zunia.vn

Tuyển sinh 2024 dành cho Gen-Z

zunia.vn

» Khoa Học Tự Nhiên

» Môi trường

Đánh giá một số phương pháp nội suy không gian cho bài toán mưa năm ở Việt Nam

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:3

Báo xấu

14
lượt xem 3
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Bài viết Đánh giá một số phương pháp nội suy không gian cho bài toán mưa năm ở Việt Nam trình bày đánh giá một số các phương pháp nội suy thường dùng ở Việt Nam, từ đó đề xuất các phương pháp phù hợp với điều kiện Việt Nam.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Đánh giá một số phương pháp nội suy không gian cho bài toán mưa năm ở Việt Nam

Tuyển tập Hội nghị Khoa học thường niên năm 2019. ISBN: 978-604-82-2981-8 ĐÁNH GIÁ MỘT SỐ PHƯƠNG PHÁP NỘI SUY KHÔNG GIAN CHO BÀI TOÁN MƯA NĂM Ở VIỆT NAM Ngô Lê An1, Nguyễn Thị Thu Hà1, Hoàng Thanh Tùng1 1 Trường Đại học Thuỷ lợi, email: nlan@tlu.edu.vn 1. GIỚI THIỆU CHUNG - Phương pháp Lân cận Tự nhiên Mưa dạng lưới có vai trò quan trọng trong (NNI)[1]: được phát triển dựa trên phương việc mô tả trạng thái thay đổi của mưa theo pháp đa giác Thiessen, giả thiết mức độ đóng không gian, giúp cho việc đánh giá mô hình góp mưa của các trạm xung quanh tỷ lệ với mô phỏng khí hậu hay mô phỏng dòng chảy diện tích đóng góp của từng trạm cho đa giác trên bề mặt đất được tốt hơn. Để xây dựng của vị trí nghiên cứu (đối với đa giác được dữ liệu mưa dạng lưới, nhiều nghiên Thiessen được tạo bởi toàn bộ các trạm bao cứu tập trung sử dụng các phương pháp nội gồm cả vị trí xem xét), được xác định khi loại suy nhằm nâng cao độ chi tiết của mạng lưới bỏ vị trí cần tính toán. quan trắc mưa thực đo. Ở Việt Nam, mạng - Phương pháp nghịch đảo khoảng cách lưới các trạm quan trắc đo mưa khá thưa với (IDW)[2]: Được tính toán dựa trên các trị số mật độ trung bình khoảng một trạm đo trên đo mưa tại các trạm đo lân cận với trị số 600 km2 diện tích, mật độ trạm cao tập trung được xác định theo nghịch đảo khoảng cách. ở vùng đồng bằng sông Hồng, các vùng núi - Phương pháp nghịch đảo khoảng cách và cao lại có mật độ trạm thấp. Trong những độ cao (IDEW)[3]: Tương tự với IDW nhưng năm gần đây, mặc dù đã có nhiều trạm đo có bổ sung thêm biến trị số độ cao với trọng mưa tự động được xây dựng, nhưng thời gian số là nghịch đảo của chênh lệch độ cao giữa quan trắc còn ngắn, thường chỉ vài năm nên điểm tính toán và trạm đo lân cận. việc ứng dụng, khai thác trong các bài toán - Phương pháp tương quan tuyến tính liên quan đến tài nguyên nước còn hạn chế. (MLR): Giả thiết lượng mưa tại một điểm Do vậy, việc nghiên cứu sử dụng các phương phụ thuộc vào các yếu tố địa hình như toạ độ pháp nội suy đặc trưng mưa theo không gian của điểm, độ cao, độ dốc và hướng. ở Việt Nam là rất cần thiết. Bài báo này đánh giá một số các phương 2.2. Dữ liệu pháp nội suy thường dùng ở Việt Nam, từ đó Trong nghiên cứu này, số liệu mưa tháng đề xuất các phương pháp phù hợp với điều của 392 trạm đo mưa trên toàn lãnh thổ Việt kiện Việt Nam. Nam được sử dụng (Hình 1). Do điều kiện 2. PHƯƠNG PHÁP NGHIÊN CỨU thu thập dữ liệu thực đo, thời đoạn đánh giá được lấy từ năm 1980 đến 2006. 