ĐÁNH GIÁ độ CHÍNH xác của các sản PHẨM dự báo số ỨNG DỤNG TRONG CÔNG tác dự báo ở sân BAY nội bài

Trong công tác dự báo nghiệp vụ tại sân bay Nội Bài hiện nay,việc ứng dụng các sản phẩm dự báo số đã giúp cải thiện được chấtlượng dự báo, giảm bớt khó khăn cho dự báo viên.. Tuy vậy, vẫ

TRƯỜNG ĐẠI HỌC TÀI NGUYÊN VÀ MÔI TRƯỜNG HÀ NỘI

KHOA KHÍ TƯỢNG THỦY VĂN -o0o -

ĐOÀN CÔNG HIỆU

ĐÁNH GIÁ ĐỘ CHÍNH XÁC CỦA CÁC SẢN PHẨM DỰ BÁO SỐ ỨNG DỤNG TRONG CÔNG TÁC DỰ BÁO Ở SÂN BAY NỘI BÀI

HÀ NỘI - 2018

TRƯỜNG ĐẠI HỌC TÀI NGUYÊN VÀ MÔI TRƯỜNG HÀ NỘI

KHOA KHÍ TƯỢNG THỦY VĂN -o0o -

ĐOÀN CÔNG HIỆU

ĐÁNH GIÁ ĐỘ CHÍNH XÁC CỦA CÁC SẢN PHẨM DỰ BÁO SỐ ỨNG DỤNG TRONG CÔNG TÁC DỰ BÁO Ở SÂN BAY NỘI BÀI

Chuyên ngành : Khí tượng học

NGƯỜI HƯỚNG DẪN: THS TRẦN ĐÌNH LINH

HÀ NỘI - 2018

LỜI CAM ĐOAN

Em xin cam đoan bài đồ án này là thành quả từ sự nghiên cứu hoàn toàn trên

cơ sở các số liệu thực tế và được thực hiện theo hướng dẫn của giáo viên hướng dẫn thầy giáo Trần Đình Linh Bài đồ án này được thực hiện là thành quả của riêng em, không sao chép từ các bài tương tự Những số liệu, hình vẽ phục vụ cho việc phân tích và đánh giá được em sử dụng từ các nguồn số liệu khác nhau Ngoài ra trong đồ

án còn có sử dụng một số nhận xét của các cơ quan tổ chức khác đều được em chú thích và trích dẫn nguồn gốc rõ ràng Nếu có bất kì sai sót nào em xin hoàn toàn chịu trách nhiệm về bài đồ án của mình.

Sinh viên

Đoàn Công Hiệu

LỜI CẢM ƠN

Để hoàn thành được bài đồ án này, trước hết em xin chân thành cảm ơn toàn thể các thầy cô giáo trong trường và các thầy cô giáo trong Khoa Khí tượng Thủy văn – Trường Đại học Tài nguyên và Môi trường Hà Nội đã cung cấp cho em những kiến thức cơ bản cũng như các kiến thức chuyên môn quý giá trong suốt quá trình học tập tại Trường và tạo điều kiện thuận lợi cho em hoàn thành tốt bài đồ án này.

Đặc biệt, em xin chân thành cảm ơn sâu sắc đến thầy Trần Đình Linh, người

đã trực tiếp hướng dẫn, chỉ bảo trong quá trình thực hiện để em hoàn thành được bài

đồ án.

Em xin gửi lời cảm ơn chân thành đến gia đình và bạn bè trong lớp đã giúp

đỡ động viên, chia sẻ và tạo điều kiện thuận lợi để em hoàn thành nhiệm vụ học tập cũng như hoàn thành đồ án

Trong quá trình học hỏi và thực hiện, mặc dù em đã cố gắng rất nhiều nhưng

sẽ không thể tránh khỏi những thiếu sót Vì vậy, em rất mong ý kiến đóng góp và dạy bảo của thầy cô và các bạn để bài đồ án này được hoàn thiện và phát triển hơn nữa.

Em xin chân thành cảm ơn!

