Luận án 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

tính về mưa toàn cầu có độ phân giải cao (1 độ) với bước thời gian ngắn (1 giờ). Dữ liệu này được làm mịn dựa trên mô hình lọc Kalman trên cơ sở phân tích vec tơ dịch chuyển đám mây thu nhận được từ hai bức ảnh hồng ngoại liên tiếp [70]. GSMaP_MVK (V7) là phiên bản phân tích lại sản phẩm GSMaP_NRT của JAXA/EORC và sản phẩm mưa được hiệu chỉnh từ trạm đo GSMaP_Gauge (Gauge-calibrated Rainfall Product). Những sản phẩm GSMaP_MVK, GSMaP_Gauge và GSMaP_NRT được phát triển cho nhiệm vụ đo đạc lượng mưa toàn cầu (GPM) dựa trên các hoạt động của dự án GSMaP, thúc đẩy cho nghiên cứu "Sản phẩm mưa toàn cầu có độ chính xác cao sử dụng dữ liệu vệ tinh", được tài trợ bởi Cơ 51 quan nghiên cứu về Khoa học và Công nghệ lõi tiến tiến (CREST) thuộc Cơ quan Khoa học và Công nghệ Nhật Bản (JST). Phiên bản mới nhất của thuật toán GSMaP (V7) đã trở thành một trong những sản phẩm JAXA GPM, dữ liệu gốc GSMaP_NRT, GSMaP_MVK và GSMaP_Gauge ở định dạng HDF5 được phổ biết qua JAXA G-Portal dưới dạng sản phẩm Bản đồ ước lượng mưa toàn cầu GPM. + GSMaP_NRT: sản phẩm mưa gần với thời gian thực với thuật toán vẫn dựa trên thuật toán chuẩn của GSMAP nhưng được giản hoá bớt ở một số quá trình nhằm giúp cho việc thực hiện được khả thi và thời gian trễ gần với thời gian thực. GSMaP_NRT thuật toán phiên bản 6 và 7 (V6, V7) được phát triển từ JAXA Global Rainfall Watch (Theo dõi lượng mưa toàn cầu - JAXA) và sản phẩm mưa được hiệu chỉnh từ trạm đo (GSMaP_Gauge_NRT), được phát triển dựa trên các hoạt động của dự án GSMaP. Kể từ năm 2007, các hoạt động của dự án GSMaP được thúc đẩy bởi nhóm khoa học nhiệm vụ đo đạc mưa (Precipitation Measuring Mission) của JAXA. + GSMaP_NOW: JAXA (Japan Aerospace Exploration Agency) phát triển sản phẩm GSMAP thời gian thực cho vùng được quan trắc của vệ tinh địa tĩnh Himawari-8, được Cơ quan Khí tượng Nhật bản vận hành. Sản phẩm GSMaP_NOW sử dụng dữ liệu vệ tinh sẵn có trong vòng 0,5 giờ, bao gồm GMI, AMSR2, AMSU và Himawari-8 để tạo ra sản phẩm GSMAP tại thời điểm trước đó 0,5 giờ. Sau đó, dữ liệu 0,5 giờ tới được ngoại suy bằng vec tơ dịch chuyển đám mây để tạo ra sản phẩm mưa GSMAP tại thời điểm hiện tại cho vùng quan trắc của Himawari-8 [72]. Do vậy, có thể coi sản phẩm ước lượng mưa giờ “gần như thời gian thực”. Bên cạnh đó, GSMaP_NOW sử dụng ít dữ liệu đo bức xạ vi sóng thụ động hơn làm đầu vào hơn so với GSMaP_NRT, vì vậy, độ chính xác của dữ liệu có kém hơn về chất lượng. GSMaP_NOW tại "hiện tại" được ước tính bằng cách ngoại suy nửa giờ vectơ di chuyển đám mây, do đó, độ chính xác của dữ liệu có thể kém hơn. Kết quả đánh giá độ chính xác của GSMaP_NOW ở đường link Nguồn:https://sharaku.eorc.jaxa.jp/GSMaP/faq/GSMaP_faq18.html). ii) Số liệu mưa thực đo: Do dữ liệu mưa GSMaP_NOW bắt đầu được công bố vào đầu năm 2017 nên trong nghiên cứu luận án chỉ sử dụng các trận mưa vừa và lớn xảy ra trên lưu vực sông Mã và Chu trong hai năm 2017 (6 trận) và 2018 (5 trận) để đánh giá, phân 52 tích. Số