Dự báo dông ở bắc bộ

Tạp chí Khoa học đhqghn, KHTN & CN, T.xxII, Số 1PT., 2006 Dự báo dông ở bắc bộ Trần Tân Tiến, Nguyễn Thế Vinh, Đặng Thị An Khoa Khí t−ợng-Thuỷ văn và Hải d−ơng học Tr−ờng Đại học Khoa học Tự nhiên, ĐHQG Hà Nội 1. Mở đầu Mọi hoạt động trong đời sống xã hội của con ng−ời đều trực tiếp chịu ảnh h−ởng của các điều kiện thời tiết, nhất là các hiện t−ợng thời tiết nguy hiểm nh− bão, m−a lũ, lốc, tố và dông. Những hiện t−ợng thời tiết nguy hiểm trên đặc biệt là dông ảnh h−ởng lớn đến hiệu quả của các ngành kinh tế nh− hàng không, hàng hải, du lịch, b−u chính viễn thông. Vì vậy việc dự báo dông là một vấn đề cấp bách đặt ra hiện nay. Có rất nhiều ph−ơng pháp để dự báo dông song theo −ơc tính cho thấy dự báo bằng mô hình chỉ đúng đ−ợc khoảng 10% còn lại do kinh nghiệm đạt 30% và theo bản năng là 60%. Các ph−ơng pháp dự báo dông trên thế giới chủ yếu dựa vào các chỉ số đặc tr−ng cho độ bất ổn định của khí quyển. Các chỉ số th−ờng dùng là LI ( Liftid index), CAPE (Convective Available Potention Eneregy ), độ đứt của gió, gió trên các mặt đẳng áp, nhiệt độ, độ ẩm v.v…Trong bài báo này chúng tôi sử dụng kết quả dự bảo tr−ờng địa thế vị , nhiệt độ, điểm s−ơng của mô hình bất thủy tĩnh ETA để tính toán các chỉ số bất ổn định và xây dựng ph−ơng trình dự báo dông cho từng trạm thuộc Bắc bộ. 2. Mô hình ETA Mô hình khu vực hạn chế ETA do tr−ờng đại học Belgrade và Viện Khí t−ợng Thủy văn Federal – Belgrade cùng với Trung tâm Khí t−ợng Quốc gia Mỹ xây dựng. Mô hình liên tục đ−ợc thay đổi thông qua các hội thảo hàng năm của các chuyên gia về mô hình trên thế giới đang sử dụng ETA. Mô hình ETA hiện nay đ−ợc NCEP cải tiến trở thành một trong các mô hình số trị chạy nghiệp vụ dự báo ngắn hạn tại Mỹ. Trên thế giới có nhiều n−ớc sử dụng nh− Nam T−, Hy Lạp, Italy, Nam Mỹ… Phiên bản mới nhất của mô hình ETA không thuỷ tĩnh đ−ợc hoàn thiện và sử dụng tại Đại học tổng hợp Hy Lạp đứng đầu là giáo s− G.Kaloss. Hiện nay nhóm nghiên cứu dự báo khí t−ợng tr−ờng Đại học Khoa học tự nhiên - ĐHQGHN với sự giúp đỡ của giáo s− G. Kaloss đã áp dụng thành công mô hình này vào dự báo thời tiết ở Việt Nam. 2.1. Hệ ph−ơng trình thủy nhiệt động lực học của mô hình ETA Tr−ớc hết ta xét hệ tọa độ thẳng đứng sigma (σ) à ππσ )( t−= (1) trong đó, π là áp suất thủy tĩnh, à là hiệu số giữa áp suất thủy tĩnh bề mặt và đỉnh mô hình, tức là: ts ππà −= . (2) 56 Dự báo dông ở Bắc Bộ 57 ở đây, πs và πt là áp suất thủy tĩnh tại bề mặt và đỉnh của mô hình. Với hệ tọa độ này thì hệ ph−ơng trình nhiệt động lực bất thủy tĩnh có dạng sau (Janjic et al., 2001) [27]: 1) Ph−ơng trình cho xu thế khí áp: σàà σ ′∫∇−=∂ ∂ • d t )( 1 0 v (3) 2) Ph−ơng trình trạng thái: RTp =α (4) 3) Ph−ơng trình của độ cao địa thế vị: ∫+= 1 σ s dσp RTàΦΦ (5) 4) Ph−ơng trình của các thành phần gió ngang: vkv ì+∇−Φ∇+−= rfp dt d σσ αε )1( (6) 5) Ph−ơng trình của xu thế nhiệt độ (bảo toàn năng l−ợng): pp p c Q tt p c dp c TT= t T +∂ ∂+−∂ ∂+ ′∫ ∇+−∇+∂ ∂−∇−∂ ∂ ••• ])1([ ])()1([ 0 πεα σàεασσ σ σσσ vvv & (7) επ +=∂ ∂ 1p (8) 6) Ph−ơng trình của tốc độ thẳng đứng: )(11 σ σ tgdt d g w σ ∂ ∂+∇+∂ ∂== • ΦΦΦΦ &v (9) )(11 σ wσw t w gdt dw g σ ∂ ∂+∇+∂ ∂== • &vε (10) 7) Ph−ơng trình đối với tỷ số hỗn hợp q, ph−ơng trình dự báo có dạng: S dt dq = (11) ở đây, S là nguồn ẩm, v là vector gió ngang, p là áp suất không thủy tĩnh, R là hằng số khí của không khí khô, T là nhiệt độ, Φ là địa thế vị và Φs là địa thế vị tại bề mặt đất. Hệ ph−ơng trình (1)-(11) là hệ ph−ơng trình thuỷ nhiệt động lực học cho khí quyển không thuỷ tĩnh. Tr−ờng hợp ε = 0, mô hình trở về tr−ờng hợp thuỷ tĩnh. Trong khí quyển rối, thì các ph−ơng trình chuyển động, nhập nhiệt, ẩm có thêm các thành phần mô tả xáo trộn rối thẳng đứng. Trần Tân Tiến, Nguyễn Thế Vinh, Đặng Thị An 58 Theo đánh giá của NCEP thì mô hình ETA cho kết quả dự báo khá tốt ở miền nhiệt đới, đặc biệt là khu vực đồi núi. Với toạ độ địa hình η, mô hình có thể nắm bắt đ−ợc dòng chuyển động c−ỡng bức địa hình tạo điều kiện thuận lợi cho đối l−u phát triển. Vì vậy việc sử dụng kết quả của mô hình bất thuỷ tĩnh ETA tính toán các chỉ số bất ổn định để dự báo dông là rất khả quan. 3. Tính toán các chỉ số để dự báo dông theo mô hình ETA Chúng tôi tính toán 3 chỉ số để dự báo dông theo mô hình ETA là: chỉ số Boyd, chỉ số TT, chỉ số KI. 3.1. Chỉ số Boyd: Công thức toán học của chỉ số Boyd: ( ) 2001.0 7001000700 −−−= TZZBoyd , trong đó: Z700 là độ cao địa thế vị ở mực 700mb (m2/s2) Z1000 là độ cao địa thế vị ở mực 1000mb (m2/s2) T700 là nhiệt độ tại mực 700mb (K0) Chỉ số Boyd mô tả profile nhiệt độ thẳng đứng giữa mực 1000mb và 700mb. 3.2. Chỉ số KI: Công thức toán học của chỉ số KI: ( ) TTTT ddKI 700850500850 ++−= , trong đó: T850 là nhiệt độ tại mực 850mb (K0) T500 là nhiệt độ tại mực 500mb (K0) Td850 là nhiệt độ điểm s−ơng tại mực 850mb (K0) Td700 là nhiệt độ điểm s−ơng tại mực 700mb (K0) 3.3. Chỉ số TT: Công thức toán học của chỉ số TT: TTTT dTT 500850500850 −+−= , trong đó: T850 là nhiệt độ tại mực 850mb (K0) T500 là nhiệt độ tại mực 500mb (K0) Td850 là nhiệt độ điểm s−ơng tại mực 850mb (K0) Số liệu cho mô hình ETA đ−ợc cập nhật từ mô hình AVN hàng ngày từ 10h30 đến 11h30. Tr−ờng số liệu của mô hình AVN có độ phân giải ngang 10ì10 kinh vĩ (t−ơng Dự báo dông ở Bắc Bộ 59 đ−ơng 111km) trên 26 mực theo chiều thẳng