Sinh viên

Đoàn Công Hiệu

MỤC LỤC

CÁC KÝ HIỆU, CHỮ CÁI VIẾT TẮT 3

MỞ ĐẦU 1

CHƯƠNG 1 TỔNG QUAN 3

1.1 Điều kiện tự nhiên và khí hậu khu vực nghiên cứu 3

1.1.1 Điều kiện tự nhiên khu vực Cảng hàng không quốc tế Nội Bài 3

1.1.2 Đặc điểm khí hậu nổi bật 3

1.2 Tổng quan về tình hình nghiên cứu 6

1.2.1 Tình hình nghiên cứu trên thế giới 6

1.2.2 Tình hình nghiên cứu trong nước 11

CHƯƠNG 2: SỐ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU 16

2.1 Số liệu 16

2.1.1 Số liệu dự báo của NOAA 16

2.1.2 Sản phẩm dự báo KMA 18

2.2 Phương pháp nghiên cứu 20

2.2.1 Các chỉ số đánh giá 20

2.2.2 Phương pháp hiệu chỉnh dự báo bằng phương trình hồi quy 21

CHƯƠNG 3 KẾT QUẢ VÀ NHẬN XÉT 24

3.1 Đánh giá độ chính xác của các sản phẩm 24

3.1.1 Độ chính xác dự báo khí áp của KMA và NOAA 24

3.1.2 Độ chính xác dự báo nhiệt độ của KMA và NOAA 25

3.1.3 Độ chính xác của các sản phẩm phản ánh qua các loại sai số 27

3.1.4 Độ chính xác dự báo gió của KMA và NOAA 28

3.2 Khả năng dự báo các hiện tượng thời tiết điển hình 29

3.2.1 Xâm nhập lạnh 29

3.2.2 Sương mù: 31

3.3 Hiệu chỉnh dự báo bằng phương trình hồi quy 31

KẾT LUẬN VÀ KIẾN NGHỊ 38

TÀI LIỆU THAM KHẢO 39

CÁC KÝ HIỆU, CHỮ CÁI VIẾT TẮT

MỞ ĐẦU

Tại Sân bay quốc tế Nội Bài, sản lượng tàu bay cất hạ cánh, hành khách,hàng hóa và bưu kiện thông qua Cảng HKQT Nội Bài tăng rất nhanh, trungbình 10 - 15% /năm Năm 2014, Sân Bay Nội Bài phục vụ 14.190.675 lượthành khách, tổng lượng hàng hóa – bưu kiện vận chuyển đạt 405.407 tấn,phục vụ 100.864 lượt chuyến cất hạ cánh, tăng Điều đó cần người làm côngtác dự báo phải theo dõi thật sát sao các yếu tố khí tượng để đảm bảo an toàncho các hoạt động bay Tần suất phát 1 bản tin dự báo dao động vào khoảng 1tiếng 1 bản tin

Với tần suất như thế, việc sử dụng các sản phẩm mô hình dự báocàng trở nên quan trọng Nhưng gần đây, diễn biến thời tiết ngày mộtphức tạp, đòi hỏi người làm dự báo phải đưa ra bản tin chính xác hơn.Chỉ cần lệch một yếu tố như thời gian xảy ra hiện tượng, cường độ hiệntượng, hàng loạt chuyến bay phải dừng hoạt động lại để chờ điệu kiệnthời tiết thuận lợi hơn, hoặc bay quanh trên bầu trời sân bay, chờ thờiđiểm thích hợp để hạ cánh, tiêu tốn rất nhiều nhiên liệu và thời gian Trong công tác dự báo nghiệp vụ tại sân bay Nội Bài hiện nay,việc ứng dụng các sản phẩm dự báo số đã giúp cải thiện được chấtlượng dự báo, giảm bớt khó khăn cho dự báo viên Các sản phẩm dựbáo số đang được ứng dụng hiệu quả tại sân bay nội bài có thể kể đếnnhư sản phẩm của cơ quan dự báo Hàn Quốc (KMA) và sản phẩm củaCục quản lý Đại dương Khí quyển Hoa Kỳ (NOAA) Mặc dù đangđược ứng dụng để tham khảo dự báo nghiệp vụ nhưng các sản phẩmnày chưa được đánh giá độ chính xác một cách khách quan nên cũnggây nhiều khó khăn cho việc ứng dụng Chính vì những nguyên nhântrên mà em đã lựa chọn đề tài cho đồ án tốt nghiệp của mình là “Đánhgiá độ chính xác của các sản phẩm dự báo số ứng dụng trong công tác

dự báo ở sân bay Nội Bài”

1

Mục tiêu của đồ án là tiến hành đánh giá độ chính xác của các sản phẩm KMA, NOAA gồm độ chính xác các yếu tố dự báo như khí áp, nhiệt độ, gió hay và hiện tượng thời tiết đặc biệt như xâm nhập lạnh, sương mù Với mục tiêu đó, ngoài phần mở đầu và kết luận, nội dung

đồ án được bố cục trong ba chương, gồm:

Chương 1: Tổng quan về vấn đề nghiên cứu

Chương 2: Số liệu và phương pháp nghiên cứu

Chương 3: Kết quả và nhận xét

2

CHƯƠNG 1 TỔNG QUAN 1.1 Điều kiện tự nhiên và khí hậu khu vực nghiên cứu

1.1.1 Điều kiện tự nhiên khu vực Cảng hàng không quốc tế Nội Bài

Cảng hàng không quốc tế Nội Bài thuộc huyện Sóc Sơn, cách trung tâmthủ đô Hà Nội 35 km theo tuyến đường bộ về phía Tây Bắc Khoảng cách này

đã được rút ngắn còn lại 27 km khi cầu Nhật Tân và tuyến đường nối đầu cầunày với Nội Bài hoàn thành trong năm 2015, ngoài ra còn có thể đi theo quốc

lộ 3 dẫn từ cầu Chương Dương đến ngã 3 giao cắt với quốc lộ 2 để vào sânbay

Toạ độ điểm qui chiếu sân bay là giao điểm của đường lăn N3 và trụctim đường cất hạ cánh 11L/29R có toạ độ 21º13'17",570N - 105º48'19",700E.Với mức cao của điểm quy chiếu Cảng HKQT Nội Bài so với mực nước biểntrung bình là 12,3m