2.1. Phương pháp nội suy Các đặc trưng địa hình như độ cao, độ dốc Các phương pháp nội suy sử dụng trong và hướng được xác định dựa trên bản đồ số độ nghiên cứu này bao gồm: cao có độ phân giải 90m của SRTM - Phương pháp Lân cận gần nhất (NN): trị (http://srtm.csi.cgiar.org/srtmdata/). Nhằm hạn số nội suy tại vị trí nghiên cứu được lấy bằng chế sai số do vị trí trạm đo không chính xác, trị số tại trạm đo gần nhất. các trị số độ cao, độ dốc và hướng được xác 727
Tuyển tập Hội nghị Khoa học thường niên năm 2019. ISBN: 978-604-82-2981-8 định bằng cách tính trung bình cho một vùng Nếu lấy hạng 1 tương ứng là 1 điểm cho nhỏ xung quanh vị trí trạm đo. đến hạng 5 tương ứng là 5 điểm thì phương pháp IDEW được coi là phù hợp nhất khi tổng 2.3. Phương pháp đánh giá điểm nhỏ nhất. Phương pháp IDW kém hơn Để đánh giá mức độ chính xác của từng một chút nhưng có tổng điểm chênh lệch phương pháp nội suy, bài báo sử dụng kỹ không đáng kể với IDEW. Phương pháp MLR thuật kiểm tra chéo (cross-validation) đánh cho tổng điểm cao nhất thể hiện mức độ phù giá sai số nội suy cho từng trạm đo. Đầu tiên, hợp kém nhất trong 5 phương pháp nội suy dữ liệu của một trạm bất kỳ được loại bỏ khỏi được nghiên cứu. Phương pháp IDEW cũng tập dữ liệu, sau đó sử dụng các phương pháp có số lượng trạm đo có mức độ phù hợp cao nội suy kể trên để tính toán ra lượng mưa tại nhất với 122 trạm, tuy nhiên số lượng trạm trạm đã bị loại bỏ đó. Lặp lại quá trình này cho kết quả nội suy IDEW kém nhất cũng cho toàn bộ số trạm đo có trong bộ dữ liệu. nhiều hơn so với phương pháp IDW. Số lượng Sự sai khác giữa kết quả tính toán và thực trạm phù hợp với phương pháp MLR nhất đo được mô tả bằng chỉ số MAE (Mean nhiều xấp xỉ với hai phương pháp NN và NNI, Absolute Error): tuy nhiên phương pháp MLR lại có số lượng trạm ít phù hợp nhất nhiều nhất (chiếm hơn  n X tt  X itd i 1 i một nửa số trạm nghiên cứu). MAE  n trong đó, Xtt và Xtd tương ứng là giá trị mưa năm tính toán và mưa năm thực đo (được tính từ lượng mưa tháng), n là số năm tính toán. MAE sẽ không bao gồm những năm bị thiếu số liệu thực đo. Giá trị MAE trung bình tại từng trạm sẽ được sử dụng để đánh giá sự phù hợp của từng phương pháp nội suy với mức độ tốt nhất nếu giá trị trung bình MAE nhỏ nhất và ngược lại là kém nhất nếu có giá trị trung bình MAE cao nhất. 3. KẾT QUẢ NGHIÊN CỨU Giá trị MAE trung bình của từng trạm ứng với từng phương pháp được sử dụng làm căn cứ xếp hạng chất lượng nội suy. Kết quả tổng hợp xếp hạng cho 392 trạm được trình bày ở Bảng 1 với hạng 1 (H1) là tốt nhất và hạng 5 (H5) là kém nhất. Bảng 1. Xếp hạng các phương pháp Phương pháp H1 H2 H3 H4 H5 IDW 83 165 102 37 5 IDEW 122 126 82 49 13 MLR 53 19 38 56 226 NN 61 27 62 124 118 Hình 1. Kết quả đánh giá mức độ phù hợp nhất của từng phương pháp NNI 73 55 108 126 30 nội suy tại từng trạm nghiên cứu 728