liệu thực đo thời đoạn 6 giờ của 45 trạm mưa ở trong và xung quanh lưu vực sông Mã được sử dụng để làm cơ sở đánh giá chất lượng dữ liệu GSMAP. Vị trí các trạm và các ô lưới của GSMAP được trình bày trên hình 2.1. Hình 2.1 Vị trí các trạm trên lưu vực sông Mã và lân cận Bảng 2.3 Các trận lũ trong năm 2017 và 2018 được sử dụng để đánh giá các nguồn mưa STT Trận lũ năm 2017 Trận lũ năm 2018 1 6 – 7/VI 13 – 17/VII 2 16 – 18/VII 18 – 22/VII 3 23 – 27/VIII 31/VII – 6/VIII 4 14 – 16/IX 15 – 18/VIII 5 25 – 27/IX 28 – 31/VIII 6 9 – 11/X 53 2.1.1.3 Sơ đồ nội dung thực hiện 2.1.1.4 Kết quả đánh giá mưa GSMaP a) Đánh giá mô phỏng theo không gian: Hình 2.3 mô tả lượng mưa trên lưu vực trong từng trận mưa theo số liệu thực đo tại trạm nội suy bằng phương pháp IDW và 3 sản phẩm GSMaP. Có tất cả 11 trận mưa - lũ và thời gian diễn ra trận mưa cũng như tên sản phẩm được trình bày ở góc phải trên hình vẽ. Dựa trên hình 2.3 có thể thấy các sản phẩm mưa GSMaP mô tả khá chính xác sự biến động mưa theo không gian tuy vẫn có sự khác biệt giữa các sản phẩm GSMaP. Tâm mưa lớn thường nằm ở hạ lưu, nơi mật độ trạm đo dày, đều được thể hiện tương đồng ở tất cả các sản phẩm GSMaP. Tuy nhiên, độ lớn của vùng tâm mưa có sự khác biệt rõ rệt, nhất là ở những trận mưa rất lớn. Vùng mưa ít hơn thường nằm ở thượng lưu và khu vực trung lưu thuộc Lào, nơi không có số liệu đo mưa. Do vậy, kết quả đánh giá so sánh với thực tế ở những vùng này sẽ kém độ tin cậy hơn. Hình 2.2 Sơ đồ nội dung đánh giá chất lượng mưa vệ tinhh GSMaP 54 Đối với đa số những trận mưa nhỏ, sản phẩm GSMaP_MVK, GSMaP_NRT thường cho kết quả lượng mưa thấp hơn so với thực tế, trong khi với các trận mưa lớn thì kết quả ước tính lại cao hơn, cá biệt lên đến 100mm/trận tính trung bình trên toàn lưu vực (trận mưa 09-11/X/2017 và 31/VII-6/VIII/2018). Còn với sản phẩm mưa GSMaP_NOW lại cho kết quả thiên lớn ở tất cả các trận mưa được xem xét, ngoại trừ trận mưa 6- 7/VI/2017. 55 Hình 2.3 Lượng mưa GSMaP và thực đo (mm) của một số trận mưa năm 2017/2018 lưu vực sông Mã Hình 2.4 thể hiện phân bố mức độ chênh lệch giữa lượng mưa từ 3 sản phẩm GSMaP và mưa thực đo cho toàn lưu vực. Xem xét khu vực từ trung lưu xuống hạ lưu sông Mã là vùng có mật độ trạm đo mưa khá dày, do đó, mức độ tương quan giữa phân bố lượng mưa thực đo theo IDW với lượng mưa thực tế sẽ có độ tin cậy cao hơn so với khu vực từ trung lưu lên phía thượng lưu có mạng lưới trạm rất thưa thớt. Phân tích các bản đồ ở Hình 2.4, lượng mưa GSMaP_NOW cho mức độ chênh lệch khá lớn vùng hạ lưu đặc biệt trong những trận mưa lớn như 09-11/X/2017, 13-17/VII/22018 và 31/VII- 6/VIII/2018 so với lượng mưa GSMaP_MVK và GSMaP_NRT. 56 Bảng PL 2 và PL 3 phần Phụ lục trình bày tổng lượng mưa trung bình lưu vực, trong đó, lượng mưa trung bình lưu vực tính theo sản phẩm mưa tiêu chuẩn GSMaP_MVK và sản phẩm mưa gần thời gian thực GSMaP_NRT có sai số tuyệt đối trung bình tương đương nhau và xấp xỉ 34 mm/trận mưa (khoảng hơn 30%). Lượng mưa trung bình lưu vực tính theo sản phẩm mưa thời gian thực GSMaP_NOW cho mức sai số tuyệt đối trung bình lớn hơn gấp 2 lần so với hai sản phẩm kia (tương đương hơn 60%). 