Tác động của biến đổi khí hậu đến mối quan hệ cường độ thời gian tần suất của mưa khu vực hà nội

ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN
----------------------

Lưu Nhật Linh

TÁC ĐỘNG CỦA BIẾN ĐỔI KHÍ HẬU ĐẾN MỐI QUAN HỆ
CƯỜNG ĐỘ - THỜI GIAN – TẦN SUẤT CỦA MƯA
KHU VỰC HÀ NỘI

LUẬN VĂN THẠC SĨ KHOA HỌC

Hà Nội - 2016


ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN
----------------------

Lưu Nhật Linh

TÁC ĐỘNG CỦA BIẾN ĐỔI KHÍ HẬU ĐẾN MỐI QUAN HỆ
CƯỜNG ĐỘ - THỜI GIAN – TẦN SUẤT CỦA MƯA
KHU VỰC HÀ NỘI

Chuyên ngành: Khí tượng và Khí hậu học
Mã số: 60440222

LUẬN VĂN THẠC SĨ KHOA HỌC

Hà Nội – 2016

MỤC LỤC
MỤC LỤC .............................................................................................................. i
DANH MỤC HÌNH ............................................................................................ iii
DANH MỤC BẢNG ............................................................................................. v
Lời cảm ơn ............................................................................................................. 1
Mở đầ u ................................................................................................................... 2
Chương 1. Tổ ng quan vấ n đề nghiên cứu ............................................................... 4
1.1. Đă ̣t vấ n đề ....................................................................................................... 4
1.2. Khái niệm đường cong IDF của mưa ............................................................. 5
1.3. Mu ̣c tiêu của luâ ̣n văn .................................................................................... 6
1.4. Tổ ng quan về vấ n đề nghiên cứu.................................................................... 7
1.4.1. Nghiên cứu về phương pháp hiê ̣u chỉnh sai số đố i với lươ ̣ng mưa ......... 8
1.4.2. Nghiên cứu về xây dựng đường cong IDF ............................................ 13
1.4.3. Nhâ ̣n xét chung ...................................................................................... 19
Chương 2. Pha ̣m vi, số liê ̣u và phương pháp nghiên cứu ..................................... 21
2.1. Pha ̣m vi và số liê ̣u nghiên cứu...................................................................... 21
2.1.1. Phạm vi nghiên cứu ............................................................................... 21
2.1.2. Số liệu quan trắc .................................................................................... 24
2.1.3. Số liệu kịch bản ..................................................................................... 24
2.1.4. Xử lý số liệu .......................................................................................... 25
2.2. Phương pháp hiệu chỉnh thống kê ................................................................ 25
2.3. Phương pháp xây dựng đường cong IDF ..................................................... 28
2.3.1. Phương pháp phân tích tần suất............................................................. 28
2.3.2. Phương pháp ha ̣ quy mô thời gian......................................................... 30
i


Chương 3. Kế t quả và thảo luâ ̣n............................................................................ 33

3.1. Đánh giá kỹ năng của phương pháp hiệu chỉnh sai số mưa ......................... 33
3.1.1. Đánh giá cho thời kỳ phụ thuộc ............................................................ 33
3.1.2. Đánh giá cho thời kỳ độc lập ................................................................. 37
3.2. Xây dựng đường cong IDF cho khu vực Hà Nội ......................................... 41
3.2.1. Đường cong IDF cho thời kỳ hiện tại ................................................... 41
3.2.2. Đường cong IDF cho thời kỳ tương lai dưới tác động của biến đổi khí
hậu .............................................................................................................................. 43
3.2.3. Tính chưa chắc chắn trong xây dựng đường cong IDF cho tương lai... 47
Kế t Luâ ̣n .............................................................................................................. 54
Kiế n Nghi ............................................................................................................
56
̣
Tài liê ̣u tham khảo ............................................................................................... 57

ii


DANH MỤC HÌNH
Hình 1.1. Ví du ̣ minh ho ̣a về đường cong IDF (Lê Minh Nhâ ̣t 2008) [12] .......................... 5
Hình 1.2. Minh họa phương pháp Quantile – Quantile (Amengual và nnk, 2012) [1] ...... 11
Hình 1.3. So sánh đường cong IDF hiện tại và tương lai thu được từ 2 phương pháp mạng
thần kinh nhân tạo và phân tách ngẫu nhiên (Mirhosseini và nnk, 2014) [16] .................. 16
Hình 1.4. So sánh cường độ mưa giữa thời kỳ cơ sở và các thời kỳ trong tương lai (Wang
và nnk, 2014) [24] .............................................................................................................. 18
Hình 2.1. Minh họa phân bố tích lũy của mưa (màu đỏ: quan trắc, màu xanh: mô hình) . 26
Hình 2.2. Mớ i quan hê ̣ giữa xác suấ t tích lũy và đường cong IDF (Lê Minh Nhâ ̣t 2008)
[12]...................................................................................................................................... 29
Hình 3.1. So sánh biến trình năm của lượng mưa (cột) và tần suất số ngày mưa (đường)
giữa số liệu quan trắc (xanh lá), mơ hình thơ (xanh nước biển) và mơ hình sau hiệu chỉnh
(đỏ) giai đoạn 1976 - 2005; a) ACCESS1-0, b) GFDL-CM3, c) GFDL-ESM2G, d) MRICGCM3, e) NorESM1-M ................................................................................................... 34

Hình 3.2. Q-Q plot của lượng mưa cực trị (>= phân vị 95%) từ mơ hình (xanh) và mơ
hình sau hiệu chỉnh (đỏ) giai đoạn 1976 - 2005; a) ACCESS1-0, b) GFDL-CM3, c)
GFDL-ESM2G, d) MRI-CGCM3, e) NorESM1-M ........................................................... 36
Hình 3.3. So sánh biến trình năm của lượng mưa (cột) và tần suất số ngày mưa (đường)
giữa số liệu quan trắc (xanh lá), mơ hình thơ (xanh nước biển) và mơ hình sau hiệu chỉnh
(đỏ) giai đoạn 1961 - 1975; a) ACCESS1-0, b) GFDL-CM3, c) GFDL-ESM2G, d) MRICGCM3, e) NorESM1-M ................................................................................................... 38
Hình 3.4. Q-Q plot của lượng mưa cực trị (>= phân vị 95%) của mơ hình (xanh) và mơ
hình sau hiệu chỉnh (đỏ) giai đoạn 1961 - 1975; a) ACCESS1-0, b) GFDL-CM3, c)
GFDL-ESM2G, d) MRI-CGCM3, e) NorESM1-M ........................................................... 40
Hình 3.5. Đường cong IDF của mưa tại trạm Láng (Hà Nội) giai đoạn 1976 - 2005 ........ 42
Hình 3.6. Đường cong IDF của mưa tại trạm Láng (Hà Nội) giai đoạn 2070 – 2099 theo
kịch bản RCP4.5 ................................................................................................................. 44
Hình 3.7. Đường cong IDF của mưa tại trạm Láng (Hà Nội) giai đoạn 2070 – 2099 theo
kịch bản RCP8.5 ................................................................................................................. 46
iii


