Luận văn Nghiên cứu ứng dụng mô hình MM5 vào dự báo thời tiết mùa mưa khu vực nam trung bộ

g) (if IMPHYS2) CLW Tỉ số xáo trộn nước mây (kg/kg) (if IMPHYS3) RNW Tỉ số xáo trộn nước mưa (kg/kg) (if IMPHYS3) ICE Tỉ số xáo trộn băng mây (kg/kg) (if IMPHYS5) SNOW Tỉ số xáo trộn tuyết (kg/kg) (if IMPHYS5) GRAUPEL Tỉ số xáo trộn hạt graupel (kg/kg) (if IMPHYS6) NCL Băng mây (if IMPHYS7) TKE Động năng rối (J/kg) (if IBLTYP=3,4,6) RAD TEND Xu thế bức xạ khí quyển (if FRAD2) W Tốc độ gió thẳng đứng (m/s) (ở tất cả các mực) Các yếu tố dự báo 2 chiều U10 Trường gió U ở độ cao 10 m V10 Trường gió V ở độ cao 10 m PSLV Áp suất mặt biển RAIN CON: Mưa đối lưu (cm) RAIN NON Mưa quy mô lưới (cm) PBL HGT Độ cao lớp biên hành tinh (m) REGIME Kiểu lớp biên hành tinh (loại 1-4) SHFLUX Thông lượng hiển nhiệt bề mặt (W/m2) LHFLUX Thông lượng ẩn nhiệt bề mặt (W/m2) UTS Vận tốc ma sát (m/s) SOIL Tx Nhiệt độ trong các lớp đất (K)(If SOIL=1,2) 34 Các sản phẩm khác SIGMAH Mực phân của mô hình ALBD Albedo bề mặt theo loại đất sử dụng SLMO Độ ẩm khả năng bề mặy theo loại đất sử dụng SFEM Độ phát xạ bề mặt theo loại đất sử dụng SFZO Độ gồ ghề theo loại đất sử dụng THERIN Nhiệt dung của bề mặt theo loại đất sử dụng SFHC Nhiệt dung của đât SIGMAH Mực phân của mô hình ALBD Albedo bề mặt theo loại đất sử dụng SLMO Độ ẩm khả năng bề mặy theo loại đất sử dụng 35 Chương 3 KẾT QUẢ TÍNH TOÁN VÀ PHÂN TÍCH Ở Việt Nam, mô hình MM5 đã được ứng dụng trong nghiên cứu và dự báo ở một số cơ sở thuộc Bộ Tài nguyên và Môi trường cũng như ở Trường Đại học Khoa học Tự nhiên, Đại học Quốc gia Hà Nội, song chưa có một công trình nào đi sâu đánh giá khả năng dự báo nghiệo vụ của nó. Do vậy, trong thực tiễn khi ứng dụng sản phẩm dự báo của mô hình, các dự báo viên thường gặp rất nhiều khó khăn do chưa nắm được xu hướng sai số dự báo của mô hình, chưa xác định được trong những trường hợp nào thì mô hình cho dự báo chính xác, sai số dự báo của mô hình có thể hiệu chỉnh được hay không,...v.v. Nhằm góp phần khắc phục sự khiếm khuyết đó, trong khuôn khổ luận văn này, chúng tôi đã ứng dụng mô hình MM5 dự báo thời tiết các tháng mùa mưa ở khu vực Nam Trung Bộ (tháng 9 đến tháng 12), qua đó đánh giá khả năng dự báo nghiệp vụ của mô hình đối với một số trường khí tượng quan trọng, như mưa, nhiệt độ và tốc độ gió. 3.1.Thiết kế thí nghiệm 3.1.1. Miền tính và độ phân giải Việc lựa chọn miền tính thích hợp là một vấn đề không đơn giản, nhất là đối với vùng Đông Nam Á và Việt Nam  Đông Dương, vì đây là nơi “giao tranh” của nhiều hệ thống gió mùa khác nhau. Do đó, ở đây chúng tôi cố gắng chọn miền tính sao cho bao phủ toàn vùng dự báo của Việt Nam, trong đó có chú trọng đến khu vực Nam Trung Bộ. Nhằm tăng độ phân giải ngang cho khu vực Nam Trung Bộ, mô hình được chạy với hai miền tính lồng nhau, tương tác hai 36 chiều (hình 3.1). Miền ngoài (D01) nằm trong khoảng 50N-250N và 950E-1250E, có kích thước 82 x102 điểm nút lưới, độ phân giải ngang là 27km. Miền trong (D02) nằm trong khoảng 