (2017), Nghiên cứu bổ sung đặc điểm khí hậu
thủy văn tỉnh Ninh Thuận, Báo cáo đề tài nghiên cứu khoa học cấp tỉnh, Đài
Khí tượng Thủy văn khu vực Nam Trung Bộ, Ninh Thuận.
35. Hoàng Thanh Tùng (2011), Nghiên cứu dự báo mưa, lũ trung hạn cho
vận hành hệ thống hồ chứa phòng chống lũ - ứng dụng cho lưu vực sông Cả,
Luận án tiến sĩ Thủy văn, Trường Đại học Thủy lợi, Hà Nội.
36. Văn phòng Chính phủ (2016), Quyết định 90/QĐ-TTg ngày 12 tháng
01 năm 2016 của Thủ tướng Chính phủ về Phê duyệt Quy hoạch mạng lưới
quan trắc tài nguyên và môi trường quốc gia giai đoạn 2016-2025 tầm nhìn
đến năm 2030, Hà Nội.
37. Văn phòng Quốc hội (2015), Luật Khí tượng Thủy văn, Quốc Hội khóa
13, Hà Nội.
Tài liệu tiếng Anh
38. Akiyuki K., Petra K., Katsunori T., Asanobu K., Eiji I., Koji I.,
Ryosuke S., Masaru K., Tosho K. (2018), “Data Integration and Analysis
System (DIAS) as a Platform for Data and Model Integration: Cases in the Field
136
of Water Resources Management and Disaster Risk Reduction”, Data Science
Journal, Issues 17: 29, pp. 1-14.
39. Bingeman A. K., Kouwen N. (2011), Using radar data the WatFlood
hydrological model to estimate streamflow, University of Waterloo, Canada.
40. Bringi V. N., Rico Ramirez M. A., Thurai M. (2011). “Rainfall
Estimation with an Operational Polarimetric C-Band Radar in the United
Kingdom: Comparison with a Gauge Network and Error Analysis”, Journal of
Hydrometeor, Volume 12, Issue 5, pp. 935-954.
41. Chen T., Ren L., Yuan F., Yang X., Jiang S., Tang T., Liu Y., Zhao
C., Zhang L. (2017), “Comparison of Spatial Interpolation Schemes for
Rainfall Data and Application in Hydrological Modeling”, Journal Water,
ISSN 2073-4441, Volume 9, Issue 5.
42. Chow M. F., Jamil M. M. (2018), “Review of development and
applications of Integrated Flood Analysis System (IFAS) for flood forecasting in
insufficiently-gauged catchments”, https://www.researchgate.net/publication/
325146178.
43. Coulibaly M., Becker S. (2007), “Spatial Interpolation of Annual
Precipitation in South Africa - Comparison and Evaluation of Methods”,
International Water Resources Association, Water International, Volume 32,
Number 3, September 2007.
44. Cuong N. T., Phương T. T. (2008), “Forecasting the discharge into
Hoa Binh reservoir by applying the connecting model MARINE - IMECH1D”,
Vietnam Journal of Mechanics, VAST, Vol. 30, No. 3 (2008), pp. 149 - 157.
45. Danish Hydraulic Institute (2016), Mike Zero Manuals, Hørsholm,
Denmark.
46. Earls J., Dixon D. B. (2007), Spatial Interpolation of Rainfall Data
Using ArcGIS: A Comparative Study, Geo-Spatial Analytics Lab University of
South Florida St. Petersburg.
47. Emmerik T. V., Mulder G., Eilander D., Piet M., Savenije H. (2015),
“Predicting the ungauged basin: model validation and realism assessment”,
Journals Earth Science, https://doi.org/10.3389/feart.2015.00062.
137
48. Fattah M. A., Kantoush S. A., Saber M., Sumi T. (2018), “Rainfall
runoff Modeling for extrame flash floods in Wadi Samail (Oman)”, Journal of
Japan Society of Civil Engineers, Ser. B1 (Hydraulic Engineering), Vol. 74,
No. 5, I_691-I_696.
49. Garambois P. A., Roux H., Larnier K., Labat D., Dartusb D. (2015),
“Parameter regionalization for a process-oriented distributed model dedicated
to flash floods”, Journal of Hydrology, Volume 525, June 2015, pp, 383-399.
50. Giesen N. V., Hut R., Drost N., Werkhoven B. V. (2021),
EWaterCycle, https://www.ewatercycle.org/Landscape.html.
51. Giuseppe F., Giovanna C., Olaf D., Timothy R. G., Riccardo R.
(2016), “Integration of a Three-Dimensional Process-Based Hydrological
Model into the Object Modeling System”, Multidisciplinary Digital Publishing
Institute (
52. Gokmen T., Vijay P. S. (2006), “Kinematic wave model of bed
profiles in alluvial channels”, Water Resources Research, Vol. 42.
