Tổng quan nghiên cứu

Nhu cầu dự báo khí tượng thủy văn thời hạn vừa tại khu vực Tây Nguyên đóng vai trò đặc biệt quan trọng đối với an ninh nguồn nước, sản xuất nông nghiệp và công tác phòng chống rủi ro thiên tai. Địa bàn Tây Nguyên sở hữu diện tích tự nhiên rộng hơn 54.000 km2 với cấu trúc địa hình cao nguyên lượn sóng phức tạp, bao gồm 5 tỉnh trải dài từ Kon Tum, Gia Lai, Đắk Lắk, Đắk Nông đến Lâm Đồng. Khí hậu toàn vùng mang đặc trưng nhiệt đới gió mùa cao nguyên sâu sắc với hai mùa tương phản rõ rệt: mùa mưa kéo dài từ tháng 5 đến tháng 10 chiếm tới khoảng 90% tổng lượng mưa cả năm, trong khi mùa khô từ tháng 11 đến tháng 4 năm sau thường xuyên xảy ra tình trạng khô hạn và thiếu hụt nguồn nước mặt.

Trước đây, phần lớn các công trình nghiên cứu đánh giá mô hình dự báo thời tiết số trị tại Việt Nam chỉ tập trung vào thời hạn cực ngắn và hạn ngắn từ 1 đến 3 ngày. Điều này tạo ra một khoảng trống thông tin kỹ thuật rất lớn cho các dự báo viên khi tham khảo và tác nghiệp ở thời hạn vừa từ 5 đến 10 ngày. Luận văn thạc sĩ khoa học chuyên ngành Khí tượng học của tác giả Lê Thị Diệu Thu đã giải quyết trọn vẹn yêu cầu thực tiễn này thông qua việc đánh giá chi tiết kỹ năng dự báo mưa hạn 5 đến 10 ngày của mô hình toàn cầu IFS thuộc Trung tâm Dự báo Thời tiết Hạn vừa Châu Âu (ECMWF). Nghiên cứu được triển khai dựa trên chuỗi dữ liệu thực nghiệm kéo dài 5 năm liên tục từ năm 2014 đến năm 2018 tại 18 trạm khí tượng bề mặt đại diện cho toàn bộ các tiểu vùng vi khí hậu Tây Nguyên. Ý nghĩa của nghiên cứu thể hiện ở việc xác lập hệ thống chỉ số định lượng khách quan, vạch rõ sai số có tính hệ thống và nhận diện các điểm giới hạn của mô hình khi dự báo mưa lớn cực đoan, hỗ trợ trực tiếp cho dự báo viên điều chỉnh bản tin nghiệp vụ và nâng cao hiệu quả vận hành an toàn hồ chứa thủy điện từ 15% đến 20% trong thực tế.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn xây dựng trên nền tảng lý thuyết dự báo thời tiết số trị (NWP) kết hợp với các nguyên lý nhiệt động lực học khí quyển nhiệt đới và lý thuyết thống kê kiểm định sai số khí tượng. Mô hình nghiên cứu trung tâm là Hệ thống Dự báo Tích hợp (Integrated Forecasting System - IFS) của ECMWF. Đây là mô hình tuần hoàn chung khí quyển toàn cầu lồng ghép toàn diện với mô hình sóng biển, mô hình hoàn lưu đại dương và mô hình trao đổi bề mặt đất, tích hợp hệ thống đồng hóa dữ liệu 4 chiều biến phân (4DVAR) hiện đại bậc nhất thế giới.

Bốn khái niệm khoa học then chốt được áp dụng xuyên suốt nghiên cứu bao gồm:

  • Dự báo định lượng mưa (QPF): Ước tính giá trị mưa tích lũy dạng số trị trong khoảng thời gian 24 giờ liên tục.
  • Dự báo thời hạn vừa tất định: Dự báo chuỗi biến trình khí quyển tương lai từ 5 đến 10 ngày với khoảng cách bước thời gian 6 giờ.
  • Bảng phân loại tần suất nhị phân 2x2: Ma trận phân loại tương quan giữa hiện tượng thực tế quan trắc và kết quả dự báo của mô hình (thành công, dự báo sót, dự báo khống và đúng khi không có hiện tượng).
  • Kỹ năng dự báo pha: Đánh giá khả năng nhận biết có hay không có mưa theo các ngưỡng phân cấp lượng mưa định trước.

