Nghiên cứu khai thác dữ liệu mưa vệ tinh để nâng cao mô phỏng dòng chảy lũ trên lưu vực sông Mã

Chuyên khảo phân tích Nghiên cứu khai thác dữ liệu mưa vệ tinh nâng cao chất lượng mô phỏng dòng chảy lũ khu vực thiếu số, đánh giá các khía cạnh quan trọng, đề xuất hướng nghiên

• Tác giả: Nguyễn Tiến Kiên
• Người hướng dẫn: TS. Lê Đình Thành
• Trường học: Trường Đại Học Thủy Lợi
• Chuyên ngành: Thủy Văn Học
• Đề tài: Khai Thác Dữ Liệu Mưa Vệ Tinh Để Cải Thiện Mô Phỏng Dòng Chảy Lũ Sông Mã
• Loại tài liệu: luận án tiến sĩ
• Năm xuất bản: 2023
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CÁM ƠN
• MỤC LỤC
• DANH MỤC CÁC HÌNH ẢNH
• DANH MỤC BẢNG BIỂU
• MỞ ĐẦU
• 0.1. Tính cấp thiết của luận án
• 0.2. Mục tiêu nghiên cứu
• 0.3. Đối tượng và phạm vi nghiên cứu
• 0.4. Hướng tiếp cận và phương pháp nghiên cứu
• 0.5. Ý nghĩa khoa học và thực tiễn của nghiên cứu
• 0.6. Bố cục của luận án
• 1. CHƯƠNG 1: TỔNG QUAN TÌNH HÌNH NGHIÊN CỨU ỨNG DỤNG MƯA VỆ TINH
• 1.1. Tổng quan về mưa vệ tinh
• 1.1.1. Tổng quan về sản phẩm mưa vệ tinh
• 1.1.2. Các nghiên cứu đánh giá chất lượng mưa vệ tinh
• 1.1.3. Tổng quan các nghiên cứu khai thác sản phẩm mưa vệ tinh trên thế giới
• 1.1.3.1. Các nghiên cứu và phương pháp điển hình
• 1.1.3.2. Nghiên cứu ứng dụng mưa vệ tinh trong lĩnh vực thủy văn
• 1.1.3.3. Nhận xét các nghiên cứu trên thế giới
• 1.1.4. Tổng quan các nghiên cứu liên quan đến khai thác mưa vệ tinh ở Việt Nam
• 1.2. Lưu vực sông Mã và những đặc điểm liên quan đến đề tài luận án
• 1.2.1. Lưu vực sông Mã, địa hình và sông suối
• 1.2.2. Đặc điểm mưa trên lưu vực sông Mã
• 1.2.3. Đặc điểm dòng chảy trên lưu vực sông Mã
• 1.2.4. Các hình thế thời tiết chính gây mưa - lũ lớn trên lưu vực
• 1.2.5. Hiện trạng mạng lưới trạm đo mưa và những khó khăn trong tính toán dòng chảy lũ trên lưu vực sông Mã
• 1.3. Định hướng nghiên cứu của đề tài luận án
• 1.3.1. Những hạn chế, tồn tại trong nghiên cứu ứng dụng mưa vệ tinh cho lĩnh vực thủy văn và những khó khăn trong tính toán lũ trên lưu vực sông Mã
• 1.3.2. Định hướng nghiên cứu của đề tài luận án
• 1.4. Kết luận chương 1
• 2. CHƯƠNG 2: PHƯƠNG PHÁP HIỆU CHỈNH MƯA VỆ TINH VÀ XÂY DỰNG MÔ HÌNH MÔ PHỎNG LŨ SÔNG MÃ
• 2.1. Phân tích, lựa chọn mưa vệ tinh sử dụng trong nghiên cứu
• 2.1.1. Đánh giá chất lượng sản phẩm mưa vệ tinh GSMaP
• 2.1.2. Lựa chọn sản phẩm mưa GSMaP
• 2.2. Phương pháp hiệu chỉnh mưa vệ tinh
• 2.2.1. Phương pháp kết hợp, lân cận gần nhất và hiệu chỉnh theo vị trí trạm
• 2.2.2. Lựa chọn phương án hiệu chỉnh
• 2.2.3. Kết quả dữ liệu mưa lưới kết hợp giữa mưa vệ tinh và thực đo
• 2.3. Đánh giá dữ liệu mưa trong mô phỏng dòng chảy lũ
• 2.3.1. Các mô hình thủy văn thường được ứng dụng tính toán lũ
• 2.3.2. Lựa chọn mô hình thủy văn cho nghiên cứu
• 2.3.3. Một số đặc điểm chính của mô hình NAM
• 2.3.4. Phương pháp Muskingum
• 2.3.5. Thiết lập mô hình NAM cho lưu vực sông Mã
• 2.4. Lựa chọn thời gian xuất hiện mưa – lũ trên lưu vực sông Mã
• 2.5. Số liệu sử dụng trong nghiên cứu
• 2.5.1. Số liệu mưa thực đo từ các trạm bề mặt
• 2.5.2. Số liệu thủy văn
• 2.6. Kết luận chương 2
• 3. CHƯƠNG 3: KẾT QUẢ NGHIÊN CỨU ỨNG DỤNG MƯA VỆ TINH NÂNG CAO CHẤT LƯỢNG MÔ PHỎNG DÒNG CHẢY LŨ SÔNG MÃ
• 3.1. Đánh giá chất lượng dữ liệu mưa không gian trong mô phỏng dòng chảy lũ sông Mã
• 3.1.1. Tính toán mô phỏng dòng chảy lũ sông Mã
• 3.1.2. Chỉ tiêu đánh giá
• 3.1.3. Cách đánh giá chất lượng dữ liệu mưa bằng mô hình thuỷ văn
• 3.2. Phân tích kết quả mô phỏng dòng chảy lũ trên lưu vực sông Mã
• 3.2.1. Mô phỏng dòng chảy lũ sử dụng mưa thực đo
• 3.2.2. Mô phỏng dòng chảy lũ sử dụng mưa GSMaP_NRT
• 3.2.3. Mô phỏng dòng chảy lũ sử dụng mưa kết hợp
• 3.2.4. Mô phỏng dòng chảy lũ sử dụng mưa lân cận gần nhất
• 3.2.5. Mô phỏng dòng chảy lũ sử dụng mưa hiệu chỉnh theo vị trí trạm
• 3.2.6. Đánh giá khả năng nâng cao chất lượng mô phỏng lũ
• 3.3. Kết luận chương 3
• KẾT LUẬN VÀ KIẾN NGHỊ
• 0.1. Những đóng góp mới của luận án
• 0.2. Kiến nghị và định hướng nghiên cứu tiếp theo
• DANH MỤC CÔNG TRÌNH ĐÃ CÔNG BỐ
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Khai thác dữ liệu mưa vệ tinh

