Professional Documents
Culture Documents
- Sau đó, chúng ta sẽ tranh luận về phương pháp của các trung tâm khí tượng
xây dựng DBTH.
- Ba là, chúng ta sẽ nói về sản phẩm của DBTH sử dụng cả ý tưởng và các ví
dụ thực tế của thế giới, bao gồm các loại sản phẩm và cách họ giải thích
hay làm sáng tỏ và kiểm tra.
- Bốn là, sẽ lập hồ sơ các khu vực trên một khía cạnh của dự báo và kiểm tra.
- Tiếp, họ sẽ chứng minh việc sử dụng các sản phẩm dự báo cho bão, thời tiết
khắc nghiệt và bão lớn.
- Cuối cùng, chúng ta tóm tắt được đưa ra trong webcast và cung cấp tài liệu
liên quan đến những vấn đề khác mà có thể đưa thêm thông tin cho DBTH.
o Khí quyển nhạy với điều kiện đầu vào khác nhau.
o Phương pháp khác nhau cho việc ước lượng hiệu quả trong các quá
trình vật lý.
- Điều hay hơn là, người ta không chắc chắn có thể được sử dụng để tạo ra
một DBTH cho NWP.
- Các đường đẳng áp suất mực biển, chúng ta chỉ nhìn thấy là ví dụ của hình
vẽ từ một DBTH; trong trường hợp này là một tổ hợp của các mô hình
NWP khác nhau. Nhưng thực tế, bất kỳ một nhóm dự báo NWP với cùng
một thời gian cũng là một dự báo; nếu không lấy từ nhiều mô hình, có thể
lấy từ một mô hình.
- Chúng ta biết từ kinh ngiệm dự báo từ các mô hình NWP có sự khác nhau;
và sự khác nhau này có thể trở nên lớn trong thời gian tương đối ngắn. Các
khía cạnh của mô hình NWP là có sự đóng góp khác nhau hoặc không chắc
chắn trong số các mô hình dự báo là gì?
- Đầu tiên, mỗi mô hình NWP bắt đầu dự báo từ sự khác biệt điều kiện vào là
nhỏ bởi vì chúng đồng hóa và phân tích dữ liệu khí tượng ít có sự khác
nhau. Vì do khí quyển có sự hỗn độn, nghĩa là chúng nhạy hay biến đổi với
điều kiện đầu vào. Điều này, có nghĩa là khi có sự thay đổi nhỏ trong điều
kiện đầu vào thì có thể có kết quả khác biệt lớn về thời gian.
- Thứ 2, sự khác biệt chung của mô hình NWP là sử dụng các phương pháp
khác nhau để tính toán hiệu quả của động lực học khí quyển, bao gồm sự
khác biệt về phương ngang và theo phương thẳng đứng và sự khác biệt
trong tọa độ thẳng đứng.
- Cuối cùng, mô hình có thể có phương pháp khác nhau để ước lượng tác
động của quá trình vật lý nhưng không rõ ràng. Ví dụ về mô hình đối lưu,
bức xạ Mặt trời và bức xạ sóng dài và các quá trình vật lý nhỏ
(microphysics) mà tạo mưa.
c. Mô hình MM5:
- Mô hình khí tượng động lực qui mô vừa thế hệ thứ 5 (MM5) của trung tâm nghiên
cứu khí quyển quốc gia Mỹ (NCAR) và trường đại học tổng hợp Pennsylvania Mỹ
(PSU) là thế hệ mới nhất trong một loạt các mô hình nghiên cứu và dự báo thời
tiết được Anthes phát triển từ những năm 1970.
- Mô hình đã được cải tiến nhiều lần nhằm mô phỏng và dự báo tốt hơn các quá
trình vật lý qui mô vừa và có thể áp dụng với nhiều đối tượng sử dụng khác nhau.
- Phiên bản 3.5 ( MM5V3.5) của mô hình ra đời năm 2001 được điều chỉnh và cải
tiến trong các mảng:
o Kỹ thuật lồng ghép nhiều mức
o Động lực học bất thủy tĩnh
o Đồng hóa số liệu 4 chiều (FDDA)
o Bổ sung các sơ đồ tham số hóa vật lý
o Kỹ thuật tính toán…
- Phiên bản sử dụng trong dự báo thời tiết ở viện Khí tượng thủy văn là MM5V3.7
(mới nhất) cập nhật cuối 2004.
- Miền tính: các dự báo về hầu hết các yếu tố khí tượng thực hiện cho 2 miền tính
+ Miền một: Kích cỡ 74x74 điểm tính.
