Nghiên cứu khai thác dữ liệu mưa vệ tinh nâng cao chất lượng mô phỏng dòng chảy lũ khu vực thiếu số liệu trên lưu vực sông mã

Giải thích thuật ngữ APHRODITE: Lượng mưa khu vực Châu Á - Tích hợp dữ liệu quan trắc có độ phân giải cao để đánh giá Asian Precipitation – Highly Resolved Observational Data Integratio

BỘ GIÁO DỤC VÀ ĐÀO TẠO BỘ NÔNG NGHIỆP VÀ PTNT

TRƯỜNG ĐẠI HỌC THỦY LỢI

NGUYỄN TIẾN KIÊN

NGHIÊN CỨU KHAI THÁC DỮ LIỆU MƯA VỆ TINH NÂNG CAO CHẤT LƯỢNG MÔ PHỎNG DÒNG CHẢY LŨ KHU VỰC

THIẾU SỐ LIỆU TRÊN LƯU VỰC SÔNG MÃ

LUẬN ÁN TIẾN SĨ KỸ THUẬT

HÀ NỘI, NĂM 2023

BỘ GIÁO DỤC VÀ ĐÀO TẠO BỘ NÔNG NGHIỆP VÀ PTNT

TRƯỜNG ĐẠI HỌC THỦY LỢI

NGUYỄN TIẾN KIÊN

NGHIÊN CỨU KHAI THÁC DỮ LIỆU MƯA VỆ TINH NÂNG CAO CHẤT LƯỢNG MÔ PHỎNG DÒNG CHẢY LŨ KHU VỰC

THIẾU SỐ LIỆU TRÊN LƯU VỰC SÔNG MÃ

i

LỜI CAM ĐOAN

Tác giả xin cam đoan đây là công trình nghiên cứu của bản thân tác giả Các kết quả nghiên cứu và các kết luận trong luận án là trung thực, không sao chép từ bất kỳ một nguồn nào và dưới bất kỳ hình thức nào Việc tham khảo các nguồn tài liệu (nếu có) đã được thực hiện trích dẫn và ghi nguồn tài liệu tham khảo đúng quy định

Tác giả luận án

Nguyễn Tiến Kiên

có những đóng góp quý báu giúp tác giả hoàn thiện luận án

Tác giả cũng xin được gửi lời cảm ơn chân thành đến lãnh đạo và các đồng nghiệp tại Trung tâm Dự báo khí tượng thủy văn quốc gia luôn hỗ trợ, tạo điều kiện về thời gian

để tác giả hoàn thành luận án Đặc biệt chân thành cám ơn các đồng nghiệp tại Phòng

Dự báo thủy văn Bắc Bộ, Phòng Dự báo thủy văn Trung Bộ, Tây Nguyên và Nam Bộ

đã có những giúp đỡ tận tình tác giả trong suốt quá trình nghiên cứu

Cuối cùng, tác giả xin được gửi tới những người thân trong gia đình của mình lời biết

ơn sâu sắc vì sự yêu thương và ủng hộ, dành thời gian và điều kiện tốt nhất để giúp tác giả hoàn thành nghiên cứu

iii

MỤC LỤC

DANH MỤC CÁC HÌNH ẢNH vi

DANH MỤC BẢNG BIỂU viii

MỞ ĐẦU 1

1 Tính cấp thiết của luận án 1

2 Mục tiêu nghiên cứu 3

3 Đối tượng và phạm vi nghiên cứu 3

4 Hướng tiếp cận và phương pháp nghiên cứu 3

5 Ý nghĩa khoa học và thực tiễn của nghiên cứu 5

6 Bố cục của luận án 5

CHƯƠNG 1 TỔNG QUAN TÌNH HÌNH NGHIÊN CỨU ỨNG DỤNG MƯA VỆ TINH………… 7

1.1 Tổng quan về mưa vệ tinh 7

1.1.1 Tổng quan về sản phẩm mưa vệ tinh 8

1.1.2 Các nghiên cứu đánh giá chất lượng mưa vệ tinh 13

1.2 Tổng quan các nghiên cứu khai thác sản phẩm mưa vệ tinh trên thế giới 17

1.2.1 Các nghiên cứu và phương pháp điển hình 17

1.2.2 Nghiên cứu ứng dụng mưa vệ tinh trong lĩnh vực thủy văn 21

1.2.3 Nhận xét các nghiên cứu trên thế giới 27

1.3 Tổng quan các nghiên cứu liên quan đến khai thác mưa vệ tinh ở Việt Nam 28 1.4 Lưu vực sông Mã và những đặc điểm liên quan đến đề tài luận án 30

1.4.1 Lưu vực sông Mã, địa hình và sông suối 30

1.4.2 Đặc điểm mưa trên lưu vực sông Mã 32

1.4.3 Đặc điểm dòng chảy trên lưu vực sông Mã 34

1.4.4 Các hình thế thời tiết chính gây mưa - lũ lớn trên lưu vực 36

1.4.5 Hiện trạng mạng lưới trạm đo mưa và những khó khăn trong tính toán dòng chảy lũ trên lưu vực sông Mã 37

1.5 Định hướng nghiên cứu của đề tài luận án 40

1.5.1 Những hạn chế, tồn tại trong nghiên cứu ứng dụng mưa vệ tinh cho lĩnh vực thủy văn và những khó khăn trong tính toán lũ trên lưu vực sông Mã 40

1.5.2 Định hướng nghiên cứu của đề tài luận án 41

1.6 Kết luận chương 1 43

iv

CHƯƠNG 2 PHƯƠNG PHÁP HIỆU CHỈNH MƯA VỆ TINH VÀ XÂY DỰNG

MÔ HÌNH MÔ PHỎNG LŨ SÔNG MÃ 45

2.1 Phân tích, lựa chọn mưa vệ tinh sử dụng trong nghiên cứu 45

2.1.1 Đánh giá chất lượng sản phẩm mưa vệ tinh GSMaP 49

2.1.2 Lựa chọn sản phẩm mưa GSMaP 60

2.2 Phương pháp hiệu chỉnh mưa vệ tinh 61

2.2.1 Phương pháp kết hợp, lân cận gần nhất và hiệu chỉnh theo vị trí trạm 61

2.2.2 Lựa chọn phương án hiệu chỉnh 65

2.2.3 Kết quả dữ liệu mưa lưới kết hợp giữa mưa vệ tinh và thực đo 66

2.3 Đánh giá dữ liệu mưa trong mô phỏng dòng chảy lũ 78

2.3.1 Các mô hình thủy văn thường được ứng dụng tính toán lũ 79

2.3.2 Lựa chọn mô hình thủy văn cho nghiên cứu 83

2.3.3 Một số đặc điểm chính của mô hình NAM 86

2.3.4 Phương pháp Muskingum 90

2.3.5 Thiết lập mô hình NAM cho lưu vực sông Mã 91

2.4 Lựa chọn thời gian xuất hiện mưa – lũ trên lưu vực sông Mã 93

2.5 Số liệu sử dụng trong nghiên cứu 95

2.5.1 Số liệu mưa thực đo từ các trạm bề mặt 95

2.5.2 Số liệu thủy văn 97

2.6 Kết luận chương 2 99

CHƯƠNG 3 KẾT QUẢ NGHIÊN CỨU ỨNG DỤNG MƯA VỆ TINH NÂNG CAO CHẤT LƯỢNG MÔ PHỎNG DÒNG CHẢY LŨ SÔNG MÃ 100

3.1 Đánh giá chất lượng dữ liệu mưa không gian trong mô phỏng dòng chảy lũ sông Mã… 100

3.1.1 Tính toán mô phỏng dòng chảy lũ sông Mã 100

3.1.2 Chỉ tiêu đánh giá 101

3.1.3 Cách đánh giá chất lượng dữ liệu mưa bằng mô hình thuỷ văn 102

3.2 Phân tích kết quả mô phỏng dòng chảy lũ trên lưu vực sông Mã 102

3.2.1 Mô phỏng dòng chảy lũ sử dụng mưa thực đo 102

3.2.2 Mô phỏng dòng chảy lũ sử dụng mưa GSMaP_NRT 104

3.2.3 Mô phỏng dòng chảy lũ sử dụng mưa kết hợp 105

3.2.4 Mô phỏng dòng chảy lũ sử dụng mưa lân cận gần nhất 107

v

3.2.5 Mô phỏng dòng chảy lũ sử dụng mưa hiệu chỉnh theo vị trí trạm 108

3.2.6 Đánh giá khả năng nâng cao chất lượng mô phỏng lũ 109

3.3 Kết luận chương 3 123

KẾT LUẬN VÀ KIẾN NGHỊ 124

1 Kết luận 124

2 Những đóng góp mới của luận án 125

3 Kiến nghị và định hướng nghiên cứu tiếp theo 125

DANH MỤC CÔNG TRÌNH ĐÃ CÔNG BỐ 127

TÀI LIỆU THAM KHẢO 128

PHỤ LỤC 135

vi

DANH MỤC CÁC HÌNH ẢNH

Hình 1.1 Bản đồ lưu vực sông Mã: địa hình và mạng lưới trạm đo khí tượng thủy văn

trong lưu vực 31

Hình 1.2 Bản đồ đẳng trị mưa năm lưu vực sông Mã trên lãnh thổ Việt Nam 33

Hình 1.3 Phân bố tổng lượng mưa tháng trung bình nhiều năm khu vực thượng lưu đến hạ lưu sông Mã (%) 34

Hình 1.4 Sơ đồ các bước thực hiện nghiên cứu trong luận án 43

Hình 2.1 Vị trí các trạm trên lưu vực sông Mã và lân cận 52

Hình 2.2 Sơ đồ nội dung đánh giá chất lượng mưa vệ tinhh GSMaP 53

Hình 2.3 Lượng mưa GSMaP và thực đo (mm) của một số trận mưa năm 2017/2018 lưu vực sông Mã 55

Hình 2.4 Chênh lệch giữa lượng mưa GSMaP và thực đo (mm) của một số trận mưa năm 2017/2018 lưu vực sông Mã 57

Hình 2.5 Đường quá trình mưa thời đoạn 6 giờ trung bình lưu vực theo thực đo và các sản phẩm GSMaP 59

Hình 2.6 Quan hệ giữa lượng mưa mô phỏng theo các sản phẩm GSMaP với lượng mưa thực tế ước tính từ trạm đo thời đoạn 6 giờ 59

Hình 2.7 Các bước hiệu chỉnh mưa vệ tinh GSMaP 64

Hình 2.8 Phân bố tổng lượng mưa từ 01/VIII – 31/X/2000 67

Hình 2.9 Phân bố tổng lượng mưa từ 15/VI – 15/IX/2002 67

Hình 2.10 Phân bố tổng lượng mưa từ 01/VII – 30/IX/2003 68

Hình 2.11 Phân bố tổng lượng mưa từ 01/VII – 15/X/2005 69

Hình 2.12 Phân bố tổng lượng mưa từ 01/VII – 30/IX/2006 70

Hình 2.13 Phân bố tổng lượng mưa từ 01/VIII – 31/X/2007 71

Hình 2.14 Phân bố tổng lượng mưa từ 01/VIII – 15/XI/2008 72

Hình 2.15 Phân bố tổng lượng mưa từ 15/VI – 15/X/2012 73

Hình 2.16 Phân bố chênh lệch về tổng lượng giữa mưa GSMaP_NRT (Raw), mưa kết hợp (Bias), mưa lân cận gần nhất (NR), mưa hiệu chỉnh theo vị trí trạm (MLR) với mưa thực đo 78

