ICOLD Bullentin 170 - HƯỚNG DẪN VỀ ĐÁNH GIÁ LŨ VÀ AN TOÀN ĐẬP - Bài 7: Đánh giá các trận lũ cực đoan

1.2 Các phương pháp ước tính lũ

Các phương pháp ước lượng lũ có thể được chia thành hai nhóm: một là dựa trên phân tích thống kê dữ liệu lũ, và hai là dựa trên việc chuyển đổi lượng mưa bằng một hàm truyền hoặc mô hình mô phỏng.

Phân tích tần suất lũ là ví dụ phổ biến nhất của phương pháp đầu tiên. Trong phương pháp này, một phân phối xác suất được hiệu chỉnh dựa trên các giá trị lũ cực đại xảy ra vượt ngưỡng nhất định hoặc trong các khoảng thời gian cố định; xác suất vượt mức hàng năm của đặc trưng lũ cần quan tâm sau đó được xác định từ phân phối đã hiệu chỉnh. Các phương pháp tần suất lũ đặc biệt hấp dẫn vì chúng tránh được việc phải xem xét các xác suất kết hợp phức tạp liên quan đến quá trình chuyển đổi từ mưa thành lũ. Tuy nhiên, hiệu quả của các phương pháp này phụ thuộc lớn vào độ dài của chuỗi số liệu hiện có và mức độ đại diện của nó đối với lưu vực và điều kiện khí hậu đang xét. Hạn chế về độ dài chuỗi số liệu tại vị trí quan tâm có thể được phần nào khắc phục bằng cách phân tích dữ liệu lũ cổ (paleoflood records) (ví dụ: Baker, 2008), hoặc bằng cách kết hợp dữ liệu từ hai hay nhiều trạm quan trắc khác nhau thông qua kỹ thuật phân tích vùng (regional pooling) (Castellarin et al., 2012).

Đối với nhóm phương pháp dựa trên lượng mưa, có nhiều kỹ thuật khác nhau có thể được áp dụng. Khi phân loại các phương pháp này, điều quan trọng là phân biệt giữa hàm truyền thủy văn (hoặc mô hình), dùng để chuyển đổi lượng mưa thành một đặc trưng dòng chảy, và khung mô phỏng, được sử dụng để thực hiện mô hình và xác định xác suất vượt mức của sự kiện. Về bản chất, hàm truyền điều khiển cường độ của đặc trưng dòng chảy, trong khi khung mô phỏng xác định cách tính toán xác suất vượt mức của sự kiện đó.

Các hàm truyền khác nhau có thể được xây dựng với các mức độ hợp lý thủy văn khác nhau, trong đó phức tạp nhất là các mô hình mô phỏng dựa trên vật lý, nơi pha mặt đất của chu trình thủy văn được biểu diễn bằng các phương trình toán học mô tả sự chuyển động của nước. Mặc dù một số hàm truyền dễ được triển khai hơn trong một khung mô phỏng cụ thể, nhưng về nguyên tắc, tất cả các hàm truyền đều có thể được điều chỉnh để chạy trong bất kỳ khung mô phỏng nào. Các chi tiết về quy trình xây dựng các hàm truyền điển hình được trình bày trong Chương 1.

Các khung mô phỏng khác nhau có thể được chia thành ba nhóm chính, bao gồm:
(i) phương pháp tất định (deterministic), (ii) phương pháp ngẫu nhiên (stochastic), và
(iii) phương pháp tổng hợp (comprehensive). Các thành phần cơ bản của ba phương pháp này được minh họa trong Hình 2.1, và được mô tả ngắn gọn dưới đây.

Phương pháp tất định (Deterministic methods) được thực hành phổ biến trong ngành ở nhiều quốc gia trên thế giới. Với phương pháp này, một sự kiện mưa có xác suất vượt mức hàng năm hoặc cường độ được xác định trước (chẳng hạn như Lượng mưa tối đa có thể xảy ra – Probable Maximum Precipitation) được chuyển đổi thành biểu đồ thủy văn lũ thông qua một mô hình thủy văn.

Phương pháp này được gọi là "tất định" vì kết quả đầu ra về lũ được tính toán dựa trên tập hợp các đầu vào được lựa chọn rõ ràng. Quá trình chuyển đổi này thường bao gồm hai bước mô hình hóa:

(i) Mô hình tạo dòng chảy (runoff production model) để chuyển đổi lượng mưa từ cơn bão tại bất kỳ điểm nào trong lưu vực thành lượng mưa dự thừa (rainfall excess) hay dòng chảy bề mặt tại vị trí đó, và

(ii) Mô hình hình thành biểu đồ thủy văn (hydrograph formation model) để mô phỏng quá trình chuyển đổi lượng mưa vượt ngưỡng thành đồ thị thủy văn lũ tại điểm xét.

