Luận án Nghiên cứu tác động của tham số hóa đối lưu đối với dự báo mưa bằng mô hình hrm ở Việt Nam

. Qua đánh giá kết quả về sự vận chuyển khối lượng, động lượng và độ ẩm theo phương thẳng đứng của hai sơ đồ tác giả đã kết luận là sơ đồ Kain Fritsch có ưu thế hơn so với sơ đồ BMJ và hiệu ứng của mây lên các quá trình thời tiết được mô phỏng gần với thực tế hơn. Từ đó, tác giả đã lựa chọn sơ đồ Kain Fritsch để thực hiện một số thử nghiệm như biến đổi điều kiện xuất hiện đối lưu, biến đổi tham số cuốn hút trong mây, biến đổi hàm hiệu quả mưa và tham số điều khiển tỷ phần chuyển nước ngưng kết. Những thử nghiệm này đã cho kết quả dự báo tốt hơn so với sơ đồ Kain Fritsch nguyên bản (Đ. N. Thắng, 2005). 65 CHƯƠNG 2 MÔ HÌNH DỰ BÁO THỜI TIẾT KHU VỰC PHÂN GIẢI CAO HRM VÀ MỘT SỐ PHƯƠNG PHÁP ĐÁNH GIÁ DỰ BÁO MƯA CỦA MÔ HÌNH Mục đầu tiên của Chương 2 giới thiệu một cách ngắn gọn về động lực học của mô hình HRM và miền dự báo được lựa chọn để chạy mô hình. Mục tiếp theo 2.2 bàn về vấn đề đánh giá dự báo mưa của mô hình số và nguồn số liệu thám sát trên lãnh thổ Việt Nam. Các chỉ số đánh giá theo bảng ngẫu nhiên và các chỉ số thống kê thường được sử dụng trong đánh giá QPF được trình bày ở Mục 2.3. Hai mục cuối của chương là cơ sở lý thuyết của thẩm định CRA và phương pháp bootstrap để kiểm nghiệm độ ổn định thống kê của các kết quả đánh giá. 2.1 MÔ HÌNH DỰ BÁO THỜI TIẾT KHU VỰC PHÂN GIẢI CAO Mô hình dự báo thời tiết khu vực phân giải cao HRM là một mô hình số, thủy tĩnh, dùng cho dự báo thời tiết khu vực hạn chế qui mô vừa α và β (Majewski, 2006). Mô hình này có thể cung cấp dự báo chi tiết các tham số thời tiết gần mặt đất và mô phỏng tốt hơn mây và mưa. Cấu trúc ngang của HRM theo lưới kinh vĩ quay hoặc theo lưới điều hòa với độ phân giải có thể thay đổi từ 0,25o đến 0,05o (tương đương từ 28km đến 7km). HRM sử dụng hệ tọa độ lai η theo phương thẳng đứng, đây là một hàm đơn trị của khí áp mặt đất biến đổi theo không gian và thời gian. Trên đỉnh của khí quyển nơi có 0p = thì ( ) 0p,0 s =η và trên biên dưới của mô hình (địa hình mô hình) khi spp = thì ( ) 1p,p ss =η . Hệ tọa độ lai η được thiết lập nhằm ứng dụng được những ưu việt của hệ tọa độ khí áp p và của hệ tọa độ theo địa hình σ , đồng thời khắc phục được những nhược điểm tương ứng của chúng. η còn phụ thuộc khí áp mặt đáy sp là một biến của không gian và thời gian. Trong tọa độ lai cần lựa chọn một mực Tpp = , từ mực này đến giới hạn trên của khí 66 quyển thì η trùng với hệ tọa độ p , nghĩa là 0p p=η đối với Tpp0 ≤≤ , với hPa1000p0 = . Từ mực Tp xuống đến mặt địa hình thì hệ tọa độ lai η lại tiến dần đến hệ tọa độ xác định bởi cấu trúc địa hình σ . Yêu cầu này đạt được bằng sử dụng một hàm tuyến tính. Hàm tuyến tính này gián đoạn tại Tpp = với hằng số hPa220pT = : Ts s 0 T Ts T pp pp p p pp pp − −+− −=η đối với sT ppp ≤< Khi đó, hàm tuyến tính nghịch đảo sẽ là: ( ) ( )η+η= BpAp s trong đó ( ) ( ) 0B,pA 0 =ηη=η đối với T0 η≤η≤ ( ) ( ) ( ) T0 T0 T0 T0 pp pp B,1 pp pp A − −η=ηη−−=η đối với 