317 phụ lục a Biểu diễn phần mềm Một số phần mềm biểu diễn trong môi trờng Windows sẵn có để minh hoạ một số khái niệm đợc thảo luận trong quyển sách này. Tất cả các chơng trình có thể tải xuống từ trang Web http://www .es.lancs.ac.uk/beven2000.html. Cùng với bộ số liệu mẫu và file trợ giúp Windows đa ra các thông tin chi tiết về việc sử dụng chơng trình. Tất cả chơng trình có thể dùng miễn phí trong nghiên cứu và giảng dạy. Chơng trình TFM (mục A.1 dới đây) minh hoạ cách sử dụng mô hình hàm chuyển đổi, tập trung ở quy mô lu vực đợc mô tả trong chơng 4. Chơng trình TOPMODEL (mục A.2) cùng với chơng trình phân tích địa hình số hoá DTM- ANALYSIS (mục A.3) có thể dùng để mô hình hoá quá trình ma-dòng chảy ở quy mô lu vực, nhng cho phép dự báo phân bố biểu thị trong dạng bản đồ dựa trên dạng của chỉ số địa hình (xem chơng 6). Chơng trình TOPMODEL cũng có lựa chọn để chạy mẫu Monte-Carlo với các bộ thông số khác nhau, tạo ra một file có thể dùng trực tiếp với chơng trình GLUE (mục A.4). Chơng trình GLUE sử dụng khái niệm mô tả trong chơng 7 để tạo ra ớc lợng trọng số độ hữu hiệu của biến dự báo và có thể xác định độ nhạy của dự báo cho các giá trị thông số khác nhau. A.1. TFM TFM là chơng trình để phân tích số liệu ma dòng chảy lu vực căn cứ vào khái niệm mô hình hàm chuyển đổi, tơng tự những gì đã dùng trong mô hình IHACRES của Jakeman và nnk (1990,1993: Jakeman và Hornberger, 1994) và mô hình luỹ thừa song tuyến tính của Young và Beven(1991, 1994) (xem chơng 4). Màn hình mở của TFM có 3 phím : một để thoát khỏi phần mềm, một đa đến tuỳ chọn Load File và một để mở file Log. File Log đợc dùng để ghi file số liệu sử dụng, sự biến đổi số liệu bất kỳ mang ra và các kết qủa của các tuỳ chọn Model Identification (Nhận dạng mô hình) và Parameter Estimation (ớc lợng thông số). Số liệu đợc ghi trong format văn bản ASCII cho soạn thảo sau đó và dùng trong các báo cáo. Các tuỳ chọn của TFM nh sau: A.1.1. Tuỳ chọn Load File (Tải file): Tuỳ chọn Load File trên màn hình chính TFM hoặc tuỳ chọn New Data (Số liệu mới) trên màn hình Plots Data (vẽ số lệu) cho phép vào tên file cho bộ số liệu đầu vào và đầu ra để sử dụng cho phân tích. TFM yêu cầu số liệu đầu vào và đầu ra ở khoảng thời gian cố định là sẵn có. 318 Mâu thuẫn giữa file số liệu đầu vào và đầu ra đợc định nghĩa và đợc báo hiệu bằng các thông báo cảnh báo. ở đâu 2 bộ số liệu có độ dài khác nhau thì độ dài đợc tính theo số liệu file đầu vào. Giả thiết rằng cả 2 file bắt đầu cùng một thời điểm. Việc tải đầy đủ file số liệu đầu vào và đầu ra đợc đa đến màn hình Plot Data, từ đó các tuỳ chọn khác sẵn có để lựa chọn. A.1.2 Tuỳ chọn Transform (Chuyển đổi). Tuỳ chọn Transform trong màn hình Plots Data cho phép thực hiện 2 biến đổi phi tuyến cho số liệu đầu vào tơng ứng với mô hình luỹ thừa song tuyến tính và lợng trữ hoặc xấp xỉ chỉ số độ ẩm đất (cái sau là một đơn giản