SO SÁNH CÁC PHƯƠNG PHÁP NỘI SUY MƯA CHO KHU VỰC TỈNH BÌNH ĐỊNH LUẬN VĂN THẠC SỸ

ĐẠI HỌC ĐÀ NẴNG TRƯỜNG ĐẠI HỌC BÁCH KHOA NGÔ VĨNH KHÁNH SO SÁNH CÁC PHƯƠNG PHÁP NỘI SUY MƯA CHO KHU VỰC TỈNH BÌNH ĐỊNH LUẬN VĂN THẠC SỸ KỸ THUẬT XÂY DỰNG CƠNG TRÌNH THỦY Đà Nẵng- Năm 2018 ĐẠI HỌC ĐÀ NẴNG TRƯỜNG ĐẠI HỌC BÁCH KHOA NGÔ VĨNH KHÁNH SO SÁNH CÁC PHƯƠNG PHÁP NỘI SUY MƯA CHO KHU VỰC TỈNH BÌNH ĐỊNH Chun ngành: Xây dựng cơng trình thủy Mã số:60580202 LUẬN VĂN THẠC SỸ KỸ THUẬT XÂY DỰNG CƠNG TRÌNH THỦY Người hướng dẫn khoa học: TS Võ Ngọc Dương Đà Nẵng - Năm 2018 i LỜI CAM ĐOAN Tôi cam đoan cơng trình nghiên cứu riêng Các số liệu, kết nêu luận văn trung thực chưa công bố cơng trình khác Tác giả luận văn Ngô Vĩnh Khánh ii MỤC LỤC LỜI CAM ĐOAN i MỤC LỤC ii TÓM TẮT LUẬN VĂN iv DANH MỤC CÁC CHỮ VIẾT TẮT, CÁC KÝ HIỆU v CÁC KÝ HIỆU vi DANH MỤC BẢNG vii DANH MỤC HÌNH viii MỞ ĐẦU Tính cấp thiết đề tài: Mục tiêu nghiên cứu đề tài: 11 Đối tượng phạm vi nghiên cứu: 11 Phạm vi nghiên cứu đề tài: 11 Nội dung nghiên cứu: 11 Phương pháp nghiên cứu: 12 Ý nghĩa thực tiễn đề tài: 12 Bố cục nội dung luận văn 12 Chương 1: Tổng quan khu vực nghiên cứu trạng mạng lưới trạm đo 12 Chương 2: So sánh phương pháp nội suy mưa có 12 Chương 3: Phân phối lại lượng mưa theo khơng gian cho khu vực Bình Định 12 Kết luận Kiến nghị 12 Chương 1: TỔNG QUAN VỀ KHU VỰC NGHIÊN CỨU VÀ HIỆN TRẠNG MẠNG LƯỚI TRẠM ĐO 13 1.1 Đặc điểm địa lý tự nhiên khu vực nghiên cứu 13 1.1.1 Đặc điểm địa lý tự nhiên: .13 1.1.2 Điều kiện khí tượng, thủy văn: .16 1.1.3.Tài nguyên thiên nhiên 27 1.2 Điều kiện kinh tế xã hội 29 1.2.1 Tình hình dân sinh kinh tế 29 1.2.2 Điều kiện sản xuất nông nghiệp 32 1.2.3 Điều kiện sở hạ tầng giao thông, thủy lợi, điện: 36 1.2.4 Vấn đề ngập lụt khu vực nghiên cứu 37 1.3 Mạng lưới trạm khí tượng thủy văn sở liệu khu vực nghiên cứu 41 1.3.1.Mạng lưới trạm đo: 41 1.3.2 Thực trạng liệu: 41 1.3.3.Nguyên tắc sử dụng số liệu: 42 Chương 2: SO SÁNH CÁC PHƯƠNG PHÁP NỘI SUY MƯA HIỆN CÓ 43 2.1 Giới thiệu: 43 2.2 Phương pháp: 43 iii 2.3 Lựa chọn công cụ nội suy: 44 2.4 Lựa chọn phương pháp nội suy: 45 2.4.1 Inverse Distance Weight (IDW) 47 2.4.2 Spline 48 2.4.3 Kriging 48 2.4.4 Thiessen polygon 49 2.4.5 Nhận xét chung thuật toán 50 2.5 Phương pháp nội suy truyền thống (phương pháp tất định) 51 2.6 Phương pháp địa thống kê 51 2.7 Phương pháp so sánh kết quả: 51 Chương 3: PHÂN PHỐI LẠI LƯỢNG MƯA THEO KHÔNG GIAN CHO KHU VỰC BÌNH ĐỊNH 53 3.1 Dữ liệu: 53 3.2 Phương pháp nội suy: 55 3.3 Kết quả: 55 3.3.1 Kết nội suy trạm 55 3.3.2 Bản đồ nội suy mưa 59 3.3.2.1 Kết nội suy mưa trung bình 59 3.3.2.2 Kết nội suy mưa lớn ngày 63 3.4 So sánh phương pháp 67 KẾT LUẬN VÀ KIẾN NGHỊ 71 KẾT LUẬN 71 KIẾN NGHỊ 71 TÀI LIỆU THAM KHẢO 72 QUYẾT ĐỊNH GIAO ĐỀ TÀI LUẬN VĂN 66 PHỤ LỤC…………………………………………………………………………………… 67 Inverse Distance Weight (IDW) 75 SPLINE 75 KRIGING 76 iv TÓM TẮT LUẬN VĂN SO SÁNH CÁC PHƯƠNG