Đánh giá các nguồn mưa lưới và khả năng ứng dụng cho Việt Nam

KHOA HỌC KỸ THUẬT THỦY LỢI VÀ MÔI TRƯỜNG - SỐ 64 (3/2019) 17 
BÀI BÁO KHOA HỌC 
ĐÁNH GIÁ CÁC NGUỒN MƯA LƯỚI 
VÀ KHẢ NĂNG ỨNG DỤNG CHO VIỆT NAM 
Ngô Lê An, Nguyễn Thị Thu Hà1 
Tóm tắt: Thông tin về phân bố mưa theo không gian đóng vai trò quan trọng trong bài toán mô 
phỏng và quản lý tài nguyên nước. Do mạng lưới các trạm quan trắc mưa hiện nay còn ít, việc sử 
dụng các nguồn dữ liệu mưa lưới sẽ giúp cải thiện việc mô tả lượng mưa thay đổi theo không gian. 
Bài báo đánh giá chất lượng hai nguồn mưa lưới phổ biến là Aphrodite và ERA-Interim trên lãnh 
thổ Việt Nam dựa trên việc so sánh với số liệu mưa thực đo tại 352 trạm. Kết quả đánh giá cho 
thấy, lượng mưa năm của cả hai nguồn dữ liệu mưa Aphrodite và ERA-Interim đều có kết quả thiên 
thấp (khoảng -1mm/ngày). Dữ liệu mưa Aphrodite cho mức độ phù hợp với hệ số tương quan (R2) 
cao hơn nhiều so với ERA-Interim. Lượng mưa một ngày lớn nhất của hai nguồn dữ liệu mưa đều 
thấp hơn so với thực tế với mức trung bình từ 30-40% tuy nhiên mức độ phù hợp R2 của Aphrodite 
cao hơn ERA-Interim (40% so với 10%). 
Từ khoá: Aphrodite, ERA-Interim, mưa tái tạo, mưa lưới 
1. ĐẶT VẤN ĐỀ* 
Mưa là thành phần đầu vào quan trọng nhất 
trong hệ thống tài nguyên nước trên lục địa. Các 
thông tin về mưa sẽ giúp cho các nhà quản lý có 
thể đưa ra các phương án quy hoạch, khai thác, 
sử dụng bền vững tài nguyên nước. Các trạm đo 
mưa được sử dụng để quan trắc lượng mưa rơi 
xuống tại một địa điểm cụ thể. Để có thông tin 
trên một không gian lớn, sẽ cần một mạng lưới 
quan trắc mưa lớn tương ứng. Tại Việt Nam, 
mật độ các trạm đo mưa phân bố không đều 
giữa các vùng miền. Mạng lưới trạm đo mưa 
được quản lý bởi tổng cục Khí tượng thuỷ văn 
với mật độ vào khoảng 570 km2/trạm tại miền 
bắc, trong khi ở miền trung là 1060 km2/trạm và 
ở miền nam là 1641 km2/trạm. Chất lượng dữ 
liệu quan trắc cũng không đồng đều, nhiều trạm 
có dữ liệu đo trong thời gian ngắn, ngắt quãng. 
Vì vậy, việc nghiên cứu sử dụng các nguồn số 
liệu mưa khác nhằm bổ sung thêm thông tin là 
cách tiếp cận thông dụng. 
Hiện nay, các dữ liệu mưa lưới toàn cầu hoặc 
khu vực, hay còn gọi là các bộ dữ liệu khôi phục 
lại được nghiên cứu và sử dụng khá phổ biến 
1 Đại học Thủy lợi 
trên thế giới cho nhiều ứng dụng khác nhau như 
dữ liệu mưa Aphrodite, ERA-Interim, DOE, 
TRMM-3B42V6 Việc nghiên cứu sử dụng 
các nguồn dữ liệu này ở Việt Nam chưa nhiều. 
Một số các nghiên cứu như Bùi Thị Khánh Hoà 
(Bùi Thị Khánh Hoà và nnk, 2010), Trần Anh 
Đức (Trần Anh Đức và nnk, 2010) về đánh 
giá chất lượng các nguồn dữ liệu này cho điều 
kiện Việt Nam. Tuy nhiên các nghiên cứu chủ 
yếu tập trung cho một vùng nhỏ, hoặc cho một 
trường hợp cụ thể (một trận mưa lớn). Vì vậy, 
bài báo này tập trung vào đánh giá và so sánh 
chất lượng dữ liệu mưa lưới của một số nguồn 
trên toàn bộ lãnh thổ Việt Nam cho một khoảng 
thời gian dài (1980-2005). 
