Tổng quan về luận án

Mô phỏng và dự báo dòng chảy lũ tại các lưu vực sông xuyên biên giới luôn là thách thức cốt lõi của ngành thủy văn học hiện đại do sự thiếu hụt nghiêm trọng mạng lưới quan trắc khí tượng bề mặt. Luận án tiến sĩ kỹ thuật chuyên ngành Thủy văn học (Mã số: 9440224) của nghiên cứu sinh Nguyễn Tiến Kiên, dưới sự hướng dẫn khoa học của GS.TS. Lê Đình Thành và PGS.TS. Ngô Lê An tại Trường Đại học Thủy lợi (2023), mang tiêu đề: "Nghiên cứu khai thác dữ liệu mưa vệ tinh nâng cao chất lượng mô phỏng dòng chảy lũ khu vực thiếu số liệu trên lưu vực sông Mã". Công trình giải quyết trực diện bài toán bất đối xứng thông tin quan trắc bằng việc tích hợp công nghệ viễn thám không gian với mô hình hóa thủy văn toán học.

Khoảng trống nghiên cứu (research gap) được xác định rõ nét: Mặc dù các sản phẩm ước lượng mưa viễn thám đã phát triển mạnh, việc ứng dụng trực tiếp các sản phẩm này vào tính toán thủy văn tại các vùng địa hình chia cắt phức tạp thường dẫn đến sai số hệ thống nghiêm trọng do hiện tượng suy giảm tín hiệu vi sóng trên vùng núi cao. Cụ thể, theo báo cáo "Quy hoạch mạng lưới quan trắc tài nguyên và môi trường quốc gia" của Bộ Tài nguyên và Môi trường, mạng lưới trạm đo tại vùng thượng nguồn sông Mã và 38% diện tích lưu vực nằm trên lãnh thổ CHDCND Lào hầu như "trắng" số liệu quan trắc, với mật độ trạm chỉ đạt 1 trạm/1.183 km² đến 1 trạm/2.267 km²—thấp hơn rất nhiều so với tiêu chuẩn khuyến nghị của Tổ chức Khí tượng Thế giới (WMO) là 100–250 km²/trạm cho vùng núi.

Luận án thiết lập 2 câu hỏi nghiên cứu và 2 giả thuyết khoa học tương ứng:

  • RQ1: Làm thế nào để loại bỏ độ thiên lệch (bias) có quy luật và không có quy luật của ước lượng mưa vệ tinh GSMaP trên không gian lưu vực có độ chia cắt địa hình lớn?
  • RQ2: Việc đồng hóa chuỗi mưa vệ tinh đã hiệu chỉnh vào mô hình thủy văn dạng module tập trung kết hợp diễn toán dòng chảy có thể nâng cao độ chính xác mô phỏng đỉnh lũ và đường quá trình lũ lên ngưỡng tin cậy nào?
  • H1: Hiệu chỉnh thống kê không gian đa biến (kết hợp phân vị CDF, lân cận gần nhất NR và hồi quy vị trí trạm MLR) sẽ làm giảm sai số quân phương (RMSE) của mưa vệ tinh xuống dưới 25% so với trạm bề mặt.
  • H2: Mô hình dòng chảy sử dụng mưa vệ tinh sau hiệu chỉnh đạt hiệu số Nash-Sutcliffe ($NSE \ge 0.75$) và độ sai lệch thể tích ($|PBIAS| \le 15%$), vượt trội có ý nghĩa thống kê so với việc chỉ sử dụng mưa thực đo từ mạng lưới trạm thưa thớt.

Khung lý thuyết của nghiên cứu đặt trên nền tảng Thuyết cân bằng ẩm lưu vực (Catchment Water Balance Theory) kết hợp Lý thuyết ước lượng lượng mưa viễn thám đa kênh (Multi-satellite Quantitative Precipitation Estimation). Phạm vi nghiên cứu tập trung vào toàn bộ lưu vực dòng chính sông Mã từ thượng nguồn Điện Biên qua Lào đến trạm thủy văn Cẩm Thủy với diện tích khống chế $17.500 \text{ km}^2$ (chiếm 62,5% diện tích toàn lưu vực) trong giai đoạn lịch sử $2000 - 2012$.

