6 – Phân bố Mưa theo không gian

Hiểu cách mưa phân bố theo không gian là nền tảng của thiết kế thủy lực. Đây là yếu tố thiết yếu để ước tính chính xác thể tích mưa trên lưu vực. Trong mô phỏng, các nhà thủy văn truyền thống đo mưa tại những vị trí cố định bằng trạm/máy đo mưa. Các dữ liệu này, gọi là dữ liệu điểm (point data), được dùng để mô tả lượng mưa trên một vùng lớn hơn nhiều như toàn lưu vực. Tuy vậy, mạng lưới trạm đo mưa hiếm khi có mật độ đủ dày để đặc trưng biến thiên lượng mưa trên toàn lưu vực.

Những năm gần đây, các phương pháp ước lượng mưa mới phát triển rất nhanh, cung cấp thêm bối cảnh về phân bố không gian của mưa. Kỹ sư và nhà thủy văn nay thường xuyên sử dụng mưa ước tính từ radar trong các ứng dụng thủy văn. Chương này cung cấp những hiểu biết mà kỹ sư và nhà thủy văn có thể dùng để nắm cách các bộ dữ liệu phân bố theo không gian được xây dựng và sử dụng.

Chương này bàn về đo mưa điểm, cùng các phương pháp chuyển đổi mạng lưới số đo điểm thành các ước tính lượng mưa ở quy mô lưu vực. Tiếp theo, chương giới thiệu các phương pháp ước lượng trực tiếp phân bố không gian của mưa, như radar thời tiết và vệ tinh. Nội dung cũng trình bày các nguyên lý cơ bản của ước lượng mưa bằng radar, cùng những cách kết hợp dữ liệu từ nhiều công nghệ đo (ví dụ: trạm đo mưa và radar) để cải thiện ước tính mưa. Cuối chương là thảo luận về ứng dụng dữ liệu phân bố theo không gian trong mô hình thủy văn và hệ quả của dữ liệu phân bố không gian khi xây dựng trận mưa thiết kế. Đồng thời ghi chú các nguồn dữ liệu phân bố theo không gian thường gặp.

Precipitation versus. Rainfall
Nhiều người dùng hai thuật ngữ “precipitation” và “rainfall” như nhau. Về kỹ thuật, precipitation (giáng thủy) mang nghĩa rộng hơn, mô tả mọi dạng nước rơi từ bầu trời, gồm mưa, mưa đá, mưa tuyết, tuyết, v.v. Rain (mưa) là dạng lỏng của giáng thủy, trong đó nước rơi xuống dưới dạng giọt.

6.1 Đo mưa điểm (Point Rainfall Measurement)

Thể tích dòng chảy ra từ một lưu vực đóng góp phản ánh đáp ứng thủy văn đối với thể tích chảy vào—chính là precipitation. Các nhà thủy văn thường dùng mạng lưới trạm đo precipitation rải trên lưu vực để đo precipitation tại từng vị trí (từng điểm). Thu thập các ước tính điểm cho phép suy luận tổng thể tích precipitation đi vào lưu vực.

Máy đo precipitation thu nước qua miệng thu có đường kính từ 1 đến 12 inch. Một máy có đường kính 12 inch đo precipitation rơi trên một diện tích cực nhỏ về mặt thủy văn là 0.0000000282 mi². Ngay cả với mạng dày đặc ở mức một trạm/10 mi², mạng này vẫn chỉ đo mưa với độ phân giải cỡ vài phần trên một tỷ so với diện tích lưu vực.

Để xác định chiều sâu mưa trung bình trên một lưu vực, nhà thủy văn kết hợp các ước tính điểm để tạo thành một “bề mặt” lượng mưa bằng nội suy cho từng bước thời gian của trận mưa. Nhân chiều sâu mưa trung bình trên lưu vực với diện tích lưu vực sẽ cho thể tích ở mỗi bước thời gian. Các sơ đồ nội suy thường dùng gồm đa giác Thiessen (hay láng giềng gần nhất), trọng số theo bình phương nghịch đảo khoảng cách, và phương pháp đường đẳng lượng mưa (isohyetal) (Viessman & Lewis, 2003). Các phần mềm như HEC-HMS có sẵn các sơ đồ nội suy này.

Phương pháp đa giác Thiessen gán giá trị precipitation đo được tại trạm gần nhất cho điểm cần quan tâm. Tập hợp các điểm gần một trạm cụ thể nhất trong một mạng lưới trạm sẽ tạo thành một đa giác Thiessen. Kết quả là một tập các đa giác hình dạng bất quy tắc phủ kín lưu vực. Mỗi đa giác gắn với một trạm mưa riêng. Hình 6.1 minh họa nội suy đa giác Thiessen cho mạng 8 trạm, mỗi trạm có mã bốn chữ số. Tất cả các điểm trong đa giác 2083 gần trạm 2083 hơn bất kỳ trạm nào khác trong mạng; tương tự, các điểm trong đa giác 7244 gần trạm 7244 nhất. Lượng mưa trung bình lưu vực được tính bằng cách gia quyền giá trị mưa tại từng trạm theo diện tích đa giác của trạm đó nằm bên trong ranh giới lưu vực.

Độ phân giải của bề mặt precipitation sau nội suy phụ thuộc hoàn toàn vào mật độ mạng lưới trạm. Do bản chất phức tạp của precipitation tự nhiên, mạng lưới trạm hiếm khi đủ dày để ước tính chính xác lượng mưa thực sự đi vào lưu vực. Hơn nữa, mạng trạm là tĩnh, không di chuyển; bề mặt nội suy phản ánh hình học của mạng trạm ở mỗi bước thời gian hơn là diễn biến chi tiết của một trận mưa.

Trái với phân bố mưa theo đa giác Thiessen ở Hình 6.1, Hình 6.2 cho thấy phân bố mưa từ cùng một trận mưa nhưng ước tính bằng radar. Khác biệt là rõ ràng: dữ liệu radar chỉ ra một dải mưa lớn rơi xuống—phần lớn không được các trạm quan sát—ở 1/3 phía đông lưu vực. Ngoài ra, radar cho thấy lượng mưa thấp hơn nhiều ở phần trung tâm và phía tây lưu vực. Trong trường hợp này, nội suy Thiessen đã làm sai lệch cả vị trí lẫn lượng mưa trong lưu vực.

Một sơ đồ nội suy phổ biến khác là gia quyền theo bình phương nghịch đảo khoảng cách. Phương pháp này ước tính precipitation tại một điểm bằng trung bình gia quyền các trạm trong mạng, với trọng số 1/d², trong đó d là khoảng cách từ điểm cần ước tính đến từng trạm mưa; trạm gần có trọng số lớn hơn trạm xa. Tương tự Thiessen, độ phân giải của bề mặt precipitation sau nội suy vẫn phụ thuộc vào mật độ mạng trạm.

Các phương pháp nội suy khác như 1/d (phiên bản tổng quát của 1/d²), spline, hồi quy tuyến tính, và kriging dưới nhiều biến thể cũng được dùng để nội suy lượng mưa. 1/d² và đa giác Thiessen được tích hợp trong HEC-HMS. Nhiều lựa chọn nội suy rộng hơn có trong Hệ thống Thông tin Địa lý (GIS).

Không ít khi, các sơ đồ nội suy mưa tạo ra mẫu mưa quá đơn giản và méo dạng, vẽ nên mưa sai ở chỗ sai vào thời điểm sai. Khi đưa vào mô hình thủy văn, kỹ sư kỳ vọng mô hình tái hiện chính xác đáp ứng lưu vực quan sát được dựa trên đầu vào mưa quan trắc. Nếu kết quả mô hình không khớp với số liệu quan trắc, họ sẽ “hiệu chỉnh” (calibrate) mô hình để ép nó tái hiện kết quả thủy văn đã quan sát. Đôi khi, việc hiệu chỉnh thực chất là bù đắp cho đầu vào mưa được thiết lập kém, chứ không phải do các yếu tố lưu vực khác.

Hiểu phân bố không gian của mưa là nền tảng cho thiết kế thủy lực. Ở nơi dông đối lưu chi phối, nội suy số đo điểm có thể làm trơn dữ liệu quá mức, khiến một trận mưa lớn có vẻ trải rộng trên diện tích quá lớn. Điều này có thể dẫn đến thiết kế dư thừa và chi phí hạ tầng không cần thiết.

Các công nghệ mới hiện nay nhằm cải thiện mô tả phân bố không gian của mưa và do đó cải thiện ước tính thể tích nước vào lưu vực. Radar và vệ tinh có thể lấp đầy khoảng trống giữa các trạm với độ phân giải đủ cao để biểu diễn biến thiên phức tạp của precipitation theo cả thời gian lẫn không gian.