Phương pháp nghiên cứu

Nghiên cứu sử dụng hai nguồn dữ liệu gốc đồng bộ. Nguồn thứ nhất là tập dữ liệu dự báo mưa tích lũy 24 giờ (tính từ 00 giờ UTC) của mô hình IFS với độ phân giải ngang 9 km (khoảng 0.125 độ) cho các hạn từ 5 đến 10 ngày. Nguồn thứ hai là số liệu quan trắc mưa bề mặt 24 giờ thực tế đã qua kiểm soát sai số khắt khe tại 18 trạm khí tượng thuộc mạng lưới quốc gia trên địa bàn 5 tỉnh Tây Nguyên trong thời gian 5 năm (2014 - 2018). Cỡ mẫu nghiên cứu đạt hơn 32.800 cặp giá trị dự báo và thực đo điểm trạm. Phương pháp chọn mẫu là chọn mẫu phân tầng theo không gian địa lý, bảo đảm bao phủ trọn vẹn từ vùng thung lũng trũng như trạm Ayun Pa, cao nguyên trung bình như Buôn Ma Thuột, đến các sườn núi cao đón gió ẩm như Bảo Lộc và Đà Lạt.

Về phương pháp xử lý số liệu, tác giả lựa chọn phương pháp nội suy điểm gần nhất (Nearest Neighbor) để chuyển đổi dữ liệu nút lưới mô hình về tọa độ các trạm mặt đất. Lý do lựa chọn phương pháp này xuất phát từ bản chất mưa nhiệt đới vùng cao nguyên mang tính địa phương rất cao, xảy ra gián đoạn cả về không gian lẫn thời gian; phương pháp nội suy điểm gần nhất giúp bảo toàn cường độ mưa cực trị, hạn chế tối đa hiện tượng làm mượt hoặc triệt tiêu biên độ mưa do ảnh hưởng của địa hình chia cắt phức tạp. Rationale phân tích dữ liệu được tách thành hai trục độc lập:

  • Đánh giá sai số biến liên tục: Áp dụng các chỉ số sai số trung bình (ME), sai số tuyệt đối trung bình (MAE), sai số tương đối trung bình (RMAE) và sai số quân phương (RMSE) nhằm xác định khuynh hướng lệch và độ phân tán của giá trị dự báo so với thực tế.
  • Đánh giá kỹ năng dự báo pha: Áp dụng các chỉ số xác suất phát hiện hiện tượng (POD), tỷ lệ cảnh báo sai (FAR) và chỉ số kỹ năng mối đe dọa (TS) trên 5 ngưỡng mưa tích lũy gồm 0.1 mm, 5 mm, 10 mm, 20 mm và 50 mm. Toàn bộ quá trình tính toán và kiểm định được thực hiện độc lập cho hai mùa khí hậu qua chuỗi thời gian 5 năm.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Thứ nhất, mô hình IFS tồn tại sai số hệ thống đối nghịch sâu sắc giữa mùa mưa và mùa khô. Trong mùa mưa, mô hình có xu thế dự báo thiên thấp với giá trị sai số trung bình ME toàn khu vực dao động từ -1.0 mm đến -1.5 mm. Trái lại, trong mùa khô, mô hình chuyển sang xu thế dự báo thiên cao với ME dương từ 0.2 mm đến 0.5 mm. Sai số tuyệt đối trung bình MAE mùa mưa toàn vùng ở mức 8.90 mm tại hạn 5 ngày và tăng đều lên 9.62 mm tại hạn 10 ngày, cao gấp gần 3 lần so với mùa khô (MAE chỉ dao động từ 3.33 mm đến 3.62 mm).

