Phương pháp synop, phương pháp vật lý thống kê và phương pháp số trị

Hiệu số sai số khoảng cách giữa dự báo tổ hợp không sử dụng dựbáo trễ và dự báo trễ sử dụng mô hình rams Hình 3.4.a.. Sai số khoảng cách của các kết quả dự báo tổ hợp wrf, eta và dựbáo t

MỤC LỤC

MỞ ĐẦU 1

DANH MỤC CHỮ VIẾT TẮT 2

DANH MỤC HÌNH 3

DANH MỤC BẢNG 5

CHƯƠNG I: TỐNG QUAN DỰ BÁO TỔ HỢP .7

1.1 CƠ SỞ LÝ THUYẾT 7

1.2 PHÂN LOẠI DỰ BÁO TỔ HỢP 9

1.2.1 Nhóm 1: Tạo ra sự khác nhau trong các trường điều kiện ban đầu 9

1.2.2 Nhóm 2: Sử dụng cùng số liệu đầu vào nhưng với các phiên bản vật lý khác nhau của mô hình dự báo 11

1.3.1 Trung bình đơn giản 14

1.3.2 Tính trọng số bằng hồi quy tuyến tính 15

1.3.3 Tính trọng số theo sai số 15

1.4 CÁC PHƯƠNG PHÁP BIỂU DIỄN 16

1.4.1 Bản đồ trung bình và độ phân tán 16

1.4.2 Spaghrti maps – Bản đồ ghép chồng 17

1.4.3 Bản đồ dự báo xác suất 18

1.4.4 Bản đồ tem 19

1.4.5 Dự báo đường đi của bão 19

1.5 KHẢ NĂNG VÀ HIỆN TRẠNG DỰ BÁO TỔ HỢP Ở VIỆT NAM 20

CHƯƠNG II: DỰ BÁO QUỸ ĐẠO BÃO BẰNG PHƯƠNG PHÁP TỔ HỢP .22 2.1 QUY TRÌNH DỰ BÁO BÃO VÀ ĐÁNH GIÁ KẾT QUẢ DỰ BÁO 22

2.1.1 Khái quát về mô hình 22

2.1.2 Miền dự báo 26

3.2.1 Tổ hợp 1 mô hình với các dự báo trễ của nó 33

3.2.1.1 Mô hình wrf với các dự báo trễ của nó 33

3.2.1.2 Mô hình eta và các dự báo trễ 36

3.2.1.3 Mô hình rams và các dự báo trễ 39

3.2.2 Tổ hợp 2 mô hình và các dự báo trễ 42

3.2.2.1.Hai mô hình WRF, ETA và các dự báo trễ 42

3.2.2.2 Hai mô hình WRF, RAMS và các dự báo trễ 45

3.2.2.3 Hai mô hình ETA, RAMS và các dự báo trễ 49

3.2.3 Tổ hợp 3 mô hình và các dự báo trễ 52

KẾT LUẬN 56 TÀI LIỆU THAM KHẢO

MỞ ĐẦU

Bão là hiện tượng thời tiết nguy hiểm gây nhiều thiệt hại đến sản xuất và đờisống của con người Trong những năm gần đây, việc xuất hiện ngày càng nhiềucác cơn bão có cường độ mạnh và đường đi phức tạp đã khiến bài toán dự báo quỹđạo bão ngày càng trở nên phức tạp và cần thiết

Hiện nay, trên thế giới thường sử dụng ba phương pháp chính để thực hiện dự

báo quỹ đạo bão: phương pháp Synop, phương pháp vật lý thống kê và phương

pháp số trị Phương pháp Synop dựa trên phân tích bản đồ thời tiết và kinh nghiệm

của các dự báo viên, không đòi hỏi các điều kiện về số và công cụ tính toán Tuynhiên, nó mang lại tính chủ quan, phụ thuộc vào kinh nghiệm của các dự báo viên.Phương pháp thông kê xây dựng trên nguyên tắc cơ bản của quy luật thống kê.Phương pháp này tương đối khách quan, đơn giản, không đòi hỏi quá cao về sốliệu ban đầu cũng như công cụ tính toán Phương pháp số trị được xây dựng từ đơngiản đến phức tạp dựa trên việc tích phân theo thời gian hệ các phương trình thủyđộng lực học trong môi trường khi quyển và lý thuyết về cấu trúc và chuyển độngcủa bão Các mô hình số trị mô tả đầy đủ các quá trình vật lý tác động đến chuyểnđộng của bão trong quá trình tương tác và phát triển của chúng xong lại đòi hỏi cácđiều kiện số liệu và máy tính Cùng với sự phát triển của công nghệ máy tính cácphương pháp trên đã đưa đến những cải thiện đáng kể trong dự báo thời tiết Tuynhiên, bài toán này vẫn còn rất nhiều khó khăn, phức tạp bởi sai số trong trườngban đầu luôn tồn tại và bị khuếch đại lên theo thời gian do trạng thái khí quyển bất

