Nghiên cứu thử nghiệm dự báo mưa lớn ở Việt Nam bằng mô hình MM5

Chất lượng dự báo về hiện tượng mưa lớn cao hơn hẳn các phương pháp dự báo ra đời trước đó và sản phẩm số của mô hình dự báo có thể đảm bảo các yêu cầu của các mô hình dự báo thuỷ văn đố

ĐỀ TÀI:

NGHIÊN CỨU THỬ NGHIỆM DỰ BÁO MƯA LỚN

Ở VIỆT NAM BẰNG MÔ HÌNH MM5

Chủ nhiệm Đề tài: TS Hoàng Đức Cường

7005

20/10/2008

HÀ NỘI, 10-2008

BỘ TÀI NGUYÊN VÀ MÔI TRƯỜNG VIỆN KHOA HỌC KHÍ TƯỢNG THỦY VĂN VÀ MÔI TRƯỜNG

23/62 Nguyễn Chí Thanh, Đống Đa, Hà Nội -******** -

BÁO CÁO TỔNG KẾT ĐỀ TÀI NGHIÊN CỨU KHOA HỌC VÀ CÔNG NGHỆ CẤP BỘ

ĐỀ TÀI:

NGHIÊN CỨU THỬ NGHIỆM DỰ BÁO MƯA LỚN

Ở VIỆT NAM BẰNG BẰNG MÔ HÌNH MM5

Chỉ số đăng ký:

Chỉ số phân loại:

Chỉ số lưu trữ:

Cộng tác viên chính:

TS Đặng Thị Hồng Nga, Ths Mai Văn Khiêm, CN Nguyễn Thị Thanh,

CN Nguyễn Đình Dũng, CN Lã Thị Tuyết, CN Trần Thị Thảo,

CN Nguyễn Ngọc Bích Phượng, CN Vũ Dư Tiến

Hà Nội, ngày tháng năm 2008 Hà Nội, ngày tháng năm 2008 Hà Nội, ngày tháng năm 2008

CHỦ NHIỆM ĐỀ TÀI ĐƠN VỊ THỰC HIỆN ĐỀ TÀI CƠ QUAN CHỦ TRÌ ĐỀ TÀI

Hoàng Đức Cường Nguyễn Văn Thắng

HỘI ĐỒNG ĐÁNH GIÁ CHÍNH THỨC

CHỦ TỊCH HỘI ĐỒNG

TS Lê Kim Sơn

CƠ QUAN QUẢN LÝ ĐỀ TÀI

Danh mục các chữ viết tắt

AVN: Mô hình toàn cầu của Mỹ

(AViatioN Global Model)

BIAS: Bias score

CSI: Critical Success Index

ECMWF: Trung tâm dự báo hạn vừa Châu Âu

(European Center for Medium-range Weather Forecasts) DWD : Tổng cục thời tiết Cộng hòa Liên bang Đức

(Deutscher Wetter Dienst) GFS: Hệ thống dự báo toàn cầu của Mỹ

(Global Forecasting System)

GME: Mô hình toàn cầu của CHLB Đức

(Global Model for Europe) GrADS: Hệ thống phân tích và hiển thị trên lưới

(Grid Analysis and Display System) GSM: Mô hình phổ toàn cầu của JMA

(Global Spectral Model) JMA: Cơ quan khí tượng Nhật Bản

(Japan Meteorological Agency)

HRM: Mô hình khu vực phân giải cao

(High-resolution Regional Model) MAE: Sai số tuyệt đối trung bình

(Mean Absolute Error) ME: Sai số trung bình

MSE: Sai số bình phương trung bình

(Mean Square Error)

NCEP: Trung tâm dự báo môi trường quốc gia Mỹ

(National Center for Environmental prediction)

NOAA: Cơ quan đại dương và khí quyển Mỹ

(National Oceanic and Atmospheric Administration) NWP: Dự báo thời tiết số trị

(Numerical Weather Prediction)

RMSE: Sai số bình phương trung bình quân phương

(Root Mean Square Error) TLAPS: Hệ thống dự báo cho khu vực nhiệt đới

(Tropical Limited Area Prediction System) SREF: Hệ thống dự báo tổ hợp hạn ngắn

(Short Range Ensemble Forecast ) WMO: Tổ chức Khí tượng thế giới

(Weather Meteorology Organization)

sơ đồ tham số hóa đối lưu khác nhau

39

2.2 Chỉ số đánh giá sản phẩm dự báo mưa CSI và BIAS trong 24h đầu với các sơ đồ tham số hóa đối lưu khác nhau

40

2.3 Chỉ số đánh giá sản phẩm dự báo mưa CSI và BIAS trong 24h sau

với các sơ đồ tham số hóa đối lưu khác nhau

40

2.4 Chỉ số đánh giá sản phẩm dự báo mưa CSI và BIAS trong 48h với

các sơ đồ tham số hóa đối lưu khác nhau

2.7 Chỉ số đánh giá sản phẩm dự báo mưa CSI và BIAS trong 24h sau

với các sơ đồ tham số hóa vi vật lý mây khác nhau

44

2.8 Chỉ số đánh giá sản phẩm dự báo mưa CSI và BIAS trong 48h với

các sơ đồ tham số hóa vi vật lý mây khác nhau

2.13 Các đặc trưng đánh giá chất lượng sản phẩm dự báo mưa với các

sơ đồ lớp biên hành tinh khác nhau

46

2.14 Chỉ số đánh giá sản phẩm dự báo mưa CSI và BIAS trong 24h đầu

với các sơ đồ lớp biên hành tinh khác nhau

47

2.15 Chỉ số đánh giá sản phẩm dự báo mưa CSI và BIAS trong 24h sau

với các sơ đồ lớp biên hành tinh khác nhau

47

2.16 Chỉ số đánh giá sản phẩm dự báo mưa CSI và BIAS trong 48h với

các sơ đồ lớp biên hành tinh khác nhau

47

2.17 Các chỉ số đánh giá sản phẩm dự báo nhiệt độ với các lựa chọn sơ

đồ tham số hóa vật lý khác nhau

48

2.18 Các chỉ số đánh giá sản phẩm dự báo độ ẩm tương đối (%) với các

lựa chọn sơ đồ tham số hóa vật lý khác nhau

49

3.1 Danh sách các dự báo thành phần trong dự báo tổ hợp ở Đài Loan

trên cơ sở mô hình MM5

55

3.2 Các phương án lựa chọn cho dự báo tổ hợp đối với MM5 58 3.3 Các trọng số tương ứng với các phương án trong dự báo tổ hợp đối

với lượng mưa với các hạn dự báo khác nhau

66

3.4 Sai số bình phương trung bình (RMSE-mm) của 9 phương án dự

báo thành phần, dự báo tổ hợp không trọng số và có trọng số đối

79

4.4 Khí áp thấp nhất (hPa), tốc độ gió lớn nhất (m/s) và lượng mưa

tích lũy (mm) của một số trạm ven biển Trung Bộ từ 29 tháng 9

đến 2 tháng 10 năm 2006 (tính toán bằng MM5)

97

4.5 Khoảng cách (km) giữa tâm bão, ATNĐ thực tế và dự báo của

MM5 với các hạn dự báo khác nhau

98

4.6 Góc lệch (độ) giữa hướng di chuyển thực tế và dự báo của bão,

ATNĐ trong năm 2006 với các hạn dự báo khác nhau

99

4.7 Độ lệch trung bình theo vĩ độ và theo kinh độ (độ) giữa vị trí tâm

dự báo và thực tế của bão, ATNĐ trong năm 2006 với các hạn dự báo khác nhau

99

2.1 Lượng mưa dự báo ngày 16/09/2005 với sơ đồ tham số hóa đối

lưu Kuo (a), BM (b), Grell (c) và lượng thực tế (d) (thời điẻm thựchiện dự báo 00Z_16/09/2005)

41

2.2 Lượng mưa dự báo ngày 18/09/2005 với sơ đồ tham số hóa đối

lưu Kuo (a), BM (b), Grell (c) và lượng thực tế (d) (thời điẻm thựchiện dự báo 00Z_16/09/2005)

41

2.3 Lượng mưa dự báo ngày 16/09/2005 với sơ đồ Warm Rain (a),

Simple Ice (b), Mixed- phase (c) và lượng thực tế (d) (thời điểm

thực hiện dự báo 00Z_16/09/2005)

42

2.4 Lượng mưa dự báo ngày 18/09/2005 với sơ đồ Warm Rain (a),

Simple Ice (b), Mixed- phase (c) và lượng thực tế (d) (thời điẻm

thực hiện dự báo 00Z_16/09/2005)

42

3.1 Sơ đồ mô tả dự báo tổ hợp theo nhóm I 51 3.2 Sơ đồ mô tả dự báo tổ hợp theo nhóm II 51 3.3 Sơ đồ mô tả dự báo tổ hợp theo nhóm III 51 3.4 Ví dụ mô tả phương pháp tổ hợp các đường đẳng trị áp suất 53 3.5 Ví dụ minh họa bản đồ xác suất trong dự báo tổ hợp 53 3.6 Đường đẳng khí áp mực biển 1008mb trên bề mặt và độ cao địa

3.8 Dự báo lượng mưa tích lũy trong 24h cho miền 1 với sơ đồ tham

số hóa đối lưu Kuo (a), Grell (b), BM (c), vi vật lý mây Mixed

phase (d), Simple ice (e), Warm rain (f), và dự báo tổ hợp (g)

62

3.9 Sản phẩm dự báo lượng mưa tích lũy trong 24h với hạn dự báo

24h (a), 48h (b) và lượng mưa thực tế (c) ngày 16 tháng 9 năm

2005 (miền tính thứ hai)

63

3.10 Sản phẩm dự báo lượng mưa tích lũy trong 24h với hạn dự báo

48h (a), 72h (b) và lượng mưa thực tế (c) ngày 18 tháng 9 năm

63

2005 (miÒn tÝnh thø hai)

3.11 L−îng m−a thùc tÕ ngµy 02/12/2005 64 3.12 Dù b¸o m−a ngµy 02/12/2005 (thêi ®iÓm dù b¸o 07h ngµy

4.1 Tr−êng khÝ ¸p mùc biÓn ph©n tÝch tõ hai m« h×nh GSM vµ GFS

vµo 00UTC ngµy 03/11/2007

82

4.2 Dù b¸o m−a tÝch lòy 24h (ngµy 03/11/2007) khi sö dông sè liÖu

khÝ t−îng cña m« h×nh GSM (a) vµ m« h×nh GFS (b)

