Đánh giá so sánh dữ liệu CHIRPS VÀ CFSR cho lưu vực thiếu dữ liệu bằng cách sử dụng mô hình SWAT

 

Trong nghiên cứu của YD, et al, 2020A Comparative Evaluation of the Performance of CHIRPS and CFSR Data for Different Climate Zones Using the SWAT Model”  chỉ ra mục tiêu của nghiên cứu là đánh giá hoạt động của ba bộ dữ liệu về lượng mưa trong dự đoán dòng chảy hàng ngày và hàng tháng bằng cách sử dụng Công cụ Đánh giá Đất và Nước (SWAT). Nghiên cứu đã sử dụng dữ liệu lượng mưa từ ba nguồn khác nhau: Nhóm hiểm họa khí hậu lượng mưa hồng ngoại với dữ liệu trạm (CHIRPS), Nguồn dữ liệu dự báo khí hậu của trung tâm dự báo môi trường quốc gia Hoa Kỳ (CFSR) và dữ liệu đo mưa quan sát được. Các phép đo lượng mưa hàng ngày và hàng tháng từ CHIRPS và CFSR đã được xác nhận bằng cách sử dụng các biện pháp thống kê được sử dụng rộng rãi, cụ thể hệ số tương quan (CC), sai số bình phương trung bình (RMSE), xác suất (POD), tỷ lệ sai (FAR) và chỉ số đạt tiêu chuẩn (CSI). Kết quả cho thấy CHIRPS phù hợp hơn với lượng mưa trên mặt đất ở quy mô hàng ngày và hàng tháng, với khả năng phát hiện lượng mưa cao, so với sản phẩm CFSR. Dự đoán dòng chảy qua nhiều lưu vực cũng được đánh giá bằng cách sử dụng hiệu quả Kling-Gupta (KGE), hiệu quả Nash-Sutcliffe (NSE) và phần trăm BIAS (PBIAS). Bất kể các đặc điểm khí hậu, các mô phỏng thủy văn của CHIRPS cho thấy sự phù hợp tốt hơn với các quan sát ở quy mô hàng tháng với phần lớn các giá trị NSE nằm trong khoảng từ 0,40 đến 0,78, và giá trị KGE nằm trong khoảng từ 0,62 đến 0,82. Nhìn chung, CHIRPS làm tốt hơn sản phẩm lượng mưa CFSR trong việc thúc đẩy SWAT cho các mô phỏng dòng chảy trên nhiều lưu vực được chọn cho nghiên cứu. Các kết quả từ nghiên cứu chứng minh tiềm năng của CHIRPS như một đầu vào lượng mưa tiếp cận mở thay thế cho mô hình thủy văn.

Tài liệu tham khảo

  1. YD, et al, 2020A Comparative Evaluation of the Performance of CHIRPS and CFSR Data for Different Climate Zones Using the SWAT Model”.

Phòng Công nghệ và Kỹ thuật tài nguyên nước

Viện Khoa học tài nguyên nước

 VienKHTNN.Core - VienKHTNN_SuKien

BÀI VIẾT LIÊN QUAN

Nghiên cứu ứng dụng trí tuệ nhân tạo trong dự báo lũ lụt

Lũ lụt là một trong những thảm họa thiên nhiên có sức tàn phá nặng nề nhất. Các mô hình

Ứng dụng công nghệ AI trong dự báo tài nguyên nước

Trí tuệ nhân tạo (AI - Artificial Intelligence) đã và đang là một trong những công nghệ được quan tâm

Xác định biến động diện tích mặt nước bằng công nghệ Google Earth Engine

Theo dõi diễn biến diện tích mặt nước hồ chứa theo thời gian giúp xác định quy luật vận hành,

NGHIÊN CỨU XÂY DỰNG HỆ THỐNG GIÁM SÁT VÀ DỰ BÁO DÒNG CHẢY VÀO HỒ CHỨA BẢN VẼ THEO THỜI GIAN THỰC TRÊN NỀN TẢNG WEBGIS

Thuộc đề tài khoa học và công nghệ cấp cơ sở năm 2020 Viện Khoa học tài nguyên nước

 VienKHTNN.Core - VienKHTNN_LienKet

 Content Editor

 VienKHTNN.Core - VienKHTNN_AnPham_Phai

ẤN PHẨM NỔI BẬT