Hình 2.17 Cấu trúc cơ bản của mô hình NAM 87

Hình 2.18 Các tiểu lưu vực được phân chia cho lưu vực sông Mã 92

Hình 2.19 Bản đồ phân bố tổng lượng mưa từ ngày 1 – 5/X/2007 (a) [78] và từ 19h/03 – 19h/08/IX/2012 (b) [80] 95

Hình 3.1 Sơ đồ thực hiện tính toán lũ cho lưu vực sông Mã 100

vii

Hình 3.2 Kết quả mô phỏng lũ năm 2000 tại Cẩm Thủy, Xã Là, Cửa Đạt trước và sau khi hiệu chỉnh mưa vệ tinh 114Hình 3.3 Kết quả mô phỏng lũ năm 2002 tại Cẩm Thủy, Xã Là, Cửa Đạt trước và sau khi hiệu chỉnh mưa vệ tinh 115Hình 3.4 Kết quả mô phỏng lũ năm 2003 tại Cẩm Thủy, Xã Là, Cửa Đạt trước và sau khi hiệu chỉnh mưa vệ tinh 116Hình 3.5 Kết quả mô phỏng lũ năm 2005 tại Cẩm Thủy, Xã Là, Cửa Đạt trước và sau khi hiệu chỉnh mưa vệ tinh 117Hình 3.6 Kết quả mô phỏng lũ năm 2006 tại Cẩm Thủy, Xã Là, Cửa Đạt trước và sau khi hiệu chỉnh mưa vệ tinh 118Hình 3.7 Kết quả mô phỏng lũ năm 2007 tại Cẩm Thủy, Xã Là, Cửa Đạt trước và sau khi hiệu chỉnh mưa vệ tinh 119Hình 3.8 Kết quả mô phỏng lũ năm 2008 tại Cẩm Thủy, Xã Là, Cửa Đạt trước và sau khi hiệu chỉnh mưa vệ tinh 120Hình 3.9 Kết quả mô phỏng lũ năm 2012 tại Cẩm Thủy, Xã Là trước và sau khi hiệu chỉnh mưa vệ tinh 121

viii

DANH MỤC BẢNG BIỂU

Bảng 1.1 Tổng hợp một số bộ dữ liệu mưa vệ tinh chính hiện nay [14] 9

Bảng 1.2 Tổng hợp một số nghiên cứu đánh giá hiệu quả ứng dụng liệu mưa vệ tinh bằng mô hình thủy văn 22

Bảng 1.3 Danh sách các trạm mưa trên lưu vực sông Mã 37

Bảng 2.1 Các sản phẩm dữ liệu mưa vệ tinh GSMaP, phân loại và thời gian 45

Bảng 2.2 Các sản phẩm GSMaP trong nghiên cứu 50

Bảng 2.3 Các trận lũ trong năm 2017 và 2018 được sử dụng để đánh giá các nguồn mưa 52

Bảng 2.4 Sai số trung bình giữa mưa thực đo và mô phỏng hiệu chỉnh (mm) 65

Bảng 2.5 Phân tích ưu nhược điểm của các mô hình toán thủy văn 84

Bảng 2.6 Các thông số của mô hình NAM 89

Bảng 2.7 Thời gian xuất hiện mưa - lũ lớn được lựa chọn trong nghiên cứu 94

Bảng 2.8 Các trạm mưa trên lưu vực sông Mã và khu vực lân cận được sử dụng trong nghiên cứu 96

Bảng 2.9 Các trận lũ được lựa chọn để tính toán trong mô hình NAM 98

Bảng 3.1 Đánh giá mức độ chính xác của kết quả mô hình theo các chỉ số NSE và PBIAS [83] 102

Bảng 3.2 Kết quả đánh giá chất lượng tính toán dòng chảy lũ tại Cẩm Thủy, Xã Là và Cửa Đạt với số liệu đầu vào là mưa thực đo 103

Bảng 3.3 Kết quả đánh giá chất lượng tính toán dòng chảy lũ tại Cẩm Thủy, Xã Là và Cửa Đạt với số liệu đầu vào mưa GSMaP_NRT 104

Bảng 3.4 Kết quả đánh giá chất lượng tính toán dòng chảy lũ tại Cẩm Thủy, Xã Là và Cửa Đạt với số liệu đầu vào là mưa kết hơp 106

Bảng 3.5 Kết quả đánh giá chất lượng tính toán dòng chảy lũ tại Cẩm Thủy, Xã Là và Cửa Đạt với số liệu đầu vào là mưa NR 107

Bảng 3.6 Kết quả đánh giá chất lượng tính toán dòng chảy lũ tại Cẩm Thủy, Xã Là và Cửa Đạt với số liệu đầu vào là mưa MLR 109

Bảng 3.7 Tổng hợp kết quả đánh giá chất lượng dòng chảy lũ theo chỉ tiêu NSE tại Cẩm Thủy, Bái Thượng, Xã Là với từng loại mưa đầu vào mô hình NAM 112

Bảng 3.8 Tổng hợp kết quả đánh giá chất lượng dòng chảy lũ theo chỉ số PBIAS tại Cẩm Thủy, Bái Thượng, Xã Là với từng loại mưa đầu vào mô hình NAM 113

ix

DANH MỤC CÁC TỪ VIẾT TẮT VÀ GIẢI THÍCH THUẬT NGỮ

1 Danh mục các từ viết tắt

ATNĐ: Áp thấp nhiệt đới

CHDCND: Cộng hòa Dân chủ Nhân dân

CPC: Trung tâm Dự báo khí hậu Hoa Kỳ (Climate Prediction Center)

CGWM: Ủy ban bản đồ địa chất thế giới (Commission for the geological map of the world)

DMSP: Chương trình Vệ tinh khí tượng quân sự Mỹ định danh F13, F14, F15 (Defense Meteorological Satellite Program F13, F14, F15)

GIS: Hệ thống thông tin địa lý (Geographic Information System)

GLCC: Đặc tính lớp thảm phủ bề mặt toàn cầu (Global Land Cover Characterization) HTTT: Hình thế thời tiết

ICHARM: Trung tâm Quốc tế về Quản lý Rủi ro và Thiên tai liên quan đến nước (International Centre for Water Hazard and Risk Management)

IFAS: Hệ thống Phân tích lũ tổng hợp (Integrated Flood Analysis System)

JAXA: Cơ quan Thám hiểm Hàng không Vũ trụ Nhật Bản (Japan Aerospace Exploration Agency)

KKL: Khối không khí lạnh

KTTV: Khí tượng thủy văn

NAM: Mô hình Nedbør-Afstrømnings (Nedbør-Afstrømnings-Model)

NOAA: Cơ quan Khí quyển và Đại dương Quốc gia, Mỹ (National Oceanic and Atmospheric Administration, USA)

NSE: Hệ số hiệu quả của mô hình Nash-Sutcliffe (Nash–Sutcliffe model efficiency coefficient)

PWRI: Viện nghiên cứu công chính Nhật (Public Works Research Institute)

RT: Rãnh thấp

x

USGS: Cơ quan Khảo sát Địa chất Mỹ (United States Geological Survey)

USDA: Cục nông nghiệp Hoa Kỳ (United States Department of Agriculture)

UNEP: Chương trình Môi trường của Liên hiệp quốc (United Nation Environment Programme)

SWFDP-SeA: Chương trình dự báo thời tiết nguy hiểm khu vực Đông Nam Á (Severe Weather Forecasting Demonstration Project for Southeast Asia)

WMO: Tổ chức Khí tượng Thế giới (World Meteorological Organization)

2 Giải thích thuật ngữ

APHRODITE: Lượng mưa khu vực Châu Á - Tích hợp dữ liệu quan trắc có độ phân giải cao để đánh giá (Asian Precipitation – Highly Resolved Observational Data Integration towards Evaluation)

CDF: Phân phối tần suất tích lũy (Cumulative distribution of frequency)

CHRIPS: Sản phẩm mưa hồng ngoại kết hợp mưa từ trạm đo thuộc Nhóm hiểm họa khí hậu- Mỹ (Climate Hazards Group InfraRed Precipitation with Station data)

CMORPH: Kỹ thuật MORPHing của Trung tâm Dự báo Khí hậu (Climate Prediction Center (CPC) MORPHing technique)

QMORPH: Là biến thể của CMORPH với kỹ thuật ước tính tương tự

CPC_REF 2.0: Sản phẩm ước lượng mưa vệ tinh thế hệ 2.0 của Trung tâm dự báo khí hậu Mỹ (Rainfall Estimator version 2.0 product)

DEM: Mô hình số độ cao (Digital Elevation Model)

GPM: Đo lượng mưa toàn cầu (Global Precipitation Measurement)

GSMAP: Global Satellite Mapping of Precipitation (Bản đồ mưa vệ tinh toàn cầu) GSMaP_MVK: Bản đồ mưa vệ tinh toàn cầu kết hợp vi sóng – hồng ngoại (Global Satellite Mapping of Precipitation Microwave-IR Combined Product)

GSMaP_RNL: Sản phẩm mưa vệ tinh GSMaP đã được hiệu chỉnh

GSMaP_NRT: Sản phẩm mưa vệ tinh GSMaP thời gian gần thực (near real-time)

xi

GSMaP_NOW: Sản phẩm mưa vệ tinh thời gian thực (real-time)

IMERG: Truy xuất đa vệ tinh tích hợp cho GPM (Integrated Multi-Satellite Retrievals for GPM)

MSWEP: Sản phẩm mưa tổ hợp có trọng số đa nguồn (Multi-source weighted-ensemble precipitation)

PERSIANN: Ước tính lượng mưa từ thông tin cảm biến từ xa bằng mạng nơ ron nhân tạo (Precipitation Estimation from Remotely Sensed Information using Artificial Neural Network)

SRE: Sản phẩm mưa ước lượng từ ảnh mây vệ tinh (Satellite Rainfall Estimator)

TRMM: Chương trình đo mưa Nhiệt đới (Tropical Rainfall Measuring Mission)

TMPA: Phân tích mưa dựa trên nhiều sản phẩm vệ tinh thuộc Chương trình đo mưa Nhiệt đới (TRMM Multi-satellite Precipitation Analysis)

TRMM 3B42: Là sản phẩm ước lượng mưa vệ tinh thuộc Chương trình đo mưa nhiệt đới

QPE: Ước lượng mưa định lượng (Quantitative Precipitation Estimate)

QPF: Dự báo mưa định lượng (Quantitative Precipitation Forecast)

1

MỞ ĐẦU

1 Tính cấp thiết của luận án

Theo báo cáo “Quy hoạch mạng lưới quan trắc tài nguyên và môi trường quốc gia, giai đoạn 2016 – 2025, tầm nhìn đến năm 2030” của Bộ Tài nguyên và Môi trường đã đánh giá mạng lưới trạm khí tượng bề mặt, điểm đo mưa và trạm thủy văn ở nước ta còn thưa, chưa đáp ứng được các yêu cầu của công tác dự báo khí tượng thủy văn và nghiên cứu, quy hoạch của các ngành kinh tế quốc dân và phân bố không đều [1] Phần lớn các trạm đo đạc tập trung ở trung du và đồng bằng, nên mật độ trung bình của các lưu vực chưa đạt theo tiêu chuẩn, đặc biệt các vùng núi cao thượng lưu vực Nhiều lưu vực sông lớn ở nước ta có phần diện tích ngoài nước hầu như không có số liệu thực đo khí tượng, thủy văn do nhiều nguyên nhân như thượng nguồn sông Hồng, sông Mã, sông Cả… Đây là một khó khăn thách thức rất lớn đối với công tác quản lý tài nguyên nước nói chung và cảnh báo, dự báo lũ cho phòng, chống thiên tai nói riêng