2. PHƯƠNG PHÁP NGHIÊN CỨU 
2.1 Dữ liệu 
Trong nghiên cứu này, hai nguồn dữ liệu 
mưa lưới thời đoạn ngày được sử dụng để đánh 
giá cho Việt Nam là dữ liệu mưa APHRODITE 
(Asian Precipitation - Highly-Resolved 
Observational Data Integration Towards 
Evaluation) và dữ liệu mưa tái tạo ERA-Interim. 
2.1.1 Mưa APHRODITE 
Dữ liệu mưa APHRODITE là dữ liệu mưa 
lưới thời đoạn ngày từ năm 1961 đến 2007 được 
 KHOA HỌC KỸ THUẬT THỦY LỢI VÀ MÔI TRƯỜNG - SỐ 64 (3/2019) 18
xây dựng từ mạng lưới các trạm quan trắc mưa 
khu vực Châu Á.Bộ dữ liệu mưa có độ phân giải 
0,5o x 0,5o và 0,25o x 0,25o. Dự án xây dựng bộ 
dữ liệu mưa APHRODITE được cơ quan Khí 
tượng Nhật Bản thực hiện với sự cộng tác của 
một số các thành viên khí tượng quốc gia của 
các nước khác. Số lượng các trạm quan trắc sử 
dụng để hiệu chỉnh bộ dữ liệu nằm trong khoảng 
5000 đến 12000 trạm đo bao gồm các dữ liệu 
mưa thời đoạn ngày, tháng (Yatagai và nnk, 
2012). Các dữ liệu nguồn này sẽ được kiểm tra 
chất lượng trước khi đưa vào xây dựng bộ dữ 
liệu kết quả. 
Thuật toán chính trong việc xây dựng bộ dữ 
liệu là thuật toán nội suy từ các điểm đo về ô 
lưới có kích thước 0,05o theo phương pháp 
trung bình trọng số mới của Spheremap 
(Willmott và nnk, 1985). Sau đó, các dữ liệu 
này được hiệu chỉnh với các nguồn số liệu khác, 
rồi nhóm lại theo các ô lưới 0,25o và 0,5o theo 
phương pháp trung bình trọng số theo diện tích. 
2.1.2 Mưa ERA-Interim 
Dữ liệu mưa ERA-Interim là dữ liệu mưa tái 
phân tích toàn cầu mô phỏng từ năm 1979 cho 
đến nay. Mô hình khí quyển ERA-Interim và hệ 
thống tái phân tích sử dụng Hệ thống Dự báo 
Tổng hợp (IFS) ECMWF giai đoạn 31r2, được 
giới thiệu lần đầu vào tháng 9 năm 2006 và 
được thiết lập cấu hình với độ phân giải không 
gian như sau (Dee và nnk, 2011): 
 Theo chiều thẳng đứng có 60 lớp với lớp 
trên cùng ở mức 0,1hPa. 
 Hàm điều hoà cầu T255 đại diện cho các 
trường động lực cơ bản 
 Lưới khử Gaussian đồng dạng theo không 
gian xấp xỉ 79km cho bề mặt và các trường 
lưới-điểm khác. 
Dữ liệu ERA-Interim được đồng hoá và xử lý 
4 lần ngày vào các giờ 00, 06, 12 và 18UTC. 
Kết quả đầu ra của mô hình được trình bày trên 
các ô lưới có kích thước 0,125o x 0,125o. 
2.1.3 Mưa thực đo 
Trong nghiên cứu này, dữ liệu quan trắc mưa 
ngày của 352 trạm đo mưa phân bố trên toàn bộ 
lãnh thổ Việt Nam được sử dụng để đánh giá 
chất lượng mưa lưới. Do thời gian đo mưa của 
các trạm đo khác nhau, một số trạm có thời gian 
quan trắc ngắn, ngắt quãng cũng như điều kiện 
số liệu thu thập được nên nghiên cứu lựa chọn 
thời gian để đánh giá so sánh hai nguồn dữ liệu 
mưa lưới là từ năm 1980 đến 2005. Phân bố các 
trạm đo mưa sử dụng trong nghiên cứu thể hiện 
ở Hình 1. 