hoá của xấp xỉ IHACRES). Các chuyển đổi này cần thiết để tạo ra một đầu vào ma hiệu quả, nó có liên hệ tuyến tính với đầu ra nhiều hơn là với số liệu ma gốc. Mỗi loại yêu cầu một giá trị thông só đơn (hoặc luỹ thừa trong mô hình song tuyến tính hoặc hằng số thời gian của lợng trữ). Những thông số này dễ dàng tối u cho bộ số liệu bất kỳ bằng cách chạy lặp mô hình. Các tuỳ chọn khác cho phép chạy ban đầu bộ số liệu để thực hiện phân tích hoặc file số liệu đợc rút gọn bằng cách bỏ cách quãng từng giá trị thứ n. File chuyển đổi có thể ghi lại hoặc số liệu gốc có thể khôi phục lại. A.1.3. Tuỳ chọn Identify (Đồng nhất) Tuỳ chọn Identify cho phép xác định nhanh một khoảng rộng của cấu trúc mô hình. Mô hình đợc xác định trong khoảng của giá trị thông số a, khoảng của giá trị thông số b và khoảng thời gian trễ. Các mô hình đợc phân khoảng trong dạng của tiêu chuẩn thông tin Young hoặc YIC (xem hộp 4.1). Nó có thể âm hoặc dơng, chỉ ra sự phù hợp tốt giữa quan trắc và dự báo và giá trị của thông số đợc xác định tốt. Một giá trị của hệ số 2 t R cũng đợc đa ra. Nó bằng 1 khi có một sự phù hợp hoàn hảo và bằng 0 cho mô hình không tốt hơn giả thiết một giá trị đầu ra trung bình. Nằm trong bớc xác định mô hình là ý tởng cho rằng số liệu sẽ cho phép chỉ ra cấu trúc mô hình là gần đúng nhất hơn là xác định một cấu trúc sẵn có. Có thể có nhiều mô hình đa đến sự phù hợp tốt với số liệu. Mô hình đơn giản nhất đa đến giá trị âm nhất và hàm chuyển đổi chấp nhận đợc về mặt vật lý sẽ đợc chọn. Nhấn đúp chuột trên bất kỳ mô hình liệt kê sau đó quá trình nhận dạng điều khiển trực tiếp đến màn hình tuỳ chọn Estimate và sẽ ớc lợng các thông số của mô hình. A.1.4. Tuỳ chọn Estimate (Ước lợng) Tuỳ chọn Estimate thực hiện một ớc lợng cuối cùng các thông số của mô hình đã chọn. Kết quả của hầu hết các ớc lợng gần nhất đợc vẽ. Hầu hết các ớc lợng gần nhất đợc chỉ ra trên màn hình. Nếu file Log mở thì các kết quả cũng đợc ghi vào file. Ước lợng thông số đợc thực hiện bằng cách dùng biến phơng tiện lọc đơn giản 319 (SIRV), kỹ thuật tỏ ra là rất mạnh với sai số số liệu (xem Young 1984). Kết quả có thể đợc xác đinh bằng cách dùng chỉ tiêu 2 t R hoặc YIC. Một số tuỳ chọn khác cho phép kiểm tra đồ thị và nghiên cứu thống kê các kết quả: * Plot model (Đồ thị mô hình) đa ra một đồ thị đầu ra dự báo và quan trắc cùng với đồ thị của chuỗi sai số quan trắc. Chuỗi thời gian mô hình hoá có thể ghi vào file. * Plot TF (Đồ thị TF) đa ra một đồ thị của hàm chuyển đổi cho mô hình lựa chọn. Điều này có thể kiểm tra để đảm bảo rằng hàm chuyển đổi mô hình thờng là dơng và không chỉ ra dáng điệu dao động hoặc sự không ổn định đáng kể bất kỳ nào. Hàm chuyển đổi có thể ghi vào file. * Composite (Tổ hợp) đa ra một đồ thị tổ hợp của số liệu, độ phù hợp của mô hình và hàm chuyển đổi. Điều này có thể in ra nh một báo cáo tóm tắt của phân tích. Hàm chuyển đổi có thể