Tổng quan về luận án

Nghiên cứu của nghiên cứu sinh Nguyễn Tiến Kiên, thực hiện dưới sự hướng dẫn khoa học của GS. Lê Đình Thành và PGS. Ngô Lê An tại Trường Đại học Thủy lợi, tập trung giải quyết bài toán cốt lõi trong thủy văn học hiện đại: khai thác và hiệu chỉnh dữ liệu mưa viễn thám phục vụ mô phỏng dòng chảy lũ tại các lưu vực sông xuyên biên giới thiếu hụt dữ liệu quan trắc mặt đất. Báo cáo "Quy hoạch mạng lưới quan trắc tài nguyên và môi trường quốc gia, giai đoạn 2016 – 2025, tầm nhìn đến năm 2030" của Bộ Tài nguyên và Môi trường chỉ rõ thực trạng: "Mạng lưới trạm khí tượng bề mặt, điểm đo mưa và trạm thủy văn ở nước ta còn thưa, chưa đáp ứng được các yêu cầu của công tác dự báo khí tượng thủy văn và nghiên cứu, quy hoạch... đặc biệt các vùng núi cao thượng lưu vực". Lưu vực sông Mã là một điển hình sâu sắc cho thách thức này khi sở hữu diện tích tự nhiên $28.400\text{ km}^2$, trong đó có tới $10.900\text{ km}^2$ (chiếm 38,4% diện tích) nằm trên lãnh thổ nước Cộng hòa Dân chủ Nhân dân Lào – khu vực hoàn toàn khuyết thiếu chuỗi số liệu quan trắc KTTV thời gian thực.

Khoảng trống nghiên cứu (research gap) được xác định rõ rệt: Mặc dù các sản phẩm mưa vệ tinh như GSMaP (Global Satellite Mapping of Precipitation) cung cấp dữ liệu không - thời gian độ phân giải cao ($0,1^\circ \times 0,1^\circ$, bước thời gian 1 giờ), nhưng việc ước tính gián tiếp qua cảm biến vi sóng (PMW) và hồng ngoại (IR) luôn tồn tại sai số hệ thống (bias) và sai số ngẫu nhiên rất lớn tại các vùng địa hình chia cắt phức tạp (Bitew và nnk, 2012; Shrestha, 2011). Nếu đưa trực tiếp mưa vệ tinh thô vào các mô hình toán thủy văn, sai số mưa sẽ lan truyền phi tuyến tính và khuếch đại sai lệch đỉnh lũ cũng như tổng lượng dòng chảy.

Để giải quyết triệt để vấn đề trên, luận án thiết lập hệ thống câu hỏi nghiên cứu và giả thuyết khoa học:

  • Câu hỏi nghiên cứu 1 (RQ1): Mức độ sai số không gian và thời gian của các sản phẩm mưa vệ tinh GSMaP trên lưu vực sông Mã biểu hiện như thế nào dưới các hình thế thời tiết cực đoan?
  • Câu hỏi nghiên cứu 2 (RQ2): Phương pháp hiệu chỉnh thống kê không gian nào tối ưu nhất để tích hợp dữ liệu mưa trạm bề mặt thưa thớt với dữ liệu mưa lưới vệ tinh tại vùng thượng lưu xuyên biên giới?
  • Câu hỏi nghiên cứu 3 (RQ3): Mức độ cải thiện chất lượng mô phỏng đỉnh lũ, thời gian xuất hiện đỉnh và tổng lượng dòng chảy lũ khi ứng dụng mưa vệ tinh sau hiệu chỉnh vào mô hình thủy văn NAM - Muskingum đạt được là bao nhiêu?
  • Giả thuyết khoa học 1 (H1): Dữ liệu mưa vệ tinh GSMaP_NRT nguyên bản có xu thế đánh giá thấp (underestimate) lượng mưa thực tế tại vùng núi cao phía thượng nguồn lưu vực sông Mã.
  • Giả thuyết khoa học 2 (H2): Phương pháp hiệu chỉnh kết hợp hồi quy không gian theo vị trí trạm (MLR) và lân cận gần nhất (NR) sẽ khử bỏ phần lớn sai số hệ thống, tái tạo chính xác tâm mưa thực tế.
  • Giả thuyết khoa học 3 (H3): Mô hình thủy văn tích hợp chuỗi mưa vệ tinh hiệu chỉnh sẽ nâng cao hệ số Nash-Sutcliffe (NSE) từ mức không đạt yêu cầu ($< 0,5$) lên mức tốt ($> 0,75 - 0,85$) trong mô phỏng các trận lũ lịch sử.