Nội dung hình 6.1
Bản đồ lượng mưa được xây dựng bằng nội suy đa giác Thiessen từ số liệu quan trắc trạm đo mưa. Mỗi đa giác gồm các điểm gần trạm đo mưa nằm trong đa giác đó nhất. Hình dạng các đa giác khác nhau tùy theo mật độ trạm. Giả định lượng mưa phân bố đều trong mỗi đa giác. Diện tích của từng đa giác nằm trong ranh giới lưu vực quyết định mức đóng góp của mỗi trạm đo mưa vào lượng mưa trung bình của lưu vực.

Nội dung hình 6.2
Bản đồ lượng mưa được xây dựng từ quan trắc radar. Radar ước tính lượng mưa chi tiết hơn trên toàn lưu vực, không cần nội suy từ dữ liệu trạm đo mưa. Lượng mưa trung bình lưu vực được tính bằng cách lấy trung bình các ước lượng radar tại từng điểm nằm trong ranh giới lưu vực.

6.2 Đo lượng mưa phân bố theo không gian

Các phân bố mưa phức tạp thường vượt quá khả năng mạng lưới trạm đo mưa có thể phân giải đầy đủ, từ đó có thể tạo ra đầu vào không chính xác cho phân tích thủy văn. Radar và vệ tinh đang lấp đầy nhu cầu này. Mạng radar thời tiết của Cơ quan Thời tiết Quốc gia Hoa Kỳ (NWS) là một nguồn quan trọng về dữ liệu lượng mưa phân bố theo không gian.

6.2.1 Mưa từ radar

Các nhà khoa học nhận ra ứng dụng khí tượng của radar trong Thế chiến II khi họ phát hiện precipitation gây nhiễu việc phát hiện máy bay bay qua eo biển Manche vào Anh. Sau khoảng 50 năm phát triển, radar trở thành công cụ hữu ích cho thủy văn ở Hoa Kỳ với việc đưa vào sử dụng WSR-88D của NWS trong những năm 1990. Khi triển khai khoảng 140 trạm radar trên toàn nước Mỹ như ở Hình 6.3, các ước tính mưa với độ phân giải ô vuông 1 km theo bước thời gian 5 phút đã trở nên khả dụng.

Nội dung hình 6.3
Bản đồ vị trí radar NEXRAD của NWS trên khắp Hoa Kỳ lục địa, Alaska, Hawaii, Guam và Puerto Rico.

Độ phân giải dữ liệu radar tiếp tục được cải thiện. Hiện đã có độ phân giải cỡ 0,5 km × 0,5 km, cho phép ước tính lượng mưa trên mỗi ô diện tích khoảng 60–70 acre (1 acre = 0.4047 ha).

Ảnh radar từ trạm NWS tại Nashville, Tennessee trình bày ở Hình 6.4 cho thấy vùng mưa lớn di chuyển qua khu vực đô thị Nashville. Nhờ độ phân giải tăng, các chi tiết phức tạp của phân bố không gian của mưa trong khu vực thể hiện rõ ràng hơn.

6.2.2 Mưa từ vệ tinh

Các vệ tinh, dù quỹ đạo cực (polar-orbiting) hay địa tĩnh (geostationary), là một nền tảng công nghệ khác để ước tính phân bố không gian của lượng mưa. Vệ tinh bao phủ toàn bộ Hoa Kỳ và các lãnh thổ. Thông thường, nhà thủy văn suy ra ước tính mưa từ cảm biến hồng ngoại đo nhiệt độ đỉnh mây. Nhiệt độ thấp hơn cho thấy các cấu trúc mây phát triển mạnh hơn, thường gắn với mưa lớn hơn.

Quỹ đạo cực so với quỹ đạo địa tĩnh
* Vệ tinh quỹ đạo cực quay liên tục quanh Trái Đất ở độ cao xấp xỉ 520 dặm (~836.86 km) phía trên bề mặt, mỗi vòng bay đi gần cực Bắc và cực Nam.
* Vệ tinh địa tĩnh quay quanh Trái Đất ở độ cao khoảng 22300 dặm phía trên bề mặt. Chúng bay trong mặt phẳng xích đạo với tốc độ khớp tốc độ tự quay của Trái Đất, nên đứng yên so với một điểm cố định trên mặt đất.

(nd: Vệ tinh địa tĩnh vs Vệ tinh quỹ đạo cực)

• Địa tĩnh (GEO): ~35.786 km (≈ 22.300 mi) trên xích đạo. Cao gấp ~40–70 lần so với vệ tinh cực.
• Cực/quỹ đạo thấp (LEO): thường 500–900 km (≈ 310–560 mi).

Vì sao GEO phải cao như vậy?
Để “đứng yên” trên một điểm mặt đất, vệ tinh phải có chu kỳ 24 giờ đúng bằng tốc độ tự quay của Trái Đất; điều này chỉ đạt được ở bán kính quỹ đạo ~42.164 km từ tâm Trái Đất (tức cao ~35.786 km so với mặt đất).

Hệ quả:

LEO (vệ tinh cực): độ phân giải tốt hơn, quét toàn cầu theo từng dải vài lần/ngày, nhưng không liên tục trên một điểm.

GEO: quan sát liên tục một khu vực rộng (gần 1/3 Trái Đất) ⇒ tuyệt cho theo dõi thời tiết theo thời gian thực, nhưng độ phân giải không gian thô hơn và góc nhìn xiên ở vĩ độ cao.

Nội dung hình 6.4
Ví dụ ảnh radar NEXRAD của NWS từ trạm Nashville, Tennessee, cho thấy phân bố không gian của cường độ mưa trên Kentucky, Tennessee và miền bắc Georgia. Các vùng mưa cường độ cao được ghi chú.

.

Ước lượng mưa từ vệ tinh hiện vẫn thua kém độ chính xác, độ phân giải không gian, và độ trễ dữ liệu (khoảng thời gian giữa lúc quan trắc và lúc dữ liệu đến nơi sử dụng) của cả radar NEXRAD của NWS lẫn trạm đo mưa. Hình 6.5 so sánh bản đồ toàn quốc về cường độ mưa ước tính từ NEXRAD (trái) với bản đồ toàn quốc ước tính cường độ mưa gần thời gian thực từ vệ tinh do NOAA/STAR thực hiện. Quan sát trực quan cho thấy sự phù hợp tổng quát về vị trí có mưa, nhưng khác biệt lớn ở quy mô lưu vực. Dù còn hạn chế, dữ liệu vệ tinh vẫn là lựa chọn khả thi ở những nơi thiếu trạm đo và radar, như vùng núi phía Tây Hoa Kỳ và phần lớn Alaska.

Hình 6.5. Mưa toàn quốc theo radar NWS (trái) và theo vệ tinh quốc gia NOAA (phải). Nguồn: NWS

Nội dung hình 6.5
Bản đồ Hoa Kỳ so sánh ước tính lượng mưa từ radar và ước tính lượng mưa từ vệ tinh trong cùng kỳ. Cả hai loại ảnh đều cho thấy mưa xuất hiện xấp xỉ ở các khu vực giống nhau, nhưng chi tiết khác nhau. Ước tính từ radar vẫn được xem là chính xác hơn.

6.3 Ước lượng lượng mưa

Ở góc nhìn thủy văn, dữ liệu mưa ước tính từ radar mang lại lợi ích then chốt là cải thiện ước tính đặc trưng không gian của giáng thủy. Hình 6.6 so sánh ảnh mưa nội suy từ trạm (Hình 6.1) với phân bố mưa ước tính từ radar NWS cho cùng một trận mưa (Hình 6.2). Lưu ý độ trung thực cao hơn của ảnh radar. Ảnh radar phơi bày bản chất phức tạp của trận mưa theo những cách mà mạng trạm không thể hiện được. Những khác biệt rõ rệt này có thể dẫn đến kết quả mô hình thủy văn khác biệt đáng kể. Định vị mưa chính xác hơn trong lưu vực giúp kỹ sư tập trung hiệu chỉnh thủy học của sự kiện, thay vì phải bù sai cho đầu vào mưa phân định kém.

Hình 6.6. So sánh: nội suy từ trạm (trái) và dữ liệu mưa từ radar (phải).

Phần trình bày chi tiết về ước lượng mưa bằng radar vượt ra ngoài phạm vi của sổ tay này. Tuy vậy, nắm được một số khái niệm và nguyên lý cơ bản sẽ hữu ích cho kỹ sư hành nghề. Để tìm hiểu sâu hơn về nguyên lý radar thời tiết, xem Bringi & Chandrasekar (2001) và Rinehart (2010).