83

4.3 Vị trí của mô đun Little_R trong mô hình MM5 84

4.4 Các dạng vùng ảnh hưởng 87

4.6 Trường khí áp mực biển (a), nhiệt độ bề mặt (b), nhiệt độ mực

500Hpa (c) và độ ẩm mực 500Hpa khi có điều chỉnh và khi

không điều chỉnh bởi số liệu quan trắc địa phương

88

4.7 Trường nhiệt độ bề mặt (a) và độ ẩm tương đối bề mặt (b) trong

hai trường hợp, có sử dụng sơ đồ đồng hóa số liệu và không sử

dụng sơ đồ đồng hóa số liệu

89

4.8 Trường độ cao địa thế vị (a), nhiệt độ (b), độ ẩm tương đối (c)

mực 850 Hpa (a1,b1,c1) và 500Hpa (a2,b2,c2) trong hai trường

hợp, có sử dụng sơ đồ đồng hóa số liệu và không sử dụng sơ đồ

đồng hóa số liệu

90

4.9 Kết quả dự báo mưa 24h trong hai trường hợp, có sử dụng sơ đồ

đồng hóa số liệu (a) và không sử dụng sơ đồ đồng hóa số liệu (b)

91

4.10 Kết quả dự báo mưa 48h trong hai trường hợp, có sử dụng sơ đồ

đồng hóa số liệu (a) và không sử dụng sơ đồ đồng hóa số liệu (b)

91

4.11 Chênh lệch lượng mưa dự báo trong 48h giữa hai trường hợp, có

sử dụng sơ đồ đồng hóa số liệu và không sử dụng

92

4.12 Phân bố thẳng đứng của chênh lệch độ cao địa thế vị (mb-a), nhiệt

độ (OK-b) và độ ẩm tương đối (%-c) tại điểm 12ON, 108OE giữa

hai trường hợp, có sử dụng sơ đồ đồng hóa số liệu và không sử

dụng sơ đồ đồng hóa số liệu

92

4.13 Trường khí áp mực biển và gió bề mặt khi không sử dụng sơ đồ

phân tích xoáy (a), khi sử dụng sơ đồ phân tích xoáy của mô hình

MM5 (b) và khi sử dụng sơ đồ phân tích xoáy TCLAPS (c) vào

thời điểm 00UTC ngày 29/09/2006

94

4.14 Quỹ đạo thực tế của bão số 6/2006 (1) và quỹ đạo mô phỏng của

MM5 khi không sử dụng sơ đồ phân tích xoáy (2) và có sử dụng

4.18 Phân bố trường gió (m/s) vào thời điểm bão đổ bộ (a) và lượng

mưa tích lũy (mm) của miền tính thứ nhất (b) và miền tính thứ hai

(c) của MM5 trong ba ngày

97

3

1.2 Hệ toạ độ theo phương ngang và đứng 4

1.3 Hệ các phương trình thủy nhiệt động lực học của MM5 5

1.5 Xây dựng các miền tính của MM5 cho Việt Nam 8

1.5.1 Xây dựng miền tính cho Đông Nam á và Việt Nam 8

1.5.2 Xây dựng miền tính cho các khu vực của Việt Nam 10

1.6 Các nguồn số liệu khí tượng cho mô hình 11

1.7 Một số phương pháp đánh giá chất lượng sản phẩm dự báo

2.1 Các sơ đồ tham số hóa vật lý của MM5 27

2.1.1 Tham số hóa đối lưu 27 2.1.2 Tham số hoá các quá trình vi mô trong mây 30

2.1.4 Tham số hoá lớp biên hành tinh 36

2.1.5 Tham số hoá các quá trình đất - bề mặt 38

2.2 Kết quả dự báo mưa với các lựa chọn vật lý khác nhau 38

2.2.1 Sơ đồ tham số hóa đối lưu 38 2.2.2 Sơ đồ tham số hóa vi vật lý mây 42

2.2.4 Sơ đồ tham số lớp biên hành tinh 46

2.2.5 Kết quả đánh giá đối với nhiệt độ và độ ẩm tương đối 48 chương 3 xây dựng hệ thống dự báo tổ hợp cho mô

Mở đầu

Phương pháp dự báo số trị - dự báo bằng mô hình thuỷ động lực học hiện

đại có phân giải cao áp dụng cho từng khu vực đã được sử dụng ở nhiều nước trên thế giới, đặc biệt là các nước phát triển Chất lượng dự báo về hiện tượng mưa lớn cao hơn hẳn các phương pháp dự báo ra đời trước đó và sản phẩm số của mô hình dự báo có thể đảm bảo các yêu cầu của các mô hình dự báo thuỷ văn

đối với lũ lụt, lũ quét Một trong những nhân tố quyết định gây nên sự hình thành

và phát triển mưa lớn trong các hiện tượng thời tiết nguy hiểm như xoáy thuận nhiệt đới (XTNĐ), dải hội tụ nhiệt đới, là đối lưu mây tích Các quá trình đối lưu này đóng vai trò quan trọng trong chu trình vận chuyển năng lượng của khí quyển và do đó phân bố lại sự đốt nóng không đồng đều trên bề mặt trái đất Ngoài phụ thuộc vào độ hội tụ ẩm mực thấp, đối lưu mạnh còn phụ thuộc vào tính bất ổn định của khí quyển Và như chúng ta đã biết, các quá trình qui mô vừa như vậy chỉ có thể tính được bằng các mô hình số trị Chính vì vậy, ưu tiên phát triển phương pháp dự báo số trị, mà trước hết là áp dụng các mô hình số ở nước ta là một hướng đi nhằm tăng cường chất lượng dự báo Phương pháp dự báo số trị có quy mô toàn cầu, khu vực được phát triển và ứng dụng mạnh mẽ trong dự báo thời tiết ở Mỹ, úc, Nhật Bản, Liên Bang Nga, các nước Châu Âu,

Sự phát triển nhanh chóng của công nghệ thông tin là động lực thúc đẩy và tạo nên những thành quả to lớn hiện nay của hầu hết các ngành khoa học Hàng loạt vấn đề trong nghiên cứu dự báo khí tượng, khí hậu được thực hiện với chất lượng ngày càng cao với những điều kiện:

- Các phương pháp quan trắc khí tượng mới;

- Phương tiện tính toán hiện đại cùng với các phương pháp phân tích và

xử lý số liệu mới;

- Các phương tiện và hình thức truyền tải thông tin hiện đại

Công nghệ thông tin phát triển mạnh mẽ đã mở ra những khả năng mới trong lĩnh vực nghiên cứu dự báo khí tượng ở Việt Nam Tuy nhiên, ở Việt Nam hiện nay, chưa có thể chạy mô hình dự báo toàn cầu do tính phức tạp về chuyên môn và kỹ thuật tính toán Vì vậy, trước mắt phải thông qua hợp tác quốc tế với các Trung tâm khí tượng lớn trên thế giới và sử dụng đường truyền Internet tốc

độ cao để tải thường xuyên các trường phân tích, dự báo toàn cầu làm điều kiện ban đầu và điều kiện biên cho các mô hình khu vực phân giải cao Nhiều mô hình khu vực đang được nghiên cứu thử nghiệm hoặc sử dụng trong nghiệp vụ ở nước ta như HRM ở Trung tâm KTTV Quốc gia; ETA, RAMS ở Trường Đại học Khoa học Tự nhiên,

Song song với việc áp dụng các mô hình trên đây, đã có hàng loạt nghiên cứu nhằm đưa mô hình khí tượng động lực quy mô vừa thế hệ 5 (MM5) vào dự báo thời tiết ở nước ta và hiện nay mô hình này đang được sử dụng trong chế dộ

dự báo nghiệp vụ ở Viện Khoa học Khí tượng Thủy văn và Môi trường Mô hình khí tượng quy mô vừa thế hệ 5 (MM5) do Trường đại học Tổng hợp Pennsylvania (PSU) và Trung tâm Quốc gia Nghiên cứu Khí quyển (NCAR), Mỹ

xây dựng năm 1994 Phiên bản 3.5 của mô hình (MM5V3.5) được hoàn thành vào năm 1999 đã có những cải tiến quan trọng trong các mảng: Kỹ thuật lồng ghép nhiều mực; Động lực học bất thuỷ tĩnh; Đồng hoá số liệu 4 chiều; Bổ sung các sơ đồ tham số hoá vật lý; hả năng truyền tải thông tin và kỹ thuật tính toán,…

Đề tài nghiên cứu khoa học “Nghiên cứu thử nghiệm dự báo mưa lớn ở

Việt Nam bằng mô hình MM5” được triển khai thực hiện là bước kế tiếp của đề

tài “Nghiên cứu thử nghiệm áp dụng mô hình khí tượng động lực quy mô vừa

MM5 trong dự báo hạn ngắn ở Việt Nam” đã hoàn thành năm 2005 Mục tiêu

chính của đề tài là áp dụng được mô hình MM5 nhằm dự báo mưa lớn ở Việt Nam

Để đạt được mục tiêu nêu trên, đề tài đã triển khai thực hiện các nội dung chính sau: Nghiên cứu lựa chọn sơ đồ tham số hóa vật lý phù hợp với Việt Nam; Nghiên cứu xây dựng hệ thống dự báo tổ hợp trên cơ sở mô hình MM5; Nghiên cứu thử nghiệm cải tiến trường đầu vào cho mô hình MM5 với các nguồn dữ liệu khí tượng khác nhau, bao gồm cả ban đầu hóa xoáy cho mục đích dự báo bão ở Biển Đông Các nghiên cứu lựa chọn thông số tối ưu cho mô hình MM5 được thực hiện trên cơ sở đánh giá chất lượng sản phẩm dự báo của các dự báo thành phần theo các phương pháp đánh giá thông dụng Đối tượng nghiên cứu là các

đợt mưa vừa, mưa lớn ở Việt Nam trong hai năm 2004, 2005

Báo cáo tổng kết đề tài bao gồm các nội dung sau:

Chương 3: Xây dựng hệ thống dự báo tổ hợp cho mô hình MM5

Chương 4: Nghiên cứu cải tiến trường đầu vào cho MM5

Kết luận và kiến nghị

Tài liệu tham khảo

Phụ lục

Thay mặt đội ngũ cán bộ thực hiện đề tài, chúng tôi xin chân thành cảm

ơn Viện Khoa học Khí tượng Thuỷ văn và Môi trường và các đơn vị trong Viện,

đặc biệt là Trung tâm Nghiên cứu Khí tượng - Khí hậu đã tạo mọi điều kiện thuận lợi cho công tác triển khai đề tài nghiên cứu Chúng tôi xin chân thành cảm ơn sự tham gia tích cực vào các hoạt động nghiên cứu của các chuyên gia và các cộng tác viên thuộc Trung tâm Khí tượng Thuỷ văn Quốc gia, Trường Đại học Khoa học Tự nhiên, Viện Khoa học Khí tượng Thuỷ văn và Môi trường

Hà Nội, 7-2008

Chương 1 mô hình mm5 áp dụng cho việt nam và các chỉ số

đánh giá chất lượng sản phẩm dự báo của mô hình số trị

1.1 Giới thiệu mô hình

Mô hình khí tượng động lực quy mô vừa thế hệ thứ 5 (MM5) của Trung tâm Quốc gia Nghiên cứu Khí quyển Mỹ (NCAR) và Trường Đại học Tổng hợp Pennsylvania Mỹ (PSU) là thế hệ mới nhất trong một loạt các mô hình dự báo