đứng những tệp số liệu này đ−ợc cung cấp miễn phí trên Internet ở các thời điểm 00Z, 06Z, 12Z và 18Z. Nh−ng tr−ờng số liệu của mô hình AVN ch−a phù hợp với tr−ờng số liệu của mô hình ETA nên đ−ợc nội suy về tr−ờng số liệu phù hợp với mô hình ETA bằng một ch−ơng trình Fortran. Quá trình chạy và hiển thị kết quả của mô hình là 1h30 phút, kết quả dự báo các tr−ờng khí t−ợng nh− khí áp, nhiệt độ, gió, độ ẩm đ−ợc ghi ra từng tiếng một. Để tính đ−ợc các chỉ số dông Boyd, TT và KI ở các thời điểm 1,2,3... giờ chúng tôi cần lấy ra các tr−ờng số liệu của các yếu tố: Z1000, Z700, T850, Td850, T700, Td700, T500 tại thời điểm đó. Mô hình ETA chạy dự báo cho 48 giờ chúng tôi lấy ra 336 tr−ờng số liệu mỗi tr−ờng gồm 12285 điểm (105 x117 với 7 yếu tố từng giờ một. Miền tính từ kinh độ từ 96 đến 1250 và vĩ độ từ 10 đến 250, độ phân giải ngang là 0.25 x 0.25. Đã lập trình tính toán các chỉ số Boyd, KI, TT cho tất cả các điểm (tức 12285 điểm) dựa vào 7 yếu tố: Z1000, Z700, T850, Td850, T700, Td700, T500 và đ−ợc tr−ờng chỉ số dông. Chúng tôi thu đ−ợc chỉ số dông tại các thời điểm cách nhau 1 giờ một theo kết quả dự báo 48 giờ của mô hình ETA. Tiến hành nội suy chỉ số dông về trạm để nhận đ−ợc các chỉ số ở mỗi giờ tại các trạm quan trắc .Các trạm là các sân bay có quan trăc dông : Nội Bài, Cát Bi, Đà Nẵng, Điện Biên, Vinh, Phú Bài, Nà Sản.Với chuỗi số liệu trên đã sử dụng ph−ơng pháp phân lớp để tìm ph−ơng trình dự báo. 4. Xây dựng ph−ơng trình dự báo dông cho khu vực Bắc Bộ 4.1. Nguồn số liệu: Chúng tôi xử lý kết quả của mô hình ETA và tính chỉ số dông cho từng điểm trạm vào tất cả các giờ 00h, 01h, 02h,..., 24h,…, 48h. Nh− vậy chúng tôi sẽ thu đ−ợc chỉ số dông từng giờ một trong hai ngày tại 7 trạm. Tại 7 trạm này thì cứ 30 phút một lần quan trắc dông. Chúng tôi xử lý kết quả quan trắc theo quy định sau: Tổng hợp 2 lần phát báo liên tiếp lại tính cho kết quả quan trắc dông một giờ (phát báo một lần tại thời điểm trùng với thời điểm tính các chỉ số và phát báo lần liên tiếp có nghĩa là 30 phút sau). Bảng 1: Minh hoạ sự quy định hiện t−ợng dông. Phát báo t giờ (t=1, 2…24) Phát báo ( t+30 phút ) Hiện t−ợng dông (1giờ) Có dông Có dông Có dông Có dông Không có dông Có dông Không có dông Có dông Có dông Không có dông Không có dông Không có dông Sau khi quy định nh− trên, chúng tôi lập trình ch−ơng trình đọc số liệu phát báo 7 trạm trên, kết hợp với số liệu tính toán các chỉ số Boyd, chỉ số KI và chỉ số TT ta lập đ−ợc chuỗi số liệu để dự báo dông ở các trạm. Trần Tân Tiến, Nguyễn Thế Vinh, Đặng Thị An 60 Mô hình ETA chạy từ tháng 2 đến tháng 5 chúng tôi thu đ−ợc một tập số liệu nh− dã mô tả. Sử dụng ch−ơng trình phân để tính toán với chuỗi số liệu đã có đã tìm đ−ợc hàm phân lớp dự báo dông. 4. 