Hình 2.1  Các khung mô phỏng được sử dụng để ước lượng lũ thiết kế

Khi sử dụng để ước lượng các trận lũ với xác suất vượt mức hàng năm định trước, các kỹ thuật tất định (deterministic) giả thiết rằng xác suất của trận lũ được ước lượng sẽ bằng xác suất của lượng mưa đầu vào. Giả thiết này dựa trên việc các yếu tố thủy văn kiểm soát quá trình tạo dòng chảy được thiết lập sao cho trung lập về xác suất (probability-neutral).

Trên thực tế, điều này có nghĩa là các yếu tố liên quan đến phân bố thời gian và không gian của lượng mưa, điều kiện ban đầu và tổn thất được đặt ở các giá trị “điển hình” tương ứng với lượng mưa đầu vào, và các yếu tố hình thành biểu đồ thủy văn thường được giả định không thay đổi theo lượng mưa. Tuy nhiên, giả định về tính trung lập xác suất không còn phù hợp khi ước lượng lũ cực hạn (PMF), vì mục tiêu trong trường hợp này là xác định trận lũ lớn nhất có thể xảy ra một cách hợp lý, mà không xem xét đến xác suất vượt mức của nó.

Trong khi đó, phương pháp ngẫu nhiên (stochastic) cung cấp một cách tiếp cận thay thế, giả thiết rằng bất kỳ đặc trưng lũ thiết kế nào (ví dụ lưu lượng đỉnh) có thể xuất phát từ nhiều tổ hợp khác nhau của các yếu tố gây lũ, chứ không chỉ từ một tổ hợp duy nhất. Ví dụ, cùng một lưu lượng đỉnh có thể xảy ra do một cơn mưa vừa trên lưu vực đã bão hòa, hoặc một cơn mưa lớn trên lưu vực còn khô.

Minh họa cho điều này được thể hiện trong Hình 2.2, trong đó các điểm màu xám biểu thị các đỉnh lũ phát sinh từ sự kết hợp ngẫu nhiên của các yếu tố chính gây lũ đối với một lưu vực có diện tích 7.000 km². Khoảng dao động theo phương thẳng đứng của các đỉnh lũ này với một xác suất vượt hàng năm nhất định phản ánh mức độ nhạy cảm của lũ đối với các yếu tố ngẫu nhiên, ứng với một lượng mưa xác định (trong trường hợp này là sự phân bố không gian và thời gian của mưa, cũng như tổn thất ban đầu và liên tục).

Các cách tiếp cận như vậy cố gắng mô phỏng ‘mẹ thiên nhiên’ ở chỗ ảnh hưởng của tất cả các yếu tố ngẫu nhiên quan trọng đều được xem xét rõ ràng, từ đó cung cấp một sự biểu diễn thực tế hơn về quá trình hình thành lũ. Phương pháp này có thể dễ dàng được điều chỉnh để tập trung vào những khía cạnh liên quan nhất đến vấn đề. Theo đó, có thể sử dụng các giá trị đơn lẻ ‘trung hòa xác suất’ cho những yếu tố chỉ có ảnh hưởng nhỏ đến quá trình tạo dòng chảy, và dùng phân bố đầy đủ cho các yếu tố đầu vào quan trọng hơn, chẳng hạn như tổn thất và quy luật phân bố theo thời gian.

Cách tiếp cận này bao gồm việc thực hiện nhiều mô phỏng, trong đó các yếu tố ngẫu nhiên được lấy mẫu dựa trên sự biến thiên quan sát được trong tự nhiên. Xác suất vượt của đặc trưng lũ mong muốn có thể được tính toán dựa trên Định lý Xác suất Toàn phần (Nathan và Weinmann, 2013); phương pháp này là một phân tích thống kê tính đến sự chồng lấn của các phân bố lũ tương ứng với các khoảng lượng mưa liên tiếp, từ đó xây dựng được đường tần suất trung tâm của phân bố lũ (đường màu đỏ trong Hình 2.2).

Hình 2.2 Minh họa sự biến động của các đỉnh lũ phát sinh từ sự kết hợp các yếu tố ngẫu nhiên và mối quan hệ của chúng với đường tần suất được xây dựng bằng định lý xác suất toàn phần

Chi tiết về tính thực tiễn của cách tiếp cận này sẽ được trình bày trong phần sau, nhưng cần lưu ý rằng phương pháp này có thể sử dụng cùng loại dữ liệu đầu vào thủy văn và các mô hình giống như trong các phương pháp tất định. Cả cách tiếp cận tất định và ngẫu nhiên đều phù hợp với các mô hình dựa trên sự kiện, trong đó giả định rằng xác suất mưa bão là yếu tố chính kiểm soát xác suất vượt của lũ đầu ra. Tuy nhiên, trong một số trường hợp phụ thuộc nhiều vào thể tích — chẳng hạn như chuỗi bậc thang hồ chứa hoặc điều kiện tan băng theo mùa — giả định này có thể không phù hợp, và khi đó việc áp dụng mô phỏng liên tục hoặc phương pháp kết hợp là hiệu quả hơn.

