Xây dựng đường cong cường độ – thời đoạn – tần suất mưa hướng đến thiết lập bản đồ ngập lụt cho khu vực bán đảo Cà Mau

 Tạp chí Khí tượng Thủy văn 2021, 727, 33-43; doi:10.36335/VNJHM.2021(727).33-43  
Bài báo khoa học 
Xây dựng đường cong cường độ–thời đoạn–tần suất mưa hướng 
đến thiết lập bản đồ ngập lụt cho khu vực bán đảo Cà Mau 
Hồ Công Toàn1, Đặng Trường An1* 
1 Trường Đại học Khoa học Tự nhiên, ĐHQG–HCM; hocongtoanhdh@gmail.com; 
dtan@hcmus.edu.vn 
*Tác giả liên hệ: dtan@hcmus.edu.vn.com; Tel.: +84–909719878 
Ban Biên tập nhận bài: 08/4/2021; Ngày phản biện xong: 18/5/2021; Ngày đăng bài: 
25/7/2021 
Tóm tắt: Trong những năm gần đây, các hiện tượng mưa với cường độ lớn xuất hiện ngày 
càng thường xuyên tại khu vực bán đảo Cà Mau (BĐCM) gây ngập cục bộ và làm ảnh 
hưởng đến đời sống của người dân trong khu vực. Theo báo cáo của Bộ Tài Nguyên và Môi 
Trường, mưa tại khu vực BĐCM có xu hướng gia tăng về cường độ và chu kỳ lặp lại trong 
tương lai như hệ quả của biến đổi khí hậu (BĐKH). Mưa với cường độ lớn có xu hướng tăng 
sẽ góp phần làm tình trạng ngập lụt cục bộ tại các khu vực có địa hình thấp và hệ thống tiêu 
thoát nước kém trầm trọng hơn. Việc chủ động phòng tránh các ảnh hưởng bất lợi từ các sự 
kiện mưa gây ngập đối với đời sống người dân, phân tích chu kỳ lặp lại của một cơn mưa 
gây ngập lụt là rất cần thiết. Chính vì vậy, mục tiêu của nghiên cứu là: a) xác định chu kỳ lặp 
lại của một sự kiện mưa cực đoan cho khu vực BĐCM bằng phầm mềm CumFreq và b) 
hướng đến xây dựng bản đồ ngập lụt dựa trên dữ liệu được tính toán từ đường cong cường 
độ–thời đoạn–tần suất (IDF) mưa góp phần hỗ trợ chủ động phòng tránh nguy cơ gây ngập 
lụt do mưa cũng như góp phần thích ứng với BĐKH cho khu vực BĐCM. 
Từ khóa: Ngập lụt; Vùng trũng; Mưa cực đoan; Nước biển dâng; Bán đảo Cà Mau. 
1. Mở đầu 
Theo báo cáo của IPCC–Ủy Ban Liên Chính Phủ về BĐKH [1], BĐKH toàn cầu sẽ dẫn 
đến mực nước biển tại nhiều quốc gia trên thế giới có xu hương tăng. IPCC cũng đánh giá 
rằng, mưa tại nhiều khu vực trên thế giới đang có xu hướng tăng, thời đoạn và chu kỳ lặp lại 
của các sự kiện mưa cực đại cũng được nhận định đang gia tăng dưới tác động của BĐKH và 
điều này sẽ ảnh hưởng đáng kể đến đời sống kinh tế–xã hội toàn cầu [2–3]. So với các yếu tố 
khí hậu khác, mưa được đánh giá là yếu tố quan trọng có ảnh hưởng trực tiếp đến nhiều mặt 
của đời sống nhân loại [2, 4–5]. Dưới ảnh hưởng của BĐKH, chu kỳ lặp lại và cường độ của 
các sự kiện mưa lớn, mưa cực đoan hay mưa trong bão xảy ra ở Việt Nam được nhận định có 
xu hướng gia tăng và tiềm ẩn các rủi ro cho đời sống nhân dân, gây nhiều tổn thất về cơ sở hạ 
tầng và tính mạng con người, tác động xấu đến môi trường [2, 6–7]. 
