Thời tiết và khí hậu - Phần 5 Hoạt động con người - Chương 13 pot

Do đó, một sự báo dựa trên khí hậu có thể có một khả năng đúng vừa phải đối với Orlando trong thời gian mùa hè, song chỉ có ai thực sự bạo gan mới m‡u tính dự báo nh‡ vậy cho Chicago vo

Phần 5 - Hoạt động của con ng{ời

Các nhân viên dự báo của Cơ quan Thời tiết Quốc gia (NWS) đã bỏ ra một phần lớn thời gian lm việc mỗi ngy để trả lời điện thoại với những câu hỏi về thời tiết sắp tới Đôi khi ng‡ời ta muốn biết ván golf của mình có bị m‡a không hoặc lnhững cây cảnh ngoi trời của họ có thể bị tổn th‡ơng do s‡ơng muối ban đêm hay không Nh‡ng những khía cạnh quan trọng nhất của công việc của một nhân viên

dự báo không can dự đến những chuyện tiện nghi hay không đơn thuần, m lnhững câu hỏi liên quan tới những vấn đề sống sót hay chết

Đó l tr‡ờng hợp đối với Mark Moede, nh khí t‡ợng học với Phòng dự báo của NWS ở San Diego Cuối tháng 8 năm 1998, phần lớn miền nam California đã bị đe dọa bởi những vụ cháy do hoạt động dông sét nặng bất th‡ờng phát sinh Các nhân viên cứu hỏa chiến đấu với lửa đã nhận đ‡ợc những tin cập nhật liên tục về điều kiện thời tiết có thể ngăn chặn hoặc l khích lệ sự lây lan của đám cháy Vo ngy 2 tháng 9 tình huống đã đạt tới giai doạn đỉnh điểm của nó Pete Curran, nhân viên của Cục phòng hỏa quận Orange, đã duy trì liên lạc trực tiếp với Moede nhằm cập nhật liên tục về một loạt các trận lốc tố đang tới Vấn đề l liệu lốc tố có tiếp tục mạnh lên hay không, hoặc l liệu lốc tố có đi qua những khu vực nơi những ng‡ờichữa cháy đang tác nghiệp hay không Nếu gió bão đi theo đ‡ờng đó, thì gió mạnh, sấm sét nguy hiểm v m‡a ro mù mịt sẽ đ‡a các đội cứu hỏa của Curran vo thế nguy hiểm Nhờ trợ giúp của rađa Doppler v thông tin từ các trạm thời tiết tự

động, Moede đã có một cú thông báo điện thoại đúng đắn Ông đã khuyên Curran rút các đội của mình khỏi tuyến đi xác suất cao của cơn bão, nơi gió trên 95 km/h tạo nên một trận bão lửa không thể kiểm soát nổi Về sau, những ng‡ời chữa cháy

đã báo cáo lại rằng tuyến ho ngăn lửa m họ sơ tán khỏi đã bị thiêu trụi honton Nếu nh‡ cuộc gọi yêu cầu sơ tán không đ‡ợc thực hiện, thì rất có thể l một số lính chống cháy đã bị giết chết

Ch‡ơng ny thảo luận những ph‡ơng pháp m các nh dự báo sử dụng để thực hiện nhiệm vụ của họ Đầu tiên chúng ta xem xét một số vấn đề quan trọng liên quan tới khái niệm chung về dự báo thời tiết v sau đó bn luận những ph‡ơngthức thu nhận v xử lý các dữ liệu cần thiết Sau nữa, chúng ta nghiên cứu các loại bản đồ thời tiết khác nhau v chúng đ‡ợc dùng nh‡ thế no trong khi phân tích thời tiết

Vì sao dự báo thời tiết ch~a ho†n thiện

Tất cả chúng ta đã từng có những kế hoạch tỉ mỉ bị phá vỡ bởi một dự báo thời tiết xấu v cũng rất nhanh nhạy tìm ra lỗi khi những điều kiện thực khác với dự báo Nh‡ vậy, điều ẩn chứa bên trong thái độ phê phán nh‡ vậy chính l phải nhận thức đ‡ợc rằng các dự báo cần phải đúng đắn v rằng không có chuyện xin lỗi đối với một sai lầm Vậy tại sao các dự báo th‡ờng hay sai? Mặc dù, với những máy tính rất mạnh, vệ tinh, rađa v mạng l‡ới thông tin ton cầu, có vẻ nh‡ lm một dự báo tốt phải rất dễ Tuy nhiên, dù đa số công chúng có thể nghĩ nh‡ thế, song honton không phải nh‡ vậy - thật ra, việc dự báo thời tiết đúng l cực kỳ khó

Để thấy tại sao, hãy hình dung bạn muốn dự báo nhiệt độ ngy mai v suy ngẫm về một số nhân tố m bạn phải cân nhắc Thứ nhất, hãy nhớ rằng cấu trúc nhiệt độ của khí quyển phụ thuộc một phần vo quá trình hấp thụ v phát xạ bức xạ (sóng ngắn v sóng di), tự chúng lại phụ thuộc vo phân bố thẳng đứng vngang của các chất khí khí quyển, mây v nhiều thứ khác Cho nên, để tính nhiệt

độ tại một điểm, bạn phải bắt đầu với thông tin chi tiết về thnh phần của khí quyển trong ba chiều đo

Dĩ nhiên, với sự chuyển đổi không ngừng giữa các pha rắn, lỏng v hơi, thnhphần khí quyển khó m không đổi, cho nên bạn sẽ phải dự báo những biến đổi đó trong thời gian Hãy nhớ thêm rằng khi n‡ớc thay đổi pha, nhiệt ẩn đ‡ợc thêm vohoặc mất đi từ khí quyển; do đó, bạn sẽ phải luôn theo dõi chuyện đó v quá trình vận chuyển bức xạ Nh‡ng những biến đổi pha bị ảnh h‡ởng bởi các dòng thăng vdòng giáng quy mô nhỏ, cho nên bạn sẽ phải dự báo nh‡ thế no đó về các chuyển

động thẳng đứng nh‡ một phần của tất cả những nỗ lực của bạn Ngoi ra, chuyển

động ngang không thể không tính tới - bạn sẽ phải chấp nhận sự bình l‡u không khí nóng hay không khí lạnh (ch‡ơng 10)

Về ph‡ơng diện gió, ở gần bề mặt, bạn đối mặt với những vấn đề dòng gió lân cận mặt đất phức tạp v đánh giá nh‡ thế no đó về các hiệu ứng ma sát giữa khí quyển v bề mặt Bên trên lớp ma sát thì sự việc đỡ rắm rối hơn, nh‡ng cũng không

l bao Bi toán cơ bản l bi toán về sự t‡ơng tác liên tục: các chuyển động của khí quyển lm thay đổi những chuyển động phát triển tiếp sau đó Nói khác đi, sau một thời gian ngắn, gió lm thay đổi gió Cho nên, thậm chí dù bạn chỉ quan tâm tới nhiệt độ, bạn không thể bảo l gió không đổi, trái lại, bạn buộc phải can dự vochuyện dự báo chuyển động khí quyển Không may, đó l một việc rất khó khăn, bởi vì khí quyển bất ổn định động lực Nói nh‡ thế chúng ta ám chỉ rằng những nhiễu

động bé nhỏ th‡ờng lớn lên thnh các thnh tạo lớn dần dần áp đảo tr‡ờng chuyển

động Do đó, cho dù bạn có thể chỉ quan tâm về chuyển động ở quy mô lớn nhằm

đáp ứng các mục đích về bình l‡u nhiệt, nh‡ng bạn phải cân nhắc các chuyển động

cỡ nhỏ để m biết các hình thế quy mô lớn sẽ tiến hóa ra sao

Rõ rng, dự báo thời tiết can dự vo một tập những bi toán liên kết với nhau, mỗi bi toán khó m giải đ‡ợc một cách biệt lập, tách ra khỏi tập hợp Trong bối cảnh tất cả những khó khăn nh‡ vậy, thật l đáng chú ý l dù sao thì các dự báo

đang cho thấy một sự đúng đắn no đó Chúng ta chắc chắn sẽ ngạc nhiên lm thế

no m các dự báo có thể thnh công, thay vì phân vân tại sao các dự báo bị sai! Công tác dự báo thời tiết do chính phủ Mỹ thực hiện đã bắt đầu vo những năm 1870, khi ấy Quốc hội thiết lập một Nha Thời tiết Quốc gia trực thuộc Cục Quân báo Đến năm 1890, cơ quan ny đổi tên thnh Phòng Thời tiết Quốc gia (National Weather Bureau) v chuyển sang Bộ Nông nghiệp v ở đó cho đến năm

1942 thì chuyển sang trực thuộc Bộ Th‡ơng mại Cơ quan Đại d€ơng vˆ Khí quyển Quốc gia (NOAA) đ‡ợc thnh lập năm 1970 để thống nhất một số cơ quan

nghiên cứu môi tr‡ờng, kể cả Nha Thời tiết Quốc gia, cơ quan ny lấy lại tên gọi

cũ của mình Nha Khí t€ợng Canađa (Meteorological Service of Canada, MSC),

đóng ở Downsview, Ontario, thực hiện tất cả các nhiệm vụ dự báo cho Canađa v

đảm bảo các thông tin khí t‡ợng địa ph‡ơng v khu vực cho 14 trung tâm thời

tiết khu vực của họ

Các ph~ơng pháp dự báo bão

Không có một ph‡ơng pháp no l duy nhất “đúng” để dự báo thời tiết Tùy thuộc vo độ di của dự báo, dạng thông tin đ‡ợc yêu cầu v trạng thái hiện tại của khí quyển đ‡ợc biết đến mức no m một ph‡ơng pháp no đó trong một loạt

ph‡ơng pháp có thể đ‡ợc sử dụng Ng‡ời ta thậm chí có thể cố gắng lm một dự báo ngay cả khi không có một dữ liệu no về tình hình thời tiết hiện tại, nếu nh‡ có

