SEMINAR:

ĐỒNG HOÁ SỐ LIỆU

THÀNH VIÊN:

1/…………………………………
2/…………………………………
3/…………………………………
4/…………………………………
5/…………………………………
6/…………………………………
7/…………………………………
8/…………………………………
9/…………………………………

1
I/Giới thiệu.
Phần này cho chúng ta cái nhìn tổng quát về quá trình đồng hoá dữ liệu trong
NWP . Nó sẽ cho bạn sự đánh giá đúng về :
♣ Tầm quan trọng của đồng hoá dữ liệu trong phương pháp dự báo bằng số
trị ?.
♣ Đồng hoá dữ liệu được làm như thế nào ?
♠ Mô hình sử dụng dữ liệu như là một thành phần để giải quyết mô hình như
thế nào ? Dạng dữ liệu như thế nào ?.
♠ Dữ liệu được phân tích như thế nào ?.
♠ Dữ liệu có thể ảnh hưởng đến sự phân tích như thế nào?.
♠ Hạn chế của đồng hoá dữ liệu ?.
♣ Sự quan trọng của điều kiện đầu trong phương pháp NWP ?.
♣ Tiến hành đồng hoá dữ liệu có thể ảnh hưởng như thế nào đến điều kiện đầu ?
♣ Sự khó khăn trong việc xác định đặc tính của NWP dựa trên điều kiện đầu ?.
Hệ thống đồng hoá là một quy trình phức tạp, trong đó các yếu tố khí tượng
quan trắc, được chuyển thành các biến dự báo và được hoà hợp với các dự báo
ngắn hạn từ kết quả dự báo trước đây của mô hình để tạo ra điều kiện ban đầu cho
một phiên dự báo mới. Hệ thống đồng hoá này nhằm đưa ra các trường ban đầu
của các biến dự báo tối ưu ( theo độ chính xác ) dựa trên các số liệu có sẵn.
II/ Sử dụng dự báo trong đồng hoá dữ liệu .
Chúng ta sử dụng một mô hình dự báo để tạo ra điều kiện đầu cho dự báo tiếp
theo. Tại sao phải làm như vậy ?. Bởi vì :
♣ Một dự báo ngắn hạn có được từ một mô hình dự báo tốt thì sẽ cho ta một
kinh nghiệm tốt trong quá trình phân tích.
♣ Nó lưu giữ những thông tin từ những quan trắc trước đó.
♣ Nó cho phép phân tích để liên kết những quan trắc các nguồn thông số khác
nhau và những đặc điểm được quan trắc bằng việc đưa ra sự so sánh đặc điểm và
tầm quan trọng của những quan trắc đó.
♣ Nó cung cấp thông tin khác, không có sẵn giữa những quá trình quan trắc, mà
dựa vào một phần thông tin và sự thay đổi của thông tin trong những quan trắc
trước đó.
♣ Trường mô hình dự báo có ý nghĩa cả về mặt động lực và mặt vật lý.
♣ Trường mô hình dự báo chứa đựng dữ liệu cần thiết cho việc thực hiện mô
hình tiếp theo.
III/ Tầm quan trọng của đồng hoá dữ liệu.
Những hiệu chỉnh trong dự báo ngắn hạn thì được đưa vào quá trình phân tích
để làm mịn kết quả của mô hình, sử dụng thông tin chính xác của dự báo và quan
trắc, có nghĩa là :
♣ Quan trắc đặc điểm thời tiết thì quá nhỏ để mô hình phân tích và đưa ra kết
quả.
♣ Hệ thống làm việc tốt trong những điều kiện bình thường, nhưng sẽ không có
đưa ra những phân tích tốt nếu như có sự thay đổi quá nhanh. Vì trong trường hợp
này, các điều kiện đầu thì quá ít, còn dự báo thì không thực tế,
2
 ♣ Một mô hình phân tích tốt khi dữ liệu đồng dạng với nhau. Có thể thấy phân
tích làm nền tảng cho những hiệu chỉnh dự báo bằng ngoại suy. Điều này được sử
dụng khi dữ liệu tại một khu vực bị thiếu mà tại đó sự hiệu chỉnh có thể không
thích hợp.
III/ Quy trình đồng hoá dữ liệu .
♣ Hiệu chỉnh dữ liệu.
♣ Phân tích dữ liệu quan trắc được.
♣ Loại bỏ số liệu xấu.
♣ So sánh dữ liệu với trường dữ liệu ban đầu từ mô hình ngắn hạn.
♣ Đưa dữ liệu ( của một mô hình chính xác ) vào lưới mô hình để tiến hành dự
báo. Quá trình này trộn lẫn những thông tin từ những dự báo ngắn hạn về những
quan trắc trong qua khứ và dự báo ở mức độ nhỏ với những thông tin quan trắc
mới. Cách này đặt ra 2 khó khăn lớn cho đồng hoá dữ liệu :
♠ Sự chuyển dời thông tin từ thời gian và vị trí xác định của sự quan trắc đến
lưới mô hình ở cùng một thời gian.
♠ Việc bảo đảm mối quan hệ giữa các yếu tố: Vật lý, động lượng, và trị số
trong dự báo ngắn hạn.
Việc giải quyết vấn đề trên thì thực sự rắc rối và phức tạp.
IV/ Các bước trong đồng hoá dữ liệu .

