Đánh giá khả năng dự báo quỹ đạo và cường độ bão trên biển đông hạn 5 ngày bằng mô hình WRF với sơ đồ đồng hóa letkf

DANH MỤC KÝ HIỆU VIẾT TẮT WRF: Mô hình dự báo và nghiên cứu thời tiết LETKF: Bộ lọc Kalman tổ hợp địa phương hóa biến đổi WRF-LETKF: Hệ thống dự báo và nghiên cứu thời tiết ứng dụng đồn

ĐẠI HỌC QUỐC GIA HÀ NỘI

TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN

LỜI CẢM ƠN

ĐẠI HỌC QUỐC GIA HÀ NỘI

TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN

LUẬN VĂN THẠC SĨ KHOA HỌC

NGƯỜI HƯỚNG DẪN KHOA HỌC:

GS TS Trần Tân Tiến

HÀ NỘI - 2013

LỜI CÁM ƠN

Trước hết, tôi xin bày tỏ lòng biết ơn sâu sắc tới GS TS Trần Tân Tiến, là người không những tận tình chỉ bảo, định hướng và hướng dẫn tôi hoàn thành luận văn này mà còn là người đã tạo cơ hội để tôi tiếp tục theo ngành khí tượng Em xin chân thành cảm ơn Thầy!

Tôi xin cảm ơn các thầy cô và các cán bộ trong Khoa Khí tượng Thủy văn và Hải dương học đã cung cấp cho tôi những kiến thức chuyên môn và những kinh nghiệm quý giá, và tạo điều kiện thuận lợi về cơ sở vật chất trong suốt thời gian tôi học tập và thực hành ở Khoa

Tôi cũng xin cảm ơn Phòng Sau đại học, Trường Đại học Khoa học Tự nhiên

đã tạo điều kiện cho tôi trong thời gian hoành thành luận văn

Cuối cùng, tôi xin gửi lời cảm ơn chân thành tới gia đình, người thân và bạn

bè, những người đã luôn ở bên cạnh cổ vũ, động viên và tạo mọi điều kiện tốt nhất cho tôi trong suốt thời gian học tập và hoàn thành luận văn Tôi cũng cám ơn sinh viên Lê Thị Liên 05CĐKT1 đã giúp tôi chỉnh sửa bản thảo, hoàn thiện luận văn

Hà Nội, ngày 9 tháng 03 năm 2014

Phạm Thị Minh

MỤC LỤC

CHƯƠNG 1 2

TỔNG QUAN VỀ DỰ BÁO BÃO HẠN 5 NGÀY VÀ SƠ ĐỒ ĐỒNG HÓA LETKF 2

1.1 Tình hình dự báo bão hạn 5 ngày trên Thế giới và Việt Nam 2

1.2 Tổng quan về sơ đồ đồng hóa LETKF 4

1.2.1 Một số nghiên cứu về sơ đồ LETKF 4

1.2.2 Thuật toán LETKF 7

CHƯƠNG 2 9

THIẾT KẾ THÍ NGHIỆM VÀ PHƯƠNG PHÁP ĐÁNH GIÁ 9

2.1 Sử dụng LETKF trong mô hình WRF đồng hóa số liệu phục vụ dự báo bão hạn 5 ngày 9

2.2 Sơ lược về quá trình hoạt động của cơn bão Megi 2010 11

2.3 Thiết kế miền tính và cấu trúc tổ hợp 12

2.4 Nguồn số liệu 13

2.5 Phương pháp đánh giá kết quả dự báo quỹ đạo và cường độ bão 15

2.5.1 Phương pháp đánh giá dựa vào MAE 17

2.5.2 Phương pháp đánh giá dựa vào tỷ số giữa độ tán tổ hợp và sai số tuyệt đối 17

2.5.3 Phương pháp đánh giá dựa vào sai số căn quân phương năng lượng trung bình thể tích 19

CHƯƠNG 3 20

KẾT QUẢ TÍNH TOÁN VỚI CƠN BÃO MEGI 2010 20

3.1 Khảo sát số thành phần tổ hợp 20

3.2 Khảo sát vai trò của bộ số liệu hỗn hợp (vệ tinh + cao không) trong dự báo bão hạn 5 ngày 21

3.3 Khả năng dự báo bão hạn 5 ngày của mô hình WRF với sơ đồ LETKF 35

3.3.1 Quỹ đạo bão 36

3.3.2 Cường độ bão 38

KẾT LUẬN 44 PHỤ LỤC 46 TÀI LIỆU THAM KHẢO 50

DANH MỤC HÌNH Hình 2.1 Sơ đồ minh họa hệ thống dự báo tổ hợp WRF-LETKF 9 Hình 2.2 Quỹ đạo cơn bão MEGI từ ngày 13/10 đến ngày 23/10/2010 12

Theo Nguồn Internet [46] 12

Hình 2.3 Bản đồ phân bố các trạm quan trắc cao không trên khu vực Châu Á 15 Hình 2.4 Sơ đồ các thành phần của một “tổ hợp dự báo tốt” (hình trái) và ” tổ

hợp dự báo xấu” (hình phải) trong hệ thống dự báo tổ hợp 16

Hình 3.1 Sai số căn quân phương năng lượng trung bình thể tích trong thí

nghiệm độ nhạy của phương pháp đa vật lý với số thành phân tổ hợp khác nhau:

10 (dấu nhân), 15 (tam giác), 20 (hình vuông), 25 (hình tròn), 30 (vòng tròn hở),

35 (dấu hoa thị), 40 (dấu cộng), và 50 (kim cương) 21

Hình 3.2 Quỹ đạo cơn bão Megi quan trắc (màu đen ) và dự báo tất định với thời

điểm bắt đầu dự báo lúc 12z15 ( màu đỏ); 00z16 (xanh lá cây); 12z16 (xanh dương); 00z17 (xanh da trời); 12z17 (màu hồng); và 00z18 (màu vàng) 22

Hình 3.3 Biến trình PMIN (a) và VMAX (b), quan trắc (OBS-màu đỏ) và dự báo

tất định (CTL-màu xanh dương), với thời điểm bắt đầu dự báo lúc 00 giờ (UTC) ngày 18 tháng 10 năm 2010 24

Hình 3.4 Kết quả dự báo quỹ đạo (a) và cường độ cơn bão Megi (PMIN -

b,VMAX - c) trong thử nghiệm MIX (hình phải) và thử nghiệm CIMSS (hình trái); với trung bình tổ hợp (màu tím), quan trắc (màu đen), các thành phần tổ hợp (đường mảnh màu tím) Bắt đầu dự báo lúc 00 giờ ngày 18/10/2010 26

Hình 3.5 Trường độ cao địa thế vị mực 500 hPa, CIMSS (hình trái) và MIX

(hình phải), với (a) 00 UTC 22; (b) 12 UTC 22; và (e) 00 UTC 23 Và trường gió

ở mực tương ứng 27

Hình 3.6 Bản đồ đường dòng mực 200 hPa trong thử nghiệm CIMSS (hình trái)

và thử nghiệm MIX (hình phải), với (a) 00 UTC 22, (b) 12 UTC 22, và (c) 00 UTC 23 Và độ lớn tốc độ gió ở mực tương ứng 28

Hình 3.7 Tương tự hình 3.3, thêm 2 biến trình cho CIMSS (xanh lá cây) và MIX

(màu tím) 31

Hình 3.8 Tương tự như hình 3.4 cho quĩ đạo dự báo, trong thử nghiệm đồng hóa

đồng thời gió vệ tinh và gió cao không (MIXNO – hình bên trái), và thử nghiệm đồng hóa đồng thời số liệu vệ tinh và cao không (MIX – hình bên phải) 32

