KẾT LUẬN, TỒN TẠI VÀ KIẾN NGHỊ
1. Kết luận chung
Thời tiết ảnh hưởng rất lớn đến đời sống kinh tế – xã hội của loài người. Việc dự báo các hiện tượng thời tiết ngày càng trở nên cần thiết và trở thành mối quan tâm nhiều quốc gia trên thế giới. Dự báo thời tiết thông qua dự báo các yếu tố: áp suất, nhiệt độ, độ ẩm, gió, mưa... Như chúng ta đã biết, mưa lớn là nguyên nhân chính gây ra lũ ở vùng Trung Trung bộ và đã để lại những hậu quả rất nghiêm trọng cho vùng này trong nhiều năm qua nhất là trong thời gian gần đây.
Với nhiệt độ khơng khí, số liệu khí tượng đã được tăng dày với độ phân giải là 1km. Dữ liệu nhiệt độ quan trắc tại trạm và số liệu đo có hệ số tương quan rất cao hầu hết là trên 0.9, mơ hình tương quan là rất đáng tin cậy. Số liệu nhiệt độ có thể cung cấp 2 dữ liệu lúc 11h sáng và 13 chiều trong ngày tuỳ điều kiện thời tiết.
Với số liệu độ ẩm tương đối, số liệu khí tượng đã được tăng dày với độ phân giải là 1km. Dữ liệu độ ẩm tương đối quan trắc tại trạm và số liệu đo có hệ số tương quan rất cao trung bình từ 0.9, mơ hình tương quan là rất đáng tin cậy. Số liệu độ ẩm tương đối có thể cung cấp 1 dữ liệu lúc 13 chiều trong ngày tuỳ điều kiện thời tiết.
Với dữ liệu lượng mưa, số liệu đã được tăng dày với độ phân giải là 11km. Dữ liệu lượng mưa hiệu chỉnh theo ngày có tương quan tốt 0.809, mơ hình tương quan là đáng tin cậy. Số liệu lượng mưa tổng hợp hằng ngày và liên tục.
Trong khuôn khổ của đề tài, một số thông số được sử dụng ngay kết quả trực tiếp từ các tổ chức như NASA và JAXA. Các dữ liệu này hiện nay đều được cung cấp dưới dạng gần thời gian thực. Do đó, phương pháp đề tài đã nghiên cứu hồn tồn có thể sử dụng để tăng dày số liệu khí tượng nhằm phục vụ dự báo mơ hình ngắn hạn. Điều này có ý nghĩa thực tiễn hết sức giá trị.
2. Tồn tại
Tuy nhiên, với một số trường hợp dữ liệu trạm có độ lệch lớn có thể giải thích là do thời gian lệch giữa thời điểm chụp ảnh của vệ tinh và thời điểm đo tại trạm. Điều này dẫn đến một số trường hợp có sự bất thường trong ngắn hạn xảy ra. Đồng thời, dữ liệu vệ tinh tổng hợp cho vùng cho diện tích lớn hơn rất nhiều so với dữ liệu trạm đặc trưng cho phạm vị rất hẹp quanh trạm đo. Do đó, sự chênh lệch giữa dữ liệu vệ tinh và trạm đo là hồn tồn có thể hiểu được. Để khắc phục tình trạng này thì việc chọn lọc số liệu đầu vào của các trạm, chuẩn hoá dữ liệu trạm là rất cần thiết cho từng thời điểm tính tốn.
Dữ liệu nhiệt độ và độ ẩm phụ thuộc nhiều ảnh hưởng của mây. Dữ liệu sẽ kém tin cậy hoặc khơng có số liệu nếu độ che phủ mây quá lớn. Tuy nhiên, với các loại vệ tinh khí tượng ngày càng có độ phân giải cao hơn, tần xuất chụp lớn hơn (1h hoặc 30 phút/lần) thì việc này hồn tồn có thể khắc phục.
Trong khn khổ đề tài, số liệu khí tượng được cung cấp chưa đầy đủ. Nếu số liệu bao gồm cả sức trương hơi nước, điểm sương thì số liệu sẽ được tính tốn chính xác và hiệu chỉnh ở mức cao hơn.
3. Kiến nghị
Kết hợp nhiều loại vệ tinh và tính tốn trên hệ thống điện toán đám mây là xu thế đang phát triển mạnh mẽ hiện nay địi hỏi phải có chiến lược đào tạo nhân lực, nâng cao chất lượng nguồn nhân lực trong lĩnh vực khí tượng thuỷ văn và viễn thám tại Đài quan trắc khí tượng Thanh Hố nói riêng và tỉnh Thanh Hố nói nói chung.
Tăng cường đầu tư nâng cấp trạm quan trắc khí tượng thuỷ văn thành các trạm tổng hợp, quan trắc tự động. Nghiên cứu đầu tư thêm các trạm ở các vị trí đặc thù với mật độ dày hơn đủ để đảm bảo độ tương quan giữa các mơ hình khí tượng với dữ liệu viễn thám.
TÀI LIỆU THAM KHẢO
A. Tài liệu tham khảo tiếng Việt.
1. Hoàng Việt Anh, Meredith Williams, David Manning (2007). Ứng dụng chỉ số nhiệt thực vật cho việc đánh giá sa mạc hóa vùng bờ biển ở Việt Nam - Tạp chí khoa học Đất (2007).
