Khả năng dự báo mưa lớn do không khí lạnh kết hợp với dải hội tụ nhiệt đới cho khu vực Trung Trung Bộ bằng mô hình WRF

Khả năng dự báo mưa lớn do không khí lạnh kết hợp với dải hội tụ nhiệt đới cho khu vực Trung Trung Bộ bằng mô hình WRF. Khu vực Trung Trung Bộ nằm ở Trung phần Việt Nam theo hướng tây bắc - đông nam trải dài từ vĩ...

LUẬN VĂN THẠC SỸ

Khả năng dự báo mưa lớn do không khí lạnh kết hợp với dải hội tụ nhiệt đới cho khu vực Trung Trung Bộ

bằng mô hình WRF

LỜI CẢM ƠN

Trước hết, tôi xin bày tỏ lòng biết ơn sâu sắc tới GS TS Trần Tân Tiến, là

người đã tận tình chỉ bảo và hướng dẫn tôi hoàn thành luận văn này

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

Hải dương học đã cung cấp cho tôi những kiến thức chuyên môn quý báu, 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 cũng xin chân thành cảm ơn Ban lãnh đạo Đài Khí tượng Thủy văn khu

vực Trung Trung Bộ và toàn thể các đồng nghiệp trong cơ quan đã tạo điều kiện và

bố trí thời gian để tôi có thời gian học tập và hoàn thành luận văn

Tôi cũng xin cảm ơn Phòng sau đại học, Trường 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, người thân và bạn

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

cho tôi trong suốt thời gian học tập

Nguyễn Tiến Toàn

MỤC LỤC

MỞ ĐẦU 9

CHƯƠNG 1: TỔNG QUAN 10

1.1 Tổng quan về dự báo mưa bằng phương pháp số 10

1.2 Các quy định về mưa lớn diện rộng 14

1.2.1 Quy định về mưa lớn 14

1.2.2 Quy định về mưa lớn diện rộng 14

1.3 Hình thế gây mưa lớn tại Trung Bộ do không khí lạnh kết hợp dải hội tụ nhiệt đới 15

1.3.1 Những nét đặc trưng của không khí lạnh ở các tỉnh miền trung 15

1.3.2 Dải hội tụ nhiệt đới 16

1.3.2.1 Khái niệm 16

1.3.2.2 Một số đặc trưng của dải hội tụ nhiệt đới 16

1.3.3 Mô hình synop đặc trưng không khí lạnh kết hợp dải hội tụ nhiệt đới gây ra mưa lớn Trung Bộ trong những tháng mùa đông 18

CHƯƠNG 2: MÔ HÌNH WRF VÀ ÁP DỤNG ĐỂ DỰ BÁO MƯA LỚN Ở TRUNG TRUNG BỘ 20

2.1 Mô hình dự báo thời tiết WRF 20

2.1.1 Cấu trúc của mô hình WRF 20

2.1.2 Các quá trình vật lý trong mô hình 21

2.1.2.1 Vật lí vi mô 22

2.1.2.2 Đối lưu mây tích 22

2.1.2.3 Lớp bề mặt 23

2.1.2.4 Lớp biên hành tinh 23

2.1.2.5 Bức xạ khí quyển 23

2.1.2.6 Sơ đồ tương tác giữa các quá trình vật lí 24

2.2 Cập nhật số liệu địa phương trong mô hình WRF 24

2.2.1 Phương pháp Cressman 24

2.2.2 Các Kỹ thuật sử dụng trong OBSGRID 27

2.3 Nguồn số liệu, cấu hình miền tính dự báo mưa bằng mô hình WRF 28

2.3.1 Cấu hình được lựa chọn 28

2.3.2 Nguồn số liệu 28

2.3.3 Các bước cập nhật số liệu địa phương 31

2.4 Phương pháp xây dựng hồi qui có lọc và các chỉ tiêu đánh giá kết quả dự báo lượng mưa 32

2.4.1 Xây dựng phương trình dự báo mưa 32

2.4.1.1 Phương pháp xây dựng phương trình hồi qui có lọc 32

2.4.1.2 Nguyên tắc xây dựng phương trình hồi qui 32

2.4.2 Phương pháp đánh giá 33

2.4.2.1 Đánh giá tỷ số giữa vùng dự báo và vùng thám sát 33

2.4.2.2 Xác suất phát hiện 33

2.4.2.3 Tỷ phần dự báo phát hiện sai 33

2.4.2.4 Điểm số thành công 34

2.4.2.5 Độ chính xác 34

CHƯƠNG 3: 35

KẾT QUẢ DỰ BÁO MƯA LỚN DO KHÔNG KHÍ LẠNH KẾT HỢP VỚI DẢI HỘI TỤ NHIỆT ĐỚI TỪ 1 ĐẾN 3 NGÀY BẰNG MÔ HÌNH WRF 35

3.1 Phương trình hồi qui dự báo lượng mưa 35

3.1.1 Phương trình dự báo lượng mưa 24h 35

3.1.1.1 Khu vực Quảng Bình 35

3.1.1.2 Khu vực Quảng Trị 37

3.1.1.3 Khu vực Thừa Thiên_Huế 39

3.1.1.4 Khu vực Quảng Nam – Đà Nẵng 40

3.1.1.5 Khu vực Quảng Ngãi 41

3.1.1 Phương trình dự báo 48h 43

3.1.2.1 Khu vực Quảng Bình 43

3.1.2.2 Khu vực Quảng Trị 44

3.1.2.3 Khu vực Thừa Thiên_Huế 45

3.1.2.4 Khu vực Quảng Nam – Đà Nẵng 47

3.1.2.5 Khu vực Quảng Ngãi 48

3.1.3 Phương trình dự báo 72h 50

3.1.3.1 Khu vực Quảng Bình 50

3.1.3.2 Khu vực Quảng Trị 52

3.1.3.3 Khu vực Thừa Thiên_Huế 53

3.1.3.4 Khu vực Quảng Nam – Đà Nẵng 55

3.1.3.5 Khu vực Quảng Ngãi 56

3.2 Nhận xét kết quả xây dựng phương trình 58

3.2.1 Phân tích đợt mưa độc lập từ ngày 21-24/10/2009 58

3.2.1.1 Hình thế Synop : 58

3.2.1.2 Nhận xét kết quả dự báo lượng mưa 60

3.2.2 Đánh giá dự báo mưa lớn do không khí lạnh kết hợp với ITCZ tại khu

vực Trung Trung Bộ bằng các chỉ số thống kê 64

3.3 Quy trình dự báo mưa lớn 76

3.3.1 Xác định hình thế 76

3.3.2 Chạy mô hình 76

3.3.3 Sử dụng phương trình hồi qui dự báo lượng mưa tại các trạm 76

3.3.3.1 Phân vùng Quảng Bình 76

3.3.3.2 Phân vùng Quảng Trị 77

3.3.3.3 Phân vùng Thừa Thiên_Huế 77

3.3.3.4 Phân vùng Quảng Nam – Đà Nẵng 78

3.3.3.5 Phân vùng Quảng Ngãi 78

KẾT LUẬN 80

TÀI LIỆU THAM KHẢO 81

Danh mục hình vẽ

Hình 2.1: Cấu trúc tổng quan của mô hình WRF 21

Hình 2.2: Sơ đồ tương tác vật lí 24

Hình 2.3: Bán kính ảnh hưởng và khu vực quét 25

Hình 2.4: Mô tả kỹ thuật Ellipse 27

Hình 2.5: Mô tả kỹ thuật Banana 27

Hình 2.6: Các miền tính của mô hình WRF được lựa chọn cho Việt Nam và khu vực Trung Trung Bộ 28

Hình 2.7: Mạng lưới trạm bề mặt (a) và cao không (b) dùng trong thử nghiệm 29

Hình 2.8: Phân bố các trạm đo mưa ở Trung Trung Bộ 30

Hình 3.1: Sai số bình phương trung bình các phương trình khu vực Quảng Bình 24h 36

Hình 3.2: Sai số bình phương trung bình các phương trình khu vực Quảng Trị 24h 38

Hình 3.3: Sai số bình phương trung bình các phương trình khu vực Thừa Thiên_Huế 24h 39

Hình 3.4: Sai số bình phương trung bình các phương trình khu vực Quảng Nam – Đà Nẵng 24h 41

Hình 3.5: Sai số bình phương trung bình các phương trình khu vực Quảng Ngãi 24h 42

Hình 3.6: Sai số bình phương trung bình các phương trình khu vực Quảng Bình 48h 44

Hình 3.7: Sai số bình phương trung bình các phương trình khu vực Quảng Trị 48h 45

Hình 3.8: Sai số bình phương trung bình các phương trình khu vực Thừa Thiên_Huế 48h 47

Hình 3.9: Sai số bình phương trung bình các phương trình khu vực Quảng Nam – Đà Nẵng 48h 48

Hình 3.10: Sai số bình phương trung bình các phương trình khu vực Quảng Ngãi 48h 50

Hình 3.11: Sai số bình phương trung bình các phương trình khu vực Quảng Bình 72h 51

Hình 3.12: Sai số bình phương trung bình các phương trình khu vực Quảng Trị 72h 52

Hình 3.13: Sai số bình phương trung bình các phương trình khu vực Thừa Thiên_Huế 72h 54

Hình 3.14: Sai số bình phương trung bình các phương trình khu vực Quảng Nam –

Đà Nẵng 72h 56

Hình 3.15: Sai số bình phương trung bình các phương trình khu vực Quảng Ngãi 72h 57

Hình 3.16: Bản đồ phân tích và dự báo mặt đất 07h00 ngày 22/10/2009 59

Hình 3.17: Bản đồ phân tích và dự báo mặt đất 07h00 ngày 23/10/2009 60

Hình 3.18: Bản đồ phân tích và dự báo mặt đất 07h00 ngày 24/10/2009 60

Hình 3.19: Mưa tích lũy 24h từ ngày 21/10/2009 62

Hình 3.20: Mưa tích lũy 48h từ ngày 21/10/2009 63

Hình 3.21: Mưa tích lũy 72h từ ngày 21/10/2009 64

Hình 3.22: Biến đổi chỉ số FBI với các ngưỡng mưa tại hạn dự báo 24h 66

Hình 3.23: Biến đổi chỉ số POD với các ngưỡng mưa tại hạn dự báo 24h 67

Hình 3.24: Biến đổi chỉ số FAR với các ngưỡng mưa tại hạn dự báo 24h 67

Hình 3.25: Biến đổi chỉ số CSI với các ngưỡng mưa tại hạn dự báo 24h 68

Hình 3.26: Biến đổi chỉ số PC với các ngưỡng mưa tại hạn dự báo 24h 68

Hình 3.27: Biến đổi chỉ số FBI với các ngưỡng mưa tại hạn dự báo 48h 70

Hình 3.28: Biến đổi chỉ số POD với các ngưỡng mưa tại hạn dự báo 48h 70

Hình 3.29: Biến đổi chỉ số FAR với các ngưỡng mưa tại hạn dự báo 48h 71

Hình 3.30: Biến đổi chỉ số CSI với các ngưỡng mưa tại hạn dự báo 48h 71

Hình 3.31: Biến đổi chỉ số PC với các ngưỡng mưa tại hạn dự báo 48h 72

Hình 3.32: Biến đổi chỉ số FBI với các ngưỡng mưa tại hạn dự báo 72h 72

Hình 3.33: Biến đổi chỉ số POD với các ngưỡng mưa tại hạn dự báo 72h 73

Hình 3.34: Biến đổi chỉ số FAR với các ngưỡng mưa tại hạn dự báo 72h 73

Hình 3.35: Biến đổi chỉ số CSI với các ngưỡng mưa tại hạn dự báo 72h 74

Hình 3.36: Biến đổi chỉ số PC với các ngưỡng mưa tại hạn dự báo 72h 74

Danh mục bảng

Bảng 2.1: Tùy chọn vật lí vi mô trong WRF 22

Bảng 2.2: Một số tùy chọn tham số hóa đối lưu mây tích trong mô hình WRF 22

Bảng 2.3: Tùy chọn bề mặt đất trong WRF 23

Bảng 2.4: Tùy chọn sơ đồ bức xạ trong WRF 24

Bảng 2.5: Các đợt mưa và đặc điểm mưa 29

Bảng 2.6: Danh sách trạm tính mưa 30

Bảng 3.1 Các hệ số phương trình hồi qui dự báo lượng mưa khu vực Quảng Bình 24h và sai số bình phương trung bình 36