2.2 Phương pháp đánh giá 
Để so sánh dữ liệu mưa dạng lưới với các dữ 
liệu mưa đo tại các trạm, các dữ liệu này cần 
phải được đưa về cùng độ phân giải theo không 
gian. Vì vậy, nghiên cứu này thực hiện việc 
đánh giá, so sánh theo hai cách: 
- So sánh điểm với điểm: với cách so sánh 
này thì lượng mưa mô phỏng tại trạm đo theo dữ 
liệu mưa lưới Aphrodite và ERA Interim được 
lấy tại ô lưới có chứa trạm đo mưa đó. Lượng 
mưa mô phỏng tại trạm này sẽ được so sánh với 
lượng mưa thực đo tại trạm đó. 
- So sánh ô lưới với ô lưới: từ dữ liệu mưa 
thực đo tại trạm, tiến hành nội suy tạo thành dữ 
liệu mưa ô lưới có cùng độ phân giải với nguồn 
dữ liệu mưa lưới Aphrodite và ERA Interim. Ở 
bước đầu tiên, nghiên cứu xây dựng các ô lưới 
có độ phân giải mịn có kích thước 0,05o x 0,05o 
với lượng mưa tại từng ô lưới được tính nội suy 
từ các trạm đo mưa theo phương pháp Trọng số 
nghịch đảo khoảng cách (IDW) (Shepard, 
1968). Sau đó, các ô lưới có kích thước 0,125o 
và 0,25o được xây dựng từ các ô lưới mịn trên 
theo phương pháp bình quân số học. Việc phân 
chia mịn các ô lưới ở bước đầu sẽ giúp cho việc 
tính toán lượng mưa trung bình trong ô lưới có 
kích thước thô hơn (0,125o và 0,25o) được chính 
xác hơn, nhất là khi trong các ô lưới này có 
nhiều hơn 1 trạm đo mưa. Nhằm giảm thiểu sai 
số đánh giá do phương pháp nội suy, nghiên cứu 
chỉ đánh giá so sánh chất lượng mưa lưới tại các 
ô lưới có chứa trạm đo mưa thực đo. 
2.3 Chỉ tiêu đánh giá 
Nghiên cứu sử dụng các chỉ số thống kê 
nhằm đánh giá chất lượng của bộ dữ liệu mưa 
Aphrodite và ERA Interim. Các chỉ số đánh giá 
bao gồm: 
Sai số tuyệt đối trung bình: 
KHOA HỌC KỸ THUẬT THỦY LỢI VÀ MÔI TRƯỜNG - SỐ 64 (3/2019) 19 
Sai số tương đối: 
Hệ số tương quan: 
Trong đó PMi và POi tương ứng là dữ liệu thứ 
i của Aphrodite hoặc ERA Interim và lượng 
mưa thực đo. N là số lượng các cặp số giữa hai 
chuỗi số liệu thực đo và mô phỏng. và 
tương ứng là lượng mưa trung bình mô phỏng 
và thực đo. 
!(!(
!(
!(
!( !(!(
!(
!(!(
!(
!(
!(
!( !(
!(
!( !(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(!(
!(
!(!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(!(
!(
!(
!(
!(
!( !(!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(!( !(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!( !(
!(
!(
!(
!(
!(
!(!(
!(!(
!(
!(
!(!(
!(
!(
!(
!( !(
!(!(
!( !( !(
!(!(
!(
!(!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(!(
!(!(
!(
!(!(
!(!(!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!( !(
!(
!(
!(
!(
!(
!(
!(
!(
!(!(
!( !(
!(
!(
!(
!(
!( !(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(!(
!( !(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(!(
!(
!(
!(
!(
!(
!(
!( !(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(!(
!(
!(
!(
!(
!(
!(
!( !(
!(!(
!(
!(
!(
!(
!(
!(!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!
!( !(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!( !(
!(!(
!(
!(
!(
!(
!(
!(
!(
!(
!( !(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!(
!( !(
!(
!(
!(
!(
!(
!( !(!(
!(
!(
!(
!(
!(
110°0'0"E
110°0'0"E
108°0'0"E
108°0'0"E
106°0'0"E
106°0'0"E
104°0'0"E
104°0'0"E
102°0'0"E
102°0'0"E
100°0'0"E
100°0'0"E
2
4
°0
'0
"N
2
2
°0
'0
"N
2
2
°0
'0
"N
2
0
°0
'0
"N
2
0
°0
'0
"N
1
8
°0
'0
"N
1
8
°0
'0
"N
1
6
°0
'0
"N
1
6
°0
'0
"N
1
4
°0
'0
"N
1
4
°0
'0
"N
1
2
°0
'0
"N
1
2
°0
'0
"N
1
0
°0
'0
"N
1
0
°0
'0
"N
8
°0
'0
"N
Ü
0 110 220 330 44055
Ki-lô-mét
!( Trạm đo mưa thực đo
Ranh giới hành chính
Hình 1. Vị trí các trạm đo mưa sử dụng 
 trong nghiên cứu 
Ngoài ra, nghiên cứu còn sử dụng hai chỉ số 
POD (Probability Of Detection) và FAR (False 
Alarm Ratio) để đánh giá thêm chất lượng mô 
phỏng mưa của các bộ dữ liệu này. 
