Đồng hóa mưa vệ tinh bằng phương pháp 3DVar, áp dụng thử nghiệm cho lưu vực sông Hồng

Tạp chí khoa học biến đổi khí hậu
Số 10 - Tháng 6/2019
15
ĐỒNG HÓA MƯA VỆ TINH BẰNG PHƯƠNG PHÁP 3DVAR, 
ÁP DỤNG THỬ NGHIỆM CHO LƯU VỰC SÔNG HỒNG
Trần Thanh Huyền(1), Kiều Quốc Chánh(2), Trần Quang Đức(1)
(1)Đại học Khoa học Tự nhiên, Đại học Quốc gia Hà Nội
(2)Đại học Bloomington, Indiana, USA
Ngày nhận bài: 2/4/2019; ngày chuyển phản biện: 4/4/2019; ngày chấp nhận đăng: 15/5/2019
Tóm tắt: Đồng hóa số liệu mưa đầu vào phục vụ mục đích dự báo thủy văn đã và đang được các nhà 
nghiên cứu trong lĩnh vực khí tượng thủy văn quan tâm. Đặc biệt đối với những khu vực có địa hình phức tạp 
và số liệu phụ thuộc do tính chất liên quốc gia như khu vực thượng nguồn sông Hồng và địa giới Trung Quốc, 
số liệu đo đạc thường không liên tục và hạn chế ở nhiều khu vực, trong khi đó các sản phẩm mưa từ các vệ 
tinh quan sát trái đất dù có độ phủ không gian lớn nhưng khó có thể xác định được mưa đối lưu, mưa cục 
bộ với quy mô nhỏ. Nghiên cứu ứng dụng thử nghiệm phương pháp đồng hóa 3DVar cho mưa vệ tinh trên 
lưu vực sông Hồng với việc sử dụng 2 nguồn số liệu mưa vệ tinh GSMaP (Global Satellite Mapping) và GPM 
(Global Precipitation Measurement) được thu thập và xử lý bằng công cụ hỗ trợ dự báo Delft-FEWS. Số liệu 
mưa đồng hóa sau đó được kiểm định bằng số liệu thực đo cho chuỗi thời gian trong tháng 8/2018. Kết quả 
sau khi đồng hóa đã trình diễn một số điểm mưa cục bộ không phát hiện được bởi 2 nguồn mưa vệ tinh, đem 
lại bức tranh hoàn thiện hơn về phân bố mưa theo không gian cho lưu vực sông Hồng.
Từ khóa: 3DVar, mưa vệ tinh, GPM, GSMaP, lưu vực sông Hồng.
1. Đặt vấn đề
Trên quy mô lưu vực, mưa là một yếu tố khí 
tượng quan trọng ảnh hưởng trực tiếp tới các 
quá trình thủy văn như phát sinh dòng chảy, mưa 
lớn dẫn tới lũ quét phía thượng nguồn và ngập 
lụt phía hạ du. Hiện nay, có nhiều nguồn số liệu 
mưa đã được sử dụng và tham khảo trong dự 
báo thủy văn bao gồm số liệu thực đo tại trạm, 
số liệu mưa vệ tinh và số liệu radar. Do tính bất 
định cao của yếu tố mưa, các nguồn mưa vệ tinh 
còn bị hạn chế và không quan trắc được các hình 
thái mưa tầm thấp như mưa đối lưu hoặc mưa 
mang tính cục bộ do ảnh hưởng địa hình. Do 
đó, hiện tại các dự báo viên chỉ sử dụng số liệu 
mưa tại trạm để dự báo thủy văn và các nguồn 
số liệu khác chỉ mang tính tham khảo. Tuy nhiên, 
số liệu mưa trạm hạn chế về mặt không gian, 
đặc biệt những khu vực không có số liệu hoặc số 
liệu không liên tục do yếu tố liên quốc gia như 
Liên hệ tác giả: Trần Thanh Huyền 
Email: tranthanhhuyen@hus.edu.vn
trường hợp của vùng nghiên cứu - lưu vực sông 
Hồng một phần lưu vực thuộc lãnh thổ Trung 
Quốc. Hạn chế này cần được khắc phục, đặc biệt 
trong những điều kiện thời tiết cực đoan như 
mưa lớn hay khi có bão đổ bộ.