Phần này tập trung vào việc khai thác dữ liệu mưa vệ tinh, cụ thể là sản phẩm GSMaP (Global Satellite Mapping of Precipitation). Luận án đánh giá chất lượng của dữ liệu mưa vệ tinh, so sánh với dữ liệu mưa thực đo từ các trạm mặt đất trên lưu vực sông Mã. Một trong những sản phẩm mưa vệ tinh được sử dụng là GSMaP_NRT (near real-time). Việc xử lý dữ liệu vệ tinh bao gồm việc lựa chọn các thông tin quan trắc gián tiếp có độ phân giải không gian và thời gian phù hợp cho việc mô phỏng dòng chảy lũ. Các phương pháp xử lý tín hiệu và khoa học dữ liệu được áp dụng để đảm bảo chất lượng dữ liệu đầu vào cho mô hình. Nghiên cứu này cũng đề cập đến việc tích hợp dữ liệu từ nhiều nguồn khác nhau, bao gồm dữ liệu viễn thám, để cải thiện độ chính xác của dữ liệu. Khoa học dữ liệu đóng vai trò quan trọng trong quá trình này.

1.1 Đánh giá chất lượng dữ liệu mưa vệ tinh

Luận án tiến hành phân tích dữ liệu mưa từ các nguồn khác nhau: dữ liệu mưa vệ tinh và dữ liệu mưa thực đo. Mục tiêu là đánh giá độ chính xác và độ tin cậy của dữ liệu mưa vệ tinh so với dữ liệu thực tế. Các phương pháp thống kê được sử dụng để so sánh và xác định sai số. Nghiên cứu tập trung vào việc tìm hiểu các nguồn sai số và tìm ra các phương pháp để giảm thiểu chúng. Phân tích không gian cũng được thực hiện để đánh giá sự phù hợp của dữ liệu mưa vệ tinh với địa hình phức tạp của lưu vực sông Mã. Phân tích khống chế được thực hiện để loại bỏ những nhiễu loạn do các yếu tố khác ngoài mưa gây ra. Kết quả phân tích dữ liệu cho thấy mức độ phù hợp của dữ liệu mưa vệ tinh trong việc mô phỏng dòng chảy lũ, đồng thời chỉ ra những hạn chế cần được khắc phục.

1.2 Hiệu chỉnh dữ liệu mưa vệ tinh

Nhằm khắc phục những sai số trong dữ liệu mưa vệ tinh, luận án đề xuất các phương pháp hiệu chỉnh dữ liệu. Các phương pháp này bao gồm phương pháp kết hợp, phương pháp lân cận gần nhất, và hiệu chỉnh theo vị trí trạm. Việc lựa chọn phương pháp phù hợp phụ thuộc vào đặc điểm của dữ liệu mưa vệ tinh và dữ liệu mưa thực đo. Xử lý tín hiệu được sử dụng để cải thiện chất lượng dữ liệu đầu vào cho mô hình. Thuật toán được lựa chọn và tinh chỉnh sao cho phù hợp với dữ liệu thực tế. Quá trình hiệu chỉnh dữ liệu cũng bao gồm việc xác định và xử lý các giá trị ngoại lai. Nghiên cứu tập trung vào việc đánh giá hiệu quả của từng phương pháp hiệu chỉnh và lựa chọn phương pháp tối ưu cho lưu vực sông Mã. Xử lý dữ liệu đảm bảo độ chính xác cao cho kết quả mô phỏng.

II. Mô phỏng dòng chảy lũ sông Mã

Phần này tập trung vào việc mô phỏng dòng chảy lũ trên lưu vực sông Mã sử dụng dữ liệu mưa đã được hiệu chỉnh. Luận án sử dụng mô hình thủy văn NAM (Nedbør-Afstrømnings-Model) để mô phỏng dòng chảy. Việc lựa chọn mô hình thủy văn này dựa trên sự phù hợp với đặc điểm của lưu vực. Mô hình toán học được sử dụng để mô tả quá trình chuyển đổi từ mưa thành dòng chảy. Phép tính toán bao gồm các bước xác định thông số mô hình, hiệu chỉnh mô hình, và kiểm định mô hình. Kết quả mô phỏng được so sánh với dữ liệu dòng chảy thực đo để đánh giá độ chính xác của mô hình. Mô hình được sử dụng cần phù hợp với các điều kiện địa lý và thủy văn của sông Mã. Phần mềm hỗ trợ tính toán được sử dụng để tăng hiệu quả.

2.1 Lựa chọn và thiết lập mô hình thủy văn

Luận án đã trình bày quá trình lựa chọn và thiết lập mô hình thủy văn NAM. Việc lựa chọn này được dựa trên những ưu điểm của mô hình NAM trong việc mô phỏng dòng chảy lũ ở các lưu vực sông có đặc điểm địa hình phức tạp. Các thông số của mô hình NAM được hiệu chỉnh dựa trên dữ liệu quan trắc từ các trạm thủy văn trên lưu vực sông Mã. Quá trình thiết lập mô hình bao gồm việc phân chia lưu vực thành các tiểu lưu vực, xác định các thông số thủy văn của từng tiểu lưu vực, và hiệu chỉnh các thông số của mô hình. Thuật toán của mô hình NAM được mô tả chi tiết. Dữ liệu đầu vào là dữ liệu mưa và dữ liệu dòng chảy đã được chuẩn hóa. Sự phù hợp của mô hình được kiểm tra bằng các chỉ số đánh giá chất lượng mô hình như NSE và PBIAS. Mô hình toán học đảm bảo tính chính xác và độ tin cậy của kết quả mô phỏng.

2.2 Đánh giá chất lượng mô phỏng

Để đánh giá chất lượng mô phỏng dòng chảy lũ, luận án sử dụng các chỉ số thống kê như NSE (Nash-Sutcliffe efficiency) và PBIAS (percent bias). Các chỉ số này được sử dụng để so sánh kết quả mô phỏng với dữ liệu quan trắc. Việc đánh giá được thực hiện tại các trạm thủy văn trên lưu vực sông Mã. Kết quả đánh giá cho thấy hiệu quả của việc sử dụng dữ liệu mưa vệ tinh đã được hiệu chỉnh trong việc nâng cao chất lượng mô phỏng. Phân tích sai số được tiến hành để xác định các nguồn sai số chính. Thống kê được sử dụng để so sánh kết quả với các nghiên cứu trước đây. Các kết quả phân tích được sử dụng để đề xuất các hướng cải thiện cho mô hình và phương pháp mô phỏng trong tương lai. Giám sát chất lượng mô hình giúp tăng độ tin cậy của kết quả.

