Nghiên cứu tính toán lượng mưa trên lưới thời gian thực sử dụng thuật toán Đồng hóa số liệu

Nghiên cứu tính toán lượng mưa trên lưới thời gian thực sử dụng thuật toán Đồng hóa số liệu Nghiên cứu tính toán lượng mưa trên lưới thời gian thực sử dụng thuật toán Đồng hóa số liệu

ĐẠI HỌC QUỐC GIA HÀ NỘI

TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN

ĐẠI HỌC QUỐC GIA HÀ NỘI

TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN

LỜI CẢM ƠN

S u qu tr nh học tập và nghiên cứu ến n y uận v n th c s với tài:

“Nghiên cứu tính toán lượng mưa trên lưới thời gian thực sử dụng thuật toán đồng hóa số liệu” ã ược hoàn thành với sự nỗ ực củ bản thân và sự giúp ỡ củ

thầy cô gi o b n bè và ồng nghiệp

Học viên xin trân trọng cảm ơn c c thầy cô gi o Trường Đ i học Kho học

Tự nhiên cùng toàn thể c c thầy cô gi o trong kho Khí tượng Thủy v n – Hải dương học ã truy n t kiến thức mới trong qu tr nh học tập cũng như trong qu trình làm uận v n t i trường

Tôi xin bày tỏ òng biết ơn sâu sắc tới thầy hướng dẫn TS Hoàng Phúc Lâm, người ã trực tiếp tận t nh chỉ bảo hướng dẫn tôi trong suốt qu tr nh thực hiện uận v n Tôi xin chân thành cảm ơn sự t o i u kiện củ Trung tâm Dự b o khí tượng thủy v n quốc gi , ãnh o và c c ồng nghiệp phòng Dự b o thời tiết phòng Số trị viễn th m ã t o mọi i u kiện thuận ợi ể học viên có i u kiện học tập nghiên cứu chuyên sâu nâng c o tr nh ộ chuyên môn nghiệp vụ nhằm hoàn thành tốt hơn nữ nhiệm vụ trong nh vực ng công t c

Cuối cùng tôi xin chân thành cảm ơn gi nh b n bè và ồng nghiệp ã uôn ộng viên giúp ỡ t c giả trong qu tr nh àm uận v n Đây à ần ầu tiên nghiên cứu kho học với thời gi n và kiến thức có h n chắc chắn không tr nh khỏi những khiếm khuyết t c giả rất mong nhận ược nhi u ý kiến góp ý củ c c thầy cô

gi o c c c n bộ kho học và ồng nghiệp ể uận v n ược hoàn thiện hơn

Xin chân thành cảm ơn!

Hà Nội, ngày 28 tháng 7 năm 2023

1.2 Phương ph p phân tích kh ch qu n trong ồng hó dữ iệu 10

CHƯƠNG 2 SỐ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU 15

2.1 Số iệu 15

2.2 Kiểm tr dữ iệu mư tự ộng và nh gi chất ượng GSM P 22

2.3 Phương ph p nghiên cứu 27

2.4 Thiết kế nghiên cứu 32

DANH MỤC CHỮ VIẾT TẮT

3DVAR : Đồng hó biến phân b chi u

GPM : Đo mư toàn cầu (Global Precipitation Measurement)

GSMaP : Ước ượng ượng mư vệ tinh toàn cầu (Global Satellite

Mapping Precipitation)

GSMaP_MKV : Sản phẩm GSMaP chuẩn

GSMaP_NOW : Sản phẩm GSMaP thời gi n thực

GSMaP_NRT : Bộ sản phẩm GSMaP gần thời gi n gần thực

MAE : S i số tuyệt ối trung bình (Mean Absolute Error)

OI : Nội suy tối ưu (Optimal Interpolation)

PMM : Nhiệm vụ o c mư (Precipitation Measuring Mission)

QPF : Dự b o ịnh ượng mư (Quantitative Precipitation Forecasts)

RMSE : S i số b nh phương trung bình

TRMM : Số iệu vệ tinh vùng nhiệt ới

SPE : Ước ượng mư vệ tinh (Satellite Precipitation Estimates)

Cs : Cộng sự

Hình 2.4.1: Thiết kế nghiên cứu củ uận v n với mục tiêu t o r bộ số iệu mư trên ưới khi kết hợp số iệu GSM P và o mư tự ộng sử dụng kỹ thuật phân tích

kh ch qu n củ thuật to n ồng hó số iệu 3DVAR 33

H nh 3.1: Bản ồ chuẩn s i ượng mư ( ơn vị: %) tháng 08/2020 (trái) và tháng

9 2020 (phải) 37

Hình 3.2: Bản ồ tỷ chuẩn ượng mư ( ơn vị: %) tháng 8/2021 (trái) và tháng

9 2021 (phải) 38

Hình 3.3: Bản ồ ước ượng mư GSM P (hàng trên bên tr i) ượng mư ồng ho với b n kính ảnh hưởng L=30km (hàng trên giữ ) và L = 70km (hàng trên, bên phải) và ộ phản hồi r d r thời iểm 19g ngày 03 9 40

Hình 3.4: Bản ồ ộ phản hồi r d r thời iểm 12g ngày 02 9 (hàng trên) và ước ượng mư GSM P (hàng dưới bên tr i) ượng mư kết hợp với b n kính ảnh hưởng L=30km (hàng dưới giữ ) và L = 70km (hàng dưới bên phải) 43

Hình 3.5: Bản ồ ộ phản hồi r d r thời iểm 12g ngày 07 9 (hàng trên) và ước ượng mư GSM P (hàng dưới bên tr i) ượng mư kết hợp với b n kính ảnh hưởng L=30km (hàng dưới giữ ) và L = 70km (hàng dưới bên phải) 45

Hình 3.6: S i số tuyệt ối trung b nh MAE (màu c m ậm) và s i số b nh phương trung

b nh RMSE (màu x nh) củ số iệu mư kết hợp với b n kính ảnh hưởng L=70km 46

Hình 3.7: Tỉ ệ th y ổi củ s i số RMSE (màu x nh) và MAE (màu c m) theo tr m

củ số iệu kết hợp với b n kính ảnh hưởng L=70km so với số iệu n n GSM P 47

H nh 3.8: Tỷ ệ th y ổi s i số b nh phương trung b nh RMSE củ số iệu L70 so với số iệu GSM P ( ơn vị: %) Tỷ ệ âm (màu nóng) tương ứng với s i số RMSE giảm dương (màu nh) tương ứng với s i số RMSE t ng 49

H nh 3.9 S i số tuyệt ối trung b nh MAE (màu c m ậm) và s i số b nh phương trung

b nh RMSE (màu x nh) củ số iệu mư kết hợp với b n kính ảnh hưởng L=30km 50

H nh 3.10: Tỉ ệ th y ổi củ s i số RMSE (màu x nh) và MAE (màu c m) theo tr m

củ số iệu kết hợp với b n kính ảnh hưởng L=30km so với số iệu n n GSM P 52

Hình 3.11: Tỷ ệ giảm s i số RMSE (tr i) và MAE (phải) củ bộ số iệu L30 so với

bộ số iệu L70 Tỷ ệ âm (màu nóng) tương ứng với s i số giảm dương (màu nh) tương ứng với s i số t ng 53

DANH MỤC BẢNG

Bảng 2.1 C c sản phẩm ước ượng mư GSMaP 18Bảng 2.2 Số iệu mư tự ộng tr m Hà Gi ng và c c tr m xung qu nh khu vực Việt Bắc úc 02 giờ ngày 01 9 2021 23Bảng 2.3 Số iệu mư tự ộng tr m Quy Nhơn và c c tr m xung qu nh khu vực

N m Trung Bộ úc 23 giờ ngày 04 9 2021 24Bảng 2.4 Thống kê s i số MAE và RMSE củ bộ số iệu mư vệ tinh GSM P 26Bảng 2.2.1 D nh s ch và ý ngh c c th m số trong chương tr nh phân tích kh ch qu n 31Bảng 3.1 Số iệu mư tự ộng t i Ph n R ng (Ninh Thuận) Ph n Thiết (B nh Thuận) và khu vực xung qu nh úc 12 giờ ngày 02 9 2021 42Bảng 3.2 Thống kê s i số MAE và RMSE củ bộ số iệu mư kết hợp với b n kính ảnh hưởng L=70km 47Bảng 3.3: Thống kê tỉ ệ th y ổi s i số RMSE và MAE củ bố số iệu kết hợp với

b n kính ảnh hưởng L=70km so với số iệu n n GSM P 48Bảng 3.4 Thống kê s i số MAE và RMSE củ bộ số iệu mư kết hợp với b n kính ảnh hưởng L=30km 51Bảng 3.5: Tỉ ệ th y ổi củ s i số theo tr m với chỉ số RMSE và MAE so với GSMaP bán kinh L=30km 51

