Giải thích các thuật ngữ

325 Phô lôc B Gi¶i thÝch c¸c thuËt ng÷ Actual evapotranspiration (Bèc tho¸t h¬i thùc): C­êng ®é bèc h¬i tõ bÒ mÆt hoÆc líp phñ thùc vËt vµo khÝ quyÓn d­íi ®iÒu kiÖn khÝ t­îng thÞnh hµnh vµ cã s½n n­íc (môc 3.3, hép 3.1) Aerodynamic resistance (Søc c¶n khÝ ®éng lùc): Th«ng sè tû lÖ cho dßng nhiÖt thÊy ®­îc vµ tiÒm tµng trong ph­¬ng tr×nh Penman - Monteith (môc 3.3, hép 3.1) Areisotropic (DÞ h­íng): TÝnh tõ m« t¶ cho m«i tr­êng rçng, trong ®ã ®é dÉn thuû lùc lµ thùc sù lín h¬n trong h­íng dßng ch¶y ch¾c ch¾n (còng xem isotropic) (hép 5.1) Ateendent condition (§iÒu kiÖn tr­íc): Tr¹ng th¸i ­ít cña l­u vùc tr­íc mét sù kiÖn hoÆc mét thêi kú m« pháng (môc 1.4) Aquiclude (Líp c¸ch n­íc): Líp ®Êt ®¸ hoÆc kh«ng thÊm n­íc (môc 5.11) Atmospheric demant (Nhu cÇu khÝ quyÓn): C­êng ®é bèc tho¸t h¬i tiÒm n¨ng cho ®iÒu kiÖn khÝ quyÓn xem xÐt nh­ nhiÖt ®é, ®é Èm, tèc ®é giã mµ kh«ng cã giíi h¹n v× sù s½n cã cña n­íc (môc 3.3) Autocorrelater errors (Sai sè tù t­¬ng quan): Chuçi thêi gian cña sè d­ m« h×nh kh«ng ®éc lËp ë mçi b­íc thêi gian, nghÜa lµ biÓu thÞ t­¬ng quan thèng kª ë mét hay nhiÒu b­íc thêi gian riªng biÖt (xem Heteroseelastic) Automatic optimization (Tèi ­u ho¸ tù ®éng): HiÖu chØnh c¸c th«ng sè m« h×nh b»ng mét thuËt to¸n m¸y tÝnh ®Ó cùc ®¹i hoÆc cùc tiÓu ho¸ gi¸ trÞ hµm môc tiªu (môc 7.1) Base flow (Dßng ch¶y c¬ së): PhÇn cña thuû ®å dßng ch¶y sÏ tiÕp tôc nÕu kh«ng cã m­a tiÕp theo. §«i khi lÊy t­¬ng ®­¬ng tæng dßng ch¶y s¸t mÆt ®ãng gãp vµo dßng ch¶y s«ng, nh­ng c¸c ®o ®¹c dÊu vÕt m«i tr­êng cho r»ng ®©y kh«ng ph¶i lµ thuËt ng÷ tèt v× dßng ch¶y s¸t mÆt cã thÓ lµ l­îng ®ãng gãp ­u thÕ ®Õn thuû ®å tõ nhiÒu trËn m­a (môc 2.2) Baseflow separation (Ph©n t¸ch dßng ch¶y c¬ së): Mét thñ tôc kÕt hîp víi thuû ®å ®¬n vÞ ®Ó ph©n t¸ch thuû ®å thµnh dßng ch¶y do m­a vµ dßng ch¶y c¬ së. NhiÒu ph­¬ng ph¸p kh¸c nhau s½n cã, hÇu hÕt kh«ng cã c¬ së ch¾c ch¾n (môc 2.2) Basic function (C¸c hµm c¬ b¶n): C¸c hµm néi suy sö dông biÓu thÞ cho sù thay ®æi cña biÕn dù b¸o bªn trong mçi phÇn tö cña phÐp gi¶i phÇn tö h÷u h¹n (hép 5.3) Bayes equation (Ph­¬ng tr×nh Bayes): Ph­¬ng tr×nh ®Ó tÝnh to¸n x¸c suÊt sau 326 khi nhËn ®­îc mét x¸c suÊt tr­íc vµ mét hµm h÷u hiÖu. §­îc dïng trong ph­¬ng ph¸p GLUE ®Ó tÝnh to¸n träng sè h÷u hiÖu m« h×nh sau tõ träng sè chñ quan tr­íc ®ã vµ mét ®é ®o h÷u hiÖu cho ®¸nh gi¸ m« h×nh (môc 7.7 vµ hép 7.2) Behavioural Simulation (M« pháng hµnh vi): Mét m« pháng ®­a ®Õn sù t¸i t¹o chÊp nhËn ®­îc cña bÊt kú quan tr¾c s½n cã cho ®¸nh gi¸ m« h×nh. M« pháng kh«ng chÊp nhËn ®­îc lµ kh«ng cã hµnh vi (môc 7.2.1; 7.7) Big leaf model (M« h×nh l¸ c©y lín): BiÓu thÞ cña líp phñ thùc vËt trong dù b¸o bèc tho¸t h¬i nÕu nã lµ mét bÒ mÆt ®ång nhÊt (hép 3.1) Black box model (M« h×nh hép ®en): Mét m« h×nh liªn hÖ chØ ®Çu vµo vµ ®Çu ra dù b¸o b»ng mét hµm hoÆc c¸c hµm to¸n häc mµ kh«ng cã mét cè g¾ng nµo ®Ó m« t¶ qu¸ tr×nh ®iÒu khiÓn ph¶n øng bªn trong hÖ thèng (môc 1.1; 4.1) Blind validation (KiÓm chøng mï): §¸nh gi¸ m« h×nh b»ng gi¸ trÞ th«ng sè ®· ­íc l­îng tr­íc khi cã