Tác giả

Trịnh Minh Ngọc 1 , Đặng Đình Khá 1 , Ngô Chí Tuấn 1 , Nguyễn Ý Như 1*

Đơn vị công tác

1 Khoa Khí tượng Thủy văn và Hải dương học, Trường Đại học Khoa học Tự nhiên, Đại học Quốc gia Hà Nội; trinhminhngoc@hus.edu.vn; dangdinhkha@hus.edu.vn; ngochituan@gmail.com; nguyenynhu@hus.edu.vn

*Tác giả liên hệ: nguyenynhu@hus.edu.vn; Tel.: +84–869110757

Tóm tắt

Dữ liệu mưa vệ tinh đóng vai trò quan trọng trong nghiên cứu tài nguyên nước trên lưu vực sông, đặc biệt là các lưu vực sông liên quốc gia, khi độ phân giải và mức độ chính xác của mưa vệ tinh ngày càng được nâng cao. Nội dung bài báo sẽ phân tích đánh giá chất lượng dữ liệu mưa vệ tinh CMORPH trong thời gian 23 năm (2000-2022) trên lưu vực sông Lam. Nghiên cứu sử dụng chuỗi dữ liệu thực đo từ 17 trạm mưa để so sánh với các ô lưới mưa theo đánh giá theo thời đoạn mưa ngày, mưa tháng, mưa mùa và mưa năm. Các chỉ số thống kê định tính, định lượng, pha mưa để đánh giá theo phân bố thời gian, không gian của dữ liệu mưa CMORPH. Phân tích các kết quả nghiên cứu cho thấy sản phẩm mưa CMORPH có xu thế thiên thấp khoảng 20% so với mưa trạm, phân bố mưa theo không gian phản ảnh tốt, tổng lượng mưa theo tháng tương quan khá tốt với mưa trạm (CC=0,81), tuy nhiên, dữ liệu mưa theo ngày thì chưa phản ảnh tốt khi chỉ số tương quan chỉ khoảng 0,42 và các sự kiện mưa lớn.

Từ khóa

CMORPH; Lưu vực sông Lam; Chỉ số thống kê.

Trích dẫn bài báo

Ngoc, T.M.; Khá, Đ.Đ.; Tuấn, N.C.; Như, N.Y. Đánh giá chất lượng mưa vệ tinh CMORPH trên lưu vực sông Lam. Tạp chí Khí tượng Thuỷ văn 2024, 763, 24-34.

Tài liệu tham khảo

1. Senent-Aparicio, J.; López-Ballesteros, A.; Pérez-Sánchez, J.; Segura-Méndez, F.J.; Pulido-Velazquez, D. Using multiple monthly water balance models to evaluate gridded precipitation products over peninsular Spain. Remote Sens. 2028, 10, https://doi.org/10.3390/rs10060922.

2. Sun, Q.; Miao, C.; Duan, Q.; Ashouri, H.; Sorooshian, S.; Hsu, K.L. A review of global precipitation data sets: Data sources, estimation, and intercomparisons. Rev. Geophys. 2018, 56, 79–107. https://doi.org/10.1002/2017RG000574.

3. Ebert, E.E.; Janowiak, J.E.; Kidd, C. Comparison of Near-Real-Time Precipitation Estimates from Satellite Observations and Numerical Models. Bull. Am. Meteorol. Soc. 2007, 88, 47–64. https://doi.org/10.1175/BAMS-88-1-47.

4. Mekonnen, G.; Menberu, M.B.; Feyera, A.H.; Gebrehiwot, N.T. Accuracy of satellite rainfall estimates in the Blue Nile Basin: Lowland plain versus highland mountain. Water Resour. Res. AGU Publ. 2014, 8775–8790. https://doi.org/10.1002/2013WR014500.

5. Guo, H.; Chen, S.; Bao, A.; Hu, J.; Gebregiorgis, A.S.; Xue, X.; et al. Inter-comparison of high-resolution satellite precipitation products over Central Asia. Remote Sens. 2015, 7, 7181–7211. https://doi.org/10.3390/rs70607181.

6. Wu, H.; Chen, B. Evaluating uncertainty estimates in distributed hydrological modeling for the Wenjing River watershed in China by GLUE, SUFI-2, and ParaSol methods. Ecol. Eng. 2014, 76, 110–121. https://doi.org/10.1016/j.ecoleng.2014.05.014.

7. Hải, B.T.; Tuấn, N.V. Nghiên cứu đánh giá vá so sánh các dữ liệu mưa vệ tinh độ phân giải cao lưu vực sông Cả. Tạp chí Khí tượng Thủy văn 2018, 695, 17–28.