ổn định Chính giới hạn này đã thúc đẩy việc nghiên cứu tiếp cận phương pháp tổ

hợp Vậy dự báo tổ hợp là gì? Quy trình thực hiện và kết quả của nó cho ta những

cải thiện về chất lượng và mở rộng được hạn dự báo trong công tác dự báo hay

không? Trong khóa luận này, tôi chọn đề tài: "Sử dụng dự báo trễ trong dự báo tổ

hợp quỹ đạo bão trên Biển Đông”.

DANH MỤC CHỮ VIẾT TẮT

LAF: Lagged Everage Forecast

Phương pháp dự báo trung bình trễ

SVD: Singular Vector Decomposition

Phương pháp phân tích vecto kì dị

BGM: Breeding of Growing Modes

Phương pháp cấy mode đang phát triển

EOF: Epirical Othogonal Function

Hàm trực giao tự nhiên

EPS: Ensemble Prediction System

Hệ thống dự báo tổ hợp

AVN: The Aviation Model

Mô hình hàng không Hoa Kỳ

NCEP: National Centrers for Environmental Predition

Trung tâm quốc gia dự báo môi trường Hoa KỳRMSC: Regional Specialized Meteorological Center

Trung tâm chuyên ngành khí tượng khu vực

Sai số trung bình

MAE: Mean Absolute Error

Sai số tuyệt đối trung bình

RMSE: Mean – Square Error

Sai số bình phương trung bình

DANH MỤC HÌNH

Hình 1.1 Sự phân kỳ theo thời gian của các thành phần dự báo tổ hợp từ cácđiều kiện ban đầu khác nhau Mỗi dự báo biểu diễn bởi một vòng tròn ở một thờiđiểm ban đầu và các đường đứt đoạn biểu thị sự tiến triển theo thời gian Đườngmũi tên liền nét mô tả dự báo không gây nhiễu

Hình 2.2 Sơ đồ miêu tả sai số

Hình 2.3 Dự báo trung bình trễ X là phân tích tại các khoảng thời gian τ, và

tf là thời điểm dự báo

Hình 2.4.Sơ đồ mô tả phương pháp tổ hợp có sử dụng dự báo trễ

Hình 3.1.a Sai số khoảng cách của kết quả dự báo tổ hợp (wrf và dự báo trễ)Hình 3.1.b Sai số khoảng cách của kết quả dự báo tổ hợp (wrf và dự báo trễ)(số liệu độc lập)

Hình 3.1.1 Hiệu số sai số khoảng cách giữa dự báo tổ hợp không sử dụng dựbáo trễ và dự báo trễ (sử dụng mô hình wrf)

Hình 3.2.a Sai số khoảng cách của kết quả dự báo tổ hợp (eta và dự báo trễ)

Hình 3.3.b Sai số khoảng cách của kết quả dự báo tổ hợp (rams và dự báo trễ)(số liệu độc lập)

Hình 3.3.1 Hiệu số sai số khoảng cách giữa dự báo tổ hợp không sử dụng dựbáo trễ và dự báo trễ (sử dụng mô hình rams)

Hình 3.4.a Sai số khoảng cách của các kết quả dự báo tổ hợp (wrf, eta và dựbáo trễ)

Hình 3.4.b Sai số khoảng cách của các kết quả tổ hợp (wrf, eta và dự báo trễ)(số liệu độc lập)

Hình 3.4.1 Hiệu số sai số khoảng cách giữa dự báo tổ hợp không sử dụng dựbáo trễ (2 mô hình wrf và eta) và dự báo trễ

Hình 3.5.a Sai số khoảng cách của các kết quả tổ hợp (wrf, rams và dự báo trễ)Hình 3.5.b Sai số khoảng cách của các kết quả tổ hợp (wrf, rams và dự báo trễ)(số liệu độc lập)

Hình 3.5.1 Hiệu số sai số khoảng cách giữa dự báo tổ hợp dự báo không sửdụng dự báo trễ (2 mô hình wrf và rams) và dự báo trễ

Hình 3.6.a Sai số khoảng cách của các kết quả tổ hợp (eta, rams và dự báo trễ)Hình 3.6.b Sai số khoảng cách của các kết quả tổ hợp (eta, rams và trễ) (số liệuđộc lập)

