Đánh giá hiện trạng và khả năng khai thác số liệu mưa phục vụ dự báo lũ, áp dụng thử nghiệm cho lưu vực sông Chu

98 TẠP CHÍ KHOA HỌC BIẾN ĐỔI KHÍ HẬU
Số 2 - Tháng 6/2017
ĐÁNH GIÁ HIỆN TRẠNG VÀ KHẢ NĂNG KHAI THÁC SỐ LIỆU MƯA PHỤC VỤ 
DỰ BÁO LŨ, ÁP DỤNG THỬ NGHIỆM CHO LƯU VỰC SÔNG CHU
Đặng Đình Đức, Trần Ngọc Anh, Nguyễn Kim Ngọc Anh, Trần Thị Bảo Ngọc
Trường Đại học Khoa học Tự nhiên, Đại học Quốc gia Hà Nội
Ngày nhận bài 17/5/2017; ngày chuyển phản biện 19/5/2017; ngày chấp nhận đăng 14/6/2017
Tóm tắt: Phòng chống lũ là các biện pháp được lựa chọn nhằm hạn chế mức độ tác động hoặc những 
thiệt hại do lũ gây ra. Trong đó, quan trọng nhất vẫn là vấn đề cảnh báo, dự báo sớm để xác định được các 
phương án phòng tránh nhằm giảm thiểu tối đa tổn thất. Kéo dài được thời gian cảnh báo/dự báo lũ trên 
các lưu vực sông luôn là một vấn đề quan trọng và có ý nghĩa thực tiễn cao. Chất lượng dự báo lũ hiện nay 
phụ thuộc lớn vào chất lượng dự báo mưa và hiện trạng mạng lưới quan trắc khí tượng, thủy văn trên lưu 
vực. Vấn đề nâng cao độ chính xác của dự báo mưa là một bài toán cơ bản của ngành Khí tượng thu hút 
được rất nhiều nhà nghiên cứu trong và ngoài nước, trong nghiên cứu sẽ không đi sâu phân tích vấn đề này. 
Nghiên cứu sẽ tập trung đánh giá hiện trạng và khả năng khai thác các nguồn số liệu mưa phục vụ công tác 
dự báo lũ tại Việt Nam cũng như áp dụng thử nghiệm dự báo cho lưu vực sông Chu (Thanh Hóa). 
Từ khóa: Dự báo lũ, mưa, dòng chảy.
1. Đặt vấn đề
Các phương pháp dự báo lũ truyền thống như: 
Phương pháp lưu lượng, mực nước tương ứng 
[7], phương pháp mô hình hóa (sử dụng mô hình 
tương quan, mô hình thông số tập trung, thông số 
phân bố) [2-5] đã mang lại hiệu quả tích cực. Tuy 
nhiên, thực tế vẫn tồn tại những khó khăn, thách 
thức cho công tác dự báo lũ khiến thời gian dự kiến 
ngắn: Thiếu số liệu đầu vào (đặc biệt số liệu mưa 
thực đo, điện báo, mưa thời gian thực từ các nguồn 
vệ tinh và mưa dự báo từ các mô hình số trị), sự 
ảnh hưởng của các công trình trên sông: Hồ, đập, 
ngoài ra còn có một số vấn đề khác như thiếu tài 
liệu cập nhật về các số liệu: Địa hình (mặt cắt sông, 
địa hình khu vực ngập lụt), thảm phủ, loại đất, việc 
sử dụng công cụ tính toán chưa hợp lý hoặc sự 
hạn chế về thiết bị,... Nghiên cứu này sẽ tập trung 
đánh giá về khả năng khai thác một số nguồn số 
liệu mưa phục vụ dự báo lũ. Hiện nay, trong dự báo 
lũ đang sử dụng đồng thời các nguồn số liệu mưa, 
có thể tạm phân thành 4 nhóm: (1) Nguồn số liệu 
đo đạc từ mạng lưới trạm truyền thống, (2) Nguồn 
số liệu mưa ra-đa, (3) Nguồn số liệu mưa vệ tinh 
và (4) Nguồn số liệu mưa dự báo từ mô hình số trị. 