Những năm gần đây, với sự phát triển khoa học công nghệ viễn thám và hệ thống thông tin địa lý (GIS), các sản phẩm viễn thám đã được sử dụng trong nhiều lĩnh vực với hiệu quả tốt như quản lý tài nguyên nước, quản lý lưu vực sông hay dự báo thủy văn Các sản phẩm viễn thám như số liệu địa hình, ước lượng mưa vệ tinh, thảm phủ thực vật, thông tin sử dụng đất, … đã được nghiên cứu và ứng dụng trong tính toán thủy văn với những

ưu điểm bao trùm được toàn bộ khu vực rộng lớn, cung cấp thông tin dữ liệu cần thiết cho những khu vực thiếu hoặc không có số liệu thực đo

Sông Mã có tổng diện tích lưu vực 28.400 km2 trong đó diện tích thuộc Cộng hòa dân chủ nhân dân (CHDCND) Lào là 10.800 km2 (38%) Thiên tai lũ lụt và hạn hán trên hệ thống sông Mã liên tiếp diễn ra, trong một năm có thể vừa xảy ra hạn hán vừa xảy ra lũ lụt nghiêm trọng trên lưu vực Trong những năm gần đây, sự xuất hiện thường xuyên của các hình thế thời tiết bất thường thậm chí cực đoan là tác nhân chính gây mưa lớn sinh lũ với nhiều đợt lũ, ví dụ trận mưa đặc biệt lớn tháng X/2017 trên lưu vực với tổng lượng mưa dao động từ 400 - 600 mm

2

Dòng chính sông Mã dài 512 km chảy qua các tỉnh Điện Biên, Hủa Phăn của Lào, sau

đó vào Thanh Hóa của Việt Nam và đổ ra biển qua cửa Lạch Trường Hiện trạng mạng lưới các trạm đo khí tượng thủy văn trên lưu vực tập trung ở khu vực đông dân cư, thành thị kinh tế - xã hội phát triển nằm dưới vùng hạ lưu vực thuộc tỉnh Thanh Hóa và Nghệ

An Mật độ các trạm đo mưa, khí tượng, thủy văn khá thưa ở miền núi phía thượng lưu thuộc các tỉnh Sơn La, Điện Biên, phần diện tích lưu vực thuộc lãnh thổ Lào có rất ít trạm đo và chúng ta hầu như không thu thập được số liệu khí tượng thủy văn Chính vì vậy, trong rất nhiều trường hợp khi tính toán dòng chảy lũ trên lưu vực sông Mã đã gặp nhiều khó khăn do nhiều vùng không có số liệu đo đạc dẫn đến thông tin về khí tượng thuỷ văn quan trắc được trên lưu vực chưa đại biểu về không gian Đây cũng là vấn đề còn tồn tại lớn trong công tác quản lý tài nguyên nước và phòng chống thiên tai trên lưu vực sông Mã và nhiều lưu vực khác ở Việt Nam

Hiện nay nhiều nguồn dữ liệu mưa là sản phẩm của công nghệ viễn thám đã và đang được nghiên cứu ứng dụng trong công tác quản lý lưu vực sông, quản lý nguồn nước nhằm khắc phục việc thiếu số liệu cho những khu vực không có số liệu thực đo bằng các thông tin quan trắc gián tiếp Tuy nhiên, các dữ liệu mưa dạng này vẫn còn có nhiều sai số khi so sánh với các dữ liệu thực đo tại các vùng có dữ liệu Do vậy, việc nghiên cứu kết hợp dữ liệu mưa đo tại các trạm với các nguồn thông tin mưa là sản phẩm của công nghệ viễn thám nhằm cải thiện kết quả tính toán mô phỏng lũ cho lưu vực sông

Mã có tính cấp thiết, tính thời sự, có ý nghĩa khoa học và thực tiễn rất lớn trong điều kiện thiên tai bất thường trên lưu vực sông Mã

Từ hiện trạng và những khó khăn về thông tin mưa lũ theo không gian trên lưu vực sông

Mã, trong khuôn khổ nội dung luận án sẽ nghiên cứu kết hợp nguồn số liệu mưa vệ tinh

và mưa thực đo mặt đất nhằm nâng cao hiệu quả mô phỏng dòng chảy lũ cho lưu vực sông Mã Giải quyết được bài toán này sẽ nâng cao hiệu quả trong quản lý nguồn nước, cảnh báo, dự báo lũ phục vụ công tác phòng chống thiên tai và bảo vệ môi trường do mưa lũ gây ra hàng năm

3

2 Mục tiêu nghiên cứu

- Nghiên cứu đề xuất được phương pháp hiệu chỉnh các sản phẩm mưa vệ tinh phù hợp, hiệu quả nhằm bổ sung và tăng cường về số liệu mưa cho các khu vực thiếu số liệu thực

đo trên lưu vực sông Mã

- Nghiên cứu ứng dụng mô hình toán thủy văn mô phỏng dòng chảy lũ chứng minh tính hiệu quả của phương pháp hiệu chỉnh mưa vệ tinh cho lưu vực sông Mã với mức độ chính xác, tin cậy, góp phần phục vụ công tác quản lý tài nguyên nước và phòng chống thiên tai

3 Đối tượng và phạm vi nghiên cứu

a) Đối tượng nghiên cứu

- Các sản phẩm mưa vệ tinh GSMaP với các bước thời gian ngắn (1 giờ, 3 giờ, 6 giờ)

- Dòng chảy lũ trên lưu vực sông Mã

b) Phạm vi nghiên cứu

+ Phạm vi không gian: Bao gồm phần lưu vực dòng chính sông Mã từ thượng nguồn thuộc tỉnh Điện Biện, qua lãnh thổ Lào đến tuyến trạm thuỷ văn Cẩm Thuỷ với diện tích khoảng 17.500 km2, chiếm 62,5 % diện tích toàn lưu vực sông Mã

+ Phạm vi thời gian: Nghiên cứu tính toán dòng chảy lũ khu vực thượng lưu, trung lưu trên dòng chính sông Mã cho những trận lũ trong khoảng thời gian từ năm 2000 đến

2012

4 Hướng tiếp cận và phương pháp nghiên cứu

a) Hướng tiếp cận của luận án

Tiếp cận tổng hợp và hệ thống là hướng chủ yếu của luận án, trên cơ sở thông tin, số liệu khí tượng, thủy văn hiện có luận án đánh giá, phân tích tổng hợp, tổng quan được các kết quả đã được nghiên cứu liên quan đến “khai thác dữ liệu mưa vệ tinh” trên thế giới và trong nước Thông qua các kết quả nghiên cứu tính toán lũ từ các số liệu tổng hợp từ “mưa vệ tinh” và “mưa thực đo mặt đất”, phân tích ảnh hưởng của các điều kiện

b) Phương pháp nghiên cứu

Để giải quyết các nội dung của đề tài luận án, nghiên cứu sinh sử dụng các phương pháp chính sau đây:

1) Phương pháp phân tích tổng hợp: Đề tài sử dụng nhiều nguồn thông tin, số liệu và

trong quá trình nghiên cứu sẽ có nhiều kết quả, do vậy phải có phân tích tổng hợp để lựa chọn thông tin, số liệu đáng tin cậy làm đầu vào cho các bài toán hoặc các phân tích tiếp theo Các kết quả đầu ra của tính toán của nghiên cứu phải được phân tích tổng hợp trên

cơ sở thông tin đầu vào, cấu trúc mô hình, số liệu thực tế và điều kiện cụ thể của lưu vực

để lựa chọn kết quả hợp lý, tin cậy

2) Phương pháp thống kê: Sử dụng các chỉ số thống kê để đánh giá chất lượng kết quả

phân tích, tính toán so với thực tế Phương pháp thống kê giúp phân tích mức độ phù hợp, khả năng ứng dụng những nguồn dữ liệu khác nhau cho nội dung nghiên cứu, lựa chọn, xử lý số liệu mưa vệ tinh của luận án phù hợp và chính xác

3) Phương pháp mô hình toán: Nghiên cứu ứng dụng mô hình thủy văn, thủy lực làm

công cụ để tính toán mô phỏng dòng chảy lũ cho lưu vực Tích hợp được các nguồn dữ liệu mưa viễn thám đã xử lý và số liệu khí tượng thủy văn từ trạm đo mặt đất trong mô phỏng dòng chảy lũ của lưu vực sông Mã

5

Ngoài ra, phương pháp lấy ý kiến chuyên gia được sử dụng thông qua các hội thảo, tư vấn của các chuyên gia, các nhà khoa học trong lĩnh vực khí tượng, thủy văn trong suốt quá trình nghiên cứu để hoàn thiện và góp phần nâng cao chất lượng luận án

5 Ý nghĩa khoa học và thực tiễn của nghiên cứu

a) Ý nghĩa khoa học: Kết quả nghiên cứu của luận án bước đầu có đóng góp về phương

pháp luận nghiên cứu khả năng ứng dụng sản phẩm mưa vệ tinh để tính toán mô phỏng dòng chảy lũ trên lưu vực khi thiếu số liệu thực đo mặt đất Hiệu chỉnh nguồn số liệu mưa vệ tinh nhằm nâng cao chất lượng và hiệu quả ứng dụng là góp phần khoa học về mặt phương pháp khai thác số liệu mưa vệ tinh trong tính toán lũ cho lưu vực sông Mã

b) Ý nghĩa thực tiễn: Bổ sung phương án tính toán mô phỏng dòng chảy lũ cho lưu vực

sông Mã thông qua khai thác, sử dụng nguồn số liệu mưa vệ tinh kết hợp với số liệu thực đo mặt đất nhằm khắc phục sự thiếu số liệu mưa thực đo ở các khu vực thượng lưu,

từ đó nâng cao chất lượng tính toán dòng chảy lũ phục vụ công tác cảnh báo, dự báo và phòng chống thiên tai về lũ cho khu vực hạ lưu

6 Bố cục của luận án

Ngoài phần mở đầu, kết luận và kiến nghị, nội dung chính của luận án được cấu trúc thành 3 chương:

+ Chương 1: Tổng quan tình hình nghiên cứu ứng dụng mưa vệ tinh

Chương này trình bày tổng quan những sản phẩm mưa vệ tinh, những nghiên cứu ứng dụng số liệu mưa vệ tinh, phương pháp đánh giá, hiệu chỉnh số liệu mưa vệ tinh trong tính toán thủy văn trên thế giới và Việt Nam Qua các công trình nghiên cứu đã có, tác giả luận án tổng hợp với các nhận xét, đánh giá và phân tích khả năng ứng dụng cũng như những hạn chế của các nguồn số liệu mưa vệ tinh Từ đó nhận định các vấn đề còn tồn tại trong lĩnh vực nghiên cứu về mưa vệ tinh và ứng dụng hay những khó khăn trong tính toán lũ tại khu vực nghiên cứu nhằm định hướng nội dung thực hiện của luận án