Trong đó NH là số lượng các cặp mà cả PMi 
và POi đều lớn hơn 0 (tức là trên thực tế có mưa 
và dữ liệu tính toán cũng cho có mưa). NM là số 
lượng các cặp POi> 0 còn PMi = 0 (trên thực tế 
có mưa nhưng dữ liệu tính toán cho là không 
mưa). NF là số lượng các cặp mà PMi> 0 còn POi 
= 0 (trên thực tế không có mưa nhưng dữ liệu 
tính toán cho là có mưa). 
3. KẾT QUẢ NGHIÊN CỨU 
3.1 Biến động lượng mưa năm 
3.1.1 Lượng mưa năm trung bình nhiều năm 
Đối với việc đánh giá điểm với điểm, chênh 
lệch giữa lượng mưa năm trung bình nhiều năm 
giai đoạn tính toán 1980-2005 giữa lượng mưa 
thực đo và dữ liệu mưa Aphrodite, dữ liệu tái 
phân tích ERA-Interim được thể hiện trên hình 
2. Từ kết quả chênh lệch lượng mưa so sánh tại 
từng trạm, chênh lệch lượng mưa năm theo 
không gian được nội suy theo phương pháp 
IDW. Sự chênh lệch giữa lượng mưa năm trung 
bình nhiều năm giữa mưa thực đo và mưa 
Aphrodite không nhiều, mức độ sai khác biến 
đổi từ -8,2 đến 2,4mm/ngày tuỳ từng vị trí. 
Trong khi đó, kết quả chênh lệch giữa lưọng 
mưa thực đo và dữ liệu ERA-Interim có sự biến 
động lớn hơn từ -6,9 đến +4,2mm/ngày. Sai số 
tuyệt đối trung bình MAE giữa lượng mưa năm 
trung bình nhiều năm của thực đo và dữ liệu 
mưa Aphrodite, ERA-Interim lần lượt là 
0,97mm và 1,05mm/ngày. Đối với dữ liệu mưa 
Aphrodite, kết quả sai lệch lớn nhất nằm ở 
những vùng thực tế mưa lớn như Bắc Quang 
(Hà Giang), lưu vực sông Vu Gia Thu Bồn khi 
kết quả thực đo thường cao hơn từ 7-8mm/ngày 
tương đương gần 2000mm/năm.Tương tự đối 
với lượng mưa mô phỏng theo ERA-Interim, 
lượng mưa tính toán có xu thế thấp hơn rất 
nhiều so với thực tế đối với các vùng mưa lớn 
như Bắc Quang (Hà Giang), Trà My (Quảng 
Nam) với mức từ -6 đến -4 mm/ngày tương 
đương 1500-2000mm/năm. 
 KHOA HỌC KỸ THUẬT THỦY LỢI VÀ MÔI TRƯỜNG - SỐ 64 (3/2019) 20
Hình 2. Sai số trung bình (mm/ngày) giữa dữ liệu mưa Aphrodite (trái) và ERA-Interim (phải) 
 với mưa thực đo đánh giá theo điểm với điểm (vòng tròn phía bắc là Bắc Quang, vòng tròn ở 
miền trung là khu vực Trà My thuộc lưu vực sông Vu Gia – Thu Bồn) 
Đối với đánh giá so sánh giữa ô lưới với ô 
lưới, sự chênh lệch lượng mưa năm thực đo với 
các dữ liệu mưa Aphrodite và ERA-Interim 
cũng tương đồng với so sánh điểm với điểm khi 
mức chênh lệch biến đổi từ -5,2 đến 
1,7mm/ngày với mưa Aphrodite và -6,9 đến 
4,2mm/ngày với mưa ERA-Interim. 