được Anthes phát triển từ những năm 1970 Qua quá trình thử nghiệm, mô hình đã

được điều chỉnh và cải tiến nhiều lần nhằm mô phỏng tốt hơn các quá trình vật lý quy mô vừa và có thể áp dụng đối với nhiều đối tượng sử dụng khác nhau Phiên bản 3.5 (MM5V3.5) của mô hình ra đời năm 2001 đã được điều chỉnh, cải tiến thêm so với các phiên bản trước trong các mảng: Kỹ thuật lồng ghép nhiều mực;

Động lực học bất thuỷ tĩnh; Đồng hoá số liệu 4 chiều; Bổ sung lựa chọn các sơ

đồ tham số hoá vật lý; Kỹ thuật tính toán Hiện nay, chúng tôi đang sử dụng phiên bản mới nhất và cũng là phiên bản cuối cùng của hệ thống mô hình MM5 - phiên bản 3.7.2 trong các nghiên cứu áp dụng ở Viện KHKTTV&MT

Mô hình MM5 sử dụng hệ thống lưới lồng (nesting grid) nhằm mô phỏng tốt hơn các quá trình vật lý có quy mô nhỏ hơn bước lưới của miền tính ban đầu

Về lý thuyết, MM5 cho phép lồng ghép tối đa 9 khu vực Tỷ lệ của độ phân giải (ĐPG) theo phương ngang của miền tính trong so với miền tính ngoài luôn là 3:1

nội suy theo phương ngang, phương

đứng thông qua các mô đun thuộc

được điều chỉnh bằng số liệu thám sát địa phương Trong trường hợp này chúng

ta có thể sử dụng bổ sung thêm mô đun RAWIN/LITTLE_R như thể hiện trong hình 1.2 Trong trường hợp lồng ghép nhiều mức đối với các khu vực khác nhau,

Hình 1.1 Sơ đồ cấu trúc các mô đun chính

của mô hình MM5

mô hình bổ sung mô đun

NESTDOWN với mục đích làm

trơn lưới thô hơn ở miền ngoài Mô

(Hình 1.3) Theo (1.1) ta có thể thấy σ biến

đổi từ 1 (mặt đất) tới 0 (mực khí quyển đỉnh

Ưu điểm của hệ toạ độ σ là theo đó ta tính

được ảnh hưởng của địa hình đến các quá

trình nhiệt động lực học xảy ra trong khí

quyển Ngoài ra, điều kiện biên của tương tự tốc độ thăng (ω) tại biên dưới của mô hình là chính xác Thật vậy, ta có biên dưới của mô hình dự báo là mặt đất với σ =1 và điều kiện biên ω(1)=0, chính xác hơn điều kiện biên ω(1)=0 khi sử dụng hệ toạ độ khí áp (vì mặt 1000mb không trùng với mặt đất nên điều kiện cuối cùng này chỉ là gần đúng)

Mô hình MM5 sử dụng luới tọa độ so le Arakawa B theo phương ngang có dạng như trên hình 1.4 Tại các điểm gạch chéo (x) mô hình thực hiện việc tích phân cho các biến vô hướng như áp suất, độ ẩm riêng, nhiệt độ,… Tại các điểm

có ký hiệu (.), mô hình thực hiện việc tích phân cho các thành phần gió ngang

Hình 1.2 Sơ đồ cấu trúc đầy đủ các mô đun

của mô hình MM5

Hình 1.3 Cấu trúc thẳng đứng của

MM5

t s

t p p

p p

ư

ư

=

σ

nhiệt động lực học viết trong hệ toạ độ σ

theo phương đứng với gần đúng thuỷ

σ =& ; ρ - mật độ không khí; f - tham số Coriolis; D u

và D v - biểu diễn hiệu ứng khuếch tán ngang và đứng; p*=p s - p t

• Phương trình nhiệt động lực học:

(1.4)

trong đó, c p = c pd (1+0.8q v ) – nhiệt dung của khí ẩm với áp suất cố định, c pd –

nhiệt dung của khí khô với áp suất cố định, q v - tỷ số xáo trộn hơi nước, Q – năng

lượng đoạn nhiệt, D T - biểu diễn hiệu ứng khuếch tán ngang và đứng,

dt

dp

= ω

p mp

u p y

m vu p x

m uu p m

t

u

p

f + +

σ&

v D p

y y

p mp

v p y

m vv p x

m uv p m

t

p

fu v

+ +

σ&

T p p

D c

Q p c p T p y

m vT p x

m T p m t

T

+ +

∂

∂ +

p u m t

p t

m u p m t p

cùng với sử dụng tích phân theo phương đứng:

• Phương trình thuỷ tĩnh xác định độ cao địa thế vị từ nhiệt độ ảo T v:

(1.10)

trong đó, R - hằng số khí khô; T v =T(1+0.608q v ); q c và q r là tỷ số xáo trộn nước

mây hoặc băng và nước mưa hoặc tuyết

Đối với động lực học bất thuỷ tĩnh, các biến được phân tích thành tổng của trạng thái nền và nhiễu động như sau:

trong đó, đặc trưng profile trạng thái nền của nhiệt độ có thể là hàm phân tích

được hiệu chỉnh từ profile nhiệt độ trung bình của tầng đối lưu

Trong động lực bất thủy tĩnh, hệ tọa độ thẳng đứng được tính theo áp suất của trạng thái nền:

t s

t

p p

p p

trong đó, p’ là nhiễu động rối; p*(x,y) = p s (x,y) - p t

Khi đó, hệ phương trình của mô hình MM5 với động lực học bất thuỷ tĩnh trong hệ toạ độ σ chuyển thành:

m v p x

m u p m t p

' /

/ 1

m u p m t

∂

∂ +

+ +

ư

= +

∂

∂

c

r c v

q q RT p

p

σ φ

D v p p x

p p x

p mp

uDIV u

p y

m vu p x

m uu p m t

u p

f + +

/ /

2

σ

σ ρ

p y

p p y

p mp

vDIV v

p y

m vv p x

m uv p m t

v p

fu+ +

/ /

2

σ

σ ρ

ρ

ω σ

σ ω ω

ω

ω

D q q g p Tp

p T T

T p p g p

DIV p

y

m v p x

m u p m t

p

r c

∂

∂ +

+ +

* ' ' '

*

1

*

/ /

0

0 0

ω γ ρ

σ

σ σ

σ γ

σ σ

g p p

g

v y

p mp x

m u u x

p mp x

m u p p m

DIV p p

y

m vp p x

m up p m t

0 0

2

2

*

/ /

*

' /

' /

*

+

∂

∂ +

p

D c

Q p D gp

Dt

Dp p c

TDIV T

p y

m vT p x

m T p m t

T

+ +

2

*

'

* 1

/ /

ω ρ ρ

m u p m DIV (1.17)

vµ

v y

p p

m u x

p p

m p

1.4 Tham số hoá vật lý

Trong các mô hình toàn cầu không thể mô phỏng hết các quá trình có quy mô dưới lưới.như bức xạ, lớp biên hành tinh, đối lưu, các quá trình vi mô trong mây, bởi hàng loạt nguyên nhân Thứ nhất là khả năng tính toán của máy tính (ngay cả đối với máy tính hiện đại) do phải giảm bớt lưới xuống dưới quy mô

đặc trưng của quá trình xem xét dẫn đến tăng số lượng điểm tính Thứ hai là không phải tất cả các quá trình có quy mô dưới lưới đều có thể mô tả bằng các phương trình vi phân

Trong những năm gần đây, các mô hình số trị dự báo thời tiết được xây dựng theo một hướng mới, được gọi là tham số hoá các quy trình vật lý, nghĩa là các tham số hoặc các đặc trưng cấu trúc của mô hình khí quyển được tính toán trong khi tích phân các phương trình dự báo và mối quan hệ giữa những tham số hoặc đặc trưng của mô hình với những đặc trưng phản ánh hiệu ứng cuối cùng hoặc hiệu ứng tổng hợp của các quá trình quy mô dưới lưới đến các quá trình quy mô lớn

Kết quả gián tiếp của tham số hoá các quá trình vật lý quy mô dưới lưới là phương pháp tính các đại lượng phản ánh tác động của độ nhớt đến gia tốc hạt (Fx và Fy), dòng nhiệt và dòng ẩm (ξ và ξP ), các thành phần của cân bằng nhiệt (R, H, Q) và những đại lượng khác tham gia vào phương trình dự báo Kết quả của tham số hoá có thể là phương pháp tính các đại lượng khác, chẳng hạn như các đại lượng trong điều kiện biên, Chi tiết hơn về cơ sở lý thuyết (hệ phương trình nguyên thuỷ, hệ toạ độ theo phương ngang và phương đứng, sơ đồ sai phân, sơ đồ tham số hoá vật lý,…) của mô hình MM5 có thể tham khảo trong [1], [19], [32]

1.5 Xây dựng các miền tính của MM5 cho Việt Nam

1.5.1 Xây dựng miền tính cho Đông Nam á và Việt Nam

Việc chọn vùng địa lý thích hợp để áp dụng một mô hình số dự báo thời tiết hay khí hậu khu vực hạn chế được nhập từ nước ngoài về 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 Ngoài ra, miền biên giới hạn khu vực phải thoả mãn những yêu cầu của bài toán biên trong mô hình Nghĩa là, trên miền biên mô hình của khu vực nghiên cứu phải ít phát triển nhất 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, 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 cân đối với khả năng của máy tính sử dụng để thời gian cần thiết cho việc chạy mô hình vẫn đảm bảo được dự báo thực tế nhằm áp dụng trong nghiệp vụ

Để đảm bảo thỏa mãn tối đa những đòi hỏi nêu 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, chúng tôi đã xây dựng hai miền tính lồng ghép cho mô hình MM5 đối với khu vực Đông Nam á và Việt Nam Miền tính thứ nhất (Hình 1.5) giới hạn trong khoảng 5-30ON, 90-130OE với 65x95 điểm tính và độ phân giải ngang 45km Về phương đứng, chúng tôi lựa chọn phương án khuyến cáo của nhóm tác giả mô hình với 23 mực sigma phân bố không đều từ mặt đất đến mực xấp xỉ 100mb Sản phẩm dự báo trên miền tính này có thể tham khảo đối với các quá trình như không khí lạnh bắt đầu ảnh hưởng đến Việt Nam, diễn biến của xoáy thuận nhiệt đới (XTNĐ) trên Biển Đông, hoạt động của gió mùa tây nam, dải hội

tụ nhiệt đới, và các quá trình có quy mô nhỏ hơn trong giới hạn miền tính Số liệu về độ cao địa hình (Hình 1.6a) của khu vực trong miền tính này được trích từ nguồn dữ liệu toàn cầu của USGS với độ phân giải ngang 2’ (xấp xỉ 4km) Loại hình đất sử dụng (Hình 1.6b) cũng được trích từ nguồn dữ liệu trên với 25 cấp phân loại

Hình 1.5 Miền tính thứ nhất cho khu vực Đông Nam á

Hình 1.6 Bản đồ độ cao địa hình (a) và phân loại hình đất sử dụng (b) của miền tính thứ nhất

a) b)

Miền tính thứ hai cho Việt

Nam được lồng vào miền tính thứ

nhất có độ phân giải ngang 15km

với 127x63 điểm tính (Hình 1.7)