Hình 3.6.1 Hiệu số sai số khoảng cách giữa dự báo tổ hợp không sử dụng dựbáo trễ (2 mô hình eta và rams) và dự báo trễ

Hình 3.7.a Sai số khoảng cách của các kết quả tổ hợp (wrf, eta, rams và trễ)Hình 3.7.b Sai số khoảng cách của các kết quả tổ hợp (wrf, eta, rams và trễ)(số liệu độc lập)

Hình 3.7.1 Hiệu số sai số khoảng cách giữa dự báo tổ hợp không sử dụng dựbáo trễ (3 mô hình wrf, eta và rams) và dự báo trễ

Bảng 3.5.1 Hiệu số sai số khoảng cách giữa kết quả tổ hợp dự báo không sửdụng dự báo trễ (2 mô hình wrf và rams) và dự báo trễ

Bảng 3.6.a Sai số khoảng cách dự báo bằng 2 mô hình ETA và RAMS, tổ hợpETA và RAMS với các dự báo trễ

Bảng 3.6.b Sai số khoảng cách dự báo bằng 2 mô hình ETA và RAMS, tổ hợpETA và RAMS với các dự báo trễ (số liệu độc lập)

Bảng 3.6.1 Hiệu số sai số khoảng cách giữa kết quả tổ hợp dự báo không sửdụng dự báo trễ (2 mô hình etavà rams) và dự báo trễ

Bảng 3.7.a Sai số khoảng cách dự báo bằng 3 mô hình WRF,ETA và RAMS,

tổ hợp WRF, ETA và RAMS với các dự báo trễ

Bảng 3.7.a Sai số khoảng cách dự báo bằng 3 mô hình WRF,ETA và RAMS,

tổ hợp WRF, ETA và RAMS với các dự báo trễ (số liệu độc lập)

Bảng 3.7.1 Hiệu số sai số khoảng cách giữa dự báo tổ hợp không sử dụng dựbáo trễ (3 mô hình wrf, eta và rams) và dự báo trễ

CHƯƠNG I: TỐNG QUAN DỰ BÁO TỔ HỢP

1.1 CƠ SỞ LÝ THUYẾT

Dự báo tổ hợp là một tập hợp các dự báo bất kỳ được xác định tại cùng mộtthời điểm Vì vậy, tập hợp các dự báo trễ, các dự báo từ trung tâm nghiệp vụ khácnhau hoặc các mô hình khác nhau đều có thể ấn định được một tổ hợp Từ nhữngnăm 1990, kỹ thuật dự báo tổ hợp đã sử dụng để đưa ra dự báo thời tiết ở các trungtâm toàn cầu như một sự kế tiếp các dự báo từ nghiệm các mô hình dự báo thời tiết

số riêng lẻ Ý tưởng của dự báo tổ hợp dựa trên lý thuyết rối Lorenz (1963) với giảthuyết rằng: “Các nghiệm số thu được trong quá trình tích phân mô hình theo cácđiều kiền ban đầu khác nhau (có chứa sai số) có thể phân kỳ theo thời gian” [3].Điều này được giải thích bằng hiệu ứng Butterfly: do bản chất phi tuyến cácphương trình mô tả khí quyển nên những sai số nhỏ không thể đo được trong trạngthái ban đầu của khí quyển sẽ trở thành những sai số đủ lớn sau một khoảng thờigian từ (10 - 14 ngày) Vì vậy mà kết quả dự báo không được sử dụng cho dù môhình là hoàn hảo

Trái lại, nếu các điều kiện ban đầu đó được gây nhiễu để các giá trị đượcgây nhiễu đặc trưng cho phân bố sai số của các quan trắc thì việc tổ hợp cácnghiệm từ các điều kiện ban đầu được cấy nhiễu này (mỗi điều kiện ban đầu là mộtthành phần tổ hợp) bao phủ nghiệm thực và trạng thái thực của khí quyển trong môhình hoàn hảo Nếu các nhiễu không thể đặc trưng cho khả năng phân bố sai số củathông số dự báo cụ thể thì kết quả dự báo có thể nằm ở một trong các nhóm, trongkhi trạng thái khí quyển thực xảy ra ở các nhóm khác Nếu chọn phân bố sai sốtương xứng thì các dự báo tổ hợp bao gồm các nghiệm hiệu chỉnh để thu được dựbáo cuối cùng bằng việc áp dụng vài sự chọn lọc hoặc phương pháp lấy trung bình

sẽ cho dự báo tốt hơn dự báo của mô hình riêng lẻ [14]

Bằng cách tính trung bình tổ hợp các kết quả dự báo, những sai số dự báoxảy ra điều kiện ban đầu có thể bị loại dẫn đến kết quả dự báo tốt hơn (với điềukiện mô hình là hoàn hảo)