ghi vào file. * Validate (Kiểm chứng) cho phép màn hình kiểm tra một lần nữa với bộ số liệu mới. Tuỳ chọn Validate có thể chỉ chọn sau khi tuỳ chọn Estimate đã thực hiện và mô hình là có khả năng. Có thể sử dụng theo 2 cách phụ thuộc vào việc liệu sẵn có cả đầu vào và đầu ra. Nếu cả 2 là sẵn có, mô hình đợc đánh giá trong dạng của phù hợp với số liệu mới cho thời kỳ kiểm chứng trong dạng giá trị 2 t R . Nếu chỉ có sẵn số liệu đầu vào thì mô hình có thể dùng để dự báo số liệu dòng chảy bị thiếu. * Để sử dụng tuỳ chọn Validate điền đầy đủ các trờng tên fle (đầy đủ cả đờng dẫn và phần mổ rộng yêu cầu) và chọn Calculate. Ngay khi một đầu ra mới đợc mô phỏng số liệu có thể đợc ghi vào file. A.2. TOPMODEL Chơng trình này đợc coi nh là phiên bản thể hiện của TOPMODEL trong Windows và đợc phát triển từ phiên bản đã dùng để giảng dạy trong các bài giảng về khoa học môi trờng ở Đại học Tổng hợp Lancaster. Từ năm 1974 đã có nhiều phơng án phát triển TOPMODEL ở Leeds và các nơi khác nhng cha có một phiên bản cuối cùng. Đây hoàn toàn là có chủ tâm. TOPMODEL không dự định là một phần mềm mô hình nh truyền thống mà là một tập hợp các khái niệm có thể dùng thích hợp ở bất kỳ đâu. Nó cho phép ngời dùng có thể thay đổi với các giả thiết về sự phù hợp (xem thảo luận về các giớí hạn trong Beven 1995 hoặc Beven 1997). Phiên bản này của chuơng trình sẽ là thích hợp nhất cho lu vực có lớp đất nông và địa hình bằng phẳng, không trải qua thời kỳ khô hạn quá dài. Thêm nữa diện tích phân bố sẽ đợc kiểm tra lại xem điều gì thực sự xảy ra trong lu vực (ít nhất là định tính). Mô hình cung cấp ở đây có sự thận trọng là không có diễn toán tối u hoá tự động. Điều này có 2 lý do. Thứ nhất, ngời dùng đợc khuyến khích nhìn toàn cảnh đầu ra từ mô hình và suy nghĩ về mô hình làm việc nh thế nào. Đây là điều có khả năng, một phần, bằng thực tế là các kết quả có thể ánh xạ trở lại vào không gian và ngời dùng nhìn thấy đợc toàn cảnh không gian đúng đắn của chúng. Theo cách này có thể cho rằng đây không là mô hình tốt để biểu hiện cho lu vực thực tế (nhng bằng suy 320 nghĩ về tại sao cải tiến tính đại biểu theo một con đờng đơn giản quan hệ nào đấy). Điều này là lý do tại sao bản chất phân bố của dự báo mô hình kết hợp với cấu trúc đơn giản là rất quan trọng. Sử dụng nó nh một sự bổ sung để hiểu biết trớc khi dùng nó nh một công cụ dự báo. Thứ hai chúng tôi không tin rằng có một bộ giá trị thông số tối u ngay cả với một mô hình tiết kiệm thông số nh TOPMODEL và không muốn khuyến khích thực hành tối u hoá tự động. ở Lancaster chúng tôi đang dùng phơng pháp GLUE (xem chơng 7) để thực hiện các hiệu chỉnh /phân tích độ nhạy/ ớc lợng độ bất định, dựa trên hàng ngàn lần chạy. Phiên bản TOPMODEL này cung cấp một lựa chọn cho đầu ra của kết quả mô phỏng Monte-Carlo để dùng sau đó với phần mềm GLUE tơng thích (xem mục A.5). Mỗi lu vực áp dụng yêu cầu một