Hình 3.8. Tính chưa chắc chắn trong dự tính mức biến đổi cường độ mưa ứng với tần suất
lặp lại 2 năm (Xanh: RCP4.5, Đỏ: RCP8.5) ....................................................................... 48
Hình 3.9. Tính chưa chắc chắn trong dự tính mức biến đổi cường độ mưa ứng với tần suất
lặp lại 5 năm (Xanh: RCP4.5, Đỏ: RCP8.5) ....................................................................... 49
Hình 3.10. Tính chưa chắc chắn trong dự tính mức biến đổi cường độ mưa ứng với tần
suất lặp lại 10 năm (Xanh: RCP4.5, Đỏ: RCP8.5) ............................................................. 50
Hình 3.11. Tính chưa chắc chắn trong dự tính mức biến đổi cường độ mưa ứng với tần
suất lặp lại 25 năm (Xanh: RCP4.5, Đỏ: RCP8.5) ............................................................. 51
Hình 3.12. Tính chưa chắc chắn trong dự tính mức biến đổi cường độ mưa ứng với tần
suất lặp lại 50 năm (Xanh: RCP4.5, Đỏ: RCP8.5) ............................................................. 52
Hình 3.13. Tính chưa chắc chắn trong dự tính mức biến đổi cường độ mưa ứng với tần
suất lặp lại 100 năm (Xanh: RCP4.5, Đỏ: RCP8.5) ........................................................... 53

iv


DANH MỤC BẢNG
Bảng 2.1. Các mơ hình khí hậu tồn cầu sử dụng trong nghiên cứu [6] ............................ 25
Bảng 3.1. Sai số trung bình ME trong mơ phỏng lượng mưa tại trạm Láng thời kỳ 19762005; BC: sau hiệu chỉnh, Raw: Chưa hiệu chỉnh.............................................................. 35
Bảng 3.2. Sai số trung bình ME trong mô phỏng số ngày mưa tại trạm Láng thời kỳ 19762005; BC: sau hiệu chỉnh, Raw: Chưa hiệu chỉnh.............................................................. 35
Bảng 3.3. Sai số trung bình ME trong mơ phỏng lượng mưa cực trị (>= phân vị 95%) thời
kỳ 1976-2005; BC: sau hiệu chỉnh, Raw: Chưa hiệu chỉnh ............................................... 37
Bảng 3.4. Sai số trung bình ME trong mơ phỏng lượng mưa tại trạm Láng thời kỳ 19611975; BC: sau hiệu chỉnh, Raw: Chưa hiệu chỉnh.............................................................. 38
Bảng 3.5. Sai số trung bình ME trong mơ phỏng số ngày mưa tại trạm Láng thời kỳ 19611975; BC: sau hiệu chỉnh, Raw: Chưa hiệu chỉnh.............................................................. 39
Bảng 3.6. Sai số trung bình ME trong mô phỏng lượng mưa cực trị (>= phân vị 95%) thời
kỳ 1961-1975; BC: sau hiệu chỉnh, Raw: Chưa hiệu chỉnh ............................................... 40
Bảng 3.7. Cường độ mưa ứng với các thời đoạn và tần suất lặp lại khác nhau tại trạm
Láng (Hà Nội) giai đoạn 1976 – 2005 ................................................................................ 43
Bảng 3.8. Mức biến đổi của cường độ mưa ứng với các thời đoạn và tần suất lặp lại khác
nhau tại trạm Láng (Hà Nội) giai đoạn 2070 – 2099 theo kịch bản RCP4.5 ..................... 44
Bảng 3.9. Cường độ mưa ứng với các thời đoạn và tần suất lặp lại khác nhau tại trạm
Láng (Hà Nội) giai đoạn 2070 – 2099 theo kịch bản RCP4.5............................................ 45
Bảng 3.10. Mức biến đổi của cường độ mưa ứng với các thời đoạn và tần suất lặp lại khác
nhau tại trạm Láng (Hà Nội) giai đoạn 2070 – 2099 theo kịch bản RCP4.5 ..................... 46
Bảng 3.11. Cường độ mưa ứng với các thời đoạn và tần suất lặp lại khác nhau tại trạm
Láng (Hà Nội) giai đoạn 2070 – 2099 theo kịch bản RCP8.5............................................ 46
Bảng 3.12. Tổ hợp theo các phân vị khác nhau của mức độ biến đổi cường độ mưa theo 2
kịch bản RCP4.5 và RCP8.5 ứng với tần suất lặp lại 2 năm .............................................. 48
Bảng 3.13. Tổ hợp theo các phân vị khác nhau của mức độ biến đổi cường độ mưa theo 2
kịch bản RCP4.5 và RCP8.5 ứng với tần suất lặp lại 5 năm .............................................. 49
v

Bảng 3.14. Tổ hợp theo các phân vị khác nhau của mức độ biến đổi cường độ mưa theo 2
kịch bản RCP4.5 và RCP8.5 ứng với tần suất lặp lại 10 năm ............................................ 50
Bảng 3.15. Tổ hợp theo các phân vị khác nhau của mức độ biến đổi cường độ mưa theo 2
kịch bản RCP4.5 và RCP8.5 ứng với tần suất lặp lại 25 năm ............................................ 51
Bảng 3.16. Tổ hợp theo các phân vị khác nhau của mức độ biến đổi cường độ mưa theo 2
kịch bản RCP4.5 và RCP8.5 ứng với tần suất lặp lại 50 năm ............................................ 52
Bảng 3.17. Tổ hợp theo các phân vị khác nhau của mức độ biến đổi cường độ mưa theo 2
kịch bản RCP4.5 và RCP8.5 ứng với tần suất lặp lại 100 năm .......................................... 53

vi


Lời cảm ơn
Lời đầu tiên, tôi xin trân trọng cảm ơn Tiến sĩ Mai Văn Khiêm đã định hướng
nghiên cứu và các phương pháp luận cho tôi trong suốt quá trình thực hiện nghiên cứu
Luận văn thạc sỹ.
Tơi xin bày tỏ lòng biết ơn sâu sắc tới tập thể đội ngũ giảng viên, cán bộ Khoa
Khí tượng Thủy văn và Hải dương học, trường Đại học Khoa học Tự nhiên –
ĐHQGHN đã giúp tôi trang bị những kiến thức chuyên môn và những kinh nghiệm
nghiên cứu quý báu trong suốt quá trình thực hiện Luận văn.
Xin trân trọng cảm ơn Lãnh đạo và cán bộ của Trung tâm Nghiên cứu Khí tượng
- Khí hậu đã tạo mọi điều kiện thuận lợi, cung cấp số liệu, tài liệu và tận tình giúp đỡ
tơi trong q trình thực hiện Luận văn này.
Cuối cùng, tơi xin bày tỏ lịng biết ơn sâu sắc những người thân trong gia đình
và bạn bè đã ln động viên, giúp đỡ tơi trong suốt q trình học tập, nghiên cứu và
thực hiện Luận văn này.