80N-150N và 1050E-1120E, gồm 85 x 85 điểm nút lưới, độ phân giải 9km. Số mực theo chiều thẳng đứng là 23 mực. Hình 3.1. Các miền tính của mô hình MM5 3.1.2. Các tham số vật lý MM5 hỗ trợ khá nhiều tùy chọn sơ đồ tham số hóa vật lý. Tuy nhiên không có một tùy chọn nào có thể áp dụng cho tất cả mọi miền địa lý và trong mọi điều kiện thời tiết. Cách duy nhất để chỉ ra được một bộ sơ đồ tham số hóa vật lý thích hợp nhất cho từng khu vực là phải thử nghiệm nhiều lần và tiến hành đánh giá một cách đầy đủ. Trong khuôn khổ luận văn này, chúng tôi không thể thử nghiệm cho tất cả các tùy chọn hiện có của mô hình. Do đó, trên cơ sở tìm hiểu các công trình nghiên cứu trong và ngoài nước, các sơ đồ tham số hóa sau đây đã được lựa chọn cho những thử nghiệm: Sơ đồ vi vật lý mây Simple-Ice (Dudhia,1989), sơ đồ tham số lớp biên hành tinh MRF (Hong và Pan, 1996), và 37 sơ đồ bề mặt đất Noah. Riêng đối với sơ đồ tham số hóa đối lưu, việc lựa chọn gặp khá nhiều khó khăn. Vì MM5 có đến 8 tùy chọn, nếu thực hiện thử nghiệm với tất cả các tùy chọn này khối lượng tính toán sẽ quá lớn. Bởi vậy, trên cơ sở các công trình nghiên cứu [1,2,12,13,14,15,16,17] và khuyến cáo của nhóm tác giả mô hình, chúng tôi quyết định thử nghiệm với 3 sơ đồ là 1) sơ đồ KuO, 2) Betts-Miller và 3) Grell. 3.1.3. Nguồn số liệu Số liệu được sử dụng trong luận văn gồm: 1) Số liệu đề chạy mô hình; và 2) Số liệu quan trắc thực tế để đánh giá mô hình. 1) Số liệu để chạy mô hình MM5 gồm 2 loại: a) Số liệu về độ cao địa hình, lớp phủ bề mặt, loại đất và các đặc tính vật lý của đất. Tập các số liệu này được cho sẵn cùng với bộ mô hình miễn phí có thể download từ Internet; b) Số liệu làm điều kiện ban đầu và điều kiện biên phụ thuộc thời gian. Đây là các trường phân tích và dự báo của các mô hình toàn cầu. Trong luận văn nguồn số liệu này là sản phẩm của mô hình GFS/AVN của NCEP, cũng được khai thác miễn phí từ Internet. Để cập nhật biên theo thời gian chúng tôi lấy các trường số liệu cách nhau từng 6h một. 2) Số liệu quan trắc: Là bộ số liệu quan trắc khí tượng thu thập tại 20 trạm thuộc khu vực Nam Trung Bộ trong thời gian từ 01/9-31/12 của 3 năm 2005- 2007, gồm 3 yếu tố: mưa, nhiệt độ và tốc độ gió. Số liệu mưa tại các trạm quan trắc được cộng tích lũy tương ứng với các thời hạn dự báo của mô hình. 3.1.4. Mô tả thí nghiệm Trong nghiên cứu này chúng tôi đã ứng dụng mô hình MM5 để thực hiện các thí nghiệm sau đây: 38 - Thí nghiệm 1: sử dụng mô hình MM5 với cấu hình như đã nêu tại mục 3.1 để khảo sát độ nhạy của 3 sơ đồ TSHĐL KuO, Betts-Miller và Grell với các đợt mưa lớn điển hình trong các năm 2005- 2007. Thời hạn dự báo 48h, bắt đầu từ 00UTC của ngày trước khi có mưa lớn xảy ra. - Thí nghiệm 2: cùng cấu hình như thí nghiệm 1 nhưng chỉ sử dụng một sơ đồ TSHĐL là Betts-Miller để dự báo 23 đợt mưa lớn xảy ra ở khu vực Nam Trung Bộ trong 3 năm 2005-2007. Thời hạn dự báo 48h, bắt đầu từ 00UTC của ngày trước khi mưa lớn xảy ra. Mục đích của thí nghiệm này là đánh giá