1

MỞ ĐẦU

1 Đặt vấn đề

Việt N m nằm trong khu vực nhiệt ới gió mù với tính chất mư nhi u mư

ớn ngày càng diễn biến phức t p không tuân theo quy uật nên hàng n m phải hứng chịu nhi u thiệt h i nghiêm trọng t thiên t i như mư ớn bão ũ ụt gây ảnh hưởng ến cơ sở h tầng ời sống sinh ho t hơn nữ còn ảnh hưởng ến m ng sống con người Lượng mư à yếu tố ầu tiên qu n trọng góp phần gây r ngập úng ở c c khu vực ô thị và vùng trũng thấp ũ qu t và s t ở ất ở vùng núi cũng như ũ ngập ụt ven sông Tuy nhiên dự b o ịnh ượng c c yếu tố khí tượng nói chung và ặc biệt à yếu tố ượng mư nói riêng còn có s i số rất ớn Do ó nghiên cứu v c c phương ph p c ch tiếp cận dự b o ịnh ượng mư à n n móng qu n trọng ể hiểu biết v cơ chế cũng như ph t hiện cảnh b o khả n ng xảy r hiện tượng mư ớn cùng c c thiên t i do mư ớn kích ho t như ũ s t ở ngập úng Bài to n dự b o ịnh ượng mư vẫn uôn à bài to n khó nhất cả v không gi n ẫn thời gi n bởi i ượng này rất nh y cảm với i u kiện ị h nh và c c nhân tố thời tiết kh c như ộ ẩm nhiệt ộ và gió không chỉ cho Việt N m mà còn củ nhi u nước có n n kho học công nghệ tiên tiến như Mỹ Đức Nhật Bản

cơ qu n Khí tượng Hồng Kông (HKO) HKO ã ph t triển một hệ thống cảnh b o cường ộ mư dông h n ngắn cho khu vực h n chế - ược gọi à SWIRLS (Short-

r nge W rning of Intense R instorm in Loc ised Systems) SWIRLS dự trên việc

2 ngo i suy ộ phản hồi r d r sử dụng kỹ thuật theo dõi tương qu n phản hồi r d r TREC (Tracking Radar Echoes by Corre tion) Hệ thống dự b o SWIRLS ở Hồng Kông ã ược ư vào nghiệp vụ t n m 1998 Phiên bản 2 củ nó cũng ã ược

ph t triển và kiểm tr thời gi n thực ở Hồng Kông t n m 2007

Trong những thập kỷ gần ây c c sản phẩm qu n trắc vệ tinh ã có những óng góp to ớn trong việc nâng c o hiểu biết v chu tr nh nước toàn cầu và những

hệ quả củ nó ối với ộng ực học qui mô ớn củ hoàn ưu chung khí quyển Nhi u sản phẩm mư vệ tinh toàn cầu cũng như khu vực có hiệu quả rất ớn trong các bài to n nghiệp vụ cũng như ứng dụng thực tế và nghiên cứu ặc biệt à ộ phân giải kh c o củ nó cả theo không gi n và theo thời gi n Lượng mư và sự phân bố không gi n củ ượng mư không chỉ qu n trọng trong dự b o thời tiết nghiệp vụ mà còn có ý ngh ối với việc dự b o ũ cũng như nh gi tài nguyên nước Tuy nhiên dù có nhi u nghiên cứu p dụng c c phương ph p phân tích dự báo khác nhau sử dụng ước ượng mư vệ tinh àm ầu vào nhưng c c kết quả dự

b o mư kể cả bằng c c phương ph p ngo i suy dự b o cực ngắn và ngắn vẫn ẩn chứ rất nhi u s i số Một trong những nguyên nhân dẫn ến s i số dự b o ịnh ượng mư còn ớn là do trường b n ầu củ qu n trắc và phân tích ước ượng ượng mư chư ược chính x c

Để giải quyết vấn này ồng thời kh i th c ược c c ưu iểm củ số iệu

mư vệ tinh và qu n trắc b mặt trong uận v n này sẽ sử dụng phương pháp phân tích kh ch qu n củ ồng hó số iệu 3D-VAR ã ược ứng dụng kh rộng rãi trong mô h nh số trị ó à bước phân tích kh ch qu n ể ứng dụng xây dựng trường ượng mư giờ kết hợp giữ ượng mư trên ưới và ượng mư qu n trắc tự ộng t i

c c tr m o trên toàn quốc nhằm t o r trường ượng mư thời gi n thực à ầu vào cho c c phương ph p và mô h nh dự b o kh c nh u h n cực ngắn ịnh ượng

mư kh c nh u như m ng thần kinh nhân t o - ANN phương ph p dòng qu ng học

- Optic F ow với tài uận v n à “Nghiên cứu tính toán lượng mưa trên

lưới thời gian thực sử dụng thuật toán đồng hóa số liệu”, với c c mục tiêu cụ thể

dưới ây:

3

M ti u u n v n

- Ứng dụng phương ph p kỹ thuật phân tích khách quan ể xây dựng trường ượng mư giờ trên ưới thời gi n gần thực cho khu vực Việt N m kết hợp giữ số iệu ước ượng mư vệ tinh GSMaP và số iệu mư qu n trắc b mặt

- Đ nh gi ược chất ượng số iệu ước ượng mư t vệ tinh GSMaP và số iệu ượng mư trên ưới s u phân tích kh ch qu n

Cấu tr u n v n

Ngoài phần mở ầu kết uận và tài iệu th m khảo nội dung củ uận v n ược bố cục thành 3 chương chính:

Chương 1 Tổng qu n nghiên cứu Chương này tr nh bày v c c kh i niệm sẽ

sử dụng trong khuôn khổ uận v n những nghiên cứu trong và ngoài nước có iên

qu n tới bài to n phân tích kh ch qu n ể phân tích ồng hó số iệu tính to n ượng mư trên ưới và c c nghiên cứu ứng dụng có iên qu n tới phương ph p số iệu và c c kết quả củ uận v n

Chương 2 Số iệu và phương ph p nghiên cứu Chương này tr nh bày v c c

o i số iệu c ch thu thập và xử ý c c nguồn số iệu này cũng như c c phương ph p nghiên cứu ược sử dụng trong uận v n

Chương 3 Kết quả nghiên cứu Chương này tr nh bày một số kết quả ã t ược khi p dụng phương ph p phân tích kh ch qu n củ thuật to n ồng hó số iệu t o r trường ước ượng ượng mư trên ưới tối ưu tận dụng c c ưu iểm củ

h i nguồn số iệu ước ượng mư vệ tinh và o mư tự ộng ảm bảo chất ượng và

có thể sử dụng cho c c bài to n dự b o cực ngắn ượng mư dự b o ũ ũ qu t và

s t ở ất s u này

4

CHƯƠNG 1 TỔNG QUAN 1.1 Một số những nghiên cứu về phân t h há h qu n

1.1.1 Trên thế giới

Phương ph p o c ượng mư truy n thống b o gồm c c thiết bị o mư trực tiếp tự ộng hoặc thủ công Phương ph p này cho ph p o trực tiếp ượng mư rơi xuống b mặt nhưng cũng có những h n chế nhất ịnh cụ thể: ây à c ch thức

o dự trên iểm tr m c c thiết bị o mư có thể không cung cấp phân bố không gian chính xác củ ượng mư trên một khu vực ồng thời không ước ượng ược ượng mư trong khu vực giữ h i iểm tr m C c phân tích ượng mư trên ưới có thể ược t o r t dữ iệu tr m dự trên iểm bằng c ch p dụng c c phương ph p nội suy (ví dụ nội suy Krigging) nhưng ộ chính x c bị h n chế ở c c khu vực có ít

