Để phân tích tác động của hạn khí tượng đối với thảm thực vật, bộ số liệu chỉ số sức kh e thực vật (the Vegetation Health Index, VHI ) của NOAA tính toán từ ảnh viễn thám được sử dụng trong bài báo này. Các số liệu VHI đã được áp dụng rộng rãi cho cảnh báo hạn hán sớm, giám sát năng suất cây trồng, đánh giá lượng nước cần tưới cho cây trồng. VHI là trung bình của hai chỉ số: Chỉ số điều kiện thực vật (VCI) và chỉ số nhiệt độ (TCI). Cụ thể về phương pháp tính VHI được trình bày trong hướng dẫn sử dụng dữ liệu của NOAA. Chỉ số sức kh e thực vật (VHI) dựa trên sự kết hợp của các sản phẩm được chiết xuất từ tín hiệu thực vật, cụ thể là Chỉ số thực vật khác biệt (NDVI) và từ nhiệt độ độ sáng. Người sử dụng VH dựa vào mối tương quan nghịch đảo mạnh mẽ giữa NDVI và nhiệt độ bề mặt đất, vì nhiệt độ đất tăng được cho là tác động tiêu cực đến sức sống của thảm thực vật và do đó ức chế đến sinh trưởng và phát triển của thực vật [51].
Bảng 2. 3. Ví dụ về biểu thu thập số liệu về thực tr ng h n hán ở Thanh óa
Số liệu chỉ số VHI được thể hiện dạng lưới với phân giải không gian 4 km, thời kỳ 1981-2016 theo định dạng GEO-TIFF được sử dụng trong nghiên cứu này. Có thể thu thập tại: https://www.star.nesdis.noaa.gov/smcd/emb/vci/VH/vh ftp.php. Để kiểm tra tác động có thể của hạn hán trên thảm thực vật, chỉ số chuẩn hóa
(STD VHI) được áp dụng cho VHI theo công thức (1).
̅̅̅̅̅
Trong đó STD VHI là chuẩn hóa VHI, VHI là chỉ số sức kh e thực vật, ̅̅̅̅̅
và là giá trị trung bình và độ lệch tiêu chuẩn √ ∑ ̅̅̅̅̅
2.2 Phƣơng ph p tính to n và x c định chỉ tiêu h n khí tƣợng
Nếu xét theo hạn hán nói chung thì có nhiều nguyên nhân gây ra hạn hán và mức độ hạn nặng hay nhẹ cũng phụ thuộc vào nhiều yếu tố. Vì vậy, việc xác định chỉ tiêu hạn hán là một vấn đề phức tạp. Cộng đồng khoa học nghiên cứu hạn hán đã đưa ra nhiều loại chỉ tiêu hạn hán nhưng cho đến nay cũng chưa có một chỉ tiêu chung nào được thừa nhận và do đó cũng chưa được thống nhất. Những năm gần đây, một số chỉ tiêu hạn hán thường được sử dụng là các chỉ số hạn hán.
Các chỉ số hạn khí tượng, nông nghiệp và thủy văn đặc được phân loại và được trình bày ở công trình nghiên cứu của Nguyễn Văn Thắng [12, 13]. Ở đây luận văn sẽ trình bày một số chỉ số hạn khí tượng đang được dùng phổ biến và được luận văn sử dụng để tính toán đánh giá [2, 3, 10, 11, 12, 13]:
a) Chỉ số ẩm theo Selianinob (1948) ký hiệu l SE
∑
Trong đó: Rij (mm), Tij (0C) là lượng mưa mm và nhiệt độ tháng i (i=1,...,12), năm j (j=1,...,n), n là số năm quan trắc.
Phân cấp độ hạn theo chỉ số SE được dẫn ra trong bảng 2.4.
Bảng 2. 4. Phân cấp mức đ h n của chỉ số SE STT Cấp hạn Chỉ số hạn 1 Khô < 1 2 Hơi khô Từ 1 đến 1,5 3 Hơi ẩm Từ 1,51 đến 2,0 4 Ẩm Từ 2,01 đến 3,0 5 Ẩm ướt > 2 b) Chỉ số kh Penman (Pt) 21
PETij là khả năng bốc hơi tính theo phương pháp Penman (mm), được tính toán theo phương pháp của Tổ chức Lương thực Liên hợp quốc [22]. Rij là lượng mưa tháng i (i=1,...,12), năm j (j=1,...,n), n là số năm quan trắc.
