Nghiên cứu ứng dụng mô hình wrf phục vụ dự báo thời tiết và bão ở việt nam

6 DANH MỤC KÍ HIỆU VIẾT TẮT 3DVAR Sơ đồ đồng hóa số liệu 3 chiều 3 –Dimensional VARiation Data Assimilation AVN Mô hình toàn cầu của Hoa Kỳ AViatioN Global Model ATE Sai số dọc theo p

NGHIÊN CỨU ỨNG DỤNG MÔ HÌNH WRF

PHỤC VỤ DỰ BÁO THỜI TIẾT VÀ BÃO

Ở VIỆT NAM

9213

HÀ NỘI - 200

MỤC LỤC

MỤC LỤC HÌNH 1 

MỤC LỤC BẢNG 4 

DANH MỤC KÍ HIỆU VIẾT TẮT 6 

BÁO CÁO TÓM TẮT ĐỀ TÀI 8 

PROJECT SUMMARY 10 

CHƯƠNG 1 10 

TỔNG QUAN VÀ PHƯƠNG PHÁP ĐÁNH GIÁ 11 

1.1 Tổng quan về mô hình WRF 11 

1.1.1 Lịch sử 11 

1.1.2 Sơ đồ cấu trúc 12 

1.1.3 Động lực học và phương pháp số 13 

1.1.4 Số liệu và sản phẩm của mô hình 17 

1.2 Tổng quan về các công trình nghiên cứu 19 

1.2.1 Tổng quan các nghiên cứu về thời tiết và bão 19 

1.2.2 Tổng quan về đồng hóa số liệu vệ tinh Quikscast 22 

1.2.3 Tổng quan về ứng dụng sơ đồ phân tích xoáy nhân tạo 24 

1.2.4.Tổng quan về miền tính lồng ghép di động 25 

1.2 Thiết lập mô hình WRF cho Việt Nam 27 

1.2.1 Các loại số liệu sử dụng 27 

1.2.2 Xây dựng miền tính và cấu hình 28 

1.3 Các phương pháp đánh giá chất lượng sản phẩm dự báo 29 

CHƯƠNG 2 33 

LỰA CHỌN CÁC SƠ ĐỒ THAM SỐ HÓA VẬT LÝ TRONG MÔ HÌNH WRF DỰ BÁO THỜI TIẾT CHO VIỆT NAM 33 

2.1 Các sơ đồ tham số hóa vật lý trong mô hình WRF 33 

2.1.1 Sơ đồ tham số hóa đối lưu 33 

2.1.2 Sơ đồ vi vật lý mây 37 

2.2 Kết quả thử nghiệm nhằm lựa chọn sơ đồ tham số hóa vật lý 39 

2.2.1 Các phương án thử nghiệm 39 

2.2.2 Kết quả thử nghiệm 39 

CHƯƠNG 3 49 

ỨNG DỤNG SƠ ĐỒ ĐỒNG HÓA SỐ LIỆU 3DVAR CHO MÔ HÌNH WRF NHẰM DỰ BÁO THỜI TIẾT 49 

3.1.Cơ chế đồng hóa dữ liệu của WRF-VAR 49 

3.2.Thử nghiệm đồng hoá số liệu thám sát 50 

3.2.1 Lý thuyết về đồng hóa số liệu 3DVAR trong mô hình WRF 50 

3.2.2 Cấu hình thử nghiệm 52 

3.2.3 Kết quả thử nghiệm .53 

3.3 Thử nghiệm ứng dụng số liệu vệ tinh MTSAT-1R .57 

CHƯƠNG 4 63 

ỨNG DỤNG MÔ HÌNH WRF DỰ BÁO BÃO TRÊN BIỂN ĐÔNG 63 

4.1 Cấu hình tính toán 63 

4.2 Ứng dụng đồng hóa số liệu 3DVAR 63 

4.2.1 Thử nghiệm đồng hoá số liệu mặt đất và cao không 63 

4.2.2 Thử nghiệm đồng hoá số liệu vệ tinh MTSAT-1R 66 

4.2.3 Thử nghiệm đồng hoá số liệu vệ tinh Quickscat 68 

4.3 Ứng dụng sơ đồ phân tích xoáy nhân tạo 72 

4.3.1 Nguồn số liệu 72 

4.3.2 Kết quả thử nghiệm 74 

4.4 Ứng dụng lưới tính lồng ghép di động trong mô hình WRF để dự báo bão 77 

CHƯƠNG 5 89 

XÂY DỰNG PHƯƠNG ÁN DỰ BÁO TỔ HỢP VÀ THỬ NGHIỆM DỰ BÁO THỜI TIẾT, BÃO 89 

5.1 Lựa chọn phương pháp tổ hợp và các phương án dự báo tổ hợp cho sản phẩm của mô hình WRF, MM5 89 

5.1.1 Cơ sở lý thuyết 89 

5.1.2 Kết quả thử nghiệm dự báo tổ hợp 91 

5.2 Thử nghiệm dự báo và đánh giá kết quả dự báo thời tiết bằng mô hình WRF 96  KẾT LUẬN 99 

KIẾN NGHỊ 100 

TÀI LIỆU THAM KHẢO 101 

PHỤ LỤC 107 

Phụ lục 1 Chương trình tìm tâm bão và xác định giá trị tốc độ gió cực đại từ trường dự báo của mô hình WRF 107 

Phụ lục 2 Phần mềm kết nối để hiển thị kết quả lên bản đồ 108 

Phụ lục 3 Các phần mềm chiết xuất các kết quả dự báo tại các thời điểm nghiên cứu 112 

1

MỤC LỤC HÌNH

Hình 1.1 Cấu trúc mô hình WRF 1 

Hình 1.2 Hệ tọa độ thẳng đứng của mô hình WRF 1 

Hình 1.3 Sơ đồ tương tác các quá trình vật lí trong mô hình 1 

Hình 1.4 Hướng và tốc độ gió 10m trên bề mặt biển từ vệ tinh Quickscat tại thời điểm 22:48Z ngày 09/07/2009 1 

Hình 1.5 Hình ảnh lưới con hệ tọa độ E với tỉ lệ 3:1 với miền mẹ wb và sb là biên phía tây và biên phía nam 1 

Hình 1.6 Các miền tính của mô hình WRF được lựa chọn cho Việt Nam phục vụ dự báo thời tiết 1 

Hình 2.1 Các sơ đồ tham số hóa vật lí của mô hình 1 

Hình 2.2 Chỉ số ME ứng với các hạn dự báo 1 

Hình 2.3 Chỉ số RMSE ứng với các hạn dự báo 1 

Hình 2.4 Chỉ số CR ứng với các hạn dự báo 1 

Hình 2.5 Chỉ số ME ứng với các 1 

hạn dự báo 1 

Hình 2.6 Chỉ số RMSE ứng với các hạn dự báo cho độ ẩm 1 

Hình 2.7 Hệ số tương tương quan (CR) ứng với các hạn dự báo cho độ ẩm 1 

Hình 2.8 Chỉ số TS ứng với các hạn dự báo cho lượng mưa 1 

Hình 2.9 Chỉ số POD ứng với các hạn dự báo cho lượng mưa(1mm) 1 

Hình 2.11 Chỉ số FAR ứng với các hạn dự báo cho lượng mưa(15mm) 1 

Hình 2.12 Chỉ số TS ứng với các hạn dự báo cho lượng mưa(15mm) 1 

Hình 2.13 Chỉ số POD ứng với các hạn dự báo cho lượng mưa (15mm) 1 

Hình 2.15 Chỉ số PFR ứng với các hạn dự báo cho lượng mưa(30mm) 1 

Hình 2.14.Chỉ số POD ứng với các hạn dự báo cho lượng mưa(30mm) 1 

Hình 2.17 Chỉ số TS ứng với các hạn dự báo cho lượng mưa(50mm) 1 

Hình 2.16 Chỉ số FAR ứng với các hạn dự báo cho lượng mưa(50mm) 1 

Hình 2.18 Chỉ số POD ứng với các hạn dự báo cho lượng mưa(50mm) 1 

Hình 2.19 Dự báo trường lượng mưa ngày 3 (4h-72h dự báo) của 9 phương án tại thời điểm dự báo 00Z05/07/2009 1 

Hình 3.1 Sơ đồ tổng quát quá trình đồng hóa dữ liệu WRF-Var 1 

Hình 3.2 Mạng lưới các trạm cao không trong miền tính thứ nhất 1 

Hình 3.3 Mạng lưới các trạm bề mặt trong miền tính thứ nhất 1 

Hình 3.4 Sơ đồ phân bố sai số trường nền theo khoảng cách giữa các điểm trạm Hollingsworth (1986) 1 

Hình 3.5 Điểm số CSI (a), BIAS (b), POD (c) và FAR (d) cho mưa tích lũy 24h từ 00h đến 24h dự báo 1 

Hình 3.6 Điểm số CSI (a), BIAS (b), POD (c) và FAR (d) cho mưa tích lũy 24h từ 24h đến 48h dự 1 

Hình 3.7 Điểm số CSI (a), BIAS (b), POD (c) và FAR (d) cho mưa tích lũy 24h từ 48h đến 72h dự báo 1 

Hình 3.8 Hiệu trường độ ẩm tương đối giữa trường hợp không đồng hóa và đồng hóa số liệu MTSAT-1R tại 00Z ngày 18/10/2008 1 

(a) mực bề mặt và (b) mực 850mb 1 

2

Hình 3.9 Mưa tích lũy 24h từ 00Z ngày 18 đến 00Z ngày 19/10/2008 1 

(dự báo từ 00 đến 24h) 1 

Hình 3.10 Mưa tích lũy 24h từ 00Z ngày 19 đến 00Z ngày 20/10/2008 1 

(dự báo từ 24 đến 48h) 1 

Hình 3.11 Mưa tích lũy 24h từ 00Z ngày 20 đến 00Z ngày 21/10/2008 1 

(dự báo từ 48 đến 72h) 1 

Hình 4.1 Quỹ đạo bão thực (màu xanh) của cơn bão Neoguri, quỹ đạo bão dự báo trong trường hợp đồng hóa số liệu (màu đỏ), và trường hợp không đồng hóa số liệu (màu vàng) tại thời điểm dự báo 00Z ngày 15/04/2008 1 

Hình 4.2 Sai số dự báo quỹ đạo bão khi không và có đồng hóa số liệu với thời điểm dự báo 00Z ngày 15/04/2008 1 

Hình 4 3 Sai số dự báo quỹ đạo bão khi không và có sử dụng đồng hóa số liệu cao không và synốp của các cơn bão năm 2008, 2009 1 

Hình 4.4 Quỹ đạo bão thực (màu xanh) của cơn bão Koppu, quỹ đạo bão dự báo trong trường hợp đồng hóa số liệu (màu đỏ), và trường hợp không đồng hóa số liệu (màu vàng) tại thời điểm dự báo 00Z ngày 13/09/2009 1 

Hình 4.5 Sai số dự báo quỹ đạo bão khi không đồng hóa và đồng hóa số liệu tại thời điểm dự báo 00Z ngày 13/09/2009 1 

Hình 4.6 Quỹ đạo bão thực (màu xanh) của cơn bão Soudulor, quỹ đạo bão dự báo trong trường hợp đồng hóa số liệu (màu đỏ), và trường hợp không đồng hóa số liệu (màu vàng) tại thời điểm dự báo 00Z ngày 10/07/2009 1 

Hình 4.7 Sai số dự báo quỹ đạo bão khi không đồng hóa số liệu và đồng hóa số liệu tại thời điểm dự báo 00Z ngày 10/07/2009 1 