Sân bay quốc tế Nội Bài còn nằm gần các thành phố như Vĩnh Yên, BắcNinh và Thái Nguyên Hiện nay, tại Cảng HKQT Nội Bài có 32 hãng hàngkhông trong và ngoài nước khai thác thường xuyên đến 15 tỉnh, thành phốtrong nước và 34 vùng lãnh thổ, thành phố trên thế giới

1.1.2 Đặc điểm khí hậu nổi bật

Nằm trong khu vực có khí hậu khá ôn hòa của khu vực miền Bắc,

có đặc điểm là nền nhiệt tương phản khá lớn trong năm Các đặc trưngbức xạ, nhiệt độ thể hiện rõ đặc điểm khí hậu của vùng Đồng Bằng Bắc

Bộ Cụ thể, tổng lượng bức xạ từ 110 đến 120kcal/cm2/năm, tổng số giờnắng trong năm từ 1600 đến 1850 giờ nắng, nhiệt độ trung bình năm từ22,50C đến 23,50C với tổng nhiệt độ năm từ 80000C đến 85000C, độ ẩmtrung bình năm lớn từ 80% đến 85%, tổng lượng mưa năm từ 1500mmđến 1800 mm, tổng lượng bốc hơi trung bình năm là 700 đến 800mm,tốc độ gió trung bình năm khoảng 1,5 đến 2,0m/s

3

Nơi đây cũng là nơi thể hiện rõ khí hậu miền Bắc khi có bốn mùavới hai mùa đặc trưng và hai mùa chuyển tiếp Thời kỳ gió mùa mùa hèkéo dài từ tháng 5 đến tháng 10 hàng năm Trong đó, ba tháng 6, 7 và 8

là ba tháng chính hè với nhiệt độ cao nhất trong năm, đặc biệt nhiệt độtrung bình tháng 7 có thể lên tới 300C Hướng gió tình hành trong mùa

hè là hướng Nam – Đông Na Dòng gió Nam, Đông Nam này hoặc làthổi ra từ rìa phía tây của áp cao cận nhiệt đới Bắc Thái Bình Dươnghoặc là dòng gió mùa đổi hướng sau khi vượt qua rãnh gió mùa Là thời

kỳ mưa nhiều, lượng mưa trong thời kỳ này chiếm đến 80-85% tổnglượng mưa của cả năm Mưa trong giai đoạn này thường là mưa rào vàdông Nằm trong khu vực Đồng Bằng Bắc Bộ nên ở Nội Bài cũng chịuảnh hưởng nhiều của bão, đặc biệt trong thời kì tháng 7 đến tháng 10.Lượng mưa do bão mang lại (trực tiếp hoặc gián tiếp) thường chiếm25-30% tổng lượng mưa mùa hè

Nhờ vị trí địa lý và đặc điểm địa hình nên khu vực có chịu ảnhhưởng của hệ thống áp thấp nóng lục địa Châu Á mà tiêu biểu là ápthấp Ấn Độ - Mianma (áp thấp Ấn Miến) hút gió đông nam từ vịnh bắc

bộ vào khu vực (do gió tây nam đổi hướng - ảnh hưởng của áp thấp) Thời kỳ gió mùa mùa đông bắt đầu từ tháng 11 đến tháng 4 nămsau Với ba tháng chính đông (tháng 12, tháng 1 và tháng 2) có nhiệt độtrung bình tháng dưới 180C, so với khu vực Đông Bắc đã bớt lạnh hơn.Thời kỳ gió mùa mùa đông cũng chính là mùa khô của khu vực Lượngmưa trong thời kỳ này ít, tuy nhiên lại có nhiều ngày mưa phùn, sương

mù nên tính chất khô hạn không quá gay gắt như Tây Nguyên và Nam

Bộ

4

Bảng 1 Thống kê khí hậu 10 năm tại sân bay Nội Bài (2006-2015)

1.2 Tổng quan về tình hình nghiên cứu

1.2.1 Tình hình nghiên cứu trên thế giới

Sau khi nghiên cứu thành công về các mô hệ thống dự báo tổ hợp từ môhình toàn cầu, trung tâm khí tượng Châu Âu bắt đầu những nghiên cứu líthuyết cho phép thực hiện các hệ thống này trên mô hình khu vực cụ thể với

độ phân giải cao với tên gọi LEPS Tuy nhiên, khác với dự báo tổ hợp thời tiếthạn ngắn, LEPS lại hướng đến dự báo hạn dự báo từ 2-5 ngày

Bên cạnh LEPS, SREF cũng được sử dụng tại châu Âu nhưng chỉ đượcthực hiện tại các trung tâm dự báo của từng quốc gia Cụ thể, tại Cơ quan Khítượng Vương Quốc Anh (UK Met), hệ thống SREF có tên gọi MOGREPSđược triển khai nghiệp vụ từ năm 2006, trong đó các nhiễu động ban đầu vàđiều kiện biên được cung cấp từ EPS toàn cầu Các nhiễu động trong trườngban đầu được tính dựa trên phương pháp lọc Kalman tổ hợp ETKF (EnsembleTransform Kalman Filter)

