ĐÁNH GIÁ SỐ LIỆU MƯA VỆ TINH GSMAP CHO KHU VỰC VIỆT NAM

ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN
----------------------------------------------

NGUYỄN THỊ BẮC

ĐÁNH GIÁ SỐ LIỆU MƯA VỆ TINH GSMAP
CHO KHU VỰC VIỆT NAM

LUẬN VĂN THẠC SĨ KHOA HỌC

Hà Nội - 2015

1


ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN
----------------------------------------------

NGUYỄN THỊ BẮC

ĐÁNH GIÁ SỐ LIỆU MƯA VỆ TINH GSMAP
CHO KHU VỰC VIỆT NAM

Chuyên ngành: Khí tượng và khí hậu học
Mã số: 60440222

LUẬN VĂN THẠC SĨ KHOA HỌC
NGƯỜI HƯỚNG DẪN KHOA HỌC:
PGS.TS NGÔ ĐỨC THÀNH

Hà Nội -2015

2


Lời cảm ơn
Luận văn này được hoàn thành dưới sự hướng dẫn khoa học của PGS.TS
Ngô Đức Thành. Tác giả xin bày tỏ lòng cảm ơn sâu sắc nhất đến người thầy đã hết
lòng động viên, tận tình chỉ bảo, định hướng khoa học và tạo mọi điều kiện tốt nhất
cho tác giả trong suốt thời gian thực hiện luận văn. Tác giả xin gửi lời cảm ơn tới
Khoa Khí tượng Thủy văn và Hải dương học, Phòng Sau Đại học trường Đại học
Khoa học Tự nhiên, đặc biệt là các thầy cô, bạn bè trong khoa Khí tượng Thủy văn
và Hải dương học, anh chị em đồng nghiệp tại Đài Khí tượng Cao không đã cung
cấp cho tác giả những kiến thức chuyên môn quý báu, đã tạo điều kiện giúp đỡ tác
giả trong học tập và nghiên cứu. Luận văn này không thể thực hiện được nếu thiếu
sự quan tâm, giúp đỡ vô cùng to lớn từ gia đình và đặc biệt là từ cha mẹ, từ người
bạn đời của tác giả. Lòng biết ơn sâu nặng xin được gửi tới gia đình, những người
đã hy sinh, chăm sóc, ủng hộ, luôn tạo điều kiện về mọi mặt cho tác giả và là nguồn
động lực to lớn giúp tác giả có thể hoàn thành luận văn này.

Nguyễn Thị Bắc

3


MỤC LỤC

4

DANH MỤC HÌNH

5


DANH MỤC BẢNG

6


DANH MỤC CÁC TỪ VIẾT TẮT

CMORPH - Prediction Center MORPHing product: Phương pháp tính mưa theo kỹ
thuật Morphing
GSMaP - Global Satellite Mapping of Precipitation product: Số liệu mưa vệ tinh
toàn cầu GSMaP
IR - Infrared: Hồng ngoại
PERSIANN - Precipitation Estimation from Remotely Sensed Information using
Artificial Neural Networks: Phương pháp tính mưa theo kỹ thuật mạng thần kinh
nhân tạo
TRMM - Tropical Rainfall Measuring Mission: Chương trình đo mưa nhiệt đới
bằng vệ tinh

7


MỞ ĐẦU
Việt Nam nằm trong khu vực nhiệt đới gió mùa, với tính chất mưa nhiều,
mưa theo mùa nên hàng năm Việt Nam phải hứng chịu nhiều thiệt hại nghiêm

trọngtừ thiên tai như mưa lớn, bão, lũ lụt, lũ quét, v.v... gây ảnh hưởng đến cơ sở hạ
tầng, đời sống sinh hoạt hơn nữa còn ảnh hưởng đến tính mạng con người. Lượng
mưa là yếu tố đầu tiên, quan trọng góp phần gây ra lũ lụt, lũ quét, v.v...Do đó,
nghiên cứu về lượng mưa là nền móng quan trọng để hiểu về cơ chế cũng như phát
hiện, cảnh báo lũ lụt có thể xảy ra.Có những nguồn thu thập số liệu lượng mưa khác
nhau như đo lượng mưa trực tiếp, tính lượng mưa từ hệ thống radar thời tiết mặt đất
hay sử dụng hệ thống vệ tinh. Số liệu từ các thiết bị đo mưa có độ tin cậy và chính
xác cao nhưng bị giới hạn về không gian và thời gian. Mạng lưới radar thời tiết còn
hạn chế nên chưa thể cung cấp số liệu một cách đầy đủ. Do đó, để cung cấp số liệu
lượng mưa cho dự báo cũng như nghiên cứu thì sản phẩm mưa vệ tinh trở thành một
nguồn số liệu có thể khắc phục được những khó khăn trên. Ở nước ta hiện nay chưa
có nhiều nghiên cứu về xu thế, đặc điểm biến đổi của lượng mưa hay các hiện tượng
khí hậu cực trị, đặc biệt khi xét đến yếu tố liên tục của không gian và thời gian. Do
vậy, luận văn này sử dụng nguồn số liệu mưa vệ tinh toàn cầu GSMaP cùng với số
liệu mưa tại trạm, số liệu mưa trên lưới xây dựng dựa trên các quan trắc tại mặt đất
APHRODITE để phân tích đặc điểm mưa, từ đó xem xét tính hiệu quả, những
khuyến nghị khi sử dụng bộ số liệu mưa vệ tinh GSMaP và xa hơn nữa có thể bổ
sung số liệu mưa vệ tinh GSMaP vào kho dữ liệu mưa cho nghiên cứu mưa ở Việt
Nam là có ý nghĩa thực tiễn. Chính vì vậy tôi đề xuất đề tài: “Đánh giá số liệu mưa
vệ tinh GSMaP cho khu vực Việt Nam” để góp phần giải quyết những vấn đề nêu
trên. Bố cục luận văn ngoài phần mở đầu, kết luận, tài liệu tham khảo và phụ lục
gồm có 3 chương với các nội dung sau:
Chương 1: Tổng quan
Tác giả trình bày những nghiên cứu về mưa trong và ngoài nước trong những
năm gần đây, đặc biệt là những nghiên cứu về đánh giá, sử dụng các số liệu mưa vệ