1T ≤η≤η Theo chiều thẳng đứng, khí quyển trong HRM có thể được chia thành từ 20 đến 40 lớp tính từ mặt đất đặc trưng bởi áp suất bề mặt ( )tyxps ,, đến giới hạn trên của mô hình tại nơi có áp suất bằng 10hPa (khoảng hơn 30km). Các biến dự báo như icv qqqTvu ,,,,, và các biến cảnh báo như tốc độ thẳng đứng trong hệ tọa độ khí áp ω được xác định tại mực phân chia giữa các lớp gọi là mực nguyên (full level), trong khi đó độ cao địa thế vị Φ và tốc độ thẳng đứng trong tọa độ lai cùng với các thông lượng khuếch tán lại được tính cho mực giữa của các lớp gọi là mực phân (half level). 2.1.1 Hệ phương trình cơ bản Các phương trình dự báo trong HRM được xây dựng dựa trên các phương trình nguyên thủy viết trong hệ tọa độ lai, bao gồm bảy phương trình dự báo ứng với bảy biến dự báo. Cụ thể là: - Phương trình xu thế khí áp mặt đất sp : 67 ( )∫ −μ−η⎭⎬ ⎫ ⎩⎨ ⎧ ⎟⎟⎠ ⎞⎜⎜⎝ ⎛ η∂ ∂ϕϕ∂ ∂+⎟⎟⎠ ⎞⎜⎜⎝ ⎛ η∂ ∂ λ∂ ∂ ϕ−=∂ ∂ 1 0 cos cos 1 slbslb s ppdpvpu at p (2.1) - Phương trình viết cho các thành phần gió ngang vu, : ( ) ( )[ ] ( )lblb s 1 u H v uu t upgF upln cosa RT K cosa 1cosvpQ cos 1 t u −μ−⎟⎠ ⎞⎜⎝ ⎛ ∂ ∂+η∂ τ∂ ⎟⎟⎠ ⎞⎜⎜⎝ ⎛ η∂ ∂−= η∂ ∂η+λ∂ ∂ ϕ++Φλ∂ ∂ ϕ+ϕη∂ ∂ ϕ−∂ ∂ λ − & (2.2) ( ) ( )[ ] ( )lblb s 1 v H v vv t vpgF vpln a RT K a 1upQ t v −μ−⎟⎠ ⎞⎜⎝ ⎛ ∂ ∂+η∂ τ∂ ⎟⎟⎠ ⎞⎜⎜⎝ ⎛ η∂ ∂−= η∂ ∂η+ϕ∂ ∂++Φϕ∂ ∂+η∂ ∂+∂ ∂ ϕ − & (2.3) - Phương trình viết cho nhiệt độ T : ( )lblbvc p c s T 1 T Hv p T TTc c L t TpgF p T c R TTcosvTu cosa 1 t T −μ−+⎟⎠ ⎞⎜⎝ ⎛ ∂ ∂+η∂ η∂⎟⎟⎠ ⎞⎜⎜⎝ ⎛ η∂ ∂−+⎟⎟⎠ ⎞ ⎜⎜⎝ ⎛ ω= η∂ ∂η+⎥⎦ ⎤⎢⎣ ⎡ ϕ∂ ∂ϕ+λ∂ ∂ ϕ+∂ ∂ − & (2.4) - Phương trình viết cho lượng hơi nước vq : ( )vlbvlbvc s vq 1 q H vvvv qqc t qpgF qq cosv q u cosa 1 t q vv −μ−−⎟⎠ ⎞⎜⎝ ⎛ ∂ ∂+η∂ η∂ ⎟⎟⎠ ⎞⎜⎜⎝ ⎛ η∂ ∂−= η∂ ∂η+⎥⎦ ⎤⎢⎣ ⎡ ϕ∂ ∂ϕ+λ∂ ∂ ϕ+∂ ∂ − & (2.5) - Phương trình viết cho lượng nước lỏng trong mây cq : ( )clbclbvc s cq 1 q H cccc qqc t qpgF qq cosv q u cosa 1 t q cc −μ−−⎟⎠ ⎞⎜⎝ ⎛ ∂ ∂+η∂ η∂ ⎟⎟⎠ ⎞⎜⎜⎝ ⎛ η∂ ∂−= η∂ ∂η+⎥⎦ ⎤⎢⎣ ⎡ ϕ∂ ∂ϕ+λ∂ ∂ ϕ+∂ ∂ − & (2.6) - Phương trình viết cho lượng nước rắn trong mây iq : 68 ( ) η∂ ρ∂−−μ−−⎟⎠ ⎞⎜⎝ ⎛ ∂ ∂+η∂ η∂ ⎟⎟⎠ ⎞⎜⎜⎝ ⎛ η∂ ∂−= η∂ ∂η+⎥⎦ ⎤⎢⎣ ⎡ ϕ∂ ∂ϕ+λ∂ ∂ ϕ+∂ ∂ − if ilbilbvc s iqq H iiii gqV qqc t qpgF qqvqu at q ii 1 cos cos 1 & (2.7) trong đó fV là tốc độ rơi của mưa ở dạng lỏng và rắn. Phương trình (2.7) được bổ sung vào hệ phương trình của HRM từ tháng 9 năm 2005 khi mô hình toàn cầu (GME) cung cấp thêm biến trường iq trong điều kiện ban đầu cho HRM. Bên cạnh các phương trình dự báo nêu trên, trong HRM còn có chín phương trình cảnh báo gồm các phương trình sau: - Phương trình tính tốc độ thẳng đứng trong hệ tọa độ lai nhận được nhờ tích phân phương trình liên tục từ 0=η đến Kη=η : ( ) ∫ η ηη η η ⎭⎬ ⎫ ⎩⎨ ⎧ ⎟⎟⎠ ⎞⎜⎜⎝ ⎛ η∂ ∂ϕϕ∂ ∂+⎟⎟⎠ ⎞⎜⎜⎝ ⎛ η∂ ∂ λ∂ ∂ ϕ− ⎟⎠ ⎞⎜⎝ ⎛ −μ+∂ ∂ ⎟⎟⎠ ⎞ ⎜⎜⎝ ⎛ ∂ ∂−=⎟⎟⎠ ⎞⎜⎜⎝ ⎛ η∂ ∂η=η K KK K dpvpu a pp t p p pp sRsR s s 0 cos cos 1 && (2.8) - Phương trình trạng thái biểu diễn qua thể tích riêng α : vRTp =α (2.9) - Để xác định số hạng năng lượng chuyển đổi giữa thế năng và động năng trên mực Kη cần viết lại phương trình trạng thái dưới dạng sau: ( ) ( ) K KK p