Một số nghiên cứu đã được thực hiện để 
xây dựng và đánh giá trường mưa không gian 
từ nội suy mưa trạm như nghiên cứu của Trần 
Anh Đức, Ngô Đức Thành và cộng sự (2007) đã 
xây dựng bộ số liệu lượng mưa ngày trên lưới 
1 x 1 độ cho toàn Việt Nam [2] hay nghiên cứu 
so sánh các phương pháp nội suy mưa không 
gian cho số liệu mưa vệ tinh TRMM, MOD07, 
ASTER DEM và mưa trạm trong nghiên cứu của 
Đỗ Khắc Phong và cộng sự (2015). Tuy nhiên, các 
nghiên cứu này mới chỉ nghiên cứu trên phạm vi 
rộng với bước lưới khá thô (1 x 1 độ kinh vĩ) nên 
không có tính ứng dụng cao trong mô phỏng 
thủy văn. Nghiên cứu này sẽ mở ra hướng 
nghiên cứu mới về đồng hóa số liệu mưa vệ tinh 
với độ phân giải vừa (0,1 x 0,1 độ kinh vĩ) cho 
lưu vực sông Hồng, để từ đó đánh giá khả năng 
16 Tạp chí khoa học biến đổi khí hậu
Số 10 - Tháng 6/2019
cải thiện độ chính xác của số liệu mưa vệ tinh để 
đảm bảo đầu vào cho mô hình thủy văn.
2. Đối tượng và phương pháp nghiên cứu
2.1. Đối tượng nghiên cứu
Khu vực nghiên cứu bao phủ toàn bộ 
lưu vực sông Hồng với miền tính nằm trong 
khoảng 101,45-108,0 độ kinh Đông và 
19,05-25,5 độ vĩ Bắc, đặc trưng bởi hệ thống 
núi cao hướng Tây Bắc - Đông Nam ảnh hưởng 
tới hình thái mưa tại khu vực. Khu vực này 
có khoảng hơn 150 trạm mưa phân bố trên 
toàn miền nghiên cứu và chỉ có 30 trạm thuộc 
lưu vực sông Hồng - sông Đà có đầy đủ số 
liệu cho tháng 8/2018 sử dụng để kiểm định 
(Hình 1).
2.2. Phương pháp tiếp cận
2.2.1. Phương pháp đồng hóa số liệu
Đồng hóa số liệu là thuật ngữ được sử dụng 
cho mục đích tổng hợp các nguồn thông tin/
dữ liệu khác nhau để đưa ra trạng thái tốt nhất 
của một hệ thống hoặc một trường giá trị nào 
đó [3]. Cho tới nay, nhiều phương pháp đồng 
hóa số liệu đã được giới thiệu và ứng dụng rộng 
rãi trong lĩnh vực khí tượng thủy văn. Một số 
phương pháp theo hướng phân tích chuẩn đoán 
như nội suy tối ưu (Optimal Interpolation - OI), 
lọc Kalman, lọc Kalman tổ hợp; trong khi đó một 
số phương pháp theo hướng phân tích biến 
phân như 3DVar và 4DVar [3]. Mục đích của các 
phương pháp này là tạo ra một trường ban đầu 
tốt cho mô hình tính toán.
Nghiên cứu quan tâm đến việc chuẩn bị 
đầu vào tốt nhất cho mô hình thủy văn cho các 
nghiên cứu tiếp theo, do đó không xét đến sai 
số mô hình hoặc các bước thời gian trong mô 
hình. Với mục đích đó, nghiên cứu chọn lựa 
phương pháp đồng hóa biến phân 3DVar để tính 
Hình 1 Phân bố các trạm mưa trên lưu vực sông Hồng
toán trường mưa phân tích. Cơ sở lý thuyết của 
phương pháp 3DVar là tính toán cực tiểu của 
hàm giá (J) bằng cách sử dụng vòng lặp sao cho 
vi phân J(x)=0 [8]. Cụ thể:
Hàm giá
và vi phân hàm giá
Trong đó, x là giá trị của trường phân tích; x
b
là giá trị trường nền; B là ma trận tương quan 
sai số trường nền; H là ma trận tương quan giữa 
trường quan trắc và trường nền; R là ma trận 
tương quan sai số trường quan trắc; y là giá trị 
của trường quan trắc. Đồng hóa 3DVar, so với 
các phương pháp đồng hóa biến phân khác như 
4DVar, đòi hỏi thời gian và năng lực tính toán ít 
hơn và không xét đến sai số mô hình và bước 
thời gian. Một nhược điểm của phương pháp 
3DVar đó là việc tính toán ma trận B đòi hỏi 
năng lực và thời gian tính toán cao [5]. Để khắc 
phục nhược điểm này, nghiên cứu thiết lập một 
số giả thiết và giới hạn miền tính toán để đảm 
bảo khả năng tính toán của 3DVar.