Hình 4.8 Sai số dự báo quỹ đạo bão khi không đồng hóa và đồng hóa số liệu cập nhật số liệu vệ tinh Quickscat 1 

Hình 4.9 Quy trình đồng hóa cài xoáy giả 1 

Hình 4.10 Quỹ đạo bão các trường hợp không đồng hóa số liệu xoáy giả 1 

( kí hiệu BT-Best Track, WRF-Var-có sử dụng sơ đồ đồng hóa, WRF-không sử dụng sơ đồ đồng hóa) 1 

Hình 4.11 Sai số vị trí trung bình MPE 1 

Hình 4.12 Quỹ đạo thực của các cơn bão được chọn để phân tích 1 

Hình 4.13b Đường dòng dự báo bão Parma của lưới lồng di động 1 

Hình 4.13a Đường dòng dự báo bão Neoguri của lưới lồng di động 1 

Hình 4.13d Đường dòng dự báo bão Chanhom của lưới lồng di động 1 

Hình 4.13c Đường dòng dự báo bão Mirinae của lưới lồng ghép di động 1 

Hình 4.15 Sai số dự báo đường đi bão Neoguri 1 

Hình 4.14 Quỹ đạo dự báo bão bằng phương pháp lưới lồng ghép di động và quỹ đạo thực của bốn cơn bão Neoguri, Parma, Mirinae, Chanhom 1 

Hình 4.16 Sai số dự báo đường đi cơn bão Parma 1 

Hình 4.17 Sai số dự báo đường đi cơn bão Mirinae 1 

Hình 4.18 Sai số dự báo đường đi cơn bão Chanhom 1 

Hình 4.19 Biểu đồ biểu diễn áp suất thấp nhất tại tâm bão Neoguri 1 

Hình 4.20 Biểu đồ biểu diễn áp suất thấp nhất tại tâm bão Parma 1 

Hình 5.1 Sơ đồ mô tả dự báo tổ hợp theo nhóm I 1 

3

Hình 5.2 Sơ đồ mô tả dự báo tổ hợp theo nhóm II 1 

Hình 5.3 Sơ đồ mô tả dự báo tổ hợp theo nhóm III 1 

Hình 5.5 Ví dụ mô tả phương pháp tổ hợp dự báo bão 1 

Hình 5.4 Ví dụ mô tả phương pháp tổ hợp các đường đẳng trị áp suất 1 

Hình 5.6 Chỉ số ME cho dự báo tổ hợp cho nhiệt độ 1 

Hình 5.7 Chỉ số RMSE cho dự báo tổ hợp cho nhiệt độ 1 

Hình 5.9 Chỉ số RMSE cho dự báo tổ hợp cho độ ẩm tương đối 1 

Hình 5.8 Chỉ số ME cho dự báo tổ hợp cho độ ẩm tương đối 1 

Hình 5.11 Chỉ số POD cho ngưỡng mưa 1mm 1 

Hình 5.10 Chỉ số TS cho ngưỡng mưa 1mm 1 

Hình 5.12 Chỉ số FAR cho ngưỡng mưa 1mm 1 

Hình 5.13 Chỉ số TS, POD, FAR ứng với ngưỡng 15mm 1 

Hình 5.14 Chỉ số TS, POD, FAR ứng với ngưỡng 30mm 1 

Hình 5.15 Chỉ số TS, POD, FAR ứng với ngưỡng 50mm 1 

4

MỤC LỤC BẢNG

Bảng 1.1 Tùy chọn vật lí vi mô trong WRF 15 

Bảng 1.2 Một số tùy chọn tham số hóa đối lưu mây tích trong mô hình WRF 16  Bảng 1.3 Các sơ đồ đất – bề mặt trong WRF 16 

Bảng 1.4 Các sơ đồ bức xạ trong WRF 16 

Bảng 1.5 Danh mục các sản phẩm của mô hình WRF (trích dẫn) 17 

Bảng 2.1 Tùy chọn vật lí vi mô trong WRF 37 

Bảng 2.2 Các phương án dự báo sử dụng những sơ đồ dự báo khác nhau 39 

Bảng 2.3 Các chỉ số ME, RMSE ứng với các hạn dự báo cho nhiệt độ 40 

Bảng 2.4 Các chỉ số ME RMSE ứng với các hạn dự báo cho độ ẩm 41 

Bảng 2.5 Hệ số tương quan lượng mưa với các hạn dự báo 42 

Bảng 2.6 Các chỉ số thống kê TS, POD, FAR với ngưỡng 1mm với các hạn dự báo 43 

Bảng 2.7 Các chỉ số thống kê TS, POD, FAR với ngưỡng 15mm với các hạn dự báo 44 

Bảng 2.8 Các chỉ số thống kê TS, POD, FAR với ngưỡng 30mm với các hạn dự báo 45 

Bảng 2.9 Các chỉ số thống kê TS, POD, FAR với ngưỡng 50mm với các hạn dự báo 46 

Bảng 2.10 chỉ số FBI ứng với các hạn dự báo 24h 48h và 72h 47 

Bảng 3.1 Độ lệch chuẩn thám sát với trạm synốp 51 

Bảng 3.2 Độ lệch chuẩn thám sát với trạm cao không phân bố theo mực khí áp 51 

Bảng 3.3 Sai số dự báo của trường độ ẩm tương đối trung bình ngày 53 

Bảng 3.4 Sai số dự báo của trường nhiệt độ trung bình ngày 53 

Bảng 3.5 Những đặc trưng của vệ tinh GMS-5 và MTSAT-1R 57 

Bảng 4.1 Danh sách các trường hợp bão và áp thấp nhiệt đới được lựa chọn thử nghiệm 63 

Bảng 4.2 Danh sách các trường hợp được chọn thử nghiệm 73 

Bảng 4.3.Trung bình của sai số khoảng cách (km) 74 

Bảng 4.4 Sai số trung bình ME của khí áp tại tâm (mb) 75 

Bảng 4.5 Danh sách các trường hợp bão được lựa chon thử nghiệm 79 

Bảng 4.6 Sai số dự báo trung bình đường đi của cơn bãotrong 2 mùa bão năm 2008, 2009 84 

Bảng 4.7 Sai số áp suất dự báo của các cơn bão Neoguri, Parma, Mirinae, Chanhom (đơn vị: hpa) 85 

Bảng 4.8 Sai số dự báo trung áp suất trong 2 mùa bão năm 2008, 2009 86 

Bảng 4.9 Sai số dự báo vị trí tâm XTNĐ của JTWC 87 

(nguồn http://www.tropicalstormrisk.com/) 87 

Bảng 4.10 Sai số dự báo vị trí tâm XTNĐ của Cơ quan dự báo Hồng Kông (km) 87 

5

Bảng 4.11 Bảng tổng kết sai số dự báo vị trí tâm XTNĐ bằng các phương pháp

dự báo khác nhau trong nghiên cứu này 88 

Bảng 5.1 Chỉ số ME và RMSE của dự báo tổ hợp đối với nhiệt độ 92 

Bảng 5.2 Chỉ số ME và RMSE của dự báo tổ hợp đối với độ ẩm tương đối 93 

Bảng 5.4 Các chỉ số TS POD FAR của phương án tổ hợp với các hạn 24h, 48h, 72h cùng các ngưỡng 15mm 30mm và 50mm 95 

Bảng 5.6 Các đặc trưng đánh giá chất lượng sản phẩm dự báo độ ẩm 97 

Bảng 5.7 Các đặc trưng đánh giá chất lượng sản phẩm dự báo mưa 97 

Bảng 5.8 Chỉ số đánh giá sản phẩm dự báo mưa CSI và BIAS trong 24h 98 

Bảng 5.9 Chỉ số đánh giá sản phẩm dự báo mưa CSI và BIAS trong 48h 98   

6

DANH MỤC KÍ HIỆU VIẾT TẮT

3DVAR Sơ đồ đồng hóa số liệu 3 chiều (3 –Dimensional VARiation

Data Assimilation)

AVN Mô hình toàn cầu của Hoa Kỳ (AViatioN Global Model)

ATE Sai số dọc theo phương chuyển động (Along Track Error) CTE Sai số dọc theo phương pháp tuyến so với hướng chuyển động

(Cross Track Error) DBTH Dự báo tổ hợp

DH Có sử dụng sơ đồ đồng hóa 3DVAR cập nhật số liệu vệ tinh

hoặc là synốp cho trường ban đầu

ECMWEF Trung tâm dự báo hạn vừa châu Âu (European Center for

Medium-range Weather Forecasts)

EF Dự báo tổ hợp (Ensemble Forecast)

FAR Tỉ lệ báo động sai (False Alarm Ratio)

FBI Xu hướng tần suất của dự báo (Frequency Bias)

GFS Hệ thống dự báo toàn cầu của Hoa Kỳ (Global Forecasting

System) GME Mô hình toàn cầu của CHLB Đức (Global Model for

European) JMA Cơ quan khí tượng Nhật Bản (Japan Meteorological Agency) KDH Không sử dụng sơ đồ đồng hóa 3DVAR cập nhật số liệu vệ tinh

hoặc là synốp cho trường ban đầu)

KTTV Khí Tượng Thủy Văn

MAE Sai số tuyệt đối trung bình (Mean Absolute Error)

ME Sai số trung bình (Mean Error)

7

MM5 Mô hình qui mô vừa của Trung tâm Nghiên cứu khí tượng Quốc

Gia Hoa Kỳ và Đại học bang Pennsylvania thế hệ thứ 5 (The NCAR/PSU 5th Generation Mesoscale Model)

NCEP Trung tâm quốc gia dự báo môi trường Mỹ (National Centers

for Envionmental Prediction) NOAA Cơ quan đại dương và khí quyển Hoa Kỳ (National Oceanic and

Atmospheric Administration) POD Xu hướng xuất hiện hiện tượng (Probability Of Detection of

Event)

RIP Chương trình Fortran kết hợp đồ họa (Read/Interpolate/ Plot) RMSE Sai số bình phương trung bình (Root Mean Sqare Error)

TTDBTƯ Trung Tâm Dự Báo Khí Tượng Thủy Văn Trung Ương

TS Điểm số báo hiệu (Threat Score)

XTNĐ Xoáy Thuận Nhiệt Đới

8

BÁO CÁO TÓM TẮT ĐỀ TÀI NGHIÊN CỨU KHOA HỌC VÀ CÔNG NGHỆ CẤP BỘ

“Nghiên cứu ứng dụng mô hình WRF phục vụ dự báo thời tiết và bão ở Việt Nam”

1 Mục đích của đề tài:

- Ứng dụng được sơ đồ đồng hóa số liệu 3DVAR và kỹ thuật miền tính lồng ghép di động cho mô hình WRF phục vụ dự báo thời tiết và bão đến hạn dự báo 72h ở Việt Nam

- Góp phần nâng cao chất lượng dự báo thời tiết và bão ở Việt Nam

2 Nội dung của đề tài:

- Thu thập thống kê, xử lý các dữ liệu cần thiết phục vụ nghiên cứu của đề tài

- Nghiên cứu tổng quan về mô hình WRF và phương pháp biến phân 3 chiều (3DVAR) trong đồng hoá số liệu

- Nghiên cứu ứng dụng sơ đồ đồng hóa số liệu 3DVAR cho mô hình WRF dự báo thời tiết và bão

- Nghiên cứu ứng dụng kỹ thuật miền tính lồng ghép di động cho mô hình WRF phù hợp với di chuyển của tâm bão