RTv η ηη ⎟⎟⎠ ⎞ ⎜⎜⎝ ⎛ ω=αω (2.10) - Tốc độ thẳng đứng trong hệ tọa độ khí áp xác định được sau khi thay dt dp=ω vào phương trình tốc độ thẳng đứng trong tọa độ lai ta được: ( )⎢⎢⎣ ⎡ ⎭⎬ ⎫ ⎩⎨ ⎧ ⎟⎟⎠ ⎞⎜⎜⎝ ⎛ η∂ ∂ϕϕ∂ ∂+⎟⎟⎠ ⎞⎜⎜⎝ ⎛ η∂ ∂ λ∂ ∂ ϕ−−μ⎟⎟⎠ ⎞ ⎜⎜⎝ ⎛ ∂ ∂−=⎟⎟⎠ ⎞ ⎜⎜⎝ ⎛ ω ∫ η ηηη K KKK pvpu a pp p p pp sRRs 0 cos cos 11 K pvpu a η ⎟⎟⎠ ⎞⎜⎜⎝ ⎛ ϕ∂ ∂ϕ+λ∂ ∂ ϕ+ lncoslncos 1 (2.11) - Phương trình biểu diễn quan hệ tính xoáy thế tuyệt đối: 69 ( ) ⎭⎬ ⎫ ⎩⎨ ⎧ ⎟⎠ ⎞⎜⎝ ⎛ ϕκ∂ ∂−λ∂ ∂ κ+⎟⎟⎠ ⎞⎜⎜⎝ ⎛ η∂ ∂=η∂∂ +ζ= − cosuv cosa 1fp /p fQ 1 (2.12) - Phương trình xác định động năng trên một đơn vị khối lượng: ⎟⎟⎠ ⎞⎜⎜⎝ ⎛ ϕϕ+= cosvcos 1u 2 1K 22 (2.13) - Giá trị địa thế vị trên các mực mô hình nhận được từ tích phân phương trình thủy tĩnh: η∂ ∂−=η∂ Φ∂ p p RTv với s1 Φ=Φ =η (2.14) - Biểu thức xác định nhiệt độ ảo: ⎭⎬ ⎫ ⎩⎨ ⎧ ⎟⎠ ⎞⎜⎝ ⎛ −+= DDv q1R R1TT (2.15) - Phương trình viết cho độ ẩm riêng bão hòa: ( ) ( ) ( )TE R R1p TE R Rp,Tq w ' D w D s v ⎟⎟⎠ ⎞ ⎜⎜⎝ ⎛ −− = (2.16) với điều kiện khép kín là cân bằng bão hòa trong mây: 0qc = - ngoài mây và ( )p,Tqq svv = - trong mây ( )TE w là áp suất hơi bão hòa trên nước xác định bằng công thức kinh nghiệm dạng sau: ( ) ( ) W4BT 3BTW2Bexp1BTE w − −= Ngoài ra, HRM còn dự báo gián tiếp một số tham số bề mặt và nhiệt độ trong lòng đất. Trong sản phẩm mô hình còn có 4 biến cảnh báo là tốc độ thẳng đứng trong tọa độ khí áp ω , địa thế vị Φ , độ phủ mây clc và các hệ số khuếch tán h/tkvm . Những ký hiệu rút gọn và các hằng số sử dụng trong hệ phương trình mô hình: B1 = 610,78Pa; B2W = 17,2693882; B3 = 273,16K; B4W = 35,86K. Bán kính trái đất a = 6371229m; μlb - nhân tố lỏng dần biên xung quanh, lbp - khí áp trên biên xung quanh lấy từ GME; sp - khí áp bề mặt độ cao địa hình của HRM; slbp - khí áp từ 70 GME chuyển sang các mực của HRM; R = 287,05J/(kgK); RD = 461,51J/(kgK) - hằng số chất khí khô và hơi nước tương ứng. vHuH F,F - các số hạng khuếch tán ngang; ϕλ ττ , - thông lượng rối thẳng đứng; gia tốc trọng trường g = 9,80665ms-2; các thành phần gió lblb v,u xác định từ GME. Gió trên vùng biên được điều chỉnh đến giá trị GME nhờ nhân tố điều chỉnh lbμ . ( )kgK/J1005cp = - nhiệt dung riêng của không khí khô dưới áp suất không đổi; Lv = 2,501 x 106J/kg - ẩn nhiệt hóa hơi. Các số hạng phi đoạn nhiệt cv qHqHTH F,F,F biểu diễn phần khuếch tán ngang; cv qqT ,, ηηη là các thông lượng rối thẳng đứng; ( ) ( ) ( ) ( ) ( )scsvsss t/q,t/q,t/T,t/v,t/u ∂∂∂∂∂∂∂∂∂∂ ,(∂qi / ∂t)s là xu thế sinh ra bởi những quá trình qui mô dưới lưới đối với cv q,q,T,v,u ,qi tương ứng; vcc là tốc độ chuyển biến từ hơi nước sang nước lỏng mây. Các biến clbvlblb q,q,T , qilb được cho bởi mô hình GME, nhờ đó để điều chỉnh các biến vc q,q,T , qi tiến dần đến giá trị tương ứng của mô hình điều khiển trên biên xung quanh thông qua lbμ . 