kỹ năng dự báo mưa lớn của mô hình đối với khu vực Nam Trung Bộ. - Thí nghiệm 3: tương tự như cấu hình đã lựa chọn với các thí nghiệm trên đây, nhưng thời gian dự báo bắt đầu 00UTC từ ngày 01/9-31/12 các năm 2005- 2007. Mô hình chạy theo chế độ nghiệp vụ. Mục đích của thí nghiệm này là để đánh giá khả năng dự báo nghiệp vụ của mô hình MM5 đối với mùa khu vực Nam Trung Bộ. 3.2. Các phương pháp đánh giá Hiện nay có rất nhiều phương pháp đánh giá sản phẩm mô hình số, trong nghiên cứu này chúng tôi sử dụng 2 phương pháp thông dụng nhất đó là phương pháp đánh giá trực quan và đánh giá định lượng bằng các chỉ số thống kê. 3.2.1. Đánh giá trực quan Phương pháp trực quan này giúp chúng ta đánh giá một cách tính tính giữa trường dự báo và quan trắc, qua đó có thể nhận định nguyên nhân gây sai số dự báo đối với từng trường hợp. Ưu điểm của phương pháp này là cho phép nhìn một cách khái quát sự phân bố không gian của sản phẩm dự báo và kết quả quan trắc. Nhược điểm của nó là khó có thể rút ra được qui luật chung về sai số của mô hình. 39 3.3.2. Đánh giá thông qua các chỉ số thống kê Đánh giá thống kê theo loại (hay đánh giá dự báo hiện tượng) là đánh giá sự phù hợp giữa hai sự kiện dự báo và quan trắc. Các chỉ số đánh giá 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 + quan trắc không Correct negatives(CN)=dự báo không+quan trắc không Dưới đây là một số chỉ số thường dùng trong đánh giá dự báo hiện tượng. * Bias score (BIAS hay FBI): Thường dùng trong đánh giá diện mưa dự báo ứng với một ngưỡng nào đó cho trước H F FBI H M    (3.1) FBI < 1: vùng dự báo nhỏ hơn vùng thám sát FBI > 1: vùng dự báo lớn hơn vùng thám sát FBI = 1: vùng dự báo bằng với vùng thám sát (giá trị lý tưởng) * Xác suất phát hiện (Probability of Detection - POD) H POD H M   (3.2) POD chỉ nhạy đối với những hiện tượng không dự báo được (misses events) chứ không nhạy đối với phát hiện sai (false alarms). POD dao động từ 0 đến 1. Giá trị tối ưu POD = 1. * Tỷ phần dự báo phát hiện sai (False Alarms Ratio - FAR) 40 F FAR H F   (3.3) Giá trị tối ưu FAR = 0 * Chỉ số thành công (Critical Success Index – CSI hay Threat Score – TS) H CSI TS M F H     (3.4) Giá trị tối ưu TS = 1 * Chỉ số thành công hợp lý (Equitable Threat Score – ETS). ETS có giá trị tốt nhất là 1. random random H H ETS M F H H      (3.5) trong đó randomH là số dự báo đúng ngẫu nhiên xác định như sau    * random H F H M hit total    * Độ chính xác (Percentage Correct - PC) H CN PC total   (3.6) Đánh giá thống kê các biến liên tục là số đo sự tương ứng giữa giá trị dự báo và giá trị quan trắc. Phương pháp đánh giá thống kê dựa vào mômen bậc nhất hay bậc hai, trong đó phổ biến sử dụng các chỉ số sau: * Sai số trung bình (ME)     N i ii OF N ME 1 1 (3.7) * Sai số tuyệt đối trung bình (MAE)    N i ii OF N MAE 1 1 (3.8) * Sai số bình phương trung bình quân phương (RMSE) 41     N i ii OF N RMSE 1 21 (3.9) Các ký hiệu được sử dụng trên đây gồm: F : dự báo; O : quan trắc; N : tổng số trường hợp (theo pha hay toàn bộ). Vì không có một chỉ số đánh giá nào có đầy đủ ý nghĩa ưu việt do đó cần phải kết hợp tính toán nhiều chỉ số nhằm đánh giá được một cách toàn diện và dễ dàng trong phân tích kết quả. 3.3. Độ nhạy của các sơ đồ TSHĐL với các hình thế thời tiết gây mưa lớn Nhằm nghiên cứu lựa chọn sơ đồ TSHĐL phù hợp với khu vực dự báo của mô hình, chúng tôi đã chạy dự báo cho ba đợt mưa lớn ở khu vực Nam Trung Bộ là ngày 20-26/10/2005, 20-27/10/2006, 01-5/11/2007. Lượng mưa mô hình được dùng để phân tích, đánh giá là sản phẩm dự báo của miền D02. Dưới đây là một ví dụ để minh họa dự báo của mô hình: Trên các hình 3.2 đến 3.4(a-f) minh họa kết quả quan trắc và dự báo mưa tích lũy 12h, 24h, 36h và 48h tính từ 00UTC ngày 03/11/2007 của MM5 chạy với các sơ đồ đối lưu KuO, Betts-Miller và Grell; trong đó các hình (a)-(c) là các trường dự báo kết xuất trực tiếp từ mô hình, các hình (d)-(f) biểu diễn lượng mưa dự báo đã được nội suy về vị trí trạm sau đó được phân tích lại về lưới mô hình, hình (g) là lượng mưa quan trắc phân tích. Phương pháp phân tích số liệu trạm (quan trắc và dự báo) về lưới mô hình được sử dụng là phương pháp Cressman. Từ các hình 3.2(a)-(c) nhận thấy rằng trong cả ba thí nghiệm mô hình đều cho vùng mưa dự báo bao phủ một miền rộng lớn cả ngoài khơi và trên đất liền khu vực Nam Trung Bộ, trong đó thí nghiệm với sơ đồ KuO cho diện mưa dự báo rộng nhất, phủ kín miền tính, bao gồm cả Tây Nguyên, Nam Bộ và vùng 42 lãnh thổ Campuchia. Các thí nghiệm với sơ đồ Betts-Miller và Grell cho diện mưa dự báo hẹp hơn, nhất là với sơ đồ Grell. Nhìn chung phân bố không gian của mưa mô hình khi sử dụng các sơ đồ Betts-Miller và Grell khá tương đồng nhau. Cả hai thí nghiệm này đều tạo ra dải mưa lớn ngoài khơi dọc bờ biển Nam Trung Bộ, trong khi đối với sơ đồ KuO dải mưa lớn này có vị trí dịch chuyển lên phía bắc. So với số liệu quan trắc cả ba thí nghiệm đều đã dự báo được diện mưa thực tế (hình 3.2 (d)-(g)), trong đó hai thí nghiệm sử dụng sơ đồ KuO và Grell tạo ra các vị trí tâm mưa lớn phù hợp với quan trắc hơn. Mặc dù vậy, lượng mưa dự báo của mô hình nói chung thấp hơn quan trắc khá nhiều. Đánh giá chung cho dự báo mưa tích lũy 12h dường như MM5 với sơ đồ đối lưu KuO cho dự báo mưa phù hợp với quan trắc hơn so với hai sơ đồ Betts-Miller và Grell. Tình hình diễn ra tương tự đối với diện mưa dự báo tích lũy 24h, 36h và 48h. Tuy nhiên về lượng mưa, các sơ đồ Betts-Miller và Grell có xu hướng nắm bắt tốt hơn vị trí và cường độ các tâm mưa lớn (các hình 3.2, 3.3) mặc dù so với quan trắc vị trí tâm mưa dự báo hơi lùi xuống phía nam. 43 Hình 3.2. Mưa tích lũy 12h tính từ 00UTC ngày 03/11/2007. (a), (b), (c) là trường mưa dự báo của MM5 tương ứng với các sơ đồ KuO, Betts- Miller và Grell; (d), (e), (f) là mưa dự báo của mô hình; hình (g) là lượng mưa quan trắc đã được phân tích về lưới mô hình. 44 Hình 3.3: Tương tự hình 3.2 nhưng là mưa tích lũy 24h Việc xem xét trực tiếp các trường dự báo và quan trắc trên đây