Xây dựng bản đồ mưa ngày lớn nhất cho khu vực miền Trung và Tây Nguyên

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:5

Thêm vào BST

Báo xấu

13
lượt xem 1
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Bài viết Xây dựng bản đồ mưa ngày lớn nhất cho khu vực miền Trung và Tây Nguyên nghiên cứu sử dụng phần mềm ArcGis để xây dựng bản đồ mưa cực hạn dựa trên số liệu của hai phương pháp phân tích tần suất: Phương pháp vùng và phương pháp địa phương.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Xây dựng bản đồ mưa ngày lớn nhất cho khu vực miền Trung và Tây Nguyên

14 Nguyễn Chí Công, Nguyễn Vĩnh Long XÂY DỰNG BẢN ĐỒ MƯA NGÀY LỚN NHẤT CHO KHU VỰC MIỀN TRUNG VÀ TÂY NGUYÊN BUILDING MAPS OF EXTREME DAILY RAINFALL FOR CENTRAL AND HIGHLAND REGION IN VIET NAM Nguyễn Chí Công1, Nguyễn Vĩnh Long2 1 Trường Đại học Bách khoa - Đại học Đà Nẵng; chicongbkdn@gmail.com 2 Chi cục Phòng chố ng thiên tai khu vực miề n Trung và Tây Nguyên Tóm tắt - Tần suất thiết kế và thời đoạn tính toán lượng mưa là rất Abstract - The design frequency and timing of precipitation quan trọng trong thiết kế công trình thủy. Nghiên cứu này sử dụng calculation are very important in hydraulic construction design. The suy luận Bayesian và thuật toán Markov Chain Monte Carlo để study uses Bayesian inference and Monte Carlo Chain Markov phân tích tần suất mưa ngày lớn nhất. Hai phương pháp thường algorithms to analyze the extreme daily rainfall. The two methods dùng trong phân tích tần suất gồm: (i) Phương pháp địa phương commonly used in frequency analysis include: (i) Local method and và (ii) Phương pháp vùng, được sử dụng để phân tích tần suất (ii) Regional method and are used to analyze the highest daily mưa ngày lớn nhất cho 75 trạm đo trên khu vực miền Trung và rainfall for 75 stations in the Central and Highland Region. The Tây Nguyên (MT-TN). Kết quả phân tích tần suất của hai cách results of the analysis of the frequency of these approaches are the tiếp cận này là cơ sở cho việc xây dựng bản đồ mưa ngày lớn basis for the creation of the largest daily rainfall map for the whole nhất cho toàn vùng. Các kết quả sẽ được so sánh và kiểm chứng region. This result will be compared and verified for relevance for sự phù hợp về phân bố mưa theo không gian và thời gian lặp lại spatial rainfall distribution and repeat time T of 100 years. In T=100 năm. Ngoài ra, kết quả này có thể giúp người thiết kế ước addition, this result can help the designer estimate the maximum tính được lượng mưa ngày lớn nhất ứng với tần suất thiết kế tại daily precipitation corresponding to design frequencies in areas những vùng không có trạm đo và làm cơ sở khoanh vùng cấp độ without stations and zone the level of natural disaster risk due to rủi ro thiên tai do mưa lớn. heavy rain according to regulations. Từ khóa - mưa ngày lớn nhất; Bayesian MCMC; phương pháp Key words - extreme daily rainfall; Bayesian MCMC; regional vùng; phương pháp địa phương; miền Trung và Tây Nguyên. method; local method; Central and Highland region. 