Nhận thức được tầm quan trọng từ hậu quả do các sự kiện mưa lớn gây ra đối với nhiều 
mặt của đời sống nhân loại dưới ảnh hưởng của BĐKH trong những năm gần đây. Nhiều 
nghiên cứu về mưa to, mưa cực đoan gây ngập lụt cục bộ các khu đô thị, các thành phố lớn 
trên thế giới đang nhận được sự quan tâm từ các nhà khoa học. Ở Nigeria [8] đã tiến hành xây 
dựng đường cong IDF mưa cho khu vực Makurdi. Trong nghiên cứu này, nhóm thực hiện 
phân tích dữ liệu lượng mưa khu vực Makurdi Metropolis, Bang Benue, Nigeria từ 01/1982 
đến 12/1991 bằng ba hàm phân phối xác suất là Gumbel, Weibull và Gringorton. Kết quả 
Tạp chí Khí tượng Thủy văn 2021, 727, 33-43; doi:10.36335/VNJHM.2021(727).33-43 34 
phân tích cho thấy hàm phân phối xác suất Gumbel là lựa chọn phù hợp để xây dựng bộ thông 
số cho xây dựng đường cong IDF mưa cho khu vực nghiên cứu. Ở Pháp, năm 2016 [9] đã tiến 
hành nghiên cứu diễn biến theo thời gian của mức độ dễ bị tổn thương do lũ lụt của hai thành 
phố Besançon và Moissac. Cả hai sự kiện lũ đã xảy ra năm 1910 và 1930 được đánh giá là 
những sự những sự kiện nghiêm trọng nhất được ghi nhận ở Pháp trong thế kỷ 20. Các tác giả 
báo cáo rằng cường độ và mức độ nghiêm trọng của hai sự kiện mưa gây ngập lụt và những 
thiệt hại do chúng gây ra là vô cùng lớn. Các tác giả đã khẳng định việc phân tích các dữ liệu 
mưa lịch sử cho phép thành lập bản đồ cảnh báo các rủi do tiềm ẩn cho các khu vực dễ bị ảnh 
hưởng bởi lũ lụt. Năm 2014, [10] đã tiến hành nghiên cứu đánh giá ảnh hưởng của BĐKH đối 
với lượng mưa cực đoan cho khu vực Địa Trung Hải. Nhóm nghiên cứu đã sử dụng 114 chuỗi 
số liệu lượng mưa quy mô ngày giai đoạn 1951–1999 đại diện cho khí hậu giai đoạn hiện tại 
và 2000–2099 đại diện các kịch bản tương lai A1B, A2 và B2. Kết quả chỉ ra rằng, các yếu tố 
BĐKH trung bình được tính toán từ lượng mưa hàng ngày tăng với tất cả các chu kỳ lặp lại 
trong giai đoạn khí hậu hiện tại và cả các kịch bản khí hậu tương lai. Nghiên cứu cũng báo 
cáo rằng, những năm cuối thế kỷ 21 dưới kịch bản A1B, A2 và B2, cường độ mưa thu được 
được với khoảng thời gian phản hồi từ 10 đến 500 năm sẽ vượt đường cong IDF tại khu vực 
Barcelona từ 3% đến 14%. 
Trong những năm gần đây, quá trình công nghiệp hóa hiện đại hóa ngày càng phát triển 
nhanh ở một số đô thị lớn của Việt Nam, chính điều này cũng gây áp lực lên cơ sở hạ tầng (hệ 
thống ... ới Bình, Rạch Giá và Bạc Liêu được thu thập từ Tổng Cục Khí tượng Thủy văn và Phân 
Viện Khoa học Khí tượng Thủy văn và Biến đổi khí hậu (SIHYMECC) trong giai đoạn 
1984–2017. Qua phân tích sơ bộ cho thấy, lượng mưa trung bình năm tại các trạm thuộc khu 
vực BĐCM đạt từ 1885,4mm đến 2356,0mm và lượng mưa một ngày lớn nhất dao động 
trong khoảng từ 0 đến 224,6 mm (Bảng 1). 
Tạp chí Khí tượng Thủy văn 2021, 727, 33-43; doi:10.36335/VNJHM.2021(727).33-43 38 
Hình 2. Quy trình tiến hành xây dựng đường IDF mưa cho khu vực BĐCM. 