Thứ hai, độ phân tán sai số quân phương RMSE trong mùa mưa ở mức rất cao, tăng dần theo hạn dự báo từ 15.79 mm ở hạn 5 ngày lên 17.36 mm ở hạn 10 ngày. Trong khi đó, tại mùa khô, RMSE duy trì biên độ thấp và ổn định hơn nhiều, chỉ dao động từ 8.59 mm đến 9.85 mm. Sự chênh lệch này cho thấy mô hình gặp thách thức rất lớn trong việc định lượng biên độ mưa khi đối lưu nhiệt đới hoạt động mạnh mẽ.

Thứ ba, kỹ năng phát hiện hiện tượng mưa suy giảm đột ngột khi cấp độ mưa tăng lên. Tại ngưỡng mưa nhận biết 0.1 mm, mô hình IFS đạt hiệu suất gần như tuyệt đối với xác suất phát hiện POD xấp xỉ 1.0 (gần 100%) tại toàn bộ 18 trạm ở tất cả các hạn từ 5 đến 10 ngày. Đối với ngưỡng mưa nhỏ 5 mm, chỉ số POD vẫn duy trì tốt ở mức xấp xỉ 0.60 (khoảng 60% số trận mưa thực tế được phát hiện đúng). Tuy nhiên, khi lượng mưa đạt ngưỡng 10 mm, chỉ số POD giảm mạnh xuống khoảng 0.30; giảm tiếp còn 0.10 ở ngưỡng 20 mm; và tại ngưỡng mưa to 50 mm, POD tụt xuống dưới 0.01 (dưới 1%), phản ánh sự suy giảm kỹ năng nghiêm trọng trước các đợt mưa lớn diện rộng.

Thứ tư, sai số mô hình phân hóa rõ rệt theo đặc điểm địa hình và vị trí trạm. Các trạm nằm trên sườn đón gió mùa Tây Nam thuộc cao nguyên Bảo Lộc và Cát Tiên (Lâm Đồng) ghi nhận sai số MAE lên tới hơn 13.0 mm và RMSE vượt mốc 20.0 mm trong mùa mưa. Ngược lại, các trạm thuộc vùng khuất gió hoặc địa hình lòng chảo như Buôn Hồ và Ya Ly có sai số MAE thấp hơn nhiều, chỉ ở mức khoảng 6.0 mm và RMSE khoảng 11.0 mm.

Thảo luận kết quả

Khuynh hướng dự báo thiên thấp trong mùa mưa và sự suy giảm kỹ năng ở các ngưỡng mưa to trên 50 mm của mô hình IFS bắt nguồn từ hạn chế cố hữu của sơ đồ tham số hóa đối lưu quy mô lưới toàn cầu. Mô hình IFS với bước lưới 9 km không thể giải đoán đầy đủ các quá trình đối lưu quy mô nhỏ bị kích hoạt mạnh bởi hiệu ứng địa hình nâng cưỡng bức của khối núi Nam Trường Sơn. Khi gió mùa Tây Nam nóng ẩm gặp sườn núi cao, các khối mây đối lưu nhiệt đới phát triển mãnh liệt tạo mưa rào cục bộ cường độ lớn mà mô hình toàn cầu thường tính toán dàn trải thành mưa diện rộng với lượng mưa bị làm mượt.

Hiện tượng này hoàn toàn tương đồng với các nghiên cứu trước đây tại Việt Nam, tiêu biểu như nghiên cứu của tác giả Trần Đức Bá năm 2019 đối với khu vực Bắc Trung Bộ và nghiên cứu của tác giả Võ Văn Hòa năm 2016 tại Trung Bộ và Tây Nguyên, khẳng định khả năng dự báo mưa định lượng cực đoan của các mô hình toàn cầu vẫn còn nhiều hạn chế. Trong nghiên cứu này, các kết quả được biểu diễn trực quan thông qua hệ thống biểu đồ hộp (box plot), giúp phân định rõ nét sự phân tán của sai số ME, MAE, RMSE qua 5 năm liên tiếp và bộc lộ các giá trị ngoại lai dị thường trong các năm 2014 và 2016. Đồng thời, các biểu đồ đường và ma trận kỹ năng phân loại theo ngưỡng mưa đã mô tả chính xác điểm rơi chất lượng của mô hình, mang lại cơ sở thực chứng vững vàng cho công tác hiệu chỉnh nghiệp vụ.