đ‡ợc thông tin di hạn Ví dụ, một dự báo các điều kiện nóng, ẩm với một khả năng giông buổi chiều ở Orlando, Florida vo giữa tháng 8 sẽ có cơ may đúng khá cao Những dự báo ny dựa trên các giá trị trung bình di hạn, đ‡ợc gọi l các dự báo khí hậu Rõ rng, độ tin cậy của một dự báo khí hậu phụ thuộc vo độ biến thiên

năm tới năm của các điều kiện thời tiết đối với ngy dự báo Do đó, một sự báo dựa trên khí hậu có thể có một khả năng đúng vừa phải đối với Orlando trong thời gian mùa hè, song chỉ có ai thực sự bạo gan mới m‡u tính dự báo nh‡ vậy cho Chicago

vo tháng 4, khi m hầu nh‡ mọi kiểu thời tiết đều có thể xảy ra

Một kiểu dự báo khác, đ‡ợc gọi l dự báo quán tính, dựa hon ton vo điều kiện hiện tại, không tham chiếu tới khí hậu Thực ra, một tr‡ờng hợp đặc biệt của

dự báo quán tính đang đ‡ợc tất cả mọi ng‡ời chúng ta sử dụng trong đời sống hng

ngy Khi thấy bầu trời trong xanh v bỏ lại ô ở nh, chúng ta đang c‡ợc rằng các

điều kiện hiện hnh sẽ tiếp diễn v chúng ta đang lm một dự báo ngắn hạn dựa trên quán tính Ph‡ơng pháp đơn giản ny có thể tốt đối với một thời gian ngắn,

nh‡ng cuối cùng sẽ không nắm bắt đ‡ợc những thay đổi của thời tiết Một phiên bản phức tạp hơn có thể dùng độ giảm áp suất trong một số giờ đã qua để chỉ thị về một hệ thống áp thấp đang tới v độ phủ mây tăng lên gắn liền với nó Nói cách khác, ta có thể chấp nhận rằng xu thế cũng có quán tính để lm một dự đoán về những biến đổi của thời tiết Tuy nhiên, ở đây ta đã ngoại suy sự diễn biến hiện tại

vo t‡ơng lai, với nhận thức rằng cách ny rồi cũng sẽ thất bại một khi sự diễn biến

đó ngừng lại Їơng nhiên, th‡ờng l chính những b‡ớc ngoặt đó so với diễn biến quá khứ mới l cái m chúng ta muốn dự báo; vậy một ph‡ơng pháp không đảm bảo đ‡ợc thông tin nh‡ vậy thì chẳng mấy hữu ích

Cho đến những năm 1950, việc phân tích v dự báo thời thiết phụ thuộc hon

ton vo kinh nghiệm của các nh khí t‡ợng học v sự lý giải của họ về tình hình thời tiết hiện tại v trong quá khứ gần Anh ta hoặc chị ta (th‡ờng l anh ta ở thời ấy) sẽ sử dụng diễn biến quá khứ lm chỉ dẫn để xác định xem một hệ thống thời tiết hiện tại rồi sẽ diễn biến ra sao Nói khác đi, nh khí t‡ợng học đã chủ yếu dựa

vo sự đối chiếu tình huống hiện tại với những điều kiện t‡ơng tự đã gặp tr‡ớc đây (nh‡ng không nhất thiết phải l quá khứ gần nhất) để lm cơ sở cho một dự báo Cách tiếp cận ny đã dẫn đến sự phát triển v sử dụng rất nhiều “qui tắc kinh nghiệm”, nhằm thâu tóm các hình thế có khả năng lặp lại v những mối liên hệ giữa các yếu tố thời tiết khác nhau Ví dụ, giáng thủy vo mùa đông ở miền đông Hoa Kỳ v Canađa th‡ờng l tuyết ở về phía bắc của đ‡ờng đồng mức độ cao 4560

m đối với mực 500 mb v m‡a ở về phía nam của đ‡ờng ny Trong ph‡ơng pháp

đ‡ợc gọi l “loại suy” ny, ng‡ời ta cố gắng nhận dạng những nét t‡ơng tự giữa các

điều kiện hiện tại với những hình thế t‡ơng tự v đã đ‡ợc nghiên cứu kỹ từ quá khứ Ph‡ơng pháp loại suy có nhiều biến dạng khác nhau, một số mang tính chủ quan (tùy thuộc vo trình độ của dự báo viên), một số khác khách quan (dựa vonhững quan hệ thống kê) Song tất cả đều chấp nhận l những gì đã từng xảy ra khi no đó trong quá khứ l một chìa khóa cho t‡ơng lai

Trong vi thập kỷ gần đây, dự báo thời tiết bằng ph‡ơng pháp số đã chiếm một

vị trí quan trọng Thuật ngữ ny hơi gây lầm lẫn, bởi vì tất cả các ph‡ơng pháp vừa nêu ở trên đều cho ra các dự báo số Cái khác nhau l ở chỗ ph‡ơng pháp ny dựa trên các ch‡ơng trình máy tính cố gắng phỏng theo diễn biến thực của khí quyển Tức l, các mô hình thời tiết số trực tiếp tính toán sự tiến hóa của gió, áp suất, nhiệt độ v các yếu tố khác trong thời gian Bằng cách xem xét đầu ra ứng với một thời điểm đã định, ng‡ời ta có đ‡ợc một bức tranh về trạng thái ba chiều của khí quyển tại thời điểm đó (Điều ny trái lại với việc dự báo các giá trị bề mặt cho một

số yếu tố thời tiết, nh‡ các ph‡ơng pháp khác có thể lm) Những mô hình số điển hình sử dụng trong dự báo thời tiết rất lớn v chỉ có thể chạy trên các máy tính mạnh nhất, gọi l siêu máy tính Để phản ánh tầm quan trọng của chúng trong dự báo hiện đại, các mô hình ny đ‡ợc trình by kỹ hơn ở mục “Các qui trình v sản phẩm dự báo”, v chi tiết hơn nữa, ở phụ lục của ch‡ơng 13 ở đây, chúng tôi chỉ muốn khái quát sự khác nhau giữa các ph‡ơng pháp khác v cách tiếp cận có cơ sở vật lí ny (ph‡ơng pháp số)

Các kiểu dự báo

Sản phẩm, hay kết quả của một ph‡ơng pháp dự báo có thể có nhiều hình thức khác nhau, chúng ta gọi l kiểu dự báo Tất cả chúng ta khá quen thuộc với các dự

báo định l €ợng, trong đó chỉ ra “giá trị” của biến dự báo Ví dụ, một dự báo nói

rằng “L‡ợng m‡a sẽ l 1 inch” l một dự báo l‡ợng T‡ơng tự, các dự báo về nhiệt

độ cao hay thấp l dự báo l‡ợng, vì nó đ‡a ra một trị số cho biến dự báo Ng‡ợc lại,

các dự báo định tính chỉ đ‡a ra một giá trị phân loại cho biến dự báo Các ví dụ của kiểu dự báo ny l “m‡a hay không m‡a”, “có bão hay không có bão”, “trên hay

d‡ới chuẩn”, hoặc “có mây hay có mây một phần hay gần nh‡ quang mây” Trong những ví dụ ny, các biến dự báo đ‡ợc gán vo một lớp, hay loại cụ thể; vậy đó lmột dự báo định tính

Trong những ví dụ trên, các dự báo đ‡ợc đ‡a ra không kèm theo chỉ định giới

hạn Các dự báo xác suất l một kiểu khác, trong đó khả năng của một sự kiện

no đó đ‡ợc nêu ra Ví dụ, một dự báo phân loại bão có thể đ‡ợc biểu diễn thnh một xác suất, chứ không phải thnh một khẳng định Dự báo xác suất có thể có nhiều dạng, phổ biến nhất có lẽ l dự báo xác suất của m‡a (dự báo PoP) Khi ng‡ời

đ‡a tin nói “khả năng m‡a hôm ny l 70%” hay “có thể có m‡a ro buổi chiều với xác suất 60%”, thì đó một dự báo PoP Chú ý rằng những dự báo ny không chỉ ra một l‡ợng m‡a Trái lại, ý nghĩa của một dự báo PoP l ở chỗ một điểm chọn ngẫu nhiên trong vùng dự báo sẽ nhận đ‡ợc l‡ợng m‡a có thể đo đ‡ợc với xác suất nh‡

đã chỉ định Ví dụ, một dự báo PoP 75% có nghĩa l khả năng có m‡a so với không m‡a l 3:1, hay một cách t‡ơng đ‡ơng, bạn chỉ có cơ may 1 trong 4 (25%) không bị