6.3.1 Nguyên lý cơ bản

Trạm đo (ví dụ: xô lật, cân, v.v.) đo mưa trực tiếp. Radar đo mưa gián tiếp. Ăng-ten radar phát các tín hiệu vô tuyến với tần số và bước sóng phù hợp vào khí quyển. Trên đường truyền, tín hiệu bị tán xạ khi gặp hạt mưa, tuyết, mưa đá hay các dạng giáng thủy khác. Một phần tín hiệu phản xạ trở lại ăng-ten radar ban đầu. Hình 6.7 minh họa khái niệm quá trình này.

Ăng-ten radar quay quanh trục thẳng đứng với tốc độ xấp xỉ 5 vòng/phút để quét một lát cắt của khí quyển, bắt đầu với góc nâng của tia trung tâm 0,5° so với phương ngang. Sau khi hoàn tất một lần quét ở góc nâng đó, góc nâng của chùm tia tăng dần cho đến các lần quét ở 19,5° so với phương ngang. Hình 6.8 trình bày khái niệm một lát cắt khí quyển được quét ở góc nâng 0,5°. Thể tích ngay phía trên vị trí đặt radar (gọi là “vùng câm – cone of silence”) không thể quan trắc trực tiếp bằng các radar NEXRAD thế hệ hiện nay.

Tùy điều kiện thời tiết, NWS sử dụng nhiều tổ hợp khác nhau của các mức góc nâng và tần suất quét thể tích. Khi có mưa, radar NEXRAD tạo ra 14 lát cắt thể tích mỗi 5–6 phút.

Một cấu trúc hình cầu chống thấm nước gọi là vòm radar (radome) bao che ăng-ten radar. Vật liệu làm vòm được chọn để giảm thiểu nhiễu đối với tín hiệu phát và thu. Hình 6.9 cho thấy một vòm radar điển hình của NWS.

.

Các thuật toán chuyển đổi biên độ, thời điểm và hướng của tín hiệu phản xạ thành ước tính cường độ mưa tức thời và vị trí của nó. Giả định cường độ giáng thủy phân bố đều trong một vùng đo nhỏ gọi là pixel radar, tương ứng với độ phân giải của radar. Độ phân giải thường gặp là 1° phương vị (góc quay) × 1 km cự ly (khoảng cách hướng tâm từ trạm phát) hoặc 0,5° phương vị × 0,5 km cự ly.

Chùm tia radar hình nón mở rộng khi đi xa khỏi trạm. Gần trạm độ phân giải cao (pixel nhỏ); xa hơn pixel lớn nên độ phân giải thấp (xem Hình 6.10, trái).

Do tín hiệu vô tuyến truyền gần như thẳng còn Trái Đất cong, độ cao của chùm tia so với mặt đất tăng theo khoảng cách. Ở đủ xa, chùm tia nằm cao hơn lớp không khí có mưa. Giới hạn tầm hữu dụng cho ứng dụng thủy văn vào khoảng 230 km tính từ trạm radar.

Để khắc phục giới hạn tầm quét của một radar đơn, NWS thiết lập mạng radar sao cho vùng quét chồng lấn (Hình 6.10, phải). NWS chuyển các lát quét đơn lẻ từ hệ trụ (phương vị, cự ly) sang lưới chữ nhật (x, y), rồi ghép các ảnh radar đơn vào cùng một lưới để tạo mosaic mưa radar từ nhiều trạm. Vì cho bức tranh đầy đủ hơn về phân bố mưa, các nhà thủy văn thường ưa dùng ảnh mosaic, đặc biệt với lưu vực lớn.

Ảnh mosaic radar (như Hình 6.11) biểu diễn cường độ mưa tức thời. Tổng lượng mưa được xác định bằng cách lấy trung bình cường độ mưa ước tính tại mỗi pixel rồi tích phân theo thời gian. Cách làm này thường cho ra lưới lượng mưa ước tính theo bước 5 phút.

Các kỹ sư thiết kế thủy lực khi sử dụng ước tính lượng mưa từ radar cũng cần hiểu thêm một số hạn chế khác của phương pháp này. Hình 6.12 minh họa một số vấn đề thường gặp cần lưu ý. Trước hết, hình cho thấy một trận mưa xảy ra ngay tại vị trí đặt radar. Như đã nêu, radar NEXRAD thế hệ hiện nay không phát thẳng đứng, tạo nên “nón câm” (cone of silence) ngay phía trên radar. Mưa lớn rơi trực tiếp lên vòm radar có thể suy giảm (attenuate) tín hiệu, gây đánh giá thiếu. Bên trái Hình 6.12, địa hình phức tạp che khuất chùm tia, không cho radar “nhìn thấy” mưa dù vẫn nằm trong tầm. Bên phải Hình 6.12, chùm tia vượt (overshoot) qua một trận mưa phát triển theo phương thẳng đứng yếu; xa hơn bên phải, chùm tia cắt qua phần mưa ở cao độ lớn trong mây. Các trường hợp này đều có thể gây báo thiếu lượng mưa. Gió tầng thấp cũng có thể thổi mưa lệch khỏi vị trí chỉ thị vào lúc mưa chạm đất.

Nội dung hình 6.11
Ảnh radar NEXRAD hiển thị mưa trên vùng Trung Đại Tây Dương của Hoa Kỳ, sau khi ghép ảnh từ nhiều trạm radar thành một ảnh mosaic duy nhất.

Nội dung hình 6.12
Các vấn đề bao gồm: địa hình phức tạp che khuất chùm tia radar, radar không quan trắc được mưa ngay phía trên đầu (vùng “nón câm”), và chùm tia radar vượt quá (overshoot) các vùng sinh mưa trong khí quyển.

Hình 6.13 cho thấy cái nhìn chi tiết hơn về chất lượng vùng phủ của radar khi địa hình phức tạp gây ảnh hưởng. Trung tâm Thông tin Môi trường Quốc gia (NCEI) cung cấp thông tin chất lượng vùng phủ cho từng radar NEXRAD. Hình 6.13 minh họa các vùng có chất lượng vùng phủ khác nhau từ radar NEXRAD ở Tempe, Arizona. Ở khu vực gần Sopori Wash, một phụ lưu của sông Santa Cruz phía tây nam Tucson, Arizona, trạm radar này (nằm ngay phía bắc biên giới Hoa Kỳ–Mexico) phải đối mặt với địa hình gồ ghề. Các vùng được tô bóng biểu thị mức chất lượng vùng phủ: “1” = tốt nhất, “2” = tốt, “3” = kém, và “0” = không có vùng phủ tin cậy.

Nội dung hình 6.13
Ví dụ về chất lượng vùng phủ radar trên một lưu vực ở miền nam Arizona. Hiển thị các khu vực có mức phủ tốt nhất, tốt, trung bình, và không có vùng phủ.

Chất lượng vùng phủ xuất phát trước hết từ hình học đơn giản giữa chùm tia radar và địa hình. Tuy nhiên, nó còn phụ thuộc vào loại mưa bão và điều kiện khí quyển. Sự phát triển theo phương thẳng đứng mạnh của dông đối lưu có thể đem lại ước tính lượng mưa hữu ích ngay cả ở những khu vực được xếp hạng phủ kém. Ngược lại, các trận mưa có quá trình tạo mưa diễn ra ở tầng thấp của khí quyển có thể cho ước tính kém trên mọi khu vực, đặc biệt khi khoảng cách đến radar tăng. Nếu lưu vực quan tâm nằm trong vùng không có vùng phủ tin cậy, dữ liệu radar có thể không sử dụng được cho ước lượng mưa chính xác. Khi có thể, nhà thủy văn nên đánh giá chất lượng dữ liệu bằng cách so sánh ước lượng mưa từ radar với quan trắc trạm đo mưa.

6.3.2 Phân cực chùm tia radar (Radar Beam Polarization)

Bức xạ điện từ như sóng vô tuyến có cả trường điện và trường từ. Phân cực là hướng của trường điện so với bề mặt Trái Đất. Nếu song song với mặt đất, chùm radar có phân cực ngang; nếu vuông góc theo phương thẳng đứng, chùm có phân cực đứng.

Khi NWS triển khai NEXRAD đầu thập niên 1990, radar chỉ phân cực đơn, chỉ theo mặt phẳng ngang (xem Hình 6.14). Chùm phân cực ngang cảm nhận tốt kích thước theo phương ngang (ngang rộng) của hạt mưa, hạt mưa đá, bông tuyết, nhưng kém trong việc cảm nhận kích thước theo phương thẳng đứng của mục tiêu. Do chỉ ưu tiên một hướng, chùm phân cực ngang khó phân biệt các loại giáng thủy và thể tích giọt mưa giả định. Hạn chế này ảnh hưởng đáng kể đến độ chính xác của ước lượng mưa radar.

