Chương 1 TỔNG QUAN VẤN ĐỀ NGHIÊN CỨU
1.2. Tổng quan ứng dụng viễn thám để xác định một số tham số khí quyển
1.2.3. Ứng dụng viễn thám ước tính lượng mưa
1.2.3.1. Tổng quan ứng dụng viễn thám ước tính ước tính lượng mưa trên thế giới.
Ước tính lượng mưa từ dữ liệu VIS/IR
Các ảnh mây vệ tinh ở vùng quang phổ nhìn thấy và vùng hồng ngoại nhiệt có thể cung cấp phương tiện để ước tính lượng mưa. Điều này dựa trên giả thiết rằng các đám mây có độ sáng cao quan sát được trên ảnh vệ tinh ở vùng quang phổ nhìn thấy ngụ ý xác suất mưa cao hơn và nhiệt độ đỉnh mây (cloud-top) thấp tìm được từ các ảnh hồng ngoại cũng có nghĩa là khả năng xảy ra mưa lớn hơn. Tất cả các tính chất này chỉ ra sự hiện diện của những đám mây lớn dày đặc. Bằng cách đó, các đám mây ngưng tụ có thể phân biệt
được với nhau trên cả hai loại ảnh vệ tinh này. Tuy nhiên, cũng có một số yếu tố quyết định đến lượng nước mưa trong các đám mây làm cho trong một số trường hợp giả thiết nói trên không đúng. Ví dụ như độ sáng của mây không chỉ do độ dày của mây mà còn do các yếu tố khác như tỷ số diện tích/thể tích và hướng của tia nắng mặt trời. Những yếu tố hình học này quyết định chiều dài quang học của tia sáng trong mây.
Đi đầu có thể nói là các nhà khoa học Mỹ với các vệ tinh khí tượng GOES với 17 thế hệ và các vệ tinh Jason, POES. Văn phòng OSPO thuộc NOAA (Cơ quan Quản lý Khí quyển và Đại dương Quốc gia Mỹ) đã thu thập, xử lý và phân phối dữ liệu vệ tinh môi trường và các sản phẩm thu được về điều kiện thời tiết, khí quyển, đại dương, đất liền và không gian gần Trái đất cho người dùng trong và ngoài nước Mỹ. Dữ liệu vệ tinh viễn thám có vai trò rất quan trọng trong việc phát hiện và giám sát lượng mưa. Vệ tinh thời tiết đầu tiên được phóng vào năm 1960 chụp ảnh mây đã cung cấp cho Cục Quản lý Dịch vụ Khoa học Môi trường (ESSA) cơ quan tiền thân của NOAA sử dụng trong phân tích cấu trúc và chuyển động của các hệ thống đám mây. Các biểu đồ này mô tả các đặc điểm của đám mây hữu ích cho việc tìm hiểu các kiểu thời tiết (Smith và cộng sự, 1986), bao gồm các khu vực có thể bị ảnh hưởng bởi lượng mưa: Kidder (1981) đã lưu ý chúng ta rằng vì mưa rơi từ các đám mây, kiến thức về các vị trí của đám mây là bước đầu tiên hướng tới ước tính lượng mưa.
Các kỹ thuật ban đầu (chẳng hạn như Lethbridge, 1967; Barrett, 1970;
Follansbee 1973, 1976) sử dụng dữ liệu IR và khả năng nhìn thấy để trích xuất thông tin về lượng mưa. Martin và Scherer (1973) lưu ý rằng lượng mưa liên quan đến:
(i) trong vùng ánh sáng nhìn thấy, loại đám mây, các khu vực đám mây và tốc độ lớn của đám mây và;
(ii) trong vùng IR, nhiệt độ đỉnh mây và tốc độ lớn của đám mây.
Một kỹ thuật khác sử dụng dữ liệu VIS/IR là phương pháp tiếp cận lịch sử tồn tại. Kỹ thuật này dựa trên việc sử dụng dữ liệu có độ phân giải tạm thời tốt để cung cấp thông tin đầy đủ về sự phát triển và chuyển động của đám mây.