53. Grossi G., Kouwen N. (2004), “Intercomparison among hydrologic
simulations coupled to meteorological predictions provided by different
mesoscale meteorological model”, 29° Convegno Nazionale di Idraulica e
Costruzioni Idrauliche - Trento, 7-10 settembre 2004, Vol II, pp. 265-271.
54. Guan H., Wilson J. L., Makhnin O. (2005), “Geostatistical mapping
of mountain precipitation incorporating autosearched effects of terrain and
climatic characteristics”, Journal Hydrometeorol, Volume 6, pp. 1018-1031.
55. Hai N. D., Bae D. H., (2020), “Correcting mean areal precipitation
forecasts to improve urban flooding predictions by using long short-term
memory network”, Journal of Hydrology, Volume 584, No 124710.
56. Holtan H. N., Lopez N. C. (1971), “USDAHL -70 Model of
Watershed Hydrology”, Technical Bullentin No 1435, United States
Department of Agriculture.
57. Hrachowitz M., Savenije H. H. G., Blöschl G., McDonnell J. J.,
Sivapalan M., Pomeroy J. W., Arheimer B., Blume T., Clark M. P., Ehret U.,
Fenicia F., Freer J. E., Gelfan A., Gupta H. V., Hughes D. A., Hut R. W.,
138
Montanari A., Pande S., Tetzlaff D., Troch P. A., Uhlenbrook S., Wagener T.,
Winsemius H. C., Woods R. A., Zehe E., Cudennec C. (2013 ), “A decade of
Predictions in Ungauged Basins (PUB) - a review”, Hydrological Sciences
Journal,
58. Hu Q., Li Z., Wang L., Huang Y., Wang Y., Li L. (2019), “Rainfall
Spatial Estimations: A Review from Spatial Interpolation to Multi-Source Data
Merging”, Journal Water, ISSN 2073-4441, Volume 11, No 579.
59. Hua W., Zhou L., Nicholson S. E., Chen H., Qin M. (2019),
“Assessing reanalysis data for understanding rainfall climatology and
variability over Central Equatorial Africa”, Climate Dynamics, No. 53, pp.
651–669.
60. Ify L. N. (1978), “Kinematic-wave simulation program for natural
rivers”, Advances in Engineering Software, Volume 8, Issue 1, January 1986,
pp. 32-45.
61. Islam M. A., Haque N. N., Halim D. M. A. (2013), “IOSR Journal of
Mechanical and Civil Engineering (IOSR-JMCE)”, e-ISSN 2278-1684, p-ISSN
2320-334X, Volume 9, Issue 6 (Nov. - Dec. 2013), pp. 55-60.
62. Jaccvkis P. M., Tabak E. G. (1996), “A Kinematic Wave Model for
Rivers with Flood Plains and Other Irregular Geometries”, Elsevier Science Ltd
Printed in Great Britain, Modelling, Vol. 24, No. 11, pp. 1-21.
63. Jacques C., Denis D. (2005), “Flash-flood anticipation”, Comptes
Rendus Geoscience, Volume 337, Issue 13, September - October 2005, pp.
1109-1119.
64. Jeff G., Ken T., Mark R. (2005), “Introduction to the Integrated
Hydrologic Model (IHM)”,
65. Jeffrey G., Ken T., Mark R. (2006), “Introduction to the Integrated
Hydrologic Model”, Water Resources Engineer.
66. Krysanova V., Hattermann F., Huang S., Hesse C., Vetter T., Liersch
S., Koch H., Kundzewicz Z. W. (2014), “Modelling climate and land use
change impacts with SWIM: lessons learnt from multiple applications”,
Hydrological Sciences Journal.
139
67. Krajewski W.F., Smith J. A. (2002), “Radar hydrology: rainfall
estimation”, Advances in Water Resources, Volume 25, Issues 8–12, pp, 1387-1394.
68. Lai H. V., Diep N. V., Cuong N. T., Phong N. H. (2009), “Coupling
hydrological–hydraulic models for extreme flood simulating and forecasting on
the North Central Coast of Vietnam”, WIT Transactions on Ecology and the
Environment, Vol 124, WIT Press, ISSN 1743-3541.
69. Linh N. T. M., Tri D. Q., Thai T. H., Don N. C. (2018), “Application
of a two-dimensional model for flooding and floodplain simulation: Case study
in Tra Khuc-Song Ve river in Viet Nam”, Lowland Technology International,
Vol. 20 (3), pp. 367-378.
70. Mei X., Gelder V., Dai Z., Tang Z. (2016), “Impact of dams on flood
occurrence of selected rivers in theUnited States”, Frontiers of Earth Science,
DOI: 10.1007/s11707-016-0592-1.
71. Michael J. C. (1996), “Professional integrity and the social role of
hydro-GIS, HydroGIS 96: Application of Geographic Information Systems in
Hydrology and Water Resources Management (Proceedings of the Vienna
Conference, April 1996)”, Hydrological Sciences Journal, No. 235.