‡ớt trong suốt thời gian dự báo

Đánh giá dự báo

Dù ph‡ơng pháp dự báo no đ‡ợc sử dụng, hay kiểu dự báo l gì, chúng ta

đ‡ơng nhiên cần có một cách no đó khẳng định một dự báo có tốt không Cần thiết những tiêu chí, ví dụ, để so sánh một ph‡ơng pháp dự báo với ph‡ơng pháp khác, hay để quyết định xem phải cân nhắc ra sao đối với một dự báo khi lên các kế hoạch Quan trọng nhất, các chỉ số đánh giá rất cần thiết đối với những ng‡ời chịu trách nhiệm phát triển v điều hnh các ch‡ơng trình dự báo Vì ng‡ời ta đang liên tục cố gắng cải tiến các quy trình thu thập dữ liệu v dự báo (với chi phí ngy cngtăng), cho nên cần có các ph‡ơng pháp phán xét giá trị của những cải tiến, điều tiết những chi phí t‡ơng lai v xác định lợi ích trong đầu t‡ Mặc dù với t‡ cách l

ng‡ời sử dụng, chúng ta không đ‡ợc nghe nghiều về đánh giá dự báo, nh‡ng đó lmột bộ phận hng ngy v không thể thiếu của công tác dự báo chuyên nghiệp Qua nhiều năm, nhiều tiêu chí đánh giá v cách đánh giá dự báo đã đ‡ợc đề xuất, mỗi tiêu chí có những ‡u v nh‡ợc điểm riêng Để phân loại các tiêu chí, chúng ta phải nghĩ ngay đến mục đích của việc đánh giá Chúng ta muốn thông tin

về chất l€ợng dự báo hay l giá trị dự báo? Chất l‡ợng dự báo căn cứ vo sự

trùng khớp giữa dự báo v quan trắc, còn giá trị dự báo căn cứ vo hữu ích của dự báo Những thứ ny nghe có vẻ giống nhau, nh‡ng hon ton khác nhau Ví dụ,một dự báo m‡a có - không chất l‡ợng cao độ chính xác 100 % có thể có giá trị zero

đối với công tác kế hoạch t‡ới ruộng, ở đó thông tin về l‡ợng m‡a l quan trọng Do không có một quan hệ đơn giản giữa chất l‡ợng v giá trị dự báo, nên phải có các tiêu chí đánh giá riêng cho từng loại Vấn đề thứ hai l kiểu dự báo: định l‡ợng hay

định tính, xác suất hay không chỉ định giới hạn v.v Rõ rng l, tiêu chí đánh giá thích hợp sẽ thay đổi theo kiểu của biến dự báo Cuối cùng, có vấn đề l chúng ta muốn có một tiêu chí tuyệt đối của dự báo hay chúng ta chủ yếu chỉ quan tâm tới một tiêu chí t‡ơng đối, tiêu chí so sánh?

Giá trị dự báo nhất thiết phải phụ thuộc vo sự ứng dụng của một dự báo cho một bi toán hay một quyết định cụ thể Phần lớn các tiêu chí về giá trị dựa trên các bảng tính mất/đoợc, nhằm cố gắng nắm bắt những rủi ro v lợi ích gắn liền với

các dự báo khác nhau v những ứng phó đối với các dự báo đó Ví dụ, nếu biết giá của một công việc cụ thể bị thất bại, số tiền thu đ‡ợc nếu công việc tốt đẹp v xác suất của một dự báo đúng, bạn có thể gán giá trị bằng tiền cho dự báo Những tiêu chí liên quan tới xác suất l những khái niệm v‡ợt ra ngoi khuôn khổ một giáo trình nhập môn; cho nên, chúng tôi sẽ không bn thêm về giá trị dự báo, ngoi việc nhấn mạnh rằng một dự báo đơn lẻ có thể có giá trị rất khác nhau, tùy thuộc nó

đ‡ợc sử dụng nh‡ thế no

Đối với chất loợng của một dự báo, một câu hỏi hiển nhiên đ‡ợc đặt ra l độ

chính xác của dự báo Tức l, về trung bình, giá trị dự báo gần với giá trị thực

đến mức no? Có nhiều cách để trả lời câu hỏi đơn giản ny, mỗi cách dẫn đến một tiêu chí chính xác khác nhau ở mức rộng nhất, chúng ta có thể muốn có thông tin

về độ chệch của dự báo (bias), nó liên quan tới dự báo thiên cao hoặc thiên thấp

một cách có hệ thống Một ph‡ơng pháp dự báo bị chệch l ph‡ơng pháp m giá trị

dự báo trung bình cao hơn hoặc thấp hơn giá trị trung bình thực Ng‡ợc lại, một

ph‡ơng pháp dự báo không bị chệch sẽ không thể hiện xu thế dự báo thiên cao hoặc thiên thấp Tất nhiên, điều ny ch‡a nói lên đ‡ợc ph‡ơng pháp l hon hảo, nó chỉ

có nghĩa l giá trị thiên cao trung bình đúng bằng giá trị thiên thấp trung bình, khiến cho sai số trung bình bằng 0 Ví dụ, nếu bạn muốn dự báo số chấm sau khi thả một con súc sắc, bạn có thể dự báo l 3,5 chấm trong mỗi lần thả Sau nhiều lần thả (một con súc sắc tốt), giá trị trung bình của số chấm sẽ l 3,5, trùng khớp với các dự báo của bạn – vì thế các dự báo không bị chệch Tất nhiên, ph‡ơng pháp nykhông thể cho dù l chỉ một dự báo đúng Rõ rng l, mặc dù độ chệch l một tiêu chí hữu ích, chúng ta còn cần các tiêu chí chính xác không cho phép các sai số

d‡ơng vô hiệu hóa các sai số âm Tiêu chí đơn giản nhất l sai số tuyệt đối trung bình (MAE), nó bỏ qua dấu (d‡ơng hoặc âm) của các sai số Tức l, các dự báo thiên cao v thiên thấp đ‡ợc coi ngang hng nhau v đ‡ợc xử lí nh‡ nhau v chúng ta chỉ tìm sai số trung bình m không quan tâm tới dấu

Đối với những ng‡ời không chuyên nghiệp sử dụng một dự báo, độ chính xác có

lẽ l vấn đề chất l‡ợng quan trọng nhất Nh‡ng những ng‡ời chuyên nghiệp, những ng‡ời phát triển các ph‡ơng pháp dự báo thì th‡ờng quan tâm đến kỹ năng dự

báo Kỹ năng dự báo có thể đ‡ợc đo bằng nhiều cách khác nhau, song về đại thể, khái niệm ny đ‡ợc định nghĩa l sự tiến bộ của ph‡ơng pháp dự báo đó so với các

kết quả dự báo bằng ph‡ơng pháp khí hậu, quán tính hay các ph‡ơng pháp đ‡ợcgọi l “không có kỹ năng” khác Nếu nh‡ ph‡ơng pháp dự báo không tốt hơn việc dựa vo các giá trị khí hậu, kỹ năng dự báo của ph‡ơng pháp đó đ‡ợc cho l bằng 0 – một dự báo khí hậu không cần thiết các kiến thức đặc biệt về hoạt động của khí quyển v do đó không có kỹ năng dự báo Ví dụ, ch‡a từng có một l‡ợng m‡a có thể

đo đ‡ợc no đ‡ợc ghi nhận ở Jerusalem vo tháng 7 trong suốt 100 năm qua Một ph‡ơng pháp bất kỳ đ‡a ra dự báo “không m‡a” vo tháng 7 chắc chắn l sẽ thuộc loại khá chính xác trong phần lớn các tr‡ờng hợp Giống nh‡ vậy, nếu bạn dự báo

rằng sẽ có một cơn bão nhiệt đới hoạt động ở đâu đó trên Đại Tây D‡ơng vo ngy

10 tháng 9 tới, bạn sẽ có một xác suất thnh công 90% (sử dụng diễn biến quá khứ lm chỉ dẫn) Nh‡ng những dự báo ny không có kỹ năng, bởi vì chúng không nâng cao đ‡ợc xác suất đúng (so với khí hậu trong tr‡ờng hợp ny) Chỉ khi nếu các dự báo đúng nhiều hơn 90% số lần dự báo, chúng ta mới có thể nói ph‡ơng pháp có một

kỹ năng no đó Trong tr‡ờng hợp về nhiệt độ không khí, chúng ta có thể so sánh MAE của ph‡ơng pháp dự báo với MAE thu đ‡ợc dựa trên giá trị nhiệt độ trung bình nhiều năm Nếu ph‡ơng pháp không khá hơn ph‡ơng pháp khí hậu, điểm kỹ năng sẽ bằng không ý t‡ởng ở đây l một dự báo khí hậu không đòi hỏi hiểu biết

đặc biệt gì về diễn biến của khí quyển v do đó không có một kỹ năng gì

Thu thập v† truyền phát số liệu

Khởi điểm của hầu hết tất cả công việc dự báo thời tiết l thông tin hiện trạng của khí quyển Để biết t‡ơng lai, chúng ta bắt đầu với thông tin về hiện tại Nh‡vậy, quá trình đầu tiên công tác dự báo thời tiết nghiệp vụ l thu thập số liệu cần thiết Điều ny cần phải có những nỗ lực quốc tế, ngay cả khi chỉ lm dự báo cho những khu vực “nhỏ”, nh‡ l các n‡ớc riêng biệt; lý do sẽ trở nên rõ d‡ới đây

Tổ chức Khí t€ợng Thế giới (WMO), d‡ới sự bảo trợ của Liên hiệp Quốc,

quản lí công tác thu thập số liệu thời tiết trên ton cầu từ 179 quốc gia thnh viên của nó WMO thu thập số liệu từ khoảng 10 nghìn trạm quan trắc trên lục địa,