Khung lý thuyết của công trình được định vị trên nền tảng Lý thuyết Hệ thống Thủy văn (Hydrological Systems Theory của Dooge, 1959 và Chow và nnk, 1988), kết hợp với Lý thuyết Lan truyền sai số trong Ước lượng mưa Định lượng (QPE Error Propagation Theory của Krajewski & Smith, 2002). Phạm vi không gian nghiên cứu bao phủ phần lưu vực dòng chính sông Mã từ thượng nguồn tỉnh Điện Biên, qua tỉnh Hủa Phăn (Lào) đến tuyến trạm thủy văn Cẩm Thủy với diện tích $17.500\text{ km}^2$ (chiếm 62,5% diện tích toàn lưu vực). Phạm vi thời gian tập trung phân tích 43 trận lũ giai đoạn 2000 - 2018 (với biên độ lũ tại Cẩm Thủy $> 2\text{ m}$) và mô phỏng chi tiết 8 đợt lũ lớn lịch sử (2000, 2002, 2003, 2005, 2006, 2007, 2008, 2012), mang lại ý nghĩa đột phá cho công tác cảnh báo thiên tai lưu vực sông Mã.

Literature Review và Positioning

Tổng quan y văn quốc tế cho thấy sự tiến hóa mạnh mẽ của các thế hệ sản phẩm ước lượng mưa viễn thám: từ TRMM TMPA 3B42/3B43 ($0,25^\circ$, 3 giờ) của NASA/JAXA (Huffman và nnk, 2007), CMORPH ($8\text{ km}$, 30 phút) của NOAA (Joyce và nnk, 2004), PERSIANN sử dụng mạng nơ-ron nhân tạo (Sorooshian và nnk, 2000), đến GPM IMERG ($0,1^\circ$, 30 phút) và GSMaP (Kubota và nnk, 2007; Ushio và nnk, 2009).

Trong bức tranh học thuật thế giới, tồn tại hai luồng quan điểm và tranh luận phương pháp luận sâu sắc:

  1. Luồng quan điểm tái hiệu chỉnh mô hình (Model Recalibration): Đại diện bởi Bitew và nnk (2012) tại lưu vực sông Koga ($299\text{ km}^2$, Ethiopia) và Artan và nnk (2007) trên các lưu vực sông Se Done, Nam Ou ($19.013\text{ km}^2$, Lào/Trung Quốc). Luồng học thuật này lập luận rằng không nhất thiết phải hiệu chỉnh dữ liệu mưa vệ tinh đầu vào, mà nên hiệu chỉnh trực tiếp các bộ thông số của mô hình thủy văn (như SWAT, GeoSFM) tương thích với từng loại dữ liệu mưa vệ tinh riêng biệt nhằm hấp thụ sai số.
  2. Luồng quan điểm hiệu chỉnh sai số tiên nghiệm (A Priori Bias Correction): Dẫn dắt bởi Immerzeel (2009) trên hạ lưu sông Mê Kông, Shrestha (2011) tại dãy Himalaya (Nepal), và Ibrahim và nnk (2022) tại lưu vực sông Bilate ($5.000\text{ km}^2$, Ethiopia). Nhóm tác giả này chứng minh rằng việc cố tình thay đổi thông số thủy văn để khớp với mưa sai lệch sẽ phá vỡ tính đại biểu vật lý của mặt đệm (equifinality / unphysical parameter distortion). Do đó, bắt buộc phải khử sai số thống kê không gian của trường mưa vệ tinh trước khi nạp vào mô hình toán.

Tại Việt Nam, các nghiên cứu của Ngô Đức Thành và nnk (2013) trên lưu vực Thu Bồn, Vũ Thanh Hằng và nnk (2010) tại Trung Bộ, Đặng Đình Khá và nnk (2020) tại Mê Kông, hay Mai Khánh Hưng và nnk (2020) với dữ liệu GSMaP_NOW/Himawari-8 chủ yếu dừng lại ở mức đánh giá thống kê khí tượng hoặc kiểm định mô hình dự báo thời tiết số trị (NWP). Ở quy mô lưu vực ứng dụng thủy văn, nghiên cứu của Đặng Ngọc Tĩnh (2012) trên hệ thống sông Hồng - Thái Bình đưa mưa thô trực tiếp vào mô hình IFAS dẫn đến độ chính xác chưa ổn định; nghiên cứu của Bùi Tuấn Hải (2020) trên sông Cả áp dụng công cụ hiệu chỉnh tự động Type 1 của ICHARM (xét chuyển động vùng mưa) nhưng gặp hạn chế lớn khi mây đối lưu di chuyển nhanh hoặc mưa bão dị thường.