+ Chương 2: Phương pháp hiệu chỉnh mưa vệ tinh và xây dựng mô hình mô phỏng lũ

sông Mã

6

Nội dung chính của chương 2 tập trung đánh giá, lựa chọn số liệu mưa vệ tinh phù hợp với mục tiêu và nội dung nghiên cứu Đề xuất phương pháp hiệu chỉnh mưa vệ tinh, thiết lập nguồn số liệu mưa sau hiệu chỉnh cũng như phương pháp đánh giá chất lượng mưa

vệ tinh trước và sau hiệu chỉnh Mô hình toán thủy văn NAM - Muskingum được lựa chọn để ứng dụng trong luận án

+ Chương 3: Kết quả nghiên cứu ứng dụng mưa vệ tinh nâng cao chất lượng mô phỏng

7

MƯA VỆ TINH

1.1 Tổng quan về mưa vệ tinh

Mưa luôn thay đổi theo không gian và thời gian, để có thông tin, số liệu mưa, các trạm quan trắc mưa được lắp đặt trên các lưu vực sông cũng như các vùng lãnh thổ Mạng lưới trạm đo mưa hiện nay vẫn chưa đảm bảo mức độ chi tiết, chính xác về phân bố mưa theo không gian và thời gian trên phạm vi toàn cầu Mặc dù có vai trò quan trọng đối với sự phát triển kinh tế xã hội, nhưng số liệu đo đạc ở các trạm bề mặt vẫn còn thưa thớt và phân bố không đều, chủ yếu ở các nước đang phát triển [2] Mật độ mạng lưới trạm đo lượng mưa trên mặt đất ở các vùng nhiệt đới theo khuyến nghị là 600 - 900

km2/1 trạm đối với vùng bằng phẳng và 100 – 250 km2/1 trạm đối với vùng núi [3], [4] Tuy nhiên, mạng lưới quan trắc mưa ở nhiều quốc gia không đáp ứng được mật độ trạm

đo như vậy, đặc biệt ở các quốc gia đang phát triển [5] Do nhiều yếu tố hạn chế khác nhau, bao gồm điều kiện khí hậu, địa lý, xã hội, các trạm đo mưa mặt đất có tình trạng thưa thớt hoặc không có phân bổ theo không gian và thời gian cần thiết [6]

Để khắc phục nhược điểm của trạm đo mưa chỉ cho kết quả trong một phạm vi hẹp, các nghiên cứu sử dụng dữ liệu radar ước đoán mưa đã được phát triển từ rất sớm Tuy nhiên, kết quả ước tính số liệu mưa từ radar dễ bị sai số do kết quả ước tính phụ thuộc nhiều vào năng lượng phản hồi, hình dạng, kích thước hạt nước, phạm vi ảnh hưởng…[7] Do chi phí lắp đặt và vận hành tốn kém, tương tự như các trạm đo mưa, các trạm radar cũng thường chỉ được lắp đặt ở những nơi thuận tiện Vì vậy, không phải nơi nào cũng có thể sử dụng các dữ liệu mưa được ước tính từ radar thời tiết

Các quan trắc từ vệ tinh đã giúp cho việc ước tính mưa xảy ra gần như khắp mọi nơi ngay từ khi có vệ tinh không gian của thập niên 1960 Các hình ảnh của vệ tinh ban đầu

từ các vệ tinh của Cục Quản lý Khoa học Môi trường Mỹ (ESSA) được sử dụng để phân tích cấu trúc và chuyển động của các hệ thống đám mây Các biểu đồ này mô tả các đặc điểm của đám mây, giúp cho việc phán đoán các kiểu thời tiết chính xác hơn [8], bao gồm các khu vực có thể bị ảnh hưởng bởi lượng mưa [9] Do mưa rơi từ các đám mây,

1.1.1 Tổng quan về sản phẩm mưa vệ tinh

Các sản phẩm lượng mưa vệ tinh ngày càng nhiều và trở thành nguồn dữ liệu quan trọng cho các ứng dụng trong thủy văn [11] Với ưu điểm vượt trội về độ bao phủ rộng lớn

cả những vùng xa không có thiết bị quan trắc hoặc radar thì dữ liệu ảnh mưa vệ tinh là lựa chọn tốt nhất để khắc phục những nhược điểm của phương pháp radar và quan trắc truyền thống [12] Độ phân giải theo không gian, thời gian, độ chính xác của các sản phẩm mưa vệ tinh liên tục được cải thiện do sự tiến bộ trong công nghệ cảm biến và kỹ thuật ước lượng Một số sản phẩm lượng mưa có độ phân giải cao hiện đã có sẵn như Chương trình đo mưa nhiệt đới (TRMM), sản phẩm mưa (ARC) do trung tâm Dự báo khí hậu và Hải dương học Quốc Gia (NOAA-CPC), dự án mưa khí hậu toàn cầu GPCP (Global Precipitation Climatology Project),… là những sản phẩm phổ biến đã được áp dụng rộng rãi [13] Đến thời điểm hiện tại, có nhiều bộ dữ liệu sản phẩm mưa vệ chính đang được khai thác sử dụng trên thế giới như GPCP CMORPH (CPC MORPHing technique), TRMM Multi-satellite Precipitation Analysis (TMPA), GSMaP (Global Satellite Mapping of Precipitation) [14], Bộ dữ liệu mưa vệ tinh với các đặc điểm chính được trình bày ở Bảng 1.1

9

Bảng 1.1 Tổng hợp một số bộ dữ liệu mưa vệ tinh chính hiện nay [14]

vi

toán

Không gian

Thời gian

cầu

GPI,OPI,SSM/I emission,

TOVS GPCP 1dd 1,0o Ngày Toàn

GPI, OPI, SSM/I scattering, SSM/I emission, MSU, NCEP–NCAR CPC Global 0,5o Ngày Toàn

Phân phối xác suất

TRMM 3B42 0,25o 3h/ngày

50°S–

50°N

TMI, tổ hợp TRMM, SSM/I, SSMIS, AMSR-E, AMSU-B, MHS,GEO IR

Phân phối xác suất

Lọc Kalman

TMI, AMSR

Mạng thần kinh nhân tạo

7, TRMM, NOAA 15, 16,

17, DMSP F13, F14, F1

CMORPH 0,25

o/ 8km

AMSR-Kỹ thuật Morphing

3h/

ngày

Toàn cầu

CPC, GPCC, CMORPH, GSMaP-MVK, TMPA, ERA-Interim, JRA-55

10

Một số sản phẩm mưa vệ tinh thường được ứng dụng nhiều trong các hệ thống cảnh báo,

dự báo thời tiết phổ biến như:

+ Số liệu ước lượng mưa thu thập từ vệ tinh cho vùng nhiệt đới TRMM (do cơ quan vũ trụ Mỹ NASA và cơ quan thám hiểm không gian Nhật Bản JAXA hợp tác) bắt đầu từ tháng XII/1997 với khả năng cung cấp sản phẩm ước lượng mưa 3 giờ, độ phân giải 0,250 và thời gian trễ khoảng 10 giờ TRMM là dự án của NASA có nhiệm vụ đo đạc lượng mưa vùng nhiệt đới và cận nhiệt đới của trái đất và một số năng lượng khác Nhiệm vụ TRMM sử dụng 5 thiết bị: rađa đo lượng mưa (PR), máy chụp ảnh vi sóng TRMM (TMI), máy quét hồng ngoại và thị phổ (VIRS), hệ thống đo năng lượng bức xạ của đám mây & trái đất (CERES) và cảm biến sét (LSI) TMI và PR là những công cụ chính được sử dụng xác định mưa Các thiết bị này được sử dụng một thuật toán tạo thành bộ dữ liệu hiệu chỉnh Công cụ kết hợp TRMM (TCI) (TRMM 2B31) cho phân tích lượng mưa đa vệ tinh (TMPA), cung cấp sản phẩm mưa trung bình tháng TMPA 3B43, sản phẩm mưa trung bình ngày và 3 giờ TMPA 3B42 Các sản phẩm 3B42 và 3B43 có độ phân theo giải không gian 0,25°, bao phủ trong phạm vi từ 50°N đến 50°S

và hiện có từ năm 1998 cho đến nay [15]

+ Ước lượng mưa vệ tinh NOAA CPC_RFE 2.0: Cơ quan quản lý khí quyển và đại dương Quốc gia Hoa Kỳ (NOAA) đã phát triển một số kỹ thuật, thuật toán dựa trên dữ liệu vệ tinh để ước tính lượng mưa nhằm hỗ trợ các hoạt động giám sát thời tiết và lũ lụt của Cơ quan Phát triển quốc tế Hoa Kỳ (USAID), Cơ quan khảo sát địa chất Hoa Kỳ (USGS) Trong số đó có hệ thống được phát triển tại Trung tâm Dự báo Khí hậu (CPC) của NOAA được gọi là CPC_RFE 2.0 (RFE) RFE ước tính lượng mưa trên toàn cầu theo lưới có độ phân giải 0,1° x 0,1° và được cung cấp cho hệ thống cảnh báo sớm nạn đói của USAID (FEWS) để hỗ trợ các hoạt động giám sát hạn hán ở châu Phi Hệ thống kết hợp các ước lượng từ các dữ liệu vệ tinh khác nhau, giúp tăng độ chính xác bằng cách giảm độ sai lệch và sai số ngẫu nhiên so sánh với các nguồn dữ liệu riêng lẻ [16][17], từ đó bổ sung thêm các phép nội suy từ mưa thực đo của các trạm bề mặt + Số liệu ước lượng mưa GSMaP - Global Satellite Mapping of Precipitation được phát triển bởi Cơ quan khoa học và công nghệ Nhật Bản JST và Cơ quan thám hiểm không gian Nhật Bản JAXA GSMaP là chương trình sử dụng vệ tinh toàn cầu có độ phân giải

11

cao dựa trên bản đồ lượng mưa cũng giống như TRMM và một số sản phẩm khác với

độ phân giải 0,1o và bước thời gian giờ Các số liệu lượng mưa sẽ được hiển thị vào 00,

06, 12, 18 giờ quốc tế Trung tâm nghiên cứu quan sát trái đất, cơ quan Thám hiểm không gian Nhật Bản (JAXA/EORC) cung cấp số liệu lượng mưa toàn cầu với nhiều sản phẩm ước lượng mưa GSMaP có thể ứng dụng cho nhiều mục đích khác, ví dụ dữ liệu mưa đã được hiệu chỉnh GSMaP_RNL (Reanalysis), dữ liệu mưa tiêu chuẩn GSMaP_MVK (Standard), dữ liệu mưa gần thời gian thực GSMaP_NRT (Near-RealTime), dữ liệu mưa thời gian thực GSMaP_NOW (Realtime), dữ liệu mưa dự báo tức thời GSMaP_RNC (RIKEN Nowcast) [18] Thông tin về các sản phẩm có thể tham khảo tại: http://www.sharaku.eorc.jaxa.jp/GSMaP

+ QMORPH, CMORPH là ước lượng mưa vệ tinh 30 phút một với độ trễ số liệu sau 2,5 giờ với hai độ phân giải là 0,250 và 0,080 (~8 km2) QMORPH là số liệu thời gian gần thực của CMORPH có thể có sau 3 giờ của thời gian thực với các bước thời gian thực

là 18 giờ QMORPH cung cấp ước lượng mưa toàn cầu với độ phân giải rất cao theo không gian và thời gian Vì mối quan hệ không được tốt giữa lượng mưa với các thông

số mà các vệ tinh thu được như nhiệt độ đỉnh mây từ số liệu hồng ngoại và các thông tin khác, nên ước lượng mưa vệ tinh không đạt được độ chính xác như đo mưa bề mặt đất