bÊt cø ®Çu ra nµo (môc 5.4) Boundary condition (§iÒu kiÖn biªn): Sù rµng buéc vµ gi¸ trÞ c¸c biÕn yªu cÇu ®Ó ch¹y m« h×nh cho mét khu vùc vµ mét thêi kú cô thÓ. Cã thÓ bao gåm c¸c biÕn ®Çu vµo nh­ m­a vµ nhiÖt ®é, hoÆc c¸c rµng buéc nh­ x¸c ®Þnh ®Çu n­íc cè ®Þnh (®iÒu kiÖn biªn Dirichlet), biªn kh«ng thÊm (®iÒu kiÖn biªn Neumann), hoÆc c­êng suÊt dßng x¸c ®Þnh (®iÒu kiÖn biªn Cauchy) (môc 1.3; hép 5.1) Calibration (HiÖu chØnh): Qu¸ tr×nh hiÖu chØnh gi¸ trÞ cña th«ng sè ®Ó thu ®­îc sù phï hîp tèt h¬n gi÷a c¸c biÕn quan tr¾c vµ dù b¸o. Cã thÓ lµm b»ng tay hoÆc dïng thuËt to¸n hiÖu chØnh tù ®éng (môc 1.8; ch­¬ng 7) Canopy resistance (Søc c¶n líp phñ): Søc c¶n ¶nh h­ëng ®Õn sù vËn chuyÓn h¬i n­íc tõ khÝ khæng cña l¸ c©y vµo khÝ quyÓn (môc 3.3) Capillary potential (TiÒm n¨ng mao dÉn): ¸p suÊt liªn quan ®Õn ¸p suÊt khÝ quyÓn ë ®ã n­íc trong ®Êt ®­îc gi÷ trong c¸c kh«ng gian trèng cña ®Êt. Trong ®Êt kh«ng b·o hoµ, tiÒm n¨ng mao dÉn lÊy gi¸ trÞ ©m t­¬ng ®­¬ng ¸p suÊt cña h¹t n­íc xuyªn qua bÒ mÆt cong n­íc- khÝ trong lç hæng cña ®Êt. Celerity or wave speed (§é nhanh hay tèc ®é sãng): Tèc ®é mµ nhiÔu lo¹n ¸p suÊt lan truyÒn qua khu vùc dßng ch¶y. PhÇn quan träng cña thµnh phÇn n­íc cò lín cña dßng ch¶y do m­a trong nhiÒu l­u vùc. Cã thÓ rÊt kh¸c nhau víi c¸c qu¸ tr×nh kh¸c nhau vµ l­u vùc Èm ­ít (môc 1.5; 5.5; hép 5.7) Complementary approach (TiÕp cËn phô): Mét ph­¬ng ph¸p dù b¸o c­êng ®é bèc h¬i thùc dùa trªn ý kiÕn cho r»ng c­êng ®é bèc h¬i thùc (vµ do ®ã ®é Èm xung quanh) lín h¬n th× ®é ®o bèc h¬i tõ bÒ mÆt tù do hoÆc thïng ®o bèc h¬i sÏ nhá h¬n (môc 3.3) Conceptual model (M« h×nh nhËn thøc-quan niÖm): M« h×nh thuû v¨n x¸c ®Þnh trong d¹ng c¸c ph­¬ng tr×nh to¸n häc. §¬n gi¶n ho¸ cña m« h×nh gi¸c quan (môc 1.3) Contributing area (DiÖn tÝch ®ãng gãp): Mét thuËt ng÷ trong sù ®a d¹ng cña c¸c con ®­êng trong thuû v¨n. HÇu hÕt ®Òu liªn quan ®Õn phÇn cña l­u vùc ®ãng gãp dßng ch¶y mÆt hay s¸t mÆt do m­a cho thuû ®å (môc 1.4) 327 Data assismilation (§ång nhÊt sè liÖu): Qu¸ tr×nh sö dông sè liÖu quan tr¾c ®Ó cËp nhËt dù b¸o m« h×nh (xem Real-time forecasting and updating) (môc 5.6) Degree- day method (Ph­¬ng ph¸p ®é-ngµy): Ph­¬ng ph¸p dù b¸o tuyÕt tan nh­ lµ tû lÖ víi ®é chªnh lÖch gi÷a nhiÖt ®é trung b×nh ngµy vµ gi¸ trÞ ng­ìng (môc 3.4) Depression storage (L­îng tr÷ h¹ thÊp): N­íc v­ît qu¸ kh¶ n¨ng thÊm cña ®Êt duy tr× trong c¸c lç hæng bÒ mÆt tr­íc khi x¶y ra dßng ch¶y trµn xu«i dèc cã ý nghÜa. Cã thÓ thÊm muén h¬n vµo ®Êt sau khi m­a kÕt thóc (môc 1.4). Deterministic model (M« h×nh tÊt ®Þnh): M« h×nh víi mét bé ®iÒu kiÖn biªn ban ®Çu sÏ cho duy nhÊt mét ®Çu ra hoÆc mét dù b¸o (môc 1.7) Diffusivity (KhuÕch t¸n): S¶n phÈm cña ®é dÉn thuû lùc kh«ng b·o hßa vµ gradient cña ®­êng cong liªn hÖ tiÒm n¨ng mao dÉn víi l­îng Èm ®Êt (môc 5.1.1, hép 5.1) Distributed model (M« h×nh ph©n bè): M« h×nh mµ gi¸ trÞ dù b¸o cña biÕn tr¹ng th¸i kh¸c nhau trong kh«ng gian (th­êng lµ c¶ thêi gian) (môc 1.7) Dotty plots (§å thÞ ®iÓm): Mét c¸ch biÓu thÞ kÕt qu¶ cña m« pháng Monte-Carlo trong ®ã mét hµm môc tiªu tõ mçi m« pháng ®­îc vÏ ®èi chiÕu víi gi¸ trÞ chän ngÉu nhiªn cña mçi th«ng sè. Do ®ã ®å thÞ ®iÓm biÓu thÞ phÐp chiÕu cña c¸c ®iÓm mÉu trªn bÒ mÆt ph¶n øng vµo trong trôc th«ng sè ®¬n (xem Objective function, Response surface) (môc 1.8; 7.7) Double mass curve (§­êng cong khèi kÐp): §å thÞ cña thÓ tÝch luü tÝch liªn kÕt víi hai tr¹m ®o (m­a hoÆc l­u l­îng) (môc 3.2) Dynamic contributing area (DiÖn tÝch ®ãng gãp ®éng lùc): DiÖn tÝch t¹o dßng ch¶y mÆt cã khuynh h­íng më réng suèt trËn m­a (môc 1.4) Eddy correlation method (Ph­¬ng ph¸p t­¬ng quan xo¸y): Kü thuËt ®o bèc tho¸t h¬i thùc vµ dßng nhiÖt thÊy ®­îc b»ng tÝch luü sù dao ®éng nhanh cña ®é Èm vµ nhiÖt ®é, kÕt hîp víi xo¸y rèi trong líp biªn thÊp h¬n (môc 3.3.3) Effective rainfall (M­a hiÖu qu¶): Mét phÇn cña ®Çu vµo m­a r¬i ®Õn l­u vùc, t­¬ng ®­¬ng víi phÇn dßng ch¶y do m­a cña thuû ®å (nh­ng còng l­u ý r»ng dßng ch¶y do m­a cã thÓ kh«ng ph¶i lµ tÊt c¶ l­îng n­íc m­a) (môc 1.3; 2.2) Effective storage capacity (Kh¶ n¨ng tr÷ hiÖu qu¶): HiÖu sè gi÷a ®é Èm ®Êt hiÖn thêi trong ®Êt kh«ng thÊm trªn mùc n­íc ngÇm vµ b·o hoµ (môc 1.5) Ephemeral stream (Dßng phï du-t¹m thêi): Dßng th­êng bÞ kh« gi÷a c¸c thêi kú m­a (môc 1.4) Equifimality (T­¬ng ®­¬ng): Kh¸i niÖm cho r»ng cã thÓ cã nhiÒu m« h×nh cña l­u vùc lµ t­¬ng thÝch chÊp nhËn ®­îc víi c¸c quan tr¾c s½n cã (môc 1.8; 7.7; 7.9) ESMA model (M« h×nh ESMA): xem Explicit soil moisture accouting model Evaluation (§¸nh gi¸): xem Validation Explicit solution (PhÐp gi¶i hiÖn): TÝnh to¸n ®éc lËp cña biÕn dù b¸o ë b­íc thêi gian nµy khi cho gi¸ trÞ cña biÕn ë b­íc thêi gian tr­íc (xem Implicit solution) 328 Explicit soil moisture accouting model (hoÆc ESMA: ®«i khi gäi lµ m« h×nh quan niÖm)(M« h×nh gi¶i thÝch ®é Èm ®Êt hiÖn): M« h×nh thuû v¨n t¹o nªn d·y c¸c phÇn tö l­îng tr÷ víi c¸c ph­¬ng tr×nh ®¬n gi¶n ®Ó ®iÒu khiÓn sù chuyÓn ®æi gi÷a c¸c phÇn tö. HÇu hÕt ¸p dông cho m« h×nh tËp trung, nh­ng mét sè m« h×nh sö dông thµnh phÇn ESMA ®Ó biÓu thÞ cho ®¬n vÞ ph¶n øng thuû v¨n ph©n bè (môc 2.4). Field capacity (L­îng tr÷ n­íc thùc ®Þa): BiÕn x¸c ®Þnh kh«ng chÝnh x¸c th­êng biÓu thÞ nh­ l­îng n­íc cña ®Êt khi nã cho phÐp tho¸t n­íc tõ b·o hoµ ®Õn khi sù tho¸t n­íc nhanh ngõng l¹i (xem Soil moisture deficit) (hép 6.2) Finite difference (Sai ph©n h÷u h¹n): BiÓu hiÖn gÇn ®óng cña vi ph©n kh«ng gian hoÆc thêi gian trong d¹ng cña c¸c biÕn, ph©n chia bëi c¸c kho¶ng gi¸n ®o¹n trong kh«ng gian vµ thêi gian (hép 5.3) Finite-element method (Ph­¬ng ph¸p phÇn tö h÷u h¹n): BiÓu thÞ gÇn ®óng cña vi ph©n thêi gian vµ kh«ng gian trong d¹ng cña tÝch ph©n cña hµm néi suy ®¬n gi¶n chøa c¸c biÕn x¸c ®Þnh ë nót cña sù gi¸n ®o¹n kh«ng ®Òu cña miÒn dßng ch¶y vµo c¸c phÇn tö (hép 5.8) Fuzzy logic (Logic mê): HÖ thèng c¸c quy t¾c l«gic chøa c¸c biÕn liªn kÕt víi ®é ®o mê liªn tôc (th«ng th­êng trong kho¶ng 0 ®Õn 1) thay cho ®é nhÞ ph©n (®óng/sai, 0 hoÆc 1) cña l«gic truyÒn thèng. Quy t¾c lµ s½n cã cho c¸c to¸n tö nh­ céng hoÆc nh©n cña ®é ®o mê vµ cho nhãm c¸c biÕn nhãm trong tËp hîp mê. Quy t¾c ®ã cã thÓ sö dông ®Ó ph¶n chiÕu