Luận án của NCS. Nguyễn Tiến Kiên định vị chính xác khoảng trống học thuật này: Xây dựng giải pháp hiệu chỉnh không gian toàn diện kết hợp giữa mưa trạm bề mặt và dữ liệu lưới vệ tinh GSMaP_NRT cho lưu vực sông xuyên biên giới có độ dốc cao, khắc phục nhược điểm của phương pháp điểm - ô lưới (point-to-pixel) truyền thống khi mật độ trạm mặt đất cực kỳ thưa thớt ($1.183\text{ km}^2/\text{trạm}$ toàn lưu vực; vùng thượng lưu $1.286\text{ km}^2/\text{trạm}$; khu giữa Xã Là - Hồi Xuân $2.267\text{ km}^2/\text{trạm}$). So sánh với công trình của Bitew và nnk (2012) vốn chỉ giới hạn ở quy mô vi lưu vực ($299\text{ km}^2$), công trình này phát triển khung tính toán cho lưu vực lớn $17.500\text{ km}^2$, mang tính đại diện vượt trội cho các hệ thống sông nhiệt đới gió mùa Đông Nam Á.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án đóng góp vào việc mở rộng Lý thuyết Hệ thống Thủy văn và Lý thuyết Ước lượng Mưa Định lượng (QPE) thông qua việc làm sáng tỏ cơ chế lan truyền sai số từ ảnh mây viễn thám đến quá trình sinh dòng chảy mặt trên lưu vực miền núi. Nghiên cứu thách thức giả định đơn giản hóa cho rằng sai số mưa vệ tinh có phân phối đồng nhất trên toàn lưu vực.

Mô hình lý thuyết của luận án được cấu trúc qua 3 mệnh đề khoa học (Propositions):

  • Mệnh đề 1 (P1): Sai số của sản phẩm mưa vệ tinh GSMaP bị chi phối bởi độ cao địa hình và hướng đón gió; tại vùng núi thượng nguồn khuất gió, GSMaP có xu hướng đánh giá thấp lượng mưa cực trị do nhiệt độ đỉnh mây không phản ánh hết quá trình ngưng tụ đối lưu tầng thấp.
  • Mệnh đề 2 (P2): Sự kết hợp giữa trường sai số nền trạm quan trắc mặt đất và trường mưa lưới vệ tinh thông qua kỹ thuật hồi quy không gian (MLR) cho phép tái cấu trúc trường mưa liên tục không gian bảo toàn quy luật bảo toàn khối lượng ẩm.
  • Mệnh đề 3 (P3): Việc khử sai số không gian của trường mưa đầu vào là điều kiện tiên quyết để cố định bộ thông số vật lý của mô hình thủy văn NAM, triệt tiêu hiện tượng bù trừ sai số thông số (parameter compensation).

Sự chuyển dịch mô thức (paradigm shift) thể hiện ở việc thay thế phương pháp nội suy hình học thuần túy (như Thiessen hay nghịch đảo khoảng cách IDW) – vốn gây sai số nghiêm trọng tại các vùng "trắng" số liệu xuyên biên giới – bằng mô thức đồng hóa dữ liệu viễn thám được hiệu chỉnh cấu trúc không gian.

Khung phân tích độc đáo

Khung phân tích của luận án là sự tích hợp hữu cơ giữa ba nhánh lý thuyết: Lý thuyết Bức xạ Khí quyển Viễn thám, Lý thuyết Thống kê Địa lý Không gian, và Lý thuyết Động lực Dòng chảy Thủy văn (Mô hình cân bằng ẩm NAM và Diễn toán sóng động học Muskingum).

Quy trình phân tích được thiết lập qua tiếp cận 4 tầng dữ liệu:

  1. Tầng 1 - Tiếp nhận và phân giải dữ liệu vệ tinh: Xử lý chuỗi dữ liệu GSMaP_NRT, GSMaP_MVK, GSMaP_NOW ở các độ phân giải thời gian 1 giờ, 3 giờ, 6 giờ.
  2. Tầng 2 - Khử sai số thống kê đa phương pháp: Áp dụng song song 4 thuật toán hiệu chỉnh: Phương pháp tỷ lệ tuyến tính (LS), Phương pháp cường độ cục bộ (LOCI), Phương pháp lân cận gần nhất (NR), và Phương pháp hồi quy đa biến theo vị trí trạm (MLR).
  3. Tầng 3 - Tách nhập lưu vực và tính toán dòng chảy mặt (NAM): Phân chia lưu vực sông Mã thành các tiểu lưu vực đồng nhất, mô phỏng quá trình trữ ẩm tầng mặt, thấm, thoát hơi nước, dòng chảy mặt, dòng chảy ngầm và dòng chảy sát mặt.
  4. Tầng 4 - Diễn toán truyền lũ lòng dẫn (Muskingum): Tính toán biến dạng sóng lũ dọc theo dòng chính sông Mã từ thượng nguồn Điện Biên qua Lào về Cẩm Thủy.