♣ Quan trắc lấy số liệu bên ngoài chu trình ( hình 1B ).

♣ Kiểm tra lổi tổng quát của dữ liệu quan trắc được.

3
 ♣ Kết hợp với kết quả dự báo ngắn hạn trước đó (hình 1A ) từ những lần trước
trong chu trình. Những dự báo này phục vụ như là những kinh nghiệm cho lần dự
báo tiếp theo. Nó thường được xem như là ước lượng ban đầu.
♣ Sự kết hợp của những quan trắc và ước lượng ban đầu được hoàn thành bằng
việc tính toán số liệu quan trắc gia tăng ( hình 2 ).
♣ Sự kiểm tra những đặc tính quan trắc thì được tiến hành trên số liệu gia tăng,
chứ không phải là trên chính bản thân của số liệu quan trắc .
♣ Thủ tục phân tích khách quan ( hình bình hành màu đỏ ) đưa những gia tăng
quan trắc về lưới mô hình, để cho ra lưới của mô hình chính xác ( hình 3).
♣ Hiệu chỉnh ước lượng ban đầu, để cho ra một phân tích mới ( hình 4).
♣ Kết quả phân tích mới trên cung cấp điều kiện đầu cho quy trình dự báo tiếp
theo và những dự báo ngắn hạn ( hình 1A ) thì được sử dụng để hoà trộn với những
quan trắc tiếp theo, cho một chu trình mới bắt đầu.
V/ Vai trò của mô hình dự báo trong đồng hoá dữ liệu .
Mô hình dự báo tạo thành nền tảng cho hệ thống đồng hoá dữ liệu. Nó phải làm
tốt công việc dự báo hình thái thời tiết , như là : font, dòng không khí ở mức độ
thấp, sự đối lưu, và các lớp biên, cũng như mang thông tin quan trọng từ những dự
báo trước. Điều đó được minh hoạ bên dưới. Quan trắc lần đầu tiên thì ảnh hưởng
đến dự báo ngắn hạn, mà nó được xem như là dữ kiện cho phân tích ở những lần
tiếp theo. Sau nhiều chu trình thông qua quá trình đồng hoá, mô hình phản ánh sự
trộn lẫn của tất cả những quan trắc đã thực hiện và sự tiến triển của chúng. Mỗi mô
hình dự báo ngắn hạn thì dự báo cho những lần quan trắc tiếp theo và số liệu quan
trắc thực được sử dụng để điều chỉnh hướng đi của mô hình mà chúng ta muốn.

VI/ Nguồn dữ liệu và hạn chế.

Times of day • Radiosondes (once every 12 hours)
4
 • Visible satellite cloud-drift winds (daylight hours)
limitations
• Polar orbiter data (during each satellite's twice-daily
overpass over the tropics and midlatitudes)
• Radiosondes over land
• Polar orbiter swath during the data collection period
Geographic
region limitations • Satellite radiance data for low levels (equivalent
information as for satellite soundings except that data
are more useful) only over the sea
• IR satellite radiances only in clear conditions
Weather condition
• Satellite cloud-drift winds only under cloudy or partly
limitations
cloudy conditions and only for the cloud-top levels of
trackable clouds

Some data types are

only available at certain
times of day or for
specific geographic
regions or weather
conditions. The table
below outlines a few of
these limitations.