72. Michael G. B., Junye C., Franklin R. R., Robert F. A. (2008),
“Evaluation of Global Precipitation in Reanalyses”, Journal of Applied
Meteorology and Climatology, Vol 47, No 9, pp. 2279-2299.
73. Miller J. E. (1984), Basic Concepts of Kinematic-Wave Models, U.S.
Geological Survey Professional, pp. 1302.
74. National Aeronautics and Space Administration, Access NASA Earth
Science Data, https://search.earthdata.nasa.gov/search.
75. Nghi V. V., Lam H. B. N., Anh T. P., Van C. T. (2020),
“Development and Application of a Distributed Conceptual Hydrological
Model to Simulate Runoff in the Be River Basin and the Water Transfer
Capacity to the Saigon River Basin - Vietnam”, Journal of Environmental
Science and Engineering, No A9-Jan-Feb, pp. 1-12.
76. Nkiaka E., Nawaz N. R., Lovett J. C. (2016), “Evaluating global
reanalysis precipitation datasets with rain gauge measurements in the Sudano‐
140
Sahel region: case study of the Logone catchment - Lake Chad Basin”, Journal
Meteorological Applications, https://doi.org/10.1002/met.1600.
77. Nkiaka E., Nawaz N. R., Lovett J. C. (2017), “Evaluating Global
Reanalysis Datasets as Input for Hydrological Modelling in the Sudano-Sahel
Region”, Journals Hydrology, Volume 4, Issue 1.
78. Ocio D., Beskeen T., Smart K. (2019), “Fully distributed
hydrological modelling for catchment-wide hydrological data verification”,
Hydrology Research, Volume 50, Issue 6, pp, 1520-1534.
79. Paul R. H., Shuttleworth W. J., Famiglietti J. S., Gupta H. V., Syed
K. H., Goodrich D. C. (1998), “Integration of soil moisture remote sensing and
hydrologic modeling using data assimilation”, AGU Journal, Water Resources
Research, Vol. 34, No. 12, pp. 3405 - 3420.
80. Peng D., Zhijia L., Zhiyu L. (2008), “Numerical algorithm of
distributed TOPKAPI model and its application”, Journal of Water Science and
Engineering, Volume 1, Issue 4, pp. 14-21.
81. Reed S., Koren V., Smith M., Zhang Z., Moreda F., Seo D. J. (2004),
“Overall Distributed Model Intercomparison Project Results”, Journal of
Hydrology, Volume 298, Issues 1-4, pp. 27-60.
82. Riccardo R., Giacomo B., Thomas M. O. (2006), “GEOtop: A
Distributed Hydrological Model with Coupled Water and Energy Budgets”,
Journal of Hydrometeorology, Volume 7, Issue 3 (June 2006), pp. 371-388.
83. Robert M., Jahannes, J. D. (1993), Introduction and apolication of
kinematic wave routing techniues using HEC-1, Hydrologic Engineering
Center, Us Army Corps of Engineers.
84. Roshan S., Yasuto T., Kaoru T. (2006), “Input data resolution
analysis for distributed hydrological modeling”, Journal of Hydrology, Volume
319, pp. 36-50.
85. Ruelland D., Bardin S. A., Billen G., Servat E. (2008), “Sensitivity
of a lumped and semi-distributed hydrological model to several methods of
rainfall interpolation on a large basin in West Africa”, Journal of Hydrology,
Volume 361, Issues 1-2, pp. 96-117.
141
86. Safari A., Smedt F. D., Moreda F. (2012), “WetSpa Model
Application in the Distributed Model Intercomparison Project (DMIP2)”,
Journal of Hydrology, Volume 418-419, pp. 78-89.
87. Sajal K. A., Nitin M., Abdullah G. Y. (2017), “Cokriging for
enhanced spatial interpolation of rainfall in two Australian catchments”,
Hydrological Processes, Volume31, Issue 12 (15th June 2017), pp. 2143-2161.
88. Sameer S., Hafez S., Anan J. (2006), GIS-based KW-GIUH
hydrological model of semiarid catchments: The case of Faria catchment -
Palestine, Arabian Journal for Science and Engineering, Volume 32, Number
1C, ISSN 1319-8025.
89. Sarann L., Catherine C., Aurore D. (2013), Different methods for
spatial interpolation of rainfall data for operational hydrology and hydrological
modeling at watershed scale: a review, ISSN 1370-6233, pp. 392-406.
90. Satish B., Vasubandhu M. (2013), “Evaluation of dynamically
downscaled reanalysis precipitation data for hydrological application”,
Hydrological Process,
91. Simone F., Enrique R. V., Fred L. O., Valeriy Y. I., Benjamin M.,
David G., Charles W. D., Matteo C., Jason H. D., Brian E., Norm J., Jongho
K., Giuseppe M., Richard N., Pedro R., Riccardo R., Chaopeng S., Mauro S.,
David T. (2016), “An overview of current applications, challenges, and future
trends in distributed process-based models in hydrology”, Journal of
Hydrology, Volume 537, June 2016, pp. 45-60.