PHÁP NỘI SUY MƯA CHO KHƯ VỰC TỈNH BÌNH ĐỊNH Học viên: Ngô Vĩnh Khánh Chuyên ngành: Kỹ thuật XD cơng trình thủy Mã số:60580202.Khóa:2016-2018.Trường Đại học Bách khoa– ĐHĐN Tóm tắt: Mưa xem yếu tố then chốt, ảnh hưởng lớn đến chế độ thủy văn lưu vực Điều khẳng định thông qua nhiều nghiên cứu trước Do đó, việc phân phối mưa theo khơng gian có ảnh hưởng định đến kết nghiên cứu, phân tích chế độ dịng chảy lưu vực, đặc biệt lưu vực lớn Chất lượng liệu mưa phân phối theo không gian phụ thuộc vào nhiều yếu tố, phạm vi lưu vực mật độ trạm đo xem yếu tố quan trọng nhất, có ảnh hưởng lớn đến q trình hình thành dịng chảy Mật độ trạm đo mưa dày, thể chi tiết trình mưa diễn lưu vực, từ cho kết xác nghiên cứu chế độ thủy văn lưu vực Với mục đích nâng cao chất lượng việc phân phối mưa theo không gian, xây dựng sở liệu mưa không gian phục vụ cho việc nghiên cứu chế độ thủy văn lưu vực địa bàn tỉnh, nghiên cứu tiến hành so sánh ưu, nhược điểm phương pháp phân phối mưa theo không gian đặc trưng mưa thực tế tỉnh Bình Định Nội suy dựa mơ hình ArcGis hy vọng cung cấp điều hữu ích cho quyền địa phương để giảm thiểu tác động bất lợi từ mưa gây Từ khóa – mưa Bình Định, phương pháp nội suy, mơ hình ArcGis COMPARISON OF METHOD RAIN INTERPOLATION FOR BINH DINH PROVINCE Abstract: The rain is considered the key factor, greatly affecting the hydrological regime of the basin This has been confirmed through many previous studies Therefore, the distribution of rainfall by space has a certain impact on the study results and analyses of the flow regime of the basin, especially for large basins The quality of rain data which is distributed by space depends on many factors, within a basin, the density of the rain gauge station is considered as the most important factor and has the greatest influence on the formation of the flow The more the density of the rain gauge station, the more detailed the rain process takes in the basin, from that give for more accurate results in researching on the hydrological regime of the basin For the purpose of improving the quality of distribution of rainfall by space, building a spatial rain database for the study of hydrological regime of basins in the province This research conducts comparison about advantages and disadvantages of the method rain distribution according to the space based on the actual rainfall characteristics of Binh Dinh Province Interpolation based on the ArcGIS model is expected to provide useful basics for local governments to mitigate adverse impacts from rain Keyword: Binh Dinh rain, interpolation method, ArcGIS model v DANH MỤC CÁC CHỮ VIẾT TẮT, CÁC KÝ HIỆU CÁC CHỮ VIẾT TẮT GDP Cơ cấu sản phẩm KTTV Khí tượng thủy văn GIS Geography Information System vi CÁC KÝ HIỆU R Hệ số NASH RMSE Sai số tuyệt đối cặp giá trị E Sai số tương quan cặp vii DANH MỤC BẢNG Bảng 1.1 Phân loại đất tổng hợp loại đất tỉnh Bình