Luận văn Đánh giá kỹ năng dự báo mưa lớn cho miền Trung và Tây Nguyên của một số mô hình khu vực

ĐẠI HỌC QUỐC GIA HÀ NỘI

TRƢỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN

---------------------

Nguyễn Thanh Tú

ĐÁNH GIÁ KỸ NĂNG DỰ BÁO MƢA LỚN CHO MIỀN TRUNG VÀ

TÂY NGUYÊN CỦA MỘT SỐ MÔ HÌNH KHU VỰC

LUẬN VĂN THẠC SĨ KHOA HỌC

Hà Nội – Năm 2013

ĐẠI HỌC QUỐC GIA HÀ NỘI

TRƢỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN

---------------------

Nguyễn Thanh Tú

ĐÁNH GIÁ KỸ NĂNG DỰ BÁO MƢA LỚN CHO MIỀN TRUNG VÀ

TÂY NGUYÊN CỦA MỘT SỐ MÔ HÌNH KHU VỰC

Chuyên ngành: Khí tƣợng và Khí hậu học

Mã số: 62 44 87

LUẬN VĂN THẠC SĨ KHOA HỌC

NGƢỜI HƢỚNG DẪN KHOA HỌC:

TS. BÙI MINH TĂNG

Hà Nội – Năm 2013

2

LỜI CẢM ƠN

Trƣớc hết, tôi xin bày tỏ lòng biết ơn sâu sắc tới TS. Bùi Minh Tăng - ngƣời

đã tận tình chỉ bảo và hƣớng dẫn tôi hoàn thành luận văn này.

Tôi xin cảm ơn các Thầy cô và các cán bộ trong khoa Khí tƣợng - Thủy văn -

Hải dƣơng học đã cung cấp cho tôi những kiến thức chuyên môn quý giá, giúp đỡ

và tạo điều kiện thuận lợi về cơ sở vật chất trong suốt thời gian tôi học tập và thực

hành ở Khoa.

Tôi xin cảm ơn các cán bộ phòng Nghiên cứu ứng dụng (Trung tâm dự báo

Khí tƣợng Thủy văn Trung Ƣơng), đặc biệt là Thạc sĩ Võ Văn Hòa và Thạc sĩ Dƣ

Đức Tiến đã tạo điều kiện, trao đổi chuyên môn cũng nhƣ có những ý kiến quý báu

giúp tôi hoàn thiện luận văn này.

Tôi cũng xin cảm ơn Phòng sau đại học, Trƣờng Đại học Khoa học Tự nhiên

đã tạo điều kiện cho tôi có thời gian hoàn thành luận văn.

Cuối cùng, tôi xin gửi lời cảm ơn chân thành tới gia đình, ngƣời thân và bạn

bè, những ngƣời đã luôn ở bên cạnh cổ vũ, động viên và tạo mọi điều kiện tốt nhất

cho tôi trong suốt thời gian học tập tại trƣờng.

Nguyễn Thanh Tú

3

MỤC LỤC

MỞ ĐẦU.............................................................................................. 10

Chƣơng 1. TỔNG QUAN VỀ BÀI TOÁN ĐÁNH GIÁ DỰ BÁO TRONG

KHÍ TƢỢNG VÀ CÁC CHỈ SỐ ĐÁNH GIÁ................................................ 12

1.1 Sự cần thiết của bài toán đánh giá..................................................... 12

1.1.1 Mục đích và ý nghĩ của đánh giá dự báo .................................. 12

1.1.2 Mô hình đánh giá chung cho các yếu tố đánh giá thời tiết ....... 13

1.1.3 Các loại yếu tố dự báo............................................................... 14

1.1.4 Các điểm số dùng trong đánh giá.............................................. 15

1.2 Tổng quan các nghiên cứu về đánh giá dự báo mƣa trong và ngoài

nƣớc................................................................................................................. 16

1.2.1 Tổng quan ngoài nƣớc............................................................... 16

1.2.2 Tổng quan trong nƣớc............................................................... 17

1.3 Một số phƣơng pháp đánh giá dự báo............................................... 19

1.3.1 Sơ đồ chung đánh giá dự báo từ mô hình dự báo số trị ............ 19

1.3.2 Các phƣơng pháp đánh giá........................................................ 23

Chƣơng 2. PHƢƠNG PHÁP NGHIÊN CỨU VÀ TẬP SỐ LIỆU SỬ DỤNG..