2.1.2 Điều kiện biên và ban đầu hóa Điều kiện biên trên: sóng trọng trường nội có vai trò quan trọng trong những mô hình có độ phân giải không gian cao như HRM. Vì vậy, cần thiết phải có những cơ chế nhân tạo làm tiêu tan năng lượng của những sóng trọng trường nội này nếu không chúng sẽ phản xạ lại trên đỉnh mô hình và dẫn đến phát triển những sóng đứng có kích thước bao trùm cả khí quyển thẳng đứng. Những sóng như vậy sẽ tạo ra trường tốc độ thẳng đứng không thực. Để khử bỏ loại sóng này trong HRM đã sử dụng điều kiện biên trên bức xạ (RUBC). Điều kiện biên xung quanh: điều kiện biên xung quanh cho HRM lấy từ mô hình toàn cầu GME (còn gọi là mô hình điều khiển) có làm trơn ít nhiều để cho các hệ thống qui mô nhỏ và sóng trọng trường có thể rời khu vực mô hình mà không phản xạ nhiều trên biên. Ban đầu hóa: đối với một mô hình dự báo số, để đưa ra được những dự báo hữu ích không chỉ phụ thuộc độ phân giải mô hình, độ chính xác của việc biểu diễn 71 các quá trình động lực học và vật lý trong mô hình mà còn phụ thuộc rất nhiều vào các điều kiện ban đầu được sử dụng để tích phân mô hình. Đó là vì dự báo thời tiết thực chất là ngoại suy tuyến tính trạng thái khí quyển trong tương lai trên cơ sở trạng thái khí quyển ở thời điểm ban đầu. Như ta đã biết, thám sát trực tiếp không thể được sử dụng làm trường ban đầu để tích phân mô hình mà số liệu thám sát này phải được biến đổi bằng một kiểu thích hợp động lực học để trường ban đầu tương thích động lực học với chính mô hình, đồng thời mô tả tốt nhất vật lý của khí quyển thực. Quá trình này gọi là đồng hóa số liệu, bao gồm hai quá trình là phân tích khách quan số liệu thám sát và ban đầu hóa số liệu. Trong HRM quá trình ban đầu hóa được thực hiện bằng phương pháp mode chuẩn ẩn phi tuyến (INMI). Phương pháp này được áp dụng đối với các trường Tvu ,, và sp . Bắt đầu từ tháng 3/2005, mô hình toàn cầu GME tăng độ phân giải ngang đến 40km và do đó cho dự báo toàn cầu tinh hơn trước, trong HRM đã phát triển thêm phương pháp ban đầu hóa lọc số (DFI) để thích hợp với sử dụng trường ban đầu mới từ mô hình GME. Địa hình: trên từng ô lưới, phụ thuộc vào độ phân giải trong HRM cần xác định các tham số: độ cao trung bình trên mực biển và vị trí của ô trên đất liền được xác định theo tập số liệu của Mỹ. Loại đất chủ yếu trong ô lưới xác định theo các bản đồ của FAO/UNESCO. Độ phủ thực vật được chọn bằng 0,75 đối với đất không có băng hay cát và độ cao gồ ghề trên đất phụ thuộc vào đất sử dụng cũng như sự biến đổi qui mô dưới lưới của địa hình. Albedo phụ thuộc vào loại đất, độ phủ tuyết và độ ẩm đất. 2.1.3 Tham số hóa vật lý trong mô hình Với độ phân giải ngang của mô hình HRM khoảng từ 28 đến 7km thì không thể mô tả trực tiếp các quá trình vật lý qui mô dưới lưới như bức xạ, đối lưu, khuếch tán rối ngang và đứng hay vật lý đất. Tuy nhiên, tất cả những quá trình này giữ vai trò quan trọng đối với động lực học khí quyển và đối với sự hình thành, phát triển các hiện tượng thời tiết, chính vì vậy chúng cần phải được tham số hoá trong mô hình. 72 - Bức xạ và mây: sự chuyển đổi bức xạ mặt trời và bức xạ nhiệt trong điều kiện khí quyển có mây và quang mây dựa theo Ritter và Geleyn (1992). Độ phủ mây nhận được từ lượng nước mây, băng mây, độ ẩm