Định 16 Bảng 1.2 Một số đặc trưng lượng mưa năm tỉnh Bình Định 18 Bảng 1.3 Phân phối lượng mưa năm trạm 20 Bảng 1.4 Đặc trưng hình thái lưu vực sơng tỉnh Bình Định 20 Bảng 1.5 Đặc trưng dịng chảy sơng tỉnh 24 Bảng 1.6 Mực nước triều max thiết kế trạm Quy Nhơn ứng với tần suất 27 Bảng 1.7 Mực nước triều thiết kế trạm Quy Nhơn ứng với tần suất: 27 Bảng 1.8 Tỷ lệ tăng dân số tỉnh 29 Bảng 1.9 Dân số trung bình tỉnh theo đơn vị huyện ĐV: 1000 người 30 Bảng 1.10 Phân loại lực lượng lao động ĐV: 1000 người 30 Bảng 1.11 Hiện trạng sử dụng đất vùng hồ Định Bình 33 Bảng 1.12 Hiện trạng cấu trồng vùng hồ Định Bình 35 Bảng 1.13.Thống kê thiệt hại lũ lụt năm 1998 – 1999 huyện thuộc 38 Bảng 1.14 Thống kê trận lũ lịch sử tỉnh Bình Định 39 Bảng 3.1 Các trạm đo mưa sử dụng cho nội suy mưa không gian khu vực tỉnh Bình Định 53 Bảng 3.2 Giá trị mưa trung bình ngày giá trị mưa lớn ngày thực đo mô phỏng.(mm/ngày) 67 Bảng 3.3 Giá trị tham số thống kê so sánh trạm 68 viii DANH MỤC HÌNH Hình 1.1: Bản đồ hành tỉnh Bình Định 14 Hình 1.2 Bản đồ phân bố lượng mưa năm tỉnh Bình Định 19 Hình 1.3 Bản đồ phân bố sơng ngịi trạm KTTV tỉnh Bình Định 26 Hình 2.1 Quy trình so sánh lựa chọn phương pháp nội suy mưa khơng gian 44 Hình 2.2 Phần mềm ARCGIS 45 Hình 2.3 Nội suy theo không gian 46 Hình 2.4 Nội suy mưa theo không gian 46 Hình 2.5.Inverse Distance Weighted 47 Hình 2.6.Spline 48 Hình 2.7 Kriging 49 Hình 2.8.Thiessen polygon 50 Hình 2.9 Sơ đồ phương pháp kiểm định chéo 52 Hình 3.1 Khu vực tính tốn, trạm mưa tính tốn vị trí trạm so sánh 54 Hình 3.2 Lượng mưa trung bình ngày theo tháng trạm An Hòa 55 Hình 3.3 Lượng mưa trung bình ngày theo tháng trạm An Khê 56 Hình 3.4 Lượng mưa trung bình ngày theo tháng trạm Bình Tường 56 Hình 3.5 Lượng mưa trung bình ngày theo tháng trạm Bồng Sơn 56 Hình 3.6 Lượng mưa trung bình ngày theo tháng trạm Đề Gi 57 Hình 3.7 Lượng mưa trung bình ngày theo tháng trạm Hoài Ân 57 Hình 3.8 Lượng mưa trung bình ngày theo tháng trạm Quy Nhơn 57 Hình 3.9 Lượng mưa trung bình ngày theo tháng trạm Sa Huynh 58 Hình 3.10 Lượng mưa trung bình ngày theo tháng trạm Vân Canh 58 Hình 3.11 Lượng mưa trung bình ngày theo tháng trạm Vĩnh Kim 58 Hình 3.12 Bản đồ phân bố giá trị mưa trung bình ngày theo phương pháp IDW 59 Hình 3.13 Bản đồ phân bố giá trị mưa trung bình ngày theo phương pháp Spline 60 Hình 3.14 Bản đồ phân bố giá trị mưa trung bình ngày theo phương pháp Kriging 61 Hình 3.15 Bản đồ phân bố giá trị mưa trung bình ngày theo phương pháp Thiessen 62 Hình 3.16 Bản đồ phân bố giá trị mưa lớn ngày theo phương pháp IDW 63 Hình 3.17 Bản đồ phân bố giá trị mưa lớn ngày theo phương pháp Spline 64 Hình 3.18 Bản đồ phân bố giá trị mưa lớn ngày theo phương pháp Kriging 65 Hình 3.19 Bản đồ phân bố giá trị mưa lớn ngày theo phương pháp Thiessen 66 63 3.3.2.2 Kết nội suy mưa lớn ngày Hình 3.16 Bản đồ phân bố giá trị mưa lớn ngày theo phương pháp IDW 64 