Bảng 3.2: Các hệ số phương trình hồi qui dự báo lượng mưa Quảng Trị 24h và sai số bình phương trung bình 37

Bảng 3.3: Các hệ số phương trình hồi qui dự báo lượng mưa Thừa Thiên_Huế 24h và sai số bình phương trung bình 39

Bảng 3.4: Các hệ số phương trình hồi qui dự báo lượng mưa Quảng Nam – Đà Nẵng 24h và sai số bình phương trung bình 40

Bảng 3.5: Các hệ số phương trình hồi qui dự báo lượng mưa Quảng Ngãi 24h và sai số bình phương trung bình 41

Bảng 3.6: Các hệ số phương trình hồi qui dự báo lượng mưa Quảng Bình 48h và sai số bình phương trung bình 43

Bảng 3.7: Các hệ số phương trình hồi qui dự báo lượng mưa Quảng Trị 48h và sai số bình phương trung bình 44

Bảng 3.8: Các hệ số phương trình hồi qui dự báo lượng mưa Thừa Thiên_Huế 48h và sai số bình phương trung bình 46

Bảng 3.9: Các hệ số phương trình hồi qui dự báo lượng mưa Quảng Nam – Đà Nẵng 48h và sai số bình phương trung bình: 47

Bảng 3.10: Các hệ số phương trình hồi qui dự báo lượng mưa Quảng Ngãi 48h và sai số bình phương trung bình 48

Bảng 3.11: Các hệ số phương trình hồi qui dự báo lượng mưa Quảng Bình 72h và sai sô bình phương trung bình 51

Bảng 3.12: Các hệ số phương trình hồi qui dự báo lượng mưa Quảng Trị 72h và sai số bình phương trung bình 52

Bảng 3.13: Các hệ số phương trình hồi qui dự báo lượng mưa Thừa Thiên_Huế 72h và sai số bình phương trung bình 54

Bảng 3.14: Các hệ số phương trình hồi qui dự báo lượng mưa Quảng Nam – Đà Nẵng 72h và sai số bình phương trung bình 55

Bảng 3.15: Các hệ số phương trình hồi qui dự báo lượng mưa Quảng Ngãi 72h và

sai số bình phương trung bình 56

Bảng 3.16: Các điểm số đánh giá mưa tích lũy 24h theo các ngưỡng mưa 65

Bảng 3.17: Các điểm số đánh giá mưa tích lũy 48h theo các ngưỡng mưa 69

Bảng 3.18: Các điểm số đánh giá mưa 72h theo các ngưỡng mưa 75

MỞ ĐẦU

Khu vực Trung Trung Bộ nằm ở Trung phần Việt Nam theo hướng tây bắc - đông nam trải dài từ vĩ tuyến 14o32 - 18o06N, bao gồm 5 tỉnh và 1 thành phố: Quảng Bình, Quảng Trị, Thừa Thiên Huế, Quảng Nam, Quảng Ngãi và Thành phố Đà Nẵng Trung Trung Bộ là một khu vực lớn thuộc duyên hải miền Trung có địa hình khá phức tạp: phía Đông là dải đồng bằng nhỏ hẹp ven biển tiếp cận biển Đông và vùng đồi núi thấp, phía Tây là một phần Đông Nam dãy Trường Sơn, với nhiều nhánh núi ngang vuông góc với

bờ biển tạo thành những đèo cắt ngang các đồng bằng như Đèo Ngang, đèo Hải Vân Nhìn chung khu vực Trung Trung Bộ có 4 loại địa hình chủ yếu: Núi, đồi thấp, đồng bằng và bãi cát ven biển; trong đó loại địa hình vùng núi chiếm khoảng 2/3 diện tích đất

tự nhiên Địa hình có hướng nghiêng từ Tây sang Đông với độ dốc khá lớn

Trung Trung Bộ cũng như các vùng khác ở Việt Nam nằm trong vùng nhiệt đới gió mùa, nhưng do vị trí địa lý và địa hình phức tạp nên thời tiết do gió mùa đem đến cho khu vực Trung Bộ khác biệt nhiều so với các khu vực khác trên lãnh thổ nước ta: Gió mùa tây nam thường đem đến mưa to ở một số thung lũng đón gió tây nam của các tỉnh ven biền miền Trung, nhưng lại đem đến không khí khô hanh, nắng nóng ở phần lớn lãnh thổ các tỉnh ven biển Trung Bộ Hoặc như gió mùa đông bắc gây ra mưa to đến rất

to ở các tỉnh ven biển miền Trung Do đó mùa mưa và mùa khô ở khu vực này khác hẳn với các nơi khác Vì vậy các hình thế thời tiết gây ra mưa to đến rất to tại khu vực cũng

có những nét riêng biệt đáng kể Mưa lớn ở Trung Trung Bộ nói chung thường do các hình thế thời tiết chủ yếu sau:

1 Bão hoặc áp thấp nhiệt đới

2 Gió mùa đông bắc

3 Gió mùa tây nam

4 Các hoạt động của các nhiễu động nhiệt đới khác: gió đông (chủ yếu là sóng đông), hội tụ nhiệt đới

5 Mưa đặc biệt lớn trong trường hợp: có sự phối hợp hoạt động giữa gió mùa hoặc tín phong đông bắc ở phía bắc với các nhiễu động nhiệt đới (Bão, áp thấp nhiệt đới, hoặc dải hội tụ, sóng đông) ở Biển Đông

Do các đặc điểm địa lý và các dạng hình thế gây mưa đã nêu ở trên, công tác dự báo mưa gặp rất nhiều khó khăn trong việc dự báo định lượng mưa để cảnh báo lũ cũng như phòng chống thiên tai cho khu vực này

Trong những năm gần đây, cùng với sự phát triển mạnh mẽ về khoa học máy tính

mô hình số trị đã thể hiện là một công cụ hữu ích, góp phần nâng cao chất lượng dự báo thời tiết, đặc biệt là các hiện tượng thời tiết cực đoan như mưa lớn, bão và áp thấp nhiệt đới Mô hình số là công cụ hữu ích trong dự báo hạn ngắn và đang được nghiên cứu rộng rãi nhằm nâng cao chất lượng dự báo Một trong số đó là mô hình WRF Bên cạnh đó,

sự tối ưu hóa trong mã nguồn tính toán của WRF cho phép người sử dụng có thể chạy

mô hình trên rất nhiều loại máy tính với các hệ điều hành khác nhau cũng như chạy song song với bộ nhớ chia sẻ OpenMP hay bộ nhớ phân tán MPI Chính vì những tính năng

ưu việt trên, tác giả đã lựa chọn mô hình WRF làm công cụ cho nghiên cứu về bài toán

dự báo mưa 1 - 3 ngày cho khu vực Trung Trung Bộ khi có dạng hình thế không khí lạnh kết hợp với dải hội tụ nhiệt đới

CHƯƠNG 1:

TỔNG QUAN

1.1 Tổng quan về dự báo mưa bằng phương pháp số

Dự báo mưa vẫn là một thử thách lớn đối với bài toán nghiệp vụ trên thế giới Các trung tâm dự báo trên thế giới và khu vực dự báo mưa định lượng thời hạn 2-3 ngày đều dùng các mô hình số và tổ hợp kết quả Dưới đây là các phương pháp dự báo của một số trung tâm

+ Australia.

Cơ quan khí tượng Úc bắt đầu sử dụng một phương pháp dự báo mưa bằng cách kết hợp hay chính là tổ hợp các mô hình dự báo khác nhau từ năm 2006 Phương pháp tổ hợp ở đây chính là PME (Poor Man’s Ensemble) Chất lượng dự báo tổ hợp cho thấy về mặt thống kê nó luôn luôn có độ chính xác tốt hơn bất cứ một dự báo thành phần nào trong tổ hợp Các sản phẩm tổ hợp nhận được từ GAPS (Global Assimilation and Prediction System) và LAPS (Limited Area Prediction Scheme) Từ 2006 Cơ quan khí tượng Úc dự báo mưa từ 1 đến 4 ngày với sản phẩm dự báo là

- Bản đồ dự báo mưa độ phân giải 100x100 km

- Lượng mưa đưa ra từng ngày

- Xác suất lượng mưa tính theo kết quả dự báo của các mô hình

Bản đồ tổng lượng mưa theo thời gian dự báo 4 ngày Lượng mưa tính theo dự báo của Úc và của các mô hình trên thế giới (lấy trung bình)

Các kết quả dự báo được lấy từ các cơ quan khí tượng :

Nha khí tượng Úc (Australian Bureau of Meteorology)

Ban quản lý khí tượng, hải dương Hoa Kỳ (US National Oceanographic and Atmospheric Administration)

Cơ quan khí tượng Anh (UK Meteorological Office)

Tổ chức khí tượng Nhật Bản (Japanese Meteorological Agency)

Trung tâm dự báo thời tiết Châu Âu (European Centre for Medium Range Weather Forecasting)

Cơ quan khí tượng Canada (Meteorological Service of Canada)

Cơ quan thời tiết quốc gia Đức (German national weather service, Deutscher Wetterdienst)

+ Hong Kong

Hong Kong Observatory (HKO) đã sử dụng các thông tin radar, vệ tinh, quan trắc tức thời để dự báo mưa hạn cực ngắn (nowcasting) Từ 1999 đã xây dựng hệ thống

SWIRLS (Short-range Warning of Intense Rainstorms in Localized Systerms) rất hữu ích, phát huy tác dụng đến nay Hệ thống này dự báo lượng mưa một giờ một trước vài giờ với 3 mức cảnh báo 30mm/h, 50mm/h và 70mm/h

Để dự báo lượng mưa 3 ngày đã sử dụng các sản phẩm mô hình từ Trung tâm dự báo hạn vừa Châu Âu (ECMWF), Cơ quan Khí tượng Hoàng gia Anh (UKMO) và Cơ quan Khí tượng Nhật Bản (JMA) để đưa ra các bản tin dự báo (Lai và Cheung 2001)[17] Tuy nhiên, để có thể tính đến các yếu tố địa phương thì gần đây HKO còn sử dụng thêm mô hình ORSM (Operational Regional Spectral Model) bước lưới 20 km lồng trong lưới 60 km Trong bước phân tích, các yếu tố ẩm địa phương được đưa vào trường nền của ECMWF, UKMO và JMA bằng cách sử dụng các nguồn đo mưa, radar,

độ che phủ mây và nhiệt độ mây từ vệ tinh địa tĩnh của JMA Cuối cùng, dự báo tổ hợp được xây dựng dựa trên các sản phẩm mô hình Từ các đầu vào khác nhau, các mô hình khác nhau sẽ cho các kết quả dự báo mưa có độ phân tán nhất định Từ đó, các dự báo viên có thể cho bản tin dự báo

Năm 1992, hệ thống dự báo tổ hợp đầu tiên của Hoa Kỳ bắt đầu hoạt động với một cặp điều kiện ban đầu sử dụng phương pháp cấy nhiễu động Hiện nay, NCEP phát triển thành 3 hệ thống dự báo tổ hợp như sau:

1 Hệ thống tổ hợp dự báo mùa được xây dựng dựa trên sự kết hợp của 2 mô hình GFS và MOM3 và sử dụng phương pháp dự báo trễ, độ phân giải của các mô hình này