......................................................................................................................... 29

2.1. Đặt bài toán....................................................................................... 29

2.2. Mô tả tập số liệu nghiên cứu ............................................................ 32

̣

2.2.1 Miền tinh toan , đô phân giai , bƣơc tich phân thơi gian va tuy

̉

́ ́ ̀ ̀ ̀

́ ́

chọn tham số hóa vật lý cho mô hình HRM, WRFARW, WRFNMM. ......... 32

2.2.2 Số liệu mô hình ......................................................................... 37

2.2.3 Số liệu quan trắc........................................................................ 38

2.3 Phƣơng pháp đánh giá dự báo mƣa lớn............................................. 38

2.3.1 Phƣơng pháp đánh giá định lƣợng ............................................ 39

2.3.2 Phƣơng pháp đánh giá theo ngƣỡng mƣa ................................. 39

4

Chƣơng 3. KẾT QUẢ ĐÁNH GIÁ KỸ NĂNG DỰ BÁO MƢA LỚN CỦA

MÔ HÌNH HRM-gfs, WRFARW-gfs VÀ WRFNMM-gfs CHO KHU VỰC

MIỀN TRUNG VÀ TÂY NGUYÊN.............................................................. 40

3.1. Kết quả đánh giá các đợt mƣa lớn từ năm 2008 đến 2010 cho khu

vực miền Trung và Tây Nguyên ..................................................................... 40

3.2. Kết quả đánh giá dự báo mƣa lớn của một số trƣờng hợp điển hình

cho khu vực miền Trung và Tây Nguyên ....................................................... 52

3.2.1. Dự báo 24h đợt mƣa từ ngày 25-27/7/2010 khu vực Trung

Trung Bộ của 3 mô hình.................................................................................. 53

3.2.2 Dự báo 24h đợt mƣa từ ngày 30/9-5/10/2010 khu vực Bắc

Trung Bộ của 3 mô hình ................................................................................. 55

KẾT LUẬN ............................................................................................. 60

TÀI LIỆU THAM KHẢO....................................................................... 62

PHỤ LỤC ................................................................................................ 65

5

DANH MỤC CÁC HÌNH VẼ

Hình 1.1 Sơ đồ chung cho đánh giá các yếu tố thời tiết ................................. 13

Hình 1.2 Sơ đồ chung cho đánh giá mô hình dự báo thời tiết số.................... 20

Hình 2.1 Miền tích phân dự báo của mô hình HRM ...................................... 34

Hình 2.2 Miền tích phân dự báo của mô hình WRFARW.............................. 36

Hình 2.3 Miền tích phân dự báo của mô hình WRFNMM............................. 37

Hình 3.1 Dự báo trong 3 ngày lƣợng mƣa trung bình của các đợt mƣa lớn khu

vực miền Trung và Tây Nguyên năm 2008 đến 2010 bằng mô hình HRM ... 40

Hình 3.2 Dự báo trong 3 ngày lƣợng mƣa trung bình của các đợt mƣa lớn khu

vực miền Trung và Tây Nguyên năm 2008 đến 2010 bằng mô hình

WRFARW ...................................................................................................... 41

Hình 3.3 Dự báo trong 3 ngày lƣợng mƣa trung bình của các đợt mƣa lớn khu

vực miền Trung và Tây Nguyên năm 2008 đến 2010 bằng mô hình

WRFNMM ..................................................................................................... 42

Hình 3.4 Các chỉ số ME, MAE, RMSE và hệ số tƣơng quan của các đợt mƣa

lớn khu vực miền Trung và Tây Nguyên năm 2008 đến 2010 với hạn dự báo

24h, 48h, 72h................................................................................................... 43

Hình 3.5 Chỉ số BIAS của các đợt mƣa lớn khu vực miền Trung và Tây

Nguyên năm 2008 đến 2010 với hạn dự báo 24h, 48h, 72h ........................... 44

Hình 3.6 Chỉ số POD của các đợt mƣa lớn khu vực miền Trung và Tây

Nguyên năm 2008 đến 2010 với hạn dự báo 24h, 48h, 72h ........................... 45

Hình 3.7 Chỉ số FAR của các đợt mƣa lớn khu vực miền Trung và Tây

Nguyên năm 2008 đến 2010 với hạn dự báo 24h, 48h, 72h ........................... 46

Hình 3.8 Các chỉ số ME, MAE, RMSE và hệ số tƣơng quan của các đợt mƣa

lớn cho từng khu vực năm 2008 đến 2010...................................................... 47

̣ ̣

Hình 3.9 Các chỉ số BIAS, POD, FAR khu vƣc Bắc Trung Bô năm 2008 đến 2010

......................................................................................................................... 48

̣ ̣

Hình 3.10 Các chỉ số BIAS , POD, FAR khu vƣc Trung Trung Bô năm 2008 đến

2010.................................................................................................................. 49

6

Hình 3.11 Các chỉ số BIAS, POD, FAR khu vƣc

̣

Nam Trung Bô

̣

năm 2008 đến 201050

Hình 3.12 Các chỉ số BIAS, POD, FAR khu vƣc

̣

Tây Nguyên năm 2008 đến 2010....

