Đánh giá tính bất định trong mô phỏng dòng chảy và chất lượng nước dưới ảnh hưởng của biến đổi khí hậu trường hợp nghiên cứu cho lưu vực sông đồng nai

SỞ KHOA HỌC VÀ CƠNG NGHỆ TP HỒ CHÍ MINH VIỆN KHOA HỌC VÀ CƠNG NGHỆ TÍNH TỐN BÁO CÁO TỔNG KẾT ĐÁNH GIÁ TÍNH BẤT ĐỊNH TRONG MƠ PHỎNG DÒNG CHẢY VÀ CHẤT LƯỢNG NƯỚC DƯỚI ẢNH HƯỞNG CỦA BIẾN ĐỔI KHÍ HẬU – TRƯỜNG HỢP NGHIÊN CỨU CHO LƯU VỰC SÔNG ĐỒNG NAI Đơn vị thực hiện: Viện Khoa Học Cơng Nghệ Tính tốn Chủ nhiệm đề tài: PGS.TS Bùi Việt Hưng TP HỒ CHÍ MINH, THÁNG 07/2018 SỞ KHOA HỌC VÀ CƠNG NGHỆ TP HỒ CHÍ MINH VIỆN KHOA HỌC VÀ CƠNG NGHỆ TÍNH TỐN BÁO CÁO TỔNG KẾT ĐÁNH GIÁ TÍNH BẤT ĐỊNH TRONG MƠ PHỎNG DÒNG CHẢY VÀ CHẤT LƯỢNG NƯỚC DƯỚI ẢNH HƯỞNG CỦA BIẾN ĐỔI KHÍ HẬU – TRƯỢNG HỢP NGHIÊN CỨU CHO LƯU VỰC SÔNG ĐỒNG NAI Viện trưởng: ………………… Đơn vị thực hiện: Viện Khoa Học Cơng Nghệ Tính toán Chủ nhiệm đề tài: PGS.TS Bùi Việt Hưng ……………… TP HỒ CHÍ MINH, THÁNG 07/2018 Đánh giá tính bất định mơ dịng chảy chất lượng nước ảnh hưởng biến đổi khí hậu – Trường hợp nghiên cứu cho lưu vực sông Đồng Nai MỤC LỤC Trang MỞ ĐẦU ĐƠN VỊ THỰC HIỆN KẾT QUẢ NGHIÊN CỨU I Báo cáo khoa học II Các tài liệu khoa học xuất 146 III Chương trình giáo dục đào tạo 147 IV Hội nghị, hội thảo 148 V File liệu 149 TÀI LIỆU THAM KHẢO 150 CÁC PHỤ LỤC 154 Viện Khoa học Cơng nghệ Tính tốn TP Hồ Chí Minh Page Đánh giá tính bất định mơ dòng chảy chất lượng nước ảnh hưởng biến đổi khí hậu – Trường hợp nghiên cứu cho lưu vực sông Đồng Nai MỞ ĐẦU Đứng trước ảnh hưởng biến đổi khí hậu (BĐKH), kết dự báo thay đổi dòng chảy chất lượng nước thông tin cần thiết cho nhà quản lý hoạch định sách cơng tác quản lý quy hoạch tài nguyên nước hiệu bối cảnh BĐKH Tuy nhiên kết dự báo nhà quản lý hoạch định sách sử dụng tồn tính bất định (uncertainty) kết mơ Do đó, để quản lý hiệu tài nguyên nước bối cảnh BĐKH cần phải có hiểu biết cặn kẻ tính bất định dự báo thay đổi tài nguyên nước Mục tiêu đề tài xây dựng phương pháp tổng qt cho ước lượng tính bất định mơ dòng chảy chất lượng nước ảnh hưởng BĐKH Để đạt mục tiêu đề tài tiến hành nghiên cứu nội dung sau: (1) đánh giá dự báo thay đổi dòng chảy chất lượng nước ảnh hưởng BĐKH – trường hợp nghiên cứu lưu vực sông Đồng Nai, (2) đánh giá tính bất định dự báo dòng chảy chất lượng nước ảnh hưởng BĐKH Phương pháp tiếp cận đề tài phương pháp mơ hình hóa Để đạt nội dung đề ra, đề tài sử dụng mơ hình thủy sinh thái khác (mơ hình SWAT mơ hình HSPF) để mơ thay đổi dịng chảy chất lượng nước tương ứng với kịch BĐKH xây dựng từ (1) kịch phát thải khác nhau, (2) mơ hình GCM khác nhau, (3) phương pháp chi tiết hóa thống kê khác (phương pháp thay đổi hệ số delta, SDSM, LARS-WG) Kết đạt đề tài cho thấy thay đổi tài nguyên nước ảnh hưởng BĐKH nguồn gốc gây nên tính bất định mơ dịng chảy chất lượng nước tác động BĐKH Viện Khoa học Cơng nghệ Tính tốn TP Hồ Chí Minh Page Đánh giá tính bất định mơ dịng chảy chất lượng nước ảnh hưởng biến đổi khí hậu – Trường hợp nghiên cứu cho lưu vực sông Đồng Nai Lời cảm ơn đến ICST Nghiên cứu tài trợ Sở KH&CN TP.HCM Viện KHCN Tính tốn thơng qua Hợp đồng thực nhiệm vụ KHCN số 15/2017/HĐ-KHCNTT ngày 14 tháng 09 năm 2017 Bên cạnh đó, nhóm nghiên cứu gửi lời cám ơn chân thành đến chun viên Phịng Hành Tổng hợp (Viện KHCN Tính Tốn) giúp nhóm hồn thành thủ tục hành q trình thực đề tài Viện Khoa học Cơng nghệ Tính tốn TP Hồ Chí Minh Page Đánh giá tính bất định mơ dịng chảy chất lượng nước ảnh hưởng biến đổi khí hậu – Trường hợp nghiên cứu cho lưu vực sông Đồng Nai ĐƠN VỊ THỰC HIỆN Phịng thí nghiệm: Nhóm nghiên cứu viên OPEN LAB Chủ nhiệm đề tài: PGS.TS Bùi Việt Hưng Thành viên đề tài: TS Đào Nguyên Khôi ThS Đặng Thị Thanh Lê ThS Nguyễn Quang Long GS.TS Nguyễn Văn Thịnh Cơ quan phối hợp: Trường ĐH Khoa Học Tự Nhiên, ĐHQG TP.HCM Viện Khoa học Công nghệ Tính tốn TP Hồ Chí Minh Page Đánh giá tính bất định mơ dịng chảy chất lượng nước ảnh hưởng biến đổi khí hậu – Trường hợp nghiên cứu cho lưu vực sông Đồng Nai KẾT QUẢ NGHIÊN CỨU I BÁO CÁO KHOA HỌC TĨM TẮT Biến đổi khí hậu vấn đề quan tâm Trong năm gần đây, tần suất mức độ ảnh hưởng đe dọa tính bền vững an ninh nguồn nước tăng cao lưu vực hệ thống sông Đồng Nai Do vậy, việc nghiên cứu quản lý tài nguyên nước quan trọng Mơ ảnh hưởng biến đổi khí hậu mơ hình thủy văn phương pháp nghiên cứu phổ biến nay, nhiên phương pháp tồn sai số nhiều nguyên nhân Vì nghiên cứu tiến hành đánh giá ảnh hưởng biến đổi khí hậu lên tài nguyên nước tính bất định mơ dịng chảy chất lượng nước hai mơ hình thủy văn SWAT HSPF kết hợp với năm mơ hình khí hậu tồn cầu GCMs, ba phương pháp chi tiết hóa hai kịch phát thải lưu vực hệ thống sông Đồng Nai Kết cho thấy thấy tin cậy mơ hình thủy văn SWAT HSPF với số NSE xấp xỉ 0.7 dòng chảy (1981 – 2005) hệ số tương quan R2 chấp nhận với chất lượng nước (1999 – 2013) Bên cạnh đó, kết đánh giá tác động biến đổi khí hậu theo ba giai đoạn 2020s (2015 -2040), 2050s (2045 – 2070) 2080s (2075 – 2100) cho thấy xu hướng lượng mưa nhiệt độ tăng cao tương lai khoảng 2,77% – 10,85% 0,5°C – 3,6°C Khí hậu nóng ẩm kéo theo xu hướng dòng chảy thành phần chất lượng nước gia tăng khoảng 12,68% - 30,58%, tượng xói mịn, hạn hán, thiếu nước mùa khơ, lũ lụt trở nên trầm trọng Theo phân bố không gian, đồ phân bố tài nguyên nước lưu vực cho thấy nước tập trung chủ yếu nhánh sông Bé, hạ nguồn sông Đồng Nai; bốc chủ yếu hai hồ lớn Trị An, Dầu Tiếng thành phần chất lượng nước trung chủ yếu dòng chảy chính, phân bố tương ứng với phân bố mưa lưu vực Đồng thời, cách sử dụng mơ hình khí hậu tồn cầu dự án CMIP5, nghiên cứu đánh giá tính bất định mơ mơ hình thủy văn thơng qua yếu tố chính: mơ hình thủy văn (SWAT HSPF), mơ hình khí hậu tồn cầu GCMs (CanESM2, CNRM-CM5, HadGEM2-AO, ISPL-CM5A-LR, MPI-ESM-MR), kịch