57 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 58 b) Đánh giá chất lượng theo thời gian: Để đánh giá khả năng mô tả sự thay đổi lượng mưa theo thời gian, nghiên cứu đã tiến hành so sánh lượng mưa thời đoạn 6 giờ tính trung bình toàn lưu vực giữa mưa thực tế ước tính từ trạm đo với các sản phẩm mưa GSMaP. Hình 2.5 mô tả đường quá trình mưa thực đo trung bình lưu vực thời đoạn 6 giờ theo số liệu tại trạm đo và 3 sản phẩm GSMaP cho 11 trận mưa vừa và lớn trên lưu vực. Có thể thấy, ở đa số các trận mưa, các sản phẩm GSMaP đều bắt tốt xu thế thay đổi của lượng mưa trung bình trên toàn lưu vực so với thực tế. Thời đoạn mưa lớn nhất được mô phỏng chính xác về thời gian xuất hiện, nhất là với sản phẩm mưa GSMaP_MVK. Hai trận mưa từ 13-17/VII/2018 và 31/VII-6/VIII/2018 mô phỏng kém chính xác khi nhiều thời điểm lượng mưa trung bình lưu vực trên thực tế rất bé nhưng lại cho giá trị cao trong các sản phẩm GSMaP. Hình 2.6 biểu thị mối quan hệ giữa lượng mưa thời đoạn 6 giờ giữa thực đo và các sản phẩm GSMaP được xây dựng từ 11 trận mưa năm 2017 và 2018 trên lưu vực. Kết quả từ Hình 2.6 cho thấy, sản phẩm GSMaP_MVK có hệ số tương quan cao nhất thể hiện sự phù hợp tốt nhất trong 3 sản phẩm GSMaP so với thực tế. Sản phẩm GSMaP_NRT cho sự phù hợp với thực tế là kém nhất khi có chỉ số R2 nhỏ nhất. Sản phẩm GSMaP_NOW cho sự biến thiên theo thời gian phù hợp hơn so với GSMaP_NRT nhưng kết quả mô phỏng lại thiên lớn khi đa số các điểm nằm phía trên đường chéo chính. 59 Hình 2.5 Đường quá trình mưa thời đoạn 6 giờ trung bình lưu vực theo thực đo và các sản phẩm GSMaP 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 60 2.1.2 Lựa chọn sản phẩm mưa GSMaP Từ các kết quả đánh giá trên, có thể thấy cả 3 sản phẩm mưa vệ tinh của GSMaP đều cơ bản phù hợp với lượng mưa thực đo tại trạm. Về mức độ đánh giá chi tiết, sản phẩm mưa GSMaP_MVK có sự phù hợp tốt nhất so với thực tế cả về mô phỏng phân bố theo không gian, cũng như biến động theo thời gian. Sản phẩm GSMaP_NOW cho kết quả kém tin cậy nhất trong 3 sản phẩm về mô phỏng lượng mưa. Điều này có thể giải thích do cách sử dụng các thuật toán phân tích cũng như số liệu đầu vào khác nhau. Các sản phẩm GSMaP_MVK được xây dựng dựa trên nguồn thông tin hơn, thuật toán tính toán chi tiết hơn nên khả năng mô phỏng sẽ tốt hơn, nhưng thời gian trễ so với thực tế là 3 ngày. Do vậy, sản phẩm GSMaP_MVK sẽ phù hợp trong việc đánh giá xử lý các dữ liệu mưa trong quá khứ. Trong khi đó, sản phẩm GSMaP_NRT hay GSMaP_NOW cho kết quả mô phỏng kém chính xác hơn do chỉ sử dụng được ít hơn các nguồn số liệu đầu vào vệ tinh thời gian thực nhằm có được thời gian trễ ít nhất có thể (3 giờ đối với NRT và ~0 giờ đối với NOW) và hai sản phẩm GSMaP_NRT và GSMaP_NOW sẽ phù hợp để ứng dụng vào bài toán mô phỏng và dự báo lũ thời gian thực. Từ kết quả phân tích, sản phẩm GSMaP_MVK có khả năng mô phỏng phù hợp với phân bố mưa thực