Đề xuất và khuyến nghị

Thứ nhất, nghiên cứu và ứng dụng giải pháp hiệu chỉnh thống kê hậu xử lý (Model Output Statistics hoặc các thuật toán học máy Bias Correction) cho sản phẩm dự báo mưa của mô hình IFS. Đơn vị thực hiện là Đài Khí tượng Thủy văn khu vực Tây Nguyên, tập trung bù đắp sai số thiếu hụt trung bình từ 1.0 mm đến 1.5 mm trong mùa mưa và trừ bớt 0.3 mm trong mùa khô. Mục tiêu cụ thể là giảm sai số tuyệt đối MAE của sản phẩm thô xuống dưới 7.5 mm trong lộ trình 12 tháng áp dụng thử nghiệm.

Thứ hai, thiết lập hệ thống mô hình khu vực phân giải cao kết hợp đồng hóa dữ liệu địa phương (như WRF-ARW lồng ghép đồng hóa radar viễn thám và trạm đo mưa tự động 3DVAR) nhận điều kiện biên từ mô hình IFS. Trung tâm Dự báo Khí tượng Thủy văn Quốc gia giữ vai trò chủ trì kỹ thuật, đặt mục tiêu nâng xác suất phát hiện POD ở các ngưỡng mưa to trên 50 mm từ dưới 1% lên mức 25% đến 30% ở các hạn dự báo từ 5 đến 7 ngày, hoàn thành trong thời gian 2 năm tới.

Thứ ba, chuẩn hóa bảng chỉ dẫn ngưỡng sai số vi khí hậu theo từng tiểu vùng địa hình cho dự báo viên. Các tiểu vùng có sườn núi dốc đón gió như Lâm Đồng cần áp dụng hệ số nhân gia tăng lượng mưa mô hình từ 20% đến 30% khi xuất hiện hình thế gió mùa Tây Nam mạnh. Đài Khí tượng Thủy văn khu vực Tây Nguyên cần biên soạn cẩm nang tác nghiệp này trong thời hạn 6 tháng để đưa vào trực ca chính thức.

Thứ tư, chuyển dịch dần phương thức khai thác từ dự báo tất định đơn lẻ sang sử dụng tập hợp 51 thành phần dự báo tổ hợp của ECMWF. Các ban chỉ huy phòng thủ dân sự và đơn vị vận hành liên hồ chứa trên lưu vực sông Sê San và sông Srêpôk cần chủ động ứng dụng xác suất xuất hiện ngưỡng mưa 20 mm và 50 mm ở hạn 5 đến 10 ngày để xây dựng phương án xả lũ đón trước, nâng cao thời gian chuẩn bị ứng phó thiên tai trước ít nhất 5 ngày.

Đối tượng nên tham khảo luận văn

Thứ nhất, dự báo viên khí tượng thủy văn tại Trung tâm Dự báo Khí tượng Thủy văn Quốc gia và Đài Khí tượng Thủy văn khu vực Tây Nguyên. Kết quả phân tích định lượng trên chuỗi số liệu 18 trạm đo giúp dự báo viên nhận diện rõ các điểm thiên lệch có hệ thống của mô hình IFS, từ đó loại bỏ cảm tính và tự tin hiệu chỉnh bản tin mưa hạn vừa 5 đến 10 ngày.