Nghiên cứu sẽ phân tích, đánh giá về hiện trạng các 
nguồn số liệu mưa này, đồng thời cũng chỉ ra khả 
năng khai thác phục vụ dự báo lũ thông qua việc áp 
dụng thử nghiệm mô phỏng dòng chảy lũ cho lưu 
vực sông Chu tại trạm thủy văn Cửa Đạt.
2. Hiện trạng và khả năng khai thác các nguồn 
số liệu mưa phục vụ dự báo lũ
2.1. Nguồn số liệu đo đạc truyền thống
Dữ liệu lượng mưa được thu thập từ ba nguồn: 
Các trạm khí tượng, trạm thủy văn và trạm đo mưa. 
Tính đến tháng 3/2015, Trung tâm Khí tượng thủy 
văn Quốc gia (NHMS) vận hành tất cả 189 trạm khí 
tượng, 232 trạm thủy văn và 756 trạm đo mưa 
(trong đó có 389 trạm đo thủ công và 367 trạm 
đo tự động) [1]. Diện tích tự nhiên trên một trạm 
khí tượng là 1.730 km2/trạm, nếu tính tổng cộng 
các trạm có số liệu đo mưa là 278 km2/trạm (Bảng 
1). Đối chiếu với kiến nghị của WMO thì đạt tiêu 
chuẩn. Nhìn chung, nếu chỉ xét về mật độ trạm theo 
phương ngang thì mạng lưới trạm khí tượng của 
NHMS khá là đạt yêu cầu. Tuy nhiên xét về sự phân 
bố trạm theo địa hình có thể thấy khoảng 48% diện 
tích đất của Việt Nam có cao độ dưới +200 m, trong 
khi đó 75% số trạm nằm ở khu vực này (Hình 1) 
[1]. Mặt khác, do tính chất phi địa đới, lượng mưa 
thường tập trung ở nơi có địa hình cao, trong khi 
đó, mạng lưới quan trắc mưa truyền thống chưa 
thể bổ cập được các khu vực này, điều đó dẫn tới 
sự chưa đáp ứng được của các trạm mưa truyền 
thống trong công tác dự báo hiện nay.
TẠP CHÍ KHOA HỌC BIẾN ĐỔI KHÍ HẬU
Số 2 - Tháng 6/2017
99
2.2. Nguồn số liệu mưa ra-đa
Ra-đa thời tiết mặt đất ước lượng lượng 
mưa có nhiều lợi thế về độ phân giải không gian 
và thời gian của dữ liệu phản hồi ra-đa. Hiện tại 
có 7 trạm ra-đa đang được vận hành tại Việt 
Nam, được lắp đặt tại Phủ Liễn, Việt Trì, Vinh 
(từ năm 1990), Đông Hà (2010), Tam Kỳ (2009), 
Nhà Bè (2004), Nha Trang (2000),... Các ra-đa này 
có băng thông C với bán kính quan trắc khoảng 
200 km [1]. Về độ phủ không gian của các ra-đa 
thì miền Bắc và Bắc Trung Bộ có độ phủ tốt hơn 
khu vực Nam Trung Bộ và Nam Bộ, tuy nhiên vẫn 
tồn tại một số khu vực không phủ được như các 
khu vực dọc miền núi biên giới phía Bắc và phía 
Tây. Khu vực phía Nam, ra-đa tại Nha Trang bị 
che khuất, do đó cản trở việc giám sát về phía 
Bắc và Tây của ra-đa (khu vực Tây Nguyên), khu 
vực phía Nam của Nam Bộ cũng tồn tại nhiều 
khoảng trống về độ phủ [1]. Tuy nhiên, tồn tại 
lớn nhất của hệ thống này nằm ở sự không 
tương thích giữa các ra-đa, trong việc trích xuất 
số liệu. Trong 7 ra-đa đang hoạt động thì 3 ra-đa 
(tại Việt Trì, Phủ Liễn, Vinh) thuộc loại ra-đa thời 