phát thải (RCP4.5 RCP8.5), phương pháp chi tiết hóa (phương pháp thay đổi hệ số delta, công cụ SDSM, công cụ LARS-WG) Trên sở này, kết hợp đánh giá yếu tố cho thấy kết mơ từ mơ hình GCM có nhiều ảnh hưởng đến tính bất định mơ thủy văn chất lượng nước; phương pháp chi tiết hóa mơ hình mơ thủy văn có ảnh hưởng đáng kể; kịch phát thải ảnh hưởng đến tính bất định Nghiên cứu Viện Khoa học Cơng nghệ Tính tốn TP Hồ Chí Minh Page Đánh giá tính bất định mơ dịng chảy chất lượng nước ảnh hưởng biến đổi khí hậu – Trường hợp nghiên cứu cho lưu vực sơng Đồng Nai tính bất định đánh giá tác động biến đổi khí hậu đến thủy văn quan trọng dự báo tác động BĐKH đến tài nguyên nước Do vậy, cần có quan tâm đặc biệt nghiên cứu đến vấn đề này, nhằm thích ứng với biến đổi khí hậu giảm thiểu thiên tai Kết nghiên cứu tài liệu tham khảo việc đựa kế hoạch quản lý tài nguyên nước lưu vực hệ thống sơng Đồng Nai Từ khóa: Lưu vực hệ thống sơng Đồng Nai, mơ hình SWAT, mơ hình HSPF, tài ngun nước, biến đổi khí hậu, tính bất định Viện Khoa học Cơng nghệ Tính tốn TP Hồ Chí Minh Page Đánh giá tính bất định mơ dịng chảy chất lượng nước ảnh hưởng biến đổi khí hậu – Trường hợp nghiên cứu cho lưu vực sông Đồng Nai CHƯƠNG ĐẶT VẤN ĐỀ 1.1 ĐẶT VẤN ĐỀ Những ước tính xác dịng chảy chất lượng nước cần thiết để có kế hoạch quản lý thành công hiệu quả, đặc biệt bối cảnh biến đổi khí hậu ngày trở nên ngiêm trọng đe dọa đến sống người Tuy nhiên, hầu hết nghiên cứu mô tồn tính bất định khoảng sai số ảnh hưởng đến chế độ dòng chảy hàm lượng chất dinh dưỡng nghiên cứu đánh giá nên hầu hết kết dự báo nhà quản lý hoạch định sử dụng Có nhiều ngun nhân tạo tính bất định có liên quan đến biến đổi khí hậu như: (1) mơ hình khí hậu tồn cầu GCM, bao gồm tính bất định kịch phát thải RCP hay phương pháp chi tiết hóa; (2) mơ hình mơ thủy văn; (3) liệu đầu vào Thật vậy, kịch phát thải có giả thiết lượng phát thải khí nhà kính đưa vào bầu khí khác mơ hình (mơ hình GCM, cơng cụ chi tiết hóa thống kê, mơ hình thủy văn) có lý thuyết tiếp cận giả thiết đơn giản hóa mơ hình khác Chính điều làm cho kết mô sử dụng kịch phát thải hay mơ hình khác cho kết có khác biệt Do đó, để việc nghiên cứu đạt hiệu có tính ứng dụng nghiên cứu, quản lý hiệu tài nguyên nước bối cảnh BĐKH cần phải có hiểu biết cặn kẽ tính bất định dự báo thay đổi tài nguyên nước Đặc biệt lưu vực hệ thống sông Đồng Nai, lưu vực lớn thứ ba nước ta (sau lưu vực sông Hồng sông Cửu Long) lưu vực nội địa lớn khu vực phía nam, trải dài nhiều tỉnh thành khác Tài nguyên nước nơi đóng vai trị quan trọng phát triển kinh tế - xã hội khu vực Đơng Nam Bộ, nguồn cung cấp nước cho hoạt động công nghiệp, nông nghiệp sinh hoạt khu vực lân cận Tuy nhiên, nằm vùng có địa hình phức tạp kết hợp đặc trưng dòng chảy thay đổi theo mùa, chịu ảnh hưởng nhiều yếu tố biến đổi khí hậu, gia tăng dân số phát triển kinh tế Các tượng hạn hán, thiếu nước vào mùa khơ hay lũ qt, xói mịn đất vào mùa mưa gia tăng Biến đổi khí hậu đe dọa đến tính bền vững tài nguyên nước, ảnh hưởng đến sống sinh hoạt người phát triển kinh tế - xã hội lưu vực Vì đánh giá ảnh hưởng biến đổi khí hậu lên tài nguyên nước đánh giá tính bất định kết mơ cần thiết Nhiều nghiên cứu trước cho thấy, tính bất định ảnh hưởng biến đổi khí hậu nhiều nhiều so với độ nhạy thông số mơ hình thủy văn Nhìn chung, tính bất định tồn bước mô hay xây dựng kịch Vì cần có đánh giá tổng thể tính bất định mơ kịch liên quan Tuy nhiên, hầu hết nghiên cứu Viện Khoa học Cơng nghệ Tính tốn TP Hồ Chí Minh Page Đánh giá tính bất định mơ dịng chảy chất lượng nước ảnh hưởng biến đổi khí hậu – Trường hợp nghiên cứu cho lưu vực sông Đồng Nai tập trung vào đánh giá tính bất định liên quan đến dịng chảy mà xem xét đến chất lượng nước Điều làm hạn chế kiến thức tính bất định đánh giá chất lượng nước ảnh hưởng biến đổi khí hậu Trong thực tế, ảnh hưởng lên chất lượng nước thường cao đặc tính vật lý, thủy văn, khí hậu lưu vực hoạt động người Do đó, mục đích nghiên cứu đánh giá ảnh hưởng biến đổi khí hậu lên tài ngun nước tính bất định mơ dòng chảy chất lượng nước liên quan đến kịch biến đổi khí hậu tương lai thơng số mơ hình lưu vực hệ thống sơng Đồng Nai Nghiên cứu góp phần sở khoa học quan trọng nghiên cứu thực tế giúp đưa biện pháp quản lý, sử dụng hiệu quả, đảm bảo tính bền vững nguồn tài nguyên nước 1.2 MỤC TIÊU Mục tiêu chung đề tài xây dựng phương pháp tổng quát cho ước lượng tính bất định mơ dịng chảy chất lượng nước ảnh hưởng BĐKH Phương pháp tổng quát giúp cho nghiên cứu đánh giá tác động BĐKH lên dòng chảy chất lượng nước, nhận dạng nguồn gốc gây nên tính bất định kết mô nhận dạng tác động BĐKH cách bao quát khả xảy nhằm phục vụ công tác quản lý tài nguyên nước lưu vực sông bối cảnh BĐKH Trong nghiên cứu xem xét đến ảnh hưởng BĐKH (thay đổi lượng mưa nhiệt độ), không xem xét đến ảnh hưởng tác động nhân sinh (thay đổi sử dụng đất phát triển kinh tế - xã hội) lưu vực Mục tiêu chi tiết đề tài bao gồm mục tiêu sau: - Đánh giá dự báo thay đổi dòng chảy chất lượng nước ảnh hưởng BĐKH – trường hợp nghiên cứu lưu vực hệ thống sông Đồng Nai - Đánh giá tính bất định dự báo dòng chảy chất lượng nước ảnh hưởng BĐKH 1.3 NỘI DUNG NGHIÊN CỨU Để thực mục tiêu trên, nội dung nghiên cứu sau cần triển khai: Nội dung 1: Đánh giá dự báo thay đổi dòng chảy chất lượng nước ảnh hưởng BĐKH – trường hợp nghiên cứu lưu vực hệ thống sông Đồng Nai - Xây dựng kịch BĐKH cho khu vực nghiên cứu dựa vào phương pháp thay đổi hệ số delta kết mơ khí hậu tồn cầu mơ hình GCM - Hiệu chỉnh kiểm định mơ hình SWAT cho mơ dịng chảy - Hiệu chỉnh kiểm định mơ hình SWAT cho mơ chất lượng nước Viện Khoa học Cơng nghệ Tính tốn TP Hồ Chí Minh Page P T T NHI ET AL 130 m3/s at the Phu Hiep station