Hình 3.9 Tương tự như hình 3.6, MIXNO (hình trái) và MIX (hình phải), (a) 00

UTC 22, (b) 12 UTC 22, và (c) 00 UTC 23 Và độ lớn tốc độ gió ở mực tương ứng 33

Hình 3.10 Tương tự hình 3.3, 3 biến trình cho CIMSS (xanh lá cây); MIX (màu

tím); và MIXNO (xanh da trời) 34

Hình 3.11 Sai số quỹ đạo bão trung bình của 9 trường hợp thử nghiệm, MIX

(màu đen); CIMSS (màu xám); và CTL (màu xám nhẹ) 37

Hình 3.12 Trung bình sai số tuyệt đối áp suất mực biển cực tiểu, MIX (màu đen),

CIMSS (màu xám), và CTL (màu xám nhẹ) 40

Hình 3.13 Trung bình sai số tuyệt đối gió bề mặt cực đại trong đó sai số, MIX

(màu đen); CIMSS (màu xám); và CTL (màu xám nhẹ) 42

DANH MỤC BẢNG

Bảng 2.1 Danh sách các trường hợp thử nghiệm 13 Bảng 3.1 Thống kê các trường hợp hệ thống WRF-LETKF dự báo quỹ đạo bão

hiệu quả trong hai thử nghiệm CIMSS và MIX 37

Bảng 3.2 Thống kê các trường hợp hệ thống WRF-LETKF dự báo áp suất mực

biển cực tiểu hiệu quả trong hai thử nghiệm CIMSS và MIX 40

Bảng 3.3 Thống kê các trường hợp hệ thống WRF-LETKF dự báo tốc độ gió bề

mặt cực đại hiệu quả trong hai thử nghiệm CIMSS và MIX 42

DANH MỤC KÝ HIỆU VIẾT TẮT WRF: Mô hình dự báo và nghiên cứu thời tiết

LETKF: Bộ lọc Kalman tổ hợp địa phương hóa biến đổi

WRF-LETKF: Hệ thống dự báo và nghiên cứu thời tiết ứng dụng đồng hóa số liệu

bằng bộ lọc Kalman tổ hợp địa phương hóa biến đổi

CIMSS: trường hợp thử nghiệm đồng hóa số liệu vệ tinh để dự báo bão trong hệ

thống WRF-LETKF

MIX: trường hợp thử nghiệm đồng hóa đồng thời số liệu vệ tinh và số liệu cao

không để dự báo bão trong hệ thống WRF-LETKF

MIXNO: trường hợp thử nghiệm đồng hóa đồng thời số liệu vệ tinh và số liệu gió

cao không để dự báo bão trong hệ thống WRF-LETKF

CTL: trường hợp thử nghiệm dự báo không đồng hóa

MAE: sai số trung bình tuyệt đối

RMSE: độ lệch chuẩn

PMIN: áp suất mực biển cực tiểu tại tâm bão

VMAX: tốc độ gió cực đại gần tâm bão

PE: sai số quỹ đạo bão

MPE: sai số trung bình quỹ đạo bão

EME: sai số căn quân phương năng lượng trung bình thể tích

GFS: Hệ thống dự báo toàn cầu

PBL: sơ đồ tham số hóa lớp biên hành tinh

NCEP: Trung tâm dự báo môi trường quốc gia

FNL: số liệu phân tích toàn cầu

WRFDA: module đồng hóa số liệu trong mô hình WRF

MP: đa vật lý

UTC: giờ quốc tế

BMJ: Betts-Miller-Janjic (tác giả của sơ đồ đối lưu)

runobs.sh: Chương trình chạy tự động, chuẩn bị số liệu quan trắc cho chương trình

đồng hóa số liệu letkf.exe

obsmode: Biến trong script runobs.sh, xác định các loại quan trắc được đưa vào

đồng hóa

ưu điểm nhất định về khả năng nắm bắt các loại số liệu quan trắc cũng như khả năng ứng dụng trong nghiệp vụ, do việc tính toán có thể thực hiện song song hóa [1, 18] Tuy nhiên, số thành phần tổ hợp trong bộ lọc Kalman chưa có một định lượng

cụ thể và khả năng đồng hóa đồng thời các loại số liệu hiện có (vệ tinh, cao không,

bề mặt…v.v.) cũng chưa được nghiên cứu nhiều, đặc biệt là khả năng ứng dụng trong dự báo quỹ đạo và cường độ bão 5 ngày của mô hình WRF với sơ đồ đồng hóa LETKF chưa được kiểm định

Chính vì vậy, trong khuôn khổ luận văn này, tác giả sẽ đánh giá khả năng dự báo quỹ đạo và cường độ bão hạn 5 ngày trên Biển Đông bằng mô hình WRF với hệ thống đồng hóa LETKF Trong đó số thành phần tổ hợp tối ưu sẽ được xác định trong thí nghiệm lý tưởng hóa Dựa vào số thành phần tổ hợp tối ưu cùng với những

ưu điểm của việc đồng hóa đồng thời 2 loại số liệu gió vệ tinh và số liệu cao không, tác giả tiến hành thử nghiệm dự báo quỹ đạo và cường độ bão hạn 5 ngày với 9 trường hợp cơn bão Megi 2010 Từ kết quả thử nghiệm trên, tác giả đánh giá khả năng dự báo quỹ đạo và cường độ bão hạn 5 ngày của mô hình WRF với sơ đồ đồng hóa LETKF thông qua việc đánh giá sai số dự báo quỹ đạo và cường độ bão so với

quan trắc và thông qua kỹ năng dự báo của hệ thống tổ hợp dựa trên tỷ số giữa độ tán tổ hợp và sai số dự báo

Với nội dung trên, ngoài phần mở đầu và kết luận, luận văn được bố cục thành 3 chương như sau:

Chương 1 – Tổng quan về sơ đồ đồng hóa LETKF và dự báo bão hạn 5 ngày Chương 2 – Thiết kế thí nghiệm và phương pháp đánh giá

Chương 3 –Kết quả tính toán với cơn bão Megi 2010

Chương 1 TỔNG QUAN VỀ DỰ BÁO BÃO HẠN 5 NGÀY VÀ SƠ ĐỒ ĐỒNG HÓA

LETKF

1.1 Tình hình dự báo bão hạn 5 ngày trên Thế giới và Việt Nam

Trên Thế giới, dự báo bão hạn 5 ngày đã được nghiên cứu và ứng dụng vào nghiệp vụ ở một số trung tâm lớn như Trung tâm dự báo Bão Quốc gia Hoa Kỳ, cơ quan khí tượng Nhật Bản, Hàn Quốc, Úc và Trung tâm Dự báo Hạn vừa Châu Âu Đặc biệt trong những năm gần đây, khi công nghệ thông tin không ngừng phát triển

đã tạo điều kiện thuận lợi cho việc phát triển các hệ thống dự báo tổ hợp Cụ thể như Cơ quan Khí tượng Nhật Bản đã áp dụng dự báo bão bằng hệ thống dự báo tổ hợp với hạn 5 ngày, sai số dự báo 5 ngày của năm 2007 là 451 km [41] Còn tại Trung tâm Dự báo Bão Quốc Gia Hoa Kỳ, dự báo hạn 5 ngày được đưa vào nghiệp

vụ từ năm 2003, với sai số dự báo 5 ngày vào khoảng 265 nmi (nauticle mile – 1.852 km) tương ứng với 491 km cho giai đoạn 2000 – 2008 [47] Ngoài ra, tại Hàn Quốc (KMA), Úc, và Trung Tâm Châu Âu (ECMWF), cũng phát triển các hệ thống

dự báo tổ hợp cho dự báo từ 5 đến 7 ngày với kết quả dự bão quỹ đạo bão hạn 5 ngày rất khả quan

