Bài viết Đánh giá chất lượng dữ liệu mưa CHIRPS tại khu vực tỉnh Ninh Thuận và Bình Thuận trình bày khai thác nguồn dữ liệu mưa CHIRPS và sau đó đánh giá sự phù hợp của chúng với các trạm đo mặt đất theo thời gian tại Ninh Thuận và Bình Thuận, những khu vực thường xuyên chịu ảnh hưởng của hạn hán tại Việt Nam.
Tuyển tập Hội nghị Khoa học thường niên năm 2019 ISBN: 978-604-82-2981-8 ĐÁNH GIÁ CHẤT LƯỢNG DỮ LIỆU MƯA CHIRPS TẠI KHU VỰC TỈNH NINH THUẬN VÀ BÌNH THUẬN Nguyễn Hồ Phương Thảo Trường Đại học Thủy lợi, email: nhpthao_cts@tlu.edu.vn GIỚI THIỆU CHUNG Dữ liệu mưa thành phần vô quan trọng sử dụng rộng rãi nhiều lĩnh vực đặc biệt khí tượng thủy văn Một chuỗi liệu mưa xác ln cần thiết cho công tác giám sát cảnh báo hạn Trong khoảng vài thập kỉ trở lại đây, với xu hướng suy giảm lượng mưa trung bình năm gia tăng bốc hơi, hạn hán ngày trở nên phổ biến nghiêm trọng nhiều nơi giới nói chung vàở hai tỉnh Ninh Thuận Bình Thuận, Việt Nam nói riêng Bên cạnh đó, q trình thị hóa bùng nổ dân số kéo theo nhu cầu sử dụng nước lớn đặc biệt cho nông nghiệp, công nghiệp sinh hoạt Do nguồn liệu mưa xác theo khơng gian thời gian vơ hữu ích công tác quản lý tài nguyên nước giám sát hạn khu vực Các trạm đo mưa truyền thống nguồn cung cấp số liệu đo mưa ổn định đáng tin cậy Lượng mưa đươc xác định cách trực tiếp xác xung quanh vị trí đặt trạm Tuy nhiên, hạn chế lớn trạm độ xác xét đến phân bố mưa theo khơng gian Bên cạnh đó, tỉ lệ trạm đo mưa diện tích nhiều khu vực giới thấp thường bố trí thưa thớt Để khắc phục điều này, sản phẩm mưa vệ tinh lựa chọn thực tế phù hợp cung cấp liệu mưa với độ phân giải cao không gian thời gian (Li et al 2013; Xie and Xiong 2011; Zhang and Jia 2013; Zhang et al 2016) Trong vài thập kỉ vừa qua, có số lượng lớn sản phẩm mưa vệ tinh xây dựng áp dụng phạm vi toàn cầu, đặc biệt phục vụ cho mục đích khí tượng thủy văn Có thể kể đến số sản phẩm sau TRMM Multi-satellite Precipitation Analysis (TMPA), Climate Prediction Center morphing technique (CMOPRH) satellite-based rainfall product hay Precipitation Estimation from Remotely Sensed Information using Artificial Neural Networks (PERSIANN) hay Climate Hazards Group Infrared Precipitation with Stations data (CHIRPS) Mặc dù sản phẩm mưa vệ tinh nguồn liệu giá trị, chứa nhiều sai số lỗi Do việc đánh giá chất lượng sản phẩm mưa vệ tinh thông qua việc so sánh với trạm đo mưa mặt đất vô cần thiết cho khu vực cụ thể Đa số sản phẩm mưa vệ tinh có nguồn liệu ngắn (ít 30 năm) độ phân giải thấp (0.250-0.10) không phù hợp đánh giá ảnh hưởng thảm họa thiên nhiên lũ hay hạn hán vốn cần nguồn liệu dài hạn Tuy nhiên nguồn liệu mưa CHIRPS 2.0 lại lựa chọn phù hợp có chuỗi số liệu dài (hơn 30 năm) độ phân giải cao 0.05 Qua số nghiên cứu trước đây, Chris et