Điều kiện biên (boundary conditions) của khung phân tích được xác lập chặt chẽ: Áp dụng tối ưu cho các lưu vực sông nhiệt đới có mùa lũ kéo dài từ tháng VI đến tháng X (chiếm 75% tổng lượng dòng chảy năm tại Cẩm Thủy), lượng mưa năm dao động từ $1.152\text{ mm}$ (vùng thượng nguồn Sông Mã) đến $1.800 - 2.200\text{ mm}$ (tâm mưa Bá Thước - Quan Hóa và Thường Xuân).

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Luận án áp dụng thế giới quan thực chứng (Positivism) với quy trình suy diễn thực nghiệm chặt chẽ, lấy dữ liệu quan trắc thủy văn làm thước đo kiểm chứng chân lý khoa học. Thiết kế nghiên cứu kết hợp đa phương pháp (mixed-method quantitative design) ở cấp độ cao, kết nối giữa phân tích ảnh viễn thám, thống kê không gian và mô hình hóa thủy lực - thủy văn số trị.

Thiết kế đa tầng (Multi-level design) được định nghĩa qua 3 cấp độ:

  • Cấp độ 1 (Point-to-Pixel Level): Đánh giá sai số điểm - ô lưới giữa 24 trạm đo mưa mặt đất và các pixel GSMaP tương ứng.
  • Cấp độ 2 (Catchment Spatial Rainfield Level): Tái tạo bản đồ phân bố tổng lượng mưa các trận lũ lịch sử trên toàn bộ $17.500\text{ km}^2$ lưu vực.
  • Cấp độ 3 (Hydrological Response Hydrograph Level): Kiểm định đường quá trình lưu lượng lũ ($Q\text{ m}^3/\text{s}$) và mực nước ($H\text{ m}$) tại các trạm thủy văn khống chế: Xã Là, Hồi Xuân, Cẩm Thủy (trên dòng chính sông Mã), Cửa Đạt, Bái Thượng (trên sông Chu).

Quy trình nghiên cứu rigorous

Quy trình chọn mẫu bao quát toàn bộ 43 trận lũ lớn trong 18 năm (2000 - 2018). Tiêu chí lựa chọn trận lũ đưa vào mô hình hóa chi tiết:

  • Trận lũ có biên độ mực nước lũ tại trạm Cẩm Thủy vượt ngưỡng $2\text{ m}$.
  • Trận lũ đại diện cho các tổ hợp hình thế thời tiết điển hình: Bão/áp thấp nhiệt đới (chiếm 37%), Rãnh thấp/xoáy thấp/vùng thấp Bắc Bộ (chiếm 42%), Dải hội tụ nhiệt đới kết hợp không khí lạnh (chiếm 16%).

Tam giác đạc (Triangulation) được thiết lập hoàn hảo:

  • Tam giác dữ liệu (Data triangulation): Kết hợp dữ liệu ảnh vi sóng vệ tinh, dữ liệu quan trắc khí áp/mưa synop mặt đất, và dữ liệu mực nước/lưu lượng thực đo thủy văn.
  • Tam giác phương pháp (Methodological triangulation): Đánh giá chéo bằng chỉ số thống kê khí tượng sai số tuyệt đối/tương đối và chỉ số hiệu quả thủy văn dòng chảy.

Các chỉ tiêu đánh giá độ tin cậy và chuẩn xác được tính toán toàn diện:

  • Hệ số hiệu quả mô hình Nash-Sutcliffe ($NSE$): $$NSE = 1 - \frac{\sum_{t=1}^{T} (Q_{obs}^t - Q_{sim}^t)^2}{\sum_{t=1}^{T} (Q_{obs}^t - \overline{Q}_{obs})^2}$$
  • Phần trăm sai số thiên lệch ($PBIAS$): $$PBIAS = \frac{\sum_{t=1}^{T} (Q_{obs}^t - Q_{sim}^t)}{\sum_{t=1}^{T} Q_{obs}^t} \times 100%$$
  • Các chỉ số sai số: Sai số quân phương ($RMSE$), Sai số tuyệt đối trung bình ($MAE$), Hệ số xác định ($R^2$), Xác suất phát hiện ($POD$), Tỷ lệ cảnh báo sai ($FAR$), và Chỉ số đe dọa ($CSI/ETS$).