∇
( ) ( ) ( ) [ ]( ) [ ]( )1 1TTb bJ x x x B x x y H x R y H x− −= − − + − − (1)
( ) ( ) [ ]( )1 12 2 TbJ x B x x H R y H x− −∇ = − − − (2)
Tạp chí khoa học biến đổi khí hậu
Số 10 - Tháng 6/2019
17
2.2.2. Thiết lập giả thiết cho bài toán
Trong đồng hóa biến phân, tương quan sai 
số trường nền là tham số quan trọng nhất quyết 
định chất lượng của kết quả đồng hóa [9]. Giả 
thiết tương quan về không gian giữa các điểm 
giá trị mưa trên khu vực nghiên cứu được tính 
toán dựa trên phương pháp của Cressman về 
nội suy không gian. Phương pháp này đặt vấn đề 
rằng các điểm trên ô lưới sẽ có tương quan lẫn 
nhau với các trọng số khác nhau và phụ thuộc 
vào khoảng cách của điểm đó tới các điểm còn 
lại trên lưới [2]. Ma trận B được tính toán dựa 
trên phương pháp này. Cụ thể:
Trong đó, w
ik
 là hệ số tương quan giữa nút 
lưới thứ i và nút lưới thứ k; R là bán kính ảnh 
hưởng tâm là điểm nút lưới; r
ik 
là khoảng cách 
tính từ nút lưới thứ i tới nút lưới thứ k. Sử 
dụng tính toán tương quan trong bài toán đồng 
hóa bằng phương pháp Cressman sẽ đảm bảo 
được tính phi tuyến và phân bố bất đồng đều 
theo phương không gian của bộ số liệu so với 
phương pháp nội suy tuyến tính do phương 
pháp này xác định bán kính ảnh hưởng của các 
điểm trên lưới đối với các khu vực lân cận. Tuy 
nhiên, phương pháp này cũng có những hạn chế 
nhất định vì cần đòi hỏi một số lượng trạm quan 
trắc nhất định nằm trong các ô lưới để đảm bảo 
tính tương quan của các giá trị [2]. Bên cạnh đó, 
việc xác định bán kính ảnh hưởng (R) cũng rất 
quan trọng phải được đưa vào bước hiệu chỉnh 
cho quá trình đồng hóa để chọn ra R phù hợp.
Nghiên cứu giả thiết sai số trung bình của 
trường quan trắc (σo) có giá trị là 0,2mm theo 
quy định trong Thông tư số 30/2018/TT-BTNMT 
về Quy định kỹ thuật về quan trắc và cung cấp 
thông tin, dữ liệu khí tượng thủy văn đối với 
trạm khí tượng thủy văn chuyên dùng [7]. Sai 
số trung bình của trường nền - trường mưa 
vệ tinh (σ
b
) được ước lượng dựa trên phương 
pháp sai số bình phương (Root-mean-square 
error - RMSE). Để đơn giản hóa bài toán, σ
b 
được 
giả thiết không đổi trên toàn miền nghiên cứu 
và không phụ thuộc vào địa hình, khu vực địa lý 
và hình thái thời tiết. σ
o
 và σ
b
 là hai tham số đầu 
2 2
2
2 2
20
W
ik
ik
ik
ik
R r r R
R r
ik r R
−
<
+
≥
= 

(3)
vào quan trọng để tính toán ma trận B và R. 