cũng đã được tiến hành cho tất cả các lần dự báo của ba đợt mưa thử nghiệm. Nhận xét chung rút ra từ những đánh giá này là mô hình MM5 đã có khả năng dự báo được sự xuất hiện mưa trên khu vực Nam Trung Bộ. Tuy nhiên, lượng mưa dự báo của mô hình trên khu vực nghiên cứu hầu như thấp hơn nhiều so với lượng mưa quan trắc. Một trong những nguyên nhân dẫn đến điều này có thể do sự sai lệch các vị trí các tâm mưa lớn của mô hình. Các sơ đồ tham số hóa đối lưu khác nhau cho kết quả khác nhau khá nhiều về lượng mưa dự báo. Dường như sơ đồ 45 KuO đã làm tăng dự báo khống của mô hình còn sơ đồ Betts-Miller có tính ổn định hơn. Hình 3.4. Tương tự hình 3.2 nhưng là mưa tích lũy 48h Trên các hình 3.5 đến 3.7 lần lượt dẫn ra đồ thị biểu diễn kết quả tính các chỉ số đánh giá thống kê cho cả ba đợt mưa được khảo sát, với trục hoành là các ngưỡng lượng mưa, trục tung là giá trị các chỉ số. Qua đó nhận thấy, với lượng mưa tích lũy 12h các sơ đồ KuO và Grell cho dự báo khống ở các ngưỡng lượng mưa dưới 20mm, trong khi sơ đồ Betts-Miller hầu như dự báo sót. Nói một cách chính xác hơn, diện mưa dự báo của mô hình khi chạy với các sơ đồ KuO và Grell lớn hơn diện mưa quan trắc ở các ngưỡng lượng mưa này. Cả ba sơ đồ đều cho xác suất phát hiện mưa trên 40% ở các ngưỡng dưới 30mm, sơ đồ KuO thể 46 hiện xác suất lớn hơn đáng kể (hình 3.5). Các giá trị xác suất này giảm dần khi ngưỡng lượng mưa tăng lên cho đến 50mm và sau đó giảm đột ngột lượng mưa vượt quá 100mm. Với lượng mưa tích lũy 24h, chỉ số FBI tương ứng với ba sơ đồ đối lưu thể hiện sự khác nhau đáng kể, trong đó sơ đồ KuO cho dự báo khống khá rõ ở các ngưỡng dưới 30mm. Tuy nhiên cả ba sơ đồ đều cho giá trị của các chỉ số TS và POD trên 0.5 và chỉ số FAR ở mức dưới 0.35. Đối với chỉ số TS sự khác biệt giữa các sơ đồ hầu như không rõ rệt (hình 3.5). Đối với lượng mưa tích lũy 48h, nhìn chung mô hình cho kết quả dự báo tương đương nhau khi sử dụng các sơ đồ đối lưu khác nhau, mặc dù sơ đồ KuO vẫn thể hiện sự nổi trội nhất định. Việc so sánh các chỉ số đánh giá thống kê giữa các trường hợp mưa tích lũy 12h, 24h, 36h và 48h cho thấy rằng kỹ năng dự báo của mô hình khi sử dụng các sơ đồ đối lưu KuO và BM khá hơn so với sơ đồ Grell. FBI -12h 0.0 0.2 0.4 0.6 0.8 1.0 1.2 1.4 0.1 5 10 20 30 40 50 100 Ngưỡng mưa (mm) C h ỉ s ố F B I KuO BM Grell TS-12h 0.0 0.2 0.4 0.6 0.8 1.0 0.1 5 10 20 30 40 50 100 Ngưỡng mưa (mm) C h ỉ s ố T S KuO BM Grell POD-12h 0.0 0.2 0.4 0.6 0.8 1.0 0.1 5 10 20 30 40 50 100 Ngưỡng mưa (mm) C h ỉ s ố P O D KuO BM Grell FAR-12h 0.0 0.2 0.4 0.6 0.8 1.0 0.1 5 10 20 30 40 50 100 Ngưỡng mưa (mm) C h ỉ s ố F A R KuO BM Grell Hình 3.5. Chỉ số FBI, TS, POD, FAR thời hạn dự báo 12h 47 FBI -24h 0.0 0.2 0.4 0.6 0.8 1.0 1.2 1.4 0.1 5 10 20 30 40 50 100 Ngưỡng mưa (mm) C h ỉ s ố F B I KuO BM Grell TS -24h 0.0 0.2 0.4 0.6 0.8 1.0 0.1 5 10 20 30 40 50 100 Ngưỡng mưa (mm) C h ỉ s ố T S KuO BM Grell POD -24h 0.0 0.2 0.4 0.6 0.8 1.0 0.1 5 10 20 30 40 50 100 Ngưỡng mưa (mm) C h ỉ s ố