Nội dung hình 6.14
Chùm radar với sóng phân cực ngang. Sóng radar phân cực ngang đo tốt nhất kích thước theo phương ngang của tinh thể tuyết, mưa đá và giọt mưa trong khí quyển.

Như thể hiện ở Hình 6.15, radar phân cực kép phát và thu đồng thời các thành phần ngang và đứng, nhờ đó nâng cao khả năng phát hiện kích thước, hình dạng và loại mục tiêu khí tượng. Radar phân cực kép cũng cải thiện khử nhiễu, loại bỏ tín hiệu từ nguồn phi khí tượng trong khí quyển như chim, dơi, côn trùng, v.v.

Năm 2011, NWS bắt đầu nâng cấp mạng NEXRAD từ radar phân cực ngang sang phân cực kép, và hoàn tất việc chuyển đổi cho toàn bộ mạng NEXRAD vào năm 2013. Khi xem lại các chuỗi ước lượng mưa từ radar trong quá khứ, người sử dụng cần ghi nhớ mốc thời gian chuyển đổi này nếu nhận thấy có thay đổi về chất lượng dữ liệu trong hồ sơ mưa radar.

Nội dung hình 6.15
Chùm radar thể hiện phân cực ngang và phân cực đứng. Radar phân cực kép đo tốt hơn kích thước ngang và dọc của tinh thể tuyết, mưa đá và giọt mưa trong khí quyển.

6.4 Ước lượng mưa đa cảm biến (Multi-Sensor Rainfall Estimation)

Ưu điểm của trạm đo mưa là độ chính xác cao tại một điểm. Ở đây, “điểm” chính là miệng thu nước của trạm, thường có đường kính 1–12 inch. Tuy nhiên, trạm đo mưa cung cấp rất ít thông tin về lượng mưa rơi giữa các trạm, vốn có thể cách nhau hàng dặm hoặc hàng chục dặm.

Ngược lại, radar rất mạnh trong việc xác định dấu hiệu phân bố không gian của mưa, điều này hữu ích để ước tính thể tích mưa rơi trên toàn lưu vực một cách chính xác. Tuy nhiên, so với quan trắc trạm, radar kém ổn định hơn khi ước tính lượng mưa tại một điểm. Các nhà thủy văn thường gọi chênh lệch giữa quan trắc trạm và ước lượng radar tại vị trí trạm là “bias (thiên lệch)”. Nếu ước lượng radar thấp hơn quan trắc trạm một cách nhất quán, đó là thiên lệch âm (low bias); nếu cao hơn một cách nhất quán, đó là thiên lệch dương (high bias).

Để nâng cao chất lượng ước lượng mưa, các nhà thủy văn thường kết hợp dữ liệu từ nhiều nền tảng cảm biến, ví dụ trạm đo mưa, radar, vệ tinh. Việc hợp nhất này tận dụng điểm mạnh của từng nền tảng (ví dụ độ chính xác tại điểm của trạm đo mưa và khả năng bao quát không gian của radar), đồng thời giảm điểm yếu của chúng (trạm không “nhìn thấy” mưa giữa các trạm; radar có thể đánh sai lượng mưa tại một điểm). Nhìn chung, sản phẩm hợp nhất cho ước lượng mưa tốt hơn theo cả thời gian và không gian.

Sản phẩm đa cảm biến phổ biến nhất dành cho kỹ sư và nhà thủy văn là kết hợp dữ liệu radar và trạm đo mưa. Sản phẩm hợp nhất này gọi là GARR – gage-adjusted radar rainfall data (dữ liệu mưa radar hiệu chỉnh theo trạm). Dấu hiệu không gian của mưa radar thay thế các sơ đồ nội suy không gian như đa giác Thiessen hay gia quyền theo bình phương nghịch đảo khoảng cách khi chỉ dùng dữ liệu trạm. GARR thường cho ước tính thực tế hơn về phân bố thật của mưa trên lưu vực, nhờ đó cải thiện ước tính vị trí và thể tích nước mưa vào lưu vực tại mỗi thời điểm. Đặt đúng lượng mưa, đúng chỗ, đúng lúc sẽ nâng cao ước tính đáp ứng thủy văn.

Khi dùng ước lượng mưa từ radar, bước then chốt là so sánh giữa ước lượng radar và quan trắc trạm để đánh giá tính hợp lý của dữ liệu radar. Nhà thủy văn so sánh giá trị trạm với ước lượng mưa của pixel radar chứa vị trí trạm đo. Công cụ GIS giúp nhận diện các pixel radar thích hợp một cách khá dễ dàng.

Bảng 6.1 minh họa ví dụ gồm bốn trạm với tổng mưa của trận mưa và ước lượng radar tại đúng các vị trí đó. Trung bình radar = 5.21 in, trong khi trung bình trạm = 4.15 in. Trường hợp này, dữ liệu radar có thiên lệch dương (high bias).

Bảng 6.1. Ví dụ so sánh radar – trạm

Vị trí	Radar (in)	Trạm (in)	GARR (in)
Gage #1	5.55	4.47	4.42
Gage #2	5.46	4.20	4.35
Gage #3	4.84	4.12	3.85
Gage #4	4.99	3.82	3.98
Trung bình	5.21	4.15	4.15

Thủ tục hiệu chỉnh đơn giản nhất để sửa thiên lệch của radar là tính tỷ số trung bình trạm / trung bình radar tại các vị trí có trạm. Tỷ số này thường gọi là tỷ số G/R (gage/radar ratio). Với Bảng 6.1, G/R = 0.80. Nhà thủy văn nhân toàn bộ các ước lượng mưa radar trong toàn trường dữ liệu với G/R. Cách này gọi là hiệu chỉnh thiên lệch trung bình theo trường (mean field bias adjustment): nâng hoặc hạ toàn bộ trường radar sao cho dữ liệu radar đã hiệu chỉnh phù hợp với quan trắc trạm.

Quay lại Bảng 6.1, ta nhân từng ước lượng radar với G/R = 0.80 để được cột GARR. Khi đó trung bình GARR bằng đúng trung bình trạm (4.15 in), tức thiên lệch trung bình bằng 0.

Hình 6.16 minh họa hiệu chỉnh thiên lệch trung bình theo trường dưới dạng đồ thị. Các chấm tròn tô đặc là các cặp dữ liệu trạm–radar từ Bảng 6.1. Nếu dữ liệu radar không thiên lệch, các cặp dữ liệu này sẽ nằm trên đường chéo 1:1 trong Hình 6.16. Quan sát trực quan cho thấy rõ giá trị radar bị thiên lệch dương trong ví dụ này.

Các tam giác trong Hình 6.16 là các cặp dữ liệu trạm–GARR từ Bảng 6.1. Bốn ký hiệu tam giác tập trung quanh đường chéo trong Hình 6.16, cho thấy thiên lệch đã được loại bỏ.

Không kỳ vọng trạm và GARR khớp hoàn hảo, và cũng không có chuẩn chung về “GARR đủ tốt đến mức nào”. Một thách thức khi dùng GARR là có thể ép GARR khớp chính xác với số liệu trạm (hoặc đạt bất kỳ mức ±% khớp nào) giữa trạm và radar. Thước đo phù hợp về chất lượng GARR là liệu GARR có giúp mô hình thủy văn tái hiện dòng chảy quan trắc hay không.

Mỗi ước lượng radar là trung bình trên diện tích một pixel radar. Ngay trong một pixel nhỏ, lượng mưa có thể khác đáng kể so với trung bình pixel. Giá trị trạm phụ thuộc vị trí trạm bên trong pixel; phép đo tại điểm thường khác trung bình pixel. Hơn nữa, quan trắc trạm cũng chứa bất định, khiến việc khớp chính xác với ước lượng radar khó xảy ra. Nếu GARR và trạm khớp hoàn hảo hoặc gần hoàn hảo, điều đó có thể cho thấy GARR bị ép để khớp với số liệu trạm, dẫn đến biến dạng phi thực phân bố không gian của mưa và có thể làm sai kết quả mô hình thủy văn.

Nội dung hình 6.16
So sánh ước lượng mưa radar với quan trắc trạm đo. Đường 1:1 kéo dài từ 3,5 in đến 6,0 in trên cả hai trục. Các điểm radar nằm trên đường 1:1, trong khi các điểm GARR phù hợp với đường này.