1

Mở đầ u
Mưa là một yếu tố khí hậu cơ bản và cũng đặc biệt quan trọng đối với đời sống
con người. Các đặc trưng liên quan đến mưa như cường độ, thời gian mưa, và tần suất
xuất hiện có ảnh hưởng to lớn đến nhiều ngành nghề cũng như ảnh hưởng trực tiếp đến
giới sinh vật tồn tại trên trái đất. Các đặc trưng mưa này ảnh hưởng trực tiếp đến sản
suất nông nghiệp, đến sự sinh tồn của một loại cây, có tác động khơng nhỏ đến các
chính sách cũng như chiến lược xây dựng các đập thủy điện, đê điều, quy hoạch, quản
lý tài nguyên nước. Mưa cũng là một biến đầu vào quan trọng cho các mơ hình thủy
văn, thủy lực, đờ ng thời có ảnh hưởng to lớn đến thảm thực vật trên bề mặt trái đất. Và
đặc biệt quan trọng, cường độ và thời gian mưa tác động trực tiếp đến các hiện tượng
cực đoan trong thủy văn có thể ảnh hưởng trực tiế p đế n tin
́ h ma ̣ng con người như lũ
quét, sạt lở đất …
Hiện này, việc dự tính mưa vẫn đang là bài toán khó đối với hầ u hế t các quố c
gia trên thế giới, kể cả các quố c gia phát triể n như My,̃ Nhâ ̣t hay các quố c gia Châu Âu.
Khả năng dự báo đúng lươ ̣ng mưa vẫn đang ở mô ̣t xác suấ t rấ t thấ p. Vì vâ ̣y, rấ t nhiề u
những nghiên cứu hiệu chỉnh sai số theo nhiề u hướng khác nhau đươ ̣c áp du ̣ng rô ̣ng raĩ
nhằ m giảm sai số hê ̣ thống từ các mô hin
̀ h khí hậu mô ̣t cách tố i ưu nhấ t có thể . Tuy
nhiên, cũng cần khẳng đinh
̣ rằ ng, sẽ không có phương pháp hiệu chỉnh nào hoàn hảo
loại bỏ đươ ̣c hoàn toàn sai số. Và viê ̣c áp du ̣ng phương pháp hiê ̣u chin
̉ h sai số cũng
chính là nguồn gây ra các sai số khác. Mặc dù vâ ̣y, hiê ̣u chỉnh sai số từ các mô hin
̀ h
vẫn là điề u cầ n thiế t và quan tro ̣ng trong viê ̣c giảm tính chưa chắ c chắ n trong bài toán
dự tính khí hậu tương lai.
Việc xây dựng và đánh giá đường cong Cường độ - thời đoạn – tần suất (IDF)
của mưa ứng với các khoảng thời gian khác nhau là tiêu chuẩn quan trọng để thiết kế
các hệ thống thủy văn và các cơng trình liên quan nên đã được quan tâm nghiên cứu từ

khá sớm trên thế giới (Sherman 1931, Bernard 1932) [4, 23]. Ban Liên Chính phủ về
Biến đổi Khí hậu, IPCC (2013) [9] kết luận rằng biến đổi khí hậu có thể dẫn đến gia
tăng các hiện tượng thời tiết, khí hậu cực đoan, cả về cường độ và tần xuất. Sự biến đổi
2


này có khả năng làm thay đổi các tiêu chuẩn thiết kế đã xây dựng trước đây. Lượng
mưa cực đại quy mô ngày hoặc dưới ngày – một trong những đặc trưng của đường
cong IDF, có xu hướng tăng ở nhiều nơi trên thế giới bao gồm cả Việt Nam. Tuy nhiên,
ở Viê ̣t Nam, mố i quan hê ̣ này chưa thực sự đươ ̣c quan tâm và nghiên cứu. Đă ̣c biê ̣t
trong bối cảnh biến đổi khí hậu toàn cầ u đang rõ ràng hơn bao giờ hế t, Viê ̣t Nam là mô ̣t
trong những quố c gia chiụ ảnh hưởng nă ̣ng nề nhấ t do biế n đổ i khí hâ ̣u, mối quan hệ
cường độ - thời gian –tần suất mưa đã có những biến đổi như thế nào và khả năng biến
đổi trong tương lai càng trở nên quan tro ̣ng và cầ n đươ ̣c nghiên cứu ứng dụng rô ̣ng raĩ .
Cũng chính vì những lý do nêu trên mà việc nghiên cứu xây dựng, phân tích và
đánh giá đường cong IDF mang ý nghĩa to lớn, có khả năng ứng dụng cao cũng như là
một thách thức không nhỏ đối với cả những nhà khí tượng và thủy văn học. Do vậy, tên
đề tài “Tác động của biến đổi khí hậu đến mối quan hệ cường độ - thời gian - tần
suất của mưa khu vực Hà Nội” được lựa chọn làm chủ đề nghiên cứu cho luận văn
này.

3


Chương 1. Tổ ng quan vấ n đề nghiên cứu
1.1. Đă ̣t vấ n đề
Ngày nay, với tốc độ phát triển của kinh tế xã hội, nhu cầu sử dụng thơng tin về
khí tượng thủy văn cũng ngày một tăng lên. Hơn nữa, thơng tin về khí tượng thủy văn
đặc biệt quan trọng trong các ngành địi hỏi độ chính xác trong công việc cao như quy
hoạch, thiết kế, phát triển cơ sở hạ tầng, cấp thoát nước hay đánh giá tác động, cải thiện

môi trường nước trong đô thị, khu công nghiêp hay phục vụ giao thông, hàng không và
nông nghiệp. Bước đầu tiên và cũng rất quan trọng trong việc ước lượng được khả
năng xảy ra cũng như cường độ và thời gian mưa phục vụ cho các ngành kể trên chính
là xây dựng đường cong Cường độ - thời đoạn – tần suất (IDF) của mưa. Ở rất nhiều
nước phát triển trên thế giới như Hoa Kỳ, Canada, Đức … hay ngay cả những nước
trong khu vực Đơng Nam Á như Malaixia và Singapore đều đã có rất nhiều những
nghiên cứu xây dựng đường cong IDF với những thời đoạn mưa ngắn cho các tỉnh
hoặc thành phố cụ thể phục vụ cho thốt nước đơ thi và quy hoạch đê, mương.
Ở Việt Nam, các cơng trình nghiên cứu và xây dựng đường cong IDF là không
nhiều. Hầu hết các nghiên cứu đều được triển khai và tài trợ bởi các dự án nước ngồi
như chương trình thủy văn quốc tế (IHP) hay những nghiên cứu tại nước ngoài thực
hiện cho khu vực Việt Nam như nghiên cứu của Lê Minh Nhật (2008) [12]. Có thể
thấy, việc xây dựng mối quan hệ IDF của mưa là tương đối quan trọng tuy nhiên lại
chưa thực sự được chú trọng ở Việt Nam. Trên thực tế, trong bối cảnh biến đổi khí hậu
tồn cầu, Việt Nam đã và đang chịu những thiệt hại không nhỏ sau những trận mưa lớn
lịch sử và không thể lường trước. Cụ thể như trận mưa lịch sử năm 2008 khiến tồn bộ
thủ đơ Hà Nội ngập trong nước, thiệt hại về người vả của là vô cùng to lớn. Hay gần
đây nhất là trận mưa cực lớn đặc biệt bất thường tại Quảng Ninh với lượng mưa 3-4
ngày lên tới 1000mm gây ngập úng và ách tắc nghiêm trọng, ảnh hưởng lớn đến đời
sống và kinh tế xã hội. Chính vì lý do này, việc xây dựng và cập nhật liên tục đường
cong IDF phục vụ cho phát triển cơ sở hạ tầng cần thiết và cấp bách.

4


Trong luận văn này, phương pháp hiệu chỉnh lượng mưa cho thời kỳ cơ sở và áp
dụng vào thời kỳ tương lai sẽ được nghiên cứu. Việc hiệu chỉnh sai số đối với lượng
mưa sẽ phục vụ trực tiếp xây dựng đường cong IDF và đánh giá mức độ biến đổi của
đường cong này trong tương lai với độ tin cậy cao hơn. Bố cục của luận văn gồm có 3
chương chính, trong đó: chương 1 sẽ đưa ra khái niệm về đường cong IDF, các mục

tiêu của luận văn, tổng quan nghiên cứu về hiệu chỉnh sai số lượng mưa cũng như xây
dựng đường cong IDF; chương 2 sẽ mô tả về đối tượng nghiên cứu, số liệu và phương
pháp sử dụng trong nghiên cứu này; chương 3 sẽ trình bày các kết quả gồm có đánh giá
phương pháp, xây dựng đường cong IDF và đánh giá mức độ biến đổi của đường cong
IDF trong tương lai.
1.2. Khái niệm đường cong IDF của mưa
IDF là viết tắt của cụm từ Intensity – Duration – Frequency. Đường cong IDF
của mưa đại diện cho xác suất xuất hiện (Frequency) của một cường độ hay tốc độ
(Intensity) mưa trung bình trong một khoảng thời gian nhất định (Duration). Đường
cong IDF được xây dựng dựa trên chuỗi số liệu mưa cực trị trong rất nhiều thời đoạn
mưa khác nhau sử dụng phương pháp phân tích tần suất. Độ dài chuỗi số liệu càng lớn
sẽ nhận được độ chính xác càng cao của đường cong này. Các đường cong IDF cho các
tần suất lặp lại khác nhau ln ln song song.