Bảng 1. Các thông tin và đặc trưng thống kê của 07 trạm đo mưa khu vực nghiên cứu. 
Trạm 
Tọa độ Mưa năm 
trung bình 
(mm) 
Mưa ngày 
trung bình 
(mm) 
Mưa ngày 
lớn nhất 
(mm) 
Giai đoạn Khoảng 
thời gian 
(năm) 
Vĩ độ Kinh độ Từ Đến 
Bạc Liêu 105,71 9,28 1949,7 39,1 203,7 1984 2017 34 
Gành Hào 105,42 9,03 1885,4 41,1 224,6 1984 2017 34 
Năm Căn 105,07 8,75 2339,3 48,2 246,4 1987 2017 31 
Thới Bình 105,09 9,35 2337,0 46,7 184,0 1984 2017 34 
Sông Đốc 104,83 9,04 2261,6 47,5 239,6 1984 2017 34 
Rạch Gía 105,07 10,00 2168,1 44,4 220,3 1984 2017 34 
3. Kết quả và thảo luận 
3.1. Đánh giá chất lượng chuỗi dữ liệu mưa 
Kết quả thẩm định chất lượng chuỗi dữ liệu mưa tại 06 trạm quan trắc thuộc khu vực 
nghiên cứu được trình bày ở Bảng 2. Qua kết quả thẩm định dựa trên phương pháp Pettitt và 
SNHT cho thấy, giá trị p thu được đối với các trạm Gành Hào, Thới Bình, Năm Căn, Bạc 
Liêu và Rạch Giá dao động trong khoảng 0,418–0,943 (Bảng 2). Trong khi, tại trạm Sông 
Đốc giá trị p tính được là 0,004 (đối với phương pháp Pettitt) và 0,049 (đối với phương pháp 
SNHT). Với mức ý nghĩa  ≤ 0,05, chuỗi dữ liệu mưa trạm Sông Đốc không đồng nhất 
(Hình 3), trong khi các trạm còn lại có tính đồng nhất bởi giá trị p lớn hơn mức ý nghĩa. Do 
đó, chuỗi dữ liệu mưa trạm Sông Đốc không được xem xét cho xây dựng đường cong IDF 
mưa tại trạm này. 
Tạp chí Khí tượng Thủy văn 2021, 727, 33-43; doi:10.36335/VNJHM.2021(727).33-43 39 
Bảng 2. Kết quả thẩm định chất lượng chuỗi dữ liệu mưa tại các trạm quan trắc mưa khu vực BĐCM. 
STT Trạm Giá trị p Kết quả thẩm định 
Pettitt SNHT Đạt Không đạt 
1 Gành Hào 0,699 0,630 X 
2 Năm Căn 0,418 0,447 X 
3 Thới Bình 0,943 0,732 X 
4 Bạc Liêu 0,745 0,855 X 
5 Rạch Giá 0,734 0,556 X 
6 Sông Đốc 0,004 0,049 X 
Hình 3. Thẩm định chất lượng chuỗi dữ liệu mưa tại các trạm thuộc khu vực BĐCM. 
3.2. Xây dựng đường cong IDF mưa 
Đường cong IDF mưa xây dựng cho 05 trạm đo mưa thuộc khu vực BĐCM được trình 
bày ở Hình 4. Kết quả tính toán cho thấy, với thời đoạn ngắn 0,25 giờ, cường độ mưa có thể 
dao động trong khoảng từ 33,9 mm/giờ đến 42,8mm/giờ đối với chu kỳ lặp lại 2 năm trong 
khi với chu kỳ lặp lại 100 năm, cường độ mưa tại các trạm thuộc khu vực nghiên cứu dao 
động trong khoảng từ 114,8 mm/giờ đến 215,2mm/giờ (Bảng 3). Tương tự với các thời đoạn 
mưa từ 0,5 đến 8 giờ, cường độ mưa tại các trạm dao động trong khoảng từ 21,4 mm/giờ đến 
135,7 mm/giờ và 3,4mm/giờ đến 21,4 mm/giờ. Nhìn chung, trên toàn khu vực nghiên cứu, 
cường độ mưa lớn nhất xảy ra ở chu kỳ lặp lại 100 năm tức là tần suất lặp lại 1% tại tất cả thời 
đoạn mưa khác nhau, dao động từ 8,7 mm/giờ (thời đoạn 12h, đối với trạm Thới Bình) đến 
215,2 mm/giờ (thời đoạn 15 phút, đối với trạm Năm Căn); với trạm Bạc Liêu, Rạch Giá và 
Gành Hào cường độ mưa 15 phút lần lượt ghi nhận được 178,2 mm/giờ, 192,4 mm/giờ và 
196,3 mm/giờ (Bảng 3). 
