Luận án tiến sĩ 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

Luận án tiến sĩ nghiên cứu nghiên cứu khai thác dữ liệu mưa vệ tinh nâng cao chất lượng mô phỏng dòng chảy lũ khu vực thiếu số, phân tích chuyên sâu, xây dựng mô hình lý thuyết,

• 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: Nghiên Cứu Khai Thác Dữ Liệu Mưa Vệ Tinh Để Cải Thiện Mô Phỏng Dòng Chảy Lũ
• 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
• 1. CHƯƠNG 1: TỔNG QUAN TÌNH HÌNH NGHIÊN CỨU ỨNG DỤNG MƯA VỆ TINH
• 1.1. Tổng quan về mưa vệ tinh
• 1.2. Tổng quan về sản phẩm mưa vệ tinh
• 1.3. Các nghiên cứu đánh giá chất lượng mưa vệ tinh
• 1.4. Tổng quan các nghiên cứu khai thác sản phẩm mưa vệ tinh trên thế giới
• 1.4.1. Các nghiên cứu và phương pháp điển hình
• 1.4.2. Nghiên cứu ứng dụng mưa vệ tinh trong lĩnh vực thủy văn
• 1.4.3. Nhận xét các nghiên cứu trên thế giới
• 1.5. Tổng quan các nghiên cứu liên quan đến khai thác mưa vệ tinh ở Việt Nam
• 1.6. Lưu vực sông Mã và những đặc điểm liên quan đến đề tài luận án
• 1.6.1. Lưu vực sông Mã, địa hình và sông suối
• 1.6.2. Đặc điểm mưa trên lưu vực sông Mã
• 1.6.3. Đặc điểm dòng chảy trên lưu vực sông Mã
• 1.6.4. Các hình thế thời tiết chính gây mưa - lũ lớn trên lưu vực
• 1.6.5. Hiện trạng mạng lưới trạm đo mưa và những khó khăn trong tính toán dòng chảy lũ trên lưu vực sông Mã
• 1.7. Định hướng nghiên cứu của đề tài luận án
• 1.7.1. 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
• 1.7.2. Định hướng nghiên cứu của đề tài luận án
• 1.8. 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
• 3.2. Tính toán mô phỏng dòng chảy lũ sông Mã
• 3.3. Chỉ tiêu đánh giá
• 3.4. Cách đánh giá chất lượng dữ liệu mưa bằng mô hình thuỷ văn
• 3.5. Phân tích kết quả mô phỏng dòng chảy lũ trên lưu vực sông Mã
• 3.5.1. Mô phỏng dòng chảy lũ sử dụng mưa thực đo
• 3.5.2. Mô phỏng dòng chảy lũ sử dụng mưa GSMaP_NRT
• 3.5.3. Mô phỏng dòng chảy lũ sử dụng mưa kết hợp
• 3.5.4. Mô phỏng dòng chảy lũ sử dụng mưa lân cận gần nhất
• 3.5.5. Mô phỏng dòng chảy lũ sử dụng mưa hiệu chỉnh theo vị trí trạm
• 3.5.6. Đánh giá khả năng nâng cao chất lượng mô phỏng lũ
• 3.6. Kết luận chương 3
• MỞ ĐẦU
• KẾT LUẬN VÀ KIẾN NGHỊ
• 4. Những đóng góp mới của luận án
• 5. Kiến nghị và định hướng nghiên cứu tiếp theo
• DANH MỤC CÔNG TRÌNH ĐÃ CÔNG BỐ
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Giới thiệu về khai thác dữ liệu mưa vệ tinh

Nghiên cứu khai thác dữ liệu mưa vệ tinh đã trở thành một lĩnh vực quan trọng trong việc cải thiện mô phỏng dòng chảy lũ. Các sản phẩm dữ liệu mưa vệ tinh như GSMaP cung cấp thông tin cần thiết cho những khu vực thiếu số liệu thực đo. Việc sử dụng công nghệ vệ tinh giúp thu thập dữ liệu trên diện rộng, đặc biệt là ở những vùng khó tiếp cận. Theo báo cáo của Bộ Tài nguyên và Môi trường, mạng lưới trạm đo khí tượng hiện tại còn thưa thớt, không đáp ứng được yêu cầu dự báo và quản lý tài nguyên nước. Do đó, việc kết hợp dữ liệu mưa vệ tinh với số liệu thực đo là cần thiết để nâng cao độ chính xác trong mô phỏng dòng chảy lũ.