file Project. File này chỉ có 4 dòng nh sau: 1.Mô tả văn bản áp dụng 2.Tên file số liệu lu vực 3.Tên file số liệu thuỷ văn đầu vào 4.Tên file bản đồ chỉ số địa hình (có thể bỏ trống những dòng cho nó phải có) Một ví dụ file Project và file số liệu liên kết cũng đợc cung cấp 3 tuỳ chọn sau đây sẵn có trong chơng trình: A.2.1. Tuỳ chọn Hydrograph Prediction (Dự báo thuỷ đồ) Tuỳ chọn Hydrograph Prediction cho phép chạy mô hình và hiển thị thuỷ đồ. Giá trị thông số có thể thay đổi trên màn hình và mô hình đợc chạy lại. Sau mỗi lần chạy chỉ số sự phù hợp tốt nhất đợc đa ra để đánh giá. Nếu không phải tất cả các thời kỳ mô phỏng có thể hiển thị một lần thì thuỷ đồ có thể đợc quét xuôi và ngợc bằng cách dùng các phím mũi tên. Nếu file bản đồ chỉ số địa hình (Topographic Index Map) sẵn có thì một phím map đợc biển thị cho phép hiện lên mô phỏng dự báo hoặc nh một tóm tắt trên tất cả các bớc thời gian hoặc chuyển động. A.2.2 Tuỳ chọn Sensitivily Analysis (Phân tích độ nhạy) Màn hình này cho phép khảo sát độ nhạy của hàm mục tiêu khi thay đổi một hay nhiều thông số. Một lần chạy đầu tiên đợc làm với bộ giá trị hiện thời của thông số. Sau đó mỗi thông số đợc thay đổi trong khoảng của nó, khi giữ nguyên giá trị của các thông số khác. Kết quả đợc hiển thị nh một đồ thị con. Giá trị thông số hiện thời bất kỳ hoặc giá trị lớn nhất và nhỏ nhất trong phạm vi của nó đều có thể thay đổi trên màn hình. A.2.3. Tuỳ chọn Monte-Carlo Analysis (Phân tích Monte-Carlo) Trong tuỳ chọn này một số lớn lần chạy có thể làm (giới hạn chỉ bởi khả năng lu trữ của file kết quả) bằng cách dùng mẫu ngẫu nhiên đồng nhất của các thông số đã chọn để phân tích. Giá trị các thông số khác đợc giữ nguyên ở giá trị hiện thời. Hộp 321 kiểm tra đợc dùng để chọn biến và hàm mục tiêu và đợc ghi cho mỗi lần chạy. File kết quả tạo ra sẽ tơng thích với phần mềm GLUE A.3 Phân tích DTM Chơng trình phân tích DTM đợc dùng để rút ra một phân bố của giá trị ln(a/tgB) từ lới raster đều của cao trình cho lu vực hay lu vực con bất kỳ bằng cách dùng thuật toán dòng chảy đa hớng của Quinn và nnk (1995). Đầu ra của chơng trình là một toán đồ phân bố của các gía trị ln(a/gB) và file bản đồ của các giá trị này có thể dùng làm đầu vào bản đồ của chơng trình TOPMODEL. Có 3 tuỳ chọn trong chơng trình A.3.1.Tuỳ chọn Topographic Index Distribution Calculation (Tính toán phân bố chỉ số địa hình) Tuỳ chọn Topographic Index Ditribution Calculation là phiên bản đơn giản nhất của thuật toán trong đó chỗ lõm hoặc hố trong ma trận cao trình đợc xác định, không cố gắng khởi tạo đờng dẫn dòng chảy liên tục đến cửa ra lu vực. Chỗ lõm đợc loại trừ bằng cách thay đổi số liệu cao trình khi dùng tuỳ chọn Automatic Sink Removal (Loại trừ lõm tự động), sử dụng trung bình liên tiếp của các cao trình xung quanh để phân đều các điểm lõm. Điều này là đơn giản nhng lợi dụng đợc các sông suối nhỏ mà