Cơ quan Khí tượng Pháp (Météo- France) cũng đang vận hành một hệthống SREF có tên gọi là PEACE dựa trên mô hình quy mô vừa với độ phângiải 20km PEACE bao gồm 11 dự báo thành phần và thực hiện dự báo chođến hạn dự báo 60 giờ

Tổng cục Khí tượng Cộng hòa Liên bang Đức (DWD) sử dụng hệ thốngSREF nghiệp vụ có tên gọi là SRNWP-PEPS trong đó các dự báo thành phầnđơn giản chỉ là tập hợp các dự báo từ các mô hình của các Cơ quan Khí tượngquốc gia châu Âu Nghiên cứu đã chỉ ra những kết quả đầy hứa hẹn trong chấtlượng dự báo tổ hợp của SRNWP-PEPS cho khu vực châu Âu

Tuy nhiên, do chất lượng dự báo của các mô hình dự báo còn gặp nhiềuhạn chế do sai số trong trường phân tích ban đầu, các mô hình còn dùng nhiềuxấp xỉ tính toán và xấp xỉ vật lí, các mô hình dự báo số cũng chưa tính đếnđược các yếu tố địa phương, Vì vậy, việc sử dụng trực tiếp sản phẩm từ các

mô hình số để cung cấp bản tin dự báo số là không thể Với những hạn chếtrên, các hệ thống diễn giải sau mô hình được phát triển dựa trên các phươngpháp thống kê hiện đại, được gọi chung là thống kê sau mô hình (ModelOutput Statistics- MOS) Tuy vậy, vẫn còn hạn chế là khả năng thích ứng củacác mô hình MOS khi có những sự thay đổi căn bản bên trong các mô hình.

Để giải quyết hạn chế này của phương pháp MOS truyền thống khi môhình liên tục có sự thay đổi, người ta sử dụng các phương pháp thống kê cókhả năng tự cập nhật, khi đó, thông tin sẽ được truyển vào phương trình dựbáo ngay khi có những thay đổi trong mô hình dự báo số trị Hiện tại có haiphương pháp cho phép hệ phương trình dự báo tự cập nhật:

1) Phương pháp thứ nhất: sử dụng lọc Kalman , thay vì cố định các hệ sốhồi quy trong phương trình hồi quy, các hệ số này sẽ được cập nhật theo thờigian

2) Phương pháp thứ hai đó là đưa thêm khả năng tự cập nhật cho MOSthông qua một phương pháp lấy trọng số giữa hai tập dữ liệu cũ và mới khi cóthay đổi trong mô hình với tên gọi UMOS Nếu mô hình không có cải tiến nàođáng kể, UMOS sẽ trở thành phương pháp MOS thông thường

Việc ứng dụng mô hình số vào dự báo thời tiết nói chung đã đạt đượcnhững thành tựu rất lớn Tuy nhiên cho đến nay việc dự báo thời tiết cho mộtsân bay cụ thể vẫn gặp nhiều khó khăn Do đặc thù dự báo tại các sân bay, màtầm nhìn và một số thời tiết đặc biệt, tiêu biểu như dông và sương mù là cáchiện tượng rất khó dự báo hoặc có dự báo được chỉ ở mức định tính (có haykhông có hiện tượng) mà các giá trị cụ thể gần như rất khó Các sản phẩm dựbáo số có sai số khá lớn so với thực tế Dưới đây, niên luận xin tổng quan một

số nghiên cứu ứng dụng mô hình số vào dự báo tại các sân bay trên thế giới.Vào năm 2005, trong báo cáo của Golding, sương mù, mây thấp ảnhhưởng rất nhiều tới hoạt động hàng không bao gồm cả quân sự và dân sự tại

nước Anh Yêu cầu cấp thiết đòi hỏi dự báo các ngưỡng giá trị tầm nhìn khaithác cho các sân bay để phục vụ máy bay cất và hạ cánh an toàn Bên cạnh đó,sương mù mây thấp cũng ảnh hưởng tới các phương tiện tham gia giao thôngđường thủy và đường bộ Phương pháp dự báo sương mù bình lưu truyềnthống cho các vùng ven biển là dựa vào hướng gió Tuy nhiên, phương pháp

dự báo này khi áp dụng vào dự báo cho sương mù bức xạ, sương mù địa hìnhthì lại gặp nhiều hạn chế Sương mù hình thành và phát triển là do sự tươngtác lớp đất bề mặt, mặt biển và lớp không khí gần bề mặt Các mô hình số trịNWP (Numerical Weather Prediction) được áp dụng để giải bài toán ảnhhưởng của các yếu tố quy mô lớn Các số liệu quan trắc đặc biệt là thám sátthẳng đứng là phương pháp chính cho ta biết ảnh hưởng của các yếu tố địaphương Hiện nay, phương pháp dự báo sương mù, mây thấp và tầm nhìn tạiAnh chủ yếu là phương pháp thống kê sau mô hình MOS (Model OutputStatistics) dựa trên phương pháp mạng thần kinh, phương pháp rẽ nhánh vàphương pháp dự báo hoàn hảo trên mô hình quy mô vừa ba chiều (3D) sau đóđược xử lý bởi mô hình một chiều (1D) [9]