Miền tính này bao trùm lãnh thổ

Việt Nam và sẽ là cơ sở để xây

dựng các miền tính nhỏ hơn đối

với từng khu vực cụ thể của nước

ta với độ phân giải ngang tới 5km

và nhỏ hơn nhằm đáp ứng các bài

toán ứng dụng khác nhau Các dữ

liệu về độ cao địa hình và phân

loại hình đất sử dụng cũng được

trích từ nguồn dữ liệu toàn cầu của USGS với độ phân giải ngang tới 4km (Hình 1.8)

1.5.2 Xây dựng miền tính cho các khu vực của Việt Nam

Chúng tôi đã thử nghiệm xây dựng các miền tính cho từng khu vực cụ thể của Việt Nam ví dụ như Bắc Bộ (Hình 1.9a), Trung Bộ (Hình 1.9b), đồng bằng Nam Bộ (Hình 1.9c) và Nam Trung Bộ và Tây Nguyên (Hình 1.9d) Độ phân giải ngang của các miền tính này là 5km Các miền tính nói trên đã được sử dụng

để mô phỏng các trường khí tượng, đặc biệt là mưa trong những đợt mưa vừa, mưa lớn ở nước ta trong năm 2004, 2005, 2006 và 2007 Sản phẩm lượng mưa mô phỏng trên các miền tính này hoàn toàn đáp ứng các bài toán ứng dụng khác như dự báo thuỷ văn, dự báo lan truyền ô nhiễm, về phạm vi miền tính và độ phân giải ngang Tuy nhiên, do khả năng tính toán có hạn nên các miền tính nói trên không được sử dụng trong chế độ dự báo nghiệp vụ

Hình 1.8 Bản đồ độ cao địa hình (a) và phân loại hình đất sử dụng (b) của miền tính thứ hai

a) b)

Hình 1.7 Sơ đồ lồng ghép hai miền tính cho MM5

a) b)

Hình 1.9 Sơ đồ các miền tính cho từng khu vực của Việt Nam

1.6 Các nguồn số liệu khí tượng cho mô hình

Các trường khí tượng tối thiểu cho MM5 là khí áp mực biển, nhiệt độ mặt nước biển, nhiệt độ không khí bề mặt, độ ẩm không khí bề mặt, các 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, các thành phần gió ngang ở các mực khí áp 1000, 850, 700, 500,

400, 300, 250, 200, 150, 100mb Phạm vi không gian của các trường khí tượng phải bao trùm miền tính thứ nhất Độ phủ tuyết bề mặt và các trường nhiệt độ đất

có thể lấy từ số liệu khí hậu Ngoài ra, số liệu của các trạm khí tượng cao không

và quan trắc bề mặt trong miền tính cũng có thể được sử dụng nhằm điều chỉnh trường phân tích ban đầu (điều kiện ban đầu) thông qua kỹ thuật đồng hoá số liệu Sau đây sẽ giới thiệu về các nguồn số liệu khí tượng trong trường hợp mô phỏng và dự báo bằng MM5

Đối với bài toán dự báo hạn ngắn, yêu cầu về nguồn số liệu khí tượng là phải đáp ứng đủ các yêu cầu của mô hình MM5 đồng thời phải được cập nhật hàng ngày hoặc từng 6h một (tuỳ theo yêu cầu thực hiện dự báo bằng MM5 bao nhiêu lần trong ngày)

Một trong những nguồn số liệu đáp ứng đủ các yêu cầu trên là các trường phân tích và dự báo của mô hình AVN do NCEP thực hiện Hạn dự báo tối đa của mô hình AVN là 16 ngày (384h) với các dự báo cách nhau 3h Trong thực tế,

để thực hiện các dự báo cho Việt Nam, điều kiện biên tốt nhất là các dự báo cách

nhau 3h của mô hình AVN Tuy nhiên, để đảm bảo về thời gian cung cấp sản phẩm dự báo, có thể sử dụng các dự báo cách nhau 6 giờ nhằm giảm thời gian tải

số liệu từ mạng Internet Địa chỉ Internet của nguồn số liệu AVN/NCEP là:

ftp://ftpprd.ncep.noaa.gov/pub/data/nccf/com/gfs/prod

Các trường dự báo cách nhau 12h một cũng có thể sử dụng làm điều kiện biên cho mô hình MM5 trong dự báo ngắn hạn là sản phẩm dự báo của mô hình MRF do NCEP thực hiện Độ phân giải ngang của các trường khí tượng là 1x1

độ kinh vĩ NCEP thực hiện các dự báo bằng mô hình MRF cho toàn cầu hai lần trong ngày vào các thời điểm 00Z và 12Z Chúng ta có thể tải các trường dự báo này làm điều kiện biên và điều kiện ban đầu cho mô hình MM5 từ địa chỉ

Internet: ftp://ftpprd.ncep.noaa.gov/pub/data/nccf/com/mrf/prod

Chúng tôi cũng đã thử nghiệm sử dụng sản phẩm dự báo của mô hình GSM của cơ quan khí tượng Nhất Bản (JMA) làm số liệu đầu vào cho mô hình MM5 với hạn dự báo đến 48h Do không đủ các yếu tố khí tượng cần thiết như SST, các yếu tố khí tượng ở mực thấp và định dạng các file số liệu khác với các

định dạng sẵn có của MM5 nên việc sử dụng chúng trong nghiệp vụ đòi hỏi một khối lượng công việc khá lớn nhằm giải quyết các hạn chế trên đây Một số thử nghiệm sử dụng nguồn số liệu này sẽ được trình bày trong chương 4 Ngoài ra, ở Việt Nam hiện nay cũng có thể sử dụng nguồn số liệu dự báo của mô hình GME của Cơ quan Khí tượng Đức (DWD), tuy nhiên, một số vấn đề liên quan đến kỹ thuật như chuyển định dạng các file số liệu, bổ sung các yếu tố thiếu, cũng sẽ gặp phải như trường hợp của GSM

Đối với bài toán dự báo hạn vừa, hạn dài ở Việt Nam, nguồn số liệu tin cậy và đáp ứng được các yêu cầu về thời gian, các yếu tố khí tượng cần thiết, là các sản phẩm của mô hình AVN và MRF Đối với mô hình AVN, từ hạn dự báo 180h đến 384h chỉ có các file số liệu cách nhau 12h một và các yếu tố dự báo cũng ít hơn so với các hạn dự báo trước đó nên dung lượng mỗi file số liệu cũng nhỏ hơn (khoảng 4Mb so với khoảng 26Mb)

1.7 Phương pháp đánh giá chất lượng sản phẩm dự báo của mô hình số trị

và số liệu sử dụng

1.7.1 Phương pháp đánh giá chất lượng sản phẩm dự báo của mô hình số trị

Để ứng dụng được một mô hình khu vực hạn chế kiểu như MM5 vào trong nghiệp vụ dự báo thời tiết đòi hỏi trước hết là phải đánh giá được sai số dự báo của mô hình so với thực tế Các nguyên nhân có thể đưa đến dự báo sai của mô hình số trị có thể tóm tắt như sau:

- Các công thức toán học để mô tả các quá trình vật lý xảy ra trong khí quyển là chưa hoàn chỉnh;

- ảnh hưởng của địa hình (thường không được mô hình số trị mô tả hoàn chỉnh) đến kết quả dự báo;

- Các quá trình vật lý và các sơ đồ tham số hóa chưa thật sự hoàn thiện;

- Một số giả thiết không thực sự phù hợp được đưa ra để có thể giải được

hệ phương trình thủy nhiệt động lực học mô tả khí quyển thực

- Điều kiện biên và điều kiện ban đầu của các biến khí tượng là chưa hoàn chỉnh và phụ thuộc khá nhiều vào địa hình Các trạm thám sát thưa thớt, đặc biệt

Sai số ME xác định xu thế mô hình dự báo vượt quá hay thấp hơn giá trị thực tế và được xác định bằng công thức toán học cho một biến x dạng:

x x N x ME

1

1 ) ( (1.19)

ở đây, N là dung lượng mẫu, ký hiệu f và 0 để chỉ các giá trị dự báo và quan trắc Giá trị ME dương thể hiện xu thế dự báo vượt giá trị thực của mô hình và ngược lại giá trị âm của ME thể hiện xu thế dự báo thấp hơn giá trị thực

Sai số bình phương trung bình (RMSE) là căn bậc hai của trung bình bình phương sai số giữa giá trị dự báo và thám sát, được xác định theo công thức:

( ) 1 / 2 1

2

1 )

o f

x x N x RMSE (1.20)

RMSE giữ lại đơn vị của biến dự báo và xác định sai số về độ lớn của biến

dự báo Giá trị này càng tiến tới không thì mô hình dự báo càng chính xác

MAE là một chỉ số đưa ra độ lớn trung bình của sai số nhưng không chỉ ra hướng của độ lệch Chỉ số này được tính như sau:

Hệ số suy giảm phương sai (RV) được tính như sau:

(1.23)

trong đó, M là giá trị trung bình mẫu hoặc trung bình khí hậu, RMSEc là sai số bình phương trung bình trên cơ sở khí hậu, RMSE là sai số bình phương trung bình của dự báo

Như vậy, RV nhận giá trị trong khoảng (- ∝, 1] và khi RV = 1 thì không

có sai số trong giá trị dự báo, khi RV = 0 dự báo không tốt hơn trung bình khí hậu

Để đánh giá chất lượng dự báo mưa của mô hình, về diện mưa, người ta thường sử dụng chỉ số CSI có dạng sau:

CS I= H/(H+M+F) (1.24)

Trong đó:

- H là số trạm dự báo có mưa và thực tế có mưa (theo nghĩa vượt một ngưỡng nào đó);

- M là số trạm dự báo không mưa nhưng thực tế có mưa;

- F là số trạm dự báo có mưa nhưng thực tế không mưa

Như vậy, CSI được tính bằng tỷ số giữa vùng giao nhau của hai tập số liệu

dự báo và thám sát, giá trị của CSI nằm trong khoảng [0,1] CSI nói lên mức độ trùng khớp giữa vùng mưa dự báo và vùng mưa thám sát Khi CSI gần đến 1 thì vùng mưa dự báo gần sát với vùng mưa thực tế, khi CSI gần đến 0 thì vùng mưa

dự báo và vùng mưa thực tế rất khác nhau Ngưỡng được chọn ở đây phụ thuộc vào thời gian tích luỹ lượng mưa (24h, 48h, ) và đặc điểm mưa khu vực được dự báo Thông thường người ta chọn các ngưỡng 1, 5mm (đối với mưa nhỏ), 15mm (đối với mưa vừa), 50mm (đối với mưa lớn) và 100mm (đối với mưa rất lớn) cho lượng mưa trong 24h

Để đánh giá về lượng, người ta sử dụng chỉ số BIAS, được tính như sau:

BIAS = (H+F)/(H+M) (1.25)

