So sánh các phương pháp nội suy mưa cho khu vực tỉnh bình định

1

ĐẠI HỌC ĐÀ NẴNG
TRƯỜNG ĐẠI HỌC BÁCH KHOA

NGÔ VĨNH KHÁNH

SO SÁNH CÁC PHƯƠNG PHÁP NỘI SUY MƯA
CHO KHU VỰC TỈNH ĐỊNH BÌNH

Chuyên ngành : Xây dựng công trình thuỷ
Mã số: 60.58.02.02

TÓM TẮT LUẬN VĂN THẠC SĨ
KỸ THUẬT XÂY DỰNG CÔNG TRÌNH THỦY

ĐÀ NẴNG-2018


2

Công trình được hoàn thành tại
TRƯỜNG ĐẠI HỌC BÁCH KHOA

Người hướng dẫn khoa học: TS. Võ Ngọc Dương

Phản biện 1: TS. Hoàng Ngọc Tuấn
Phản biện 2: TS. Tô Thúy Nga

Luận văn sẽ được bảo vệ trước Hội đồng chấm Luận văn tốt
nghiệp thạc sĩ kỹ thuật chuyên ngành Xây dựng công trình thủy họp tại

Đại học Đà Nẵng vào ngày 21 tháng 6 năm 2018.

Có thể tìm hiểu luận văn tại:
- Trung tâm Học liệu, Đại học Đà Nẵng tại Trường Đại học
Bách Khoa.
- Thư viện Khoa Xây dựng Thủy Lợi – Thủy Điện, Trường Đại
học Bách Khoa, Đại học Đà Nẵng


3

MỞ ĐẦU
1. Tính cấp thiết của đề tài:
Mưa được xem là yếu tố then chốt, ảnh hưởng lớn đến chế độ
thủy văn của lưu vực. Điều này đã được khẳng định thông qua nhiều
nghiên cứu trước đây. Do đó, việc phân phối mưa theo không gian có
ảnh hưởng nhất định đến kết quả nghiên cứu, phân tích chế độ dòng chảy
của lưu vực, đặc biệt là đối với các lưu vực lớn. Chất lượng dữ liệu mưa
phân phối theo không gian phụ thuộc vào nhiều yếu tố, trong phạm vi
một lưu vực thì mật độ trạm đo được xem là yếu tố quan trọng nhất, có
ảnh hưởng lớn nhất đến quá trình hình thành dòng chảy. Mật độ trạm đo
mưa càng dày, càng thể hiện được chi tiết quá trình mưa diễn ra trong
lưu vực, từ đó cho kết quả chính xác hơn trong nghiên cứu chế độ thủy
văn của lưu vực. Hiện nay, mặc dầu đã được nghiên cứu và phân tích
nhiều nhưng các nhà khoa học vẫn chưa đưa ra một tiêu chí cụ thể như
thế nào là một mật độ trạm hợp lý cho một lưu vực. Duy chỉ một vài đề
xuất dựa trên thực tế nghiên cứu của một vài lưu vực cụ thể. Ví dụ như,
sau khi nghiên cứu cho lưu vực Lee ở Anh, nhóm tác giả Segond cho
rằng đối với những lưu vực lớn hơn 1,000 km2 thì số trạm đo tối thiểu
phải là 16 trạm, còn đối với những lưu vực nhỏ dao động trong khoản 80

km2 đến 280 km2 thì cần 4 trạm tới 7 trạm. Trong khi đó, tổ chức khí
tượng thế giới (World Meteorological Organization, viết tắt tên tiếng
Anh WMO) khuyến cáo rằng đối với khu vực vùng đồng bằng một trạm
có thể bao phủ một phạm vi khoảng 600 km2 đến 900 km2, ngược lại đối
với khu vực miền núi thì con số này là 100 km2 đến 250 km2. Tuy nhiên,
do nhiều yếu tố khách quan cũng như chủ quan, việc đạt được một mật
độ trạm hợp lý đủ để thể hiện đặc trưng mưa của một lưu vực là rất khó.
Điều này phụ thuộc vào rất nhiều vấn đề, từ diện tích lưu vực, địa hình
lưu vực, đặc điểm khí tượng thủy văn của lưu vực, cũng như là vấn đề về
kinh tế và vận hành các trạm đo, nhất là đối với các nước đang phát triển
cũng như là ở các lưu vực có diện tích lớn. Do đó, để nâng cao chất
lượng mô phỏng quá trình mưa dòng chảy cho một lưu vực việc phân
phối lại lượng mưa theo không gian dựa trên số liệu của các trạm đo là
hết sức cần thiết.