tr m o mư Việc ắp ặt thiết bị o mư cũng có thể không khả thi v mặt kinh tế

ối với phần ớn khu vực hoặc không thể ắp ặt như ở các khu vực i dương, khu vực vùng núi c o Ở những khu vực có mật ộ tr m o mư thấp rất khó ể nh giá tính chính xác củ c c ượng mư o ược do ít có số iệu ể so s nh ối chứng Hơn nữ bản thân c c dụng cụ o mư cũng ẩn chứ khả n ng có s i số v

kỹ thuật o cũng như s i số khi ấy mẫu

C c sản phẩm vệ tinh cùng với c c phương ph p tính to n trong những n m gần ây cung cấp thêm các phương ph p và sản phẩm hiệu quả ể nh gi thống nhất ượng mư trên một mi n gần như toàn cầu C c phương ph p o mư hiện i

sử dụng c c cảm biến vi sóng ể ph t hiện sự ph t x và t n x t c c ối tượng khí tượng (như mây h t nước b ng ) và liên hệ chúng với tốc ộ và ượng mư thông

qu c c tính to n bằng các mô hình trung gian C c sản phẩm vệ tinh hiện i ã và

ng cho thấy hiệu quả tốt tương ương hoặc vượt trội so với c c phương ph p và

bộ số iệu khí hậu trong một số i u kiện nhất ịnh Tuy nhiên những s i số vẫn tồn

t i do bản chất củ qu tr nh ấy mẫu gi n tiếp và c c thuật to n ược sử dụng Bằng c ch kết hợp số iệu o mư t i tr m và số iệu mư ước ượng vệ tinh những s i số này có thể ược giảm bớt ặc biệt à ở những nơi có mật ộ tr m c o

5 Việc ồng hóa kết hợp số iệu tr m với c c ước tính ượng mư vệ tinh ã ược thực hiện trước ây bằng nhi u kỹ thuật kh c nh u như:

Achan Lin và cs [18] nghiên cứu xuất một thuật to n kết hợp giữ ước ượng mư vệ tinh SPEs và số iệu o mư t i tr m cho C n d Trong nghiên cứu này c c t c giả sử dụng số iệu mư ã ược hiệu chỉnh o i bỏ c c s i số Số iệu tính to n trong 10 n m cho khu vực phí Tây N m củ C n d số iệu tr m ược chi àm 2 trong ó ½ số tr m sẽ ược sử dụng ể ồng hó và ½ số iệu ược sử dụng ể nh gi kết quả Kết quả cho thấy rằng khi so s nh với ước ượng mư vệ tinh và nội suy dữ iệu t tr m o bằng phương ph p kriging ước ượng mư kết hợp giữ h i o i dữ iệu có RMSE nhỏ nhất ít s i ệch nhất và sử dụng ược trong tất cả c c mù trong ó mật ộ tr m o càng thấp th số iệu ồng hó càng tốt Những khu vực có số ượng tr m o thấp th nội suy kriging cho kết quả k m hơn

so với c c ước ượng mư vệ tinh SPE ã ược hiệu chỉnh s i số và c c SPEs chư ược hiệu chỉnh s i số cho kết quả thấp nhất

Để ph t triển bộ dữ iệu ượng mư vệ tinh hỗn hợp trên khắp Austr i Zhi‐Weng Chu và cs [12] ã kết hợp giữ số iệu mư vệ tinh GSMaP và số iệu mư

t i tr m trên khắp Austr i sử dụng số iệu tr m ng ho t ộng chư ược kh i

th c bởi c c sản phẩm kết hợp kh c Nghiên cứu này ã thực hiện dự trên h i bước Đầu tiên số iệu mư vệ tinh GSM P ã ược hiệu chỉnh bằng c ch sử dụng

dữ iệu o mư thông qu c c tỷ ệ nhân ược chi thành ưới bằng phương ph p nội suy kriging Dữ iệu GSM P ã i u chỉnh s u ó ược kết hợp với bộ số iệu

mư khí hậu củ Austr i - AGCD một bộ dữ iệu o mư trên ưới dự trên tr m vận hành sử dụng phương ph p trọng số à nghịch ảo s i số ể tiếp tục o i bỏ c c

s i ệch Việc nh gi ược thực hiện trong ph m vi 20 n m (2001 ến 2020) cho thấy phương ph p kết hợp do nhóm t c giả xuất ã thành công; bộ dữ iệu kết hợp cho kết quả với chất ượng vượt trội so với c c bộ dữ iệu không dự trên số iệu o trực tiếp kh c ối khi ư v c c tr m ồng thời bộ số iệu kết hợp cũng cho phân bố vùng mư mư thực tế hơn so với bộ số iệu khí hậu AGCD ặc biệt ở những khu vực không có hoặc có ít iểm o mư S i số tuyệt ối trung b nh

6 (MAE) ối với dữ iệu tr m ã giảm t 0.89 xuống 0.31 Mức giảm s i số ớn nhất

số hệ thống và số iệu o mư t i tr m Đầu tiên o i bỏ s i số củ bộ số iệu CMORPH bằng hàm mật ộ x c suất PDF (PDF- Probability Density function) Tiếp theo bộ số iệu mư vệ tinh s u khi ược hiệu chỉnh sẽ kết hợp với bộ số iệu

t i tr m thông qu phương ph p nội suy tối ưu OI (OI - Optim Interpo tion) Bộ

số iệu s u khi kết hợp sẽ ược kiểm chứng ch o với bộ số iệu ộc ập Kết quả cho thấy bộ số iệu s u khi kết hợp ã tối ưu hơn giảm ược s i số so với c c bộ số iệu

b n ầu

Trong nghiên cứu nh gi ộ chính x c củ sản phẩm GSM P cho ưu vực hồ Poy ng (Trung Quốc) với c c quy mô thời gi n kh c nh u (ngày th ng và n m) cho thấy nh n chung sản phẩm mư vệ tinh cho ượng mư thiên thấp so với qu n trắc

Hệ số tương qu n ượng mư th ng t ược à 0.85 thể hiện qu n hệ tuyến tính tốt giữ ượng mư ước ượng t vệ tinh so với qu n trắc trong khi ó hệ số tương

qu n ượng mư ngày thường dưới 0.5 Kết quả nh gi còn cho thấy s i số tương

ối giảm trong c c th ng mư nhi u và t ng dần ên trong c c th ng khô trong khi

ó xu hướng củ c c s i số MAE và RMSE i thể hiện ngược i Nghiên cứu thực hiện nh gi GSM P V4 và GSM P V5 cho vùng ục ị Trung Quốc cho thấy sản phẩm mư vệ tinh có thể nắm bắt ược c c h nh thế theo không gi n và cường ộ

mư trung b nh ngày Kết quả nh gi trên vùng ục ị Trung Quốc thể hiện tốt hơn trong mù hè so với mù ông tốt hơn trên vùng ông n m so với vùng tây bắc

củ Trung Quốc tuy nhiên cả h i phiên bản GSM P (V4 và V5) u ước ượng ượng mư thấp hơn so với qu n trắc

7

1.1.2 Trong nước

Ở nước t một số nghiên cứu v ồng ho số iệu nhằm cải thiện bộ số iệu

ầu cũng ã và ng ược thực hiện:

Nghiên cứu củ Trần Anh Đức và cs v “Xây dựng bộ số liệu lượng mưa

ngày VNGP_1deg trên lưới 1’*1’ kinh vĩ cho Việt Nam” Đư r ược bộ dữ iệu

mư toàn cầu GPCP và dữ iệu mư t i c c tr m qu n trắc củ Việt N m ã ược kết hợp với nh u sử dụng phương ph p nội suy Cressm n kết quả à ã t o ược một bộ số iệu mư ngày trên ưới 1x1 kinh v cho gi i o n t th ng 10 1996 ến

th ng 12 2007 gọi à VnGP_1deg Kết quả nh gi bộ dữ iệu VnGP_1deg với bộ

số iệu mư APHRODITE củ Nhật Bản cho một số trường hợp mư cụ thể cho thấy ưu iểm nổi trội củ VnGP_1deg cả v phương diện phân bố thời gi n và phân

bố không gi n [1]

