The Building a flood forecasting and warning system for Thu Duc City

Abstract

Building a model system for flood forecasting and warning is a solution to provide information about urban flooding to people in Thu Duc city at the present time when there are no effective flood control solutions for the whole city. Ho Chi Minh City. The model system is built including MIKE Flood model set (Mike URBAN model, MIKE 11, MIKE 21) and topographic data, rain forecast data (AI method), tide forecast (Utide software). , flood discharge forecast data of Dau Tieng reservoir, Tri An added a number of tools to support the model to run automatically using information technology that has been implemented in the project by the Sub-Institute of Meteorology, Hydrology, and Climate Change. Project "Building flood warning model for the South Central region". This model is calibrated and tested respectively with the data during September 26, 2016 and August 5, 2020 which is the time of 2 historic rains with total rainfall at Mac Dinh Chi station booked immediately. The center of Ho Chi Minh City measured nearly 200mm, the rain pattern spread over the whole city and gave quite good results about the predicted flood depth compared with the actual measured data with an error of ±5cm. Information about live camera flood warnings including visual warnings and flood depth, forecast flood maps and other information is available on the gis website: http://chongngaphcm.info.

GIỚI THIỆU

Thành phố Thủ Đức (TPTĐ) được thành lập trên cơ sở sáp nhập của ba quận là Quận 2, Quận 9 và Q. Thủ Đức (xem Figure 1 ) 1 , TPTĐ là thành phố đầu tiên của Việt Nam thuộc loại hình đơn vị hành chính thành phố trực thuộc thành phố trung ương. TPTĐ nằm ở phía đông thành phố Hồ Chí Minh (TPHCM) có vị trí địa lí như sau: Phía đông giáp với thành phố Biên Hòa và huyện Long Thành, tỉnh Đồng Nai với ranh giới là sông Đồng Nai; Phía tây giáp Quận 12, Q. Tân Bình, Q. Bình Thạnh, Quận 1 và Quận 4 với ranh giới là sông Sài Gòn; Phía nam giáp huyện Nhơn Trạch, tỉnh Đồng Nai và Quận 7 (qua sông Sài Gòn); và Phía bắc giáp các thành phố Thuận An và Dĩ An thuộc tỉnh Bình Dương.

Figure 1 . Vị trí khu vực nghiên cứu

TPTĐ với quy mô dân số hơn 1 triệu người (12% tổng dân số của TPHCM), các trận ngập đã làm gián đoạn các hoạt động kinh tế xã hội, đã và đang tiếp tục ảnh hưởng đến việc giao thông, lưu thông hàng hóa, sinh hoạt của người dân ở đây. Trận mưa lịch sử chiều 26/9/2016, trận mưa lớn nhất trong vòng 40 năm qua với lượng mưa đo được tại trạm Mạc Đĩnh Chi (204,3 mm), Thanh Đa (172,2 mm), Cầu Bông (133,3 mm), Phước Long (115,4 mm) đã làm tê liệt hệ thống giao thông ở TPTĐ và nhiều quận/huyện khác.

Đã có nhiều nghiên cứu về chống ngập ở TPHCM như các công trình như đê bao, cống ngăn triều đã và đang đi vào hoạt động giúp giảm ngập tại nhiều điểm. Nhiều nhà khoa học cũng đã nghiên cứu về các nguyên nhân ngập như do triều cường, do mưa cực đoan, do sụt lún…. Hiện nay, TPHCM có các chương trình, dự án do nước ngoài tài trợ như dự án “Xây dựng sổ tay nền tảng báo cáo ngập lụt trực tuyến và hỗ trợ ra quyết định” (Ngân hàng thế giới và Thuỵ Sĩ, 2019) cho Sở Xây dựng TPHCM với nội dung chính là lưu trữ dữ liệu, báo cáo, cũng chưa được triển khai và nhiều nghiên cứu khác về chống ngập như Nhóm tác giả cũng đã thực hiện các đề tài nghiên cứu với nội dung chính về mưa vượt tần suất thiết kế hệ thống thoát nước 2 và nghiên cứu về dự báo mưa thời gian cực ngắn ở TPHCM (Sở Khoa học và Công nghệ TPHCM, 2018). Tuy nhiên, hiện nay các nghiên cứu chưa có sự gắn kết liên hoàn thành một hệ thống, trong giai đoạn thực hiện các dự án thì tình trạng ngập vẫn tồn tại ở một số nơi chưa được giải quyết hoặc không thể giải quyết ngay.