4

Trong thời gian qua, Bình Định là nơi thường xuyên chịu ảnh
hưởng nặng nề của mưa lũ, đặc biệt trong năm 2016 với 05 đợt lũ từ cuối
tháng 10 đến đầu tháng 12 đã gây thiệt hại nặng nề về cơ sở hạ tầng giao
thông, thủy lợi và dân sinh, ước tính thiệt hại đến hơn 2.200 tỷ đồng.
Trong đó, 39 người chết và mất tích, 908 nhà sập hoàn toàn, 409 nhà hư
hỏng; thiệt hại về giao thông: 240,7 km đường bị hư hỏng, sạt lở, 113
cống tiêu và 57 cầu bị sập, hư hỏng, 310 điểm sạt lở nặng, ách tắc giao
thông; Về thủy lợi, đê điều: 86,67 km đê, kè bị sạt lở nặng, 285,3 km
kênh mương bị sạt lở, bồi lấp, 227 đập tạm, đập dâng nhỏ bị hư hỏng, 32
km bờ sông bị sạt lở. Đối với ngành nông nghiệp, sản xuất hầu như bị
mất trắng. Do vậy việc nghiên cứu chế độ thủy văn của các lưu vực sông
trên địa bàn tỉnh Bình Định là yêu cầu cấp bách hiện nay. Tuy nhiên

cũng giống như thực trạng của các khu vực khác trên cả nước, mạng lưới
trạm đo mưa hiện nay trên khu vực Bình Định hiện còn khá thưa, gần
như chưa đáp ứng được yêu cầu thể hiện quá trình mưa diễn ra trên các
khu vực của tỉnh. Mặc dù trong những năm qua, đã có nhiều dự án lắp
đặt các trạm đo mưa nhằm nâng cao mật độ trạm trên địa bàn tỉnh, nhưng
vì kinh phí đầu tư còn hạn chế, công nghệ áp dụng còn chưa đồng bộ, dữ
liệu từ các trạm mới này còn rất ngắn chưa đáp ứng được yêu cầu.
Những hạn chế này đã và đang gây ra không ít khó khăn trong việc
nghiên cứu chế độ thủy văn của các sông lớn trên địa bàn tỉnh Bình
Định. Do đó việc tiến hành phân phối lượng mưa theo không gian cho
khu vực tỉnh Bình Định là hết sức cần thiết.
Với sự phát triển của toán học, hiện có rất nhiều phương pháp
khác nhau để phân phối dữ liệu mưa theo không gian. Nhưng về cơ bản
chúng tập trung vào hai phương pháp sau, phương pháp tất định và
phương pháp địa thống kê. Loại đầu tiên cổ điển hơn, bao gồm phương
pháp đa giác thái sơn (Thiessen polygon), phương pháp khoảng cách
nghịch đảo có trọng số (Inverse Distance Weighting IDW), phương pháp
đường đẳng trị (Spline), phương pháp lân cận tự nhiên (natural
neighbor). Những phương pháp nội suy này đã xuất hiện từ rất lâu, khá
đơn giản, do đó được áp dụng nhiều trong thực tế và đã khẳng định giá
trị nhất định trong việc phân bố lại lượng mưa trong không gian, giúp
hạn chế được phần nào ảnh hưởng của mạng lưới trạm đo mưa lên kết


5

quả phân phối lượng mưa theo không gian. Tuy nhiên, các phương pháp
nội suy cổ điển này không có khả năng kể đến ảnh hưởng của các yếu tố
khác (địa hình, độ dốc, gió, nhiệt độ, khoảng cách so với bờ biển ...) đến
phân phối mưa theo không gian cho nên theo nhiều chuyên gia thì độ

