Đề tài Nghiên cứu thử nghiệm dự báo mưa lớn ở Việt Nam bằng mô hình MM5

lớn hơn so với thực tế ở tất cả các ng−ỡng l−ợng m−a. Các chỉ số CSI đối với l−ợng m−a dự báo trong 24 sau nhỏ hơn so với các chỉ số t−ơng ứng trong dự báo m−a trong 24h sau (điều này là dĩ nhiên vì càng tăng hạn dự báo thì khả năng dự báo sai càng tăng lên), tuy nhiên có thể thấy sự chênh lệch giữa các chỉ số này là không lớn và có thể nhận định về kỹ năng dự báo m−a không mấy thay đổi với hạn dự báo d−ới 48h. 40 Thông qua các kết quả tính toán nêu trên, chúng tôi đã đi đến lựa chọn sơ đồ tham số hóa đối l−u Kuo cho mô hình MM5 nhằm áp dụng trong dự báo m−a ở Việt Nam. Bảng 2.2. Chỉ số đánh giá sản phẩm dự báo m−a CSI và BIAS trong 24h đầu với các sơ đồ tham số hóa đối l−u khác nhau Chỉ số CSI Chỉ số BIAS Ng−ỡng l−ợng m−a (mm) KUO GRELL BETTS MILLER KUO GRELL BETTS MILLER 1 0.52 0.49 0.50 1.52 1.22 1.28 5 0.41 0.35 0.37 1.44 0.98 1.31 15 0.30 0.25 0.27 1.31 0.85 1.39 30 0.22 0.17 0.21 1.21 0.93 1.49 50 0.17 0.12 0.16 0.99 0.96 1.48 100 0.09 0.04 0.07 0.82 0.85 1.24 Bảng 2.3. Chỉ số đánh giá sản phẩm dự báo m−a CSI và BIAS trong 24h sau với các sơ đồ tham số hóa đối l−u khác nhau Chỉ số CSI Chỉ số BIAS Ng−ỡng l−ợng m−a (mm) KUO GRELL BETTS MILLER KUO GRELL BETTS MILLER 1 0.49 0.49 0.45 1.40 1.21 1.05 5 0.38 0.34 0.34 1.26 0.94 1.18 15 0.24 0.21 0.23 1.03 0.83 1.38 30 0.15 0.14 0.17 0.82 0.87 1.58 50 0.07 0.09 0.12 0.66 0.94 1.76 100 0.02 0.04 0.08 0.57 0.95 1.97 Ví dụ minh họa cho lựa chọn nói trên là đợt m−a vừa, m−a lớn từ ngày 16 đến 18/09/2005 . Đây là đợt m−a lớn xảy ra ở các tỉnh phía Đông Bắc Bộ, Bắc và Trung Trung Bộ do ảnh h−ởng của bão số 6 đã gây lũ, lũ ống, lũ quét ở vùng núi của các tỉnh Lào Cai, Yên Bái, Nghệ An, Quảng Bình,... Các dự báo m−a đ−ợc thể hiện trên hình 2.1 và hình 2.2 cho thấy các dự báo t−ơng đối khác nhau cả về l−ợng m−a và diện m−a ứng với các sơ đồ tham số hóa đối l−u khác nhau. Với cả hai hạn dự báo: 24h (Hình 2.1) và 72h (Hình 2.2) đều cho thấy sơ đồ tham số hoá đối l−u Kuo cho diện m−a dự báo sát với thực tế hơn cả. 41 Bảng 2.4. Chỉ số đánh giá sản phẩm dự báo m−a CSI và BIAS trong 48h với các sơ đồ tham số hóa đối l−u khác nhau Chỉ số CSI Chỉ số BIAS Ng−ỡng l−ợng m−a (mm) KUO GRELL BETTS MILLER KUO GRELL BETTS MILLER 1 0.67 0.66 0.66 1.30 1.15 1.12 5 0.57 0.52 0.54 1.27 1.01 1.14 15 0.45 0.39 0.41 1.18 0.85 1.23 30 0.34 0.29 0.31 1.13 0.90 1.38 50 0.27 0.22 0.24 1.03 0.95 1.54 100 0.15 0.12 0.15 0.86 0.89 1.78 a) b) c) d) Hình 2.1. L−ợng m−a dự báo ngày 16/09/2005 với sơ đồ tham số hóa đối l−u Kuo (a), BM (b), Grell (c) và l−ợng thực tế (d) (thời điểm thực hiện dự báo 00Z_16/09/2005) 102°E 104°E 106°E 108°E 110°E 112°E 114°E 8°N 10°N 12°N 14°N 16°N 18°N 20°N 22°N 24°N Trung quốc Căm pu chia Thái Lan QĐ. Hoàng Sa L à o QĐ. T r−ờng Sa 5mm 10mm 20mm 40mm 80mm 160mm 320mm 102°E 104°E 106°E 108°E 110°E 112°E 114°E 8°N 10°N 12°N 14°N 16°N 18°N 20°N 22°N 24°N Trung quốc Căm pu chia Thái Lan QĐ. Hoàng Sa L à o QĐ. T r−ờng