Đối với dự báo cường độ, trong khoảng 10 năm trở lại đây, mặc dù sai số dự báo quỹ đạo bão bằng mô hình số đã giảm được khoảng 50% nhờ cải tiến các mô hình, các thám sát xung quanh được tăng cường liên tục và kỹ năng được cải thiện của người dự báo [47] Tuy nhiên, hầu như không có cải thiện nhiều về kỹ năng dự báo cường độ bão trong suốt thời gian này [15][47] Một trong những khó khăn chính của việc dự báo cường độ bão là do xoáy bão trong mô hình thường yếu hơn

và có cấu trúc sai lệch rất nhiều so với bão thực tại thời điểm mô hình bắt đầu tích phân dự báo Ngoài ra còn do các quá trình vật lý trong mô hình không được biểu diễn đầy đủ Như vậy có thể thấy, dự báo cường độ bão đang là thách thức lớn đối với các nhà khí tượng trên thế giới

Ở Việt Nam, đối với dự báo bão hạn 5 ngày trên Biển Đông đã có một số tác tác giả nghiên cứu và thu được một số kết quả đáng chú ý Ví dụ như, tác giả Công Thanh và Trần Tân Tiến 2013 đã xây dựng hệ thống dự báo tổ hợp trên mô hình RAM bằng phương pháp nuôi nhiễu môi trường kết hợp nhiễu xoáy với các sơ đồ vật lý khác nhau và thử nghiệm dự báo cơn bão Washi 2011 [3] Kết quả thử nghiệm cho thấy quỹ đạo dự báo khá sát với quỹ đạo thực Ngoài ra tác giả Công Thanh và Trần Tân Tiến cũng tiến hành đánh giá hệ thống dự báo trên thông qua thử nghiệm dự báo các cơn bão trong 3 mùa bão (2009, 2010 và 2011) [2] Kết quả đánh giá bước đầu cho thấy hệ thống dự báo tổ hợp bằng phương pháp nuôi nhiễu môi trường kết hợp nhiễu xoáy với các sơ đồ vật lý khác nhau cho kết quả dự báo quỹ đạo bão có độ chính xác tương đương với kết quả dự báo của Trung tâm Khí tượng Nhật Bản Còn tác giả Trần Tân Tiến và ccs 2013 đã sử dụng mô hình WRF với 3 sơ đồ đối lưu Betts-Miller-Janjic (BMJ), Kain-Fritsch (KF), Grell-Devenyi (GD) và số liệu dự báo tổ hợp của NCEP để dự báo lại cho các cơn bão trên khu vực Biển Đông trong các năm 2009-2011 gồm 90 trường hợp [4] Tác giả và css xây dựng các phương trình dự báo tổ hợp quỹ đạo bão (kinh độ và vĩ độ của tâm bão) ở các hạn dự báo 6, 12,…,120 giờ cho khu vực Biển Đông Trong đó, các nhân

tố được chọn bằng phương pháp siêu tổ hợp với 90 trường hợp Kết quả đánh giá trên bộ số liệu phụ thuộc và độc lập cho thấy các phương trình trên có thể sử dụng

để dự báo bão ở Việt Nam

Mặt khác, thời gian gần đây mạng lưới quan trắc khí tượng được phát triển rộng khắp cả về số lượng lẫn loại hình quan trắc Đặc biệt là số liệu vệ tinh hiện đang là nguồn số liệu khí tượng đáng tin cậy và hữu ích để bổ sung cho đầu vào của

mô hình số trị Do những thám sát trên biển rất thưa thớt và khó quan trắc trong điều kiện thời tiết có bão Ngoài ra số liệu quan trắc cao không cũng là một nguồn

số liệu bổ sung các thông tin đầu vào cho mô hình dự báo số trị nhằm hiểu chỉnh lại trường đầu vào của mô hình gần với trạng thái khí quyển thực thông qua quá trình đồng hóa số liệu

Do vậy trong khuôn khổ luận văn này tác giả sẽ đồng hóa số liệu quan trắc

vệ tinh và cao không bằng sơ đồ LETKF vào trường đầu vào của mô hình WRF để

dự báo bão hạn 5 ngày trên Biển Đông Phần tiếp theo tác giả sẽ tổng quan sơ lược

về sơ đồ đồng hóa LETKF

1.2 Tổng quan về sơ đồ đồng hóa LETKF

1.2.1 Một số nghiên cứu về sơ đồ LETKF

LETKF (Lọc Kalman Tổ hợp Biến đổi Địa phương hóa) được đề xuất năm

2005 bởi Hunt và các cộng sự (ccs) [19] Thuật toán LETKF không phải là một phương pháp mới cho đồng hóa số liệu, mà nó được xây dựng dựa trên sự kết hợp giữa lọc Kalman tổ hợp địa phương (LEKF) và lọc Kalman biến đổi tổ hợp (ETKF) Kết quả nghiên cứu của Hunt và ccs (2005) cho thấy LETKF có khả năng ứng dụng trong mô hình dự báo toàn cầu đồng hóa các số liệu quan trắc thực với 40 thành phần tổ hợp và sai số mô hình được xác định bằng phương pháp tăng cấp nhân Đến năm 2007 tác giả Miyoshi và Yamane [28] cũng ứng dụng thành công sơ đồ LETKF trong mô hình dự báo toàn cầu AGCM tại Trung tâm Khí tượng Nhật Bản với 40 thành phần tổ hợp đồng hóa hầu hết các dữ liệu quan trắc đã sử dụng trong đồng hóa nghiệp vụ 3DVAR Trường phân tích thu được từ LETKF có độ chính xác tương tự như trường phân tích thu được từ hệ thống đồng hóa biến phân nghiệp vụ 3DVAR Ngoài ra kết quả nghiên cứu của Miyoshi và Yamane cho thấy LETKF có thể nắm bắt tốt các loại dữ liệu có tính bất đồng nhất cao như số liệu vệ tinh Vì vậy Miyoshi và Yamane cho rằng LETKF là hướng phát triển mới có thể ứng dụng trong dự báo nghiệp vụ Còn tác giả Szunyogh và ccs 2008 [35] đã sử dụng LETKF

để đồng hóa số liệu cho mô hình toàn cầu NCEP với 60 thành phần tổ hợp và áp dụng phương pháp tăng cấp hiệp biến (covariance inflation) xác định sai số mô hình, trong đó ứng với mỗi khu vực sẽ có một hệ số tăng cấp tương ứng Szunyogh

và cộng sự đưa ra kết quả phân tích của LETKF chính xác hơn so với phân tích của các phương pháp khác, nhất là tác giả và các cộng sự đã đồng hóa thành công một

số lượng lớn các quan trắc của khí quyển thực trong một khoảng thời gian dài

Đối với các mô hình dự báo khu vực, sơ đồ đồng hóa số liệu LETKF cũng được nghiên cứu và ứng dụng, ví dụ như tác giả Miyoshi và Kunii (2012), đã thử nghiệm LETKF với mô hình WRF (Mô hình dự báo và nghiên cứu thời tiết) để đồng hóa các quan trắc thực [30] Trong các thử nghiệm này tác giả Miyoshi và Kunii sử dụng sơ đồ tăng cấp hiệp biến thích ứng (adaptive covariance inflation) để xác định sai số của mô hình cho LETKF Kết quả nghiên cứu cho thấy LETKF có khả năng đồng hóa dữ liệu quan trắc thực và phương pháp tăng cấp thích ứng là lựa chọn tốt cho sơ đồ LETKF Ngoài ra kết quả nghiên cứu với các thử nghiệm có cỡ

tổ hợp khác nhau, tác giả Miyoshi và Kunii đưa ra nhận định rằng khi số thành phần

tổ hợp tăng lên thì trường phân tích sẽ tốt hơn [30] Một nghiên cứu khác về sơ đồ LETKF ứng dụng trong mô hình WRF là do tác giả Kiều và ccs 2012 [22], tác giả

và ccs đã khảo sát độ nhạy của gió vệ tinh được đồng hóa bởi LETKF trong dự báo cơn bão Megi 2010 và chứng minh được việc đồng hóa số liệu gió vệ tinh bằng LETKF trong mô hình WRF giúp nâng cao chất lượng dự báo quỹ đạo bão và cải thiện đáng kể kỹ năng dự báo cường độ hạn 3 ngày, đồng thời đưa ra nhận định về

sự ảnh hưởng của số liệu quan trắc ngoài rìa xa tâm bão đến kỹ năng dự báo bão Tuy nhiên, trong các thử nghiệm LETKF của tác giả Kiều và cộng sự luôn ấn định

số thành phần tổ hợp là 21 và sai số của mô hình được xác định bằng phương pháp

đa vật lý Với phương pháp đa vật lý đã được chứng minh về khả năng nắm bắt sai

số của mô hình do các quá trình vật lý không được biểu diễn đầy đủ [23], phương pháp này giúp LETKF nắm bắt tốt hơn các thông tin quan trắc được đưa vào đồng hóa