Literature Review và Positioning

Các nghiên cứu quốc tế về tích hợp lượng mưa vệ tinh vào mô hình thủy văn phân hóa thành ba trường phái học thuật chính:

                                  CÁC TRƯỜNG PHÁI LÝ THUYẾT MƯA VIỄN THÁM
  1. Trường phái ứng dụng trực tiếp (Direct Input Insertion): Tiêu biểu là các công trình của Tobin và Bennett (2009), Su và cộng sự (2007), Yan Yan và cộng sự (2022). Nhóm tác giả này sử dụng trực tiếp các bộ dữ liệu viễn thám như TMPA 3B42, CMORPH-CRT, hay IMERG-final đưa thẳng vào các mô hình VIC hay SWAT. Kết quả chỉ ra rằng dữ liệu mưa vệ tinh thô luôn có xu thế đánh giá thấp (underestimate) lượng mưa đỉnh bão cực đoan, dẫn đến mô phỏng đỉnh lũ sai lệch từ 30% đến 50%.
  2. Trường phái tái hiệu chuẩn thông số mô hình (Hydrological Model Re-calibration): Nghiên cứu đột phá của Bitew và cộng sự (2012) tại lưu vực sông Koga ($299 \text{ km}^2$, Ethiopia) và Artan và cộng sự (2007) lập luận rằng cần phải hiệu chỉnh lại toàn bộ bộ thông số của mô hình thủy văn tương thích riêng với từng nguồn mưa vệ tinh đầu vào thay vì dùng bộ thông số của mưa thực đo. Tuy nhiên, phương pháp này gặp phải sự phản biện lớn về mặt học thuật do vi phạm tính bất biến vật lý của thông số mặt đệm (equifinality problem), biến thông số đất và lớp phủ thành công cụ "hứng chịu" sai số của lượng mưa.
  3. Trường phái tiền xử lý và hiệu chỉnh sai số thống kê không gian (Spatial Statistical Bias Correction): Được khởi xướng và phát triển bởi Immerzeel (2009) trên hạ lưu vực sông Mê Kông, Shrestha (2011) tại vùng Himalaya (Nepal), và Awel Haji Ibrahim và cộng sự (2022) trên lưu vực sông Bilate ($5.000 \text{ km}^2$). Quan điểm cốt lõi là bảo toàn bản chất vật lý của lưu vực bằng cách xử lý triệt để sai số của trường mưa viễn thám trước khi vận hành mô hình toán.
Tiêu chí So sánh Nghiên cứu của Bitew và nnk (2012) Nghiên cứu của Shrestha (2011) Luận án Nguyễn Tiến Kiên (2023)
Khu vực nghiên cứu Sông Koga, Ethiopia ($299 \text{ km}^2$) Vùng Himalaya, Nepal (Lưu vực Narayani) Lưu vực Sông Mã ($17.500 \text{ km}^2$ đến Cẩm Thủy)
Nguồn dữ liệu vệ tinh CMORPH, TMPA 3B42RT, PERSIANN NOAA CPC_RFE 2.0, GSMaP_MVK+ Chuỗi GSMaP độ phân giải cao ($0.1^\circ$, 1h/6h)
Cách tiếp cận sai số Hiệu chuẩn lại mô hình SWAT theo từng loại mưa Hiệu chỉnh thống kê điểm - ô lưới (Point-to-Pixel) Tích hợp thuật toán CDF + Lân cận NR + Hồi quy MLR
Quy mô không gian Tiểu lưu vực đơn nhất, đồng nhất địa hình Liên lưu vực miền núi cao, chia cắt mạnh Lưu vực sông lớn xuyên biên giới, $38%$ diện tích thiếu số liệu
Kết quả mô phỏng lũ Đỉnh lũ mô phỏng phụ thuộc lớn vào việc ép thông số Giảm sai số lượng mưa năm $30% - 48%$ $NSE$ mô phỏng lũ tăng từ $<0.50$ lên $>0.80$, bảo toàn thông số NAM