Phân cấp hạn theo chỉ số Penman được dẫn ra trong bảng 2.5.
Bảng 2. 5. Phân cấp mức đ h n theo chỉ số Penman
STT Cấp hạn Chỉ số hạn 1 Rất ẩm ướt < 0,5 2 Ẩm ướt Từ 0,5 đến 1,0 3 Hơi khô Từ 1,0 đến 3,0 4 Khô Từ 3,0 đến 7,0 5 Rất khô > 7,0 c) Chỉ số kh h n (K)
Dựa vào tỷ lệ giữa phần thu (lượng mưa) và phần chi (bốc hơi) của cán cân nước, ta có chỉ số khô hạn Ki như sau:
Trong đó: Eij, Rij là là lượng bốc hơi Piche và lượng mưa tháng i (i=1,...,12), năm j (j=1,...n), n là số năm quan trắc. Các chỉ tiêu cụ thể của K để đánh giá mức độ khô hạn phụ thuộc vào từng nơi.
Phân cấp hạn theo chỉ số K được dẫn ra trong bảng 2.6.
Bảng 2. 6. Phân cấp h n theo chỉ số STT Cấp hạn Chỉ số hạn 1 Rất ẩm < 1,0 2 Ẩm Từ 0,5 đến 1,0 3 Hơi khô Từ 1,0 đến 2,0 4 Khô Từ 2,0 đến 4,0 5 Rất khô > 4,0
d) Chỉ số h n phức hợp (Sa.I)
Là hiệu của suất biến đổi nhiệt độ và suất biến đổi lượng mưa, được biểu diễn theo công thức:
Trong đó: , là chuẩn sai nhiệt độ và lượng mưa tháng i (i=1,...,12), năm j (j=1,...n), n là số năm quan trắc; là độ lệch tiêu chuẩn của nhiệt độ vàlà độ lệch tiêu chuẩn của lượng mưa.
Phân cấp hạn theo chỉ số Sa.I được dẫn ra trong bảng 2.7.
Bảng 2. 7. Phân cấp h n theo chỉ số Sa.I
STT Cấp hạn Chỉ số hạn 1 Rất ẩm < -2,0 2 Ẩm ướt Từ -1.9 đến -1,0 3 Ẩm Từ -0.9 đến 0.9 4 Khô hạn Từ 1,0 đến 1,9 5 Hạn nặng ≥ 2,0 e) Chỉ số phần trăm (tỷ chuẩn) ̅
Trong đó: Ri; ̅ là là lượng mưa và lượng mưa trung bình nhiều năm tháng i (i=1,...,12), năm j (j=1,...n), n là số năm quan trắc.
Phân cấp hạn theo chỉ số PN được dẫn ra trong bảng 2.8.
Bảng 2. 8. Phân cấp h n theo chỉ số P STT Cấp hạn Chỉ số hạn 1 Ẩm ướt ≥ 110 2 Bình thường Từ 81 đến 110 3 Hạn vừa Từ 56 đến 80 4 Hạn nặng Từ 41 đến 55 5 Hạn rất nặng ≤ 40 23
Chỉ số phần trăm lượng giáng thủy là một trong những phương thức đơn giản nhất để đo lượng mưa của một vùng. Các phân tích sử dụng chỉ số phần trăm rất hiệu quả đối với một vùng đơn lẻ hay cho một mùa nhất định.
d) Chỉ số chuẩn hoá giáng thuỷ
Chỉ số chuẩn hoá giáng thuỷ (SPI) là một chỉ số tương đối mới dựa trên cơ sở xác suất lượng giáng thủy trong một thời gian nào đó do Mckee T. B., Doesken N. J. và Kleist J. đề xuất năm 1993 [36]:
̅
Trong đó: Rij, ̅ là lượng mưa và lượng mưa TBNN tháng i (i=1,...,12), năm
j (j=1,...n), n là số năm. là cho độ lệch chuẩn của Ri: √ ∑ ̅
Để đánh giá mức độ hạn hán ta phải so sánh các giá trị của SPI với các ngưỡng được dẫn ra trong bảng 2.9.