Cano và Terradellas (2005) [8] cũng đưa ra kết quả dự báo sương mù choTây Ban Nha Khí hậu và địa hình ở Tây Ban Nha gần giống với khí hậu vàđịa hình các quốc gia cận nhiệt đới phía tây của Châu Âu Sương mù thườnghình thành và rất khó trong việc dự báo nên ảnh hưởng rất nhiều tới hoạt độngkinh tế, giao thông Cano và Terradellas cũng đã áp dụng mô hình HIRLAM,

độ phân giải 0.5ºx0.5º chạy 4lần/ngày để dự báo sương mù, mây thấp và tầmnhìn Kết quả dự báo được kiểm chứng với chỉ số dự báo sương mù FSI(Foggy Stability Index), đây là chỉ số được phát triển bởi cơ quan dự báo thờitiết Hoa Kỳ đã được nhiều viện khí tượng trên thế giới áp dụng

Tại Phần Lan, hệ thống quan trắc khí tượng đã thay đổi đáng kể trong 10năm qua đặc biệt là hệ thống quan trắc Synop tự động và hệ thống quan trắc

phục vụ hàng không Các hệ thống này đóng góp đáng kể trong việc phát hiệnsương mù, tuy nhiên kết quả dự báo vẫn còn nhiều hạn chế Việc sử dụng hệthống Radar cũng gặp nhiều khó khăn trong việc phát hiện sương mù, mâythấp do độ dày của lớp mù rất mỏng Tuy nhiên, trong một số trường hợp thìviệc sử dụng Radar cũng cho kết quả dự báo sương mù, mây thấp nhất định.Ảnh mây vệ tinh quỹ đạo cực của cơ quan đại dương Khí quyển Mỹ NOAA(National Oceanic and Atmospheric Administration) cũng cho kết quả khảquan trong việc phát hiện sương mù, mây thấp Dự báo sương mù bằngphương pháp thống kê cũng được áp dụng Theo kinh nghiệm dự báo củaViện khí tượng Phần Lan (FMI: Finnish Meteorological Institute), nếu nhiệt

độ bề mặt trừ nhiệt độ tại 2m lớn hơn 0,3ºC và tốc độ gió tại độ cao 10m nhỏhơn 5m/s thì sương mù hình thành Bên cạnh đó, mô hình số ECMWF(European Centre for Medium - Range Weather Forecasts) và HIRLAM cũngđược FMI áp dụng để dự báo sương mù tuy nhiên độ chính xác của dự báovẫn chưa cao [11]

Trong báo cáo của Zhou và cộng sự tại hội nghị quốc tế lần thứ 5 vềsương mù và tầm nhìn tại Đức từ ngày 25 - 30/06/2010 [12], trung tâm dự báomôi trường quốc gia Hoa Kỳ NCEP (National Centers for EnvironmentalPrediction) đã thực hiện dự báo sương mù và tầm nhìn dựa trên mô hình số trịcho khu vực Bắc Mỹ, kết quả còn nhiều hạn chế nên trong các tài liệu hướngdẫn của NCEP đã không nói chi tiết Tuy nhiên, giá trị tầm nhìn được dự báodựa trên các biến đầu ra của mô hình (phương pháp MOS) Cũng theo báo cáonày, trong dự án B08RDP Trung tâm dự báo môi trường quốc gia Hoa kỳ(NCEP) đã dự báo thành công phục vụ Olyimpic Bắc Kinh 2008 cho khu vựcTrung Quốc với độ phân giải 15km Hiện nay, NCEP đã áp dụng và thửnghiệm dự báo cho toàn bộ khu vực bắc Mỹ với độ phân giải 32km

Để nghiên cứu năng lực dự báo sương mù và tầm nhìn của mô hìnhWRF (Weather Research and Forecasting Model), Han và cộng sự (2008)thuộc Trung tâm nghiên cứu môi trường toàn cầu - Trung tâm nghiên cứu môitrường quốc gia Hàn Quốc (2008) đã thử nghiệm dự báo 48 trường hợp sương

mù và tầm nhìn trong sân bay địa phương trên toàn Hàn Quốc từ năm 2003đến năm 2006 [9] Mô hình WRF phiên bản 2.1.2 được sử dụng với điều kiệnbiên và điều kiện ban đầu từ mô hình toàn cầu (GDAS: Global DataAssimilation System) độ phân giải 1º x 1º của NCEP, sử dụng kỹ thuật lồng 3lưới 54km - 18km - 6km, với 40 mực độ cao, mực cao nhất là 50mb Số liệuđầu ra từ lưới 6km dùng để dự báo sương mù và tầm nhìn đã cho kết quả khảquan Trong phiên bản 2.2.1 của mô hình WRF, có bốn thuật toán tầm nhìntrong đó CVIS (A combined visibility method) là một trong những thuật toántốt nhất trong bốn thuật toán, tuy có xu hướng đánh giá thấp tầm nhìn (t.96)Ngày 21/2/2007

Ngày 4/5/2007

Hình 1.1: Kết quả dự báo tầm nhìn bằng mô hình WRF tại sân bay

INCHON, theo Han và cs (2008) [9]