Hình 3.17 Bản đồ phân bố giá trị mưa lớn ngày theo phương pháp Spline 65 Hình 3.18 Bản đồ phân bố giá trị mưa lớn ngày theo phương pháp Kriging 66 Hình 3.19 Bản đồ phân bố giá trị mưa lớn ngày theo phương pháp Thiessen 67 3.4 So sánh phương pháp Như chương II đề cập, giá trị nội suy so sánh thông qua tham số thống kê sai số so với giá trị thực đo Trạm An Hịa An Khê Bình Tường Bồng Sơn Đề Gi Hoài Ân Quy Nhơn Sa Huỳnh Vân Canh Vĩnh Kim Chỉ số TB ngày Max ngày TB ngày Max ngày TB ngày Max ngày TB ngày Max ngày TB ngày Max ngày TB ngày Max ngày TB ngày Max ngày TB ngày Max ngày TB ngày Max ngày TB ngày Max ngày Thực đo 9.074 341.700 4.512 258.200 5.341 289.300 6.740 422.200 5.477 334.800 5.981 383.800 5.484 288.200 5.882 393.100 6.323 474.700 6.255 309.100 IDW 4.852 293.204 4.271 167.195 4.525 189.704 5.273 249.755 4.891 222.447 5.596 304.457 4.195 201.009 5.135 299.636 4.178 163.542 4.996 278.785 SPLINE KRIGING THIESSEN 12.762 6.574 6.250 1006.960 297.112 334.900 8.195 6.254 5.341 569.529 163.456 289.300 4.790 5.793 5.474 308.554 209.676 390.000 6.162 5.718 6.237 356.634 330.848 304.100 6.494 5.701 6.006 285.730 225.333 326.000 7.029 6.147 6.250 566.513 338.216 334.900 4.758 7.119 6.438 221.505 241.903 375.000 6.698 7.482 6.237 526.668 309.444 304.100 5.515 6.323 6.438 526.424 474.700 375.000 5.087 5.539 6.250 350.316 276.244 334.900 Bảng 3.2 Giá trị mưa trung bình ngày giá trị mưa lớn ngày thực đo mô phỏng.(mm/ngày) Trạm An Hịa An Khê Bình Tường Bồng Sơn Đề Gi Hồi Ân Chỉ số RMSE R E RMSE R E RMSE R E RMSE R E RMSE R E RMSE R IDW SPLINE KRIGING THIESSEN 17.48 45.79 18.83 18.47 0.77 0.37 0.67 0.68 0.50 -2.45 0.42 0.44 10.94 26.86 13.49 21.93 0.66 0.33 0.52 0.07 0.43 -2.46 0.13 -1.31 20.12 21.39 19.13 24.56 0.17 0.15 0.26 0.10 -0.32 -0.50 -0.20 -0.97 11.38 11.78 10.53 9.12 0.87 0.84 0.89 0.91 0.72 0.70 0.76 0.82 12.18 14.34 12.19 12.19 0.77 0.76 0.77 0.80 0.59 0.44 0.59 0.59 13.66 22.48 14.32 16.91 0.70 0.51 0.69 0.59 68 Trạm Quy Nhơn Sa Huỳnh Vân Canh Vĩnh Kim Trung Bình Chỉ số E RMSE R E RMSE R E RMSE R E RMSE R E RMSE R E IDW SPLINE KRIGING THIESSEN 0.48 -0.42 0.42 0.20 16.18 17.51 18.42 26.43 0.50 0.46 0.43 0.10 0.22 0.08 -0.02 -1.09 20.63 30.58 14.89 26.86 0.38 0.09 0.72 0.15 0.08 -1.03 0.52 -0.57 18.87 19.15 16.00 14.57 0.49 0.64 0.67 0.76 0.22 0.20 0.44 0.54 17.85 12.55 10.47 15.64 0.51 0.78 0.86 0.67 0.20 0.60 0.72 0.38 15.93 22.24 14.83 18.67 0.58 0.49 0.65 0.48 0.31 -0.48 0.38 -0.10 Bảng 3.3 Giá trị tham số thống kê so sánh trạm Dựa kết tính tốn trình bày bảng 3.2, 3.3 đồ phân bố mưa không gian phần 3.3.2, ta dễ dàng nhận thấy phương pháp nội suy mưa có tương thích với vị trí định Vị trí trạm đo mưa xét đến thể mật độ trạm đo, khu vực địa khoản cách tới trạm xung quanh Trong phương pháp so sánh, dễ dàng nhận phương pháp phân phối mưa theo khơng gian sử dụng thuật tốn SPLINE cho kết Trong số 10 trạm so sánh, số thống kê