8. Sorooshian, S.; AghaKouchak, A.; Arkin, P.; Eylander, J.; Foufoula-Georgiou, E.; Harmon, R.; et al. Advanced Concepts on Remote Sensing of Precipitation at Multiple Scales. Bull. Am. Meteorol. Soc. 2011, 92, 1353–1357. https://doi.org/10.1175/2011BAMS3158.1.

9. Yong, B.; Liu, D.; Gourley, J.J.; Tian, Y.; Huffman, G.J.; Ren, L.; et al. Global View Of Real-Time Trmm Multisatellite Precipitation Analysis: Implications For Its Successor Global Precipitation Measurement Mission. Bull. Am. Meteorol. Soc. 2015, 96, 283–296. https://doi.org/10.1175/BAMS-D-14-00017.1.

10. Negrón Juárez, R.I.; Li, W.; Fu, R.; Fernandes, K. de Oliveira, C.A. Comparison of Precipitation Datasets over the Tropical South American and African Continents. J. Hydrometeorol. 2009, 10, 289–299. https://doi.org/10.1175/2008JHM1023.1.

11. Awange, J.L.; Ferreira, V.G.; Forootan, E.; Khandu.; Andam-Akorful, S.A.; Agutu, N.O.; et al. Uncertainties in remotely sensed precipitation data over Africa. Int. J. Climatol. 2016, 36, 303–323. https://doi.org/10.1002/joc.4346.

12. Prakash, S.; Mitra, A.K.; Rajagopal, E.N.; Pai, D.S. Assessment of TRMM-based TMPA-3B42 and GSMaP precipitation products over India for the peak southwest monsoon season. Int. J. Climatol. 2016, 36, 1614–1631. https://doi.org/10.1002/joc.4446

13. Xue, X.; Hong, Y.; Limaye, A.S.; Gourley, J.J.; Huffman, G.J.; Khan, S.I.; et al. Statistical and hydrological evaluation of TRMM-based Multi-satellite Precipitation Analysis over the Wangchu Basin of Bhutan: Are the latest satellite precipitation products 3B42V7 ready for use in ungauged basins. J. Hydrol. 2013, 499, 91–99. https://doi.org/10.1016/j.jhydrol.2013.06.042.

14. Ebert, E.E.; Janowiak, J.E.; Kidd, C. Comparison of near-real-time precipitation estimates from satellite observations and numerical models. Bull. Am. Meteorol. Soc. 2007, 88(1), 47–64. https://doi.org/10.1175/BAMS-88-I-47.

15. Tian, Y.; Peters-Lidard, D. C., Adler, R.F.; Kubota, T.; Ushio T. Evaluation of GSMaP precipitation estimates over the contiguous United States. J. Hydrometeorol. 2010, 11, 566–574. https://doi.org/10.1175/2009JHM1190.1.

16. Gebremichael, M.; Bitew, M.M.; Hirpa, F.A.; Hirpa, F.A. Accuracy of satellite rainfall estimates in the Blue Nile Basin: Lowland plain versus highland mountain. Water Resour. Res. 2014, 5329–5333. https://doi.org/10.1002/2013WR014910.

17. Gosset, M.; Viarre, J.; Quantin, G.; Alcoba, M. Evaluation of several rainfall products used for hydrological applications over West Africa using two high-resolution gauge networks. Q. J. R. Meteorolog. Soc. 2013, 139, 923–940. https://doi.org/10.1002/qj.2130

18. Tian, Y.; Peters-Lidard, C.D.; Eylander, J.B. Real-Time Bias Reduction for Satellite-Based Precipitation Estimates. J. Hydrometeorol. 2010, 11, 1275–1285. https://doi.org/10.1175/2010JHM1246.1.

19. Sorooshian, S.; Aghakouchak, A.; Arkin, P.; Eylander, J.; Foufoula-Georgiou, E.; Harmon, R.; et al. Advanced concepts on remote sensing of precipitation at multiple scales. Bull. Am. Meteorol. Soc. 2011, 92, 1353–1357. https://doi.org/10.1175/2011BAMS3158.1.

20. Dandridge, C.; Lakshmi, V.; Bolten, J.; Srinivasan, R. Evaluation of satellite-based rainfall estimates in the Lower Mekong River Basin (Southeast Asia). Remote Sens. 2019, 11, 1–17. https://doi.org/10.3390/rs11222709.

21. Luo, X.; Wu, W.; He, D.; Li, Y.; Ji, X. Hydrological simulation using TRMM and CHIRPS precipitation estimates in the lower Lancang-Mekong river basin. Chin. Geogr. Sci. 2019,  29, 13–25. https://doi.org/10.1007/s11769-019-1014-6

22. Nguyen, T.H.; Masih, I.; Mohamed, Y.A.; van der Zaag, P. Validating rainfall-runoff modelling using satellite-based and reanalysis precipitation products in the sre pok catchment, the mekong river basin. Geosci. 2018, 8, 164. https://doi.org/10.3390/geosciences8050164.