1. Đặt vấn đề MT-TN gồm: Thừa Thiên Huế, Đà Nẵng, Quảng Nam, Là quốc gia nằm trong vùng khí hậu nhiệt đới gió mùa, Quảng Ngãi, Kon Tum và Gia Lai (Hình 1). Đây là các tỉnh hàng năm Việt Nam ghi nhận tổng lượng mưa rất lớn và có địa hình khá phức tạp do dãy Trường Sơn chia cắt khu phân bố không đều so với nhiều nơi trên thế giới. Trong đó, vực miền Trung và Tây Nguyên theo hướng Đông Nam. khu vực miền Trung và Tây Nguyên là khu vực có sự phân Bên cạnh đó, còn có các dãy núi cao chia cắt ranh giới các biệt lớn về lượng và phân bố không gian, vì nơi đây có những tỉnh theo hướng Đông Bắc như: dãy Bạch Mã, dãy Ngọc dãy núi cao đón gió mùa Đông Bắc hoặc áp thấp nhiệt đới từ Linh. Hàng năm, các hoạt động gió Đông Bắc từ tháng 11 Biển Đông. Chính lý do này mà Việt Nam nói chung và các đến tháng 1, áp thấp nhiệt đới ở Biển Đông từ tháng 9 đến tỉnh khu vực miền Trung và Tây Nguyên nói riêng được tháng 12 và gió Tây Nam từ tháng 5 đến tháng 9, kết hợp nhận định có nguy cơ rủi ro thiên tai do mưa lớn là rất cao. với yếu tố địa hình đã tạo nên những trận mưa lớn gây lũ lụt, sạt lở đất, gây nhiều thiệt hại về người và tài sản. Bản đồ phân bố không gian lượng mưa, đặc biệt là mưa cực hạn rất cần thiết trong quá trình quản lý nguồn nước, phân 2.2. Dữ liệu tích đặc tính thuỷ văn, đánh giá hệ sinh thái và đặc biệt quan Vùng nghiên cứu có số liệu đo rất đa dạng về nguồn trọng trong công tác lập quy hoạch, kế hoạch và phương án gốc số liệu cũng như sự phân bố các trạm đo khá không phòng chống các loại hình thiên tai gắn liền với diễn biến mưa đồng đều: Vùng đồng bằng có mật độ trạm dày còn vùng như lũ, lũ quét, lũ ống, sạt lở đất và ngập lũ. Bên cạnh đó, núi có mật độ trạm thưa, đặc biệt, vùng tiếp giáp với 2 nước mạng lưới quan trắc mưa còn thưa và phân bố không đồng Lào và Campuchia đều không có trạm đo, vùng giáp Biển đều, số liệu mưa ngày nhiều trạm không liên tục, khó đáp ứng Đông chỉ có duy nhất 1 trạm tại đảo Lý Sơn. cho việc ước tính tần suất đạt độ tin cậy cao và việc ước tính Với mục đích xây dựng bản đồ mưa ngày lớn nhất, yêu lượng mưa một ngày lớn nhất ứng với các tần suất lũ thiết kế, cầu về dữ liệu đo cần thỏa mãn về mặt không gian, cần thu lũ kiểm tra cho các công trình giao thông, thủy lợi thường thập thêm các trạm đo mưa tiếp giáp để làm căn cứ nội suy được lấy theo trạm gần nhất. Việc nghiên cứu phương pháp bản đồ. Qua phân tích và đánh giá, nghiên cứu đã lựa chọn xây dựng bản đồ mưa cực hạn là rất cần thiết. Nghiên cứu được 75 trạm thỏa mãn điều kiện dữ liệu đo mưa ngày liên này sử dụng phần mềm ArcGis để xây dựng bản đồ mưa cực tục trên 15 năm và có độ tin cậy. Số liệu thống kê mưa được hạn dựa trên số liệu của hai phương pháp phân tích tần suất: lấy từ các trạm khí tượng thủy văn, trạm đo mưa tại các hồ phương pháp vùng và phương pháp địa phương. thủy lợi. Các trạm đo mưa tự động do thời gian đo liên tục ngắn và độ tin cậy chưa cao nên không sử dụng trong 2. Phương pháp nghiên cứu và dữ liệu nghiên cứu này. Thông tin cơ bản của các trạm bao gồm: 2.1. Vùng nghiên cứu vĩ độ, kinh độ và cao độ trạm. Nghiên cứu này chỉ xét thời Vùng nghiên cứu bao gồm 6 tỉnh thuộc khu vực đoạn mưa tính toán là 1 ngày lớn nhất (1NLN).