Do đó, các sản phẩm ước lượng mưa vệ tinh đã được hiệu chỉnh với số liệu mưa thực

đo Ví dụ sản phẩm mưa Qmorph đã tiến hành ghép nối ước lượng mưa vệ tinh QMORPH với lượng mưa quan trắc bề mặt và được thực hiện theo 2 bước: 1) quá trình giảm sai lệch; 2) tích hợp lượng mưa giờ thực đo trực tiếp với QMORPH thông qua nội suy tối ưu Số liệu mưa QMORPH hoặc CMORPH có thể khai thác tại địa chỉ:

ftp://ftp.cpc.ncep.noaa.gov/precip/qmorph/30min_8km/

Ngoài ra, các sản phẩm mưa vệ tinh GSMaP, TRMM cũng được nghiên cứu hiệu chỉnh trên cơ sở lượng mưa thực đo bề mặt theo phương trình hồi quy Đến nay, những sản phẩm ước lượng mưa này có thể sử dụng ngay trong nghiệp vụ dự báo, làm đầu vào mô hình dự báo thời tiết số trị, nghiên cứu khí hậu,… nhằm hoàn thiện phân tích và dự báo mưa nhiệt đới với các tham số khác liên quan [19]

+ Ước lượng mưa từ thông tin viễn thám sử dụng mạng thần kinh nhân tạo (PERSIANN): Đây là ước tính tỷ lệ mưa tại mỗi pixel có độ phân giải 0,25° x 0,25° từ

12

hình ảnh nhiệt của độ sáng hồng ngoại do vệ tinh địa tĩnh cung cấp Tính năng “luyện” thích ứng tạo điều kiện thuận lợi cho việc cập nhật các thông số của mạng lưới ngay khi

có ước lượng mưa Hệ thống PERSIANN dựa trên ảnh hồng ngoại địa tĩnh, sau đó được

mở rộng để sử dụng cả ảnh hồng ngoại và ảnh thị phổ ban ngày [20] Hệ thống sử dụng lưới ảnh hồng ngoại của các vệ tinh GOES-8, GOES-10, GMS-5, Metsat-6 và Metsat-7

do CPC, NOAA cung cấp để tạo ra tỷ lệ mưa trong 30 phút được tập hợp thành lượng mưa tích lũy 6 giờ Thông số mô hình được cập nhật thường xuyên bằng cách sử dụng ước tính lượng mưa từ các vệ tinh quỹ đạo thấp, bao gồm TRMM, NOAA-15, -16, -17, DMSP F13, F14, F15 Sản phẩm hiện tại có độ phân giải không gian là 0,25° x 0,25° và

độ phân giải theo thời gian từ 30 phút đến 6 giờ

+ Dự án Lượng mưa châu Á (APHRODITE) tích hợp dữ liệu quan trắc có độ phân giải cao để đánh giá để có thể cung cấp sản phẩm mưa ngày, dạng lưới có quy mô bao trùm toàn bộ lục địa châu Á trong thời gian dài (từ năm 1951 đến nay) Số liệu mưa vệ tinh thuộc Dự án này có độ phân giải về thời gian là 24 giờ, phân giải theo không gian là 0,250 x 0,250 bao trùm châu Á và 0,050 x 0,050 bao trùm Nhật Bản Các sản phẩm của

Dự án APHRODITE có những ưu điểm là: 1) tích hợp mạng lưới dữ liệu đo mưa dày đặc khắp Châu Á; 2) bộ dữ liệu dài (từ năm 1951 đến nay với dữ liệu mưa, từ năm 1961 đến nay với dữ liệu nhiệt độ) có độ phân giải theo thời gian là ngày; 3) tổng hợp thông tin về số lượng và khoảng cách của các thiết bị đo mưa được sử dụng trong phân tích Tuy nhiên còn có các nhược điểm: i) Chất lượng của sản phẩm dữ liệu dạng lưới phụ thuộc nhiều vào lượng dữ liệu đầu vào, chúng thay đổi theo không gian và thời gian Người sử dụng cần kiểm tra mật độ trạm (kiểm tra các thiết bị đo mưa trong khu vực nghiên cứu có hoạt động hay không); ii) Các nguồn khác nhau sẽ cung cấp số liệu khác nhau trong thời gian tích lũy 24 giờ Do việc xử lý sự khác nhau này mà số liệu mưa không đồng nhất với nhiều version V1101, V1801R1 and V1901; iii) Dữ liệu về lượng mưa và nhiệt độ không được đồng nhất (không có hiệu chỉnh về vị trí trạm, loại máy đo cùng nhiều yếu tố khác) Số liệu mưa APHRODITE cho khu vực Châu Á có thể tham khảo tại đường link: http://aphrodite.st.hirosaki-u.ac.jp/ do Trường Đại học Hirosaki, Nhật Bản cung cấp

13

Nhìn chung, các sản phẩm mưa vệ tinh đã được nhiều nghiên cứu ứng dụng vào trong các bài toán thực tế Tuy nhiên, nhiều sản phẩm mưa vệ tinh có bước thời gian dài (ngày, tuần, tháng…) như GPCP, CPC Global, APHRODITE… nên chỉ phù hợp với các bài toán đánh giá tài nguyên nước hay đánh giá hạn hán Một số các sản phẩm mưa có bước thời gian ngắn hơn như 1 giờ, 3 giờ có thể ứng dụng cho bài toán mô phỏng dòng chảy

lũ, nhưng thời gian cập nhật cũng như cung cấp cho các nhà nghiên cứu thường có độ trễ lớn như TRMM, CMORPH, PEARSIANN… Do vậy, đối với bài toán mô phỏng lũ (phục vụ dự báo lũ) cho các lưu vực sông ở Việt Nam nói chung và sông Mã nói riêng,

dữ liệu sản phẩm mưa vệ tinh GSMaP có nhiều lợi thế do chúng được xây dựng có kết hợp với nhiều dữ liệu quan trắc từ các trạm đo ở châu Á (trong đó có Việt Nam), có độ phân giải cao (0,1 độ) và bước thời gian ngắn (1 giờ), thời gian trễ ngắn và truy cập rất

dễ dàng

1.1.2 Các nghiên cứu đánh giá chất lượng mưa vệ tinh

Qua kết quả nghiên cứu, nhiều nhà khoa học đều đưa ra lưu ý về mức độ tin cậy của nguồn số liệu mưa vệ tinh, việc sử dụng các thuật toán ước lượng mưa từ các sản phẩm ảnh vệ tinh sẽ đưa ra các trị số mưa có sai số khá lớn so với mưa thực đo tại các trạm quan trắc bề mặt Đây là hạn chế khi sử dụng số liệu mưa vệ tinh làm đầu vào các mô hình thủy văn tính toán dòng chảy trên lưu vực sông, do vậy, cần có bước hiệu chỉnh, so sánh với số liệu mưa thực đo tại các trạm bề mặt trước khi đưa vào mô hình thủy văn Nhiều nghiên cứu đã đánh giá chất lượng nguồn số liệu mưa vệ tinh thông qua so sánh với số liệu thực đo ở các trạm bề mặt dựa trên các phương pháp thống kê gồm các chỉ

số đánh giá và chỉ số độ tin cậy Các chỉ số thống kê thường được sử dụng trong nghiên cứu gồm:

+ Các chỉ số đánh giá phổ biến sử dụng như hệ số tương quan (R), hệ số xác định (R2)

độ sai lệch (Bias), sai số quân phương (Root mean square error - RSME), bình quân sai

số tuyệt đối (Mean Absolute Error - MAE), sai số % (percentage error) nhằm đánh giá quan hệ tương quan chuỗi số liệu mưa vê tinh và thực đo, so sánh sai số, xu thế thiên cao, thiên thấp về trị số hoặc % giữa các nguồn số liệu mưa vệ tinh và mưa thực đo + Các chỉ số độ tin cậy thường được sử dụng như xác suất phát hiện (probability of detection - POD) và tỷ lệ cảnh báo sai (false alarm ratio - FAR) nhằm xác định tỉ lệ mô

14

phỏng đúng và tỷ lệ mô phỏng sai các sự kiện mưa của mưa vệ tinh trên tổng số các trận mưa từ trạm đo POD càng gần 1 và FAR càng gần 0 thì độ tin cậy của mưa vệ tinh càng cao Ngoài ra, chỉ số thành công (Critical Success Index – CSI, còn gọi là chỉ số Threat Score - TS) cũng được sử dụng nhằm phản ánh độ chính xác khi xác định các sự kiện bởi mưa vệ tinh, là tỉ số giữa số lần mưa vệ tinh mô phỏng đúng sự kiện với tổng số lần

mô phỏng (gồm số lần mô phỏng đúng, mô phỏng khống và mô phỏng sót sự kiện mưa) chỉ số biến thiên từ 0 đến 1, giá trị tốt nhất là 1 Một số nghiên cứu điển hình về vấn đề này như sau:

Nghiên cứu của Shrestha (2011) [17] đã đánh giá chất lượng dữ liệu mưa vệ tinh cho khu vực trung tâm của Hymalayas, Nepal với hai nguồn số liệu ước lượng mưa vệ tinh

là NOAA CPC_RFE2.0 (RFE) và GSMaP_MVK+ Các chỉ số đánh giá chất lượng như

độ sai lệch (bias), hệ số tương quan (R), sai số quân phương (RSME), bình quân sai số tuyệt đối (MAE), sai số % hay các chỉ số độ tin cậy nhằm đánh giá định tính như xác suất phát hiện (POD) và tỷ lệ cảnh báo sai (FAR) Ba cách tiếp cận trong nghiên cứu tác giả thực hiện đánh giá đó là: i) đánh giá độ chính xác của mưa vệ tinh cho khu vực Nepal khi coi toàn bộ khu vực là đồng nhất; ii) đánh giá độ chính xác của mưa vệ tinh cho từng khu vực có địa chất khác nhau nhằm hiểu rõ hơn sự biến động của mưa vệ tinh theo cao độ; iii) đánh giá độ chính xác mưa vệ tinh theo cấp độ lưu vực sông Kết quả nghiên cứu cho thấy, nhìn chung lượng mưa năm GSMaP, RFE có xu hướng thấp hơn so với thực

tế trên toàn lãnh thổ Nepal lần lượt trung bình ở mức 48% và 30%

Bitew và nnk (2012) [21] đã sử dụng chỉ số PBias và hệ số xác định (R2) để so sánh các nguồn dữ liệu mưa vệ tinh với mưa thực đo Các nguồn dữ liệu mưa vệ tinh trong nghiên cứu của Bitew bao gồm CMORPH, TRMM (3B42RT), TRMM (3B42) và PERSIANN Kết quả nghiên cứu cho thấy có sự sai lệch đáng kể giữa lượng mưa vệ tinh với mưa thực đo, dữ liệu sản phẩm 3B42RT và CMORPH cho kết quả tốt hơn là 3B42 và PERSIANN

Immerzeel (2009) [22] đã đánh giá chất lượng nguồn số liệu mưa vệ tinh NOAA-SRE, làm đầu vào của hệ thống dự báo lũ MRCFFS của Ủy hội sông Mê Kông quốc tế thông qua việc so sánh với nguồn số liệu mưa thực đo từ 143 trạm đo trong 2 thời đoạn từ 1/4