7000 trạm quan trắc trên tu biển, 300 trạm phao neo cố định v phao thả trôi với các đầu đo thời tiết tự động v một số vệ tinh thời tiết WMO còn thu đ‡ợc số liệucao không từ khoảng 1000 trạm cao không thả bóng thám không thời tiết hai lần một ngy v số liệu liên tục từ các dụng cụ đặt trên các máy bay dân dụng Số liệu

từ tất cả các n‡ớc trên thế giới đ‡ợc gửi tới ba Trung tâm Khí t‡ợng Thế giới ở Washington, Mỹ; Moskva, Nga v Melbourne, úc; các trung tâm ny, đến l‡ợtmình, truyền phát dữ liệu cho tất cả các n‡ớc thnh viên của WMO

Các quốc gia thnh viên của WMO đều duy trì các cơ quan khí t‡ợng của riêng

họ để thu thập, xử lí dữ liệu v phát báo các dự báo khu vực v quốc gia ở Mỹ, các Trung tâm Quốc gia Dự báo Môi tr‡ờng (NCEP) của Cơ quan Thời tiết Quốc gia (NWS) thực hiện các nhiệm vụ ny, còn ở Canađa - do Trung tâm Khí t‡ợngCanađa của Nha Môi tr‡ờng Khí quyển (AES) thực hiện

Không có gì ngạc nhiên, n‡ớc Mỹ có một mạng l‡ới trạm quan trắc khí t‡ợngmặt đất t‡ơng đối dy đặc Trong khoảng 1000 vị trí các điều kiện thời tiết bề mặt

đ‡ợc quan trắc thì có khoảng 120 trạm l ở các trụ sở của Cơ quan Thời tiết Quốc gia; số còn lại l ở các sân bay của Cơ quan Điều hnh Hng không Liên bang (FAA) AES của Canađa có khoảng 720 trạm đo mặt đất Các trạm ny ghi lại nhiệt

độ, độ ẩm, áp suất, tình trạng mây (bao gồm loại mây v độ cao chân mây v tỷ phần diện tích bầu trời bị mây che phủ), h‡ớng v vận tốc gió, tầm nhìn xa, sự xuất hiện các điều kiện thời tiết đặc biệt, nh‡ s‡ơng mù hoặc m‡a v l‡ợng m‡a tích lũy

đo đ‡ợc tại mặt đất Nh‡ một phần của ch‡ơng trình nâng cấp v hiện đại hóa hiện

nay (xem chuyên mục 13-1: Chuyên đề: Hiện đại hóa Cơ quan Thời tiết Quốc gia), FAA v NWS đã lắp đặt hơn 800 đầu thu tự động, đ‡ợc gọi l Hệ thống Quan trắc Mặt đất Tự động (viết tắt l ASOS) để đo đạc v ghi lại những yếu tố trên (hình 13.1) AES cũng đang cho hoạt động hơn 100 trạm quan trắc trên khắp n‡ớcCanađa, t‡ơng tự nh‡ hệ ASOS, v đ‡ợc gọi l Hệ thống Quan trắc Thời tiết Tự

động (AWOS)

Hình 13.1 Một trạm ASOS điển hình

Ngoi các quan trắc mặt đất đ‡ợc thực hiện tại những trạm ny, NWS còn thả những bóng thám không, đ‡ợc bơm khí hyđrô, mang theo các bộ máy đo thời tiết,

đ‡ợc gọi l máy thám sát vô tuyến (radiosonde) (hình 13.2) Hai lần một ngy –

vo các hạn 0000 v 12000 giờ UTC * (Thời gian Đồng bộ Toun cầu, Universal

*

Các thời gian ny t‡ơng ứng với 1900 (7:00 P.M.) v 0700 (7:00 A.M.) của Thời gian Miền

đông Tiêu chuẩn của Mỹ

Coordinated Time), có khoảng 750 bóng thám sát vô tuyến đ‡ợc thả lên khí quyển trên khắp thế giới, khoảng 80 ở trong phạm vi n‡ớc Mỹ v Canađa Các máy thámsát vô tuyến liên tục quan trắc v truyền tới các trạm ghi ở mặt đất áp suất, nhiệt

độ không khí v nhiệt độ bầu ‡ớt (từ đó xác định đ‡ợc nhiệt độ điểm s‡ơng) Một số máy thám sát vô tuyến đ‡ợc kiểm soát đ‡ờng đi bằng rađa khi chúng bay lên trong khí quyển, cho phép xác định tốc độ v h‡ớng gió của khí quyển tầng trung v tầng cao Các máy thám sát vô tuyến đ‡ợc kiểm soát quỹ đạo bằng ra đa đ‡ợc gọi l rađa thám sát gió (rawinsonde)

13-1 Chuyên đề:

Hiện đại hóa Cơ quan Thời tiết Quốc gia

Trong mấy thập niên gần đây, tất cả

các mặt của công tác dự báo thời tiết đã

đ‡ợc cải thiện đáng kể Những thnh tựu

của việc phân tích thời tiết l nhờ một

phần ở mạng l‡ới dữ liệu bề mặt đ‡ợc cải

công suất không thể so sánh với các phiên

bản ngy nay chỉ để chạy các mô hình thô

trong dự báo nghiệp vụ Các vệ tinh địa

tĩnh (vệ tinh quay quanh xích đạo một

vòng trong một ngy v do đó giữ nguyên

vị trí cố định bên trên mặt đất) v những

phiên bản quỹ đạo cực của chúng (vệ tinh

quay từ cực đến cực trong khi hnh tinh ở

phía d‡ới xoay) không chỉ cung cấp ảnh nhìn thấy v ảnh hồng ngoại về mây, mcòn xác định các đặc tr‡ng nhiệt độ v độ

ẩm tại các độ cao của khí quyển

Sự kết hợp giữa quỹ dữ liệu tăng lên v năng lực xử lý dữ liệu hon thiện hơn bao giờ hết đã giúp các nh dự báo có thể tin t‡ởng dựa vo đầu ra của mô hình lm chỉ dẫn cho các dự báo của họ.Nh‡ng đến những năm 1980, ng‡ời ta đã quyết định rằng một cuộc cải tổ to lớn đối với Cơ quan Thời tiết Quốc gia l cần thiết để đảm bảo trình độ dự báo cao nhất có thể v cảnh báo thời tiết cực đoan nói riêng Do đó m bắt đầu ch‡ơng trình hiện đại hóa NWS

Một trong các b‡ớc đầu tiên của quá trình hiện đại hóa l cải tiến phần cứng máy tính v hon thiện các mô hình số

Đã có những b‡ớc tiến bộ nhảy vọt về phần cứng máy tính trong những năm gần đây v thậm chí hứa hẹn cải thiện tiếp tục Vo tháng 5/2002 NWS đã thỏa thuận phát triển một siêu máy tính mới

có thể xử lý 100 tỷ tỷ phép tính trong một giây vo năm 2009

GOES-1 v GOES-2, các vệ tinh đầu tiên trong loạt vệ tinh địa tĩnh hiện tại

đã đ‡ợc thay thế bằng GOES-10 vGOES-12 đang vận hnh, chúng đảm bảo khả năng quét phủ tuyệt vời bên trên các

bộ phận phía tây v phía đông của Bắc

Mỹ Thế hệ mới nhất của vệ tinh GOES

đảm bảo độ phân giải siêu cao v thu

nhận thông tin về nhiệt độ, độ ẩm tốt hơn

đối với các mực khí quyển khác nhau

Các nh dự báo hiện nay còn đ‡ợc

h‡ởng lợi từ một hệ thống rađa hiện đại

hóa Thế hệ NEXRAD của các hệ thống

rađa Doppler (đã giới thiệu ở ch‡ơng 11)

đã đ‡ợc lắp đặt tại 163 địa ph‡ơng trong

n‡ớc Mỹ Ngoi những trạm đã đ‡ợc lắp

đặt vừa nêu, NOAA hiện nay đang thí

nghiệm với một loại hệ thống rađa khác

Các rađa quét gió lát cắt (wind profiler)

ny thu nhận số liệu gió ph‡ơng ngang

cho tới 72 mực khác nhau trong khoảng

Kỳ Nếu hệ thống chứng tỏ có giá trị đối với các nh dự báo, mạng l‡ới ny sẽ mở rộng tới khoảng 120 rađa quét lát cắt Hiện đại hóa không chỉ bao gồm áp dụng công nghệ mới, m còn hiện đại hóa mọi hoạt động Tr‡ớc đây có 52 phòng dự báo dịch vụ thời tiết v 204 phòng dịch vụ thời tiết nhỏ hơn Hiện nay, hng ngycông việc đ‡ợc tiến hnh tại 119 phòng

dự báo thời tiết, đảm bảo an ton đáng kể cho công chúng

Hình 13.2 Một bóng thám sát vô tuyến đ~ợc thả bên ngo†i Phòng dịch vụ Thời tiết ở Topeka, Kansas

Phần lớn các bóng thám sát vô tuyến bay lên tới bình l‡u quyển ở khoảng mực

4 mb, hay khoảng 30 km, ở đó quả bóng bị nổ v bộ ruột máy đ‡ợc dù mang trở lại mặt đất Thông th‡ờng một lần bay lên đầy đủ của bóng thám sát vô tuyến mất khoảng 1 giờ 50 phút, với thời gian đó bộ thiết bị đo có thể bị mang đi xuôi theo gió nhiều kilômét khỏi vị trí thả bóng Điều thú vị l, tìm thấy các hộp máy thám sát vô tuyến th‡ờng l những ng‡ời không phải l nh khí t‡ợng học, họ chỉ ngẫu nhiên tìm thấy m thôi Nhiều ng‡ời tìm thấy hộp máy đã tuân theo chỉ dẫn ở trong đó yêu cầu họ bỏ vo thùng b‡u cục để gửi tới phòng dịch vụ thời tiết, v các cảm biến thám sát vô tuyến đ‡ợc trả lại sau đó đ‡ợc sửa chữa để sử dụng lại Tuy

nhiên, một số bóng không bao giờ đ‡ợc trả lại, vì chúng rơi ở ngoi đại d‡ơng hoặc ở những vùng đất xa xôi

