Báo cáo nghiên cứu khoa học " Dự báo dông ở bắc bộ " pdf

Các phương pháp dự báo dông trên thế giới chủ yếu dựa vào các chỉ số đặc trưng cho độ bất ổn định của khí quyển.. Các chỉ số thường dùng là LI Liftid index, CAPE Convective Available Po

Dự báo dông ở bắc bộ Trần Tân Tiến, Nguyễn Thế Vinh, Đặng Thị An

Khoa Khí tượng-Thuỷ văn và Hải dương học Trường Đại học Khoa học Tự nhiên, ĐHQG Hà Nội

1 Mở đầu

Mọi hoạt động trong đời sống xã hội của con người đều trực tiếp chịu ảnh hưởng của các điều kiện thời tiết, nhất là các hiện tượng thời tiết nguy hiểm như bão, mưa lũ, lốc, tố và dông Những hiện tượng thời tiết nguy hiểm trên đặc biệt là dông ảnh hưởng lớn đến hiệu quả của các ngành kinh tế như hàng không, hàng hải, du lịch, bưu chính viễn thông Vì vậy việc dự báo dông là một vấn đề cấp bách đặt ra hiện nay

Có rất nhiều phương pháp để dự báo dông song theo ươc tính cho thấy dự báo bằng mô hình chỉ đúng được khoảng 10% còn lại do kinh nghiệm đạt 30% và theo bản năng là 60% Các phương pháp dự báo dông trên thế giới chủ yếu dựa vào các chỉ số

đặc trưng cho độ bất ổn định của khí quyển Các chỉ số thường dùng là LI ( Liftid index), CAPE (Convective Available Potention Eneregy ), độ đứt của gió, gió trên các mặt đẳng áp, nhiệt độ, độ ẩm v.v…Trong bài báo này chúng tôi sử dụng kết quả dự bảo trường địa thế vị , nhiệt độ, điểm sương của mô hình bất thủy tĩnh ETA để tính toán các chỉ số bất ổn định và xây dựng phương trình dự báo dông cho từng trạm thuộc Bắc

bộ

2 Mô hình ETA

Mô hình khu vực hạn chế ETA do trường đại học Belgrade và Viện Khí tượng Thủy văn Federal – Belgrade cùng với Trung tâm Khí tượng Quốc gia Mỹ xây dựng Mô hình liên tục được thay đổi thông qua các hội thảo hàng năm của các chuyên gia về mô hình trên thế giới đang sử dụng ETA Mô hình ETA hiện nay được NCEP cải tiến trở thành một trong các mô hình số trị chạy nghiệp vụ dự báo ngắn hạn tại Mỹ Trên thế giới có nhiều nước sử dụng như Nam Tư, Hy Lạp, Italy, Nam Mỹ… Phiên bản mới nhất của mô hình ETA không thuỷ tĩnh được hoàn thiện và sử dụng tại Đại học tổng hợp Hy Lạp đứng đầu là giáo sư G.Kaloss Hiện nay nhóm nghiên cứu dự báo khí tượng trường

Đại học Khoa học tự nhiên - ĐHQGHN với sự giúp đỡ của giáo sư G Kaloss đã áp dụng thành công mô hình này vào dự báo thời tiết ở Việt Nam

2.1 Hệ phương trình thủy nhiệt động lực học của mô hình ETA

Trước hết ta xét hệ tọa độ thẳng đứng sigma (σ)

π π

=

trong đó, π là áp suất thủy tĩnh, à là hiệu số giữa áp suất thủy tĩnh bề mặt và đỉnh mô hình, tức là:

56

ở đây, πs và πt là áp suất thủy tĩnh tại bề mặt và đỉnh của mô hình Với hệ tọa độ này thì hệ phương trình nhiệt động lực bất thủy tĩnh có dạng sau (Janjic et al., 2001) [27]:

1) Phương trình cho xu thế khí áp:

∂

∂

1

0

2) Phương trình trạng thái:

3) Phương trình của độ cao địa thế vị:

σ

p

RT à Φ

4) Phương trình của các thành phần gió ngang:

dt

d

σ

ε ) 1

5) Phương trình của xu thế nhiệt độ (bảo toàn năng lượng):

p p

p

c

Q t t

p c

d p

c

T T

= t

T

+

∂

∂ +

ư

∂

∂ +

′

∫ ∇ +

ư

∇ +

∂

∂

ư

∇

ư

∂

∂

•

•

•

] ) 1 ( [

] ) ( ) 1 ( [

0

π ε α

σ à ε

α σ

(7)

