1 ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC BÁCH KHOA Khoa Môi trường và tài nguyên BÁO CÁO BÀI TẬP LỚN Ứng dụng GIS và Viễn Thám trong quản lý tài nguyên và môi trường SỬ DỤNG ẢNH VỆ TINH TRONG CÔNG TÁC DỰ BÁO MƯA VÀ MỘT SỐ PHƯƠNG PHÁP HIỆU CHỈNH SỐ LƯỢNG MƯA GVHD Lưu Đình Hiệp Nhóm 4 Đỗ Văn Phước Trần Thị Ngọc Hân Nguyễn Thị Bé Liên I TỔNG QUAN Khái niệm Ảnh mây vệ tinh Là hình ảnh chụp Trái Đất từ không gian hiện rõ toàn bộ mây bao phủ quanh Trái Đất với mục đích phục vụ cho việ.
Trang 1ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH
TRƯỜNG ĐẠI HỌC BÁCH KHOA Khoa Môi trường và tài nguyên BÁO CÁO BÀI TẬP LỚN
Ứng dụng GIS và Viễn Thám trong quản lý tài nguyên và môi trường
SỬ DỤNG ẢNH VỆ TINH TRONG CÔNG TÁC DỰ BÁO MƯA VÀ MỘT SỐ PHƯƠNG
PHÁP HIỆU CHỈNH SỐ LƯỢNG MƯA
GVHD: Lưu Đình Hiệp
Nhóm 4: Đỗ Văn Phước
Trần Thị Ngọc Hân
Nguyễn Thị Bé Liên
I TỔNG QUAN
Khái niệm:
Ảnh mây vệ tinh: Là hình ảnh chụp Trái Đất từ không gian hiện rõ toàn bộ mây bao phủ quanh
Trái Đất với mục đích phục vụ cho việc giám sát, theo dõi thời tiết và được chụp bởi Vệ tinh khí tượng
Dự đoán rủi ro thời tiết, Đầu tiên, phải có kiến thức về các mối đe dọa thủy văn có thể xảy ra trong một khu vực cụ thể giúp các nhà khí tượng xác định chính xác hướng đi của những cơn bão, lũ lụt
Vệ tinh khí tượng: là một loại vệ tinh nhân tạo được dùng chủ yếu quan sát thời tiết và khí hậu
trên Trái Đất
Radar thời tiết: Công cụ phát hiện và hiển thị vùng mây nguy hiểm CB/TCU, vùng mưa dông
và hướng di chuyển của các đám mây và các hiện tượng thời tiết khác trong tầm phủ của nó
Trang 2Hình ảnh chụp từ Rada thời tiết
Trang 3II CÁC PHƯƠNG PHÁP HIỆU CHỈNH SỐ LIỆU MƯA TỪ VỆ TINH:
1 Phương pháp ước lượng mưa từ thông tin viễn thám PERSIANN:
Hệ thống Ước lượng Lượng mưa từ Thông tin Viễn Thám sử dụng Mạng thần kinh nhân tạo
(Precipitation Estimation from Remotely Sensed Information using Artificial Neural Network -
PERSIANN) là nguồn dữ liệu có nhiều ưu điểm để sử dụng quan trắc lượng mưa
Nguồn dữ liệu:
PERSIANN sử dụng thuật toán với sự hỗ trợ của mạng thần kinh nhân tạo để xử lý ảnh mây
từ vệ tinh Sử dụng phương pháp phân loại chức năng mạng thần kinh nhân tạo ước tính tỷ lệ mưa tại mỗi điểm ảnh của hình ảnh hồng ngoại được cung cấp bởi các vệ tinh địa tĩnh
Phân tích dữ liệu:
Truy vấn không gian: Dữ liệu từ nguồn dạng Raster được chuyển về dạng điểm lưới Lưới tọa
độ của bộ dữ liệu PERSIANN với độ phân giải 0.040
Tập hợp những hạt nước mưa rơi từ trên cao xuống nếu chiếu thẳng đứng xuống mặt đất thì chưa chắc toàn bộ các hạt nước đã rơi trúng miệng hứng của tiêu đo mưa, do bị ảnh hưởng của các yếu tố, trong đó yếu tố gió góp phần làm lệch phương của hạt mưa
- Thống kê chuỗi dữ liệu:
Độ chính xác PC:
Sai số tuyệt đối trung bình:
Trang 4Trong đó:
H = Quan trắc vệ tinh có và quan trắc mặt đất có
M = Quan trắc vệ tinh không và quan trắc mặt đất có
F = Quan trắc vệ tinh có và quan trắc mặt đất không
CN = Quan trắc vệ tinh không và quan trắc mặt đất không
2 Phương pháp ước lượng mưa từ từ thông tin viễn thám GSMAP:
GSMaP (Global Satellite Mapping Precipitation) Năm 2002, Trung tâm Khoa học và Công nghệ
Nhật Bản (JST – Japan Science and Technology Agency) đã bắt đầu thiết lập GSMaP và sau đó đến năm 2007 được đẩy mạnh bởi Trung tâm Nghiên cứu Vũ trụ Nhật Bản (JAXA – Japan Aerospace Exploration Agency) và nhóm các nhà khoa học thực hiện Nhiệm vụ Đo đạc mưa (PMM – Precipitation Measuring Mission) để thiết lập một sản phẩm mưa toàn cầu với độ phân giải cao theo không gian và theo thời gian