Thông tin mực cao cũng nhận đ‡ợc từ những khác Nhiều máy bay dận dụng lớn đ‡ợc trang bị các cảm biến thời tiết liên tục theo dõi khí quyển trong suốt chuyến bay v các vệ tinh thời tiết bổ sung cho cơ sở dữ liệu mực cao thông qua xác

định nhiệt độ v độ ẩm tại nhiều mực trong khắp khí quyển Máy bay v vệ tinh cùng nhau cung cấp dữ liệu từ những vị trí cách xa các trạm thám không vô tuyến v có một vai trò quan trọng đặc biệt trong việc thu thập thông tin trên các đại

d‡ơng Ngoi ra, dữ liệu mặt đất đ‡ợc thu thập bởi những đầu đo trên các trạm phao v gửi về đất liền qua các vệ tinh

Các nh dự báo không chỉ có trong tay l‡ợng dữ liệu khổng lồ, họ còn có khả năng dễ dng hiển thị v thao tác biến đổi với thông tin cho phù hợp với nhu cầu dự báo kịp thời Hệ thống AWIPS (đã giới thiệu ở ch‡ơng 1) có chức năng nh‡ chủ yếu hiển thị v phân tích dữ liệu

Quy trình dự báo v † sản phẩm dự báo

Nh‡ đã nhắc tới tr‡ớc đây, các mô hình số l công cụ tuyệt vời của công tác dự báo thời tiết hiện đại Các cơ quan thời tiết khác nhau trên thế giới phát triển các mô hình của riêng mình v th‡ờng sử dụng một bộ mô hình chứ không phải một

ch‡ơng trình duy nhất Ví dụ, Cơ quan Thời tiết Quốc gia hiện đang sử dụng ba mô hình chính Các mô hình đ‡ợc cập nhật liên tục, v dần dần những mô hình mới

đ‡ợc đ‡a ra, còn những mô hình cũ bị loại bỏ Mặc dù có những khác biệt rất lớn giữa các mô hình, song quy trình chung thì nh‡ nhau đối với tất cả các mô hình số

Công đoạn phân tích

Đầu tiên l pha phân tích, trong đó các quan trắc đ‡ợc sử dụng để cung cấp

các giá trị ứng với trạng thái ban đầu (“hiện tại”) của khí quyển đối với tất cả các biến trong mô hình Hãy nhớ rằng các mô hình thuộc loại ba chiều, nghĩa l cần có các giá trị cho khắp chiều dy khí quyển, không chỉ tại bề mặt Hơn nữa, một số trong các mô hình có một miền tính ton cầu bao phủ ton bộ hnh tinh, v do đó chúng đòi hỏi các giá trị ban đầu ở mọi nơi, trên đất liện v đại d‡ơng

Đáng tiếc, mạng l‡ới các trạm thời tiết v thả bóng thám không vô tuyến rất rời rạc v th‡a thớt không đảm bảo độ phủ đều Một phần công việc phân tích lchuyển đổi các quan trắc không đồng đều đó thnh những giá trị ban đầu “đồng nhất” Dù chỉ l một b‡ớc chuẩn bị, song đó l một nhiệm vụ khó Có hng triệu giá trị dữ liệu từ rất nhiều nguồn (vệ tinh, tầu biển v.v ) v đại diện cho các thời điểm khác nhau Không có một quan trắc no l hon ton tránh khỏi sai số v nhiều quan trắc bị sai số lớn Cần phải loại bỏ cng nhiều sai số cng tốt v đồng thời tạo

ra các tr‡ờng có tính chất tự hòa hợp Ví dụ, khi các tốc độ gió đ‡ợc gán thì tr‡ờnggió kết quả phải thỏa mãn sự bảo ton khối l‡ợng

Các giá trị quan trắc còn phải hòa hợp với mô hình cụ thể đang đ‡ợc sử dụng Tất cả các mô hình l những xấp xỉ của khí quyển thực, v điều quan trọng l

tr‡ờng ban đầu không chứa những thnh tạo m không thể biểu diễn đ‡ợc bằng mô hình Nếu không, ngay từ đầu thời kỳ dự báo mô hình sẽ điều tiết tới sự không ăn khớp giữa các điều kiện ban đầu v cái m nó cho l khả dĩ Sự điều tiết đó sẽ đ‡ợcxếp chồng lên những biến thiên nếu có sinh ra từ những quá trình trong phạm vi bao quát đ‡ợc của mô hình v sẽ có thể lm hỏng dự báo Các mô hnhf khác nhau

do đó phải dựa trên những ph‡ơng pháp phân tích khác nhau Tuy nhiên, đối với tất cả các mô hình, đó l một thủ tục phức tạp, can dự tới việc tích hợp những quan trắc hiện có gần nhất, các giá trị quá khứ (nh‡ thảm tuyết) v thậm chí cả đầu ra

từ các mô hình khác

Công đoạn dự báo

Về cơ bản, công việc của một mô hình số l giải các ph‡ơng trình cơ bản mô tả diễn biến của khí quyển: ph‡ơng trình chuyển động, ph‡ơng trình liên tục, ph‡ơngtrình năng l‡ợng v.v Tập hợp tất cả lại, đó l các phoơng trình điều khiển Bắt

đầu với những giá trị xuất ra từ công đoạn phân tích, mô hình sử dụng các ph‡ơngtrình điều khiển để nhận đ‡ợc những giá trị mới ứng với vi phút sắp tới trong t‡ơng lai Sau đó quá trình đ‡ợc lặp lại, sử dụng đầu ra của b‡ớc thứ nhất lm đầu

vo cho các tính toán tiếp theo Thủ tục ny đ‡ợc thực hiện qua nhiều lần cần thiết

để đạt tới cuối thời hạn dự báo (24 giờ, 48 giờ hay hơn nữa) Đó gọi l công đoạn

dự báo của quá trình chạy mô hình Một lần nữa, chúng tôi nhấn mạnh rằng công

đoạn ny đòi hỏi một ti nguyên tính toán khổng lồ Các ph‡ơng trình điều khiển không thể đ‡ợc giải một cách trực tiếp, m phải phân rã thnh những phép tính

đơn giản m máy tính có thể thực hiện, nh‡ phép tính nhân v phép tính cộng

Điều đó dẫn tới nhiều tỷ phép tính đối với mỗi b‡ớc thời gian, mặc dù thực tế l chỉ

có một nhóm nhỏ các biến khí quyển cơ bản (nhiệt độ, áp suất, vectơ vận tốc gió, mật độ v độ ẩm)

4) Độ cao v các giá trị độ xoáy tuyệt đối mực 500 mb;

5) L‡ợng giáng thủy

Các sản phẩm ny đ‡ợc sử dụng theo nhiều cách, một số cách đ‡ợc mô tả sau trong ch‡ơng ny Nói một cách tổng quát, các nh dự báo nghiên cứu các bản đồ của từng thời hạn v lý giải những điều kiện có thể đi kèm với những hình thế nh‡vậy Các bản đồ đ‡ợc đối chiếu với nhau v với những bản đồ t‡ơng ứng từ các mô

hình khác đối với cùng thời hạn Dĩ nhiên, các dự báo mô hình có khác nhau giữa các mô hình - ng‡ời dự báo sử dụng đầu ra của mô hình lm chỉ dẫn, cân nhắc các kết quả một cách khác nhau tùy theo cái gọi l những điểm mạnh v những điểm yếu của mỗi mô hình v bổ sung chỉ dẫn mô hình bằng những phân tích v quan trắc khác

Th‡ờng l dự báo thực sự (cuối cùng) sẽ không khớp với mô hình no đó một cách chính xác Ví dụ, các hình 13.3a, b v c cho thấy các dự báo giáng thủy từ ba mô hình đối với ngy 2/6/1992 Mặc dù tất cả ba dự báo đều cho m‡a lớn ở khu vực Texas-Oklahoma, vị trí v l‡ợng m‡a biến đổi đáng kể giữa các mô hình (Trung tâm Oklahoma sẽ đ‡ơc 5 inch hay 1,5 inch?) Nh‡ có thể thấy trên hình 13.3d, ng‡ời

dự báo tạo ra một dự báo bằng tay khá khác so với mội mô hình, khu vực m‡a cực

đại đã dịch về phía nam v phía đông của các mô hình Buồn thay, tự nhiên hôm ấy thật b‡ớng bỉnh, lm thất vọng cả máy lẫn ng‡ời - m‡a lớn nhất thấy ở điểm cực

đông nam Texas (hình 13.3e) Dù rằng dự báo không thnh công, điều chúng tôi muốn nhấn mạnh ở đây l đầu ra mô hình kết hợp với thông tin khác trong khi đ‡a

ra các dự báo chính thức Các mô hình số chắc chắn tốt hơn những ph‡ơng pháp chủ quan đơn thuần, nh‡ng một tổ hợp của đầu ra mô hình v thông tin khác (kể cả

sự cân nhắc chủ quan) thì thậm chí còn tốt hơn

Các đoờng biểu diễn loợng moa bằng inch

Hình 13.3 Các dự báo l~ợng m~a 24 giờ từ 3 mô hình số (a-c), dự báo cuối cùng (d) v† l~ợng m~a quan trắc (d) ng†y 2/6/1992