Sa 0mm 5mm 10mm 20mm 40mm 80mm 160mm 320mm Hình 2.2. L−ợng m−a dự báo ngày 18/09/2005 với sơ đồ tham số hóa đối l−u Kuo (a), BM (b), Grell (c) và l−ợng thực tế (d) (thời điểm thực hiện dự báo 00Z_16/09/2005) a) b) c) d) 42 2.2.2. Sơ đồ tham số hóa vi vật lý mây Ba sơ đồ tham số hóa vi vật lý mây đ−ợc lựa chọn sử dụng nhằm dự báo m−a ở Việt Nam là sơ đồ Simple Ice, sơ đồ Mixed Phase và sơ đồ Warm Rain (lần l−ợt đ−ợc ký hiệu là S-ICE, M-PHASE, W-RAIN). Tr−ớc khi trình bày về kết quả đánh giá cho các đợt m−a vừa m−a lớn trong năm 2004, 2005 với các lựa chọn khác nhau trong mảng vi vật lý mây, chúng tôi sẽ giới thiệu các sản phẩm dự báo m−a cho đợt m−a vừa, m−a lớn nói trên với các sơ đồ vi vật lý mây khác nhau. Kết quả dự báo cho thấy, cả ba tr−ờng hợp dự báo cho ngày 16/09/2005 (Hình 2.3) và ngày 18/09/2005 (Hình 2.4) khi sử dụng ba sơ đồ vi vật lý mây khác nhau đều cho các tr−ờng l−ợng m−a t−ơng tự nhau về diện m−a nh−ng khác nhau về l−ợng m−a. Nhìn chung các dự báo đã phản ánh đ−ợc thực tế m−a trong đợt m−a này tuy nhiên, khu vực m−a lớn dự báo đ−ợc ch−a thực sự trùng khớp với thực tế, đặc biệt là ngày 18/09/2005. Sơ bộ có thể nhận thấy sơ đồ Simple Ice cho dự báo phù hợp nhất so với thực tế. a) b) c) d) Hình 2.3. L−ợng m−a dự báo ngày 16/09/2005 với sơ đồ Warm Rain (a), Simple Ice (b), Mixed- phase (c) và l−ợng thực tế (d) (thời điểm thực hiện dự báo 00Z_16/09/2005) 102°E 104°E 106°E 108°E 110°E 112°E 114°E 8°N 10°N 12°N 14°N 16°N 18°N 20°N 22°N 24°N Trung quốc Căm pu chia Thái Lan QĐ. Hoàng Sa L à o QĐ. T r−ờng Sa 5mm 10mm 20mm 40mm 80mm 160mm 320mm a) b) c) d) Hình 2.4. L−ợng m−a dự báo ngày 18/09/2005 với sơ đồ Warm Rain (a), Simple Ice (b), Mixed- phase (c) và l−ợng thực tế (d) (thời điẻm thực hiện dự báo 00Z_16/09/2005) 102°E 104°E 106°E 108°E 110°E 112°E 114°E 8°N 10°N 12°N 14°N 16°N 18°N 20°N 22°N 24°N Trung quốc Căm pu chia Thái Lan QĐ. Hoàng Sa L à o QĐ. T r−ờng Sa 0mm 5mm 10mm 20mm 40mm 80mm 160mm 320mm 43 Bức tranh minh họa nói trên hoàn toàn phù hợp với kết quả đánh giá chất l−ợng dự báo m−a cho các đợt m−a vừa, m−a lớn trong năm 2004, 2005. Các chỉ số RMSE, MAE và hệ số t−ơng quan trong bảng 2.5 đối với 3 loại l−ợng m−a dự báo (24h đầu, 24h sau và 48h) cho thấy sơ đồ tham số hóa vi vật lý mây Simple Ice cho kết quả dự báo m−a khả quan nhất trong số ba sơ đồ sử dụng. Dấu âm của chỉ số ME trong đa số các tr−ờng hợp cho thấy dự báo m−a bằng cả ba sơ đồ lựa chọn đều có l−ợng nhỏ hơn thực tế. Sai số hệ thống trong dự báo m−a với các lựa chọn sơ đồ tham số hóa vi vật lý mây khác nhau t−ơng tự nh− các lựa chọn khác, nh− đối l−u đã trình bày ở trên và bức xạ, lớp biên sau này. Thông qua các kết quả tính toán các chỉ số đánh giá chất l−ợng dự báo m−a với các sơ đồ tham số hóa vi vật lý mây khác nhau trong các bảng 2. 