...................................................................................................................................51

Hình 3.13 Lƣợng mƣa tích lũy 24h của quan trắc và 3 mô hình tại khu vực

Trung Trung Bộ ngày 25/7/2010 .................................................................... 53

Hình 3.14 Lƣợng mƣa tích lũy 24h của quan trắc và 3 mô hình tại khu vực

Trung Trung Bộ ngày 26/7/2010 .................................................................... 54

Hình 3.15 Lƣợng mƣa tích lũy 24h của quan trắc và 3 mô hình tại khu vực

Trung Trung Bộ ngày 27/7/2010 .................................................................... 55

Hình 3.16 Lƣợng mƣa tích lũy 24h của quan trắc và 3 mô hình tại khu vực

Bắc Trung Bộ ngày 30/9/2010........................................................................ 56

Hình 3.17 Lƣợng mƣa tích lũy 24h của quan trắc và 3 mô hình tại khu vực

Bắc Trung Bộ ngày 01/10/2010...................................................................... 57

Hình 3.18 Lƣợng mƣa tích lũy 24h của quan trắc và 3 mô hình tại khu vực

Bắc Trung Bộ ngày 02/10/2010...................................................................... 58

Hình 3.19 Lƣợng mƣa tích lũy 24h của quan trắc và 3 mô hình tại khu vực

Bắc Trung Bộ ngày 04/10/2010...................................................................... 59

7

DANH MỤC CÁC BẢNG

Bảng 1.1 Sơ đồ chung cho đánh giá các yếu tố thời tiết................................. 26

Bảng 2.1 Cấu hình động lực, vật lý và phƣơng pháp số của mô hình HRM.. 34

Bảng 2.2 Cấu hình động lực, vật lý và phƣơng pháp số của mô hình

WRFARW....................................................................................................... 35

8

BẢNG KÝ HIỆU CÁC CHỮ VIẾT TẮT

Xoáy thuận nhiệt đới

XTNĐ

QPF

Kiểm tra giáng thủy định lƣợng

Mô hình qui mô vừa của Trung tâm Nghiên cứu khí tƣợng Quốc

Gia Hoa Kỳ và Đại học bang Pennsylvania thế hệ thứ 5 (The

NCAR/PSU 5th Generation Mesoscale Model)

MM5

Sai số trung bình (Mean Error)

ME

Sai số tuyệt đối trung bình (Mean Absolute Error)

Sai số bình phƣơng trung bình

MAE

MSE

RMSE

r

Sai số bình phƣơng trung bình (Root Mean Sqare Error)

Hệ số tƣơng quan

Tỷ số giữa vùng dự báo và vùng thám sát (Frequency Bias)

Xác suất phát hiện (Probability Of Detection of Event)

Tỉ lệ phát hiện sai (False Alarm Ratio)

Điểm số thành công hợp lý

FBI(BS)

POD

FAR

ETS

Dải hội tụ nhiệt đới

ITCZ

KKL

GFS

Không khí lạnh

Hệ thống dự báo toàn cầu của Hoa Kỳ (Global Forecasting

System)

9

MỞ ĐẦU

Phƣơng pháp dự báo số trị - dự báo bằng mô hình thuỷ động lực học hiện đại

có phân giải cao áp dụng cho từng khu vực đã đƣợc sử dụng ở nhiều nƣớc trên thế

giới, đặc biệt là các nƣớc phát triển. Chất lƣợng dự báo về hiện tƣợng mƣa lớn cao

hơn hẳn các phƣơng pháp dự báo ra đời trƣớc đó và sản phẩm số của mô hình dự

báo có thể đảm bảo các yêu cầu của các mô hình dự báo thuỷ văn đối với lũ lụt, lũ

quét. Một trong những nhân tố quyết định gây nên sự hình thành và phát triển mƣa

lớn trong các hiện tƣợng thời tiết nguy hiểm nhƣ xoáy thuận nhiệt đới (XTNĐ), dải

hội tụ nhiệt đới... là đối lƣu mây tích. Các quá trình đối lƣu này đóng vai trò quan

trọng trong chu trình vận chuyển năng lƣợng của khí quyển và do đó phân bố lại sự

đốt nóng không đồng đều trên bề mặt trái đất. Ngoài phụ thuộc vào độ hội tụ ẩm

mực thấp, đối lƣu mạnh còn phụ thuộc vào tính bất ổn định của khí quyển. Các quá

trình qui mô vừa nhƣ vậy chỉ có thể tính đƣợc bằng các mô hình số trị.