Đặc biệt hiện nay tại trung tâm NCEP của Hoa Kỳ tập trung nghiên cứu về khả năng dự báo định lượng xác suất mưa (PROBABILISTIC QUANTITATIVE PRECIPITATION FORECASTS) với thời hạn 15 ngày với hệ thống tổ hợp toàn cầu và

từ 2-3 ngày với hệ thống tổ hợp khu vực

Gần đây, vào những năm đầu tiên của thế kỷ 21, các Trung tâm Khí tượng khác như Nhật Bản (JMA), Hàn Quốc (KMA) cũng đã có hệ thống dự báo tổ hợp với các mô hình toàn cầu của mình và sử dụng phương pháp cấy nhiễu động như của Hoa Kỳ

+ Trung tâm Châu Âu (ECMWF)

ECMWF bắt đằu đưa vào nghiệp vụ hệ thống dự báo tổ hợp từ năm 1992 bằng việc

sử dụng phương pháp tách vector kỳ dị để tạo nhiễu động ban đầu Hệ thống dự báo tổ hợp của Trung tâm này hiện nay có tới 51 dự báo thành phần, thực hiện dự báo hàng ngày và cung cấp kết quả cho các nước trong Cộng đồng Châu Âu là thành viên của ECMWF

Dự báo tổ hợp cho khu vực giới hạn (LAEF) bắt đằu đưa vào nghiệp vụ từ năm

2007 Trung tâm này sử dụng các điều kiện nhiễu ban đầu từ quá trình nuôi nhiễu quy

mô lớn bằng phương pháp vectơ kỳ dị của trung tâm ECMWF và điều kiện nhiễu ban đầu quy mô nhỏ sinh ra từ hệ thống nuôi nhiễu động ALADIN, sử dụng kỹ thuật điều kiện nhiễu bề mặt ban đầu (perturbations to initial surface conditions) Đặc biệt thay đổi các sơ đồ vật lý có nuôi nhiễu động cho từng trường hợp để thay đổi các quá trình quy

mô lớn và quy mô nhỏ (dưới lưới) của các biến mưa, bức xạ…

Tuy nhiên, cho đến trước những năm 80 của thế kỷ XX, các nghiên cứu phát triển về

lý thuyết cũng như ứng dụng chủ yếu vẫn chỉ quan tâm đến các khu vực ngoại nhiệt đới của Châu Âu và Mỹ Dự báo thời tiết ở nhiệt đới nói chung và bằng phương pháp số nói riêng ở thời kỳ này còn nhiều khó khăn do hạn chế về động lực học lý thuyết cho vùng nhiệt đới-xích đạo Đến nay có những cải tiến to lớn trong dự báo nghiệp vụ bằng mô hình toàn cầu cho các vùng nhiệt đới, đó là việc đưa vào mô hình sơ đồ tham số hoá đối lưu (TSHĐL) nông, biến đổi TSHĐL sâu, một sơ đồ mây mới và tăng độ phân giải ngang của mô hình[4] Trên qui mô toàn cầu, nghiên cứu của Tiedtke và cộng sự (1988)[21] đã đánh giá tác động của tổ hợp vật lý và tăng độ phân giải ngang đối với sai

số hệ thống trong dự báo nghiệp vụ ở nhiệt đới của ECMWF Việc tăng độ phân giải ngang trong các mô hình dự báo thời tiết nghiệp vụ (Black, 1994[12]; Rogers và cộng sự, 1998[19]) nhìn chung nâng cao chất lượng dự báo mưa định lượng (QPF), được thể hiện qua các điểm số kỹ năng truyền thống (Mesinger, 1998)[18] Khi độ phân giải ngang tăng, mô hình có thể nắm bắt được chuyển động thẳng đứng tốt hơn dẫn tới làm tăng các cực trị mưa dự báo (Weisman và cộng sự, 1997)[23]

Zhang và cộng sự (1994)[25] cũng đã nhận thấy rằng, việc nghiên cứu quan hệ giữa mưa qui mô dưới lưới và qui mô lưới có tác động đáng kể đến kết quả mô phỏng trong trường hợp độ phân giải ngang còn đủ thô để sử dụng sơ đồ TSHĐL Hong S và Zhan (1998)[15] cho thấy vị trí của mưa qui mô lưới bị ảnh hưởng nhiều bởi TSHĐL hơn là việc thay đổi phương pháp tính mưa qui mô lưới Mặt khác, thời gian kích hoạt của cả sơ

đồ TSHĐL và sơ đồ ẩm hiển có tác động đáng kể đối với mưa mô phỏng (Grell, 1993)[14] và có thể thay đổi với các sơ đồ khác nhau

Những cải tiến trong thám sát và phương pháp đồng hóa số liệu để cải tiến trường ban đầu cho mô hình góp phần quan trọng trong việc nâng cao chất lượng dự báo mưa (Spencer và Stensrud, 1998)[20] Huo và cộng sự (1995)[16] đã nghiên cứu độ nhạy của trường ban đầu trong dự báo các trường trong bão, kết quả cho thấy sự thay đổi nhỏ trong trường gió ban đầu tạo nên sự thay đổi lớn trong dự báo quỹ đạo bão và trường mưa dự báo Yoshinori và cộng sự (2009)[24] đã đồng hoá số liệu lượng hơi nước ngưng

tụ (PWV) từ hệ thống GPS bằng mô hình MSM, kết quả cho thấy cải thiện đáng kể vùng hội tụ phía bắc của áp thấp nhiệt đới và vùng mưa dự báo

Nghiên cứu ứng dụng thống kê sau mô hình (MOS – Model Output Statistics) cũng

+ Hàn Quốc:

Mô hình hồi quy tuyến tính nhiều chiều của Viện nghiên cứu khí tượng (METRI – Meteorological Research Institute) được dùng để thử nghiệm dự báo hạn dài cho giáng thủy và nhiệt độ tại Hàn Quốc Kết quả mô hình thực nghiệm cho sản phẩm dự báo nhiệt

độ tháng giêng (mùa đông) và lượng mưa tháng 8 (mùa hè) Những nhân tố dự báo chọn

từ độ cao địa thế vị mực 500 hPa ở Bắc Bán Cầu và trường nhiệt độ mặt biển (SST – Sea surface temperature) trên Thái Bình Dương

+ Ấn Độ:

Ấn Độ là một nước có lịch sử lâu dài trong nghiên cứu hạn dài về mưa do gió mùa

Từ đầu thế kỷ 20, ở Ấn Độ đã phát triển nhiều loại mô hình thống kê, trong đó có mô hình hồi quy để dự báo gió mùa Ấn Độ Các yếu tố dự báo khác nhau được chọn bằng phương pháp tương quan Ví dụ một số nhân tố dự báo được sử dụng là: sự tích tụ tuyết trên núi Himalaya cuối tháng 5, khí áp tại hai trạm Tahiti và Darwin (vào mùa xuân) và nhiệt độ bờ biển Pêru (trước tháng 8)…Ngoài ra còn có những mô hình dự báo thống kê khác, đó là các mô hình nhiều tham số, những tham số được sử dụng trong mô hình là: nhiệt độ, áp suất, gió, bao phủ tuyết Điển hình như:

Phương pháp dự báo biến động giáng thuỷ ở phía đông bắc Ấn Độ

Sử dụng phương pháp phân tích hàm trực giao tự nhiên (EOF - Empirical Orthogonal Function) dự báo lượng mưa do gió mùa tây nam ở Ấn Độ Toàn bộ lượng mưa hàng năm sinh ra do ảnh hưởng của gió mùa tây nam chiếm 70% (trong những tháng từ tháng

6 đến tháng 9), còn lại 22% lượng mưa sinh ra do bão (từ tháng 3 – 5), và 8% do gió mùa đông bắc (từ tháng 11 – 1) Kết quả phân tích cho thấy lượng giáng thuỷ ở vùng đông bắc Ấn Độ chịu ảnh hưởng chủ yếu bởi gió mùa tây nam Các tham số hoàn lưu toàn cầu

và sự biến động SST vùng ENSO, hệ thống nhiệt độ Bắc Bán Cầu và nhiệt độ khu vực này, gió mùa tây nam và dao động 2 năm của đới gió dưới tầng bình lưu được sử dụng

để dự báo mưa do gió mùa tây nam Những chỉ tiêu này đã được nghiên cứu và dự báo gió mùa tây nam và gió mùa đông bắc ở vùng đông bắc Ấn Độ Những tham số hoàn lưu

đã cho thấy hệ số tương quan không đủ lớn để phát triển mô hình dự báo

+ Trung Quốc:

Sử dụng phương pháp phân tích thành phần chính quay (RPC – Rotated principle component analysis) để nghiên cứu đặc điểm không gian và thời gian của giáng thuỷ Trung Quốc

Cấu trúc không gian dự báo trên toàn lãnh thổ Trung Quốc bao gồm 339 trạm, chia thành 7 khu vực dự báo Nguồn số liệu là lượng mưa mùa hè trong 3 tháng: tháng 6, tháng 7 và tháng 8 từ năm 1951 – 1994 Số liệu khuyết bổ sung bằng phương pháp “hàn” (Splus)

Từ kết quả phân tích, tác giả đã rút ra một số nhận xét như sau: lượng mưa ở Trung Quốc có chu kỳ năm rõ rệt, nhưng phân bố lượng mưa theo từng năm không giống nhau

do lượng mưa mùa hè ở Trung Quốc không chỉ tác động bởi gió mùa mà còn chịu ảnh hưởng của một số hiện tượng thời tiết khác như: ENSO, dao động tựa 2 năm… Trong số

7 khu vực lượng mưa ở vùng đông nam Trung Quốc lớn hơn nhiều so với vùng Tây Bắc

Ở nước ta, trong những năm gần đây, các công trình nghiên cứu trong lĩnh vực dự báo mưa lớn bằng mô hình số trị cũng đã được thực hiện Trần Tân Tiến (2004)[8] đã

nghiên cứu sự phụ thuộc của kết quả vào độ phân giải lưới hai sơ đồ TSHĐL là Kuo và Kain Fristch dự báo mưa, đã sử dụng mô hình RAMS với 3 lưới lồng có độ phân giải 30km, 10km và 5km, cập nhật điều kiện địa phương, nhiệt độ nước biển tuần, cải tiến sơ

đồ đối lưu để dự báo mưa cho khu vực Trung Bộ Mô hình đã dự báo được lượng mưa diện và lượng mưa trạm rất phù hợp, đặc biệt là mô phỏng được lượng mưa tới 400mm/3 ngày Kiều Thị Xin (2005)[9] đã áp dụng mô hình HRM để dự báo mưa lớn diện rộng ở Việt Nam Kết quả mới chỉ cho dự báo mưa lớn diện rộng với lượng mưa khoảng 50 mm/ngày, chưa dự báo được các đợt mưa lớn ở Trung Bộ và thời hạn dự báo mới chỉ là

1 ngày Hoàng Đức Cường (2008)[2] đã xây dựng hệ thống tổ hợp 9 dự báo thành phần bằng cách lựa chọn các phương án sử dụng sơ đồ tham số hoá vật lý khác nhau của mô hình MM5 để dự báo mưa lớn ở Việt Nam Kết quả khẳng định dự báo mưa của MM5 chưa thật thuyết phục nếu xét theo chỉ số CSI (đa số trường hợp, CSI gần 0 hơn là gần 1)

Dự báo tổ hợp cho kết quả khả quan hơn so với dự báo thành phần với ngưỡng mưa 30mm Tuy nhiên, hầu hết các dự báo thành phần lại cho kết quả tốt hơn dự báo tổ hợp ở các ngưỡng mưa lớn (50, 100mm) Khi tăng ngưỡng mưa, chỉ số CSI giảm dần đến không ở tất cả các trường hợp Các nhận xét trên đúng với cả ba hạn dự báo khác nhau, duy nhất nhận xét về sự kém hơn của dự báo tổ hợp so với dự báo thành phần ở các ngưỡng mưa 50, 100mm không thật phù hợp với hạn dự báo 48h