Data và phân tích

Đặc tính mẫu và thông số thủy văn lưu vực:

  • Tổng lượng dòng chảy trung bình nhiều năm của lưu vực sông Mã đạt 18,0 tỷ $\text{m}^3$ ($Q_{tb} = 570\text{ m}^3/\text{s}$, mô-đun $M_0 = 20\text{ l/s.km}^2$). Trong đó, phần dòng chảy sản sinh tại Việt Nam là 14,1 tỷ $\text{m}^3$ ($M_0 = 25,3\text{ l/s.km}^2$), phần sản sinh tại Lào là 3,9 tỷ $\text{m}^3$ ($M_0 = 11,4\text{ l/s.km}^2$).
  • Diện tích khống chế đến Xã Là là $6.430\text{ km}^2$ (dòng chảy năm 3,82 tỷ $\text{m}^3$), đến Hồi Xuân là $15.500\text{ km}^2$ (8,01 tỷ $\text{m}^3$), đến Cẩm Thủy là $17.500\text{ km}^2$ (10,41 tỷ $\text{m}^3$). Khu giữa Xã Là - Hồi Xuân ($9.070\text{ km}^2$) đóng góp 23,2% tổng lượng dòng chảy toàn lưu vực.

Phần mềm và công cụ phân tích:

  • Bộ công cụ mô hình thủy văn NAM (Nedbør-Afstrømnings-Model thuộc bộ phần mềm MIKE 11 của DHI) kết hợp thuật toán truyền lũ Muskingum.
  • Hệ thống phân tích không gian ArcGIS kết hợp các module trích xuất tự động dữ liệu lưới viễn thám GSMaP định dạng nhị phân/NetCDF.
  • Kiểm tra tính vững chắc (Robustness checks) thông qua việc chạy mô phỏng đối chứng chéo 5 kịch bản mưa đầu vào: (1) Mưa thực đo trạm bề mặt nội suy, (2) Mưa GSMaP_NRT thô (Raw), (3) Mưa hiệu chỉnh kết hợp tỷ lệ (Bias), (4) Mưa hiệu chỉnh lân cận gần nhất (NR), và (5) Mưa hiệu chỉnh theo vị trí trạm (MLR).

Phát hiện đột phá và implications

Những phát hiện then chốt

Nghiên cứu mang lại 5 phát hiện then chốt có giá trị thực nghiệm sâu sắc:

  1. Dữ liệu mưa vệ tinh GSMaP_NRT thô đánh giá thấp nghiêm trọng lượng mưa cực trị miền núi: Khi đối soát các trận mưa lớn năm 2017 và 2018, GSMaP_NRT thô bị hụt từ 30% đến gần 50% tổng lượng mưa tại các tâm mưa vùng núi cao (Sơn La, Điện Biên, Hủa Phăn), dẫn đến việc mô phỏng lưu lượng đỉnh lũ bằng mưa thô tại Cẩm Thủy và Xã Là có $NSE < 0,40$ và $PBIAS$ âm sâu ($> -35%$).
  2. Phương pháp hiệu chỉnh MLR và NR khử triệt để sai số thiên lệch không gian: Phân bố tổng lượng mưa các trận lũ lịch sử (như trận 01/VIII - 31/X/2000, 15/VI - 15/IX/2002, 01/VIII - 31/X/2007, 15/VI - 15/X/2012) sau khi hiệu chỉnh bằng phương pháp MLR đã tái tạo hoàn hảo hình thế đẳng trị mưa, thu hẹp sai số trung bình giữa mưa mô phỏng và thực đo xuống dưới $5 - 8\text{ mm}$ mỗi thời đoạn 6 giờ.
  3. Mưa hiệu chỉnh MLR nâng chất lượng mô phỏng lũ vượt trội so với mưa thực đo đơn thuần: Tại tuyến Cẩm Thủy, Xã Là và Cửa Đạt, kịch bản sử dụng mưa GSMaP hiệu chỉnh MLR đạt hệ số $NSE$ ấn tượng từ $0,78$ đến $0,89$, vượt qua kết quả mô phỏng từ nguồn mưa trạm đo bề mặt vốn bị khuyết số liệu vùng thượng lưu Lào (vốn chỉ đạt $NSE \approx 0,65 - 0,72$).
  4. Hiện tượng bất đối xứng thủy văn tại khu giữa Xã Là - Hồi Xuân được giải mã: Nghiên cứu chứng minh rằng $9.070\text{ km}^2$ khu giữa chiếm 31,9% diện tích nhưng đóng góp quyết định vào đỉnh lũ hạ du khi có bão đổ bộ. Dữ liệu vệ tinh hiệu chỉnh đã bắt trọn các tâm mưa di chuyển nhanh qua thung lũng sông Luồng, sông Lò – điều mà mạng lưới 4 trạm đo mặt đất trước đây hoàn toàn bỏ sót.
  5. So sánh tương quan vượt trội với các nghiên cứu quốc tế: Kết quả mô phỏng dòng chảy từ GSMaP hiệu chỉnh của luận án đạt độ chính xác cao hơn đáng kể so với kết quả ứng dụng TRMM/PERSIANN của Yilmaz và nnk (2005) tại các lưu vực sông Pearl, Amite (Mỹ), và tương thích vững chắc với kết luận của Yan Yan và nnk (2022) tại tỉnh Hồ Nam (Trung Quốc) về tính ưu việt của việc hiệu chỉnh không gian trước mô phỏng.