Vì vậy, để hạn chế những thiệt hại do ngập đô thị cần có thông tin dự báo, cảnh báo sát với thực tế để giảm thiểu mức độ ảnh hưởng và giúp nhà quản lý có phương án để giảm ngập và quy hoạch hạ tầng đô thị cũng như cho công tác điều hành hệ thống công trình chống ngập, hạ tầng kỹ thuật, giao thông ở mức độ phù hợp, có hiệu quả. Thông tin từ trang web http://chongngaphcm.info/ sẽ giúp người dân có thể theo dõi lộ trình dự định di chuyển có bị ngập hay không để có phương án thay đổi lộ trình giúp giảm thiệt hại về tài sản và thời gian, các nhà quản lý, điều hành biết được những vùng đang bị ngập, sẽ bị ngập để có phương án xử lý kịp thời.

PHƯƠNG PHÁP NGHIÊN CỨU VÀ SỐ LIỆU SỬ DỤNG

Phương pháp chính được sử dụng:

- Phương pháp mô hình hóa: sử dụng bộ mô hình MIKE FLOOD 3 là sự kết hợp của các mô hình bao gồm các mô hình thủy văn đô thị MIKE Urban tính toán diễn biến mưa – dòng chảy 4 , 5 , 6 ; MIKE 11 tính toán thủy lực trong kênh hở và sông 7 ; MIKE 21 tính toán ngập trên địa hình. Sơ đồ quá trình thực hiện mô hình MIKE FLOOD được trình bày trong Figure 2 .

Figure 2 . Sơ đồ mô hình MIKE Flood

- Phương pháp WebGIS: kết hợp công nghệ thông tin và GIS để xây dựng các công cụ (module) để hỗ trợ cho thu thập dữ liệu, chuyển dữ liệu từ trạm đo thời tiết máy chủ và xử lý các ảnh camera, hỗ trợ mô hình dự báo ngập tự động.

- Phương pháp dự báo mưa bằng học máy (Machine Learning, AI): Mô hình dự báo mưa: sử dụng thuật toán K-Nearest Neighbor (K-NN) (xem Figure 3 ) từ mô hình Machine Learning với kỹ thuật Supervised Learning (xem Figure 4 ) để dự báo mưa thời đoạn ngắn 3h – 24h.

- Và một số phương pháp thống kê, toán.

Figure 3 . Đồ thị cơ sở lý thuyết của thuật toán K-NN

Figure 4 . Sơ đồ khối mô hình dự báo mưa

Số liệu sử dụng

Số liệu phục vụ hiệu chỉnh – kiểm định trong thời điểm ngày 26/9/2016 (xem Figure 5 – Trái) và 5/8/2020 là số liệu khí tượng thu thập tại trạm Tân Sơn Hòa 8 , các trạm mưa khác và số liệu thủy văn mực nước trạm Phú An, Nhà Bè, Vũng Tàu (xem Figure 5 – Phải),… ở TPHCM từ Đài Khí Tượng Thủy Văn khu vực Nam Bộ,… lưu lượng thu thập từ ban quản lý hồ Dầu Tiếng và Trị An. Các dữ liệu của các trạm này được dùng cho quá trình kiểm chứng kết quả dự báo thử nghiệm trong thời gian từ đầu mùa mưa năm 2020 đến nay.

Figure 5 . Số liệu mưa thiết kế chu kỳ 10 năm trạm Tân Sơn Hòa (Trái); Số liệu mực nước (Phải)

Số liệu dự báo mưa làm đầu vào cho Mô hình dự báo ngập được lấy từ mô hình dự báo mưa AI; số liệu mực nước biên được lấy từ phần mềm dự báo mực nước thủy triều Utide; số liệu dự báo lưu lượng xả của 2 hồ Dầu Tiếng và Trị An 9 , 10 được thu thập từ trang web của Ban chỉ huy phòng chống thiên tai và tìm kiếm cứu nạn TPHCM (http://www.phongchonglutbaotphcm.gov.vn/).

Số liệu độ cao số địa hình được thu thập từ Sở Khoa học và Công nghệ TPHCM với số liệu địa hình Lidar cho khu vực nghiên cứu với độ phân giải (1m ² có 5 điểm khống chế) phục vụ xây dựng địa hình cho mô hình ngập.

Ảnh vệ tinh, ảnh radar (xem Figure 7 ), thủy hệ và hệ thống trạm thủy văn (xem Figure 6 ), các bản đồ hành chính, thủy lợi, hệ thống thoát nước khu vực TPTĐ 11 , 12 .