Thêm vào đó mƣa la hiện tƣợng thời tiết khó dự báo nhất . Không những chỉ

̀

khó dự báo mà việc đánh giá dự báo mƣa cũng là một việc hết sức khó khăn và

phức tạp. Trƣớc hết khó khăn nằm ngay trong bản chất trƣờng yếu tố mƣa là trƣờng

bất liên tục và không cố định cả theo thời gian lẫn không gian ; nhiều đặc trƣng

thống kê có tính quy luật ở những yếu tố khí tƣợng khác , nhƣng lại không có ở số

liệu mƣa, làm cho việc xử lý số liệu mƣa cũng rất phức tạp . Xong dự báo mƣa lơn

́

lại có vai trò đặc biệt quan trọng trong phục vụ dự báo , nhất là phục vụ phòng

̣

chống thiên tai. Vì vậy, dƣ bao va đanh gia mƣa lơn là vấn đề quan trọng cần thiết

́ ̀ ́ ́ ́

phải nghiên cứu.

Luận văn này tập trung vào việc đánh giá kỹ năng dự báo 24h, 48h, 72h của

mƣa lớn cho miền Trung và Tây Nguyên của ba mô hình dự báo thời tiết số đang

đƣợc tiến hành chạy nghiệp vụ tại Trung tâm Dự báo Khí tƣợng Thủy văn Trung

ƣơng là mô hình HRM-gfs, WRFARW-gfs và WRFNMM-gfs. Ngoài phần Mở đầu,

Kết luận và Tài liệu tham khảo, luận văn đƣợc bố cục cụ thể nhƣ sau:

10

Chƣơng 1. Tổng quan về bài toán đánh giá dự báo trong khí tƣợng và các chỉ

số đánh giá.

Chƣơng 2. Phƣơng pháp nghiên cứu và tập số liệu sử dụng

Chƣơng 3. Kết quả đánh giá kỹ năng dự báo mƣa lớn của mô hình HRM-gfs,

WRFARW-gfs và WRFNMM-gfs cho khu vực miền Trung và Tây Nguyên.

11

CHƢƠNG 1. TỔNG QUAN VỀ BÀI TOÁN ĐÁNH GIÁ DỰ BÁO TRONG

KHÍ TƢỢNG VÀ CÁC CHỈ SỐ ĐÁNH GIÁ

1.1. Sự cần thiết của bài toán đánh giá

1.1.1. Mục đích và ý nghĩa của đánh giá dự báo

Đánh giá là sự tính toán ƣớc lƣợng mối quan hệ giữa tập số liệu dự báo và

tập giá trị quan trắc. Các hoạt động đánh giá chỉ có ích khi giúp ta đƣa ra đƣợc

những kết luận cuối cùng cho sản phẩm dự báo đƣợc đánh giá. Để đánh giá thì kết

quả dự báo phải đầy đủ và khách quan còn các quan trắc phải mô tả chính xác

những gì có trong thực tế.

Theo Barbara Brown (2007), đánh giá chất lƣợng dự báo thời tiết bao gồm 3

mục đích chính:

a. Mục đích hành chính

Đánh giá theo mục đích hành chính là để chứng tỏ những lợi ích mà công tác

dự báo đem lại. Thông tin đánh giá có nhiều ứng dụng mang tính hành chính nhƣ:

cung cấp thông tin cho việc mua sắm các trang thiết bị hay xác định khi nào và có

nên thay đổi sản phẩm dự báo bằng một sản phẩm khác… Đánh giá hành chính

đƣợc sử dụng để giám sát thƣờng xuyên chất lƣợng tổng thể của các dự báo và theo

dõi những thay đổi về chất lƣợng của chúng qua từng thời kỳ.

b. Mục đích khoa học

Mục đích khoa học của đánh giá chất lƣợng dự báo để nhận biết chi tiết các

ƣu điểm và nhƣợc điểm của một sản phẩm dự báo để từ đó có những hành động tích

cực nhằm cải thiện dự báo. Bên cạnh đó, đánh giá khoa học cũng cung cấp trực tiếp

các thông tin cho hƣớng nghiên cứu và phát triển dự báo

c. Mục đích kinh tế

Vì mục đích kinh tế là vấn đề phức tạp nên giới hạn luận văn này không xem

xét đến.

12

1.1.2. Mô hình đánh giá chung cho các yếu tố dự báo thời tiết

Hình 1.1 Sơ đồ chung cho đánh giá các yếu tố thời tiết

Theo tác giả Henry R. Stanski và các cộng sự (1989), hình 1.1 là mô hình

chung nhất để đánh giá dự báo các yếu tố thời tiết và tóm tắt các kiểu quyết định

đƣợc đƣa ra trƣớc khi một phƣơng pháp đánh giá chuyên dụng đƣợc lựa chọn.

13

Tất cả các phƣơng pháp đánh giá đều đƣợc bắt đầu từ việc tập hợp các tập số

liệu quan trắc và dự báo. Sau đó bƣớc tiếp theo là xử lý các tập số liệu.