Implications đa chiều

  • Ý nghĩa lý thuyết: Xác lập cơ sở khoa học về việc đồng hóa dữ liệu viễn thám trong mô hình hóa thủy văn lưu vực lớn xuyên biên giới; làm phong phú lý thuyết hình thành dòng chảy lũ do bão và áp thấp nhiệt đới vùng nhiệt đới gió mùa.
  • Ý nghĩa phương pháp luận: Cung cấp quy trình công nghệ 4 bước chuẩn hóa từ thu nhận ảnh vệ tinh thời gian thực $\rightarrow$ hiệu chỉnh thống kê không gian $\rightarrow$ nạp mô hình NAM-Muskingum $\rightarrow$ xuất kết quả dự báo lũ, có khả năng chuyển giao áp dụng cho mọi lưu vực sông khác tại Việt Nam (sông Hồng, sông Cả, sông Ba, sông Thu Bồn).
  • Ứng dụng thực tiễn: Triển khai trực tiếp vào nghiệp vụ dự báo tác nghiệp tại Trung tâm Dự báo KTTV quốc gia và Đài KTTV khu vực Bắc Trung Bộ, tăng thời gian dự báo sớm lũ sông Mã từ 12 - 24 giờ lên 36 - 48 giờ.
  • Khuyến nghị chính sách: Cung cấp luận cứ khoa học để Bộ Tài nguyên và Môi trường, Ban Chỉ đạo Quốc gia về Phòng chống Thiên tai điều hành liên hồ chứa lớn trên lưu vực sông Mã (Hồ Trung Sơn, Hủa Na, Cửa Đạt), giảm thiểu ngập lụt hạ du tỉnh Thanh Hóa.

Limitations và Future Research

Luận án thẳng thắn thừa nhận 4 hạn chế nội tại:

  1. Độ trễ và phân giải cảm biến: Mặc dù GSMaP_NRT có độ trễ ngắn ($2 - 4\text{ giờ}$), nhưng phiên bản chất lượng cao hơn GSMaP_MVK lại có độ trễ $3 - 4\text{ ngày}$, không thể dùng cho tác nghiệp khẩn cấp. Độ phân giải $0,1^\circ$ ($\approx 10\text{ km}$) vẫn còn thô đối với các tiểu lưu vực sườn dốc hẹp có diện tích $< 100\text{ km}^2$.
  2. Giới hạn nhận dạng mây đối lưu tầng thấp: Cảm biến hồng ngoại vệ tinh dễ bị bão hòa nhiệt độ đỉnh mây trong các cơn dông nhiệt cục bộ ngắn hạn, dẫn đến việc bỏ sót các trận mưa cường suất đặc biệt lớn xảy ra trong thời gian dưới 1 giờ.
  3. Ảnh hưởng của karst và hang ngầm: Cấu trúc địa chất đá vôi (chiếm $362\text{ km}^2$ lưu vực sông Bưởi và vùng sông Âm) tạo ra các dòng ngầm phức tạp chưa được mô hình hóa chi tiết trong cấu trúc bể chứa của mô hình NAM.
  4. Phạm vi chuỗi số liệu kiểm định: Nghiên cứu tập trung vào chuỗi số liệu lũ lịch sử 2000 - 2012; các công trình hồ chứa thủy điện mới xây dựng sau giai đoạn này (như Thủy điện Trung Sơn vận hành năm 2017) làm biến đổi chế độ truyền lũ tự nhiên.

Chương trình nghiên cứu tương lai (Future Research Agenda):

  • Phát triển thuật toán Downscaling không gian sử dụng học sâu (Deep Learning / CNN-LSTM) kết hợp địa hình DEM độ phân giải cao ($30\text{ m}$) để hạ độ phân giải mưa vệ tinh xuống $1\text{ km}$.
  • Tích hợp dữ liệu mạng lưới Radar thời tiết phân cực kép (X-band/C-band) với vệ tinh địa tĩnh Himawari-8/9 và GPM IMERG Final Run.
  • Ứng dụng thuật toán lọc suy rộng Ensemble Kalman Filter (EnKF) để đồng hóa liên tục số liệu mực nước thực đo cập nhật trạng thái bể ẩm mô hình NAM thời gian thực.
  • Mở rộng mô hình thủy lực 2 chiều (2D Hydrodynamic) cho toàn bộ vùng ngập lụt hạ lưu đồng bằng sông Mã - sông Chu.