tương ứng với phương pháp cho kết xấu nhất, trừ trạm Vĩnh Kim, có kết phương pháp IDW THIESSEN Chỉ số E sai số tương quan tương ứng với phương pháp đạt thấp, sai số RMSE lớn so với thực đo Có trạm, sử dụng phương pháp sai số RMSE gấp hai đến ba lần so với phương pháp cịn lại, điển An Hịa: RMSE SPLINE lên tới 45.79 mm/day phương pháp lại dừng khoảng 18 mm/day An Khê, Hoài Ân sai khác số RMSE tương tự Kết thống kê trung bình 10 trạm qua phương pháp cho thấy, SPLINE cho kết thấp nhất, giá trị E = - 0.48, RMSE = 22.24 mm/day R = 0.49 Do đó, phương pháp SPLINE phương pháp phân phối mưa hiệu đề xuất cho khu vực tỉnh Bình Định Khi tính đến số thống kê trung bình cho 10 trạm, kết khơng tốt tiếp sau phương pháp SPLINE phương pháp phân phối THIESSEN Các số thể bảng 3.3 giá trị E = - 0.1; RMSE = 18.67 mm/day R = 69 0.48 Tuy nhiên, không giống phương pháp SPLINE cho kết không tốt gần tất trạm, phương pháp THIESSEN có trạm cho kết tốt, chí tốt phương pháp, điển trạm Bồng Sơn, giá trị E= 0.82; RMSE = 9.12 mm/day, R=0.91 Tuy nhiên có trạm cho kết thấp, cụ thể Sa Huỳnh E=-0.57, RMSE = 26.8mm/day, R=0.15 An Khê E=-1.31, RMSE = 21.93mm/day, R=0.07 Điều cho thấy, phương pháp phân phối mưa cổ điển thích hợp để phân bố mưa cho khu vực có điều kiện thích hợp, điều kiện nhận thấy qua vị trí đặt trạm Bồng Sơn Sa Huỳnh, An Khê Đối với trạm có mật độ trạm dày, khoảng cánh tới trạm lân cận không xa, bao phủ trạm xung quanh phương pháp THIESSEN phù hợp Cịn trạm xa, ngồi rìa khu vực tính tốn việc dùng phương pháp THIESSEN không cho kết tốt Kết cho thấy, với hai phương pháp phân bố mưa theo không gian truyền thống sử dụng nhiều nay, THIESSEN, SPLINE có nhiều hạn chế Điều dẫn tới không chắn lớn việc sử dụng phương pháp để tính tốn mô chế độ thủy văn lưu vực Phương pháp IDW cho kết tốt nhiều vị trí, trạm Bồng Sơn (E = 0.72, RMSE=11.38, R= 0.87), Đề Gi (E=0.59, RMSE=12.18, R=0.77) Do xét tổng quan, phương pháp cho kết tốt hàng thứ ba bốn phương pháp, E = 0.31, RMSE = 15.93 mm/day, R=0.58 Và phương pháp cho kết tốt phương pháp KRIGING, mà hầu hết số trung bình 10 trạm tốt phương pháp lại, E=0.38, RMSE=14.38 mm/day, R=0.65 Kết gần phù hợp với nhiều nghiên cứu trước đây, mà so sánh phương pháp nội suy mưa theo khơng gian phương pháp KRIGING ln chiếm ưu thế, ví dụ tác giả Mair & Fares, [2010], Ngoc Duong Vo & Philippe, (2014) Một điểm mạnh cần xem xét phương pháp nội suy mưa theo KRIGING khác với phương pháp lại, kết nội suy phương pháp KRIGING ổn định qua trạm Khác với IDW, SPLINE, THIESSEN mà kết nội suy có chênh lệch lớn trạm tùy thuộc vào mật độ đặt trạm, vị trí phần phụ thuộc vào yếu tố địa hình trạm, phương pháp KRIGING cho kết đồng Ưu điểm có ý nghĩa lớn việc nội suy mưa theo không gian khu vực có trạm đo mưa, khắc phục hạn chế cố hữu việc thiếu liệu mưa đo đạt, giúp khôi phục kéo dài liệu mưa nơi bị thiếu 70 Với kết tính tốn phân tích đây, khu vực tỉnh