Như vậy chúng ta có thể thấy, sơ đồ đồng hóa LETKF hiện tại chưa có một khuyến cáo nào cho người sử dụng dùng bao nhiều thành phần tổ hợp để có thể thu được kết quả dự báo hiệu quả nhất Mặt khác như đã biết dự báo tổ hợp cung cấp một ước lượng phân bố xác suất dự báo cho trạng thái khí quyển, nên khoảng tin cậy của ước lượng này phụ thuộc vào cỡ của tổ hợp (số thành phần tổ hợp) Ngoài

ra, do tài nguyên tính toán bị giới hạn, nên cỡ tổ hợp phải nhỏ hơn nhiều so với chiều của không gian mô hình dự báo thời tiết sử dụng để thực hiện tích phân [10] Còn tác giả Kalnay (2003) cho rằng một tổ hợp khoảng 25-50 thành phần thì lọc Kalman phát huy tác dụng [24] Hoặc theo kết quả nghiên cứu của Herschel L Mitchell and P L Houtekamer (2002) đã chỉ ra với 64 thành phần tổ hợp thì Lọc Kalman tổ hợp (EnKF) phát huy tác dụng [21] Nhưng nghiên cứu này tác giả Herschel L Mitchell and P L Houtekamer đã giả thiết mô hình là hoàn hảo và sai

số mô hình xác định bằng cách cộng thêm vào tổ hợp các nhiễu mô hình xấp xỉ cân bằng với một cấu trúc thống kê (phương pháp tăng cấp cộng) Ngoài ra các nghiên cứu về LETKF gần đây cũng sử dụng các tổ hợp bao gồm 21, 40 đến 60 thành phần

tổ hợp [19][28][35][29][22] Các nghiên cứu trên chỉ ra định lượng số thành phần tổ hợp trong lọc Kalman dựa vào các thử nghiệm với giả thiết mô hình là hoàn hảo hoặc sai số của mô hình được xác định bằng phương pháp tăng cấp cộng, tăng cấp nhân và tăng cấp thích ứng Nhưng thực tế, hầu hết sai số nội tại của mô hình do các quá trình vật lý không được mô tả đầy đủ là nguyên nhân chính gây ra sai số dự báo trong các mô hình xoáy thuận nhiệt đới [12][5][6][7][27] Vì vậy, tác giả Kiều và cộng sự (2013) [23] đã đề xuất phương pháp đa vật lý để hiệu chỉnh sai số của mô hình, trong đó các thành phần tổ hợp là các thành phần đa vật lý với sự kết hợp của các lựa chọn sơ đồ vật lý khác nhau (một sơ đồ vi vật lý sẽ kết hợp với các sơ đồ tham số hóa đối lưu, sơ đồ tham số hóa bức xạ, sơ đồ tham số hóa lớp biên hành tinh …v.v.) Kết quả cho thấy, độ tán tổ hợp, sai số căn quân phương năng lượng trung bình thể tích được cải thiện đáng kể [23], và những ưu điểm vượt trội của phương pháp đa vật lý so với phương pháp tăng cấp nhân được sử dụng rộng rãi trong các ứng dụng của Lọc Kalman Tổ hợp Địa phương hóa Biến đổi

Như vậy, LETKF có khả năng nắm bắt nhiều loại quan trắc khác nhau và được ứng dụng khá thành công trong các mô hình dự báo toàn cầu và khu vực Đặc biệt với nghiên cứu của tác giả Kiều và cộng sự 2013 đã cho thấy phương pháp đa vật lý là một lựa chọn tốt cho các ứng dụng dự báo hạn ngắn Vì vậy, trong luận văn này tác giả chọn sơ đồ LETKF với phương pháp đa vật lý Phần tiếp theo tác giả giới thiệu tóm tắt thuật toán LETKF

1.2.2 Thuật toán LETKF

Các nghiên cứu gần đây về LETKF đã chứng minh khả năng đồng hóa nhiều loại quan trắc ở các quy mô khác nhau của sơ đồ đồng hóa Kalman tổ hợp [20][32][27][28][22][30] Ưu điểm chính của LETKF cho phép phân tích được tính toán trong không gian mở rộng bởi các thành phần tổ hợp dự báo ở mỗi điểm lưới của mô hình, ưu điểm này giảm khối lượng tính toán bằng việc thực hiện tính toán song song hóa

Ý tưởng chính của thuật toán LETKF là sử dụng ma trận tổ hợp nền như một toán tử chuyển đổi từ không gian mô hình được căng bởi các điểm lưới trong khu vực địa phương đã chọn sang không gian tổ hợp được căng bởi các thành phần tổ hợp, và thực hiện phân tích trong không gian tổ hợp này ở mỗi điểm lưới Đối với

thuật toán LETKF, giả thiết rằng có một tổ hợp nền {xb(i):i=1,2…,k}, trong đó k là

số thành phần tổ hợp Theo Hunt và cộng sự (2007) [20], một ma trận trung bình tổ hợp 𝒙𝑏 và một ma trận nhiễu tổ hợp 𝑿𝑏 được xác định:

𝒙𝑏 =1

𝑘 𝒙𝑏 (𝑖) 𝑘

𝑖=1

𝑿𝑏 = 𝒙𝑏(𝑖)− 𝒙𝑏 (1.1)

Ký hiệu 𝒙 = 𝒙𝑏 + 𝑿𝑏𝒘, trong đó w là một véc tơ địa phương trong không

gian tổ hợp, hàm giá địa phương được cực tiểu hóa trong không gian tổ hợp có dạng:

][

}])([)({)

Trong đó J[xbXbw] là hàm giá trong không gian mô hình Nếu hàm giá

xác định trong không gian đầy đủ của Xb

( N = {v | Xbv = 0}), thì dễ dàng thấy hàm

giá J(w)

được phân ra thành 2 phần: Một phần bao gồm thành phần của w trong N

(số hạng đầu tiên trong phương trình 1.2), và thành phần thứ 2 phụ thuộc vào thành

phần của w trực giao với N Điều kiện trạng thái phân tích trung bình a

w trực giao với N để hàm giá J(w)

được cực tiểu hóa, ma trận trạng thái phân tích trung bình và

ma trận tương quan sai số tương ứng của nó trong không gian tổ hợp có thể được biểu diễn như sau:

)]

([

)

a a

H x

y R Y P

(1.3)

1 1])

()1

P trong không gian mô hình và a

P trong không gian tổ hợp

có một mối quan hệ đơn giản a b a b T

)