Bảng 2. 9. Phân lo i h n hán theo chỉ số SPI
STT Các giá trị của SPI Phân loại
1 ≥ 2 Cực kỳ ẩm ướt
2 Từ 1,5 đến1,99 Rất ẩm ướt
3 Từ 1,0 đến 1,49 Tương đối ẩm ướt 4 Từ –0,99 đến 0,99 Gần trung bình 5 Từ –1 đến –1,49 Hạn vừa
6 Từ –1,5 đến –1,99 Hạn nặng
7 ≤–2 Hạn rất nặng
Chỉ số SPI dựa trên khả năng có giáng thuỷ cho các khoảng thời gian bất kỳ; được các nhà hoạch định và nghiên cứu đánh giá cao tính đa dụng của nó. Chỉ số này có thể tính cho các quy mô thời gian khác nhau (3, 6, 12, 24, 48 tháng) và có khả năng đưa ra cảnh báo sớm về hạn. Hạn xảy ra trong thời gian SPI âm và cường độ đạt tới -1.0 hoặc nh hơn, hạn kết th c khi SPI trở lại dương.
2.3 Phƣơng ph p n i suy số li u v đi m tr m
Các phương pháp nội suy được dùng nhiều trong ngành khí tượng như phương pháp Cressman, phương pháp Kriging, phương pháp nghịch đảo khoảng
cách (Inverse Distance Weighting- IDW), nội suy đa thức toàn bộ (Global polynomial interpolation), nội suy song tuyến (Bilinear interpolation). Các phương pháp này đều được tích sẵn trong phần mềm CDO có thể xử lý dữ liệu với đuôi Netcdf và các phần mềm Arcgis, Arcview và ENVI.
Một số nhà khí tượng (ví dụ Shrestha, 2011 [40]) đã sử dụng các điểm đo mưa để ước tính lưới lượng mưa bằng các phương pháp nội suy như Kriging, IDW,... sau đó tiến hành so sánh giữa hai pixel-pixel của lưới mưa vừa nội suy và lưới mưa vệ tinh. Một số các nghiên cứu khác thì nội suy lượng mưa bằng các phương pháp Kriging, IDW, BI từ lưới mưa vệ tinh thô về lưới có độ phân giải cao hơn, sau đó trích xuất số liệu tại pixel có chứa trạm quan trắc (ví dụ Shrestha và CS, 2013a [41]) sau đó tiến hành so sánh giữa lượng mưa quan trắc và từ vệ tinh. Trong cách tiếp cận thứ hai, một số nhà nghiên cứu đã sử dụng trung bình số học lượng mưa vệ tinh từ 4 pixel xung quanh các trạm đo mưa; ví du như tác giả Narayan, 2017 [38] cho rằng đối với lượng mưa độ phân giải cao như CHIRP thì các trạm quan trắc trên mặt đất là đại diện cho tổng lượng mưa trung bình của 4 pixel mà trạm đo mưa được đặt.
Do luận văn đánh giá cả lượng mưa có độ phân giải thô hơn CHIRP như lượng mưa của CDR (khoảng 27 km) và để tránh các sai số lớn gây ra bởi phép nội suy quy mô rộng, luận văn sử dụng phương pháp nội suy song tuyến, phương pháp này đã được một số tác giả sử dụng, ví dụ như tác giả Y. C. Gao (2013) [47] đã kết hợp bốn pixel xung quanh trạm đo mưa từ lưới mưa vệ tinh để xây dựng chuỗi lượng mưa từ vệ tinh cho các trạm quan trắc mưa.
Có thể mô tả phương pháp nội suy song tuyến tính như sau (hình 2.2): Để tính giá trị tại điểm mới P(x,y) khi biết bốn điểm gần nhất là Q11 = (x1, y1), Q12 = (x1, y2), Q21 = (x2, y1), and Q22 = (x2, y2).