chính xác của các phương pháp này chưa thật cao. Những yếu điểm trên
có thể khắc phục được với các đặc tính nổi trội của các phương pháp nội
suy địa thống kê, như nội suy Krigging, phương pháp hồi quy theo trọng
số địa lý (Geographically Weighted Regression viết tắt tên tiếng Anh
GWR). Với những phương pháp này thì việc kể đến ảnh hưởng của các
yếu tố có thể ảnh hưởng đến lượng mưa trở nên dễ dàng hơn, qua đó
nâng cao tính chính xác của số liệu mưa nội suy.
Với mục đích nâng cao chất lượng của việc phân phối mưa theo
không gian, xây dựng một cơ sở dữ liệu mưa không gian phục vụ cho
việc nghiên cứu chế độ thủy văn các lưu vực trên địa bàn tỉnh, luận văn
này tiến hành so sánh ưu, nhược điểm của các phương pháp phân phối
mưa theo không gian căn cứ trên các đặc trưng mưa thực tế của tỉnh
Bình Định.
2. Mục tiêu nghiên cứu của đề tài:
- So sánh, phân tích các ưu nhược điểm của các phương pháp nội
suy mưa ứng với các đặc trưng mưa của tỉnh Bình Định.
- Xây dựng cơ sở dữ liệu mưa phân phối theo không gian cho
khu vực tỉnh Bình Định.
3. Đối tượng và phạm vi nghiên cứu:
- Các phương pháp nội suy không gian cơ bản hiện nay.
- Mưa và các yếu tố ảnh hưởng đến việc phân phối mưa theo
không gian trên địa bàn tỉnh Bình Định.
4. Phạm vi nghiên cứu của đề tài:
Thu thập và phân tích số liệu mưa tất cả các trạm trên địa bàn
tỉnh Bình Định và các trạm lân cận giáp ranh giới tỉnh.
5. Nội dung nghiên cứu:
So sánh, phân tích các ưu nhược điểm của các phương pháp nội
suy mưa ứng với các đặc trưng mưa của tỉnh Bình Định.
Sử dụng ArcGIS xây dựng cơ sở dữ liệu mưa phân phối theo
không gian cho khu vực tỉnh Bình Định.

6

6. Phương pháp nghiên cứu:
Đề tài sẽ sử dụng các phương pháp nghiên cứu:
Phương pháp phân tích tài liệu;
Phương pháp kế thừa các kết quả nghiên cứu liên quan;
Phương pháp mô hình hóa;
Phương pháp nghiên cứu trường hợp điển hình;
Phương pháp thống kê khách quan.
7. Ý nghĩa thực tiễn đề tài:
Đề tài nghiên cứu sẽ đưa ra được các kết quả sau:
- Làm rõ các ưu nhược điểm của các phương pháp nội suy mưa
trên cơ sở các đặc trưng địa lý và khí tượng thủy văn của tỉnh Bình Định.
- Xây dựng bộ cơ sở dữ liệu nội suy mưa theo không gian cho
Bình Định, làm tiền đề cho các mô phỏng và phân tích chế độ thủy văn
của tỉnh Bình Định sau này.
8. Bố cục và nội dung luận văn.
Luận văn gồm phần Mở đầu, 03 chương và phần kết luận và kiến
nghị.
Mở đầu
Chương 1: Tổng quan về khu vực nghiên cứu và hiện trạng
mạng lưới trạm đo.
Chương 2: So sánh các phương pháp nội suy mưa hiện có.
Chương 3: Phân phối lại lượng mưa theo không gian cho khu
vực Bình Định.
Kết luận và Kiến nghị.
Chương 1: TỔNG QUAN VỀ KHU VỰC NGHIÊN CỨU VÀ HIỆN
TRẠNG MẠNG LƯỚI TRẠM ĐO

1.1. Đặc điểm địa lý tự nhiên khu vực nghiên cứu
1.1.1. Đặc điểm địa lý tự nhiên:
Bình Định nằm ở khu vực duyên hải Nam Trung Bộ, phía bắc
giáp tỉnh Quảng Ngãi, phía nam giáp tỉnh Phú Yên, phía tây giáp tỉnh
Gia Lai, phía đông giáp Biển Đông. Diện tích tự nhiên toàn tỉnh là
6.071km2, dân số trung bình 1.524,6 nghìn người, trong đó khu vực
thành thị là 473,8 nghìn người (chiếm 31,1%), nông thôn 1050,8 nghìn