8


tinh nói chung cũng như về số liệu mưa GSMaP nói riêng.

Chương 2: Phương pháp nghiên cứu và số liệu
Chương này mô tả chi tiết phương pháp nghiên cứu được lựa chọn cũng như
nguồn số liệu sử dụng trong nghiên cứu.
Chương 3: Kết quả
Trình bày tóm tắt các kết quả chủ yếu của luận văn, những điểm mới đã đạt
được, kiến nghị và hướng nghiên cứu tương lai.

9


Chương I: TỔNG QUAN
1.1 Những nghiên cứu ngoài nước
Các nhà khoa học ngoài nước trong những năm gần đây đã có khá nhiều
những nghiên cứuvề sử dụng bộ số liệu mưa vệ tinh cũng như sản phẩm mưa vệ
tinh toàn cầu (GSMaP) trong công tác cảnh báo, dự báo và nghiên cứu về mưa.
Lượng mưa là một trong những thông số quan trọng nhất trên hệ thống trái
đất, sự phân bố toàn cầu của lượng mưa và sự thay đổi của nó là thông tin cần thiết
để mô hình hóa các chu trình nước, duy trì môi trường sinh thái, sản xuất nông
nghiệp, cải tiến độ chính xác của các bản tin dự báo thời tiết, cảnh báo lũ, v.v...
(Ushio, 2013).
Có một số phương pháp để thu thập dữ liệu lượng mưa, bao gồm việc sử
dụng mạng lưới đo mưa thông thường và hệ thống cảm biến từ xa - chẳng hạn như
radar thời tiết trên mặt đất và vệ tinh. Thiết bị đo mưa thông thường là một công cụ
tương đối đơn giản, trực tiếp lấy mẫu mưa bằng cách tích lũy giọt mưa liên tục
trong một khoảng thời gian cố định tại các vị trí riêng lẻ (Strangeways, 2007;
Mustafa, 2007). Thiết bị đo mưa thường được lắp đặt trên đất liền, mật độ nhìn
chung là thưa thớt. Mạng lưới thiết bị đo mưa mặt đất cung cấp lượng mưa đo với
mức độ chính xác cao tại các địa điểm cụ thể, nhưng trong hầu hết trường hợp thì
phân bố rải rác khó nắm bắt chính xác những thay đổi trong không gian và thời gian
của hệ thống mưa (Villarini và các cộng sự - ccs, 2008). Với hệ thống radar thời tiết

phát ra các xung năng lượng điện từ nên có ưu điểm là cho kết quả đo trực tiếp, bao
phủ được vùng rộng lớn, sản phẩm có độ phân giải và chính xác cao. Do vậy, radar
thời tiết thuận lợi cho cảnh báo, dự báo và theo dõi diễn biến các hiện tượng thời
tiết nguy hiểm trong tầm hoạt động của radar thời tiết. Tuy nhiên, radar thời tiết
thường hoạt động không tốt ở khu vực địa hình đồi núi, không phủ tới các vùng xa,
các vùng bị che khuất và chi phí vận hành còn tốn kém.
Một nguồn dữ liệu lượng mưa gần thời gian thực khác được lấy từ quan sát