- Nghiên cứu lựa chọn các sơ đồ tham số hoá vật lý trong mô hình số trị WRF cho mục đích dự báo thời tiết

- Nghiên cứu lựa chọn các sơ đồ tham số hoá vật lý trong mô hình số trị WRF cho mục đích dự báo bão

- Xây dựng phần mềm khai thác sản phẩm và dự báo tổ hợp

- Thử nghiệm dự báo và bước đầu đánh giá chất lượng sản phẩm dự báo thời tiết, bão

- Tổng hợp kết quả nghiên cứu và viết báo cáo tổng kết đề tài

3 Phương pháp nghiên cứu:

- Phương pháp số trị dự báo thời tiết và bão;

- Phương pháp đồng hoá số liệu biến phân ba chiều 3DVAR;

- Phương pháp ban đầu hóa xoáy ba chiều cho mô hình số trị;

- Phương pháp dự báo tổ hợp;

- Phương pháp thống kê đánh giá khách quan các sản phẩm dự báo của mô hình số trị;

- Phương pháp đồ hoạ

4 Kết quả nghiên cứu của đề tài:

- Bộ số liệu chuẩn phục vụ nghiên cứu đề tài;

- Các chuyên đề tổng quan;

- Trường ban đầu đã được cập nhật cho dự báo thời tiết và bão ở Việt Nam;

9

- Miền tính dịch chuyển lồng ghép cho khu vực mô hình WRF phù hợp với di chuyển của tâm bão ở Việt Nam;

- Mô hình WRF đã được chọn các phương án cho mục đích dự báo thời tiết;

- Mô hình WRF đã được chọn các phương án cho mục đích dự báo cường độ và quỹ đạo bão;

- Các phần mền khai thác sản phẩm của mô hình WRF dự báo thời tiết, bão và dự báo tổ hợp;

- Báo cáo đánh giá chất lượng sản phẩm dự báo của mô hình WRF;

- Báo cáo tổng kết

5 Các kết luận của đề tài:

- Việc nghiên cứu lựa chọn các sơ đồ tham số hóa vật lí đã nâng cao rõ rệt độ chính xác trong dự báo thời tiết và bão ở Việt Nam

- Việc sử dụng sơ đồ đồng hóa 3DVAR cập nhật số liệu cao không và synốp cho trường ban đầu đã cải thiện đáng kể các trường nhiệt độ, độ ẩm và trường mưa ở hạn dự báo trước 48h, nhưng không có sự thay đổi lớn với hạn dự báo 48h-72h

- Cập nhật số liệu vệ tinh MTSAT-1R đã cải thiện đáng kể trường mưa dự báo trong 24h đầu Tuy nhiên, ở hạn dự báo 24-72h, việc đồng hóa số liệu không cho kết quả tốt

- Trong dự báo bão, việc sử dụng sơ đồ đồng hóa số liệu 3DVAR cập nhật số liệu cao không và synốp cho trường ban đầu đã cải thiện đáng kể về dự báo quỹ đạo bão trong các hạn dự báo trước 42h đặc biệt ở hạn dự báo từ 42h đến 72h

- Kết quả thử nghiệm dự báo mưa lớn và quỹ đạo bão cho thấy việc đồng hóa số liệu MSAT-1R cải thiện đáng kể kết quả dự báo thời tiết nguy hiểm mưa lớn, bão thời điểm trước 24h đối với mưa lớn và trước 42h đối với quỹ đạo bão Ở các hạn dự báo tiếp theo, việc đồng hóa số liệu MTSAT-1R không cho kết quả dự báo tốt

- Đồng hóa số liệu vệ tinh Quickscat làm giảm đáng kể sai số dự báo quỹ đạo bão so với trường hợp không đồng hóa, đặc biệt là các hạn dự báo trước 54h

- Đối với việc ứng dụng sơ đồ phân tích xoáy giả tích hợp với đồng hóa số liệu

ở trường đầu vào trong mô hình WRF cho thấy: Sai số vị trí trung bình còn lớn và tăng dần theo hạn dự báo

- Sử dụng lưới lồng ghép di động trong dự báo quỹ đạo vào cường độ của bão thể hiện rõ khả năng tiết kiệm được khoảng một nửa thời gian chạy chương trình so với sử dụng lưới đơn có độ phân giải cao hay lưới lồng cố định có miền tính lớn hơn Khi sử dụng phương pháp này, khả năng mô phỏng quỹ đạo bão thời điểm đầu tốt hơn thời điểm sau tuy nhiên khả năng mô phỏng cường độ bão thì ngược lại Mô phỏng cường độ bão thường cho kết quả bão yếu hơn so với thực tế

- Trong dự báo tổ hợp, với phương án tổ hợp 10 thành phần khác nhau từ 2 mô hình số trị MM5 và WRF cho ta kết quả dự báo đối với các trường khí tượng nói chung là tốt hơn nhiều so với các các dự báo thành phần Khả năng áp dụng vào thực

tế rất cao và tính hiệu quả sẽ lớn

- Mô hình dự báo tốt nhiệt độ và độ ẩm tương đối cho khu vực Việt Nam

10

PROJECT SUMMARY: “APPLIED RESEARCH OF WRF MODEL FOR

WEATHER AND TYPHOON FORECAST IN VIETNAM”

Purpose of this project include:

Application of 3DVAR data assimilation and moving - nest the technology in WRF model for weather and typhoon forecasts due 72 hours in Vietnam and contribute to improving the quality of weather and typhoon forecast in Vietnam

Study methodology is used in this project: Weather and storm forecasting Numerical Methods, 3DVAR data assimilation method, diagram bogus vortex in structure of storm, Ensemble forecast method, graphical method,…

Based on research and testing we have obtained the following results:

- The model predicted well the temperature and relative humidity for the area of Vietnam

- The study of selected diagrams parameterized physics has significantly improved accuracy in weather forecasting and storm in Vietnam

- The use of 3DVAR assimilation scheme updating airborne and Synop data for the initial field has improved considerably in temperature, humidity and rain in the forecast 48 hours, but no significant change the forecasts 48-hours to 72 - hours In the storm forecast, the use of this scheme is also significantly improved the storm best tracks of 42-hours forecasting, especially for 42-hour to 72-hour forecasts

- Test results predicted heavy rain and storm trajectory shows that the assimilation of data MSAT-1R significantly improve the results of heavy rain before 24-hours forecasting and storm trajectory 42-hour forecasting In the next term forecast, the assimilation of MTSAT-1R data does not result in better forecasts

- Satellite Data Assimilation Quickscat significantly reduce the predicted orbit errors compared to cases not assimilation, especially the 54-hour predicted

- For applications of analysis imitation vortex diagrams integrated with the data assimilation in input fields in the WRF model shows that the average position error is larger and increases with term forecasts

- Use integrated mobile netting in forecasting the trajectory and intensity of the storm demonstrated the ability to save about half the running time compared to using single netting with high-resolution or fixed mesh cages with the larger domain Simulated storm intensity often result in weaker than reality

- In Ensemble forecast, with combination of 10 different components from the two models MM5 and WRF , the results for weather forecasts is generally better than the predictions of single components Applicability of the results is very high and the efficiency will be greater

Based on the applied research of diagrams of the physical parameters of the WRF model we calculate predicted error of the basic elements such as temperature, rainfall, humidity,… and thereby determining the diagram parameterized convection, cloud micro physics, radiation, planetary boundary layer, land surface optimization for Vietnam in weather and storm forecasts

Researched results are applied in practice tests in the implementation process project and process weather forecasting Weather and storm forecasts of WRF model has been finalized to be able to transfer immediately after the finishing

11

CHƯƠNG 1 TỔNG QUAN VÀ PHƯƠNG PHÁP ĐÁNH GIÁ

1.1 Tổng quan về mô hình WRF

1.1.1 Lịch sử

Mô hình nghiên cứu và dự báo thời tiết WRF (Weather Research and Forecasting) là mô hình được phát triển từ những đặc tính ưu việt nhất của mô hình MM5 với sự cộng tác của nhiều cơ quan tổ chức lớn trên thế giới, chủ yếu là: Phòng nghiên cứu Khí tượng qui mô nhỏ và qui mô vừa của trung tâm quốc gia nghiên cứu Khí quyển Hoa Kỳ (NCAR/MMM), trung tâm quốc gia dự báo môi trường (NOAA/NCEP), phòng thí nghiệm phương pháp dự báo (NOAA/FSL), trung tâm phân tích và dự báo bão của trường đại học Oklahoma (CAPS), cơ quan thời tiết hàng không Hoa kỳ (AFWA) và các trung tâm khí tượng quốc tế như Học viện khoa học khí tượng của Trung Quốc CAMS, Cơ quan thời tiết trung ương của Đài Loan, Cơ quan khí tượng Hàn Quốc KMA, [19,21,61]

Hiện nay, mô hình WRF đang 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 đang được chạy nghiệp vụ tại KMA (2006), tại Ấn Độ, Đài Loan và Israel (từ năm 2007) Ngoài ra một số nước khác đang sử dụng WRF trong nghiên cứu và dự định sử dụng mô hình này trong nghiệp vụ như Trung Quốc, New Zealand, Braxin,

WRF là một hệ thống bao gồm nhiều module khác nhau, linh hoạt và tối

ưu cho cả mục đích nghiên cứu cũng như chạy nghiệp vụ, cho phép sử dụng các tùy chọn khác nhau đối với tham số hóa các quá trình vật lý và thường xuyên được cập nhật các phiên bản mới

Hiện tại WRF có hai phiên bản là phiên bản nghiên cứu nâng cao ARW (Advanced Research WRF) và phiên bản mô hình qui mô vừa phi thủy tĩnh NMM (Nonhydrostatic Meso Model) Đề tài được thực hiện với phiên bản V3.3 ARW là phiên bản mới nhất của mô hình WRF ra đời tháng 6 năm 2011 cho phép người sử dụng có thể đưa hệ thống đồng hoá số liệu 3DVAR vào mô hình

12

1.1.2 Sơ đồ cấu trúc

Mô hình WRF được cấu tạo bởi hai bộ phận chính là bộ phận xử lý (tiền

xử lý và hậu xử lý), bộ phận mô phỏng (Hình 1.1) Trong đó:

Bộ phận mô phỏng: chương trình chính của WRF( ARW solver)

Bộ phận tiền xử lý: gồm chương trình mô phỏng dữ liệu ban đầu (The

WRF Preprocessing System, WPS) và chương trình đồng hóa số liệu Var)

Bộ phận hậu xử lý: Công cụ đồ họa xử lý sản phẩm của mô hình

(Post-processing & Visualization tools)

Chi tiết mô hình như sau:

WPS là chương trình thuộc bộ phận tiền xử lý dùng để mô phỏng các dữ

liệu thực ban đầu như giới hạn vùng mô phỏng, nội suy dữ liệu hành tinh (địa hình, đất sử dụng, loại đất), lưới hóa và nội suy số liệu khí tượng từ mô hình khác trong vùng mô phỏng

WRF-Var là chương trình đồng hóa số liệu đầu vào của mô hình, kiểm

tra các quá trình phân tích nội suy đã được tạo bởi chương trình WPS, có thể được sử dụng để cập nhật điều kiện ban đầu

Bộ phận tiền xử lý Bộ phận mô phỏng Bộ phận hậu xử lý

Grads 

Vis 5D

NCAR  Graphic

RIP 4 

13

ARW solver là chương trình chính của mô hình, bao gồm các chương

trình khởi tạo đối với việc lý tưởng hóa, các mô phỏng dữ liệu thực; chương trình tích phân và chương trình thực hiện lồng lưới