Hình 1.1. Ví dụ minh họa về đường cong IDF (Lê Minh Nhật 2008) [12]
5


Có thể hiểu đường cong IDF một cách đơn giản như sau: với mỗi thời đoạn mưa
nhất định (như 10 phút, 30 phút, 60 phút hay những thời đoạn lớn hơn như 360 giờ hay
720 giờ), chúng ta đều có thể đo được lượng mưa cụ thể rồi từ đó tính tốn được cường
độ mưa trung bình trong khoảng thời gian đó với đơn vị là mm/giờ. Ví dụ như: trong
vòng 10 phút, lượng mưa đo được là 45mm, vậy cường độ mưa trung bình trong 10
phút sẽ là 270mm/giờ. Sau khi áp dụng phương pháp phân tích tần suất để tính tốn
được tần suất lặp lại của các cường độ mưa trong các thời đoạn khác nhau sẽ thu được
đường cong IDF (Hình 1.1). Đối với nhu cầu thiết kế các hệ thống thoát nước nhỏ như
cống thoát nước cho 1 toàn nhà, cường độ mưa với tần suất lặp lại 2 năm đến 5 năm sẽ
được sử dụng. Hoặc đối với các cơng trình, hệ thống thốt nước quy mơ lớn hơn cho 1
đơ thị và có tính lâu dài, tần suất lặp lại từ 50 đến 100 năm sẽ được sử dụng.
1.3. Mu ̣c tiêu của luâ ̣n văn

Trong khuôn khổ mô ̣t luận văn thạc sy,̃ nghiên cứu đă ̣t ra 2 mu ̣c tiêu dưới đây:
-

Nghiên cứu và áp dụng phương pháp hiê ̣u chỉnh sai số mơ hình phù hơ ̣p
đớ i với lươ ̣ng mưa ngày cho khu vực Hà Nô ̣i.

-

Xây dựng đường cong cường đô ̣ - thời lươ ̣ng - tầ n suấ t (IDF) của mưa
trong điề u kiê ̣n khí hậu hiê ̣n ta ̣i và tương lai. Đánh giá mức độ biến đổi
của đường cong IDF dưới tác động của biến đổi khí hậu.

Mục tiêu thứ nhất góp phầ n giải qú t bài tốn mơ phỏng lươ ̣ng mưa đớ i với các
mơ hình khí hâ ̣u hiê ̣n nay. Các mơ hình khí hâ ̣u (toàn cầ u và khu vực) đề u đang cho
thấ y những ha ̣n chế trong viê ̣c mô phỏng, dự báo và dự tính lươ ̣ng mưa, đă ̣c biế t đối
với các hiê ̣n tươ ̣ng mưa cực đoan, do vâ ̣y, việc tìm ra phương pháp hiê ̣u chin
̉ h phù hơ ̣p
và áp dụng cho khu vực Hà Nội là viê ̣c cần thiế t và sẽ có tính ứng du ̣ng to lớn.
Mu ̣c tiêu thứ hai nhằ m đưa ra mố i quan hệ giữa các đặc trưng của mưa bao gồ m
cường đô ̣, thời gian mưa và tần suất xuấ t hiê ̣n của hiê ̣n tươ ̣ng với cường đô ̣ và thời gian
tương ứng. Viê ̣c chỉ ra mô ̣t cách đinh
̣ lươ ̣ng mố i quan hê ̣ này phầ n nào đó đưa ra cái
nhìn tổ ng quát về cực trị mưa và những biế n đổ i các hiê ̣n tươ ̣ng này trong tương lai.
6


1.4. Tổ ng quan về vấ n đề nghiên cứu
Mô hình đô ̣ng lực đang là mô ̣t trong những công cu ̣ tiên tiế n nhấ t trong viê ̣c dự
tin
́ h khí hâ ̣u tương lai. Cùng với sự phát triể n của khoa ho ̣c công nghê ̣, các mô hin

̀ h
ngày mô ̣t cải tiế n và có thể cha ̣y ở đô ̣ phân giải rấ t cao, nhỏ hơn 10km. Điề u này góp
phầ n cải thiê ̣n rấ t nhiề u trong viê ̣c dự báo, dự tiń h nhiề u khiá ca ̣nh khác nhau của khí
hâ ̣u đă ̣c biê ̣t là yế u tố mang tiń h điạ phương cao như lươ ̣ng mưa. Tuy nhiên, như đã đề
câ ̣p, các mô hình khí hâ ̣u không thể tránh khỏi sai số hê ̣ thố ng nô ̣i ta ̣i gây ra bởi nhiề u
yế u tố khách quan cũng như chủ quan. Từ việc con người chưa thể nào nắm bắt được
tồn bộ các q trình lý hóa trong tự nhiên, đến cách tiếp cận giải hệ phương trình
Navie Stock theo phương pháp sai phân xấp xỉ, hay sử dụng các sơ đồ tham số hóa vật
lý, đối lưu, bức xạ …, tất cả đều góp phần vào tính khơng chắc chắn trong mơ phỏng
và dự tính khí hậu. Hơn nữa, sai số từ mơ phỏng mơ hình hồn tồn có thể lớn hơn nữa
dưới tác động của biến đổi khí hậu (Christensen và nnk, 2008) [5]. Đây thực sự vẫn là
bài tốn rất khó với mọi quốc gia trên thế giới khi nỗ lực cải tiến các mô hình động lực
kể cả với các quốc gia lớn như Mỹ, Nhật hay các nước Châu Âu. Cũng chính vì lý do
này, rất nhiều những nghiên cứu về các phương pháp hiệu chỉnh thống kê sản phẩm từ
mơ hình động lực được tiến hành nhằm làm giảm sai số hệ thống một cách tối ưu nhất
có thể. Hướng đi này vừa tiết kiệm được chi phí tính tốn, lại khả thi hơn đối với các
nhóm nghiên cứu nhỏ cũng như các quốc gia đang phát triển. Tuy nhiên, cũng cầ n
khẳ ng đinh
̣ rằ ng, sẽ không có phương pháp hiê ̣u chin
̉ h nào hoàn hảo loa ̣i bỏ đươ ̣c hoàn
toàn sai số . Và viê ̣c áp du ̣ng phương pháp hiê ̣u chin̉ h sai số cũng chính là nguồ n gây ra
các sai số khác. Mă ̣c dù vâ ̣y, hiê ̣u chin̉ h sai số từ các mô hình vẫn là điề u cầ n thiế t và
quan tro ̣ng trong viê ̣c giảm tin
́ h chưa chắ c chắ n trong bài toán dự tiń h khí hâ ̣u tương
lai. Điều này đã được chứng minh trong rất nhiều những nghiên cứu của các nhà khoa
học trên thế giới. Trong mu ̣c dưới đây sẽ triǹ h bày về mô ̣t số nghiên cứu tiế n hành hiê ̣u
chỉnh lươ ̣ng mưa phu ̣c vu ̣ cho viê ̣c xây dựng kich
̣ bản và làm đầ u vào cho các nghiên
cứu xa hơn.