- 31/X/2008 và 14/6-31/XII/2009 Các tiêu chí được sử dụng trong đánh giá đó là so

15

sánh độ chênh lệch tổng lượng, lượng mưa cực trị và phân bố chuẩn sai mưa tháng trong mùa lũ năm 2008, 2009 Tác giả cũng đã xem xét đến sự không đồng đều nguồn số liệu mưa thực đo, đó là sự khác biệt giữa lượng mưa bằng 0 hoặc không mưa với không có

số liệu, điều này sẽ ảnh hưởng đến cách lựa chọn thuật toán hiệu chỉnh thiên lệch về sau Kết quả đánh giá chất lượng số liệu mưa vệ tinh cho thấy độ lệch chuẩn khá cao, dao động khoảng 20 mm/ngày đối với những ngày có mưa

Tobin và nnk (2010) [23] đã sử dụng các chỉ tiêu thống kê để đánh giá sai số giữa số liệu mưa vệ tinh với số liệu thực đo như xác suất phát hiện (POD), tỷ lệ cảnh báo sai (FAR), điểm ngưỡng hợp lý (ETS), hay các chỉ số đánh giá sai lệch (Bias), xác định (R2), sai số quân phương (RMSE), bình quân sai số tuyệt đối (MAE),…

Sofiat và Q Avia (2018) [24] đã sử dụng quan hệ tương quan (R) để đánh giá mức độ tương thích giữa mưa thực đo và hai nguồn mưa vệ tinh TRMM, GSMaP Tác giả so sánh lượng mưa từ trạm đo, sản phẩm mưa vệ tinh TRMM_3B42RT và GSMaP_NRT với nhiều thời đoạn khác nhau gồm mưa ngày, 10 ngày, tháng, mùa (khoảng thời gian nghiên cứu: tháng 1 - tháng 3; tháng 4 - tháng 6; tháng 7 - tháng 9; tháng 10 - tháng 12) Kết quả nghiên cứu cho thấy sự tương thích giữa mưa thực đo với mưa vệ tinh GSMaP_NRT tốt hơn khá nhiều so với mưa TRMM_3B42RT, đặc biệt tương thích tốt nhất khi đánh giá qua thời đoạn mưa ngày

Tại Việt Nam, một số các nghiên cứu về đánh giá chất lượng dữ liệu các nguồn mưa, trong đó có mưa vệ tinh, đã được thực hiện có thể kể đến như sau

1) Ngô Đức Thành và nnk (2013) [25] đã đánh giá chất lượng mưa thời đoạn tháng của hai sản phẩm APHRODITE và GSMaP cho lưu vực sông Vu Gia - Thu Bồn Kết quả cho thấy, chất lượng mưa lưới APHRODITE tốt hơn nhiều so với GSMaP thể hiện ở các chỉ số tương quan và hệ số độ lệch chuẩn của APHRODITE từ 0,6 - 0,9 trong khi với GSMaP thì các chỉ số này thấp hơn rất nhiều

2) Bùi Tuấn Hải (2020) [26] đã đánh giá một số nguồn mưa vệ tinh thông dụng như GPM, CHRIPS, GSMaP, CMORPH,… cho lưu vực sông Cả qua các chỉ tiêu thống kê như hệ số tương quan, nhận dạng ngày mưa với lượng mưa ngày, tháng tại các trạm

- Dữ liệu mưa vệ tinh GSMAP được sử dụng kết hợp với dữ liệu liệu mô hình số hóa độ cao (DEM) để thiết lập dữ liệu mưa cho mô hình IFAS tính toán mô phỏng các quá trình

lũ theo thời gian do có khả năng nhận diện mưa và không mưa là tốt nhất

3) Đặng Đình Khá và nnk (2020) [27] đã nghiên cứu đánh giá chất lượng mưa vệ tinh CMORPH, CPC, GSMaP, TRMM 3B42 cho lưu vực sông Mê Công so với lượng mưa thực đo của 175 trạm Kết quả nghiên cứu cho thấy, dữ liệu mưa TRMM 3B42 cho kết quả phù hợp với thực đo nhất, trong khi CMORPH cho kết quả kém nhất theo các chỉ tiêu về R2, MAE và PBIAS Dữ liệu mưa GSMaP nhìn chung cho kết quả mưa trung bình thiên thấp so với thực đo và các dữ liệu mưa khác

4) Vũ Thanh Hằng và nnk (2010) [28] đã đánh giá chất lượng dữ liệu mưa vệ tinh GSMaP cho khu vực Trung Bộ giai đoạn 2000-2010 Nghiên cứu đã so sánh dữ liệu mưa vệ tinh với dữ liệu đo tại 10 trạm bề mặt trong khu vực sử dụng các chỉ tiêu đánh giá thống kê thông dụng Kết quả nghiên cứu cho thấy, GSMaP cho lượng mưa cao hơn

so với thực tế trong các tháng IV đến IX ở Bắc Trung Bộ và các tháng VII đến IX ở trung và Nam Trung Bộ Từ tháng X đến XII, lượng mưa GSMaP lại có xu thế thấp hơn lượng mưa thực đo mặt đất

5) Mai Khánh Hưng và nnk (2020) [29] đã đánh giá chất lượng các sản phẩm số liệu mưa vệ tinh được sử dụng trong hệ thống phân tích thiên tai thuộc Dự án dự báo thời tiết nguy hiểm khu vực Đông Nam Á (SWFDP-SeA) của Trung tâm Dự báo khí tượng thủy văn (KTTV) quốc gia là GSMaP_NOW, GSMaP_MVK và Himawari – 8 qua việc

so sánh với lượng mưa thời đoạn 6 giờ từ 184 trạm đo synop trên toàn lãnh thổ Việt Nam trong khoảng thời gian từ tháng 10/2019 đến tháng 01/2020 Những phương pháp thống kê được sử dụng như sai số trung bình (ME), sai số quân phương (RMSE), hệ số tương quan (CORR) và các chỉ tiêu đánh giá BIAS, POD, FAR, TS, ETS Theo kết quả

17

nghiên cứu, tác giả kết luận GSMaP_MVK là ước lượng mưa tốt nhất trong số ba nguồn

số liệu, nhưng do có độ trễ từ 3-4 ngày nên không thể áp dụng cho việc dự báo và cảnh báo, chủ yếu để kiểm định lại lượng mưa NWP GSMaP_NOW ước lượng mưa tương đối tốt, có thể được sử dụng song song với ước lượng mưa Himawari - 8 để cung cấp thông tin thời gian thực trong dự báo và cảnh báo mưa lớn, lũ quét và sạt lở đất

1.2 Tổng quan các nghiên cứu khai thác sản phẩm mưa vệ tinh trên thế giới

1.2.1 Các nghiên cứu và phương pháp điển hình

Các nghiên cứu đánh giá chất lượng dữ liệu mưa vệ tinh đã chỉ ra có sự sai khác đáng

kể so với dữ liệu mưa thực đo Để khai thác và ứng dụng hiệu quả lượng mưa vệ tinh, nâng cao độ tin cậy, nhất là ứng dụng cho những vùng thiếu số liệu đo mưa, việc hiệu chỉnh lượng mưa vệ tinh trước khi sử dụng là rất cần thiết

Đã có nhiều nghiên cứu về phương pháp hiệu chỉnh cải thiện chất lượng mưa vệ tinh ứng dụng trong bài toán mô phỏng dòng chảy lũ cho các lưu vực sông có quy mô khác nhau Chất lượng, mức độ tin cậy của các loại số liệu mưa từ vệ tinh đã được cải thiện theo thời gian nhưng vẫn có sự sai lệch nhất định về phân bố theo không gian và thời gian so với số liệu từ các trạm đo mặt đất Nhiều nghiên cứu đã đánh giá tốt chất lượng

dữ liệu mưa vệ tinh khi so với các giá trị thực đo tại các trạm bề mặt [30]–[32] nhưng nhìn chung các nghiên cứu đều khuyến nghị cần phải hiệu chỉnh, xử lý trước khi sử dụng trực tiếp nguồn số liệu này Để hiệu chỉnh sai số của dữ liệu mưa vệ tinh, đã có nhiều phương pháp xử lý được nghiên cứu, từ các phương pháp hiệu chỉnh tỷ số đơn giản cho đến các phương pháp phân bố tần suất phức tạp hơn Các phương pháp tỷ số đơn giản thường dựa trên tỷ lệ trung bình dài hạn của mưa thực đo và mưa vệ tinh Tuy nhiên cách tiếp cận này sẽ không xử lý được các sai số về độ lệch chuẩn Phương pháp hiệu chỉnh phân bố tần suất có thể giúp giải quyết tồn tại trên Dù vậy, các phương pháp trên chủ yếu xử lý các sai số tại các điểm có số liệu đo khí tượng tại trạm Để hiệu chỉnh dữ liệu mưa vệ tinh cần xem xét thêm các phương pháp hiệu chỉnh theo không gian Trong khuôn khổ nghiên cứu, mục tiêu của luận án là tìm được phương pháp hiệu chỉnh mưa vệ tinh phù hợp và sử dụng làm đầu vào mô hình thủy văn tính dòng chảy trên lưu

Phương pháp tỷ lệ tuyến tính thường dùng để hiệu chỉnh giá trị mưa trung bình dựa trên

sự chênh lệch giữa lượng mưa đo tại trạm và lượng mưa ước đoán từ vệ tinh Phương pháp này nhìn chung chỉ hiệu chỉnh giá trị trung bình, không có tác dụng hiệu chỉnh độ lệch chuẩn của chuỗi số Ngoài ra, tất cả các trận mưa đều được hiệu chỉnh dựa trên cùng một hệ số tỷ lệ [33]

Công thức hiệu chỉnh chính theo phương pháp này có dạng:

𝑃, = 𝑠 ∗ 𝑃 (1-1) Trong đó hệ số tỷ lệ s được tính từ trị số mưa trung bình thực đo (thường lấy theo thời đoạn tháng) chia cho trị số mưa trung bình tính toán theo vệ tinh P là lượng mưa vệ tinh và P' là lượng mưa vệ tinh sau hiệu chỉnh

Một số các nghiên cứu đã sử dụng phương pháp này trong việc hiệu chỉnh lượng mưa

vệ tinh như của Lenderink và nnk (2007) [33], Teutschberin và Seibert (2013) [34], Tukimat (2018) [35]

2 Phương pháp hiệu chỉnh cường độ dựa trên quy mô địa phương (LOCI)

Phương pháp này là sự kết hợp phương pháp tỷ lệ tuyến tính với một ngưỡng mưa dựa trên việc hiệu chỉnh trị số trung bình của chuỗi số và có xét đến tần suất xuất hiện ngày mưa Lượng mưa ngày tính toán sẽ được hiệu chỉnh bằng một hệ số tỷ lệ tháng (được xác định giữa lượng mưa tháng thực đo và lượng mưa tháng tính toán) Nhìn chung, phương pháp này không hiệu chỉnh sự sai lệch về phân bố tần suất của mưa cũng như

sự sai lệch về phân phối mưa theo thời gian [36]

19

Công thức hiệu chỉnh của phương pháp được biểu thị bằng phương trình:

𝑃𝑠,𝑚,𝑑× 𝑐, 𝑃𝑠,𝑚,𝑑 ≥ 𝑃𝑛𝑔𝑢𝑜𝑛𝑔 (1-2) Trong đó *

,

m d

P là lượng mưa tính toán sau hiệu chỉnh, P s m d, , là lượng mưa tính toán trước khi hiệu chỉnh, c là hệ số hiệu chỉnh được xác định bằng tỷ số trung bình lượng mưa thực đo với lượng mưa tính toán có xét ngưỡng mưa P nguong

Phương pháp hiệu chỉnh cường độ dựa trên quy mô địa phương cũng được một số các nghiên cứu sử dụng như Schmidli và nnk [36], Xuan Ji và nnk [37], Marie Minville và nnk [38],…

3 Phương pháp biến đổi hàm mũ

Phương pháp này sử dụng một dạng hàm mũ [39] để hiệu chỉnh độ lệch chuẩn của chuỗi

dữ liệu mưa P theo phương trình sau:

𝑃∗ = 𝑎 ∗ 𝑃𝑏 (1-3) Trong đó P là lượng mưa tính toán, P* là lượng mưa tính toán đã hiệu chỉnh, a và b

là hai hệ số của hàm mũ Để thực hiện phương pháp này, hệ số b được hiệu chỉnh cho đến khi hệ số biến thiên (Cv) của chuỗi lượng mưa ngày vệ tinh phù hợp với hệ số biến thiên của chuỗi lượng mưa ngày thực đo Sau đó, hệ số a được tính toán sao cho lượng mưa trung bình sau hiệu chỉnh xấp xỉ với lượng mưa trung bình đo tại trạm Thời đoạn

sử dụng để so sánh thường là lượng mưa ngày trong một tháng Một số nghiên cứu điển hình sử dụng phương pháp này như Leander và Buishand (2007) [40], Fang và nnk (2015) [41],…

4 Phương pháp hiệu chỉnh phân vị

Phương pháp này dựa trên việc hiệu chỉnh phân bố tần suất [42], lượng mưa vệ tinh sẽ được hiệu chỉnh dựa trên việc so sánh phân bố tần suất giữa lượng mưa thực đo và lượng mưa tính toán Tần suất tính toán được xây dựng trên cùng một giai đoạn nền Tuy nhiên, phương pháp hiệu chỉnh này không tác động tới phân phối mưa ngày theo thời gian Công thức chung hiệu chỉnh theo phân vị có dạng:

20

𝑃𝑡,𝑖∗ = 𝑓𝑜𝑏𝑠,𝑡,𝑖−1 (𝑔𝑠,𝑡,𝑖(𝑃𝑠,𝑡,𝑖) (1-4) Trong đó f là hàm phân bố xác suất của biến thực đo, g là hàm phân bố xác suất của biến tính toán,  1

f là hàm nghịch của hàm f , P s t i, , Ps,t,i là lượng mưa vệ tinh tại điểm i , thời điểm t

Các hàm phân bố xác suất có thể là các hàm kinh nghiệm hoặc hàm phân bố lý thuyết như hàm Gamma [43] Một số nghiên cứu điển hình sử dụng phương pháp này như Piani và nnk (2010) [43], Ines và Hansen (2006) [44], Boroujerdy và nnk (2020) [45],…

5 Phương pháp hiệu chỉnh theo phân phối tần suất lũy tích (cumulative distribution of frequency - CDF) [46]

Phân phối tần suất lũy tích là một quá trình phân phối xác suất thích hợp (probability matching) Giả định rằng biến số (𝑣) phải tạo ra một phân phối lũy tích tương tự với biến tham chiếu (𝑡) Tần suất của 𝑡 và 𝑣 được minh hoạ trong phương trình (1-5) và (1-6) và tần suất lũy tích trong phương trình (1-7) và (1-8)

𝐶𝑡(𝑡), 𝐶𝑣(𝑣) là hàm mật độ lũy tích của 𝑡 và 𝑣; 𝑓3(𝑣) là đại diện quan hệ giữa 𝑡 và 𝑣 Phương pháp này được áp dụng để hiệu chỉnh cho xu thế độ thiên lệch dài hạn của mưa

vệ tinh thông qua việc sử dụng chuỗi dữ liệu mưa lịch sử Từng “cặp” số liệu mưa được kết xuất tại trạm đo mặt đất và tại pixel vệ tinh tương ứng để tính toán xác định lượng mưa trung bình cho khu vực nghiên cứu Lượng mưa được hiệu chỉnh cho khu vực nghiên cứu có thể là mưa trung bình ngày, tháng Một số nghiên cứu ứng dụng phương

IR (bức xạ hồng ngoại) của vệ tinh khí tượng địa tĩnh, lúc đó sai số lớn sẽ xảy ra Từ đó, ICHARM đề xuất phương pháp hiệu chỉnh để điều chỉnh tốc độ hiệu chỉnh lượng mưa dựa trên tốc độ di chuyển của thông tin vùng mưa thu được từ chính dữ liệu lượng mưa

vệ tinh bằng cách định lượng tính tương đối không gian của khu vực mưa Theo ICHARM đánh giá, phương pháp hiệu chỉnh này có một ưu điểm lớn là không cần sử dụng các dữ liệu khác ngoại trừ dữ liệu mưa vệ tinh để hiệu chỉnh Lợi thế này sẽ rất hữu ích để xây dựng hệ thống dự báo và cảnh báo lũ ở các lưu vực không có trạm đo mưa mặt đất

1.2.2 Nghiên cứu ứng dụng mưa vệ tinh trong lĩnh vực thủy văn

Với ngày càng nhiều của các sản phẩm lượng mưa vệ tinh có độ phân giải cao (gần thời gian thực) là mối quan tâm của các nhà nghiên cứu thủy văn, đặc biệt ở các nước đang

Bảng 1.2 Tổng hợp một số nghiên cứu đánh giá hiệu quả ứng dụng liệu mưa vệ tinh

bằng mô hình thủy văn

Mưa vệ

tinh

Mô hình thủy văn

8950 km2 , miền Trung Rio Grande, Mexico - Mỹ

Các mô phỏng dựa trên TMPA 3B42 chấp nhận được, có thể so sánh với mô phỏng dựa trên dữ liệu mưa thực

đo

Tobin

và Bennett (2009) [52]

SBRE GeoSFM 2646 km2, Nyando,

Kenya;

6044 km2 , Se Done, Trung Quốc;

19013 km2 , Nam

Ou, Trung Quốc;

22150 km2, Gash, Ethiopia- Eritrea- Sudan

Kết quả mô phỏng dựa trên SBRE có chất lượng tốt hơn khi mô hình được hiệu chỉnh với dữ liệu vệ tinh so với dữ liệu đo mưa thưa thớt

Artan

và nnk (2007) [31]

TMPA

3B42

VIC 7 lưu vực sông

thuộc hệ thống La Plata ở Brazil và Uruguay (62236

Kết quả mô phỏng với TMPA 3B42 ở mức chấp nhận được, mặc

dù có xu hướng thiên cao khi mô phỏng đỉnh

lũ

Su và nnk (2007) [53]

PERSIANN

SAC-SMA

1346 km2, sông Pearl,

[54]

23

1502 km2, sông Amite, Darlington,

LA;

2147 km2, Buffalo gần St Joe, AR

2939 km2, Ohoopee gần Reidsville, GA

3281 km2, Satilla gần Waycross, GA

4774 km2, Flint gần Culloden, MS

mưa và kích thước lưu

vực;

+ Kết quả kém hơn với các lưu vực có kích thước nhỏ hơn, kết quả tốt hơn ở các lưu vực lớn

hơn

+ Kết quả mô phỏng dựa trên PERSIANN có chất lượng tốt hơn khi hơn với dữ liệu mưa thực đo

Chú thích:

SBRE: Ước lượng mưa vệ tinh (Satellite-based rainfall estimate)

GeoSFM: mô hình thủy văn thông số phân bố tính toán dòng chảy từ không gian địa lí VIC: Khả năng biến đổi độ ẩm (Variable Infiltration Capacity)

SAC-SMA: Mô hình tính toán độ ẩm đất Sacramento (Sacramento Soil Moisture Accounting model)

Kết quả từ các nghiên cứu cho thấy: i) các sản phẩm mưa vệ tinh có tiềm năng sử dụng cho các ứng dụng thủy văn; ii) hiệu quả ứng dụng của mô hình phụ thuộc vào loại sản phẩm vệ tinh, kích thước lưu vực và vùng khí hậu thủy văn; và iii) hiệu quả ứng dụng

mô hình dựa trên sản phẩm mưa vệ tinh tăng lên khi mô hình được hiệu chỉnh với lượng mưa đầu vào cụ thể thay vì đầu vào là mưa thực đo [21]

Ngoài ra, nhiều nhà khoa học khác đã đánh giá, hiệu chỉnh các nguồn số liệu mưa vệ tinh nhằm mục đích nâng cao hiệu quả khai thác, ứng dụng nguồn mưa này trong lĩnh vực thủy văn như tính toán dòng chảy lũ, quản lý lũ, cảnh báo lũ quét,…Những nghiên cứu ứng dụng trong lĩnh vực thủy văn điển hình như:

1) Shrestha (2011) [17]: nghiên cứu đánh giá khả năng ứng dụng của số liệu mưa vệ tinh trong tính toán dòng chảy, đã hiệu chỉnh nguồn số liệu mưa NOAA_RFE 2.0 để làm đầu vào cho mô hình thủy văn GeoSFM mô phỏng dòng chảy trên hai lưu vực sông Bagmati, sông Narayani có diện tích và đặc điểm lưu vực khác nhau Nghiên cứu của Shrestha đã đưa ra phương pháp hiệu chỉnh, nâng cao độ tin cậy nguồn số liệu ước lượng mưa vệ tinh thông qua được kết quả mô phỏng dòng chảy sau khi sử dụng số liệu sau khi hiệu chỉnh tốt hơn so với kết quả tính toán khi sử dụng nguồn số liệu thô

24

2) Bitew và nnk (2012) [21]: nghiên cứu đánh giá hiệu quả ứng dụng các nguồn số liệu mưa vệ tinh thông qua việc sử dụng mô hình thủy văn hiệu chỉnh cho từng loại mưa đầu vào Hướng tiếp cận nghiên cứu của Bitew là: 1) so sánh giữa các số liệu mưa vệ tinh

và mưa thực đo thời đoạn ngày và tháng; 2) hiệu chỉnh mô hình SWAT (Soil and Water Assessment Tool) với số liệu mưa thực đo, đưa số liệu mưa vệ tinh vào mô hình để mô phỏng dòng, so sánh các dòng chảy được mô phỏng với dòng chảy tế; 3) hiệu chỉnh lại SWAT với từng loại số liệu mưa vệ tinh, sau đó đưa các loại mưa vệ tinh mô phỏng dòng chảy với SWAT sử dụng ước tính lượng mưa vệ tinh làm đầu vào và so sánh các

mô phỏng với dòng chảy quan sát được; 4) so sánh kết quả các mô phỏng dòng chảy với đầu vào là mưa vệ tinh thu được từ hai cách hiệu chỉnh khác nhau Nghiên cứu của Bitew

đã sử dụng 4 sản phẩm mưa vệ tinh là CMORPH, TMPA 3B42RT, TMPA 3B42, PERSIANN và mưa thực đo trên lưu vực sông Koga có diện tích là 299 km2, một sông nhỏ miền núi phía Tây Bắc nước Ethopia Tuy nghiên cứu đánh giá hiệu quả ứng dụng