92. Simons D. B., Li R. M., Stevens M. A. (1975), Development of
models for prediction water and sediment routing and yield from storms on
small watershed. The University of Michigan.
93. Smith M., Koren V., Zhang Z., Moreda F., Cui Z., Cosgrove B.,
Mizukami N., Kitzmiller D., Ding F., Reed S., Anderson E., Schaake J., Zhang
Y., Andréassian V., Perrin C., Coron L., Valéry A., Khakbaz B., Sorooshian S.,
Behrangi A., Imam B., Hsu K. L., Todini E., Coccia G., Mazzetti C., Andres E.
O., Francés F., Orozco I., Hartman R., Henkel A., Fickenscher P., Staggs S.
(2013), “The distributed model intercomparison project – Phase 2: Experiment
142
design and summary results of the western basin experiments”, Journal of
Hydrology, Volume 507, Issues 12 , pp. 300-329.
94. Son N. T., Anh L. T., Dung L. H., Thai T. H. (2016), “A finite
element one-dimensional kinematic wave rainfall-runoff model”, Natural
Science and Engineering , Pacific Science Review A.
95. Stisen S., Tumbo M. (2015), “Interpolation of daily raingauge data
for hydrological modelling in data sparse regions using pattern information
from satellite data”, Hydrological Sciences Journal, ISSN: 0262-6667, pp.
2150-3435.
96. Sulis M., Paniconi C., Rivard C., Harvey R., Chaumont D. (2011),
“Assessment of climate change impacts at the catchment scale with a detailed
hydrological model of surface-subsurface interactions and comparison with a
land surface model”, Water Resources Research, Volume 47, ISSN 0043-1397.
97. Techow V., Maidment D. R., Mays L. W. (1988), Applied
Hydrology, ISBN 0-07-010810-2.
98. Thai T. H., Tri D. Q. (2019), “Combination of Hydrologic and
Hydraulic Modeling on Flood and Inundation Warning: Case Study at Tra
Khuc-Ve River Basin in Vietnam”, Vietnam Journal of Earth Sciences, Volume
41, No 03, pp. 240-251.
99. Toponogov V.A. (2006), Differential Geometry of Curves and
Surfaces, ISBN 978-0-8176-4402-4.
100. Uysal G., Akkol B., Topcu M. I., Sensoy A., Schwanenberg D.
(2016), “Comparison of Different Reservoir Models for Short Term Operation
of Flood Management”, Procedia Engineering, Volune 154, pp. 1385-1392.
101. Vijay P. S. (1996), Kinematic Wave Modeling in Water Resources,
ISBN 0-471-10945-2.
102. Vijay P. S. (2018), “Hydrologic modeling: progress and future
directions”, Geoscience Letters, Volume 5, No 15, doi.org/10.1186/s40562-
018-0113-z.
103. Wang W., Lu H., Yang D., Sothea K., Jiao Y., Gao B. (2016),
“Modelling Hydrologic Processes in the Mekong River Basin Using a
143
Distributed Model Driven by Satellite Precipitation and Rain Gauge
Observations”, PLoS ONE 11(3), https://doi.org/10.1371/journal.pone.0152229
104. William A. P., Zhuoran D., Ning S., Mark S. W., Marshall C. R.,
Xiaodong C., Leung L. R. (2019), “Parallel Distributed Hydrology Soil
Vegetation Model (DHSVM) Using Global Arrays”, Environmental Modelling
& Software, Volume 122.
105. Xiaobo Z., Matthew J. H., Zhiming Q. (2014), “Evaluation of the
MIKE SHE model for hydrologic modeling in a small agricultural watershed”,
Applied Engineering in Agriculture, ISSN 0883-8542, Volume 29, No 6, pp.
865-873.
106. Yang L., Yang Y., Liu P., Wang L. (2016), “Radar - Derived
Quantitative Precipitation Estimation Based on Precipitation Classification”,
Journal Advances in Meteorology, Volume 2016.
107. Yangwen J., Tsuyoshi K., Junichi Y. (2003), “Distributed
Hydrological Modelling in the Yata watershed using the WEP model and
propagation of rainfall estimation error”, International Association of
Hydrological Sciences, No.282.2003.
108. Yin D., Evans B., Wang Q., Chen Z., Jia H., Albert S. C., Fu G.,
Ahmad S., Leng L. (2020), “Integrated 1D and 2D model for better assessing
runoff quantity control of low impact development facilities on community
scale”, Science of The Total Environment, Volume 720 (10 June 2020), pp.
13763.
109. Yue T.X. (2013), “Surface Modeling: High Accuracy and High
Speed Methods”, International Journal of Geographical Information Science,
Volume 27 (2013), Issue 8.
