6. Ý nghĩa khoa học và thực tiễn của đề tài
3.1.4.Tính toán độ ẩm không khí từ ảnh MODIS và NOAA
3.1.4.1. Phương pháp tính toán độ ẩm không khí tại vị trí không mây
Theo phân tích ở chƣơng 2, độ ẩm không khí là một trong những yếu tố khí tƣợng quan trọng hình thành sƣơng muối. Cũng nhƣ nhiệt độ, độ ẩm không khí hiện nay chỉ có thể thu đƣợc từ các trạm quan trắc bề mặt, sử dụng phƣơng pháp nội suy truyền thống sẽ rất khó đảm bảo đƣợc độ chính xác do mật độ các trạm ở khu vực nghiên cứu rất thƣa. Hiện nay, nhiều nƣớc trên thế giới đã sử dụng các dữ liệu viễn thám để nội suy dữ liệu này [22]. Dƣới đây là phƣơng pháp nội suy độ ẩm không khí từ dữ liệu ảnh MODIS và NOAA.
Độ ẩm không khí đƣợc tính toán bằng phƣơng pháp viễn thám thông qua giá trị tổng cột hơi nƣớc của không khí. Lƣợng hơi nƣớc tổng cộng trong khí quyển thƣờng đƣợc biểu diễn bằng độ cao của lớp “nƣớc lắng”, tức là của một lớp nƣớc mà ta sẽ thu đƣợc nếu nhƣ toàn bộ hơi nƣớc chứa trong khí quyển đọng lại thành nƣớc [19]. Hiện nay, lƣợng hơi nƣớc tổng cộng trong khí quyển vào ban đêm có thể đƣợc tính bằng việc sử dụng phƣơng pháp tỷ số giữa 2 kênh phổ phát xạ 31, 32 đối với ảnh MODIS hoặc kênh 4, 5 đối với ảnh NOAA.
Để phục vụ cho việc tính toán, nội suy và đánh giá mức độ tin cậy đối với giá trị độ ẩm không khí (RH) tại khu vực nghiên cứu, đã sử dụng các loại dữ liệu sau:
Dữ liệu các kênh phổ phát xạ nhiệt của ảnh MODIS và NOAA đƣợc chụp vào ban đêm trong vùng nghiên cứu. Dữ liệu độ ẩm không khí đƣợc quan trắc tại các trạm khí tƣợng trên khu vực nghiên cứu.
Hình 3.5. Sơ đồ RH
Độ ẩm tƣơng đối (RH) là tỉ số giữa sức trƣơng hơi nƣớc (e) và sức trƣơng hơi nƣớc bão hoà E:
RH = e/E (3.4)
Sức trƣơng hơi nƣớc (e) đƣợc tính từ độ ẩm riêng (Q) và áp suất không khí (P): 622 P . Q e (3.5)
Sức trƣơng hơi nƣớc bão hoà (E) đƣợc tính từ nhiệt độ không khí (t):
t 3 . 237 t 2 . 17 exp 11 . 6 E (3.6)
Áp suất không khí giảm theo độ cao (H) và đƣợc tính theo công thức kinh nghiệm:
Ảnh MODIS, NOAA
Xử lý số liệu gồm: chuyển đổi hệ tọa độ,
Lọc nhiễu, lọc mây Hệ số phát xạ bề mặt Hàm lƣợng hơi nƣớc W
Các thuật toán tính RH RH
P = 1013.3 - 0.1038H (3.7)
Hiện nay chƣa có phƣơng pháp trực tiếp để tính chính xác độ ẩm tƣơng đối và độ ẩm riêng từ số liệu viễn thám, mặc dù việc xác định tổng cột hơi nƣớc trong khí quyển đƣợc xác định là khá chính xác bằng phƣơng pháp này [21]. Tuy nhiên, hàm hồi quy đơn giản giữa độ ẩm tƣơng đối và tổng cột hơi nƣớc đã đƣợc tìm ra bởi W. Timothy [22]. Ông đã phân tích chuỗi số liệu cột hơi nƣớc trung bình tháng trong 9 năm nghiên cứu và xây dựng các đƣờng quan hệ giữa độ ẩm riêng (Q) và tổng cột hơi nƣớc (W) có dạng:
Q = a*W2 + b*W + c (3.8) Trong đó: a, b, c: hệ số kinh nghiệm.