7

người (chiếm 68,9%). Trên địa bàn tỉnh, hiện nay có 03 huyện nghèo
theo Nghị quyết 30a/2008/NQ-CP, 02 huyện trung du miền núi, 26 xã
đặc biệt khó khăn, 18 xã bãi ngang ven biển; giới hạn bởi tọa độ địa lý
(Hệ Gauss - HN72) như sau:
- Cực Bắc: 14042' 10" độ vĩ bắc, 108055' 42" độ kinh đông.
- Cực Nam: 13030' 10" độ vĩ bắc, 108054' 00" độ kinh đông.
- Cực Đông: 13036' 33" độ vĩ bắc, 109022' 00" độ kinh đông.
- Cực Tây: 14025' 00" độ vĩ bắc, 108037' 30" độ kinh đông.
Tương ứng với giới hạn về tọa độ trắc địa trong hệ tọa độ
VN2000:
X từ 1493000 đến 1627000 (m); Y từ 243000 đến 323000 (m).
Là tỉnh có nhiều thuận lợi giao lưu với bên ngoài bởi cảng biển
Quy Nhơn (1 trong 10 cảng biển lớn của nước ta), sân bay Phù Cát, hệ
thống Quốc lộ 1A, 1D, đường sắt Bắc Nam chạy qua và đường Quốc lộ
19 nối cảng biển Quy Nhơn với Trung tâm vùng Bắc Tây Nguyên, vùng
Nam Lào và Đông Bắc Campuchia. Bờ biển Bình Định dài 134km chạy
từ thành phố Quy Nhơn đến Hoài Nhơn, một bên là núi một bên là biển
với nhiều bãi tắm đẹp, cấu trúc khá đặc biệt xen kẽ rất nhiều đầm, vịnh,

đều là vị trí thuận lợi để phát triển du lịch và nuôi trồng hải sản.
Chương 2: SO SÁNH CÁC PHƯƠNG PHÁP NỘI SUY MƯA HIỆN CÓ

2.1. Giới thiệu:
Do mạng lưới trạm đo mưa ở khu vực tỉnh Bình Định còn khá
thưa thớt, phân bố không đồng đều, điều này gây những hạn chế nhất
định trong mô phỏng chế độ thủy văn ở khu vực tỉnh Bình Định. Nhằm
khắc phục hạn chế trên, trong chương này, học viên sẽ tiến hành nội suy
mưa theo không gian cho khu vực tỉnh Bình Định.
2.2. Phương pháp:
Hiện nay có rất nhiều phương pháp nội suy mưa theo không
gian. Mỗi phương pháp có những ưu nhược điểm khác nhau và phù hợp
với một khu vực nhất định. Nhằm lựa chọn phương pháp nội suy phù
hợp nhất, giảm thiểu sự không chắc chắc trong nội suy mưa cho khu vực
tỉnh Bình Định, học viên đề xuất phương pháp như hình 2.1.


8

Hình 2.1. Quy trình so sánh lựa chọn phương pháp nội suy mưa
không gian.
Theo Quy trình này:
- Bước 1: tiến hành thu thập, xử lý dữ liệu mưa các tại các trạm
trong khu vực nghiên cứu và lân cận.
- Bước 2: Lựa chọn công cụ nội suy. Đưa dữ liệu vào công cụ và
nội suy.
- Bước 3: Trích xuất dữ liệu.
- Bước 4: So sánh kết quả và đưa ra kết luận.
2.3. Lựa chọn công cụ nội suy:
ArcGIS (ESRI Inc. - ): là hệ thống GIS hàng

đầu hiện nay. Về mặt công nghệ, hiện nay các chuyên gia GIS coi công
nghệ ESRI là một giải pháp mang tính chất mở, tổng thể và hoàn chỉnh,
có khả năng khai thác hết các chức năng của GIS trên các ứng dụng khác
nhau như: desktop (ArcGIS Desktop), máy chủ (ArcGIS Server), các
ứng dụng Web (ArcIMS, ArcGIS Online), hoặc hệ thống thiết bị di động
(ArcPAD)... và có khả năng tương tích cao đối với nhiều loại sản phẩm


9

của nhiều hãng khác nhau ( />
Hình 2.2. Phần mềm ARCGIS.
2.4. Lựa chọn phương pháp nội suy:
Nội suy không gian là quá trình tính toán giá trị của các điểm
chưa biết từ điểm đã biết trên miền bao đóng của tập giá trị đã biết bằng
một phương pháp hay hàm toán học nào đó.