Tác động và ảnh hưởng

Công trình của NCS. Nguyễn Tiến Kiên tạo ra tác động đa tầng sâu rộng:

  • Tác động học thuật (Academic Impact): Tạo tiền đề cho các công bố quốc tế uy tín thuộc danh mục ISI/Scopus (Q1/Q2) trong các tạp chí chuyên ngành như Journal of Hydrology, Remote Sensing of Environment, Water Resources Management. Dự kiến thu hút lượng trích dẫn cao nhờ giải quyết bài toán điển hình về lưu vực xuyên biên giới thiếu dữ liệu (Ungauged Transboundary Basins).
  • Chuyển đổi ngành KTTV (Industry Transformation): Hiện đại hóa công nghệ dự báo lũ cho hệ thống dự báo KTTV Việt Nam, tích hợp trực tiếp vào dự án WB5 C2-DV3 nhằm vận hành tự động bộ công cụ NAM - Mike 11 trên nền tảng máy chủ Web-GIS.
  • Tác động chính sách và an ninh nguồn nước: Đóng góp dữ liệu phục vụ Ủy ban Hợp tác Kinh tế - Kỹ thuật Việt Nam - Lào trong việc chia sẻ thông tin khí tượng thủy văn lưu vực sông Mã - sông Chu; định hướng quy hoạch mạng lưới trạm đo tự động theo Quyết định số 90/QĐ-TTg của Thủ tướng Chính phủ.
  • Lợi ích kinh tế - xã hội: Giúp chính quyền và nhân dân tỉnh Thanh Hóa chủ động phương án di dời, bảo vệ các tuyến đê xung yếu, giảm thiểu thiệt hại hàng trăm tỷ đồng mỗi mùa mưa bão do ngập úng nông nghiệp và sạt lở đất ven sông.

Đối tượng hưởng lợi

  • Nghiên cứu sinh và học viên cao học ngành Thủy văn/Tài nguyên nước: Tiếp cận quy trình phương pháp luận chuẩn mực về xử lý dữ liệu lớn viễn thám, kỹ thuật hiệu chỉnh thống kê không gian và thiết lập mô hình toán chuyên sâu.
  • Các nhà khoa học và chuyên gia KTTV: Sử dụng khung lý thuyết và kết quả đối soát thực nghiệm của luận án làm tài liệu tham khảo nền tảng cho các nghiên cứu mô hình hóa lưu vực sông quốc tế.
  • Đội ngũ dự báo viên tại các Đài KTTV Quốc gia và Khu vực: Nhận chuyển giao công nghệ bộ công cụ tích hợp chuỗi mưa vệ tinh GSMaP hiệu chỉnh, nâng cao độ tin cậy và kéo dài thời gian dự báo cảnh báo sớm.
  • Ban chỉ huy Phòng thủ dân sự, Phòng chống thiên tai và Tìm kiếm cứu nạn các cấp: Nhận các bản tin dự báo đỉnh lũ chính xác, phục vụ công tác chỉ đạo vận hành hồ chứa xả lũ an toàn và bảo vệ hạ du.
  • Chủ đầu tư và đơn vị quản lý các công trình thủy điện/thủy lợi (Trung Sơn, Hủa Na, Cửa Đạt, Bái Thượng): Tối ưu hóa kế hoạch tích nước, phát điện và xả lũ đón lũ khoa học.

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của luận án là gì và đã mở rộng lý thuyết nào?
Trả lời: Luận án mở rộng Lý thuyết Hệ thống Thủy văn (Dooge, 1959) và Lý thuyết Lan truyền Sai số QPE (Krajewski & Smith, 2002) bằng việc chứng minh rằng: Trong các lưu vực miền núi xuyên biên giới thiếu trạm đo, sai số không gian của mưa vệ tinh mang tính phụ thuộc địa hình sâu sắc; thuật toán hồi quy không gian đa biến theo vị trí trạm (MLR) kết hợp mô hình NAM cho phép bảo toàn cấu trúc dòng chảy mặt mà không làm biến dạng các tham số vật lý của lưu vực.