Tạp chí Khí tượng Thủy văn 2021, 727, 33-43; doi:10.36335/VNJHM.2021(727).33-43 40 
Hình 4. Các đường cong thời đoạn–cường độ–tần suất mưa xây dựng cho các trạm thuộc khu vực BĐCM 
với chu kỳ lặp lại từ 2 đến 100 năm và thời đoạn từ 0,25 giờ đến 12 giờ. 
Bảng 3. Kết quả phân tích cường độ mưa theo các thời đoạn và chu kỳ lặp tại các trạm. 
Trạm 
Các thời đoạn mưa (giờ) 
0,25 0,5 1 1,5 2 3 6 8 12 
Chu kỳ lặp: 2 năm 
Bạc Liêu 33,9 21,4 13,5 10,3 8,5 6,5 4,1 3,4 2,6 
Rạch Giá 38,8 24,4 15,4 11,7 9,7 7,4 4,7 3,9 2,9 
Gành Hào 36,2 22,8 14,4 11,0 9,1 6,9 4,4 3,6 2,7 
Năm Căn 42,8 27,0 17,0 13,0 10,7 8,2 5,2 4,3 3,2 
Thới Bình 40,5 25,5 16,1 12,3 10,1 7,7 4,9 4,0 3,1 
Chu kỳ lặp: 5 năm 
Bạc Liêu 54,6 34,4 21,7 16,5 13,7 10,4 6,6 5,4 4,1 
Rạch Giá 59,0 37,1 23,4 17,9 14,7 11,2 7,1 5,9 4,5 
Gành Hào 57,5 36,2 22,8 17,4 14,4 11,0 6,9 5,7 4,4 
Năm Căn 68,1 42,9 27,0 20,6 17,1 13,0 8,2 6,8 5,2 
Thới Bình 65,8 41,5 26,1 19,9 16,5 12,6 7,9 6,5 5,0 
Chu kỳ lặp: 20 năm 
Bạc Liêu 101,8 65,6 41,3 31,5 26,0 19,9 12,5 10,3 7,9 
Rạch Giá 105,0 66,1 41,6 31,8 26,2 20,0 12,6 10,4 7,9 
Gành Hào 106,6 67,1 42,3 32,3 26,6 20,3 12,8 10,6 8,1 
Năm Căn 118,6 74,7 47,1 35,9 29,7 22,6 14,3 11,8 9,0 
Thới Bình 91,1 57,4 36,2 27,6 22,8 17,4 11,0 9,0 6,9 
Chu kỳ lặp: 50 năm 
Bạc Liêu 153,1 96,3 60,8 46,4 38,2 29,2 18,4 15,2 11,6 
Rạch Giá 149,8 94,3 59,5 45,4 37,5 28,6 18,0 14,9 11,4 
Gành Hào 151,4 95,3 60,0 45,8 37,8 28,9 18,2 15,0 11,5 
Năm Căn 163,9 103,1 65,0 49,6 41,0 31,2 19,7 16,3 12,4 
Thới Bình 106,3 67,0 42,2 32,2 26,6 20,3 12,8 10,6 8,1 
Chu kỳ lặp: 100 năm 
Bạc Liêu 178,2 112,0 70,6 54,0 44,5 33,9 21,4 17,6 13,5 
Rạch Giá 192,4 121,2 76,5 58,3 48,2 36,7 23,2 19,1 14,6 
Gành Hào 196,3 123,5 77,8 59,4 49,0 37,4 23,6 19,5 14,9 
Năm Căn 215,2 135,7 85,5 65,2 53,9 41,1 25,9 21,4 16,3 
Thới Bình 114,8 72,3 45,6 34,8 28,7 21,9 13,8 11,4 8,7 
Tạp chí Khí tượng Thủy văn 2021, 727, 33-43; doi:10.36335/VNJHM.2021(727).33-43 41 
4. Kết luận 
Nghiên cứu đã tiến hành xây dựng đường cong cường độ–thời đoạn–tần suất mưa theo 
các thời đoạn từ 0,25 đến 12 giờ ứng với các chu kỳ lặp lại từ 2 đến 100 năm cho khu vực bán 
đảo Cà Mau. Các kết quả tính toán thu được cho thấy cơn mưa có lượng mưa từ 60,0mm trở 
lên xảy ra trong thời đoạn dưới 3 giờ sẽ gây ngập cục bộ một số khu vực từ 0,7–1,0 m. Trong 
khi đó, với sự các sự kiện mưa cực đoan có cường độ lên đến 215,2 mm/giờ ứng với chu kỳ 
lặp lại 100 năm, độ sâu và phạm vi ngập chắc chắn sẽ nghiêm trọng hơn đối với công trình 
dân dụng như đường giao thông, công trình thủy lợi, các khu dân cư nằm trong vùng trũng. 