10


vệ tinh dựa trên ước lượng trung bình bề mặt. Dữ liệu lượng mưa dựa trên vệ tinh
cung cấp thêm thông tin có giá trị cho dữ liệu khí hậu cơ sở trên phạm vi địa lý rộng
lớn, đặc biệt trong khu vực có rất ít hoặc mất số liệu mặt đất (WMO, 2011). Mặt
khác, những dữ liệu vệ tinh ngày càng có sẵn, có thể sử dụng trên toàn cầu từ mạng
lưới internet và không bị gián đoạn trong các tình huống thời tiết không thuận lợi
(Harris và ccs, 2007). Do đó, dữ liệu mưa vệ tinh có tiềm năng trở thành nguồn số
liệu đầu vào đáng giá cho công tác dự báo lũ, mưa lớn.
Các số liệu vệ tinh có thể chứa đựng các sai số gây ra bởi các yếu tố như tần
số lấy mẫu, chu kỳ ngày đêm của lượng mưa, trường cảm biến không đồng nhất, và
các thuật toán không chắc chắn về độ phản hồi mưa (Adeyewa và Nakamura, 2003).
Lượng mưa vệ tinh có thể có chất lượng kém, đặc biệt là trên các vùng miền núi và
ven biển (Kubota, 2009; Shige, 2013). Trong khi đó thiết bị đo mưa mặt đất có độ
chính xác khá cao so với các hệ thống viễn thám, và vì lý do này vai trò của nguồn
số liệu đo mưa mặt đất là không thể thiếu (Testik, 2011), và thường được sử dụng
để cải thiện độ chính xác và khả năng ứng dụng của các sản phẩm mưa vệ tinh (Duo
và ccs, 2011).
Hiện nay có nhiều nguồn sản phẩm mưa vệ tinh có độ phân giải cao toàn cầu
khác nhau. Có thể kể đến, dữ liệu lượng mưa từ Chương trình đo mưa nhiệt đới
bằng vệ tinh -Tropical Rainfall Measuring Mission (TRMM) (Simpson và ccs,

1996); Dữ liệu tính mưa theo phương pháp mạng thần kinh nhân tạo - Precipitation
Estimation from Remotely Sensed Information using Artificial Neural Networks
(PERSIANN) (Sorooshian và ccs, 2000); Phương pháp tính mưa theo kỹ thuật
Morphing - Climate Prediction Center MORPHing product (CMORPH) (Joyce và
ccs, 2004), và Sản phẩm bản đồ mưa vệ tinh toàn cầu - Global Satellite Mapping of
Precipitation product (GSMaP) (Ushio và ccs, 2009).
Mei và ccs (2014) khi nghiên cứu trên khu vực sông Adige (phía đông dãy
núi Alps khu vực nước Ý) giai đoạn 2003-2010, các tác giả cho rằng thông tin chính
xác định lượng lượng mưa trên khu vực miền núi là rất quan trọng vì ở đó dễ xảy ra
mối nguy hiểm như lũ quét, sạt lở đất, và đất đá trôi bởi các sự kiện mưa lớn. Do số

11


lượng các trạm quan trắc trên các khu vực miền núi còn hạn chế, nên các tác giả
trên đã sử dụng các sản phẩm lượng mưa ước lượng bởi vệ tinh. Từ ba sản phẩm
mưa vệ tinh TRMM 3B42, CMORPH, PERSIANN đều cho thấy không có sản
phẩm mưa vệ tinh nào được coi là lý tưởng cho việc phát hiện và định lượng các sự
kiện mưa lớn trên khu vực nghiên cứu trên. Giữa số liệu mưa đo tại trạm và các sản
phẩm của TRMM 3B42 có sự phù hợp với nhau hơn, đặc biệt là trong những tháng
mùa ấm có liên quan đến những sự kiện đối lưu cường độ mạnh. Tất cả các sản
phẩm vệ tinh nêu trên cho thấy phạm vi sai số phụ thuộc biên độ ước lượng quá cao
ở khu vực mưa thấp đến ước lượng mưa thấp ở những nơi mưa cao; hiệu ứng này rõ
rệt hơn ở CMORPH và PERSIANN.
Từng sản phẩm mưa vệ tinh có những điểm mạnh riêng và điểm yếu riêng
của nó (Gottschalck và ccs 2005; Ebert và ccs 2007; Tian và ccs 2007, 2009;
Sapiano và Arkin 2009). Ví dụ, TRMM 3B42 có sự kết hợp từ nhiều nguồn dữ liệu
đo mưa toàn cầu giúp làm giảm đáng kể những sai số hệ thống, nhưng nó có sự
chậm trễ trong khai thác số liệu do độ trễ của dữ liệu đo. Trong khi đó, CMORPH
cho các ước lượng mưa thiên thấp trên các bề mặt đất phủ băng, tuyết (Bell và ccs,

2014).
Bell và ccs (2014) cũng chỉ ra rằng, đối với các sản phẩm mưa vệ tinh toàn
cầu có độ phân giải không gian và thời gian cao đã được cung cấp bởi kết hợp số
liệu từ sóng siêu cao tần thụ động và hồng ngoại (IR): nhìn chung, kết quả xác nhận
trên đại dương là tốt nhất, và kết quả trên các vùng miền núi xấu nhất. Chất lượng
kém trên bờ biển và các đảo nhỏ do các vấn đề của phản hồi sóng siêu cao tần thụ
động (Kubota, 2009). Trong nhiều thập kỷ qua, đã có nhiều cố gắng để cải thiện ước
lượng mưa vệ tinh bằng cách xác định các lỗi đặc trưng của các sản phẩm mưa vệ
tinh thông qua việc so sánh chúng với lượng mưa quan trắc lượng mưa trực tiếp từ
mặt đất (Ebert và ccs, 1996). Ước lượng lượng mưa từ vệ tinh đại diện cho tỷ lệ
lượng mưa trung bình trên khu vực kích thước tương đương với độ phân giải thiết bị
trong khi lượng mưa đo được từ thiết bị mặt đất đại diện cho khu vực xung quanh
nó (Olson, 1989). Thông tin đo đạc từ một số các vệ tinh trên quỹ đạo hiện nay