Luận án định vị chính xác tại điểm giao thoa của trường phái thứ ba: Khai thác ưu thế bao phủ không gian của sản phẩm GSMaP ($0,1^\circ \times 0,1^\circ$, bước thời gian 1 giờ đến 6 giờ do JAXA phát triển), khắc phục nhược điểm đánh giá thấp lượng mưa cực trị thông qua chuỗi giải thuật xử lý thống kê không gian đa tầng, thiết lập mô hình dòng chảy lũ có khả năng phản ánh trung thực quá trình vật lý trên lưu vực sông xuyên biên giới.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án mở rộng Lý thuyết Thủy văn học tại các vùng lưu vực thiếu số liệu (Predictions in Ungauged Basins - PUB) do Hiệp hội Khoa học Thủy văn Quốc tế (IAHS) đề xướng. Bằng chứng thực nghiệm từ lưu vực sông Mã khẳng định rằng: Sự thiếu hụt quan trắc mặt đất hoàn toàn có thể được bù đắp mà không làm méo mó các biến động thái thủy văn, thông qua quy luật truyền dẫn thông tin không gian từ các cảm biến vi ba thụ động (Passive Microwave - PMW) và hồng ngoại địa tĩnh (Geostationary IR).

                      MÔ HÌNH LÝ THUYẾT QUAN HỆ MƯA - DÒNG CHẢY TRÊN LƯU VỰC THIẾU DỮ LIỆU
  • Mệnh đề lý thuyết P1 (Spatial Bias-Variance Trade-off): Sai số của mưa vệ tinh trong các trận lũ cực đoan là một hàm phi tuyến phụ thuộc vào cường độ hội tụ ẩm và vận tốc di chuyển mây đối lưu; việc hiệu chỉnh theo từng điểm trạm đơn lẻ (Point-to-Pixel) sẽ phá vỡ tính liên tục của gradient ẩm không gian. Hiệu chỉnh kết hợp phân vị CDF và nội suy không gian lân cận (Nearest Neighbor) bảo toàn được trường năng lượng mưa thực tế.
  • Mệnh đề lý thuyết P2 (Parameter Invariance in Hydrological Transposition): Khi trường mưa viễn thám được chuẩn hóa tiệm cận phân bố mưa thực, các tham số trạng thái trữ ẩm tầng mặt ($U_{max}$), trữ ẩm tầng rễ ($L_{max}$) và hệ số dòng chảy mặt ($CQOF$) trong mô hình NAM duy trì được tính nhất quán vật lý cao nhất, bác bỏ giả thuyết cho rằng cần phải biến dạng thông số thủy văn để khớp với dữ liệu mưa sai lệch.

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp 3 trụ cột lý thuyết: (1) Lý thuyết Viễn thám Khí tượng (Satellite Quantitative Precipitation Estimation), (2) Thống kê Toán học Địa không gian (Spatial Geostatistics), và (3) Thủy văn Động lực Lưu vực (Catchment Hydrological Dynamics).

                                  KHUNG PHÂN TÍCH TỔNG HỢP CỦA LUẬN ÁN

Phương pháp tiếp cận giải quyết bài toán điều kiện biên (boundary conditions) chặt chẽ: Áp dụng giới hạn vật lý đối với lượng mưa triệt tiêu ($P_{threshold} = 0,1 \text{ mm/h}$), khống chế hiện tượng mưa giả (false alarms) do mây tầng ti bị phản xạ sai lệch trên đỉnh núi dốc, đồng thời kiểm soát biên dòng chảy ngầm và bổ cập thông qua các điều kiện ban đầu của tầng ẩm trước mỗi chuỗi lũ lớn.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Luận án tuân thủ nghiêm ngặt quan điểm nhận thức luận thực chứng hậu kỳ (Post-positivism), kết hợp thiết kế nghiên cứu định lượng thực nghiệm đa tầng (Multi-level Quantitative Experimental Design). Cấu trúc không gian được module hóa chi tiết trên lưu vực sông Mã:

  • Phân chia toàn bộ $17.500 \text{ km}^2$ lưu vực thành các tiểu lưu vực đồng nhất về mặt thủy lực (Xã Là, Hồi Xuân, Bá Thước, Cẩm Thủy, Cửa Đạt, Bái Thượng).
  • Không gian hóa dữ liệu mưa thành các ô lưới (grid cells) kích thước $0,1^\circ \times 0,1^\circ$ (~$11 \text{ km} \times 11 \text{ km}$).
  • Thiết lập chuỗi thời gian phân giải cao: bước tính toán 1 giờ và 6 giờ, phục vụ trực tiếp yêu cầu cảnh báo lũ khẩn cấp.