đo nhất và trong thực tế được sử dụng nhiều trong để khôi phục dòng chảy trên lưu vực với thời gian trễ là 3 ngày. Sản phẩm GSMaP_NRT có khả năng mô phỏng kém hơn MVK và tốt hơn sản phẩm NOW, với độ trễ so với thời gian thực 3 giờ, GSMaP_NRT đặc biệt có thể sử dụng là số liệu thay thế trong trường hợp mất hoặc thiếu số liệu mưa đo đạc thời gian thực khi cần thiết [73]. Với mục tiêu và ý nghĩa thực tiễn của nghiên cứu khi ứng dụng mưa vệ tinh tính toán dòng chảy lũ cho khu vực thiếu số liệu thuộc lưu vực sông Mã, nhằm phục vụ yêu cầu trong công tác dự báo và quản lý nguồn nước, trở thành công cụ tính toán trong phòng chống thiên tai, GSMaP_NRT là sản phẩm được lựa chọn trong quá trình nghiên cứu tiếp theo vì nó vừa đáp ứng được thời gian trễ cho phép cũng như chất lượng mô phỏng với các lý do sau: - Tính cập nhật và kịp thời: hai sản phẩm GSMaP_NRT và MVK đều được là những sản phẩm được phân tích, xử lý cùng một thuật toán, tuy nhiên, để đáp ứng yêu cầu về thời 61 gian sát thời gian thực nhất, mức độ xử lý GSMaP_NRT chưa được tinh chỉnh bằng GSMaP_MVK nhưng có thời gian trễ là 3 giờ, ngắn hơn nhiều so với 3 ngày của GSMaP_MVK. - Khả năng bổ trợ trong điều kiện thiếu số liệu thực đo: các nghiên cứu đã khuyến nghị khả năng sử dụng mưa GSMaP_NRT thay thế trong trường hợp thiếu số liệu mưa thực đo hoặc các sự cố đối với mạng lưới trạm đo đạc. - Ý nghĩa thực tiễn trong nghiên cứu: việc lựa chọn sản phẩm mưa vệ tinh nhằm ứng dụng cho bài toán tính dòng chảy lũ trên dòng chính sông Mã, để đáp ứng được mục tiêu phục vụ công tác quản lý nguồn nước và phòng chống thiên tai, nguồn số liệu có tính kịp thời sẽ là sự lựa chọn phù hợp. 2.2 Phương pháp hiệu chỉnh mưa vệ tinh 2.2.1 Phương pháp kết hợp, lân cận gần nhất và hiệu chỉnh theo vị trí trạm Một số các nghiên cứu nhận định dữ liệu mưa GSMaP_NRT có khả năng mô phỏng phân bố về không gian cũng như sự biến thiên về thời gian về lượng mưa thời đoạn ngắn khá tốt nhưng còn sai về lượng [18]. Do vậy, nếu có thể kết hợp kết quả giải đoán lượng mưa GSMaP_NRT với số liệu mưa thực đo có thể nâng cao khả năng mô phỏng lũ theo không gian. Trong chương 1, phần nghiên cứu tổng quan đã giới thiệu các phương pháp hiệu chỉnh mưa đang được ứng dụng rộng rãi hiện nay. Đa số các phương pháp hiệu chỉnh mưa thường tập trung hiệu chỉnh về tần suất như phân phối tần suất lũy tích CDF hay quantile mapping đều quy về đường quá trình tại một trạm đo, tuy nhiên, phạm vi nghiên cứu là lưu vực sông Mã có số lượng trạm đo đạc khá thưa vùng thượng lưu và có khoảng trống không nhỏ ở khu vực trung lưu khi chảy qua lãnh thổ của Lào, càng làm mật độ lưới trạm đo trên lưu vực thêm mỏng. Chính vì vậy, bài toán đặt ra trong nghiên cứu sẽ tiếp cận hướng hiệu chỉnh theo không gian, đặc biệt tại các khu vực không có dữ liệu để phù hợp điều kiện thực tế. a) Phương pháp kết hợp và lân cận gần nhất Cách tiếp cận chính của phương pháp kết hợp là dựa trên sự phân bố mưa theo không gian được mô phỏng bởi dữ liệu GSMaP, sau đó được hiệu chỉnh đồng thời cả mặt