Các kết quả xây dựng đường cong cường độ–thời đoạn–tần suất tương ứng với các thời 
đoạn và chu kỳ lặp lại rất cần thiết để hỗ trợ thông tin trong công tác xây dựng, nâng cấp hệ 
thống thoát nước, quy hoạch thủy lợi góp phần hạn chế các rủi ro từ các sự kiện mưa cực đoan 
có xu hướng xuất hiện ngày một gia tăng đối với khu vực bán đảo Cà Mau. 
Đóng góp của tác giả: Xây dựng ý tưởng nghiên cứu: H.C.T., D.T.A.; Lựa chọn phương 
pháp nghiên cứu: H.C.T., D.T.A.; Viết bản thảo bài báo: H.C.T., D.T.A.; Chỉnh sửa bài báo: 
H.C.T., D.T.A. 
Lời cảm ơn: Các tác giả xin chân thành cảm ơn các phản biện đã đóng góp ý kiến hữu ích, 
giúp các tác giả hoàn thiện bản thảo này. 
Lời cam đoan: Tập thể tác giả cam đoan bài báo này là công trình nghiên cứu của tập thể tác 
giả, chưa được công bố ở đâu, không được sao chép từ những nghiên cứu trước đây; không có 
sự tranh chấp lợi ích trong nhóm tác giả. 
Tài liệu tham khảo 
1. IPCC. Climate Change 2013: The Physical Science Basis. Contribution of Working 
Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate 
Change. Stocker, T.F.; Qin, D.; Plattner, G.K.; Tignor, M.; Allen, S.K.; Boschung, 
J.; Nauels, A.; Xia, Y.; Bex, V.; Midgley, P.M. (eds.). Cambridge University Press, 
Cambridge, United Kingdom and New York, NY, USA, 2013, pp. 1535. 
https://doi.org/10.1017/CBO9781107415324. 
2. Bộ Tài nguyên và Môi trường. Kịch bản Biến đổi khí hậu và nước biển dâng cho Việt 
Nam. Nhà xuất bản Tài nguyên – Môi trường và Bản đồ Việt Nam, 2016. 
3. Thuy, N.N; Anh, H.H. Vulnerability of rice production in Mekong River Delta 
under impacts from floods, salinity and climate change. Int. J. Adv. Sci. Eng. Inf. 
Tech. 2015, 5(4), 272–279. 
4. Vu, D.T.; Yamada, T.; Ishidaira, H. Assessing the impact of sea level rise due to 
climate change on seawater intrusion in Mekong delta, Vietnam. Water Sci. Tech. 
2018, 77(6), 1632–1639. https://doi.org/10.2166/wst.2018.038. 
5. Walanus, A.; Cebulska, M.; Twardosz, R. Long-term variability pattern of monthly 
and annual atmospheric precipitation in the Polish Carpathian mountains and their 
foreland (1881–2018). Pure Appl. Geophys. 2021, 178, 633–650. 
https://doi.org/10.1007/s00024–021–02663–9. 
6. Lee, S.K.; Dang, T.A. Extreme rainfall trends over the Mekong Delta under the 
impacts of climate change. Int. J. Clim. Change Strategies Manage. 2020, 12(5), 
639–652. https://doi.org/10.1108/IJCCSM–04–2020–0032. 