Tuyển tập Hội nghị Khoa học thường niên năm 2019. ISBN: 978-604-82-2981-8 Phương pháp tốt nhất cho từng trạm được cao độ trung bình hoặc thấp. Phương pháp thống kê và thể hiện trên Hình 1. Nhìn chung, IDEW có thể cải thiện được chất lượng nội kết quả cho thấy không có xu thế rõ rệt nào suy ở những vị trí có cao độ lớn (> 500m). cho từng phương pháp từ phương pháp ít tốt Ba phương pháp còn lại có sự phân bố khá nhất (MLR) cho đến phương pháp tốt nhất đồng đều khi ở sự chính xác hoặc không (IDEW, IDW). Sự phân bố của các trạm ứng chính xác trong nội suy đều phân bố ở các vị với từng phương pháp đều trải dải trên toàn trí có cao độ từ thấp đến cao. bộ lãnh thổ Việt Nam, từ vùng đồng bằng cho đến núi cao, ngoại trừ các trạm đo nằm 4. KẾT LUẬN bên sườn phía tây dãy núi Trường Sơn dường Kết quả nghiên cứu đánh giá mức độ phù như phù hợp với các phương pháp IDEW, hợp của 5 phương pháp nội suy mưa năm cho IDW hơn. Phương pháp MLR cho kết quả 392 trạm đo mưa trong lãnh thổ Việt Nam kém phù hợp ở vùng đồng bằng như đồng cho thấy nhóm các phương pháp trọng số bằng sông Hồng và sông Cửu Long. Điều này khoảng cách và độ cao (IDEW, IDW) là tốt cũng phù hợp với điều kiện số liệu địa hình ở vùng đồng bằng khi sai số tương đối về độ nhất. Phương pháp tương quan đa biến tuyến cao (dẫn đến sai số về độ dốc, hướng dốc) tính với các đặc trưng vị trí, địa hình cho kết của nó thường sẽ kém hơn nhưng khu vực quả kém nhất.Sai số trong việc xác định vị trí núi cao. cũng như các trị số đặc trưng mô tả địa hình Hình 2 và 3 là các biểu đồ hộp trình bày về (độ cao, độ dốc, hướng dốc…) cũng có thể là phân bố độ cao tương ứng với từng phương nguyên nhân dẫn đến sự sai lệch này.Báo cáo pháp cho kết quả tốt nhất và kém nhất tại cũng chỉ ra rằng, không có nhiều khác biệt rõ từng trạm. rệt về sự phân bố theo không gian của các phương pháp phù hợp nhất cho từng trạm. Điều này thể hiện rằng để xây dựng được bản đồ đẳng trị mưa hay bộ dữ liệu mưa lưới cho toàn bộ lãnh thổ Việt Nam thì việc chỉ sử dụng một số ít phương pháp nội suy sẽ không phù hợp. 5. TÀI LIỆU THAM KHẢO Hình 2. Phân bố cao độ (m) ứng với từng [1] R. Sibson, “A brief description of natural phương pháp nội suy cho kết quả tốt nhất neighbor interpolation,” in Interpolating Multivariate Data, John Wiley., V. Barnett, Ed. Chichester: John Wiley, 1981, pp. 21-36. [2] D. Shepard, “A Two-Dimensional Interpolation Function for Irregularly- Spaced Data,” in ACM National Conference, 1968, pp. 517-524. [3] I. Masih, S. Maskey, S. Uhlenbrook, and V. Smakhtin, “Assessing the Impact of Areal Hình 3. Phân bố cao độ (m) ứng với từng Precipitation Input on Streamflow phương pháp nội suy cho kết quả kém nhất Simulations Using the SWAT Model,” JAWRA J. Am. Water Resour. Assoc., vol. Qua hai hình vẽ này, có thể nhận thấy, 47, no. 1, pp. 179-195, Feb. 2011. phương pháp IDW thích hợp với các vị trí có 729

CÓ THỂ BẠN MUỐN DOWNLOAD

THÔNG TIN

TRỢ GIÚP

HỖ TRỢ KHÁCH HÀNG

Theo dõi chúng tôi

Chịu trách nhiệm nội dung:

Nguyễn Công Hà - Giám đốc Công ty TNHH TÀI LIỆU TRỰC TUYẾN VI NA

LIÊN HỆ

Địa chỉ: P402, 54A Nơ Trang Long, Phường 14, Q.Bình Thạnh, TP.HCM

Hotline: 093 303 0098

Email: support@tailieu.vn

Giấy phép Mạng Xã Hội số: 670/GP-BTTTT cấp ngày 30/11/2015 Copyright © 2022-2032 TaiLieu.VN. All rights reserved.