110. Yue T. X., Zhao N., Yang H., Song Y. J., Du Z. P., Fan Z. M., Song
D. J. (2013), “A Multi-Grid Method of High Accuracy Surface Modeling and
Its Validation”, Transactions in GIS, Volume 17, Issue 6, pp. 785-952.
111. Yue T. X., Du Z. P., Song D. J. (2007), “High Accuracy Surface
Modelling: HASM4”, Journal of Image and Graphics, Vulume 2, No 027.
144
112. Zbignieư W. K., Witold G. S. (2009), “Approximate translation in
the Muskingum model”, Hydrological Sciences Journal, ISSN: 0262-6667, pp.
2150-3435.
113. Zhang N., Chen W., Pourghasemi H. R., Kornejady A. (2017),
“Landslide spatial modeling: Introducing new ensembles of ANN, MaxEnt,
and SVM machine learning techniques”, Geoderma, No. 305, pp. 314-327.
114. Zhang S., Wang G., Zhang X. (2019), “Performance of Three Reanalysis
Precipitation Datasets over the Qinling-Daba Mountains, Eastern Fringe of Tibetan
Plateau, China”, Journals Advances in Meteorology, Volume 2019.
Tài liệu tiếng Pháp
115. Bessière H., Roux H., Dartus D. (2008), “Estimation de paramètres
et assimilation variationnelle de données pour un modèle hydrologique
distribué dédié aux crues éclairs”, Les 7èmes journées scientifiques et
techniques du CETMEF, Paris - 8, 9 et 10 décembre 2008.
116. Dartus D., Labat D. (2008), Assimilation de données variationnelle
pour la modélisation hydrologique distribuée des crues à cinétique rapide,
Doctorat de l’Université de Toulouse.
145
DANH MỤC CÁC CÔNG TRÌNH NGHIÊN CỨU
1. Bùi Văn Chanh, Trần Ngọc Anh, Lương Tuấn Anh (2016), “Mô phỏng dòng
chảy trong sông bằng sóng động học một chiều phi tuyến”, Tạp chí Khoa
học Đại học Quốc gia Hà Nội: Các Khoa học Trái đất và Môi trường, Tập
32, số 3S(2016) tr.14-19.
2. Bùi Văn Chanh, Trần Ngọc Anh (2016), “Tích hợp bộ mô hình dự báo thủy
văn lưu vực sông Trà Khúc”, Tạp chí Khoa học ĐHQGHN: Các Khoa học
Trái đất và Môi trường, Tập 32, số 3S(2016) tr.20-25.
3. Bùi Văn Chanh, Trần Ngọc Anh, Nguyễn Hồng Trường (2016), “Khôi phục
dữ liệu sông Cái Phan Rang bằng phương pháp tích hợp các mô hình”, Tạp
chí Khí tượng Thủy văn, số 668 (8/2016) tr.39-44.
4. Bùi Văn Chanh, Trần Ngọc Anh, Lương Tuấn Anh (2017), “Phát triển mô
hình sóng động học một chiều phi tuyến cho mạng lưới sông và ứng dụng
thử nghiệm cho lưu vực sông Dinh Ninh Hòa”, Tạp chí Khí tượng Thủy văn,
số 684 (12/2017) tr.41-45.
5. Bùi Văn Chanh, Trần Ngọc Anh (2020), “Thử nghiệm tích hợp mô hình
MARINE và mô hình Sóng động học một chiều trên lưu vực sông Cái Nha
Trang”, Tạp chí Khoa học Biến đổi Khí hậu, số 14 (6/2020) tr.45-55.
6. Bùi Văn Chanh, Trần Ngọc Anh, Nguyễn Quốc Huấn, Nguyễn Thị Hoan
(2020). “Thử nghiệm tích hợp mô hình Tank và Sóng động học một chiều để
dự báo thủy văn hạn vừa trên lưu vực sông Ba”, Tạp chí Khí tượng Thủy văn,
số 722 (2021) tr.38-48.
146
PHỤ LỤC BẢNG
Bảng 1. Tiêu chuẩn đánh giá chất lượng cho các chỉ tiêu
Chỉ tiêu Nash -
Sutcliffe (NSE)
𝑁𝑆𝐸 = 1 −
∑ (𝑄𝑑𝑖 − 𝑄𝑡𝑖)
2𝑛
𝑖=1
∑ (𝑄𝑑𝑖 − �̅�)2
𝑛
𝑖=1
Trong đó: Qdi là lưu lượng thực đo thứ i.
Qti là lưu lượng tính toán thứ i
�̅� là lưu lượng thực đo trung bình.
Giá trị Đánh giá
NSE > 0.85 Tốt
0.65 < NSE ≤ 0.85 Khá
0.40 < NSE ≤ 0.65 Đạt
NSE ≤ 0.40 Không đạt
Sai số tổng lượng
(PEvol)
𝑃𝐸𝑣𝑜𝑙 =
∑ |𝑊𝑑𝑖 − 𝑊𝑡𝑖|
𝑛
𝑖=1
∑ (𝑊𝑑𝑖)
𝑛
𝑖=1
× 100%
Trong đó: Wdi là tổng lượng thực đo thứ i.