7


1.4.1. Nghiên cứu về phương pháp hiêụ chin
̉ h sai số đố i với lươ ̣ng mưa
Wood và ccs. (2004) tiế n hành so sánh và đánh giá 6 phương án ha ̣ quy mô
thố ng kê cho mô ̣t số biế n trong đó nhấ n ma ̣nh yế u tố lươ ̣ng mưa làm đầ u vào cho các
mô hình thủy văn ở đô ̣ phân giải rấ t cao so với đô ̣ phân giải của mô hình khí hâ ̣u.
Nghiên cứu sử du ̣ng bô ̣ số liê ̣u dự báo trễ quá khứ 20 năm (1975 - 1995) và bô ̣ số liê ̣u
kich
̣ bản cho giai đoa ̣n 2040 - 2060 từ mô hình khí hâ ̣u của NCAR-PCM. 6 phương án
bao gồ m: hồ i quy tuyế n tính (LI), phân tách không gian (Spatial Disaggregation) và
hiê ̣u chin̉ h sai số kế t hơ ̣p phân tách không gian (BCSD) áp du ̣ng trực tiế p cho kế t quả
của PCM (đô ̣ phân giải T42) và áp du ̣ng cho kế t quả đầ u ra sau khi dùng phương pháp
ha ̣ quy mô đô ̣ng lực bằ ng mô hiǹ h khí hâ ̣u khu vực RCM (đô ̣ phân giải 50km). Các
phương án ha ̣ quy mô này đề u chi tiế t hóa các kế t quả về đô ̣ phân giải 1/8 đô ̣ kinh vi ̃ và
đươ ̣c so sánh với số liê ̣u quan trắ c trên lưới. Phương pháp BCSD cho thấ y hiê ̣u quả rấ t
cao khi ta ̣o ra các đă ̣c điể m chiń h của số liê ̣u quan trắ c từ bô ̣ số liê ̣u mô phỏng khí hâ ̣u
bấ t kể là từ PCM hay RCM. Phương pháp hồ i quy tuyế n tính LI cho kế t quả tố t hơn khi
áp du ̣ng với các biế n đầ u ra từ RCM, tuy nhiên phương pháp này vẫn ta ̣o ra mô ̣t sai số
khá lớn khi sử du ̣ng làm đầ u vào cho mô hình thủy văn. Phương pháp phân tách không
gian (SD) cho kế t quả tương đồ ng khi áp du ̣ng đố i với RCM và PCM, tuy nhiên cả 2
phương án này đề u không thực sự tố t khi áp du ̣ng các kế t quả này cho mô hin
̀ h thủy
văn mà không hiê ̣u chỉnh sai số . Như vâ ̣y, đố i với dự tiń h tương lai, các kế t quả từ 2
phương án BCSD-PCM và BCSD-RCM cho kế t quả hơ ̣p lý hơn hế t, từ đó có thể thấ y
đươ ̣c sự quan tro ̣ng và cầ n thiế t của viê ̣c hiê ̣u chin
̉ h sai số . [26]
Ines và Hansen (2006) sử du ̣ng hàm phân bố gamma để đa ̣i diê ̣n cho lươ ̣ng mưa
ngày và áp du ̣ng cả hàm phân bố Gamma và hàm phân bố thực nghiê ̣m để hiê ̣u chỉnh

lươ ̣ng mưa ngày từ các mô hiǹ h toàn cầ u. Ý tưởng của phương pháp này nhằ m hiê ̣u
chỉnh giá tri ̣ trung bình cũng như các biế n đô ̣ng trên quy mô tháng và mùa từ mô hiǹ h
toàn cầ u, trong đó bao gồ m cả hiê ̣u chỉnh tầ n suấ t và hiê ̣u chin̉ h cường đô ̣ [7].
Sharman và ccs. (2007) áp du ̣ng phương pháp BCSD đố i với lươ ̣ng mưa từ mô
hình toàn cầ u nhằ m cải tiế n khả năng mô phỏng cho mô hin
̀ h thủy văn trên lưu vực
8


sông Ping, Thái Lan. Phương pháp hiê ̣u chỉnh sai số trong nghiên cứu này là phương
pháp chuyể n hóa Gamma - Gamma, nói cách khác là hiê ̣u chin
̉ h hàm bố áp du ̣ng hàm
phân bố lý thuyế t Gamma. Phương pháp bao gồ m 2 bước chính: 1) Xác đinh
̣ ngưỡng
mưa để cắ t bỏ 1 số giá tri ̣ mưa không đáng kể từ mô hin
̉ h tầ n suấ t số
̀ h để hiê ̣u chin
ngày mưa; 2) Sử du ̣ng hàm phân bố lý thuyế t Gamma để tiń h toán các giá tri ̣ xác suấ t
tić h lũy tương ứng với mỗi giá tri ̣mưa của chuỗi số liê ̣u mô hình, sau đó hiê ̣u chin̉ h các
giá tri ̣ này về gầ n nhấ t với giá tri ̣ quan trắ c ta ̣i mỗi phân vi ̣ tương ứng. Sau khi hiê ̣u
chỉnh sai số , áp du ̣ng phương pháp phân tách không gian thu đươ ̣c trường mưa đô ̣ phân
giải cao với đô ̣ chiń h xác lớn hơn. Nghiên cứu đã áp du ̣ng phương pháp này đố i với mô
hình ECHAM4 cho 2 kich
̣ bản A2 và B2. Kế t quả của nghiên cứu khẳ ng đinh,
̣ phương
pháp Gamma - Gamma giảm sai số thô cho lươ ̣ng mưa mô hình mô ̣t cách đáng kể , bên
ca ̣nh đó phương pháp phân tách không gian cũng giải quyế t tố t nhươ ̣c điể m về đô ̣ phân
giải của mô hình toàn cầ u ECHAM4. Nghiên cứu cũng rút ra kế t luâ ̣n rằ ng, hoàn toàn
có thể áp du ̣ng phương pháp này đố i với dự tính tương lai và các nghiên cứu đánh giá
tác đô ̣ng [22].

Piani (2009) đã sử du ̣ng phương pháp thố ng kê hiê ̣u chin
̉ h sai số đố i với lươ ̣ng
mưa ngày trên khu vực Châu Âu. Phương pháp đươ ̣c sử du ̣ng trong nghiên cứu là
phương pháp hiê ̣u chin̉ h hàm phân bố . Trong đó, hàm phân bố lý thuyế t Gamma đươ ̣c
dùng để ước lươ ̣ng các phân vi ̣ cho giá tri ̣ mưa ngày trên khu vực nghiên cứu. Các tác
giả sử du ̣ng phương pháp này để hiê ̣u chỉnh lươ ̣ng mưa từ mô hiǹ h khu vực DMI với
đô ̣ phân giải ngang đươ ̣c nô ̣i suy về 25x25km. Hàm phân bố ta ̣i mỗi nút lưới đươ ̣c hiê ̣u
chỉnh theo hàm phân bố của các nút lưới tương ứng từ số liê ̣u tái phân tích CRU. Kế t
quả hiê ̣u chỉnh cho thấ y, phân bố lươ ̣ng mưa theo không gian và thời gian từ mô hình
khí hâ ̣u đươ ̣c cải thiê ̣n rõ rê ̣t và đồ ng nhấ t so với số liê ̣u quan trắ c. [19]
Matthias Jakob và ccs (2011) sử dụng 7 phương án chi tiết hóa thống kê thực
nghiệm kết hợp hiệu chỉnh sai số cho kết quả mơ phỏng lượng mưa từ mơ hình MM5
đối với khu vực Alpine. Các kết quả đánh giá chỉ ra rằng, phương pháp Quantile –
Mapping và phương pháp hiệu chỉnh cường độ dựa trên quy mô địa phương (local
9


