1.5. TỔNG QUAN CÁC PHƯƠNG PHÁP SỬ DỤNG ĐỂ CẢI TIẾN MÔ
1.5.3.2. Phương pháp tái phân tích số liệu mưa
Tái phân tích số liệu là một giải pháp tiềm năng cho khu vực khan hiếm số liệu và đã được nhiều nghiên cứu ứng dụng để khắc phục thiếu mưa cho mô hình toán thủy văn [58], [77], [114]. Hiện nay, có bộ số liệu mưa tái phân tích, nhưng việc áp dụng cho mỗi lưu vực phụ thuộc vào mục đích sử dụng và quy mô không gian [76]. Điển hình là các bộ số liệu 20CR, CFSR, ERA-Interim, JRA-55, MERRA2, NCEP-1, NCEP-2 và sản phẩm mô hình khí hậu CMIP5 được ứng dụng ở lưu vực sông Công Gô [59]; bộ số liệu ERA, CFSR làm đầu vào cho mô hình SWAT trên lưu vực Logone [76], [77] và lưu vực sông Lô (Việt Nam) [2]; sản phẩm của hệ thống CFSR sử dụng trên lưu vực sông Awash (Ethiopia). Trong lĩnh vực dự báo, số liệu mưa mô hình số trị của NOAA được sử dụng làm đầu vào cho mô hình URBS để dự báo lũ sông Mê Kông [32], số liệu mưa mô hình số trị GFS và IFS được sử dụng làm đầu vào cho mô hình Mike SHE để dự báo lũ sông Vu Gia - Thu Bồn. Tuy nhiên, độ phân giải của số liệu tái phân tích chưa cao, nên việc ứng dụng làm đầu vào cho mô hình thủy văn thông số phân bố còn hạn chế. Để tăng độ giải và chất lượng số liệu đầu vào cho mô hình thủy văn, phương pháp thường sử dụng là dynamic downscaling và bước đầu cho kết quả vượt trội, đặc biệt là tại khu vực đầu nguồn các sông [90]. Mặc dù có cảm giác chung rằng, các dữ liệu tái phân tích
lượng mưa đang được cải thiện, nhưng mỗi mô hình số trị cho kết quả tốt ở các vùng và các thời kỳ số liệu khác nhau [72] và các sản phẩm định lượng mưa chưa đáp ứng được yêu cầu mô phỏng dòng chảy chi tiết trên hầu hết các lưu vực sông [90].