23. Thom, V.T.; Khoi, D.N.; Linh, D.Q. Using gridded rainfall products in simulating streamflow in a tropical catchment – A case study of the Srepok River Catchment, Vietnam. J. Hydrol. Hydromech. 2017, 65, 18–25. https://doi.org/10.1515/johh-2016-0047.

24. Wang, W.; Lu, H.; Yang, D.; Sothea, K.; Jiao, Y.; Gao, B.; et al. Modelling hydrologic processes in the Mekong River basin using a distributed model driven by satellite precipitation and rain gauge observations. PLoS ONE. 2016, 11, 1–19. https://doi.org/10.1371/journal.pone.0152229.

25. Wang, W.; Lu, H.; Zhao, T.; Jiang, L.; Shi, J. Evaluation and comparison of daily rainfall from latest GPM and TRMM products over the Mekong River Basin. IEEE J. Sel. Top. Appl. Earth Obs. Remote Sens. 2017, 10, 2540–2549. https://doi.org/10.1109/JSTARS.2017.2672786.

26. Li, Y.; Wang, W.; Lu, H.; Khem, S.; Yang, K.; Huang, X. Evaluation of three satellite-based precipitation products over the lower mekong river basin using rain gauge observations and hydrological modeling. IEEE J. Sel. Top. Appl. Earth Obs. Remote Sens. 2019, 12, 2357–2373. https://doi.org/10.1109/JSTARS.2019.2915840.

27. Chen, A.; Chen, D.; Azorin-Molina, C. Assessing reliability of precipitation data over the Mekong river basin: A comparison of ground-based, satellite, and reanalysis datasets. Int. J. Climatol. 2018, 38, 4314–4334. https://doi.org/10.1002/joc.5670.

28. Try, S.; Tanaka, S.; Tanaka, K.; Sayama, T.; Oeurng, C.; Uk, S.; et al. Comparison of gridded precipitation datasets for rainfall-runoff and inundation modeling in the Mekong River Basin. PLoS ONE 2020, 15, 1–13. https://doi.org/10.1371/journal.pone.0226814.

29. Kiên, N.T.; Thành, L.Đ.; Sơn, L.H. Nghiên cứu ứng dụng tính toán dự báo lũ sông Mê Công từ mưa vệ tinh SRE và TRMM. Tuyển Tập Hội Nghị Khoa Học Thường Niên Năm 2014, Đại học Thủy lợi, Hà Nội. 2014, tr. 471–474.

30. Sơn, N.T.; Anh, N.Q. Khai thác sử dụng số liệu mưa vệ tinh trong dự báo lũ lưu vực sông Mê Kông (từ Chiang Saen đến Strung Streng). Tạp chí Khoa học: Khoa học tự nhiên và Công nghệ 2015, 31, 222–230.

31. Duan, Z.; Liu, J.; Tuo, Y.; Chiogna, G.; Disse, M. Evaluation of eight high spatial resolution gridded precipitation products in Adige Basin (Italy) at multiple temporal and spatial scales. Sci. Total Environ. 2016, 573, 1536–1553. https://doi.org/10.1016/j.scitotenv.2016.08.213.

32. Krakauer, N.Y.; Pradhanang, S.M.; Lakhankar, T.; Jha, A.K. Evaluating satellite products for precipitation estimation in mountain regions: A case study for Nepal. Remote Sens. 2013, 5, 4107–4123. https://doi.org/10.3390/rs5084107

33. Ren, P.; Li, J.; Feng, P.; Guo, Y.; Ma, Q. Evaluation of multiple satellite precipitation products and their use in hydrological modelling over the Luanhe river basin, China. Water. 2018, 10, 677–700. https://doi.org/10.3390/w10060677.

34. Vernimmen, R.R.E.; Hooijer, A.; Mamenun.; Aldrian, E.; Van Dijk, A.I.J.M. Evaluation and bias correction of satellite rainfall data for drought monitoring in Indonesia. Hydrol. Earth Syst. Sci. 2012, 16, 133–146. https://doi.org/10.5194/hess-16-133-2012.

35. Stampoulis, D.; Anagnostou, E. Evaluation of global satellite rainfall products over Continental Europe. J. Hydrometeorol. 2012, 13, 588–603. https://doi.org/10.1175/JHM-D-11-086.1.

36. Tan, M.; Ibrahim, A.; Duan, Z.; Cracknell, A.; Chaplot, V. Evaluation of six high-resolution satellite and ground-based precipitation products over Malaysia.  Remote Sens. 2015, 7, 1504–1528. https://doi.org/10.3390/rs70201504.