Hình 2.3. Nội suy theo không gian


10

Hình 2.4. Nội suy mưa theo không gian.
Hiện nay, có nhiều thuật toán nội suy khác nhau, nhưng mỗi
thuật toán có điểm mạnh riêng. Trong đề tài này chỉ đề cập so sánh số
liệu củacác phương pháp nội suy thông dụng trong ArcGIS đó là IDW,
Spline, Kriging và Thiessen polygon.
2.4.1. Inverse Distance Weight (IDW)
Phương pháp IDW xác định giá trị của các điểm chưa biết bằng
cách tính trung bình trọng số khoảng cách các giá trị của các điểm đã

biết giá trị trong vùng lân cận của mỗi pixel. Những điểm càng cách xa
điểm cần tính giá trị càng ít ảnh hưởng đến giá trị tính toán.
Công thức tính nội suy giá trị tại điểm chưa biết trên cơ sở các
giá trị đã biết xung quanh nó
Công thức nội suy của phương pháp này:
n

Z=

 WiZi
i =1
n

 Wi
i =1

Với:


11

W=

1
dk

Trong đó:
- i: các điểm dữ liệu đã biết giá trị
- n: số điểm đã biết
- Zi: giá trị điểm thứ i

- d: khoảng cách đến điểm i
- k: hằng số DW
Một số ưu điểm của IDW
- IDW được đề xuất nên sử dụng khi có một tập hợp các điểm
dày đặc, phân bố rộng khắp trên bề mặt tính toán.
- Phương pháp này nhanh chóng, dễ thực hiện.
2.4.2. Spline
Spline sử dụng một hàm toán học giảm thiểu độ cong tổng thể
của bề mặt. Điều này dẫn đến kết quả là một bề mặt nhẵn mà chính xác
thông qua các điểm đầu vào.
Phương pháp nội suy Spline là phương pháp nội suy tổng quát,
phương pháp này hiệu chỉnh bề mặt đường cong.
Công thức nội suy của phương pháp này:

pi (x i ) = pi+1 (x i ) = fi
Trong đó:
i=0, 1, 2,...N-1 ; p=S(x,y);
Một số ưu điểm của Spline:
- Các thuật toán được sử dụng để làm mịn bề mặt kết quả, đảm
bảo kết quả hiển thị mô hình không dao động nhiều ở giữa các điểm
quan trắc.
- Splines là một phương pháp phù hợp để nội suy các yếu tố khí
hậu theo khoảng thời gian hàng tháng hoặc hàng năm nhưng ít phù hợp
với khoảng thời gian hàng ngày và hàng giờ.
2.4.3. Kriging
Kriging là một nhóm các kỹ thuật sử dụng trong địa thống kê, để
nội suy một giá trị của trường ngẫu nhiên (như độ cao z của địa hình) tại
điểm không được đo đạc thực tế từ những điểm được đo đạc gần đó.

12

Công thức của Kriging như sau:
T* −  =  n w i (gi − i )
1

Trong đó:
T* : giá trị cần ước lượng tại 1 tọa độ trong không gian.
µ: giá trị trung bình.
W: trọng số phụ thuộc vào vị trí của dữ liệu.
gi: giá trị những điểm khác.
n: số dữ liệu xung quanh dùng để ước lượng giá trị T.
Kriging nội suy giá trị cho các điểm xung quanh một điểm giá
trị. Những điểm gần điểm gốc sẽ ảnh hưởng nhiều hơn những điểm ở xa.
Quá trình hai bước của Kriging bắt đầu với ước tính mức độ tương quan
và sau đó thực hiện phép nội suy.
- Một số ưu điểm của phương pháp này là giá trị của các điểm
được gán không chỉ phụ thuộc vào khoảng cách mà còn phụ thuộc vào
sự phân bố không gian các điểm. Điều này làm cho các giá trị nội suy
mang tính tương quan không gian nhiều hơn.
- Một bất lợi là Kriging đòi hỏi nhiều thời gian tính toán và mô
hình hóa, và đòi hỏi nhiều dữ liệu đầu vào.
2.4.4. Thiessen polygon
Thiessen là phương pháp: nếu một lưu vực có nhiều trạm
mưa thì mưa tại một điểm bất kì trên lưu vực sẽ coi bằng lượng mưa đo
đạc được tại trạm mưa gần đó nhất.Trên bản đồ lưu vực có các trạm mưa
có thể kẻ các đường trung trực giữa tất cả các cặp trạm mưa lân cận
nhau. Tập hợp các đường trung trực này cùng với biên của lưu vực tạo
thành các đa giác Thiessen.Trong trường hợp tổng quát, trạm mưa không
nhất thiết phải nằm trong lưu vực, miễn là đa giác chứa trạm mưa đó có

phần diện tích nằm trong lưu vực.Như vậy với một lưu vực có nhiều
trạm đo mưa sẽ có lượng mưa trung bình trên toàn lưu vực là trung bình
có trọng số của các lượng mưa tại các trạm thành phần với trọng số tỉ lệ
với diện tích của hình đa giác chứa trạm mưa đó.
f x + f 2 x 2 + ... + f n x n
x= 1 1
F
Trong đó:
f1, f2... các diện tích đa giác thành phần.