lới cao trình không thể quyết định đờng dẫn dòng chảy liên tục. Tuỳ chọn này cũng yêu cầu chỉ số cao trình của các điểm bên trong lu vực mới đợc sử dụng, tất cả các giá trị khác trên ma trận đợc gán cho giá trị lớn hơn 9999.0 (m). Tuỳ chọn Cachment Identification (đồng nhất lu vực) có thể dùng để cắt ra các ảnh điểm (pixel) riêng biệt bằng thuật toán Hill-Climbing-Trèo dốc. Ghi nhớ rằng số liệu cao trình sẽ có độ phân giải 50 m hoặc tốt hơn. Cũng lu ý rằng phân bố rút ra giá trị ln(a/tgB) phụ thuộc vào độ phân giải số liệu các cao trình sử dụng và trên các quy tắc riêng cho điện tích ngợc dốc đóng góp và phân chia với sông nhỏ hơn kích cỡ lới. Các phân bố khác có thể đa đến các giá trị thông số hiệu quả khác nhau cho lu vực đa ra. A.3.2. Tuỳ chọn Automatic Sink Removal (Loại trừ lõm tự động) Tuỳ chọn này có thể sử dụng để sửa chữa tự động các chỗ lõm hoặc hố trong một cao trình trớc khi chạy tuỳ chọn Topographic Index Distribution Calculation. Chơng trình sẽ xác định một hố bất kỳ (giá trị xung quanh có cao trình bằng hoặc cao hơn) và cố gắng sửa chữa chúng bằng trung bình các cao trình xung quanh. Sau mỗi lần chạy qua tất cả các chỗ lõm xác định đợc, chơng trình sẽ có thể kiểm tra để xem còn có chỗ lõm nào còn tồn tại. Lu ý rằng thuật toán không xác định trực tiếp một lu vực bên trong lớn nào trong bản đồ cao trình. Dù sao các lu vực nh vậy thờng đa đến một hố cục bộ. Do đó bằng phép lặp qua chơng trình nó sẽ có thẻ sửa chữa các điểm đó. ở cuối của tuỳ chọn một số liệu cao trình mới có thể ghi vào file. File đầu ra có format chính xác nh file đầu vào. File phân tách xác dịnh tất cả các hố đã sửa chữa 322 và thay đổi cao trình cũng có thể đợc ghi vào. A.3.3.Tuỳ chọn Cachment Identification (Đồng nhất lu vực) Tính toán chỉ số địa hình yêu cầu tất cả các cao trình bên ngoài lu vực đợc gán nhãn giá trị 9999.0 hoặc lớn hơn. Tuỳ chọn này lấy file số liệu cao trình raster và đồng nhất diện tích lu vực thu vào một điểm xác định. Thuật toán làm việc bằng sự liên kết tất cả các điểm là ngợc dốc liên tục của cửa ra lu vực. ở mỗi lần lặp thuật toán tìm kiếm các điểm kế cận những điểm đợc đồng nhất nh là trong lu vực có cao trình lớn hơn giá trị ngỡng xác định. Giá trị 0 có thể chọn là giá trị ngỡng (nghĩa là các điểm lân cận có cao trình bằng nó sẽ đợc thêm vào lu vực). Nhng điều này có thể gây ra vấn đề là trong một số mảng cao trình chứa các giải bằng phẳng mở rộng ra xung quanh lu vực phân chia. Nếu điềù này xẩy ra thì phép nội suy cao trình gốc sẽ đợc cải tiến hoặc độ phân giải của ma trận cao trình sẽ phải giảm. A.4. GLUE. Gói phần mềm GLUE cung cấp công cụ cho phân tích độ nhạy và ớc lợng độ bất định bằng cách dùng mô phỏng Monte-Carlo. Điểm khởi đầu cho quan điểm của GLUE là thay thế t tởng bộ thông số tối u bằng khái niệm tơng đơng của cấu trúc mô hình và bộ thông số với ngụ ý rằng chỉ có khả năng đánh giá