Post-processing & Visualization tools gồm một số chương trình phần

mềm phụ để hỗ trợ khai thác sản phẩm dự báo của mô hình như RIP4 , NCL (NCAR), GrADS và Vis5D,…

1.1.3 Động lực học và phương pháp số

a) Hệ phương trình động lực của mô hình

Các phương trình trong mô hình WRF được tính toán bằng việc sử dụng một hệ tọa độ thẳng đứng áp suất thủy tĩnh theo địa hình ký hiệu là η (Laprise, 1992) và được xác định bởi:

Vì µ(x,y) được coi là khối lượng đối với mỗi đơn vị diện tích bên trong cột của miền tính mô hình tại điểm (x,y), các biến dạng thông lượng thích hợp là:

Sử dụng các biến đã được xác định ở trên, các phương trình Euler dạng thông lượng có thể viết lại như sau:

14

Hình 1.2 Hệ tọa độ thẳng đứng của mô hình WRF

Các phương trình dự báo từ (1.4) – (1.9) được viết dưới dạng bảo toàn, trừ phương trình (1.9) là đạo hàm toàn phần của địa thế vị, (1.9) có thể được viết dưới dạng thông lượng nhưng chúng ta đã không tìm thấy một ưu điểm nào trong việc làm này vì µφ là một đại lượng không bảo toàn Chúng ta cũng có thể

sử dụng phương trình dự báo áp suất thay cho phương trình (1.9), nhưng áp suất lại là một biến không bảo toàn và vì vậy chúng ta sẽ không thể sử dụng phương trình áp suất và phương trình bảo toàn đối với Θ ở (1.7) bởi vì chúng là phụ thuộc tuyến tính Hơn nữa, các phương trình dự báo áp suất lại có những nhược điểm vì nó chứa một thành phần phân kỳ khối lượng được nhân với một hệ số lớn (tương ứng với tốc độ âm thanh) mà do đó sẽ làm cho việc rời rạc hóa theo không gian và thời gian gặp nhiều khó khăn

b) Hệ toạ độ thẳng đứng và các biến thông lượng

Cũng giống như trong mô hình

ETA, mô hình WRF sử dụng hệ toạ độ

thẳng đứng địa hình η (hình 1.2) Hệ

toạ độ η được sử dụng để loại bỏ hoặc

giảm thiểu sai số của mô hình sinh ra

trong tính toán lực gradient khí áp

ngang, bình lưu, khuếch tán ngang,

dọc, địa hình dốc

Trong hệ toạ độ η, độ cao địa

hình được chia thành từng cấp bậc,

phụ thuộc vào độ phân giải thẳng đứng

của mô hình và độ cao của núi và cho

phép địa hình tồn tại hơn một mặt η (hệ

toạ độ σ chỉ cho phép tồn tại một mặt) Điều

này cho phép tính toán gradient khí áp ngang chính xác hơn

c) Sơ đồ tích phân theo thời gian

Mô hình WRF sử dụng sơ đồ tích phân thời gian Runge-Kutta Tích phân thời gian Runge-Kutta được đưa ra gồm 3 bước để giải Φ( )t và Φ(t+∆t)

d)Mô tả vật lí

Các sơ đồ tham số hoá vật lí trong mô hình WRF rất phong phú, bao gồm:

Các quá trình vật lí 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

Vật lí vi mô

Bao gồm các quá trình xử lý 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, mỗi sơ đồ có độ phức tạp và các biến ẩm riêng khác nhau (bảng 1.1)

Bảng 1.1 Tùy chọn vật lí vi mô trong WRF

Loại sơ đồ Số lượng biến Pha băng Pha hỗn hợp

Lựa chọn mặc định của mô hình WRF trong mảng vật lí vi mô là sơ đồ

mây, giáng thủy theo lưới Eta (EtaGCP) Sơ đồ này dự báo những thay đổi của

hơi nước ngưng tụ trong các dạng mây chứa nước, mây gây mưa, mây chứa

băng, giáng thủy băng (tuyết, băng hòn, mưa đá)

Đối lưu mây tích

Trong mô hình số trị nói chung, tham số hóa đối lưu mây tích có tầm quan

trọng đặc biệt đối với mô phỏng có độ phân giải trên 10km Mục đích của chính

của vấn đề tham số hóa đối lưu là dự báo lượng mưa sinh ra do đối lưu và 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,

16

Bảng 1.2 Một số tùy chọn tham số hóa đối lưu mây tích trong mô hình WRF

Lớp bề mặt

Các sơ đồ lớp bề mặt nhằm 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 (bảng 1.3)

Bảng 1.3 Các sơ đồ đất – bề mặt trong WRF

Sơ đồ Quá trình

thực vật Biến thay đổi trong đất (các tầng) Tuyết

Noah Có Nhiệt độ, nước +băng, nước 1-lớp, nhỏ

RUC Có Nhiệt độ, băng, nước + băng Nhiều lớp

Lớp biên hành tinh

Lớp biên hành tinh (PBL) có nhiệm vụ tính toán thông lượng xoáy quy

mô dưới lưới Khi PBL được kích hoạt thì khuếch tán theo chiều thẳng đứng

cũng được kích hoạt, khuếch tán ngang hầu như không đổi (Kk=const) Ngoài ra

sơ đồ PBL cho phép xác định các profile thông lượng giữa lớp biên và trạng thái

của lớp biên và hầu hết các sơ đồ PBL xét sự xáo trộn khô, nhưng cũng bao gồm

hiệu ứng bão hòa trong sự ổn định thẳng

Bức xạ khí quyển

Các sơ đồ bức xạ khí quyển cho 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

Bảng 1.4 Các sơ đồ bức xạ trong WRF

Sơ đồ Sóng dài (LW)/Sóng

ngắn (SW)

Số dải Loại

17

e) Sơ đồ tương tác giữa các quá trình vật lí

Sơ đồ tham số hóa vật lí được phân loại theo các module, sự tương tác giữa chúng, xu hướng của chúng và thông lượng bề mặt (hình 1.3)

1.1.4 Số liệu và sản phẩm của mô hình

Sản phẩm cuối cùng của WRF là các file wrfout_d01…, wrfout_d02…, cho các miền tính khác nhau ở toàn bộ các thời điểm tính từ thời điểm bắt đầu

mô phỏng hoặc dự báo Khoảng cách thời gian giữa các thời điểm này bằng bước thời gian của mô hình Tuy nhiên, trong quá trình lưu sản phẩm dự báo số, chúng ta chỉ lưu lại các trường khí tượng cách nhau 1h, 3h hoặc 6h nhằm giảm dung lượng của file sản phẩm Trong các file sản phẩm này chứa đựng dữ liệu

về hầu hết các trường khí tượng như trích dẫn trong bảng 1.5

Bảng 1.5 Danh mục các sản phẩm của mô hình WRF (trích dẫn)

QVAPOR: Tỉ số xáo trộn hơi nước (kg/kg)

QCLOUD: Tỉ số xáo trộn nước mây (kg/kg)

QRAIN: Tỉ số xáo trộn nước mưa (kg/kg)

QICE: Tỉ số xáo trộn băng mây (kg/kg)

QSNOW: Tỉ số xáo trộn tuyết (kg/kg)

BỀ MẶT

Ảnh hưởng

Tương tác giữa các quá trình vật lí

Thông lượng nhiệt ẩm bề mặt Sóng ngắn, dài

Phát xạ bề mặt

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

Hình 1.2 Sơ đồ tương tác các quá trình vật lí trong mô hình

Các yếu tố dự báo 2 chiều

ACSNOM: Lượng tuyết tan chảy tích luỹ

ACSNOW: Lượng tuyết tích luỹ

GLW: Dòng thông lượng sóng dài đi xuống ở bề mặt đất

GSW: Dòng thông lượng sóng ngắn đi xuống ở bề mặt đất

HFX: Dòng thông lượng nhiệt đi lên ở bề mặt

HGT: Độ cao địa hình

IVGTYP: Loại hoa màu

ISLTYP: Loại đất

LU_INDEX: Hạng đất sử dụng

QFX: Thông lượng ẩm đi lên từ bề mặt

RAINC: Tổng lượng mưa đối lưu được tích luỹ

RAINCV: Lượng mưa đối lưu theo từng bước thời gian

RAINNC: Tổng lượng mưa quy mô lưới được tích luỹ

SFROFF: dòng chảy mặt

Slvl: áp suất mực mặt biển

SST: Nhiệt độ mực nước biển

T2: Nhiệt độ ở 2m

TMN: Nhiệt độ đất ở lớp biên dưới

U10: Gió vĩ hướng ở 10 m

V10: Gió kinh hướng V ở 10 m

19

1.2 Tổng quan về các công trình nghiên cứu

1.2.1 Tổng quan các nghiên cứu về thời tiết và bão

Để đánh giá khả năng mô phỏng của WRF đối với những biến đổi theo thời gian và không gian của các yếu tố nhiệt động lực, gió, mưa bề mặt, nhiệt độ đỉnh mây, tác giả Anthony E Morrison đã sử dụng 5 miền tính trên toàn nước

Úc với độ phân giải tinh (1 km) trên khu vực miền Tây và Trung Tasma với 64 mực áp suất lên tới mực 50 hPa Kết quả cho thấy có sự chênh lệch nhỏ giữa dự báo và quan trắc [31]

Nghiên cứu của Anupma Prakash và đồng sự đã sử dụng WRF trong mô phỏng mây ở vùng vĩ độ cao, các giá trị ngưỡng được xác định bằng cách phân tích độ nhạy Kết quả cho các ngưỡng là ngưỡng 95% cho MODIS, 10-23 kg/kg đối với tỉ lệ pha trộn nước, 10-18 kg/kg đối với tỉ lệ pha trộn tuyết, tuy nhiên các tác giả cũng lưu ý cần có những nghiên cứu sâu hơn trong việc xác định giá trị ngưỡng Kết quả mô phỏng mây cho thấy các mô phỏng không hoàn toàn phù hợp với kết quả từ MODIS, tuy nhiên kết quả vẫn nằm trong phạm vi chấp nhận được khi sử dụng mô phỏng mây vào ngày 13/3/2009 [28]

Tác giả Rafael Borge sử dụng WRF để nghiên cứu chất lượng không khí khu vực bán đảo Iberia, với 23 cấu hình khác nhau, sử dụng các sơ đồ tham số hóa lớp biên hành tinh, sơ đồ vi vật lí, mô hình đất bề mặt, mô hình bức xạ và đồng hóa số liệu 4 chiều với độ phân giải 3km Kết quả tính toán được đánh giá thông qua các kiểm nghiệm thống kê cho thấy cấu hình cho kết quả tốt nhất khi

sử dụng WRF kết hợp với mô hình lớp biên hành tinh, mô hình vi vật lí 6 mực,

mô hình đất về mặt Noah, mô hình động lực Eta và sơ đồ bức xạ sóng ngắn MM5 Khi đó, những mô phỏng về gió, nhiệt độ, độ ẩm cho kết quả tốt hơn [35]

Ngoài ra, mô hình WRF-VPRM được sử dụng kết hợp với những chỉ số

về thông lượng CO2 từ MODIS và từ các mô hình toàn cầu để mô phỏng những biến động của CO2 Khi so sánh khả năng mô phỏng CO2 với hai mô hình toàn cầu LMDZ và TM3, nghiên cứu của R Ahmadov năm 2009 cũng cho thấy WRF nắm bắt được những đặc điểm của CO2 tốt hơn hai mô hình có cùng độ phân giải, tuy nhiên các tác giả cũng đề xuất cần có sự kết hợp với số liệu quan trắc CO2 để có bộ số liệu so sánh chính xác hơn [34]