4 sản phẩm mưa vệ tinh cho một lưu vực sông nhỏ miền núi sẽ không phù hợp cho các vùng khác nhau có chế độ khí hậu thủy văn khác nhau, nhưng phương pháp của Bitew

có thể được tham khảo áp dụng trong việc đánh giá, ứng dụng mưa vệ tinh cho các lưu vực sông khác nhau với định hướng tiệm cận nhất với dòng chảy thực tế trên lưu vực sông nghiên cứu

3) Immerzeel (2009) [22]: nghiên cứu hiệu chỉnh nguồn mưa NOAA_RFE 2.0 làm đầu vào cho mô hình thủy văn URBS (Unified River Basin Simulation) thuộc hệ thống dự báo lũ MRCFFS (Mekong River Commission Flood Forecast System) tính toán dòng chảy lũ vùng hạ lưu vực sông Mê Công Với nguồn số liệu mưa vệ tinh được hiệu chỉnh, kết quả tính toán lũ dòng chính Mê Công được cải thiện khá tốt ở khu vực trung lưu tính

từ đoạn Vientiene/Nong Khai xuống Kratie, tuy nhiên chưa cải thiện được tại khu vực thượng lưu được tính từ ChiangSaen đến LuangPrabang Trong báo cáo tổng kết đánh giá hệ thống dự báo MRCFFS của Ủy hội sông Mê Công, với các trường hợp xuất hiện mưa lũ lớn, đặc biệt do bão gây ra, sử dụng mưa vệ tinh sau hiệu chỉnh cho kết quả tính toán lũ thiên cao, trong khi đó sử dụng mưa NOAA_RFE 2.0 nguyên gốc thường cho kết quả thiên thấp [55] [56] Từ nghiên cứu của Immerzeel và kết quả đánh giá trong thực tế ứng dụng cho thấy đối với lưu vực sông rộng lớn như Mê Công, việc hiệu chỉnh

25

mưa vệ tinh sẽ đạt hiệu quả nhất định đối với từng khu vực nhưng không thể kỳ vọng đạt được sự cải thiện cho toàn bộ lưu vực lớn

Cho đến nay, xu hướng nghiên cứu đánh giá chất lượng, mức độ phù hợp của các nguồn

số liệu mưa vệ tinh để tính toán dòng chảy trên lưu vực sông cụ thể bằng mô hình thủy văn giống định hướng nghiên cứu của Bitew và nnk (2012) được nhiều nhà khoa học thực hiện trong những năm gần đây

4) Yan Yan và nnk (2022) [57]: nghiên cứu sử dụng phương pháp mô hình toán thủy văn để đánh giá chất lượng các nguồn số liệu mưa vệ tinh gồm TMPA 3B42, IMERG-early, IMERG-final, CMORPH-CRT so với số liệu mưa thực đo từ các trạm bề mặt Mô hình Dominant River Routing Integrated kết hợp Variable Infiltration Capacity (VIC) land surface (gọi tắt là tổ hợp mô hình DRIVE) được lựa chọn, tích hợp 5 nguồn số liệu mưa đầu vào để xác định và so sánh với lưu lượng dòng chảy thực tế trên 4 lưu vực sông thuộc tỉnh Hunan là Shebu, Longshujiang, Yantou, Fenshi Số trạm đo mưa bề mặt trong khu vực nghiên cứu là 84 trạm, chuỗi số liệu được thu thập có bước thời gian 3 giờ, ngày Chỉ tiêu đánh giá được lựa chọn là Nash-Sutcliffe (NSE), thời gian tính toán từ năm 2017 – 2019 và thời gian bão Bailu đổ bộ vào Trung Quốc từ 25 – 27/VIII/2019 Qua kết quả nghiên cứu, số liệu đầu mưa thực đo đã cho kết quả mô phỏng dòng chảy

là tốt nhất Trong 4 nguồn số liệu mưa vệ tinh, IMERG-final có quan hệ tương quan với mưa thực đo cao nhất, cho kết quả mô phỏng dòng chảy tốt nhất, mưa CMORPH-CRT

có kết quả kém nhất Nội dung nghiên cứu của Yan Yan dừng lại ở mức độ đánh giá, chưa triển khai hiệu chỉnh nhằm cải thiện chất lượng của số liệu mưa vệ tinh Tác giả đưa ra kết luận rằng: i) với số liệu đầu vào là mưa vệ tinh thường cho kết quả tính toán dòng chảy thiên thấp so với dòng chảy thực tế, đặc biệt trong điều kiện xuất hiện mưa

lũ lớn như trường hợp bão Bailu ảnh hưởng đến tỉnh Hunan; ii) với mỗi mô hình toán khác nhau sẽ cho kết quả tính toán khác nhau, trong điều kiện hiện có, bộ mô hình DRIVE được lựa chọn trong nghiên cứu này

5) Awel Haji Ibrahim và nnk (2022) [58]: nghiên cứu đánh giá các nguồn số liệu mưa

vệ tinh CHIRPS, MSWEP, TRMM thông qua việc so sánh với số liệu mưa thực đo dựa trên các chỉ tiêu thống kê và kết quả mô phỏng dòng chảy được tính toán từ mô hình thủy văn HEC-HMS với 4 nguồn số liệu mưa đầu vào của mô hình Khu vực nghiên cứu

26

là một lưu vực sông miền núi tên là Bilate thuộc nước Ethopia có diện tích hơn 5000

km2 Các chỉ số thống kê được sử dụng là độ sai lệch tương đối (Rbias), trung bình sai

số quân phương (RMSE), hệ số tương quan tuyến tính (R2), xác suất phát hiện (POD)

và tỷ lệ cảnh báo sai (FAR) để đánh giá chất lượng số liệu mưa vệ tinh, chỉ tiêu NSE đánh giá khả năng mô phỏng dòng chảy từ mô hình thủy văn HEC-HMS Trong nghiên cứu này, Ibrahim sử dụng phương pháp điểm - ô lưới (point to pixel) để so sánh các nguồn mưa vệ tinh và mưa thực đo từ 8 trạm khí tượng trên lưu vực với các thời đoạn mưa khác nhau (theo ngày và theo mùa) Sau khi nhận định và đánh giá chất lượng dựa trên các chỉ tiêu thống kê, tác giả đã dùng một phương pháp hiệu chỉnh theo biến thời gian đơn giản (time variable bias correction) để xử lý các nguồn số liệu mưa vệ tinh trước khi làm đầu vào cho mô hình thủy văn Khoảng thời gian hiệu chỉnh mô hình được lựa chọn từ 1999 - 2010 và thời gian kiểm định từ 2011 - 2015

Từ kết quả nghiên cứu cho thấy, các nguồn số liệu mưa vệ tinh CHIRPS, MSWEP, TRMM đều có xu thế thiên thấp so với mưa thực đo cả thời đoạn ngày và quy mô theo mùa Trong đó, mưa MSWEP cho kết quả đánh giá theo POD và FAR tốt nhất, tiếp theo

là CHIRPS và TRMM là kém nhất Cũng tương tự, kết quả mô phỏng dòng chảy từ số liệu mưa thực đo là tốt nhất, tiếp theo là mưa MSWEP, mưa TRMM và cuối cùng là mưa CHIRPS Tổng hợp toàn bộ kết quả nghiên cứu, Ibrahim đã đưa ra những nhận định như sau: i) từ hiệu quả mô phỏng dòng chảy trong sông, nguồn số liệu mưa vệ tinh

có thể sử dụng là nguồn thay thế đối cho các vùng sâu, vùng xa có địa hình phức tạp; ii) đối với vùng núi có địa hình bị chia cắt, các sản phẩm ước lượng mưa vệ tinh sẽ gặp khó khăn trong quá trình ước tính chính xác lượng mưa do mối quan hệ phức tạp giữa nhiệt

độ đỉnh mây và lượng mưa; iii) xu thế thiên thấp so với với lượng mưa thực tế sẽ ảnh hưởng đến kết quả mô phỏng dòng chảy Qua nghiên cứu của Ibrahim, một số điểm nổi bật đó là:

1) Nội dung nghiên cứu có tính tổng quan từ đánh giá chất lượng các nguồn mưa vệ tinh, ứng dụng biện pháp hiệu chỉnh để giảm thiểu sai số mưa vệ tinh, áp dụng phương pháp mô hình để đánh giá định lượng từng loại mưa dựa trên kết quả mô phỏng dòng chảy trên lưu vực nghiên cứu

27

2) Hiệu chỉnh số liệu mưa vệ tinh trước khi sử dụng làm đầu vào cho mô hình thủy văn Phương pháp hiệu chỉnh được lựa chọn làm giảm thiểu trung bình sai số quân phương (RMSE) giữa mưa vệ tinh và mưa thực đo tại điểm trạm

3) Ibrahim đã vận dụng nghiên cứu khoa học trước như của Bitew (2012) hay Habil (2014) để mô hình thủy văn tự hiệu chỉnh, phát hiện các sai số hệ thống và đưa ra kết quả mô phỏng dòng chảy tương ứng với mỗi loại số liệu mưa đầu vào Ngoài ra, tác giả

đã thực hiện bước kiểm định lại nhằm khẳng định mức độ tin cậy kết quả hiệu chỉnh đã tính toán được

Tuy nhiên, phương pháp hiệu chỉnh theo biến thời gian trong nghiên cứu này có nhược điểm là việc điều chỉnh sai số của mưa vệ tinh được xác định tại vị trí ô lưới tương ứng với vị trí điểm trạm đo mưa, chưa tính toán được sai số theo không gian, trong khi ưu điểm mạnh nhất của mưa vệ tinh khả năng bao phủ theo không gian, tới mọi khu vực địa hình hiểm trở Bên cạnh đó, tác giả cũng đã nhận thấy những khó khăn khi áp dụng phương pháp hiệu chỉnh này trong mùa khô khi lượng mưa thực đo nhỏ và trong mùa mưa khi xuất hiện những đợt mưa lớn đột biến với thời gian ngắn

1.2.3 Nhận xét các nghiên cứu trên thế giới

Các nhà khoa học trên thế giới đã khẳng định vai trò, hiệu quả khi sử dụng nguồn số liệu mưa vệ tinh làm đầu vào cho các mô hình thủy văn, tính toán dòng chảy phục vụ công tác giám sát nguồn nước, quản lý lũ, quản lý lưu vực và dự báo lũ các lưu vực sông

có tình trạng thiếu hoặc không có dữ liệu khí tượng, thủy văn Trong thực tế, nhiều cơ quan KTTV ở các nước tiên tiến đã tích hợp sô liệu mưa vệ tinh làm đầu vào hệ thống

dự báo, cảnh báo lũ nghiệp vụ nhằm nâng cao hiệu quả dự báo thiên tai như lũ, lũ quét Cho đến nay, nhiều nguồn sản phẩm ước lượng mưa vệ tinh đã được phát triển, khai thác và sử dụng và để lựa chọn nguồn mưa vệ tinh phù hợp, các nhà khoa học thường tiếp cận theo hai cách chính: 1) so sánh, đánh giá và lựa chọn một trong số các nguồn

số liệu mưa vệ tinh nghiên cứu phù hợp nhất với số liệu mưa thực tế trên lưu vực sông; 2) sử dụng nguồn số liệu mưa vệ tinh đã có, nghiên cứu phương án hiệu chỉnh, nâng cao chất lượng trước khi là đầu vào mô hình toán thủy văn