This catchment plays an important role in developing hydropower and preventing salinity intrusion into the Dong Nai River in the dry season Methodology 3.1 Gridded rainfall datasets Five gridded observational rainfall datasets were used in this study, namely APHRODITE, CFSR, CRU-TS, GPCC, and TRMM, for the period 1998–2007 Table presents a brief description about the spatially distributed rainfall products used in this study and Figure shows the spatial distribution of the rain gauges within and around the study area with 0.25° grid for the APHRODITE and TRMM products, 0.3125° grid for the CFSR product and 0.5° grid for the CRU-TS and GPCC products 3.1.1 APHRODITE dataset APHRODITE provides spatially distributed rainfall data with a 0.25° spatial resolution at daily scale over Asia, which is interpolated from land-based rainfall data obtained from the National Hydrological and Meteorological Services (NHMs) for the period 1951–2007 (Yatagai et al 2012) This product has been developed by the Research Institute for Humanity and Nature (RIHN) and the Meteorological Research Institute of Japan Meteorological Agency (MRI/JMA) since 2006 The APHRODITE version V1101 was used in this study 3.1.2 CFSR dataset CFSR was designed as a global, high resolution, coupled atmosphere-ocean-land surface-sea ice system to provide the best estimate of the state of these coupled domains for the period of 1979 to present (Saha et al 2014) The CFSR version DS094.1 was used in this study The CFSR data have a spatial resolution of 0.3125° and a temporal resolution of daily 3.1.3 CRU-TS dataset The gridded CRU-TS (time series) data are produced by CRU at the University of East Anglia The CRU-TS data are monthly gridded fields based on monthly observational data, which are calculated from daily or sub-daily data by National Meteorological Services and other external agents The CRU-TS version 3.24 was used in this study The data are monthly variations in climate over the period 1901–2015 on high resolution (0.5 degree) (Harris et al 2014) 3.1.4 GPCC dataset The GPCC was established in 1989 at Deutscher Wetterdienst (DWD, German Weather Service) on invitation of the WMO as the in situ component of the Global Precipitation Climatology Project (GPCP) Its main task is the analysis of monthly precipitation for the earth’s land surface on the basin of rain gauge (in situ) measurements The GPCC version was used in this study The GPCC dataset provides monthly precipitation with a spatial resolution of 0.5° for the period 1901–2013 (Schneider et al 2014) Table Description of gridded rainfall datasets used in the study Dataset Version Spatial and temporal resolutions Areal coverage Time coverage APHRODITE TRMM CFSR CRU-TS GPCC V1101 3B42V7 DS094.1 V3.24 V7 0.25°/daily 0.25°/daily 0.3125/daily 0.50°/monthly 0.50°/monthly Monsoon Asia Near Global Global Near Global Near Global 1951–2007 1998–present 1979–present 1901–2015 1901–2013 INTERNATIONAL JOURNAL OF DIGITAL EARTH Figure Rainfall grid of (a) CRU-TS and GPCC (0.5°), (b) APHRODITE and TRMM (0.25°), (c) CFSR (0.3125°) for the study area 3.1.5 TRMM dataset The TRMM is a joint mission between the National Aeronautics and Space Administration (NASA) and the Japan Aerospace Exploration Agency (JAXA) to monitor tropical and sub-tropical precipitation (Huffman et al 2007) The daily product TRMM 3B42V7 was used in this study The version 3B42V7 has a daily temporal resolution and a 0.25° spatial resolution The spatial coverage extends from 50°S to 50°N and 0° to 360°E 3.2 HEC-HMS hydrological model HEC-HMS, a semi-distributed hydrological model, was developed by the United States Army Corps of Engineers, and designed to simulate rainfall-runoff processes in small and large catchments with varying agro-climatic conditions (Feldman 2000) In HEC-HMS, hydrological components, including a loss component, base flow component, transforming component, and channel routing component, are combined to simulate hydrological processes of the catchment A detailed description of the model components can be found in the HEC-HMS Technical Reference Manual (Feldman 2000) The input data required for HEC-HMS, including weather data, a land-use map, a soil map, and a Digital Elevation Map (DEM), are listed in Table The 90 m resolution DEM was derived from the P T T NHI ET AL Table Data sources used in the initial setup of the HEC-HMS model for the study area Data type Data description Scale Topographical characteristics Land-use types Digital elevation map (DEM) 90 m U.S Geological Survey Data sources Land-use map in 2005 km Soil types Meteorology Soil map Daily precipitation, minimum and maximum temperature 10 km Daily Sub-National Institute of Agricultural Planning and Projection (Sub-NIAPP) Food and Agriculture Organization (FAO) Hydro-Meteorological Data Centre (HMDC); data for the period 1998–2007 U.S Geological Survey (USGS), the soil types were extracted from the Food and Agriculture Organization (FAO) digital soil map at 10 km resolution, and the land-use types in 2005 were derived from the Sub-National Institute of Agricultural Planning and Projection (Sub-NIAPP) These DEM, soil, and land-use data were used to characterize features of catchment and sub-catchments Moreover, weather data were obtained from the Hydro-Meteorological Data Center of Vietnam (HMDC) (Figure 1) Meteorological data (1998–2007), such as daily rainfall, temperature, and relative humidity, were collected for 11 weather stations located within the study area Discharge data were also required for calibration and validation purposes Daily flow data (1998–2007) measured at the Ta Lai and Phu