Chu Thị Hường (2007)[3] đã sử dụng lưới lồng và hai sơ đồ đối lưu khác nhau để dự báo mưa lớn Trung Bộ từ 1 đến 3 ngày Kết quả cho thấy vùng mưa dự báo có xu hướng lệch với mưa thực tế và lượng mưa thường thấp hơn mưa thực Nguyễn Thị Thanh (2010)[7] đã nghiên cứu Đồng hóa số liệu vệ tinh trong mô hình WRF để dự báo mưa lớn ở khu vực Trung Bộ Kết quả đối với ngưỡng mưa lớn, mô hình hầu như dự báo không chính xác về vùng mưa và lượng mưa

1.2 Các quy định về mưa lớn diện rộng

1.2.1 Quy định về mưa lớn

Mưa lớn hay mưa vừa mưa to diện rộng là quá trình mưa xảy ra mang tính hệ thống trên một hay nhiều khu vực Mưa lớn diện rộng có thể xảy ra một hay nhiều ngày, một hay nhiều trận mưa và không phân biệt dạng mưa Căn cứ vào lượng mưa thực tế đo được 24 giờ tại các trạm quan trắc khí tượng bề mặt, trạm đo mưa trong mạng lưới quan trắc KTTV mà phân định các cấp mưa khác nhau Theo Qui chế báo áp thấp nhiệt đới, bão, lũ Mưa lớn được chia làm 3 cấp[5]

Mưa vừa : Lượng mưa đo được từ 16-50 mm/24h

Mưa to : Lượng mưa đo được từ 51-100 mm/24h

Mưa rất to: Lượng mưa đo được >100mm/24h

1.2.2 Quy định về mưa lớn diện rộng

Trên thực tế các khu vực dự báo được quy định ở nước ta chỉ có thể liền kề một hoặc hai khu vực dự báo khác nhau và mưa lớn mang tính chất hệ thống bao giờ cũng xảy ra trên diện tích bề mặt tương đối rộng lớn Bởi vậy mưa lớn diện rộng được quy định như sau:

Một khu vực có mưa lớn diện rộng khi mưa lớn xảy ra quá một nửa số trạm trong toàn bộ số trạm có quan trắc mưa thu thập được của khu vực đó

Mưa lớn xảy ra ở 2 hoặc 3 khu vực liền kề khi tổng số trạm quan trắc mưa lớn vượt quá 1/2 hoặc 1/3 tổng số trạm quan trắc mưa thu thập được trong 2 hoặc 3 khu vực liền

kề

Khi mưa lớn xảy ra ở nhiều khu vực liền kề, các trạm quan trắc được tính cũng phải nằm trong khu vực có mưa.Việc miêu tả khu vực xảy ra mưa lớn diện rộng phải căn cứ trên việc phân chia các khu vực nhỏ trong các khu vực dự báo đang được hiện hành

1.3 Hình thế gây mưa lớn tại Trung Bộ do không khí lạnh kết hợp dải hội tụ nhiệt đới

Trong những tháng mùa đông, không khí lạnh xâm nhập xuống nước ta thường gây mưa đối với các tỉnh miền Trung Tuỳ thuộc cường độ không khí lạnh, thời gian tồn tại

mà phạm vi, thời gian mưa kéo dài nhiều ngày hay ít ngày Mưa lớn miền Trung phụ thuộc rất nhiều bởi sự tác động kết hợp giữa không khí lạnh với nhiều hệ thống thời tiết khác như bão, ATNĐ, dải hội tụ nhiệt đới Những biểu hiện mang qui mô cỡ vừa như các hệ thống trên thường có dấu hiệu trên bản đồ synop 24, 48, 72h thậm chí dài hơn Điều đó giúp thuận lợi cho khả năng cảnh báo hạn vừa qui mô lớn Tuy nhiên, quá trình mưa phụ thuộc khá nhiều vào sự biến động về mặt hoàn lưu so với hệ thống mang tính qui luật

Bằng phương pháp phân tích synop kết hợp phân tích ảnh mây vệ tinh chúng ta có thể phát hiện và dự báo các đợt mưa đặc trưng như vậy Đó là cơ sở xây dựng những mô hình synop đặc trưng của loại hình thế gây mưa lớn đặc biệt này

1.3.1 Những nét đặc trưng của không khí lạnh ở các tỉnh miền trung

Trong những tháng mùa đông khi mà Bắc bộ và Thanh Hoá có thời tiết khô hanh do

sự chi phối của khối không khí lạnh cực đới thì ở các tỉnh miền Trung đặc biệt các tỉnh Trung Trung Bộ và Nam Trung Bộ lại là mưa lũ lớn Năm sớm, mưa lũ bắt đầu xảy ra từ tháng 9, năm muộn tháng 10 hoặc tháng 11 nhưng mưa lũ đáng kể vẫn tập trung chủ yếu vào hai tháng cuối năm

Đối với miền Trung, ngoài đặc trưng do phân bố địa lý, vai trò địa hình góp phần quan trọng quyết định chế độ mưa lũ ở khu vực này Dải núi Trường Sơn, cao nguyên Nam Trung Bộ, các mũi núi nhô ra biển như đèo Ngang, đèo Hải Vân, đèo Cả, đèo Cù Mông…Không chỉ còn là ranh giới hành chính mà chúng trở thành ranh giới khí hậu, thời tiết đặc biệt, chế độ mưa của các vùng khác nhau Cũng như các khu vực khác trên lãnh thổ nước ta, mưa miền Trung do nhiều nguyên nhân và phân bố hết sức đa dạng Trước tiên phải kể đến mưa lớn diện rộng do hoạt động của bão, ATNĐ và không khí lạnh sau đó mới kể đến mưa do các nhiễu động nhiệt đới khác như dải hội tụ nhiệt đới, hoạt động đới gió đông cận nhiệt đới…Tuy nhiên nếu tính mức độ ảnh hưởng của bão, ATNĐ đối với các tỉnh Trung Bộ có mật độ nhỏ hơn nhiều so với Bắc bộ Nếu các tỉnh Bắc bộ, người làm dự báo thời tiết quan tâm nhiều đến mưa lớn do hoạt động của xoáy thuận nhiệt đới, rãnh thấp gió mùa, dải hội tụ nhiệt đới và các nhiễu động gây hội tụ mạnh trên cao trong tầng đối lưu thì đối với các tỉnh Trung Bộ người ta quan tâm nhiều hơn mưa lớn do tác động của không khí lạnh cực đới và khối khí nóng ẩm tây Thái Bình Dương Sự xáo trộn nhiệt ẩm, sự hội tụ động lực dưới tác động của địa hình là nguyên nhân chủ yếu gây mưa lớn đối với Trung Bộ Mưa lớn thường kéo dài cùng với sự tồn tại của các quá trình trên, chừng nào 1 trong 2 quá trình đó suy giảm hoặc cả 2 quá trình không còn tồn tại thì mưa lớn cũng suy giảm hoặc không còn nữa Rõ ràng quan tâm đến

mưa lớn nói chung và mưa lớn Trung Bộ nói riêng không chỉ bó hẹp trong việc thu thập, theo dõi diễn biến mưa thực tế mà vấn đề phải làm sáng tỏ nguyên nhân gây mưa trên cơ

sở phân tích tính toán và dự báo các đặc trưng nhiệt động lực trường khí tượng, các dấu hiệu tồn tại hoặc thay đổi hình thế synop, điều kiện hoàn lưu, điều kiện nhiệt ẩm, điều kiện động lực của môi trường chứa đựng mây và mưa không chỉ trên qui mô synop, qui

mô vừa mà còn quan tâm đến qui mô nhỏ kể cả tác động đối lưu do địa hình Tác động của địa hình được đặc trưng bởi hai đặc điểm chính đó là hướng bờ biển và phân bố địa hình mặt đệm Đó cũng là cơ sở định hướng nghiên cứu phương pháp dự báo mưa cho từng khu vực riêng biệt có đặc thù địa hình, địa lý khác nhau

Nguyên nhân các đợt mưa lớn tuy có khác nhau, ngoài một số đợt do bão ảnh hưởng trực tiếp, phần lớn đều có tác động của không khí lạnh và hoạt động của đới gió đông cận nhiệt đới dưới dạng này hay dạng khác Rõ ràng đề cập đến mưa lớn miền Trung trong những tháng mùa đông không ai có thể phủ nhận vai trò của không khí lạnh và gió đông cận nhiệt đới Đây là một trong những dạng hình thế synop đặc trưng gây mưa bất ổn định và rõ nét nhất đối với Trung Bộ

1.3.2 Dải hội tụ nhiệt đới

1.3.2.1 Khái niệm

Dải hội tụ nhiệt đới (Intertropical Convergence Zone-ITCZ) là một dải tương đối hẹp được đặc trưng bởi sự hội tụ khối lượng giữa hai đới tín phong đến từ hai bán cầu Trong những trường hợp khi gió tây xích đạo xuất hiện, ITCZ thường có dạng kép (hai ITCZ nằm song song ở hai phía của xích đạo), do có sự hội tụ giữa đới gió tây xích đạo với tín

phong của mỗi bán cầu

1.3.2.2 Một số đặc trưng của dải hội tụ nhiệt đới

ITCZ là giới hạn phía xích đạo của hoàn lưu Hadley và cũng là nơi hình thành nhánh

đi lên của hoàn lưu này Trong chu kỳ dao động của năm, ITCZ dịch chuyển cách xa xích đạo lên phía cực trên những vùng lục địa mùa hè Chẳng hạn tháng 7, vị trí ITCZ tiến xa nhất lên phía bắc trên lục địa Châu Á (tới 280N); còn trong tháng 1 ITCZ dịch chuyển về nam bán cầu xa nhất, tới lục địa Australia và Đông Phi (khoảng 17 – 180S) Như vậy trên bề mặt, vị trí ITCZ thường trùng với nơi có nhiệt độ cao nhất, thậm chí ngay cả trên đại dương Vì thế ITCZ thường được gọi là xích đạo nhiệt của trái đất Trên quy mô hành tinh, có thể xem ITCZ là một đới hội tụ khối lượng theo phương nằm ngang trong tầng thấp và vì vậy cũng là đới có dòng thăng lên đến một độ cao nào

đó Nếu phân tích trường khí áp thì ITCZ cũng là nơi có khí áp thấp nhất

Thông thường không khí phía cực của ITCZ là không khí trong nhánh đi xuống của vòng hoàn lưu Hadley nên nó là một dòng giáng đoạn nhiệt, không khí khá nóng khô và

ổn định Trong khi đó không khí từ phía xích đạo của ITCZ là khối không khí biển nhiệt đới, nhưng thường lạnh hơn khối không khí phía cực của ITCZ, vì thế theo chiều thẳng đứng ITCZ thường nghiêng về phía xích đạo Độ nghiêng này có tính biến động rất lớn theo không gian và thời gian, tùy thuộc vào sự khác nhau của nhiệt độ và tốc độ gió ở hai bên ITCZ Tuy nhiên, sự chênh lệch nhiệt độ của hai bên ITCZ thường là không đáng kể nên độ nghiêng của ITCZ cũng không lớn Trên bản đồ synop, ITCZ thường chỉ được xem là một đới bất liên tục về hướng gió và là một đường rãnh khí áp thấp nhất chứ không phải là một đới bất liên tục về nhiệt độ

Nếu căn cứ vào sự bất liên tục về gió trên vùng Ấn Độ, vào tháng 7, ITCZ phát triển lên đến độ cao lớn nhất, tới mức 400mb Trong khi đó ở những vùng khác ITCZ thường chỉ phát triển đến mực 700mb Trên mức đó là dòng gió đông khá khô trong hoàn lưu của áp cao cận nhiệt đới Mây được hình thành trong lớp không khí ẩm phía xích đạo của ITCZ Trong nhiều trường hợp khi độ dày của lớp ẩm lên tới 3km, những đám mây Cu

và Cb lớn được hình thành Trên những vùng khác, có thể thấy những đám mây tích không phát triển theo chiều cao hoặc những đám mây tầng tích Lượng mây cực đại thường quan trắc được ở phía xích đạo của ITCZ với kích thước ngang khoảng 200 – 500km, tính từ vị trí bề mặt của ITCZ Trên cơ sở đó, có thể phân tích, xác định sự hiện diện của ITCZ trên những vùng không có số liệu quan trắc gió và khí áp, có thể dùng ảnh mây vệ tinh cũng cho kết quả khá tốt, có điều là việc xác định chính xác vị trí trục của ITCZ là rất khó vì bề rộng của dải mây quá lớn