III. Ứng dụng và ý nghĩa

Nghiên cứu này có ý nghĩa quan trọng đối với quản lý lũ lụt và quản lý tài nguyên nước ở lưu vực sông Mã. Việc sử dụng dữ liệu mưa vệ tinh cải thiện đáng kể chất lượng dự báo lũ, đặc biệt ở những khu vực thiếu trạm đo. Kết quả nghiên cứu hỗ trợ cho việc ra quyết định trong phòng chống thiên tai. Nghiên cứu cung cấp một phương pháp hiệu quả để giảm thiểu rủi ro lũ lụt. Ứng dụng của thông tin địa lý (GIS) giúp trực quan hóa dữ liệu và kết quả. Dữ liệu đầu vào cho phép mô hình hóa hiện tượng lũ với độ chính xác cao. Phòng chống thiên tai được hỗ trợ bằng các kết quả dự báo chính xác hơn. Quản lý lũ lụt trở nên hiệu quả hơn.

3.1 Ứng dụng trong quản lý lũ lụt

Kết quả nghiên cứu có thể được ứng dụng trực tiếp vào quản lý lũ lụt trên lưu vực sông Mã. Việc dự báo lũ chính xác hơn giúp các cơ quan chức năng có thể đưa ra các biện pháp phòng chống kịp thời, giảm thiểu thiệt hại do lũ lụt gây ra. Thông tin về lũ lụt được cung cấp nhanh chóng và chính xác hơn. Giám sát tình hình lũ lụt được thực hiện hiệu quả hơn. Quản lý rủi ro lũ lụt được cải thiện đáng kể. Dữ liệu hỗ trợ cho việc xây dựng các kế hoạch ứng phó với lũ lụt hiệu quả. Quản lý nguồn lực được tối ưu hóa trong công tác phòng chống thiên tai. Tối ưu hóa nguồn lực sẽ góp phần giảm thiểu thiệt hại kinh tế và nhân mạng.

3.2 Ý nghĩa khoa học và thực tiễn

Nghiên cứu này có ý nghĩa khoa học lớn bởi vì nó cải thiện phương pháp mô phỏng dòng chảy lũ, đặc biệt trong điều kiện thiếu dữ liệu. Kết quả nghiên cứu đóng góp vào thủy văn học và khoa học dữ liệu. Nghiên cứu này cũng có ý nghĩa thực tiễn cao vì nó cung cấp thông tin quan trọng cho việc quản lý tài nguyên nước và phòng chống thiên tai. Dữ liệu thu được có giá trị tham khảo cho các nghiên cứu tương tự ở các lưu vực khác. Kết quả nghiên cứu đóng góp cho việc phát triển các công cụ và kỹ thuật hiện đại trong lĩnh vực thủy văn. Ứng dụng thực tiễn của nghiên cứu rất cao. Giải pháp được đề xuất có thể được nhân rộng ở các khu vực khác trên cả nước. Cải tiến liên tục là cần thiết để nâng cao chất lượng công tác phòng chống thiên tai.

Trích đoạn nội dung tài liệu

CHƯƠNG 1 TỔNG QUAN TÌNH HÌNH NGHIÊN CỨU ỨNG DỤNG MƯA VỆ TINH 1.1 Tổng quan về mưa vệ tinh Mưa luôn thay đổi theo không gian và thời gian, để có thông tin, số liệu mưa, các trạm quan trắc mưa được lắp đặt trên các lưu vực sông cũng như các vùng lãnh thổ. Mạng lưới trạm đo mưa hiện nay vẫn chưa đảm bảo mức độ chi tiết, chính xác về phân bố mưa theo không gian và thời gian trên phạm vi toàn cầu. Mặc dù có vai trò quan trọng đối với sự phát triển kinh tế xã hội, nhưng số liệu đo đạc ở các trạm bề mặt vẫn còn thưa thớt và phân bố không đều, chủ yếu ở các nước đang phát triển [2]. Mật độ mạng lưới trạm đo lượng mưa trên mặt đất ở các vùng nhiệt đới theo khuyến nghị là 600 - 900 km2/1 trạm đối với vùng bằng phẳng và 100 – 250 km2/1 trạm đối với vùng núi [3], [4].