Kích thước ô lưới theo phương ngang 54 km (bao trùm hầu hết diện tích Đông Nam
Á)
+ Miền 2: Kích cỡ 124x73 điểm tính.
Kích thước ô lưới 18 km (lấy Việt Nam làm trung tâm của miền.
- Cả 2 miền tính đều có 23 mực theo phương thẳng đứng.
- Dữ liệu địa hình được lấy từ nguồn Cơ quan địa chất Mỹ (USGS) với độ phân giải
4 km.
- Các sơ đồ tham số hóa vật lý được sử dụng:
o Grell (1993) cho đối lưu
o Simple Ice cho vật lý vi mô trong mây
o MRF cho lớp biên hành tinh
o Dudhia (1989) cho bức xạ
o LSM cho các quá trình đất- bề mặt
- Điều kiện đầu và điều kiện biên cho mô hình MM5: Các trường khí tượng
phân tích và dự báo toàn cầu cách nhau 6h một của mô hình AVN do trung
tâm dự báo môi trường quốc gia Mỹ (NCEP) thực hiện.
- Dự báo thời tiết ở viện khí tượng- thủy văn:
o Hiện thời: mô hình MM5 được chạy 1 lần/1 ngày với các trường phân
tích và dự báo bắt đầu từ 7h hàng ngày.
o Khoảng 12h30, mô hình hoàn tất các sản phẩm dự báo cho 2 miền tính
với hạn dự báo đến 72h.
o Các dự báo được thực hiện trên máy tính song song với 8 CPU của viện
khí tượng – thủy văn.
o Một số sản phẩm dự báo: nhiệt độ, lượng mưa, độ ẩm tương đối cho
một số điểm trên cả nước…
- Lưu ý về các sản phẩm dự báo:
o Nhiệt độ ngày là nhiệt độ cao nhất từ 7h - 19h.
o Nhiệt độ đêm là nhiệt độ thấp nhất từ 19h - 7h.
o Lượng mưa ngày là tổng lượng mưa từ 7h - 19h.
o Lượng mưa đêm là tổng lượng mưa từ 19h - 7h.
o Độ ẩm ngày là độ ẩm thấp nhất từ 7h - 19h.
o Độ ẩm đêm là độ ẩm cao nhất từ 19h - 7h.
III. ỨNG DỤNG CỦA PHƯƠNG PHÁP DỰ BÁO TỔ HỢP:
1. Why uses Ensemble Forecast? Tại sao sử dụng DBTH?
- Tổ hợp miêu tả chính xác khoa học nhất về nghiên cứu khí quyển.
o Phải ước lượng các quá trình động lực và vi vật lý mây để làm dự báo.
- Kế hoạch dự báo thời tiết trên thời gian dài (National Weather Survice Long
Range Plan). NWS sẽ đưa ra dự báo thời tiết, nước và khí hậu trong khoảng
thời gian có thể. Kết quả, không những thường cho thấy việc chạy liên tục
của các mô hình dự báo NWP giống nhau trong 3 – 7 ngày, mà có thể cùng
xuất hiện trong dải ngắn 1 – 2 ngày.
- DBTH là phương pháp tốt nhất vì chúng ta không biết chính xác điều kiện
đầu vào từ đâu để bắt đầu một dự báo NWP và bởi vì chỉ sử dụng kết quả
tương đối của động lực và quá trình vật lý khi chúng ta làm dự báo NWP.
- Ở đây, sử dụng các điều kiện biên đáy và hông. Ví dụ: Tổ hợp của SST
trung bình của khu vực từ hiện tượng EL-Nino. Chúng ta có thể xáo trộn
điều kiện đầu, đáy và hông, hay cả hai. Có thể thay đổi hệ thống lưới trên
tính toán số; các tọa độ ngang và thẳng đứng.
- DBTH đã và đang là một trong những phương pháp dự báo chính ở nhiều
trung tâm dự báo lớn trên thế giới.
- Ngày nay mô hình DBTH được ứng dụng rộng rãi trong vấn đề dự báo thời
tiết của nhiều khu vực trên trái đất.