Chỉ số BIAS lớn hơn 1 khi lượng mưa dự báo lớn hơn so với lượng mưa thực tế và ngược lại, lượng mưa dự báo nhỏ hơn lượng mưa thực tế khi BIAS nhỏ hơn 1 Cần lưu ý là chỉ số BIAS được sử dụng để đánh giá khuynh hướng dự báo diện mưa của mô hình cao hơn hay thấp hơn so với thực tế mà không đánh giá sự chính xác về lượng BIAS =1,0 khi vùng mưa dự báo trùng với vùng mưa thực tế tại một ngưỡng được chọn nào đó

( )

c i

i i

RMSE

RMSE RMSE

O M

O F

Các chỉ số trên đây có tính toán một cách đơn giản thông qua bảng liên kết (Bảng 1.1) Một cách hình tượng, chúng ta có thể mô tả phân bố của chỉ số trong bảng 1.1 thông qua sơ đồ trên hình 1.10

Bảng 1.1 Bảng liên kết giữa dự báo và thực tế

Chỉ 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 POD nói lên tỷ lệ dự báo đúng so với thực tế và giá trị của POD nằm trong khoảng [0,1], mô hình dự báo mưa là hoàn hảo khi POD=1

Miền dự báo

Cũng tương tự như chỉ số CSI, 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 Trong thực tế chỉ số POD thường được sử dụng kèm chỉ số FAR

Chỉ 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 Chỉ số FAR nói lên tỷ lệ dự báo sai trong tổng số lần dự báo Giá trị của FAR nằm trong khoảng [0,1] 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 và chỉ số này không quyết định trực tiếp đến chất lượng dự báo

đầu vào (điều kiện ban đầu và điều kiện biên) cho mô hình MM5 Tổng số có khoảng 60 đợt mưa (theo Thông báo và Dự báo Khí hậu) Danh sách cụ thể về các đợt mưa được trình bầy chi tiết trên bảng 1.2

Số liệu được sử dụng để đánh giá chất lượng sản phẩm dự báo của mô hình MM5 là số liệu mưa 12h khai thác từ Trung tâm Tư liệu KTTV thuộc Trung tâm KTTV Quốc gia của khoảng 168 trạm trên toàn lãnh thổ Việt Nam

Bảng 1.2 Danh sách các đợt mưa vừa, mưa lớn ở Việt Nam trong năm 2004

TT Thời gian Địa điểm Lượng mưa (mm)

1 15 - 19/3 Bắc Bộ và Bắc Trung Bộ

Tổng lượng phổ biến 30 - 50mm Vùng núi và trung

du 50 - 80mm Đặc biệt: Spa (204mm), SìnHồ (160mm), Lục Ngạn (157mm), Tiên Yên (146mm)

2 24 - 31/3

Bắc Bộ, Bắc Trung Bộvà Tây Nguyên

Tổng lượng phổ biến: 35 - 65mm

3 1 - 3/5

Nam Trung Bộ, Tây Nguyên và Nam Bộ

Tổng lượng phổ biến 20 - 30mm, một số nơi 30 - 50mm đặc biệt Đầu Tiếng (142mm)

4 4 - 5/5 Bắc Bộ và Khu 4

cũ

Tổng lượng phổ biến 60 - 100mm, đặc biệt Mường Tè (210mm), Phú Thọ (248mm), Spa (165mm), Chí Linh (178mm), Hà Nội (134mm), Tĩnh Gia (180mm)

5 9 - 12/5

Nam Trung Bộ, Tây Nguyên và Nam Bộ

Tổng lượng phổ biến 60 - 100mm, đặc biệt Bình Thuận (136mm), Thị xã KonTum (220mm), Đắc Nông (206mm)

Bắc Bộ và Bắc Trung Bộ Tổng lượng phổ biến 150 - 200mm

Nội Mưa lớn kéo dài

8 1 - 6/6 Đồng Tháp Xảy ra mưa lớn đặc biệt vào đêm 5 sáng ngày 6

9 1 - 10/6 Lào Cai Mưa lớn kéo dài

10 5 - 7/6 Bắc Bộ và Thanh

Hoá

Tổng lượng phổ biến: 30 - 50mm có nơi 50 - 100mm, một số nơi trên 100mm

11 7 - 9/6 Tây Nguyên và

Nam Bộ

Tổng lượng phổ biến ở Tây Nguyên và phía bắc Miền

Đông Nam Bộ 120 - 180mm, Tây Nam Bộ 80 - 120mm

12 11 - 14/6 Miền Trung

Tổng mưa toàn đợt tại Quảng Bình, Quảng Trị - Đà Nắng là 100 - 250mm; tại Huế, Quy Nhơn - Bình

Định là 150 - 180mm, khu vực còn lại dới 100mm

Đặc biệt: Tổng lượng lớn nhất từ 19h/12 - 19h/13 tại Hơng Khê là 127mm, tại Kỳ Anh là 160mm và tại Hà Tĩnh là 251mm

13 17 - 22/6 Tây Nguyên và

Nam Bộ

Tổng lượng phổ biến: 50 - 100mm, đặc biệt ĐắcKMôt (127mm); PLayCu (236mm); Đắc Nông (192mm); Tà Lài (134mm)

TT Thời gian Địa điểm Lượng mưa (mm)

14 18 - 21/7 Miền núi phía

Bắc

Tổng lượng phổ biến: 50 - 150mm, Có nơi Trên 200mm đặc biệt: Tuyên Quang (260mm), Mường Tè (362mm), Sìn Hồ (308mm), Quỳnh Nhai (254mm), Phủ Thông - Bắc Cạn (254mm), Thái Nguyên (242mm)

15 19 - 24/7 Đồng Bằng Bắc

18 10 - 20/8 Đắc Nông Mưa lớn kéo dài

19 17 - 31/8 Điện Biên Mưa lớn liên tiếp

20 27 -31/8 Bắc Bộ và Bắc

Trung Bộ

Tổng lượng phổ biến:70 - 100mm, đặc biệt Thanh Hoá, Đồng Bằng Bắc Bộ trên 100mm; Bạch long Vĩ (trên 600mm)

21 1 - 15/9 Sơn La Mưa lớn, kéo dài

Tổng lượng phổ biến 70 - 100mm, Đặc biệt: Quảng Nam, Quảng Ngãi (100 - 200mm), một số nơi cao hơn như Sơn Giang (278mm), Đức Phổ (391mm)

25 23 - 24/9 Khu vực Lào Cai,

30 13 - 16/11 Quảng Trị Mưa lớn, kéo dài

31 15 - 18/11 Thừa Thiên Huế Tổng lượng phổ biến 100 đến trờn 200mm

32 22 -27/11 Huế, Quảng Nam và Quảng Ngói mưa lớn kộo dài do ảnh hưởng của KKL kết hợp với hoàn lưu bóo số 4,

Bảng 1.3 Danh sách các đợt m−a vừa, m−a lớn ở Việt Nam trong năm 2005

1 21- 24/3 Lào Cai, Cao Bằng L−ợng m−a phổ biến 26 - 60mm

3 11 - 16/6 Xuân Hội (Cao Bằng) M−a lớn kéo dài

4 15 - 16/6 Điện Biên

M−a lớn diện rộng xảy ra ở Điện Biên L−ợng m−a trung bình 200 đến 260mm, có nơi nh− Thanh N−a l−ợng m−a lên đến 366mm

5 1 - 3/7 Quảng Ninh M−a lớn

11 31/7 - 4/8 Quảng Ninh đến

Thanh Hóa và Lào Cai M−a lớn kéo dài trên diện rộng

18 30 - 31/8

Các tỉnh ven biển

Đồng Bằng Bắc Bộ, Bắc và Trung Trung Bộ

L−ợng m−a phổ biến 100 đến 150mm Các tỉnh

từ Nghệ An đến Quảng Bình phổ biến 200 - 250mm, có nơi trên 300mm gây lũ lụt

19 12 - 14/9 Các tỉnh ven biển Trung Bộ và Tây

M−a vừa, m−a to, có nơi m−a rất to

TT Thời gian Địa điểm Lượng mưa (mm)

21 26 - 28/9 Bắc Bộ, Bắc và Trung

Trung Bộ Mưa lớn diện rộng

22 7 - 8/10 Quảng Bình đến Huế Mưa lớn trong thời gian ngắn

27 24 - 25/11 Bình Định Mưa vừa, mưa to, có nơi mưa rất to

28 25 - 30/11 địa phương thuộc tỉnh Nha Trang và một số

Khánh Hòa

Mưa lớn kéo dài

1.8 Tổng quan về tình hình dự báo mưa lớn trên thế giới và ở Việt Nam

Mưa lớn (bao gồm mưa lớn diện rộng, mưa với cường độ lớn, mưa lớn trên các lưu vực nhỏ có độ dốc lớn, ) là một trong những hiện tượng thời tiết nguy hiểm, thường gây ra những thiệt hại vô cùng to lớn về người và tài sản, ảnh hưởng trực tiếp đến kinh tế - xã hội trong một phạm vi rộng Tai biến thiên nhiên này diễn ra gần như trên mọi miền đất nước, nó gây ra lũ lụt, ngập úng ở

đồng bằng hay lũ quét ở vùng núi Dự báo tốt mưa lớn là một bài toán rất phức tạp và nan giải nhưng vô cùng quan trọng của ngành Khí tượng Thuỷ văn (KTTV) hiện nay mặc dù trên thực tế độ chính xác của các mô hình số đã tăng lên đáng kể trong một vài thập kỷ qua Mưa sinh ra do tác động phối hợp của hầu hết các yếu tố khí tượng biến động rất mạnh theo không gian và thời gian hơn tất cả mọi yếu tố khác Rất nhiều các quá trình có thể dẫn đến mưa như: hội tụ ẩm qui mô lớn, đối lưu sâu, các quá trình gần bề mặt, Các quá trình này cần được biểu diễn trong các mô hình dự báo thời tiết số để có thể dự báo kịp thời và chính xác hơn lượng mưa và vùng có mưa Dự báo chính xác mưa phụ thuộc trước hết vào dự báo chính xác chuyển động khí quyển và lượng ẩm Chính vì vậy, dự báo tốt mưa trên một vùng lớn có nghĩa là dự báo tốt tất cả các biến khí tượng khác Vì thế mà nhiều Trung tâm dự báo lớn sử dụng kỹ năng QPF làm số đo tiêu biểu của khả năng mô hình Hiểu biết về bản chất của QPF không những giúp ích cho

người phát triển mô hình mà cả cho người sử dụng QPF hiểu được khả năng của sản phẩm mô hình

Mưa nhiệt đới là một thành phần không chỉ cho phối thời tiết và khí hậu nhiệt đới mà còn rất quan trọng đối với những vĩ độ cao hơn bởi lẽ ẩn nhiệt giải phóng kèm theo của mưa nhiệt đới điều khiển hoàn lưu Hadley để vận chuyển nhiệt từ nhiệt đới về hai cực Tuy nhiên, sự phát sinh và phát triển mưa nhiệt đới rất phức tạp có tính địa phương cao và biến động mạnh Bởi vậy, dự báo số ở nhiệt đới càng phức tạp hơn nhiều so với ngoại nhiệt đới