12


được sử dụng để tính toán và đưa ra bản đồ lượng mưa toàn cầu. Các dữ liệu từ vệ
tinh được tính trung bình nhiều lần để đưa ra một số thông tin về lượng mưa trung
bình cho mỗi khu vực. Các phương pháp được sử dụng tính toán ước lượng lượng
mưa khá gián tiếp. Trong khi phương pháp đo lượng mưa trực tiếp trên mặt đất
được tiến hành trên một khu vực nhỏ, các sai số trong đo mưa được hiểu khá rõ. Do
đó, ngoại trừ hạn chế độ bao phủ thì đo mưa trực tiếp rất lý tưởng cho việc kiểm tra
ước lượng vệ tinh.
Có nhiều nguồn số liệu mưa vệ tinh khác nhau, trong đó số liệu mưa GSMaP
có độ phân giải cao về không gian và thời gian. Dự án GSMaP được thành lập bởi
Cơ quan Khoa học và Công nghệ Nhật Bản vào năm 2002 để đưa ra sản phẩm
lượng mưa toàn cầu với độ phân giải và độ chính xác cao từ nguồn số liệu vệ tinh
(Ushio và ccs, 2009). GSMaP cung cấp ước tính lượng mưa hàng giờ với độ phân
giải 0,1 độ kinh độ 0,1 độ vĩ độ trên toàn thế giới, trừ diện tích cực bên ngoài 60 độ

về phía bắc và phía nam bằng cách phân tích một cách toàn diện dữ liệu từ vệ tinh
đo bức xạ kế bằng sóng siêu cao tần bao gồm dữ liệu IR (Okamoto và ccs năm
2007; Kubota và ccs, 2007; Seto và ccs, 2012). Các kỹ thuật được sử dụng để tạo ra
GSMaP được mô tả bởi Ushio và ccs (2009). Từ năm 2007, các hoạt động của dự án
GSMaP được điều phối bởi Nhóm Khoa học Nhiệm vụ Đo mưa của Cơ quan hàng
không vũ trụ JAXA Nhật Bản. Trong các sản phẩm cung cấp bởi dự án GSMaP có
nguồn số liệu gần thời gian thực GSMaP_NRT (khoảng 4 giờ sau quan trắc) và bộ
số liệu “tái phân tích” GSMaP_MVK.
GSMaP_MVK là một trong những sản phẩm của dự án GSMaP.
GSMaP_MVK là sản phẩm ước lượng mưa bề mặt với độ phân giải 0,1 độ và độ
phân giải thời gian 1 giờ, sản phẩm sử dụng kỹ thuật lọc Kalman và phân tích
vector di chuyển đám mây. GSMaP_NTR là sản phẩm gần thời gian thực phiên bản
gần với sản phẩm GSMaP_MVK.Sản phẩm GSMaP_MVKđã đạt được một số điểm
tương đương với CMORPH và các sản phẩm TRMM 3B42 (Ushio, 2009). Theo
Veerakachen (2014), khi nghiên cứu trên lưu vực sông Chaophraya của Thái Lan,
giai đoạn 2009-2010, ở quy mô hàng ngày, cả hai loại GSMaP_NRT/GSMaP_MVK

13


thực hiện tốt trong mùa mưa, GSMaP_NRT có xu hướng ước tính thấp trong khi
GSMaP_MVK ước tính hơi cao tỷ lệ mưa, với hệ số tương quan so với số liệu quan
trắc bề mặt là 0.70 và 0.75. GSMaP_NRT được xem là tốt nhưng chưa đủ cho các
ứng dụng giám sát lượng mưa gần thời gian thực; trong khi GSMaP_MVK phù hợp
với các nghiên cứu khí hậu. Các sản phẩm GSMaP_MVK được giới thiệu và chứng
minh có hiệu quả đối với một số ứng dụng như hệ thống cảnh báo lũ quét (Ushio,
2013). Các sản phẩm mưa vệ tinh GSMaP_MVK và TRMM 3B42 khi nghiên cứu
trên khu vực Ấn Độ, có thể đại diện cho lượng mưa gió mùa với quy mô không gian
lớn (nhưng vẫn chưa tốt ở một số khu vực), bắt được biến trình năm của lượng mưa
gió mùa trung bình; tuy nhiên GSMaP cho thấy tính thiên thấp so với số liệu mưa