Cơ sở cho nhóm kỹ thuật này là cường độ mưa sẽ thay đổi tùy theo giai đoạn vòng đời của đám mây đối lưu. Scofield và Oliver (1977) đã tạo ra kỹ thuật dựa trên các tiền đề sau đây:
(i) Mưa được xác nhận bởi độ sáng của mây cao.
(ii) Lượng mưa lớn được xác nhận bởi nhiệt độ trên đỉnh mây thấp, tăng trưởng và kết hợp; mưa nhẹ được xác nhận bởi mây co lại và mây nóng lên.
(iii) Lượng mưa tập trung ở mặt cắt của mây dạng phẳng dầy.
Điểm mạnh của các phương pháp này là khả năng cung cấp các ước tính nhanh chóng, khá chính xác về lượng mưa đối lưu từ các hình ảnh địa tĩnh trong dải sóng nhìn thấy và IR thông thường (Barrett và Martin, 1981).
Phương pháp tiếp cận lịch sử tồn tại tự động được phát triển bởi Griffith et al. (1976, 1978) sử dụng vùng mây lạnh và sự thay đổi để tạo ra tỷ lệ mưa theo thể tích: kỹ thuật này được đơn giản hóa bởi Negri và cộng sự. (1984), bằng cách gán các tỷ lệ mưa khác nhau cho các đám mây lạnh nhất 50% và 10%, và được Adler và Negri (1988) hoàn thiện thêm thành Kỹ thuật đối lưu-địa tầng (CST).
Các kỹ thuật trên được áp dụng nhiều nhất cho các trường hợp nghiên cứu mà thời gian nghiên cứu không dài. Quy mô thời gian ngắn cho phép kỹ thuật này được điều chỉnh cho phù hợp với sự thay đổi theo vùng và theo mùa trong chế độ mưa. Các nghiên cứu dài hạn cần các quy trình ít phức tạp hơn, về cơ bản là hoàn toàn tự động. Tuy nhiên, việc giảm độ phức tạp của kỹ thuật được bù đắp bằng việc tăng số lượng dữ liệu trong chu kỳ tính.
Ước tính dữ liệu lượng mưa từ dữ liệu đa đầu thu
Dự án Khí hậu lượng mưa Toàn cầu (GPCP). GPCP do Chương trình Nghiên cứu Khí hậu Thế giới (WCRP) thiết lập để định lượng và xác định sự
phân bố lượng mưa toàn cầu. Mục tiêu ban đầu là tạo ra ước tính lượng mưa toàn cầu hàng tháng ở độ phân giải 2,5 × 2,5 ° từ năm 1986 đến năm 1995, nhưng đã được mở rộng để bao gồm giai đoạn đến năm 2005. Kết hợp nhiều nguồn (IR, PMW và dữ liệu đo) được sử dụng trong phân tích ban đầu (xem Huffman và cộng sự, 1995). Phần đóng góp của mỗi nguồn được xác định bằng mức sai số được tính cho nguồn đó. Ví dụ, ở những vùng có số lượng lớn đồng hồ đo, phép đo đồng hồ đo sẽ chiếm ưu thế trong sản phẩm cuối cùng, trong khi những vùng có ít đồng hồ đo sẽ có trọng số dữ liệu vệ tinh lớn hơn (xem Huffman và cộng sự, 1997). Các cảm biến vệ tinh bổ sung có khả năng cung cấp ước tính lượng mưa hiện đã được đưa vào (MSU và TOVS- TIROS Operational Vertical Sounder), do đó làm tăng thêm hai nguồn vệ tinh hiện có. Để đáp ứng nhu cầu về các sản phẩm không gian và thời gian tốt hơn, sản phẩm GPCP đã thử nghiệm kỹ thuật này ở thang độ phân giải 1 × 1 ° hàng ngày (Huffman và cộng sự, 1999). Sản phẩm này sử dụng dữ liệu đầu vào tương tự cho phiên bản có độ phân giải thấp hơn và giữ hiệu chuẩn IR ở thang đo hàng tháng để đảm bảo tính ổn định. Sản phẩm bao gồm dữ liệu SSM/I, IR địa tĩnh 3 giờ, NOAA IR và TOVS, hiện đang được thử nghiệm chỉ có sẵn từ năm 1997 đến nay.