Ngoài tổng lượng mưa của trận, người làm thực hành còn cần kiểm tra hiệu quả hiệu chỉnh trong-trận bằng cách so sánh chuỗi ước tính từ radar trong trận với chuỗi đo ở trạm trong trận.
Trận mưa thay đổi theo thời gian; các điều kiện khí tượng trong suốt diễn biến trận cũng đổi, nên độ chính xác ước tính lượng mưa có thể khác nhau ở các thời điểm.
Ví dụ, tín hiệu radar phản hồi từ giọt mưa rất nhạy với phân bố kích thước giọt. Kích thước đặc trưng có thể đổi theo thời gian khi trận mưa phát triển, và phân bố kích thước cũng có thể đổi theo không gian khi vùng mưa di chuyển.
Vì những lý do đó (và các lý do khác), cần đánh giá hiệu năng “trong-trận” của ước lượng radar so với đo đạc trạm.

Hình 6.17 nêu ví dụ so sánh lượng mưa tích lũy của trạm với lượng mưa tích lũy của radar tại bốn vị trí trạm:

• Ví dụ 1: radar đánh giá thiếu tổng mưa của trạm; ước lượng radar cao ở nửa đầu trận mưa nhưng thấp so với trạm ở nửa sau.
• Ví dụ 2: radar bám sát nhất quán các quan trắc trạm suốt sự kiện.
• Ví dụ 3: radar bám sát quan trắc trạm trong nửa đầu, nhưng hơi thấp ở nửa sau.
• Ví dụ 4: radar bám sát trạm ở đoạn đầu, nhưng đánh giá thiếu ở nửa sau của trận mưa.

Hiệu năng trong-trận trình bày ở Hình 6.17 có thể chấp nhận cho mục đích mô hình thủy văn, tùy mức độ quan trọng của tổng thể tích mưa và phân bố của nó. Tuy nhiên, đôi khi hiệu năng trong-trận bộc lộ thiên lệch rõ rệt hơn so với Hình 6.17; khi đó cần dùng hiệu chỉnh thiên lệch biến thiên theo thời gian. Ngoài ra, nếu thiên lệch biến thiên mạnh theo không gian — nhất là khi diện tích lưu vực lớn so với kích thước trận mưa, hoặc cấu trúc trận mưa có nhiều ô mưa mạnh — thì nên áp dụng quy trình hiệu chỉnh thiên lệch biến thiên theo không gian.

Sau khi hiệu chỉnh dữ liệu mưa radar và đánh giá chúng phù hợp với quan trắc trạm đo mưa, kỹ sư chuyển sang phân tích thủy văn. Do việc đánh giá “phù hợp” mang tính định tính và chủ quan, trên thực tế các nhà thủy văn đánh giá chất lượng GARR bằng cách so sánh hiệu năng mô hình thủy văn khi dùng GARR với khi chỉ dùng dữ liệu trạm.

Nội dung hình 6.17
Bốn ví dụ về diễn biến trong trận mưa theo thời gian, so sánh chiều sâu mưa tích lũy từ radar với chiều sâu mưa tích lũy từ trạm đo.

6.5 Xây dựng trận mưa thiết kế bằng dữ liệu mưa dạng lưới

Trong nhiều bài toán thiết kế, nhà thủy văn không dùng trực tiếp số liệu quan trắc. Thay vào đó, họ dùng mô tả thống kê của chiều sâu mưa thiết kế kèm giả định về phân bố theo không gian và thời gian để tạo “trận mưa thiết kế”. Phần này tập trung vào các phát triển gần đây khi xây dựng trận mưa thiết kế dựa trên dữ liệu mưa dạng lưới trong các nghiên cứu ở Colorado (Curtis, 2011) và Nevada (Kimley-Horn, 2015).

Một nghiên cứu khác (Kao và cs., 2020) báo cáo so sánh trên toàn quốc các hệ số giảm chiều sâu theo diện tích (DARF). Các nghiên cứu cho bang Texas và Arizona ghi nhận phương pháp mới xây dựng trận mưa thiết kế rút ra từ sản phẩm mưa dạng lưới (Curtis và cs., 2022). Những nghiên cứu này khai thác cơ sở dữ liệu mưa phân bố theo không gian (tức ước lượng mưa từ radar) để phát triển cấu trúc không gian phù hợp hơn cho trận mưa thiết kế.

6.5.1 Tạo lập trận mưa thiết kế

Một trận mưa thiết kế thường gồm ba thành phần:

• Chiều sâu mưa (storm depth)
• Phân bố theo thời gian (temporal distribution)
• Phân bố theo không gian (spatial distribution)

Các nhà thủy văn thường lấy chiều sâu mưa từ NOAA Atlas 14 cho một tần suất vượt hàng năm (AEP) và thời khoảng xác định (ví dụ: 0.1 AEP, 24 giờ). Các giá trị trong NOAA Atlas 14 là ước lượng mưa tại một điểm.

Trong mô phỏng, kỹ sư dùng nhiều cách để phân bố chiều sâu mưa theo thời gian. Theo NRCS (2019), các Type 1, 2 hoặc 3 thường được áp dụng.

Hình 6.18 minh họa trận mưa thiết kế lồng (nested) hay phương pháp các khối luân phiên (alternating block; Mays, 1996)—một phương pháp phổ biến khác cho phân bố theo thời gian. Kỹ sư xây dựng trận mưa thiết kế 24 giờ dạng lồng sao cho lượng mưa cực đại của mọi thời khoảng con trong trận bằng lượng mưa cho đúng thời khoảng đó tại tần suất đã chọn. Bảng chèn trong Hình 6.18 trình bày giá trị 0.1 AEP cho từng thời khoảng (15 phút, 30 phút, 1 giờ … 24 giờ).

Nội dung hình 6.18
Ví dụ phân bố theo thời gian của trận mưa thiết kế 10 năm, 24 giờ với bước 15 phút. Lượng mưa 15 phút lớn nhất khoảng 0,78 in tại 720 phút (≈12 giờ). Bộ cặp thời khoảng–chiều sâu cho tần suất 10 năm trải từ 15 phút/0,77 in đến 24 giờ/2,40 in.

6.5.2 Đường cong giảm chiều sâu theo diện tích (Depth–Area Reduction Curves)

Để áp dụng lượng mưa vào mô hình lưu vực như ở Hình 6.19, kỹ sư phân bố theo không gian lượng mưa thiết kế trên toàn diện tích lưu vực. Với lưu vực nhỏ, đôi khi giả định phân bố đều của trận mưa thiết kế trên lưu vực. Tuy nhiên, chỉ đơn giản “trải” chiều sâu mưa tại điểm lên toàn lưu vực có thể làm thay đổi tần suất mưa đối với lưu vực: cường độ lớn xảy ra trên diện tích rộng thì hiếm hơn nhiều so với tại một điểm. Vì vậy, nếu áp dụng nguyên xi giá trị từ NOAA Atlas 14 cho một lưu vực lớn, ta có thể vô tình đẩy tần suất thiết kế sang sự kiện hiếm hơn so với dự định.

Để giữ đúng tần suất trên diện tích lưu vực, kỹ sư chuyển đổi từ ước lượng tại điểm sang ước lượng theo diện tích. Phép chuyển đổi này giảm lượng mưa tại điểm (ứng với tần suất và thời khoảng đã cho) thành ước lượng theo diện tích có cùng tần suất và thời khoảng. Thông thường, việc chuyển đổi dùng hệ số giảm chiều sâu theo diện tích (DARF):

$$P_a = \text{DARF}\,(P_p) \tag{6.1}$$

trong đó:

• \(P_p\) = lượng mưa tại điểm, đơn vị inch (mm)
• \(P_a\) = chiều sâu mưa trung bình đều trên lưu vực mục tiêu, inch (mm)
• DARF = hệ số giảm chiều sâu theo diện tích

Nội dung hình 6.19
Xây dựng thủy đồ lưu lượng thiết kế. Áp dụng trận mưa thiết kế vào mô hình lưu vực để tạo ra lưu lượng thiết kế.

Cục Thời tiết Hoa Kỳ (U.S. Weather Bureau, nay là National Weather Service – NWS) đã công bố DARF được dùng rộng rãi nhất trong thực hành qua một loạt ấn phẩm kỹ thuật vào cuối thập niên 1950. Hình 6.20 trình bày biểu đồ DARF chép từ Technical Paper 29 (TP-29) của U.S. Weather Bureau (U.S. Department of Commerce Weather Bureau, 1957). Biểu đồ TP-29 liên hệ tỷ lệ phần trăm giữa lượng mưa tại điểm và lượng mưa trung bình theo diện tích cho kích thước lưu vực đến 400 mi² và thời khoảng từ 30 phút đến 24 giờ.