tiết số hóa thông thường (TRS-2730) của Pháp, 
các dòng ra-đa này đã cũ, 4 trạm ra-đa còn lại là 
DWSR-2501 của Mỹ, các tín hiệu thu nhận không 
đồng đều dẫn đến việc xử lý đồng bộ số liệu từ 
các trạm ra-đa đang tồn tại nhiều hạn chế cả về 
phương tiện thiết bị cũng như đội ngũ kỹ thuật 
vận hành, chính vì vậy việc sử dụng tài liệu mưa 
ra-đa cho dự báo còn nhiều hạn chế. Vấn đề này 
Bảng 1. Hiện trạng các trạm đo mưa tại Việt Nam
TT Khu vực Số trạm 
khí 
tượng
Diện tích đất tự 
nhiên trên 1 trạm 
đo (km2)
Tổng số trạm 
có đo mưa*
Diện tích đất 
tự nhiên trên 1 
trạm đo (km2)
1 Đồng bằng sông Hồng 14 794 112 99
2 Đông Bắc 25 1.033 149 173
3 Tây Bắc 22 1.698 111 337
4 Việt Bắc 27 1.494 121 333
5 Bắc Trung Bộ 21 1.597 131 256
6 Trung Trung Bộ 18 2.020 107 321
7 Nam Trung Bộ 14 1.940 90 302
8 Tây Nguyên 18 3.033 137 399
9 Nam Bộ 30 2.091 219 286
Tổng 189 1.730 1.177 278
*Gồm các trạm khí tượng, thủy văn và đo mưa
Hình 1. Biểu đồ biểu diễn quan hệ giữa tỉ lệ phần trăm tích lũy của các trạm
và diện tích đất phân bố theo các độ trên toàn quốc [6]
100 TẠP CHÍ KHOA HỌC BIẾN ĐỔI KHÍ HẬU
Số 2 - Tháng 6/2017
cần được sớm khắc phục để nâng cao tính hiệu 
quả của các trạm ra-đa trong việc dự báo mưa.
2.3. Nguồn số liệu mưa vệ tinh
Hiện nay trên thế giới có khá nhiều vệ tinh 
cung cấp số liệu mưa ước tính thời gian thực 
như các vệ tinh địa tĩnh: MTSAT, TRMM, vệ tinh 
Phong Vân,... các vệ tinh quỹ đạo cực: FY-1D 
của chuỗi vệ tinh NOAA (NOAA-14, NOAA-15, 
NOAA-19),... [8-10]. Một số nguồn khai thác 
tài liệu mưa vệ tinh có thể kể đến như: Số liệu 
ước lượng mưa thu thập từ vệ tinh cho vùng 
nhiệt đới Tropical Rainfall Mesurement Mission 
(TRMM - Chương trình đo mưa nhiệt đới) được 
cung cấp bởi Cơ quan vũ trụ Mỹ (NASA) và Cơ 
quan thám hiểm không gian Nhật Bản (JAXA), số 
liệu có từ tháng 12/1997, cho ước lượng mưa 
3 giờ, với độ phân giải 0,25o và thời gian trễ sau 
khoảng 10 giờ; số liệu GSMaP (Global Satellite 
Mapping of Precipitation - Bản đồ hóa giáng 
thủy vệ tinh toàn cầu) được phát triển bởi Cơ 
quan khoa học và công nghệ Nhật Bản (JST) 
và JAXA. Các số liệu lượng mưa cung cấp vào 
các mốc thời gian 00, 06, 12, 18 giờ quốc tế, 
với độ phân giải 0,1o, thời gian trễ 4 giờ. Số 
liệu QMORPH, CMORPH, là các số liệu mưa 
ước tính dựa trên nhiều vệ tinh quỹ đạo thấp 
như DMSP 13,14, 15, NOAA 15,16,17&18, AM-
SR-E và TMI, sử dụng các thuật toán của Ferraro 
(1997), Ferraro và cộng sự (2000), Kummerow 
và cộng sự (2001). Số liệu mưa này cho ước 
lượng mưa 30 phút một số liệu với độ phân giải 
0,25o và 8 km, với độ trễ số liệu 2,5 giờ [8]. 
Số liệu này có ưu điểm nổi trội về tính liên 
tục theo không gian và thời gian. Nhiều nghiên 
cứu đã sử dụng số liệu này để dự báo lũ. Các 
nghiên cứu này đều có điểm chung là sử dụng 
số liệu mưa từ vệ tinh quá khứ so sánh với số 
liệu mưa thực đo tại trạm khí tượng trong vùng 
sau đó hoặc sử dụng trực tiếp hoặc xây dựng 
hàm tương quan rồi đưa vào mô hình thủy văn 
(thông số phân bố hoặc tập trung) để nhận 
được giá trị lưu lượng tại điểm cần dự báo [2-
5]. Phương pháp này áp dụng tốt đối với các 
khu vực có mạng lưới trạm khí tượng/đo mưa 
đủ dày. Đối với các khu vực không có trạm đo, 
việc xác định quan hệ tương quan theo phương 
pháp này sẽ không thực hiện được. Bản chất dự 
báo lượng mưa đối với mỗi loại vệ tinh là khác 
nhau, sai số cũng khác nhau, việc tìm ra quan hệ 
giữa mưa dự báo và mưa thực đo tại trạm trong 
một số trường hợp là không khả thi. Đối với khu 
vực thiếu số liệu, ta cần coi lượng mưa vệ tinh là 
một giá trị biến số đầu vào, sử dụng biến số này 
làm đầu vào cho mô hình thủy văn, điều chỉnh 
thông số mô hình sao cho các kết quả lưu lượng 
của mô hình phù hợp với thực đo tại trạm khống 
chế, bộ thông số thu được sẽ sử dụng cho việc 
dự báo.
2.4. Nguồn số liệu mưa số trị
Với sự phát triển về tốc độ tính toán của các 
thế hệ máy tính hiện đại cùng với sự chia sẻ 
rộng rãi của nguồn số liệu toàn cầu, mô hình dự 
báo thời tiết số trị đã và đang được nghiên cứu 
và ứng dụng rộng rãi trong thực tiễn trên thế 
giới và Việt Nam, một số mô hình đang được sử 
dụng trong nghiên cứu và dự báo nghiệp vụ có 
thể kể đến: Mô hình NWP (Numerical Weather 
Prediction) của NOAA, mô hình WRF (Weather 
Research and Forecasting), MM5 (Mesoscale 
Model Version 5) [6]. Hiện nay Trung tâm Dự 
báo KTTV TƯ đang sử dụng đồng thời 4 mô hình 
dự báo mưa số trị: HRM, BOLAM, ETA và GEM 
với số liệu đầu vào là kết quả của mô hình phổ 
toàn cầu GFS chạy dự báo mưa 120 giờ (5 ngày). 
Từ đầu năm 2012, Trung tâm dự báo KTTV TƯ 
đã được đầu tư và đưa vào khai thác các sản 
phẩm dự báo khí tượng dạng số của Trung tâm 
Dự báo thời tiết hạn vừa châu Âu (ECMWF) để 
phục vụ công tác dự báo. 
Các sản phẩm mưa dự báo mưa số trị được 
hiển thị dưới dạng bản đồ giúp dự báo viên 
tham khảo khi ra các bản tin thời tiết hàng ngày 
và đồng thời được dùng làm đầu vào cho một 
số phương pháp, mô hình tính toán dự báo khí 
tượng và thủy văn. Số liệu mưa từ các mô hình số 
trị có ưu điểm là phạm vi bao phủ rộng về không 
gian, cung cấp đầu vào phù hợp và tăng độ chính 
xác cho các mô phỏng quá trình hình thành dòng 
chảy trên các lưu vực. Ngày nay, độ phân giải theo 
không gian của các mô hình số trị có thể đạt đến 
15 km x 15 km, thậm chí 5 km x 5 km trong một 
số nghiên cứu cụ thể. Với độ phân giải này nếu 
bộ số liệu có độ chính xác cao hoàn toàn đáp 
ứng được các yêu cầu ứng dụng cho các phân 
TẠP CHÍ KHOA HỌC BIẾN ĐỔI KHÍ HẬU
Số 2 - Tháng 6/2017
101
tích và dự báo thủy văn.