GSMaP là sự kết hợp từ số liệu bức xạ sóng ngắn của nhiều vệ tinh quĩ đạo thấp như TRMM TMI,
AQUA AMSRE, ADEOS II AMSRE và DMSP SSM/I và số liệu bức xạ hồng ngoại GEO [13]
Với sự kết hợp đó, GSMaP bao phủ trên phạm vi từ 60o N đến 60o S với độ phân giải theo phương ngang là 0,1 độ (3600 x 1200 pixels) và độ phân giải thời gian là 1 giờ
Phân tích dữ liệu:
Hệ số tương quan:
Trang 5 Độ lệch tương đối:
Trường hợp có tính bất liên tục theo không gian và thời gian:
Xác suất phát hiện (POD – Probability of Detection)
Tỷ phần cảnh báo sai (FAR - False Alarm Ratio):
Phương pháp hiệu chỉnh:
Giá trị lượng mưa ngày của GSMaP theo từng tháng mỗi năm tại trạm nào đó sẽ được hiệu chỉnh theo hai cách sau:
Trang 6Trong đó:
GSMaPHC là lượng mưa ngày GSMaP sau khi đã hiệu chỉnh;
GSMaP là lượng mưa ngày GSMaP chưa được hiệu chỉnh;
OBSTB là lượng mưa ngày quan trắc trung bình nhiều năm;
GSMaPTB là lượng mưa ngày GSMaP trung bình nhiều năm;
‘st’ là chỉ số cho trạm;
‘d’ là chỉ số cho ngày;
‘m’ là chỉ số cho tháng;
‘y’ là chỉ số cho năm Trong cách hiệu chỉnh thứ hai nếu giá trị sau hiệu chỉnh là âm thì sẽ được
gán bằng không
3 Phương pháp đo mưa toàn cầu:
Nguồn dữ liệu:
Global Precipitation Measurement (GPM là một nhiệm vụ vệ tinh quốc tế nhằm cung cấp thế
hệ tiếp theo của số liệu quan trắc mưa và tuyết toàn cầu mỗi 3 giờ NASA và JAXA đã
phòng vệ tinh GPM Core Observatory vào ngày 27/2/2014, mang theo những thiết bị xác định lượng mưa từ không gian Dữ liệu mưa cung cấp được sử dụng để thống nhất các số đo lượng mưa được thực hiện bởi một mạng lưới các vệ tinh đối tác quốc tế để định lượng thời gian, địa điểm và lượng mưa hoặc tuyết trên khắp thế giới
Trang 7Phân tích dữ liệu:
Hệ số tương quan Pearson:
Sai số tuyệt đối trung bình:
4 Phần mềm IRAIN:
Phân tích dữ liệu:
iRain cung cấp quyền truy cập vào các sản phẩm lượng mưa vệ tinh có độ phân giải cao (~ 4km) toàn cầu theo thời gian thực từ PERSIANN-CCS (Ước tính lượng mưa từ Thông tin cảm biến từ xa bằng cách sử dụng Mạng thần kinh nhân tạo - Hệ thống phân loại đám mây), được phát triển bởi nhóm nghiên cứu tại CHRS Khối xây dựng của iRain dựa trên ước
tính lượng mưa vệ tinh tạo ra bởi thuật toán PERSIANN đã được phát triển trong hơn hai thập
kỷ
iRain cho phép người dùng hình dung các quan sát lượng mưa trên vệ tinh toàn cầu theo thời gian thực và theo dõi các sự kiện mưa cực lớn trên toàn cầu
Trang 8Hình ảnh logo của phần mềm IRAIN Một số hình ảnh minh họa:
Trang 9Hình: Giao diện làm việc của phần mềm IRAIN
Link truy cập:
http://irain.eng.uci.edu/?fbclid=IwAR0Q9UytYlC32pIp1PV7c5lrQ6eyioJERU6rcfK2LQrGh U2cUV5s-mwpGQ8
III KẾT LUẬN:
-Dữ liệu mưa là dữ liệu quan trọng trong quy hoạch quản lý tài nguyên nước cũng như giảm thiểu
tác động do thiên tai Do đó, công tác quan trắc mưa có vai trò hết sức quan trọng
-Phương pháp sử dụng công nghệ viễn thám đã, đang được nghiên cứu và phát triển mạnh mẽ trở
thành công cụ hữu ích trong quản lý tài nguyên nước và giảm thiểu thiệt hại do thiên tai, nhất là trong tình hình tác động của biến đổi khí hậu ngày càng nghiêm trọng
Trang 10TÀI LIỆU THAM KHẢO
[1] Bùi Chí Nam (2017) Nghiên cứu đánh giá dữ liệu mưa quan trắc vệ tinh từ GPM và PERSIANN phục vụ cảnh báo mưa Thành phố Hồ Chí Minh
[2] Wikipedia, 2020, Vatm.vn
[3] Vũ Thanh Hằng (2018) Đánh giá số liệu mưa vệ tinh GSMaP cho khu vực Trung Bộ Việt Nam giai đoạn 2000-2010 và khả năng hiệu chỉnh