Quy trình nghiên cứu rigorous

Quy trình nghiên cứu được thực hiện qua 4 pha kiểm soát chất lượng chuẩn tắc:

PHA 1: THU THẬP & TIỀN XỬ LÝ
- Trích xuất dữ liệu GSMaP (JAXA) dạng lưới binary / NetCDF độ phân giải 0.1°.
- Đồng bộ hóa dữ liệu 24 trạm mưa bề mặt và 6 trạm thủy văn dòng chảy (2000 - 2012).
PHA 2: ĐÁNH GIÁ ĐỘ SAI LỆCH VỆ TINH GỐC (BENCHMARKING)
- Tính toán các chỉ số xác suất: Xác suất phát hiện ($POD$), Tỷ lệ cảnh báo sai ($FAR$), Chỉ số đe dọa ($CSI/ETS$).
- Phân tích tương quan ($R, R^2$), Sai số quân phương ($RMSE$), Sai số tuyệt đối ($MAE$), Độ lệch tương đối ($PBIAS$).
PHA 3: THIẾT LẬP THUẬT TOÁN HIỆU CHỈNH SAI SỐ THỐNG KÊ
- Thuật toán 1: Tỷ lệ tuyến tính (Linear Scaling - LS) theo tháng/chuỗi.
- Thuật toán 2: Phân vị tần suất tích lũy (Cumulative Distribution Function - CDF).
- Thuật toán 3: Phương pháp lân cận gần nhất (Nearest Neighbor - NR).
- Thuật toán 4: Hiệu chỉnh hồi quy vị trí trạm thực tế (Multiple Linear Regression - MLR).
PHA 4: MÔ HÌNH HÓA THỦY VĂN & KIỂM ĐỊNH HIỆU QUẢ DÒNG CHẢY
- Thiết lập mô hình NAM kết hợp truyền lũ Muskingum cho 8 trận lũ lịch sử đặc biệt lớn.
- Đánh giá chéo chất lượng mô phỏng thông qua chỉ số hiệu quả Nash-Sutcliffe ($NSE$) và phần trăm sai số thể tích ($PBIAS$).

Quy trình tam giác đạc dữ liệu (Data Triangulation) được thiết lập giữa: (1) Số liệu mưa trạm Synop bề mặt, (2) Dữ liệu ước lượng mưa viễn thám GSMaP, và (3) Quá trình lưu lượng dòng chảy thực đo tại các trạm khống chế Cẩm Thủy, Xã Là, Cửa Đạt.

Độ tin cậy của thuật toán hiệu chỉnh được bảo chứng qua kiểm định mức độ tương thích hàm phân bố xác suất Gamma và phi tham số, với độ tin cậy thống kê $\alpha = 0,05$.

Data và phân tích

Nguồn dữ liệu sử dụng trong luận án có độ tin cậy và chiều sâu lịch sử lớn:

  • Dữ liệu khí tượng bề mặt: Chuỗi số liệu đo mưa thực tế tại 24 trạm quan trắc trên lưu vực sông Mã và vùng lân cận (Tuần Giáo, Điện Biên, Sông Mã, Xã Là, Mường Lát, Hồi Xuân, Bá Thước, Cẩm Thủy, Bái Thượng, Cửa Đạt, Xuân Khánh,...).
  • Dữ liệu thủy văn: Chuỗi lưu lượng mực nước quan trắc thực tế tại các trạm Cẩm Thủy, Xã Là, Cửa Đạt.
  • Tập mẫu kiểm định mô hình: 8 trận lũ lớn điển hình được lựa chọn có biên độ lũ tại trạm Cẩm Thủy $>2\text{m}$, sinh ra từ các hình thế thời tiết khắc nghiệt:
    1. Trận lũ lịch sử từ 01/VIII đến 31/X/2000.
    2. Trận lũ từ 15/VI đến 15/IX/2002.
    3. Trận lũ từ 01/VII đến 30/IX/2003.
    4. Trận lũ từ 01/VII đến 15/X/2005.
    5. Trận lũ từ 01/VII đến 30/IX/2006.
    6. Trận lũ đặc biệt lớn từ 01/VIII đến 31/X/2007 (bão số 5, lượng mưa tích lũy 400–600 mm).
    7. Trận lũ từ 01/VIII đến 15/XI/2008.
    8. Trận lũ từ 15/VI đến 15/X/2012.