- Ứng dụng mô hình MM5 vào dự báo mưa lớn cho tất cả các vùng, lãnh thổ
Việt Nam.
o Là một nhiễu động nhỏ trong trường phân tích ban đầu sẽ được khuếch
đại và trở thành sai số lớn của trường dự báo so với thực tế.
o Mô hình này gồm các tham số hóa vật lý khác nhau trong:
• Đối lưu
• Vi vật lý mây
• Lớp biên
• Bức xạ
- Tính hiệu quả của DBTH được thể hiện qua ví dụ về:
- Sử dụng phương pháp dự báo số trị : Chất lượng dự báo về mưa lớn cao
hơn hẳn so với các phương pháp dự báo khác 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.
a. Một số chỉ số đánh giá chất lượng dự báo mưa cho mô hình:
- Sai số bình phương trung bình (RMSE) là căn bậc hai của trung bình bình
phương sai số giữa giá trị dự báo và quan trắc. 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.
- Về diện mưa, chúng tôi sử dụng chỉ số CSI. Khi CSI gần đến một 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 1mm (đối với
mưa nhỏ), 1mm (đối với mưa vừa), 20mm, 30mm đối với mưa lớn), 50mm,
100mm (đối với mưa cực lớn) cho lượng mưa trong 24h.
- Để đánh giá về lượng, chúng tôi chọn chỉ số BIAS. Chỉ số BIAS lớn hơn
một 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 một.
b. Kết quả thử nghiệm cho mô hình MM5:
- Lựa chọn được các sơ đồ tham số hoá vật lý tối ưu trong số các sơ đồ sẵn
có của MM5 đảm bảo phù hợp với điều kiện Việt Nam trong mọi trường
hợp là điều không thể thực hiện được.
- Đánh giá khả năng dự báo mưa của mô hình với các sơ đồ tham số hóa vật
lý khác nhau như: Kuo, Grell, Betts - Miller cho đối lưu, Warm Rain,
Simple Ice, Mixed phase cho vi vật lý mây, RRTM longwave radiation cho
bức xạ và MRF PBL cho lớp biên hành tinh.
- Điều kiện ban đầu và điều kiện biên được lấy từ số liệu phân tích và dự báo
của mô hình toàn cầu AVN, NCEP/Mỹ. Hai miền tính được sử dụng là miền
một cho khu vực Đông Nam Á (độ phân giải ngang 54km) và miền 2 cho
Việt Nam (độ phân giải ngang 18km).
- Nhóm có sai số lớn gồm các dự báo sử dụng sơ đồ đối lưu Grell và Betts -
Miller (cùng các sơ đồ vi vật lý mây khác nhau). Nhóm sử dụng sơ đồ Kuo
cho dự báo mưa khả quan nhất. Từ đó ta thấy, vai trò của các quá trình đối
lưu lớn hơn so với các quá trình vật lý vi mô trong mây, ít nhất là cho miền
tính thứ nhất. Ngoài ra, khi tăng hạn dự báo, sai số hệ thống tăng nhưng
mức độ tăng không rõ rệt ở nhóm sử dụng sơ đồ Kuo so với nhóm sử dụng
sơ đồ Grell và Betts Miller.
- Nếu xét về vai trò của các sơ đồ tham số hoá vi vật lý mây thì đa số trường
hợp sơ đồ Simple Ice lại cho kết quả dự báo phù hợp nhất so với thực tế
(sai số nhỏ nhất), tiếp đến là sơ đồ Warm rain và cuối cùng là sơ đồ Mixed
Phase.
- Mưa lớn năm 2005 và tham khảo các trường hợp dự báo khác trong năm
2004, tác giả đi đến lựa chọn ban đầu đối với các sơ đồ đối lưu là Kuo cho
miền tính thứ nhất và Grell cho miền tính thứ hai.
- Qua thử nghiệm trên, sơ đồ vi vật lý mây Simple Ice cho cả hai miền tính
trong dự báo thử nghiệm hạn ngắn và hạn vừa ở Việt Nam.
c. Xây dựng hệ thống DBTH cho mô hình MM5:
- Phương pháp tổ hợp được sử dụng là phương pháp trung bình có trọng số
với trọng số được xác định bằng tỉ lệ nghịch của sai số bình phương trung
bình.
- Tiến hành thử nghiệm dự báo và đánh giá cho tất cả các trường hợp mưa
vừa, mưa lớn ở Việt Nam trong năm 2005. Kết quả đánh giá được thực hiện
cho 170 trạm ở Việt Nam.