5, 2.6, 2.7, 2.8 và các phụ lục 5-8, chúng tôi đã đi đến lựa chọn sơ đồ tham số hóa Simple Ice đối với vi vật lý mây nhằm mục đích dự báo m−a ở Việt Nam. Bảng 2.5. Các đặc tr−ng đánh giá chất l−ợng sản phẩm dự báo m−a với các sơ đồ vi vật lý mây khác nhau L−ợng m−a trong 24h đầu L−ợng m−a trong 24h sau L−ợng m−a trong 48h Đặc tr−ng S- ICE M- PHASE W- RAIN S- ICE M- PHASE W- RAIN S- ICE M- PHASE W- RAIN RMSE (mm) 29.4 30.1 29.8 29.7 31.2 28.5 43.4 44.6 42.6 ME(mm) -0.3 -0.8 -2.3 0.2 -0.3 -3.7 0.0 -1.1 -6.0 MAE(mm) 13.6 13.5 12.8 13.2 13.2 11.4 22.3 22.2 20.5 R 0.27 0.25 0.24 0.26 0.23 0.23 0.36 0.34 0.33 Bảng 2.6. Chỉ số đánh giá sản phẩm dự báo m−a CSI và BIAS trong 24h đầu với các sơ đồ tham số hóa vi vật lý mây khác nhau Chỉ số CSI Chỉ số BIAS Ng−ỡng l−ợng m−a (mm) S- ICE M- PHASE W- RAIN S- ICE M- PHASE W- RAIN 1 0.50 0.49 0.47 1.25 1.23 1.16 5 0.35 0.34 0.32 1.04 0.97 0.85 15 0.25 0.24 0.22 0.88 0.80 0.62 30 0.17 0.16 0.15 0.95 0.85 0.66 50 0.11 0.12 0.10 0.99 0.92 0.73 100 0.04 0.04 0.04 0.92 0.97 0.93 44 Bảng 2.7. Chỉ số đánh giá sản phẩm dự báo m−a CSI và BIAS trong 24h sau với các sơ đồ tham số hóa vi vật lý mây khác nhau Chỉ số CSI Chỉ số BIAS Ng−ỡng l−ợng m−a (mm) S- ICE M- PHASE W- RAIN S- ICE M- PHASE W- RAIN 1 0.48 0.47 0.42 1.22 1.20 0.95 5 0.33 0.32 0.26 1.01 0.94 0.62 15 0.21 0.20 0.16 0.90 0.78 0.46 30 0.15 0.15 0.12 0.94 0.85 0.49 50 0.12 0.10 0.10 1.07 0.95 0.62 100 0.05 0.04 0.06 1.24 1.33 0.86 Bảng 2.8. Chỉ số đánh giá sản phẩm dự báo m−a CSI và BIAS trong 48h với các sơ đồ tham số hóa vi vật lý mây khác nhau Chỉ số CSI Chỉ số BIAS Ng−ỡng l−ợng m−a (mm) S- ICE M- PHASE W- RAIN S- ICE M- PHASE W- RAIN 1 0.66 0.65 0.63 1.16 1.16 1.06 5 0.52 0.51 0.47 1.04 1.01 0.84 15 0.38 0.36 0.32 0.91 0.84 0.60 30 0.28 0.27 0.24 0.92 0.83 0.57 50 0.22 0.22 0.19 1.01 0.91 0.62 100 0.13 0.12 0.11 1.05 0.99 0.73 2.2.3. Sơ đồ tham số hóa bức xạ Ba sơ đồ tham số hóa bức xạ đ−ợc lựa chọn nhằm thử nghiệm cho mô hình MM5 là Cloud - radiation scheme, CCM2 radiation schem và RRTM Longwave scheme (Trong các bảng đánh giá kết quả dự báo, chúng đ−ợc ký hiệu là CLOUD, CCM2 và RRTM). Kết quả đánh giá chất l−ợng dự báo m−a với ba sơ đồ tham số hóa bức xạ khác nhau đ−ợc trình bày trong các bảng 2.9, bảng 2.10, bảng 2.11 và bảng 2.12. Nói chung, hiệu quả dự báo m−a với các lựa chọn khác nhau trong mảng lan truyền bức xạ là không rõ rệt. Dù vậy, vẫn có thể nhận thấy sơ đồ tham số hóa bức xạ CCM2 có các chỉ số đánh giá cao hơn (theo nghĩa dự báo tốt hơn) so với hai sơ đồ còn lại. Do đó, lựa chọn sơ đồ tham số hóa bức xạ CCM2 (sơ đồ bức xạ của mô hình khí hậu CCM thế hệ thứ 2) đ−ợc −u tiên cho mục đích dự báo m−a ở Việt Nam. 45 Bảng 2.9. Các đặc tr−ng đánh giá chất l−ợng sản phẩm dự báo m−a với các sơ đồ bức xạ khác nhau L−ợng m−a trong 24h đầu L−ợng m−a trong 24h sau L−ợng m−a trong 48h Đặc tr−ng RRTM CCM2 CLOUD RRTM CCM2 CLOUD RRTM CCM2 CLOUD RMSE (mm) 29.4 29.1 29.9 29.7 28.3 29.8 43.4 42.2 44.0 ME(mm) -0.3 -0.3 0.6 0.2 -0.1 0.5 0.0 -0.4 1.0 MAE(mm) 13.6 13.6 14.0 13.2 12.9 13.3 22.3 22.1 22.7 R 0.27 0.27 0.26 0.26 0.26 0.26 0.36 0.36 0.40 Bảng 2.10. Chỉ số đánh giá sản phẩm dự báo m−a CSI và BIAS trong 24h đầu với các sơ đồ bức xạ khác