Bình Định, học viên đề xuất sử dụng phương pháp nội suy KRIGING để nội suy mưa theo không gian 71 KẾT LUẬN VÀ KIẾN NGHỊ KẾT LUẬN Nhằm khắc phục hạn chế sở hạ tầng thu thập liệu mưa cho khu vực tỉnh Bình Định, học viên đề xuất cần thiết phải tiến hành xây dựng đồ mưa theo không gian địa bàn tỉnh Kết nội suy mưa theo không gian kỳ vọng giúp nâng cao độ tin cậy công tác mô chế độ thủy văn lưu vực, phục vụ công tác đánh giá thiên tai quy hoạch địa bàn tỉnh Để tạo sở cho việc lựa chọn phương pháp nội suy mưa phù hợp, học viên tiến hành so sánh phương pháp phân bố mưa theo không gian phổ biến nay, IDW, SPLINE, THIESSEN, KRIGING vịng 20 năm Ứng dụng thuật tốn nội suy phần mềm ARCGIS cho 21 trạm mưa khu vực tỉnh Bình Định kiểm định chéo, kết cho thấy ứng với phương pháp nội suy có ưu nhược điểm khác Các phương pháp nội suy truyền thống IDW, SPLINE, THIESSEN đơn giản việc áp dụng lại phụ thuộc lớn vào vị trí trạm lân cận Ngược lại, kỳ vọng, kết nghiên cứu trước đây, phương pháp KRIGING cho kết tốt Các số thống kế phương pháp tốt, học viên đề xuất sử dụng phương pháp cho nội suy mưa khu vực tỉnh Bình Định KIẾN NGHỊ Kết nội suy mưa khu vực tỉnh Bình Định lần khẳng định, nội suy mưa theo không gian cần thiết Tuy nhiên, số thống kê thấp, điều chứng tỏ mạng lưới trạm đo mưa khu vực tỉnh Bình Định cịn thưa, để có kết mơ tốt hơn, cần thiết phải bố trí thêm trạm đo mưa khu vực Nghiên cứu thực phương pháp nội suy mưa bản, cần thực với nhiều phương pháp nội suy khác để đạt kết tin cậy xây dựng đồ mưa theo không gian cho lưu vực cụ thể Do giới hạn mặt thời gian, học viên so sánh 10 21 trạm đo mưa, cần thực so sánh kiểm định thêm với trạm lại để tăng độ tin cậy cho nghiên cứu 72 TÀI LIỆU THAM KHẢO Tiếng Việt Mơ hình tốn thủy văn, Đại học Quốc gia Hà Nội (2003) Nguyễn Hữu Khải – Nguyễn Thanh Sơn, Đặc điểm khí hậu thủy văn tỉnh Bình Định, Nguyễn Tấn Hương (2004), Sở Khoa học Cơng nghệ tỉnh Bình Định Tài liệu hướng dẫn sử dụng ARCGIS, Đặng Thị Mỹ Lan (2003), Trung tâm công nghệ cao, Viện nghiên cứu địa Trần Anh Đức, Phan Văn Tân, Ngơ Đức Thành(2010), “Xây dựng số liệu mưa ngày VNGP_1DEG lưới 10 x 10 kinh vĩ cho Việt Nam”, Tạp chí Khí tượng Thủy văn, Hà Nội, (590), tr 4248 Vũ Thanh Hằng, Chu Thị Thu Hường, Phan Văn Tân(2009), “Xu biến đổi lượng mưa ngày cực đại Việt Nam giai đoạn 1961-2007”, Tạp chí Khoa học, Đại học Quốc gia Hà Nội, tập 25, số 3S, tr 423-430 Bùi Khánh Hịa, Ngơ Đức Thành, Phan Văn Tân(2009), “Nghiên cứu đánh giá nguồn số liệu khác phục vụ cho toán định lượng mưa sử dụng số liệu đa Việt Nam”, Tạp chí Khí tượng Thủy văn, Hà Nội, (584), tr 3141 Phạm Văn Huấn (2005), Ngôn ngữ lập trình FORTRAN ứng dụng khí tượng thủy văn, NXB Nông nghiệp, Hà Nội Nguyễn Đức Ngữ, Nguyễn Trọng Hiệu (1985), “Phân vùng Khí hậu Việt Nam”, Sách Chuyên khảo, Tổng cục KTTV, Hà Nội Lê Như Quân, Phan Văn Tân(2011), “Dự tính biến đổi số số mưa lớn lãnh thổ Việt Nam mơ hình khí hậu khu vực RegCM3”, Tạp chí Khoa học, Đại học Quốc gia Hà Nội, tập 27, số 1S 10 GS TS Phan Văn Tân (2005), Phương pháp thống kê khí hậu, NXB Đại học Quốc gia Hà Nội 11 Ngô Đức Thành, Phan Văn Tân (2012), “Kiểm nghiệm phi tham số xu biến đổi số yếu tố khí tượng cho giai đoạn 1961-2007”, Tạp chí Khoa học ĐHQGHN, Khoa học Tự nhiên Công nghệ 28, Số 3S (2012) 129135 12 Nguyễn Thị Hiền Thuận, Chiêu Kim Quỳnh, Nhận xét biến động đặc trưng mưa mùa hè khu vực Nam Bộ năm ENSO”, Tuyển tập báo cáo Hội thảo khoa học lần thứ 10, Viện Khoa học Khí tượng thủy văn Môi trường, tr 314-322 13 Nguyễn Minh Trường, Vũ Thanh Hằng, Bùi Hồng Hải, Cơng Thanh, Lê Thị Thu Hà (2011), “Hoàn lưu mưa khu vực Việt Nam thời kỳ front Mei-yu: Vai trò dòng xiết cao”, Tạp chí Khoa học ĐHQGHN, Khoa học Tự nhiên Công nghệ Tập 27, số1S, tr 244-253 14 Nguyễn Khanh Vân, Bùi Minh Tăng (2004), “Đặc điểm hình thời tiết gây mưa, lũ, lụt lớn đặc biệt lớn tỉnh Thanh Hoá, Nghệ An, HàTĩnh, 73 thời kỳ 1997 - 2001”, Tạp chí Các Khoa họcvề Trái Đất, T 26, 1, tr 50-59 Tiếng Anh A Piticar, D Ristoiu (2013), Spatial distribution and temporal variability of precipitation in northeastern Romania Riscuri Si catastrophe, Nr XII, vol 13, Nr 2/2013 Dai A, Qian T, Trenberth KE, Miliman JD (2009), Changes in continental freshwater discharge from 1949-2004 J Clim 22:2773-2791 Huffman GJ, Adler RF, Bolvin DT, Gu G (2009), Improving the globalprecipitation record: GPCP Version 2.1 Geophys Res Lett 36:L17808.Doi:10.1029/2009GL040000 Karl TR, Trenberth KE (2003) Modern global climate change Science 302:1719-1723 Kendall, M.G., Rank Correlation Methods, Charles Griffin, London, 272 pp,1975 Pulak Guhathakurta and Elizabeth Saji (2013), J.Earth Syst Sci 122, No.3, June 2013, pp.639-649 Schlosser CA, Houser PR (2007), Assessing a satellite-era perspective of the global water cycle J Clim 20: 1316-1338 Sen, P.K., Estimates of the Regression Coefficient Based on Kendall’s Tau, Journal of the American Statistical Association, 63(324) (1968) 1379-1389 Smith TM, Reynolds RW, Perterson TC, Lawrimore J (2008), Improvements to NOAA’s historical merged land-ocean surface temperature analysis (1880-2006) J Clim 21:2283-2296 10 Trenberth KE, Caron JM, (2000), The southern Oscillation revisited: sea level pressures, surface temperature and precipitation J Clim 13:4358-4365 11 Trenberth KE, Fasullo J, Smith L (2005) Trends and variability in colmn- intergrated water vapor Clim Dyn 24:741-758 12 Trenberth KE, Smith L, Qian T, Dai A, Fasullo J (2007b), Estimates of the lobal water budget and its annual cycle using observational and model data.JHydrometeorol8:758-769 13 Rainfall uncertainty in distributed hydrological modelling in large catchments Authors: Vo Ngoc Duong, Philippe Gourbesville Book of Proceedings of 3rd IAHR Europe Congress, 2014, Porto -Portugal No: N/A Pages: N/A Year 2014 14 Deterministic