- Số liệu đầu vào cho mô hình là các trường phân tích và dự báo cách nhau
6h của mô hình toàn cầu AVN. Hai miền được lựa chọn: Miền một cho khu
vực Ðông Nam Á với độ phân giải ngang 54 km và miền 2 cho khu vực
Việt Nam với độ phân giải ngang 18km. Hạn dự báo tối đa là 72h bắt đầu từ
07h mỗi ngày. Bước tích phân thời gian được chọn là 180s cho miền tính
thứ nhất và 60s cho miền tính thứ hai.
d. Kết luận:
- Qua thử nghiệm dự báo các đợt mưa lớn trong hai năm 2004 và 2005 ta
thấy: Lượng mưa tính toán từ các sơ đồ tham số hóa đối lưu có độ nhạy cao
hơn so với các sơ đồ tham số hóa vi vật lý mây. Sơ đồ đối lưu Kuo cho kết
quả dự báo khả quan hơn so với sơ đồ Grell và Betts Miller trong dự báo
mưa của miền tính thứ nhất.
- Diện mưa của DBTH với các hạn dự báo khác nhau thường lớn hơn so với
thực tế, hầu hết các trường hợp thử nghiệm đều phản ánh được khu vực
mưa lớn. Tuy nhiên, vùng mưa lớn dự báo được chưa thực sự trùng khớp
với thực tế, đặc biệt là đối với các đợt mưa vừa, mưa lớn ở Trung Bộ trong
năm 2005.
- Các chỉ số đánh giá RMSE, CSI, BIAS đối với các ngưỡng mưa khác nhau
từ 1 đến 100mm cho thấy, khi tăng hạn dự báo, sai số của các dự báo thành
phần tăng lên nhưng không đáng kể ở DBTH. Dự báo diện mưa đến 30mm
thường lớn hơn diện mưa thực tế và ngược lại, diện mưa trên 50mm lại nhỏ
hơn so với thực tế.
4. Các sản phẩm tổ hợp:
- Cho phép đo đạc tổ hợp trung bình và phân bố xác suất.
- Xác định giá trị tần số dự báo được dự đoán và giá trị này là thực vì có xảy
ra trong thế giới thực.
- Có thể sử dụng tất cả thời gian trong năm đối với sự biến đổi hiện tượng.
- Khoảng thời gian dài đối với khía cạnh quy mô lớn.
- Khoảng thời gian ngắn đối với khía cạnh quy mô nhỏ.
- Dự báo trung bình cho kết quả tốt và phân tích chính xác hơn, phương pháp
dự báo trung bình thay đổi tương tự với việc phân tích dữ liệu riêng lẻ. Ví
dụ, bằng cách tính toán mối tương quan thông thường trên các vùng rộng
lớn hoặc tính toán sai số trung bình bình phương trên khu vực phải nhỏ
hơn.
- Nhưng vì do nguyên nhân cơ bản của DBTH là cung cấp xác suất, chúng ta
cần bỏ qua như thế nào để cho xác suất phân bố tốt. Cần xác định giá trị tần
số dự báo được dự đoán và giá trị này là thực vì có xảy ra trong thế giới
thực và xác định mức độ cùng xảy ra.
- Cuối cùng, chúng ta xem ví dụ DBTH về mùa lạnh và mùa nóng trong mô
hình dự báo Sy-nốp, cho một vài tình trạng thời tiết khắc nghiệt và bão
nhiệt đới.
- Ở đây sẽ có sự không chắc chắn trong quy mô lớn với khoảng thời gian dự
báo dài, chẳng hạn như quy mô Sy-nốp và quy mô sóng hành tinh. Đối với
khoảng thời gian ngắn hơn, chúng ta xét với quy mô nhỏ, chẳng hạn như
vùng chịu ảnh hưởng áp suất gây ra các sóng ngắn, vị trí mặt front, chi tiết
quy mô vừa trong cho các thông số thời tiết khắc nghiệt, các dòng mưa
tuyết và các khía cạnh khác.
(c ) (d)
(e) (f)
Ví dụ: Với hạn 48h tương tự như 24h. 2a, 2b, 2c đuờng đẳng khí áp thuộc
các dự báo thì lệch đông. Làm giảm bớt sai số thành phần so với thực tế,
tăng độ chính xác cho dự báo. Đường đẳng độ cao địa thế vị thì khác đáng
kể so với dự báo 24h (hình 2d,2b,2f). Sự ‘phân tán’ khá lớn của các dự báo
thành phần so với thực tế. (hình 2f) đường dự báo tổ hợp so với dự báo phân
tích khác rõ rệt.
Tài liệu tham khảo:
2. Tài liệu bồi dưỡng nghiệp vụ dự báo viên khí tượng thủy văn – Trung tâm
khí tượng thủy văn quốc gia.
3. http://biblioteca.universia.net/html_bura/ficha/params/id/2102227.html
4. http://en.wikipedia.org/wiki/Numerical_weather_prediction
5. http://meted.ucar.edu/nwp/pcu1/ensemble_webcast/index.htm