thực hiện có liên quan trong khoảng các mô hình có khả năng, hoặc định tính hoặc định lợng, trong dạng của độ hữu hiệu nào đấy. Lu ý rằng độ hữu hiệu đợc dùng ở đây theo nghĩa rộng hơn hàm hữu hiệu của lý thuyết ớc lợng thống kê. Nhng hàm hữu hiệu cũng có thể dùng bên trong GLUE. Cũng lu ý rằng một giải thích mờ của độ hữu hiệu cũng có thể sử dụng. Dự báo các thể hiện Monte-Carlo khi đó đợc trọng số hoá bởi độ hữu hiệu để xác định giới hạn dự báo của các biến yêu cầu. Nh vậy, các thể hiện của bộ thông số này mà thực hiện tốt trong việc đánh giá đợc đa ra bởi trọng số lớn nhất trong dự báo. Không có giả thiết phân bố đợc làm trong việc xác định giới hạn dự báo Chúng chỉ dựa trên mẫu sẵn có của dự báo. Có các tiện ích trong phần mềm để biến đổi độ hữu hiệu (ví dụ bằng cách nâng lên luỹ thừa để làm cho bề mặt phản ứng thông số nhọn hơn hoặc bằng cách thay đổi ngỡng chấp nhận đợc). Bộ thông số với độ hữu hiệu dới ngỡng khi đó đợc coi là không hành vi và có giá trị độ hữu hiệu bằng 0. Phơng pháp GLUE tập trung sự chú ý vào bản chất chủ quan của đánh giá mô hình (ví dụ chọn độ hữu hiệu, chọn giá trị ngỡng) nhng yêu cầu các yếu tố này đợc định nghĩa rõ ràng và do dó đợc mở để xem xét và chứng minh. Sự tơng tác giữa các thông số và sự phi tuyến trong phản ứng mô hình (nó có thể cực kỳ phức tạp và tiềm tàng ngay cả khi hỗn độn) đợc giải ẩn trong phơng pháp GLUE. Về bản chất phản ứng phi tuyến của một bộ thông số của một mô hình riêng đợc tóm tắt bằng giá trị hữu hiệu liên hợp, nghĩa là thực hiện của thể hiện mô hình riêng đó trong việc tái tạo lại các quan trắc. Nh vậy phân tích tập trung vào bộ thông số hơn là dáng điệu của từng thông số riêng biệt và tơng tác của chúng (mặc dù một số phơng tiện đợc cung cấp trong tuỳ chọn Sensitivity Plot (đồ thị độ nhạy) để khảo 323 sát độ nhạy cho các thông số riêng biệt). Sai số trong số liệu đầu vào và số liệu quan trắc cũng đợc thực hiện một cách ẩn. Nh vậy độ hữu hiệu phản chiếu khả năng của mô hình riêng để dự báo một chuỗi riêng (có thể không là sai số tự do) đa đến một bộ đầu vào riêng (có thể không có sai số tự do). Nh thế có một giả thiết ẩn rằng trong dự báo cấu trúc sai số tơng tự trong nghĩa mở rộng với những cấu trúc này trong thời kỳ đánh giá. Giới hạn chính của phơng pháp GLUE là phụ thuộc vào mô phỏng Monte-Carlo. Cho các mô hình phức tạp cần nhiều thời gian cho mỗi lần chạy, nó sẽ không có khả năng để khảo sát đầy đủ bề mặt phản ứng thông số bậc cao. Dù sao, các thực nghiệm gợi ý rằng giới hạn trên của thực hiện mô hình thờng đợc xác định tốt bởi giới hạn các thể hiện mô hình và rằng khoảng dự báo là chấp nhận đợc trong sự so sánh với quan trắc. Các tuỳ chọn sẵn có trong chơng trình nh sau A.4.1.Dotty Plots (Đồ thị điểm) Màn hình Dotty Plots cung cấp đồ thị của độ hữu hiệu bất kỳ hoặc biến dự báo tơng phản với giá trị của mỗi thông số riêng biệt. Một điểm đợc