Chương trình đo mưa nhiệt đới (Tropical Rainfall Measurement Mission – TRMM) do NASA hợp tác với JAXA (Nhật Bản) thực hiện từ năm 1997 sử dụng vệ tinh LEO để đo mưa cho khu vực nhiệt đới (38o Nam – 38o Bắc) với độ chính xác được nâng cao (Kummerow và cs., 1998; Kummerow và cs., 2000; Simpson và cs., 1988). Hệ thống vệ tinh LEO trong chương trình Đo mưa toàn cầu (Global Precipitation Measurement – GPM) theo kế hoạch sẽ được phóng vào năm 2014. Nhờ có nhiều vệ tinh nên hệ thống GPM sẽ cho ảnh với độ phân giải thời gian ngắn (3 giờ), bao phủ khoảng 90% diện tích bề mặt địa cầu. Hệ thống GPM được kỳ vọng sẽ mang lại nhiều thành tựu to lớn trong việc quan trắc mưa trên toàn cầu.
Trung tâm Nghiên cứu và Ứng dụng Vệ tinh (STAR) là chi nhánh của Dịch vụ Thông tin, Dữ liệu và Vệ tinh Môi trường Quốc gia (NESDIS), đơn vị mua và quản lý các vệ tinh môi trường của quốc gia cho Cục Quản lý Khí quyển và Đại dương Quốc gia (NOAA). Các hoạt động nghiên cứu của STAR thực hiện các ưu tiên nghiên cứu của NOAA, phù hợp và được thực hiện với sự hỗ trợ trực tiếp của các chương trình NOAA và NESDIS, các mục tiêu chiến lược. STAR cũng kết hợp các vệ tinh quang học và vệ tinh radar để ước tính lượng mưa. Hydro-Nowcaster đưa ra dự báo về lượng mưa trong thời gian dẫn đến 3 giờ dựa trên tỷ lệ mưa từ Công cụ ước tính thủy văn và Tiềm năng lượng mưa nhiệt đới Ensemble (eTRaP) đưa ra dự báo lượng mưa từ 0- 24 giờ từ các xoáy thuận nhiệt đới dựa trên ước tính tỷ lệ mưa vệ tinh và các dấu vết bão dự báo.
Hệ thống GSMaP được phát triển dựa trên các hoạt động của dự án GSMaP JST-CREST (Bản đồ vệ tinh lượng mưa toàn cầu). Dự án được tài trợ bởi Cơ quan Khoa học và Công nghệ Nhật Bản (JST), được nghiên cứu từ năm 2002 và được đưa vào hoạt động trên trang Web :
http://sharaku.eorc.jaxa.jp/GSMaP/ từ năm 2007.
GSMap cung cấp theo giờ bản đồ lượng mưa toàn cầu trong thời gian gần thực (khoảng bốn giờ sau khi quan sát) bằng cách sử dụng các thuật toán MW-IR kết hợp với dữ liệu TRMM TMI, Aqua AMSR-E, DMSP SSM / I và SSMIS, NOAA-19 AMSU, MetOp-A AMSUGEO IR. Hình nền điện toán đám mây trên toàn cầu được hợp nhất dữ liệu IR sản xuất bởi NOAA Trung tâm Dự đoán khí hậu (CPC), bằng cách sử dụng các dữ liệu hồng ngoại quan sát bởi vệ tinh MTSAT của JMA, NOAA GOES vệ tinh và các vệ tinh Meteosat EUMETSAT.