ở Liên Xô (cũ), dự báo lượng mưa được đề cập đến trong nhiều công trình nghiên cứu kể cả trong các tài liệu giáo khoa hoặc “hướng dẫn dự báo thời tiết” Tuy nhiên, do vị trí địa lý, khí hậu, mưa lớn hoặc cực lớn ít khi xuất hiện Một số

ít vùng do ảnh hưởng của XTNĐ (vùng cực đông) hoặc địa hình (vùng cực tây và phía nam) trong thời kỳ mùa hè cũng có thể có mưa lớn Có thể điểm qua một số công trình:

- Dự báo thống kê giáng thuỷ mùa hè đối với sườn phía tây núi Caspát (Tôkarep – 1971)

- Dự báo giáng thuỷ tháng (Bagrôp – 1966)

- Tính toán giá trị cực đại cường độ mưa rào trên lãnh thổ với bán kính 100

- Một số tính đặc biệt chế độ mưa và mưa rất mạnh ở vùng duyên hải Viễn

Đông từ tháng XI đến tháng III (Pinsker – 1987)

Phương pháp số trị được phát triển từ rất sớm ở Liên Xô (cũ) và đã đạt

được những thành công đáng kể Một trong những mô hình hoàn thiện nhất (với

ý nghĩa tính đến các quá trình vật lý và nhân tố ảnh hưởng) trong số các mô hình toàn cầu (GCM) là mô hình được xây dựng bởi Cơ quan Khí tượng Thuỷ văn Liên Xô (cũ) dưới sự chỉ đạo của Trôsnhikôp và Kurbatkin Hệ phương trình nguyên thuỷ bao gồm các phương trình chuyển động, phương trình trạng thái, phương trình nhập nhiệt và vận chuyển ẩm được xây dựng trên hệ toạ độ cầu (chiều thẳng đứng được coi là khí áp) Mô hình có tính đến các quá trình vật lý cơ bản như bức xạ, tương tác giữa khí quyển và lớp bề mặt lục địa, đại dương; chuyển động rối, chu trình ẩm trong đất và lớp tuyết phủ, Mô hình được thử nghiệm và đưa vào phục vụ công tác dự báo nghiệp vụ từ những năm 1970 Một

số hạn chế của mô hình này là chưa mô phỏng tốt đới gió đông ở vùng nhiệt đới

và nhiệt độ tầng đối lưu ở vùng cực và nhiệt đới

Trong những năm gần đây, Đài Vật lý Địa cầu Trung ương thuộc Cơ quan Khí tượng Thuỷ văn Liên bang Nga và đơn vị trực thuộc của nó là GGI đã xây dựng thành công các mô hình số trị dự báo hiện tượng thời tiết nguy hiểm như mưa lớn ở vùng núi Caspát, giông lốc ở vùng thung lũng và thảo nguyên, Các

mô hình số trị này đóng vai trò quan trọng trong công tác dự báo và cảnh báo các hiện tượng thời tiết nguy hiểm ở địa phương

Ngoài ra, hàng loạt nghiên cứu về phương pháp số trị và xây dựng mô hình

dự báo thời tiết cho các nước ở vùng vĩ độ thấp đã được triển khai (thông qua các luận án tiến sĩ, tiến sĩ khoa học chuyên ngành địa lý và toán lý) bởi sự hướng dẫn, cố vấn của các chuyên gia thuộc Cơ quan Khí tượng Thuỷ văn Liên xô (cũ)

và nay là Cơ quan Khí tượng Thuỷ văn Liên bang Nga, Trường Đại học Khí tượng Thuỷ văn Xanh Petebua, Trường đại học Khí tượng Thuỷ văn Ođetxa,

Hai phương pháp chính dự báo định lượng mưa theo không gian ở Anh

được sử dụng hiện nay là phân tích hồi qui bội và mô hình số trị Đối với phương pháp thống kê, nước Anh được chia thành 10 khu vực và dự báo mưa được thực hiện thông qua các dự báo về trường khí áp mặt biển

Dự báo mưa ở Nhật Bản được thực hiện theo bốn hướng chính: phương pháp hồi qui bội, phương pháp tương tự, phương pháp phân tích phổ/chu kỳ và

đặc biệt là mô hình số trị Sản phẩm dự báo của mô hình số trị được cung cấp cho các nước trong khu vực, trong đó có Việt Nam

Do ảnh hưởng của gió mùa, lượng mưa năm tập trung chủ yếu ở Trung Quốc vào các tháng mùa hè cho nên dự báo mưa, mưa lớn thời kỳ tháng VI – VIII được đặc biệt quan tâm Phương pháp dự báo nghiệp vụ hiện nay được xây dựng trên cơ sở toán thống kê hiện đại như hồi quy bội, phân tích thành phần chính, Mô hình số trị đã và đang được nghiên cứu thử nghiệm

Phương pháp dự báo số trị có quy mô toàn cầu và khu vực được phát triển

và ứng dụng mạnh mẽ trong dự báo thời tiết nói chung và dự báo mưa nói riêng ở

Mỹ, úc, các nước Châu Âu, Hàng loạt mô hình khu vực được xây dựng được như RAMS, ETA, MM5, WRF, RSM (Mỹ), ALADIN (Pháp), CCM, DARLAM (úc), GME, HRM (Đức), ECMWF (Châu Âu),

Như trên đã nói, hầu hết các hiện tượng mưa lớn đều có nguồn gốc từ các quá trình vật lý qui mô vừa hay là hệ quả của sự tương tác phức tạp giữa đối lưu

và địa hình Cả hai quá trình này rất nhạy bén với kích thước ô lưới theo phương ngang trong mô hình dự báo Mô hình số trị phân giải cao có thể đáp ứng được những yêu cầu đặt ra về thời gian cũng như sản phẩm dự báo mưa vừa, mưa lớn trên từng khu vực nhỏ Cơ chế cơ bản của kỹ thuật mô hình hoá khu vực phân giả cao là: Các mô hình toàn cầu có khả năng thể hiện năng lượng qui mô lớn thông qua hoàn lưu qui mô lớn, còn mô hình khu vực phân giải cao (hay mô hình khu vực lồng vào lưới của mô hình toàn cầu) lại có khả năng phản ánh những hiệu ứng địa phương biểu diễn năng lượng của những quá trình có qui mô dưới lưới

Kỹ thuật mô hình hoá lồng ghép này đã được sử dụng rộng rãi trong dự báo thời tiết số

Mô hình khí tượng qui mô vừa khu vực hạn chế ETA (do Nam Tư (cũ) và Trung tâm Khí tượng Quốc gia Mỹ xây dựng) được NCEP (Mỹ) cải tiến trở thành một trong những mô hình dự báo nghiệp vụ ở Mỹ Một số nước trên thế giới cũng sử dụng mô hình ETA trong dự báo nghiệp vụ hoặc dự báo thử nghiệm như Nam Tư (cũ), Hy Lạp, Rumany, Nam Phi, ấn Độ, ý,

Mô hình thuỷ tĩnh HRM cho dự báo thời tiết khu vực hạn chế qui mô vừa với cập nhật trường số liệu ban đầu và điều kiện biên của mô hình toàn cầu GME (Đức) đang được sử dụng trong dự báo nghiệp vụ hàng ngày tại một số Trung tâm dự báo ở Ai Cập, Bungari, Balan, Braxin, Rumany, Kenya,

Năm 1998, trong chương trình thực nghiệm gió mùa Biển Nam Hải (SCSMEX), mô hình MM5 được ứng dụng để mô phỏng và nghiên cứu về các

đợt mưa lớn diện rộng trên khu vực Thời gian tích luỹ lượng mưa được xác định

là 12, 24 và 36h Độ phân giải theo phương ngang ở miền tính nhỏ nhất là 15km Kết quả nghiên cứu cho thấy mô hình này mô phỏng khá thành công 2 thời kỳ mưa lớn ở đây (5 – 25/5/1998 và 5 – 25/6/1998), kết quả mô phỏng mưa được so sánh với lượng mưa thực tế của 7 trạm quan trắc ở Đài Loan và Biển Đông

Trong các nghiên cứu của mình, Simon Low-Nam và Christopher Davis (NCAR, Mỹ) đã cho thấy rằng mô hình MM5 có thể sử dụng tốt trong mô phỏng

và dự đoán các đặc trưng của xoáy thuận nhiệt đới, đây là cơ sở quan trọng trong

dự báo mưa lớn gây nên bởi xoáy thuận nhiệt đới ở những khu vực chịu ảnh hưởng của nhiễu động khí quyển này Các tác giả đã nghiên cứu tạo xoáy nhân tạo với thành phần đối xứng và cài vào mô hình MM5 trong những trường hợp trong miền tính có XTNĐ

ở Hồng Kông, Đài Loan, Hàn Quốc mô hình MM5 được sử dụng như một công nghệ chính trong dự báo thời tiết hàng ngày Độ phân giải theo phương ngang lên tới 1 - 2km

Một phiên bản của MM5 (MM5-V3) đã được sử dụng trong mô phỏng các đợt mưa lớn ở Nam California (Mỹ) do ảnh hưởng của El Nino 1997-1998

được nhóm các nhà nghiên cứu Trường Đại học Tổng hợp California và Cục Khí tượng Quốc gia Los Angeles thực hiện Lượng mưa quan trắc được trên các trạm thuộc Nam California được sử dụng để đánh giá và kiểm nghiệm mô hình Kết quả cho thấy, mô hình MM5 mô phỏng rất tốt phạm vi (vùng) mưa lớn Tuy nhiên, lượng mưa dự báo được thường cao hơn so với lượng mưa thực tế

Thời kỳ 1984 – 1985 ở ECMWF đã có những cải tiến to lớn trong dự báo nghiệp vụ bằng mô hình toàn cầu cho các vùng nhiệt đới ở đây đã đưa vào tham

số hoá đối lưu (TSHĐL) nông, biến đổi TSHĐL sâu, một sơ đồ mây mới và tăng

độ phân giải ngang của mô hình Kết quả cho thấy những cải tiến trong dự báo nhiệt đới thể hiện chủ yếu qua giảm sai số hệ thống phản ánh ràng buộc phi đoạn nhiệt ở nhiệt đới thực hơn Trên qui mô toàn cầu, nghiên cứu của Tiedtke & CS (1988) đã đánh giá tác động của tổ hợp vật lý và tăng độ phân giải ngang đối với sai số hệ thống trong dự báo nghiệp vụ ở nhiệt đới của ECMWF Các cải tiến nêu trên đã góp phần nâng cao hiệu quả trong dự báo mưa ở ECMWF

