Tải file PDF Tác giả
Đơn vị công tác
1Khoa Xây dựng Thủy lợi-Thủy điện, Trường Đại học Bách Khoa - Đại học Đà Nẵng
Tóm tắt
Mưa được xem là dữ liệu đầu vào khá quan trọng khi mô phỏng chế độ thủy văn lưu vực. Nhưng việc đo đạc dữ liệu mưa trong thực tế còn nhiều khó khăn. Do đó, việc sử dụng dữ liệu mưa tập trung có thể dẫn tới sự không chính xác khi nghiên cứu chế độ thủy văn của lưu vực. Vì vậy, phân phối mưa theo không gian để nâng cao chất lượng mô phỏng thủy văn lưu vực là hết sức cần thiết. Tuy nhiên, việc lựa chọn một phương pháp phân phối mưa phù hợp phục vụ nghiên cứu chế độ thủy văn gặp không ít khó khăn. Với mục đích lựa chọn phương pháp phân bố mưa không gian phù hợp nhất cho lưu vực Vu Gia - Thu Bồn, nghiên cứu này tiến hành so sánh hiệu năng của các phương pháp phân phối khác nhau, như Thiessen Polygon, IDW, Spline, Kriging, GWR. Kết quả cho thấy Kriging là phương pháp tốt nhất cho phân phối mưa không gian ở lưu vực Vu Gia - Thu Bồn. Bên cạnh đó, nghiên cứu cũng chỉ ra sự không chắc chắn trong so sánh, lựa chọn phương pháp phân bố mưa.
Từ khóa
Trích dẫn bài báo
Võ Ngọc Dương (2018), So sánh các phương pháp phân phối mưa không gian cho lưu vực Vu Gia - Thu Bồn, Việt Nam. Tạp chí Khí tượng Thủy văn 691, 33-41.
Tài liệu tham khảo
1. Goldreich. Y, (1994), The spatial distribution of annual rainfall in Israel a review, Theor. Appl. Climatol., 50 (1 - 2), 45 - 59.
2. Moon. J, Srinivasan. R, and Jacobs. J. H, (2004), Stream flow estimation using spatially distributed rainfall in the Trinity River basin, Texas, Trans. ASAE, 47 (5), 1445 - 1451.
3. Vaes. G, Willems. P, and Berlamont. J, (2001), Rainfall input requirements for hydrological calculations, Urban Water, 3 (1), 107 - 112.
4.Segond. M.-L, Wheater. H. S, and Onof. C, (2007), The significance of spatial rainfall representation for flood runoff estimation: A numerical evaluation based on the Lee catchment, UK, J. Hydrol., 347 (1), 116 - 131.
5. Ly. S, Charles. C, and Degre. A, (2011), Geostatistical interpolation of daily rainfall at catchment scale: the use of several variogram models in the Ourthe and Ambleve catchments, Belgium, Hydrol. Earth Syst. Sci., 15 (7), 2259 - 2274.
6. Li. B. Q, Hou,. B. D, Dong. X. Y, and Wang. H. J, (2017), A multifactor analysis of the spatial distribution of annual mean extreme precipitation-Taking the Yellow River Basin as an example, in IOP Conference Series: Earth and Environmental Science,82(1), 12025.
7. RETA 6470 (2011), Investment, Managing water in Asia’s river basins: Charting progress and facilitating - The Vu Gia-Thu Bon Basin.
8. TO. T. N, (2005), Strategic plan for integrated water resources management of the Vu Gia Thu Bon Basin Organization.
9. Nicótina. L, Alessi Celegon. E, Rinaldo. A, and Marani. M, (2008), On the impact of rainfall patterns on the hydrologic response,” Water Resour. Res., 44 (12).
10. Goovaerts. P, (2000), Geostatistical approaches for incorporating elevation into the spatial interpolation of rainfall, J. Hydrol., 228 (1), 113 - 129.
11. Tao. T, Chocat. B, Liu. S, and Xin. K, (2009), Uncertainty Analysis of Interpolation Methods in Rainfall Spatial Distribution–A Case of Small Catchment in Lyon, J. Water Resour. Prot., vol. 1 (2), 136 - 144,.
12. Goovaerts. P, (1997), Geostatistics for natural resources evaluation. Oxford university press.
13. Fotheringham. A. S, Brunsdon. C, and Charlton. M, (2003), Geographically weighted regression: The analysis of spatially varying relationships. John Wiley & Sons.
14. Di Piazza. A, Lo Conti. F, Noto. L. V, Viola. F, and La Loggia. G, (2011), Comparative analysis of different techniques for spatial interpolation of rainfall data to create a serially complete monthly time series of precipitation for Sicily, Italy, Int. J. Appl. Earth Obs. Geoinf.,13 (3), 396 - 408.
15. Wagner. P. D, Fiener. P, Wilken. F, Kumar. S and Schneider. K (2012), Comparison and evaluation of spatial interpolation schemes for daily rainfall in data scarce regions, J. Hydrol., 464, 388 - 400.