không 62 gian này với các số liệu thực đo tại các trạm đo mưa ở dạng điểm. Tại từng thời điểm, các sai số sẽ được xác định tại từng các trạm đo mưa. Sau đó, một bề mặt sai số cho cả vùng tính toán sẽ được nội suy dựa trên các phương pháp nội/ngoại suy thông dụng. Bản đồ mưa sẽ được hiệu chỉnh với bề mặt sai số này tại từng ô lưới. Cách tiếp cận này có nhiều ưu điểm như có thể xét cả về không gian, cả thời gian (mặt sai số được cập nhật liên tục theo từng bước tính), tốc độ tính toán nhanh. Tuy nhiên, phương pháp này cần xử lý vấn đề ngoại suy theo không gian để tránh trường hợp có kết quả bất thường. Với đặc điểm lưu vực sông Mã với khu vực trung lưu vực thuộc Lào không có số liệu được bao quanh bởi thượng nguồn và hạ nguồn thuộc Việt Nam có số liệu thì phép tính sẽ dựa nhiều vào phép tính nội suy nên cách tiếp cận này sẽ tránh được vấn đề trị số đột biến. Để thực hiện hiệu chỉnh sai số theo không gian, luận án sẽ ước tính sai số mô phỏng tại một ô lưới của bản đồ mưa GSMaP và hiệu chỉnh sai số này với số liệu mô phỏng từ bản đồ mưa GSMaP. Nghiên cứu của luận án giả thiết các sai số do mô phỏng tại từng ô lưới cũng tương tự như các bài toán nội suy mưa theo không gian. Nghĩa là, dựa trên các sai số “thật sự” được thiết lập tại các vị trí có trạm đo mưa rồi từ đó nội ngoại suy các biến đổi sai số này theo các công thức nội suy thường dùng trong thuỷ văn. Để ước tính sai số tại các ô lưới không có trạm đo, luận án thử nghiệm sử dụng các công thức nội suy là công thức nghịch đảo khoảng cách (IDW) và phương pháp lân cận gần nhất (NR). Việc lựa chọn phương pháp nội suy IDW do: 1. IDW là kỹ thuật phổ biến để nội suy các điểm phân tán được chứng minh có tính hợp lý cao ở nhiều nghiên cứu [74]. 2. Dễ thực hiện do thuật toán dựa trên trọng số khoảng cách của các trạm đo trong vùng lân cận của mỗi pixel. 3. Tốc độ tính toán nhanh. Tương tự, phương pháp lân cận gần nhất có ưu điểm tính toán nhanh, thích hợp với các dữ liệu dạng lưới. Phương pháp lân cận gần nhất giả thiết yếu tố tại vị trí cần nội suy sẽ tương tự tại vị trí có điểm thực đo gần nhất (Phần 2.4 – Phụ lục). 63 Các sai số tại từng ô lưới cũng được thử nghiệm dựa trên các bước thời gian khác nhau. Do dữ liệu thực đo tại các trạm thuộc sông Mã thu thập được chỉ có bước thời gian đồng bộ là 6 giờ, đồng thời các trận mưa lớn trên lưu vực thường kéo dài trong thời gian ngắn (1-2 ngày), vì vậy luận án sẽ thử nghiệm các sai số ô lưới sẽ được ước tính theo 3 trường hợp: chênh lệch lượng mưa 6 giờ trước đó, 12 giờ trước đó và 24 giờ trước đó nhằm tìm ra thời điểm ước tính sai số phù hợp nhất cho bài toán mô phỏng lũ sông Mã sử dụng dữ liệu vệ tinh GSMaP. Một lưới mưa không gian sẽ được xây dựng trùng với lưới mưa GSMaP_NRT, trong đó lượng mưa trong mỗi ô lưới có toạ độ (x,y) tại thời điểm i được xác định bằng công thức: 𝑃𝑘ế𝑡 ℎợ𝑝(𝑥, 𝑦, 𝑖) = 𝑃𝐺𝑆𝑀𝑎𝑃𝑁𝑅𝑇(𝑥, 𝑦, 𝑖) + ∆(𝑥, 𝑦, 𝑖) (2-5) (𝑥, 𝑦, 𝑖) = ∑ (𝑃𝑜𝑏𝑠,𝑗−𝑃𝐺𝑆𝑀𝑎𝑃𝑁𝑅𝑇,𝑗)∗𝑊𝑗 𝑛 𝑗=1 ∑ 𝑊𝑗 𝑛 𝑗=1 (2-6) (𝑥, 𝑦, 𝑖) = (𝑃𝑜𝑏𝑠,𝑗 − 𝑃𝐺𝑆𝑀𝑎𝑃𝑁𝑅𝑇,𝑗) (2-7) Trong đó: 𝑖 : thời điểm tính toán; 