P O D KuO BM Grell FAR -24h 0.0 0.2 0.4 0.6 0.8 1.0 0.1 5 10 20 30 40 50 100 Ngưỡng mưa (mm) C h ỉ s ố F A R KuO BM Grell Hình 3.6. Tương tự như 3.5, thời hạn dự báo 24h FBI -36h 0.0 0.2 0.4 0.6 0.8 1.0 1.2 1.4 0.1 5 10 20 30 40 50 100 Ngưỡng mưa (mm) C h ỉ s ố F B I KuO BM Grell TS -36h 0.0 0.2 0.4 0.6 0.8 1.0 0.1 5 10 20 30 40 50 100 Ngưỡng mưa (mm) C h ỉ s ố T S KuO BM Grell POD -36h 0.0 0.2 0.4 0.6 0.8 1.0 0.1 5 10 20 30 40 50 100 Ngưỡng mưa (mm) C h ỉ s ố P O D KuO BM Grell FAR -36h 0.0 0.2 0.4 0.6 0.8 1.0 0.1 5 10 20 30 40 50 100 Ngưỡng mưa (mm) C h ỉ s ố F A R KuO BM Grell Hình 3.7. Tương tự như 3.5, thời hạn dự báo 36h 48 FBI -48h 0.0 0.2 0.4 0.6 0.8 1.0 1.2 1.4 0.1 5 10 20 30 40 50 100 Ngưỡng mưa (mm) C h ỉ s ố F B I KuO BM Grell TS -48h 0.0 0.2 0.4 0.6 0.8 1.0 0.1 5 10 20 30 40 50 100 Ngưỡng mưa (mm) C h ỉ s ố T S KuO BM Grell POD -48h 0.0 0.2 0.4 0.6 0.8 1.0 0.1 5 10 20 30 40 50 100 Ngưỡng mưa (mm) C h ỉ s ố P O D KuO BM Grell FAR -48h 0.0 0.2 0.4 0.6 0.8 1.0 0.1 5 10 20 30 40 50 100 Ngưỡng mưa (mm) C h ỉ s ố F A R KuO BM Grell Hình 3.8. Tương tự như 3.5, thời hạn dự báo 48h Sau khi thử nghiệm áp dụng mô hình MM5 để dự báo ba đợt mưa lớn xảy ra trên khu vực nghiên cứu trong các năm 2005- 2007. Chúng tôi có một số nhận xét sau đây: - Mô hình MM5 đã dự báo được khá chính xác về diện mưa của ba đợt mưa đã được chọn thử nghiệm. Tuy nhiên lượng mưa dự báo của mô hình luôn có xu hướng nhỏ hơn lượng mưa quan trắc thực tế. - Trong 3 sơ đồ TSHĐL đã thử nghiệm, sơ đồ BM cho kỹ năng dự báo ổn định hơn so với 2 sơ đồ KuO và Grell trong dự báo các đợt mưa lớn. Đó cũng chính là lý do mà trong nghiên cứu này chúng tôi lựa chọn sơ đồ BM đề thử nghiệm dự báo thời gian thực và đánh giá dự báo nghiệp vụ. 49 3.4. Khả năng dự báo mưa lớn Mưa lớn sinh ra do nhiều hình thế thời tiết khác nhau, chẳng hạn như do ảnh hưởng của ATNĐ, bão, ITCZ, KKL, gió mùa tây nam, rãnh áp thấp,... hay sự kết hợp phức tạp của các hình thế nêu trên. Mỗi một hình thế thời tiết có những cơ chế vật lý cũng như động lực học khác nhau, ví dụ như trong bão có sự kết hợp giữa bất ổn định mạnh trên vùng đại dương nhiệt đới nóng với hội tụ ẩm mực thấp của các hệ thống hoàn lưu khu vực nhiệt đới. Trong ITCZ thì vai trò quyết định là bất ổn định trong những ổ đối lưu sâu nhiệt tới tạo nên dòng thăng mạnh và gây ra mưa lớn. Vì vậy, với mỗi một sơ đồ TSHĐL có thể mô phỏng tốt mưa trong hình thế này nhưng lại không tốt đối với hình thế khác, phụ thuộc vào những quan niệm và ý tưởng thiết lập sơ đồ. Theo thống kê của chúng tôi, trong 3 mùa mưa 2005- 2007 có 23 đợt mưa lớn diện rộng ở khu vực Nam Trung Bộ. Các hình thế gây mưa lớn chủ yếu là do ảnh hưởng của ICTZ, không khí lạnh hoặc ảnh hưởng tổ hợp của KKL với ICTZ, bão, ATNĐ và một số hệ thống khác nhưng tần suất xuất hiện ít hơn. Do đó, để đánh giá khả năng dự báo của mô hình MM5 so với quan trắc thực tế chúng tôi đã chia thành 3 loại hình thế sy nốp điển hình gây mưa lớn (Bảng 3.1). 