Bộ công cụ phân tích bao gồm: Phần mềm thủy văn NAM tích hợp module Muskingum, Hệ thống Phân tích Lũ tổng hợp IFAS (do PWRI/ICHARM phát triển), công cụ GIS địa không gian và các đoạn mã xử lý dữ liệu ma trận lưới viễn thám.

Phát hiện đột phá và implications

Những phát hiện then chốt

      SO SÁNH ĐỘ CHÍNH XÁC MÔ PHỎNG DÒNG CHẢY LŨ TẠI CẨM THỦY THEO CÁC NGUỒN MƯA ĐẦU VÀO
        Mưa GSMaP Thô        Mưa Thực Đo Trạm Thưa          Mưa Sau Hiệu Chỉnh (MLR/NR)
        (GSMaP_NRT Raw)      (Sparse Gauge Network)         (Luận án đề xuất)
         NSE: 0.18 - 0.45       NSE: 0.58 - 0.72                NSE: 0.81 - 0.89
        PBIAS: -35% đến -50%   PBIAS: ±18% đến ±25%            PBIAS: -2.4% đến +8.6%
  1. Phát hiện 1: Quy luật sai lệch có hệ thống của mưa vệ tinh GSMaP thô tại vùng núi: Dữ liệu GSMaP_NRT thô luôn đánh giá thấp lượng mưa thực tế trong các đợt mưa lớn do hoàn lưu bão và dải hội tụ nhiệt đới ($ITCZ$) từ 30% đến 48%. Khi đưa trực tiếp GSMaP_NRT thô vào mô hình NAM, chỉ số hiệu quả $NSE$ mô phỏng lũ tại Cẩm Thủy chỉ đạt giá trị từ $0,18$ đến $0,45$, với sai số thể tích đỉnh lũ ($PBIAS$) âm sâu tới $-35%$ đến $-50%$, hoàn toàn không thể sử dụng cho cảnh báo thiên tai.
  2. Phát hiện 2: Sự vượt trội của phương pháp hiệu chỉnh không gian đa biến (MLR và NR): Sau khi áp dụng các giải pháp hiệu chỉnh sai số thống kê, chất lượng trường mưa được cải thiện rõ rệt. Cụ thể:
    • Sai số trung bình giữa mưa mô phỏng và thực đo giảm từ $>15,4 \text{ mm/6h}$ xuống $<3,8 \text{ mm/6h}$.
    • Phương pháp hiệu chỉnh theo vị trí trạm (MLR) và lân cận gần nhất (NR) kết hợp lưới vệ tinh đem lại kết quả tối ưu nhất, tái lập chính xác tâm mưa tại các vùng đón gió Bá Thước - Quan Hóa và Thường Xuân.
  3. Phát hiện 3: Nâng cao đột phá chất lượng mô phỏng dòng chảy lũ sông Mã: Mô phỏng 8 chuỗi lũ lớn giai đoạn 2000–2012 bằng mô hình NAM với đầu vào là mưa GSMaP sau hiệu chỉnh đã đạt kết quả vượt bậc:
    • Tại tuyến trạm khống chế trung lưu Cẩm Thủy ($17.500 \text{ km}^2$): Hệ số $NSE$ đạt từ $0,81$ đến $0,89$ (xếp loại Rất tốt theo tiêu chuẩn Moriasi et al.), hệ số $PBIAS$ dao động chặt chẽ trong khoảng $-2,4%$ đến $+8,6%$.
    • Tại tuyến thượng lưu Xã Là ($6.430 \text{ km}^2$): Hệ số $NSE$ tăng từ mức không sử dụng được ($<0,30$) lên $0,76 - 0,84$.
    • Tại tuyến trạm Cửa Đạt trên sông Chu: $NSE$ đạt trung bình $0,82$.
  4. Phát hiện 4: Mô phỏng chính xác pha và đỉnh lũ ($Q_{max}$, $T_p$): Trường mưa vệ tinh hiệu chỉnh giúp tái tạo xuất sắc thời gian xuất hiện đỉnh lũ (sai số đỉnh $T_p \le 3 \text{ giờ}$) và mô phỏng chính xác dung tích lũ tổng cộng, loại bỏ hoàn toàn hiện tượng "mô phỏng sót đỉnh" vốn thường xuyên xảy ra khi chỉ nội suy mưa từ các trạm thực đo mặt đất phân bố lệch ở hạ lưu.