7. Dang, T.A. Simulating rainfall IDF curve for flood warnings in the Ca Mau coastal 
area under the impacts of climate change. Int. J. Clim. Change Strategies Manage. 
2020, 12(5), 705–715. https://doi.org/10.1108/IJCCSM–06–2020–0067. 
8. Akpen, G.D.; Aho, M.I.; Ojo, O.G. Rainfall Intensity – Duration – Frequency (IDF) 
models for Makurdi, Nigeria. Int. J. Sci. Eng. Res. 2016, 7(5), 838–849. ISSN 
2229–5518. 
Tạp chí Khí tượng Thủy văn 2021, 727, 33-43; doi:10.36335/VNJHM.2021(727).33-43 42 
9. Boudou, M.; Danière, B.; Lang, M. Assessing changes in urban flood vulnerability 
through mapping land use from historical information. Hydrol. Earth Syst. Sci. 
2016, 20, 161–173. https://doi.org/10.5194/hess–20–161–2016. 
10. Rodríguez, R.; Navarro, X.; Casas, C.; Ribalaygua, J.; Russo, B.; Pouget, L.; 
Redano, A. Influence of climate change on IDF curves for the metropolitan area of 
Barcelona (Spain). Int. J. Climatol. 2014, 34(3), 643–654. 
https://doi.org/10.1002/joc.3712. 
11. Binh, L.T.H.; Aglian, V.; Umamahesh, N.V.; Rathnam, E.V. Modelling spatial 
variation of extreme precipitation over Ho Chi Minh City under nonstationary 
condition. Acta Geophys. 2019, 67, 849–861. https://doi.org/10.1007/s11600–019–
00295–1 
12. Khiem. V.M.; Minh. T.H.; Linh. N.L. Impact of climate change on Intensity – 
Duration – Frequency curves in Ho Chi Minh City. J. Clim. Change Sci. 2017, 3, 
40–48. 
13. Nội, D.T.; Long, N.L.; Tùng, H.T. Nghiên cứu đề xuất phương pháp tính lũ thiết kế 
công trình giao thông vùng Đông Bắc Việt Nam. Tạp chí khoa học Kỹ thuật Thủy 
lợi và Môi trường 2016, 53, 80–86. 
14. Thanh, N.T.; Remo, L.D.A. Projected changes of precipitation IDF curves for short 
duration under climate change in Central Vietnam. Hydrol. 2018, 5(3), 33. 
https://doi.org/10.3390/hydrology5030033. 
15. Ban chỉ huy Phòng chống thiên tai và Tìm kiếm cứu nạn tỉnh Cà Mau. Kế hoạch 
Phòng, chống thiên tai giai đoạn 2016–2020 trên địa bàn tỉnh Cà Mau, Công văn số 
10/KH–PCTT, 2016. 
16. Liu, J.P.; DeMaster, D.J.; Nguyen, T.T.; Saito, Y.; Nguyen, V.L.; Ta, T.K.O.; Li, 
X. Stratigraphic formation of the Mekong River Delta and its recent shoreline 
changes. Oceanogr. 2017, 30(3), 72–83. 
17. Nhung, T.T.; Phu, L.V.; Nghi, V.V.; Bang, H.Q. Salt intrusion adaptation measures 
for sustainable agricultural development under climate change effects: A case of Ca 
Mau Peninsula, Vietnam. Clim. Risk Manage. 2019, 23, 88–100. 
https://doi.org/10.1016/j.crm.2018.12.002. 
18. Son, N.T.; Chen, C.F.; Chang, N.B.; Chen, C.R.; Chang, L.Y.; Bui, X.T. Mangrove 
mapping and change detection in Ca Mau Peninsula, Vietnam, using landsat data 
and object–based image analysis. IEEE J. Sel. Top. Appl. Earth Obs. Remote Sens. 
2015, 8(2), 503–510. https://doi: 10.1109/JSTARS.2014.2360691 
19. Nguyen, V.L.; Ta, T.K.O.; Tateishi, M. Late Holocene depositional enviroments 
and coastal evolution of the Mekong River Delta, southern Vietnam. J. Asian Earth 
Sci. 2020, 18(4), 427–439. https://doi: 10.1016/S1367–9120(99)00076–0. 