Trên hình là kết quả dự báo sương mù và tầm nhìn cho sân bay Inchon –Hàn Quốc trong 2 ngày 21/02/2007 và 04/05/2007 bằng mô hình WRF Sốliệu đầu ra từ mô hình WRF được xử lý bằng phương pháp CVIS và RVIS để

dự báo tầm nhìn và cho kết quả khả quan, nhất là việc dự báo được sương mùxung quanh thời điểm 21Z ngày 21/02/2007 và ngày 04/05/2007

1.2.2 Tình hình nghiên cứu trong nước

Ở Việt Nam, cho đến nay có rất ít nghiên cứu về dự báo thời tiết tại cácsân bay Do đó, ngoài các nghiên cứu về dự báo tại sân bay, niên luận tiếnhành tổng quan thêm một số nghiên cứu về ứng dụng mô hình số vào dự báothời tiết nói chung

a Một số nghiên cứu dự báo cho sân bay

Nghiên cứu của Trần Tân Tiến cùng các cộng sự, nghiên cứu củaNguyễn Văn Hồng và nghiên cứu của Phan Văn Tân là ba nghiên cứu ứngdụng dự báo thời tiết tại sân bay ở Việt Nam đã được thực hiện và công bốcho đến nay Năm 2008, Trần Tân Tiến và các cộng sự trong nghiên cứu “Kỹthuật dự báo dông cho sân bay Nội Bài” với mục đích dự báo dông cho khuvực sân bay Nội Bài đã tính toán các chỉ số dông cho 64 điểm lưới cho khuvực Nội Bài từ các trường khí tượng dự báo của mô hình RAMS Trongnghiên cứu này, các sản phẩm dự báo dông được xây dựng cho bốn yếu tốCAPEmax, Kimax, SImin và Vtmax Kết quả dự báo khả năng xuất hiện dôngchính xác đến 80% cho khoảng dự báo 36 giờ [4]

Trong luận văn thạc sỹ khoa học (2013) [2], Nguyễn Văn Hồng đãnghiên cứu phương pháp “Thử nghiệm dự báo tầm nhìn cho các sân bay thuộccụm cảng hàng không miền Bắc bằng mô hình WRF”, tác giả trình bày nhữngnét chính và lựa chọn trong mô hình để phục vụ mục tiêu dự báo tầm nhìn chokhu vực sân bay Hà Nội, Cát Bi và Vinh Cấu trúc dữ liệu số liệu thực tế củangành hàng không để phục vụ nội dung đánh giá kết quả dự báo tầm nhìn của

mô hình Phân tích bước đầu cho thấy mô hình WRF có khả năng dự báo tầmnhìn cho các sân bay thuộc cụm cảng hàng không miền Bắc Việt Nam Cả 3phương pháp FSIH, FSIA, RUC cho kết quả dự báo khá tốt xu thế biến đổicủa tầm nhìn với giới hạn dự báo 24h cho các sân bay Nội Bài, Cát Bi bà Vinhtuy giá trị dự báo còn quan hơn so với quan trắc Trong ba phương pháp trên,phương pháp RUC cho kết quả ổn định và chính xác nhất, sau đó là FSIA vàcuối cũng là FSIH Cả ba phương pháp này đề có đọ nhạy lớn khi ngưỡng giátrị tầm nhìn từ 4km trở lên và những giá trị này phụ thuộc vào độ ẩm gần bềmặt, không áp dụng được để dự báo cho khói và mù khô

Trong đề tài cấp nhà nước 42A - 05 – 02, Phan Văn tân (1987 - 1989) đãnghiên cứu “Đặc điểm chế độ mù, sương mù ở một số sân bay” [5] và đưa rađược đặc trưng khí hậu về mù và sương mù ở các sân bay, phân tích loại vàtìm chỉ tiêu xác định hình thế synop có mù, sương mù và các phương pháp dựbáo mù, sương mù Thông qua kết quả tính toán mà tác giả đã đưa ra đượcnhững nhận xét sau: (1) Cường độ mù, sương mù: với trị số tần suất tầm nhìn

xa theo các cấp đạt khá lớn vào khoảng 6 - 8h sáng có thể nói trong nhữngngày có mù, sương mù, cường độ mù, sương mù mạnh nhất vào lúc sáng sớm.Theo thời gian giá trị cực đại của tần suất tầm nhìn xa muộn dần từ tháng IXđến tháng XII rồi từ tháng I đến tháng IV So với tần suất tầm nhìn xa các cấp

< 4, < 3, < 2 thì tần suất < 1 km (tương ứng với trường hợp mù) có giá tị sốkhá nhỏ Điều đó nói lên rằng ảnh hưởng đến các hoạt động hàng không ở sânbay không phải chỉ có hiện tượng sương mù mà quan trọng hơn là hiện tượng

mù làm giảm tầm nhìn xa xuống dưới 4km (2) Thời gian xuất hiện mù, sươngmù: một quy luật chung đáng lưu ý ở đây là mù, sương mù thường xuất hiệnvào khoảng 2 thời gian trong ngày: 6 - 8h và 19 - 21h Sự kiện đó đưa đếnmột nhận định là quá trình hình thành mù, sương mù có thể liên quan đến 2 cơchế chủ yếu: sự giảm nhiệt độ nhanh lúc gần sáng và sự chuyển pha của quá

trình thu chi năng lượng mặt trời của mặt đệm từ ban ngày sang ban đêm (3)Thời gian tan mù, sương mù: là trước lúc 12h, chủ yếu tập trung vào khoảng 9