Sự chênh lệch giữa lượng mưa năm của hai 
nguồn dữ liệu mưa với mưa thực đo theo độ cao 
được trình bày ở hình 3. Kết quả cho thấy, nhìn 
chung sự sai khác giữa các nguồn dữ liệu mưa 
Aphrodite và ERA-Interim với mưa thực đo 
không phụ thuộc vào độ cao khi các điểm chấm 
không thể hiện một xu thế thay đổi nào. 
Hình 3. Chênh lệch lượng mưa năm theo nguồn Aphrodite (trái) và ERA-Interim (phải) 
với mưa năm thực đo tại trạm theo độ cao 
KHOA HỌC KỸ THUẬT THỦY LỢI VÀ MÔI TRƯỜNG - SỐ 64 (3/2019) 21 
3.1.2 Biến động lượng mưa năm 
Để đánh giá khả năng mô tả thay đổi lượng 
mưa năm theo thời gian, bài báo sử dụng chỉ 
tiêu đánh giá tương quan R2 giữa lượng mưa 
năm thực đo với lượng mưa của Aphrodite và 
ERA-Interim. Kết quả đánh giá giữa điểm với 
điểmcho thấy, sự biến động lượng mưa năm 
Aphrodite theo thời gian phù hợp với thực đo 
hơn là dữ liệu mô hình mưa ERA-Interim. Nhìn 
chung, hệ số R2 trung bình của các trạm có số 
liệu đo từ 10 năm trở lên đạt khoảng 0,64 với 
trường hợp Aphrodite, trong đó trạm Quảng 
Ngãi có sự phù hợp cao nhất đạt 95%, còn trạm 
Bắc Quang có sự kém phù hợp nhất khi chỉ đạt -
0,33. Còn đối với mô hình mưa ERA-Interim, 
hệ số R2 trung bình chỉ khoảng 0,30, trong đó 
trạm Vĩnh Sơn có sự phù hợp cao nhất đạt 0,91 
còn trạm Yên Lãng, Bắc Quang cho R2 thấp 
nhất lần lượt là -0,61 và -0,42. Thống kê tại 13 
trạm có lượng mưa năm trung bình nhiều năm 
lớn (trên 3000mm) thì đối với lượng mưa 
Aphrodite, hệ số R2 tại các trạm này khá cao 
đều từ xấp xỉ 0,70 trở lên (ngoại trừ Bắc 
Quang), nghĩa là trên mức trung bình của tất cả 
các trạm. Còn với lượng mưa tái phân tích 
ERA-Interim, đa số các trạm cho R2ở mức từ 
0,15-0,40, tương đương mức trung bình của tất 
cả các trạm. 
Kết quả đánh giá cũng tương tự khi so sánh ô 
lưới với ô lưới khi mức độ phù hợp (R2) giữa dữ 
liệu mưa Aphrodite khá cao đạt trung bình 
khoảng 0,71 tại tất cả các trạm, trong khi với mô 
hình mưa ERA-Interim thì chỉ số R2 chỉ đạt 
trung bình khoảng 0,31. 
3.2 Mưa một ngày lớn nhất 
Lượng mưa một ngày lớn nhất thường được 
sử dụng trong các bài toán tính toán dòng chảy 
lũ tại Việt Nam. Việc đánh giá sự phù hợp của 
lượng mưa một ngày lớn nhất giữa các nguồn 
dữ liệu mưa Aphrodite và ERA-Interim với 
lượng mưa thực đo có ý nghĩa lớn trong việc 
tính toán lũ cho các vùng ít hoặc không có các 
trạm đo mưa. 
Từ chuỗi số liệu mưa ngày thực đo và số 
liệu mô phỏng từ 2 nguồn, các chuỗi số liệu 
mưa một ngày lớn nhất được trích xuất để 
đánh giá và so sánh theo hai tiêu chí: lượng 
mưa một ngày lớn nhất trung bình ( ) và 
sự phù hợp (R2). 
* So sánh điểm với điểm 
Lượng mưa một ngày lớn nhất trung bình tại 
đa số các trạm theo Aphrodite cho kết quả nhỏ 
hơn so với mưa một ngày lớn nhất thực tế với 
mức trung bình là -63mm (khoảng 40%) ngoại 
trừ một số các trạm đo có lượng mưa một ngày 
lớn nhất trung bình ở mức thấp. Tương tự, 
lượng mưa mô phỏng từ mô hình ERA-Interim 
cũng cho kết quả thiên cao ở đa số các trạm có 
lượng mưa một ngày lớn nhất trung bình ở mức 
thấp, (đa số các điểm chấm ứng với lượng mưa 
thực đo có giá trị thấp nằm ở phía trên đường 
chéo), và cho kết quả thiên thấp ở các trạm đo 
có lượng mưa một ngày lớn nhất trung bình ở 
mức cao (thể hiện ở việc toàn bộ các điểm chấm 
ứng với lượng mưa thực đo cao nằm dưới 
đường chéo) (Hình 4). 