Đƣờng quan hệ này đƣợc W. Timothy xây dựng cho 3 khu vực đƣợc chỉ ra trong hình 3.6 a, b, c. Mỗi một đƣờng cong là một đƣờng hồi quy bậc hai và hệ số tƣơng quan lần lƣợt là 0.97, 0.97 và 0.90.
Do đó, một khi giá trị tổng cột hơi nƣớc đƣợc tính chính xác từ số liệu viễn thám có thể tính độ ẩm riêng và độ ẩm tƣơng đối thông qua hàm hồi quy đƣợc mô phỏng trong hình 3.6.
a) vùng ôn đới, b) vùng cận nhiệt đới, c) vùng nhiệt đới
Hình 3.6. Mối quan hệ giữa tổng cột hơi nƣớc và độ ẩm riêng của hơi nƣớc do W. Timothy xây dựng
n i p i n i p i i d x d x 1 1 1 1 ˆ xˆ
Cũng nhƣ phân tích ở trên, các vị trí (pixel) có mây che phủ khi tiền xử lý ảnh thƣờng bị loại giá trị, vì vậy độ ẩm không khí không thể tính toán theo thuật toán khi không có mây. Khác với nhiệt độ không khí, độ ẩm không khí phân bố theo độ cao địa hình không có quy luật rõ ràng, vì vậy không thể xây dựng mối quan hệ gữa độ ẩm không khí và độ cao. Một phƣơng pháp nội suy dữ liệu khí tƣợng hiện nay đang đƣợc sử dụng khá phổ biến, đó là phƣơng pháp nội suy nghịch đảo bình phƣơng khoảng cách IDW [22], công thức nội suy nhƣ sau:
(3.9)
Trong đó:
là điểm cần nội suy.
d1,...,dn là khoảng cách từ điểm nội suy 1 đến điểm n.
x1,...,xn là giá trị của các điểm mẫu đó.
Theo phƣơng pháp này, các giá trị càng gần với điểm nội suy thì sự ảnh hƣởng càng lớn. Áp dụng phƣơng pháp này, trên cơ sở số liệu độ ẩm ở mạng lƣới trạm và số liệu độ ẩm đƣợc tính toán từ ảnh viễn thám đối với những điểm không mây, đề tài đã nội suy giá trị độ ẩm không khí trên toàn bộ những điểm mây che phủ của toàn bộ số liệu ảnh thu đƣợc trong vùng nghiên cứu. (adsbygoogle = window.adsbygoogle || []).push({});
3.1.4.3. Kết quả tính toán độ ẩm không khí
Trên cơ sở thuật toán tính độ ẩm không khí RH và dữ liệu ảnh viễn thám kênh 31, 32 đối với ảnh MODIS hoặc kênh 4, 5 đối với ảnh NOAA, đã tính đƣợc giá trị RH theo độ phân giải 1x1 km. Kết quả minh họa đƣợc trình bày trong hình 5.10.
Để đánh giá mức độ tin cậy về kết quả tính toán độ ẩm không khí, đề tài đã tiến hành so sánh kết quả tính toán với các số liệu thực đo tại các trạm quan trắc trong vùng nghiên cứu. Kết quả so sánh cho thấy: kết quả tính toán độ ẩm không khí từ dữ liệu viễn thám so với thực đo có sai số trong khoảng từ -12% đến 17% (đơn vị độ ẩm). Các trƣờng hợp có độ ẩm cao thƣờng có sai số nhỏ hơn so với trƣờng hợp có độ ẩm thấp, nhƣ phân tích ở trên, sƣơng muối thƣờng hình thành ở những nơi có độ ẩm tƣơng đối lớn 75 – 95%, là ngƣỡng độ ẩm mà chúng ta đang cần xem xét để đánh giá khả năng xuất hiện sƣơng muối, nhƣ vậy phƣơng pháp tính toán độ ẩm không khí từ dữ liệu viễn thám là có thể chấp nhận đƣợc.