KẾT QUẢ VÀ THẢO LUẬN

Xây hệ thống dự báo, cảnh báo ngập

Hệ thống thông tin tình hình ngập, dự báo ngập và cảnh báo ngập là sự kết hợp các mô hình thủy văn, thủy lực (dự báo mưa, dự báo thủy triều, dự báo lưu lượng thượng nguồn) cùng với các dữ liệu về công trình như hệ thống thoát nước, hệ thống sông rạch, các công trình thủy lợi, đặc biệt là hệ thống camera quan sát ngập và các công cụ được xây dựng từ công nghệ thông tin hiện đại dữ liệu lớn (bigdata), học máy (Machine Learning), trí tuệ nhân tạo (AI) đã tạo ra sản phẩm công nghệ như các dự báo mưa trước 3h, tạo ra các bản đồ ngập dự báo sử dụng bộ mô hình MIKE FLOOD, các hình ảnh ngập từ camera giám sát có thể cảnh báo ngập thời gian thực trên nền webgis. Sản phẩm này có thể được gọi là Hệ thống dự báo, cảnh báo ngập cho thành phố thông minh.

Figure 6 . Vị trí trạm Thủy văn và thủy hệ lưu vực Sài Gòn – Đồng Nai

Figure 7 . Ảnh radar Nhà Bè

Qui trình vận hành hệ thống

Bước 1: Module dự báo mưa AI được xử lý tự động ào khoảng 6h –7h sáng hàng ngày tạo các số liệu mưa dự báo vào Mô hình MIKE Urban; song song đó đưa thông tin dự báo mưa trên trang WebGIS.

Bước 2: Phần mềm Utide dự báo mực nước biên cho mô hình MIKE 11, quá trình này được dự báo 1 tháng cập nhật 1 lần.

Bước 3: Số liệu dự báo xả của hồ Dầu Tiếng và Trị An được đưa vào biên lưu lượng của MIKE 11, quá trình này được cập nhật khi có sự thông báo thay đổi của ban quản lý hồ và được thực hiện lúc 7h – 8h sáng hàng ngày.

Bước 4: Mô hình dự báo ngập (xem Figure 8 ) tự động cập nhật số liệu vào mỗi 8h sáng hàng ngày và bắt đầu mô phỏng dự báo ngập cho khu vực nghiên cứu, sau khi tính toán xong sẽ tạo lớp bản đồ ngập và được truyền tự động lên máy chủ.

Bước 5: Module tự động nhận và cập nhật lớp bản đồ ngập lên hệ thống bản đồ nền hành chính (google map, có thể thay bản đồ nền khác) và tính toán thống kê sau đó đưa thông tin về các mức ngập lên trang WebGIS.

Bước 6: Thu thập dữ liệu tự động từ camera giám sát tại các vị trí thường xuyên ngập (hoặc kết nối với các camera giao thông, camera chống ngập…). Khi thông báo mưa từ các trạm mưa tự động, module xử lý ảnh sẽ cập nhật video vào trang WebGIS để thông tin tình hình diễn biến ngập trực tiếp, module thống kê tính toán độ sâu ngập từ ảnh camera sẽ thông tin cảnh báo ngập cho từng khu vực có camera, dữ liệu này cũng dùng cho hiệu chỉnh, kiểm chứng lại Mô hình dự báo ngập để có thể cho kết quả tốt hơn cho những lần dự báo kế tiếp.

Hiện tại trong nghiên cứu cho khu vực TPTĐ có các vị trí thiết lập Camera giám sát ở những tuyến đường thường xuyên ngập: vị trí số 1 Camera đường Quốc Hương, vị trí số 2 Camera đường Trần Ngọc Diện, vị trí số 3 Camera đường Đỗ Xuân Hợp, vị trí số 4 Camera đường Phạm Văn Đồng. Dưới đây là hình ảnh camera thu thập khi có mưa và kết quả bản đồ dự báo ngập cho thấy sự tương quan giữa số liệu khảo sát và tính toán có vị trí trùng khớp và mức độ ngập tương đối có sai số thấp.

Figure 8 . Hệ thống Mô hình dự báo, cảnh báo ngập

Dữ liệu đầu vào và kết quả mô hình

Dữ liệu dự báo mưa : kết hợp ảnh radar, ảnh mây vệ tinh được thu thập từ website (http://amo.gov.vn/radar/NHB ), kết hợp thuật toán K-NN và AI cho kết quả dự báo mưa được kiểm chứng như Table 1 và được thông tin dự báo hiển thị trên WebGIS: http://chongngaphcm.info/.