2. Ph−ơng pháp đánh giá kết quả Ng−ời ta có nhiều ph−ơng pháp để đánh giá kết quả, nh−ng trong bài báo về dự báo dông này chúng tôi sử dụng ph−ơng pháp đánh giá kết quả dự báo pha (có hay không có dông). Độ chính xác của ph−ơng pháp dự báo đ−ợc xác định theo công thức sau: N U NN 2211 += , trong đó: N: Tổng số lần dự báo. N11: Số lần dự báo đúng pha có dông. N22: Số lần dự báo đúng pha không có dông. Về nguyên tắc, chọn ph−ơng pháp dự báo nào có U lớn nhất. Thực tế chỉ sử dụng U để đánh giá thì không đủ, vì vậy cần phải đánh giá theo một tiêu chuẩn nữa gọi tiêu chuẩn độ tin cậy H: U UUH 0 0 1− −= , trong đó: U0 là độ chính xác toàn phần của dự báo ngẫu nhiên. Với U0 = 0,5. H > 0,2 thì kết luận chỉ tiêu này sử dụng cho kết quả tốt. 4.3. Đánh giá kết quả Chúng tôi xác định: - Yếu tố dự báo là hiện t−ợng dông có xuất hiện hay không. - Nhân tố dự báo là ba chỉ số Boyd, KI và TT. Chúng tôi lần l−ợt đổ các nhân tố dự báo và phân lớp thu đ−ợc các kết quả nh− sau: 4.3.1. Sử dụng một chỉ số làm nhân tố dự báo: Bảng 2: Kết quả phân lớp của chỉ số Boyd: U(%) H (độ tin cậy) Ng−ỡng 63.985 (%) 0.3197 -176.004 Bảng 3: Kết qủa phân lớp của chỉ số TT: U (%) H (độ tin cậy) Ng−ỡng 59.032 (%) 0.18 43.236 Dự báo dông ở Bắc Bộ 61 Bảng 4: Kết quả phân lớp của chỉ số KI: U (%) H (độ tin cậy) Ng−ỡng 55.040 (%) 0.1008 582.8 Sau khi đổ vào ch−ơng trình phân lớp ta thu đ−ợc ng−ỡng của các chỉ số TT (43.236), chỉ số KI (582.8) và chỉ số Boyd (-176.004), trong đó hai chỉ số KI và TT dự báo không tốt bằng chỉ số Boyd vì chỉ số Boyd dự báo đúng 65.985% với độ tin cậy là 0.3197 trong khi đó hai chỉ số KI và TT chỉ dự báo đúng 55.040% và 59.032% với độ tin cậy nhỏ hơn 0.2. Vì vậy ta có thể kết luận đ−ợc rằng chỉ số Boyd có thể đ−ợc sử dụng để dự báo dông. 4.3.2. Sử dụng hai chỉ số làm hai nhân tố dự báo: Bảng 5: Kết quả phân lớp của chỉ số Boyd và TT: U(%) H (Độ tin cậy) Hàm phân lớp 65.985% 0.3197 I=14.744TT + 6.199Boyd + 823.13 Bảng 6: Kết quả phân lớp của chỉ số Boyd và KI: U(%) H (Độ tin cậy) Hàm phân lớp 69.051% 0.381 I=133.97KI + 6.2127Boyd – 76984.256 Bảng 7: Kết quả phân lớp của chỉ số KI và TT: U(%) H (Độ tin cậy) Hàm phân lớp 58.905% 0.1781 I=22.094TT + 137.567KI – 81129.4 Kết quả phân lớp thu đ−ợc cho thấy việc sử dụng hai chỉ số làm hai nhân tố dự báo cho kết quả khả quan hơn và khả năng dự báo chính xác hơn việc sử dụng một chỉ số làm nhân tố dự báo. Kết quả dự báo kết hợp hai chỉ số Boyd và KI có thể đúng tới 69.051% với hàm phân lớp I = 133.97KI + 6.2127Boyd – 76984.256 và độ tin cậy 0.381. Tổ hợp hai chỉ số