c¸c kiÕn thøc kh«ng ®Çy ®ñ vÒ c¸c biÕn sÏ ph¶n øng nh­ thÕ nµo trong c¸c hoµn c¶nh kh¸c nhau (môc 1.7; 5.2.2) Gain (Lîi Ých): Mét hÖ sè ¸p dông cho mét hµm chuyÓn ®æi tõ thang ®é vµo ®Õn thang ®é ra trong ph©n tÝch hÖ thèng tuyÕn tÝnh, cã thÓ lµm thÝch nghi trong dù b¸o thêi gian thùc (hép 8.1) Geomorphological unit hydrograph (§­êng ®¬n vÞ ®Þa m¹o): §­êng ®¬n vÞ rót ra tõ quan hÖ cÊu tróc cña ®Þa m¹o l­u vùc, ®Æc biÖt cÊu tróc nh¸nh cña m¹ng s«ng (môc 2.3; 4.7; 2) Global optinium (Tèi ­u toµn côc): Mét bé gi¸ trÞ th«ng sè ®­a ®Õn sù phï hîp tèt nhÊt cã thÓ cho mét tËp hîp quan tr¾c (môc 1.8, 7.2) Head (§Çu n­íc): BiÓu thøc cña ¸p suÊt nh­ lµ nguån n¨ng l­îng trªn mét ®¬n vÞ träng l­îng th­êng sö dông trong thuû v¨n thuû lùc,v× nã cã ®¬n vÞ ®é dµi ( PhÇn 5.11). Heteroscedasitic error (Sai sè hçn hîp): Chuçi thêi gian cña sè d­ m« h×nh thÓ hiÖn sù thay ®æi ph­¬ng sai trªn mét thêi kú m« pháng (xem Autocorrelated error) ( môc 7.3, hép 7.1) Hortonian model (M« h×nh Horton): S¶n sinh dßng ch¶y bëi c¬ chÕ m­a v­ît thÊm. §­îc ®Æt tªn Robert E.Horton (xem Partial area model) (môc 1.4) Hydrological responee unit (§¬n vÞ ph¶n øng thuû v¨n): Mét phÇn mÆt ®Êt x¸c ®Þnh trong d¹ng c¸c ®Æc tr­ng cña ®Êt, thùc vËt vµ ®Þa h×nh cña nã (môc 1.7, 2.3, 3.8, 6.1 6.3) Hysteresis (TrÔ): ThuËt ng÷ ®Ó chØ ra r»ng quan hÖ gi÷a l­îng n­íc trong ®Êt vµ 329 tiÒm n¨ng mao dÉn hoÆc ®é dÉn thuû lùc lµ kh¸c nhau khi ®Êt ®ang ­ít so víi khi ®Êt ®ang kh« (môc 5.1.1; hép 5.1) Implicit solution (PhÐp gi¶i Èn): Gi¶i ®ång thêi c¸c biÕn dù b¸o ë mét b­íc thêi gian sau khi cho gi¸ trÞ c¸c b­íc thêi gian tr­íc, th­êng dïng phÐp lÆp (xem Explicit solution)(môc 5.1.1; hép 5.3) Imcommensurate (V« ­íc): Sö dông ®Ó ph¶n ¸nh biÕn hoÆc th«ng sè víi cïng mét tªn nh­ng cã l­îng kh¸c nhau v× sù biÕn ®æi cña quy m« (môc 1.8) Infiltration capacity (Kh¶ n¨ng thÊm): C­êng ®é giíi h¹n ë ®ã mÆt ®Êt cã thÓ hÊp thô m­a, nã phô thuéc vµo c¸c nh©n tè nh­ l­îng Èm tr­íc, thÓ tÝch n­íc thÊm, sù cã mÆt cña c¸c lç hæng to hoÆc líp vá bÒ mÆt (môc 1.4; hép 5.2) Infiltration excess runoff (Dßng ch¶y v­ît thÊm): Dßng ch¶y t¹o thµnh do c­êng ®é m­a v­ît qu¸ kh¶ n¨ng thÊm cña bÒ mÆt ®Êt. Cã thÓ dïng ë quy m« c¸c ®iÓm côc bé trong l­u vùc (khi dßng ch¶y mÆt cã thÓ thÊm xu«i dèc tiÕp theo) hoÆc ë quy m« l­u vùc ®Ó thÓ hiÖn r»ng mét phÇn cña thuû ®å m­a t¹o thµnh bëi c¬ chÕ m­a v­ît thÊm (môc 1.4). Initial condition (§iÒu kiÖn ban ®Çu): Gi¸ trÞ cña biÕn l­îng tr÷ hoÆc ¸p suÊt yªu cÇu ®Ó ban ®Çu ho¸ mét m« h×nh ë lóc b¾t ®Çu mét thêi kú m« pháng (môc 5.1) Interception (Gi÷ l¹i): M­a ®­îc gi÷ l¹i trong líp phñ thùc vËt, sau ®ã bèc h¬i ng­îc trë l¹i khÝ quyÓn (môc 3.3.2; hép 3.2) Inverse method (Ph­¬ng ph¸p nghÞch): HiÖu chØnh m« h×nh b»ng c¸ch hiÖu chØnh th«ng sè ®Ó gi¶m sù kh¸c nhau gi÷a c¸c biÕn quan tr¾c vµ dù b¸o (môc 5.1.1) Isotropic (§ång h­íng): TÝnh tõ m« t¶ cho m«i tr­êng rçng trong ®ã ®é dÉn thuû lùc lµ nh­ nhau trong tÊt c¶ c¸c h­íng dßng ch¶y (xem Anisotropic) (hép 5.1) Land surface parametrization (Th«ng sè ho¸ mÆt ®Êt): M« h×nh thuû v¨n