đo được của Cục khí tượng Ấn Độ. Trong giai đoạn bùng nổ gió mùa, sản phẩm
GSMaP có độ tin cậy thấp hơn của TRMM 3B42 trên khu vực Ấn Độ (Prakash,
2015). Theo Ngo-Duc và ccs (2013), GSMaP_MVK thể hiện khá tốt chế độ mưa
theo hai mùa chính trong toàn bộ Việt Nam nhưng chất lượng lại thấp trên khu vực
miền Trung Việt Nam, đặc biệt là ở các vùng miền núi ven biển. Bên cạnh đó, khi
xem xét cùng số liệu APHRODITE, số liệu APHRODITE thể hiện mối tương quan
với số liệu quan trắc là tương đối cao, trong khi GSMaP_MVK lại cho giá trị thấp
hơn trong khu vực nghiên cứu.
Theo Tian và ccs (2010), các đánh giá cho thấy rằng GSMaP làm tốt trong
việc nắm bắt phân bố không gian của lượng mưa, đặc biệt là vào mùa hè và nó cho
ước lượng lượng mưa ở phía đông tốt hơn lượng mưa phía tây lãnh thổ Mỹ. Để làm
cơ sở cho các ứng dụng GSMaP, việc xem xét khả năng biểu diễn của số liệu tốt
cũng như chưa tốt là điều rất quan trọng. Tuy nhiên, các đánh giá có được chủ yếu
giới hạn trên Nhật Bản (Ushio và ccs 2009; Kubota và ccs 2009). Nghiên cứu chi
tiết hơn các khu vực khác còn thiếu, đặc biệt là các phân tích về khả năng biểu diễn
không gian và thời gian của GSMaP trên khu vực nhiệt đới gió mùa, trong đó có
Việt Nam.
Endo và ccs (2009) khi phân tích số liệu mưa ngày ở các nước Đông Nam Á
trong giai đoạn 1950-2000, cho rằng số ngày ẩm ướt được xác định có lượng mưa

14


trên 1mm có xu hướng giảm dần, cường độ mưa trung bình trong những ngày ẩm
ướt lại có xu hướng ngày càng tăng. Các tác giả cũng chỉ ra rằng, trong giai đoạn
nghiên cứu, mưa lớn giảm ở phía bắc Việt Nam, trong khi mưa lớn lại tăng lên ở
phía nam Việt Nam.
Yokoi và ccs(2007) cho rằng ở phía bắc Việt Nam, tháng mưa chính là tháng
mười, trong khi đó ở phần phía nam là tháng mười một, tháng mười hai. Nói cách
khác, khu vực mưa lớn dịch chuyển xuống phía nam từ khu vực phía bắc trong

tháng chín đến phía nam vào tháng mười hai. Yokoi và Matsumoto (2008) cũng cho
thấy thêm rằng mùa mưa chính ở khu vực miền Trung khoảng tháng mười – tháng
mười một, còn được gọi là giai đoạn chuyển tiếp từ gió mùa mùa hè đến gió mùa
mùa đông. Trên vùng biển Biển Đông, gió mùa mùa hè với hướng tây nam thịnh
hành rút lui vào tháng chín, tiếp theo là sự xuất hiện của gió mùa đông bắc xung
quanh vĩ độ 20°N vào đầu tháng mười. Những cơn gió mùa đông bắc thổi vào phía
đông bán đảo Đông Dương bị chặn lại bởi dãy Trường Sơn, mang lại lượng mưa gió
mùa qua các quá trình mưa địa hình. Trục gió mùa đông bắc sau đó chuyển xuống
phía nam xung quanh vĩ độ 10°N vào tháng mười hai với các khu vực lượng mưa
tối đa tại Việt Nam.
Bờ biển phía đông của Việt Nam kéo dài hơn 2.000 km, các hệ thống thời tiết
và khí hậu dọc theo bờ biển này bị chi phối bởi các hệ thống gió mùa. Phân tích sự
biến động hàng năm của lượng mưa đo bởi Tổ chức Khí tượng Thế giới (WMO)
trạm mặt đất dọc theo bờ biển Việt Nam,Chen và ccs (2012a) nhận thấy rằng mùa
mưa gió mùa thể hiện ba chế độ: 1) một chế độ mùa hè ở miền Bắc, 2) chế độ mùa
thu khu vực miền Trung, và 3) một sự kết hợp của cả hai chế độ (tháng năm – tháng
mười một) ở phía nam. Tại miền Trung Việt Nam, một số nhiễu động gây mưa có
thể phát triển thành các hiện tượng mưa lớn/lũ. Nguyên nhân của những sự kiện này
đã được giải thích từ hai quan điểm: 1) sự biến đổi giữa các năm của lượng mưa
mùa thu muộn và 2) cơ chế hình thành/phát triển của các sự kiện mưa lớn/lũ.
Yokoi và Matsumoto (2008) lập luận rằng cùng tồn tại một sóng lạnh và áp
thấp nhiệt đới phía đông là điều kiện cần thiết tạo ra lượng mưa lớn ở miền Trung

