4.1. KẾT QUẢ NGHIÊN CỨU
4.1.2. Xây dựng mơ hình tương quan yếu tố khí tượng tính tốn từ ảnh
thám và từ trạm quan trắc.
4.1.2.1. Mơ hình tương quan giữa nhiệt độ khơng khí gần mặt đất và dữ liệu nhiệt độ bề mặt từ MODIS và dữ liệu đo.
Như phần cơ sở khoa học ở trên, nhiệt độ khơng khí gần mặt đất giảm theo độ cao và các khu vực có thực vật sẽ có nhiệt độ phản xạ bề mặt đất thấp hơn. Như vậy giữa nhiệt độ khơng khí và nhiệt độ bề mặt đất sẽ tồn tại quan hệ như sau:
Tair = a.Tsuf + b.(1/Z) + c.NDVIch + d (4.34) Trong đó:
Tair : Nhiệt độ khơng khí gần mặt đất
Tsuf: Nhiệt độ bề mặt đất tính từ dữ liệu viễn thám MODIS Z: độ cao theo mơ hình số độ cao
NDVIch : chỉ số khác biệt thực vật đã được chuẩn hố theo cơng thức : NDVIper = (2-(NDVI+1))/2
a, b, c, d : các hệ số của hàm tương quan
Để xác định các hệ số hàm tương quan, ta tiến hành hồi quy đa biến với số liệu tại các trạm khí tượng.
4.1.2.2. Mơ hình tương quan giữa độ ẩm khơng khí tương đối từ dữ liệu MODIS và dữ liệu đo.
Từ cơ sở khoa học đã trình bày ở trên, nếu có đầy đủ dữ liệu trạm như điểm sương, áp suất khơng khí tại trạm, độ ẩm riêng và độ ẩm tương đối thì hồn tồn có thể tính theo phương pháp đã trình bày ở phần 4.3. Tuy nhiên, trong khuôn khổ đề tài, dữ liệu thu thập được chỉ có dữ liệu độ ẩm tương đối nên học viên đề xuất tính tốn độ ẩm tương đối từ dữ liệu tổng cột hơi nước
tính từ dữ liệu MODIS và dữ liệu trạm. Xuất phát từ cơng thức tính sức trương hơi nước bão hịa E tại nhiệt độ khơng khí t :
𝐸 = 6.11𝑒(237.3+𝑡17.27𝑡)
(4.35)
Sức trương hơi nước – áp suất hơi nước e được xác định theo công thức:
e= Q x P/622 (4.36) Độ ẩm riêng xác định theo công thức:
Q = aW2 + bW + c (4.37)
(a,b,c là các hệ số hàm hồi quy, W là hàm lượng hơi nước trong khơng khí)
Lúc đó cơng thức tính sức trương hơi nước là hàm của W như sau: e (W)= a’W2 + b’W + c’ (4.38)
Khi đó độ ẩm tương đối tính như sau:
r= e/E*100 = e (W)/E*100 (4.39)
Lúc đó, r là hàm của W và E, khi đó r = r(E,W), lúc đó ta có hàm quan hệ r với E và W như sau:
r (E,W) = A (1/E) + BW2 + CW+ D (4.40)
4.1.2.3. Mơ hình hiệu chỉnh lượng mưa ngày từ dữ liệu lượng mưa giờ của GSMaP.
Dữ liệu GSMaP (JAXA Global Rainfall Watch) cung cấp lượng mưa theo giờ mm/h với độ phân giải 0,1 độ x 0,1 độ. Rõ ràng hiệu chỉnh dữ liệu theo giờ là điều rất khó hiện nay bởi số trạm khí tượng quá thưa và đặc biệt tính cục bộ của giá trị đo tại trạm. Lượng mưa tại trạm chỉ đại diện cho khu vực vực nhỏ nhất là với các trận mưa vừa. Trong khi đó, lượng mưa từ dữ liệu vệ tinh như GSMaP có độ phân giải lớn với đại diện cho khu vực cỡ 11 x 11 km nên tương quan cũng như hiệu chỉnh theo giờ là rất khó nếu số trạm q ít.
Chính do đó, trong đề tài này, học viên đề xuất hiệu chỉnh lượng mưa ngày sẽ thực tế và hợp lý hơn.
RFd_hc = a.RF GSMaP + b
Trong đó: RFd_hc : dữ liệu lượng mưa ngày hiệu chỉnh
RF GSMaP: dữ liệu lượng mừa ngày từ dữ liệu lượng mưa ước tính từ ảnh viễn thám GSMaP.