Về mức độ phù hợp, nhìn chung dữ liệu 
mưa Aphrodite cho kết quả mưa một ngày lớn 
nhất phù hợp với thực đo hơn so với mưa mô 
hình ERA-Interim khi hệ số R2 biến đổi từ -
0,27 đến 0,91 với bình quân đạt xấp xỉ 0,40, 
trong khi mưa của mô hình ERA-Interim cho 
hệ số R2 biến đổi từ -0,49 đến 0,66 với bình 
quân khoảng 0,08. 
* So sánh ô lưới với ô lưới 
Đối với lượng mưa Aphrodite, lượng mưa 
một ngày lớn nhất trung bình tại các ô lưới xem 
xét có xu thế thấp hơn so với thực tế từ 3 cho 
đến 172mm (trung bình là 48mm), tương ứng 
với phạm vi từ -5 đến -70% (trung bình là -
34%). Trong khi đó, đối với lượng mưa từ mô 
hình ERA-Interim, lượng mưa một ngày lớn 
nhất trung bình biến đổi từ -261mm cho đến 
+24,4mm (trung bình là -67,8mm), tương ứng 
với phạm vi thay đổi từ -77,7 cho đến +43,9% 
(trung bình là -43,8%). Mức độ phù hợp R2 giữa 
mưa thực đo và mưa Aphrodite cũng tốt hơn khi 
phạm vi biến đổi từ -0,22 cho đến 0,92 (trung 
bình là 0,51), trong khi mưa của mô hình ERA-
Interim cho R2 biến đổi từ -0,41 cho đến 0,66 
(trung bình là 0,13). 
 KHOA HỌC KỸ THUẬT THỦY LỢI VÀ MÔI TRƯỜNG - SỐ 64 (3/2019) 22
Hình 4. Quan hệ giữa lượng một ngày lớn nhất thực đo và các dữ liệu mưa Aphrodite (trái) 
và mô hình ERA-Interim (phải) tại từng điểm/ô lưới theo cách đánh giá điểm với điểm (trên) 
 và ô lưới với ô lưới (dưới) 
Hình 4 mô tả quan hệ giữa lượng mưa một 
ngày lớn nhất thực đo với các dữ liệu mưa 
Aphrodite và ERA-Interim được so sánh theo hai 
cách là điểm với điểm và ô lưới với ô lưới. Sự 
khác biệt giữa hai cách đánh giá là do việc coi 
lượng mưa điểm trùng với lượng mưa ô lưới 
(theo cách đánh giá điểm với điểm) hoặc do việc 
tính lượng mưa trung bình ô lưới từ các điểm 
thực đo. Nhìn chung, lượng mưa một ngày lớn 
nhất được đánh giá theo bình quân ô lưới từ các 
nguồn dữ liệu Aphrodite và ERA-Interim cho kết 
quả cao hơn với cách đánh giá giữa điểm với 
điểm thể hiện qua hệ số R2 tốt hơn. Có thể lý giải 
điều này là do việc tính toán từ chi tiết ở độ phân 
giải nhỏ (điểm) lên độ phân giải thô hơn (ô lưới) 
sẽ làm trung bình hoá sai số giữa các từng điểm 
trong ô lưới với thực đo, dẫn đến có độ sai khác 
nhỏ hơn so với việc từ ô lưới có độ phân giải thô, 
gán các giá trị điểm trong ô lưới có giá trị bằng 
nhau và bằng trung bình của ô lưới. 
3.3 Các chỉ tiêu khác 
Bảng 1 trình bày tổng kết về chỉ số POD và 
FAR đánh giá cho dữ liệu mưa Aphrodite và 
ERA-Interim trung bình cho giai đoạn 1980 – 
2005 ở tất cả 352 trạm đo mưa. 