Nội suy tuyến tính giá trị tại điểm R1 và R2
́
́
Từ 2 điểm R1 và R2 nội suy tuyến tính điểm P
́
Hình 2.2. i suy song tuyến tính cho điểm P(x y)
2.4 Phƣơng ph p đ nh gi mối quan h của hai iến và sai số
a) ệ số tương quan
Hệ số tương quan Pearson (r) được sử dụng để đo lường mối quan hệ tuyến tính giữa hai biến. Giá trị của nó nằm trong khoảng từ -1 đến 1. Hệ số tương quan âm biểu thị mối quan hệ của hai biến là nghịch biến và ngược lại hệ số tương quan dương biểu thị mối quan hệ đồng biến.
∑ ̅ ̅
√∑ ̅ √∑ ̅
Trong đó: Xj, Yj là biến 1 và biến 2; ̅ , ̅ là trung bình của X và Y; i là tháng (i=1,...,12) hoặc mùa (i=1,...,2), năm j (j=1,...n); n là dung lượng mẫu.
Cụ thể trong luận văn này r được tính toán là mối quan hệ giữa các chỉ số hạn khí tượng khác nhau và giữa lượng mưa quan trắc với lượng mưa vệ tinh.
Độ tin cậy của r được kiểm nghiệm bằng giả thiết H0: H0: r = 0 Giới hạn ban đầu là d thì d phải đảm bảo sao cho:
Khi H0 đ ng ta có: Prd
Đặt: t r
và
1 r2 √ √
n 2
Khi đó, nếu Ho đ ng thì Pr t và từ đó ta xác định được t. Chỉ tiêu
kiểm nghiệm sẽ là: Nếu | | thì r là đáng kể và | | thì r là không đáng kể.
Hệ số tương quan với dung lượng mẫu n được coi là đáng kể khi th a mãn tiêu chuẩn tương ứng với α = 0,05 và 0,01. Việc đánh giá độ tin cậy của r dựa trên
sự so sánh hai giá trị t theo công thức 9 và tα thường được tra bảng theo phân bố Student hoặc có thể tính thông qua hàm TINV (tiêu chuẩn α, n-2) của Excel.
Giá trị r với bậc tự do (n-2) từ 10 đến 100 theo mức α = 0,05 và 0,01 đã được tính toán sẵn và đưa ra ở bảng 2.10. Một ví dụ, chuỗi số liệu (n=30 năm), với mức ý nghĩa =0,05 (5%), ta sẽ có giá trị r=0,349. Hay nói cách khác là với 30 năm quan trắc thì r đạt được với mức ý nghĩa 5% (hay mức độ tin cậy của r đạt 95%) sẽ là gần bằng 0,349. Điều này cho thấy với n=30 năm thì những hệ số tương quan lớn hơn 0,349 (r>0,349) đều đạt độ tin cậy trên 95%.
Trên cơ sở hệ số r được thể hiện ở bảng 2.10 và hệ số tương quan được luận văn tính toán (rtt) để đánh giá độ tin cậy cậy của rtt thay vì phải tính t và t. Một ví dụ về hệ số rtt giữa lượng mưa quan trắc và vệ tinh là 0.56, ta có n=36 (n-2=34), như vậy rtt > r với =5% và 1%. Điều này cho thấy rtt đạt độ tin cậy trên 99%.
Bảng 2. 10. Ti u chuẩn tin cậy của r [13]
n-2 10 20 30 40 50 60 70 80 90 100
α = 0,05 0,576 0,423 0,349 0,304 0,273 0,250 0,232 0,217 0,205 0,195 α = 0,01 0,708 0,537 0,449 0,393 0,362 0,325 0,302 0,283 0,267 0,254
b) Sai số trung bình
Sai số trung bình (ME) cho biết xu hướng lệch trung bình của lượng mưa vệ tinh với quan trắc; một giá trị dương chỉ ra một đánh giá quá cao về lượng mưa vệ tinh, ngược lại giá trị âm chỉ ra một đánh giá thấp so với lượng mưa quan trắc. ME không phản ánh độ lớn của sai số, giá trị ME bằng 0 là hoàn hảo.