Những hệ thống thời tiết qui mô synop và qui mô vừa cũng có tác động nhất định đến thời tiết ở gần ITCZ, như sóng đông…Các hệ thống qui mô này cũng có thể làm biến động vị trí, cường độ của chuyển đông thẳng đứng trên vùng lân cận của ITCZ như gió đất-biển, các sóng nhiệt đới và ngoại nhiệt đới…Cường độ và sự dịch chuyển của áp cao cận nhiệt đới cũng có ảnh hưởng đến cường độ và vị trí của ITCZ

Cường độ của ITCZ biến đổi rất lớn theo mùa, theo nhiều năm và theo khu vực địa lí Ngoài dạng đơn phổ biến, ITCZ có thể có dạng kép với tần suất xuất hiện không lớn Mây trong ITCZ là một dải mây tích rộng và kéo dài Tuy nhiên, cường độ và phạm vi của mây tích không đồng nhất trên suốt chiều dài ITCZ Trong một số trường hợp, trên ITCZ còn có thể thấy rõ các nhiễu động dạng sóng hay dạng xoáy

Trong nhiều trường hợp, trường chuyển động trong ITCZ có hội tụ ở tầng thấp và phân kì ở tầng cao với dòng thăng rất mạnh, tốc độ cực đại của dòng thăng thường xảy ra

ở tầng đối lưu giữa Một điều rất đáng lưu ý là ở trên ITCZ có thể phát triển các xoáy thuận, các nhiễu động xoáy này thường di chuyển từ đông sang tây Với cấu trúc như vậy, thời tiết điển hình trong ITCZ thường có mây tích và vũ tích,cho mưa rào và dông Tuy nhiên, không phải tất cả mọi nơi dọc theo đường hội tụ đều có thời tiết xấu Nói chung, những nơi gió hội tụ mạnh thì lượng mưa tăng lên; đặc biệt, mưa rào và dông sẽ tăng mạnh nhất ở những nơi xuất hiện những nhiễu động xoáy thuận

Vị trí của ITCZ trong năm phụ thuộc vào vị trí, cường độ của các đới tín phong ở hai bán cầu; các đới tín phong lại gắn liền với các áp cao cận nhiệt đới; các áp cao cận nhiệt đới dịch chuyển theo hoạt động biểu kiến của Mặt trời, cho nên ITCZ cũng dịch chuyển theo mùa Mặt khác, do gắn với dải có nhiệt độ nước biển bề mặt cực đại nên ITCZ cũng dịch chuyển theo đới có cường độ bức xạ cực đại Như vậy, từ mùa đông sang mùa hè ITCZ dịch chuyển từ bán cầu Nam lên bán cầu Bắc, còn từ mùa hè sang mùa đông ITCZ dịch chuyển từ bán cầu Bắc xuống bán cầu Nam

Theo sự dịch chuyển biểu kiến của mặt trời, tháng 4 tín phong từ bán cầu nam vượt xích đạo đi lên ở phía nam Biển Đông, tháng 5 đi lên ở cả Ấn Độ Dương Vì thế tháng 4, tháng 5 ITCZ đã xuất hiện ở các vĩ độ bắc gần xích đạo, trên khu vực phía nam Biển Đông và phía tây Thái Bình Dương Tháng 6, khi gió mùa tây nam phát triển mạnh hơn lên bắc bán cầu thì ITCZ trên Biển Đông cũng được đẩy lên các vĩ độ cao và lùi ra phía đông một chút, tháng 6 vị trí trung bình của ITCZ ở trong khoảng từ 5 – 80N trên khu vực đông nam Biển Đông và tây Thái Bình Dương Trong thời gian này đôi khi dải ITCZ cũng vươn dài về phía tây, về phía nam của bán đảo Đông Dương Sang tháng 7,

gió mùa tây nam phát triển thổi mạnh qua Biển Đông thì ITCZ đã bị đẩy lùi ra ngoài Biển Đông, ở vùng bển phía đông Philippin Tháng 8, khi áp cao Thái Bình Dương lấn

về phía tây, tín phong từ ngoài Thái Bình Dương cũng thổi tới duyên hải phía nam Trung Quốc và ven biển Khi đó ITCZ từ phía đông Philippin lại vươn tới vùng ven biển phía nam Trung Quốc, trục ITCZ ở khoảng vĩ tuyến 210N Sang tháng 9, áp cao Thái Bình Dương lấn mạnh vào phía nam lục địa Trung Quốc, tín phong từ ngoài Thái Bình Dương thổi mạnh qua phía bắc bán đảo Đông Dương tới cả phía bắc vịnh Bengal Khi

đó ITCZ từ bắc Biển Đông bắt đầu lùi xuống phía nam, trục ITCZ đi ngang qua Trung

Bộ Việt Nam tới cả vịnh Bengal Tháng 10, với sự hình thành và phát triển mạnh của áp cao lạnh lục địa ở phía đông Trung Quốc (áp cao Hoa Đông), không khí lạnh lục địa thổi xuống bắc Biển Đông, phối hợp với tín phong từ phía đông tạo thành đới gió đông bắc thịnh hành trên Biển Đông Lúc này ITCZ bị đẩy lùi xuống nam Biển Đông, có trục ở vào khoảng 8 – 100N Trong tháng 11 và 12, ITCZ tiếp tục lùi xuống các vĩ độ cận xích đạo, tới tháng 1 thì lùi xuống nam bán cầu Như thế trong thời kỳ mùa hè ITCZ từ nam Biển Đông đi lên nhưng ít có điều kiện tiếp cận tới đất liền của Việt Nam và do đó ít có ảnh hưởng thời tiết đối với khu vực này Trái lại ở thời kỳ thu đông khi ITCZ lùi xuống phía nam thì ITCZ thường đi ngang qua đất liền Việt Nam Vì thế trong thời kỳ này ITCZ đem đến thời tiết xấu trong các khu vực trên đất liền của Việt Nam, từ bắc chí nam, đặc biệt đem đến mưa lớn diện rộng gây lũ lụt ở Trung và Nam Trung Bộ

Theo mùa, ITCZ có sự biến động khá rõ nét như đã nói, nhưng trong thời gian ngắn, tính biến động về cả vị trí lẫn cường độ rất lớn, thậm chí không phân tích được trên bản

đồ synop hàng ngày Nguyên nhân gây nên sự biến động đó có thể là do sự di chuyển được tóm tắt như sau[1]:

- ITCZ di chuyển lên phía bắc do áp cao Thái Bình Dương di chuyển lên phía bắc trong quá trình áp cao này mạnh lên, hoặc nếu áp cao này lấn sang phía tây thì cường độ của ITCZ cũng mạnh lên;

- Khi bão đổ bộ lên các vĩ độ cao thường kéo theo ITCZ lên phía bắc, nhưng khi bão đổ bộ vào đất liền thì ITCZ mất đi, một ITCZ khác lại được thiết lập ở vĩ độ thấp hơn;

- Khi không khí lạnh xâm nhập xuống phía nam cũng làm cho ITCZ bị đẩy lùi xuống phía nam;

- Nếu áp thấp nóng phía tây mạnh lên, đường trục ITCZ trên Biển Đông đang có hướng đông-tây sẽ chuyển hướng thành tây bắc-đông nam

1.3.3 Mô hình synop đặc trưng không khí lạnh kết hợp dải hội tụ nhiệt đới gây ra mưa lớn Trung Bộ

Thường từ tháng 9 hàng năm đã có không khí lạnh xâm nhập xuống miền Bắc nước

ta Theo thời gian càng về cuối năm không khí lạnh xâm nhập có tần xuất tăng dần và ảnh hưởng sâu hơn xuống các tỉnh phía nam Phần lớn không khí lạnh ảnh hưởng đến Bắc và Trung Trung Bộ, không ít đợt mạnh ảnh hưởng tới nam Trung Bộ, rất ít đợt ảnh hưởng đến đông Nam bộ Trong các tháng 11, 12 trục áp cao cận nhiệt đới đã lùi xuống phía nam khoảng vĩ tuyến 15oN về phía xích đạo theo hướng đông tây từ quần đảo Ca-Ro-Rin-No, vùng biển nam PhiLipine, đảo Pa la Oan, khu vực biển quần đảo Trường Sa đến vịnh Thái Lan tồn tại đới gió đông nhiệt đới và đới gió đông xích đạo khá dày và khá

ổn định Tuy vậy, hoạt động của đới gió đông trên khu vực nam Biển Đông cũng có thay

đổi theo chu kỳ hoạt động của áp cao cận nhiệt đới Đới gió đông này phát triển khá dày lên đến độ cao của đỉnh tầng đối lưu nhưng biểu hiện rõ nhất trong tầng 700mb đến tầng 500mb hoặc 300mb Trong lúc đó những đợt không khí lạnh xâm nhập xuống Trung Bộ tạo nên " nêm lạnh" xuống Trung và nam Trung Bộ khá mỏng dưới 850mb kéo theo sự kích động mạnh lên khác thường của đới gió đông bắc ngoài khơi nam Trung Bộ mà chúng ta vẫn còn gọi là tín phong đông bắc (hay mậu dịch phong) Do tác động của địa hình của miền Trung nên rất ít đợt không khí lạnh vượt qua dãy Trường Sơn và cao nguyên Nam Trung Bộ, cũng như địa hình chắn gió của đoạn bờ biển Trung Bộ đã làm không khí lạnh hội tụ ở phía đông, tạo dòng thăng cưỡng bức mạnh mẽ, kéo dài nhiều ngày, gây lên mưa lớn ở khu vực này Mưa lớn do không khí lạnh đối với các tỉnh miền Trung đã là hiện tượng ác liệt nhưng mưa lớn còn ác liệt, kéo dài hơn do tác động đới gió đông mạnh trên cao đặc biệt kết hợp các nhiễu động sóng trong ITCZ Mưa lớn không chỉ tập trung ở Trung Trung Bộ mà lan rộng ra các tỉnh Nam Trung Bộ đôi khi cả khu vực Tây Nguyên Quá trình xảy ra mưa lớn không chỉ phụ thuộc vào cường độ không khí lạnh, ITCZ mà còn phụ thuộc vào thời gian tác động của hai hệ thống trên cùng pha hoặc khác pha

Mô hình synop đặc trưng cho dạng hình thế thời tiết đặc biệt này là: ở tầng thấp (từ mặt đất lên 1500m) có sự tăng cường của áp cao lạnh xuống Bắc bộ và bắc Trung Bộ, một sóng khí áp có trục theo hướng bắc tây bắc (NNW) - nam tây nam (SSW) kéo dài từ nam vịnh Bắc bộ đến ngoài khơi Trung Bộ trong phạm vi 15-20oN, 106-110oE ở tầng cao (3000-5000m) sóng đông hoạt động trong khu vực 10-15oN, 105-115oE và dịch dần

về phía tây

- Dạng 1: Không khí lạnh tác động cùng pha với sóng đông vùng mưa kéo dài tương đối liên tục và đồng thời từ Quảng Bình đến Bình Thuận và trung tâm mưa chính cũng kéo dài từ Thừa Thiên Huế đến Bình Thuận và đôi khi bao phủ cả khu vực Tây Nguyên Đây là loại hình thế gây mưa đặc trưng đáng chú ý nhất

- Dạng 2: Không khí lạnh tác động không cùng pha với sóng đông và có 2 vùng mưa chính: Từ Quảng Bình đến Bình Định trọng tâm từ Huế đến Bình Định nguyên nhân

do không khí lạnh là chủ yếu; từ Khánh Hòa đến Bình Thuận nguyên nhân do sóng đông chủ yếu