Đối với dự báo quỹ đạo bão (XTNĐ), yếu tố quan trọng nhất là dự báochuyển động của nó Mãi đến giữa thập niên 1990, kỹ thuật dự báo tổ hợp mớiđược nghiên cứu cho bài toán dự báo XTNĐ, đặc biệt là dự báo Việc ứng dụngnày xuất phát từ thực tế trường phân tích và trường dự báo từ các mô hình toàn cầuthường không mô tả đúng vị trí, cấu trúc và cường độ xoáy thuận nhiệt đới domạng lưới quan trắc tại các vùng biển nhiệt đới còn ít, chưa đủ yêu cầu, vì vậy mànhững sai số trong trường ban đầu này sẽ ảnh hương đến kết quả dự báo XTNĐ

1.2 PHÂN LOẠI DỰ BÁO TỔ HỢP

Môhình

Hình 1.3 Ví dụ minh họa sơ đồ cấy nhiễu

Hiện nay có các phương pháp để tạo nhiễu sau:

+ Phương pháp Monte – Carlo

+ Phương pháp tiếp cận quan trắc được gây nhiễu

(Perturbed Observation)

+ Phương pháp dự báo trung bình trễ (LAF – Lagged Avergare Forecast) + Phương pháp phân tích vector kỳ dị (SVD)

+ Phương pháp cấy mode đang phát triển (BGM)

+ Phương pháp sử dụng phân tích từ nhiều mô hình khác nhau làm điềukiện cho mô hình đầu vào

+ Phương pháp nhiễu động giá trị / vector riêng dựa trên phân tích hàmtrực giao tự nhiên (EOF – Epirical Othogonal Funtion) [3]

1.2.2 Nhóm 2: Sử dụng cùng số liệu đầu vào nhưng với các phiên bản vật lý khác

nhau của mô hình dự báo

Sảnphẩmdựbáo

1.2.3 Nhóm 3: Sử dụng kết qủa các mô hình khác nhau với đầu vào khác nhau.

Hay còn gọi là phương pháp đa mô hình (multi system)

Hình 1.5 Sơ đồ nhóm 3

Lấy số liệu tốt nhất có thể (số liệu phân tích chưa có nhiễu động) và môhình với các thành phần tham số hóa vật lý tốt nhất từ các trung tâm nghiệp vụ trênthế giới Trung bình của tập hợp các dự báo từ các mô hình nghiệp vụ toàn cầu củacác trung tâm khí tượng khác nhau sẽ có kết quả tốt hơn nhiều so với một mô hìnhtốt nhất Điều này cũng đúng với dự báo tổ hợp hạn ngắn tính từ các mô hình lãnhthổ hạn chế Krishnamuti và đồng sự của ông đã chứng minh nếu tiến hành thêmhiệu chỉnh thống kê của sai số hệ thống bằng phương pháp hồi quy thì kết quả dựbáo tổ hợp sẽ được cải thiện hơn Cách tiếp cận này gọi là “siêu tổ hợp”(Superensemble) [4]

* Phương pháp “siêu tổ hợp”

Siêu tổ hợp là dự báo trung bình mang tình khách quan, nó kết hợp các dựbáo của các mô hình riêng lẻ để đưa ra một dự báo tốt nhất Với ý tưởng, mỗi môhình đều có sự thiếu hụt nên các dự báo của nó chỉ có thể tương quan với các quantrắc thực đến một phạm vi nhất định Nói cách khác, mỗi dự báo mô hình đóng vaitrò như một nhân tố dự báo của quan trắc Siêu tổ hợp khác với trung bình tổ hợp ởchỗ nó không phải là lấy trung bình đơn giản các dự báo mô hình mà là trung bình

có trọng số các dự báo của các mô hình thành phần đó Phương pháp này ấn địnhcho các mô hình các trọng số khác nhau dựa trên các dự báo đã qua (trong quákhứ) của các mô hình bằng việc xây dựng phương trình hồi quy tuyến tính với kết

quả dự báo của các mô hình là nhân tố dự báo và các giá trị quan trắc là các yếu tố

dự báo Qua đó làm giảm vai trò của các mô hình dự báo không tốt và làm tăngmạnh vai trò các mô hình có các dự báo tốt hơn trong quá khứ

Việc tính toán phương pháp siêu tổ hợp gồm hai giai đoạn: giai đoạn chuẩn

bị và giai đoạn dự báo

 Giai đoạn chuẩn bị (Training Phase)