dïng ®Ó tÝnh dßng n­íc vµ n¨ng l­îng tõ mÆt ®Êt ®Õn khÝ quyÓn trong m« h×nh hoµn l­u khÝ quyÓn (môc 2.4) Lead time (Thêi gian dù kiÕn): Thêi gian yªu cÇu cho dù b¸o ®i tr­íc thêi ®iÓm hiÖn thêi trong dù b¸o thêi gian thùc (môc 8.1) Learning set (Bé luyÖn): Bé sè liÖu quan tr¾c sö dông ®Ó hiÖu chØnh trong m« h×nh m¹ng thÇn kinh (môc 4.3) Likelihoot measure (§é h÷u hiÖu-§é ®o ®óng ®¾n-): §é ®o ®Þnh l­îng cña sù chÊp nhËn ®­îc cña mét m« h×nh hoÆc bé th«ng sè riªng trong t¸i t¹o l¹i ph¶n øng thuû v¨n ®· ®­îc m« h×nh ho¸ (môc 7.7; hép 7.1; 7.2) Linearity (TuyÕn tÝnh): M« h×nh lµ tuyÕn tÝnh nÕu ®Çu ra tû lÖ trùc tiÕp víi ®Çu vµo (môc 2.2; hép 2.1; 4.1) Linear storate (L­îng tr÷ tuyÕn tÝnh): Thµnh phÇn m« h×nh trong ®ã ®Çu ra tû lÖ trùc tiÕp víi gi¸ trÞ l­îng tr÷ hiÖn thêi. Khèi c¬ b¶n cña m« h×nh hµm chuyÓn ®æi tuyÕn tÝnh chung vµ hå chøa bËc thang Nash (môc 2.3; hép 1.4) Local optinium (Tèi ­u côc bé): §Ønh côc bé trong bÒ mÆt ph¶n øng th«ng sè ë ®ã mét bé th«ng sè nhËn ®­îc phï hîp víi quan tr¾c h¬n tÊt c¶ c¸c bé xung quanh nã, 330 nh­ng kh«ng tèt nh­ tèi ­u toµn côc (môc 7.2) Lumped model (M« h×nh tËp trung): M« h×nh coi toµn bé l­u vùc nh­ mét ®¬n vÞ tÝnh to¸n ®¬n vµ dù b¸o chØ nh÷ng gi¸ trÞ trung b×nh trªn toµn l­u vùc (môc 1.5, 1.7) Macropores (Lç hæng to): Lç hæng lín trong ®Êt cã thÓ thµnh ®­êng ®i quan träng cho sù thÊm hoÆc ph©n phèi l¹i cña n­íc b»ng c¸ch ®i qua khu«n ®Êt nh­ dßng ­u tiªn. Cã thÓ do ®Êt bÞ nøt vµ h×nh thµnh c¸i hom giá, kªnh rÔ vµ hang ®éng vËt (môc 1.4) Monte - Carlo simulation (M« pháng Monte - Carlo): M« pháng liªn quan ®Õn ch¹y nhiÒu lÇn mét m« h×nh sö dông bé th«ng sè hoÆc ®iÒu kiÖn biªn chän ngÉu nhiªn kh¸c nhau (môc 7.5; 7.6; 7.7) Network width function (Hµm ®é réng m¹ng): §å thÞ sè ®o¹n s«ng trong m¹ng s«ng ë c¸c kho¶ng c¸ch tÝnh tõ cöa ra l­u vùc. Cã thÓ dïng nh­ c¬ së cho c¶ thuËt to¸n diÔn to¸n tuyÕn tÝnh vµ phi tuyÕn (môc 4.3; 4.7.1) Nomogram (To¸n ®å): Mét ph­¬ng ph¸p kinh nghiÖm cho ­íc l­îng dßng ch¶y b»ng mét d·y ®å thÞ (môc 2.1) Nonlinear (Phi tuyÕn): M« h×nh lµ phi tuyÕn nÕu ®Çu ra kh«ng tû lÖ trùc tiÕp víi ®Çu vµo nh­ng cã thÓ kh¸c nhau víi c­êng ®é hoÆc thÓ tÝch cña ®Çu vµo hoÆc víi ®iÒu kiÖn tr­íc (hép 2.1) Nonparametric method (Ph­¬ng ph¸p kh«ng th«ng sè): Mét ph­¬ng ph¸p ­íc l­îng c¸c ph©n bè mµ kh«ng cã bÊt kú gi¶ thiÕt nµo vÒ d¹ng to¸n häc cña ph©n bè (môc 7.2.1) Nonstationarity (Kh«ng dõng): M« h×nh trong ®ã c¸c th«ng sè thay ®æi theo thêi gian (hép 2.1) Objective functions (Hµm môc tiªu): §é ®o cña viÖc m« pháng phï hîp tèt víi c¸c quan tr¾c s½n cã (môc 1.8; 7.3; hép 7.1) Optimization (Tèi ­u ho¸): Qu¸ tr×nh t×m bé th«ng sè ®­a ®Õn sù phï hîp tèt nhÊt cña m« h×nh víi sè liÖu cã s½n. Cã thÓ lµm b»ng tay hoÆc b»ng thuËt to¸n tèi ­u ho¸ (môc 1.8; 7.4) Overland flow (Dßng ch¶y trµn): Dßng ch¶y xu«i dèc cña n­íc trªn mÆt ®Êt khi v­ît kh¶ n¨ng thÊm hay kh¶ n¨ng tr÷ chç tròng cña bÒ mÆt (môc 1.4) Parameter (Th«ng sè): H»ng sè cÇn x¸c ®Þnh tr­íc khi ch¹y m« pháng m« h×nh (môc 1.5; 1.8) Parameter space (Kh«ng gian th«ng sè): Kh«ng gian x¸c ®Þnh bëi ph¹m vi c¸c th«ng sè m« h×nh cã thÓ víi mçi chiÒu cho mçi th«ng sè (môc 1.8; 7.2) Parsimony (Chi li): Kh¸i niÖm ®«i khi biÕt nh­ dao c¹o Occam mµ mét m« h×nh kh«ng phøc t¹p h¬n cÇn thiÕt ®Ó dù b¸o c¸c quan tr¾c ®ñ chÝnh x¸c (hép 4.1) Partial area model (M« h×nh diÖn tÝch riªng phÇn): S¶n sinh dßng ch¶y (bëi c¬ chÕ v­ît thÊm) chØ trªn mét phÇn cña s­ên dèc (diÖn tÝch riªng phÇn) trong l­u vùc (môc 1.4) 331 Pedo transfer function (Hµm chuyÓn ®æi thæ nh­ìng): Hµm dù b¸o c¸c th«ng sè thuû lùc ®Êt tõ c¸c kiÕn thøc cña kÕt cÊu ®Êt vµ c¸c biÕn kh¸c dÔ ®o ®¹c h¬n (môc 3.8; 5.1.1; hép 5.5) Perceptual model (M« h×nh gi¸c quan): M« t¶ ®Þnh tÝnh cña qu¸ tr×nh ®iÒu khiÓn ph¶n øng thuû v¨n cña mét vïng (môc 1.3; 1.4) Phreetophytes : Lo¹i c©y mµ dÔ cña nã bßn rót n­íc tõ mùc n­íc ngÇm (môc 1.4) Potential evapotranspiration (Bèc tho¸t h¬i tiÒm n¨ng): C­êng ®é bèc tho¸t h¬i tõ bÒ mÆt hoÆc líp phñ thùc vËt kh«ng h¹n chÕ vÒ l­îng n­íc s½n cã (xem Atmospheric demand) (môc 3.3; hép 3.1) Preferential flow (Dßng ch¶y ­u tiªn): Sù tËp trung côc bé dßng ch¶y trong ®Êt cã thÓ lµ ¶nh h­ëng cña c¸c lç hæng lín, sù biÕn ®æi côc bé trong thuéc tÝnh thuû lùc hoÆc ®µu nhän bÒ mÆt ­ít chuyÓn ®éng vµo profile ®Êt. Cã thÓ t¹o ra sù thÊm nhanh vµ s©u cña n­íc b»ng c¸ch ®i qua nhiÒu khu«n ®Êt (môc 1.4) Principle of superposition (Nguyªn t¾c xÕp chång): Thªm vµo ph¶n øng cña m« h×nh tuyÕn tÝnh ®Ó t¹o nªn mét ph¶n øng tæng céng (môc 2.2; hép 2.1) Procedural model (M« h×nh thñ tôc): M« h×nh biÓu thÞ nh­ ch­¬ng tr×nh m¸y tÝnh. Cã thÓ lµ phÐp gi¶i chÝnh x¸c hay gÇn ®óng cña ph­¬ng tr×nh x¸c ®Þnh m« h×nh quan niÖm cña hÖ thèng (môc 1.3) Raster digital elevation model (M« h×nh ®é cao sè ho¸ Raster): TËp hîp l­íi cña gi¸ trÞ cao tr×nh t¹i c¸c kh«ng gian ®Òu (môc 3.7) Rational method (Ph­¬ng ph¸p tû lÖ): Ph­¬ng ph¸p kinh nghiÖm sö dông lÇn ®Çu trong thÕ kû 19 cho dù b¸o l­u l­îng ®Ønh dùa trªn diÖn tÝch l­u vùc vµ ®é ®o m­a trung b×nh (môc 2.1) Real time forceasting and updating (Dù b¸o thêi gian thùc vµ cËp nhËt): Dù b¸o dßng ch¶y thùc hiÖn suèt mét trËn m­a, th­êng ®Ó dù b¸o kh¶ n¨ng cña lò lôt víi sù cËp nhËt thÝch øng cña th«ng sè m« h×nh dùa trªn sai sè gi÷a c¸c biÕn quan tr¾c vµ dù b¸o (xem Lead time) (môc 4.8; 8.4; hép 8.1) Reliability analysis (Ph©n tÝch ®é tin cËy): §¸nh gi¸ tÝnh bÊt ®Þnh trong dù b¸o m« h×nh b¾t nguån tõ tÝnh bÊt ®Þnh trong c¸c gi¸ trÞ th«ng sè, th­êng b»ng gi¶ thiÕt h×nh d¹ng ch¾c ch¾n cho mÆt ph¶n øng (xem Response surface) (môc 7.1; 7.5) Responce surface (BÒ mÆt ph¶n øng): BÒ mÆt x¸c ®Þnh bëi gi¸ trÞ biÕn ®æi cña hµm môc tiªu v× nã thay ®æi víi sù biÕn ®æi gi¸ trÞ th«ng sè. Cã thÓ cho nh­ lµ bÒ mÆt "låi" vµ "lâm" trong kh«ng gian nhiÒu chiÒu x¸c ®Þnh bëi c¸c th«ng sè, ë ®ã “låi” thÓ hiÖn sù phï hîp tèt víi quan tr¾c, cßn "lâm" thÓ hiÖn sù phï hîp tåi víi quan tr¾c (xem parameter space) (môc 1.8; 7.2) Riparian area (DiÖn tÝch ven s«ng): PhÇn l­u vùc kÕ cËn dßng s«ng vµ th­êng lµ nguån quan träng nhÊt cña dßng ch¶y mÆt vµ s¸t mÆt (môc 1.4) Runoff (Dßng ch¶y): (xem Overland flow, Storm