nhau Chỉ số CSI Chỉ số BIAS Ng−ỡng l−ợng m−a (mm) RRTM CCM2 CLOUD RRTM CCM2 CLOUD 1 0.50 0.49 0.50 1.25 1.26 1.31 5 0.35 0.35 0.35 1.04 1.05 1.11 15 0.25 0.25 0.25 0.88 0.89 0.95 30 0.17 0.17 0.17 0.95 0.94 1.03 50 0.11 0.12 0.12 0.99 1.00 1.06 100 0.04 0.03 0.04 0.92 0.97 1.02 Bảng 2.11. Chỉ số đánh giá sản phẩm dự báo m−a CSI và BIAS trong 24h sau với các sơ đồ bức xạ khác nhau Chỉ số CSI Chỉ số BIAS Ng−ỡng l−ợng m−a (mm) RRTM CCM2 CLOUD RRTM CCM2 CLOUD 1 0.48 0.48 0.49 1.22 1.24 1.25 5 0.33 0.34 0.34 1.01 1.03 1.03 15 0.21 0.22 0.21 0.90 0.89 0.92 30 0.15 0.14 0.15 0.94 0.93 0.99 50 0.12 0.10 0.11 1.07 1.03 1.13 100 0.05 0.05 0.06 1.24 1.10 1.19 46 Bảng 2.12. Chỉ số đánh giá sản phẩm dự báo m−a CSI và BIAS trong 48h với các sơ đồ bức xạ khác nhau Chỉ số CSI Chỉ số BIAS Ng−ỡng l−ợng m−a (mm) RRTM CCM2 CLOUD RRTM CCM2 CLOUD 1 0.66 0.66 0.67 1.16 1.18 1.19 5 0.52 0.52 0.52 1.04 1.06 1.09 15 0.38 0.38 0.38 0.91 0.91 0.94 30 0.28 0.28 0.29 0.92 0.93 0.99 50 0.22 0.22 0.23 1.01 1.00 1.08 100 0.13 0.12 0.12 1.05 1.06 1.14 2.2.4. Sơ đồ tham số lớp biên hành tinh Các sơ đồ tham số hóa lớp biên đ−ợc lựa chọn thử nghiệm đối với các đợt m−a vừa, m−a lớn trong năm 2004, 2005 là High-Resolution Blackdar (ký hiệu là BL-PBL), ETA PBL và MRF PBL. Kết quả đánh giá chất l−ợng dự báo m−a với ba sơ đồ tham số hóa lớp biên khác nhau đ−ợc trình bày trong các bảng 2.13, 2.14, 2.15 và 2.16. Ngoại trừ dấu hiệu khả quan hơn đối với sơ đồ lớp biên hành tinh MRF PBL đối với hai sơ đồ còn lại trong dự báo m−a 24h đầu khi xem xét chỉ số RMSE nói chung cả ba sơ đồ tham số hóa lớp biên không cho sự khác biệt rõ ràng đối với cả 3 đối t−ợng m−a xem xét và đối với các ng−ỡng l−ợng m−a từ nhỏ đến lớn. Với nhận trên, chúng tôi tạm thời sử dụng sơ đồ tham số hóa lớp biên hành tinh của mô hình dự báo hạn vừa MRF trong dự báo m−a ở Việt Nam Các thử nghiệm đối với hai loại sơ đồ đất – bề mặt không cho thấy hiệu quả đặc biệt đối với dự báo m−a hạn ngắn. Các sơ đồ này sẽ đóng vai trò của mình trong bài toán mô phỏng/dự báo hạn dài khi mà điều kiện biên trở nên có ý nghĩa quết định đối với kết quả mô phỏng/dự báo của mô hình số trị. Bảng 2.13. Các đặc tr−ng đánh giá chất l−ợng sản phẩm dự báo m−a với các sơ đồ lớp biên hành tinh khác nhau L−ợng m−a trong 24h đầu L−ợng m−a trong 24h sau L−ợng m−a trong 48h Đặc tr−ng MRF PBL BL- PBL ETA PBL MRF PBL BL- PBL ETA PBL MRF PBL BL- PBL ETA PBL RMSE (mm) 29.4 31.2 32.4 29.7 29.3 28.3 43.4 44.5 44.3 ME(mm) -0.3 0.7 2.5 0.2 0.8 0.0 0.0 1.5 2.6 MAE(mm) 13.6 14.3 15.5 13.2 13.6 13.2 22.3 23.3 23.9 R 0.27 0.26 0.25 0.26 0.29 0.27 0.36 0.36 035 47 Bảng 2.14. Chỉ số đánh giá sản phẩm dự báo m−a CSI và BIAS trong 24h đầu với các sơ đồ lớp biên hành tinh khác nhau Chỉ số CSI Chỉ số BIAS Ng−ỡng l−ợng m−a (mm) MRF PBL BL- PBL ETA PBL MRF PBL BL- PBL ETA PBL 1 0.50 0.48 0.49 1.25 1.23 1.27 5 0.35 0.36 0.36 1.04 1.06 1.14 15 0.25 0.24 0.24 0.88 0.93 1.10 30 0.17 0.18 0.17 0.95 1.03 1.24 50 0.11 0.13 0.12 0.99 1.15 1.39 100 0.04 0.05 