tương đối, độ ổn định và hoạt động đối lưu. Nếu lượng nước mây lớn hơn không thì độ phủ mây được coi là hoàn toàn (100%). Độ phủ mây một phần khi không có nước mây và băng mây được xác định từ công thức thực nghiệm sử dụng độ ẩm tương đối của các lớp khí quyển. Khi có hoạt động đối lưu thì độ dày mây đối lưu từ sơ đồ TSHĐL cũng được đưa vào để tính độ phủ mây. - Tham số hóa mưa qui mô lưới dựa vào việc giải các phương trình budget cho các loại thực thể nước khác nhau. Các quá trình vi vật lý mây được tham số hóa theo Doms and Schättler (2003) để dự báo ba thực thể của nước là hơi nước, nước mây và băng mây. Ngoài ra còn hai biến cảnh báo là mưa và tuyết. Năm thực thể này tương tác với nhau qua nhiều quá trình vi vật lý khác nhau. - Tham số hóa đối lưu: sử dụng sơ đồ TSHĐL của Tiedtke (1989). Sơ đồ đối lưu này phân biệt ba loại là đối lưu nông, đối lưu mực giữa và đối lưu xuyên thủng (sâu). Chi tiết của sơ đồ này đã được trình bày ở Mục 1.2.1 (Chương 1). - Thông lượng rối đứng trong lớp biên và trong tầng khí quyển tự do: dựa theo Louis (1979) trong lớp Prandtl (lớp sát đất) và một sơ đồ cảnh báo cấp hai dựa theo Mellor và Yamada (1974) cho lớp khí quyển biên và khí quyển tự do nhờ gần đúng thông lượng gradien. Hệ số khuếch tán rối thẳng đứng được suy ra từ các phương trình cảnh báo của động năng rối. - Thông lượng rối ngang: không được coi là một tham số hoá vật lý quan trọng mà sử dụng như một phép lọc để khử nhiễu qui mô nhỏ ra khỏi nghiệm số. - Mô hình đất: nhiệt độ trên mặt đất và tốc độ bốc hơi không phải là biến của mô hình nhưng nhiệt độ mặt đất lại cần thiết trong điều kiện biên để xác định thông lượng bức xạ và thông lượng hiển nhiệt. Độ ẩm đất bộc lộ trước hết qua khả năng bốc hơi của nó ảnh hưởng đến trữ lượng ẩm trong lớp biên khí quyển và do đó đến khả năng sinh mưa hay khô hạn. Trong HRM sử dụng mô hình đất hai lớp tối ưu xác định nhiệt độ đất theo phương trình dẫn nhiệt bằng phương pháp của Jacobson 73 và Heise (1982). Bốc hơi từ mặt đất trơ trụi và thoát dẫn bởi thực vật xác định bằng những hàm đơn giản của lượng nước theo một phiên bản đơn giản hóa của sơ đồ tham số hóa Dickinson (1984). 2.1.4 Miền dự báo và độ phân giải cho HRM Trong dự báo thời tiết khu vực cần phải lồng ghép một mô hình khu vực vào một mô hình toàn cầu để sử dụng trường phân tích và dự báo của mô hình toàn cầu làm điều kiện ban đầu và điều kiện biên biến đổi theo thời gian cho mô hình khu vực. Chính vì vậy, việc xác định vị trí và độ lớn của miền dự báo với độ phân giải ngang tương ứng là rất quan trọng. Miền dự báo phải được xác định sao cho vùng biên của miền nắm bắt được những quá trình qui mô lớn chi phối chính thời tiết khu vực được quan tâm đồng thời trên vùng biên đó có ít nhất những nhiễu động mạnh sinh ra do những lý do khác nhau mà sau đó có thể dẫn đến những nhiễu động giả trong miền. Mô hình HRM ban đầu được chạy thử nghiệm có độ phân giải ngang 28 x 28km và 20 mực thẳng đứng với miền dự báo lớn bao giữa 5oS-35oN, 80oE-130oE (ký hiệu