- 10h Nếu xét một cách tổng thể, có thể thấy thời điểm sương mù tan trongngày muộn dần từ tháng IX đến tháng I, sau đó lại xảy ra sớm dần Càng vàonhững tháng chính đông sương mù tan càng chậm (4) Độ kéo dài của mù,sương mù: hầu như tất cả các sân bay và tất cả các tháng được xét mù, sương

mù thường tan rải rác vào các thời điểm trong ngày Tuy nhiên, vẫn có thểthấy chủ yếu sương mù kéo dài khoảng 3 - 6h Số trường hợp sương mù tồntại hưn 12h nói chung không đáng kể Có nhiều tháng mù, sương mù chỉ tồntại 2 - 3h Nhìn chung độ kéo dài của mù, sương mù tăng dần từ tháng IX đếntháng I rồi sau đó giảm dần đến tháng IV (5) Lượng mây tổng quan và lượngmây dưới: bằng việc so sánh tần suất của 3 cấp lượng mây với nhau, có thểnói rằng trạng thái bầu trời về cơ bản chỉ thuộc 1 trong 2 cấp : hoặc từ 0 –2/10 ( ít mây ), hoặc từ 8 – 10/10 (nhiều mây) (6) Tốc độ gió và hướng gió :những ngày có mù, sương mù ban đêm tốc độ gió khác yếu Tần suất tốc độgió vào những giờ ban đêm đối với các cấp ≤ 2 m/s, ≤ 3 m/s, ≤ 4 m/s gần nhưnhau và có giá trị lớn hơn so với tần suất tốc độ gió ở cấp lớn hơn 4 m/s.Những kết quả nghiên cứu về chế độ mù, sương mù trên theo tác giả có thể sửdụng trong việc xây dựng các mô hình dự báo mù, sương mù, quy hoạch vàkhai thác mức độ sử dụng của các sân bay

b Các nghiên cứu ứng dụng mô hình số vào dự báo thời tiết nói chung

Năm 2008, Võ Văn Hòa và cộng sự đã xây dựng được một bộ cácphương trình dự báo cho các yếu tố: nhiệt độ tối thấp, nhiệt độ tối cao, nhiệt

độ, nhiệt độ điểm sương, gió (tốc độ và hướng), tổng lượng mây (4 cấp),lượng mưa (xác suất xuất hiện mưa và 4 cấp mưa), độ cao chân mây (5 cấp),

và tầm nhìn xa (5 cấp) bằng các phương pháp thống kê hiện đại với thời hạn

dự báo 6 giờ một hoặc 24 giờ một cho đến hạn dự báo 72 giờ cho 171 điểm

trạm quan trắc khí tượng bề mặt của Việt Nam từ sản phẩm dự báo của môhình toàn cầu Kết quả thu được tốt hơn so với dự báo trực tiếp từ mô hìnhGSM tại hầu hết khu vực dự báo Ngoài ra, bằng việc ứng dụng phương phápEMOS vào dự báo nhiệt độ và nhiệt độ điểm sương bề mặt ở Việt Nam, VõVăn Hòa đã lựa chọn được 10 phương pháp EMOS để nâng cao chất lượng dựbáo trung bình tổ hợp và xác suất của SREPS Kết quả cho thấy, hầu hết cácphương pháp EMOS đều có sự cải thiện đáng kể chất lượng dự báo, chấtlượng dự báo của phương pháp này tốt hơn nhiều so với dự báo trực tiếp từSREPS Tuy nhiên, kết quả nghiên cứu vẫn còn hạn chế do chưa đáp ứngđược yêu cầu nghiệp vụ tại một số khu vực [5].

Trong những năm gần đây, các công trình nghiên cứu trong lĩnh vực dựbáo mưa lớn bằng mô hình số trị cũng đã được thực hiện Trần Tân Tiến đãnghiên cứu sự phụ thuộc của kết quả dự báo mưa vào độ phân giải lưới và sơ

đồ đối lưu Ông đã sử dụng mô hình RAMS với 3 lưới lồng có độ phân giải30km, 10km và 5km có cập nhật điều kiện địa phương, nhiệt độ nước biểntuần, cải tiến sơ đồ đối lưu để dự báo mưa cho khu vực Trung Bộ Kết quảnghiên cứu cho thấy, mô hình đã dự báo được lượng mưa diện và lượng mưatrạm rất phù hợp, đặc biệt là mô phỏng được lượng mưa tới 400mm/3 ngày Cũng với mục đích dự báo mưa lớn ở khu vực Trung Bộ, trong năm