Khi mục đích đánh giá đƣợc thiết lập, một tập mẫu có thể đƣợc phân loại để

đáp ứng mục đích đã định sẵn. “Phân loại ngoại bộ” nghĩa là đánh giá theo nguyên

tắc lựa chọn một cách độc lập các yếu tố cần đánh giá. Phân loại ngoại bộ có thể

đƣợc thực hiện ở bất cứ thời điểm nào trong quá trình trƣớc các tính toán thống kê

đánh giá thực sự và có thể thực hiện cho cả mục đích hành chính và mục đích khoa

học.

“Phân loại nội bộ” có nguyên tắc phân loại đƣợc xác định theo mục đích

đánh giá và sử dụng chính yếu tố đang đƣợc đánh giá. Có hai cách để thực hiện

phân loại nội bộ với kiểu đánh giá cho mỗi cách này là khác nhau.

“Phân loại theo quan trắc” nghĩa là phân loại theo giá trị của các yếu tố khí

tƣợng quan trắc đƣợc. Sau đó, các đại lƣợng đánh giá có thể đƣợc tính toán cho

từng nhóm giá trị quan trắc và giá trị thống kê đƣợc tạo thành này gọi là giá trị “có

điều kiện đối với quan trắc”.

“Phân loại theo dự báo” nghĩa là phân loại theo giá trị của các yếu tố thời

tiết đƣợc dự báo. Tƣơng tự nhƣ trên, các con số thống kê đƣợc tính toán theo cách

phân loại này đƣợc gọi là các giá trị “có điều kiện đối với dự báo”.

Việc lựa chọn kiểu phân loại phụ thuộc vào yêu cầu đánh giá và nhiều khi sẽ

cần phải sử dụng cả hai cách phân loại trên để đƣa ra một câu trả lời hoàn chỉnh.

1.1.3. Các loại yếu tố dự báo

Dựa theo các mục đích đánh giá ngƣời ta chia ra thành hai dạng dự báo là:

dự báo các đại lƣợng liên tục và dự báo pha.

“Yếu tố dự báo liên tục” là các yếu tố đƣợc dự báo tại một giá trị riêng hoặc

trong một khoảng giá trị dự báo. Trong số các yếu tố thời tiết thì nhiệt độ và gió hay

đƣợc dự báo theo cách này.

“Yếu tố dự báo pha” là các yếu tố dự báo có thể xảy ra hoặc không xảy ra.

14

Một vài yếu tố có thể đƣợc dự báo pha hoặc là dự báo liên tục, việc lựa chọn

chủ yếu phụ thuộc vào yêu cầu của ngƣời sử dụng trong quá trình dự báo.

1.1.4. Các điểm số dùng trong đánh giá

Các điểm số dùng trong đánh giá đƣợc minh họa theo từng cặp ở phía dƣới

hình 1.1 cho ta thấy đƣợc mối quan hệ giữa chúng.

Các điểm số liệt kê trên hình 1.1 gồm 3 loại: Các điểm số tuyến tính, các

điểm số toàn phƣơng (bậc hai) và các điểm số kỹ năng.

Điểm số toàn phƣơng đƣa ra trọng số của các sai số theo bình phƣơng của

chúng trong khi đó điểm số tuyến tính cho trọng số sai số có giá trị bậc nhất. Vì vậy

điểm số toàn phƣơng thƣờng đƣa ra trọng số sai số lớn hơn là điểm số tuyến tính và

điểm số này rất hữu dụng trong các trƣờng hợp các sai số lớn thực sự nghiêm trọng

hơn so với các sai số nhỏ.

Điểm số kỹ năng đƣợc xây dựng để đánh giá mối quan hệ giữa các dự báo và

một giá trị chuẩn nào đó. Giá trị chuẩn đƣợc chọn lựa để mô tả một dự báo không

kỹ năng. Ba tiêu chuẩn đƣợc sử dụng để so sánh là: chuẩn ngẫu nhiên, chuẩn quán

tính và chuẩn khí hậu. Chuẩn ngẫu nhiên mô tả sự phỏng đoán thuần túy và không

yêu cầu hiểu biết tri thức, chuẩn quán tính là một dự báo xác định và yêu cầu các

hiểu biết về điều kiện thời tiết ban đầu và chuẩn khí hậu là một dự báo thời tiết

trung bình trong khoảng thời gian dài và cần phải có sự hiểu biết về lịch sử của thời

tiết. Điểm số kỹ năng đƣợc biểu diễn trong công thức sau:

SC  ST

SS 

PS  ST

trong đó SC là điểm số có đƣợc từ dự báo, ST là điểm số đạt đƣợc từ dự báo chuẩn

và PS là điểm số từ dự báo hoàn hảo. Các điểm số kỹ năng có thể thu đƣợc từ việc

sử dụng bất kỳ một trong các điểm số tổng hợp. Điểm số kỹ năng phổ biến nhất dựa

trên nền tảng của điểm Brier (điểm kỹ năng Brier), điểm RP (điểm kỹ năng RP), các

giá trị của bảng ngẫu nhiên (điểm Heidke) và sai số trung bình tuyệt đối. Tiêu chuẩn

thƣờng đƣợc sử dụng nhất là chuẩn khí hậu còn điểm Heidke lại thƣờng đƣợc kết

15

hợp với chuẩn ngẫu nhiên. Không có điểm kỹ năng cơ bản nào là quan trọng hơn,

chúng bình đẳng nhƣ nhau và đều biểu hiện đặc tính của kỹ năng.