13

x1, x2...lượng mưa các trạm thành phần.
F: diện tích toàn bộ lưu vực.

x : lượng mưa trung bình của lưu vực.
Phương pháp này có ưu điểm tính toán nhanh nhưng độ chính
xác phụ thuộc vào phân bố vị trí các trạm quan trắc và nó không xét
được ảnh hưởng của yếu tố điạ hình.
2.4.5. Nhận xét chung về 4 thuật toán
IDW và Spline hai phương pháp tạo ra các bề mặt từ các mẫu
dựa trên mức độ tương đồng hoặc mức độ làm mịn. Tuy nhiên, trong khi
bề mặt spline đi chính xác qua từng điểm mẫu, IDWsẽ không đi qua bất
kỳ điểm nào.
Kriging là phương pháp thống kê địa lý sử dụng kỹ thuật thống
kê mạnh mẽ dự đoán các giá trị dựa trên mối quan hệ giữa các điểm đã
biết giá trị và kỹ thuật trung bình trọng số phức tạp.Đa giác Thiessen
được sử dụng để phân chia một vùng điểm thành đa giác được gọi là đa
giác Thiessen hoặc sơ đồ Voronoi. Mỗi đa giác Thiessen chứa chỉ có một

trạm cơ sở. Mỗi đa giác có đặc tính duy nhất mà bất kỳ vị trí nào bên
trong đa giác đều gần điểm của đa giác hơn điểm của bất kỳ đa giác nào
khác.
2.5. Phương pháp so sánh kết quả:
Một trong những khó khăn nhất của trong việc xác định hiệu quả
của các phương pháp nội suy mưa đó là kiểm định kết quả nội suy.
Trong phạm vi này, học viên đề xuất sử dụng phương pháp kiểm định
chéo (cross validation) (Hình 2.9) để xác định hiệu quả của các phương
pháp nội suy. Nội dung cơ bản của phương pháp này là sử dụng dữ liệu
thực đo tại một trạm bất kỳ làm cơ sở để so sánh với kết quả nội suy đạt
được tại vị trí đó.


14

Hình 2.9.Sơ đồ phương pháp kiểm định chéo.
Các chỉ số so sánh:
Các chỉ số thống kê cơ bản - root mean squared error (RMSE),
the correlation coefficition (R), and Nash-Sutcliffe coefficient (E)- được
dùng như các chỉ tiêu đánh giá mức độ hiệu quả của các phương pháp
nội suy.

 (X
n

i=1

RMSE=

obs,i

 (X
 (X
i =1

obs,i

n

i =1

obs,i

 (X
 (X
n

E =1−

2

n
n

R=

-X model,i )

i =1

obs,i

)

(

)

− X obs . i=1 X model,i − X mod el
2

n

− X mod el,i )

n

i =1

)(

− X obs . X mod el,i − X model

obs,i

− X obs

)

)

2

2

2

Trong đó:
- Xobs: giá trị mưa thực đo
- Xmodel: giá trị mưa nội suy/vị trí thứ i.
Chương 3: PHÂN PHỐI LẠI LƯỢNG MƯA THEO KHÔNG GIAN
CHO KHU VỰC BÌNH ĐỊNH.
3.1. Dữ liệu:
Học viên đề xuất việc so sánh các phương pháp nội suy mưa
trong thời đoạn 20 năm, từ 1995 đến 2014. Dữ liệu mưa nội suy là dữ
liệu mưa ngày.


15
STT
1
2
3
4
5
6
7
8
9
10

11
12
13
14
15
16
17
18
19
20
21

Trạm
An Hòa
Hoài Ân
Bồng Sơn
Hoài Nhơn
Vĩnh Kim
Vĩnh Sơn
Phù Mỹ
Ba Tơ
Giá Vực
Đức Phổ
Sa Huỳnh
Vân Canh
Krong pa
Kbang
Cù Mông
Bình Tường
An Khê

ĐềGi
Phù Cát
Quy Nhơn
Định Bình

X
108.70022
108.88201
109.03291
109.03327
108.76669
108.76772
109.06673
108.73336
108.56667
108.96666
109.06666
108.99728
108.43300
108.37000
109.17764
108.87434
108.65000
109.19999
109.06666
109.22707
108.46000