15


Việt Nam. Chen và ccs (2012a) ước tính hai phần ba lượng mưa mùa thu muộn ở
miền Trung Việt Nam được đóng góp bởi các sự kiện mưa lớn/lũ.
Để có cơ sở hơn trong việc ứng dụng sản phẩm mưa vệ tinh GSMaP trên khu
vực Việt Nam, trong luận văn này, sẽ nghiên cứu và đánh giá số liệu GSMaP trên

khu vực Việt Nam nói chung và trên trên từng khu vực cụ thể ở Việt Nam nói riêng,
cùng với quy mô không gian, quy mô thời gian và những biến đổi kèm theo các chế
độ khí hậu, chu trình năm, chu trình mùa của lượng mưa cũng như một số yếu tố
cực trị và một số sự kiện mưa lớn điển hình. Nghiên cứu này góp phần vào sự hiểu
biết toàn diện hơn về khả năng biểu diễn của GSMaP và tác động tiềm năng của nó
trên các ứng dụng khí tượng. Để có được một cái nhìn tốt hơn, sâu sắc hơn về sản
phẩm mưa vệ tinh GSMaP, luận văn này đánh giá GSMaP song song với số liệu
mưa quan trắc tại trạm và số liệu mưa APHRODITE.
1.2 Những nghiên cứu trong nước
Hệ thống radar thời tiết trên mặt đất cũng là một cách thay thế để cung cấp
dữ liệu thời gian thực trong đợt mưa. Việc sử dụng, lắp đặt mạng lưới radar dày đặc
khó khả thi vì chi phí, cơ sở hạ tầng, công nghệ cũng như ảnh hưởng bởi địa hình
(Tạ Văn Đa, 2012). Với tình hình ở Việt Nam, mạng lưới radar thời tiết có 7 trạm
với 8 radar đang hoạt động khá ổn định, nhưng số liệu từ radar thời tiết chưa được
khai thác hết theo tiềm năng (Phùng Kiến Quốc, 2013). Việc đo mưa bằng radar thời
tiết ở Việt Nam còn một số điểm về mặt kỹ thuật chưa được giải quyết thỏa đáng
dẫn đến chất lượng các thông tin về mưa từ radar thời tiết chưa cao nên hiệu quả
khai thác sử dụng còn nhiều hạn chế (Tạ Văn Đa, 2012).
Ngô Đức Thành và Phan Văn Tân (2012) đã đánh giá xu thế biển đổi của 7
yếu tố khí tượng trong giai đoạn 1961-2007 trên khu vực Việt Nam bằng cách sử
dụng phương pháp kiểm nghiệm phi tham số Mann-Kendall và phương pháp ước
lượng xu thế của Sen. Kết quả chỉ ra rằng, ở phía bắc vĩ tuyến 17 lượng mưa giảm
trong khi ở phía nam lượng mưa lại có xu hướng tăng lên.
Vũ Thanh Hằng và ccs (2009) khi nghiên cứu trong giai đoạn 1961-2007, sử
dụng số liệu lượng mưa ngày tại các trạm quan trắc trên bảy vùng khí hậu khu vực

16


Việt để xác định xu thế biến đổi của lượng mưa ngày cực đại. Kết quả chỉ ra, trong

giai đoạn nghiên cứu, hầu hết trên cả nước đều thể hiện xu thế tăng của lượng mưa
ngày cực đại, đặc biệt tăng mạnh trong những năm gần đây. Trong các giai đoạn nhỏ
khác nhau thì có xu thế biến đổi khác nhau, giai đoạn ngắn thì xu thế tăng/giảm
không đồng nhất giữa các vùng khí hậu.
Bùi Thị Khánh Hòa và ccs (2010) đã sử dụng nguồn số liệu mưa tại 58 trạm
khí tượng trên bảy vùng khí hậu, kết hợp với các nguồn số liệu toàn cầu và khu vực
có định dạng netcdf như: ERA40, NCEP/NCAR, NCC, TRMM, APHRODITE; số
liệu độ phản hồi vô tuyến từ các radar thời để xác định, ước lượng mưa và đưa ra
những đánh giá ban đầu của tác giả về chất lượng của các nguồn số liệu này. Khi
đánh giá các nguồn số liệu đối với trận mưa ngày 10/09/2000, kết quả cho thấy, hầu
hết các nguồn số liệu trên đều bắt được tương đối chính xác sự kiện mưa này nhưng
nguồn số liệu APHRODITE, độ phân giải 0,25 0 phù hợp nhất cho khu vực Việt
Nam.
Nguyễn Khánh Vân (2012) đã cho thấy rằng, những vùng khí hậu như Tây
Bắc, Đông Bắc, Đồng bằng Bắc Bộ, Tây Nguyên, Nam Bộ với chế độ mưa mùa hè
chủ yếu do gió mùa tây nam thì Bắc Trung Bộ và Nam Trung Bộ lượng mưa do gió
mùa đông bắc chi phối là chính. Do sự kết hợp giữa các tác nhân gây mưa và địa
hình, địa thế khu vực, mùa mưa ở Bắc Trung Bộ bao gồm mùa mưa Tiểu mãn (từ
giữa tháng năm đến tháng sáu) và mùa mưa chính vụ (từ tháng tám đến tháng mười
một, mười hai). Trong mùa mưa có tổng lượng mưa cao, số ngày mưa nhiều mà khu
vực này còn tập trung rất nhiều ngày mưa lớn (≥ 50mm/ngày) và mưa rất lớn (≥
100mm/ngày) thành từng đợt. Dọc khu vực miền Trung nước ta, dải Trường Sơn có
hướng Tây Bắc – Đông Nam hình thành nên bức tường chắn ở phía tây khu vực
này. Ngoài hướng thống trị Tây Bắc – Đông Nam của dãy núi lớn, một số nơi cũng
phát triển các dãy núi chạy ngang ra biển như Hoành Sơn và Bạch Mã, chính những
dãy núi này kết hợp với dải núi chính (Trường Sơn) theo hướng Tây Bắc – Đông
Nam đã tạo nên những trung tâm mưa lớn trong vùng nghiên cứu. Nam Trung Bộ
với đường bờ biển hướng vuông góc với chuyển động của các khối không khí giàu