Qu việc so s nh theo phương diện không gi n và thời gi n ã cho thấy VnGP_1deg có nhi u ưu iểm nắm bắt ược tốt c c cơn mư ớn cả v vị trí thời iểm ẫn cường ộ Số iệu VnGP_1deg có thể ược sử dụng àm ầu vào cho các

mô h nh thủy v n cũng như có thể ược sử dụng như một bộ số iệu chuẩn ể nh

gi kiểm tr kết quả củ mô h nh Số iệu trên ưới kinh v chuẩn củ VnGP_1deg cũng có thể ược dùng cho bài to n ước ượng mư t c c phản hồi vô tuyến củ

m ng ưới r d r thời tiết củ Việt N m

Trong nghiên cứu củ c c t c giả Nguyễn Xuân Thành và c c cs., dữ iệu qu n trắc hàng ngày t 481 tr m o mư ược sử dụng ể xây dựng bộ dữ iệu ượng

mư mới cho Việt N m dự trên kỹ thuật nội suy Spherem p Tập dữ iệu mới ược gọi à tập dữ iệu ượng mư trên ưới cho Việt N m (VnGP) có ộ phân giải 0.25

và gi i o n 1980-2010 Việc kiểm chứng thực hiện ối với VnGP bằng c ch nh

gi sự phân bố không gi n c c mối tương qu n s i số trung b nh s i số trung b nh tuyệt ối với c c qu n trắc o ược Kết quả cho thấy VnGP có chất ượng kh tốt

so với c c bộ dữ iệu kh c v ã sử dụng c c kỹ thuật nội suy kh c hoặc c c phương

ph p sử dụng số ượng ầu vào ít hơn [5]

8 Trần Th nh Huy n và cs.: “Đồng hó mư vệ tinh bằng phương ph p 3DVAR,

p dụng thử nghiệm cho ưu vực sông Hồng” Nghiên cứu ứng dụng thử nghiệm phương ph p ồng hóa 3DVAR cho mư vệ tinh trên ưu vực sông Hồng với việc

sử dụng 2 nguồn số iệu mư vệ tinh GSM P và GPM ược thu thập và xử ý bằng công cụ hỗ trợ dự b o De ft-FEWS Số iệu mư ồng hó s u ó ược kiểm ịnh bằng số iệu thực o cho chuỗi thời gi n 20 ngày (ngày 1-20 th ng 8 2018) Tuy nhiên trong nghiên cứu này chư chỉ r số ượng tr m o ã sử dụng ể ồng hó

và số ượng tr m o ộc ập ể nh gi Kết quả s u khi ồng hó ã chỉ r một số iểm có xuất hiện mư cục bộ không ph t hiện ược bởi 2 nguồn mư vệ tinh em

i bức tr nh hoàn thiện hơn v phân bố mư theo không gi n cho ưu vực sông Hồng Để nh gi nhóm t c giả ã nội suy trường phân tích s u ồng hó v vị trí

tr m o ộc ập ể so s nh với số iệu thực o t i tr m Kết quả nh gi phân tích tương qu n cho thấy mư phân tích củ GSM P cho kết quả tốt với hệ số tương quan là 0.53 trong khi ó GPM chỉ à 0.21 [6]

Nguyễn Tiến Kiên và cs.: “Đ nh gi chất ượng mư vệ tinh GSMaP mô phỏng mư ớn - Ứng dụng cho ưu vực sông Mã” Trong nghiên cứu này t c giả ã

so s nh sản phẩm mư GSM P_MKV GSM P_NRT GSM P_NOW với dữ iệu thực o cho một số trận mư v và ớn t 45 tr m mư trong và ân cận ưu vực sông Mã thời o n 6 giờ trong 2 n m 2017 (6 trận mư ) và 2018 (5 trận mư ) Kết quả cho thấy c c sản phẩm mư GSM P có khả n ng biểu thị tốt phân bố theo không gi n cũng như diễn biến mư theo thời gi n Trong b sản phẩm GSM P ược xem x t GSM P_MKV cho kết quả phù hợp nhất sản phẩm GSM P_NOW cho kết quả k m tương ồng nhất so với thực tế Đi u này cũng phù hợp với thực tế

do số iệu ầu vào củ GSM P _MKV ầy ủ hơn thuật to n phân tích cũng tốt hơn v có thời gi n trễ dài hơn so với h i sản phẩm còn i Nghiên cứu cũng xuất cần nghiên cứu thêm mô h nh mư rào - dòng chảy trên ưu vực nhằm nh gi chính x c hơn chất ượng sản phẩm GSM P khi m ng ưới o mư thực tế trên ưu vực sông Mã không dày và tập trung ở h ưu [4]

9 Một nghiên cứu kh c củ t c giả Nguyễn Tiến Kiên vào n m 2020 v “Ứng dụng số iệu mư vệ tinh mô phỏng ũ khu vực trung ưu sông Mã” Trong nghiên cứu này tr nh bày kết quả tính to n dòng chảy ũ trên dòng chính sông Mã dự trên nghiên cứu ứng dụng mô h nh thủy v n IFES củ Viện nghiên cứu công chính Nhật PWRI Nguồn dữ iệu ầu vào mô h nh à mư thực o t 25 tr m có chuỗi số iệu ịch sử t n m 2000 ến 2020 và sản phẩm vệ tinh GSMaP_NRT cho c c ợt ũ t

n m 2000-2009 Kết quả tính to n cho thấy với m ng ưới tr m thư thớt việc mô phỏng dòng chảy ũ cho c c vị trí khu vực trung và thượng ưu sông Mã à không tốt với cả h i nguồn số iệu mư thực o và mư vệ tinh Khi so s nh c c kết quả tính to n một số trường hợp việc sử dụng mư vệ tinh cho kết quả khả qu n hơn khi sử dụng mư thực o ây cũng à ti n cân nhắc việc p dụng số iệu mư vệ tinh trong tính to n dòng chảy ũ cho những vùng không có hoặc ít tr m o như khu vực trung và thượng ưu sông Mã [2]

Nguyễn Đức N m và cs ã ứng dụng phương ph p ồng hó dữ iệu 3DVAR nhằm bổ sung số iệu qu n trắc nâng c o chất ượng i u kiện b n ầu củ mô h nh

Số iệu ược sử dụng ể ch y chương tr nh ồng hó 3DVAR b o gồm số iệu gió

vệ tinh số iệu qu n trắc t i tr m và số iệu qu n trắc c o không ở ph m vi mi n tính củ mô h nh Mô h nh WRF với b ưới ồng tương t c h i chi u ộ phân giải tương ứng à: 27 km 9 km 3 km 1 km thử nghiệm mô phỏng cho ợt mư t ngày 10–13 th ng 07 n m 2020 Kết quả chất ượng dự b o v diện và ượng mư ở trường hợp có ồng hó số iệu u ược cải thiện hơn so với trường hợp không ồng hó Kết quả dự b o c c trường nhiệt ộ ộ ẩm gió (b o gồm hướng gió và tốc gió) cũng ược nh gi So s nh giữ qu n trắc với trường hợp có ồng hó không ồng hó cho thấy mô h nh WRF có sử dụng k thuật ồng hó ã cải thiện ược s i số dự b o ở c c h n dự b o song mức ộ cải thiện chư c o Tuy nhiên kết quả nghiên cứu cũng cho thấy ti m n ng củ việc ồng hó nhi u nguồn số iệu sẽ giúp cải thiện tốt hơn trường b n ầu củ mô h nh khu vực t ó nâng c o chất ượng dự b o ở ộ phân giải cao [3]

10

1.2 Phương pháp phân tích khách quan trong đồng hóa dữ liệu

Đồng hó dữ iệu v cơ bản b o gồm hai bước chính là phân tích khách quan

và b n ầu hó T i bước thứ nhất phân tích kh ch qu n trường qu n trắc sẽ

ược kết hợp với trường n n t o r trường qu n trắc tối ưu dự trên c c th m số v

s i số và tương qu n trường n n và trường qu n trắc Bước thứ hai à b n ầu hó

thông qu sử dụng mô h nh ộng ực dự b o thời tiết T i bước này trường phân tích kh ch qu n tối ưu có thể ược hiệu chỉnh và cân bằng hó s o cho c c biến

qu n trắc phụ thuộc ẫn nh u sẽ ược ràng buộc bởi một mối qu n hệ ộng ực cho trước Đi u này à cần thiết ể tr nh ư vào mô h nh dự b o c c gi trị qu n trắc tùy ý có thể gây r s i số ớn hoặc ph vỡ cân bằng củ hệ thống ộng ực bên trong c c mô h nh