∂

∂ 1

6) Phương trình của tốc độ thẳng đứng:

σ

σ t

g dt

d g

∂

∂ +

∇ +

∂

∂

=

&

σ

w σ w t

w g dt

dw

∂ +

∇ +

∂

∂

=

7) Phương trình đối với tỷ số hỗn hợp q, phương trình dự báo có dạng:

dt

ở đây, S là nguồn ẩm, v là vector gió ngang, p là áp suất không thủy tĩnh, R là hằng số khí của không khí khô, T là nhiệt độ, Φ là địa thế vị và Φs là địa thế vị tại bề mặt đất

Hệ phương trình (1)-(11) là hệ phương trình thuỷ nhiệt động lực học cho khí quyển không thuỷ tĩnh Trường hợp ε = 0, mô hình trở về trường hợp thuỷ tĩnh Trong khí quyển rối, thì các phương trình chuyển động, nhập nhiệt, ẩm có thêm các thành phần mô tả xáo trộn rối thẳng đứng

Theo đánh giá của NCEP thì mô hình ETA cho kết quả dự báo khá tốt ở miền nhiệt đới, đặc biệt là khu vực đồi núi Với toạ độ địa hình η, mô hình có thể nắm bắt

được dòng chuyển động cưỡng bức địa hình tạo điều kiện thuận lợi cho đối lưu phát triển

Vì vậy việc sử dụng kết quả của mô hình bất thuỷ tĩnh ETA tính toán các chỉ số bất ổn định để dự báo dông là rất khả quan

3 Tính toán các chỉ số để dự báo dông theo mô hình ETA

Chúng tôi tính toán 3 chỉ số để dự báo dông theo mô hình ETA là: chỉ số Boyd, chỉ

số TT, chỉ số KI

3.1 Chỉ số Boyd:

Công thức toán học của chỉ số Boyd:

1

trong đó:

Z700 là độ cao địa thế vị ở mực 700mb (m2/s2)

Z1000 là độ cao địa thế vị ở mực 1000mb (m2/s2)

T700 là nhiệt độ tại mực 700mb (K0)

Chỉ số Boyd mô tả profile nhiệt độ thẳng đứng giữa mực 1000mb và 700mb

3.2 Chỉ số KI:

Công thức toán học của chỉ số KI:

trong đó:

T850 là nhiệt độ tại mực 850mb (K0)

T500 là nhiệt độ tại mực 500mb (K0)

Td850 là nhiệt độ điểm sương tại mực 850mb (K0)

Td700 là nhiệt độ điểm sương tại mực 700mb (K0)

3.3 Chỉ số TT:

Công thức toán học của chỉ số TT:

T T

T

TT

500 850 500

trong đó:

T850 là nhiệt độ tại mực 850mb (K0)

T500 là nhiệt độ tại mực 500mb (K0)

Td850 là nhiệt độ điểm sương tại mực 850mb (K0)

Số liệu cho mô hình ETA được cập nhật từ mô hình AVN hàng ngày từ 10h30 đến 11h30 Trường số liệu của mô hình AVN có độ phân giải ngang 10ì10 kinh vĩ (tương

đương 111km) trên 26 mực theo chiều thẳng đứng những tệp số liệu này được cung cấp miễn phí trên Internet ở các thời điểm 00Z, 06Z, 12Z và 18Z Nhưng trường số liệu của mô hình AVN chưa phù hợp với trường số liệu của mô hình ETA nên được nội suy về trường số liệu phù hợp với mô hình ETA bằng một chương trình Fortran

Quá trình chạy và hiển thị kết quả của mô hình là 1h30 phút, kết quả dự báo các trường khí tượng như khí áp, nhiệt độ, gió, độ ẩm được ghi ra từng tiếng một Để tính

được các chỉ số dông Boyd, TT và KI ở các thời điểm 1,2,3 giờ chúng tôi cần lấy ra các trường số liệu của các yếu tố: Z1000, Z700, T850,Td850, T700, Td700, T500 tại thời điểm đó Mô hình ETA chạy dự báo cho 48 giờ chúng tôi lấy ra 336 trường số liệu mỗi trường gồm