Cục Thời tiết đã xây dựng các DARF TP-29 từ bộ dữ liệu rất hạn chế (thời gian quan trắc trung bình chỉ khoảng 12 năm) và chủ yếu cho các vùng New England, Trung Đại Tây Dương và Ohio Valley. Dù bị hạn chế về thời gian và vị trí địa lý, tính đơn giản của biểu đồ và thiếu lựa chọn thay thế tốt hơn đã khiến nó được sử dụng rộng rãi trên khắp Hoa Kỳ và cả ở nước ngoài.

Các nghiên cứu dùng dữ liệu mưa phân bố theo không gian cho thấy các DARF trong Hình 6.20 không áp dụng phổ quát (Curtis 2011; Kimley-Horn 2015; Kao và cs. 2020). Dữ liệu chỉ ra khả năng biến đổi theo tần suất, vùng, mùa và loại trận mưa. Loại sản phẩm đo mưa dùng để xây dựng (ví dụ trạm so với radar) cũng ảnh hưởng đến DARF. Những cân nhắc quan trọng khác gồm quy mô trận mưa, kích thước và hình dạng lưu vực.

Nội dung hình 6.20
Bộ đường cong hiệu chỉnh chiều sâu mưa theo diện tích cho các thời khoảng: 30 phút, 1, 2, 3, 6, 12 và 24 giờ.
Mỗi đường cong bắt đầu tại diện tích = 0 với 100% lượng mưa, rồi giảm dần sang phải, có độ lõm hướng lên.
Ví dụ: đường cong 30 phút cho mức giảm chiều sâu mưa ~57% ở khoảng 170 dặm²; còn đường cong 24 giờ cho mức giảm ~92% tại 400 dặm².

Hình 6.21 so sánh DARF 1 giờ của TP-29 với các DARF 1 giờ suy ra từ dữ liệu mưa radar tại Colorado Springs, Colorado (Curtis, 2011). Các DARF dựa trên radar giảm nhanh hơn nhiều so với DARF TP-29. Ngoài ra, các DARF dựa trên radar còn cho thấy nhạy theo tần suất mưa.

Việc dùng DARF TP-29 thực chất đặt chiều sâu mưa thiết kế lớn hơn trên toàn lưu vực, từ đó cho dòng chảy thiết kế lớn hơn so với khi dùng DARF dựa trên radar cho cùng một chiều sâu–tần suất. Dòng chảy thiết kế lớn hơn có thể kéo theo chi phí tăng do phải xây dựng công trình đáp ứng lưu lượng thiết kế lớn.

Nhiều dự án dẫn thoát nước vẫn dùng DARF TP-29 tiêu chuẩn. Từ lâu, người thực hành nghi ngờ các đường cong này không phản ánh đúng điều kiện mưa thực tế, đặc biệt ở các vùng mưa đối lưu mạnh chi phối (Asquith & Famiglietti 2000; Lombardo et al. 2006; Wright et al. 2014). Điều này có thể dẫn đến thiết kế quá bảo thủ và tốn kém không cần thiết. DARF cập nhật dựa trên bộ dữ liệu mưa phân bố theo không gian độ phân giải cao sẽ tác động đáng kể đến các tiêu chuẩn thiết kế thủy văn tương lai.

6.6 Nguồn dữ liệu mưa lịch sử

Rất nhiều tổ chức công và tư quan trắc và lưu trữ dữ liệu mưa. Các trường đại học cùng các cơ quan liên bang, vùng, bang và địa phương thường sở hữu và vận hành mạng quan trắc thủy văn–khí tượng. Ngành nước, tưới tiêu, kiểm soát lũ và điện lực cũng duy trì các mạng quan trắc. Nhiều đơn vị công bố dữ liệu ra công chúng. Những năm gần đây, các trạm thời tiết kết nối Internet tư nhân xuất hiện ngày càng nhiều và thường cung cấp nguồn thông tin hữu ích. Việc liệt kê đầy đủ mọi bộ dữ liệu sẵn có vượt quá phạm vi của sổ tay này; phần này chỉ nêu bật một số nguồn dữ liệu tiêu biểu.

6.6.1 Trung tâm Thông tin Môi trường Quốc gia (NCEI)

NCEI thuộc NOAA quản lý một trong những kho lưu trữ dữ liệu môi trường lớn nhất thế giới. NCEI xây dựng các bộ dữ liệu trên đất liền (in situ) từ số liệu thu thập trên khắp Hoa Kỳ và toàn cầu. Mức độ sẵn có của dữ liệu khác nhau theo loại và trạm, một số chuỗi có thời đoạn quan trắc hơn một thế kỷ. NCEI cung cấp cả dữ liệu ghi thủ công và tự động với nhiều bước thời gian khác nhau. Dữ liệu ghi thủ công thường ở bước thời gian dài (ví dụ: ngày hoặc 6 giờ); dữ liệu tự động có thể ở bước 1 phút hoặc nhỏ hơn. Phần lớn dữ liệu này có trên trang web NCEI.

NCEI cũng duy trì một số trung tâm dữ liệu khí hậu khu vực (xem Hình 6.22), nơi có thể lưu trữ dữ liệu bổ sung và cung cấp các sản phẩm tùy biến phù hợp cho từng vùng của Hoa Kỳ.

Nội dung hình 6.22
Bản đồ các trung tâm khí hậu khu vực của NOAA và các vùng tương ứng (miền Tây, High Plains/Thảo nguyên cao, miền Nam, Trung Tây, Đông Bắc và Đông Nam).

NCEI cũng quản lý kho lưu trữ quốc gia cho dữ liệu NEXRAD. Phần lớn dữ liệu thô đến từ từng trạm radar riêng lẻ. Để dùng cho ứng dụng thủy văn, nhà thủy văn kiểm tra chất lượng, chuyển đổi sang đơn vị lượng mưa phù hợp (ví dụ: inch), và hiệu chỉnh bằng số liệu trạm đo mưa khi thích hợp. Với tiểu lưu vực nhỏ, người mô hình sử dụng trạm radar cụ thể quan trắc đủ tốt giáng thủy trên lưu vực quan tâm. Dữ liệu NEXRAD có trên trang web NCEI.

6.6.2 Mạng cấp bang và khu vực

Nhiều mạng quan trắc môi trường cấp bang, bao gồm các mesonet (mạng quy mô trung) và cơ quan khu vực, cung cấp đo mưa điểm hoặc cơ sở dữ liệu mưa dựa trên radar. Bảng 6.2 liệt kê một số mesonet cấp bang.

Bảng 6.2. Các mesonet cấp bang. (lược theo Mahmood et al., 2017)

Network (Mạng lưới)	State (Bang)	Total number of real-time stations (Tổng số trạm thời gian thực)
North Alabama Climate Network	Alabama	22
University of South Alabama Mesonet (CHILI)	Alabama	25
Arkansas State Plant Board Weather Network	Arkansas	50
California Irrigation Management Information System	California	152
Colorado Agricultural Meteorological Network	Colorado	75
Delaware Environmental Observing System	Delaware	57
Florida Automated Weather Network	Florida	42
Georgia Automated Weather Network	Georgia	82
Illinois Climate Network	Illinois	19
Iowa Environmental Mesonet	Iowa	17
Kansas Mesonet	Kansas	51
Kentucky Mesonet	Kentucky	66
Louisiana Agroclimatic Information System	Louisiana	9
Enviroweather	Michigan	82
Minnesota Mesonet	Minnesota	8
Missouri Mesonet	Missouri	24
Nebraska Mesonet	Nebraska	68
New Jersey Weather and Climate Network	New Jersey	61
New Mexico Climate Network	New Mexico	6
New York Mesonet	New York	101
North Carolina ECONet	North Carolina	40
North Dakota Agricultural Weather Network	North Dakota	90
Oklahoma Mesonet	Oklahoma	120
South Dakota Mesonet	South Dakota	25
West Texas Mesonet	Texas	98
Utah Agricultural Weather Network	Utah	32
Washington AgWeatherNet	Washington	176

Trong số các mesonet theo từng bang, Oklahoma Mesonet có 120 trạm quan trắc môi trường. Mạng lưới này phủ kín toàn bang Oklahoma với ít nhất một trạm ở mỗi trong 77 hạt của bang. Oklahoma Climatological Survey tự động thu nhận, kiểm tra, xác minh và cung cấp truy cập dữ liệu.

Các bang California, Arizona, Texas, Iowa, New York và North Carolina cũng cung cấp dữ liệu cấp bang đáng tin cậy.