Rất thú vị l kinh nghiệm v “các quy tắc kinh nghiệm” đã không đ‡ợc các dự báo máy tính sử dụng, nh‡ng đ‡ợc ng‡ời ta áp dụng cho các dự báo của máy tính với hy vọng lm cho các dự báo đó hon thiện hơn Một điều thú vị nữa l trong khi các mô hình số tiến hóa v thay đổi tới tốt hơn thì các quy tắc cũ phải đ‡ợc không ngừng đánh giá lại trong bối cảnh diễn biến mô hình mới

Ngoi những tr‡ờng trên l‡ới của các biến mô hình, ng‡ời ta còn đ‡a ra các dự báo cho một số biến thứ sinh Ví dụ nh‡ nhiệt độ cực đại v cực tiểu, điểm s‡ơng,các điều kiện gió v xác suất giáng thủy Các dự báo ny đ‡ợc xây dựng nhờ sử dụng những quan hệ thống kê giữa đầu ra mô hình v điều kiện bề mặt quan trắc trong quá khứ Các sản phẩm đầu ra ny đ‡ợc gọi l các đặc trong thống kê đầu ra mô hình (MOS) v đ‡ợc dùng để tính tới hiệu ứng của địa hình v những nhân tố khác ảnh h‡ởng tới các điều kiện thời tiết địa ph‡ơng Các mô hình số chỉ có một khả năng hạn chế thể hiện các quá trình xảy ra gần bề mặt, v chúng cung cấp một bức tranh t‡ơng đối khái l‡ợc về khí quyển Do đó, một cách tiếp cận thống kê có sức hấp dẫn đáng kể Các đặc tr‡ng thống kê đầu ra mô hình hiệu quả nhất đối với những nơi no m những quan hệ thống kê đ‡ợc rút ra, nh‡ng nó có phần kém hiệu quả tại những nơi trung gian có một điều kiện địa hình khác

Những dự báo ngy nay tốt đến mức no? Không có một đáp án duy nhất cho câu hỏi ny: nó rất tùy thuộc vo biến số đ‡ợc hỏi, thời gian báo tr‡ớc của dự báo, mô hình đ‡ợc dùng, nơi dự báo v mùa Ví dụ, chắc chắn l dự báo phân bố nhiệt

độ, gió v áp suất l những dự báo tốt hơn nhiều so với giáng thủy Một ví dụ về kỹ năng dự báo giáng thủy đ‡ợc thể hiện trên hình 13.4, hình ny cho điểm kỹ năng của một số mô hình đối với các l‡ợng giáng thủy khác nhau đối với mùa xuân vmùa hè năm 1995 Các điểm kỹ năng giảm đáng kể khi tăng l‡ợng giáng thủy, nó nói lên sự khó khăn của việc dự báo giáng thủy lớn vì giáng thủy lớn có xu h‡ớngcục bộ rất cao Một nét nổi trội nữa l có những khác biệt đáng kể giữa các mô hình, mặc dù các cấp kỹ năng của các mô hình l nh‡ nhau đối với tất cả các l‡ợng giáng thủy Ví dụ, mô hình A luôn có kỹ năng cao nhất, trong khi mô hình D cho thấy kỹ năng thấp tại tất cả các mức giáng thủy (Nói chung không phải nh‡ vậy - nếu sử dụng các tiêu chí kỹ năng khác, thì các mô hình sẽ thay đổi vị trí t‡ơng đối với nhau)

Hình 13.4 Kỹ năng dự báo 24 giờ đối với các mô hình của NCEP v† l~ợng giáng thủy Chỉ dự báo cho mùa nóng (tháng 3

đến tháng 8) của nam~ 1995

Còn có thể thấy những biến thiên kỹ năng theo mùa khá đáng kể, nh‡ đã thấy trên hình 13.5, hình ny thể hiện các dự báo 1 inch cho kỳ 10 ngy (1984-1993) Rõ rng, giáng thủy mùa đông đ‡ợc dự báo với kỹ năng cao hơn nhiều so với m‡a mùa

hè Điều ny một phần do những biến thiên mùa trong các quá trình giáng thủy Khi chúng ta đi từ các hệ thống lớn, quy mô synop trong mùa đông tới đối l‡u quy mô nhỏ hơn trong mùa hè, thì dự báo sẽ trở nên khó hơn đối với vị trí chính xác của

các sự kiện giáng thủy Thứ hai, giáng thủy mùa đông có xu h‡ớng kém mạnh hơn nhiều, với những trận gió bão kéo di nhiều giờ Cuối cùng, trong mùa đông th‡ờngl chỉ có một số trung tâm giáng thủy lớn gắn liền với các front v các xoáy thuận vĩ

độ trung bình Những trung tâm đó có thể đ‡ợc các nh dự báo chú ý nhiều hơn so với nhiều trận lốc tố “bất ngờ xuất hiện” v những nhiễu động nhỏ khác xuất hiện loáng thoáng trong mùa hè

Hình 13.5 Kỹ năng dự báo giáng thủy 1 inch, hạn 24 giờ của NCEP lấy trung bình trong các năm 1983-1993 Kỹ năng n†y l†

của dự báo bằng tay, không phải l†từ một mô hình cụ thể n†o

Điểm cuối cùng cần nhận xét đó l mặc dù những tiến bộ không ngờ trong công nghệ máy tính, vẫn còn một chỗ cho sự cân nhắc của con ng‡ời trong quá trình dự báo Ta xét hình 13.6, ở đây so sánh các dự báo MOS với những dự báo do các nhân viên dự báo địa ph‡ơng thực hiện tại khoảng 95 trạm ở Mỹ Đối với cả dự báo nhiệt

độ ngy cực đại v dự báo xác suất của m‡a, chúng ta thấy sự tiến bộ đáng kể trong

30 năm cuối Mặc dù khoảng cách có thể đã hẹp đi phần no, thậm chí ngy nay con ng‡ời đang có một ‡u thế hơn các máy tính Kiến thức khu vực (v sự trải nghiệm liên quan tới những thất bại của mô hình) vẫn tiếp tục có ích v có thể bổ sung giá trị đáng kể cho các dự báo thuần túy khách quan

ngy.ở Mỹ, mô hình phổ toun cầu (phụ lục ch‡ơng 13) đ‡ợc sử dụng tại NCEP để

lập các dự báo 15 ngy Mặc dù các mô hình đ‡ợc ghép lại nh‡ thế no đó thnh MRF, song thủ tục về cơ bản vẫn đúng nh‡ việc dự báo hạn ngắn Tức l, ở mức độ dữ liệu, lý thuyết v ti nguyên máy tính cho phép, cách tiếp cận l ph‡ơng pháp

số, dựa trên các định luật vật lý đã biết chứ không phải l các liên hệ thống kê

Hình 13.6 Điểm dự báo nhiệt độ cực đại mùa lạnh (tháng 10 - tháng

3) (a) v† giáng thủy (b) Các đồ thị so sánh đầu ra khách quan (MOS)

với các dự báo 24 v† 48 giờ của các nhân viên dự báo địa ph~ơng

Thay vì chỉ lm một dự báo duy nhất, dự báo tổ hợp đ‡ợc khai thác rộng rãi,

trong đó ng‡ời ta chạy một số các mô hình khác nhau thực hiện dự báo cho cùng một thời kỳ dự báo Nguyên nhân l vì, nh‡ chúng ta đã nhắc tới tr‡ớc đây, những nhiễu động nhỏ có thể phát triển thnh các nhiễu động lớn (Điều ny đúng đối với cả các mô hình lẫn khí quyển thực) Do đó, nếu hai mô hình đ‡ợc thực hiện với những giá trị ban đầu hơi khác nhau, thì kết quả có thể rất khác nhau sau một tuần hoặc đại loại nh‡ vậy Їợc N E Lorenz phát hiện vo năm 1963, kiểu diễn

biến ny bây giờ đ‡ợc biết tới nh‡ một đặc tr‡ng của nhiều hệ thống tự nhiên vcon ng‡ời v đ‡ợc gọi l “hunh vi ngẫu nhiên”.

Sự ngẫu nhiên l một vấn đề nghiêm trọng đối với dự báo thời tiết bởi vì các

điều kiện ban đầu không bao giờ đ‡ợc biết một cách chính xác Do đó, ví dụ, nếu một rãnh ở mực cao xuất hiện trong dự báo hạn 15 ngy, thì không có cách no biết

đ‡ợc nó l “thực” hay nó sinh ra vì các sai số trong dữ liệu ban đầu Dự báo tổ hợp

sử dụng nhiều lần chạy mô hình bắt đầu với những giá trị ban đầu hơi khác nhau Các tr‡ờng ban đầu khác nhau đ‡ợc tạo ra bằng cách đ‡a những biến thiên nhỏ (những nhiễu) vo trong tr‡ờng đ‡ợc cho l tốt nhất Có một số ph‡ơng pháp để gán các nhiễu, nh‡ng tất cả đều m‡u tính sao để mô phỏng (bắt ch‡ớc) các sai số có thể xuất hiện một cách hợp lý trong dữ liệu Từ tổ hợp các điều kiện ban đầu đó, một tổ hợp các dự báo đ‡ợc lập ra, mỗi dự báo khác với các dự báo khác