0.04 0.92 1.24 1.48 Bảng 2.15. Chỉ số đánh giá sản phẩm dự báo m−a CSI và BIAS trong 24h sau với các sơ đồ lớp biên hành tinh khác nhau Chỉ số CSI Chỉ số BIAS Ng−ỡng l−ợng m−a (mm) MRF PBL BL- PBL ETA PBL MRF PBL BL- PBL ETA PBL 1 0.48 0.48 0.47 1.22 1.22 1.24 5 0.33 0.33 0.33 1.01 1.05 1.02 15 0.21 0.21 0.20 0.90 0.96 0.89 30 0.15 0.15 0.14 0.94 1.04 0.95 50 0.12 0.11 0.10 1.07 1.16 1.04 100 0.05 0.07 0.07 1.24 1.34 1.17 Bảng 2.16. Chỉ số đánh giá sản phẩm dự báo m−a CSI và BIAS trong 48h với các sơ đồ lớp biên hành tinh khác nhau Chỉ số CSI Chỉ số BIAS Ng−ỡng l−ợng m−a (mm) MRF PBL BL- PBL ETA PBL MRF PBL BL- PBL ETA PBL 1 0.66 0.65 0.65 1.16 1.16 1.21 5 0.52 0.53 0.52 1.04 1.07 1.10 15 0.38 0.38 0.38 0.91 0.97 1.01 30 0.28 0.28 0.28 0.92 1.01 1.05 50 0.22 0.22 0.21 1.01 1.11 1.18 100 0.13 0.12 0.13 1.05 1.16 1.31 48 2.2.5. Kết quả đánh giá đối với nhiệt độ và độ ẩm t−ơng đối Kết quả tính toán một số chỉ số đánh giá đối với dự báo nhiệt độ và độ ẩm t−ơng đối đ−ợc trình bày trong các bảng 2.17 và 2.18. M−ời ph−ơng án dự báo đ−ợc nêu thực chất chính là tập hợp các dự báo thành phần với các lựa chọn sơ đồ tham số hóa vật lý khác nhau trong các mảng đối l−u, vi vật lý mây, bức xạ và lớp biên hành tinh đối với hai miền tính của mô hình MM5. Ph−ơng án dự báo 1, 2, 3 t−ơng ứng với các sơ đồ tham số hóa đối l−u Kuo, Grell và Betts Miller; Ph−ơng án dự báo 4, 5, 6 t−ơng ứng với các sơ đồ thám số hóa vi vật lý mây Simple Ice, Mixed Phase và Warm Rain; Ph−ơng án dự báo 4, 7, 8 t−ơng ứng với sơ đồ tham số hóa bức xạ RRTM, CCM2 và Cloud; Ph−ơng án dự báo 4, 9, 10 t−ơng ứng với các sơ đồ tham số hóa lớp biên hành tinh MRF PBL, Blackdar PBL và ETA PBL. Bảng 2.17. Các chỉ số đánh giá sản phẩm dự báo nhiệt độ với các lựa chọn sơ đồ tham số hóa vật lý khác nhau Hạn dự báo 24h Hạn dự báo 48h Các ph−ơng án dự báo RMSE ME MAE R RMSE ME MAE R Phương ỏn 1 2.08 -0.24 1.58 0.80 2.10 -0.09 1.60 0.81 Phương ỏn 2 2.18 -0.69 1.65 0.79 2.14 -0.68 1.63 0.82 Phương ỏn 3 2.07 -0.14 1.57 0.75 2.12 0.22 1.63 0.77 Phương ỏn 4 2.17 -0.67 1.64 0.74 2.15 -0.65 1.63 0.76 Phương ỏn 5 2.16 -0.57 1.64 0.73 2.15 -0.52 1.63 0.74 Phương ỏn 6 2.48 -1.17 1.90 0.74 2.65 -1.54 2.09 0.76 Phương ỏn 7 2.24 -0.85 1.70 0.74 2.22 -0.88 1.70 0.77 Phương ỏn 8 2.21 -0.11 1.68 0.73 2.16 -0.04 1.63 0.75 Phương ỏn 9 2.22 -0.64 1.69 0.75 2.22 -0.68 1.70 0.76 Phương ỏn 10 2.49 -1.48 1.95 0.74 2.68 -1.81 2.18 0.77 Nh− vậy, thông th−ờng dự báo của MM5 lệch so với thực tế khoảng 2OC và th−ờng là nhỏ hơn thực tế. Dự báo nhiệt độ phản ánh rất tốt nhịp điệu dao động của yếu tố này. Điều này có thể khẳng định thông qua hệ số t−ơng quan rất cao giữa nhiệt độ dự báo và thực tế đối với cả hai hạn dự báo. Dự báo độ ẩm t−ơng đối th−ờng sai lệch so với thực tế khoảng 10% ở 24h đầu và tăng lên chút ít, khoảng 11-12% ở 24h tiếp theo. Độ ẩm t−ơng đối dự báo của mô hình MM5 thấp hơn so với thực tế ở tất cả các ph−ơng án dự báo và điều 49 này góp phần lý giải việc dự báo m−a th−ờng thấp hơn thực tế của