ISSN 1859-1531 - TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ ĐẠI HỌC ĐÀ NẴNG, SỐ 9(118).2017 - Quyển 1 15 Nghiên cứu này tiếp tục phát triển từ kết quả của nghiên cứu trước đây của chính tác giả 3, theo đó, thời đoạn mưa 1NLN của khu vực nghiên cứu được sàng lọc và phân thành 03 vùng thoả mãn chỉ số test Hosking-Wallis (Bảng 1) và bản đồ phân vùng như Hình 2. Trong nghiên cứu này, tác giả tiếp tục triển khai các bước (iii) và (iv) và sử dụng phương pháp nội suy IDW để xây dựng bản đồ mưa 1NLN ứng với thời gian lặp lại T=100 năm. Bảng 1. Chỉ số (Hn) kiểm tra tính đồng nhất của mẫu dữ liệu 1NLN Vùng 1 Vùng 2’ Vùng 2” Hn (N= 30 trạm) (N= 19 trạm) (N= 26 trạm) H1 -0,113 1,828 -0,262 H2 -0,046 0,780 1,009 H3 -0,159 0,106 1,404 Kết luận Đồng nhất Đồng nhất Đồng nhất 3.1.1. Lựa chọn phân phối thống kê Trong phân tích tần suất vùng, hàm phân phối (F) được chọn dựa trên tỷ lệ L-moment và giá trị ZDist. Với mỗi dạng phân phối, ZDist được tính toán như sau: 𝑡4𝑅 − 𝜏4𝐷𝑖𝑠𝑡 𝑍 𝐷𝑖𝑠𝑡 = 𝜎4 𝑅 Trong đó, 𝜏4 là giá trị trung bình L-kurtosis tính từ dữ Hình 1. Địa hình và mạng lưới trạm đo mưa liệu vùng, 𝜏4𝐷𝑖𝑠𝑡 là giá trị L-kurtosis lý thuyết tính từ mô 3. Phương pháp phỏng cho một dạng phân phối, 𝜎4 là giá trị độ lệch chuẩn của L-kurtosis nhận được từ mô phỏng dữ liệu. Những phân 3.1. Phương pháp phân tích tần suất vùng phối được chọn phải có giá trị |Z Dist | ≤ 1,64. Trường hợp Có thể tóm lược phương pháp phân tích tần suất mưa tồn tại nhiều hàm phân phối đều thoả mãn thì hàm phân phối vùng thành 04 bước: (i) Sàng lọc số liệu; (ii) Xác định vùng nào cho |Z Dist | gần bằng 0 nhất sẽ phù hợp nhất 4. đồng nhất; (iii) Chọn hàm phân phối xác suất cho vùng đồng nhất; (iv) Ước lượng giá trị phân phối xác suất cho 3.1.2. Phương pháp chỉ số mưa vùng mỗi trạm thông qua chỉ số mưa vùng. Phương pháp này dựa trên nguyên lý được đề xuất bởi Dalrymple (1960). Giá trị xác suất lũy tích F tại trạm thứ i có thể được viết: 𝑋𝑖 (𝐹) = 𝜇𝑖 𝑥(𝐹) Trong đó, 𝑥(𝐹) là giá trị xác suất lũy tích F của vùng, 𝜇𝑖 là chỉ số lũ và được tính bằng giá trị trung bình của mẫu dữ liệu đo tại trạm thứ i. Sau khi phân tích tần suất vùng sẽ ước tính được 𝑋̂ và thông qua chỉ số mưa vùng ước tính 𝜇̂ thì lượng mưa ước 𝑋̂ tính cho tường trạm trong vùng sẽ là 𝑥̂ = . 𝜇 ̂ 3.1.3. Thuật toán Bayesian Markov chain Monte Carlo Thủ tục Bayesian MCMC hiện nay được sử dụng rộng rãi cho các ứng dụng thủy văn 5, 6, 7. Nghiên cứu này sẽ giới thiệu ngắn gọn thủ tục Bayesian MCMC. Chi tiết của thuật toán được sử dụng có trong thư viện nsRFA của phần mềm R (miễn phí). Theo thuyết của Bayes, likelihood của mẫu cho bởi các tham số của mô hình xác suất 𝐿(𝑫|𝜃) có mối quan hệ với likelihood hoặc hàm mật độ của xác suất các tham số cho mẫu 𝑝(𝜃|𝑫): 𝐿(𝑫|𝜃)𝑝(𝜃) 𝑝(𝜃|𝑫) = 𝑝(𝑫) Trong đó: 𝑝(𝜃) là phân phối cho trước của tham số 𝜃, 𝑝(𝑫) là xác xuất của mẫu D hay còn gọi là hằng số chuẩn Hình 2. Bản đồ phân vùng đồng nhất mưa 1NLN hóa. Likelihood của mẫu quan sát D được tính như sau:
16 Nguyễn Chí Công, Nguyễn Vĩnh Long 𝑠 𝑛𝑖 GNO -1,094 -1,711 -2,367 𝑥𝑖𝑗 𝐿(𝑫|𝜃) = ∏ [∏ 𝑓𝜃 ( )] PE3 -2,368 -2,826 -3,482 𝜇𝑖 𝑖=1 𝑗=1 GPA -6,429 -4,850 -6,983 Trong đó, 𝑓𝜃 là hàm mật độ xác suất của phân phối Chọn PP GEV GLO GLO thống kê đã lựa chọn cho đường cong tần suất vùng, và 𝜃 4.2. Ước tính giá trị mưa cực hạn ứng với thời đoạn 1NLN là véc-tơ các tham số của phân phối lựa chọn để ước tính. Để xây dựng bản đồ, tác giả trích xuất giá trị mưa thời 3.2. Phương pháp phân tích tần suất địa phương đoạn 1NLN ứng với T=100 năm như Bảng 3 để xây dựng Khác với phương pháp vùng, phương pháp địa phương bản đồ mưa 1NLN. chỉ xét cho mẫu dữ liệu đo của từng trạm. Likelihood của Bảng 3. Kết quả ước tính lượng mưa 1NLN tại các trạm ứng với mẫu quan sát D được tính như sau: 𝑅 T=100 năm, theo phương pháp vùng, 𝑥̂100 (đơn vị: mm) 𝑠 𝐿(𝑫|𝜃) = ∏ 𝑓𝜃 (𝑥𝑖 ) ID Tên trạm R x̂100 ID Tên trạm R x̂100 𝑖=1 1 Thạch Hãn 600 38 Mộ Đức 588 Trong đó, 𝑓𝜃 là hàm mật độ xác suất của phân phối thống kê đã lựa chọn, và 𝜃 là véc-tơ các tham số của phân 2 Phú Ốc 678 39 Sơn Tây 657 phối lựa chọn để ước tính. xi là giá trị đo, với i= 1,.., s. 3 Cổ Bi 607 40 An Chỉ 655 Tóm lại, cả hai phương pháp (vùng và địa phương) đều 4 Kim Long 627 41 Minh Long 937 sử dụng thuật toán Bayesian MCMC để ước tính tần suất 5 Huế 702 42 Đức Phổ 633 và tất cả các thủ tục giới thiệu ở trên được sử dụng thư viện 6 Bình Điền 635 43 Ba Tơ 820 trong ngôn ngữ thống kê R, đó là nsRFA. 7 Tà Lương 801 44 Sa Huỳnh 563 3.3. Phương pháp nội suy theo khoảng cách ngược (IDW) 8 Dương Hòa 657 45 Giá Vực 815 Các nghiên cứu trước đây 1, 2 đã chỉ ra rằng phương 9 A Lưới 688 46 An Hoà 623 pháp IDW trong nội suy mưa là phù hợp nhất và cho kết quả tốt hơn so với các phương pháp nội suy khác. Trong 10 Nam Đông 879 47 Hoài Nhơn 507 nghiên cứu này, bản đồ phân bố lượng mưa được thành lập 11 Thượng Nhật 742 48 Vĩnh Sơn 501 dựa trên nguyên tắc nội suy biến đổi trung bình với trọng 12 Cẩm Lệ 520 49 Bình Tường 490 số tính theo khoảng cách ngược. Phương pháp này có thể 13 Bà Nà 494 50 Bình Quang 420 được biểu diễn bằng công thức toán học sau: n 14 Hiên 482 51 Vĩnh Kim 524 Z W i i 15 Ái Nghĩa 554 52 Vân Canh 580 Zp  i 1 n Đèo Cù W i 1 i 16 Hội An 528 53 Mông 641 17 Câu Lâu 495 54 Củng Sơn 607 Trong đó: Zp là giá trị được nội suy; Zi là giá trị đo được tại vị trí (xi, yi); n là điểm lấy mẫu; Wi hàm trọng số: 18 Giao Thủy 544 55 Đăk Glei 379 1 19 Hội Khách 506 56 Sa Thầy 383 Wi  20 Thành Mỹ 506 57 Đắk Tô 313 dk 21 Thăng Bình 475 58 ComPlông 246 Với: d là khoảng cách từ trạm có giá trị đã biết đến điểm cần nội suy; k là hệ số mũ của trọng số. 22 Nông Sơn 582 59 Kon Tum 260 23 Hiệp Đức 667 60 Ia Ly 290 4. Kết quả và bàn luận 24 Tam Kỳ 592 61 Kbang 249 4.1. Lựa chọn hàm phân phối 25 Tiên Phước 663 62 Biển Hồ 239 Kết quả (Bảng 2) tính giá trị ZDist tương ứng với 5 dạng 26 Trà My 