H28- 20/L) gồm có 201 x 161 x 20 = 647220 điểm lưới (Hình 2.1). Ưu điểm của miền lớn này là bao phủ được các vùng biên mà trên đó thể hiện rõ các hệ thống thời tiết quan trọng như các hệ thống gió mùa, các cao áp nội ngoại nhiệt đới... có ảnh hưởng đến diễn biến thời tiết khu vực cần quan tâm là Việt Nam và Biển Đông. Nhược điểm cơ bản của miền này là vùng biên phía tây bắc nằm trên vùng núi khá cao sẽ ảnh hưởng xấu đến chính chất lượng dự báo phía tây bắc khu vực nghiên cứu và lân cận vùng biên này. Mặt khác, mưa lớn trên lãnh thổ Việt Nam sinh ra chủ yếu bởi hoạt động của XTNĐ, ITCZ, hai hệ thống gió mùa và sự kết hợp giữa các hình thế thời tiết trên với địa hình tùy thuộc vào mùa, vào khu vực cụ thể. Bài toán đặt ra là cần đáp ứng các yêu cầu (K. T. Xin, 2005): - Cần tránh đặt biên trên vùng núi cao - Để nắm bắt được các hệ thống thời tiết gây mưa như gió mùa đông bắc, ITCZ, hay sự chi phối của cao áp Thái Bình Dương cần mở rộng miền dự báo về phía đông bắc (NE), phía đông (E) hay đông nam (SE) 74 - Mặt khác, để nắm bắt được hệ thống gió mùa tây nam đi đến từ biển Ấn Độ và vịnh Bengal lại cần mở rộng miền dự báo về phía tây (W), tây nam (SW) và nam (S) Hình 2.1 Miền dự báo lớn (L) và độ cao địa hình (m) bao giữa 5oS-35oN, 80oE-130oE của H28-20/L (K. T. Xin, 2005) Việc chọn một miền cố định có Việt Nam (quá dài theo hướng bắc nam và quá hẹp theo hướng đông tây) nằm ở trung tâm miền, thỏa mãn 3 yêu cầu trên đồng thời phù hợp với điều kiện máy tính là điều cần thiết. Trong thực tế, mưa lớn không đồng thời xảy ra trên cả nước mà trên từng vùng địa phương tùy thuộc vào các hệ thống gây mưa lớn tương ứng cho vùng đó và đặc điểm địa lý của nó. Vì vậy, ta có thể chọn miền dự báo sao cho đồng thời thỏa mãn tối đa các yêu cầu trên cho từng vùng địa lý cụ thể và tùy thuộc vào mục đích đặt ra (K. T. Xin, 2005). Để dự báo mưa ở miền Bắc và miền Trung Việt Nam, miền dự báo cần được mở rộng về phía bắc và phía đông để nắm bắt tốt hơn các hệ thống thời tiết gió mùa mùa đông, bão và ITCZ trên vùng tây Thái Bình Dương. Ngược lại, để dự báo mưa miền Nam, miền dự báo lại cần mở rộng hơn về phía nam và tây nam để nắm bắt tốt hơn các hệ thống hoàn lưu mang ẩm từ biển Ấn Độ- vịnh Bengal và dòng vượt xích đạo. Tuy thế, nếu ta cần mưa gây lũ lụt ở Nam Bộ thì phải sử dụng kết quả dự báo của cả hai miền trên vì mưa thượng nguồn sông 75 Mêkông góp phần rất quan trọng đối với lũ lụt Nam Bộ. Nếu mục đích đặt ra là dự báo chuyển động của XTNĐ trên Biển Đông thì khi chọn miền lại cần quan tâm đến hoạt động của các hệ thống hoàn lưu địa phương trong mùa bão ở đây. Hơn thế nữa XTNĐ và sự kết hợp của chúng với các hình thế khác là cơ chế gây mưa lớn quan trọng nhất đối với miền Bắc và miền Trung Việt Nam. XTNĐ khu vực này thường xuất hiện và hoạt động chủ yếu trên miền hạn chế hơn so với vùng biển Đông Nam Á của tây Thái Bình Dương. Để nghiên cứu tác động của điều kiện biên, qua đó xác định miền thích hợp cho dự báo hoạt động của XTNĐ trên Biển Đông và các hệ thống