(X

P X

b a

i a

w X x

Chương 2 THIẾT KẾ THÍ NGHIỆM VÀ PHƯƠNG PHÁP ĐÁNH GIÁ

2.1 Sử dụng LETKF trong mô hình WRF đồng hóa số liệu phục vụ dự báo bão hạn 5 ngày

Sơ đồ LETKF ứng dụng trong hệ thống dự báo và nghiên cứu thời tiết (WRF), và được phát triển tại Phòng thí nghiệm nghiên cứu dự báo thời tiết và khí hậu- Khoa Khí tượng Thủy văn và Hải Dương – Trường Đại học Khoa học Tự nhiên bởi tác giả Kiều (2011) [1] gọi là hệ thống WRF-LETKF Hệ thống này được phát triển theo quy trình ứng dụng nghiệp vụ chuẩn với tất cả các quá trình vào ra, cập nhật số liệu, xử lý đồng hóa, kiểm tra chất lượng quan trắc, tạo điều kiện biên tổ hợp, và dự báo tổ hợp được tiến hành một cách tự động và đồng bộ hóa theo thời gian thực [1] Sơ đồ của hệ thống WRF-LETKF được minh họa trong hình 2.1

Hình 2.1 Sơ đồ minh họa hệ thống dự báo tổ hợp WRF-LETKF

(Nguồn: Kiều, 2011 [1])

Trong đó mô hình WRF (Weather Rearch and Forecating model) là mô hình

dự báo và nghiên cứu thời tiết phổ dụng nhất hiện nay; WPS là một module tiền xử

lý, cho phép nội suy số liệu dự báo toàn cầu về độ phân giải của mô hình khu vực; WRFDA là module đồng hóa số liệu trong đó có bộ kiểm tra chất lượng quan trắc chuẩn Mô hình WRF và các thành phần liên quan được giới thiệu cụ thể trên trang web [44]; LETKF (Local Ensemble Transform Kalman Filter, LETKF) là bộ lọc

Kalman tổ hợp địa phương hóa biến đổi, bộ lọc này tạo ra các nhiễu tổ hợp phân tích dựa trên thuật toán được giới thiệu tóm tắt trong phần 1.2, và sơ đồ khối cho hoạt động của LETKF miêu tả sơ lược trong phụ lục

Ưu điểm của hệ thống WRF-LETKF là cho phép xác định sai số của mô hình thông qua việc sử dụng các thành phần tổ hợp đa vật lý [23] Ngoài ra, hệ thống này cho phép người sử dụng ấn định số thành phần tổ hợp trong namelist.letkf thông

qua một chương trình điều khiển tự động (runmain.sh) Và ứng với từng loại dữ liệu

quan trắc được đồng hóa trong hệ thống sẽ có các lựa chọn cụ thể Nếu đồng hóa số

liệu vệ tinh, thì biến obsmode trong chương trình runobs.sh được gán bằng

”CIMSS”; còn nếu đồng hóa số liệu cao không, thì biến obsmode được gán bằng

”RADS”; …v.v

Ngoài ra, như đã đề cập trong phần 1.1, sơ đồ LETKF được nghiên cứu khá nhiều Tuy nhiên số thành phần tổ hợp tối ưu trong sơ đồ LETKF chưa được khảo sát Vì vậy, trong luận văn này tác giả sử dụng sơ đồ đồng hóa LETKF với các thành phần tổ hợp đa vật lý ứng dụng trong mô hình WRF để khảo sát số thành phần tổ hợp tối ưu cho các thử nghiệm dự báo thông qua việc thử nghiệm dự báo cơn bão Conson (2010) hạn 3 ngày với số các thành phần tổ hợp biến đổi từ 10 đến

50

Mặt khác, sơ đồ đồng hóa LETKF với các thành phần tổ hợp đa vật lý hiện tại chỉ cho phép đồng hóa từng loại số liệu quan trắc riêng biệt, và chưa có thử nghiệm nào đồng hóa đồng thời các loại số liệu quan trắc hiện có (quan trắc bề mặt,

số liệu rada, số liệu vệ tinh, số liệu cao không …v.v) Trong khi các nghiên cứu gần đây về LETKF đã chứng minh khả năng đồng hóa nhiều loại quan trắc ở các qui mô khác nhau của sơ đồ đồng hóa Kalman tổ hợp [20][29][30][32][27][22] Ngoài ra,

số liệu quan trắc cao không là một trong những nguồn số liệu quan trắc có giá trị và

hệ thống nhất trong khí tượng học Số liệu thu thập trên các mực bắt buộc là 1000,

925, 850, 700, 500, 400, 300, 250, 200, 150, 100, 70, 50, 30, 20 và 10 hPa Vì vậy với nguồn số liệu thu thập từ các trạm cao không ở khu vực châu Á có thể là một nguồn bổ sung các thông tin quan trắc cần thiết trong quá trình đồng hóa Hơn nữa,

đồng hóa là quá trình ước lượng trạng thái của khí quyển có thể nhất từ các thông tin có sẵn (từ trạng thái nền và trạng thái quan trắc) [36] Như vậy, nếu thông tin có sẵn càng phong phú thì khả năng ước lượng trạng thái khí quyển càng chính xác Do

đó, trong luận văn này tác giả sẽ bổ sung số liệu cao không vào quá trình đồng hóa

số liệu gió vệ tinh của sơ đồ LETKF ứng dụng trong mô hình WRF để dự báo quỹ đạo và cường độ bão hạn 5 ngày

Một nhược điểm khác của sơ đồ đồng hóa LETKF hiện đang sử dụng trong

mô hình WRF là số lượng trạm cao không được cố định, nhưng trên thực tế số

lượng trạm cao không thay đổi theo từng obs quan trắc (có một số trạm vì một số lý

do nào đó có thể không phát báo) Để khắc phục nhược điểm này, tác giả đã tiến hành điều chỉnh module về xử lý số liệu cao không với số lượng trạm được cập nhật

tự động Đồng thời tác giả tạo một lựa chọn cho việc đồng hóa đồng thời số liệu vệ

tinh và cao không (với obsmode=”MIX”) để tiến hành các thử nghiệm một cách dễ

dàng

Với sơ đồ đồng hóa LETKF được điều chỉnh phù hợp để đồng hóa đồng thời

2 loại số liệu vệ tinh và cao không như trên, tác giả tiến hành thử nghiệm dự báo với cơn bão Megi năm 2010, đây là cơn bão mạnh và đột ngột đổi hướng trong quá trình di chuyển Ngoài ra cơn bão Megi 2010 cũng là cơn bão được sử dụng để thử nghiệm độ nhạy của số liệu gió vệ tinh được đồng hóa bằng LETKF trong dự báo quỹ đạo và cường độ bão của nghiên cứu trước đây [22] Do vậy, trong luận văn này tác giả chọn cơn bão Megi 2010 là trường hợp thử nghiệm dự báo để tiện so sánh đối chiếu kết quả với các nghiên cứu trước Các phần tiếp theo, tác giả nêu tóm tắt quá trình hoạt động của cơn bão Megi 2010 và thiết kế thí nghiệm

2.2 Sơ lƣợc về quá trình hoạt động của cơn bão Megi 2010

Cơn bão Megi hình thành ở Tây Thái Bình Dương lúc 00 giờ UTC ngày 13 tháng 10 năm 2010 cách 600 km về phía đông Philipines với áp suất tại tâm là 885hPa và tốc độ gió bề mặt 63 m/s Bão di chuyển theo hướng tây tây bắc dọc theo rìa phía nam của áp cao cận nhiệt tây Thái Bình Dương Megi di chuyển chậm lại

do sự phát triển của rãnh trên miền trung Trung Quốc đã mở rộng trên Biển Đông

dẫn đến sự rút lui của sống cận nhiệt đới Do sự ảnh hưởng mạnh của rãnh và áp cao cận nhiệt đới trên Biển Đông, Megi đổi hướng lúc 00 giờ UTC ngày 19 và sau đó di chuyển theo hướng bắc đông bắc Bão yếu đi xuống cấp 3 vào ngày 20 tháng 10 Do nhiệt độ bề mặt biển lạnh đi, Megi chỉ còn cấp 1 vào ngày 22 tháng 10 và tan trước khi đổ bộ vào đất liền của tỉnh Fujian, Trung Quốc Cuối cùng bão suy yếu thành áp thấp nhiệt đới vào ngày 23 tháng 10 và sáng ngày 24 tháng 10 trước khi tan hoàn toàn sau vài giờ.