1.2. Tổng quan các nghiên cứu về đánh giá dự báo mƣa trong và ngoài nƣớc

1.2.1. Tổng quan nhưng nghiên cưu ngoài nước

̃

́

M. Goeber, S. F. Milton, C.A. Wilson đa nghiên cƣu va đƣa ra nhân

̣

đin

. Trong

kiêm tra cac QPF (kiêm tra giang thuy đin

̣

h

̃

́

̀

̉

̃

̣ ̣

̀ng qua GTS co thê thấy cac quan trắc giang thuy co săn thiếu tinh đai diên

̉

́ ́ ́ ́

́

ră

năm 1995, WGNE đa khởi xƣớng viêc

̉

̣

h

̃

́

̉

lƣơn

thủy chất lƣợng cao ở các khu vực khác nhau trên thế giới. Các kết quả đầu tiên của

nghiên cƣu này thu đƣợc cho ꢀc, Đức và Mỹ (McBride và Ebert (2000), Ebert và

̣

g) từ các mô hình NWP (mô hình dự báo thời tiết số) vơi các quan trắc giang

́

các cộng sƣ

ngày, các mô hình sô

hơn một năm (các mẫu hơi khác nhau giữa các mô hình do cac vấn đề truyền dẫn).

̣

(2002)). Ở đây, các dự báo lƣợng giáng thủy ngày tích lũy lên đến 3

̉

̣

dự báo thời tiết đa đƣơc kiêm chƣng ơ Vƣơng quốc Anh cho

̃

́

̉

́

Các sô

́

liêu

̣

mô hình đƣơc

̣

downsacle hoăc

̣

upscale đến một độ phân giải chung

tƣ

96*96 km². Các dự báo đƣợc so sánh với các tích lũy upscale hàng ngày thu đƣơc

̣

̀

các quan trắc radar chất lƣợng đã đƣợc giám sát và hiệu chuẩn

công sƣ (2000)) ở quần đảo Anh và các vùng biển lân cận. Ngoài ra , Masayuki

Hirai, Takuya Sakashita cung đa tiên hanh cac QPF ơ Nhât Ban năm 2002.

(Harrison và các

̣

́

̣

̃

̀

́

̉

A. Papadopoulos va P . Katsafados đa sƣ dun

̣

g cac quan tră

́

c bê

900 trạm thông thƣờng để xác minh và so sánh những dự báo phân loại của trƣờng

gió 10 m, trƣờng nhiêt đô không khi 2 m, trƣờng áp suất mực nƣớc biển 3 giờ và

trƣờng lƣợng mƣa tích lũy 6 giơ. Việc đanh gia cac hê

̀ măt tƣ hơn

̣

̀

̃

̉

́

̀

̣

́

̣

thô

điểm - điểm giữa các biến số mô hình đƣợc tạo ra và các quan trắc bề mặt có liên

quan. Do đó, một thủ tục đanh gia đã đƣợc phát triển dựa trên ƣớc tính của các kỹ

́ng dựa trên việc so sánh

̀

́

̣ ̣

thuât đanh gia khach quan truyền thống nhƣ bias, RMSE… cho cac yếu tố dƣ bao

́ ́ ́ ́ ́

liên tục và rời rạc. Kết quả sơ bộ cho thấy rằng các lỗi mô hình đƣợc đánh giá cao

phụ thuộc vào chu kỳ ngày đêm, phụ thuộc vào mùa, phụ thuộc vào thời gian dự

báo và vị trí các trạm đặc biệt là trên các khu vực có điều kiện địa lý phức tạp .

16

Trong nghiên cƣu cua minh , N. Tartaglione1, S. Mariani, C. Accadia, A.

̉

́

̀

Speranza va M . Casaioli đa đanh gia lƣợng mƣa mô hình với giang thuy quan trắc

̀

̃

́

̉

đƣơc

̣

bởi mạng lƣới thùng đo mƣa dày đặc trên đảo Síp. Áp dụng phƣơng pháp

̉

kiêm nghiêm la phân tic h diên tich mƣa tiêp giap (CRA). Tác động vào cac kết quả

̣

́

̀

́

CRA, khi xem xét cac mang khác nhau của loại kiểm nghiệm và miền con khác

̉

́

nhau cua cac chi số (tƣơng quan và sai số quân phƣơng ) đƣợc sử dụng để so sánh.