Nhiều công trình nghiên cứu đã chứng minh, việc tăng độ phân giải ngang

có tác động rõ rệt đến lượng mưa mô phỏng của mô hình số trị Tuy nhiên, với

điều kiện là độ phân giải ngang vẫn còn đủ thô để sử dụng sơ đồ TSHĐL Tác

động của quá trình tham số hóa thay đổi khi độ phân giải tăng lên có thể rất khó giải thích (Molinari và Dudek, 1986; Zhang và Fritsch, 1988; Molinari và Dudek, 1992) Zhang & CS (1984) cũng đã nhận thấy rằng, việc nghiên cứu quan hệ giữa mưa qui mô dưới lưới và qui mô lưới có tác động đáng kể đến kết

quả mô phỏng Hong và Pan (1998) cho thấy vị trí của mưa qui mô lưới bị ảnh hưởng nhiều bởi TSHĐL hơn là việc thay đổi phương pháp tính mưa qui mô lưới Mặt khác, thời gian kích hoạt của cả sơ đồ TSHĐL và sơ đồ ẩm hiện có tác động

đáng kể đối với mưa mô phỏng (Grell, 1993) và có thể thay đổi các sơ đồ khác nhau

Mặt khác, những cải tiến trong thám sát và phương pháp đồng hóa để cải tiến trường ban đầu cho mô hình góp phần quan trọng trong việc nâng cao chất lượng dự báo Như đã biết khí quuyển là một hệ thống hỗn loạn (Lorenz, 1963), vì thế những sai số nhỏ trong điều kiện ban đầu của một mô hình dự báo thời tiết

số bất kỳ sẽ khuyếch đại theo thời gian dự báo với sai số RMSE cuối cùng sẽ trở nên bão hòa, có nghĩa là phương sai của sai số dự báo gần bằng hai lần phương sai của sai số khí hậu (Anthes, 1986) Tuy vậy, mỗi một vấn đề này là một bài toán khí tượng phức tạp, trong đó mô phỏng thành công hiện tượng mưa lớn có lẽ

là bài toán khí tượng phức tạp, trong đó mô phỏng thành công hiện tượng mưa lớn có lẽ là bài toán khó nhất, bởi lẽ để giải quyết bài toán này trước hết cần có một mô hình số thích hợp về động lực học cũng như vật lý, trong đó quan trọng hơn đối với vùng nhiệt đới là một sơ đồ TSHĐL thích hợp Vấn đề thứ hai lại

đang là bài toán nan giải của khí tượng học trên qui mô toàn cầu vì cho đến nay con người hiểu biết về đối lưu nói chung, đối lưu nhiệt đới nói riêng vẫn còn nhiều hạn chế

Nghiên cứu dự báo mưa lớn diện rộng ở Việt Nam đã được triển khai từ những năm 1960 Các công trình của Vũ Bội Kiếm về hoàn lưu gió mùa ở Đông

á có đề cập đến thời tiết mưa ở Việt Nam Đinh Văn Loan với công trình "Những hình thế thời tiết nửa năm mùa nóng" đã đề cập khá chi tiết về tình hình mưa lớn

và những hình thế gây mưa lớn ở đồng bằng trung du Bắc Bộ

Lê Đình Quang đã đề cập đến "Mưa lớn ở đồng bằng Bắc Bộ và phân loại hình thế synôp gây mưa lớn" Ngoài ra, trong nhiều số nội san Khí tượng năm

1970 đã đăng tải về mưa lớn do bão ở Bắc Việt Nam nói chung và ở đồng bằng Bắc Bộ nói riêng

Nguyễn Vũ Thi trong công trình "Thời tiết Việt Nam" cũng đề cập đến mưa và mưa lớn ở đồng bằng Bắc Bộ Trong tập công trình nghiên cứu số 2 - Khí tượng Thuỷ văn 1978-1979, Nguyễn Văn Tuyên đã đề cập tới dự báo mưa rào mùa hè bằng phương pháp vật lý thống kê sử dụng các nhân tố dự báo: chỉ số hoàn lưu khí quyển và trường ẩm, quán tính của giáng thuỷ, nhân tố vật lý, Nguyễn Ngọc Thục với bài báo đăng trong "Tổng kết công tác nghiên cứu dự báo và phục vụ dự báo KTTV" lần IV (1996 - Tập I) đã phân loại các dạng hình thế synôp gây mưa lớn thuộc các tỉnh Nghệ An – Thừa Thiên Huế: do XTNĐ

đơn thuần; do XTNĐ đổ bộ kết hợp với không khí lạnh (KKL); do dải hội tụ nhiệt đới; do KKL hội tụ với tín phong hoặc tổ hợp các hình thế này Trần Đình Bá với công trình "Sử dụng ảnh mây GMS khoanh vùng mưa lớn trong bão"

Vũ Đình Hải đã nêu ra các các dạng hình thế gây mưa lớn ở Miền Trung ("Khoa học, công nghệ dự báo và phục vụ dự báo KTTV"- Hội nghị lần V (2000, Tập I) Hoàng Minh Hiền với báo cáo "Thử nghiệm sử dụng ảnh mây vệ tinh địa tĩnh GMS-5 trong đánh giá mưa" và Lê Văn Thảo với báo cáo "Mưa lớn ở các

tỉnh Miền Trung do tác động KKL với nhiễu động sóng Đông trong đới gió đông cận nhiệt đới" cũng đã trình bày khá chi tiết tại Hội nghị lần này

Việc ứng dụng mô hình số trị trong dự báo thời tiết ở nước ta tuy mới được bắt đầu, nhưng đã có bước phát triển khá chắc chắn mang tính hiệu quả

Mô hình HRM được sử dụng vào nghiệp vụ ở Trung tâm Dự báo Khí tượng Thủy văn Trung ương từ năm 2002 Các sản phẩm của mô hình rất phong phú và trong một chừng mực nhất định có thể đáp ứng được các yêu cầu của dự báo mưa lớn phục vụ công tác dự báo lũ lụt ở Việt Nam Tuy nhiên, theo nhận

định mô hình này chỉ cho kết quả tương đối tốt đối với hạn dự báo đến 24h (chỉ trước 1 ngày) Dự báo mưa bằng mô hình thường khác với thực tế về lượng, phạm vi mưa gần sát với thực tế Hiện nay, độ phân giải theo phương ngang của mô hình là 28km Độ phân giải này có hạn chế nhất định trong việc dự báo lượng mưa cho khu vực nhỏ/lưu vực sông với địa hình phức tạp

Tiếp theo là sự thành công của đề tài “Nghiên cứu dự báo mưa lớn diện rộng bằng công nghệ hiện đại phục vụ phòng chống lũ lụt ở Việt Nam”, mã số

ĐTĐL 2002/02 do TSKH Kiều Thị Xin chủ nhiệm Những kết quả khoa học chính đạt được của đề tài này bao gồm: lựa chọn miền dự báo và nâng cao độ phân giả của mô hình HRM phù hợp với dự báo mưa lớn diện rộng ở Việt Nam; cải tiến một số phần tham số hóa vật lý trong mô hình như tham số hóa mây qui mô lưới, tham số hóa mây đối lưu, khu vực hóa mô hình đất; cải tiến trường ban

đầu và phát triển phương pháp đồng hóa số liệu 3DVAR cho mô hình HRM

Đề tài KHCN KC09-04 do GS.TS Trần Tân Tiến làm chủ nhiệm đã áp dụng mô hình RAMS từ Đại học Tổng hợp Colorado (Mỹ) và mô hình số trị phi thủy tĩnh Eta từ Đại học Tổng hợp Athens (Hy Lạp) vào “Xây dựng mô hình dự báo các trường Khí tượng Thủy văn trên Biển Đông” Mô hình RAMS cho phép sử dụng nhiều lưới lồng nhau do đó có khả năng mô tả ảnh hưởng của các quá trình qui mô nhỏ Các tác giả đã nghiên cứu sự phụ thuộc vào độ phân giải lưới của hai sơ đồ TSHĐL là Kuo và Kain Fristch Kết quả cho thấy sơ đồ Kuo phụ thuộc mạnh vào cấu hình lưới hơn so với sơ đồ Kain Fristch, mô phỏng mưa của sơ đồ Kain Fristch cho kết quả phù hợp với thám sát hơn cả về vùng mưa Mô hình RAMS có thể dự báo rất tốt các trường khí tượng cho khu vực Việt Nam, đặc biệt

là lượng mưa, một trong những vấn đề khí khăn trong công tác nghiệp vụ tuy nhiên lượng mưa dự báo của mô hình vẫn thấp hơn thực tế

Mô hình ETA – 95 đã được thử nghiệm ở Trung tâm Khí tượng Thuỷ văn Quốc gia từ năm 1998 Song vì đây là phiên bản thực nghiệm nên việc nghiên cứu nhằm đưa mô hình vào công tác nghiệp vụ gặp nhiều khó khăn Mặc dù đã chạy thông mô hình về mặt tin học, song còn gặp nhiều vướng mắc trong việc xử

lý các sai sót ở cả 4 biên của miền dự báo và vấn đề chuẩn bị số liệu đầu vào cho mô hình Phiên bản ETA – 2003 cũng đang được chạy thử nghiệm ở Trường Đại học Khoa học Tự nhiên

Luận án Tiến sỹ của Đỗ Ngọc Thắng với đề tài “Nghiên cứu tham số hóa

đối lưu sâu áp dụng vào mô hình dự báo thời tiết số trị Eta cho khu vực Đông Nam á” Trong mô hình Eta, tác giả đã thử nghiệm hai sơ đồ đối lưu là BMJ và Kain Fritsch Qua đánh giá kết quả về sự vận chuyển khối lượng, động lượng và

độ ẩm theo phương thẳng đứng của hai sơ đồ tác giả đã kết luận là sơ đồ Kain Fritsch có ưu thế hơn so với sơ đồ BMJ và hiệu ứng của mây lên các quá trình thời tiết được mô phỏng gần với thực tế hơn Từ đó, tác giả đã lựa chọn sơ đồ Kain Fritsch để thực hiện một số thử nghiệm như biến đổi điều kiện xuất hiện

đối lưu, biến đổi tham số cuốn hút trong mây, biến đổi hàm hiệu quả mưa và tham số điều khiển tỷ phần chuyển nước ngưng kết Những thử nghiệm này đã cho kết quả dự báo tốt hơn so với sơ đồ Kain Fritsch nguyên bản (Đ.N Thắng, 2005)

Ngoài ra, hàng loạt ứng dụng ở Việt Nam đối với các mô hình WRF và MM5 đã được thực hiện trong dự báo thời tiết nói chung và dự báo mưa nói riêng

ở Viện Khoa học Khí tượng Thủy văn và Môi trường, Trường Đại học Khoa học

Tự nhiên và Trung tâm Khí tượng Thủy văn Quốc gia

Chương 2 nghiên cứu lựa chọn các sơ đồ tham số hóa

được sử dụng để xây dựng tiêu chí lựa chọn các sơ đồ tham số hóa vật lý Trong mục 2.1 sẽ giới thiệu sơ lược về các sơ đồ tham số hóa vật lý được lựa chọn sử dụng cho mô hình MM5 và kết quả đánh giá chất lượng sản phẩm báo mưa đối với các dợt mưa vừa, mưa lớn trong năm 2004, 2005 được trình bày trong mục 2.2