Hình 2.2 Quỹ đạo cơn bão MEGI từ ngày 13/10 đến ngày 23/10/2010

Theo Nguồn Internet [46]

2.3 Thiết kế miền tính và cấu trúc tổ hợp

Miền lưới thiết kế cho thử nghiệm dự báo cơn bão Megi là lưới lồng gồm 2 miền lưới ngang (36/12 km) và 31 mực σ thẳng đứng Trong đó miền lưới 1 gồm 203x203 điểm lưới ngang và miền lưới 2 là 181x181 với tâm miền tính cố định ở

120oE và 18oN sử dụng trong mô hình WRF phiên bản 3.2

Các thành phần tổ hợp đa vật lý được sử dụng trong các thử nghiệm, gồm: (1) sử dụng 3 sơ đồ vi vật lý bao gồm: sơ đồ Kessler, sơ đồ Lin và cộng sự, và sơ đồ WSM3; (2) sử dụng 2 sơ đồ PBL: sơ đồ YSU và sơ đồ Mellor-Yamada-JanJic

(MYJ); (3) sử dụng 2 sơ đồ tham số hóa đối lưu (mây tích): sơ đồ Kain-Fritsch và

sơ đồ Betts-Miller-JanJic; và (4) sử dụng 2 sơ đồ bức xạ sóng dài: sơ đồ RRTM và

sơ đồ sóng dài Geophysical Fluid Dynamics Laboratory (GFDL) Tổng là 24 sự kết hợp khác nhau của các sơ đồ vật lý này được thực hiện và được ấn định cho mỗi thành phần tổ hợp tương ứng Nếu số thành phần tổ hợp lớn hơn các kết hợp trên, thì sự ấn định này sẽ lặp lại các kết hợp trên cho các thành phần tiếp theo Số thành phần tổ hợp dùng dùng để khảo sát số thành phần tổ hợp thông qua thử nghiệm dự báo cơn bão CONSON 2010 sẽ biến đổi từ 10 đến 50 thành phần Còn trong các thử nghiệm nhằm xem xét khả năng dự báo bão hạn 5 ngày của sơ đồ LETKF ứng dụng trong mô hình WRF sẽ sử dụng số thành phần tổ hợp tối ưu được đưa ra trong thành phần khảo sát Danh sách các trường hợp thử nghiệm được đưa ra trong bảng 2.1

Bảng 2.1 Danh sách các trường hợp thử nghiệm

CTL Thử nghiệm dự báo bão với mô hình WRF không đồng hóa

CIMSS Thử nghiệm dự báo bão với WRF-LETKF đồng hóa số liệu vệ tinh

với 21 thành phần tổ hợp

MIX Thử nghiệm dự báo bão với WRF-LETKF đồng hóa số liệu hỗn hợp

(vệ tinh+cao không) với 21 thành phần tổ hợp

2.4 Nguồn số liệu

Điều kiện biên bên và điều kiện ban đầu của mô hình trong các dự báo tổ hợp và dự báo tất định là các dự báo nghiệp vụ của Hệ thống Dự báo Toàn cầu (GFS) thuộc Trung tâm Dự báo Môi trường Quốc Gia Hoa Kỳ (NCEP) với độ phân giải 10x10 Khoảng thời gian được dự báo là từ 0000 UTC ngày 15 đến 0000 UTC ngày 19 tháng 10 năm 2010 là thời gian cơn bão Megi hoạt động Điều kiện biên được cập nhật 6 giờ một lần không cài xoáy giả

Đối với số liệu sử dụng trong các thử nghiệm CIMSS và MIX, số liệu gió vệ tinh được tiền xử lý bởi CIMSS-UW trong cùng khoảng thời gian đã chọn Một số các nghiên cứu với số liệu AMV-CIMSS đã chỉ ra số liệu này có thể giúp cải thiện

chất lượng dự báo của các hệ thống qui mô trung bình khác nhau [38][11][8][21

Ưu điểm của số liệu AMV-CIMSS là sai số đã được kiểm định chất lượng cao và được xác định bằng thuật toán lọc đệ qui Mỗi một số liệu được kiểm tra sao cho phù hợp hầu hết với số liệu xung quanh bằng kỹ thuật chỉ số chất lượng Nếu số liệu gió ở bất kỳ vị trí nào có điểm phân tích chỉ số chất lượng thấp (<65), thì số liệu này

bị loại bỏ trong quá trình kiểm định chất lượng Đối với những số liệu có điểm chỉ

số chất lượng thỏa mãn tiêu chuẩn được chọn, ngoại trừ những sai số sẵn có trong

dữ liệu được ấn định ở biên một cách phù hợp Hầu hết số liệu AMV – CIMSS phân

bố trong các vùng khác nhau và hiện tại được lưu trữ trong nhiều định dạng bao gồm ASCII và/hoặc BUFR Trong nghiên cứu này, chỉ có số liệu ở khu vực Tây Bắc Thái Bình Dương được sử dụng trong các thử nghiệm tổ hợp vì độ bao phủ của khu vực này đủ rộng để xác định ảnh hưởng của môi trường lên quĩ đạo bão Megi

Đối với số liệu cao không, được lấy từ các trạm cao không trên khu vực Châu Á (hình 2.1) trong thời gian dự báo cơn bão Megi Số liệu cao không này được đưa vào chương trình kiểm tra chất lượng số liệu quan trắc trong module WRFDA trước khi đồng hóa, nhằm loại bỏ các số liệu không hợp lệ với tiêu chuẩn sai số dựa vào sai số thống kê do NCEP cung cấp (WRFDA/var/obsproc/obserr.txt)

Số liệu quan trắc cao không được lưu trữ dưới dạng ASCII

Đối với các thử nghiệm khảo sát số thành phần tổ hợp, điều kiện biên và điều kiện ban đầu cũng được lấy từ mô hình toàn cầu trong thời gian hoạt động của cơn bão CONSON Tuy nhiên, số liệu quan trắc được lấy từ số liệu phân tích của NCEP (NCEP Final Operational Global Analysis - FNL) Vì số liệu FNL mô tả trạng thái thật của khí quyển nên được xem như số liệu quan trắc Có 6 biến phân tích, trong

đó các biến được đồng hóa trực tiếp bởi LETKF là gió ngang, nhiệt độ địa thế vị, và

độ ẩm tương đối và hai biến dẫn xuất bao gồm vận tốc thẳng đứng và địa thế vị được hiệu chỉnh ở mọi chu kỳ thông qua tương quan chéo với các biến quan trắc

Để đảm bảo mỗi thành phần tổ hợp có điều kiện biên bên phù hợp với giá trị phân tích cập nhật, thì chương trình cập nhật biên WRFDA được sử dụng để tạo ra các biên cho mỗi thành phần tổ hợp sau khi bước phân tích tổ hợp kết thúc trong mỗi

chu kỳ đồng hóa Do các dự báo GFS (dự báo toàn cầu) được lấy6 h một lần, nên điều kiện biên bên cũng được cập nhật trong khoảng thời gian tương tự

Hình 2.3 Bản đồ phân bố các trạm quan trắc cao không trên khu vực Châu Á

(Nguồn từ internet [42])