Từ kết quả Bảng 1, có thể thấy chỉ số POD 
trung bình rất cao xấp xỉ 1 thể hiện khả năng mô 
phỏng khả năng xuất hiện mưa trên thực tế rất 
tốt. Hệ số FAR trong trường hợp so sánh điểm 
với điểm cũng cho kết quả lớn (gần 0,60) chứng 
tỏ có khá nhiều ngày trên thực tế không có mưa 
nhưng trong mô phỏng lại thể hiện có mưa, hay 
nói cách khác là số ngày mưa theo các dữ liệu 
mưa xem xét trong nghiên cứu này lớn hơn rất 
KHOA HỌC KỸ THUẬT THỦY LỢI VÀ MÔI TRƯỜNG - SỐ 64 (3/2019) 23 
nhiều so với số ngày mưa trên thực tế tại từng 
điểm. Tuy nhiên, khi sử dụng phương pháp 
đánh giá so sánh ô lưới với ô lưới, chỉ số FAR 
đã giảm đi rất nhiều chỉ còn khoảng 0,20-0,30. 
Chỉ số FAR giảm đi là do khi đánh giá trung 
bình trên phạm vi của ô lưới, tần suất xuất hiện 
mưa sẽ gia tăng, làm giảm số ngày sai khi thực 
tế không có mưa nhưng lại mô phỏng có mưa. 
Bảng 1. Chỉ số POD và FAR của hai bộ dữ liệu mưa trung bình 352 trạm ở Việt Nam 
So sánh Chỉ số Trung bình Độ lệch chuẩn Lớn nhất Nhỏ nhất 
POD Aphrodite 0,98 0,02 1,00 0,82 
FAR Aphrodite 0,57 0,11 0,85 0,28 
POD ERA-Interim 0,96 0,03 0,99 0,69 
Điểm với 
điểm 
FAR ERA-Interim 0,58 0,11 0,85 0,24 
POD Aphrodite 0,97 0,02 1,00 0,90 
FAR Aphrodite 0,32 0,09 0,74 0,16 
POD ERA-Interim 0,91 0,04 0,98 0,78 
Ô lưới với ô 
lưới 
FAR ERA-Interim 0,21 0,09 0,57 0,04 
4. KẾT LUẬN 
Mục tiêu chính của bài báo là xem xét đánh 
giá chất lượng dữ liệu mưa dạng lưới từ hai 
nguồn thông dụng là Aphrodite và ERA-Interim 
cho phạm vi toàn bộ Việt Nam. Đối tượng xem 
xét chính là lượng mưa năm và sự thay đổi của 
nó theo thời gian, cùng với lượng mưa một ngày 
lớn nhất. Nghiên cứu đã sử dụng số liệu đo mưa 
từ 352 trạm đo để đánh giá trong giai đoạn 1980 
– 2005. Việc so sánh và đánh giá được thực hiện 
trên 2 cách là so sánh giữa điểm với điểm và ô 
lưới với ô lưới. 
Kết quả đánh giá bước đầu cho thấy, nhìn 
chung cả lượng mưa Aphrodite và ERA-
Interim thường thiên thấp so với thực tế. Dữ 
liệu mưa Aphrodite thể hiện sự phù hợp về 
biến đổi theo thời gian với mưa thực đo khi 
cho hệ số R2 của lượng mưa năm khá cao (xấp 
xỉ 0,60), trong khi dữ liệu mưa ERA-Interim 
cho sự phù hợp thấp hơn khi chỉ số R2 chỉ đạt 
khoảng 0,20 – 0,30. Kết quả sai khác giữa 
mưa thực đo với các dữ liệu mưa này cũng 
cho thấy không liên quan đến yếu tố độ cao 
địa hình. Đối với lượng mưa một ngày lớn 
nhất, nhìn chung lượng mưa Aphrodite cho 
kết quả thấp hơn so với thực tế khoảng 40%, 
trong khi lượng mưa của ERA-Interim cho kết 
quả cao hơn đối với những vùng mưa nhỏ và 
thấp hơn nhiều đối với những vùng mưa lớn. 
Các dữ liệu xem xét trong nghiên cứu cũng 
cho thấy khả năng mô phỏng tốt khả năng xuất 
hiện mưa khi chỉ số POD rất cao trong khi chỉ 
số FAR là chấp nhận được (đối với đánh giá ô 
lưới với ô lưới). 