Nghiên cứu của S.H.Lee và các đồng sự sử dụng mô hình WRF trong tham số hóa bề mặt lớp biên thông qua các thông số khí tượng khu vực Texas như gió, năng lượng bề mặt Dữ liệu đất được sử dụng thay vì sử dụng số liệu mặc định trong mô hình nên cho kết quả mô phỏng gần với quan trắc [26]

Tác giả Claire Louise Vincent và đồng sự (2010) sử dụng mô hình WRF với mục đích dự báo năng lượng gió, kết quả cho thấy mô phỏng thường dao động lệch 1 giờ so với các số liệu quan trắc trong mỗi thời kì mô phỏng 2 ngày Ngoài ra tác giả đã cải tiến trường đầu vào bằng cách mô phỏng khuếch tán liên tục và sử dụng hệ thống hai lưới lồng Kết quả cho thấy có sự giảm đáng kể sự lệch pha giữa dự báo và quan trắc [29]

20

Tác giả Brandon Storm và đồng sự (2010) nghiên cứu khả năng ứng dụng WRF trong việc ước tính tài nguyên gió Theo đó, các hệ số độ đứt gió thẳng đứng từ đầu ra của mô hình khi sử dụng kết hợp với sơ đồ tham số hóa lớp biên

có thể được ứng dụng trong việc thiết kế các tua-bin gió Bên cạnh đó, kết quả nghiên cứu cũng cho thấy rằng hệ số độ đứt gió thẳng đứng phụ thuộc vào sơ đồ tham số hóa lớp biên sử dụng và phụ thuộc rất ít vào điều kiện ban đầu và điều kiện biên của mô hình [13]

Theo hướng nghiên cứu khác, hai tác giả Song You Hong và Ji Woo Lee (2008), sử dụng mô hình WRF để xem xét khả năng giải quyết, tính toán về mây đối lưu, nghiên cứu và dự báo để tái tạo các phần tử đối lưu kết hợp với lũ lụt đột ngột xảy ra do mưa lớn gần Seoul, Hàn Quốc ngày 12/7/2006 Nghiên cứu

sử bộ ba lưới lồng nhau với độ phân giải cao nhất 3km, khoảng cách giữa các lưới ngang được tích hợp với các phân tích dữ liệu thông thường Kết quả tính toán cho thấy, mô phỏng lượng mưa tương ứng là hợp lý so với thực tế, mặc dù

ở những thời điểm ban đầu bị đánh giá là thấp hơn

Năm 2006 tác giả Douglas K Miller đã nghiên cứu khả năng mô phỏng đối lưu quy mô vừa và dông bằng mô hình WRF Ba hệ thống đối lưu sâu năm

2005 được phân tích, sử dụng các bản đồ bề mặt, bản đồ trên các mực cao Kết quả so sánh với các dữ liệu quan trắc từ các radar Doppler WSR-88D cho thấy

có sự tương đồng giữa quan trắc và dự báo [32]

Đối với mưa lớn, nghiên cứu của Kamol Promasakha na Sakolnakhon sử dụng 5 sơ đồ vi vật lí khác nhau cho WRF, chạy với độ phân giải 5km tại 41 mực để xác định lượng mưa trong giai đoạn từ 22-23/5/2005 ở Bắc Thái Lan Kết quả tính toán cho thấy sơ đồ vi vật lí của Lin cho mưa diện rộng hơn so với các sơ đồ vi vật lí khác nhưng sự khác biệt này không phụ thuộc vào các thông

số trong phương trình dự báo [30]

Các nghiên cứu về bão có tác giả Sujata Pattanayak và đồng sự (2008), với mục đích so sánh khả năng dự báo quỹ đạo bão giữa mô hình WRF và MM5, nghiên cứu được thực hiện với ba cơn bão đổ bộ vào khu vực vịnh Bengal và vùng biển Ả-Rập bao gồm cơn bão Mala (2006), Gonu (2007) và Sidr (2007) Cả hai mô hình đã được tính toán với 15 điều kiện ban đầu khác nhau đối với các trường gió, áp và lượng mưa Kết quả nghiên cứu cho thấy WRF cho

dự báo tốt hơn mô hình MM5 khi so sánh với kết quả được cung cấp bởi Trung tâm khí tượng Ấn Độ [1]

Tác giả Joseph sử dụng WRF trong dự báo đối lưu với độ phân giải ngang

4 km đối với hai hệ thống đối lưu ở Trung Mỹ và các cơn bão đổ bộ vào Nam Hoa Kỳ Kết quả cho thấy WRF cho dự báo tốt về thời gian và vị trí của các hệ thống đối lưu, đồng thời cung cấp thông tin chi tiết về cấu trúc và sự phát triển của các hệ thống này mà các mô hình với độ phân giải tương tự hiện chưa thực hiện được [21]

Xingang Fan và đồng sự (2007) [28] sử dụng mô hình WRF để đồng hóa

số liệu gió Quickscat ở vùng vĩ độ cao khu vực ven biển Bắc Băng Dương Dữ

21

liệu gió Quickscat với độ phân giải ngang 12.5 km được đồng hóa vào mô hình

để nghiên cứu tác động của dữ liệu Quickscat khi mô phỏng trường gió và gió biển Mô hình được thiết lập với độ phân giải 10 km và 235x136 điểm lưới Kết quả sơ bộ cho thấy mô hình WRF kết hợp với số liệu Quickscat có khả năng mô phỏng trường gió rất tốt khi so sánh với các quan trắc tại trạm

Rakesh (2009) [24] đã sử dụng sơ đồ 3DVAR để đồng hoá dữ liệu tốc độ gió và hướng gió gần bề mặt biển từ vệ tinh QSCAT (Quick Scatterometer), tốc

độ gió và TPW từ vệ tinh SSM/I (Spectral Sensor Microwave Imager) cho cả hai

mô hình MM5 và WRF để dự báo thời tiết hạn ngắn ở Ấn Độ Kết quả nghiên cứu cho thấy dự báo trường gió từ hai mô hình MM5 và WRF được cải thiện đáng kể trong trường hợp đồng hoá dữ liệu gió từ QSCAT và SSM/I, trong khi trường nhiệt độ và độ ẩm cho hiệu quả kém hơn Trường dự báo mưa tốt nhất trong trường hợp đồng hoá dữ liệu TPW Ngoài ra, nghiên cứu cũng chỉ ra rằng sai số dự báo các trường gió, nhiệt độ và độ ẩm ở các mực khác nhau bằng mô hình WRF nhỏ hơn khi dự báo bằng mô hình MM5

Về dự báo mưa lớn có sử dụng đồng hóa số liệu tác giả Xavier (2006) [37] đồng hoá profile nhiệt độ và độ ẩm từ vệ tinh MODIS cùng với số liệu thám không vô tuyến để cải thiện trường đầu ban đầu của mô hình MM5 Nghiên cứu chỉ ra rằng việc sử dụng dữ liệu vệ tinh MODIS đã cải thiện đáng kể diễn biến mưa lớn kết hợp với áp thấp nhiệt đới

Tác giả Routray (2008) [25] đã đồng hoá các số liệu quan trắc bề mặt, ship, bouy, cao không và vệ tinh địa tĩnh Kapanal-1 để dự báo mưa lớn ở Ấn độ bằng việc sử dụng hệ thống đồng hoá số liệu 3DVAR cho mô hình WRF Kết quả tính toán cho thấy, việc đồng hoá số liệu đã cải thiện đáng kể chất lượng mô phỏng mưa lớn trong mùa mưa ở Ấn độ

Việc đồng hoá số liệu xoáy giả cho mô hình WRF cũng đã được thực hiện nhằm cải thiện trường ban đầu của mô hình dự báo bão Liqiang Chen và Qingnong Xiao (2006) đã sử dụng sơ đồ đồng hoá số liệu xoáy giả cho mô hình WRF và họ nhận thấy rằng ngoài việc khôi phục lại cấu trúc ban đầu của xoáy bão hiệu quả thì sơ đồ này còn sinh ra trường phân tích của cơn bão cân bằng với mô hình hơn khi chỉ được nội suy với WPS [22]

Tác giả Guo và đồng sự (2006) chỉ ra sự thành công của đồng hóa số liệu xoáy giả kết hợp với tác động đến thành phần thống kê sai số nền (BES) là một thành phần quan trọng trong hệ thống đồng hóa số liệu 3DVAR của mô hình WRF Việc đồng hóa số liệu xoáy giả không chỉ cho những cải thiện đáng kể trong vị trí và cường độ bão mà còn cả với trường phân tích của hoàn lưu synốp quy mô lớn khi kết hợp những hiệu chỉnh BES khác nhau với hệ thống đồng hóa này [23]

Ở Việt Nam, mô hình WRF đã được nghiên cứu áp dụng từ năm 2002 Tác giả Dương Hồng Sơn (2006) đã áp dụng mô hình WRF để dự báo các trường khí tượng cho các mô hình dự báo chất lượng không khí ở vùng Đồng bằng Bắc bộ

22

Kiều Thị Xin (2005) [12] cũng đã sử dụng phương pháp biến phân hai chiều để phân tích độ ẩm đất từ nhiệt độ quan trắc hai mét cho mô hình HRM Kết quả cho thấy tác động nhỏ của độ ẩm đất đến dự báo các trường khí tượng trên cao trên khu vực Việt Nam

Trong khuôn khổ đề tài nghiên cứu khoa học cấp Bộ “Nghiên cứu thử nghiệm dự báo mưa lớn ở Việt Nam bằng mô hình MM5” của Hoàng Đức Cường (2008) [2] cũng đã nghiên cứu hiệu chỉnh trường ban đầu bằng các số liệu SYNOP và vô tuyến thám không để nâng cao chất lượng dự báo thời tiết bằng mô hình MM5 Nghiên cứu cho thấy việc sử dụng số liệu SYNOP và thám không vô tuyến để điều chỉnh trường ban đầu của mô hình MM5 bước đầu cho kết quả khả quan

Chu Thị Thu Hường (2007) [9] đã nghiên cứu thử nghiệm dự báo mưa thời hạn từ 1 đến 3 ngày cho khu vực Trung bộ bằng mô hình WRF

Trong đề tài nghiên cứu khoa học và công nghệ “Nghiên cứu cấu trúc và

sự di chuyển của xoáy thuận nhiệt đới lí tưởng hoá bằng mô hình WRF”, Nguyễn Minh Trường đã khảo sát ảnh hưởng của số hạng nhớt giả xuất hiện khi sai phân hoá các phương trình vi phân đến sự suy yếu của xoáy thuận nhiệt đới lí tưởng và khảo sát ảnh hưởng của trường nền đến cấu trúc và di chuyển của xoáy trong miền tính [15]