hydrological modelling for flood risk assessment 74 75 PHỤ LỤC: Các code nội suy môi trường Python Arcgis Inverse Distance Weight (IDW) import arcpy import os arcpy.CheckOutExtension("spatial") for k in range(1,31): z=str(k) dau=(k-1)*250 cuoi=k*250 n = r"e:\\SIG\\n"+z if not os.path.exists(n): os.makedirs(n) t = r"e:\\SIG\\t"+z if not os.path.exists(t): os.makedirs(t) point = "E:\\KHANH\\SHP-Bong Son\\"+z+".shp" for i in range(dau,cuoi): arcpy.env.extent=arcpy.Extent(240000,1493500,325000,1627500) name=str(i) field="P"+name raster= "e:\\SIG\\n"+z+"\\"+name TXT= "e:\\SIG\\t"+z+"\\"+name.zfill(5)+".TXT" arcpy.gp.Idw_sa(point, field, raster, "1000", "2", "VARIABLE 12", "") arcpy.RasterToASCII_conversion(name, TXT) mxd = arcpy.mapping.MapDocument("CURRENT") df = arcpy.mapping.ListDataFrames(mxd)[0] for lyr in arcpy.mapping.ListLayers(mxd, "", df): if lyr.name.lower() == name: arcpy.mapping.RemoveLayer(df, lyr) arcpy.RefreshActiveView() SPLINE import arcpy import os arcpy.CheckOutExtension("spatial") for k in range(1,31): z=str(k) dau=(k-1)*250 cuoi=k*250 n = r"e:\\SPLINE\\SIG-BinhTuong\\n"+z if not os.path.exists(n): os.makedirs(n) t = r"e:\\SPLINE\\SIG-BinhTuong\\t"+z 76 if not os.path.exists(t): os.makedirs(t) point = "E:\\KHANH\SHP-Binh Tuong\\"+z+".shp" for i in range(dau,cuoi): arcpy.env.extent=arcpy.Extent(240000,1493500,325000,1627500) name=str(i) field="P"+name raster= "e:\\SPLINE\\SIG-BinhTuong\\n"+z+"\\"+name TXT= "e:\\SPLINE\\SIGBinhTuong\\t"+z+"\\"+name.zfill(5)+".TXT" arcpy.gp.Spline_sa(point, field, raster, "1000", "REGULARIZED", "0.1", "12") arcpy.RasterToASCII_conversion(name, TXT) mxd = arcpy.mapping.MapDocument("CURRENT") df = arcpy.mapping.ListDataFrames(mxd)[0] for lyr in arcpy.mapping.ListLayers(mxd, "", df): if lyr.name.lower() == name: arcpy.mapping.RemoveLayer(df, lyr) arcpy.RefreshActiveView() KRIGING import arcpy import os arcpy.CheckOutExtension("spatial") for k in range(1,31): z=str(k) dau=(k-1)*250 cuoi=k*250 n = r"e:\\KRIGING\\SIG\\RASTER\\n"+z if not os.path.exists(n): os.makedirs(n) v = r"e:\\KRIGING\\SIG\\VA\\v"+z if not os.path.exists(v): os.makedirs(v) t = r"e:\\KRIGING\\SIG\\TEXT\\t"+z if not os.path.exists(t): os.makedirs(t) point = "E:\\KHANH\\KRIGING\\"+z+".shp" for i in range(dau,cuoi): arcpy.env.extent=arcpy.Extent(240000,1493500,325000,1627500) name=str(i) field="P"+name raster= "e:\\KRIGING\\SIG\\RASTER\\n"+z+"\\"+name variance= "e:\\KRIGING\\SIG\\VA\\v"+z+"\\"+name 77 TXT= "e:\\KRIGING\\SIG\\TEXT\\t"+z+"\\"+name.zfill(5)+".TXT" arcpy.gp.Kriging_sa(point, field, raster, "Spherical 1000", "1000", "VARIABLE 12", variance) arcpy.RasterToASCII_conversion(name, TXT) mxd = arcpy.mapping.MapDocument("CURRENT") df = arcpy.mapping.ListDataFrames(mxd)[0] for lyr in arcpy.mapping.ListLayers(mxd, "", df): if lyr.name.lower() == name: arcpy.mapping.RemoveLayer(df, lyr) arcpy.RefreshActiveView()