Hình 3.7. Bản đồ RH trong một số đêm khu vực nghiên cứu (Đêm 3/2/2007)
3.1.5. Tính toán khả năng xuất hiện sương muối trên cơ sở dữ liệu ảnh viễn thám
Trên cơ sở đánh giá mối liên hệ giữa các yếu tố khí tƣợng với sự hình thành sƣơng muối đƣợc trình bày ở chƣơng 2, nhận thấy, nhiệt độ tối thấp và độ ẩm không khí trong khoảng từ 0-7 giờ có vai trò quyết định đến sự hình thành sƣơng muối. Một số yếu tố khác nhƣ tốc độ gió, thời tiết có mƣa hay không mƣa cũng có ảnh hƣởng đến khả năng xuất hiện sƣơng muối. Tuy nhiên, trong trƣờng hợp các điểm quan trắc còn rất thƣa nhƣ vùng núi phía Bắc nƣớc ta hiện nay, thì công nghệ tính toán và nội suy không gian (độ phân giải cao) với độ chính xác cho phép cho hai yếu tố gió và mƣa là chƣa thể đáp ứng đƣợc, vì vậy để đảm bảo mức độ chính xác cho phép, tránh đƣợc những sai số không cần thiết, mà vẫn đánh giá đƣợc vai trò quyết định của các yếu tố (nhiệt độ, độ ẩm) đến sự hình thành sƣơng muối, thì 2 yếu tố này chƣa đƣợc xem xét trong quá trình tính toán của luận văn.
Từ cách tiếp cận nêu trên, luận văn đã xây dựng đƣợc mối liên hệ giữa điều kiện nhiệt, ẩm với sự hình thành sƣơng muối thông qua phƣơng pháp phân tích phân biệt. Chi tiết về phƣơng pháp phân tích phân biệt đƣợc trình bày nhƣ sau:
3.1.5.1. Phương pháp phân tích phân biệt (Discriminant Analysis)
Phƣơng pháp này thƣờng đƣợc áp dụng để giải quyết các bài toán dự báo khí tƣợng [12] thƣờng gặp nhƣ: có mƣa hay không mƣa, có sƣơng muối hay không có sƣơng muối vv… hoặc dự báo các yếu tố khí tƣợng lớn hơn hay nhỏ hơn một giá trị nào đó.
Trên cơ sở số liệu nhiệt, ẩm đƣợc tính từ ảnh viễn thám đề tài đã sử dụng phƣơng pháp phân tích phân biệt để phân loại có sƣơng muối hay không có sƣơng muối.
Tƣ tƣởng cơ bản của phƣơng pháp là: dựa vào chuỗi số liệu độc lập (nhiệt, ẩm) và chuỗi số liệu phụ thuộc (có sƣơng muối hay không có sƣơng
muối), căn cứ vào một quy tắc nhất định để cấu thành nên một biến lƣợng đặc trƣng hoặc gọi là hàm số phân biệt. Từ các hàm số này lựa chọn ra các chỉ số phân biệt và xác định đƣợc đối tƣợng nghiên cứu thuộc loại nào.
Từ số liệu quan trắc nhiệt độ không khí tối thấp (Tmin) và độ ẩm không khí trung bình (RHtb) trong khoảng từ 0 đến 7 giờ thời kỳ 1981 - 2009 của các trạm khí tƣợng trong vùng nghiên cứu, trên cơ sở các chỉ tiêu nhiệt độ và độ ẩm về khả năng xuất hiện sƣơng muối đã trình bày ở chƣơng 3, theo tính toán thống kê, trong toàn bộ số liệu quan trắc trong vùng nhiên cứu có 606 trƣờng hợp ứng với ngày có Tmin < 50C và RHtb từ 75% - 95%; trong đó có 469 trƣờng hợp xuất hiện sƣơng muối và 137 trƣờng hợp không xuất hiện sƣơng muối. Từ các dữ liệu này sẽ đƣa vào phƣơng pháp phân tích phân biệt để xây dựng các phƣơng trình tính toán khả năng xuất hiện sƣơng muối.