Sử dụng chuỗi số liệu của các dự báo đã qua từ các mô hình và quỹ đạođược quan trắc tốt nhất từ những cơn bão đó Xây dựng phương trình hồi quy cho

vị trí mô hình dự báo dự vào quỹ đạo thực tốt nhất đã quan trắc theo hạn dự báo.Phương pháp hồi quy bội tuyến tính được sử dụng để đưa ra các trọng số (hệ số)cho mỗi mô hình Nó được vận dụng cho từng thời điểm (12, 24, 36h, …) và từngbiến dự báo (kinh độ, vĩ độ, cường độ, …) Để đưa ra được dự báo tốt nhất thì độdài chuỗi số liệu trong giai đoạn này là quan trọng Chuỗi số liệu nên được lấy từmùa bão trước (hoặc hai mùa bão trước) kết hợp với số liệu mới thu được từ cơnbão của mùa hiện tại là tốt nhất Ngoài ra, độ ổn định của các mô hình giữa cácmùa bão khác nhau cũng là điều vô cùng quan trọng Sự thay đổi càng nhiều thì độ

ổn định của các mô hình thành phần càng giảm, dẫn đến kết quả dự báo không tốt.Sau khi tính được các hệ số hồi quy (trọng số), các hệ số này được chuyển sanggiai đoạn dự báo

 Giai đoạn dự báo (Forecast Phase)

Trong giai đoạn này, các dự báo tương lai được thực hiện bằng các dự báocủa mô hình thành phần và những hiệu chỉnh thống kê được xây dựng ở trên [11].Giá trị dự báo S(t) (kinh độ, vĩ độ) của phương pháp siêu tổ hợp được tính theocông thức sau:

Trong đó: : giá trị trung bình của S đã quan trắc ở giai đoạn chuẩn bị

N: số các mô hình thành phần

ai : trong số hồi quy của mô hình i

Fi(t) : giá trị dự báo (kinh / vĩ độ): giá trị trung bình của F (kinh hoặc vĩ độ dự báo của môhình i) trong giai đoạn dự báo

1.3 CÁC PHƯƠNG PHÁP TỔ HỢP KẾT QUẢ DỰ BÁO

Sau khi có kết quả dự báo của các thành phần tham gia tổ hợp, sử dụng cácđặc trưng thống kê để đưa ra kết quả dự báo tổ hợp

Mọi thành phần dự báo được coi là quan trọng như nhau Không cần phải

có số liệu lịch sử, không cần quan tâm đến tính chất hay đặc điểm của các nguồn

số liệu Chất lượng của dự báo thành phần sẽ giảm sút đáng kể trong trường hợp cómột vài dự báo thành phần không tốt, tách hẳn so với chùm các dự báo thành phần

khác Để có kết quả tổ hợp tốt ta phải lựa chọn các dự báo trước khi đưa vào tậphợp (slected consensus) Điều này đòi hỏi các dự báo viên phải giàu kinh nghiệm,phải nắm chắc kiến thức Synop ảnh hưởng đến đường đi của bão và đặc điểm dựbáo của từng nguồn số liệu Tuy nhiên, việc lựa chọn không phải lúc nào cũng cảithiện được chất lượng dự báo tổ hợp, mà có thể loại bỏ những nguồn thông tin tốt.

1.3.2 Tính trọng số bằng hồi quy tuyến tính.

1.3.3 Tính trọng số theo sai số

- Công thức:

Trong đó: : phương sai của sai số dự báo

Phải đảm bảo rằng tỷ trọng của từng dự báo thành phần tỷ lệ nghịch vớiphương sai của sai số tương ứng và đồng tỷ trọng bằng 1

1.4 CÁC PHƯƠNG PHÁP BIỂU DIỄN

1.4.1 Bản đồ trung bình và độ phân tán

Kết quả tổ hợp được trình bày bằng cách vẽ đồng trường dự báo trung bình của cảtập hợp và độ phân tán của cả tập hợp dự báo này Hình 1.6 minh họa kết quả dựbáo trường khí áp mặt đất sử dụng phương pháp tổ hợp Các đường đẳng áp làtrung bình của tập hợp các dự báo và vùng bôi màu thể hiện độ phân tán của tậphợp này Độ phân tán càng nhỏ có nghĩa là độ tin cậy của hình thế dự báo càngcao Ngược lại, nơi có độ phân tán càng lớn (vùng được bôi màu đậm) thì tươngứng với vùng kết quả của tập hợp các dự báo khác nhau nhiều và độ đáng tin cậynhỏ