Mưa ở khu vực Trung Bộ nói chung và Trung Trung Bộ nói riêng do tác động của không khí lạnh kết hợp với nhiễu động của ITCZ vào những tháng mùa đông thường gây

ra lũ lớn hoặc đặc biệt lớn trên các sông và ngập lụt nghiêm trọng trên một khu vực rộng lớn

CHƯƠNG 2:

MÔ HÌNH WRF VÀ ÁP DỤNG ĐỂ DỰ BÁO MƯA LỚN

Ở TRUNG TRUNG BỘ

2.1 Mô hình dự báo thời tiết WRF

Mô hình Nghiên cứu và Dự báo Thời tiết WRF (Weather Research and Forecasting)

là một hệ thống gồm nhiều mo-đun khác nhau, được phát triển bởi sự hợp tác giữa một

số trung tâm khí tượng lớn của Hoa Kỳ, như Trung tâm Quốc gia nghiên cứu khí quyển (NCAR), Trung tâm Quốc gia dự báo môi trường (NCEP), Cục khí tượng không quân (AFWA), v.v Dự án xây dựng WRF nhằm mục đích chính là có được một mô hình khu vực vừa có thể áp dụng trong dự báo nghiệp vụ vừa làm công cụ nghiên cứu các quá trình qui mô vừa WRF ra đời và phát triển dựa trên sự kế thừa những thành tựu trong lĩnh vực mô hình hóa thời tiết và khí hậu, mặt khác nó cũng được thiết kế để có thể áp dụng và hướng tới các phương pháp hiện đại trong phân tích, xử lý và đồng hóa số liệu

Mô hình WRF cho phép sử dụng các tùy chọn khác nhau đối với tham số hóa các quá trình vật lý, như tham số hóa bức xạ, tham số hoá lớp biên hành tinh, tham số hoá đối lưu mây tích, khuếch tán xoáy rối qui mô dưới lưới hay các quá trình vi vật lý khác

Những năm gần đây, mô hình WRF được sử dụng rộng rãi trong dự báo thời tiết nghiệp vụ cũng như trong nghiên cứu ở nhiều quốc gia trên thế giới, cụ thể: tại Mỹ, mô hình WRF đang được chạy nghiệp vụ tại NCEP (từ năm 2004) và AFWA (từ tháng 7/2006) Mô hình này cũng được chạy nghiệp vụ tại KMA (2006), tại Ấn Độ, Đài Loan

và Israel (từ năm 2007) Ngoài ra một số nước khác như Trung Quốc, New Zealand, Braxin… đang sử dụng WRF trong nghiên cứu và dự định sử dụng mô hình này trong nghiệp vụ

Phiên bản 3.2 của mô hình WRF ra đời tháng 7 năm 2010, bao gồm các chức năng chính sau: hệ phương trình động lực học bất thuỷ tĩnh nén được đầy đủ; các sơ đồ vật lý được tích hợp cho những ứng dụng ở quy mô từ mét đến hàng nghìn km và có mã nguồn

mở để người sử dụng, cũng như các nhà nghiên cứu có thể đưa thêm các sơ đồ vật lý vào

mô hình; điều kiện biên di động; hệ thống đồng hoá số liệu 3DVAR; kỹ thuật lồng ghép miền tính di động

2.1.1 Cấu trúc của mô hình WRF

Sơ đồ tổng quan mô tả cấu trúc các thành phần của mô hình WRF như Hình 2.1[11]

Các thành phần chính của mô hình WRF gồm có:

• Hệ thống tiền xử lý của mô hình WPS (The WRF Pre-processing System)

Chương trình được sử dụng chủ yếu để mô phỏng các dữ liệu thực (real –data), bao gồm: xác định miền mô phỏng; nội suy các dữ liệu địa hình, sử dụng đất (landuse), các loại đất về miền mô phỏng; đọc và nội suy các trường khí tượng từ các mô hình khác (mô hình toàn cầu, mô hình khu vực có độ phân giải thấp) về miền mô phỏng

• Môđun đồng hóa số liệu (WRFDA) là chương trình đồng hóa số liệu quan trắc

vào trường phân tích được tạo ra bởi chương trình WPS Chương trình này cũng cho phép cập nhật điều kiện ban đầu trong trường hợp mô hình WRF được chạy ở chế độ tuần hoàn Kỹ thuật đồng hóa số liệu biến phân bao gồm cả biến phân ba chiều 3DVAR và biến phân 4 chiều 4DVAR

Hình 2.1: Cấu trúc tổng quan của mô hình WRF

• Môđun cập nhật số liệu (OBSGRID) là chương trình cập nhật số liệu vào trường

phân tích được tạo ra bởi chương trình WPS

• Môđun mô phỏng ARW (ARW solver) Đây là mođun chính của hệ thống mô

hình WRF, bao gồm các chương trình khởi tạo đối với trường hợp mô phỏng lý tưởng, các mô phỏng dữ liệu thực và chương trình tích phân

Các chức năng chính của mô hình WRF là:

- Các phương trình không thủy tĩnh nén được đầy đủ

- Ứng dụng đối với cả miền tính toàn cầu và khu vực

- Hệ toạ độ ngang là lưới so le Arakawa C, hệ toạ độ thẳng đứng là hệ toạ độ khối theo địa hình

- Bước thời gian sai phân Runge-Kutta bậc 3 được sử dụng đối với các số sóng âm thanh và sóng trọng trường, sai phân bậc 2 đến bậc 6 được sử dụng cho cả phương ngang và phương thẳng đứng

- Lồng ghép miền tính một chiều và 2 chiều và lựa chọn miền tính lồng ghép

- Mô hình lớp xáo trộn đại dương một cột

• Chương trình đồ họa và xử lý sản phẩm của mô hình (Post-processing &

sản phẩm và đồ họa như RIP4, NCL, GrADS và Vis5D,…

2.1.2 Các quá trình vật lý trong mô hình

Mô hình WRF có các sơ đồ tham số vật lý rất phong phú, tạo điều kiện thuận lợi cho các đối tượng sử dụng khác nhau Các quá trình vật lý được tham số hóa trong mô hình WRF bao gồm: Các quá trình vật lý vi mô, tham số hoá đối lưu mây tích, lớp biên hành tinh, mô hình bề mặt, các quá trình đất - bề mặt (mô hình đất), bức xạ, khuếch tán

2.1.2.1 Vật lí vi mô

Vi vật lí bao gồm các quá trình xử lí hơi nước, mây và quá trình giáng thủy Các sơ

đồ vi vật lí dùng để tính toán xu thế của nhiệt độ, độ ẩm khí quyển và mưa bề mặt Tuy nhiên mỗi sơ đồ có độ phức tạp và các biến ẩm riêng khác nhau Các sơ đồ vi vật lí có trong mô hình trên Bảng 2.1

Bảng 2.1: Tùy chọn vật lí vi mô trong WRF

2.1.2.2 Đối lưu mây tích

Mây tích có quy mô nhỏ hơn nhiều so với độ phân giải thông thường của lưới mô hình, ảnh hưởng của nó đối với hoàn lưu quy mô lớn không thể tính trực tiếp mà chỉ có thể tính gián tiếp từ cân bằng nhiệt và ẩm của hệ thống hoàn lưu quy mô lớn

Mục đích của chính của vấn đề tham số hóa đối lưu là:

- Dự báo lượng mưa sinh ra do đối lưu;

- Tính toán tác động của đối lưu đến các quá trình nhiệt động lực học mô hình như tính ổn định thẳng đứng, phân bố lại trường nhiệt, ẩm hình thành mây, các ảnh hưởng đến đốt nóng bề mặt, bức xạ khí quyển,

Bảng 2.2: Một số tùy chọn tham số hóa đối lưu mây tích trong mô hình WRF

Có nhiều phương pháp khác nhau đã được sử dụng để liên kết mây với các trường giải được như nhiệt độ, độ ẩm và gió, nhưng vẫn chưa một phương pháp nào là hoàn thiện nhất, mỗi sơ đồ đưa ra đều có những ưu, nhược điểm riêng

Trong mô hình WRF có những tùy chọn tham số hóa đối lưu khác nhau, Bảng 2.2 là một số tùy chọn sơ đồ tham số hóa đối lưu và cách kết hợp của chúng

2.1.2.3 Lớp bề mặt

Những sơ đồ lớp bề mặt tính toán hệ số vận tốc và trao đổi ma sát, cho phép tính dòng nhiệt và ẩm bề mặt bởi mô hình đất - bề mặt và sơ đồ lớp biên hành tinh Các sơ đồ bề mặt trong mô hình WRF được mô tả trong Bảng 2.3

Bảng 2.3: Tùy chọn bề mặt đất trong WRF

(các tầng)

Tuyết

(4)

1-lớp, nhỏ

Những mô hình bề mặt đất (LSMs) dùng thông tin khí quyển từ lớp bề mặt, bức

xạ từ sơ đồ bức xạ, giáng thủy từ vật lí vi mô và sơ đồ đối lưu, cùng với thông tin quan trọng trên những biến trạng thái của đất và thuộc tính của bề mặt đất để cung cấp những thông tin về thông lượng nhiệt và ẩm qua những điểm mặt đất và những điểm trên mặt biển, băng Các thông lượng này cung cấp điều kiện biên ban đầu cho dòng thăng trong

mô hình PBL

Mô hình mặt đất không cung cấp những xu hướng, nhưng cập nhật những biến trạng thái của đất gồm: nhiệt độ bề mặt, profile nhiệt độ đất, profile độ ẩm đất, tuyết Không có trao đổi ngang giữa những điểm lân cận trong LSMs, vì vậy nó có thể coi như mô hình cột một chiều cho mỗi điểm lưới trong mô hình WRF Hiện nay có nhiều mô hình bề mặt có thể chạy độc lập

2.1.2.4 Lớp biên hành tinh

Lớp biên hành tinh (Planetery Boundery Layer, PBL) có nhiệm vụ tính toán thông lượng xoáy quy mô dưới lưới Vì vậy khi PBL được kích hoạt thì khuếch tán theo chiều thẳng đứng cũng được kích hoạt Hầu hết, khuếch tán ngang là không đổi (Kk=const) Thông lượng bề mặt được cung cấp bởi bề mặt và sơ đồ bề mặt đất Sơ đồ PBL xác định các profile thông lượng giữa lớp biên và trạng thái của lớp biên Vì vậy sẽ cung cấp những khuynh hướng của nhiệt độ, độ ẩm (bao gồm cả mây), động lượng ngang trong toàn cột khí quyển Hầu hết các sơ đồ PBL xét sự xáo trộn khô, nhưng cũng bao gồm hiệu ứng bão hòa trong sự ổn định thẳng

2.1.2.5 Bức xạ khí quyển

Các sơ đồ bức xạ khí quyển cho ta thấy sự đốt nóng bề mặt khí quyển bởi thông lượng bức xạ sóng ngắn của mặt trời và sóng dài của bề mặt đất Bức xạ sóng dài bao gồm tia hồng ngoại (IR) hoặc bức xạ nhiệt hấp thụ được phát ra từ khối không khí và bề mặt Dòng bức xạ sóng dài từ bề mặt phụ thuộc vào loại bề mặt đất, nhiệt độ bề mặt đất Bức xạ sóng ngắn có chứa cả bức xạ sóng dài, và phụ cận sóng dài trong phổ mặt trời Vì chỉ có nguồn là mặt trời, nên bức xạ sóng dài gồm các quá trình hấp thụ, phản xạ, phát xạ trong khí quyển và tại bề mặt Phản xạ phụ thuộc vào Albedo của mặt đệm Bức xạ còn

phụ thuộc vào phân bố của mây, hơi nước và các khí CO2, O3,…Các tùy chọn bức xạ trong mô hình WRF cho trên Bảng 2.4

Bảng 2.4: Tùy chọn sơ đồ bức xạ trong WRF

(SW)

2.1.2.6 Sơ đồ tương tác giữa các quá trình vật lí

Tương tác giữa các quá trình vật lý được thể hiện trong mô hình số nói chung có thể biểu diễn như sơ đồ Hình 2.2