Hiep stations were used for the model calibration and validation Streamflow data were provided by HMDC The HEC-HMS model set-up includes a basin model, a meteorological model, and control specifications In the basin model, the characteristics of catchment and sub-catchments derived from HEC-GeoHMS were directly imported HEC-GeoHMS used ArcGIS and the spatial analysis extension to calculate hydrological parameters of the catchment based on the DEM data for the HECHMS model This study area is divided into five sub-catchments which are characterized by different land-use and soil types, and it is presented in the basin model as shown in Figure For each subcatchments, the deficit and constant loss model was selected for estimate the losses from the catchment (the loss component), the Clark’s unit hydrograph model was used for the transform component, and the recession model was used for the base flow component In order to set up the meteorological model in HEC-HMS, the gauge weight method was used to estimate the precipitation for each sub-catchment The control specifications were used to set up the starting and ending times, and time step for the simulation After the HEC-HMS model set-up for the study area, the model was calibrated and validated using the daily observed streamflow at the two gauge stations (Ta Lai and Phu Hiep station) The data in 1998 were used as the warm-up period of the simulation The data from 1999 to 2003 were used for the model calibration, and the data from 2004 to 2007 were used for the model validation The performance of the HEC-HMS model was quantified using graphical comparison and statistical indices The statistical indices used in this study were the coefficient of determination (R 2), Nash-Sutcliffe efficiency (NSE) and percent bias (PBIAS) These statistical indices are selected for the present study because they are popularly used in evaluating the performance of hydrological model In general, the model performance for flow simulation is satisfactory when the values of R and NSE are between 0.36 and 0.75 and the PBIAS values are within ± 25% Additionally, the model performance is unsatisfactory if the values of R and NSE are less than 0.36 and the PBIAS values are outside the range of ± 25% (Moriasi et al 2015) In order to evaluate the performance of the gridded rainfall datasets in simulating the streamflow, the well-calibrated HEC-HMS was used to run with the different gridded rainfall datasets, then the simulations were compared with the observed streamflow Aside from rainfall, other catchment factors (e.g soil type, land-use) are kept the same for all simulations This approach is widely used in the similar studies (Vu, Raghavan, and Liong 2012; Worqlul et al 2015) The simulation period of 1999– 2007 were used for comparison because the impacts of hydropower dams and irrigation works on streamflow is insignificant during this period in the upper catchment of Tri An reservoir INTERNATIONAL JOURNAL OF DIGITAL EARTH Figure Schematic diagram of the study area in the HEC-HMS model 3.3 The MODAWEC model The CRU-TS and GPCP data provide monthly rainfall data on a near global scale with a spatial resolution of 0.5° However, they cannot be used directly by the HEC-HMS hydrological model because the model in this study operates on a daily time step Thus, there is a need for a weather generator to downscale the rainfall data from monthly scale to daily scale In this study, a weather generator MODAWEC (Monthly to Daily Weather Converter) was used for this purpose The MODAWEC model has been widely used in the hydrological studies (Khoi and Suetsugi 2012; Xu, Zhang, and Ran 2013) In the model, daily precipitation was generated using a first-order Markov chain and an exponential distribution based on monthly precipitation and monthly wet days (Liu et al 2009) Results and discussion 4.1 Validation of gridded rainfall datasets with rain gauge data We first evaluated the performance of gridded rainfall datasets against the rain gauges data For the purpose of hydrological applications, comparison of areal rainfall derived from different datasets is more meaningful The areal rainfall is then compared with the areal rainfall datasets for the Ta Lai and Ta Pao sub-basins over the period 1999–2007 The summary statistics are given in Table The areal average rainfalls are 6.55–6.83 mm/d for rain gauges data, 5.25–5.33 mm/d for the APHRODITE data, 7.04–7.76 mm/d for the CFSR data, 5.40–5.44 mm/d for the CRU-TS data, 6.53– 6.64 mm/d for the GPCC data, and 6.43–6.50 mm/d for the TRMM data in the period 1999– 2007 It can be seen that the TRMM and GPCC data show small differences in the areal average rainfalls, whereas the APHRODITE, CRU-TS, and CFSR data show larger differences A comparison of P T T NHI ET AL Table Comparison of statistical indices between areal averaged rainfall of rain gauge data and areal averaged rainfall of five gridded datasets in the period 1999–2007 Ta Lai sub-basin Rain gauge APHRODITE CFSR CRU-TS GPCC TRMM Ta Pao sub-basin Average (mm/d) %wet-day Annual rainfall (mm) Average (mm/d) %wet-day Annual rainfall (mm) 6.55 5.25 7.76 5.40 6.53 6.50 63 61 70 71 63 60 2362 1913 2807 1966 2358 2289 6.83 5.33 7.04 5.44 6.64 6.43 59 60 68 62 61 57 2462 1934 2549 1976 2396 2335 percentage number of wet days and annual rainfall totals is also calculated for the five rainfall datasets This shows that percentage number of wet days and annual rainfall totals from the GPCC and TRMM data are similar to those from the rain gauges data The accumulated daily precipitation of rain gauges data and the five gridded rainfall datasets over the study area