12285 điểm (105 x117 với 7 yếu tố từng giờ một Miền tính từ kinh độ từ 96 đến 1250 và

vĩ độ từ 10 đến 250, độ phân giải ngang là 0.25 x 0.25

Đã lập trình tính toán các chỉ số Boyd, KI, TT cho tất cả các điểm (tức 12285

điểm) dựa vào 7 yếu tố: Z1000, Z700, T850,Td850, T700, Td700, T500 và được trường chỉ số dông Chúng tôi thu được chỉ số dông tại các thời điểm cách nhau 1 giờ một theo kết quả dự báo 48 giờ của mô hình ETA Tiến hành nội suy chỉ số dông về trạm để nhận được các chỉ số ở mỗi giờ tại các trạm quan trắc Các trạm là các sân bay có quan trăc dông : Nội Bài, Cát Bi, Đà Nẵng, Điện Biên, Vinh, Phú Bài, Nà Sản.Với chuỗi số liệu trên đã sử dụng phương pháp phân lớp để tìm phương trình dự báo

4 Xây dựng phương trình dự báo dông cho khu vực Bắc Bộ

4.1 Nguồn số liệu:

Chúng tôi xử lý kết quả của mô hình ETA và tính chỉ số dông cho từng điểm trạm vào tất cả các giờ 00h, 01h, 02h, , 24h,…, 48h Như vậy chúng tôi sẽ thu được chỉ số dông từng giờ một trong hai ngày tại 7 trạm Tại 7 trạm này thì cứ 30 phút một lần quan trắc dông Chúng tôi xử lý kết quả quan trắc theo quy định sau: Tổng hợp 2 lần phát báo liên tiếp lại tính cho kết quả quan trắc dông một giờ (phát báo một lần tại thời

điểm trùng với thời điểm tính các chỉ số và phát báo lần liên tiếp có nghĩa là 30 phút sau)

Bảng 1: Minh hoạ sự quy định hiện tượng dông

Sau khi quy định như trên, chúng tôi lập trình chương trình đọc số liệu phát báo

7 trạm trên, kết hợp với số liệu tính toán các chỉ số Boyd, chỉ số KI và chỉ số TT ta lập

được chuỗi số liệu để dự báo dông ở các trạm

Mô hình ETA chạy từ tháng 2 đến tháng 5 chúng tôi thu được một tập số liệu như dã mô tả Sử dụng chương trình phân để tính toán với chuỗi số liệu đã có đã tìm được hàm phân lớp dự báo dông

4 2 Phương pháp đánh giá kết quả

Người ta có nhiều phương pháp để đánh giá kết quả, nhưng trong bài báo về dự báo dông này chúng tôi sử dụng phương pháp đánh giá kết quả dự báo pha (có hay không có dông) Độ chính xác của phương pháp dự báo được xác định theo công thức sau:

N

trong đó:

N: Tổng số lần dự báo

N11: Số lần dự báo đúng pha có dông

N22: Số lần dự báo đúng pha không có dông

Về nguyên tắc, chọn phương pháp dự báo nào có U lớn nhất Thực tế chỉ sử dụng

U để đánh giá thì không đủ, vì vậy cần phải đánh giá theo một tiêu chuẩn nữa gọi tiêu chuẩn độ tin cậy H:

U U

U H

0

0

1ư

ư

trong đó:

U0 là độ chính xác toàn phần của dự báo ngẫu nhiên

Với U0 = 0,5 H > 0,2 thì kết luận chỉ tiêu này sử dụng cho kết quả tốt

4.3 Đánh giá kết quả

Chúng tôi xác định:

- Yếu tố dự báo là hiện tượng dông có xuất hiện hay không

- Nhân tố dự báo là ba chỉ số Boyd, KI và TT

Chúng tôi lần lượt đổ các nhân tố dự báo và phân lớp thu được các kết quả như sau:

4.3.1 Sử dụng một chỉ số làm nhân tố dự báo:

Bảng 2: Kết quả phân lớp của chỉ số Boyd:

Bảng 3: Kết qủa phân lớp của chỉ số TT:

Bảng 4: Kết quả phân lớp của chỉ số KI:

Sau khi đổ vào chương trình phân lớp ta thu được ngưỡng của các chỉ số TT (43.236), chỉ số KI (582.8) và chỉ số Boyd (-176.004), trong đó hai chỉ số KI và TT dự báo không tốt bằng chỉ số Boyd vì chỉ số Boyd dự báo đúng 65.985% với độ tin cậy là 0.3197 trong khi đó hai chỉ số KI và TT chỉ dự báo đúng 55.040% và 59.032% với độ tin cậy nhỏ hơn 0.2 Vì vậy ta có thể kết luận được rằng chỉ số Boyd có thể được sử dụng để dự báo dông