Implications đa chiều

  • Về mặt Lý luận Thủy văn: Xác lập cơ chế kết hợp thông tin viễn thám - thực đo trong việc giải quyết bài toán thủy văn lưu vực xuyên biên giới, đóng góp minh chứng thực nghiệm cho chương trình PUB quốc tế.
  • Về mặt Phương pháp luận: Cung cấp một quy trình công nghệ chuẩn hóa từ giải mã dữ liệu vệ tinh, lọc nhiễu, hiệu chỉnh không gian đến liên kết mô hình dòng chảy có thể chuyển giao cho các lưu vực sông tương tự tại miền Trung và Tây Bắc Việt Nam (sông Cả, sông Ba, sông Vu Gia - Thu Bồn).
  • Về mặt Thực tiễn và Quản lý Thiên tai:
    • Trực tiếp tháo gỡ điểm nghẽn "mù thông tin" khí tượng tại 38% diện tích lưu vực sông Mã trên lãnh thổ Lào ($10.792 \text{ km}^2$).
    • Cho phép nâng thời gian dự báo cảnh báo sớm lũ lớn tại hạ du Thanh Hóa lên trước từ 12 đến 24 giờ với độ tin cậy vượt trội.
  • Về mặt Chính sách: Cung cấp cơ sở khoa học vững chắc để Trung tâm Dự báo Khí tượng Thủy văn Quốc gia và Ban Chỉ đạo Quốc gia về Phòng, chống Thiên tai tích hợp nguồn mưa vệ tinh thời gian thực (GSMaP_NOW, GSMaP_NRT) vào quy trình vận hành liên hồ chứa trên lưu vực sông Mã (hồ Hủa Na, Cửa Đạt, Trung Sơn).

Limitations và Future Research

Luận án chỉ ra 3 giới hạn nghiên cứu mang tính khách quan:

  1. Độ trễ và giới hạn vật lý của cảm biến vệ tinh: Các sản phẩm mưa chất lượng cao như GSMaP_MVK có độ trễ truyền dữ liệu từ 3 đến 4 ngày, do đó chỉ phù hợp cho nghiên cứu tái phân tích và đánh giá tài nguyên; trong khi sản phẩm thời gian thực GSMaP_NRT/NOW có độ phân giải thời gian cao nhưng độ nhiễu tín hiệu còn lớn trong điều kiện bão di chuyển với tốc độ $>30 \text{ km/h}$.
  2. Thiếu vắng số liệu kiểm chứng mặt đất phía Lào: Do 38% diện tích lưu vực thuộc Lào hoàn toàn không có trạm đo mặt đất khả dụng, việc đánh giá trường mưa sau hiệu chỉnh ở thượng nguồn chủ yếu được thẩm định gián tiếp qua lưu lượng dòng chảy tại tuyến trạm biên giới và trạm thủy văn khống chế, chưa thể đối soát trực tiếp từng điểm đo mặt đất.
  3. Mô hình thủy văn dạng module tập trung (Lumped NAM): Mô hình NAM tuy đơn giản và hiệu quả cao về mặt tính toán tác nghiệp nhưng chưa mô tả chi tiết dòng chảy tràn 2 chiều trên từng bề mặt vi địa hình như các mô hình thủy lực phân bố hoàn toàn (Fully Distributed Models).

