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

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%.

pdf176 trang | Chia sẻ: huydang97 | Ngày: 27/12/2022 | Lượt xem: 359 | Lượt tải: 1download
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)

Các file đính kèm theo tài liệu này:

  • pdfluan_an_nghien_cuu_cai_tien_mo_hinh_marine_de_mo_phong_va_du.pdf
  • pdfQĐ cap Vien_ B.V.Chanh_FINAL.pdf
  • pdfTom tat tieng Anh.pdf
  • pdfTom tat tieng Viet.pdf
  • pdfTrang thong tin dong gop moi tieng Anh.pdf
  • docxTrang thong tin dong gop moi tieng Viet.docx
  • pdfTrang thong tin dong gop moi tieng Viet.pdf
Luận văn liên quan