2.5 Phương pháp đánh giá kết quả dự báo quỹ đạo và cường độ bão

Theo Simon và cộng sự (2003) [34], việc đánh giá các dự báo xác suất là rất phức tạp Thông thường, các nghiên cứu đánh giá sử dụng mối quan hệ giữa một chuỗi giá trị dự báo và một chuỗi các giá trị quan trắc tương ứng [40] Còn theo Buizza và Palmer (1998) [10], định lượng cơ bản nhất sử dụng để đánh giá hệ thống

dự báo tổ hợp là kỹ năng dự báo trung bình tổ hợp Mà kỹ năng dự báo trung bình

tổ hợp có thể dựa vào các chỉ số thống kê, ví dụ như sai số trung bình tuyệt đối (MAE) MAE là thước đo sai số dự báo của các biến khí quyển liên tục, và Wilks sử dụng MAE để kiểm định các dự báo nhiệt độ ở Hoa Kỳ [39] Ngoài ra, Eric P Grimit và Clifford F Mass (2006) [18] cho rằng một trong những cách để xác định khả năng thực hiện của hệ thống dự báo tổ hợp là mối quan hệ giữa độ tán tổ hợp và

độ chính xác của dự báo Mối quan hệ này thường đặc trưng bởi tương quan tuyến

tính giữa sai số dự báo và độ tán tổ hợp Còn tác giả Kiều và cộng sự (2013) [23] lại đánh giá khả năng thực hiện của hệ thống dự báo tổ hợp dựa theo tỷ số giữa độ tán

tổ hợp và sai số trung bình tuyệt đối (ký hiệu tỷ số là η) Nếu η>1 tương ứng với hệ thống tổ hợp dự báo hiệu quả (đây là trường hợp lý tưởng được mong đợi ở tất cả các hệ thống dự báo tổ hợp), ngược lại nếu η<1, tương ứng với hệ thống tổ hợp dự báo chưa hiệu quả Cách đánh giá hệ thống tổ hợp của tác giả Kiều và cộng sự

(2013) [23], phù hợp với cách xác định “tổ hợp tốt” và “tổ hợp xấu” của Kalnay và cộng sự (2006) [45] Vì theo Kalnay, một “tổ hợp tốt” là một tổ hợp bao phủ được

giá trị thật hoặc giá trị thật chính là một thành phần tổ hợp Trong trường hợp này giá trị trung bình gần với giá trị thật hơn so với kết quả của dự báo tất định (η>1)

(hình 1.3) và độ tán tổ hợp chính là sai số dự báo Còn một “tổ hợp xấu” là một tổ

hợp được tạo ra do sự lựa chọn nhiễu ban đầu kém hoặc/và do sự thiếu chính xác của mô hình, nên các dự báo không thể xác định được giá trị thật, và các giá trị dự

báo gần nhau hơn so với giá trị thật hay nói một cách khác “tổ hợp xấu” là độ tán tổ

hợp không phủ được giá trị thật Vì vậy trong luận văn này, tác giả sử dụng sai số trung bình tuyệt đối và tỷ số giữa độ tán tổ hợp và sai số trung bình tuyệt đối để đánh giá khả năng dự báo quỹ đạo và cường độ bão của hệ thống WRF-LETKF Các phương pháp đánh giá được giới thiệu dưới đây

Hình 2.4 Sơ đồ các thành phần của một “tổ hợp dự báo tốt” (hình trái) và ” tổ

hợp dự báo xấu” (hình phải) trong hệ thống dự báo tổ hợp

(nguồn Kalnay và cộng sự 2006 [45])

2.5.1 Phương pháp đánh giá dựa vào MAE

Theo Wilks (1995) [39], sai số trung bình tuyệt đối (MAE) được sử dụng để đánh giá các dự báo của biến khí quyển liên tục Do vậy, MAE được áp dụng như một chỉ số để đánh giá sai số cường độ bão (áp suất mực biển cực tiểu tại tâm - PMIN và tốc độ gió cực đại gần tâm - VMAX) Với MAE - sai số trung bình tuyệt đối được tính bằng công thức sau:

𝑀𝐴𝐸 = 1

𝑛 𝑛𝑖=1 𝑦𝑖 − 𝑂𝑖 (2.1) Trong đó, MAE là sai số trung bình tuyệt đối; 𝑦𝑖là giá trị dự báo; 𝑂𝑖 là giá trị quan trắc; n là độ dài chuỗi số liệu

2.5.2 Phương pháp đánh giá dựa vào tỷ số giữa độ tán tổ hợp và sai số tuyệt đối

Như đã đề cập ở phần đầu, phương pháp đánh giá hệ thống tổ hợp dựa trên tỷ

số giữa độ tán tổ hợp và sai số trung bình tuyệt đối của tác giả Kiều và cộng sự

(2013) [23] là phù hợp với cách xác định “tổ hợp tốt” và “tổ hợp xấu” của tác giả

Kalnay và cộng sự (2006) [45] Do vậy, tác giả sẽ dùng chỉ tiêu này để đánh giá khả năng dự báo quỹ đạo và cường độ bão hạn 5 ngày của hệ thống WRF-LETKF

Trong phần 2.1 đã giới thiệu về sai số trung bình tuyệt đối, trong phần này tác giả sẽ giới thiệu về độ tán tổ hợp

Theo Theo Simon C Scherrer và cộng sự (2003) [34], không có một định nghĩa chính xác nào về độ tán tổ hợp Trên thực tế nhiều tác giả đã đưa ra các định nghĩa khác nhau về độ tán tổ hợp [12][27][33][32], nhưng một định nghĩa dễ hiểu nhất về độ tán tổ hợp chính là độ lệch chuẩn so với dự báo trung bình tổ hợp Ngoài

ra, tác giả Kiều và cộng sự (2013) [23], cũng định nghĩa độ tán tổ hợp là độ lệch chuẩn so với trung bình tổ hợp Vì vậy, trong luận văn này tác giả cũng xác định độ tán tổ hợp theo cách xác định của Kiều và cộng sự (2013) [23]

Với độ lệch chuẩn là căn bậc 2 của phương sai, mà phương sai là đại lượng đặc trưng cho sự phân tán, tản mạn của của các đại lượng ngẫu nhiên quanh kỳ vọng toán học Độ lệch chuẩn xác định theo biểu thức sau [40]:

Độ 𝑡á𝑛 = 𝑅𝑀𝑆𝐸 = 1

𝑛 𝑛 (𝑦𝑖 − 𝑦 )2

Trong đó, RMSE là độ lệch căn quân phương trung bình – độ lệch chuẩn; 𝑦𝑖là giá trị của các thành phần tổ hợp ở các hạn dự báo cụ thể; 𝑦 là giá trị trung bình tổ hợp;

Nếu η>1, hệ thống dự báo tổ hợp hiệu quả, tương ứng với độ tán tổ hợp phủ

được “giá trị thật” Đây là trường hợp mong đợi của tất cả các hệ thống dự báo tổ

hợp

Nếu η<1, hệ thống dự báo tổ hợp kém hiệu quả, ứng với độ tán tổ hợp không

phủ được “giá trị thật” Trường hợp này xảy ra ở hầu hết các hệ thống dự báo tổ

Trong luận văn, tác giả áp dụng tỷ số η để đánh giá khả năng dự báo cường

độ (PMIN và VMAX) và quỹ đạo bão của hệ thống dự báo tổ hợp WRF-LETKF Trong đó sai số quỹ đạo được tính theo công thức (2.4):

𝑃𝐸 = 𝑅𝑒 ∗ arccos⁡[sin 𝛼1 ∗ sin 𝛼2 + cos 𝛼1 ∗ cos 𝛼2 ∗ cos 𝛽1 − 𝛽2 ] (2.4)

Trong đó, Re là bán kính trái đất có giá trị 6378.16 km; α1, α2 là vĩ độ của tâm bão thực tế và tâm bão do mô hình dự báo (đơn vị radian); β1, β2 là kinh độ của tâm bão thực tế và tâm bão do mô hình dự báo (đơn vị radian)