Florida cung cấp các ước lượng GARR cho toàn bang. Hình 6.23 cho thấy năm quận quản lý tài nguyên nước duy trì các cơ sở dữ liệu GARR lịch sử từ giữa thập niên 1990, gồm:

• St Johns Water Management District
• South Florida Water Management District
• Southwest Florida Water Management District
• Suwanee River Water Management District
• Northwest Florida Water Management District

Dữ liệu mưa có độ phân giải cao, ước tính trên lưới 2 km × 2 km với bước thời gian 15 phút.

6.6.3 MesoWest

MesoWest là dự án hợp tác để truy cập và lưu trữ quan trắc thời tiết. Dự án khởi đầu tại Đại học Utah với mục tiêu cung cấp trực tuyến cả số liệu thời tiết hiện thời và lưu trữ. Hiện nay có hơn 20.000 trạm thời tiết trên khắp Hoa Kỳ gửi quan trắc vào MesoWest. Hệ thống hỗ trợ trao đổi dữ liệu hiệu quả từ nhiều nguồn, phục vụ ra quyết định của cơ quan nhà nước, doanh nghiệp, cộng đồng và người dân.

6.6.4 Dữ liệu NEXRAD Stage IV

NWS tạo các ước lượng GARR cho toàn Hoa Kỳ theo lưới 4 km × 4 km với bước thời gian 1 giờ để hỗ trợ dự báo dòng chảy sông. Ở những khu vực vùng phủ radar kém hoặc không có, NWS thường dùng mưa ước tính từ vệ tinh. Phía tây đường phân thủy lục địa (Continental Divide), NWS đối chiếu số liệu trạm đo mưa với chuỗi lượng mưa dài hạn, rồi nội suy ước lượng giữa các vị trí trạm. Dữ liệu sản phẩm này gọi là Stage IV Precipitation và được NWS cung cấp tải về tại FTP của AHPS.

6.6.5 Lưu trữ AORC (NWS Analysis of Record for Calibration)

NWS phát triển cơ sở dữ liệu dạng lưới toàn quốc về mưa và nhiệt độ để hiệu chỉnh các mô hình dự báo thủy văn của mình và hỗ trợ mô hình thủy văn nói chung. Phần mưa của AORC gồm:

• Tổng mưa theo tháng (Livneh et al., 2013).
• Tổng mưa ngày từ NLDAS-v2 và NEXRAD Stage IV.
• Dữ liệu dựa trên radar.
• Mưa vệ tinh CMORPH (CPC Morphing Technique; Xie et al., 2020).
• Tập tái phân tích của hệ thống dự báo khí hậu theo giờ.

Kho AORC bao phủ giai đoạn 1979 đến gần hiện tại, độ phân giải 4 km × 4 km, bước thời gian 1 giờ. FTP của NOAA cung cấp bản lưu trữ AORC hiện thời.

6.6.6 PRISM

PRISM (Parameter-elevation Regressions on Independent Slopes Model) là phương pháp nội suy tính đến các yếu tố: vị trí, cao độ, độ gần biển, hướng dốc, vị trí theo các tầng khí quyển, và ảnh hưởng địa hình (orographic) gần vùng địa hình phức tạp (Daly et al., 2008). PRISM Climate Group của Đại học Bang Oregon (OSU) xây dựng và duy trì cơ sở dữ liệu quốc gia dạng lưới về mưa và khí hậu, cũng như các dữ liệu thủy-khí tượng khác. Dữ liệu PRISM có độ phân giải ~800 m với bước thời gian ngày. Với nhiều dự án dịch chuyển trận mưa (storm transposition) phục vụ mô hình thủy văn, PRISM có thể chưa đủ chi tiết, tuy nhiên các bản đồ này vẫn cung cấp thông tin hữu ích ở những nơi thiếu dữ liệu và gần vùng địa hình phức tạp.

6.6.7 Khu vực tư nhân

Nhiều đơn vị tư nhân cung cấp ước lượng GARR với các độ phân giải dữ liệu khác nhau (trả phí). Thông thường, họ lấy dữ liệu NWS WSR-88D từ NOAA và mọi số liệu trạm đo mưa sẵn có trong một giai đoạn nhất định, sau đó kiểm soát chất lượng và ghép dữ liệu trạm với dữ liệu radar để tạo GARR. Tùy nguồn và quy trình ghép, có thể đạt độ phân giải tới 0,25 km × 0,25 km với bước thời gian 5 phút hoặc tốt hơn.

6.7 Ứng dụng mưa dạng lưới trong mô hình thủy văn và thủy lực

Các kỹ sư và người làm mô hình ngày càng dùng mưa dạng lưới làm đầu vào cho mô hình thủy văn và thủy lực nhằm cải thiện ước tính dòng chảy do mưa và lưu lượng thiết kế. Ứng dụng thành công phụ thuộc vào nguồn dữ liệu phù hợp và công cụ linh hoạt để phân tích thông tin.

Mô hình thủy văn dạng lưới như HEC-HMS nay rất phổ biến. Các mô hình này dùng một phương pháp do người dùng chọn để biến lượng mưa dư (excess rainfall) thành thủy đồ tại cửa tiểu lưu vực, rồi ghép vào mô hình truyền dòng trên kênh.

Mô hình thủy lực “mưa-trên-lưới” (rain-on-grid), như HEC-RAS 6.1, bổ sung chức năng thủy văn để chuyển mưa thành dòng chảy do mưa. Dù cũng là mô hình dạng lưới, chúng khác mô hình thủy văn dạng lưới: mô hình rain-on-grid áp mưa trực tiếp lên lưới dòng chảy mặt 2D thủy động lực (ví dụ HEC-RAS 6.1), có xét thấm. Quá trình tạo dòng chảy do mưa liên kết động với tính toán truyền dòng thủy lực tại từng ô lưới.

6.7.1 Nguồn dữ liệu mưa dạng lưới

Có nhiều nguồn cung cấp dữ liệu mưa dạng lưới cho mô hình thủy văn, mỗi nguồn có phạm vi phủ theo không gian–thời gian, độ phân giải và độ chính xác riêng. Ví dụ:

• Multisensor Precipitation Estimates (MPE), do NOAA sản xuất.
• North American Land Data Assimilation System phiên bản 2 (NLDAS-v2), do NASA sản xuất.
• PRISM, do OSU PRISM Climate Group sản xuất.
• Livneh (Livneh et al., 2013): dữ liệu mưa gần mặt đất theo ngày, bộ dữ liệu dạng lưới dài hạn với độ phân giải ngang ~6 km, suy ra từ các trạm NCDC COOP trên toàn lục địa Hoa Kỳ.

Bảng 6.3 tóm tắt các thuộc tính chính của các nguồn dữ liệu này.

Data Source (Nguồn dữ liệu)	Format (Định dạng)	Spatial Resolution (Độ phân giải không gian)	Temporal Resolution (Độ phân giải thời gian)	Spatial Coverage (Phạm vi không gian)	Period of Record (Thời kỳ số liệu)
MPE	Gridded	1 km	1 hour	United States	2003 to present
NLDAS-v2	Gridded	0.125 degrees (~14 km)	1 hour	North America	1979 to present
PRISM	Gridded	4 km	1 day	United States	1981 to present
Livneh	Gridded	0.0625 degrees (~6 km)	Daily	United States	1915–2012

Ghi chú:

• Dữ liệu MPE có độ phân giải không gian cao nhất trong các nguồn nhưng phạm vi không gian và giai đoạn sẵn có còn hạn chế.
• NLDAS-v2 và PRISM bao phủ thời gian dài hơn MPE nhưng bị giới hạn về độ phân giải (không gian hoặc thời gian).
• Về lý thuyết, dữ liệu NCDC chính xác nhất vì suy ra từ đo mưa trạm, nhưng chỉ có tại các vị trí rời rạc trên khắp Bắc Mỹ.

Sau khi thu thập dữ liệu mưa dạng lưới từ nguồn phù hợp, kỹ sư kiểm tra tính tương thích của bộ dữ liệu với mô hình thủy văn/thủy lực. Mỗi mô hình dùng dữ liệu trong một hệ tọa độ cụ thể; thông thường cần chuyển hệ chiếu (reproject) và lấy mẫu lại (resample) để phép chiếu và độ phân giải không gian (kích thước ô lưới) khớp với lưới của mô hình.

Tài liệu hướng dẫn của các phần mềm GIS phổ biến có mô tả chi tiết về reprojection và resampling (ví dụ: Maidment, 2002).