1.1. Tình hình nghiên cứu mưa vệ tinh

Nghiên cứu về mưa vệ tinh đã được thực hiện trên toàn cầu, với nhiều phương pháp khác nhau nhằm đánh giá chất lượng và hiệu quả của các sản phẩm này. Các nghiên cứu đã chỉ ra rằng dữ liệu mưa vệ tinh có thể cải thiện đáng kể độ chính xác của mô phỏng dòng chảy lũ. Tuy nhiên, vẫn còn nhiều thách thức trong việc hiệu chỉnh và áp dụng các sản phẩm này vào thực tiễn. Việc phân tích và đánh giá chất lượng dữ liệu mưa vệ tinh là một bước quan trọng để đảm bảo tính chính xác trong các mô hình thủy văn.

II. Phương pháp hiệu chỉnh dữ liệu mưa vệ tinh

Phương pháp hiệu chỉnh dữ liệu mưa vệ tinh là một trong những yếu tố quyết định đến chất lượng của mô phỏng dòng chảy lũ. Nghiên cứu đã áp dụng nhiều phương pháp khác nhau như phương pháp kết hợp, lân cận gần nhất và hiệu chỉnh theo vị trí trạm. Kết quả cho thấy rằng việc hiệu chỉnh dữ liệu mưa vệ tinh có thể làm giảm sai số và nâng cao độ tin cậy của các mô hình thủy văn. Việc lựa chọn phương pháp hiệu chỉnh phù hợp là rất quan trọng, đặc biệt trong bối cảnh các khu vực thiếu số liệu thực đo.

2.1. Đánh giá chất lượng dữ liệu mưa

Đánh giá chất lượng dữ liệu mưa là một bước quan trọng trong quá trình nghiên cứu. Các chỉ tiêu đánh giá như NSE và PBIAS được sử dụng để xác định độ chính xác của mô phỏng dòng chảy lũ. Kết quả cho thấy rằng dữ liệu mưa vệ tinh sau khi được hiệu chỉnh có thể đạt được độ chính xác cao hơn so với dữ liệu chưa hiệu chỉnh. Điều này chứng tỏ rằng việc áp dụng các phương pháp hiệu chỉnh là cần thiết để cải thiện chất lượng mô phỏng dòng chảy lũ.

III. Kết quả nghiên cứu ứng dụng mưa vệ tinh

Kết quả nghiên cứu cho thấy rằng việc ứng dụng dữ liệu mưa vệ tinh đã nâng cao chất lượng mô phỏng dòng chảy lũ trên lưu vực sông Mã. Các mô phỏng sử dụng dữ liệu mưa vệ tinh đã cho kết quả gần với thực tế hơn so với các mô phỏng chỉ sử dụng số liệu thực đo. Điều này cho thấy rằng dữ liệu mưa vệ tinh có thể đóng vai trò quan trọng trong việc cải thiện khả năng dự báo lũ, đặc biệt ở những khu vực thiếu số liệu thực đo.

3.1. Phân tích kết quả mô phỏng

Phân tích kết quả mô phỏng cho thấy rằng các mô hình thủy văn sử dụng dữ liệu mưa vệ tinh đã cải thiện đáng kể độ chính xác trong việc dự báo lũ. Các chỉ tiêu đánh giá như NSE và PBIAS cho thấy sự khác biệt rõ rệt giữa các mô phỏng sử dụng dữ liệu mưa vệ tinh và các mô phỏng chỉ dựa vào số liệu thực đo. Điều này khẳng định giá trị thực tiễn của việc kết hợp dữ liệu mưa vệ tinh vào trong các mô hình thủy văn.

IV. Ý nghĩa khoa học và thực tiễn

Nghiên cứu này không chỉ có ý nghĩa khoa học mà còn có giá trị thực tiễn cao trong việc quản lý tài nguyên nước và phòng chống thiên tai. Việc cải thiện mô phỏng dòng chảy lũ thông qua việc khai thác dữ liệu mưa vệ tinh sẽ giúp các cơ quan chức năng có được thông tin chính xác hơn trong công tác dự báo và cảnh báo lũ. Điều này góp phần giảm thiểu thiệt hại do thiên tai gây ra, bảo vệ môi trường và đảm bảo an toàn cho cộng đồng.

4.1. Định hướng nghiên cứu tiếp theo

Định hướng nghiên cứu tiếp theo sẽ tập trung vào việc phát triển các phương pháp hiệu chỉnh dữ liệu mưa vệ tinh mới, nhằm nâng cao hơn nữa độ chính xác trong mô phỏng dòng chảy lũ. Ngoài ra, việc mở rộng nghiên cứu ra các lưu vực khác cũng sẽ được xem xét, nhằm đánh giá tính khả thi và hiệu quả của các phương pháp đã áp dụng.

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 luan an 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. 8 luan an 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 luan an 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 luan an 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.