Hạ quy mô không gian và hiệu chỉnh sai lệch dữ liệu mưa vệ tinh IMERG xuống độ phân giải 1 km bằng học máy tại tỉnh Hà Tĩnh

Tóm tắt

Dữ liệu mưa vệ tinh IMERG có ưu điểm bao phủ liên tục theo không gian và thời gian, nhưng độ phân giải gốc khoảng 0,1° (~10 km) và sai lệch so với quan trắc trạm vẫn hạn chế khả năng áp dụng ở quy mô địa phương. Nghiên cứu này đề xuất một khung học máy tích hợp để hạ quy mô không gian và hiệu chỉnh sai lệch dữ liệu mưa IMERG xuống độ phân giải 1 km cho tỉnh Hà Tĩnh giai đoạn 2001–2017. Mô hình không dự báo trực tiếp lượng mưa 1 km mà ước tính hệ số sai lệch giữa IMERG và số liệu trạm, sau đó áp dụng hệ số này lên trường mưa IMERG đã nội suy về lưới 1 km. Hiệu năng mô hình được đánh giá bằng kiểm định chéo không gian Leave-One-Station-Out tại 10 trạm mưa. Kết quả cho thấy mô hình Random Forest theo mùa cho hiệu năng tốt nhất, với R² tăng từ 0,73 lên 0,84 và RMSE giảm khoảng 24% so với IMERG gốc. Bộ dữ liệu mưa tháng 1 km sau hiệu chỉnh có tiềm năng ứng dụng trong mô hình thủy văn và quản lý tài nguyên nước. Từ khóa: Mưa vệ tinh IMERG, hạ quy mô không gian, hiệu chỉnh sai lệch, Random Forest, mưa tháng, Hà Tĩnh