𝑃𝑘ế𝑡 ℎợ𝑝(𝑥, 𝑦, 𝑖) là lượng mưa kết hợp (mm); 𝑃𝐺𝑆𝑀𝑎𝑃𝑁𝑅𝑇(𝑥, 𝑦, 𝑖) là lượng mưa giải đoán GSMaP_NRT (mm) trung bình giai đoạn nghiên cứu gần nhất (6 giờ, 12 giờ, 24 giờ); 𝑃𝑜𝑏𝑠,𝑗 là lượng mưa thực đo của trạm 𝑗 (mm) tính trung bình giai đoạn nghiên cứu gần nhất (6 giờ, 12 giờ, 24 giờ); 𝑃𝐺𝑆𝑀𝑎𝑃𝑁𝑅𝑇,𝑗 là lượng mưa giải đoán GSMaP_NRT tại ô lưới chứa trạm đo mưa 𝑗 trung bình giai đoạn nghiên cứu (6 giờ, 12 giờ, 24 giờ) (mm); 𝑊𝑗 là nghịch đảo khoảng cách giữa trạm đo mưa 𝑗 và tọa độ 𝑥, 𝑦; 𝑥, 𝑦: được xác định theo tọa độ lat - long. Với công thức (2-7), 𝑗 là trạm đo mưa gần với toạ độ 𝑥, 𝑦 . b) Phương pháp hiệu chỉnh theo vị trí trạm đo 64 Với diện tích lưu vực khá lớn, địa hình lưu vực sông Mã có thể chia làm 3 vùng khác nhau được trình bày ở Mục 1.4.1 – Chương 1, do đó, luận án thử nghiệm phương án hiệu chỉnh mưa xét đến yếu tố vị trí của các trạm đo mưa trên lưu vực gồm 3 hướng: tọa độ vị trí theo không gian lat - long, cao độ trạm. Khác với phương pháp kết hợp và lân cận gần nhất, một bề mặt sai số được xây dựng giữa mưa thực đo tại trạm và ô lưới mưa GSMaP_NRT có dạng (𝑥, 𝑦, 𝑧, 𝑖) sẽ không xét yếu tố khoảng cách như 2 phương pháp trên mà xem xét yếu tố cao độ của trạm đo. Phân bố bề mặt sai số được xác định dựa trên phương pháp hồi quy tuyến tính (multi-linear regression - MLR) với 3 biến là 𝑥, 𝑦 và 𝑧. Trong đó, 𝑥 và 𝑦 là tọa độ lat - long (hoặc decimal), 𝑧 là cao độ của trạm đo (đơn vị đo là m), 𝑖 là thời điểm tính toán. Tọa độ các trạm đo trên lưu vực được xác định đồng nhất từ hệ thống thông tin địa lý toàn cầu (Global Information System - GIS). Trình tự các bước thực hiện hiệu chỉnh mưa vệ tinh GSMaP_NRT được minh họa ở Hình 2.7. Chuỗi số liệu mưa thực đo được sử dụng trong nghiên cứu có bước thời gian là 6 giờ, độ dài chuỗi số được lấy theo thời gian mùa lũ trong các năm, dao động từ 3 đến 3,5 tháng. Hình 2.7 Các bước hiệu chỉnh mưa vệ tinh GSMaP 65 2.2.2 Lựa chọn phương án hiệu chỉnh Dựa trên phương pháp hiệu chỉnh, luận án sẽ đánh giá chất lượng các phương án để xác định thời đoạn tính toán phù hợp nhất. Hai phương pháp kết hợp và lân cận gần nhất có hướng tiếp cận tương đồng được sử dụng để so sánh, đánh giá. Phương pháp hiệu chỉnh theo vị trí trạm (kí hiệu MLR) sẽ được tính toán theo bước thời gian từ kết quả đánh giá của hai phương pháp kia. Luận án thử nghiệm 6 phương án hiệu chỉnh sai số (2 phương pháp với 3 khoảng thời gian khác nhau) tại tất cả các trạm đo mưa. Các phương án được kí hiệu NR (phương pháp lân cận gần nhất), IDW (nghịch đảo khoảng cách) và các số 0, 1, 4 tương ứng với khoảng thời gian 6 giờ trước, 12 giờ trước và 24 giờ trước. Sử dụng phương pháp kiểm tra chéo thử nghiệm trên từng mẫu (leave-one-out cross- validation) để đánh giá chất lượng phương án hiệu chỉnh. Lần lượt từng trạm đo mưa được giả thiết loại bỏ và sử dụng thông tin từ các trạm đo mưa còn lại để ước tính lượng mưa tại vị trí trạm đo bị loại bỏ đó theo công thức (2-5). Phương án tốt sẽ là phương án cho chênh lệch lượng mưa hiệu chỉnh với thực đo là thấp nhất. Kết