Một c ch tổng qu t mục ích chính củ ồng hó số iệu à sự kết hợp c c thông tin t c c trường n n (trường phân tích dự b o củ mô h nh trường ước ượng mư vệ tinh ước ượng mư t r d r trường t i phân tích ượng mư ) số iệu qu n trắc ị phương (qu n trắc tr m thủ công tự ộng ) nhằm t o r một trường b n ầu tốt nhất có thể thông qu bước phân tích kh ch qu n nhờ ó giúp nâng c o chất ượng dự b o củ c c mô h nh thống kê mô h nh ộng ực mô h nh

dự b o thủy v n cảnh b o ũ qu t s t ở ất

C c nghiên cứu trước ây ã chỉ r rằng trong c c yếu tố t o nên chất ượng

củ một hệ thống dự b o tốt th ồng hó dữ iệu à một phần rất qu n trọng ặc biệt à khi c c nguồn dữ iệu ngày càng nhi u thông tin o c d ng bằng cả phương ph p gi n tiếp và trực tiếp Do ặc thù củ c c mô h nh dự b o (số trị thống kê tuyến tính phi tuyến ) phụ thuộc rất ớn vào trường b n ầu nên c c dự

b o ặc biệt à dự b o ượng mư sẽ cho c c kết quả hoàn toàn s i ệch khi i u kiện b n ầu không chính x c Mục ích củ ồng hó dữ iệu à x c ịnh chính x c nhất có thể tr ng th i củ khí quyển cho một mô h nh dự b o bằng c ch sử dụng tất

cả thông tin có s n kết hợp với c c qu n trắc và dự b o h n ngắn (sử dụng như trường n n) ể thu ược trường i u kiện b n ầu tối ưu àm ầu vào cho c c mô

h nh dự b o thời tiết số (NWP) hoặc c c dự b o thống kê bằng c c phương ph p

11 hiện i như m ng thần kinh nhân t o Theo D ey vấn x c ịnh i u kiện b n

ầu cho công cụ dự b o à rất cần thiết tuy nhiên ây à một qu tr nh vô cùng phức t p do không chỉ cần phân tích kh ch qu n mà còn phải kiểm tr tính nhất

qu n theo không gi n và c c mối qu n hệ ộng ực Ch rney Ch christ và Cressm n ã xuất phương ph p "phân tích kh ch qu n" với khởi ầu à phương

ph p sử dụng ph p nội suy ơn giản h y phương ph p thực nghiệm N m 1954

Gi christ và Cressm n ã sử dụng phương ph p phân tích kh ch qu n thực nghiệm

và ư r một chương tr nh nội suy cho ộ c o ị thế vị bằng việc vẽ c c vòng tròn

qu nh t ng iểm ưới chỉ những iểm qu n trắc nằm trong vòng tròn (củ t ng iểm ưới) mới có ảnh hưởng ến gi trị củ iểm ưới ó Nhược iểm củ phương

ph p này à nếu dữ iệu qu thư và phân bố dữ iệu theo thời gi n không ồng u

sẽ không ủ ể khởi t o trường i u kiện b n ầu [16]

Hình 1.1 Lưới tính (các vòng tròn), vị trí có số liệu quan trắc (hình vuông)

và bán kính ảnh hưởng của một điểm quan trắc

Bergthorsson và Doos [9] Cressm n [13] và ã giới thiệu phương ph p hiệu chỉnh iên tiếp (SCM) ể khắc phục ượng dữ iệu qu n trắc nghèo nàn bằng việc bổ sung thêm c c thông tin t trường n n trường dự b o h n ngắn hoặc t c c phân tích trước ó cho trường b n ầu Trải qu nhi u gi i o n ph t triển nh n chung có

12

b o i chính củ kỹ thuật ồng hó dữ iệu: phương ph p thực nghiệm[16] phương

ph p biến phân dự trên ý thuyết i u khiển tối ưu [19] và phương ph p thống kê

dự trên ý thuyết v ước ượng thống kê tối ưu [8] p dụng cho cả h i ngành khí tượng và hải dương học

Bước ngoặt củ ồng hó số iệu à ở c c phương ph p biến phân (3D-VAR, 4D-VAR) ần ầu tiên ược giới thiệu trong khí tượng bởi Lewis và cs.[17]

T gr nd và cs [22] Bài to n biến phân tập trung vào việc t m kiếm tr ng th i khí quyển có khả n ng xảy r c o nhất ứng với một tập qu n trắc và một tr ng th i n n cho trước bằng c ch tối thiểu ho một hàm gi (cost function) Ưu iểm củ phương

ph p này à hàm gi ược cực tiểu ho trên toàn mi n và c c qu n trắc ược dàn

u tr nh ược t nh huống “mắt trâu” t một iểm có gi trị qu ớn tuy nhiên nhược iểm củ nó à c c ặc trưng củ trường n n không biến ổi theo thời gi n trong khi thực tế th ngược i ối với mỗi thời iểm và với c c h nh thế thời tiết

kh c nh u i cần một o i trường n n kh c nh u Để khắc phục vấn này c c phương ph p thống kê (bộ ọc K m n) ược giới thiệu bởi Ghi ã r ời ưu iểm

củ nó à m trận s i số hiệp biến củ tr ng th i trường n n ược tích phân theo thời

gi n tuy nhiên do òi hỏi khối ượng tính to n rất ớn s u ó một số biến thể củ phương ph p này ã r ời như: bộ ọc K m n tổ hợp EnKF ọc K m n tổ hợp biến ổi ị phương LETKF

Đồng hó số iệu à một phần rất qu n trọng củ qu tr nh dự b o nhằm t o r trường b n ầu s t với thực tế nhất à ầu vào cho c c mô h nh dự b o số trị và thống kê Lịch sử củ ồng hó số iệu ược bắt ầu t những n m 1950 Thuở b n

ầu Ch rney và cs.[10] thực hiện nội suy bằng t y củ c c qu n s t có s n cho một ưới thông thường và tính to n i u kiện b n ầu s u ó tự số hó Công việc này tốn rất nhi u thời gi n và công sức S u ó một phương ph p tự ộng và thuận tiện hơn r ời cũng bởi t c giả này gọi à "phân tích kh ch qu n" C c phương ph p

kh ch qu n sử dụng ph p nội suy ơn giản Gi christ và Cressm n ã sử dụng phương ph p phân tích kh ch qu n và ư r một chương tr nh nội suy cho ộ c o

ị thế vị bằng việc vẽ c c vòng tròn qu nh t ng iểm ưới chỉ những iểm qu n

13 trắc nằm trong vòng tròn (củ t ng iểm ưới) mới có ảnh hưởng ến gi trị củ iểm ưới ó Nhược iểm củ phương ph p này à nếu dữ iệu qu thư và phân bố

dữ iệu theo thời gi n không ồng u sẽ không ủ ể khởi t o i u kiện b n ầu cho mô h nh[16] Bergthorsson và Doos [9] ã giới thiệu phương ph p hiệu chỉnh iên tiếp (SCM) ể khắc phục ượng dữ iệu qu n trắc nghèo nàn bằng việc bổ sung thêm c c thông tin t trường n n trường dự b o h n ngắn hoặc t c c phân tích trước ó cho trường b n ầu Phương ph p này s u ó cũng ược ph t triển bởi Cressman.[13]

Trải qu nhi u gi i o n ph t triển nh n chung có b o i chính củ kỹ thuật ồng hó dữ iệu: phương ph p thực nghiệm [16] phương ph p biến phân dự trên