20. Valík, A.; Brazdil, R.; Zahradnicek, P.; Tolasz, R.; Fiala, R. Precipitation 
measurements by manual and automatic rain gauges and their influence on 
homogeneity of long‐term precipitation series. Int. J. Clim. 2020, 41(S1), E2357–
E2552. https://doi: 10.1002/joc.6862. 
21. San, M.; Akcay, F.; Linh, N.T.T.; Kankal, M.; Pham, Q.B. Innovative and 
polygonal trend analyses applications for rainfall data in Vietnam. Theor. Appl. 
Climatol. 2021. https://doi: 10.1007/s00704–021–03574–4. 
22. Shah, N.V.; Patel, Y.S.; Dbhangaokar, P. Assessing impact of climate change on 
rainfall patterns of Vadodara District, Gujarat, India. J. Phys.: Conf. Ser. 2021, 
1714, 012046. https://doi:10.1088/1742–6596/1714/1/012046. 
23. Jing, L.N.; Tiang, S.K.; Huang, Y.F.; Noh, N.I.F.M.; Al–Mansob, R.A. Analysis of 
annual maximum and partial duration rainfall series. IOP Conf. Series: Earth Env. 
Sci. 2021, 646, 012039. https://doi:10.1088/1755–1315/646/1/012039. 
Tạp chí Khí tượng Thủy văn 2021, 727, 33-43; doi:10.36335/VNJHM.2021(727).33-43 43 
24. Quân, N.T.; Nhi, P.T.T.; Khôi, Đ.N. Xây dựng đường cong IDF mưa cực đoan cho 
trạm Tân Sơn Hòa giai đoạn 1980–2015. Tạp chí phát triển khoa học và công nghệ 
2017, 20(M2–2017), 73–81. 
25. Nhat, L.M.; Tachikawa, Y.; Takara, K. Establishment of Intensity–Duration 
Fequency curves for precipitation in the monsoon area of Vietnam. Annuals Disas. 
Prev. Res. Inst. Kyoto Univ. 2006, 49B, 93–103. 
26. Introduce to CumFreq software.  
27. Al–Baldawi, T.H.K.; Alzuabidi, Z.Z.A. Extreme value analysis of maximum 
rainfall data in Baghdad city. Math. Stat. J. 2016, 2(3), 1–8. 
28. Chen, J.; Wang, Z.; Wu, X.; Lai, C.; Chen, X. Evaluation of TMPA 3B42–V7 
product on extreme precipitation estimates. Remote Sens. 2021, 13, 209. 
https://doi.org/ 10.3390/rs13020209. 
29. Cheng, L.; Aghakouchak, A. Non–stationary extreme value analysis in a changing 
climate. Clim. Change 2014, 127, 353–369. https://doi.org/10.1007/s10584–014–
1254–5. 
Simulating rainfall intensity–duration–frequency curve towards 
establishing innundation maps in Camau peninsula 
Ho Cong Toan1, Truong An Dang1* 
1 University of Science, Vietnam National University–Ho Chi Minh City; 
hocongtoanhdh@gmail.com; dtan@hcmus.edu.vn 
Abstract: In recent years, heavy rainfall events have appeared frequently in the Ca Mau 
peninsula area, causing local flooding and affecting many aspects of life in the area. 
According to a report of the Ministry of Natural Resources and Environment, rainfall is an 
increase tend in intensity and frequency in the Ca Mau Peninsula as a part of climate 
variability. Heavy rainfall tends increase, which will cause the local flooding events in 
which has low terrain and less severe drainage systems. It is, thus, necessary to proactively 
prevent adverse effects from flooding events on people’s lives. Therefore, the goal of the 
study is a) to simulate rainfall intensity–duration–frequency (IDF) curve of the extreme 
rainfall events using the CumFreq software for the Ca Mau Peninsula and b) toward to 
establish inundation maps based on the simulated data from rainfall IDF curve, contributing 
to proactively minimize the potential risks of flooding as well as proactively adapt the 
impacts of climate variability. 
Keywords: Flooding; Low–lying area; Unusual rainfall; Sea level rise; Ca Mau peninsula.