Prospective scenarios of the saltwater intrusion in an estuary under climate change context using Bayesian neural networks

( 0 đánh giá )
Miễn phí

BNN được xây dựng dựa trên dữ liệu lịch sử tại trạm Dasheng (1965–1983) gồm: độ mặn, mực nước biển, biên độ thủy triều và lưu lượng từ trạm Boluo.

   - So sánh với ANN cho thấy BNN có độ chính xác cao hơn trong giai đoạn kiểm định, đặc biệt trong mùa khô và các tháng có độ mặn cực đại.

   - BNN cung cấp dải bất định 90% cho độ mặn, giúp đánh giá rủi ro xâm nhập mặn trong điều kiện cực đoan.

   - Dự báo độ mặn đến năm 2099 theo hai kịch bản A2 (phát thải cao) và B2 (phát thải thấp):

     - Mùa lũ (tháng 4–9): độ mặn trung bình vẫn thấp, nhưng giá trị cực đại có thể vượt ngưỡng nước uống (0.25 g/L) sau năm 2050.

     - Mùa khô (tháng 10–3): độ mặn tăng mạnh, đặc biệt tháng 1 có thể đạt 2.07 g/L (A2, 2080s).

   - Phân tích đóng góp cho thấy lưu lượng dòng chảy ảnh hưởng đến độ mặn mạnh hơn mực nước biển, đặc biệt trong mùa khô.

   - Đề xuất điều tiết hồ chứa để tăng lưu lượng mùa khô, giảm xâm nhập mặn.

   - Mô hình BNN có thể áp dụng cho các vùng cửa sông khác có dữ liệu hạn chế, hỗ trợ quản lý tài nguyên nước trong bối cảnh biến đổi khí hậu.