Boyd và TT cũng cho kết quả tốt hơn đúng tới 65.985% với độ tin cậy 0.3197 và cũng tìm đ−ợc hàm phân lớp I = 14.744TT + 6.199Boyd + 823.13. Việc tổ hợp hai chỉ số KI và TT cho kết quả không tốt chỉ dự báo đúng 58,905% với độ tin cậy 0.1781 Nh− vậy ta có thể tìm đ−ợc hai ph−ơng trình phân lớp: • I = 133.97KI + 6.2127Boyd – 76984.256 • I = 14.744TT + 6.199Boyd + 823.13 Có thể dự báo dông với độ tin cậy lớn hơn 0.2 Trần Tân Tiến, Nguyễn Thế Vinh, Đặng Thị An 62 4.3.3. Sử dụng ba nhân tố làm ba nhân tố dự báo: Bảng 9: Kết quả phân lớp của ba chỉ số Boyd, KI và TT: U(%) H (Độ tin cậy) Hàm phân lớp 69.270% 0.3854 I = 22.231TT + 139.27KI + 11.864Boyd - 80521.2 Kết quả phân lớp cho thấy sử dụng cả ba chỉ số để dự báo cho kết quả tốt nhất với dự báo đúng là 69.270% và độ tin cậy 0.385 Hàm phân lớp trên đã kiểm nghiệm trên chuỗi số liệu độc lập của 5 trạm trong 6 ngày 06, 07, 14, 15, 25, 26 của tháng 6 năm 2004 gồm 720 tr−ờng hợp. Kết quả dự báo U = 68.841% với độ tin cậy H = 0.3768.Nh− vậy ph−ơng trình tìm đ−ợc có thể đ−a vào thử nghiệm cho dự báo nghiệp vụ ở Việt Nam. Đây là kết quả nghiên cứu của đề tài CB 733104 .Công trình hoàn thành với sự hỗ trợ của ch−ơng trình nghiên cứu cơ bản năm 2005 . Tài liệu tham khảo 1. Trần Công Minh, Khí t−ợng Synôp phần Nhiệt đới, Đại học Quốc gia Hà Nội, Hà Nội, 2001. 2. Trần Tân Tiến, Đối l−u khí quyển, Đại học Quốc gia Hà Nội, Hà Nội, 2002. 3. Trần Tân Tiến, Nguyễn Đăng Quế, Xử lý số liệu khí t−ợng và dự báo thời tiết bằng ph−ơng pháp thống kê vật lý, Đại học Quốc gia Hà Nội, Hà Nội, 2002. 4. Haklander A.J., Delden A.V. 5. Thunderstorm predictors and their forecast skill for the Netherlands 6. Atmospheric Research 67-68(2003) 273-299 7. Thunderstorm forecasting guide 8. VNU. JOURNAL OF SCIENCE, Nat., Sci., & Tech., T.xXII, n01AP., 2006 THUNDERSTORM FORECAST IN THE NORTH OF VIETNAM Tran Tan Tien, Nguyen The Vinh, Dang Thi An Department of Hydro-Meteorology & Oceanography College of Science, VNU Using prediction fields of geopotential, temperature, moistue given by ETA every hour, some unstable indexes of the atmosphere at a model grid point are calculated. The indexes include Boyd, KI and TT. These indexes are interpolated into the positions of weather stations, where thunderstorms are observed every 30 minute. The series of these indexes and thunderstorms are used to establish discriminative functions. The functions are tested using independent and dependent data. The results of the tests show that discriminative function with 3 variables may be used for thunderstorm forecast in the North of Vietnam in meteorological operations. Dự báo dông ở Bắc Bộ 63