1.2.3.2. Tổng quan ứng dụng viễn thám ước tính ước tính lượng mưa trên tại Việt Nam.
Từ rất sớm tại nước ta, Trần Đình Bá, Đinh Quang Vọng, Đào Kim Nhung, Hoàng Minh Hiền (1995) đã sử dụng ảnh A của vệ tinh GMS khoanh
vùng mưa lớn trong bão để xác định lượng mưa. Tuy nghiên cứu còn thô sơ nhưng là bước đầu khả qua tiếp cận với dữ liệu vệ tinh khí tượng.
Phạm Thanh Ngà, Nguyễn Thị Thanh Bình (2004) đã thử nghiệm đánh giá lượng mưa ước tính từ ảnh mây vệ tinh GMS-5 bằng số liệu quan trắc mặt đất và Nguyễn Thị Thanh Bình, Phạm Thanh Ngà (2005) giới thiệu phương pháp dự báo lượng mưa do bão dựa trên số liệu vệ tinh đã sử dụng dữ liệu vệ tinh GMS-5, GOES của NEDIS ứng dụng dữ liệu TRaP để dự báo mưa do bão.
Nguyễn Tiến Kiên, Ngô Lê An, Lê Đình Thành (2019) đã thực hiện đánh giá chất lượng mưa vệ tinh GSMaP mô phỏng mưa lớn - Ứng dụng cho lưu vực sông Mã
Đặng Ngọc Tĩnh (2005) trong “Nghiên cứu ứng dụng dự báo mưa số trị và vệ tinh trong sự báo thủy văn” đã ứng dụng số liệu dự báo lượng mưa từ vệ tinh JMA để hiệu chỉnh lượng mưa từ mô hình HRM phục vụ dự báo trước 72h cho lưu vực sông Hồng. Các dữ liệu mưa không gian như mưa ra đa, mưa vệ tinh… ngày càng được nghiên cứu ứng dụng rộng rãi nhằm bổ sung thông tin cho các vùng không có trạm đo mưa. Nghiên cứu này tập trung đánh giá chất lượng sản phẩm mưa vệ tinh GSMaP (Global Satellite Mapping of Precipitation) của Cơ quan Khoa học và Công nghệ Nhật Bản và cơ quan Khám phá Vũ trụ Nhật Bản cung cấp. Ba sản phẩm mưa GSMaP_MKV, GSMaP_NRT, GSMaP_NOW được so sánh đánh giá với dữ liệu thực đo từ 45 trạm mưa trong và lân cận lưu vực sông Mã thời đoạn 6 giờ trong 2 ăm 2017, 2018. Kết quả đánh giá cho thấy các sản phẩm mưa GSMaP mô tả tốt sự phân bố mưa theo không gian cũng như sự biến động theo thời gian. Sản phẩm GSMaP_MKV có chất lượng tốt nhất, còn sản phẩm GSMaP_NOW là kém nhất trong 3 sản phẩm xét về khía cạnh tổng lượng mưa.
Bùi Tuấn Hải, Lê Quang Vinh (2019) đã nghiên cứu ứng dụng kết hợp dữ liệu viễn thám và mô hình toán IFAS trong mô phỏng dòng chảy lũ lưu
vực sông Nậm Nơn thuộc hệ thống sông Cả sử dụng dữ liệu lượng mưa GSMaP.
Nghiên cứu “ Đồng hóa dữ liệu vệ tinh MODIS trong mô hình WRF để dự báo mưa lớn ở khu vực Trung Bộ ” do Trần Tân Tiến và Nguyễn Thị Thanh tiến hành cũng đã thu được những kết quả đáng khích lệ. Sử dụng profile nhiệt độ, độ ẩm tính từ MODIS kết hợp dữ liệu thám không vô tuyến để tính toán cho mô hình dự báo thời tiết.
Hiện nay, lượng mưa ước tính từ dữ liệu vệ tinh và dữ liệu radar mặt đất cùng với hệ thống trạm quan trắc khí tượng đang cung cấp dữ liệu quan trọng về lượng mưa cho dự báo mưa bão tại nước ta.
Chương 2