Wti là tổng lượng tính toán thứ i.
Giá trị Đánh giá
PEvol ≤ 15% Sai số nhỏ
15% < PEvol ≤ 35% Sai số trung bình
PEvol > 35% Sai số lớn
Sai số đỉnh lũ (PEp)
𝑃𝐸𝑝 =
|𝑄𝑑𝑚𝑎𝑥 − 𝑄𝑡𝑚𝑎𝑥|
𝑄𝑑𝑚𝑎𝑥
× 100%
Trong đó: Qdmax là lưu lượng thực đo lớn nhất.
Qtmax là lưu lượng tính toán lớn nhất.
Giá trị Đánh giá
PEp ≤ 10% Tốt
10% < PEp ≤ 20% Khá
20% < PEp ≤ 30% Trung bình
PEp > 30% Kém
Bảng 2. Hệ số nhám Maning của những lòng sông thiên nhiên (M.F. Xripnut)
STT Tính chất lòng sông n
1
Lòng sông thiên nhiên trong những điều kiện rất tốt (sạch,
thẳng, không có rác rưởi, lòng sông bằng đất với dòng chảy tự
do).
0,025
2
Lòng sông mà dòng chảy không ổn định, loại sông đồng bằng
(chủ yếu là sông lớn và trung bình), trong những điều kiện tốt
0,033
147
về tình trạng của lòng sông và của dòng nước chảy. Những
dòng chảy có tính chu kỳ (lúc nhiều nước, lúc ít nước) với mặt
nước và hình dạng lòng sông ở tình trạng tốt.
3
Những dòng sông không đổi ở đồng bằng, tương đối sạch trong
những điều kiện bình thường, uốn khúc với một số nét không
đều đặn của mặt đáy (có bãi cạn, vực, nhiều chỗ có đá). Những
lòng sông bằng đất của những sông có tính chu kỳ (lòng khô)
trong điều kiện tương đối tốt.
0,040
4
Lòng sông của những sông lớn và trung bình, gặp nhiều trở ngại
uốn khúc, có bộ phận cỏ mọc, có nhiều đá, với dòng chảy không
được êm. Những dòng nước có tính chu kỳ (về mùa mưa và về
mùa xuân), trong thời gian lũ mang một số lượng lớn bùn cát,
lòng sông có đá, sỏi lớn hoặc thực vật (cỏ, cây dại). Các bãi của
những sông lớn và trung bình, đã được khai khẩn tương đối, có
phủ thực vật (cây, cỏ dại) với một số lượng bình thường.
0,050
5
Lòng sông của những sông có tính chất chu kỳ bị ngăn trở nhiều
và uốn khúc nhiều. Những bãi mọc nhiều cỏ, không bằng
phẳng, khai khẩn chưa tốt (có vực, cây lá rộng, cây lá hình kim).
Sông miền núi có lòng sông bằng đá sỏi và đá tảng có mặt nước
không bằng phẳng. Những đoạn có nhiều chỗ chảy xiết của
sông đồng bằng.
0,067
6
Những sông và bãi có cây mọc nhiều (với dòng chảy yếu), có
vực lớn, sâu. Những lòng sông có đá tảng, loại sông miền núi
có dòng chảy cuồn cuộn, sủi bọt, có mặt nước bị vỡ (bọt nước
bay ngược tung lên trời).
0,080
7
Những bãi cùng loại với loại trên (loại 6) nhưng dòng chảy rất
không đều đặn, có những vùng nước xiên, những vũng . Loại
sông miền núi có thác, lòng sông có đá, sỏi lớn, hình dạng méo
mó, uốn khúc, hiện tượng đổ nước rõ rệt, bọt sủi nhiều đến nỗi
nước không trong suốt mà có màu trắng, tiếng chảy của dòng
át hẳn tất cả các tiếng động khác, nói chuyện cũng khó.
0,100
8
Những sông miền núi có đặc tính đại khái cũng giống như các
loại trên nhưng ở mức độ xấu hơn, những sông loại vũng lầy
(có bụi cây, bụi cỏ, ở nhiều nơi nước hầu như là tù hãm ).
Những bãi có khu nước tù đọng rất lớn, có những hố tù đọng
cục bộ (hồ, vũng).
0,133
9
Những dòng chảy loại hoang dã, lòng sông bằng đất bùn, đá .
Những bãi có cát hoang dại (có hàng đám cây rậm).