2.1 Các sơ đồ tham số hóa vật lý của MM5

2.1.1 Tham số hóa đối lưu

Hiện nay hầu hết các mô hình số trị, kể cả những mô hình khu vực độ phân giải cao cũng chưa thể mô phỏng được những ổ đối lưu riêng biệt và các quá trình vận chuyển ẩm tiếp theo, vì vậy tham số hoá đối lưu trong các mô hình

có vai trò đặc biệt quan trọng Một số sơ đồ tham số hoá đối lưu coi đối lưu ẩm phụ thuộc vào độ hội tụ ẩm mực thấp và đưa tham số hoá bằng cách đưa lượng

ẩm vào mô hình như một bộ phận của tham số hoá Ngoài ra người ta cũng nghiên cứu các đại lượng độ ẩm tương đối và tốc độ giảm của nhiệt độ ở cuối mỗi bước thời gian trong từng cột lưới Dựa vào tốc độ giảm nhiệt mà người ta

điều chỉnh các yếu tố khác nhau Nếu tốc độ giảm nhiệt là siêu đoạn nhiệt thì bằng cách bảo toàn năng lượng người ta điều chỉnh profile nhiệt độ về chế độ phiếm định tĩnh khô

Mục đích của tham số hoá đối lưu là dự báo được lượng mưa sinh ra do

đối lưu; tính toán được các tác động của đối lưu đến các quá trình nhiệt động lực học như tính ổn định theo phương thẳng đứng, sự phân bố các trường ẩm, nhiệt,

sự hình thành mây và các quá trình đốt nóng bề mặt, bức xạ, khí quyển,

Các sơ đồ tham số hoá ngày nay đang được áp dụng và cũng được áp dụng

để đánh giá chất lượng dự báo mưa của MM5, đó là các sơ đồ tham số hoá đối lưu: Kuo, Grell, Betts-Miller Đây cũng là 3 sơ đồ tham số hóa đối lưu tiêu biểu cho 3 nhóm sơ đồ đối lưu: thích ứng đối lưu, đối lưu xuyên thủng và sơ đồ dựa trên mô hình mây tích

• Sơ đồ Kuo

Là sơ đồ tiêu biểu trong nhóm sơ đồ được xây dựng trên khái niệm bất ổn

định điều kiện loại 2, loại bất ổn định được gây ra bởi ma sát và toả nhiệt ẩm ngưng kết Ưu điểm của các sơ đồ tham số hoá nhóm này là các quá trình đốt

nóng khí quyển do đối lưu mây tích được giải thích rõ ràng Tuy nhiên chúng lại

bỏ qua các quá trình cuốn hút không khí vào mây Sơ đồ tham số hoá đối lưu Kuo là một trong những sơ đồ đầu tiên được sử dụng trong tham số hóa đối lưu Cumulus, có các phương trình nhiệt độ và tỷ số xáo trộn hơi nước trong hệ toạ độ khí áp (x, y, p):

(2.1) (2.2)

trong đó, F k và F q - thông lượng xoáy thẳng đứng của hơi nước và hiển nhiệt; L -

ẩn nhiệt ngưng kết của hơi nước; Q r - tốc độ đốt nóng do bức xạ; π - hàm Exner;

C - phần ngưng kết của hơi nước trừ đi phần bốc hơi

Các giả thiết của sơ đồ Kuo:

- Đối lưu mây tích xuất hiện ở vùng có lớp bên dưới phân tầng bất ổn định

có điều kiện và và hội tụ ẩm;

- Chuyển động đối lưu vận chuyển lớp không khí sát đất đến độ cao rất lớn Trong quá trình đó không khí trong mây đi lên theo quá trình đoạn nhiệt giả;

-Chân mây nằm ở mực ngưng kết của không khí lớp sát đất, đỉnh mây đạt tới độ cao nơi nhiệt độ của phần tử đi lên bằng nhiệt độ môi trường

- Mây tích tồn tại một thời gian rất ngắn trong môi trường ở mực đó Vì vậy nhiệtvà ẩm trong mây được truyền môi trường

(2.3) trong đó, mb – thông lượng ẩm tại chân mây; mu: thông lượng khối dòng thăng;

md: thông lượng khối dòng giáng

Dựa theo giả thiết tựa cân bằng Grell cho rằng sự thay đổi của năng lượng thế năng nổi do đối lưu sẽ bù lại sự thay đổi do các quá trình khác như các quá trình bình lưu, bức xạ, bề mặt, từ đó ta có hệ phương trình:

p

F Q

LC p

v t

dt

∂

∂ππ

ωθ

∂

∂θ

∂

∂θ

) ( )

•

∇ +

=

p

F C q p

vq t

q dt

∂

∂ ω

(2.4)

(2.5)

trong đó, ABE – năng lượng thế năng nổi, OTH biểu diễn sự biến đổi do đối lưu,

được chuẩn hoá dưới dạng thông lượng khối do các quá trình khác như bình lưu, bức xạ, Dựa theo các mối liên hệ của 3 phương trình nêu trên có thể tính được giá trị mb

• Sơ đồ Betts-Miller

Là sơ đồ thuộc nhóm thích ứng đối lưu, được đưa ra để mô tả trực tiếp trạng thái cân bằng trong đối lưu sâu Trong các sơ đồ thuộc nhóm thích ứng đối lưu ở những nút lưới có gradient của nhiệt độ và độ ẩm tương đối vượt quá giá trị tới hạn nào đó thì chúng được thay ngay bằng giá trị đó Ngưỡng tới hạn này

được chọn tuỳ thuộc vào từng sơ đồ tham số hoá Ngoài ra trong các sơ đồ thích ứng đối lưu còn thừa nhận động năng của các xoáy quy mô nhỏ do đối lưu sinh

ra được chuyển hoá ngay thành nhiệt năng và toàn bộ hơi nước rơi xuống thành mưa Đối với không khí chưa bão hoà thì xảy ra quá trình đối lưu khô Sơ đồ Betts-Miller sử dụng sơ đồ đối lưu trễ thông thường, ở đó có sự hiệu chỉnh cấu trúc các trường nhiệt, ẩm tới các profile quy chiếu chuẩn, phản ánh trạng thái tựa cân bằng do đối lưu sâu trong các quá trình bình lưu và bức xạ quy mô lớn Cấu trúc nhiệt động lực cũng được phân thành hai trạng thái: đối lưu nông và đối lưu sâu

Trong quá trình tham số hoá đối lưu việc đầu tiên là phải xác định quy mô thời gian hiệu chỉnh, xác định chân mây và đỉnh mây, xác định các profile quy chiếu đối với đối lưu nông và đối lưu sâu, sau đó các yếu tố lại được xác định trong mô hình giáng thuỷ được tham số hoá qua quá trình hiệu chỉnh:

(2.6)

Quá trình tích phân được thực hiện từ các mực áp suất ở chân mây và đỉnh mây Trong đó, q - độ ẩm riêng; q R - độ ẩm xác định qua profile quy chiếu (là một hàm của độ cao); τ - quy mô thời gian

Trước năm 1993 sơ đồ Betts-Miller không mấy quan tâm đến vai trò của các dòng giáng trong đối lưu trong khi dòng giáng hoàn toàn có thể sinh ra do quá trình ép buộc bảo toàn năng lượng gây ra sự giảm nhiệt độ ở lớp biên Tuy nhiên sau năm 1993 thì sơ đồ Betts-Miller đã sử dụng profile dòng giáng không bão hoà quy chiếu (đường đẳng nhiệt và đường đẳng ẩm song song với đường

đoạn nhiệt ẩm)

dABE dt

B

p p R

=

τ

2.1.2 Tham số hoá các quá trình vi mô trong mây

Vật lý mây là một bộ phận của vật lý khí tượng và có thể xem như là khoa học về mây trong khí quyển Các quá trình vật lý trong mây rất đa dạng và phức tạp, từ các tính chất quang học của mây đến tính chất hóa học của nước mưa, từ các quá trình tạo băng trong mây đến sự ảnh hưởng của mây đối với hoàn lưu chung khí quyển, Để giải quyết được tất cả các vấn đề của vật lý mây đòi hỏi một quá trình nghiên cứu lâu dài và phức tạp Tuy nhiên, trong khuôn khổ của bài toán mô hình hoá dự báo thời tiết ta có thể chỉ cần nghiên cứu một đặc trưng cốt lõi của vật lý mây, đó là quá trình liên quan đến sự hình thành mây và mưa

Đây cũng là đối tượng nghiên cứu chính của khí tượng Ra đa, tác động tích cực

đến các quá trình khí quyển, nghiên cứu cấu trúc bão,…

Để hình thành mây, cần thiết phải có một lượng không khí đủ lớn có nhiệt

độ dưới điểm sương Trong khí quyển, quá trình làm lạnh thường xảy ra khi không khí đi lên và bị giãn nở gần đúng đoạn nhiệt, ngoài ra còn có thể do quá trình làm lạnh bức xạ hoặc có sự xáo trộn giữa hai khối khí có nhiệt độ và độ ẩm khác nhau Để hình thành mưa, thì các quá trình làm lạnh trên phải tiếp tục diễn

ra cho đến khi đủ lượng hơi nước tạo ngưng kết

Thông thường trong các mô hình số trị, giáng thủy quy mô lớn xảy ra khi

độ ẩm tương đối trên toàn bộ hộp lưới lớn hơn so với giá trị giới hạn Giá trị giới hạn này nhỏ hơn 100% và tiệm cận đến 100% khi độ phân giải theo phương ngang tăng Lượng ẩm vượt quá ngưỡng sẽ ngưng tụ lại và tiềm nhiệt thoát ra sẽ làm tăng nhiệt độ của hộp lưới Phần nước ngưng tụ sau đó được thêm vào cho hộp lưới thấp hơn Nếu hộp lưới này chưa bão hòa thì phần nước ngưng tụ nhận

được sẽ bị bốc hơi cho tới khi độ ẩm trong hộp lưới đạt tới một ngưỡng nhất

định Phần nước còn lại sau đó lại được chuyển xuống hộp lưới thấp hơn Quá trình này diễn ra liên tục cho tới mặt đất

Vai trò chính của các sơ đồ vi vật lý mây trong mô hình số trị là:

- Xử lý các quá trình mây và mưa quy mô lưới;

- Có thể tính toán đến pha băng và tạo hạt đá;

- Tính toán xu thế nhiệt, các biến ẩm và mưa không phải do đối lưu;

- Cung cấp các thông tin và tính chất của mây cho các sơ đồ bức xạ

• Sơ đồ Simple Ice

Sơ đồ này có tính đến ảnh hưởng của việc đóng băng Có ba dạng nước (hydrometeos) được tính đến trong sơ đồ gồm: hơi nước, nước mây/băng và mưa/tuyết Băng trong mây và nước mây được tính như là cùng một dạng và chúng được phân biệt qua nhiệt độ, mây dạng băng chỉ có thể tồn tại khi mà nhiệt độ nhỏ hơn hay bằng nhiệt độ đóng băng, trong trường hợp ngược lại thì chỉ có tồn tại nước mây Các điều kiện trên cũng giống đối với mưa và tuyết

Trong sơ đồ Simple Ice, cho phép tính đến quá trình tạo băng khi nhiệt độ

dưới 0oC, khi đó nước mây được xử lý như là băng mây, còn nước mưa như là