2. Đột phá phương pháp luận của luận án khi so sánh với ít nhất 2 nghiên cứu quốc tế trước đây?
Trả lời: So với nghiên cứu của Bitew và nnk (2012) tại Ethiopia (chỉ hiệu chỉnh thông số mô hình SWAT mà không xử lý mưa) và nghiên cứu của Ibrahim và nnk (2022) (chỉ hiệu chỉnh sai số theo biến thời gian đơn biến tại điểm trạm), luận án đã tạo bước đột phá khi: (1) Xử lý đồng thời sai số không gian và thời gian của trường mưa lưới vệ tinh GSMaP_NRT bằng thuật toán MLR/NR trước khi đưa vào mô hình; (2) Ứng dụng thành công cho lưu vực xuyên biên giới quy mô lớn $17.500\text{ km}^2$ với 38,4% diện tích khuyết số liệu mặt đất, đạt $NSE > 0,85$.

3. Phát hiện gây bất ngờ nhất về mặt số liệu thực nghiệm là gì?
Trả lời: Dữ liệu GSMaP_NRT thô bị suy giảm tới 48% tổng lượng mưa tại vùng núi cao Thượng Lào, nhưng sau khi được hiệu chỉnh bằng MLR với các trạm đo thưa thớt ở vùng giáp biên, trường mưa mô phỏng lại tái lập được đỉnh lũ tại trạm Cẩm Thủy với độ chính xác cao hơn cả việc dùng chuỗi mưa trạm nội suy truyền thống (vốn bị mù thông tin tại $10.900\text{ km}^2$ đất Lào).

4. Luận án có cung cấp quy trình tái lập nghiên cứu (Replication Protocol) rõ ràng không?
Trả lời: Có. Luận án cung cấp chi tiết giao thức 4 bước: (1) Thu nhận tự động dữ liệu GSMaP 1h/3h/6h qua máy chủ JAXA; (2) Trích xuất ô lưới và khớp nối tọa độ với 24 trạm đo mặt đất; (3) Tính toán trọng số ma trận hiệu chỉnh MLR và NR; (4) Nạp chuỗi mưa hiệu chỉnh vào mô hình thủy văn bể chứa NAM và mô đun sóng động học Muskingum trong phần mềm MIKE 11.

5. Chương trình nghiên cứu 10 năm tới được phác thảo ra sao?
Trả lời: Định hướng 2025 - 2035 tập trung vào: (1) Tích hợp trí tuệ nhân tạo (AI/Deep Learning) đồng hóa đa nguồn viễn thám (GPM IMERG, GSMaP, Himawari-9); (2) Xây dựng hệ thống cảnh báo sớm lũ quét, sạt lở đất thời gian thực cho các huyện miền núi phía Tây Thanh Hóa, Sơn La, Điện Biên; (3) Hoàn thiện nền tảng song sinh kỹ thuật số (Digital Twin) quản lý tài nguyên nước xuyên biên giới Việt - Lào.

Kết luận

  1. Luận án đã giải quyết thành công bài toán cấp bách về thiếu hụt dữ liệu mưa quan trắc mặt đất tại lưu vực sông xuyên biên giới sông Mã ($28.400\text{ km}^2$) bằng việc khai thác và làm chủ nguồn dữ liệu mưa vệ tinh GSMaP.
  2. Xác lập cơ sở khoa học và đánh giá toàn diện sai số của các dòng sản phẩm GSMaP (NRT, MVK, NOW) trong điều kiện khí hậu nhiệt đới gió mùa và địa hình chia cắt phức tạp vùng Tây Bắc - Bắc Trung Bộ.
  3. Đề xuất và chứng minh tính ưu việt vượt trội của phương pháp hiệu chỉnh mưa theo vị trí trạm (MLR) và lân cận gần nhất (NR), giúp giảm thiểu sai số tuyệt đối và phản ánh trung thực trường mưa không gian các trận lũ lịch sử.
  4. Thiết lập thành công chuỗi công cụ mô hình thủy văn NAM - Muskingum tích hợp mưa vệ tinh hiệu chỉnh, nâng hệ số hiệu quả mô phỏng đỉnh lũ $NSE$ đạt từ $0,78$ đến $0,89$, kiểm soát sai số tổng lượng dòng chảy $PBIAS$ trong ngưỡng tin cậy cao.
  5. Cung cấp bộ giải pháp công nghệ có khả năng ứng dụng thực tiễn ngay trong nghiệp vụ cảnh báo, dự báo lũ tại Trung tâm Dự báo KTTV quốc gia và vận hành an toàn hệ thống liên hồ chứa lưu vực sông Mã.
  6. Mở ra 3 hướng nghiên cứu mới đầy tiềm năng: Đồng hóa dữ liệu viễn thám đa vệ tinh bằng AI, hạ độ phân giải không gian phục vụ dự báo lũ quét tiểu lưu vực, và thiết lập cơ chế quản trị tài nguyên nước xuyên biên giới dựa trên bằng chứng khoa học vững chắc.