Y
14.44934

14.36579
14.43103
14.51616
14.23246
14.29965
14.18266
14.76666
14.69998
14.79999
14.66668
13.61869
14.31600
14.10000
13.61591
13.93942
13.95000
14.11666
13.99999
13.76579
14.92300

Dữ liệu
1995-2014
1995-2014
1995-2014
1995-2014
1995-2014
1995-2014
1995-2014
1995-2014

1995-2014
1995-2014
1995-2014
1995-2014
1995-2014
1995-2014
1995-2014
1995-2014
1995-2014
1995-2014
1995-2014
1995-2014
1995-2014

Bảng 3.1. Các trạm đo mưa sử dụng cho nội suy mưa
không gian khu vực tỉnh Bình Định

Hình 3.1. Khu vực tính toán, trạm mưa tính toán và
vị trí trạm so sánh.


16

Trong 21 trạm mưa, học viên đề xuất kiểm định kết quả nội suy
mưa tại 10 trạm (Hình 3.1): Vân Canh, Quy Nhơn, Bình Tường, An Khê,
Đề Gi, Vĩnh Kim, Hoài Ân, Bồng Sơn, An Hòa, Sa Huỳnh. 10 trạm lựa
chọn so sánh phân bố đều khu vực nội suy, nằm các vùng địa hình khác
nhau: núi, trung du và đồng bằng, do đó mang tính đại biểu cao.
3.2. Phương pháp nội suy:
Học viên sẽ sử dụng 4 phương pháp phân bố mưa theo không

gian phổ biến hiện nay và phần mềm hỗ trợ ARCGIS để tiến hành nội
suy. Tuy nhiên, do khối lượng thực hiện khá lớn, nếu tiến hành nội suy
thủ công sẽ mất rất nhiều thời gian. Do đó, xây dựng các code nội suy
chạy trong môi trường Python của ARCGIS.
3.3. Kết quả:
Hệ thống kết quả thu được là các cơ sở dữ liệu dạng raster và
dạng text, tuy nhiên do khối lượng quá lớn, học viên chỉ thể hiện các kết
quả nội suy dạng time serie cho từng trạm so sánh cũng như là các bản
đồ nội suy mưa cho giá trị trung bình, và giá trị mưa lớn nhất ngày.
3.3.1. Kết quả nội suy tại các trạm

Hình 3.2. Lượng mưa trung bình ngày theo tháng tại trạm An Hòa


17

Hình 3.3. Lượng mưa trung bình ngày theo tháng tại trạm An Khê

Hình 3.4. Lượng mưa trung bình ngày theo tháng tại trạm Bình Tường

Hình 3.5. Lượng mưa trung bình ngày theo tháng tại trạm Bồng Sơn


18

Hình 3.6. Lượng mưa trung bình ngày theo tháng tại trạm Đề Gi

Hình 3.7. Lượng mưa trung bình ngày theo tháng tại trạm Hoài Ân

Hình 3.8. Lượng mưa trung bình ngày theo tháng tại trạm Quy Nhơn

19

Hình 3.9. Lượng mưa trung bình ngày theo tháng tại trạm Sa Huynh

Hình 3.10. Lượng mưa trung bình ngày theo tháng tại trạm Vân Canh

Hình 3.11. Lượng mưa trung bình ngày theo tháng tại trạm Vĩnh Kim


20

3.3.2. Bản đồ nội suy mưa
3.3.2.1. Kết quả nội suy mưa trung bình

Hình 3.12. Bản đồ phân bố giá trị m ưa trung bình ngày
theophương pháp IDW

Hình 3.13. Bản đồ phân bố giá trị mưa trung bình ngày theo
phương pháp Spline


21

Hình 3.14. Bản đồ phân bố giá trị mưa trung bình ngày theo
phương pháp Kriging

Hình 3.15. Bản đồ phân bố giá trị mưa trung bình ngày theo
phương pháp Thiessen

22

3.3.2.2. Kết quả nội suy mưa lớn nhất ngày

Hình 3.16. Bản đồ phân bố giá trị mưa lớn nhất ngày theo
phương pháp IDW

Hình 3.17. Bản đồ phân bố giá trị mưa lớn nhất ngày theo
phương pháp Spline


23

Hình 3.18. Bản đồ phân bố giá trị mưa lớn nhất ngày theo
phương pháp Kriging

Hình 3.19. Bản đồ phân bố giá trị mưa lớn nhất ngày theo
phương pháp Thiessen


24

3.4. So sánh các phương pháp.
Các giá trị nội suy được so sánh thông qua các tham số thống kê
cơ bản và sai số so với giá trị thực đo.
Trạm
An Hòa
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
12.762
1006.960
8.195
569.529
4.790
308.554
6.162
356.634
6.494
285.730
7.029
566.513
4.758
221.505