ý thuyết i u khiển tối ưu [19] và phương ph p thống kê dự trên ý thuyết v ước ượng thống kê tối ưu [8] p dụng cho cả h i ngành khí tượng và hải dương học Bước ngoặt củ ồng hó số iệu à ở c c phương ph p biến phân (3D-VAR, 4D-VAR) ần ầu tiên ược giới thiệu trong khí tượng bởi Lewis và cs.[17] T gr nd

và cs.[22] Bài to n biến phân tập trung vào việc t m kiếm tr ng th i khí quyển có khả n ng xảy r c o nhất ứng với một tập qu n trắc và một tr ng th i n n cho trước bằng c ch tối thiểu ho một hàm gi Ưu iểm củ phương ph p này à hàm gi ược cực tiểu ho trên toàn mi n và c c qu n trắc ược dàn u tr nh ược t nh huống “mắt trâu” t một iểm có gi trị qu ớn tuy nhiên nhược iểm củ nó à trường n n không biến ổi theo thời gi n trong khi thực tế th ngược i ối với mỗi thời iểm và với c c h nh thế thời tiết kh c nh u i cần một o i trường n n kh c nh u Đồng hó số iệu à thuật ngữ ược sử dụng cho mục ích tổng hợp c c nguồn thông tin dữ iệu kh c nh u ể ư r tr ng th i trường thông tin tốt nhất củ một

hệ thống hoặc một trường gi trị nào ó Cho tới n y nhi u phương ph p ồng hó

số iệu ã ược giới thiệu và ứng dụng rộng rãi trong nh vực khí tượng thủy v n Một số phương ph p theo hướng phân tích chuẩn o n như nội suy tối ưu (Optim Interpolation - OI) ọc K m n ọc K m n tổ hợp; trong khi ó một số phương

ph p theo hướng phân tích biến phân như 3DVAR và 4DVAR

14 Phương ph p biến phân chỉ ược qu n tâm trở i s u khi Lorenc [20] xuất bài to n phân tích tổng qu t chứng minh sự tương ương giữ phương ph p nội suy tối ưu và biến phân b chi u (3DVAR) Sự qu n tâm này còn ược thúc ẩy bởi qu

tr nh ồng hó số iệu bức x t vệ tinh cực NOAA vào cuối thập kỷ 80 khi phương

ph p nội suy tối ưu thể hiện những khó kh n nhất ịnh [7] Xuất hiện s u phương

ph p nội suy tối ưu (dù cả h i phương ph p u ã ược cập ến gần như cùng

úc t những n m 50 60) phương ph p biến phân có ược ợi thế ớn t những nghiên cứu chi tiết v c c hàm thống kê củ trường n n và trường qu n trắc Hơn

nữ vào thời iểm ó tốc ộ tính to n củ m y tính ã cho ph p thực hiện bài to n biến phân trên quy mô toàn cầu Cho tới thập kỷ 90 hầu như toàn bộ c c trung tâm dự

b o ớn ã chuyển t phương ph p nội suy tối ưu s ng phương ph p 3DVAR [21]

V mặt ý thuyết phương ph p 3DVAR và nội suy tối ưu hoàn toàn tương ương nhưng trên phương diện thực hành 3DVAR giải quyết ược một số khó

kh n gặp phải trong nội suy tối ưu Để x c ịnh trường phân tích tối ưu 3DVAR cực tiểu hó một hàm gi ược ịnh ngh bằng ộ ệch giữ trường phân tích với trường th m s t và trường n n trên toàn mi n tích phân Theo ó 3DVAR cực tiểu hàm gi ể có ược trường phân tích mà không dùng công thức hiển x c ịnh trường phân tích như nội suy tối ưu C ch thực hiện này cho ph p 3DVAR không phải giới h n vùng b n kính ảnh hưởng và có thể ồng hó trực tiếp số iệu qu n trắc ( ượng mư nhiệt ộ )

15

CHƯƠNG SỐ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU

2.1 Số liệu

Trong uận v n này học viên sử dụng số iệu ước ượng mư vệ tinh GSM P

ể àm trường n n và số iệu mư tự ộng ể kết hợp và cải thiện chất ượng ước ượng mư củ số iệu GSM P Ngoài r uận v n cũng sử dụng số iệu r d r tổ hợp củ Tổng cục Khí tượng Thủy v n ể ối chiếu so s nh và ư r kết uận cho một số trường hợp số iệu qu n trắc mư tự ộng có nghi ngờ chứ s i số

Số iệu mư ước ượng vệ tinh GSMaP

Nhờ có sự ph t triển củ công nghệ viễn th m và vệ tinh c c vệ tinh thời tiết

ã cung cấp cho c c nhà khí tượng một công cụ toàn diện hơn ể gi m s t khí quyển củ Tr i ất bên c nh c c m y móc truy n thống Sử dụng ượng mư ước ượng t vệ tinh ã trở nên phổ biến hơn trong thập kỷ v qu với rất nhi u bộ số iệu th m khảo như: TRMM (the Tropical Rainfall Measuring Mission), CMORPH (the Climate Prediction Center Morphing), PERSIANN (the Precipitation Estimation from Remotely Sensed Information using Artificial Neural Networks), NRL (the N v Rese rch L bor tory) Ước ượng mư vệ tinh toàn cầu GSM P cũng à một bộ số iệu ược tin dùng ở Việt N m trong những n m gần ây ể phục

vụ không những mục ích nghiên cứu kho học mà còn ể dự b o nghiệp vụ ở c c trung tâm thời tiết

T th ng 11 n m 2002 Cơ qu n vũ trụ và hàng không Mỹ (NASA) và Cơ

qu n th m hiểm vũ trụ hàng không Nhật Bản (JAXA) ã cùng nh u hợp t c trong

dự n o ượng mư toàn cầu GPM ể nghiên cứu và chế t o vệ tinh qu n trắc trái

ất Vệ tinh õi GPM này sẽ kết hợp với c c vệ tinh kh c ể có thể x c ịnh ược

mư trên ph m vi rộng ớn một c ch chính x c hơn trong một khoảng thời gi n ngắn Số iệu ước ượng ượng mư vệ tinh toàn cầu GSM P à sản phẩm ước ượng

mư vệ tinh ộ phân giải c o t nhi u cảm biến vi sóng thụ ộng (p ssive microwave – PWM) và hồng ngo i (infr red – IR) T th ng 9 n m 2014 thế hệ thứ

16

3 củ sản phẩm GPM – GSM P ược r ời cùng với thuật to n xử ý ược nâng cấp ên mức 6 ã ược phân phối qu hệ thống tr ng chủ G-port với c c bộ sản phẩm thời gi n thực (GSM P-NRT) sản phẩm chuẩn (GSM P-MVK) sản phẩm chuẩn có hiệu chỉnh với mư tr m (GSM P-GAU) Sản phẩm GSM P-NRT (kể t

ây sẽ ược gọi à NRT) ược xử ý xong s u 3 giờ so với thời gi n thực và có thể

th m khảo trên hệ thống qu n trắc mư toàn cầu củ JAXA (JAXA G ob R inf

W tch System) Cụ thể ưới ọc K m n sẽ tính to n ượng mư ở một b mặt cụ thể có ộ phân giải 0.1° pixe t ảnh IR củ vệ tinh GEO-IR S u ó ước ượng

mư cũng ược ư r cho sản phẩm t cảm biến PWM cùng k thuật morphing Cuối cùng c c xấp xỉ ượng mư này sẽ ược hiệu chỉnh i dự trên mối qu n hệ giữ nhiệt ộ chói s ng trên cảm biến IR và ượng mư Sản phẩm ước ượng mư theo giờ GSM P-GAU (H y GAU) ược dự trên bộ số iệu phân tích mư toàn cầu

củ CPC (the C im te Prediction Center Unified G uge-Based Analysis of Global

D i y Precipit tion) củ NOAA Cả MVK và GAU có ộ trễ thời gi n muộn hơn so với NRT ó à s u 3 ngày Tuy nhiên cả b sản phẩm trên u cung cấp cho người dùng sản phẩm theo giờ và theo ngày cùng với bước ưới kinh v ộ 0.1° hoặc 0.25° trong vị trí ị ý t 60° v Bắc ến 60° v N m Cụ thể như s u:

- GSM P_MKV à một sản phẩm tích hợp t dữ iệu o bức x sóng cực ngắn thụ ộng với dữ iệu o bức x hồng ngo i ể có ược ước tính v mư toàn cầu có ộ phân giải c o (1 ộ) với bước thời gi n ngắn (1 giờ) Dữ iệu này ược

àm mịn dự trên mô h nh ọc K m n trên cơ sở phân tích vec tơ dịch chuyển m mây thu nhận ược t h i bức ảnh hồng ngo i iên tiếp GSM P_MVK ược JAXA

ưu trữ với chuỗi số iệu ịch sử kh dài ầy ủ thuật to n xử ý hoàn chỉnh ược cập nhật c c phiên bản phù hợp với nguồn thu t c c vệ tinh mới Tuy nhiên do ộ trễ củ GSM P_MVK thường t 3-4 ngày nên nguồn số iệu này ược sử dụng trong c c nghiên cứu nh gi phân tích thường không sử dụng trong c c hệ thống nghiệp vụ dự b o