50 Bảng 3.1: Bảng tổng hợp các hình thế gây mưa lớn từ năm 2005- 2007 STT Thời gian Bão, ATNĐ KKL KKL kết hợp với Bão, ATNĐ 1 10-13/9/2005 x 2 13-15/9/05 x 3 18-20/9/2005 x 4 27-28/9/2005 x 5 7-13/10/2005 x 6 22-27/10/2005 x 7 29/10-2/11/2005 x 8 16-20/11/2005 x 9 22-27/11/2005 x 10 30/11-8/12/2005 x 11 11-21/12/2005 x 12 23-27/9/2006 x 13 29/9-4/10/2006 x 14 01-6/10/2007 x 15 7-9/11/2006 x 16 3-6/12/2006 x 17 13-18/10/2007 x 18 24-27/10/2007 x 19 30/10-5/11/2007 x 20 9-13/11/2007 x 21 16-20/11/2007 x 22 22-24/11/2007 x 23 3-7/12/2007 x Tổng 9 7 7 51 - Hình thế ảnh hưởng của Bão hoặc ATNĐ: Theo qui luật hoạt động, vào tháng 9, ITCZ dịch chuyển dần xuống Trung Bộ và Nam Trung Bộ. Đến tháng 10, ITCZ dịch chuyển xuống Nam Bộ. Cùng với bão, hoạt động của ITCZ chi phối tình hình mưa ở khu vực này. Trên hình 3.10 (a,b) dẫn ra bản đồ phân tích synốp tại mặt đất và mực AT500 vào lúc 00Z ngày 17/9/2005, là một trường hợp điển hình về loại hình thế này. Hình 3.9: (a)- Bản đồ mặt đất, (b)- AT 500mb lúc 00Z ngày 17/9/2005 (c,d)- tương tự như a,b nhưng là mô phỏng của mô hình MM5. 52 - Hình thế ảnh hưởng của không khí lạnh: Hình thế synốp KKL ảnh hưởng độc lập hay đơn thuần là cách nói tương đối trong phân tích hình thế synốp để chỉ ra quá trình xâm nhập của KKL xuống phía nam mà không kết hợp với những hệ thống thời tiết khác ở vùng nhiệt đới. Trên hình 3.10(a,b) là bản đồ phân tích mặt đất và AT500 lúc 00Z ngày 16/11/2000. Hình 3.10(b,c) là mô phỏng của mô hình MM5 lúc 00Z ngày 04/12/2005, đây là một trường hợp điển hình của loại hình thế thời tiết ảnh hưởng của KKL đối với khu vực Nam Trung Bộ. Hình 3.10: (a)- Bản đồ mặt đất, (b)- AT 500mb lúc 00Z ngày 16/11/2000 (b,c) là mô phỏng của mô hình MM5 lúc 00Z ngày 04/12/2007. (b) (a) 53 - Hình thế ảnh hưởng kết hợp của KKL với ICTZ, Bão hoặc ATNĐ: Đây là loại hình thế sy nốp mà khu vực chịu ảnh hưởng của dải ICZ hoặc bão hay ATNĐ kết hợp với KKL. Loại hình thế thời tiết này có đặc trưng là thời gian mưa kéo dài hơn so với 2 hình thế đã nêu ở trên và thường xảy ra trong các tháng 10, tháng 11. Hình 3.11 (a,b) là bản đồ phân tích mặt đất là mực 500mb lúc 00Z ngày 11/11/2001; hình (b,c) cũng tương tự như hình (a,b) nhưng là mô phỏng của MM5 tại 00Z ngày 29/11/2005, đây là những ví dụ điển hình về dạng hình thế thời tiết loại này. Hình 3.11: (a)- Bản đồ mặt đất, (b)- AT 500mb lúc 00Z ngày 16/11/2000 (b,c) là mô phỏng của mô hình MM5 lúc 00Z ngày 29/11/2005. 54 Trên cơ sở phân chia các loại hình thế gây mưa lớn ở Nam Trung Bộ, chúng tôi đã chạy mô hình MM5 theo các cấu hình miền tính, độ phân giải ngang và các tùy chọn tham số hóa vật lý đã mô tả trong mục 3.1. Riêng sơ đồ tham số hóa đối lưu ở đây là sơ đồ Betts-Miller. Hạn dự báo của mô hình là 48h. Kết quả dự báo của mô hình được đánh giá theo từng loại hình thế gây mưa lớn. Việc đánh giá được thực hiện theo hai phương pháp là so sánh trực tiếp (hay đánh giá trực quan) và sử dụng các chỉ số thống kê định lượng.  