2.2.3. Nguồn số liệu
Số liệu mưa tại trạm được thu thập cho tháng 
8/2018 được sử dụng để tính toán đồng hóa và 
kiểm định. Số liệu mưa vệ tinh GPM được trích 
xuất từ bộ số liệu tổ hợp sản phẩm thu hồi từ 
đa vệ tinh GPM IMERG/Early V05B, là số liệu 
mưa gần với thời gian thực nhất so với các bộ số 
liệu khác của IMERG (Final, Late, Early) [4]. Ưu 
điểm của nguồn số liệu GPM IMERG/Early là độ 
trễ tương đối nhỏ, có thể áp dụng cho khu vực 
thượng lưu để ứng dụng cho thủy văn, khả năng 
cung cấp số liệu độ phân giải cao cả không gian 
và thời gian (0,5 giờ - 11km) so với bộ sản phẩm 
cũ TRMM (3 giờ - 25km) [5] và được hiệu chỉnh 
bởi các đo đạc từ hệ thống quan sát cốt lõi GPM 
(GPM Core Observatory) [10]. Tuy nhiên, bộ số 
liệu GPM này vẫn chưa đáp ứng được nhu cầu 
dự báo đối với các khu vực cần tính tức thời. 
Bên cạnh GPM, nghiên cứu còn sử dụng bộ số 
liệu GSMaP NOW của Cơ quan Hàng không Vũ 
trụ Nhật Bản (JAXA). Bộ số liệu này cũng có ưu 
điểm về độ phân giải với bước thời gian 0,5 giờ 
và bước lưới 0,1 độ (11km) nhưng vượt trội hơn 
các sản phẩm mưa vệ tinh khác ở khả năng cung 
cấp số liệu mưa thời gian thực (độ trễ =0) [6]. 
Hai nguồn mưa vệ tinh này được thu thập tương 
ứng với chuỗi thời gian của số liệu tại trạm quan 
trắc để tính toán đồng hóa và kiểm định.
3. Kết quả và bàn luận
3.1. Tính toán tương quan và sai số trung bình 
trường nền
Sai số trung bình của trường mưa vệ tinh 
GPM và GSMaP được tính qua mỗi bước thời 
gian đồng hóa. Một số phân tích thống kê của các 
sai số tính toán được của trường mưa GPM và 
GSMaP được thể hiện trong Bảng 1. Giá trị trung 
bình sai số của trường mưa GPM là 7,10mm, 
trong khi đó của trường GSMaP là 6,22mm. Có 
thể thấy giá trị sai số cực đại của cả hai nguồn 
mưa này khá lớn (37,86mm). Các giá trị sai số 
lớn này thường xuất hiện ở những khu vực có 
mưa lớn do tính bất định của số liệu mưa cũng 
tăng lên khi lượng mưa tăng. Mayor và cộng sự 
(2017) đã chỉ ra rằng, số liệu mưa GPM thường 
thiên thấp khi có các trận mưa lớn xuất hiện [10]. 
18 Tạp chí khoa học biến đổi khí hậu
Số 10 - Tháng 6/2019
3.2. Đồng hóa 3DVar cho GSMaP và GPM
3.2.1. Chọn bán kính ảnh hưởng R
Các biểu đồ trong Hình 2 cho thấy phân bố 
mưa thay đổi đáng kể khi thay đổi tham số R. 
Ví dụ cho thấy, với bán kính R=100km, 
trường phân tích đối với cả GPM và GSMaP đều 
Bảng 1. Các đặc trưng thống kê sai số bình phương của 2 tập giá trị mưa GPM và GSMaP
RMSE Cực tiểu Phân vị thứ nhất Trung vị Trung bình Phân vị thứ ba Cực đại
GPM 0,00 1,09 6,50 7,10 10,27 37,86
GSMaP 0,00 0,28 4,93 6,22 9,29 37,86
thu được thể hiện tốt hơn sự ảnh hưởng của các 
trạm mưa trong các ô lưới so với sử dụng bán 
kính 200km, thể hiện được những vùng có mưa 
(hoặc không có mưa) theo quan trắc từ thực 
đo. Trường phân tích với bán kính R=100km thể 
hiện rõ rệt khu vực chịu ảnh hưởng của số liệu 
thực đo (gây ra hiệu ứng “mắt trâu”) (Hình 2). 