729 63 Ia Hrung 274 phân phối được xem là có khả năng phù hợp (GLO, GEV, 27 Phước Sơn 623 64 PomoreTV 290 LN3, PE3 và GPA) cho mẫu dữ liệu của mỗi vùng cho thấy, với mô hình mưa 1NLN của vùng 1 có 2 hàm (GEV và 28 Thạch Bàn 542 65 Thôn 4 281 GNO) phù hợp, tương tự vùng 2’ có 2 hàm (GLO và GEV), 29 Vĩnh Trinh 541 66 Đăk Đoa 259 riêng vùng 2’’ chỉ cho kết quả hàm phân phối GLO là thoả 30 Lý Sơn 633 67 Pleiku 259 mãn. Theo nguyên tắc chọn hàm phân phối thống kê, tác 31 Châu Ổ 705 68 An Khê 264 giả chọn hàm GEV cho dữ liệu vùng 1; GLO cho vùng 2’ và vùng 2’’. 32 Trà Bồng 711 69 Chư Sê 272 33 Trà Khúc 656 70 Chư Prông 270 Bảng 2. Lựa chọn hàm phân phối ZDIST≤1,64 34 Quảng Ngăi 671 71 Ayun Hạ 177 |ZDIST| Vùng 1 Vùng 2’ Vùng 2’’ 35 Sông Vệ 648 72 Ayun Pa 275 GLO 2,114 0,445 0,419 36 Sơn Giang 925 73 Krông Pa 322 GEV -0,485 -1,107 -1,831 37 Sơn Hà 812 74 Buôn Hồ 247
ISSN 1859-1531 - TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ ĐẠI HỌC ĐÀ NẴNG, SỐ 9(118).2017 - Quyển 1 17 Bảng 4. Kết quả ước tính lượng mưa 1NLN tại các trạm ứng với 𝐿 T=100 năm, theo phương pháp địa phương, 𝑥̂100 (đơn vị: mm) Tên trạm L Tên trạm L ID x̂100 ID x̂100 1 Thạch Hãn 513 38 Mộ Đức 613 2 Phú Ốc 799 39 Sơn Tây 550 3 Cổ Bi 877 40 An Chỉ 690 4 Kim Long 675 41 Minh Long 1507 5 Huế 1028 42 Đức Phổ 624 6 Bình Điền 642 43 Ba Tơ 923 7 Tà Lương 683 44 Sa Huỳnh 508 8 Dương Hòa 687 45 Giá Vực 961 9 A Lưới 789 46 An Hoà 420 10 Nam Đông 798 47 Hoài Nhơn 397 11 Thượng Nhật 665 48 Vĩnh Sơn 508 12 Cẩm Lệ 590 49 Bình Tường 331 13 Bà Nà 395 50 Bình Quang 328 14 Hiên 643 51 Vĩnh Kim 401 15 Aí Nghĩa 569 52 Vân Canh 462 Đèo Cù 16 Hội An 565 53 747 Mông 17 Câu Lâu 462 54 Củng Sơn 921 18 Giao Thuỷ 770 55 Đăk Glei 391 19 Hội Khách 513 56 Sa Thầy 345 Hình 3. Bản đồ mưa 1NLN (T=100 năm) 20 Thành Mỹ 689 57 Đắk Tô 657 theo phương pháp phân tích vùng 21 Thăng Bình 363 58 ComPlông 604 22 Nông Sơn 512 59 Kon Tum 181 23 Hiệp Đức 713 60 Ia Ly 145 24 Tam Kỳ 414 61 Kbang 271 25 Tiên Phước 557 62 Biển Hồ 243 26 Trà My 567 63 Ia Hrung 278 27 Phước Sơn 660 64 PomoreTV 330 28 Thạch Bàn 442 65 Thôn 4 229 29 Vĩnh Trinh 453 66 Đăk Đoa 329 30 Lý Sơn 763 67 Pleiku 208 31 Châu Ổ 476 68 An Khê 290 32 Trà Bồng 656 69 Chư Sê 216 33 Trà Khúc 753 70 Chư Prông 290 34 Quảng Ngăi 769 71 Ayun Hạ 973 35 Sông Vệ 705 72 Ayun Pa 421 36 Sơn Giang 1163 73 Krông Pa 265 37 Sơn Hà 862 74 Buôn Hồ 604 4.3. Xây dựng bản đồ mưa 1NLN Bản đồ kết quả nội suy sẽ ở dạng raster với kích thước pixel được lấy là 50 m x 50 m; sau đó sẽ cắt bỏ những phần ngoài khu vực nghiên cứu được các bản đồ Hình 4. Bản đồ mưa 1NLN (T=100 năm) phân bố lượng mưa 1NLN ứng với T=100 năm. Hình 3 theo phương pháp địa phương và Hình 4 thể hiện bản đồ phân bố không gian về mưa Hình 3 cho thấy lượng mưa 1NLN ứng với T=100 năm cực hạn theo phương pháp phân tích tần suất vùng và khá phù hợp với thực tế quan trắc của các trạm đo, cụ thể phương pháp địa phương.