are presented in Figure It is shown that the GPCC and TRMM data have a quite similar trend as the rain gauges data, while the CFSR data are overestimated the gauged rainfall, and the CRU-TS and APHRODITE data are Figure Accumulated daily rainfall over the upper catchment of Tri An reservoir for rain gauges data and five rainfall gridded datasets in the period 1999–2007 (a) Ta Lai sub-basin (b) Ta Pao sub-basin INTERNATIONAL JOURNAL OF DIGITAL EARTH underestimated the gauged rainfall Generally, the agreements of APHRODITE, CFSR, and CRU-TS with rain gauges data are unsatisfactory In this study, the GPCC and TRMM data showed good performance in capturing the pattern of rain gauges data in the period 1999–2007, even though they exhibited a slight underestimation Our finding is similar to the result of Tan et al (2015), who evaluated six satellite and ground-based rainfall products over Malaysia That study indicated that the TRMM data are the suitable choice for rainfall estimate in Malaysia Furthermore, our result is in agreement with the findings of Fu et al (2016) and Vu et al (2017) which state that the GPCC product shows a good agreement with rain gauges data over China and Vietnam 4.2 HEC-HMS calibration and validation The calibration and validation of the HEC-HMS model using the rain gauges data for the upper Dong Nai River Basin were carried out by comparing the simulated streamflow with the observed flow at two gauging stations, including the Ta Lai and Ta Pao stations The daily streamflow data for the period 1999–2007 were used for the model calibration and validation The plots of observed and simulated daily flow are presented in Figure These show that the model produced a similar trend between observed and simulated streamflow during the calibration and validation periods However, the peak streamflow was not well matched, particularly in the wet season This may have resulted from an uneven spatial distribution of rain gauges The statistical indicators for evaluation of model performance computed using daily streamflow in the calibration and validation periods are listed in Table The observed and simulated daily streamflow showed a good agreement with the R 2, NSE, and PBIAS values varying in the range of 0.59 to 0.82, 0.58 to 0.82, and −21 to −3%, respectively, for the calibration period For the validation period, the R 2, NSE, PBIAS values varied from 0.78 to 0.87, 0.69 to 0.87, and −6 to 3%, respectively The statistical indices show that the validation values are better than the calibration values (Table 4) This could be largely due to the land-use types used in the HEC-HMS model Indeed, the land-use map in 2005 was used for both calibration period (1999–2003) and validation period (2004–2007) According to Moriasi et al (2015), the performance of the HEC-HMS model was considered as ‘satisfactory’ during the calibration and validation period In general, the HEC-HMS model could capture the hydrological characteristics of the catchment reasonably well 4.3 Evaluation of rainfall products using the HEC-HMS model To evaluate the streamflow simulations driven by the different rainfall products, experiments based on the well-calibrated HEC-HMS model were conducted with input from rain gauges data and the five gridded rainfall datasets over the study area These results are presented in daily and monthly scales from streamflow simulations for the period 1999–2007 Figures 6–8 illustrate scatter plots of observed flow and simulated flows from rain gauges and gridded rainfall datasets at the Ta Lai and Phuoc Hiep stations Moreover, Figures 7–9 present comparison plot of observed streamflow and simulated streamflow driven by the rainfall datasets at the Ta Lai and Phuoc Hiep stations The results of statistical evaluation on the fit between observed streamflow and simulated streamflow Table Model performance for the simulation of streamflow Calibration (1999–2003) Station Ta Lai Phu Hiep Time step Daily Monthly Daily Monthly R2 0.82 0.92 0.59 0.82 NSE 0.82 0.91 0.58 0.66 Validation (2004–2007) PBIAS −3% −3% −21% −21% R2 087 0.93 0.78 0.89 NSE 0.87 0.93 0.69 0.79 PBIAS 3% 3% −6% −6% 10 P T T NHI ET AL Figure Observed and simulated daily flow hydrograph in the calibration and validation periods (a) Ta Lai station (b) Phu Hiep station driven by the rainfall products are presented in Table Among the five gridded rainfall datasets, the CRU-TS-driven simulated streamflow shows unacceptable agreement with the observed data as the R 2, NSE, and PBIAS indices were 0.13, −0.09, and 35% for the Ta Lai station, and 0.19, −0.01, and 36% for the Phuoc Hiep station, respectively In addition, other gridded rainfall datasets (APHRODITE, CFSR, GPCC, and TRMM) perform satisfactorily on observed daily streamflow when they have the values of statistical indices within the satisfactory level suggested by Moriasi et al (2015) (Table 5) Among the APHRODITE, CFSR, GPCC, and TRMM, the GPCC and TRMM data were marked by better values of statistical indices compared to the other products From the daily simulations (Figure 7(a) and Figure 9(a)), it can be seen that the APHRODITE-driven simulation underestimates high streamflow, while the CFSR-driven simulation overestimate considerably high streamflow This was also confirmed by the values of PBIAS as shown in Table INTERNATIONAL JOURNAL OF DIGITAL EARTH 2500 Linear fit: y = 0.88x + 52.48 R² = 0.84 2000 1500 1000 500 3000 Simulated discharge [m3/s] Simulated discharge [m3/s] 3000 2500 Linear fit: y = 0.52x + 110.04 R² = 0.52 2000 1500 1000 500 0 0 500 1000 1500 2000 2500 3000 Observed discharge [m3/s] Linear fit: y = 0.83x + 134.72 R² = 