3.2.2. Đồng hóa 3Dvar
Các biểu đồ phân bố mưa không gian trong 
Hình 3 đã cho thấy, trường phân tích của cả hai 
bộ số liệu đều thể hiện được sự cải thiện rõ rệt 
so với trường ban đầu nhờ sử dụng mạng lưới 
trạm thực đo vào đồng hóa. Một số khu vực có 
xuất hiện mưa cục bộ mà vệ tinh không phát 
hiện được cũng đã được biểu diễn trên trường 
phân tích sau đồng hóa.
Chuỗi số liệu 20 ngày tháng 8 (từ ngày 
Hình 2. Trái qua phải: Hình trên: Trường nền GSMaP; Trường phân tích GSMaP (R=100km); 
Trường phân tích GSMaP (R=200km); Hình dưới: Trường nền GPM; Trường phân tích GPM 
(R=100km); Trường phân tích GPM (R=200km)
1-20/8/2018) được sử dụng để kiểm định chương 
trình đồng hóa 3DVar. Cụ thể, số liệu trường phân 
tích sau tính toán được đưa về tọa độ trạm để so 
sánh với số liệu thực đo tại các trạm độc lập. 
Phân tích tương quan cho thấy, mưa phân 
tích của GSMaP cho kết quả khá tốt với hệ số 
tương quan R2=0,53, trong khi đó GPM chỉ là 
0,21 (Hình 4). 
4. Kết luận
Nghiên cứu sử dụng phương pháp đồng hóa 
Tạp chí khoa học biến đổi khí hậu
Số 10 - Tháng 6/2019
19
3DVar tạo ra trường mưa phân tích cho GSMaP 
và GPM. Kết quả cho thấy trường mưa ban đầu 
được cải thiện đáng kể, biểu diễn được một số 
điểm gây mưa cục bộ không quan sát được bởi vệ 
tinh. Nghiên cứu cũng chỉ ra bán kính ảnh hưởng 
R là một tham số rất quan trọng, có thể quyết 
định chất lượng của sản phẩm phân tích. Độ tin 
Hình 3. Trái qua phải: Trường ban đầu GSMaP, Trường phân tích GSMaP, Trường ban đầu GPM, 
Trường phân tích GPM vào lúc 00:00 GMT ngày 29/8/2018 (trên);
 và lúc 06:00 GMT ngày 29/8/2018 (dưới)
Hình 4. Tương quan giữa số liệu mưa GSMaP trước và sau đồng hóa so với thực đo
cậy và mật độ trạm quan trắc là yếu tố quan trọng 
để tạo ra một sản phẩm đồng hóa tốt. Đây là một 
hướng tiếp cận mới sử dụng mưa vệ tinh độ phân 
giải không gian và thời gian cao kết hợp đồng hóa 
số liệu giải quyết bài toán mô phỏng dòng chảy ở 
quy mô lưu vực. Cụ thể trong nghiên cứu, có thể 
áp dụng tốt cho lưu vực sông Hồng.
Lời cảm ơn: Nghiên cứu là sản phẩm thuộc Đề tài TN.18.24 “Phát triển hệ thống dự báo lũ tích hợp 
trên nền tảng Delft-FEWS để nâng cao hiệu quả dự báo lũ cho lưu vực sông Hồng”, Trường Đại học Khoa 
học Tự nhiên, Đại học Quốc gia Hà Nội, do Th.S Trần Thanh Huyền là chủ nhiệm đề tài và đồng thời là 
tác giả chính. Tập thể tác giả xin cảm ơn sự hỗ trợ của Trung tâm Động lực học Thủy khí Môi trường và 
Tiểu dự án: “Hiện đại hóa hệ thống quan trắc và mô phỏng/dự báo các điều kiện khí tượng hải văn - môi 
trường biển và đới ven bờ độ phân giải cao phục vụ khai thác bền vững tài nguyên biển và giảm thiểu 
rủi ro thiên tai”, trong khuôn khổ Dự án FIRST góp phần xây dựng nghiên cứu được hoàn chỉnh hơn.