mô hình MM5 nh− đã nói ở trên. Khác với nhiệt độ, hệ số t−ơng quan giữa độ ẩm dự báo và độ ẩm thực tế đối với hạn dự báo 48h nhỏ hơn khá nhiều so với hạn dự báo 24h. Bảng 2.18. Các chỉ số đánh giá sản phẩm dự báo độ ẩm t−ơng đối (%) với các lựa chọn sơ đồ tham số hóa vật lý khác nhau Hạn dự báo 24h Hạn dự báo 48h Các ph−ơng án dự báo RMSE ME MAE R RMSE ME MAE R Phương ỏn 1 10.5 -5.9 8.3 0.36 12.1 -7.3 9.6 0.27 Phương ỏn 2 10.4 -4.9 8.1 0.34 11.0 -5.2 8.6 0.29 Phương ỏn 3 12.5 -8.9 10.3 0.33 13.6 -9.8 11.1 0.28 Phương ỏn 4 10.4 -4.8 8.1 0.34 11.4 -5.6 8.9 0.27 Phương ỏn 5 10.4 -5.2 8.1 0.35 11.4 -5.8 8.9 0.26 Phương ỏn 6 10.2 -4.6 8.0 0.34 11.2 -4.8 8.7 0.25 Phương ỏn 7 10.4 -4.7 8.1 0.34 11.2 -5.5 8.8 0.28 Phương ỏn 8 10.8 -5.7 8.5 0.34 11.8 -6.5 9.3 0.28 Phương ỏn 9 9.7 -3.9 7.4 0.32 10.4 -4.4 7.9 0.29 Phương ỏn 10 8.5 -2.7 6.3 0.33 9.0 2.7 6.8 0.28 50 Ch−ơng 3. xây dựng hệ thống dự báo tổ hợp cho mô hình mm5 Các mô hình số trị và hệ thống đồng hóa dữ liệu trong những năm gần đây đã có tiến bộ hết sức to lớn, vì thế mà dự báo của chúng ta đến ngày thứ 3 vẫn còn rất tốt nh− là dự báo trong vòng một ngày cách đây 20 năm. Dù vậy, dự báo của các mô hình số tr−ớc vài ngày vẫn có những sai lầm và thậm chí dự báo một ngày có thể gặp phải những sai số lớn. Lý do cho sự sai sót này chính là sự hỗn loạn một cách tự nhiên của khí quyển. Những sai số rất nhỏ trong điều kiện ban đầu có thể dẫn tới những sai số rất lớn trong dự báo và chúng ta không thể tạo ra một hệ thống dự báo hoàn hảo. Hơn nữa, chúng ta không thể quan sát một cách chi tiết trạng thái ban đầu của khí quyển. Để đối phó với việc không chắc chắn trong các dự báo và để có đ−ợc một dự báo tốt hơn, ng−ời ta sử dụng dự báo tổ hợp . Dự báo tổ hợp đã và đang là một trong những ph−ơng pháp dự báo chính ở nhiều Trung tâm dự báo lớn trên thế giới. ở Việt Nam, tuy cũng là h−ớng nghiên cứu khá mới mẻ nh−ng nó đang thu hút đ−ợc sự quan tâm đầu t− nghiên cứu của khá nhiều nhà khoa học. Đã có một số công trình nghiên cứu về dự báo tổ hợp quỹ đạo bão của Nguyễn Chi Mai, Võ Văn Hòa, dự báo các tr−ờng khí t−ợng trên Biển Đông trên cơ sở các mô hình RAMS và ETA của Trần Tân Tiến,... Dự báo tổ hợp thực chất là tổ hợp thống kê của các dự báo thành phần cho cùng một đối t−ợng. Các dự báo thành phần có thể là sản phẩm của một hay nhiều mô hình dự báo với các tr−ờng ban đầu khác nhau hoặc các thông số khác nhau của mô hình. Trong ch−ơng này sẽ trình bày về việc xây dựng hệ thống dự báo tổ hợp cho mô hình MM5 với các lựa chọn sơ đồ tham số hóa vật lý khác nhau của mô hình. 3.1. Ph−ơng pháp dự báo tổ hợp 3.1.1. Cơ sở lý thuyết của ph−ơng pháp dự báo tổ hợp Dự báo tổ hợp trong nh−ng năm gần đây ngày càng trở lên phổ biến do sự phát triển mạnh mẽ của công nghệ thông tin, bên cạnh đó là sự đòi hỏi ngày càng cao trong dự báo vì thế các ph−ơng pháp dự báo đã đ−ợc xây dựng ứng dụng và phát triển. Để phân loại dự báo tổ hợp, ng−ời ta chia ra làm ba nhóm chính: Nhóm I là nhóm phân tích mô hình từ các