0.58 2000 1500 1000 500 3000 Simulated discharge [m3/s] Simulated discharge [m3/s] 2500 2500 Linear fit: y = 0.28x + 139.68 R² = 0.13 2000 1500 1000 500 0 0 500 1000 1500 2000 2500 3000 Observed discharge [m3/s] Linear fit: y = 0.69x + 90.42 R² = 0.64 2000 1500 1000 500 3000 Simulated discharge [m3/s] Simulated discharge [m3/s] 2500 500 1000 1500 2000 2500 3000 Observed discharge [m3/s] (d) CRU-TS (c) CFSR 3000 500 1000 1500 2000 2500 3000 Observed discharge [m3/s] (b) APHRODITE (a) Rain gauge 3000 11 2500 Linear fit: y = 0.73x + 100.66 R² = 0.61 2000 1500 1000 500 0 500 1000 1500 2000 2500 3000 Observed discharge [m3/s] (e) GPCC 500 1000 1500 2000 2500 3000 Observed discharge [m3/s] (f) TRMM Figure Scatter plots of the observed flow and simulated flows from rain gauges and gridded rainfall datasets at the Ta Lai station (a) Rain gauge (b) APHRODITE (c) CFSR (d) CRU-TS (e) GPCC (f) TRMM Using an aggregating daily streamflow into monthly streamflow (Figures 7(b) and 9(b)), the agreements between monthly observed streamflow and simulated streamflow driven by the rainfall products were improved The NSE, PBIAS, and R values for monthly simulations driven by the different rainfall datasets are also presented in Table Similar to the daily scale, the GPCC and TRMM-driven simulations captures satisfactorily the monthly observed streamflow at the Ta Lai and Phuoc Hiep stations In general, the results show that the GPCC and TRMM products are 12 P T T NHI ET AL 3000 Observation APHRODITE CRU-TS TRMM Discharge [m3/s] 2500 Rain gauge CFSR GPCC 2000 1500 1000 500 1999 2000 2001 2002 2003 2004 2005 2006 2007 (a) Daily scale 3000 Observation APHRODITE CRU-TS TRMM Discharge [m3/s] 2500 Rain gauge CFSR GPCC 2000 1500 1000 500 1999 2000 2001 2002 2003 2004 2005 2006 2007 (b) Monthly scale Figure Comparison of the observed flow and simulated flows from rain gauges and gridded rainfall datasets at the Ta Lai station (a) Daily scale (b) Monthly scale the suitable alternatives to rain gauges data as input to hydrological modeling, followed by the CFSR and APHRODITE datasets The CRU-TS product has failed to capture the observed streamflow The reason for this is that CRU-TS has no observations in the study area; and therefore, it is unlikely to simulate correctly the streamflow for the study area This finding is unlike to the result found by Vu, Raghavan, and Liong (2012) over the Dak Bla River Catchment (Central Highlands of Vietnam), which states that the TRMM-driven simulated streamflow and observed streamflow did not match well This is likely attributed to the catchment area According to Lauri, Räsänen, and Kummu (2014), the TRMM-driven simulated streamflow might not fit well the observed streamflow for small catchments However, this finding is consistent with the results of some previous works (e.g Katiraie-Boroujerdy et al 2016; Wang et al 2016; Zhu et al 2016) Generally, we recommend that GPCC and TRMM datasets are the suitable alternatives INTERNATIONAL JOURNAL OF DIGITAL EARTH Simulated discharge [m3/s] 2000 13 Linear fit: y = 0.52x + 29.83 R² = 0.50 1500 1000 500 0 (a) Rain gauge Linear fit: y = 0.62x + 31.30 R² = 0.51 1500 1000 500 Linear fit: y = 0.34x + 38.13 R² = 0.20 1500 1000 500 0 500 1000 1500 Observed discharge [m3/s] 2000 (c) CFSR 500 1000 1500 Observed discharge [m3/s] 2000 (d) CRU-TS 2000 Linear fit: y = 0.70x + 31.04 R² = 0.52 Simulated discharge [m3/s] Simulated discharge [m3/s] 2000 2000 (b) APHRODITE 2000 Simulated discharge [m3/s] Simulated discharge [m3/s] 2000 500 1000 1500 Observed discharge [m3/s] 1500 1000 500 Linear fit: y = 0.74x + 27.53 R² = 0.54 1500 1000 500 0 500 1000 1500 Observed discharge [m3/s] (e) GPCC 2000 500 1000 1500 Observed discharge [m3/s] 2000 (f) TRMM Figure Scatter plots of the observed flow and simulated flows from rain gauges and gridded rainfall datasets at the Phu Hiep station (a) Rain gauge (b) APHRODITE (c) CFSR (d) CRU-TS (e) GPCC (f) TRMM in hydrological studies in Vietnam Considering the applications of GPCC and TRMM datasets in hydrological studies, TRMM cannot be suitable for studies of climate change impacts because of its short available data (1998–present) and GPCC shows its ability for climate change studies with its long period (1901–2013) Indeed, climate studies require historical weather data with the period of at least 30 years Besides that, for near real-time hydrological simulation, the GPCC dataset is not suitable because this dataset is available with a delay of around years On the other hand, TRMM is an appropriate option for near real-time analysis 14 P T T NHI ET AL 3000 Observation APHRODITE CRU-TS TRMM Discharge [m3/s] 2500 Rain gauge CFSR GPCC 2000 1500 1000 500 1999 2000 2001 2002 2003 2004 2005 2006 2007 (a) Daily scale 3000 Observation APHRODITE CRU-TS TRMM Discharge [m3/s] 2500 Rain gauge CFSR GPCC 2000 1500 1000 500 1999 2000 2001 2002 2003 2004 2005 2006 2007 (b) Monthly scale Figure Comparison of the observed flow and simulated flows from rain gauges and gridded rainfall datasets at the Phu Hiep station (a) Daily scale (b) Monthly scale Table Statistical indices for simulating streamflow in the upper catchment of Tri An reservoir using HEC-HMS in the period 1999– 2007 Ta Lai station Data Time step Rain gauge Daily Monthly Daily Monthly Daily Monthly Daily Monthly Daily Monthly Daily Monthly APHRODITE CFSR CRU-TS GPCC TRMM Phu Hiep station R2 NSE PBIAS R2 NSE PBIAS 0.84 0.92 0.52 0.63 0.58 0.68 0.13 0.22 0.64 0.78 0.61 0.72 0.85 0.92 0.50 0.59 0.55 0.62 −0.09 −0.02 0.64 0.78 0.61 0.70 −1% −1% 19% 19% −18% −18% 35% 35% 7% 7% 1% 1% 0.73 0.84 0.50 0.57 0.51 0.59 0.20 0.29 0.52 0.66 0.54 0.64 0.55 