2011, trong nghiên cứu “Đồng hóa dữ liệu vệ tinh Modis trong mô hình WRF

để dự báo mưa lớn ở khu vực Trung Bộ”, Trần Tân Tiến và Nguyễn ThịThanh đã sử dụng số liệu vệ tinh MODIS để đồng hóa trường ban đầu cho môhình WRF bằng phương pháp 3DVAR để dự báo mưa lớn cho khu vực Trung

Bộ trong hai mùa mưa 2007, 2008 Kết quả nghiên cứu cho thấy, đồng hóa sốliệu MODIS đã cải thiện đáng kể cả về diện mưa và lượng mưa dự báo trong30h đầu Tuy nhiên, ở hạn dự báo từ 30 đến 54h, việc đồng hóa số liệuMODIS không cho kết quả vượt trội so với trường hợp không đồng hóa [6]

Năm 2010, Trần Tân Tiến và các cộng sự khi tiến hành dự báo thời tiết,bão, sóng và nước dâng trên Biển Đông bằng mô hình số đã áp dựng đượcphương pháp dự báo tổ hợp và xây dựng thành một hệ thống liên hoàn từ dựbáo khí tượng đến thủy văn biển Kết quả dự báo của hệ thống đạt độ chínhxác của các nước trong khu vực và đáp ứng được một số yêu cầu thực tế trongkhai thác tài nguyên biển và phòng chống thiên tai ở Việt Nam [7].

Trong năm 2011, Hoàng Đức Cường [8] đã ứng dụng mô hình WRF dựbáo bão đến hạn 72h với việc sử dụng sơ đồ đồng hóa số liệu 3DVAR cậpnhật số liệu cao không, số liệu synop cho trường ban đầu; và ứng dụng sơ đồphân tích xoáy giả tích hợp với đồng hóa số liệu Kết quả cho thấy, sử dụng sơ

đồ 3DVAR cho kết quả dự báo vượt trội so với trường hợp không sử dụng sơ

đồ, đặc biệt là ở các hạn từ 42h-72h; đối với trường hợp sử dụng sơ đồ phântích xoáy giả cho sai số biến động khá mạnh và tăng dần theo các hạn dự báo,trung bình khoảng trên 361km, lớn nhất khoảng 462km ở hạn dự báo 72h.Gần đây hơn, vào năm 2012, trong nghiên cứu “Dự báo cường độ bãobằng mô hình WRF hạn 5 ngày trên khu vực Biển Đông”, Trần Tân Tiến vàcác cộng sự đã sử dựng mô hình WRF để dự báo cường độ của hai cơn bãotrên khu vực Biển Đông là Marinae (2009) và Conson (2010) Kết quả dự báocho giá trị cường độ bão yếu hơn so với thực tế cả đối với khí áp cực tiểu vàtốc độ gió cực đại vùng gần tâm Cụ thể, sai số dự báo đối với trị số khí áp tạitâm nhỏ ở thời điểm cuối và đầu của dự báo và lớn (28mb) ở thời điểm giữacủa hạn dự báo Với sai số tốc độ gió, lớn nhất là 15m/s

CHƯƠNG 2: SỐ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU

2.1 Số liệu

Số liệu là thứ ta dùng để tiến hành tính toán, thống kê, nó đóng vai tròhết sức quan trọng quyết định đến độ tin cậy của kết quả nghiên cứu Ngoàiviệc lựa chọn đúng phương pháp nghiên cứu, chất lượng số liệu là yếu tốquyết định đến sự chính xác của kết quả

Nói đến chất lượng số liệu trước hết cần xem xét đến độ chính xác củachúng Có nhiều nguyên nhân gây nên sự thiếu chính xác gọi là sai số, trongbản thân các chuỗi được sử dụng để tính toán,thường sai sót do quan trắc,nhầm lẫn trong quá trình xử lý ban đầu hoặc khi tiến hành lấy mẫu, do tácđộng ngẫu nhiên của những nhân tố bên ngoài,

Trong niên luận này, tôi sử dụng ba nguồn số liệu gồm số liệu dự báocho sân bay Nội Bài của NOAA, KMA và số liệu quan trắc tại sân bay NộiBài Cả ba nguồn số liệu này được thu thập không liên tục trong khoảng thờigian 110 ngày từ ngày 04/11/2017 đến 28/04/2018

Trong đó, 82 ngày đầu gọi là chuỗi phụ thuộc, tôi sẽ dùng để đánh giá độchính xác của hai sản phẩm NOAA và KMA

Sau đó, tôi sẽ tạo dựng phương trình hồi quy theo số liệu của các trườngtôi thu thập từ hai sản phẩm và thực tế Mục đích ở đây là để đánh giá xem haisản phẩm này có độ tin cậy cao hay không Bằng việc kiểm tra số liệu hồi quy

so với số liệu thực tế của 28 ngày còn lại (chuỗi độc lập)

2.1.1 Số liệu dự báo của NOAA

Dự báo của NOAA là sản phẩm mô hình dự báo số do trang ARL (Airresource laboratory) của Mỹ phát hành, sử dụng hệ phân tích và hiển thị bản

đồ thời tiết Awips Cung cấp sản phẩm mô hình dự báo lên tới 240 giờ Trongsản phẩm dự báo của NOAA, có rất nhiều trường khí tượng cho người làm dự