runoff, Surface runoff, Subsurface stormflow) Runoff coefficient (HÖ sè dßng ch¶y): Tû lÖ cña l­îng m­a xuÊt hiÖn trong 332 thuû ®å dßng ch¶y do m­a. Gi¸ trÞ sÏ phô thuéc vµo thµnh phÇn dßng ch¶y m­a cña thuû ®å ®­îc x¸c ®Þnh nh­ thÕ nµo? (môc 2.2) Runoff routing (DiÔn to¸n dßng ch¶y): ChuyÓn ®éng dßng ch¶y mÆt, s¸t mÆt do m­a ®Õn ®iÓm quan t©m, th­êng lµ cöa ra cña l­u vùc, quan t©m tíi tèc ®é dßng ch¶y mÆt, s¸t mÆt vµ s«ng (môc 1.6; 4.4; 5.5; 5.6; 6.1) Saturation excess runoff (Dßng ch¶y v­ît b·o hoµ): Dßng ch¶y t¹o ra bëi m­a vµo trong ®Êt b·o hoµ, thËm chÝ khi c­êng ®é m­a cã thÓ kh«ng v­ît c­êng ®é thÊm th«ng th­êng cña ®Êt. Cã thÓ dïng c¶ ë quy m« ®iÓm côc bé bªn trong l­u vùc (khi dßng ch¶y mÆt cã thÓ thÊm tiÕp xu«i dèc) hoÆc ë quy m« l­u vùc ®Ó thÓ hiÖn phÇn cña thuû ®å m­a t¹o bëi c¬ chÕ v­ît b·o hoµ (môc 1.4) Similar media (Ph­¬ng tiÖn t­¬ng tù): Ph­¬ng ph¸p thu phãng cña ®Æc tr­ng ®é Èm ®Êt cña ®Êt kh«ng ®ång nhÊt b»ng gi¶ thiÕt vÒ cÊu tróc cña ph­¬ng tiÖn (vÝ dô h×nh häc cña khu«n ®Êt lµ gièng nhau, chØ kh¸c nhau ë thang ®é dµi cña khu«n mÉu kh¸c nhau) (môc 5.4) Slope - area method (Ph­¬ng ph¸p diÖn tÝch-®é dèc): Ph­¬ng ph¸p ®o l­u l­îng ®Ønh sau trËn lò khi dïng mét ph­¬ng tr×nh dßng ch¶y ®Òu b»ng c¸ch ­íc l­îng diÖn tÝch mÆt c¾t ngang, ®é dèc mÆt n­íc vµ hÖ sè nh¸m t¹i mét vÞ trÝ (môc 3.2) Snow course (TuyÕn kh¶o s¸t): §­êng c¾t ngang ë ®ã tiÕn hµnh ®o ®¹c ®Òu ®Æn c­êng ®é vµ ®é s©u tuyÕt (môc 3.1) Soil moistur characteristic (§Æc tr­ng ®é Èm ®Êt): §­êng cong hoÆc hµm sè liªn hÖ ®é Èm ®Êt víi ®é dÉn thuû lùc kh«ng b·o hoµ vµ tiÒm n¨ng mao dÉn (môc 5.1.1; hép 5.2) Soil moistur deficit (§é hôt Èm ®Êt): BiÕn tr¹ng th¸i dïng trong nhiÒu m« h×nh thuû v¨n nh­ mét biÓu thøc cña l­îng tr÷ n­íc trong ®Êt. SMD b»ng 0 khi ®Êt ë kh¶ n¨ng thùc ®Þa vµ lín h¬n khi ®Êt kh«. Nã th­êng biÓu thÞ b»ng ®¬n vÞ ®é s©u cña n­íc (môc 1.4; 3.1) Specific moisture capacity (Kh¶ n¨ng ®é Èm riªng): Gradient cña ®­êng cong liªn hÖ ®é Èm ®Êt kh«ng b·o hoµ víi tiÒm n¨ng mao dÉn (môc 5.1.1; hép 5.2) State variable (BiÕn tr¹ng th¸i): BiÕn trong m« h×nh lµ mét phÇn cña phÐp gi¶i ph­¬ng tr×nh m« h×nh vµ thay ®æi suèt thêi gian m« pháng nh­ng kh«ng lµ mét dßng hoÆc sù trao ®æi cña khèi. Cã thÓ bao gåm biÕn l­îng tr÷ vµ ¸p suÊt, phô thuéc vµo ®Þnh nghÜa m« h×nh (môc 5.8) Stemflow (Dßng th©n c©y): M­a xuyªn vµo ®Êt qua c¸c nh¸nh c©y (môc 1.4, hép 3.2). Stochastic (NgÉu nhiªn): M« h×nh lµ ngÉu nhiªn nÕu cho mét bé ®iÒu kiÖn biªn vµ ban ®Çu, cã thÓ cã mét kho¶ng cña ®Çu ra, th­êng víi mçi ®Çu ra liªn hÖ víi mét x¸c suÊt ®· ­íc l­îng (môc 1.7). Storm profile (Tr¾c diÖn m­a): Chuçi c­êng ®é m­a trong suèt trËn m­a (môc 3.1) Storm runoff (Dßng ch¶y do m­a): Cã nhiÒu ®Þnh nghÜa m©u thuÉn nhau vÒ dßng ch¶y m­a. ë ®©y lµ phÇn cña thuû ®å s«ng do m­a v­ît qu¸ vµ ë bªn trªn mét l­u l­îng ®· xÈy ra mµ kh«ng cã m­a vµ cã thÓ bao gåm c¶ qu¸ tr×nh dßng ch¶y mÆt, s¸t mÆt, c¶ ®ãng gãp cña n­íc m­a vµ n­íc cò (môc 1.4; 1.5; 1.6) Streamline (§­êng dßng): Mét ®­êng song song víi h­íng dßng ch¶y (xem 333 Stream tube)(môc 