0,200
148
Bảng 3. Số liệu đặc trưng hồ chứa lưu vực sông Cái Nha Trang
Suối Dầu Sông Giang 1 Sông Chò 2
Z(m) F(km2) V(106m3) Z(m) F(km2) V(106m3) Z(m) F(km2) V(106m3)
20.0 0.0 0.0 443 0.0 0.0 275 0.0 0.0
22.5 0.24 0.01 450 0.04 0.09 280 0.0004 0.003
25.0 0.35 0.75 455 0.06 0.36 285 0.119 0.222
27.5 0.75 2.40 460 0.15 0.92 290 0.468 1.595
30.0 1.20 4.75 465 0.24 1.89 295 1.034 5.258
32.5 1.60 7.50 470 0.35 3.36 300 1.839 12.343
35.0 2.00 12.5 475 0.49 5.45 305 2.414 22.941
37.5 2.50 17.0 480 0.69 8.39 310 2.863 36.117
40.0 2.90 25.0 485 0.86 12.26
42.5 3.25 32.5
45.0 3.70 41.5
47.5 4.15 50.0
50.0 4.55 62.5
Bảng 4. Đặc trưng lòng hồ các hồ chứa trên lưu vực sông Dinh Ninh Hòa
Hồ Đá Bàn Hồ Eakrongrou Hồ Suối Trầu
Z (m) F (km2)
V
(106m3)
Z (m) F (km2)
V
(106m3)
Z (m) F (km2)
V
(106m3)
44 0.68 3.7 570 0 0 10 0.02 40
45.2 1.4 5 575 0.01 0.017 12 0.15 300
46 1.63 6.2 580 0.08 0.214 14 0.75 1500
47 1.85 7.5 585 0.36 1230 16 1.52 3040
48 2.14 9.5 590 0.81 4080 18 2.16 4320
49 2.4 11.5 595 1.57 9926
50 2.69 14 600 2.25 19425
51 3 17 605 3.02 32553
52 3.28 20 610 3.71 49349
53 3.58 23.5 615 4.96 70948
54 3.85 27 620 5.77 97748
55 4.15 31
56 4.45 35.5
57 4.74 40
58 5.04 45
149
59 5.32 50
60 5.64 56
61 5.94 62
62 6.26 68.5
63 6.8 75
64 7.1 82
65 7.38 89
66 7.69 97
67 7.99 105
68 8.28 113
69 8.57 121.5
70 8.86 130
Bảng 5. Đặc trưng lòng hồ các hồ chứa trên lưu vực sông Cái Phan Rang
Hồ Tân Giang Hồ Sông Sắt Hồ Sông Than Hồ Trà Co
Z
(m)
F
(km2)
V
(106m3)
Z (m)
F
(km2)
V
(106m3)
Z
(m)
F
(km2)
V
(106m3)
Z
(m)
F
(km2)
V
(106m3)
88 0 0 151 0.04 0.01
89 0.102 0.002 152 0.08 0.07 106 0.01 0.01 148 0.28 0.47
90 0.189 0.01 153 0.12 0.17 107 0.01 0.02 150 0.47 1.22
91 0.297 0.04 154 0.16 0.031 108 0.03 0.04 152 0.69 2.37
92 0.434 0.06 155 0.2 0.49 109 0.06 0.08 154 0.91 3.98
93 0.701 0.11 156 0.44 0.8 110 0.1 0.15 156 1.15 6.04
94 0.902 0.15 157 0.68 1.36 111 0.13 0.26 158 1.39 8.58
95 1.089 0.18 158 0.92 2.16 112 0.17 0.41 160 1.47 11.44
96 1.456 0.39 159 1.16 3.19 113 0.22 0.61 162 1.63 14.55
97 1.962 0.6 160 1.4 4.47 114 0.35 0.89
98 2.355 0.81 161 1.74 6.04 115 0.49 1.31
99 2.751 1.02 162 2.08 7.95 116 0.65 1.87
100 3.26 1.23 163 2.42 10.19 117 0.81 2.6
101 3.68 1.65 164 2.76 12.78 118 1 3.51
102 4.008 2.08 165 3.1 15.71 119 1.22 4.61
103 4.459 2.5 166 3.66 19.09 120 1.47 5.96
104 4.867 2.92 167 4.22 23.02 121 1.68 7.54
105 5.269 3.35 168 4.78 27.52 122 1.99 9.37
106 5.579 3.95 169 5.34 32.58 123 2.29 11.51
107 5.876 4.56 170 5.9 38.2 124 2.6 13.96
108 6.185 5.16 171 6.35 44.32 125 2.9 16.71
109 6.559 5.77 172 6.8 50.89 126 3.24 19.78
110 6.872 6.37 173 7.24 57.91 127 3.61 23.2
150
111 7.161 7.15 174 7.69 65.37 128 3.97 26.99
112 7.589 7.93 175 8.14 73.29 129 4.36 31.15
113 7.982 8.71 176 8.56 81.64 130 4.73 35.7
114 8.369 9.49 177 8.99 90.42 131 5.07 40.6
115 8.677 10.27 178 9.41 99.61 132 5.43 45.85