- GSM P_NRT (Ne r_Re _Time) sản phẩm mư gần với thời gi n thực với thuật to n vẫn dự trên thuật to n chuẩn củ GSMaP nhưng ược giản ho bớt ở

17 một số qu tr nh nhằm giúp cho việc thực hiện ược khả thi và thời gi n trễ gần với thời gi n thực (GPM 2014)

- GSM P_NOW JAXA (J p n Aerosp ce Exp or tion Agency) ph t triển sản phẩm GSMaP thời gi n thực cho vùng ược qu n trắc củ vệ tinh ị t nh Himawari-8 ược Cơ qu n Khí tượng Nhật bản vận hành Sản phẩm GSM P_NOW sử dụng dữ iệu vệ tinh s n có trong vòng 0.5 giờ b o gồm GMI AMSR2, AMSU và Himawari-8 ể t o r sản phẩm GSM P t i thời iểm trước ó 0.5 giờ S u ó dữ iệu 0.5 giờ tới ược ngo i suy bằng vectơ dịch chuyển m mây ể t o r sản phẩm mư GSMaP t i thời iểm hiện t i cho vùng qu n trắc củ Himawari-8 (Mis ko K chi và nnk 2016) GSM P_NOW với ưu iểm à sản phẩm ược cập nhật thời gi n thực tuy nhiên sản phẩm này cần hệ thống m y tính cấu

h nh c o chuyên dụng ể thu nhận t vệ tinh khí tượng Him w ri

Cho ến n y có nhi u o i số iệu vệ tinh mư toàn cầu ã ược sử dụng có thể kể ến như TRMM-TMPA, PERSIANN, CMORPH và GSM P Ưu iểm vượt trội củ o i số iệu vệ tinh à có thể cung cấp thông tin mư hữu ích trên c c vùng

i dương h y trên ất i n nơi thư thớt hoặc không có tr m qu n trắc b mặt Một trong số những sản phẩm ó - số iệu GSM P có ộ phân giải theo thời gi n à 1 giờ

và theo không gi n có thể t tới 0.1 ộ ây ược xem à bộ số iệu có ộ phân giải

c o cả theo không gi n và theo thời gi n và sẽ ược học viên sử dụng àm trường

n n trong uận v n này

C c sản phẩm củ GSM P cũng rất d ng như GSM P_CLIM GSM P_G uge GSM P_G uge_RNL GSM P_NRT GSM P_NOW GSM P_MKV Với mục ích phục vụ bài to n dự b o cực ngắn ượng mư thời

gi n thực th c c sản phẩm GSM P_NOW GSM P_NRT và GSM P_MKV có thể ược sử dụng Tuy nhiên dữ iệu GSM P_NOW à dữ iệu tức thời có ộ trễ khoảng 30 phút không ược ưu trữ âu dài chỉ tồn t i 24 giờ trên website củ GSM P; dữ iệu GSM P_NRT cũng tương tự số iệu GSM P_NOW nhưng ộ trễ

ớn hơn khoảng 3 tiếng và dữ iệu GSM P_MKV ược coi à dữ iệu có ộ chính

x c c o nhất ược tích hợp ầy ủ c c o i dữ iệu s n có nhưng ồng thời cũng có

qu n trắc trực tiếp có ộ chính x c c o t i ị phương nhằm t o r trường ước ượng ượng mư trên ưới với ộ chính x c c o hơn

Bảng 2.1 Các sản phẩm ước lượng mưa GSMaP

Tiêu chuẩn GSMaP_MVK 3 ngày

3 giờ Gần thời gi n thực GSMaP _NRT 3-4 giờ

Thời gi n thực GSMaP _NOW 0.5 giờ 1 giờ

Trong uận v n này học viên sử dụng sản phẩm NOW cho số iệu mư giờ

củ bộ số iệu ước ượng ượng mư vệ tinh toàn cầu (GSM P) do Trung tâm Nghiên cứu Vũ trụ Nhật Bản - JAXA và à sản phẩm củ Nhiệm vụ Đo mư toàn cầu cung cấp trên website: https://sharaku.eorc.jaxa.jp/GSMaP/index.htm

Mi n tính ược ự chọn b o gồm khu vực Việt N m và vùng ân cận tọ ộ 0-30°N; 90°E-115°E ược cho à phù hợp khi nh gi và phân tích c c khu vực có ảnh hưởng tới sự xuất hiện mư cũng như p ứng ược bài to n s u này khi ứng dụng số iệu mư trên ưới thời gi n thực cho bài to n dự b o h n cực ngắn ối với

mư ũ ũ qu t và s t ở ất

t c dự b o cảnh b o ũ ể ứng phó và giảm nhẹ thiên t i Hàng ngày ượng mư ược cập nhật theo giờ Hiện n y bộ số iệu m ng ưới mư tự ộng ở nước t ã có nhi u cải tiến v cả mật ộ phân bố và thời gi n Tuy nhiên vẫn còn một số mặt h n chế như: ở khu vực ồng bằng số ượng tr m o mư tự ộng ã ược ắp ặt với mật ộ kh dày những khu vực mật ộ tr m o mư tự ộng còn thư thường à khu vực vùng núi vùng thượng ưu c c sông suối do khó kh n v kỹ thuật cũng như i u kiện thi công Ngoài r trong qu tr nh số iệu mư tự ộng ược sử dụng

20 trong công t c dự b o hàng ngày còn cho thấy nhi u khi số iệu bị s i số ớn xuất hiện c c gi trị ượng mư ớn bất thường khi trên ảnh mây vệ tinh và ảnh r d r cũng như c c tr m xung qu nh không mư hoặc có ượng mư nhỏ

Chính v vậy học viên sẽ tiến hành kiểm tr và o i bỏ c c số iệu qu n trắc ượng mư tự ộng bị s i số với c c tr m xung qu nh và trên ảnh vệ tinh r d r không có ph t hiện ộ phản hồi h y mây ph t triển; s u ó học viên tiến hành thực hiện bước phân tích kh ch qu n củ thuật to n ồng hó số iệu với 2 bộ số iệu ước ượng ượng mư vệ tinh và mư tự ộng ể kết hợp những ưu iểm và cải thiện

h n chế củ 2 bộ số iệu này t o r ầu vào tốt nhất cho công cụ dự b o kh c nh u (m ng thần kinh nhân t o c c phương ph p ngo i suy ) củ bài to n dự b o h n cực ngắn ịnh ượng mư ũ ũ qu t và s t ở ất

Luận v n sử dụng bộ số iệu qu n trắc mư tự ộng 1 giờ 1 ần b o gồm khoảng 200 tr m trong th ng 8 và th ng 9 n m 2020-2021 củ c c tr m trên toàn ãnh thổ Việt N m ược thu thập t Trung tâm Dự b o khí tượng thủy v n quốc gi Tổng cục Khí tượng Thủy v n Theo quy ịnh trong Thông tư số 30 2018 TT-BTNMT v Quy ịnh kỹ thuật v qu n trắc và cung cấp thông tin dữ iệu khí tượng thủy v n ối với tr m khí tượng thủy v n chuyên dùng th s i số qu n trắc ượng

mư củ c c thiết bị o à khoảng 0.1-0.5mm

21

Hình 2.2: Bản đồ minh h a miền tính của chương trình phân tích khách quan trong thuật toán đồng hóa số liệu và các trạm đo mưa tự động độc lập được dùng để đánh giá chất lượng các bộ số liệu ước lượng mưa khác nhau

c Số iệu R d r

Luận v n sử dụng số iệu r d r củ những giờ qu n trắc ph t hiện và nghi ngờ có s i số củ số iệu o mư tự ộng ể nh gi và x c ịnh số iệu mư ó có phù hợp không nếu số iệu mư tự ộng ược x c ịnh à s i th sẽ phải o i bỏ khỏi bộ số iệu phân tích Số iệu r d r học viên sử dụng chủ yếu à ộ phản hồi vô tuyến củ sản phẩm qu t tròn (PPI) Đây à trường phản hồi vô tuyến trên mặt ẳng