17

ẩm từ Biển Đông tràn vào (thường xuất hiện cuối mùa thu, đầu mùa đông), cộng
hưởng với điều kiện địa hình làm tăng chuyển động thăng gây nên các khu vực có
mưa địa hình và hệ quả là sự dịch chuyển của mùa mưa dần sang cuối thu đầu đông
ở ven biển Trung Bộ (mùa mưa không điển hình cho vùng nhiệt đới).
Không chỉ ứng dụng trong khí tượng, mà những năm gần đây, Ủy hội quốc tế
sông Mê Công không ngừng phát triển và đã sử dụng số liệu mưa vệ tinh vào công
tác dự báo lũ và đã cho kết quả dự báo có độ chính xác cao hơn. Nguyễn Thanh Sơn
và ccs (2015) đã giới thiệu các nguồn số liệu mưa vệ tinh trong đó có số liệu
GSMaP phục vụ mô phỏng, dự báo dòng chảy đang được áp dụng trong hệ thống dự
báo, cảnh báo lũ sông Mê Công và bước đầu đã có các kết quả nhất định.
1.3 Sản phẩm mưa vệ tinh GSMaP
Dự án GSMaP được thành lập bởi Cơ quan Khoa học và Công nghệ Nhật
Bản vào năm 2002 để sản xuất sản phẩm lượng mưa toàn cầu với độ phân giải và độ
chính xác cao. Dự án cung cấp ước tính tỷ lệ mưa hàng giờ với độ phân giải 0,1 độ
kinh độ 0,1 độ vĩ độ cho toàn thế giới, trừ diện tích cực bên ngoài 60 độ về phía bắc
và phía nam bằng cách phân tích một cách toàn diện dữ liệu từ vệ tinh đo bức xạ kế
bằng sóng siêu cao tần bao gồm dữ liệu IR (Okamoto và ccs 2007; Kubota và ccs
2007; Seto và ccs, 2012). Các kỹ thuật được sử dụng để tạo ra GSMaP được mô tả
bởi Ushio và ccs (2009).

18


Hình 1.1 Thành phần các sản phẩm của GSMaP (Okamoto và ccs, 2011)
Hình 1.1 cho thấy các sản phẩm cơ bản của dự án GSMaP như
GSMaP_MWR, GSMaP_MV, GSMaP_MVK. Sản phẩm GSMaP_MWR ước lượng
lượng mưa toàn cầu bằng thuật toán đo phản hồi độ chói từ các vệ tinh bức xạ kế
sóng siêu cao tần (Okamoto và ccs, 2007; Okamoto và ccs, 2011) với độ phân giải

0.25 độ. GSMaP_MVK thu được từ GSMaP_MWR khi sử dụng kỹ thuật phân tích
vector di chuyển đám mây IR và kỹ thuật lọc Kalman (Ushio và ccs, 2009), với độ
phân giải 0,1 độ. Các phiên bản phân tích lại của GSMaP_MVK được xử lý với các
phép đo bổ sung và bằng cách sử dụng các thuật toán mới nhất (phiên bản 5.222.1)
và có sẵn trong gần 11 năm, từ tháng 3 năm 2000 đến tháng 11 năm 2010 (Seto và
ccs, 2012). Do vậy, từ những ưu điểm so với các sản phẩm cơ bản khác trong dự án
GSMaP mà tác giả sử dụng số liệu GSMaP_MVK trong luận văn này.
1.4 Đặc điểm mùa mưa ở Việt Nam
Theo Nguyễn Đức Ngữ (1998) mùa mưa được xác định là một chuỗi tháng
liên tục, có lượng mưa trung bình tháng không dưới 100mm, trong đó tháng thứ
nhất là tháng bắt đầu, tháng có trị số lớn nhất là tháng cao điểm và tháng cuối cùng
là tháng kết thúc mùa mưa. Mùa mưa được phân bố ở các khu vực:
Tây Bắc: Mùa mưa bắt đầu vào tháng 4, tháng 5, kết thúc vào tháng 9, tháng
10, kéo dài 5 – 7 tháng.
Đông Bắc: Mùa mưa bắt đầu vào tháng 4, tháng 5, kết thúc vào tháng 9,
tháng 10, kéo dài 5 – 7 tháng.
Đồng bằng Bắc Bộ: Mùa mưa bắt đầu vào tháng 4, tháng 5, kết thúc vào
tháng 10, kéo dài 6 – 7 tháng.
Bắc Trung Bộ: Mùa mưa bắt đầu vào tháng 5, tháng 6, kết thúc vào tháng 10,
11, kéo dài 6 – 7 tháng.
Nam Trung Bộ: Mùa mưa bắt đầu vào tháng 7, tháng 9, kết thúc vào tháng
12, kéo dài 4 – 5 tháng.
Tây Nguyên: Mùa mưa bắt đầu vào tháng 4, tháng 5, kết thúc vào tháng 10,

19


tháng 11, kéo dài 6 – 8 tháng.
Nam Bộ: Mùa mưa bắt đầu vào tháng 5, kết thúc vào tháng 11, kéo dài 7
tháng.