Tuy nhiên, mạng lưới quan trắc mưa ở nhiều quốc gia không đáp ứng được mật độ trạm đo như vậy, đặc biệt ở các quốc gia đang phát triển [5]. Do nhiều yếu tố hạn chế khác nhau, bao gồm điều kiện khí hậu, địa lý, xã hội, các trạm đo mưa mặt đất có tình trạng thưa thớt hoặc không có phân bổ theo không gian và thời gian cần thiết [6]. Để khắc phục nhược điểm của trạm đo mưa chỉ cho kết quả trong một phạm vi hẹp, các nghiên cứu sử dụng dữ liệu radar ước đoán mưa đã được phát triển từ rất sớm. Tuy nhiên, kết quả ước tính số liệu mưa từ radar dễ bị sai số do kết quả ước tính phụ thuộc nhiều vào năng lượng phản hồi, hình dạng, kích thước hạt nước, phạm vi ảnh hưởng…[7].

Do chi phí lắp đặt và vận hành tốn kém, tương tự như các trạm đo mưa, các trạm radar cũng thường chỉ được lắp đặt ở những nơi thuận tiện. Vì vậy, không phải nơi nào cũng có thể sử dụng các dữ liệu mưa được ước tính từ radar thời tiết. Các quan trắc từ vệ tinh đã giúp cho việc ước tính mưa xảy ra gần như khắp mọi nơi ngay từ khi có vệ tinh không gian của thập niên 1960. Các hình ảnh của vệ tinh ban đầu từ các vệ tinh của Cục Quản lý Khoa học Môi trường Mỹ (ESSA) được sử dụng để 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, giúp cho việc phán đoán các kiểu thời tiết chính xác hơn [8], bao gồm các khu vực có thể bị ảnh hưởng bởi lượng mưa [9]. Do mưa rơi từ các đám mây, 7 nên việc xác định được vị trí cũng như các thuộc tính của đám mây chính là bước đầu tiên trong bài toán xác định cường độ mưa [10]. Ngoài ra, cùng với sự phát triển của khoa học máy tính, hướng tiếp cận sử dụng phương pháp mô hình hoá nhằm mô phỏng, dự báo mưa theo không gian cũng đã được nghiên cứu. Các cấu trúc của mô hình khí hậu rất đa dạng từ dạng đơn giản như cân bằng năng lượng, đối lưu một chiều cho đến các mô hình phức tạp hai chiều hay ba chiều đầy đủ.

Tất cả các mô hình khí hậu đều cố gắng mô phỏng sự thay đổi để tính toán gần đúng nhất trạng thái của khí hậu.1 Tổng quan về sản phẩm mưa vệ tinh Các sản phẩm lượng mưa vệ tinh ngày càng nhiều và trở thành nguồn dữ liệu quan trọng cho các ứng dụng trong thủy văn [11]. Với ưu điểm vượt trội về độ bao phủ rộng lớn cả những vùng xa không có thiết bị quan trắc hoặc radar thì dữ liệu ảnh mưa vệ tinh là lựa chọn tốt nhất để khắc phục những nhược điểm của phương pháp radar và quan trắc truyền thống [12]. Độ phân giải theo không gian, thời gian, độ chính xác của các sản phẩm mưa vệ tinh liên tục được cải thiện do sự tiến bộ trong công nghệ cảm biến và kỹ thuật ước lượng. Một số sản phẩm lượng mưa có độ phân giải cao hiện đã có sẵn như Chương trình đo mưa nhiệt đới (TRMM), sản phẩm mưa (ARC) do trung tâm Dự báo khí hậu và Hải dương học Quốc Gia (NOAA-CPC), dự án mưa khí hậu toàn cầu GPCP (Global Precipitation Climatology Project),… là những sản phẩm phổ biến đã được áp dụng rộng rãi [13].