Gần đây, một bộ số liệu mưa số trị với độ 
phân giải 0,25o đã được đồng hóa với số liệu 
thực đo tại trạm thuộc dự án APHRODITE [12], 
đây là dự án của Nhật, xây dựng lượng mưa 
ngày giai đoạn 1961-2007 cho toàn bộ khu vực 
gió mùa châu Á, với độ phân giải 0,25o, trong đó 
sử dụng khoảng 6.000 trạm quan trắc toàn cầu 
[12]. Năm 2016, một bộ số liệu mưa tương tự 
với độ phân giải 0,1o đã được xây dựng cho toàn 
bộ Việt Nam (VnGP). Bộ số liệu này xây dựng 
dựa trên việc sử dụng 614 trạm quan trắc cho 
giai đoạn 1980-2010 [11]. Đây là những nguồn 
số liệu tốt có thể sử dụng cho việc mô phỏng lũ 
giai đoạn này nhằm tìm ra được bộ thông số mô 
hình tốt, đáp ứng công tác dự báo. 
3. Áp dụng thử nghiệm mô phỏng dòng chảy lũ 
lưu vực sông Chu
3.1. Giới thiệu khu vực nghiên cứu
Sông Chu là nhánh lớn nhất trong hệ thống 
sông Mã, bắt nguồn từ Sầm Nưa ở độ cao khoảng 
1.100 m, chảy qua các huyện Thường Xuân, Thọ 
Xuân, Thiệu Hóa rồi nhập vào sông Mã ở ngã ba 
Giàng, cách biển 26 km. Sông dài 325 km, trong 
đó phần trên lãnh thổ Việt Nam là 145 km. Diện 
tích lưu vực là 7.587 km2, diện tích lưu vực 
tính đến trạm thủy văn cửa Đạt là 6.170 km2, 
phần lớn diện tích sông Chu nằm trên lãnh thổ 
Lào, do đó việc tiếp cận số liệu đo đạc về mưa 
tương đối khó khăn. Do đó, nghiên cứu này lựa 
chọn sông Chu làm thử nghiệm về khả năng sử 
dùng các nguồn số liệu mưa đã đề cập.
3.2. Số liệu phục vụ tính toán
Nghiên cứu sử dụng thử nghiệm 4 bộ số liệu 
mô phỏng dòng chảy lũ đến trạm thủy văn Cửa 
Đạt trận lũ từ năm 2001-2005 (trước khi chặn 
dòng tại Cửa Đạt và bắt đầu có số liệu TRMM.V7):
- Trường hợp 1: Sử dụng số liệu mưa VnGP 
(cho phần diện tích thuộc Việt Nam) kết hợp 
APHRODITE (cho phần diện tích nằm ngoài Việt 
Nam);
- Trường hợp 2: Sử dụng số liệu mưa vệ tinh 
TRMM.V7;
- Trường hợp 3: Sử dụng số liệu mưa số trị 
(ECMWF).
3.3. Phương pháp thực hiện và kết quả tính 
toán
Nghiên cứu sử dụng mô hình mưa dòng 
chảy NAM, một mô hình mưa dòng chảy tương 
đối quen thuộc, đã được kiểm chứng trong 
nhiều nghiên cứu [3] để mô phỏng dòng chảy 
lũ lưu vực sông Chu đến trạm Cửa Đạt các trận 
lũ từ năm 2001-2005. Tổng số trận lũ được lựa 
chọn mô phỏng gồm 02 trận (có Q đỉnh lớn hơn 
2.000 m3/s): 10/8-17/8/2001, 12/9-23/9/2005. 
Kết quả hiệu chỉnh và kiểm định mô hình trong 
3 trường hợp lần lượt được trình bày trong các 
Hình 3, Hình 4 và Bảng 2.