∑
c) Sai số tuyệt đối trung bình
MAE biểu thị biên độ trung bình của sai số nhưng nó không cho biết xu hướng lệch của sai số. Khi MAE = 0 là hoàn hảo. MAE thường được sử dụng cùng với ME để đánh giá độ tin cậy. Chẳng hạn, nếu MAE của sản phẩm khác biệt hẳn so với ME thì hiệu chỉnh sai số sẽ khó khăn. Trường hợp ngược lại, khi mà MAE và ME tương đối sát với nhau thì có thể dùng ME để hiệu chỉnh sản phẩm lượng mưa vệ tinh một cách đáng tin cậy.
∑| |
d) Sai số quân phương
RMSE được sử dụng để đo độ lớn trung bình của các sai số giữa lượng mưa vệ tinh và lượng mưa quan trắc. RMSE rất nhạy với những giá trị sai số lớn; giá trị RMSE thấp hơn có nghĩa là xu hướng sai số trung tâm lớn hơn và sai số cực đoan nh . Giá trị RMSE bằng 0 là điểm hoàn hảo, do đó nếu RMSE càng gần MAE sai số mô hình càng ổn định và có thể thực hiện việc hiệu chỉnh lượng mưa vệ tinh để sử dụng có độ tin cậy cao hơn.
√ ∑
e) iểm Bias
Bias phản ánh mức độ trung bình của lượng mưa vệ tinh tương ứng với trung bình của lượng mưa quan sát được. Giá trị Bias gần với 1 cho thấy ước tính lượng mưa vệ tinh gần với lượng mưa quan trắc được. Giá trị Bias của 1 là hoàn hảo.
∑ ∑
Trong công thức từ (13) đến (16), Si và Oi tương ứng là giá trị lượng mưa được trích xuất từ vệ tinh và giá trị quan trắc, i=1,2,…, n, n là dung lượng mẫu.
2.5 Phƣơng ph p đ nh gi h n khí tƣợng
Theo McKee và cs., một sự kiện hạn hán (đợt) được định nghĩa là một thời kỳ có giá trị SPI âm liên tục và SPI nh hơn -1.0 hoặc thấp hơn. Khi các sự kiện hạn hán được xác định, các đặc trưng hạn khí tượng có thể được tính toán [36, 44]:
|∑ |
Trong đó e là một sự kiện hạn hán; i là một tháng; SPIi là giá trị của chỉ số hạn khí tượng SPI tháng i; TGH, MDHe, và Ie là thời gian, mức độ và cường độ của sự kiện (đợt) hạn hán e tương ứng.
Tần suất hạn hán (Fs) được sử dụng để đánh giá khả năng hạn hán trong thời kỳ nghiên cứu, thông thường từ 30 năm trở lên [44]:
Trong đó: ns là số lượng các sự kiện hạn hán, Ns là tổng số năm trong giai đoạn/thời kỳ nghiên cứu, và s là một trạm quan trắc hay một điểm lưới.
CHƢƠNG 3
ĐÁNH GIÁ KHẢ NĂNG HẠN KHÍ TƢỢNG DỰA TRÊN LƢỢNG MƢA 3.1 So sánh lựa chọn chỉ số h n khí tƣợng
3.1.1 So sánh một số các chỉ số hạn khí tượng
Trong khí hậu, mùa mưa/khô được tính căn cứ vào lượng mưa tháng. Ở Việt Nam, mùa mưa là mùa các tháng liên tục có lượng mưa trung bình ≥ 100mm, còn mùa khô là thời kì các tháng liên tục có lượng mưa trung bình tháng <100mm [9]. Trong từng mùa, tháng thứ nhất là tháng bắt đầu, tháng có trị số lớn nhất là tháng cao điểm và tháng cuối cùng là tháng kết th c mùa. Với quan niệm đó, mùa mưa và mùa khô ở tiểu vùng khí hậu của tỉnh Thanh Hóa được xác định theo bảng 3.1.
Bảng 3 1. t số đặc điểm của mùa mưa v mùa kh khu vực tỉnh Thanh Hóa
TT Tr m khí tƣợng Mùa mƣa Mùa khô
Bắt đầu Cao đi m Kết thúc Bắt đầu Kết thúc
1 Thanh Hóa (KT) Tháng 5 Tháng 8 và 9 Tháng 10 Tháng 11 Tháng 4