3.1.5.2. Xây dựng phƣơng trình tính toán khả năng suất hiện sƣơng muối
Từ các chuỗi số liệu nhƣ đã phân tích ở trên (Tmin, RHtb, có hoặc không xuất hiện sƣơng muối), áp dụng các công thức hàm số phân biệt [12] đƣợc sự hỗ trợ của phần mềm thống kê (Statistical Analysis system SAS), đã xây dựng đƣợc phƣơng trình tính toán khả năng xuất hiện sƣơng muối trong vùng nghiên cứu. Kết quả của phƣơng trình phân tích phân biệt đƣợc trình bày dƣới đây. Yi= -0.001263297*Ti- 0.00001837*RHi (3.10) a Y = -0.00541202 b Y = -0.008188337 Yc= -0.007033829 Trong đó: Ya= -0.001263297*Tc- 0.00001837*RHc (3.11)
Yb= -0.001263297*Tk+0.00001837*RHk (3.12) n m Y n Y m Y a b c * * (3.13)
- Yi là giá trị của hàm phân biệt tại vị trí thứ i
- Ya là giá trị trung bình của hàm phân biệt đối với nhóm không xảy ra sƣơng muối
- Yb là giá trị trung bình của hàm phân biệt đối với nhóm xảy ra sƣơng muối
- Yc là ngƣỡng phân biệt
- Ti và RHi là nhiệt độ không khí tối thấp và độ ẩm không khí trung bình trong thời gian xảy ra sƣơng muối tại vị trí thứ i
- Tcvà RHclà nhiệt độ không khí tối thấp trung bình và độ ẩm không khí trung bình đối với nhóm không xảy ra sƣơng muối
- Tkvà RHk là nhiệt độ không khí tối thấp trung bình và độ ẩm không khí trung bình đối với nhóm xảy ra sƣơng muối
- m là dung lƣợng mẫu đối với nhóm không xảy ra sƣơng muối - n là dung lƣợng mẫu đối với nhóm xảy ra sƣơng muối
Khi Yi > Yc, điểm tính toán có kết quả là có xảy ra sƣơng muối
Khi Yi ≤ Yc, điểm cần tính toán có kết quả là không xảy ra sƣơng muối
3.1.5.3. Đánh giá mức độ tin cậy của phƣơng trình
Dựa vào phƣơng trình 3.10, ngƣỡng phân biệt Yc và các chuỗi số liệu phụ thuộc (nhiệt độ tối thấp và độ ẩm không khí), đã mô phỏng khả năng xuất hiện sƣơng muối. Các đặc trƣng thống kê đƣợc trình bày trong bảng 3.4.
Từ bảng 3.4 nhận thấy, kết quả mô phỏng đúng đạt 81%. Sƣơng muối là sự kiện hiếm, các nguyên nhân hình thành sƣơng muối là rất phức tạp. Do vậy phƣơng trình mô phỏng khả năng suất hiện sƣơng muối với độ chính xác
đạt 81% là có thể chấp nhận đƣợc trong việc tính toán khả năng suất hiện sƣơng muối theo không gian trong vùng nghiên cứu. (adsbygoogle = window.adsbygoogle || []).push({});
Bảng 3.4 Kết quả thống kê mức độ tin cậy của phƣơng trình trên chuỗi số liệu phụ thuộc
Số trƣờng hợp theo quan trắc Số trƣờng hợp theo mô phỏng Số trƣờng hợp mô phỏng đúng Tỷ lệ % mô phỏng đúng Có sƣơng muối Không sƣơng muối Tổng số Có sƣơng muối Không sƣơng muối Tổng số 469 137 606 408 198 606 490 81%
3.1.5.4. Kết quả đánh giá khả năng suất hiện sƣơng muối theo không gian Theo số liệu thống kê từ 2000 đến 2009, có 93 ngày xuất hiện sƣơng muối trong vùng nghiên cứu. Trên cơ sở số liệu về thời gian xuất hiện sƣơng đối với 93 ngày này, sử dụng kết quả về nhiệt độ không khí tối thấp và độ ẩm không khí trung bình đƣợc nội suy từ ảnh viễn thám, áp dụng phƣơng trình phân tích phân biệt, đã xác định đƣợc sự xuất hiện sƣơng muối theo từng ô lƣới trong vùng nghiên cứu, từ đó tính đƣợc tổng số ngày có sƣơng muối trung bình nhiều năm (thời kỳ 2000 đến 2009) trên mỗi ô lƣới, với mỗi ô lƣới 1km x 1km. Kết quả minh họa đƣợc trình bày trong hình 3.8 và 3.9.