Hình 2. Sơ đồ lưu vực sông Chu
102 TẠP CHÍ KHOA HỌC BIẾN ĐỔI KHÍ HẬU
Số 2 - Tháng 6/2017
Bảng 2. Kết quả tính toán thử nghiệm
TT Trường hợp Thời kỳ hiệu chỉnh (8/2001) Thời kỳ kiểm định (9/2005)
NASH SS đỉnh 
(m3/s)
Lệch đỉnh (h) NASH SS đỉnh 
(m3/s)
Lệch đỉnh 
(h)
1 Trường hợp 1 0,96 250 ±1h 0,80 48 ±1h
2 Trường hợp 2 0,90 520 0h 0,72 500 ±3h
3 Trường hợp 3 0,10 Không bắt được 
đỉnh lũ lớn
Không bắt được 
đỉnh lũ lớn
0,31 480 ±1h
Hình 3. Quá trình lũ tính toán và thực đo 
tại Cửa Đạt thời kỳ hiệu chỉnh
Hình 4. Quá trình lũ tính toán và thực đo
tại Cửa Đạt thời kỳ kiểm định
Lời cám ơn: Nghiên cứu này được tài trợ bởi Trường Đại học Khoa học Tự nhiên trong đề tài mã số 
TN.16.29
 4. Kết luận
Từ áp dụng thử nghiệm trên, một số kinh 
nghiệm cho việc sử dụng tài liệu mưa trong dự 
báo lũ được rút ra như sau: 
- Đối với các lưu vực lớn có khả năng khai thác 
số liệu quan trắc, thời gian chảy truyền và thời 
gian tập trung nước trong sông lớn hơn nhiều 
so với thời gian dự kiến, thì các tài liệu về quan 
trắc mưa, dòng chảy ở các trạm thượng nguồn là 
quan trọng. Trong trường hợp này, dự báo viên 
chỉ cần sử dụng hoặc/và số liệu mưa kết hợp số 
liệu dòng chảy sẵn có trên lưu vực để dự báo 
cho vị trí cần dự báo. Đối với lưu vực nhỏ hoặc 
dốc, thời gian chảy truyền lớn và tập trung nước 
nhỏ hơn thời gian dự kiến hoặc các lưu vực lớn 
không có hoặc thiếu số liệu quan trắc, trong đó 
thời gian dự kiến nhỏ hơn thời gian chảy truyền 
và tập trung nước thì tài liệu mưa dựa báo hoặc 
ước lượng mưa từ xa là rất cần thiết. 
- Số liệu VnGP kết hợp APHRODITE là một 
nguồn số liệu mưa gần quan trắc, cho phép 
mô tả tốt về lượng và phân bố theo không gian 
trong các trận mưa, khuyến nghị sử dụng trong 
các nghiên cứu khác. Số liệu mưa từ ECMWF có 
giá trị thiên lớn (trong điều kiện tại sông Chu) do 
đó các kết quả tính toán không tốt, khuyến nghị 
kiểm tra trước khi sử dụng tại các khu vực khác. 
Các nguồn dự báo mưa từ mô hình số trị khác 
cũng cần được phân tích, đánh giá thêm. Số liệu 
mưa vệ tinh TRMM là một nguồn tương đối tốt, 
đặc biệt số liệu này có thể được khai thác sử 
dụng cho dự báo do tính cập nhật liên tục. 
m3/s m3/s
TẠP CHÍ KHOA HỌC BIẾN ĐỔI KHÍ HẬU
Số 2 - Tháng 6/2017
103
Tài liệu tham khảo
1. Arnejan van Loenen & nnk (2015), Báo cáo Hiện trạng xử lý dữ liệu và các đề xuất cải tiến. Báo cáo 
thuộc dự án tích hợp hệ thống và hỗ trợ kỹ thuật tăng cường hệ thống dự báo thời tiết và cảnh báo 
sớm ở Việt Nam (C2-DV1).
2. Nguyễn Lan Châu (2000), “Khả năng ứng dụng mô hình mưa rào dòng chảy trong dự báo hạn vừa 
quá trình lũ các sông chính ở Bắc Bộ”, Tuyển tập các báo cáo tại hội nghị “Khoa học, công nghệ dự 
báo và phục vụ dự báo khí tượng thủy văn , tập 2, Dự báo thủy văn, Hà Nội.
3. Đặng Đình Đức, Đặng Đình Khá, Trần Ngọc Anh, Nguyễn Thanh Sơn, Nguyễn Phương Nhung (2012), 
“Khôi phục số liệu dòng chảy tỉnh Khánh Hòa bằng mô hình NAM”, Tạp chí Khoa học - Đại học Quốc 
gia Hà Nội, Khoa học Tự nhiên và Công nghệ, tập 28, số 3S, tr.16-22;
4. Nguyễn Tiền Giang, Nguyễn Thị Thủy (2009), “Khai thác mô hình WetSpa phục vụ dự báo lũ các lưu 
vực sông quốc tế: Tính bất định số liệu, tham số, cấu trúc mô hình và đề xuất các giải pháp”, Tạp chí 
Khoa học - Đại học Quốc gia Hà Nội, Khoa học Tự nhiên và Công nghệ 25, số 1S (2009), tr.35-45.