vẽ cho một lần chạy Monte-Carlo trong file số liệu đầu vào. Do đó đồ thị điểm là phép chiếu của tất cả các mẫu Monte-Carlo vào các trục thông số đơn. Vì vậy chúng đợc giải thích với sự thận trọng vì chúng có thể che dấu một số cấu trúc trong bề mặt phản ứng thông số N- chiều. Độ hữu hiệu hoặc các biến đã chọn có thể thay đổi hoặc chuyển đổi bằng cách chọn từ các tuỳ chọn trên dòng menu. A.4.2. Sensitivity Plot (Đồ thị độ nhạy) Màn hình này cung cấp đồ thị phân bố luỹ tích của nhóm giá trị thông số theo phân cấp của mỗi lần chạy Monte-Carlo cho độ hữu hiệu hoặc của biến dự báo đa ra. Sự khác nhau mạnh mẽ giữa các phân bố luỹ tích của độ hữu hiệu hoặc biến dự báo đa ra chỉ ra độ nhạy của thông số đó. Việc vẽ phân bố sẽ kết thúc cùng với việc chỉ ra một thiếu sót của độ nhạy. Độ hữu hiệu hoặc biến đã chọn có thể thay đổi hoặc chuyển đổi bằng cách chọn từ các tuỳ chọn trên dòng menu. A.4.3. Uncertainty Plots (Đồ thị tính bất định) Màn hình này cung cấp đồ thị của toán đồ và phân bố luỹ tích của biến dự báo đợc trọng số hoá bởi độ hữu hiệu đã chọn. Các điểm phân vị mẫu (5% và 95%) đã chỉ ra trên đồ thị phân bố luỹ tích. Cả độ hữu hiệu và biến có thể thay đổi bằng tuỳ chọn trên dòng menu. A.4.4. List Simulation (Danh sách mô phỏng) Tuỳ chọn này cung cấp đầu ra của đỉnh (hoặc đáy) của 20 mô phỏng phân cấp theo độ hữu hiệu hoặc biến dự báo. A.4.5. Transforming Likelihood Measures (Chuyển đổi độ hữu hiệu) Tuỳ chọn này cung cấp một số tuỳ chọn chuyển đổi bao gồm áp dụng một giới hạn 324 ngỡng thấp hơn, tăng độ hữu hiệu lên luỹ thừa, lấy hàm mũ của độ hữu hiệu nhân với một hệ số, lấy log của độ hữu hiệu. Độ hữu hiệu mới nhận đợc bằng cách này có thể lu trữ hoặc soạn thảo. A.4.6. Combining Likelihood Measures (Kết hợp độ hữu hiệu) Cần kết hợp các độ hữu hiệu khác nhau bắt nguồn từ số các tình huống khác nhau bao gồm kết hợp các độ hữu hiệu cho các dạng đánh giá mô hình khác nhau (ví dụ một độ hữu hiệu tính cho dự báo lu lợng, một độ hữu hiệu tính cho dự báo mực nớc ngầm hoặc mức độ ẩm của đất), hoặc cập nhật độ hữu hiệu hiện có với một độ hữu hiệu mới đợc tính cho dự báo theo một tập hợp quan trắc mới. Có 4 dạng khác nhau của toán tử tổ hợp đợc phép dùng trong phần mềm GLUE: Đó là phép nhân Bayes, tăng trọng số, liên kết mờ và giao nhau mờ (hộp 7.2). . số hoá DTM- ANALYSIS (mục A. 3) có thể dùng để mô hình hoá quá trình ma -dòng chảy ở quy mô lu vực, nhng cho phép dự báo phân bố biểu thị trong dạng bản đồ d a trên dạng c a chỉ số đ a hình (xem. model ( ồ thị mô hình) a ra một đồ thị đầu ra dự báo và quan trắc cùng với đồ thị c a chuỗi sai số quan trắc. Chuỗi thời gian mô hình hoá có thể ghi vào file. * Plot TF ( ồ thị TF) a ra một. liệu ma dòng chảy lu vực căn cứ vào khái niệm mô hình hàm chuyển đổi, tơng tự những gì đã dùng trong mô hình IHACRES c a Jakeman và nnk (1 990,1993: Jakeman và Hornberger, 199 4) và mô hình