al 2015 hay Zambrano et al 2017cho thấy liệu mưa CHIRPS có tương quan cao với trạm mặt đất Trung Quốc Châu Phi, vv Với thông tin nhận thấy CHIRPS nguồn liệu mưa tốt áp dụng thành công số khu vực giới Việc đánh giá phù hợp CHIRPS với trạm đo mưa Việt Nam cần thiết Nếu cho kết tốt, nguồn thông tin hữu ích cho công tác quản lý tài nguyên nước Việt Nam, đặc biệt khu vực có khơng có trạm đo mưa 724 Tuyển tập Hội nghị Khoa học thường niên năm 2019 ISBN: 978-604-82-2981-8 Do mục tiêu nghiên cứu trước tiên khai thác nguồn liệu mưa CHIRPS sau đánh giá phù hợp chúng với trạm đo mặt đất theo thời gian Ninh Thuận Bình Thuận, khu vực thường xuyên chịu ảnh hưởng hạn hán Việt Nam Nam dải đồi cát chạy dài suốt dọc bờ biển Nhìn chung, đại phận lãnh thổ đồi núi thấp trung bình, đồng ven biển nhỏ hẹp (Hình 2) Tân Mỹ DỮ LIỆU MƯACHIRPS Sơng Lũy CHIRPS nguồn liệu + 30 năm mưa lưới vệ tinh toàn cầu trải dài từ 50 Nam - 50 Bắc (và gồm tất kinh độ) (Hình 1) năm 1981 gần thời gian thực Hình Vị trí địa lý hai tỉnh Ninh Thuận Bình Thuận Hình Sản phẩm mưa CHIRPS (Nguồn nasaharvest.org) CHIRPS kết hợp việc phân tích ảnh viễn thám có độ phân giải 0.05 liệu đo mưa mặt đất để tạo lưới mưa theo thời gian.Số liệu mưa mặt đất cung cấp đài khí tượng thủy văn quốc gia, chủ yếu Mexico, Trung Mỹ, Nam Mỹ Châu Phi Số lượng trạm quan trắc theo tháng CHIRPS khoảng 14000 vào năm 2014 Tháng 2/2015 phiên CHIRPS 2.0 hoàn thành phổ biến rộng rãi Người dùng truy cập sử dụng nguồn liệu với nhiều loại bước thời gian khác ngày, 1, 2, hay tháng địa sau: ftp://ftp.chg.ucsb.edu/pub/org/chg/products/C HIRPS-2.0 Nhiều năm qua tỉnh Ninh Thuận Bình Thuận ln tình trạng hạn hán thiếu nước, chí nghiêm trọng Do vậy, việc có nguồn số liệu mưa xác hiệu dùng cơng tác giám sát hạn vơ cần thiết Nó giúp nhà quản lý người dân có thơng tin hữu ích để phịng tránh giảm nhẹ thiệt hại thiên tai hạn hán gây Trên địa bàn hai tỉnh có nhiều trạm đo mưa Nha Hố, Ba Tháp, Phan Rang, Cà Ná, Quán Thẻ, Tà Pao, Phan Thiết, Hàm Tân, vv… Trong giới hạn nghiên cứu trình bày kết tính toán cho trạm đo mưa tự động đại diện Tân Mỹ Ninh Thuận Sông Lũy Bình Thuận Tọa độ trạm thể Bảng Bảng Vị trí trạm đo mưa Tên trạm Tân Mỹ Sông Lũy KHU VỰC NGHIÊN CỨU Ninh Thuận vùng đất chuyển tiếp duyên hải ven biển Trung Trung với tỉnh Nam Trung Với hình dạng chảo lớn có vành đai dãy núi chắn gió khiến khí hậu ln có nắng nhiều mưa Nằm sát Ninh Thuận phía Nam, tỉnh Bình Thuận nằm trải dài dọc theo hướng Đơng Bắc - Tây Nam Phía Bắc giáp sườn núi cuối dãy Trường Sơn, phía Vĩ độ Kinh độ 114960.00N 1084760.00E 111160.00N 1081960.00E PHƯƠNG PHÁP NGHIÊN CỨU Sản phẩm mưa CHIRPS trích xuất điểm vị trí trạm đo mưa mặt đất Để đánh giá chất lượng so sánh sản phẩm mưa CHIRPS với trạm đo, tiêu so sánh sau sử dụng