2.2 Cập nhật số liệu địa phương trong mô hình WRF

Cập nhật số liệu địa phương cho mô hình WRF được thực hiện thông qua môđun OBSGRID Có 3 trong 4 kỹ thuật phân tích được dùng trong OBSGRID dựa trên sơ đồ Cressman với vài kỹ thuật hiệu chỉnh liên tiếp cho trường ban đầu từ các trạm bên cạnh

Sơ đồ Cressman chuẩn được thiết kế dựa trên khoảng cách giữa các thám sát theo bán kính R Trường phỏng đoán ban đầu tại điểm lưới P được điều chỉnh bằng cách lấy tất cả các thông tin từ các trạm có ảnh hưởng đến P

2.2.1 Phương pháp Cressman

Dự báo thời tiết số nghiệp vụ đòi hỏi các sơ đồ phân tích khách quan phải nhanh, ổn định, chính xác và có thể áp dụng cho bất kỳ trường khí tượng nào[10] Phương pháp hiệu chỉnh liên tiếp, trước hết do Bergthorsson và Doos đưa ra năm 1955, được

BỀ MẶT

Ảnh hưởng của mây

Một phần mây

Tương tác giữa các quá trình vật lí

Thông lượng nhiệt ẩm bề mặt Sóng ngắn, dài

Phát xạ bề mặt Albedo bề mặt T, Qv, gió bề mặt

Mây tầng thấp hoặc sự tăng cường dòng giáng Dòng đi ra

Cressman phát triển 1959, lần đầu tiên đã mở ra một phép phân tích như vậy Sơ đồ này

sử dụng một tổng tuyến tính có trọng số của những hiệu giữa thám sát và trường phỏng đoán trên các trạm Sơ đồ còn dùng vùng ảnh hưởng tròn quanh một nút lưới cho trước (Hình 2.3) Tại mỗi trạm có một thám sát và một trường phỏng đoán Trên các nút lưới chỉ có những phỏng đoán đầu tiên Tuy việc chọn trường phỏng đoán có thể tùy ý, nhưng

để giảm nhẹ tính toán cần chọn gần đúng phỏng đoán này sao cho càng gần với trường cuối cùng càng tốt Kỹ thuật Cressman kèm theo biến đổi liên tiếp trường phỏng đoán đầu tiên dựa vào số liệu thám sát

Hình 2.3: Bán kính ảnh hưởng và khu vực quét

Khảo sát trường phỏng đoán của một biến khí tượng nào đó (g )

ij

X n trên lần lặp thứ n

tại nút lưới (i,j) Giá trị phỏng đoán ở các trạm được tính khác nhau tùy thuộc trạm nằm trong hay ngoài hộp lưới Trong hộp lưới trường phỏng đoán được nội suy trên mỗi trạm nhận được như sau

1 J j 1 I i

) ( g ij )

(

Ở đây I và J biểu diễn số nút lưới vĩ hướng và kinh hướng tương ứng Hàm trọng số

w được cho trên mỗi nút lưới bằng công thức sau

)yy(

)yy()

xx(

)xx(

1 J 1 1

J I

J I 1 j I k I k 1

I k

I k 1 I k ij

-

L j M j

1 j 1

L i M j

1 j 1 i

) ( g ij )

( g

ïí

0

Rd

dR

dR

2 2

Ở đây R là bán kính ảnh hưởng, còn d là khoảng cách giữa nút lưới và trạm và biểu diễn bằng

2 2

y x

s ) ( s s

) ( s ) ( s )

1 ( ij

W

E W

gC

dR

Sau đó phỏng đoán của lần lặp tiếp theo sẽ cho bằng

) 1 ( ij )

( g ) 1 (

X

ij ij

+ - n

Phép làm trơn trường được phân tích cuối cùng, thực hiện nhờ toán tử làm trơn 9 điểm bằng biểu thức sau

[4 X 2 ( X X X X ) X X X X ]/ 16

Xg ij i 1j i 1j j 1 j1 i 1j1 i 1j1 i 1j 1 i 1j1

ij = + + + - + + + - + + + + - + + + - + - - (2.13)

2.2.2 Các Kỹ thuật sử dụng trong OBSGRID

Sự khác biện giữa trường phỏng đoán ban đầu với các trường thám sát đã được tính toán và trung bình trọng số về khoảng cách của những trạm là khác nhau, chúng tham gia vào để tính toán cho điểm P Tất cả các điểm lưới đều được điều chỉnh, sự điều chỉnh này được sử dụng như là trường phỏng đoán đầu tiên cho các chu trình hiệu chỉnh tiếp theo Sau mỗi lần điều chỉnh bán kính ảnh hưởng của hiệu chỉnh lại nhỏ hơn

Trong phân tích trường gió và độ ẩm tương đối ở các mực đẳng áp, các vòng tròn từ

kỹ thuật Cressman chuẩn được kéo dài thành hình bầu dục định hướng dọc theo dòng (Hình 2.4) Trong trường hợp gió mạnh thì sơ đồ càng chuyển về hình bầu dục Trong sơ

đồ này, sẽ tái tạo lại sơ đồ Cressman chuẩn trong điều kiện gió ở mực dưới thấp

Hình 2.4: Mô tả kỹ thuật Ellipse

Kỹ thuật Banana

Hình 2.5: Mô tả kỹ thuật Banana

Trong phân tích trường gió và độ ẩm tương đối ở các mặt đẳng áp, bán kính ảnh hưởng của sơ đồ Cressman chuẩn được kéo dài theo hướng dòng chảy dạng cong, dọc theo dòng (Hình 2.5) Kết quả tạo ra hình quả chuối Kỹ thuật này trở thành kỹ thuật Ellipse trong điều kiện dòng chảy thẳng và sơ đồ Cressman tiêu chuẩn trong điều kiện gió thấp

Kỹ thuật Multiquadric

Kỹ thuật Multiquadric sử dụng những tính năng của hàm Hypecbal để phân tích khách quan Chi tiết về kỹ thuật Multiquadric có thể tham khảo trong Nuss và Titley,

1994: "Sử dụng các nội suy multiquadric để phân tích khách quan." Th 2 Wea Rev.,

122, 1611-1631 Cần sử dụng phương pháp này một cách thận trọng vì nó có thể tạo một

số kết quả cũ ở những nơi chỉ có ít thám sát

2.3 Nguồn số liệu, cấu hình miền tính dự báo mưa bằng mô hình WRF

2.3.1 Cấu hình được lựa chọn

Trong luận văn này, chúng tôi sử dụng mô hình WRF phiên bản 3.2 với 28 mực thẳng đứng Mô hình WRF được lựa chọn với hai miền tính lồng ghép, độ phân giải lần lượt là 30km và 10km, toạ độ tâm là 16,0° vĩ Bắc và 108,0° kinh Đông Miền ngoài bao trùm toàn bộ lãnh thổ Việt Nam, còn miền trong bao trùm khu vực Trung Bộ (Hình 2.6) Tất cả các mô phỏng trong nghiên cứu này đều lựa chọn các sơ đồ tham số hóa cho cả 2 miền tính là như nhau: sơ đồ tham số hoá đối lưu Kain – Fritsch, sơ đồ lớp biên hành tinh YSU, Sơ đồ phát xạ sóng ngắn: Dudhia, Sơ đồ cho lớp sát đất: Monin-Obukhov, sơ đồ đất bề mặt Noah Land-Surface Model, và sơ đồ bức xạ sóng dài RRTM

Mô hình tính toán với hai trường hợp khác nhau: Trường hợp thứ nhất không cập nhật số liệu địa phương (KCN) sử dụng trường phân tích và dự báo toàn cầu NCEP-GFS làm điều kiện ban đầu và điều kiện biên Trường hợp thứ hai sử dụng trường phân tích và

dự báo toàn cầu NCEP-GFS làm điều kiện ban đầu và điều kiện biên, có cập nhật (CN)

số liệu địa phương vào mô hình Thời gian bắt đầu thực hiện mô phỏng được xét như nhau trong cả hai trường hợp CN và KCN Mô phỏng được thực hiện với hạn dự báo 72h với bước thời gian sai phân 180s Sản phẩm mưa từ mô hình được so sánh với lượng mưa đo tại các trạm quan trắc bề mặt

Hình 2.6: Các miền tính của mô hình WRF được lựa chọn cho Việt Nam và khu vực Trung Trung

Bộ

2.3.2 Nguồn số liệu

Trong nghiên cứu này, các trường phân tích và dự báo 6 giờ một của mô hình toàn cầu GFS với độ phân giải ngang 1x1 độ kinh vĩ sẽ được sử dụng làm điều kiện ban đầu

và điều kiện biên cho mô hình WRF Mô hình được cập nhật số liệu nhiệt độ nước biển (SST) tại thời điểm bắt đầu làm dự báo

Nguồn số liệu địa phương dùng trong nghiên cứu này được lấy từ Trung tâm Dự báo Khí tượng Thủy văn Trung ương, bao gồm 4 loại:

(1) Số liệu quan trắc khí tượng bề mặt (AAXX)

(2) Số liệu khí tượng thu được từ các tàu quan trắc hoặc các trạm phao tự động đặt trên biển (BBXX)

(3) Số liệu quan trắc cao không tại các mực đẳng áp chuẩn trong lớp không khí từ mặt đất đến 100mb (TTAA)

(4) Số liệu quan trắc nhiệt độ và gió tại các điểm đặc biệt (TTBB)

Hình 2.7: Mạng lưới trạm bề mặt (a) và cao không (b) dùng trong thử nghiệm

Trong đó các biến được đưa vào cập nhật là độ cao địa thế vị, hướng gió, tốc độ gió, nhiệt độ và nhiệt độ điểm sương

Bản đồ phân bố các trạm quan trắc bề mặt và các trạm cao không được thể hiện trên Hình 2.5

Danh sách các đợt mưa sử dụng trong luận văn cho trong Bảng 2.5

Bảng 2.5: Các đợt mưa và đặc điểm mưa

6 28/10-03/11/2007 Toàn khu vực đã có mưa to đến rất to, đới

mưa dịch chuyển từ bắc vào nam

Hình 4.6

TT Đợt mưa Đặc điểm đợt mưa Ở phụ lục

trở vào Quảng Ngãi

Quảng Ngãi

Hình 4.8

Mưa di chuyển dần từ Nam ra Bắc khu vực

Lượng mưa của đợt trong khu vực phổ biến

bắc theo sự nâng lên phía bắc của dải ITCZ

Hình 4.13

Hình 2.8: Phân bố các trạm đo mưa ở Trung Trung Bộ

Bảng 2.6: Danh sách trạm tính mưa

6 Kiến Giang 17.12 106.75 36 Quảng Ngãi 15.12 108.8

2.3.3 Các bước cập nhật số liệu địa phương

Cả 4 loại số liệu phát báo lấy từ Trung tâm Dự báo Khí tượng Thủy văn Trung ương

sẽ được đưa vào mô-đun Ctdubao để tiến hành giải mã, đồng thời format cho đúng với định dạng số liệu cập nhật địa phương mà WRF yêu cầu Sản phẩm đầu ra của Ctdubao

là hai file: obs_namthangngaygio (số liệu bề mặt), REnamthangngaygio_upa (số liệu cao không) Các số liệu sử dụng cập nhật vào mô hình là gió, nhiệt độ, nhiệt độ điểm sương, khí áp mực biển Chấp nhận cả nguồn số liệu của các trạm bề mặt và cao không; thực hiện cho cả lưới 1 và lưới 2

Sau khi có các file: obs_namthangngaygio, REnamthangngaygio_upa đưa vào chạy

mô đul Obsgrid.exe sẽ tự động cập nhật số liệu Các bước thực hiện trong mô hình như sau:

Trước tiên phải xử lý và loại bỏ sai số thô trong tập số liệu quan trắc, các bước được thực hiện như sau:

+ Kiểm tra sai số thô như độ cao âm, tốc độ gió tổng cộng âm, nhiệt độ lớn hơn 50OC;