thời tiết gây mưa lớn ở miền Bắc và miền Trung Việt Nam, kết quả của đề tài KHĐL 2002/02 do PGS. TSKH Kiều Thị Xin chủ nhiệm đã lựa chọn thu hẹp miền dự báo nhỏ hơn chỉ gồm 20 x 20 độ kinh vĩ, ký hiệu là S nằm bao giữa 7oN-27oN, 97oE-117oE (K. T. Xin, 2005). Miền nhỏ này nếu cũng với độ phân giải 28 x 28km sẽ chỉ gồm 81 x 81 x 20 = 131220 điểm lưới và ký hiệu là H28-20/S (Hình 2.2). Hình 2.2 Miền dự báo nhỏ (S) và độ cao địa hình (m) bao giữa 7oN-27oN, 97oE-117oE của H28-20/S (K. T. Xin, 2005) Trên hai hình này ta thấy vùng biên tây bắc của miền lớn có độ cao địa hình cực đại lớn hơn 5000m trong khi của miền nhỏ độ cao này chỉ lớn hơn 2600m, nghĩa là đã làm giảm được nhiễu động sinh ra bởi địa hình khi chuyển từ miền lớn sang miền nhỏ. Nếu sản phẩm dự báo bằng hai phiên bản H28-20/L và H28-20/S có 76 chất lượng tương đương thì thành công quan trọng nữa đạt được là giảm thời gian tính gần 6 lần (776020/131220 ∼ 5,9). Trong những năm 1984-1985 ở ECMWF đã có những cải tiến to lớn trong dự báo nghiệp vụ cho các vùng nhiệt đới. Một trong những cải tiến đó là nâng cao độ phân giải mô hình. Nghiên cứu trên qui mô toàn cầu của Tiedtke M., Heckley A., Slingo J. (1988) cho thấy tác động tổng hợp của vật lý và tăng độ phân giải ngang là làm giảm sai số hệ thống trong dự báo nghiệp vụ ở nhiệt đới của ECMWF. Thống nhất với quan điểm của Krishnamurti (1985) và Kreshaw (1985) các nhà nghiên cứu khí tượng cho rằng những cải tiến trong tham số hóa vật lý sẽ có tác động quan trọng nhất đối với mô phỏng nhiệt đới. Việc tăng độ phân giải ngang và đứng làm cho sơ đồ tham số hóa có thể mô tả tinh hơn các quá trình qui mô nhỏ hơn và do đó rất quan trọng đối với dự báo ở nhiệt đới bởi vì vật lý của khí quyển nhiệt đới biểu hiện thống trị bởi những quá trình qui mô vừa và nhỏ. Chính vì vậy, kết quả nghiên cứu của đề tài KHĐL 2002/02 đã tăng độ phân giải ngang của HRM lên (0,125 x 0,125) độ kinh vĩ tương đương với (14 x 14km) và 31 mực thẳng đứng cho cùng miền dự báo nhỏ S như trên và do đó sẽ gồm 161 x 161 x 31 = 803551 điểm lưới, ký hiệu H14-31/S (Hình 2.3) (K. T. Xin, 2005). Với độ phân giải tăng gần như gấp đôi so với phiên bản gốc H28-20 nhưng trên miền nhỏ S nên thời gian tính cũng chỉ tương đương với phiên bản H28-20/L mà sai số dự báo giảm đi đáng kể. Kết quả nghiên cứu này cũng minh chứng cho nhận định của Slingo về hiệu quả của tăng độ phân giải ngang và đứng là làm giảm sai số hệ thống của HRM. Vì vậy phiên bản H14-31/S được lựa chọn để nghiên cứu tác động của TSHĐL trong luận án này. 77 Hình 2.3 Miền dự báo nhỏ (S) và độ cao địa hình (m) bao giữa 7,125oN-27,125oN, 97,25oE-117,25oE của H14-31/S (K. T. Xin, 2005) 2.2 VỀ ĐÁNH GIÁ DỰ BÁO MƯA MÔ HÌNH VÀ XỬ LÝ SỐ LIỆU MƯA Trong số các yếu tố khí tượng cần được dự báo, mưa vừa là yếu tố khí tượng vừa là hiện tượng thời tiết khó dự báo nhất. Bên cạnh đó, việc đánh giá dự báo mưa cũng rất khó khăn và phức tạp, đó là vì trường mưa là một trường bất liên tục và biến động mạnh theo không gian và theo thời