Đầu tiên hệ số tương quan R sử dụng để đánh giá tương đồng chuỗi giá trị Tiếp theo 725 Tuyển tập Hội nghị Khoa học thường niên năm 2019 ISBN: 978-604-82-2981-8 hệ số bao gồm RMSE độ sai lệch quân phương BIAS phần trăm sai lệch Cuối số POD xác suất phát hiện tượng, FAR tỉ số nhận biết sai tượng CSI số thành công tới hạn Khoảng giá trị giá trị tối ưu tiêu so sánh thể Bảng CHIRPS có giá trị POD cao (xấp xỉ 0.99), giá trị FAR thấp ( 0.75), cho thấy CHIRPS nhận biết tốt hầu hết trận mưa tỉnh Ninh Thuận Bình Thuận 450 400 350 Chỉ tiêu Công thức R xi x yi y 2 xi x yi y -1 +1 ME n xi yi N i 1 - RMSE n x yi N i 1 i 0 X_CHIRPS Bảng Các tiêu so sánh Khoảng Giá trị giá trị tối ưu BIAS n yi FAR CSI 150 0 100 200 300 X_Thực đo 400 500 Hình Biểu đồ phân tán mưa thực đo mưa CHIRPS trạm Tân Mỹ 400 350 X_CHIRPS 300 250 200 R=0.622 150 100 100% A A B C FAR AC A CSI A BC POD R=0.634 200 50 0 50 0 i 1 POD 250 100 n xi yi 300 100 200 300 X_Thực đo 400 500 0-1 Hình Biểu đồ phân tán mưa thực đo mưa CHIRPS trạm Sông Lũy 0-1 Bảng Tương quan mưa CHIRPS quan trắc 0-1 xi giá trị CHIRPS yi giá trị mưa thực đo, A số trận mưa nhận biết CHIRPS thực đo, B số trận mưa nhận biết trạm đo CHIRPS không thể, C số trận mưa nhận biết CHIRPS trạm đo không nhận biết KẾT QUẢ Hình Hình biểu diễn biểu đồ phân tán mưa thực đo mưa CHIRPStheo tháng từ năm 1983-2017 hai trạm Tân Mỹ (TM) 1983-2005 Sông Lũy (SL) Các tiêu so sánh hai giá trị thể Bảng Có thể thấy chúng có tương quan tốt thể qua giá trị R lớn 0.62 Tuy nhiên, sai số chúng tương đối lớn với giá trị RMSE khoảng 70 mm/tháng Bên cạnh mưa R ME RMSE BIAS POD FAR CSI TM 0.63 16.4 69.8 16.4 0.99 0.19 0.79 SL 0.62 6.62 71.9 7.6 0.99 0.23 0.75 KẾT LUẬN Nguồn liệu mưa CHIRPS phản ánh tương quan tốt với giá trị mưa quan trắc trạm mưa khu vực Ninh Thuận Bình Thuận Tuy nhiên, độ sai lệch giá trị chúng tương đối lớn Để đưa vào sử dụng giám sát cảnh báo hạn nguồn liệu cần hiệu chỉnh kiểm định cho phù hợp với khu vực nghiên cứu TÀI LIỆU THAM KHẢO [1] Li Z, Yang D, Hong Y 2013 Multi-scale evaluation of high-resolution multi-sensor blended global precipitation products over the Yangtze River J Hydrol 500:157-169 726 ... LUẬN Nguồn liệu mưa CHIRPS phản ánh tương quan tốt với giá trị mưa quan trắc trạm mưa khu vực Ninh Thuận Bình Thuận Tuy nhiên, độ sai lệch giá trị chúng tương đối lớn Để đưa vào sử dụng giám sát... phân tán mưa thực đo mưa CHIRPS trạm Sông Lũy 0-1 Bảng Tương quan mưa CHIRPS quan trắc 0-1 xi giá trị CHIRPS yi giá trị mưa thực đo, A số trận mưa nhận biết CHIRPS thực đo, B số trận mưa nhận... phẩm mưa CHIRPS trích xuất điểm vị trí trạm đo mưa mặt đất Để đánh giá chất lượng so sánh sản phẩm mưa CHIRPS với trạm đo, tiêu so sánh sau sử dụng Đầu tiên hệ số tương quan R sử dụng để đánh giá