̉

́

̉

Kết quả cho thấy cần chu ý khi thử nghiệm lƣợng mƣa mô hình trên một miền nhỏ

́

hơn so với mô hình.

Theo Beth EbertB, phƣơng pháp đin

̣

h hƣơng đô

́

i tƣơn

̉

̣

bao không gian cho cac thƣc thê nơi

̣

g đanh gia (dƣa trên

̣

́

̉

thƣc

một thực thể là bất cứ điều gì có thể đƣợc xác định bởi một đƣờng viền khép kín.

Một số ví dụ về các thực thể hoặc các giot nƣơc là những khu vực mƣa tiếp giáp

(phƣơng pháp này đƣợc đặt tên CRA), khu vƣc

cực tiểu. Đối với mỗi thực thể có thể đƣợc xác định trong dự báo và các quan tră

đanh gia CRA sử dụng các kỹ thuật mô hình phù hợp để xác định sai sô vị trí cũng

i đa , dạng phân bố không

̣

thê) CRA đanh gia cac đăc

̣

tinh cua cac dƣ

̣

̉

́

̣

́

̉

̣

triên von

̣

g đối lƣu và áp suất thấp

c ,

́

nhƣ các sai sô

gian. Tổng sai sô

và dạng phân bố không gian . Điê

̣ ̣

́ trong diên tich , cƣơng đô trun g binh va tố

̀ ̀

́ ̀

́

có thể đƣợc phân tich thành các thành phần do sai sô

́

vị trí, lƣợng

́

̀

u nay râ

́

t hữu ích cho các nhà phát triển mô hình,

̀

những ngƣời cần thông tin đó để cải thiện các mô hình dự báo thời tiết số. Ngoài ra,

các thực thể đanh gia chinh ban thân chung có thể đƣợc phân loại là "hit", "miss"…

̉

́

theo cách mà chúng ở gần vị trí dự báo đến vị trí quan sát nhƣ thế nào và cƣờng độ

tối đa đƣợc đại diện bởi dự báo tôt nhƣ thế nào. Đanh gia sự kiện này có thể hữu ích

cho việc giám sát thực hiện dự báo.

́

1.2.2. Tổng quan nhưng nghiên cưu trong nước

̃

́

Bài toán đánh giá dự báo trong khí tƣợng và các chỉ số đánh giá của các mô

hình số trị ở Việt Nam đến nay đã có nhiều công trình đƣợc công bố nhƣ công trình

của TS. Hoàng Đức Cƣờng va các cộng sự (2008), đa dung cac chi sô

́

sai số trung

̀

̃

̀

́

̉

bình ME, sai sô

́

binh phƣơng trung binh RMSE va sai sô

́

trung binh tuyêt đôi MAE

̣

́

̀

17

để đánh giá thử nghiệm dự báo mƣa lớn ở Việt Nam bằng mô hình MM5. Kê

́t qua

̉

thu đƣơc la: Trong số các sơ đồ tham số hóa vật lý của mô hình số trị khu vực , có lẽ

̣

̀

sơ đồ tham số hóa đối lƣu có độ nhạy lớn nhất đối với dự báo mƣa . Các tác giả nhận

thây mƣa dự báo của mô hình MM 5 tƣơng đối khác nhau ở cả hai miền tính khi sử

́

dụng các sơ đồ tham số hóa đối lƣu khác nhau. Sự khác biệt trong dự báo mƣa thể

hiện trong cả diện mƣa và lƣợng mƣa. Các chỉ số RMSE, ME, MAE và hệ số tƣơng

quan giữa lƣợng mƣa thực tế và lƣợng mƣa dự báo bằng mô hình MM5 với các sơ

đồ tham số hóa đối lƣu khác nhau: Kuo, Grell và Betts Miller thì trong cả 3 đối

tƣợng lƣợng mƣa so sánh thì mô hình MM5 với sơ đồ tham số hóa đối lƣu Kuo cho

kết quả khả quan nhất. Trong đó sơ đồ đối lƣu Kuo và Betts Miller thƣờng dự báo

mƣa lớn hơn so với thực tế (ME có giá trị dƣơng) và sơ đồ đối lƣu Grell dự báo

lƣợng mƣa nhỏ hơn so với thực tế (ME có giá trị âm). Hệ số tƣơng quan giữa lƣợng

mƣa thực tế và lƣợng mƣa dự báo đạt 0.3 - 0.4 và là khá cao đối với một yếu tố có

sự biến động tƣơng đối lớn nhƣ lƣợng mƣa.

