Khi nghĩ đến việc bảo vệ bờ biển, nhiều người thường liên tưởng đến các giải pháp truyền thống như đê điều hay kè chắn sóng. Tuy nhiên, rừng ngập mặn đã chứng minh là một giải pháp thay thế bền vững và hiệu quả về chi phí. Mặc dù vậy, rừng ngập mặn chỉ có thể đảm bảo chức năng bảo vệ bờ biển khi các yếu tố môi trường nằm trong một phạm vi nhất định. Nếu vượt quá ngưỡng này, hệ sinh thái này sẽ suy yếu và không còn khả năng bảo vệ bờ biển.
Ứng dụng mô hình thủy động lực học trong nghiên cứu rừng ngập mặn
Để đánh giá chính xác khả năng chịu đựng và vai trò bảo vệ của rừng ngập mặn, chúng tôi đã ứng dụng mô hình thủy động lực học 3Di. Tuy nhiên, việc cân đối độ phân giải không gian và thời gian tính toán luôn là một thách thức trong các mô phỏng này. Để giải quyết vấn đề trên, chúng tôi đã phát triển một phương pháp mô hình hóa mới dựa trên công nghệ subgrid. Phương pháp này cho phép chúng tôi xử lý dữ liệu không gian có độ phân giải cao hiệu quả, mà không làm tăng quá nhiều thời gian tính toán.
Nghiên cứu thực địa tại cửa sông Whitianga, New Zealand
Nghiên cứu này tập trung vào trả lời câu hỏi làm thế nào để mô hình thủy động lực học ứng dụng subgrid có thể tích hợp cả ảnh hưởng của thảm thực vật vào trong bài toán. Cụ thể, rừng ngập mặn tại cửa sông Whitianga ở New Zealand được chọn làm khu vực nghiên cứu, nơi đã diễn ra một chiến dịch đo đạc dữ liệu thực địa toàn diện. Kết quả cho thấy lực cản do sự hiện diện của thực vật có tác động đáng kể đến mô hình dòng chảy.
Trong nghiên cứu này, các nhà khoa học đã kiểm tra hiệu quả của phương pháp subgrid trong các vùng bãi triều để xác định tiềm năng của nó. Sau đó, họ chọn 2 thảm trường hợp thảm thực vật khác nhau để thử nghiệm để đánh giá độ chính xác và hiệu quả của mô hình.

Nghiên cứu này thử nghiệm hai cách tiếp cận khác nhau để mô hình hóa tác động của thực vật trong các khu vực bãi triều. Cách tiếp cận đầu tiên thêm độ nhám đáy thay đổi theo không gian, một phương pháp thường được sử dụng trong các mô hình thủy động lực học. Cách tiếp cận thứ hai là mô phỏng dòng chảy qua khu vực rừng dày đặc như qua một môi trường xốp. Đây là phương pháp mới mẻ, chưa từng được áp dụng trước đây, mang lại cách nhìn mới về việc xử lý tác động của thực vật đối với dòng chảy.
Kết quả 1: Sử dụng phương pháp subgrid
Nghiên cứu cho thấy phương pháp mô hình với subgrid có tiềm năng trong việc mô phỏng động lực học của các khu vực bãi triều. Phương pháp này cho phép sử dụng dữ liệu không gian độ phân giải cao, điều rất quan trọng vì dòng chảy trong các khu vực bãi triều thường phụ thuộc vào địa hình đáy biển. Đặc biệt, mô hình subgrid giúp giảm thời gian tính toán khoảng 100 lần so với phương pháp truyền thống có cùng độ phân giải không gian, nhờ vào việc sử dụng các ô tính toán lớn hơn.
Kết quả 2: Sử dụng độ nhám đáy thay đổi theo không gian
Sử dụng độ nhám đáy thay đổi theo không gian đã cải thiện khả năng của mô hình trong việc tái tạo động lực học thủy triều quan sát được, đặc biệt là trong thời gian thủy triều xuống thấp. Tuy nhiên, trong các giai đoạn nước dâng cao, hiệu ứng của độ nhám đáy giảm do độ sâu nước lớn hơn, điều này phù hợp với giả thuyết ban đầu của nghiên cứu.
Kết quả 3: Kết quả với mô hình môi trường xốp
Khi sử dụng cách mô phỏng dòng chảy qua rừng ngập mặn như qua môi trường xốp bằng tùy chọn interflow, kết quả cho thấy sự cải thiện trong việc mô phỏng tốc độ dòng chảy trên nền rừng ngập mặn. Tuy nhiên, phương pháp này không cải thiện đáng kể độ chính xác của mực nước cao nhất trong khu vực nghiên cứu và mức nước thấp trong các kênh nhỏ cũng được tính toán kém chính xác hơn.
Phương pháp subgrid-based là một công cụ hiệu quả để mô hình hóa các khu vực bãi triều, kể cả khi có hoặc không có rừng ngập mặn. Phương pháp này giúp giảm đáng kể thời gian tính toán mà không ảnh hưởng đến độ chính xác của kết quả mô hình hóa thủy động lực học. Việc đưa tác động của thực vật vào mô hình thông qua tùy chọn interflow mang lại tiềm năng lớn, nhưng cần được mở rộng để cải thiện hơn nữa.
Ngoài ra, cần nghiên cứu thêm các cách biểu diễn thực vật khác, có khả năng thay đổi theo độ sâu nước và kết hợp với phương pháp subgrid để tăng hiệu quả mô hình.