3.7) Stream tube (èng dßng): PhÇn cña khu vùc dßng ch¶y ®ãng kÝn gi÷a hai ®­êng dßng x¸c ®Þnh (môc 3.7) Sublimation (Th¨ng hoa): Tæn thÊt trùc tiÕp n­íc tõ khèi tuyÕt vµo kh«ng khÝ do bèc h¬i (môc 3.1). Subsurface stormflow (Dßng ch¶y m­a s¸t mÆt): §ãng gãp vµo thuû ®å s«ng bëi qu¸ tr×nh dßng s¸t mÆt duy nhÊt (môc 1.4). Surface runoff (Dßng ch¶y mÆt): §ãng gãp vµo thuû ®å s«ng tõ dßng ch¶y trµn (môc 1.4) Tessenlation (Kh¶m): Gi¸n ®o¹n ho¸ kh«ng gian thµnh l­íi kh«ng gian hoÆc m¹ng phÇn tö (môc 3.7) Throughfall (Xuyªn): M­a r¬i ®i vµo ®Êt trùc tiÕp hay gi¸n tiÕp tõ l¸ c©y (môc 1.4; hép 3.2) Through flow (Dßng ch¶y xuyªn): Th­êng dïng cho dßng ch¶y s¸t mÆt xu«i dèc gÇn bÒ mÆt dèc trong tr¾c diÖn ®Êt (môc 1.4) Time compression assumption (Gi¶ thiÕt nÐn thêi gian): Xö lý l­îng n­íc thÊm suèt trËn m­a v× nÕu nã ®· thÊm ë kh¶ n¨ng thÊm cña ®Êt ®Ó tÝnh to¸n mét thêi gian tÝch ®äng t­¬ng ®­¬ng (hép 5.2) Time to ponding (Thêi gian tÝch ®äng): Thêi gian lÊy trong suèt trËn m­a ®Ó lµm cho bÒ mÆt ®Êt thµnh b·o hoµ (hép 5.2) Transfer function (Hµm chuyÓn ®æi): BiÓu thÞ ®Çu ra tõ hÖ thèng do mét ®¬n vÞ ®Çu vµo (môc 3.7) Triangular irregular network (M¹ng tam gi¸c kh«ng ®Òu): Mét c¸ch biÓu thÞ ®Þa h×nh b»ng m¹ng c¸c tam gi¸c gi÷a c¸c ®iÓm cao tr×nh ®· biÕt (môc 3.7) Uniform flow (Dßng ch¶y ®Òu): Dßng ch¶y kªnh hë hoÆc dßng ch¶y trµn trong ®ã ®é dèc bÒ mÆt b»ng ®é dèc ®¸y ®Ó tæn thÊt n¨ng l­îng do øng suÊt tiÕp ma s¸t, ®­îc tÝnh chÝnh x¸c bëi phÇn n¨ng l­îng tiÒm n¨ng thu ®­îc nh­ n­íc chuyÓn ®éng theo däc s­ên dèc (môc 5.2.2; hép 5.6) Unit hydrograph (§­êng ®¬n vÞ): Ph¶n øng dßng ch¶y m­a tõ mét ®¬n vÞ l­îng m­a hiÖu qu¶ (môc 2.2; 2.3; 4.8) Validation (KiÓm chøng): Qu¸ tr×nh ®¸nh gi¸ m« h×nh ®Ó kh¼ng ®Þnh r»ng chóng lµ ®¹i biÓu chÊp nhËn ®­îc cña hÖ thèng. C¸c nhµ khoa häc cã mét vµi ý kiÕn víi kh¸i niÖm kiÓm chøng (môc 1.8) vµ tèt h¬n lµ sö dông "®¸nh gi¸" hoÆc "kh¼ng ®Þnh" thay cho kiÓm chøng (nã cã gèc Latinh lµ ®é ®o møc ®é thËt cña m« h×nh (môc 1.8; 5.3; 10.5) Vector digital elevation model (M« h×nh cao tr×nh sè vecto): Mét tËp hîp ®iÓm cao tr×nh kh«ng gian kh«ng ®Òu b»ng ®Þnh nghÜa c¸c ®­êng ®ång møc cao tr×nh (môc 3.7) Wave speed (Tèc ®é sãng): Xem Celerity 334 Tµi liÖu tham kh¶o 1. Abbott M. B. and Refsgaard J. C (1996) Distributed Hydrological Modelling. Kluwer Academic, Dordrecht 2. Abbot M. B., Bathurst J. C., Cunge J. A., CYConnell P. E. and Rasmussen J. (1986a) An introduction to the European Hydrological System - Systeme Hydrologique Europeen. SHE. 1. History, and philosophy of a physically-based. distributed modelling system. Jounal of Hydrology 87: 45-59, 3. Abbot M. 8., Bathurst J. C, Cunge J.A., CYConnell P.E. and Rasmussen J. 1986b)An introduction to the European Hydrological System- Systeme Hydrologique Europeen. SHE 2. Structure of a physical-Bases, distributed modelling system. Journal of Hydrology 87: 61-77 4. Abdullah F. A. and Lettenmaier D. P. (1997) Application of regional parameter estimation schemes to simulate the water balance of a large continental river. Journal