Kết quả thử nghiệm dự báo trong nhiều lần và được đánh giá tương quan giữa số liệu thực đo và dự báo cho R ² khá tốt 0,7 – 0,95 cho các lần dự báo (xem Table 1 ).

Table 1 Kết quả dự báo thời điểm trước khi có mưa (a) và thời điểm mưa (b) khu vực TP. Thủ Đức

Dữ liệu mực nước: Phần mềm Utide 13 tính toán mực nước dự báo làm biên cho mạng lưới tính toán mô hình thủy lực MIKE 11. Và được kiểm chứng với số liệu thực đo (xem Figure 8 , Figure 9 ).

Figure 9 . Mực nước tính toán và thực đo tháng 4 năm 2018 tại trạm Vũng Tàu

Figure 10 . Biểu đồ tương quan (R ² = 0.985) mực nước tính toán và thực đo tháng 4 năm 2018 tại trạm Vũng Tàu

Phần mềm dự báo mực nước thủy triều được tính toán và thử nghiệm nhiều lần đã được công bố một số bài báo về phần mềm Utide cho kết quả khá chính xác với R ² = 0,98 (xem Figure 10 ). Kết quả dự báo mực nước triều cho trạm hải văn Vũng Tàu (xem hình 9) cho kết qua sai số ở chân triều khoảng 3 – 5cm, các đỉnh triều rất trùng khớp với số liệu thực đo giúp dự báo ngập trong khi triều cường khá tốt. Kết quả dự báo triều này dùng làm bản tin dự báo và dùng làm biên cho Mô hình dự báo ngập.

Kết quả tính toán mô hình ngập

Sau khi chuẩn bị các số liệu đầu vào sẽ tiến hành tính toán bản đồ ngập mô hình MIKE FLOOD 14 (xem Figure 11 ).

Figure 11 . Sơ đồ mạng lưới tính toán mô hình trong Mike Flood

Các thông số mô hình cũng được kiểm chứng từ số liệu thực đo thu thập từ Trung tâm Quản lý hạ tầng và kỹ thuật. Kết quả so sánh kiểm chứng bản đồ ngập (Xem Table 2 ).

Table 2 Kết quả điểm chứng mô hình dự báo ngập (SN: số nhà)

Figure 12 . Kết quả độ sâu ngập lớn nhất tại đường Quốc Hương trong trận mưa ngày 26/9/2016 từ đường Xuân Thủy đến đường số 41

Figure 13 . Kết quả độ sâu ngập lớn nhất tại đường Phạm Văn Đồng trong trận mưa ngày 26/9/2016 từ SN1162 đến đường Dương Văn Cam

Kết quả mô phỏng ngập cho khu vực nghiên cứu được so sánh với số liệu thực đo được thu thập tại Trung tâm Quản lý hạ tầng và kỹ thuật tại 2 tuyến đường thường xuyên xảy ra ngập là Quốc Hương đoạn từ đường Xuân Thủy đến đường số 41 (xem Figure 12 ) có độ sâu ngập thực đo là 0.35m, trong đó độ sâu ngập mô hình mô phỏng được là 0.3m, đường Phạm Văn Đồng từ số nhà 1162 đến đường Dương Văn Cam (xem Figure 13 ) có độ sâu ngập thực đo là 0.25m so sánh với độ sâu ngập mô hình mô phỏng là 0.2m. Kết quả cho thấy chênh lệch sai số giữa độ sâu ngập thực đo và mô hình là khoảng 0.05m, đây là sai số ở mức cho phép và chấp nhận được từ kết quả mô phỏng ngập.

Kết quả so sánh đợt dự báo ngập ngày 5/8/2020

Figure 14 . Kết quả bản đồ ngập dự báo khu vực đường Trần Ngọc Diện

Figure 15 . Ảnh ngập được phân tích thực tế đường Trần Ngọc Diện

Figure 16 . Camera giám sát ngập và kết quả ngập dự báo trên khu vực đường Phạm Văn Đồng

Figure 17 . Ảnh ngập được phân tích thực tế đường Phạm Văn Đồng

Kết quả kiểm chứng mô hình dự báo ngập vào ngày 5/8/2020 so với ảnh camera tại khu vực đường Trần Ngọc Diện (Quận 2 cũ) có mực ngập 20cm (Xem Figure 14 , Figure 15 ); đường Phạm Văn Đồng (Quận Thủ Đức cũ) có mức ngập 40cm (Xem Figure 16 , Figure 17 ). Với kết quả kiểm định sai số khoảng 5cm cho thấy Mô hình dự báo ngập hoạt động tương đối tốt. Độ chính xác của mô hình dần được hiệu chỉnh và so sánh với số liệu độ sâu ngập từ camera giúp mô hình ngày được cải thiện hiệu quả hơn so với dùng số liệu khảo sát bằng nhân lực.