quả đánh giá các phương án cho 8 mùa mưa lớn được trình bày ở Bảng 2.4. Bảng 2.4 Sai số trung bình giữa mưa thực đo và mô phỏng hiệu chỉnh (mm) Trận mưa NR0 NR1 NR4 IDW0 IDW1 IDW4 2000 2.1 2.5 2.9 2.0 2.4 2.8 2002 2.9 3.6 3.9 3.0 3.5 3.8 2003 3.0 3.5 3.8 2.5 3.4 3.1 2005 3.7 4.4 5.1 3.2 4.3 4.4 2006 2.7 3.3 3.8 3.1 3.2 3.7 2007 2.0 2.5 2.8 2.1 2.4 2.8 2008 2.6 3.0 3.5 2.6 3.0 3.4 2012 2.5 3.2 3.8 2.7 3.1 3.7 Trung bình 2.68 3.25 3.69 2.66 3.15 3.45 Từ bảng 2.4 cho thấy, với sai số được ước tính từ khoảng thời gian 6 giờ trước đó sẽ cho hiệu quả cao nhất so với khoảng thời gian 12 giờ hay 24 giờ. Trong 8 mùa mưa lớn, phương pháp lân cận gần nhất NR0 cho kết quả tốt nhất trong 4 mùa, IDW0 là 3 mùa và mùa còn lại cho IDW0 tương đương NR0. Xem xét trung bình tất cả các mùa, phương 66 án sử dụng nội suy nghịch đảo khoảng cách cho kết quả tốt nhất và khoảng thời gian 6 giờ cho kết quả tốt nhất với cả hai phương án IDW và NR. Do đó, luận án sẽ sử dụng phương án kết hợp theo phương pháp nghịch đảo khoảng cách, phương án lân cận gần nhất và thử nghiệm phương án hiệu chỉnh theo vị trí trạm đo với khoảng thời gian hiệu chỉnh sai số là 6 giờ trước để nghiên cứu xây dựng bản đồ mưa kết hợp giữa GSMaP và thực đo. Ứng dụng phương pháp kết hợp, lân cận gần nhất, hiệu chỉnh theo vị trí trạm cho một số trận mưa gây lũ lớn trên lưu vực được tổng hợp ở Bảng 2.7, các bản đồ mưa lưới kết hợp giữa mưa thực đo và mưa GSMaP_NRT được thể hiện ở Hình 2.8 đến 2.15. 2.2.3 Kết quả dữ liệu mưa lưới kết hợp giữa mưa vệ tinh và thực đo Các kết quả nghiên cứu dữ liệu mưa kết hợp giữa mưa vệ tinh và mưa thực đo của các trận mưa khác nhau trên lưu vực sông Mã cho thấy phân bố mưa trên lưu vực như các hình vẽ dưới đây. 67 (mm) Hình 2.8 Phân bố tổng lượng mưa từ 01/VIII – 31/X/2000 (mm) Hình 2.9 Phân bố tổng lượng mưa từ 15/VI – 15/IX/2002 68 (mm) Hình 2.10 Phân bố tổng lượng mưa từ 01/VII – 30/IX/2003 69 (mm) Hình 2.11 Phân bố tổng lượng mưa từ 01/VII – 15/X/2005 70 (mm) Hình 2.12 Phân bố tổng lượng mưa từ 01/VII – 30/IX/2006 71 (mm) Hình 2.13 Phân bố tổng lượng mưa từ 01/VIII – 31/X/2007 72 (mm) Hình 2.14 Phân bố tổng lượng mưa từ 01/VIII – 15/XI/2008 73 (mm) Hình 2.15 Phân bố tổng lượng mưa từ 15/VI – 15/X/2012 Các Hình 2.8 đến 2.15 thể hiện bản đồ phân bố tổng lượng mưa cho các mùa lũ từ năm 2000 đến 2012. Phân tích theo trực quan cho thấy, bản đồ phân bố tổng lượng mưa kết hợp (mưa BIAS) có hình dạng khá tương đồng so với bản đồ phân bố tổng lượng mưa thực đo nội suy theo phương pháp IDW (mưa OBS), trong khi đó, phân bố tổng lượng mưa GSMaP_NRT có mức độ sai khác nhiều hơn, thể hiện rõ nhất cho các năm xuất hiện lũ lớn ở khu vực trung lưu tại Cẩm Thủy, Cửa Đạt là 2005, 2007, 2012. Phân bố tổng lượng mưa GSMaP_NRT ở khu vực trung và hạ lưu sông Mã trong các năm lũ lớn 74 có xu thế thấp so với phân bố tổng lượng mưa thực đo, đặc biệt là sự sai lệch vị trí tâm mưa. Đối với trận lũ nhỏ ở năm 2006, phân bố tổng lượng mưa GSMaP_NRT có xu thế thiên cao so với mưa thực đo thể hiện ở Hình 