Nhìn chung, dựa trên các chỉ tiêu đánh giá 
đối với lượng mưa năm, mức độ phù hợp mưa 
năm và lượng mưa một ngày lớn nhất, dữ liệu 
mưa Aphrodite phù hợp với thực tế hơn nhiều 
so với mưa ERA-Interim. Lý do chính là bản 
thân dữ liệu mưa Aphrodite được xây dựng chủ 
yếu dựa trên nền tảng các số liệu quan trắc của 
các mạng lưới trạm trong vùng kết hợp với các 
nguồn dữ liệu khác để nội suy, hiệu chỉnh, bổ 
sung, trong khi đó, lượng mưa tái tạo ERA-
Interim chủ yếu dựa trên mô hình khí hậu. Tuy 
nhiên, số liệu mưa Aphrodite cho khu vực Việt 
Nam hiện nay chỉ có đến năm 2007 trong khi số 
liệu mưa ERA-Interim được cập nhật liên tục 
gần với thời gian thực. Do vậy, việc nghiên cứu 
khai thác mưa ERA-Interim trong tương lai là 
vẫn cần thiết. 
Để có cái nhìn chi tiết hơn, cần thiết phải có 
các nghiên cứu khai thác các nguồn dữ liệu này 
cho các khu vực và lưu vực nhỏ kết hợp sử dụng 
các mô hình thuỷ văn mưa dòng chảy nhằm 
đánh giá chính xác hơn khả năng khai thác sử 
dụng các nguồn mưa lưới này phục vụ thực tế, 
nhất là tại các khu vực không có trạm đo mưa. 
 KHOA HỌC KỸ THUẬT THỦY LỢI VÀ MÔI TRƯỜNG - SỐ 64 (3/2019) 24
TÀI LIỆU THAM KHẢO 
Bộ Tài nguyên và Môi trường (2016). Kịch bản Biến đổi khí hậu và nước biển dâng cho Việt Nam. 
Bùi Thị Khánh Hòa, Ngô Đức Thành, Phan Văn Tân, (2010). Nghiên cứu đánh giá các nguồn số 
liệu khác nhau phục vụ cho bài toán định lượng mưa sử dụng số liệu ra đa tại Việt Nam. Tạp chí 
Khí tượng Thủy văn, 584, 31-41. 
Trần Anh Đức, Phan Văn Tân, Ngô Đức Thành, (2010). Xây dựng bộ số liệu mưa ngày VnGP_1deg 
trên lưới 1˚×1˚ kinh vĩ cho Việt Nam. Tạp chí Khí tượng Thủy văn, số 590, 42-48. 
Dee D. P., và nnk.(2011). The ERA-Interim Reanalysis: Configuration and Performance of the Data 
Assimilation System. Quarterly Journal of the Royal Meteorological Society, Vol. 137, No. 656, 
2011, pp. 553-597. doi:10.1002/qj.828. 
Shepard, D. (1968) A Two-Dimensional Interpolation Function for Irregularly-Spaced Data. 
Proceedings of the 1968 ACM National Conference, New York, 27-29 August 1968, 517-524. 
Willmott, C. J., C. M. Rowe, and W. D. Philpot, (1985). Smallscale climate maps: a sensitivity 
analysis of some common assumptions associated with grid-point interpolation and contouring. 
The American Cartographer, 12, 5-16. 
Yatagai, A., K. Kamiguchi, O. Arakawa, A. Hamada, N. Yasutomi and A. Kitoh (2012). 
APHRODITE: Constructing a Long-term Daily Gridded Precipitation Dataset for Asia based on 
a Dense Network of Rain Gauges, Bulletin of American Meteorological Society, 
doi:10.1175/BAMS-D-1. 
Abstract: 
EVALUATION OF GRIDDED PRECIPITATION DATASETS AND THEIR 
APPLICATION CAPACITIES IN VIETNAM 
Spatial rainfall distribution information plays important role in water resources simulation and 
management problems. Due to the low density of rain gauge network, the use of gridded 
precipitation datasets could improve the simulation of spatial precipitation distribution. This study 
evaluates two popular gridded precipitation datasets - Aphrodite and ERA-Interim for Vietnam in 
comparison with observed data of 352 rain gauge stations. The results show that, annual 
precipitation of two gridded precipitation datasets are lower than the observation (-1mm/day). The 
correlation coefficient of annual precipitation between two datasets and observation are 63% 
(Aphrodite) and 30% (ERA-Interim) on average. The annual maximum of daily precipitation of two 
datasets are smaller than the observation about 30-40%. 
Keywords: Aphrodite, ERA-Interim, reanalysis precipitation, gridded precipitation 
Ngày nhận bài: 11/12/2018 
Ngày chấp nhận đăng: 17/01/2019