37. Khandu, L.; Awange, J.; Forootan, E. Interannual variability of temperature in the UTLS region over Ganges-Brahmaputra-Meghna river basin based on COSMIC GNSS RO data. Atmos. Meas. Tech. 2016, 9, 1685–1699. https://doi.org/10.5194/amt-9-1685-2016.

38. Yang, Y.; Luo, Y. Evaluating the performance of remote sensing precipitation products CMORPH, PERSIANN, and TMPA, in the arid region of northwest China. Theor. Appl. Climatol. 2014, 118, 429–445. https://doi.org/10.1007/s00704-013-1072-0

39. Kiên, N.T.; An, N.L.; Thành, L.Đ. Đánh giá chất lượng mưa vệ tinh GSMaP mô phỏng mưa lớn - ứng dụng cho lưu vực Sông Mã. Tạp chí Khoa học Kỹ thuật Thuỷ lợi và Môi trường 2019, 64, 76–83.

40. Dinh, K.D.; Anh, T.N.; Nguyen, N.Y.; Bui, D.D.; Srinivasan, R. Evaluation of grid-based rainfall products and water balances over the Mekong river basin. Remote Sens. 2020, 12, 1858. https://doi.org/10.3390/rs12111858.

41. Anh, N.Q. Khai thác sử dụng số liệu vệ tinh trong dự báo lũ lưu vực sông Mê Công (từ Chiang saen đến Stung Treng), Trường Đại học Khoa học Tự nhiên, Đại học Quốc gia Hà Nội. 2012.

42. Trinh-Tuan, L.; Matsumoto, J.; Ngo-Duc, T.; Nodzu, M.I.; Inoue, T. Evaluation of satellite precipitation products over the Central of Vietnam. Prog. Earth Planet. Sci. 2019, 6, 54.

43. Phuong, H.T.; Thanh, H.T.K.; Huu, L.T.; Saito, M. Spatial and temporal variabilities of suspended sediment and dissolved nutrients in the Ca River basin, North Central Vietnam. Water Pract. Technol. 2023, 18, 408–418. https://doi.org/10.2166/wpt.2023.016.

44. Giang, P.Q.; Toshiki, K.; Sakata, M.; Kunikane, S.; Vinh, T.Q. Modelling climate change impacts on the seasonality of water resources in the upper Ca river watershed in Southeast Asia. Sci. World J. 2014, 1–14. https://doi.org/10.1155/2014/279135.

45. Tuyen, H.M. Impact of climate change on water resources in Ca River basin. VNU J. Sci. Earth Sci. 2010, 26, 224–231. https://doi.org/10.1023/B:WARM.0000049142.95583.98.

46. Joyce, R.J.; JANOWIAK, J.E.; Climate.; ARKIN, P.A.; Earth.; XIE P.; et al. CMORPH: A method that produces global precipitation estimates from passive microwave and infrared data at high spatial and temporal resolution. J. Hydrometeorol. 2004, 5, 487–503. https://doi.org/10.1175/1525-7541(2004)005<0487:CAMTPG>2.0.CO;2.

47. Yang, Z.; Hsu, K.; Sorooshian, S.; Xu, X.; Braithwaite, D.; Verbist, K.M.J. Bias adjustment of satellite‐based precipitation estimation using gauge observations: A case study in Chile. J. Geophys. Res.: Atmos. 2016, 121, 3790–3806. https://doi.org/10.1002/2015JD024540.

48. Saber, M.; Yilmaz, K. Evaluation and Bias correction of satellite-based rainfall estimates for modelling flash floods over the mediterranean region: Application to Karpuz river basin, Turkey. Water 2018, 10, 657. https://doi.org/10.3390/w10050657.

49. Gumindoga, W.; Rientjes, T.H.M.; Haile, A.T.; Makurira, H.; Reggiani, P. Performance of bias-correction schemes for CMORPH rainfall estimates in the Zambezi River basin. Hydrol. Earth Syst. Sci. 2019, 23, 2915–2938. https://doi.org/10.5194/hess-23-2915-2019

50. Chen, S.; Xiong, L.; Ma, Q.; Kim, J.S.; Chen, J.; Xu, C.Y. Improving daily spatial precipitation estimates by merging gauge observation with multiple satellite-based precipitation products based on the geographically weighted ridge regression method. J. Hydrol. 2020, 589, 125156. https://doi.org/10.1016/j.jhydrol.2020.125156.

51. Yang, X.; Yang, S.; Tan, M.L.; Pan, H.; Zhang, H.; Wang, G.; et al. Correcting the bias of daily satellite precipitation estimates in tropical regions using deep neural network. J. Hydrol. 2022, 608, 127656. https://doi.org/10.1016/j.jhydrol.2022.127656.