Hình 1.6 Bản đồ trung bình và độ tán của dự báo tổ hợp

1.4.2 Spaghrti maps – Bản đồ ghép chồng

Vẽ các đường đẳng áp của một giá trị nào đó của các dự báo khác nhau.Kết quả trên là trên bản đồ sẽ có nhiều đường đan xen nhau Nơi mà các đườngnày nằm gần nhau thì độ tin cậy của hình thế thời tiết dự báo được càng lớn.Ngược lại, khi các đường này nằm tách xa nhau thì hình thế thời tiết dự báo được

có độ tin cậy càng kém (Hình 1.7)

Hình 1.7 Bản đồ Spagheti

1.4.3 Bản đồ dự báo xác suất

Các bản đồ dự báo xác suất sẽ xác định giá trị xác suất xuất hiện của các hiệntượng thời tiết cực trị hoặc xác suất của một hiện tượng nào đó đối với một giá trịngưỡng cho trước Xác suất của ngưỡng cực trị đưa ra được tính bằng tỷ số giữa số

dự báo thành phần có giá trị dự báo nằm trong ngưỡng cực trị này với tổng số dựbáo thành phần trong dự báo tổ hợp (xem hình 1.8) Ưu điểm của loại bản đồ này

là hiển thị cô đọng thông tin dự báo tổ hợp và tập trung các giá trị ngưỡng chínhcủa yếu tố dự báo cần quan tâm Tuy nhiên, loại bản đồ này có nhược điểm là chỉđưa ra độ bất định cho một ngưỡng giá trị của một biến hoặc hiện tượng cụ thể

1.4.4 Bản đồ tem

Bản đồ tem hiển thị dự báo từ N thành phần của hệ tổ hợp cùng với dự báotrung bình tổ hợp và độ tán Khi số thành phần lớn, để dự báo từ N thành phần cóthể thể hiện trong một hình vẽ, mỗi hình vẽ ứng với một dự báo thành phần sẽ bịgiảm kích cỡ nhỏ hơn bình thường Khi đó mỗi bản đồ dự báo thành phần có hìnhdạng tương tự như một con tem nên bản đồ này có tên gọi là bản đồ tem (xem hình1.9) Bản đồ này có công dụng tương tự như bản đồ trung bình và độ tán nhưng cóhiển thị thêm các dự báo thành phần Dự báo viên bằng kinh nghiệm có thể sửdụng dự báo trung bình hoặc lựa chọn dự báo từ mô hình được xem có dự báo tốtnhất

Hình 1.9 Bản đồ tem dự báo địa thế vị mực 850 mb hạn 48 giờ

1.4.5 Dự báo đường đi của bão

Các kết quả dự báo tổ hợp thường được biểu diễn dưới dạng chùm các dựbáo khác nhau hoặc trường xác suất bão đi qua

1.5 KHẢ NĂNG VÀ HIỆN TRẠNG DỰ BÁO TỔ HỢP Ở VIỆT NAMVới các phương pháp trình bày ở trên, khi áp dụng vào điều kiện Việt Nam

ta cần xem xét về: mô hình dự báo, khả năng truy cập thông tin từ các dự báo quốc

tế và phương pháp tối ưu cho khí hậu nhiệt đới

+ Phương pháp cấy nhiễu động: không khả thi do tốc độ máy tính chưa lớn + Phương pháp thay đổi tham số vật lý của mô hình: số lượng các phiênbản khác nhau của mô hình không nhiều

+ Phương pháp tổ hợp đa mô hình: có khả năng áp dụng tốt đối với điềukiện tính toán hạn chế

Hiện nay có một số tác giả đã và đang tìm hiểu, nghiên cứu và tìm rahướng áp dụng tối ưu nhất cho điều kiện Việt Nam như: công trình nghiên cứu dựbáo các trường khí tượng trên biển Đông trên cơ sở các mô hình RAMS và ETAcủa GS TS Trần Tân Tiến; nghiên cứu về quỹ đạo bão của Ths Nguyễn Chi Mai;

dự báo tổ hợp xoáy thuận nhiệt đới dựa trên hàng nghìn thành phần của Ths VõVăn Hòa

Hệ thống dự báo tổ hợp do GS.TS Trần Tân Tiến cùng các cộng sự baogồm hai mô hình số trị chính là RAMS và ETA với hi vọng xây dựng nên một hệthống sản phẩm tốt hơn từ dự báo riêng lẻ của các mô hình Qua thử nghiệm bướcđầu cho thấy hệ thống dự báo tổ hợp đã phát huy được tình ưu việt của nó ở cácmực đẳng áp 850mb đến mực 300mb

Phương pháp của Ths Nguyễn Chi Mai cùng các cộng sự sử dụng dự báoquỹ đạo bão là phương pháp thống kê từ dự báo của các trung tâm quốc tế Bằngviệc thực hiện lấy trung bình đơn giản, hồi quy tuyến tính đa biến và tính trọng sốtheo sai số của bộ số liệu ba mùa bão từ 2001 đến 2003 Mặc dù số liệu chưa đủ