Chương trình nghiên cứu 5–10 năm tới (Future Research Agenda):

  • Ứng dụng trí tuệ nhân tạo (Deep Learning, mạng nơ-ron tích chập ConvLSTM) để tự động hóa quá trình hiệu chỉnh sai số không gian thời gian thực giữa GSMaP và radar thời tiết.
  • Mở rộng tích hợp nguồn dữ liệu mưa thế hệ mới từ chùm vệ tinh GPM (sản phẩm IMERG Version 06/07) kết hợp vệ tinh Himawari-8/9.
  • Thử nghiệm liên kết mô hình mưa vệ tinh hiệu chỉnh với các mô hình thủy lực 2D (MIKE 21, HEC-RAS 2D) để xây dựng bản đồ ngập lụt động lực học thời gian thực cho hạ lưu sông Mã.
  • Xây dựng cơ chế trao đổi và chia sẻ dữ liệu thủy văn xuyên biên giới tự động trong khuôn khổ Ủy hội sông Mê Kông mở rộng.

Tác động và ảnh hưởng

Nghiên cứu tạo nên những tác động tích cực trên nhiều phương diện:

  • Tác động Học thuật: Mở ra hướng tiếp cận chuẩn mực cho các nghiên cứu sinh, học viên cao học ngành Thủy văn học, Viễn thám và Biến đổi khí hậu trong việc khai thác dữ liệu không gian lớn (Big Earth Data). Các công bố khoa học từ luận án trên các tạp chí chuyên ngành uy tín (Tạp chí Khoa học và Công nghệ Thủy lợi, Tạp chí Khí tượng Thủy văn) đóng góp quan trọng vào chỉ số trích dẫn của ngành.
  • Hiện đại hóa Công nghệ Dự báo: Chuyển đổi phương thức dự báo thủy văn truyền thống (vốn phụ thuộc hoàn toàn vào trạm đo bề mặt) sang mô hình số hóa hiện đại tích hợp viễn thám không gian.
  • Lợi ích Kinh tế - Xã hội: Cảnh báo sớm các trận lũ quét, ngập lụt lịch sử tại các huyện miền núi Quan Hóa, Bá Thước, Cẩm Thủy và vùng đồng bằng Thanh Hóa, giảm thiểu thiệt hại về người và tài sản lên tới hàng trăm tỷ đồng mỗi năm, tối ưu hóa quy trình điều tiết cắt lũ của các công trình thủy điện lớn.

Đối tượng hưởng lợi

  • Nghiên cứu sinh & Nhà khoa học Thủy văn: Kế thừa khung phương pháp luận hiệu chỉnh thống kê không gian và bộ thông số mô hình NAM - Muskingum đã được chuẩn hóa trên lưu vực sông Mã.
  • Chuyên viên Dự báo Khí tượng Thủy văn: Ứng dụng trực tiếp quy trình tiền xử lý mưa GSMaP vào hệ thống tác nghiệp dự báo lũ hàng ngày tại Trung tâm Dự báo KTTV Quốc gia và Đài KTTV khu vực Bắc Trung Bộ.
  • Cơ quan Quản lý Vận hành Hồ chứa: Các nhà máy thủy điện Trung Sơn, Hủa Na, hồ chứa Cửa Đạt có thêm công cụ định lượng lượng nước đổ về hồ trước 24–48 giờ để lập kế hoạch xả lũ và tích nước an toàn.
  • Chính quyền địa phương & Ban Chỉ huy PCTT các cấp: Nâng cao năng lực ứng phó thiên tai khẩn cấp, bảo vệ an toàn tính mạng cho hơn 3,6 triệu người dân sinh sống trên lưu vực sông Mã.

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của luận án là gì và mở rộng lý thuyết nào?
Luận án mở rộng trực tiếp Lý thuyết Thủy văn học lưu vực thiếu số liệu (PUB Paradigm) bằng việc chứng minh rằng: Cơ chế bù trừ thông tin không gian từ cảm biến vệ tinh GSMaP kết hợp giải thuật chuẩn hóa phân vị tần suất lũy tích (CDF) và hồi quy lân cận (NR/MLR) cho phép duy trì tính toàn vẹn vật lý của các tham số mặt đệm trong mô hình dòng chảy NAM, chấm dứt tình trạng phải "ép" thông số mô hình một cách khiên cưỡng để bù đắp sai số mưa đầu vào.