intensity scaling) cũng như phương pháp tương tự phi tuyến cải thiện đáng kể trung vị,
phương sai, tần suất, cường độ và giá trị cực đoan của lượng mưa ngày. Phương pháp
hồi quy đa biến, thậm chí đã tối ưu hóa bằng cách tuyển chọn nhân tố, biến đổi, ngẫu
nhiên hóa, vẫn cho thấy những nhược điểm lớn trong hiệu chỉnh lượng mưa ngày. Nhìn
chung, phương pháp Quantile – Mapping đem lại hiệu quả cao nhất, đặc biệt đối với
các giá trị cực đoan. Kết quả nghiên cứu cũng chỉ ra khả năng áp dụng của phương
pháp này đối với các khu vực khác [10].
Amengual cùng ccs (2012) đã áp du ̣ng phương pháp hiê ̣u chỉnh hiệu thống kê
phục vụ dự tính khí hậu và đánh giá các tác động của biến đổi khí hậu cho khu vực
Platja de Palma, Địa Trung Hải. Nhóm tác giả đã sử dụng bộ mơ hình khu vực gồm 12
phương án khác nhau nhằm thu được bộ số liệu ngày đối với các yếu tố như lượng
mưa, nhiệt độ trung bình, nhiệt độ tối cao, tối thấp, độ ẩm tương đối, mức che phủ mây
hay tốc độ gió. Từ bộ số liệu này, phương pháp Quantile – Quantile được áp dụng để

loại bỏ sai số hệ thống cho kết quả mô phỏng. Phương pháp dự trên việc xác định mức
độ biến đổi trong hàm phân bố tích lũy của các yếu tố giữa thời kỳ cơ sở và thời kỳ
tương lai (Hình 1.2). Sau đó mức độ biến đổi này sẽ được áp dụng vào số liệu quan trắc
thu được bộ số liệu dự tính mới có mức độ tin cậy cao hơn. Các kết quả trong nghiên
cứu cũng đã chứng minh được những cải thiện đáng kể đối với kết quả mô hình, tuy
nhiên, đối với các giá trị cực đoan mưa, sự cải thiện là chưa thực sự rõ rệt. [1]

10


Hình 1.2. Minh họa phương pháp Quantile – Quantile (Amengual và nnk, 2012) [1]
Winai (2013) áp du ̣ng 4 phương pháp hiê ̣u chỉnh sai số đố i với lươ ̣ng mưa từ mô
hình toàn cầ u MRI phu ̣c vu ̣ cho viê ̣c đánh giá tác đô ̣ng và thích ứng trong viê ̣c vâ ̣n
hành hồ chưa nước dưới tác đô ̣ng của biế n đổ i khí hâ ̣u. Phương pháp thứ nhấ t hiê ̣u
chỉnh hàm sai số dựa trên các phân vi ̣ (Quantile - Mapping). Tương tự như phương
pháp Sharman (2007) đã sử du ̣ng với 2 bước chiń h là hiê ̣u chin̉ h tầ n suấ t và hiê ̣u chin
̉ h
cường đô ̣ mưa. Tác giả cũng sử du ̣ng hàm phân bố lý thuyế t Gamma như hàm chuyể n
nhằ m hiê ̣u chỉnh lươ ̣ng mưa dựa trên các thông số quy mô và hiǹ h da ̣ng của chuỗi số
liê ̣u quan trắ c. Phương pháp thứ 2 đươ ̣c sử du ̣ng trong nghiên cứu này là phương pháp
hiê ̣u chỉnh dựa trên đô ̣ lê ̣ch tiêu chuẩ n (SD ratio) của chuỗi số liê ̣u quan trắ c và số liê ̣u
mô hiǹ h. Mô ̣t cách đơn giản, chuẩ n sai lươ ̣ng mưa đươ ̣c nhân với tỷ số giữa đô ̣ lê ̣ch
tiêu chuẩ n của chuỗi quan trắ c và chuỗi mô hiǹ h, sau đó cô ̣ng với giá tri ̣ quan trắ c
trung bình trong giai đoa ̣n xem xét thu đươ ̣c giá tri ̣ mưa đã hiê ̣u chỉnh. Phương pháp
này thực tế hiê ̣u chỉnh tiń h co duỗi của hàm phân bố thực nghiê ̣m mà đa ̣i diê ̣n là đô ̣
lê ̣ch tiêu chuẩ n. Phương pháp thứ 3 là phương pháp lai (Hybrid). Phương pháp này chia
chuỗi số liê ̣u làm 2 chuỗi con, trong đó chuỗi thứ nhấ t bao gồ m các giá tri ̣ lươ ̣ng mưa
nhỏ hơn 99.5%, và chuỗi thứ 2 bao gồ m các giá tri ̣mưa thuô ̣c 0.05% còn la ̣i (các giá tri ̣
mưa cực đoan). Lươ ̣ng mưa hiê ̣u chỉnh đươ ̣c tiń h bằ ng tích lươ ̣ng mưa chưa hiê ̣u chin̉ h
11

và 1 hê ̣ số hiê ̣u chin̉ h riêng cho mỗi chuỗi số liê ̣u. Phương pháp cuố i cùng đươ ̣c sử
du ̣ng trong nghiên cứu là phương pháp hiê ̣u chin̉ h delta với hê ̣ số hiê ̣u chin
̉ h bằ ng tỷ số
giữa lươ ̣ng mưa quan trắ c trung bình và lươ ̣ng mưa mô hình trung bình cho 1 tháng bấ t
kỳ. Cuố i cùng, tác giả so sánh kỹ năng của 4 phương pháp trong đó, phương pháp SD
Ratio và Hybrid cho hàm phân bố xác suấ t lươ ̣ng mưa sát hơn với số liê ̣u quan trắ c
ngoa ̣i trừ các giá tri ̣ mưa quá lớn hoă ̣c quá bé. Phương pháp Hybrid giảm sai số hê ̣
thố ng đố i với lươ ̣ng mưa cực tri ̣trong mùa mưa trong khi SD Ratio giảm sai số đố i với
các giá tri ̣ mưa nhỏ trong mùa khô mô ̣t cách đáng kể so với 2 phương án còn la ̣i. Kế t
luâ ̣n la ̣i, phương án hiê ̣u chin̉ h lai Hybrid là phù hơ ̣p nhấ t với hê ̣ số tương không gian
và thời gian của lươ ̣ng mưa tháng tương đố i tố t. [25]
Argueso và ccs. (2013) sử du ̣ng phương pháp hiê ̣u chin
̉ h hàm phân bố để hiê ̣u
chỉnh lươ ̣ng mưa ngày từ kết quả mô phỏng bằng mô hình WRF độ phân giải 2km cho
khu vực Sydney. Hàm phân bố lý thuyết gamma được áp dụng vào các bước hiệu chỉnh
tương tự như phương pháp đã được mô tả bởi Piani (2009), tuy nhiên, nhóm tác giả đề
suất thêm một bước trong đó, để hiệu chỉnh sai số cho lượng mưa tại mỗi điểm lưới,
chuỗi số liệu mưa ngày của 5 trạm xung quanh gần điểm lưới nhất được sử dụng. Như
vậy, đối với mỗi điểm lưới, sẽ có tất cả 5 kết quả hiệu chỉnh. 5 kết quả này được lấy
trung bình theo phương pháp trọng số nghịch đảo của bình phương khoảng cách.
Phương pháp này cho thấy hiệu quả rõ rệt trong việc loại bỏ sai số đối với cả đặc trưng
mưa theo ngày cũng như theo mùa, qua đó cung cấp những thơng tin cơ bản với độ
chính xác cao hơn cho các nghiên cứu đánh giá tác động [2].
Bennett và nnk (2014) dự tính khí khí hậu tương lai cho khu vực Tasmania, Úc
bằng mơ hình khí quyển lập phương bảo giác CCAM độ phân giải 10 km với 6 phương
án khác nhau, trong đó có sử dụng hiệu chỉnh thống kê bằng hàm phân bố tích lũy thực
nghiệm (Quantile mapping) cho các biến khí hậu quy mơ ngày. Các yếu tố được hiệu
chỉnh bao gồm: bức xạ mặt trời, nhiệt độ tối thấp, nhiệt độ tối cao, bốc hơi tiềm năng