4.3.2 Sử dụng hai chỉ số làm hai nhân tố dự báo:

Bảng 5: Kết quả phân lớp của chỉ số Boyd và TT:

Bảng 6: Kết quả phân lớp của chỉ số Boyd và KI:

Bảng 7: Kết quả phân lớp của chỉ số KI và TT:

Kết quả phân lớp thu được cho thấy việc sử dụng hai chỉ số làm hai nhân tố dự báo cho kết quả khả quan hơn và khả năng dự báo chính xác hơn việc sử dụng một chỉ

số làm nhân tố dự báo

Kết quả dự báo kết hợp hai chỉ số Boyd và KI có thể đúng tới 69.051% với hàm phân lớp I = 133.97KI + 6.2127Boyd – 76984.256 và độ tin cậy 0.381

Tổ hợp hai chỉ số Boyd và TT cũng cho kết quả tốt hơn đúng tới 65.985% với độ tin cậy 0.3197 và cũng tìm được hàm phân lớp I = 14.744TT + 6.199Boyd + 823.13 Việc tổ hợp hai chỉ số KI và TT cho kết quả không tốt chỉ dự báo đúng 58,905% với độ tin cậy 0.1781

Như vậy ta có thể tìm được hai phương trình phân lớp:

• I = 133.97KI + 6.2127Boyd – 76984.256

• I = 14.744TT + 6.199Boyd + 823.13

Có thể dự báo dông với độ tin cậy lớn hơn 0.2

4.3.3 Sử dụng ba nhân tố làm ba nhân tố dự báo:

Bảng 9: Kết quả phân lớp của ba chỉ số Boyd, KI và TT:

Kết quả phân lớp cho thấy sử dụng cả ba chỉ số để dự báo cho kết quả tốt nhất với

dự báo đúng là 69.270% và độ tin cậy 0.385

Hàm phân lớp trên đã kiểm nghiệm trên chuỗi số liệu độc lập của 5 trạm trong

6 ngày 06, 07, 14, 15, 25, 26 của tháng 6 năm 2004 gồm 720 trường hợp Kết quả dự báo

U = 68.841% với độ tin cậy H = 0.3768.Như vậy phương trình tìm được có thể đưa vào thử nghiệm cho dự báo nghiệp vụ ở Việt Nam

Đây là kết quả nghiên cứu của đề tài CB 733104 Công trình hoàn thành với sự

hỗ trợ của chương trình nghiên cứu cơ bản năm 2005

Tài liệu tham khảo

1 Trần Công Minh, Khí tượng Synôp phần Nhiệt đới, Đại học Quốc gia Hà Nội, Hà Nội, 2001

2 Trần Tân Tiến, Đối lưu khí quyển, Đại học Quốc gia Hà Nội, Hà Nội, 2002

3 Trần Tân Tiến, Nguyễn Đăng Quế, Xử lý số liệu khí tượng và dự báo thời tiết bằng phương

pháp thống kê vật lý, Đại học Quốc gia Hà Nội, Hà Nội, 2002

4 Haklander A.J., Delden A.V

5 Thunderstorm predictors and their forecast skill for the Netherlands

6 Atmospheric Research 67-68(2003) 273-299

7 Thunderstorm forecasting guide

8 http://www.downunderchase.com/storminto/stormguide

VNU JOURNAL OF SCIENCE, Nat., Sci., & Tech., T.xXII, n 0 1AP., 2006

THUNDERSTORM FORECAST IN THE NORTH OF VIETNAM

Tran Tan Tien, Nguyen The Vinh, Dang Thi An

Department of Hydro-Meteorology & Oceanography

College of Science, VNU

Using prediction fields of geopotential, temperature, moistue given by ETA every hour, some unstable indexes of the atmosphere at a model grid point are calculated The indexes include Boyd, KI and TT These indexes are interpolated into the positions

of weather stations, where thunderstorms are observed every 30 minute The series of these indexes and thunderstorms are used to establish discriminative functions The functions are tested using independent and dependent data The results of the tests show that discriminative function with 3 variables may be used for thunderstorm forecast in the North of Vietnam in meteorological operations