Võ Văn Hoà (2007, 2008) [7,8] đã áp dụng mô hình WRF để dự báo bão trên khu vực Biển Đông và chú trọng đến độ nhạy của các sơ đồ tham số hoá đối lưu Nghiên cứu đã chỉ ra rằng kĩ năng dự báo quỹ đạo bão bằng mô hình WRF

là tương đối tốt, đặc biệt là trong trường hợp những cơn bão có quỹ đạo phức tạp

Kiều Thị Xin và Lê Đức (2003) [11] đã nghiên cứu áp dụng mô hình đồng hoá số liệu 3DVAR cho mô hình HRM Kết quả tính toán dự báo thời tiết bằng cách sử dụng các số liệu tại các trạm cao không và SYNOP cho thấy lượng mưa

dự báo gần với thực tế hơn so với trường hợp không sử dụng đồng hoá số liệu

Lê Đức và đồng sự (2007) [5] đã xây dựng trường ẩm cho mô hình HRM

từ số liệu vệ tinh địa tĩnh MTSAT dựa trên phương pháp 3DVAR

Nguyễn Lê Dũng và Phan Văn Tân (2008) [4] đã ban đầu hóa xoáy, kết hợp sử dụng hệ thống 3DVAR trong mô hình WRF để dự báo quỹ đạo bão trên khu vực Biển Đông Kết quả thử nghiệm cho thấy việc sử dụng nguồn số liệu quan trắc “giả”, được tạo ra nhờ module ban đầu hoá xoáy, đã cải thiện đáng kể chất lượng dự báo quỹ đạo bão

Hoàng Đức Cường và cộng sự (2008) [3] đã hiệu chỉnh trường ban đầu của mô hình MM5 bằng dữ liệu vệ tinh MTSAT để mô phỏng cơn bão Damrey

1.2.2 Tổng quan về đồng hóa số liệu vệ tinh Quikscast

Nguồn số liệu từ vệ tinh Quickscat được minh chứng là rất hữu ích trong

dự báo bão Số liệu vệ tinh Quickscat có khả năng cung cấp dữ liệu chi tiết về

Một nghiên cứu khác về sử dụng số liệu gió trong hệ thống đồng hóa và

dự báo của Trung tâm dự báo thời tiết Đức (DWD) Kết quả đồng hóa số liệu cho thấy sử dụng số liệu vệ tinh Quickscat cho kết quả dự báo tốt hơn, nhất là đối với cường độ và vị trí của các xoáy thuận nhiệt đới [54]

Tác giả Commander G Rambabu và đồng sự đã đồng hóa dữ liệu Quickscat trong mô hình MM5 để mô phỏng chuyển động của những cơn bão hình thành trên Vịnh Bengal trong năm 2001 Số liệu Quickscat được sử dụng kết hợp với số liệu của một số trạm ven biển Kết quả dự báo cho thấy có sự cải tiến trong các dự báo 48 giờ, đối với các dự báo sau 48 giờ, kết quả dự báo phụ thuộc vào các điều kiện biên [55] Năm 2006, Shu-hua Chen cũng đưa ra kết quả nghiên cứu về đồng hóa dữ liệu Quickscat trong dự bão bão bằng mô hình MM5 Bộ số liệu của cơn bão Isudore (2002) được phân tích và so sánh, sử dụng

hệ thống đồng hóa dữ liệu 3 chiều và mô hình dự báo MM5 Kết quả cho thấy việc mô phỏng gió ở mực thấp không được cải thiện Tuy nhiên, cấu trúc và sự

di chuyển của bão được mô phỏng tốt hơn [57] Nghiên cứu của Zou và đồng sự quan tâm tới việc mô phỏng hoàn lưu mực thấp và mô phỏng mưa, các dữ liệu Quickscat được sử dụng trong đồng hóa dữ liệu trong mô hình MM5-SSiB đối với khu vực Hoa kỳ Mô hình được chạy cho cả trường hợp có đồng hóa và không đồng hóa dữ liệu Quickscat, so sánh cho thấy trong trường hợp có sử dụng đồng hóa dữ liệu Quickscat, trường mưa mô phỏng cho kết quả tốt hơn [55] Một nghiên cứu khác sử dụng đồng hóa dữ liệu Quickscat trong cả mô hình toàn cầu và khu vực cũng cho thấy sự cải thiện nhỏ trong trường dự báo, tuy nhiên sự cải thiện này còn phụ thuộc vào sơ đồ đồng hóa dữ liệu được sử dụng [53]

24

Dữ liệu Quickscat được sử dụng trong đồng hóa dữ liệu cho mô hình WRF khi mô phỏng gió ở vĩ độ cao bằng kĩ thuật 3DVAR Dữ liệu Quickscat ở mực 2B với độ phân giải 12.5 km được sử dụng, kết quả phân tích chứng tỏ có

sự phù hợp giữa kết quả mô phỏng với kết quả quan trắc, sai số và độ lệch giảm đáng kể [54] Năm 2007, Xingang Fan và đồng sự đã sử dụng mô hình WRF để

đồng hóa số liệu gió Quickscat ở vùng vĩ độ cao khu vực ven biển Bắc Băng Dương Dữ liệu gió Quickscat với độ phân giải ngang 12.5 km được đồng hóa vào mô hình WRF-VAR để nghiên cứu tác động của dữ liệu Quickscat khi mô phỏng trường gió và gió biển Mô hình được thiết lập với độ phân giải 10 km và

235 x 136 điểm lưới Kết quả sơ bộ cho thấy mô hình WRF kết hợp với số liệu Quickscat có khả năng mô phỏng trường gió rất tốt khi so sánh với các quan trắc tại trạm [52]

1.2.3 Tổng quan về ứng dụng sơ đồ phân tích xoáy nhân tạo

Để nâng cao chất lượng dự bão báo, trường ban đầu cần biểu diễn tốt hơn

vị trí, cấu trúc và cường độ Bài toán thực hiện quá trình này được gọi là ban đầu hóa xoáy bão Theo truyền thống, bài toán ban đầu hóa xoáy bao gồm hai bước:

1) Loại bỏ xoáy phân tích (thường yếu hơn thực tế và sai lệch về vị trí) ra khỏi trường ban đầu để nhận được trường môi trường

2) Xây dựng một xoáy nhân tạo dựa trên một số thông tin quan trắc bổ sung về bão như vị trí tâm, quĩ đạo, cường độ,… (các chỉ thị bão), sau đó cài vào trường môi trường

Những năm gần đây, với sự phát triển của kỹ thuật tính toán, ngoài phương pháp cài xoáy trên đây, người ta còn thực hiện bài toán ban đầu hóa xoáy nhờ kỹ thuật đồng hóa số liệu Với phương pháp này, khái niệm cài xoáy được tiến hành bằng cách đưa vào tập số liệu “giả” nhờ kỹ thuật đồng hóa số

Hình 1.4 Hướng và tốc độ gió 10m trên bề mặt biển từ vệ tinh Quickscat tại thời

điểm 22:48Z ngày 09/07/2009

25

liệu ba chiều (3DVAR)

Trên thế giới, Zou X và Q.Xiao (2000) đã thử nghiệm ban đầu hóa xoáy bão với tập số liệu “giả” từ một số sơ đồ xoáy lý thuyết khác nhau [58,59]; D Baker và cộng sự (2005, 2006) sử dụng hệ thống đồng hóa số liệu của mô hình MM5 (MM5-Var) để thử nghiệm ban đầu hóa xoáy với cơn bão Rusa (2002) [10,55]; Y.-R Guo và đồng sự (2006) chỉ ra sự thành công của đồng hóa số liệu xoáy giả kết hợp với tác động đến thành phần thống kê sai số nền (BES) - là một thành phần quan trọng trong hệ thống đồng hóa số liệu 3DVAR của mô hình WRF Thử nghiệm với cơn bão Haitang (2005) không chỉ cho những cải thiện đáng kể trong vị trí và cường độ bão mà còn cả với trường phân tích của hoàn lưu synốp quy mô lớn khi kết hợp những hiệu chỉnh BES khác nhau với hệ thống đồng hóa này

Ở Việt Nam, bài toán ban đầu hóa xoáy cũng đã được nhiều tác giả đề cập đến [13,14,6,16,17,18] Tuy nhiên trong những nghiên cứu này, các tác giả chủ

yếu sử dụng phương pháp cài xoáy để kết hợp xoáy nhân tạo với trường môi

trường

Hoàng Đức Cường (2004) áp dụng mô hình MM5 cho dự báo hạn ngắn ở Việt Nam đã có nhận định là “khi trong miền tính có sự hoạt động của xoáy thuận nhiệt đới nhất thiết phải sử dụng chức năng cài xoáy của mô hình” và cần

có những nghiên cứu chuyên sâu về các sơ đồ ban đầu hóa xoáy để áp dụng vào

dự báo quĩ đạo bão

Đặng Thị Hồng Nga và cộng sự (2009) nghiên cứu ứng dụng mô hình MM5 dự báo cường độ và quỹ đạo bão ở Việt Nam đã chỉ ra, việc nghiên cứu lựa chọn/cải tiến các sơ đồ vật lý trong mô hình MM5, tham số trong sơ đồ phân tích xoáy đã nâng cao rõ rệt độ chính xác dự báo bão, nhất là cường độ bão

Phan Văn Tân và cộng sự (2009) cũng đưa ra một vài kết quả thử nghiệm được cải thiện đáng kể đối với đồng hóa số liệu xoáy giả với lý thuyết xoáy của Smith trong mô hình WRF

Trần Tân Tiến và cộng sự (2010) nghiên cứu ảnh hưởng của các yếu tố cấu thành xoáy nhân tạo xoáy giả bằng mô hình WRF thử nghiệm đối với cơn bão Lêkima Kết quả chỉ ra rằng trong trường hợp đồng hóa số khí áp mực biển, gió và ẩm cho những cải tiến tương đối khả quan trong bài toán dự báo bão, đặc biệt là về cường độ [20]

1.2.4.Tổng quan về miền tính lồng ghép di động

Kỹ thuật lưới lồng dịch chuyển theo tâm bão được ứng dụng trong các mô hình dự báo bão hiện nay được xem như một công cụ hữu ích để giải quyết những thách thức về độ phân giải và miền tính

Sự thuận lợi của việc sử dụng lưới lồng di động theo bão đó là bão luôn ở tâm của lưới lồng di động, do vậy sai số do tác động ở biên không ảnh hưởng đến cơn bão Hơn nữa, bão được mô phỏng với độ phân giải cao mà không cần phải tích phân trên miền tính lớn Như vậy, công tác dự báo bão sẽ tích kiệm

26

Hình 1.5 Hình ảnh lưới con hệ tọa độ E

với tỉ lệ 3:1 với miền mẹ wb và sb là biên

phía tây và biên phía nam

được thời gian tích phân của mô hình mà vẫn đảm bảo độ phân giải cao trong

mô hình

Trên thế giới, các nhà mô hình khí tượng đã nghiên cứu và thử nghiệm phương pháp dự báo bão bằng lưới lồng ghép di động từ những thập niên 70 Trong đó có hai phương pháp tiếp cận chính trong thiết kế lưới lồng di động cho

dự báo bão Một trong những cách tiếp cận đó là khi lưới con không chồng chập lên lưới mẹ thì hai lưới được kết hợp động, với tích phân theo thời gian cho các điểm lưới ở biên sử dụng các thông tin trên điểm lưới khác (Kurihara, 1979) Một phương pháp khác dễ dàng hơn đó là chuyển đổi các thông tin khí tượng từ lưới tinh sang lưới thô và ngược lại trên các điểm lưới khu vực đồng thời (Phillips và Shukla, 1973)

Tại trường Đại học Miami (UM) đã xây dựng lưới lồng xoáy di động với địa hình và đất sử dụng có độ phân giải cao và đã thành công khi thử nghiệm đối với một số cơn bão như Bonnie (1998), Georges (1998), Floyd (1999), Lili (2002), Fabian và Isabel (2003) Mô hình không giới hạn số lưới lồng để có thể đạt tới độ phân giải 1-2 km UM và NCAR đã nỗ lực cộng tác đáng kể để hiệu chỉnh lưới lồng di động của UM trong mô hình WRF