+ Kiểm tra sai số cực đại với các ngưỡng được đặt ra bằng cách tính toán giá trị các trường tương ứng tại vị trí quan trắc từ trường phân tích toàn cầu Giá trị quan trắc chỉ được sử dụng nếu sai số nhỏ hơn sai số cực đại;

+ Kiểm tra sai số Buddy (sai số thể hiện mối tương quan với các điểm lân cận) Trước hết phải tính toán giá trị chênh lệch giữa trường phỏng đoán đầu tiên tại điểm trạm và giá trị quan trắc được tại trạm, sau đó tính toán giá trị trung bình chênh lệch của các yếu tố trong phạm vi bán kính R và cuối cùng

là so sánh hai giá trị chênh lệch trên, nếu vượt ngưỡng thì loại bỏ số liệu tại trạm Trong bài toán giá trị R được sử dụng là 70km

2.4 Phương pháp xây dựng hồi qui có lọc và các chỉ tiêu đánh giá kết quả dự báo lượng mưa

2.4.1 Xây dựng phương trình dự báo mưa

2.4.1.1 Phương pháp xây dựng phương trình hồi qui có lọc

Một trong những phương pháp để lựa chọn các nhân tố dự báo tham gia vào phương trình hồi qui là sử dụng phép hồi qui từng bước

Nguyên tắc cơ bản của phương pháp này là lần lượt chọn trong số các nhân tố dự tuyển những nhân tố có đóng góp thông tin lớn nhất cho việc xác định giá trị của yếu tố

dự báo và đưa vào xây dựng phương trình hồi qui

Mỗi lần đưa vào một nhân tố, thứ tự các nhân tố đưa vào được xác định thông qua mức độ đóng góp thông tin từ “cao” đến “thấp” dựa vào khái niệm tương quan riêng hoặc tương quan bội Số lượng nhân tố sẽ được khống chế tùy thuộc mức độ làm giảm sai số ước lượng[6]

2.4.1.2 Nguyên tắc xây dựng phương trình hồi qui

B1 Tính các hệ số tương quan cặp (tương quan toàn phần) giữa Y với các nhân tố dự báo Xj:

y y x

x

y y x x r

n

t t n

t

j tj

n

t

t j tj

)()(

))(

-

-=

å å

,max{

B2 Tính các hệ số tương quan riêng giữa Y và các X2,…,Xm sau khi đã loại bỏ ảnh hưởng của X1 và chọn nhân tố có tương quan tốt nhất với Y Giả sử nhận được:

+ Mức độ suy giảm sai số thông thường được xác định bởi

(2.19)

2.4.2 Phương pháp đánh giá

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 Các điểm số đánh giá được dựa vào bảng ngẫu nhiên sau (Ulrich Damrath, 2002)[22]:

Hits (H) = dự báo có và quan trắc có

Misses (M) = dự báo không và quan trắc có

False alarms (F) = dự báo có và quan trắc không

Correct negatives (CN) = dự báo không và quan trắc không

2.4.2.1 Đánh giá tỷ số giữa vùng dự báo và vùng thám sát

FBI (Bias score (BS) hay 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 trùng với vùng thám sát (giá trị lý tưởng)

2.4.2.3 Tỷ phần dự báo phát hiện sai

FAR= F/(H+ F)

}

2,

1

2 ) 2 ( 2 1 ) 2 ( 1 ) 2 ( 0 ) 2 (

12 )

2 (

y

r s

) (

) 1 ( ) (

k

k k

s

s s

SS

-

-=

Giá trị tối ưu FAR(False Alarms Ratio) = 0

CHƯƠNG 3:

KẾT QUẢ DỰ BÁO MƯA LỚN DO KHÔNG KHÍ LẠNH KẾT HỢP VỚI DẢI HỘI TỤ NHIỆT ĐỚI TỪ 1 ĐẾN 3

NGÀY BẰNG MÔ HÌNH WRF

3.1 Phương trình hồi qui dự báo lượng mưa

Dựa trên số liệu quan trắc và tổng lượng mưa dự báo 24h, 48h, 72h tại các trạm quan trắc để xây dựng phương trình dự báo lượng mưa tại trạm của mô hình WRF trong 02 trường hợp cập nhật (CN) và không cập nhật (KCN) Do số liệu mưa của mô hình là mưa trên lưới nên số liệu mưa dự báo của mô hình sẽ được nội suy tuyến tính về các trạm có số liệu đo thực

Đặc điểm phân bố của mưa đối với khu vực Trung Trung Bộ biến đổi mạnh theo không gian và thời gian nên 59 trạm đo mưa trong khu vực Trung Trung Bộ được chia thành 5 khu vực nhỏ như sau: Quảng Bình, Quảng Trị, Thừa Thiên_Huế, Đà Nẵng - Quảng Nam, và Quảng Ngãi Số trạm trên các phân vùng là không bằng nhau, nhiều hay

ít phụ thuộc vào các trạm thực tế

Dung lượng mẫu là 71 trường hợp, sử dụng 50 trường hợp để xây dựng phương trình hồi qui, 21 trường hợp còn lại dùng để đánh giá Trong luận văn này, tác giả xây dựng phương trình hồi qui dự báo lượng mưa 24h, 48h và 72h đối với hai trường hợp CN và KCN cho 15 trạm Khí tượng trong khu vực Trung Trung Bộ, cụ thể các trạm: Tuyên Hóa, Ba Đồn, Khí tượng (KT) Đồng Hới, KT Đông Hà, Khe Sanh, Cồn Cỏ, Nam Đông,

A Lưới, Huế, Đà Nẵng, Trà My, KT Tam Kỳ, Quảng Ngãi, Ba Tơ, Lý Sơn và lượng mưa trung bình tại các phân vùng: Quảng Bình, Quảng Trị, Thừa Thiên_Huế, Quảng Nam - Đà Nẵng, Quảng Ngãi

Khi xây dựng phương trình dự báo cho trạm Khí tượng và mưa trung bình ở khu vực nhỏ nào thì nhân tố dự báo sẽ được sử dụng là số liệu lượng mưa dự báo tại các trạm tại các khu vực đó

Các nhân tố dự báo được tuyển chọn bằng phương pháp hồi quy từng bước Kết quả xây dựng phương trình dự báo với hạn dự báo 24h, 48h, 72h cho các khu vực được trình bày trong các mục dưới dây

3.1.1 Phương trình dự báo lượng mưa 24h

3.1.1.1 Khu vực Quảng Bình

Nhận xét:

Dựa vào hệ số các phương trình trong Bảng 3.1 và Hình 3.1 ta thấy:

a, Phương trình dự báo lượng mưa trung bình khu vực Quảng Bình (TB_Quảng Bình): cả hai phương trình dự báo với trường hợp CN và KCN nhân tố dự báo là mưa tại

trạm Trường Sơn Kết quả sai số của cả hai phương trình dự báo dựa trên số liệu độc lập

và phụ thuộc là như nhau

Bảng 3.1 Các hệ số phương trình hồi qui dự báo lượng mưa khu vực Quảng Bình 24h và sai số

Tuyên Hóa Ba Đồn Đồng Hới

Hình 3.1: Sai số bình phương trung bình các phương trình khu vực Quảng Bình 24h

b, Phương trình dự báo lượng mưa trạm Tuyên Hóa: hai phương trình dự báo lượng mưa với trường hợp CN và KCN tại trạm Tuyên Hóa đối với hạn dự báo 24h cũng có nhân tố dự báo là trạm Trường Sơn Sai số phương trình thu được khi kiểm nghiệm với

số liệu phụ thuộc và độc lập là như nhau

c, Phương trình dự báo lượng mưa trạm Ba Đồn: Phương trình dự báo hạn 24h trường hợp CN có hai nhân tố tham gia là lượng mưa trạm Minh Hóa và mưa lượng mưa trung bình khu vực Quảng Bình (TB) với hệ số tương quan bội là 0.73 Trường hợp KCN, phương trình dự báo lượng mưa cho trạm Ba Đồn là lượng mưa tại ba trạm: Ba Đồn, Tân Mỹ và Kiến Giang; hệ số tương quan bội là 0.76 Kết quả sai số đối với số liệu phụ thuộc cho cả hai phương trình tại trạm Ba Đồn ứng với CN và KCN là như nhau; với số liệu độc lập thì phương trình dự báo CN có sai số lớn hơn rất nhiều so với kết quả

Nhận xét:

Dựa vào hệ số các phương trình trong bảng 3.2 và Hình 3.2 ta thấy:

a, Phương trình dự báo lượng mưa trung bình khu vực Quảng Trị (TB_Quảng Trị): phương trình dự báo với trường hợp CN có ba nhân tố tham gia vào phương trình: Khe Sanh, Đarkrong và trạm Thạch Hãn, hệ số tương quan bội là 0.75; trường hợp KCN nhân

tố dự báo chỉ có hai trạm: Khe Sanh và Tthạch Hãn, hệ số tương quan bội thấp hơn CN, đạt 0.72 Kết quả sai số của phương trình dự báo dựa trên số liệu độc lập cả hai trường hợp có sai số gần như nhau; Khi kiểm tra sai số với số liệu độc lập thì trường hợp CN cho kết quả lớn hơn KCN

Khu vực Quảng Trị 24h

0 10

Hình 3.2: Sai số bình phương trung bình các phương trình khu vực Quảng Trị 24h

b, Phương trình dự báo lượng mưa trạm Khe Sanh: trường hợp CN có ba trạm tham gia làm nhân tố trong phương trình dự báo cho trạm Khe Sanh là: Khe Sanh, Thạch Hãn

và TB; KCN chỉ có hai nhân tố tham gia phương trình dự báo là: Thạch Hãn và Cồn Cỏ;

hệ số tương quan bội phương trình CN lớn hơn KCN, tương ứng là: 0.68 và 0.63 Kiểm nghiệm trên bộ số liệu phụ thuộc, phương trình trường hợp CN có sai số thấp hơn nhưng không lớn so với KCN; kiểm tra với số liệu độc lập thì trường hợp CN lại cho sai số lớn hơn KCN

c, Phương trình dự báo lượng mưa trạm Đông Hà: Phương trình dự báo hạn 24h trường hợp CN có hai nhân tố tham gia là lượng mưa trạm Khe Sanh và mưa lượng mưa trạm Hải Sơn, hệ số tương quan bội là 0.74 Trường hợp KCN, nhân tố dự báo là trạm: Khe Sanh, Thạch Hãn, hệ số tương quan bội là 0.73 Kết quả sai số đối với số liệu phụ thuộc cho cả hai phương trình tại trạm Đông Hà ứng với CN và KCN là như nhau; với số liệu độc lập thì phương trình dự báo CN có sai số lớn hơn so với kết quả dự báo KCN

d, Phương trình dự báo lượng mưa trạm Cồn Cỏ: trường hợp CN chỉ có một nhân tố tham gia phương trình dự báo là trạm Hải Tân, hệ số tương quan là 0.4; KCN thì phương trình dự báo có năm nhân tố là trạm: Gia Vòng, Khe Sanh, Đarkrong, Hải Sơn và Hải Tân, hệ số tương quan bội là 0.55 Kiểm nghiệm với số liệu phụ thuộc cho kết quả sai số với hai phương trình là như nhau nhưng với số liệu độc lập thì phương trình CN cho sai

số dự báo nhỏ hơn KCN

3.1.1.3 Khu vực Thừa Thiên_Huế

Bảng 3.3: Các hệ số phương trình hồi qui dự báo lượng mưa Thừa Thiên_Huế 24h và sai số

Hình 3.3: Sai số bình phương trung bình các phương trình khu vực Thừa Thiên_Huế 24h

Nhận xét:

Dựa vào hệ số các phương trình trong Bảng 3.3 và Hình 3.3 ta thấy:

a, Phương trình dự báo lượng mưa trung bình khu vực Thừa Thiên_Huế (TB_TTH): phương trình dự báo với trường hợp CN có một nhân tố dự báo là trạm Tà Lương, hệ số