Đến thời điểm hiện tại, có nhiều bộ dữ liệu sản phẩm mưa vệ chính đang được khai thác sử dụng trên thế giới như GPCP CMORPH (CPC MORPHing technique), TRMM Multi-satellite Precipitation Analysis (TMPA), GSMaP (Global Satellite Mapping of Precipitation) [14],. Bộ dữ liệu mưa vệ tinh với các đặc điểm chính được trình bày ở Bảng 1.1 Tổng hợp một số bộ dữ liệu mưa vệ tinh chính hiện nay [14] Bộ dữ liệu Độ phân giải Phạm Nguồn dữ liệu Thuật vi toán Không Thời gian gian Toàn GPI,OPI,SSM/I emission, GPCP 2,5o Tháng cầu TOVS Toàn SSM/I-TMPI, TOVS GPCP 1dd 1,0o Ngày cầu GPCP_pen Toàn OPI, SSM/I, GPI,MSU 2,5o 5 ngày v_22 cầu Toàn GPI, OPI, SSM/I scattering, CMAP 2,5 o Tháng cầu SSM/I emission, MSU, NCEP–NCAR Toàn GTS, COOP, NMAs CPC Global 0,5o Ngày cầu 50°S– TMI, tổ hợp TRMM, Phân phối o TRMM 3B43 0,25 Tháng 50°N SSM/I, SSMIS, AMSR-E, xác suất AMSU-B, MHS,GEO IR 50°S– TMI, tổ hợp TRMM, Phân phối o TRMM 3B42 0,25 3h/ngày 50°N SSM/I, SSMIS, AMSR-E, xác suất AMSU-B, MHS,GEO IR 60°S– TMI, AMSR-E, AMSR-E, Lọc o GSMaP 0,1 1h/ngày 60°N SSM/I, (MTSAT), Kalman Meteosat-7/8, GOES 11/12 60°S– Meteosat, GOES, GMS, Mạng thần PERSIANN_ 30’/ 0,04o 60°N SSM/I, radar cực/gần cực, kinh nhân CCS 3,6h tạo TMI, AMSR 60°S– GOES 8, GOES 10, PERSIANN_ 3,6h/ 60°N GMS-5, Metsat-6, Metsat- 0,25o CDR ngày 7, TRMM, NOAA 15, 16, 17, DMSP F13, F14, F1 60°S– TMI, SSM/I, AMSR- Kỹ thuật 0,25o/ 30’/3h/ 60°N CMORPH E,AMSU-B, Meteosat, Morphing 8km ngày GOES, MTSAT 30’/3h/ 60°S– GMI, AMSR-2, SSMIS, IMERG GPM 0,1 o ngày 60°N Madaras, MHS, Máy tạo âm vi sóng 3h/ Toàn CPC, GPCC, CMORPH, 0,1o/ MSWEP ngày cầu GSMaP-MVK, TMPA, 0,5o ERA-Interim, JRA-55 9 Một số sản phẩm mưa vệ tinh thường được ứng dụng nhiều trong các hệ thống cảnh báo, dự báo thời tiết phổ biến như: + Số liệu ước lượng mưa thu thập từ vệ tinh cho vùng nhiệt đới TRMM (do cơ quan vũ trụ Mỹ NASA và cơ quan thám hiểm không gian Nhật Bản JAXA hợp tác) bắt đầu từ tháng XII/1997 với khả năng cung cấp sản phẩm ước lượng mưa 3 giờ, độ phân giải 0,250 và thời gian trễ khoảng 10 giờ. TRMM là dự án của NASA có nhiệm vụ đo đạc lượng mưa vùng nhiệt đới và cận nhiệt đới của trái đất và một số năng lượng khác. Nhiệm vụ TRMM sử dụng 5 thiết bị: rađa đo lượng mưa (PR), máy chụp ảnh vi sóng TRMM (TMI), máy quét hồng ngoại và thị phổ (VIRS), hệ thống đo năng lượng bức xạ của đám mây & trái đất (CERES) và cảm biến sét (LSI).