20 Tạp chí khoa học biến đổi khí hậu
Số 10 - Tháng 6/2019
Tài liệu tham khảo
Tài liệu tiếng Việt
1. Bộ Tài nguyên và Môi trường (2018), “Thông Tư 30/2018/TT-BTNMT Quy định kỹ thuật về quan trắc 
và cung cấp thông tin, Dữ liệu Khí tượng thủy văn đối với trạm Khí tượng thủy văn chuyên dùng”.
2. Trần Anh Đức, Phan Văn Tân, Ngô Đức Thành (2010), Xây dựng bộ số liệu mưa ngày VNGP_1DEG 
trên lưới 1ox1o kinh vĩ cho Việt Nam, Tạp chí Khí tượng Thủy văn, Hà Nội, 2 (590), tr. 42-48.
Tài liệu tiếng Anh
3. E. Blayo, E. Cosme, and A. Vidard (2011), “Introduction to Data Assimilation,” vol. 2, pp. 1–35.
4. G. J. Huffman, D. T. Bolvin, E. J. Nelkin, and J. Tan (2019), “Integrated Multi-satellitE Retrievals for 
GPM (IMERG) Technical Documentation,” no. March, pp. 1–64.
5. H. Beria, T. Nanda, D. S. Bisht, and C. Chatterjee(2017), “Does the GPM mission improve the 
systematic error component in satellite rainfall estimates over TRMM? An evaluation at a 
pan-India scale,” Hydrol. Earth Syst. Sci., vol. 21, no. 12, pp. 6117–6134.
6. Kim Hyungjun; T. Kubota; N. Utsumi (2017), “Development and Applications of the GSMaP: 
Overview & Lessons learned in a real-world case for Hydrological Status and Outlook System,” 
WMO Glob. Hydrol. Status Outlook Syst.
7. K. P. Do et al., (2015), “Spatial interpolation and assimilation methods for satellite and ground 
meteorological data in Viet Nam” J. Inf. Process. Syst., vol. 11, no. 4, pp. 556–572.
8. P.Courtier and F.Bouttier (1999), “Data assimilation concepts and methods”, in Data assimilation 
concepts and methods.
9. V. Rakesh; P. Goswami (2011), “Impact of background error statistics on 3D-Var assimilation: Case 
study over the Indian region Impact of background error statistics on 3D-Var assimilation: Case 
study over the Indian region,” no. April.
10. Y. G. Mayor, I. Tereshchenko, M. Fonseca-Hernández, D. A. Pantoja, and J. M. Montes (2017), 
“Evaluation of error in IMERG precipitation estimates under different topographic conditions and 
temporal scales over Mexico,” Remote Sens., vol. 9, no. 5, pp. 1–18.
SATELLITE-BASED RAINFALL DATA ASSIMILATION USING 3DVAR 
TECHNIQUE - CASE STUDY IN RED RIVER BASIN
Tran Thanh Huyen(1), Kieu Quoc Chanh(2), Tran Quang Duc(1)
(1)University of Science, Viet Nam National University
(2)Indiana University Bloomington, Indiana, USA
Received: 2/4/2019; Accepted: 15/5/2019
Abstract: Data assimilation of rainfall as input for hydrological forecasting has been intensively 
researched by many scientists in hydro-meteorological fields. Especially, in areas that characterized by 
complex terrains and rainfall that are highly data dependent due to transboundary issues. This is true 
for the upstream area of Red River and Chinese territories. Of which rainfall data is not continuously 
measured and is not highly avaialble in some remote areas. Meanwhile, in spite of the large 
domain cover rainfall products from the Earth Observation Satellites (EOS), there still exist a challenge 
in detecting small scale convective rainfall and local rainfall. This study focuses on applying a 3DVar technique 
for satellite-based rainfall data assimilation using two satellite rainfall sources: GSMaP (Global Satellite 
Mapping) and GPM (Global Precipitation Measurement) that are collected and preprocessed by Delft-FEWS. 
Analyzed rainfall data was then validated using observed rainfall for August, 2018. The results showed that 
the analysis data could detect some local rainfall points which were not detected by the two satellite rainfall 
sources thus provides a more complete image of spatial rainfall distribution for the Red River Basin.
Keywords: 3DVar, Satellite rainfall, GPM, GSMaP, Red River Basin.