Hệ thống dự báo, cảnh báo ngập của nhóm tác giả với mong muốn đưa vào vận hành hệ thống để người dân có được những thông tin có ý nghĩa thực tiễn cao và tin cậy. Bên cạnh đó, nếu hệ thống này được vận hành một thời gian nhất định sẽ phát huy được các cơ sở dữ liệu lớn để phục vụ phương pháp AI có thể giảm được thời gian tính toán mô hình toán cho dự báo thời gian thực.

KẾT LUẬN VÀ KIẾN NGHỊ

Kết luận

Kết quả dự báo mưa bằng phương pháp AI có độ chính xác R ² ÷ 0,7 – 0,9. Trong tương lai sẽ cập nhật cơ sở dữ liệu tạo ra big data sẽ cho kết quả dự báo ngày chính xác hơn và ổn định hơn.

Kết quả từ phần mềm dự báo thủy triều bằng Utide đã cho kết quả chính xác có thể dùng để dự báo triều hàng năm cho các trạm hải văn, vùng cửa sông và sông chịu ảnh hưởng triều. Trong thời gian đến nhóm sẽ ứng dụng dự báo mực nước bằng phương pháp AI sẽ cho kết quả khả quan hơn và tích hợp vào hệ thống Mô hình dự báo ngập.

Kết quả dự báo trong giai đoạn thử nghiệm của Mô hình dự báo ngập đã cho kết quả trực quan và sát với thực tế tại các tuyến đường thường xuyên ngập có gắn camera giám sát là Phạm Văn Đồng và Quốc Hương. Kiểm tra Kết quả bản đồ dự báo ngập so với dữ liệu từ camera tại 2 tuyến đường trên cho sai số thấp khoảng ± 5cm, đây là sai số chấp nhận trong chống ngập, có thể nâng độ chính xác cao hơn với tùy vào điều kiện camera độ phân giải cao hơn và vị trí ngập có tầm nhìn thoáng hơn.

Kiến nghị

Nhóm tác giả đã xây dựng thành công một Hệ thống dự báo, cảnh báo ngập cho khu vực TPTĐ khá hoàn chỉnh. Nhóm đang xây dựng sẽ tích hợp các bản đồ tìm kiếm lộ trình tránh các điểm cảnh báo ngập và dự báo trước hướng đi trong hành trình của mình trong thời gian dự báo ngập để phục vụ người dân có kế hoạch trong phương án di chuyển của mình, giảm thiệt hại về vật chất cũng như tính mạng con người, giúp các nhà quản lý có phương án, kế hoạch duy tu sửa chửa hệ thống thoát nước, đường điện ngầm,… Hệ thống này sẽ được duy trì hoạt động và mở rộng cho toàn TPHCM sẽ giúp ích rất nhiều trong các lĩnh vực hoạt động trong đời sống người dân ở TPTĐ nói riêng, TPHCM nói chung.

Hiện tại Hệ thống dự báo, cảnh báo ngập của nhóm tác giả vẫn còn nhiều thiếu xót và đang trong giai đoạn khắc phục và bổ sung mong các quý đọc giả có thể góp ý chân thành để nhóm có thể hoàn thiện hơn. Trang WebGIS trình bày đầy đủ các kết quả, dữ liệu và thông tin về ngập ở TPTĐ tại địa chỉ : http://chongngaphcm.info/ và nhóm đang trong giai đoạn xây dựng hoàn chỉnh phần mềm trên điện thoại thông minh trong thời gian sớm nhất.

XUNG ĐỘT LỢI ÍCH

Các tác giả đảm bảo rằng không có xung đột giữa bất kỳ bên nào khác về nội dung của bài báo này.

ĐÓNG GÓP CỦA CÁC TÁC GIẢ

Xây dựng ý tường nghiên cứu: Trần Tuấn Hoàng;

Lựa chọn phương pháp nghiên cứu: Phạm Thanh Long, Trần Tuấn Hoàng, Nguyễn Phương Đông, Lê Văn Phận

Mô hình hóa: Nguyễn Phương Đông, Trần Tuấn Hoàng;

Thu thập, phân tích, xử lý số liệu: Lê Văn Phận, Nguyễn Phương Đông

Viết bản thảo và hoàn thiện bài báo: Trần Tuấn Hoàng.