18 Nguyễn Chí Công, Nguyễn Vĩnh Long như: Lượng mưa 1NLN xét trên toàn vùng chủ yếu tập WebGis phục vụ công tác thiết kế, vận hành và phòng chống trung tại vùng duyên hải miền Trung và cục bộ lớn nhất tại thiên tai trên địa bàn các tỉnh miền Trung và Tây Nguyên. các điểm trạm như: Tà Lương (ID=7), Nam Đông (10), Trà My (26), Sơn Giang (36), Minh Long (41). Trong khi đó, TÀI LIỆU THAM KHẢO phương pháp địa phương (Hình 4) cho kết quả không phù [1] Xihua. Y, Xiaojin. X, De.L. L, Fei.J, Lin.W., “Spatial interpolation hợp với thực tế, đặc biệt tại điểm trạm Huế (5) và Krông of daily rainfall data for local climate impact assessment over Pa (73). Nguyên nhân là do phương pháp địa phương sử Greater Sydney region”, Advances in Meteorology, 2015. dụng mẫu số liệu ngắn của mỗi trạm đo để suy luận giá trị [2] Chen. F. W, Liu.C.W., “Estimation of the spatial rainfall distribution mưa với thời gian lặp lại cao (T=100 năm). using inverse distance weighting (IDW) in the middle of Taiwan”, Paddy Water Environ, 10, 2012, pp. 209-222. 5. Kết luận [3] Nguyễn Chí Công, “Phương pháp phân vùng đồng nhất trong phân tích tần suất mưa vùng, áp dụng cho khu vực miền Trung và Tây Nghiên cứu đã sử dụng cơ sở dữ liệu mưa 1NLN của Nguyên”, Tạp chí Khoa học và Công nghệ Đại học Đà Nẵng, ISSN 75 trạm trên khu vực miền Trung và Tây Nguyên. Áp dụng 1859-1531, Vol:5(114), 2017, trang 22-26. hai phương pháp phân tích tần suất (vùng và địa phương) để [4] Hosking, J. and J. Wallis, Regional frequency analysis: An approach ước tính giá trị mưa ứng với T=100 năm và dùng phương Based on L-Moments, Cambridge University Press, London, U, 1997. pháp nội suy IDW trong ArcGis để xây dựng bản đồ mưa [5] Ngogondo CS, C-Y. Xu, L. M. Tallaksen, B. Alemaw and T. Chirwa, “Regional frequency analysis of rainfall extremes in thời đoạn 1 NLN. Các kết quả cho thấy hàm phân phối thống Southern Malawi using the index rainfall and L-moments kê cho ba vùng là GEV, GLO và GLO cho các vùng 1, vùng approaches”. Stoch. Env. Res. Risk A, 25, 2011, pp. 939-955. 2’ và vùng 2’’. Bản đồ mưa thời đoạn 1NLN được tiến hành [6] Nguyễn Chí Công, “Xây dựng bản đồ mưa ngày lớn nhất cho tỉnh đồng thời cho 2 phương pháp phân tích tần suất và kết quả Quảng Nam dựa trên phân tích tần suất mưa vùng và suy luận cho thấy, khi sử dụng kết quả của phương pháp phân tích tần Bayesian”, Tạp chí Khoa học kỹ thuật Thủy lợi và Môi trường, ISSN 1859-3941, Vol: 56, 2017, trang 65-71. suất vùng, bản đồ mưa thời đoạn 1NLN cho kết quả phù hợp với thực tế hơn phương pháp địa phương. [7] Nguyễn Chí Công, “Phân tích tần suất mưa cực hạn cho tỉnh Gia Lai dựa trên cách tiếp cận vùng”, Tạp chí Khoa học kỹ thuật Thủy lợi và Đây là cơ sở khoa học để số hóa dữ liệu mưa cực hạn trong Môi trường, ISSN 1859-3941, Vol: 57, 2017, trang 11-18. (BBT nhận bài: 01/08/2017, hoàn tất thủ tục phản biện: 22/08/2017)