6.698
526.668
5.515
526.424
5.087
350.316

KRIGING
6.574
297.112
6.254
163.456
5.793
209.676
5.718
330.848
5.701
225.333
6.147
338.216
7.119
241.903
7.482
309.444
6.323
474.700
5.539
276.244

THIESSEN

6.250
334.900
5.341
289.300
5.474
390.000
6.237
304.100
6.006
326.000
6.250
334.900
6.438
375.000
6.237
304.100
6.438
375.000
6.250
334.900

Bảng 3.2. Giá trị mưa trung bình ngày và giá trị mưa lớn nhất ngày thực đo và
mô phỏng.(mm/ngày)
Trạm
An Hòa

An Khê

Bình Tường

Bồng Sơn

Đề Gi

Chỉ số

SPLINE

KRIGING

THIESSEN

RMSE
R
E
RMSE
R
E

IDW
17.48
0.77
0.50
10.94
0.66
0.43

45.79
0.37
-2.45

26.86
0.33
-2.46

18.83
0.67
0.42
13.49
0.52
0.13

18.47
0.68
0.44
21.93
0.07
-1.31

RMSE
R
E
RMSE
R
E
RMSE
R
E

20.12
0.17

-0.32
11.38
0.87
0.72
12.18
0.77
0.59

21.39
0.15
-0.50
11.78
0.84
0.70
14.34
0.76
0.44

19.13
0.26
-0.20
10.53
0.89
0.76
12.19
0.77
0.59

24.56
0.10

-0.97
9.12
0.91
0.82
12.19
0.80
0.59


25

Trạm
Hoài Ân

Quy Nhơn

Sa Huỳnh

Vân Canh

Vĩnh Kim

Trung Bình

Chỉ số

SPLINE

KRIGING

THIESSEN

RMSE
R
E
RMSE
R
E

IDW
13.66
0.70
0.48
16.18
0.50
0.22

22.48
0.51
-0.42
17.51
0.46
0.08

14.32
0.69
0.42
18.42
0.43
-0.02

16.91
0.59
0.20
26.43
0.10
-1.09

RMSE
R
E
RMSE
R
E
RMSE

20.63
0.38
0.08
18.87
0.49
0.22
17.85

30.58
0.09
-1.03
19.15
0.64
0.20

12.55

14.89
0.72
0.52
16.00
0.67
0.44
10.47

26.86
0.15
-0.57
14.57
0.76
0.54
15.64

R
E

0.51
0.20

0.78
0.60

0.86
0.72

0.67
0.38

RMSE

15.93

22.24

14.83

18.67

R

0.58

0.49

0.65

0.48

E

0.31

-0.48

0.38

-0.10

Bảng 3.3. Giá trị các tham số thống kê so sánh tại các trạm
Khi tính đến chỉ số thống kê trung bình cho 10 trạm, kết quả
này cho thấy, với hai phương pháp phân bố mưa theo không gian truyền
thống được sử dụng nhiều như hiện nay, THIESSEN, SPLINE có rất
nhiều hạn chế. Điều này dẫn tới một sự không chắc chắn lớn trong việc
sử dụng các phương pháp này để tính toán cũng như mô phỏng chế độ
thủy văn của lưu vực.
Phương pháp IDW cho kết quả khá tốt đối với nhiều vị trí, như
trạm Bồng Sơn (E=0.72, RMSE=11.38, R=0.87), Đề Gi (E=0.59,
RMSE=12.18, R=0.77). Do đó xét về tổng quan, phương pháp này cho
kết quả tốt hàng thứ ba trong bốn phương pháp, khi E =0.31,
RMSE=15.93 mm/day, R=0.58. Và phương pháp cho kết quả tốt nhất là
phương pháp KRIGING, khi mà hầu hết các chỉ số trung bình của 10
trạm đều tốt hơn các phương pháp còn lại, E=0.38, RMSE=14.38
mm/day, R=0.65. Kết quả này gần như phù hợp với nhiều nghiên cứu
trước đây. Với các kết quả tính toán và phân tích trên đây, đối với khu
vực tỉnh Bình Định, học viên đề xuất sử dụng phương pháp nội suy
KRIGING để nội suy mưa theo không gian.