6.7.2 Ứng dụng vào mô hình thủy văn

Người làm mô hình thủy văn thường dùng hai cách để đưa dữ liệu mưa phân bố theo không gian (như GARR) vào mô hình:

1. Mô hình phân bố hoàn toàn (fully distributed);
2. Tổng hợp theo tiểu lưu vực (subbasin).

Hình 6.24 minh họa một mô hình phân bố hoàn toàn cho Sopori Wash. Với kiểu mô hình này, nhà thủy văn chuyển phép chiếu và “khớp lưới” trường GARR tại từng bước thời gian vào lưới mô hình bằng quy trình GIS chung hoặc công cụ như HEC-MetVue (chuẩn bị GARR cho HEC-HMS). Khi trường GARR đã được “remap” sang định dạng tương thích, việc mô phỏng tiến hành như thông lệ.

Hình 6.25 minh họa cách trung bình theo tiểu lưu vực. Ở đây, GIS hay HEC-MetVue tính mưa trung bình của từng tiểu lưu vực theo từng bước thời gian. Cách này coi chuỗi mưa theo thời gian của mỗi tiểu lưu vực giống hệt một trạm đo mưa ảo, tức mỗi tiểu lưu vực = một “gage”.

Trận mưa trong ví dụ gây lũ lớn trên Sopori Wash, vượt xa sự kiện 100 năm. Lưu ý Quốc lộ Liên bang I-19 chạy song song sông Santa Cruz theo hướng Bắc–Nam ở mép phải Hình 6.24 và 6.25; một cầu trên I-19 bắc qua Sopori Wash gần chỗ hợp lưu với Santa Cruz. Lưu vực này không có trạm đo mưa ghi tự động. Ba trạm ở phía Bắc và Đông (trong bán kính ~8 km từ cửa Sopori Wash) chỉ ghi được một phần nhỏ đỉnh mưa và không đại diện cho mưa trong Sopori Wash. Nếu không có ước lượng mưa từ radar, rất khó (nếu không muốn nói là không thể) phân tích thủy văn chính xác sự kiện tại cầu I-19.

Dù chọn cách nào, kỹ sư hiệu chỉnh (calibrate) mô hình thủy văn và thủy lực bằng các trận mưa–dòng chảy lịch sử. Mưa dạng lưới có thể làm đầu vào trực tiếp cho các mô hình này. Sau khi chọn sự kiện, kỹ sư kiểm tra tính sẵn có của dữ liệu lưới; nếu có, sẽ dùng trong mô hình sau khi chuyển hệ chiếu và lấy mẫu lại (reproject & resample).

Kỹ sư cũng áp dụng mô hình đã hiệu chỉnh cho các trận mưa tổng hợp (thiết kế). Ví dụ: sự kiện thiết kế 0.1 AEP hoặc 0.5 AEP. NOAA Atlas 14 cung cấp cường độ mưa cho dải 1.0 AEP → 0.001 AEP. Các ước lượng tại điểm này thường được hiệu chỉnh theo diện tích (ví dụ dùng DARF). Một số mô hình thủy văn (như HEC-HMS) có thể tự động chuyển đổi giữa chuỗi tại điểm và hiệu chỉnh theo diện tích. Xem Mục 6.5.2 về hiệu chỉnh theo diện tích.

Thông thường, kết quả mô hình dùng mưa dạng lưới được hiệu chỉnh bằng lưu lượng quan trắc tại các vị trí trong lưu vực. Nhờ khớp với dòng chảy quan trắc, nhà phân tích cập nhật các tham số lưu vực cho phù hợp với sự kiện. Nếu không có số liệu dòng chảy, bộ tham số sẽ phải dựa chủ yếu vào sản phẩm lưới cùng các thuộc tính đo được của lưu vực (ví dụ loại đất, mặt cắt kênh), với mức độ chắc chắn thấp hơn.

Nội dung hình 6.24
Bản đồ tổng lượng mưa ở dạng lưới của trận mưa trên lưu vực Sopori Wash (miền nam Arizona). Hiển thị ranh giới các tiểu lưu vực. Vị trí lượng mưa cực đại 6.242 in nằm ở phần 1/3 phía hạ lưu của lưu vực. Lượng mưa biến thiên trên toàn lưu vực từ 0 đến cực đại.

Nội dung hình 6.25
Bản đồ lượng mưa trung bình theo tiểu lưu vực suy ra từ ước tính mưa dạng lưới. Hiển thị ranh giới các tiểu lưu vực với giá trị mưa trung bình từ 0 đến 4.95 in ở 1/3 phía hạ lưu của lưu vực.

6.7.3 Ứng dụng cho mô hình thủy văn–thủy lực tích hợp

Cách tiếp cận rain-on-grid (áp mưa trực tiếp lên lưới) gắn chặt chức năng thủy văn và thủy lực, giúp mô tả dòng chảy 2D phức tạp với độ phân giải cao, và có thể loại bỏ nhu cầu xây một mô hình thủy văn tách riêng bên trong miền 2D.

Rain-on-grid nghĩa là áp trực tiếp lượng mưa vào mô hình thủy động lực 2D. Mô hình xét thấm và dẫn động lượng mưa dư (excess) theo thời gian thực về cửa lưu vực. Người phân tích cần kiểm tra khả năng của phần mềm rain-on-grid được chọn để chắc rằng nó mô phỏng được các khía cạnh quan trọng của lưu vực (ví dụ dạng tổn thất hay dòng cơ sở).

Các mô hình rain-on-grid cũng có thách thức: mô hình vật lý biến thiên theo không gian rất phức tạp. Phương pháp Green–Ampt (ước tính thấm) thường dùng vì dựa trên cơ sở vật lý—liên quan đến dẫn thủy, sức hút mao dẫn và độ thiếu ẩm của đất—nhưng phụ thuộc vào khảo sát đất vốn có thể không chính xác. Thêm nữa, thành phần cơ giới đất biến thiên trong lưu vực làm khó việc ước tính biến thiên không gian của tham số thấm. Khi thêm dữ liệu biến thiên không gian, nhu cầu tính toán cho mô phỏng thủy động lực tăng đáng kể.

Trong nhiều năm, các nhà nghiên cứu tìm cách cải thiện mô hình thủy động lực vật lý–biến thiên không gian ở quy mô lưu vực; kết quả lẫn lộn—đôi khi mô hình đơn giản chạy tốt hơn mô hình phức tạp (xem Woolhiser, 1996).

HEC-RAS (USACE 2021d) có thể áp mưa biến thiên theo không gian để tính dòng chảy do mưa. Người mô hình có thể nạp mưa theo ba cách: dữ liệu mưa dạng lưới, dữ liệu trạm điểm, hoặc tốc độ mưa hằng. HEC-RAS đọc được HEC-DSS và các raster GDAL. Khi nhập mưa dạng lưới, HEC-RAS có thể dựng hoạt ảnh cho thấy cơn mưa di chuyển (Hình 6.26 minh họa một bước thời gian). RAS Mapper (USACE 2021e) cũng thể hiện mưa tích lũy; Hình 6.27 cho thấy mưa tích lũy lớn nhất ở vùng trung tâm đã chỉ rõ.

Nội dung hình 6.26, 6.27
Phân bố “rain-on-grid” tại một bước thời gian trên bề mặt địa hình, có ghi nhận các vùng mưa to, mưa nhẹ và không mưa.

Cần kiểm tra gì khi rà soát mô hình Rain-on-Grid?
(Rain-on-Grid không phải lúc nào cũng minh bạch/dễ kiểm tra.)
* Xác nhận mưa được biểu diễn đúng không gian & thời gian (và được nhập đúng vào mô hình), cũng như độ lớn; ví dụ, tuyết không làm sai lệch giá trị mưa.
* Nếu có thấm, kiểm tra bản đồ đất trong mô hình khớp với đất thực địa và tham số thấm là hợp lý.
* Xem dữ liệu hiệu chỉnh sẵn có để so sánh (kể cả thông tin thực địa định tính).
* Dù có hay không có dữ liệu hiệu chỉnh, hãy đánh giá tính hợp lý tổng thể: tổng thể tích mưa mô hình cho ra có hợp lý không? Mô-đun thấm có lấy đi quá nhiều/ quá ít nước không? Giá trị dòng chảy có nằm trong khoảng chấp nhận không?

Hỗ trợ duy trì trang:

Tôi xây dựng trang này để chia sẻ các tài liệu kỹ thuật cốt lõi trong thiết kế hạ tầng giao thông.

Nếu bạn thấy nội dung hữu ích và muốn góp phần duy trì trang hoạt động bền vững, tôi rất trân trọng mọi sự ủng hộ.

Qua USD (Buy Me a Coffee)

BIDV • STK: 3101226659 • HOANG HAI HA