và lượng mưa. Các kết quả đánh giá thu được cho thấy tính hiệu quả trong việc sử dụng
phương pháp hiệu chỉnh này. Đối với lượng mưa, phương pháp cải thiện được cả về
12


cường độ mưa cũng như tần suất số ngày mưa, bảo toàn rất tốt xu thế biến đổi trong
tương lai thu được từ CCAM trước khi hiệu chỉnh. Tuy nhiên, phương pháp chưa mang
lại hiệu quả cao đối với các giá trị mưa gần 0, và có xu hướng dự tính cường độ và thời
gian thấp hơn đối với các sự kiện mưa nhiều ngày cũng như hạn hán [3].
1.4.2. Nghiên cứu về xây dựng đường cong IDF
Trong mô ̣t vài thâ ̣p kỷ trở la ̣i đây, các nhà khoa ho ̣c trên thế giới đã rấ t quan tâm
đế n viê ̣c đánh giá những tác đô ̣ng tiề m tàng của biế n đổ i khí hâ ̣u, đă ̣c biê ̣t là những
biế n đổ i của lươ ̣ng mưa, đố i với đời số ng con người và cơ sở vâ ̣t chấ t, ha ̣ tầ ng. Rấ t
nhiề u những nghiên cứu, báo cáo (IPCC 2007, 2013) [8, 9] đã chỉ ra rằ ng, trong tương
lai các hiê ̣n tươ ̣ng mưa sẽ xuấ t hiê ̣n bấ t thường hơn, với tầ n xuấ t và cường đô ̣ lớn hơn
thời điể m hiê ̣n ta ̣i. Dưới đây là mô ̣t số công trình nghiên cứu về mố i quan hê ̣ giữa
cường đô ̣, thời gian và tầ n suấ t xuấ t hiê ̣n của mưa cực đoan trên thế giới.
Mô ̣t trong những nghiên cứu đầ u tiên sử dụng công thức thực nghiê ̣m là nghiên
cứu của Bernard (1932), trong đó mố i quan hê ̣ cường đô ̣ - thời gian - tầ n suấ t đươ ̣c thể
hiê ̣n như sau:
𝐼 (𝑑, 𝑇) =

𝑎
𝑑𝑐

Trong đó: I(d,T) là cường đô ̣ mưa trung bình trong khoảng thời gian d và có tầ n
suấ t lă ̣p la ̣i T, a và c là các hằ ng số thực nghiê ̣m. Công thức này có mô ̣t ha ̣n chế là khi
thời đoa ̣n d tiế n gầ n đế n 0, cường đô ̣ mưa sẽ đa ̣t đế n vô cùng. Vì vâ ̣y, nế u sử du ̣ng
công thức này, viê ̣c tính toán cường đô ̣ mưa cho thời đoa ̣n nhỏ sẽ không thực sự chin
́ h

xác hay cu ̣ thể là sẽ lớn hơn rấ t nhiề u so với thực tế [4].
Lê Minh Nhâ ̣t (2007) đã nghiên cứu và áp du ̣ng phương pháp quy mô đơn giản
(Simple scaling) với mu ̣c đích chi tiế t hóa quy mô thời gian đố i với cường đô ̣ mưa trên
khu vực lưu vực song Yodo, Nhâ ̣t Bản. Phương pháp này dựa trên giả thiế t đã đươ ̣c
chứng minh bởi Menable (1999): hàm phân bố của cường đô ̣ mưa giữa các thời lươ ̣ng
khác nhau có mố i quan hê ̣ nhấ t đinh.
̣ Mố i quan hê ̣ này đă ̣c trưng bởi hàm mũ của nhân
tố quy mô (tỷ lê ̣ giữa 2 thời lươ ̣ng mưa). Từ viê ̣c áp du ̣ng phương pháp này, tác giả thu
13


đươ ̣c cường đô ̣ mưa ta ̣i lưu vực song Yodo trong các thời đoa ̣n rấ t ngắ n (từ quy mô
ngày đế n quy mô phút) với đô ̣ chiń h xác tương đố i cao so với lươ ̣ng mưa quan trắ c
đươ ̣c trong thực tế [12].
Nguyễn Văn Thành Văn và các cô ̣ng sự (2007) đã sử du ̣ng phầ n mề m SDSM ha ̣
quy mô thố ng kê từ sản phẩ m của 2 mô hiǹ h toàn cầ u bao gồ m HadCM3 và CGCM2
(mô phỏng theo kich
̣ bản A2) đố i với yế u tố mưa ngày cực tri ̣ cho khu vực Quebec,
Canada. Bên ca ̣nh đó, các tác giả đề xuấ t phương pháp hiê ̣u chin̉ h đố i với lươ ̣ng mưa
ngày cực tri ̣ thu đươ ̣c từ phầ n mề m SDSM. Hiê ̣u quả của viê ̣c sử du ̣ng phương pháp
này là tương đố i tố t thông qua viê ̣c so sánh với số liê ̣u quan trắ c ta ̣i 15 tra ̣m đo mưa
trên khu vực trong giai đoa ̣n từ 1961 - 1990. Dựa trên các kế t quả này, phương pháp ha ̣
quy mô thời gian sử du ̣ng hàm phân bố cực tri ̣ GEV cũng đươ ̣c áp du ̣ng nhằ m thu mô
tả mố i quan hê ̣ giữa lươ ̣ng mưa ngày cực tri ̣ và lươ ̣ng mưa cực tri ̣ trong các quy mô
thời gian nhỏ hơn ngày. Từ đó, đường cong IDF của mưa đươ ̣c xây dựng cho cả thời
kỳ hiê ̣n ta ̣i và các thời kỳ trong tương lai. Nghiên cứu cũng đã kế t luâ ̣n rằ ng, trong
tương lai, lươ ̣ng mưa cực tri ̣ sẽ tăng lên, trong đó sự biế n đổ i từ mô hin
̀ h HadCM3 là
không quá lớn, tuy nhiên kế t quả tiń h toán từ mô hiǹ h CGCM2 cho thấ y xu thế tăng rấ t
ma ̣nh của lươ ̣ng mưa cực tri ̣[17].

Lê Minh Nhâ ̣t (2008) trong luâ ̣n án tiế n si ̃ đã xây dựng đường cong IDF cho 7
tra ̣m thuô ̣c khu vực Đồ ng Bằ ng song Hồ ng sử du ̣ng chuỗi số liê ̣u 30 năm từ 1956 đế n
1985 đố i với lươ ̣ng mưa ở các thời đoa ̣n ngắ n từ 10 phút đế n 24 giờ. Tác giả xây dựng
đường cong IDF dựa trên 4 công thức thực nghiê ̣m Talbot, Bernard, Kimijima and
Sherman và so sánh kế t quả thu đươ ̣c từ 4 công thức này. Bên ca ̣nh đó, tác giả cũng đề
xuấ t phương án nô ̣i suy các tham số của đường cong nhằ m đa ̣t đươ ̣c lươ ̣ng mưa trong
thời đoa ̣n ngắ n ta ̣i các tra ̣m không có số liê ̣u mưa với thời đoa ̣n nhỏ hơn 24 giờ [12].
Chương trình thủy văn quố c tế (2008) đã tiế n hành xây dựng đường cong IDF
của mưa cho 1 số quố c gia thuô ̣c khu vực Châu Á Thái Bin
̀ h Dương như Indonesia,
Malaixia, Nhâ ̣t Bản, Trung Quố c, Philipin và Viê ̣t Nam. Nhóm các tác giả đã xây dựng
đường cong IDF sử du ̣ng các phương pháp khác nhau. Trong đó, đố i với nhóm các tác
14