Lưới lồng ghép di động trong mô hình WRF được mở rộng với nhiều lựa chọn ( điều kiện ban đầu, phản hồi, cấu hình, điều kiện biên…) Mô hình đưa ra hai phương pháp sử dụng lưới lồng ghép di động: xác định (specified) và tự động (automatic) Đối với trường hợp di động xác định, thời gian di chuyển của lưới lồng và số lần di chuyển được

xác định bởi người sử dụng Đối với

trường hợp lưới lồng ghép di động

tự động, lưới lồng ghép được ban

đầu hóa để bao phủ xoáy bão, và

lưới lồng di chuyển để duy trì sao

cho xoáy bão luôn ở tâm của lưới

lồng Lưới lồng di động sử dụng

chủ yếu trong dự báo xoáy thuận

nhiệt đới với kỹ thuật lưới lồng

ghép di chuyển theo bão

Sau khi lưới lồng ghép di

chuyển khoảng cách một ô lưới của

miền tính ngoài, phần lớn dữ liệu

trong miền vẫn không thay đổi Các dữ liệu này không tiến ra các dòng cột ngoài của lưới lưới lồng dịch chuyển tới vị trí mới Một khi miền dịch chuyển, dữ liệu

ở dòng cột bên ngoài rơi vào hai loại: loại bỏ dữ liệu ở đuôi, và nội suy theo chiều ngang ở đầu theo hướng di chuyển của lưới lồng ghép Lưới lồng ghép di động sao cho tâm của bão luôn luôn ở tâm của miền tính, tâm của bão được xác định dựa trên khái niệm áp suất động (Gopalakrishnan, 2002) Kết thúc mỗi bước thời gian của miền tính con, áp suất động trong miền này được xác định

Các trường khí tượng tối thiểu cho mô hình WRF là khí áp mặt biển, nhiệt

độ bề mặt nước biển, nhiệt độ không khí bề mặt, độ ẩm không khí bề mặt, thành phần gió ngang ở độ cao 2m so với bề mặt và độ cao địa thế vị, nhiệt độ không khí, độ ẩm không khí, thành phần gió ngang ở các mực khí áp 1000, 850, 700,

Số liệu cao không để đồng hoá là số liệu nhiệt độ, nhiệt độ điểm sương,

áp suất, hướng gió, tốc độ gió tại các trạm cao không của Việt Nam và khu vực lân cận tại thời điểm 00Z của các tháng 6,7,8 trong hai năm 2008, 2009 Số liệu được cung cấp bởi Khoa Nghiên cứu Khí quyển, thuộc Trường Đại học Kỹ

http://weather.uwyo.edu/upperair/sounding.html

Số liệu vệ tinh MSAT-1R (Nhật Bản) để đồng hoá là số liệu độ ẩm tại khu vực Việt Nam và vùng lân cận được cung cấp bởi Trung tâm DBTƯ, các số liệu cách nhau 30 phút

Số liệu vệ tinh Quickscat (NASA, Mỹ) để đồng hóa là số liệu hướng và tốc độ gió tại khu vực Việt Nam và vùng lân cận tại các thời điểm vệ tinh Quickscat quét qua

Thông tin chỉ thị của bão (sử dụng để cài xoáy) bao gồm tọa độ tâm bão,

áp suất nhỏ nhất tại tâm bão, tốc độ gió lớn nhất ở gần tâm bão được khai thác từ

áp dụng mô hình số dự báo thời tiết

hay khí hậu khu vực hạn chế là đặc

biệt quan trọng Khu vực được chọn

phải bao hàm những đặc điểm địa lý,

địa hình và quá trình khí quyển dẫn

đến sự hình thành và diễn biến thời

tiết và xoáy thuận nhiệt đới Ngoài ra,

miền biên giới hạn khu vực phải thỏa

mãn những nhu cầu của bài toán biên

trong mô hình Nghĩa là, trên miền

biên của mô hình của khu vực nghiên

cứu phải ít phát triển những nhiễu

động thời tiết hay khí hậu mạnh Việc

lựa chọn này vừa đòi hỏi những hiểu biết về cơ chế nhiệt động lực học của sự phát triển thời tiết, xoáy thuận nhiệt đới, khí hậu khu vực nói chung, cơ sở lý thuyết của mô hình nói riêng, vừa đòi hỏi kiểm nghiệm thực tế trong quá trình chạy thử nghiệm mô hình cho khu vực nghiên cứu Hơn nữa, phải xem xét khả năng của máy tính sử dụng để thời gian cần thiết cho việc chạy mô hình đảm bảo được dự báo thực tế nhằm áp dụng trong nghiệp vụ

Để thỏa mãn những yêu cầu trên, sau một thời gian nghiên cứu thử nghiệm cũng như tham khảo ý kiến từ các chuyên gia và trên cơ sở phân tích quy mô không gian của các quá trình khí quyển có thể tác động đến nước ta và khu vực nghiên cứu, chúng tôi đã thử nghiệm xây dựng hai miền tính lồng ghép cho mô hình WRF

• Miền tính 1: Bao gồm 160 x 100 điểm lưới, từ 30-300N, 900-1300E

và độ phân giải ngang là 27km

Miền tính 1 đảm bảo cho mô hình có thể mô tả tốt những nhiễu động quy mô lớn của các hoàn lưu cận nhiệt và ôn đới mang lại, miền tính bao trùm cả biển Đông có thể mô tả tốt các nhiễu động nhiệt đới như ICTZ, xoáy thuận nhiệt đới

• Miền tính 2: Bao gồm 174 x 208 điểm lưới, độ phân giải ngang là 9km

Miền tính 2 bao trùm toàn bộ Việt Nam và bán đảo Đông dương cùng với độ phân giải ngang khá chi tiết sẽ mô phỏng tốt hơn các quá trình quy mô nhỏ

Hệ tọa độ sử dụng trong mô hình là hệ tọa độ η uốn lượn theo địa hình, theo quy ước η =1 tại bề mặt và η =0 tại đỉnh khí quyển

Hình 1.6 Các miền tính của mô hình WRF được lựa chọn cho Việt Nam phục vụ dự báo thời tiết

29

Số mực theo phương thẳng đứng: 27 mực, phân bố không đều từ mặt đất

đến mực xấp xỉ 100mb(η ~ 0) (hình 1.4)

1.3 Các phương pháp đánh giá chất lượng sản phẩm dự báo

Các chỉ tiêu đánh giá sản phẩm thời tiết:

- Độ lệch hay sai số trung bình (Mean Error):

ME

1 1

1

(1.15)

ME nằm trong khoảng (- ∝,+∝) ME cho biết xu hướng lệch trung bình

của giá trị dự báo so với giá trị quan trắc, nhưng không phản ánh độ lớn sai số

ME dương cho biết giá trị dự báo vượt quá giá trị quan trắc và ngược lại ME có

thể được biểu diễn khi lấy giá trị trung bình của dự báo trừ đi giá trị trung bình của quan trắc

- Sai số tuyệt đối trung bình (Mean Absolute Error):

MAE

1

1

(1.16)

MAE nằm trong khoảng (0,+ ∝) MAE biểu thị độ lớn trung bình của sai số

nhưng không nói lên xu hướng lệch của giá trị dự báo và giá trị quan trắc

- Sai số bình phương trung bình (Root Mean Square Error):

t y E MSE

, 2

RMSE biểu thị độ lớn trung bình của sai số

t y E

, 2

Cả MSE và RMSE chỉ bằng không khi và chỉ khi giá trị quan trắc và giá

trị quan trắc bằng nhau tại mọi điểm trong không gian

- Xu hướng tần suất xuất hiện (Frequency Bias):

M H

F H FBI

F (False alarms) là số dự báo mưa không xuất hiện lớn hơn một ngưỡng

được chọn nào đó nhưng thực tế không xảy ra

30

M (Misses) là số thám sát mưa lớn hơn một ngưỡng được chọn nào đó mà

mô hình không dự báo được

Điểm số FBI là tỷ số giữa vùng mưa đã được dự báo và vùng mưa đã quan trắc được, giá trị của FBI nằm trong khoảng -∞ ≤ FBI ≤ +∞ Như vậy, với những FBI hoàn hảo thì chỉ số FBI tiến tới 1

Điểm số FBI được sử dụng để đánh giá khuynh hướng dự báo diện mưa

của mô hình cao hơn hay thấp hơn so với thực tế (không đánh giá sự chính xác

về lượng) FBI=1,0 khi vùng mưa dự báo trùng với vùng mưa thực tế tại một ngưỡng được chọn nào đó

- Điểm số báo hiệu (Threat score):

Điểm số TS được tính bằng tỷ số giữa vùng giao nhau của hai tập số liệu

dự báo và thám sát, giá trị của TS nằm trong khoảng 0 ≤ TS ≤ 1 TS nói lên mức

độ trùng khớp giữa vùng mưa dự báo và vùng mưa thám sát

M F H

H TS

+ +

Khi TS=1 có nghĩa là dự báo mưa là hoàn hảo, vùng mưa dự báo trùng

với vùng mưa thám sát Đặc tính của điểm số này là rất nhạy đối với các dự báo mưa xuất hiện là đúng, nhưng lại không quan tâm tới các trường hợp không dự báo được sự xuất hiện của hiện tượng và số lần dự báo sai

Điểm số này không nói lên nguồn gốc của sai số dự báo Trong các mùa khác nhau, điểm số này bị ảnh hưởng bởi tần suất khí hậu Khi so sánh giá trị

của giữa hai điểm số FBI và TS, người ta có thể rút ra nhận xét về sản phẩm dự

báo của mô hình

- Xu hướng phát hiện hiện tượng (Probability of Detection of Event): Điểm số POD được tính bằng tỷ số giữa số dự báo đúng xuất hiện mưa

lớn hơn một ngưỡng chọn trước nào đó trên tổng số lần thám sát có mưa

M H

H POD

+

Điều đó có nghĩa là dự báo đúng bao nhiêu phần trăm so với thực tế Giá trị của POD nằm trong khoảng 0 ≤ POD ≤ 1 Trong trường hợp POD=1, thì mô hình dự báo hoàn hảo Cũng tương tự như chỉ số TS, điểm số POD rất nhạy khi

sự giao nhau giữa vùng dự báo và thám sát là lớn, nhưng lại không quan tâm tới các trường hợp không dự báo được sự xuất hiện của hiện tượng và số lần dự báo sai, POD cũng bị ảnh hưởng bởi tần suất khí hậu khi xét trong các mùa khác nhau Có thể cải tiến bằng cách cho nhiều dự báo có, để tăng phần giao nhau giữa vùng dự báo và thám sát, khi đó POD sẽ tăng lên Tuy nhiên, điểm số này nên dùng kết hợp với điểm số FAR

- Tỉ lệ báo động sai (False Alarm Ratio):

31

Điểm số FAR được tính bằng tỷ số giữa số dự báo mưa không xuất hiện

lớn hơn một ngưỡng được chọn nào đó nhưng thực tế không xảy ra trên tổng số lần dự báo có mưa Điều này có nghĩa là dự báo sai bao nhiều phần trăm trong

tổng số lần dự báo Giá trị của FAR nằm trong khoảng 0 ≤ FAR ≤ 1 Giá trị hoàn hảo của FAR là khi bằng 0, tức là mô hình dự báo hoàn hảo FAR rất nhạy đối

với vùng báo động sai, không quan tâm đến vùng sự kiện nhỡ Và điểm số này không quyết định trực tiếp đến chất lượng dự báo