Ths Võ Văn Hòa đã trình bày một khía cạnh mới trong việc ứng dụngphương pháp gây nhiễu động trường ban đầu cho dự báo tổ hợp quỹ đạo củaXTNĐ và tạo ra các bản đồ dự báo xác suất dựa trên dự báo tổ hợp hàng nghìnthành phần được tạo ra bằng việc tích hợp các phương án gây nhiễu khác nhau chothấy sự cải thiện đáng kể trong chất lượng dự báo quỹ đạo XTNĐ.

CHƯƠNG II: DỰ BÁO QUỸ ĐẠO BÃO BẰNG PHƯƠNG PHÁP TỔ HỢP

2.1 QUY TRÌNH DỰ BÁO BÃO VÀ ĐÁNH GIÁ KẾT QUẢ DỰ BÁO

2.1.1 Khái quát về mô hình

A Mô hình RAMS

Mô hình RAMS (Regional Atmospheric Modeling System) được Đại họcTổng hợp Colorado (CSU) kết hợp với ASTER divsion- thuộc Mission ResearchCorporation phát triển đa mục đích Đó là một mô hình dự báo số mô phỏng hoànlưu khí quyển với qui mô từ toàn cầu cho đến các mô phỏng xoáy lớn (Large EddySimulation-LES) của lớp biên khí quyển hành tinh Mô hình thường được sử dụngnhiều nhất để mô phỏng các hiện tượng khí quyển qui mô vừa (2-2000 km) từ dựbáo thời tiết nghiệp vụ đến các ứng dụng để mô phỏng, quản lý chất lượng môitrường không khí RAMS cũng thường được sử dụng thành công với các độ phângiải cao hơn mô phỏng các xoáy trong lớp biên khí quyển (10-100 m phân giải lướingang), mô phỏng điều kiện vi khí hậu cho các toà nhà cao tầng (1 m phân giảilưới ngang) cho đến các mô phỏng số trực tiếp cho buồng khí động (1 cm phân giảilưới ngang)

Mô hình RAMS được các nhà khoa học thuộc Khoa KT-TV-HDH, Trường

ĐH Khoa Học Tự Nhiên Hà Nội đưa vào nghiên cứu tại Việt Nam từ năm 2001.Đến năm 2004, GS.TS Trần Tân Tiến cùng các cộng sự của ông đã tiến hành cảitiến, áp dụng thành công mô hình RAMS trong dự báo thời tiết tại Việt Nam vàhoàn thành đề tài nghiên cứu cấp nhà nước “Xây dựng mô hình dự báo các trườngKhí tượng Thủy văn biển Đông Việt Nam” Kết quả nghiên cứu đã chỉ ra kỹ năng

dự báo ưu việt của mô hình RAMS đối với các trường khí tượng trên lãnh thổ Việt

Trong nghiên cứu dự báo bão, mô hình RAMS cũng cho kết quả khả quan.

Nó có thể mô phỏng được xu hướng di chuyển của ngay cả những cơn bão có sựđổi hướng đột ngột như bão Chanchu năm 2006 Tuy nhiên, vì thiếu số liệu quantrắc trên biển nên sự sai lệch về vị trí và cường độ bão ngay trong trường phân tíchtoàn cầu ban đầu đã làm gia tăng sai số trong dự báo của RAMS

B Mô hình ETA

Mô hình dự báo thời tiết bất thủy tĩnh ETA được phát triển trong khuôn khổhợp tác nghiên cứu giữa hai cơ quan khí tượng Nam Tư và Mỹ từ trước năm 1987.Điểm đặc biệt của mô hình này là sự biến đổi từ hệ toạ độ theo phương thẳng đứng

“sigma ” sang một hệ toạ độ mới là “eta ”, đã làm cho yếu tố địa hình một trongcác yếu tố gây ảnh hưởng quan trọng lên chuyển động của các khối khí trong khíquyển được đúng đắn hơn Mô hình ETA đang được sử dụng vào nghiệp vụ ở Mỹ,Nam Tư, Hy Lạp, Rumani, Nam Phi, Ấn Độ, Italy, Brazil, Bên cạnh ứng dụngtrong dự báo thời tiết hạn ngắn, mô hình còn được sử dụng trong các bài toán vềmôi trường, hàng không và nông nghiệp Mô hình ETA sử dụng hệ phương trìnhnguyên thủy bất thủy tĩnh viết trên hệ tọa độ cầu với đầy đủ các tham số hóa vật lýnhư đối lưu, lớp biên, vi vật lý mây, bức xạ và mô hình đất Theo không gian, môhình ETA sử dụng lưới sai phân xen kẽ Arakawa-E trong đó các biến vô hướngđược xen kẽ và lệch đi nửa bước lưới so với các biến có hướng Mô hình ETAphiên bản 2001 đã được nghiên cứu từ năm 2002 và được đưa vào chạy thửnghiệm nghiệp vụ tại TTDBTƯ từ tháng 5-2003 Hiện tại, mô hình ETA đangđược chạy nghiệp vụ tại TTDBTƯ với độ phân giải xấp xỉ 20km với 38 mực thẳngđứng Các sản phẩm của ETA được cung cấp 2 lần một ngày cho đến hạn dự báo