116 9.289 11.27 179 9.84 109.24 133 5.81 51.47
180 10.26 119.28 134 6.18 57.46
135 6.45 63.77
136 6.89 70.44
137 7.32 77.55
138 7.71 85.04
139 8.11 92.96
140 8.52 101.28
151
PHỤ LỤC HÌNH
Hình 1a. Mã nguồn mô hình sóng động học một chiều tuyến tính
Hình 1b. Mã nguồn mô hình sóng động học một chiều tuyến tính
152
Hình 2a. Mã nguồn mô hình sóng động học một chiều phi tuyến
Hình 2b. Mã nguồn mô hình sóng động học một chiều phi tuyến
153
Hình 3a. Mã nguồn mô đun diễn toán dòng chảy qua hồ
Hình 3b. Mã nguồn mô đun diễn toán dòng chảy qua hồ
154
Hình 3c. Tích hợp mô đun diễn toán dòng chảy qua hồ trong mô hình sóng
động học một chiều phi tuyến mạng lưới sông
Hình 4a. Mã nguồn công cụ nội suy mưa
155
Hình 4b. Mã nguồn công cụ nội suy mưa
Hình 5a. Mã nguồn chương trình hồi quy bội phi tuyến
156
Hình 5b. Mã nguồn chương trình hồi quy bội phi tuyến
Hình 6. Biều đồ đường đặc tính hồ Suối Dầu
15
20
25
30
35
40
45
50
55
0 10 20 30 40 50 60 70
1 2 3 4 5 6 7 Z(m)
V(106m3
)
F(km2)
Quan hệ: Z~F
Quan hệ: Z~V
157
Hình 7. Biều đồ đường đặc tính hồ Sông Giang 1
Hình 8. Biểu đồ đường đặc tính hồ Sông Chò 2
Hình 9. Biểu đồ đường đặc tính hồ Đá Bàn
440
450
460
470
480
490
0 2 4 6 8 10 12 14
1 2 3 4 5 6 7F(km
2)
V(106m3)
Z(m)
Quan hệ: Z~F
Quan hệ: Z~V
270
275
280
285
290
295
300
305
310
315
0 5 10 15 20 25 30 35 40
V(106m3)
F(km2)1 2 3 4 5 6 8Z(m)
Quan hệ: Z~F
Quan hệ: Z~V
7
40
45
50
55
60
65
70
75
0 20 40 60 80 100 120 140
V(106m3)
F(km2)Z(m)
Quan hệ: Z~F
Quan hệ: Z~V
2 4 6 8 10 12
158
Hình 10. Biểu đồ đường đặc tính hồ Eakrongrou
Hình 11. Biểu đồ đường đặc tính hồ Suối Trầu
Hình 12. Biểu đồ đường đặc tính hồ Tân Giang
560
570
580
590
600
610
620
630
0 20 40 60 80 100
V(106m3)
Quan hệ: Z~V
F(km2)
Quan hệ: Z~F
Z(m) 2 4 6 8
8
10
12
14
16
18
20
0 1 2 3 4 5
V(106m3)
F(km2)Z(m)
Quan hệ: Z~F
Quan hệ: Z~V
1 2 3 4
85
90
95
100
105
110
115
120
0 1 2 3 4 5 6 7 8 9 10 11 12
0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0 1,1
Quan hệ: Z~F
Quan hệ: Z~V
F(km2)
V(106m3)
Z(m)
159
Hình 13. Biểu đồ đường đặc tính hồ Sông Sắt
Hình 14. Biểu đồ đường đặc tính hồ Sông Than
Hình 15. Đường quan hệ Q = f(H) trạm thủy văn Diên Phú
145
150
155
160
165
170
175
180
185
0 10 20 30 40 50 60 70 80 90 100 110 120
1 2 3 4 5 6 7 8 9 10 11
F(km2)
V(106m3)
Z(m)
Quan hệ: Z~V
Quan hệ: Z~F
100
105
110
115
120
125
130
135
140
145
0 10 20 30 40 50 60 70 80 90 100 110
1 2 3 4 5 6 7 8 9 10
V(106m3)
F(km2)Z(m)
Quan hệ: Z~F
Quan hệ: Z~V
y = 0.2042x4.6579
R² = 0.9909
0
500
1000
1500
2000
2500
2 3 4 5 6 7 8
Q(m3/s)
H(m)
160
Hình 16. Đường quan hệ H = f(Q) trạm thủy văn Ninh Hòa
Hình 17. Đường quan hệ H = f(Q) trạm thủy văn Tân Mỹ
y = 68.162x0.3222
R² = 0.9976
250
300
350
400
450
500
550
600
50 150 250 350 450 550 650 750
Q(m3/s)
H(cm)
3500
3550
3600
3650
3700
3750
3800
3850
3900
3950
4000
0 100 200 300 400 500 600 700 800 900 1000 1100 1200 1300 1400 1500
Mực nước
(cm)
Lưu lượng (m3/s)