2.2 Kiểm tra dữ liệu mư tự động và đánh giá hất ư ng GSM P

a) Kiểm tra dữ liệu mưa tự động

Như ã tr nh bày trong phần thiết kế nghiên cứu trước khi sử dụng c c số iệu

o mư tự ộng cho việc nh gi chất ượng ước ượng mư vệ tinh GSM P cũng như ư vào chương tr nh phân tích kh ch qu n củ thuật to n ồng ho số ể kết hợp với số iệu ước ượng mư vệ tinh GSM P ể phân tích kh ch qu n trường ượng mư trong c c phần tiếp theo c c số iệu o mư tự ộng ược so s nh ối chiếu với c c tr m o mư xung qu nh cũng như bản ồ trường mư ước ượng t

vệ tinh số iệu r d r củ Việt N m ể quyết ịnh o i bỏ h y giữ i c c số iệu o

mư tự ộng nghi ngờ có chứ s i số

C c tr m có ượng mư kh c biệt hẳn ( ớn hơn gấp ôi hoặc nhỏ bằng một

nử ) so c c tr m o xung qu nh sẽ ược nh dấu có khả n ng bị s i học viên sẽ tiến hành kiểm tr và x c minh i bằng ảnh r d r cùng giờ ể x c thực tính chính

x c củ số iệu o Nếu trên ảnh r d r qu n trắc giờ ó không có phản hồi hoặc phản hồi yếu th số iệu kh c biệt ó sẽ ược o i bỏ coi như không có số iệu ó

Một số kết quả kiểm tr ọc số iệu s i và nh gi tính chính x c củ số iệu

o mư tự ộng ược tr nh bày và minh ho trong phần dưới ây

Trường hợp 1: Dữ iệu mư tr m Hà Gi ng t i thời iểm 02 giờ ngày

01 9 2021 ph t b o v à 11.0mm trong khi c c tr m xung qu nh (Mù C ng Chải Tuyên Qu ng Bắc K n Việt Tr ) u không ghi nhận mư (Bảng 2.2); kiểm tr i với số iệu r d r cùng thời iểm (H nh 2.3) th khu vực Việt Bắc không có phản hồi

vô tuyến do ó số iệu 11.0mm úc 02 giờ ngày 01 9 2021 ược x c ịnh à số iệu

s i Số iệu này sẽ ược th y thế bằng gi trị missing_v ue (-99) ể không ư vào các tính toán sau này

Hình 2.3 (a) hân bố lượng mưa khu vực Việt Nam và lân cận và (b) số liệu

radar toàn quốc thời điểm 2 giờ ngà 1 9 2 21

Trường hợp 2: Dữ iệu mƣ tr m Quy Nhơn t i thời iểm 23 giờ ngày

04 9 2021 ph t b o v à 25.6mm trong khi c c tr m xung qu nh (Tuy Hò T m

Kỳ Trà My B Tơ) u không ghi nhận mƣ (Bảng 2.3); kiểm tr i với số iệu

r d r cùng thời iểm (H nh 2.4) th khu vực t Quảng Ngãi ến Phú Yên không có phản hồi vô tuyến do ó số iệu 25.6mm úc 02 giờ ngày 01 9 2021 củ tr m Quy

24 Nhơn (B nh Định) ƣợc x c ịnh à số iệu s i Số iệu này sẽ ƣợc th y thế bằng

gi trị missing_v ue (-99) ể không ƣ vào c c tính to n s u này

Trong khi ó ở khu vực Bắc Bộ c c tr m o ở Hò B nh và Sơn L (Mộc Châu M i Châu) có ƣợng mƣ o ƣợc t 0.2 ến 1.8mm h y ở khu vực Tây Nguyên à tr m P eiku (0.2mm) D k Nông (6.2mm) à phù hợp với ộ phản hồi

r d r qu n s t ƣợc trên c c khu vực này (Hình 2.4b)

Hình 2.4 (a) hân bố lượng mưa khu vực Việt Nam và lân cận và (b) số

liệu radar toàn quốc thời điểm 23 giờ ngà 4 9 2 21

Bảng 2.3 Số liệu mưa tự động trạm Qu Nhơn và các trạm xung quanh khu

vực Nam Trung Bộ l c 23 giờ ngày 04/9/2021

25

b) nh gi chất lượng số liệu G MaP

Trong phần này số iệu GSM P sẽ ược nh gi với khoảng 80 tr m mư tự ộng (chọn ngẫu nhiên tương ương 40% tổng số tr m) ã ược rà so t và nh dấu c c số iệu s i (-99 – missing_v ue) Đây sẽ à 80 tr m ộc ập không ư vào ồng hó số iệu ể nh gi so s nh chất ượng số iệu GSM P và số iệu mư kết hợp giữ h i nguồn GSM P và o mư tự ộng

Chất ượng số iệu ước ượng mư t vệ tinh GSM P ược nh gi qu c c

s i số MAE RMSE và ược thể hiện qu H nh 2.5 c c ặc trưng s i số ược cho trong Bảng 3.3 và số iệu s i số cụ thể củ t ng tr m ược cho trong Phụ ục 1 Đối với s i số b nh phương trung b nh RMSE cho biết biên ộ trung b nh củ

s i số ước ượng mư củ t ng tr m trong bộ số iệu ộc ập trên toàn quốc s i số RMSE d o ộng trong khoảng 4.64 - 14.81mm giờ RMSE trung b nh khoảng 6.39mm giờ và ộ ệch chuẩn củ s i số à 1.54 tương ương 24% gi trị RMSE trung b nh; khoảng s i số RMSE phổ biến (khoảng gi trị t phân vị 25 ến phân vị 75) à 5.56 tới 6.92 mm giờ Như vậy có thể thấy à s i số củ bộ số iệu GSM P vẫn còn kh ớn 6.40mm giờ trên khu vực Việt N m

27 Khi so s nh h i o i s i số MAE và RMSE có thể thấy gi trị RMSE ớn hơn rất nhi u so với gi trị MAE ên tới 4.5 ần (6.39 so với 1.41) Đi u này cho thấy trong chuỗi số iệu so s nh giữ GSMaP và qu n trắc tự ộng có xuất một số gi trị

s i số rất ớn khiến cho gi trị s i số b nh phương trung b nh bị khuếch i ên so với s i số tuyệt ối trung b nh

2.3 Phương pháp nghiên cứu

Như ã phân tích trong phần Đặt vấn và phần Tổng qu n c c nghiên cứu

dự b o ũ ũ qu t và s t ở ất cũng như dự b o ịnh ượng mư thời h n cực ngắn

và ngắn bằng phương ph p thống kê ng ược ph t triển gần ây cần ầu vào à trường mư t i c c bước thời gi n iên tiếp ể tính to n dự b o trường mư ở c c bước thời gi n tiếp theo cũng như cảnh b o nguy cơ xảy r ũ ũ qu t và s t ở ở những khu vực có mư ớn Do ó với mục ích à t o r một trường b n ầu tốt nhất s t với thực tế nhất uận v n sẽ sử dụng phương ph p kỹ thuật phân tích

kh ch qu n ể kết hợp h i bộ số iệu: ước ượng mư vệ tinh GSM P và số iệu

mư b mặt Kết quả phân tích sẽ có thể dùng àm ầu vào cho c c mô h nh tính toán dự b o cực ngắn ượng mư và dự b o ũ ũ qu t và s t ở ất

Cụ thể học viên sử dụng chương tr nh phân tích khách quan trong thật to n ồng hó biến phân 3 chi u trong khó học hè v ồng hó số iệu củ TS Ki u Quốc Ch nh t i Trường Đ i học Kho học Tự nhiên Đ i học quốc gi Hà Nội ể tiến hành khảo s t với c c b n kính ảnh hưởng kh c nh u trong qu tr nh cực tiểu hàm gi ể ự chọn ược cấu h nh tối ưu cho bài to n t o trường ượng mư trên ưới thời gi n gần thực tối ưu trong ó sử dụng trường ượng mư vệ tinh GSM P à trường n n và số iệu qu n trắc mư b mặt à trường th m s t Kết quả t o r sẽ ược nh gi và so s nh ể ự chọn r trường ượng mư trên ưới tối ưu có thể ứng dụng trong c c bài to n dự b o ịnh ượng mư h n cực ngắn dự b o ũ cảnh

b o ũ qu t và s t ở ất

C ch tiếp cận chung củ bài to n ồng hó biến phân à t m một trường phân tích nào ó có khả n ng xảy r c o nhất bằng c ch tối thiểu ho một hàm o mức ộ