Từ hình 3.9 nhận thấy, số ngày có sƣơng muối trung bình thời kỳ 2000- 2009 có sự phân bố theo không gian rất lớn, dao động trong khoảng từ 0 đến 8.9 ngày.
Kết quả quan trắc và kết quả mô phỏng tại các vị trí có trạm khí tƣợng có sự khác biệt rất nhỏ, các trạm nhƣ: Bắc Yên, Điện Biên, Mƣờng Tè, Phù Yên, Quỳnh Nhai, Sông Mã Tuần Giáo, Pha Đin, Yên Châu, Tam Đƣờng, Than Uyên, Lai Châu theo số liệu quan trắc tại trạm là không có sƣơng muối
thì kết quả cũng cho kết quả tƣơng tự hoặc sai khác cũng chỉ trong khoảng từ 0.1 đến 0.3 ngày, điểm trạm quan trắc đƣợc nhiều sƣơng muối nhất là trạm Sìn Hồ (9.3 ngày) thì kết quả mô phỏng cũng chỉ lệch có 0.4 ngày (bảng 3.5).
Hình 3.8. Một số kết quả minh hoạ sự phân bố sƣơng muối theo không gian (Đêm 3/2/2007)
Hình 3.9. Bản đồ số ngày có sƣơng muối trung bình nhiều năm
Bảng 3.5. So sánh số liệu quan trắc và số liệu tính toán số ngày có sƣơng muối trung bình thời kỳ 2000-2009
Trạm Bắc Yên Cò Nòi Điện Biên Lai Châu Mộc Châu Mƣờng Tè Pha Đin Phù Yên Quan trắc (ngày) 0.0 0.4 0.0 0.0 0.7 0.0 0.0 0.0 Nội suy (ngày) 0.2 0.6 0.0 0.0 1.0 0.0 0.3 0.2 Sai số (ngày) -0.2 -0.2 00 0.0 -0.3 0.0 -0.3 -0.2 Trạm Sông Mã Sìn Hồ Sơn La Than Uyên Quỳnh Nhai Tuần Giáo Yên Châu Tam Đƣờng Quan trắc (ngày) 0.0 9.3 0.7 0.0 0.0 0.0 0.0 0.0 Nội suy (ngày) 0.2 8.9 1.0 0.3 0.2 0.0 0.0 0.3 Sai số (ngày) -0.2 0.4 -0.3 -0.3 -0.2 0.0 0.0 -0.3
Nhƣ vậy có thể nhận thấy:
- Các thuật toán đƣợc lựa chọn trong việc tính toán LST từ ảnh viễn thám cho kết quả khá tốt, sai số quân phƣơng (RMSE) với số liệu thực đo trong khoảng từ 1.3 - 1.40C. Giá trị LST là rất quan trọng, làm cơ sở cho việc nội suy giá trị nhiệt độ tối thấp
- Các kết quả nội suy nhiệt độ không khí tối thấp từ giá trị LST và độ ẩm không khí từ ảnh viễn thám so với kết quả quan trắc có sai số khá nhỏ, RMSE đối với Tmin < 0.50C, đối với RH trong khoảng < 8 %. Với sai số này các kết quả nội suy nhiệt độ và độ ẩm từ ảnh viễn thám là có thể chấp nhận đƣợc.
pháp phân tích phân biệt, đã nội suy đƣợc số ngày có sƣơng muối thời kỳ 2000 đến 2009 với độ phân giải cao (1x1 km). Sai số giữa kết quả tính toán và quan trắc là khá nhỏ, dao động trong khoảng từ 0 đến 0.7 ngày. - Bộ cơ sở dữ liệu về nhiệt độ không khí tối thấp và sƣơng muối đƣợc nội suy với độ phân giải cao là đáng tin cậy, phục vụ xây dựng các bản đồ đặc trƣng sƣơng muối.