Với cách tiếp cận tổng hợp (xem đánh giá của Boughton và Droop, 2003), các kỹ thuật mô phỏng liên tục được sử dụng để chuyển đổi chuỗi số liệu mưa và bốc hơi đầu vào thành chuỗi số liệu dòng chảy đầu ra; các trận lũ quan tâm sẽ được trích xuất từ chuỗi dòng chảy mô phỏng và phân tích bằng phương pháp phân tích tần suất thông thường. Các mô hình được dùng để biến đổi lượng mưa đầu vào thành dòng chảy thường phức tạp hơn nhiều so với các mô hình thường áp dụng trong phương pháp sự kiện thiết kế hoặc phương pháp ngẫu nhiên. Nguyên nhân chính của sự phức tạp này là khả năng của mô hình trong việc xét đến sự thay đổi của độ ẩm đất (và các hồ khác trong lưu vực) trong suốt thời gian mô phỏng.

Phương pháp mô phỏng liên tục có ưu điểm lớn là cho phép xem xét ngầm định mối tương quan giữa các yếu tố khác nhau chi phối quá trình hình thành lũ. Nhược điểm chính của phương pháp này trong bối cảnh ước tính lũ là việc mô phỏng chính xác quá trình mưa–dòng chảy và quá trình truyền lũ, từ dòng chảy kiệt đến lũ lớn, đặt ra thách thức đáng kể cho việc phát triển mô hình. Hơn nữa, để ước tính xác suất vượt lũ có ý nghĩa đối với an toàn đập, cần sử dụng các kỹ thuật tạo mưa ngẫu nhiên nhằm xây dựng các chuỗi dữ liệu tổng hợp dài gấp nhiều lần so với số liệu lịch sử hiện có.

Có nhiều biến thể của các phương pháp trên, và trong thực tế có thể cần phát triển các cách tiếp cận kết hợp, tận dụng những ưu điểm khác nhau của từng phương pháp (xem Mục 2.5).

Các cách tiếp cận khác nhau có những điểm mạnh và điểm yếu riêng, và việc lựa chọn phương pháp phù hợp nhất phần nào phụ thuộc vào mục tiêu thiết kế. Đặc biệt, các phương pháp này khác nhau ở khả năng tận dụng các loại thông tin khác nhau. Khái niệm này được minh họa trong Hình 2.3, ví dụ phân tích tần suất tại chỗ rất phù hợp để đặc trưng hóa rủi ro lũ dựa trên thông tin từ chuỗi số liệu lũ quan trắc, trong  khi các kỹ thuật phân tích tần suất khu vực lại cần thiết để ngoại suy vượt ra ngoài giới hạn mà dữ liệu địa phương cho phép. Phân tích tần suất tại chỗ và khu vực cung cấp bằng chứng độc lập có giá trị để hỗ trợ việc áp dụng các phương pháp khác, nhưng chúng chỉ trực tiếp phù hợp cho an toàn đập trong một số ít trường hợp (tức là đối với các đập có mức độ nguy hiểm thấp, khi rủi ro lũ quan tâm có thể so sánh với giới hạn ngoại suy hợp lý).

Hiệu quả tương đối giữa các kỹ thuật ngẫu nhiên và tất định đối với các sự kiện hiếm gặp vẫn còn nhiều tranh luận, và phụ thuộc vào đặc tính của hệ thống được nghiên cứu. Với các phương pháp tất định, giả định về tính ‘trung hòa xác suất’ thực sự chỉ có thể được kiểm chứng bằng các ước lượng độc lập (chẳng hạn như từ phân tích tần suất); ngược lại, các phương pháp ngẫu nhiên có thể xem xét rõ ràng các xác suất đồng thời liên quan đến việc hình thành dòng lũ (cả vào và ra khỏi hồ chứa), do đó việc ngoại suy được biện minh dễ dàng hơn. Tuy nhiên, cần lưu ý rằng hiểu biết của chúng ta về sự phụ thuộc trong hành vi của các yếu tố gây lũ vượt ra ngoài phạm vi số liệu quan trắc ngày càng kém chắc chắn, và vì vậy đến một thời điểm nào đó việc điều chỉnh các sơ đồ lấy mẫu dựa trên lập luận vật lý là cần thiết.

Hình 2.3 Khả năng áp dụng của các phương pháp khác nhau trong miền xác suất quan tâm

Còn tiếp- Bài 8: Các phương pháp kinh nghiệm