72 giờ với điều kiện ban đầu và điều kiện biên được lấy từ mô hình toàn cầu GFS(Global Forecasting System) của Mỹ

Các thông số và sản phẩm của mô hình:

Số liệu đầu vào và cập nhật

biên:

mô hình toàn cầu GFS từ 00 đến 72h cách nhau 03h

(50N-260N, 980-1250E) cho các trường bề mặt(100S-400N, 800-1450E) cho các trường trên cao

Độ phân giải của mô hình

Bước thời gian tích phân: 90 giây

Số lần chạy trong 1 ngày: 4 lần (00Z (07), 06Z(13), 12Z(19) và 18Z(01))Bước thời gian đưa ra sản

Số mực chuẩn đưa ra sản

phẩm:

bề mặt và 4 mực trên cao (850, 700, 500và 200 hPa)

độ cao địa thế vị, độ ẩm

NCAR đã thử nghiệm phiên bản nghiên cứu tiên tiến của WRF, có độ phângiải rất cao và các kỹ thuật đổi mới, để chứng minh ở nơi nào có tiềm năng cảithiện độ chính xác sự theo dõi đường đi, cương độ của bão và dự báo mưa Mộtphiên bản của WRF định hướng chuyên về dự báo bão, gọi là phiên bản HWRF,hiện đang được các nhà khoa học của NOAA, phòng thí nghiệm nghiên cứu Hảiquân, Đại học Rhode Island và Đại học Florida phát triển để hỗ trợ dự báo bão củaNOAA Mặc dù không có mô hình nào có thể chỉ ra chính xác mấy giờ trước khicơn bão sẽ hình thành, WRF có ưu điểm vượt trôi hơn các mô hình khác về khảnăng dự báo kiểu bão có thể hình thành và chúng có thể tiến hóa như thế nào.

Để dự báo quỹ đạo bão trên biển Đông, mô hình WRF đã chọn các thông sốsau: độ phân giải theo phương thẳng đứng là 28 mực và sơ đồ đối lưu Kain Frisch

2.1.2 Miền dự báo

Trong khóa luận này tôi tiến hành thí nghiệm dự báo quỹ đạo các cơn bãohoạt động trên biển Đông từ năm 2004 – 2008 bằng mô hình RAMS, ETA và môhình WRF

Sản phẩm của các mô hình có miền dự báo được chọn từ 50S đến 300N, từ

900E đến 1300E, có tâm tại vĩ độ 150N và kinh độ 1100E Độ phân giải theo phươngngang là 28 km, số điểm lưới theo phương Nam – Bắc là 161 Các mô hình đượcchạy dự báo cho thời hạn là 72 giờ (ba ngày), với nguồn số liệu lấy từ số liệu dựbáo và phân tích của mô hình Aviation Model (AVN) do trung tâm NCEP ( NationCenters for Environmental Pridiction) cung cấp 6 giờ một

- Sơ đồ vận hành:

Cập nhật số liệu AVN

↓Ban đầu hóa số liệu cho mô hình

↓Tích phân theo thời gian của mô hình

↓

Xử lý và tổ hợp kết quả

↓Hiển thị kết quả

Hình 2.1 Sơ đồ vận hành dự báo tổ hợp

2.1.4 Chỉ tiêu đánh giá kết quả dự báo quỹ đạo bão

Để đánh giá kết quả dự báo tôi sử dụng công thức tính khoảng cách giữahai tâm bão thực tế và tâm bão dự báo như sau:

PE = Re.Arccos[sin(α1).sin(α2) + cos(α1).cos(α2).cos(β1 – β2 (2.1 )

Và giá trị trung bình của sai số khoảng cách PE được tính như sau:

(2.2)

Sơ đồ miêu tả sai số:

Tâm bão dự báo

ATE Tâm bão quan trắc

6h trước

Hình 2.2 Sơ đồ miêu tả sai số