0.70 0.45 0.51 0.46 0.53 −0.01 0.09 0.48 0.64 0.49 0.59 13% 13% 25% 25% −17% −17% 36% 36% 6% 6% 5% 5% INTERNATIONAL JOURNAL OF DIGITAL EARTH 15 Conclusions The main purpose of this study was to assess the utility of gridded rainfall datasets as input into the HEC-HMS hydrological model for streamflow simulation in the upper catchment of Tri An reservoir (Vietnam) Five gridded rainfall datasets, namely APHRODITE, CFSR, CRU-TS, GPCC, and TRMM, were used for the assessment Among the five gridded rainfall datasets, the GPCC and TRMM data show their best match to rain gauges data in areal average rainfall estimate in the period 1999–2007 The streamflow simulation indicated that the HEC-HMS model driven by the rain gauges data produces an overall good agreement with the observed streamflow, and the GPCC and TRMM datasets are suited for streamflow simulations at daily and monthly scales in this study area with satisfactory precision In conclusion, it can be said that the GPCC and TRMM data have good potential for useful application to hydrological studies, which is a useful merit for regions where networks of ground-based rainfall observations are sparsely and unevenly distributed Disclosure statement No potential conflict of interest was reported by the authors Acknowledgement We are also grateful to the two anonymous reviewers who gave constructive comments leading to improve this paper Funding This research is funded by Ho Chi Minh City’s Department of Science and Technology (HCMC-DOST) and Institute for Computational Science and Technology (ICST) under grant number 15/2017/HĐ-KHCNTT Additionally, this research is partly funded by Vietnam National University Ho Chi Minh City (VNU-HCM) under grant number C2017-48-02 References Arnold, J G., R Srinivasan, R S Muttiah, and J R Williams 1998 “Large Area Hydrologic Modeling and Assessment - Part I: Model Development.” Journal of the American Water Resources Association 34 (1): 73–89 doi:10.1111/j 1752-1688.1998.tb05961.x Dile, Yihun Taddele, and Raghavan Srinivasan 2014 “Evaluation of CFSR Climate Data for Hydrologic Prediction in Data-Scarce Watersheds: An Application in the Blue Nile River Basin.” Journal of the American Water Resources Association 50 (5): 1226–1241 doi:10.1111/jawr.12182 Donigian, A S., B R Bicknell, and J C Imhoff 1995 “Hydrological Simulation Program - Fortran (HSPF).” In Computer Models of Watershed Hydrology, edited by Singh V.P., 395–442 http://www.cabdirect.org/abstracts/ 19961904772.html;jsessionid=53F7B0C42B38A71A03172B500F510B5F?freeview=true Feldman, Arlen 2000 Hydrologic Modeling System HEC-HMS – Technical Reference Manual Davis, CA: US Army Corps of Engineers, Hydrologic Engineering Center Fu, Yang, Jiangzhou Xia, Wenping Yuan, Bing Xu, Xiaoxu Wu, Yang Chen, and Haicheng Zhang 2016 “Assessment of Multiple Precipitation Products Over Major River Basins of China.” Theoretical and Applied Climatology 123 (1– 2): 11–22 doi:10.1007/s00704-014-1339-0 Harris, I., P D Jones, T J Osborn, and D H Lister 2014 “Updated High-Resolution Grids of Monthly Climatic Observations – the CRU TS3.10 Dataset.” International Journal of Climatology 34 (3): 623–642 doi:10.1002/joc 3711 Huang, Anning, Yong Zhao, Yang Zhou, Ben Yang, Lujun Zhang, Xinning Dong, Dexian Fang, and Yang Wu 2016 “Evaluation of Multisatellite Precipitation Products by Use of Ground-Based Data Over China.” Journal of Geophysical Research: Atmospheres 121 (18): 10654–10675 doi:10.1002/2016JD025456 Huffman, George J., David T Bolvin, Eric J Nelkin, David B Wolff, Robert F Adler, Guojun Gu, Yang Hong, Kenneth P Bowman, and Erich F Stocker 2007 “The TRMM Multisatellite Precipitation Analysis (TMPA): Quasi-Global, Multiyear, Combined-Sensor Precipitation Estimates at Fine Scales.” Journal of Hydrometeorology (1): 38–55 doi:10.1175/JHM560.1 16 P T T NHI ET AL Hughes, D A 2006 “Comparison of Satellite Rainfall Data with Observations from Gauging Station Networks.” Journal of Hydrology 327 (3–4): 399–410 doi:10.1016/j.jhydrol.2005.11.041 Kabiri, Reza, V Ramani Bai, and Andrew Chan 2014 “Assessment of Hydrologic Impacts of Climate Change on the Runoff Trend in Klang Watershed, Malaysia.” Environmental Earth Sciences 73 (1): 27–37 doi:10.1007/s12665-0143392-5 Katiraie-Boroujerdy, Pari-Sima, Nasrin Nasrollahi, Kuo-lin Hsu, and Soroosh Sorooshian 2016 “Quantifying the Reliability of Four Global Datasets for Drought Monitoring Over a Semiarid Region.” Theoretical and Applied Climatology 123 (1–2): 387–398 doi:10.1007/s00704-014-1360-3 Khoi, Dao Nguyen, and Tadashi Suetsugi 2012 “Uncertainty in Climate Change Impacts on Streamflow in Be River Catchment, Vietnam.” Water and Environment Journal 26 (4): 530–539 Lauri, H., T A Räsänen, and M Kummu 2014 “Using Reanalysis and Remotely Sensed Temperature and Precipitation Data for Hydrological Modeling in Monsoon Climate: Mekong River Case Study.” Journal of Hydrometeorology 15 (4): 1532–1545 doi:10.1175/JHM-D-13-084.1 Le, Tuan, Farhan Al-Juaidi, and Hatim Sharif 2014 “Hydrologic Simulations Driven by Satellite Rainfall to Study the Hydroelectric Development Impacts on River Flow.” Water (12): 3631–3651 doi:10.3390/w6123631 Li, Xiang-Hu, Qi Zhang, and Chong-Yu Xu 2012 “Suitability of the TRMM Satellite Rainfalls in Driving a Distributed Hydrological Model for Water Balance Computations in Xinjiang Catchment, Poyang Lake Basin.” Journal of Hydrology 426–427 (March): 28–38 doi:10.1016/j.jhydrol.2012.01.013 Li, Xianghu, Qi Zhang, and Chong-Yu Xu 2014 “Assessing the Performance of Satellite-Based Precipitation Products and Its Dependence on Topography Over Poyang Lake Basin.” Theoretical and Applied