5. Nguyễn Thanh Sơn, Nguyễn Quốc Anh (2015), “Khai thác sử dụng số liệu mưa vệ tinh trong dự báo 
lũ lưu vực sông Mê Kông (từ Chiang Saen đến Strung Streng)”, Tạp chí Khoa học: Khoa học Tự nhiên 
và Công nghệ, tập 31, số 3S, tr.222-230. 
6. Đặng Ngọc Tĩnh (2012), “Nghiên cứu ứng dụng số liệu mưa vệ tinh mưa dự báo số trị kết hợp số 
liệu bề mặt trong dự báo lũ hệ thống sông Hồng - Thái Bình”, Báo cáo kết quả Đề tài Nghiên cứu 
Khoa học và Phát triển công nghệ, Bộ Tài nguyên và Môi trường.
7. Nguyễn Văn Tuần, Đoàn Quyết Trung, Bùi Văn Đức (2001), Giáo trình Dự báo thủy văn, NXB Đại học 
Quốc gia Hà Nội.
8. Gijs Simon (2016), Integrating Global Satellite-Derived Data Products as a Pre-Analysis for 
Hydrological Modelling Studies: A Case Study for the Red River Basin, Remote Sens. 2016, 8, 279; 
doi:10.3390/rs8040279.
9. Kaushik Gopalan, Nai-Yu Wang, Status of the TRMM 2A12 Land Precipitation Algorithm, Journal of 
Atmospheric and Oceanic Technology, Volume 27 p.1343-1353. 
10. Timothy L., Wolvovsky, E., Begkhuntod, P. (2006), Satellite-Based Rainfall Estimation Technology 
Transfer Between The Mekong River Commission and The NOAA Climate Prediction Center, 
Proceeding, the 4th Annual Mekong Flood Forum, 18-19 May 2006, Siem Reap, Cambodia.
11. Thanh Nguyen-Xuan, Thanh Ngo-Duc, Hideyuki Kamimera, Long Trinh-Tuan, Jun Matsumoto, 
Tomoshige Inoue, Tan Phan-Van (2016), The Vietnam Gridded Precipitation (VnGP) Dataset: 
Construction and Validation, SOLA, 2016, Vol. 12, 291−296, doi:10.2151/sola.2016-057.
12. Yatagai, A. O. Arakawa, K. Kamiguchi, H. Kawamoto, M. I. Nodzu and A. Hamada (2009), A 44-year 
daily gridded precipitation dataset for Asia based on a dense network of rain gauges, SOLA, 5, 137-
140, doi:10.2151/sola.2009-035. 
104 TẠP CHÍ KHOA HỌC BIẾN ĐỔI KHÍ HẬU
Số 2 - Tháng 6/2017
ASESSMENT OF CURRENT STATUS & CAPACITY OF RAINFALL 
DATA EXPLOITATION FOR FLOOD FORECASTING, AN APPLIED PILOT
 STUDY IN CHU RIVER BASIN
Dang Dinh Duc, Tran Ngoc Anh, Nguyen Kim Ngoc Anh, Tran Thi Bao Ngoc
Ha Noi University of Sience, Viet Nam National University
Abstract: The most important matter of flood prevention is forecasting and early warning to identify 
optimal or best practical prevention solutions to minimize damages and losses. Therefore, the requirement 
of increasing the lead time of flood forecasting and early warning at river-basins is highly significant and 
practical. The present flood forecasting quality mostly depends on the quality of rainfall forecasts and 
hydro-met monitoring and observation networks in the basins. Improvement of the accuracy of rainfall 
forecasts is a fundamental problem of the hydro-met sector included in many international and national 
studies, which is also not expected to be repeated in this report. The study will be focused in an assessment 
of current status and capacity of rainfall data exploitation for professional flood forecasting in Viet Nam, in 
which a pilot application study will be carried out to provide forecast bulletins for Chu river in Thanh Hoa 
province.
Keywords: Forecast, rain, flow.