2. Đột phá phương pháp luận của luận án so với các nghiên cứu quốc tế trước đây?
So với nghiên cứu của Shrestha (2011) (chỉ hiệu chỉnh điểm - ô lưới) hay Bitew và nnk (2012) (thay đổi thông số mô hình SWAT), luận án phát triển quy trình hiệu chỉnh không gian đa tầng tích hợp cấu trúc lưới $0,1^\circ$, xử lý triệt để hiện tượng suy giảm tín hiệu viễn thám trên vùng núi cao hiểm trở, đảm bảo tính liên tục của trường mưa khi đưa vào mô hình thủy văn lưu vực quy mô lớn ($17.500 \text{ km}^2$).

3. Phát hiện thực nghiệm nào gây bất ngờ nhất trong quá trình tính toán?
Dữ liệu GSMaP_NRT thô có xu hướng đánh giá thấp tổng lượng mưa trong các cơn bão mạnh tới $48%$, nhưng sau khi qua thuật toán hiệu chỉnh không gian của luận án, độ sai lệch thể tích dòng chảy lũ ($PBIAS$) tại Cẩm Thủy được thu hẹp từ $-35%$ xuống chỉ còn $-2,4%$ đến $+8,6%$, đồng thời hệ số $NSE$ tăng vọt từ mức không chấp nhận được ($0,18$) lên mức xuất sắc ($0,89$).

4. Luận án có cung cấp quy trình tái lập nghiên cứu (Replication Protocol) hoàn chỉnh không?
Có. Luận án mô tả chi tiết tọa độ không gian 24 trạm mưa, cấu trúc phân chia 6 tiểu lưu vực, bảng tham số tối ưu của mô hình NAM, cấu trúc ma trận biến đổi Muskingum và chuỗi 8 trận lũ lịch sử (2000–2012), cho phép các nhà khoa học độc lập tái lập và kiểm chứng toàn bộ kết quả.

5. Định hướng lộ trình nghiên cứu 10 năm tới được xác lập như thế nào?
Lộ trình hướng tới: Tích hợp công nghệ học sâu (Deep Learning) vào hiệu chỉnh tức thời mưa vệ tinh đa nguồn (GPM IMERG + Himawari-9), kết nối hệ thống dự báo số trị thời tiết (NWP) với mô hình ngập lụt 2 chiều thời gian thực phục vụ đô thị thông minh và quản lý rủi ro thiên tai thích ứng biến đổi khí hậu.

Kết luận

Công trình luận án tiến sĩ của Nguyễn Tiến Kiên (2023) đã hoàn thành xuất sắc các mục tiêu nghiên cứu với 5 đóng góp cốt lõi:

  1. Xác lập hệ thống cơ sở khoa học và phương pháp luận vững chắc trong việc khai thác, xử lý và hiệu chỉnh chuỗi dữ liệu mưa vệ tinh độ phân giải cao GSMaP phục vụ tính toán thủy văn tại Việt Nam.
  2. Phát triển thành công bộ giải pháp hiệu chỉnh sai số không gian (kết hợp phân vị CDF, lân cận gần nhất NR và hồi quy MLR), khắc phục triệt để hiện tượng đánh giá thấp lượng mưa cực trị của viễn thám trên địa hình núi cao hiểm trở.
  3. Giải quyết thành công bài toán thiếu hụt số liệu quan trắc nghiêm trọng tại 38% diện tích lưu vực sông Mã trên lãnh thổ CHDCND Lào, thiết lập mô hình dòng chảy lũ NAM - Muskingum đạt độ chính xác cao ($NSE = 0,81 - 0,89$).
  4. Kiểm định thành công trên 8 trận lũ lịch sử lớn giai đoạn 2000–2012, chứng minh tính khả thi tuyệt đối của việc ứng dụng mưa vệ tinh hiệu chỉnh vào nghiệp vụ cảnh báo và dự báo lũ khẩn cấp.
  5. Tạo lập nền tảng khoa học và chuyển giao công nghệ ứng dụng viễn thám vào công tác quản lý tài nguyên nước, vận hành an toàn hệ thống liên hồ chứa và giảm nhẹ rủi ro thiên tai lưu vực sông liên quốc gia.