giả Viê ̣t Nam, Trầ n Thu ̣c và các cô ̣ng sự đã áp du ̣ng hàm phân bố Log-Pearson III và
Pearson III để xây dựng đường cong IDF cho tra ̣m Phú Quố c với các thời đoa ̣n từ 5
phút đế n 120 phút. Kế t quả cho thấ y, đường cong IDF xây dựng từ 2 phương pháp này
là khá tương đồ ng.
Mirhosseini và nnk (2012) đã tiến hành xây dựng đường cong IDF cho hiện tại
và tương lai đối với khu vực Alabama nhằm đánh giá mức độ biến đổi của cường độ
mưa dưới tác động của biến đổi khí hậu. Nhóm tác giả sử dụng 6 phương án chi tiết
hóa động lực với các mơ hình khu vực cũng như điều kiện biên tồn cầu khác nhau mơ
phỏng và dự tính khí hậu, trong đó có lượng mưa 3h. Phương pháp phân tách ngẫu
nhiên (Stochastic Disaggregation) được áp dụng để chi tiết hóa lượng mưa từ 3h xuống
các thời đoạn nhỏ hơn như 15 phút và 30 phút. Bên cạnh đó, phương pháp hiệu chỉnh
Quantile – Mapping cũng được áp dụng nhằm loại bỏ bớt sai số hệ thống từ mơ hình.
Đường cong IDF được xây dựng bằng cách sử dụng hàm phân bố GEV để phân tích
tần suất cường độ mưa trong các thời đoạn khác nhau. Các kết quả trong nghiên cứu
cho thấy, 4 trong 6 mơ hình cho cường độ mưa trong tương lai tăng hoặc giảm phụ

thuộc vào tần suất và thời đoạn được xét đến. 2 mơ hình cịn lại cho cường độ mưa
giảm ở mọi thời đoạn và tần suất lặp lại. Ngồi ra, nhóm tác giả cũng nhấn mạnh đến
tính khơng chắc chắn trong các đường cong IDF đối với thời kỳ tương lai [15].
Mirhosseini và nnk trong nghiên cứu của mình năm 2014, đã tiếp tục xây dựng
đường cong IDF trong tương lai cho khu vực Alabama. Phương pháp hiệu chỉnh sai số
Quantile – Mapping và hàm GEV tiếp tục được sử dụng với mục đích loại bỏ sai số hệ
thống và xây dựng đường cong IDF. Tuy nhiên, trong nghiên cứu lần này, nhóm tác giả
đã phát triển mơ hình mạng thần kinh nhân tạo với mục đích chi tiết hóa về mặt thời
gian đối với lượng mưa 3h. Bên cạnh đó, phương pháp này cũng được so sánh với các
kết quả đã đạt được trong nghiên cứu sử dụng phương pháp phân tách ngẫu nhiên trước
đó (Mirhosseini và ccs, 2012) [15]. Kết quả chỉ ra rằng, phương pháp mạng thần kinh
nhân tạo có khả năng tốt hơn trong việc tạo ra mưa cực đại thời đoạn ngắn. Đường
cong IDF trong tương lai xây dựng từ 2 phương pháp này cũng được đưa ra so sánh
15


trong nghiên cứu này. Nhìn chung, cường độ mưa cực đoan trong tương lai tại khu vực
Alabama có xu thế giảm xuống, mức độ giảm xuống khi sử dụng phương pháp mạng
thần kinh nhân tạo có phần lớn hơn phương pháp phân tách ngẫu nhiên. Tuy nhiên, tác
giả cũng một lần nữa khẳng định, mức biến đổi của cường độ mưa trong nghiên cứu
này vẫn chưa đựng tính chưa chắc chắn khá lớn, cần xem xét kỹ lưỡng khi sử dụng
dụng. Mặc dù vậy, xu thế biến đổi của IDF trong tương lai được chỉ ra từ nghiên cứu
này có thể tin cậy và xem xét (Hình 1.3) [16].

Hình 1.3. So sánh đường cong IDF hiện tại và tương lai thu được từ 2 phương pháp
mạng thần kinh nhân tạo và phân tách ngẫu nhiên (Mirhosseini và nnk, 2014) [16]
Raul (2013) tiế n hành xây dựng đường cong IDF của mưa cho 6 tra ̣m đo mưa
trên khu vực thủ đô Barcelona. Nghiên cứu này đã sử du ̣ng tổ ng cô ̣ng 114 phương án
mô phỏng khác nhau đố i với lươ ̣ng mưa ngày, trong đó có 30 trường hơ ̣p mô phỏng
cho thời kỳ quá khứ 1951 - 1999 và 80 trường hơ ̣p mô phỏng và dự tính cho giai đoa ̣n

2006 - 2099 bao gồ m các kich
̣ bản A1B, A2 và B2. Các kế t quả chỉ ra rằ ng, cường đô ̣
mưa trung bình trong 1 ngày có sự tang lên trong tương lai it́ nhấ t là 4% đố i với các sự
kiê ̣n mưa với tầ n suấ t lă ̣p la ̣i trên 20 năm. Đồ ng thời, tác giả cũng sử du ̣ng phương
16


pháp ha ̣ quy mô thời gian đố i với cường đô ̣ mưa trung bin
̀ h trong 24 giờ thu đươ ̣c
cường đô ̣ mưa đố i với các thời lươ ̣ng nhỏ hơn quy mô ngày. Phân tić h cho thấ y, sự
tăng lên của cường đô ̣ mưa với thời lươ ̣ng nhỏ hơn quy mô ngày là lớn hơn so với quy
mô ngày trên tấ t cả các tầ n suấ t lă ̣p la ̣i hiê ̣n tươ ̣ng và các kich
̣ bản nghiên cứu. Sự khác
biệt này có thể lên đế n 8% đố i với kich
̣ bản A1B và 9% đố i với kich
̣ bản phát thải cao
A2 [20].
Wang và ccs (2014) nghiên cứu xây dựng đường cong IDF và đánh giá mức độ
biến đổi của đường cong này trong tương lai cho khu vực thành phố Toronto, Ontario,
Canada. Nhóm tác giả sử dụng bộ tổ hợp mơ hình PRECIS được điều khiển bởi trường
tồn cầu HadGEMs do trung tâm khí tượng Hadley phát triển. Nhóm tác giả đã sử dụng
tổng cộng 5 phương án thành phần khác biệt nhau bởi các sơ đồ tham số hóa trong mơ
hình PRECIS. Từ bộ số liệu mưa cực đoan độ phân giải 25km thu được từ mơ hình
PRECIS, nhóm tác giả sử dụng hàm phân bố Gumbel với mục đích phân tích tần suất
xuất hiện của các sự kiện mưa cực đoan trong nhiều thời đoạn khác nhau (5’, 10’, 15’,
30’ … 24h). Đường cong IDF được xây dựng cho thời kỳ cơ sở và 3 thời kỳ trong
tương lai bao gồm 2030, 2050 và 2080 cũng như tính tốn mức độ biến đổi của 3 thời
kỳ tương lai nay so với thời kỳ cơ sở. Các kết quả nghiên cứu chỉ ra rằng, cường độ
mưa trong các sự kiện mưa cực đoan ứng với các tần suất và thời đoạn khác nhau có xu
thế tăng lên theo thời gian (Hình 1.4). Điều này đồng nghĩa với việc các sự kiện mưa

với cường độ rất lớn sẽ xảy ra với tần xuất liên tục hơn trong tương lai [24].

17