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

𝑀𝑃𝐸𝑗 = 𝑃𝐸𝑖,𝑗

𝑛 𝑖=1

𝑛 (2.5)

Trong đó, PE là sai số khảng cách của từng trường hợp dự báo; n là số trường hợp thử nghiệm; j là hạn dự báo

Chuỗi số liệu được sử dụng để đánh giá trong luận văn là 9 trường hợp dự báo cơn bão Megi hạn 5 ngày tại các thời điểm bắt đầu dự báo khác nhau với hệ thống WRF-LETKF đồng hóa số liệu vệ tinh và số liệu hỗn hợp (cao không+vệ tinh)

Ngoài ra, trong thử nghiệm khảo sát số thành phần tổ hợp, tác giả sử dụng sai

số căn quân phương năng lượng trung bình thể tích để đánh giá tính hiệu quả của hệ thống dự báo tổ hợp với số thành phần tổ hợp biến đổi từ 10 đến 50 thành phần, nhằm xác định số thành phần tổ hợp tối ưu nhất Chỉ số này được giới thiệu chi tiết trong phần dưới đây

2.5.3 Phương pháp đánh giá dựa vào sai số căn quân phương năng lượng trung bình thể tích

Để có thể đánh giá một cách toàn diện về tính hiệu quả của hệ thống tổ hợp WRF-LETKF với số thành phần tổ hợp khác nhau, tác giả sử dụng sai số căn quân phương năng lượng trung bình thể tích (volume-averaged energy root mean squared errors-EME), công thức 2.6 [23]:

2 / 1 ) (

2

1

T T T

C V V U U EME        p   (2.6) Trong đó chữ cái U’, V’ ký hiệu sự chênh lệch giữa giá trị thực và giá trị dự báo ở cùng thời điểm (U, V thành phần gió vĩ hướng và gió kinh hướng, T là nhiệt độ), Cp là nhiệt dung đẳng áp, 𝑇 = 273 𝐾 là nhiệt độ trung bình, và trung bình trên toàn miền lưới

Chương 3 KẾT QUẢ TÍNH TOÁN VỚI CƠN BÃO MEGI 2010

Trong chương này, tác giả đưa ra một số kết quả tính toán thử nghiệm với cơn bão Megi 2010 Trong đó, ngoài kết quả đánh giá khả năng dự báo quỹ đạo và cường độ bão hạn 5 ngày của mô hình WRF với sơ đồ đồng hóa số liệu LETKF, tác giả còn đưa ra kết quả khảo sát số thành phần tổ hợp và vai trò của bộ số liệu hỗn hợp (vệ tinh + cao không) trong dự báo quỹ đạo và cường độ bão hạn 5 ngày

3.1 Khảo sát số thành phần tổ hợp

Trong phần này tác giả sử dụng mô hình WRF với sơ đồ LETKF và các thành phần tổ hợp đa vật lý để khảo sát số thành phần tổ hợp trong sơ đồ LETKF thông qua thử nghiệm dự báo cơn bão Conson (2010) hạn 3 ngày (1200 UTC ngày

12 tháng 7 đến 1200 UTC ngày 15 tháng 7 năm 2010) với số các thành phần tổ hợp biến đổi từ 10 đến 50

Do thử nghiệm dự báo cơn bão Conson với độ phân giải 36 km, nên nếu xem xét sai số dựa trên kết quả dự báo quỹ đạo bão giữa các thử nghiệm với số thành phần tổ hợp khác nhau có thể dẫn đến các sai số khống Vì vậy, trong phần này tác giả sử dụng sai số căn quân phương năng lượng trung bình thể tích (volume-averaged energy root mean squared errors-EME) tính trung bình trên toàn miền (công thức 2.6) để đánh giá sai số của các thử nghiệm với số thành phần tổ hợp khác nhau

Hình 3.1 đưa ra EME trong thử nghiệm đa vật lý với số các thành phần tổ hợp khác nhau (từ 10 đến 50)

Những tổ hợp có 10 đến 15 thành phần có kỹ năng dự báo không tốt bằng tổ hợp có 20 thành phần trở lên Nhìn chung, thêm các thành phần tổ hợp sẽ tạo ra sự thực hiện tốt trong các thử nghiệm Tuy nhiên, đối với các thành phần tổ hợp > 30, chúng ta thấy sai số EME dường như không giảm thêm được nữa Điều này có thể liên quan đến số lượng lớn nhất của các kết hợp vật lý khác nhau được sử dụng trong các thử nghiệm trên là 24 Khi các thành phần tổ hợp lớn hơn 24, thì các lựa

chọn vật lý lặp lại Vì độ tán trong các thành phần trùng các lựa chọn vật lý nhìn chung là nhỏ, nên số thành phần tối thiểu biến đổi quanh 25 thành phần

Hình 3.1 Sai số căn quân phương năng lượng trung bình thể tích (EME) trong thí

nghiệm độ nhạy của phương pháp đa vật lý với số thành phân tổ hợp khác nhau:

10 (dấu nhân), 15 (tam giác), 20 (hình vuông), 25 (hình tròn), 30 (vòng tròn hở), 35

(dấu hoa thị), 40 (dấu cộng), và 50 (kim cương)

Như vậy, số thành phần tổ hợp dao động quanh 25 thành phần tổ hợp thì sơ

đồ LETKF phát huy tác dụng Mặt khác, do khả năng tính toán bị giới hạn, nên các thử nghiệm tiếp theo tác giả sử dụng 21 thành phần tổ hợp đa vật lý

3.2 Khảo sát vai trò của bộ số liệu hỗn hợp (vệ tinh + cao không) trong dự báo bão hạn 5 ngày

Trong phần này tác giả sẽ khảo sát vai trò của bộ số liệu hỗn hợp (vệ tinh+ cao không) được đồng hóa bởi sơ đồ LETKF ứng dụng trong mô hình WRF dự báo bão hạn 5 ngày với 21 thành phần tổ hợp

3.2.1 Dự báo tất định

Trong dự báo tất định, tác giả tiến hành dự báo cơn bão Megi hạn 5 ngày với các thời điểm bắt đầu dự báo là 12 giờ ngày 15, 00 giờ và 12 giờ ngày 16 và ngày

17, 00 giờ ngày 18 tháng 10 năm 2010 Trong chuỗi thử nghiệm trên, sai số quỹ đạo bão hạn 5 ngày trong trường hợp lúc 00 giờ ngày 18 là 340 km trường hợp có sai số lớn nhất (Hình 3.2) và lệch đông so với quỹ đạo thực Sai số dự báo lớn trong trường hợp CTL là do dòng môi trường qui mô lớn không được mô phỏng tốt trong

mô hình dự báo và một phần do sai số nội tại của mô hình như đã chỉ ra trong nghiên cứu của tác giả Kiều và cộng sự 2012 [22] Còn độ lệch đông của quỹ đạo

dự báo so với quỹ đạo thực là đặc điểm chung của sản phẩm dự báo trong hầu hết các mô hình dự báo toàn cầu [33]

Hình 3.2 Quỹ đạo cơn bão Megi quan trắc (màu đen ) và dự báo tất định với thời

điểm bắt đầu dự báo lúc 12z15 ( màu đỏ); 00z16 (xanh lá cây); 12z16 (xanh dương); 00z17 (xanh da trời); 12z17 (màu hồng); và 00z18 (màu vàng)

Như vậy, để giảm sai số dự báo quỹ đạo bão cần hiệu chỉnh lại dòng môi trường qui mô lớn thông qua việc bổ sung các thông tin quan trắc vào trường ban đầu của mô hình Vấn đề này sẽ được thực hiện được trong việc đồng hóa đồng thời

số liệu vệ tinh và số liệu cao không