Hình 13.7 Dự báo tổ hợp 10 ng †y từ mô hình NCEP MRF

Đ ~ờng đồng mức 5700 vẽ cho tất cả 17 th†nh phần tổ hợp

Hình 13.7 cho thấy một tổ hợp 10 ngy từ NCEP đối với Bắc bán cầu Bản đồ

ny l một kiểu bản đồ 500 mb, ngoại trừ chỉ có một đ‡ờng đồng mức độ cao đ‡ợc

thể hiện: đ‡ờng 5700 m 17 thnh viên tổ hợp NCEP đ‡ợc thể hiện, cộng với dự báo chạy không nhiễu (kiểm tra) Hãy l‡u ý rằng tất cả các thnh viên tổ hợp đều cho một rãnh ở Tây Thái Bình D‡ơng ý nghĩa ở đây l các sai số có thể tồn tại trong dữ liệu, chúng không ảnh h‡ởng tới dự báo ở đây Do đó, chúng ta có thể có niềm tin no đó rằng một rãnh thực sẽ phát triển Nh‡ng trên khu vực trung tâm châu á, Tây Âu v Bắc Đại Tây D‡ơng, độ tản tổ hợp lớn hơn: các thnh viên tổ hợp thể hiện rất ít nhất quán với nhau, mách bảo rằng chúng ta nên ít tin t‡ởng hơn với dự báo đối với các khu vực đó (D‡ơng nhiên, chúng ta không nên chỉ dựa vo một

đ‡ờng đồng mức duy nhất để có quyết định cuối cùng v nên xem các biến số khác ngoi độ cao 500 mb)

Hình 13.7 minh họa khả năng quan trọng nhất của các tổ hợp, đó l cung cấp thông tin về độ bất định của dự báo Nếu biết độ bất định, ng‡ời ta có một ‡ớc

l‡ợng độ tin cậy để tiếp tục dự báo v không chú ý nhiều tới những dự báo đ‡ợc cho l không tin cậy Các tổ hợp còn có thể đ‡ợc sử dụng theo những cách khác, bao gồm cả việc lập ra chính dự báo Cụ thể, trung bình của tất cả các tổ hợp có thể

đ‡ợc xử lý nh‡ một dự báo, thậm chí mặc dù nó không sinh ra từ một mô hình Hơn nữa, chúng ta có thể kỳ vọng dự báo ny sẽ khá tốt, trên cơ sở l lấy trung bình thì

sẽ l trơn hết những thnh tạo no chỉ thấy ở một hoặc hai thnh viên

Còn một khả năng khác của các tổ hợp, đó l để chẩn đoán những thất bại của mô hình Giả sử tất cả các dự báo tổ hợp thống nhất ở khu vực no đó, tuy tất cả

đều khác với những gì cuối cùng đã quan trắc đ‡ợc Khác biệt giữa dự báo v quan trắc không thể đ‡ợc giải thích bởi sai số của dữ liệu, bởi vì tổ hợp đảm bảo dự báo không nhạy cảm với sai số dữ liệu Điều đó lm cho sai số mô hình rõ rng l sai số,

có nghĩa rằng một hay một số quá trình đ‡ợc xử lý tồi trong mô hình v cần honthiện Dĩ nhiên, tổ hợp không chỉ ra vấn đề, nh‡ng nó lm lộ ra tình huống trong đó vấn đề ảnh h‡ởng tới dự báo Bằng cách nghiên cứu các chi tiết của tình huống đó,

có thể biết khía cạnh no của mô hình cần xử lý

Tại thời gian ny, có rất ít bằng chứng kỹ năng trong các dự báo hạn vừa trên một tuần hơach hơn, đặc biệt đối với giáng thủy Tuy nhiên, nhiều lần chúng tạo ra những dự báo đúng (v có giá trị) v có thể cung cấp chỉ dẫn hữu ích về những xu thế chung Ngoi ra, đ‡ợc biết rằng độ tản của tổ hợp t‡ơng quan với sai số dự báo trong phạm vi lâu đến 10 ngy, mách bảo rằng các ‡ớc l‡ợng về độ tin cậy dự báo cũng có giá trị tại hạn vừa

Các dự báo hạn d †i

Các dự báo còn đ‡ợc lập với thời gian báo tr‡ớc lâu hơn nữa, đ‡ợc gọi l “dự báo hạn d ˆi”. ở Mỹ Trung tâm Dự báo Khí hậu (CPC) của NCEP có trách nhiệm lập các dự báo với các hạn từ một tuần đến những giới hạn cho phép kỹ thuật Các

ph‡ơng pháp sử dụng gồm ph‡ơng pháp khí hậu, thống kê, các mô hình số vph‡ơng pháp phán xét chủ quan Ví dụ, do tầm quan trọng trong hệ thống khí hậu

ton cầu, nhiệt độ n‡ớc mặt đại d‡ơng (SST) ở vùng nhiệt đới Thái Bình D‡ơng

đ‡ợc dự báo đều đặn với hạn báo tr‡ớc đến một năm Các dự báo SST đ‡ợc dựa trên một tổ hợp ba mô hình:

tổ hợp lại bằng ph‡ơng pháp thống kê để đ‡a ra dự báo cuối cùng

Một sản phẩm khác của Trung tâm Dự báo Khí hậu l “tổng quan mùa”, một loại dự báo cho ton bộ một mùa, th‡ờng hay bị hiểu sai Trái lại với các dự báo hạn

di dự báo các điều kiện cho những ngy cụ thể, các dự báo tổng quan mùa dự báo các điều kiện trung bình trong một loạt ngy Hình 13.8 thể hiện quy cách, trong đó các mùa đ‡ợc phân lớp thnh “trên chuẩn”, “gần chuẩn” hay “d‡ới chuẩn” Các lớp

đ‡ợc định nghĩa sao cho “trên chuẩn” gồm một phần ba phân bố trên; nghĩa l theo

định nghĩa “lớp “trên chuẩn” xuất hiện khoảng 33 % số lần, khi một biến nằm trong cung phận 66 hoặc cao hơn “Gần chuẩn” v “d‡ới chuẩn” đ‡ợc định nghĩa một cách

t‡ơng tự, tuần tự l một phần ba giữa v một phần ba d‡ới Nh‡ vậy, không cần một hiểu biết đặc biệt no, chúng ta có thể dự báo “trên chuẩn” với độ chính xác 33% v giống nh‡ vậy với “gần chuẩn” v “d‡ới chuẩn” Giả sử chúng ta nghĩ các

điều kiện “gần chuẩn” l hon ton có thể, chẳng hạn có thể tới 45 % Trong tr‡ờnghợp đó chúng ta đã đ‡a ra một dự báo “gần chuẩn” Nh‡ng nếu chúng ta nghĩ cáckhả năng chỉ l 34 %, thì có lẽ chúng ta sẽ từ chối không lm một dự báo dựa trên những căn cứ rằng các điều kiện trên chuẩn hoặc d‡ới chuẩn chỉ có khả năng nh‡nhau Nhìn lên các bản đồ, bạn thấy rằng phần lớn vùng, các xác suất gần với khí hậu (đ‡ợc ghi nhãn “CL”) Chỉ có một ít khu vực l có lý do để cho rằng các điều kiện dị th‡ờng sẽ xuất hiện

Các dự báo ny nhận đ‡ợc bằng cách no? Lại một lần nữa, bằng tổ hợp các

ph‡ơng pháp cả số trị lẫn thống kê Ví dụ, các dự báo SST từ mô hình kết nối đại

d‡ơng - khí quyển đ‡ợc sử dụng lm các điều kiện biên để chạy lặp mô hình hon

l‡u chung của khí quyển Một kiểu chạy mô hình khác l sử dụng SST dựa trên quán tính chứ không phải l những nguyên lý vật lý Lại một lần nữa, kết quả lmột tổ hợp các dự báo khí quyển Các kỹ thuật thống kê chủ yếu dựa trên quán tính trong các hình thế dị th‡ờng Tức l, những khác biệt khỏi giá trị trung bình đ‡ợcphân tích về độ ổn định v/hoặc những hình thế tiến hóa thích hợp Mặc dù các chi tiết v‡ợt ra khỏi khuôn khổ một giáo trình nhập môn, song ý t‡ởng cơ bản l: Quá khứ l chìa khóa tới t‡ơng lai

Có một số điều phải luôn nhớ trong khi lý giải các dự báo hạn di Thứ nhất, chúng l những dự báo cho ton bộ thời kỳ (mùa), không phải cho một ngy cụ thể

Ng‡ời ta chắc chắn không kỳ vọng những điều kiện trên trung bình sẽ xảy trong suốt thời kỳ dự báo, cho dù xác suất “trên trung bình” l có thể Còn nữa, hiện nay, những dự báo ny không có kỹ năng lớn, v nếu có kỹ năng thì kỹ năng thay đổi theo mùa, địa điểm v biến dự báo (nhiệt độ hay giáng thủy) Cuối cùng, thậm chí nếu kỹ năng l t‡ơng đối cao (chẳng hạn 20 %), thì xác suất liên quan không chắc

l lớn Thực tế, ít khi có các xác suất cao hơn hẳn 50 % , ngay cả ở những khu vực

đáng tin cậy

H×nh 13.8 Tæng quan mïa cho c¸c th¸ng 9 - 11 n¨m 1998

® ~îc dù b¸o tr~íc 1 n¨m v†o ng†y 15/9/1997

Chúng ta kết thúc mục ny bằng việc chỉ ra rằng mặc dù những tiến bộ hiện nay về năng lực máy tính v độ phức tạp của mô hình rất ấn t‡ợng, chúng ta còn rất xa mới có thể dự báo thời tiết đúng 100 % Tr‡ớc hết, không thể phát triển đ‡ợc một mô hình mô phỏng hon ton đ‡ợc tất cả các quá trình với tất cả các quy mô không gian v thời gian Lý do một phần l vì hiểu biết ch‡a đầy đủ - đối với một số quá trình thì lý thuyết cơ sở ch‡a hon chỉnh, cho nên mọi ch‡ơng trình máy tính dựa trên lý thuyết đó sẽ không hon thiện (chuyển động rối l một ví dụ điển hình)