2. Nguyễn Thị Thanh Bình (2005). Giới thiệu phương pháp dự báo lượng mưa do bão dựa trên số liệu vệ tinh. Tuyển tập báo cáo Hội nghị Dự
báo viên toàn quốc lần thứ II - Tập I: Dự báo khí tượng - Trung tâm Khí tượng thủy văn Quốc gia. Tr 60-68.
3. Trần Đình Bá, Đinh Quang Vọng, Đào Kim Nhung, Hoàng Minh Hiền (1995). Sử dụng ảnh A của vệ tinh GMS khoanh vùng mưa lớn trong bão. TC Khí tượng thuỷ văn.1995. số 9. Tr26-32.
4. Phạm Ngọc Hồ, Đồng Kim Loan, Trịnh Thị Thanh (2010). Cơ sở
môi trường khơng khí. Nhà xuất bản giáo dục Việt Nam, 2010
5. Bùi Tuấn Hải, Lê Quang Vinh (2019). Nghiên cứu ứng dụng kết hợp
dữ liệu viễn thám và mơ hình tốn IFAS trong mơ phỏng dịng chảy lũ lưu vực sông nậm nơn thuộc hệ thống sông Cả. Tạp chí Nơng nghiệp&Phát triển nơng
thơn. Số 18. Tr 96-101.
6. Dương Văn Khảm, Chu Minh Thu, Đỗ Thanh Tùng (2009). Ứng dụng ảnh vệ tinh MODIS trong tính tốn nhiệt độ lớp phủ bề mặt - Tạp chí khí tượng thủy văn (2009).
7. Nguyễn Tiến Kiên, Ngô Lê An, Lê Đình Thành (2019). Đánh giá chất lượng mưa vệ tinh GSMaP mô phỏng mưa lớn - Ứng dụng cho lưu vực sơng Mã. Tạp chí Khoa học Kỹ thuật Thủy lợi & Môi trường số 64. Tr 76-83.
8. Trần Cơng Minh (2007). Khí hậu khí tượng đại cương. Nhà xuất bản Đại học quốc gia Hà Nội, 2007
giá lượng mưa ước tính từ ảnh mây vệ tinh GMS-5 bằng số liệu quan trắc mặt đất. TC Khí tượng thuỷ văn.2004. số 1. Tr34-40
10. Nguyễn Văn Tuyên (2007), Giáo trình Vệ tinh khí tượng
11. Hồng Minh Tốn (2009), Xây dựng cơng thức tính lượng mưa từ số liệu radar Dopler cho khu vực Trung trung bộ, Luận văn Th.S khoa học.
12. Đặng Ngọc Tĩnh (2005). Nghiên cứu ứng dụng dự báo mưa số trị và vệ tinh trong sự báo thủy văn. Tuyển tập báo cáo Hội nghị khoa học: Cơng
nghệ sự báo và phục vụ dự báo khí tượng thủy văn. Tập II: Dự báo thủy văn - Trung tâm Khí tượng thủy văn Quốc gia. Tr 132-141
B. Tài liệu tham khảo tiếng Anh.
1. Alberto Antonio Méndez Jocik (2004). Estimate ambient air temperature at regional level using remote sensing techniques. ITC.
https://www.itc.nl/library/papers_2004/msc/nrm/mendez.pdf
2. Bo-Cai Gao and Yoram J. Kaufman. The MODIS Near-IR Water Vapor Algorithm. https://modis.gsfc.nasa.gov/data/atbd/atbd_mod03.pdf
3. Dvorak, V.F., 1984: "Tropical cyclone intensity analysis using
satellite data"
4. Fabiola Flores P, Mario Lillo S (2010). Simple air temperature estimation method from MODIS satellite images on a regional scale. Chilean
Journal of Agricultural Research 70 (3):436-445 (JULY-SEPTEMBER 2010) 5. Global Satellite Mapping of Precipitation (GSMaP) for GPM Algorithm Theoretical Basis Document (ATBD) Algorithm Ver.6
https://atmosphereimager.gsfc.nasa.gov/sites/default/files/ModAtmo/MOD07 _atbd_v7_April2011_0.pdf
6. K.N.Liou (2010). An Introduction to Atmospheric Radiaion. Academic Press.
7. W. Timothy Liu (1984). Remote sensing of near surface humidity over North Pacific. IEEE trans. Geosci. Remote Sens., 1984.
8. Modis atmospheric profile retrieval alogrithm theoretical basis document, 2011.
9. P.Chylek, W.B.Clodius, S.C.Bender, W.H.Atkins and L.K.Balick (2004). Sensitivity of near infrared total water vapour estimate to calibration.
International Journal of Remote Sensing.
10. Shettle P., Fenn W., 1979. Models for the aerosol of the lower atmosphere and the effects of humidity variations on their optical properties. Report AFGL-TR-79-0214, Air Force Geophisics Lab., Hanscom, MA.
11. Nguyen Vinh Thu, Byung-Ju Sohn, (2010), Half-hourly Rainfall Monitoring over the Indochina Area from MTSAT Infrared Measurements: Development of Rain Estimation Algorithm using an Artificial Neural Network, Jour. Korean Earth Science Society, v. 31, no. 5, p. 465−474, September 2010.
12. The GMS USER'S GUIDE, Meteorological Satellite Center, JMA, Third Edition, 1997.