Đánh giá trực quan: Đánh giá trực quan cho phép nhận biết một cách trực tiếp mức độ chính xác của mô hình cho từng trường hợp cụ thể. Tuy nhiên, do số trường hợp cần so sánh, đánh giá quá lớn (>400 trường hợp), ở đây không thể trình bày đầy đủ tất cả các trường hợp đã thử nghiệm. Thay vào đó, chúng tôi chỉ phân tích một số trường hợp điển hình. Mặc dù vậy, những kết luận chung được rút ra từ việc phân tích cho tất cả các trường hợp dự báo: - Trường hợp ảnh hưởng trực tiếp của ATNĐ ngày 12/9/2005: Ngày 12/9/2005, do ảnh hưởng trực tiếp của áp thấp nhiệt đới (ATNĐ) nên ở khu vực Nam Trung Bộ đã có mưa vừa, mưa to đến rất to. Trên hình 3.12 là trường mưa dự báo tích lũy từ 12-48h (a,b,c,d) và trường mưa quan trắc thực tế (e,f,g,h). Có thể nhận thấy, mô hình đã dự báo được khá chính xác trường mưa so với thực tế, đặc biệt là các tâm mưa lớn và vùng ít mưa. Cụ thể, trong các hạn dự báo mô hình đều dự báo được vùng mưa lớn ở vùng ven biển phía bắc Nam Trung Bộ (phía bắc vĩ độ 13) và cả vùng cao nguyên Nam Trung Bộ đồng thời đã dự báo vùng ít mưa và mưa nhỏ ở phía nam 120N (Khánh Hòa đến Bình Thuận). Điều này khá phù hợp diễn biến thực tế của ngày 12/9/2005 (ATNĐ 55 nằm sát vùng biển Phú Yên- Bình Định nên vùng mưa lớn xảy ra ở phía bắc của hoàn lưu ATNĐ). Hình 3.12. Mưa tích lũy dự báo và quan trắc từ 00UTC ngày 12/9/2005. (a, b, c) - lượng mưa dự báo của mô hình;(d, e, f) - lượng mưa quan trắc - Trường hợp ảnh hưởng của cơn bão số 6, ngày 29/9/2006: Ngày 29/9/2006, do ảnh hưởng của rìa phía nam cơn bão số 6 nên ở khu vực Nam Trung Bộ đã có mưa, mưa vừa, riêng phía bắc khu vực có mưa to. Trên hình 3.13 (a,b,c,d) là trường mưa dự báo với các thời hạn 12h-48h, các hình 3.13 (e,f,g,h) là lượng mưa quan trắc thực tế tại các trạm thuộc khu vực Nam Trung Bộ. So sánh trường mưa dự báo của mô hình với trường mưa quan trắc thực tế cho thấy mô hình đã dự báo khá tốt trường mưa, đặc biệt là các tâm mưa lớn. 56 Tuy nhiên ở các thời hạn dự báo 24-48h, lượng mưa do mô hình dự báo cao hơn so với số liệu thực tế khá lớn. Nhận xét chung rút ra được khi phân tích các trường hợp có hình thế ảnh hưởng của bão và ATNĐ đối với khu vực Nam Trung Bộ là mô hình dự báo khá tốt về diện mưa nhưng về lượng thì luôn có xu hướng thấp hơn quan trắc. Hình 3.13: tương tự như hình 3.12, ngày 29/9/2006 - Trường hợp ảnh hưởng của không khí lạnh ngày 17/10/2007: Từ ngày 16/10-19/10/2007, do ảnh hưởng của không khí lạnh tăng cường mạnh nên ở khu vực Nam Trung Bộ đã xảy một đợt mưa lớn diện rộng. Đặc biệt ở tỉnh Bình Định, lượng mưa ngày một số nơi đạt trên 100mm, như TP. Quy Nhơn, huyện An Hòa. Để đánh giá diện mưa dự báo của mô hình với diện mưa 57 quan trắc thực tế, việc so sánh các hình 3.14(a)-(d), (b)-(e), (c) và (f) cho thấy, ở các hạn dự báo mô hình đều dự báo được tâm mưa lớn ở khu vực phía bắc, tuy nhiên ở khu vực phía nam (từ Bình Thuận trở vào), thậm chí cả Nam Bộ mô hình vẫn dự báo mưa đều khắp, trong khi đó ở khu vực này đang là thời kỳ mùa khô, không mưa. Hình 3.14: tương tự n