F H

F FAR

+

Chỉ tiêu đánh giá dự báo bão

Đối với quỹ đạo: Đánh giá bằng sai số vị trí (Khoảng cách giữa tâm bão thực tế

và tâm bão dự báo):

n

i j i j

PE MPE

ATE > 0: tâm bão dự báo nằm phía trước tâm bão quan trắc

ATE < 0: tâm bão dự báo nằm phía sau tâm bão quan trắc

CTE > 0: tâm bão dự báo nằm phía phải tâm bão quan trắc

CTE < 0: tâm bão dự báo nằm phía trái tâm bão quan trắc

Với quy ước này nếu sai số ATE trung bình (MATE) nhận giá trị dương

có nghĩa tâm bão dự báo có xu thế di chuyển dọc theo quỹ đạo nhanh hơn so với thực và ngược lại, MATE nhận giá trị âm thì tâm bão dự báo có xu thế di chuyển dọc theo quỹ đạo chậm hơn Sai số CTE trung bình (MCTE) dương cho thấy quỹ đạo bão có xu thế lệch phải còn MCTE âm cho thấy xu thế lệch trái so với quỹ đạo thực

, 1

n

i j i

ATE MATE

n

=

=∑

(1.25)

32

, 1

n

i j i

j

CTE MCTE

n

=

(1.26) Trong đó i là dung lượng mẫu (i=1,n), j là hạn dự báo (j=0, 6, 12, 18…72)

Đối với cường độ bão, đánh giá kết quả dự báo bằng giá trị chênh lệch của trị số

áp suất thấp nhất tại tâm bão (hPa) theo dự báo và theo giá trị thực tế (Pmin dự báo –Pmin quan trắc) và giá trị chênh lệch tốc độ gió lớn nhất ở gần tâm bão (m/s) theo dự báo và theo giá trị thực tế (Vmax dự báo – Vmax quan trắc)

33

CHƯƠNG 2 LỰA CHỌN CÁC SƠ ĐỒ THAM SỐ HÓA VẬT LÝ TRONG MÔ HÌNH

WRF DỰ BÁO THỜI TIẾT CHO VIỆT NAM 2.1 Các sơ đồ tham số hóa vật lý trong mô hình WRF

Các sơ đồ tham số hoá các quá trình vật lý trong mô hình WRF rất phong phú, tạo điều kiện thuận lợi cho các đối tượng sử dụng khác nhau Hiện nay, các quá trình vật lý được mô tả trong mô hình (tham số hoá) bao gồm: Các quá trình vật lý vi mô, tham số hoá đối lưu, bức xạ sóng ngắn, phát xạ sóng dài, xáo trộn lớp biên (PBL), các lớp bề mặt, các quá trình đất - bề mặt (mô hình đất), khuếch tán

2.1.1 Sơ đồ tham số hóa đối lưu

Đối lưu khí quyển là một hiện tượng bao trùm hầu như toàn bộ khí quyển

từ xích đạo đến hai cực, tuy nhiên càng về phía xích đạo đối lưu càng phát triển mạnh hơn Hiện tượng này thường hình thành từ bề mặt trái đất, trên lục địa cũng như trên biển, phát triển lên đến các tầng khí quyển trên cao Đối lưu phát triển đặc biệt phức tạp và mạnh tại khu vực nhiệt đới, ảnh hưởng của mây đối lưu có khi lên tới mực cách mặt đất 16km hoặc hơn Đối lưu có vai trò quan trọng trong sự hình thành thời tiết như dông, bão ở tầng đối lưu, do vậy hiện tượng đối lưu được tính đến trong cả mô hình số trị quy mô lớn (mô hình toàn cầu) cũng như trong mô hình số trị khu vực hạn chế Tuy nhiên, do hiện tượng đối lưu có quy mô dưới lưới, nên trong các mô hình phải sử dụng các sơ đồ tham

số hóa đối lưu để mô phỏng quá trình

Trong mô hình WRF cho phép lựa chọn trong mảng tham số hóa đối lưu các sơ đồ sau:

- None: Không tham số hóa đối lưu trong trường hợp kích thước ô lưới nhỏ hoặc vào khoảng 5-10km

- Sơ đồ Grell: Phiên bản mô hình mây một chiều của Arakawa-Schubert

có tính đến dòng giáng và được áp dụng đầu tiên trong mô hình MM5 (mô hình gốc của mô hình WRF)

- Sơ đồ Kuo: Đại diện cho các sơ đồ tham số hóa đối lưu được xây dựng dựa trên khái niệm bất ổn định điều kiện loại hai, là loại bất ổn định gây ra bởi

ma sát bề mặt và tỏa nhiệt ẩm ngưng kết

- Sơ đồ Betts-Miller: Sơ đồ thuộc nhóm thích ứng đối lưu, được đưa ra để

mô tả trực tiếp trạng thái cân bằng trong đối lưu sâu

- Sơ đồ Arakawa-Schubert: Sơ đồ mây nhiều mực Mật độ mây thừa nhận

sự chuyển tiếp trong dòng thăng giáng, thích hợp với quá trình quy mô lớn và kích thước ô lưới lớn hơn 30km

34

- Sơ đồ Fritsch-Chappell: Thích hợp với quy mô có kích thước ô lưới từ 20-30km trong khi thừa nhận sơ đồ mây đơn và sự bất cân bằng tự nhiên địa phương

- Sơ đồ Kain-Fritsch với hai phiên bản KF và KF2: tương tự như sơ đồ Fritsch-Chappell nhưng được dùng lý thuyết của sơ đồ mây xáo trộng để xác định sự thăng, giáng Sơ đồ này dự báo cho cả dòng chuyển động thăng, giáng

Sau đây chúng tôi nghiên cứu chi tiết 3 sơ đồ tham số hóa đối lưu sau:

- Sơ đồ tham số hóa đối lưu Kain-Fritsch

- Sơ đồ tham số hóa đối lưu Betts-Miller-Janjic

- Sơ đồ tham số hóa đối lưu Grell-Devenyi

a) Sơ đồ tham số hóa đối lưu Kain-Fritsch (KF) 

Sơ đồ KF được xây dựng dựa trên cơ sở một sơ đồ trước đó của Chappell, các biến quy mô lưới bị biến đổi bởi đối lưu sâu theo sơ đồ KF là: nhiệt độ T và độ ẩm riêng qv Các đại lượng này được tính bởi sơ đồ KF theo hai phương trình sau đây:

c

L t

ẩm và nhiệt độ sau:

( )

c CONV

T T t

q q

)()(

T

z T z T g

Trong đó, dấu mũ (^) ký hiệu các đại lượng bị hiệu chỉnh tại mỗi bước lặp, bởi vì quá trình tính đối lưu là một quá trình lặp Như vậy, dấu bằng (=) trong phương trình (2.6) được hiểu là tiến dần đến 0 Nếu τc là chu kỳ thời gian tính toán đối lưu, thuật toán của sơ đồ được xây dựng sao cho giá trị này nằm trong khoảng 30 đến 60 phút

Phương trình (2.6) là giả thiết cơ bản của sơ đồ KF, coi rằng ảnh hưởng của đối lưu sâu của quy mô dưới lưới lên các biến quy mô lưới phụ thuộc trực tiếp vào năng lượng đối lưu ABE Do vậy (2.6) đóng vai trò giả thiết khép kín

và quá trình tính ảnh hưởng của đối lưu thực chất là quá trình loại bỏ năng lượng bất ổn định ABE Đó cũng chính là quá trình làm cho khí quyển trở lại ổn định,

mà trước đó cột khí quyển có thuộc tính bất ổn định, gây ra bởi dòng quy mô lớn Sai số cho phép khi thực hiện quá trình lặp trên máy tính, chỉ đòi hỏi giả thiết khép kín được thỏa mãn khi năng lượng bất ổn định ABE còn lại dưới 10%

so với năng lượng ABE trước khi kích hoạt đối lưu:

10,00

Công thức tính nhiệt độ và độ ẩm bằng giá trị trung bình theo ba trọng số của tỷ lệ các diện tích AU, Ad và Ae tương ứng là:

A

z A z T z A z T z A z T z

)(

A

z A z q z A z q z A z q z

v

)()()()()()()(

bề dày tối thiểu của mây Vì vậy sẽ chọn sơ đồ KF2 đại diện cho nhóm sơ đồ Kain-Fritsch để nghiên cứu thử nghiệm

36

b) Sơ đồ tham số hóa đối lưu Betts-Miller-Janjic

Đây là sơ đồ tiêu biểu cho nhóm sơ đồ thích ứng đối lưu Sơ đồ này được đưa ra để mô tả trực tiếp trạng thái cân bằng trong đối lưu sâu Cấu trúc nhiệt động lực được chia thành hai trạng thái riêng biệt: đối lưu sâu và đối lưu nông Việc đầu tiên trong quy trình thực hiện sơ đồ tham số hóa đối lưu này là xác định quy mô thời gian hiệu chỉnh, xác định đỉnh và chân mây, xác định các profile quy chiếu đối với đối lưu nông và đối lưu sâu, sau đó xác định chúng trong mô hình Giáng thủy (PR) được tham số hóa qua quá trình hiệu chỉnh dưới dạng:

g

dp q q PR

T B

Sơ đồ Betts-Miller-Janjic đầu tiên không chú trọng vai trò của các dòng giáng trong đối lưu, mặc dù ép buộc bảo toàn năng lượng có thể dẫn tới nhiệt độ lớp biên giảm và do vậy gây ra dòng giáng Sơ đồ Betts-Miller-Janjic hoàn thành năm 1993 đã khắc phục được nhược điểm này

c) Sơ đồ tham số hóa đối lưu Grell-Devenyi

Sơ đồ tiêu biểu cho nhóm sơ đồ tham số hóa đối lưu thuộc nhóm thứ ba, nhóm sơ đồ này phải xác định được đặc tính của từng loại mây tích và vai trò của chúng trong quá trình trao đổi nhiệt ẩm của khí quyển Sơ đồ Grell-Devenyi

là phiên bản mô hình mây một chiều của Arakawa-Schubert có tính đến dòng giáng và được áp dụng đầu tiên trong mô hình gốc MM5 Trong sơ đồ giả thiết không có sự xáo trộn trực tiếp giữa không khí mây với môi trường trừ ở đỉnh mây và chân mây Thông lượng khối dòng thăng (ma) và thông lượng khối dòng giáng (md) được giả thiết là không đổi theo độ cao Vì vậy ta có:

dABE dt

37

bình lưu, bức xạ, Dựa theo các mối liên hệ của 3 phương trình nêu trên có thể

tính được giá trị mb

2.1.2 Sơ đồ vi vật lý mây

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 Các sơ đồ sau chủ yếu nghiên cứu các quá trình của hơi nước, sự

tạo thành mây, sự hình thành và rơi xuống của giáng thủy lỏng, tuyết hoặc

sương 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

Loại sơ đồ Số lượng biến Pha băng Pha hỗn hợp

Lựa chọn mặc định của mô hình WRF trong mảng vật lí vi mô là sơ đồ

mây, giáng thủy theo lưới Eta (EtaGCP) Sơ đồ này được biết đến như EGSPO1

hoặc sơ đồ Eta Ferier Sơ đồ này dự báo những thay đổi của hơi nước ngưng tụ

trong các dạng mây chứa nước, mây gây mưa, mây chứa băng, giáng thủy băng

(tuyết, băng hòn, mưa đá) Những trường ẩm riêng được sơ đồ tính trong tổng sự

ngưng tụ: là hơi nước ngưng tụ tổng cộng được tính như là bình lưu trong mô

hình