Trần Quang Năng (2009), qua kết quả phân tích đánh giá đầy đủ, khách quan

các chỉ tiêu cho khu vực Đông Bắc Bộ trong 5 tháng mùa mƣa (tháng 6, 7, 8, 9,10)

của 3 năm số liệu 2005, 2006, 2007 và so sánh dự báo của mô hình ứng với từng

hình thế thời tiết cụ thể. Nói chung mô hình HRM cho dự báo lƣợng mƣa thƣờng

cao hơn lƣợng mƣa thực tế đo đƣợc. Các chỉ tiêu đánh giá theo biến liên tục cũng

nhƣ theo biến cấp định lƣợng đều biến thiên đúng quy luật, không biểu hiện tình

trạng bất quy luật, tất cả chứng tỏ tính ổn định của các mô đun tính mƣa trong mô

hình HRM. Sai số hệ thống phân bố theo không gian có quy luật, chất lƣợng dự báo

mô hình tốt hơn ngẫu nhiên.

Các tác giả Trần Tân Tiến và Nguyễn Thị Thanh (2011) đã sử dụng số liệu

vệ tinh MODIS để đồng hóa trƣờng ban đầu cho mô hình WRF bằng phƣơng pháp

3DVAR để dự báo mƣa lớn khu vực Trung Trung Bộ trong hai mùa mƣa 2007,

2008. Để đánh giá khả năng dự báo có và không có mƣa, đồng thời đánh giá khả

năng dự báo mƣa lớn của mô hình, các tác giả đã chọn các ngƣỡng mƣa từ nhỏ đến

lớn, cụ thể các ngƣỡng mƣa 1, 5, 15, 20, 30, 50, 100, 150 và 200mm/ngày. Thông

18

qua đánh giá các điểm số FBI, CSI và POD với các hạn dự báo 06-30h và 30-54h

cho các đợt mƣa lớn khu vực miền Trung năm 2007, 2008 với cả hai trƣờng

hợp không (GFS) và có đồng hoá số liệu (3DV), các tác giả đã nhận thấy việc đồng

hóa đã tăng độ chính xác dự báo mƣa lớn.

Phạm Thị Tuyết Mây (2012), xét chung cho toàn chuỗi số liệu thấy mô hình

HRM cho dự báo lƣợng mƣa thiên cao, còn mô hình MM5 dự báo mƣa thiên thấp.

Cả hai mô hình đều cho các giá trị độ lệch trung bình giữa dự báo và quan trắc lúc

âm lúc dƣơng (lúc dự báo thấp hơn thám sát, lúc lại dự báo cao hơn thám sát). Hệ số

tƣơng quan của HRM ổn định hơn trong các mùa so với MM5. Kết hợp giữa các chỉ

số có thể thấy mô hình HRM có tính ổn định và mức độ tin cậy cao hơn so với mô

hình MM5. Ở cả hai mô hình, dự báo mƣa ở các ngƣỡng mƣa thấp cho kết quả

chính xác (độ tin cậy cao hơn) so với các ngƣỡng mƣa lớn.

1.3. Một số phƣơng pháp đánh giá dự báo

1.3.1. Sơ đồ chung đánh giá dự báo từ mô hình dự báo số trị

1.3.1.1. Những nguyên nhân gây ra sai số dự báo bằng mô hình số

Mô hình dự báo thời tiết số cho ra kết quả các sản phẩm dự báo từ việc phân

tích các phƣơng trình mô tả những quá trình vật lý xảy ra trong khí quyển bằng máy

tính. Những kết quả này không phải là một dự báo hoàn hảo bởi nó không thể mô tả

hết đƣợc những thay đổi trong khí quyển. Những nguyên nhân gây ra sai số dự báo

của mô hình dự báo số trị bao gồm:

- Những hiểu biết của chúng ta về các công thức toán học và vật lý còn chƣa đầy đủ.

- Ảnh hƣởng của địa hình lên kết quả dự báo (thƣờng không đƣợc mô hình mô tả

hoàn chỉnh).

- Những hiểu biết về điều kiện ban đầu còn hạn chế bởi chúng ta chỉ lấy một số

lƣợng hạn chế các điểm trong không gian để tính toán.

19

- Chúng ta phải điều chỉnh và đơn giản hóa các phƣơng trình toán học trong mô

hình để rút ngắn thời gian tính toán nhằm đƣa ra đƣợc các sản phẩm dự báo kịp

thời.

- Vẫn còn tồn tại các sai số trong quá trình hoàn tất tính toán…

1.3.1.2. Nguyên tắc chung để đánh giá sản phẩm dự báo số trị

Hình 1.2 Sơ đồ chung cho đánh giá mô hình dự báo thời tiết số

Hình 1.2 mô tả một nguyên tắc chung cho việc đánh giá sản phẩm dự báo số

trị. Đánh giá đƣợc bắt đầu với một tập số liệu bao gồm cả số liệu dự báo và số liệu

quan trắc. Bộ số liệu này phải đƣợc sắp xếp đối xứng với nhau theo không gian và

thời gian. Theo quy mô không gian, số liệu quan trắc sẽ đƣợc phân tích về lƣới của

20