Climatology 115 (3–4): 713– 729 doi:10.1007/s00704-013-0917-x Liu, Junguo, Jimmy R Williams, Xiuying Wang, and Hong Yang 2009 “Using MODAWEC to Generate Daily Weather Data for the EPIC Model.” Environmental Modelling and Software 24 (5): 655–664 doi:10.1016/j envsoft.2008.10.008 Mahmood, Rashid, and Shaofeng Jia 2016 “Assessment of Impacts of Climate Change on the Water Resources of the Transboundary Jhelum River Basin of Pakistan and India.” Water (6): 246 doi:10.3390/w8060246 Meenu, R., S Rehana, and P P Mujumdar 2013 “Assessment of Hydrologic Impacts of Climate Change in TungaBhadra River Basin, India with HEC-HMS and SDSM.” Hydrological Processes 27 (11): 1572–1589 doi:10.1002/hyp 9220 Meng, Jin, Li Li, Zhenchun Hao, Jiahu Wang, and Quanxi Shao 2014 “Suitability of TRMM Satellite Rainfall in Driving a Distributed Hydrological Model in the Source Region of Yellow River.” Journal of Hydrology 509 (November 1997): 320–332 doi:10.1016/j.jhydrol.2013.11.049 Moriasi, D N., M W Gitau, N Pai, and P Daggupati 2015 “Hydrologic and Water Quality Models: Performance Measures and Evaluation Criteria.” Transactions of the ASABE 58 (6): 1763–1785 doi:10.13031/trans.58.10715 Nkiaka, E., N R Nawaz, and J C Lovett 2016 “Evaluating Global Reanalysis Precipitation Datasets with Rain Gauge Measurements in the Sudano-Sahel Region: Case Study of the Logone Catchment, Lake Chad Basin.” Meteorological Applications, December doi:10.1002/met.1600 Refsgaard, J C., B Storm, and V P Singh 1995 “Mike She.” In Computer Models of Watershed Hydrology Vol 1., edited by V P Singh, 809–846 Colorado: Water Resources Publications Saha, Suranjana, Shrinivas Moorthi, Xingren Wu, Jiande Wang, Sudhir Nadiga, Patrick Tripp, David Behringer, et al 2014 “The NCEP Climate Forecast System Version 2.” Journal of Climate 27 (6): 2185–2208 doi:10.1175/JCLI-D12-00823.1 Schneider, Udo, Andreas Becker, Peter Finger, Anja Meyer-Christoffer, Markus Ziese, and Bruno Rudolf 2014 “GPCC’s New Land Surface Precipitation Climatology Based on Quality-Controlled in Situ Data and Its Role in Quantifying the Global Water Cycle.” Theoretical and Applied Climatology 115 (1–2): 15–40 doi:10.1007/ s00704-013-0860-x Sidike, Ayetiguli, Xi Chen, Tie Liu, Khaydar Durdiev, and Yue Huang 2016 “Investigating Alternative Climate Data Sources for Hydrological Simulations in the Upstream of the Amu Darya River.” Water (10): 441 doi:10.3390/ w8100441 Tan, Mou Leong, Philip W Gassman, and Arthur P Cracknell 2017 “Assessment of Three Long-Term Gridded Climate Products for Hydro-Climatic Simulations in Tropical River Basins.” Water (3): 229 doi:10.3390/ w9030229 Tan, Mou Leong, Ab Ibrahim, Zheng Duan, Arthur Cracknell, and Vincent Chaplot 2015 “Evaluation of Six HighResolution Satellite and Ground-Based Precipitation Products Over Malaysia.” Remote Sensing (2): 1504–1528 doi:10.3390/rs70201504 Ty, Tran Van, Kengo Sunada, and Yutaka Ichikawa 2011 “A Spatial Impact Assessment of Human-Induced Intervention on Hydrological Regimes: A Case Study in the Upper Srepok River Basin, Central Highlands of Vietnam.” International Journal of River Basin Management (2): 103–116 doi:10.1080/15715124.2011.595720 Vu, M T., S V Raghavan, and S Y Liong 2012 “SWAT Use of Gridded Observations for Simulating Runoff - A Vietnam River Basin Study.” Hydrology and Earth System Sciences 16 (8): 2801–2811 doi:10.5194/hess-16-28012012 INTERNATIONAL JOURNAL OF DIGITAL EARTH 17 Vu, Tue M., Srivatsan V Raghavan, Shie-Yui Liong, and Ashok K Mishra 2017 “Uncertainties of Gridded Precipitation Observations in Characterizing Spatio-Temporal Drought and Wetness Over Vietnam.” International Journal of Climatology, October doi:10.1002/joc.5317 Wang, Wei, Hui Lu, Dawen Yang, Khem Sothea, Yang Jiao, Bin Gao, Xueting Peng, and Zhiguo Pang 2016 “Modelling Hydrologic Processes in the Mekong River Basin Using a Distributed Model Driven by Satellite Precipitation and Rain Gauge Observations.” edited by Guy J.-P Schumann Plos One 11 (3): e0152229 doi:10 1371/journal.pone.0152229 WMO (World Meteorological Organisation) 1994 Guide to Hydrological Practices: Data Acquisition and Processing, Analysis, Forecasting and Other Applications WMO-No 168 doi:10.1007/s13398-014-0173-7.2 Worqlul, A W., A S Collick, S A Tilahun, S Langan, T H M Rientjes, and T S Steenhuis 2015 “Comparing TRMM 3B42, CFSR and Ground-Based Rainfall Estimates as Input for Hydrological Models, in Data Scarce Regions: The Upper Blue Nile Basin, Ethiopia.” Hydrology and Earth System Sciences Discussions 12 (2): 2081– 2112 doi:10.5194/hessd-12-2081-2015 Worqlul, A W., B Maathuis, A A Adem, S S Demissie, S Langan, and T S Steenhuis 2014 “Comparison of Rainfall Estimations by TRMM 3B42, MPEG and CFSR with Ground-Observed Data for the Lake Tana Basin in Ethiopia.” Hydrology and Earth System Sciences 18 (12): 4871–4881 doi:10.5194/hess-18-4871-2014 Xu, Yue-Ping, Xujie Zhang, and Qihua Ran 2013 “Impact of Climate Change on Hydrology of Upper Reaches of Qiantang River Basin, East China.” Journal of Hydrology 483: 51–60 doi:10.1016/j.jhydrol.2013.01.004 Yatagai, Akiyo, Kenji Kamiguchi, Osamu Arakawa, Atsushi Hamada, Natsuko Yasutomi, and Akio Kitoh 2012 “Aphrodite Constructing a Long-Term Daily Gridded Precipitation Dataset for Asia Based on a Dense Network of Rain Gauges.” Bulletin of the American Meteorological Society 93 (9): 1401–1415 doi:10.1175/BAMS-D-1100122.1 Zhu, Qian, Weidong Xuan, Li Liu, and Yue-Ping Xu 2016 “Evaluation and Hydrological Application of Precipitation Estimates Derived From PERSIANN-CDR, TRMM 3B42V7, and NCEP-CFSR Over Humid Regions in China.” Hydrological Processes 30 (17): 3061–3083 doi:10.1002/hyp.10846