Như vậy, trong luận văn này, mùa mưa ở các khu vực trên được dùng tham
khảo cho việc đánh giá khả năng phân bố mưa theo không gian và thời gian của
GSMaP.
1.5 Mưa cực trị
Những đợt mưa lớn kéo dài là một trong những nguyên nhân gây ra lũ lụt,
ngập úng ảnh hưởng đến đời sống sinh hoạt, thậm chí còn đe dọa đến tính mạng con
người. Đặc biệt mưa với cường độ lớn, xảy ra trong thời gian ngắn ở những khu vực
có địa hình dốc, sông ngắn, hẹp có thể dẫn đến lũ quét, lũ ống, sạt lở đất đá và còn
có thể mang đến thảm họa khôn lường. Một số ví dụ về mưa lớn được nêu dưới đây,
sẽ là các thời điểm lựa chọn để đánh giá khả năng của nguồn số liệu mưa vệ tinh
GSMaP trong việc biểu diễn các sự kiện mưa cực trị.
Sự kiện ngày 14 – 17 tháng 5 năm 2001, một đợt mưa lớn diện rộng xảy ra
hầu như trên toàn lãnh thổ nước ta. Mưa lớn diện rộng là do hoạt động của rãnh áp
thấp có trục đi qua Trung Bộ, với một vùng áp thấp có vị trí ngoài khơi Trung Bộ,
cả hệ thống thời tiết này di chuyển dần lên phía bắc, đồng thời phía nam của nó có
sự hoạt động mạnh mẽ của gió mùa tây nam. Lượng mưa phổ biến ở phía Đông Bắc
Bộ từ 70-100mm; ở các tỉnh ven biển Trung Bộ 150-200mm (riêng tại Huế, mưa
250mm); vùng Tây Nguyên và Nam Bộ mưa phổ biến từ 60-100mm. Đây là đợt
mưa lớn, xảy ra sớm ở các tỉnh ven biển Trung Bộ. Mưa lớn gây ách tắc giao thông,
sạt lở đất nghiêm trọng (Đặc điểm khí tượng thủy văn năm 2001).
Với trận mưa lũ lịch sử miền Trung trong các ngày từ 17 – 22 tháng 9 năm 2002,
do ảnh hưởng của rìa phía bắc của dải hội tụ nhiệt đới có trục đi qua Trung Trung
Bộ và rìa phía tây nam lưỡi cao áp cận nhiệt đới kết hợp với đới gió đông nam
mạnh nên khu vực Bắc Trung Bộ có mưa, mưa vừa, mưa to đến rất to và dông
mạnh. Đặc biệt hai ngày 19 và 20 có mưa rất ro trên diện rộng ở Nghệ An, Hà Tĩnh.

20


Lượng mưa 5 ngày từ 18-22 tháng 9 phổ biến từ 60-100mm (Thanh Hóa), 200300mm (Nghệ An), từ 300-600mm (Hà Tĩnh). Trận lũ này gây thiệt hại lớn về

người và tài sản của nhân dân thuộc các sông chính của Hà Tĩnh, Nghệ An nói
chung, đặc biệt đối với nhân dân sống trong lưu vực sông Ngàn Phố nói riêng. Số
người chết lên đến 77 người và hàng trăm người bị thương (Trần Tân Tiến và ccs,
2004).
Một ví dụ khác là cơn bão số 7 năm 2005 hình thành từ vùng biển Tây Thái
Bình Dương, đêm 26 và ngày 27 tháng 9 ảnh hưởng trực tiếp đến các tỉnh từ Quảng
Ninh đến Hà Tĩnh, gió mạnh cấp 11-12, giật trên cấp 12, thời gian gió mạnh kéo dài
suốt 12 giờ (từ 1 giờ đến 13 giờ ngày 27-9). Cùng với gió to kéo dài, bão số 7 gây
mưa to đến rất to ở hầu hết các tỉnh thuộc Bắc Bộ và Bắc Trung Bộ. Tổng lượng
mưa trong hai ngày 27 và 28-9 phổ biến 100-300 mm, một số nơi hơn 400 mm, gây
lũ quét và sạt lở núi ở một số tỉnh miền núi phía bắc và Nghệ An (Bùi Minh Sơn và
ccs 2009).
Trong nghiên cứu này, tác giả muốn đề cập tới ở một khía cạnh khác là sử
dụng sản phẩm mưa vệ tinh GSMaP cùng với số liệu mưa lưới xây dựng dựa trên
các quan trắc tại mặt đất APHRODITE, mưa quan trắc tại một số trạm đại diện, từ
đó xem xét tính hiệu quả của sản phẩm GSMaP trong việc biểu diễn mưa cực trị.

21