Nh‡ng ngay cả với hiểu biết hon thiện, thì cũng không thể xây dựng đ‡ợc một mô hình hon thiện - những yêu cầu tính toán l rất lớn Trái Đất có một chu vi bằng khoảng 40000 km, nên đó l kích th‡ớc lớn nhất một mô hình hon chỉnh cần thể hiện Còn thnh tạo nhỏ nhất m chúng ta cần l cái gì? Để thảo luận, ta lấy ví dụ, trong một mô hình hon thiện, thì các hạt mây đ‡ờng kính 4 mμ phải xuất hiện,

ch‡a nói đến những gì bé hơn Có nghĩa l mô hình phải lm việc với một dải các thnh tạo có kích th‡ớc phủ lên 13 bậc độ lớn

Các mô hình ngy nay bao hm đ‡ợc các quy mô khoảng 3 bậc độ lớn Để đạt tới 4 bậc độ lớn, độ phân giải khoảng 5 km, sẽ cần một máy tính một nghìn lần mạnh hơn Ngay cả cái đó vẫn sẽ lm cho chúng ta thiếu mất 9 bậc độ lớn mới tới

đích, hay một thừa số bằng một tỷ Với khối tính tính toán khổng lồ nh‡ vậy, cộng với lý thuyết ch‡a hon chỉnh, thì khó m hình dung rằng sai số mô hình một khi

thnh những tháp mây tích lớn Điều đó có nghĩa gì đối với dự báo thời tiết số? - đó l ng‡ời ta phải có những giá trị ban đầu chi tiết v chính xác để lm một dự báo tin cậy Thậm chí một sai số bé có những hậu quả đáng sợ: một thnh tạo lớn không xuất hiện trong dự báo, hoặc l một thnh tạo viễn t‡ởng không hề giống một thứ gì trong khí quyển thực lại xuất hiện Độ nhạy cảm cực đoan ny đối với các điều kiện ban đầu l đặc tr‡ng của các hệ thống ngẫu nhiên nói chung v của khí quyển nói riêng Không có hy vọng gì về dự báo hon thiện, trừ khi chúng ta đã sẵn sngbắt đầu với dữ liệu hon thiện Hãy l‡u ý rằng vấn đề về ngẫu nhiên không phụ thuộc vo những khiếm khuyết no đó trong mô hình, nh‡ các quá trình bị bỏ qua hay l đ‡ợc xử lý ch‡a thích đáng Ngay cả khi chúng ta có thể xây dựng đ‡ợc một mô hình hon thiện, thì sự hiện diện của ngẫu nhiên vẫn dẫn tới không có một dự báo hon thiện

Bản đồ v† ảnh thời tiết

Mặc dù các máy tính có một vai trò quyết định trong việc phân tích thời tiết, cuối cùng nh khí t‡ợng học áp dụng hiểu biết của anh ta hay chị ta để tạo ra dự báo có thể phát báo cho công chúng Có lẽ không có công cụ no giá trị đối với một nh dự báo bằng một bản đồ thời tiết V mặc dù các đoạn báo v tin truyền hình

th‡ờng chỉ cho thính khán giả của mình thấy các bản đồ mặt đất, song việc dự báo thời tiết còn đòi hỏi phân tích những điều kiện trong khí quyển tầng trung v tầng cao Không chỉ các đám mây tồn tại ở trên cao bên trên bề mặt, m khí quyển tầng trung v tầng cao cũng kết nối mật thiết với không khí gần bề mặt Kết quả l,phân tích thời tiết đúng đắn đòi hỏi sử dụng một loạt các bản đồ khác, mỗi bản đồ thể hiện những lớp khác nhau của khí quyển

Bản đồ bề mặt

Bản đồ bề mặt về những điều kiện thống trị (nh‡ bản đồ đ‡ợc thể hiện trên hình 13.9) biểu diễn một bức tranh tổng quát về phân bố áp suất mực n‡ớc biển v

vị trí của các biên ranh giới front áp suất đ‡ợc biểu diễn bằng các đ‡ờng đẳng áp

vẽ cách nhau từng 4 mb, với những vùng áp suất cao nhất v thấp nhất cục bộ đ‡ợcghi nhãn tuần tự l H v L.

Hình 13.9 Một bản đồ thời tiết bề mặt điển hình Các thˆnh tạo quy mô lớn Ngay cả một ng‡ời không chuyên nghiệp có thể

rút ra một số nhận xét khi sơ bộ xem xét một bản đồ thời tiết bề mặt Các tốc độ v

h‡ớng gió tổng quát tuân theo các quy luật đã đ‡ợc bn luận ở ch‡ơng 4 Tức l, tốc

độ gió biến thiên tuân theo khoảng cách của các đ‡ờng đẳng áp v gió ở Bắc bán cầu xoay theo chiều kim đồng hồ ra bên ngoi các hệ thống áp suất cao v ng‡ợcchiều kim đồng hồ vo trong các áp thấp Các hệ thống áp cao thuận lợi cho những chuyển động thẳng đứng giáng xuống gây nên những bầu trời quang mây, còn áp thấp thì khuyến khích các dòng thăng dẫn tới lạnh đi đoạn nhiệt v hình thnhthảm mây Các bản đồ bề mặt trở thnh thậm chí có giá trị hơn khi xem theo loạt nối tiếp Bởi vì các bản đồ mới đ‡ợc xây dựng từng ba giờ một, ng‡ời ta có thể dễ

dng theo dõi sự di dịch của các hệ thống thời tiết riêng biệt khi chúng di chuyển Bằng cách chấp nhận rằng các hệ thống sẽ tiếp tục diễn biến nh‡ trong vi giờ

tr‡ớc, có thể suy ra sự di chuyển v mạnh lên hay tiêu tan của chúng trong một số giờ tiếp theo

Mô hình trạm Chúng ta có thể biết chi tiết hơn về các điều kiện tại những

nơi cụ thể nhờ các mô hình trạm Rất nhiều yếu tố thời tiết, bao gồm nhiệt độ, điểm s‡ơng v áp suất, đ‡ợc thể hiện trong mỗi mô hình trạm Một mô hình trạm đầy đủ chứa một số thông tin v‡ợt quá yêu cầu của phần lớn ng‡ời xem bản đồ, cho nên hình 13.10 chỉ thể hiện những ký hiệu quan trọng nhất

Mô hình trạm chỉ ra độ phủ mây bằng cấp độ tô đen bên trong một hình tròn trung tâm Một hình tròn hon ton rỗng chỉ thị điều kiện quang mây, một hình tròn tô đen hon ton biểu diễn trời đầy mây; các cấp độ tô đen trung gian t‡ơngứng với các tỷ phần phủ mây khác nhau Một đoạn thẳng đi ra từ hình tròn có những dấu gạch ở đầu mút l vectơ hay mũi tên gió biểu diễn tốc độ v h‡ớng gió

Đầu mút tự do của mũi tên ứng với h‡ớng gió từ đâu thổi tới Do đó, ví dụ một mũi

tên ở đỉnh của hình tròn chỉ thị gió từ phía bắc, còn mũi tên ở rìa bên phải của hình tròn có nghĩa rằng gió từ phía đông Tốc độ gió đ‡ợc biểu diễn bằng số l‡ợng các dấu gạch di hoặc ngắn v/hoặc đuôi cờ, nh‡ đã biểu diễn trên hình 13.10 Ví dụ, một mũi tên có một dấu gạch di v một dấu gạch ngắn có tốc độ gió giữa 15 v 20 dặm/giờ (23 đến 32 km/h)

Các giá trị nhiệt độ v điểm s‡ơng (độ Fahrenheit) đ‡ợc ghi tuần tự ở phía trên trái v d‡ới trái của hình tròn Còn các ký hiệu biểu diễn điều kiện thời tiết phổ biến (nh‡ m‡a hay s‡ơng mù) nằm ở giữa hai vị trí của nhiệt độ v điểm s‡ơng

áp suất mực n‡ớc biển (bằng mb) đ‡ợc cho d‡ới dạng viết ngắn gọn ở phía trên phải của hình tròn Để chuyển số gồm ba chữ số thnh áp suất thực, tr‡ớc hết bạn

đặt một dấu phảy thập phân ở tr‡ớc chữ số cuối cùng v đặt số 9 hoặc 10 vo đầu của số Nh‡ vậy 997 biểu diễn 999,7 mb, còn 104 ứng với 1010,4 mb Lm thế nobạn biết thêm số 9 hay số 10 vo tr‡ớc? Câu trả lời đơn giản gần nh‡ luôn đúng, đó

l thêm số no để cho một giá trị gần nhất với 1000 mb (nói khác đi, thêm 9 nếu giá trị mã hóa lớn hơn 500 hay thêm 10 nếu nó nhỏ hơn 500)

Biến thiên của áp suất (xu thế áp suất) trong ba giờ cuối cùng đ‡ợc biểu diễn ở ngay phía bên phải của hình tròn Một lần nữa phải đặt dấu phảy thập phân tr‡ớcchữ số cuối cùng sao cho -10 chỉ thị áp suất giảm đi 1,0 mb Một ký hiệu ở bên phải của số chỉ thị một ý nghĩa định tính về áp suất đã biến thiên nh‡ thế no (chẳng hạn, lúc đầu tăng lên nh‡ng sau đó giảm)