điều kiện ban đầu khác nhau. Một mô hình dự báo duy nhất đ−ợc ban đầu hóa với các tr−ờng ban đầu khác nhau. Hiện nay có hai ph−ơng pháp để tạo ra các điều kiện ban đầu khác nhau đó là ph−ơng pháp cấy nhiễu động và ph−ơng pháp tách vecto kỳ dị. Sơ đồ minh họa dự báo tổ hợp theo nhóm này đ−ợc trình bày trên hình 3.1. Nhóm II là nhóm phân tích các phiên bản khác nhau của mô hình, tập hợp các kết quả dự báo đ−ợc tạo ra bằng cách chạy mô hình nhiều lần với cùng số 51 liệu đầu vào nh−ng với các mô hình khác nhau hoặc với các tham số vật lý khác nhau của một mô hình. Sơ đồ minh họa dự báo tổ hợp theo nhóm này đ−ợc trình bày trên hình 3.2. Nhóm III là nhóm ph−ơng pháp sử dụng kết quả của các mô hình khác dự báo khác nhau (hoặc của một mô hình nh−ng với các sơ đồ tham số hóa vật lý khác nhau) với các nguồn số liệu đầu vào khác nhau hoặc cùng một dữ liệu đầu vào nh−ng đ−ợc ban đầu hóa t−ơng tự nh− ph−ơng pháp sử dụng trong nhóm I. Sơ đồ minh họa dự báo tổ hợp theo nhóm này đ−ợc trình bày trên hình 3.3. Khi đã có các sản phẩm dự báo khác nhau cho cùng một tr−ờng hợp (yếu tố, thời điểm) có thể tồn tại các ph−ơng pháp thống kê khác nhau nhằm tạo ra sản phẩm dự báo tổ hợp. Một số ph−ơng pháp chính và đơn giản bao gồm: - Phương pháp lấy trung bình đơn giản; Đầu vào Dự báo 1 Sản phẩm dự báo tổ hợp Mô hình3 Dự báo 2 Dự báo3 Mô hình 2 Mô hình 1 Hình 3.2. Sơ đồ mô tả dự báo tổ hợp theo nhóm II Mô hình số trị Đầu vào 1 Đầu vào 3 Dự báo 1 D− báo 2 Dự báo 3 Sản phẩm dự báo tổ hợp Đầu vào 2 Hình 3.1. Sơ đồ mô tả dự báo tổ hợp theo nhóm I Mô hình 3 Đầu vào 3 Đầu vào 1 Mô hình 2 Mô hình 1 Dự báo 1 Dự báo 2 Sản phẩm dự báo tổ hợp Đầu vào 2 Dự báo 3 Hình 3.3. Sơ đồ mô tả dự báo tổ hợp theo nhóm III 52 - Phương pháp xác định trọng số bằng hồi quy tuyến tính đa biến; - Tổ hợp tuyến tính của các dự báo với trọng số phụ thuộc vào sai số dự báo của mô hình. Cả ba ph−ơng pháp nêu trên đều có điểm trung là tạo tổ hợp tuyến tính, khác nhau duy nhất giữa các ph−ơng pháp này đó là cách tính trọng số. Công thức tổng quát của tổ hợp thống kê bằng cách tạo tổ hợp tuyến tính có thể viết d−ới dạng: Fth=∑ = n i ii fw 1 (3.1) trong đó, Fth - kết qủa dự báo tổ hợp; f i - dự báo thành phần ở mỗi mô hình; wi trọng số t−ơng đ−ơng với từng dự báo. Đối với từng ph−ơng pháp cụ thể công thức (1.1) đ−ợc biểu diễn nh− sau: - Đối với ph−ơng pháp lấy trung bình đơn giản: Wi=1/n (3.2) Qua thực tế ta thấy rằng, đối với sản phẩm dự báo tổ hợp theo ph−ơng pháp này thì vai trò và những điểm mạnh, yếu của các sản phẩm dự báo thành phần ch−a đ−ợc tính đến. - Đối với tính trọng số bằng ph−ơng pháp hồi quy tuyến tính đa biến: Công thức tính toán sản phẩm dự báo tổ hợp của ph−ơng pháp này t−ơng tự nh− ph−ơng pháp tổng quát nh−ng có nh−ng có thêm hằng số tự do C: Fth= C+ ∑ = n i ii fw 1 (3.3) - Đối với ph−ơng pháp tính trọng số theo sai số: Các trọng số của dự báo thành phần đ−ợc xác định bởi sai số của chính các dự báo thành phần t−ơng ứng: Wi = ∑ = n i i i e e 1 /1 /1 (3.4) trong đó, ei