2.12, phân bố mưa kết hợp đã được hiệu chỉnh nên giảm mức độ thiên so với phân bố mưa vệ tinh GSMaP_NRT. So sánh bản đồ phân bố mưa NR được hiệu chỉnh theo phương pháp lân cận gần nhất với phân bố mưa thực đo (mưa OBS) cho thấy với các năm lũ lớn là 2005, 2007, 2012, bản đồ mưa NR, mưa thực đo khá tương đồng với nhau về phân bố và vị trí xuất hiện tâm mưa, tuy nhiên, mưa NR có xu thế thiên cao ở khu vực trung lưu và hạ lưu. Riêng đối với trường hợp năm 2006, phân bố mưa NR khác biệt hoàn toàn so với mưa OBS. Sản phẩm bản đồ mưa MLR được hiệu chỉnh theo vị trí trạm đo cho kết quả phân bố tổng lương mưa khác biệt rất nhiều so với bản đồ mưa OBS với phân bố thiên cao hơn khá lớn trên toàn lưu vực. Các bản đồ ở Hình 2.16 minh họa rõ hơn mức độ chênh lệch về tổng lượng giữa các nguồn mưa GSMaP_NRT, mưa kết hợp, mưa NR, mưa MLR so với mưa thực đo. Trên lưu vực sông Mã, khu vực từ trung lưu xuống hạ lưu có mật độ mạng lưới trạm đo khá dày, do đó, phân bố mưa thực đo ở khu vực này sẽ có mức độ tương thích với lượng mưa thực tế cao hơn so với khu vực từ thượng lưu đến trung lưu. Phân tích từ các bản đồ ở Hình 2.16 cho thấy mức độ chênh lệch giữa mưa kết hợp và mưa thực đo khu vực hạ lưu sông Mã nhỏ hơn so với chênh lệch giữa mưa thực đo và mưa GSMaP_NRT, có nghĩa là, sự phân bố tồng lượng mưa kết hợp có mức độ phù hợp với mưa thực tế tốt hơn phân bố tổng lượng mưa GSMaP_NRT ở khu vực từ trung lưu xuống hạ lưu. So sánh tổng lượng mưa NR với mưa thực đo cho thấy ở các năm lũ lớn là 2005, 2007 và 2012, phân bố chênh lệch giữa hai nguồn mưa này là tương đối thấp, phổ biến dưới 100mm, tuy nhiên, ở năm lũ nhỏ 2006 thì mức độ chênh lệch rất lớn, phổ biến > 600mm. So sánh các bản đồ phân bố mức độ chênh lệch của tổng lượng mưa NR, mưa GSMaP_NRT, mưa kết hợp với mưa thực đo cho thấy: phân bố chênh lệch tổng lượng mưa NR khá tương đồng với mưa kết hợp và thấp hơn so với mưa GSMaP ở các năm lũ lớn là 2005, 2007 và 2012. Đối với sản phẩm mưa MLR cho kết quả chênh lệch về tổng lượng là khá lớn so với mưa thực đo ở khu vực hạ lưu, nhất là các năm xuất hiện lũ vừa và nhỏ như 2000, 2002, 75 2003, 2006. Với các năm lũ lớn, mức độ chênh lệch phổ biến dưới 200mm và đặc biệt dưới 100mm như năm 2012. Xem xét phân bố mưa ở khu vực từ thượng lưu đến trung lưu, mức độ chênh lệch về tổng lượng các nguồn mưa là tương đối lớn trong mùa lũ các năm 2000, 2002, 2005, 2008. Đây là các khu vực có mật độ trạm đo rất ít hoặc không có trạm đo, phân bố lượng mưa thực đo sẽ có độ tương thích với lượng mưa thực tế ở khu vực này là không cao, do đó, không thể sử dụng làm “mốc” để nhận định các nguồn mưa khác có phù hợp với lượng mưa thực tế hay không. Chính vì vậy, để đánh giá được sự phù hợp với lượng mưa thực tế trên các khu vực thiếu số liệu, nghiên cứu luận án sẽ sử dụng phương pháp đánh giá là ứng dụng mô hình thuỷ văn để tính toán dòng chảy trên sông Mã. ---------------------------------- Trận lũ năm 2000 Trận lũ năm 2002 76 ---------------------------------- ---------------------------------- ---