gian. Nhiều đặc trưng thống kê có tính quy luật ở những yếu tố khí tượng khác nhưng lại không có ở mưa làm cho việc xử lý số liệu mưa cũng rất phức tạp. Nếu không có số liệu kiểm chứng đáng tin cậy thì dù ta chọn chỉ tiêu gì và phương pháp đánh giá nào cũng sẽ không nhận được kết quả tin cậy. Do đó, trước tiên cần tiến hành xử lý kiểm tra số liệu mưa quan trắc và sản phẩm mưa của mô hình, sau đó lựa chọn các chỉ tiêu đánh giá dự báo, tính toán, biểu diễn kết quả và cuối cùng là phân tích các kết quả đánh giá. Quy trình và mục đích đánh giá được minh họa trên Hình 2.4. Không giống như các trường khí tượng khác, mưa có hai thành phần là pha mưa (có mưa hay không có mưa) và thành phần lượng mưa. Do đó cần nghiên cứu khả năng của mô hình dự báo sự diễn ra mưa và lượng mưa. 78 Hình 2.4 Sơ đồ biểu diễn quy trình đánh giá (Damrath, 2002) Trên Hình 2.5 là phân bố các trạm đo mưa (bao gồm trạm khí tượng và trạm thủy văn) ở Việt Nam của các năm 2003, 2004 và 2005. Tổng số trạm đo mưa tương ứng của 3 năm là 296, 314 và 344 trạm. (a) (b) (c) Hình 2.5 Phân bố trạm đo mưa a) năm 2003 (296 trạm) b) năm 2004 (314 trạm) c) năm 2005 (344 trạm) Đánh giá Dự báo Phân tích Xử lý số liệu Quản lý số liệu Thám sát Người sử dụng Người làm mô hình 79 Từ phân bố này ta có mật độ trạm đo mưa trên đất liền nước ta (không kể các trạm đảo xa bờ và trạm phao) tính trung bình là 1 trạm/1170km2, trong đó mật độ lớn nhất thuộc khu vực đồng bằng ven biển Bắc Bộ với mật độ trạm cao nhất là 1 trạm/513km2, vùng hẹp mật độ trạm cao nhất là 1 trạm/200-300km2 và vùng có mật độ thấp nhất là 1 trạm/3000km2 (K. T. Xin, 2005). Nói tóm lại, mật độ trạm mưa của Việt Nam hết sức thưa thớt, chỉ có vùng đồng bằng ven biển phía Bắc là đạt chỉ tiêu tối thiểu của Tổ chức Khí tượng Thế giới (WMO). Mật độ này sẽ ảnh hưởng đáng kể đến các kết quả tính toán và phân tích đánh giá. (a) (b) (c) Hình 2.6 Phân bố trạm đo mưa tại các khu vực năm 2005 a) Bắc Bộ (192 trạm) b) Trung Bộ (96 trạm) c) Nam Bộ (56 trạm) Số liệu mưa quan trắc sử dụng trong luận án do TTDBKTTVTW cung cấp và đã được xử lý và kiểm tra. Giá trị thám sát nhận được theo các ốp quan trắc cách nhau 6h. Lượng mưa tích lũy 24h sẽ là tổng lượng mưa của các ốp quan trắc tương ứng với các thời điểm dự báo. Sau khi tiến hành đồng bộ số liệu giữa quan trắc và dự báo bằng cách nội suy các giá trị dự báo mưa của mô hình tại các điểm nút lưới 80 về các điểm trạm quan trắc, chúng tôi tiến hành tính toán các điểm số đánh giá và đánh giá cho toàn Việt Nam hoặc tách riêng cho từng khu vực Bắc Bộ, Trung Bộ và Nam Bộ như trên Hình 2.6. 2.3 MỘT SỐ ĐIỂM SỐ THƯỜNG SỬ DỤNG ĐỂ ĐÁNH GIÁ DỰ BÁO MƯA TRONG NGHIỆP VỤ Đánh giá thống kê theo loại (categorical statistics) là loại tiêu chuẩn đánh giá sự phù hợp giữa sự xảy ra hiện tượng dự báo và hiện tượng quan trắc tại nút lưới. Các điểm số đánh giá được dựa vào bảng ngẫu nhiên sau (Damrath, 2002): Hits (H) = dự báo có + quan trắc có Misses (M) = dự báo không + quan trắc có False alarms (F) = dự báo có + q