là sai số của các dự báo thành phần. Trên thế giới hiện nay, ở các Trung tâm dự báo còn sử dụng một số ph−ơng pháp khác làm phong phú thêm cách thức tiến hành dự báo tổ hợp đó là các ph−ơng pháp dự báo xác suất và xây dựng các bản đồ hiển thị tập hợp các đ−ờng đẳng trị, tạm gọi là bản đồ “spaghetti” (Hình 3.4). Thông th−ờng, các bản đồ “spaghetti” chỉ đ−ợc xây dựng đối với một số đ−ờng đẳng trị quan trọng. Cách thức tổ hợp dự báo theo ph−ơng pháp tổ hợp các đ−ơng đẳng trị đ−ợc xây 53 dựng bằng các đ−ờng đẳng trị thành phần của mô hình cho ta kết quả tổ hợp cuối cùng đó là một đ−ờng đẳng trị tổ hợp duy nhất. Nó có khả năng đại diện tốt cho các dự báo thành phần và từ đây chúng ta có thể sử dụng trong dự báo thực tế. Ngoài đ−ờng đẳng trị dự báo tổ hợp, ng−ời ta th−ờng tính toán xác suất xuất hiện vị trí của các đ−ờng đẳng trị dựa trên các dự báo thành phần (Hình 3.5). Thông tin từ các dự báo thành phần và dự báo tổ hợp đ−ợc khai thác triệt để phục vụ công tác dự báo nghiệp vụ. Hình 3.4. Ví dụ mô tả ph−ơng pháp tổ hợp các đ−ờng đẳng trị áp suất Hình 3.5. Ví dụ minh họa bản đồ xác suất trong dự báo tổ hợp 54 3.1.2. Tổng quan về dự báo tổ hợp ở trong và ngoài n−ớc • Ngoài n−ớc Hệ thống dự báo tổ hợp của NCEP. Tại NCEP, hệ thống dự báo tổ hợp hạn ngắn (SREF) đã đ−ợc đ−a vào sử dụng từ năm 2001. Tháng 9/2003, NCEP đã thêm vào thành phần ETA-KF (mô hình dự báo ETA với sơ đồ tham số hóa đối l−u KF) và đ−a tổng số các dự báo thành phần lên 15. Hai thành phần tr−ớc đó là ETA-BMJ (mô hình dự báo ETA với sơ đồ tham số hóa đối l−u BMJ) và mô hình RMSM. Mỗi mô hình dự báo t−ơng ứng với 5 tr−ờng đầu vào khác nhau đ−ợc tạo ra bằng ph−ơng pháp lọc Kalrman. Các chuyên gia của NCEP đã chỉ ra rằng dự báo tổ hợp đa vật lý (với các sơ đồ tham số hóa vật lý khác nhau) là quan trọng nhằm làm tăng tính đa dạng của SREF. Tính đa vật lý đ−ợc thực hiện bằng cách chạy mô hình với rất nhiều các sơ đồ tham số hóa đối l−u và tham số hóa vi vật lý mây khác nhau. Các sản phẩm dự báo của SREF đ−ợc đ−a ra cách nhau 3 giờ và liên tục trong vòng 63 giờ. Gần đây các nghiên cứu cũng đã chỉ ra rằng vẫn cần thiết phải thêm vào các thành phần vật lý cho hệ thống tổ hợp. Hệ thống SREF đã đ−ợc phát triển để tạo ra sản phẩm dự báo cho các khu vực khác nhau trên toàn cầu. Thông tin dự báo của SREF đ−ợc gửi tới Cơ quan dự báo nghiệp vụ Mỹ, các Trung tâm dự báo nghiệp vụ địa ph−ơng và các đối t−ợng sử dụng khác nhau. Dự báo tổ hợp ở Brazil. Mô hình INMET (National Meteorological Institute) của Brazil là một mô hình khu vực và đ−ợc phát triển từ mô hình HRM (High Resolution Model) của Cơ quan Khí t−ợng Liên bang Đức. Mô hình sử dụng các ph−ơng trình cân bằng thủy tĩnh và các ph−ơng trình nguyên thủy với độ phân giải là 25 km với miền dự báo trải rộng qua hầu hết các khu vực Bắc Mỹ. Sản phẩm của mô hình dự báo inmet hiển thị các tr−ờng khí t−ợng nh− là tr−ờng cao không, tr−ờng mực áp suất mặt biển, tr−ờng nhiệt độ, giáng thủy, độ ẩm t−ơng đối và các tr−ờng khí t−ợng khác