TMI và PR là những công cụ chính được sử dụng xác định mưa. Các thiết bị này được sử dụng một thuật toán tạo thành bộ dữ liệu hiệu chỉnh Công cụ kết hợp TRMM (TCI) (TRMM 2B31) cho phân tích lượng mưa đa vệ tinh (TMPA), cung cấp sản phẩm mưa trung bình tháng TMPA 3B43, sản phẩm mưa trung bình ngày và 3 giờ TMPA 3B42. Các sản phẩm 3B42 và 3B43 có độ phân theo giải không gian 0,25°, bao phủ trong phạm vi từ 50°N đến 50°S và hiện có từ năm 1998 cho đến nay [15]. + Ước lượng mưa vệ tinh NOAA CPC_RFE 2.0: Cơ quan quản lý khí quyển và đại dương Quốc gia Hoa Kỳ (NOAA) đã phát triển một số kỹ thuật, thuật toán dựa trên dữ liệu vệ tinh để ước tính lượng mưa nhằm hỗ trợ các hoạt động giám sát thời tiết và lũ lụt của Cơ quan Phát triển quốc tế Hoa Kỳ (USAID), Cơ quan khảo sát địa chất Hoa Kỳ (USGS).

Trong số đó có hệ thống được phát triển tại Trung tâm Dự báo Khí hậu (CPC) của NOAA được gọi là CPC_RFE 2. RFE ước tính lượng mưa trên toàn cầu theo lưới có độ phân giải 0,1° x 0,1° và được cung cấp cho hệ thống cảnh báo sớm nạn đói của USAID (FEWS) để hỗ trợ các hoạt động giám sát hạn hán ở châu Phi. Hệ thống kết hợp các ước lượng từ các dữ liệu vệ tinh khác nhau, giúp tăng độ chính xác bằng cách giảm độ sai lệch và sai số ngẫu nhiên so sánh với các nguồn dữ liệu riêng lẻ [16][17], từ đó bổ sung thêm các phép nội suy từ mưa thực đo của các trạm bề mặt. + Số liệu ước lượng mưa GSMaP - Global Satellite Mapping of Precipitation được phát triển bởi Cơ quan khoa học và công nghệ Nhật Bản JST và Cơ quan thám hiểm không gian Nhật Bản JAXA.

GSMaP là chương trình sử dụng vệ tinh toàn cầu có độ phân giải 10 cao dựa trên bản đồ lượng mưa cũng giống như TRMM và một số sản phẩm khác với độ phân giải 0,1o và bước thời gian giờ. Các số liệu lượng mưa sẽ được hiển thị vào 00, 06, 12, 18 giờ quốc tế. Trung tâm nghiên cứu quan sát trái đất, cơ quan Thám hiểm không gian Nhật Bản (JAXA/EORC) cung cấp số liệu lượng mưa toàn cầu với nhiều sản phẩm ước lượng mưa GSMaP có thể ứng dụng cho nhiều mục đích khác, ví dụ dữ liệu mưa đã được hiệu chỉnh GSMaP_RNL (Reanalysis), dữ liệu mưa tiêu chuẩn GSMaP_MVK (Standard), dữ liệu mưa gần thời gian thực GSMaP_NRT (Near- RealTime), dữ liệu mưa thời gian thực GSMaP_NOW (Realtime), dữ liệu mưa dự báo tức thời GSMaP_RNC (RIKEN Nowcast) [18]. Thông tin về các sản phẩm có thể tham khảo tại: http://www.

+ QMORPH, CMORPH là ước lượng mưa vệ tinh 30 phút một với độ trễ số liệu sau 2,5 giờ với hai độ phân giải là 0,250 và 0,080 (~8 km2). QMORPH là số liệu thời gian gần thực của CMORPH có thể có sau 3 giờ của thời gian thực với các bước thời gian thực là 18 giờ. QMORPH cung cấp ước lượng mưa toàn cầu với độ phân giải rất cao theo không gian và thời gian. Vì mối quan hệ không được tốt giữa lượng mưa với các thông số mà các vệ tinh thu được như nhiệt độ đỉnh mây từ số liệu hồng ngoại và các thông tin khác, nên ước lượng mưa vệ tinh không đạt được độ chính xác như đo mưa bề mặt đất.

Do đó, các sản phẩm ước lượng mưa vệ tinh đã được hiệu chỉnh với số liệu mưa thực đo. Ví dụ sản phẩm mưa Qmorph đã tiến hành ghép nối ước lượng mưa vệ tinh QMORPH với lượng mưa quan trắc bề mặt và được thực hiện theo 2 bước: 1) quá trình giảm sai lệch; 2) tích hợp lượng mưa giờ thực đo trực tiếp với QMORPH thông qua nội suy tối ưu. Số liệu mưa QMORPH hoặc CMORPH có thể khai thác tại địa chỉ: ftp://ftp.