Thứ hai, ban chỉ huy phòng chống thiên tai và tìm kiếm cứu nạn tại 5 tỉnh Tây Nguyên. Các cơ quan quản lý nhà nước có được bức tranh chân thực về giới hạn nhận diện mưa cực đoan của công nghệ dự báo hiện nay, giúp xây dựng phương án sơ tán dân cư ven sông suối và vùng nguy cơ sạt lở đất dựa trên xác suất rủi ro thay vì chờ đợi cảnh báo cận giờ.

Thứ ba, ban quản lý và kỹ sư vận hành các hồ chứa thủy điện, công trình thủy lợi lớn như hồ Yaly, Buôn Kuốp, Đại Ninh. Việc hiểu rõ chỉ số POD và FAR ở các cấp mưa từ 10 mm đến 50 mm trong hạn 10 ngày giúp tối ưu hóa biểu đồ điều tiết nước, giảm thiểu nguy cơ xả lũ khẩn cấp gây ngập hạ du và gia tăng hiệu suất tích nước phát điện từ 10% đến 15%.

Thứ tư, giảng viên, nghiên cứu sinh và học viên cao học ngành Khí tượng, Thủy văn và Biến đổi khí hậu. Công trình là tài liệu tham khảo mẫu mực về quy trình đánh giá kiểm định mô hình số trị bằng ma trận nhị phân và các bộ chỉ số thống kê tiêu chuẩn quốc tế, định hướng cho các nghiên cứu mô phỏng khí quyển tiếp theo.

Câu hỏi thường gặp

Mô hình IFS có đáng tin cậy khi dự báo diện mưa hạn vừa từ 5 đến 10 ngày tại Tây Nguyên không? Có, mô hình IFS đạt độ tin cậy rất cao trong việc phát hiện sự xuất hiện của diện mưa ở hạn từ 5 đến 10 ngày. Thống kê thực tế cho thấy xác suất phát hiện POD tại ngưỡng mưa 0.1 mm luôn tiệm cận mức 1.0 trên toàn bộ 18 trạm quan trắc, cho phép dự báo viên khẳng định chắc chắn khả năng có mưa trên khu vực.

Tại sao mô hình IFS lại gần như bỏ sót các đợt mưa lớn trên 50 mm tại Tây Nguyên? Mô hình IFS có độ phân giải 9 km nên chưa giải đoán được tương tác vi mô giữa dòng gió mùa và địa hình núi cao chia cắt. Các ổ mây đối lưu gây mưa trên 50 mm thường diễn ra ở quy mô nhỏ và phát triển cục bộ, khiến chỉ số POD của mô hình ở ngưỡng mưa to này tụt xuống mức dưới 0.01.

Sai số dự báo lượng mưa của mô hình IFS giữa mùa mưa và mùa khô khác nhau ra sao? Trong mùa mưa, mô hình có xu thế dự báo thiên thấp với sai số ME âm từ -1.0 mm đến -1.5 mm và sai số MAE lên tới 8.90 mm đến 9.62 mm. Ngược lại, trong mùa khô mô hình dự báo thiên cao với ME dương và sai số MAE rất nhỏ, chỉ từ 3.33 mm đến 3.62 mm.

Trạm quan trắc nào tại Tây Nguyên ghi nhận sai số dự báo mưa lớn nhất trong nghiên cứu? Trạm Bảo Lộc và Cát Tiên thuộc tỉnh Lâm Đồng là nơi ghi nhận sai số lớn nhất toàn vùng. Do nằm ở sườn đón gió ẩm Tây Nam điển hình, sai số tuyệt đối MAE tại đây lên tới khoảng 13.0 mm và sai số quân phương RMSE vượt mốc 20.0 mm trong thời kỳ mùa mưa.

Dự báo viên nghiệp vụ cần thao tác thế nào để khắc phục sai số thô của mô hình IFS? Dự báo viên cần áp dụng các phương pháp hiệu chỉnh thống kê bù trừ sai số hệ thống, chủ động cộng thêm từ 1.0 mm đến 1.5 mm lượng mưa trong mùa mưa. Song song đó, cần tích hợp đối chiếu với ảnh mây vệ tinh viễn thám và dữ liệu mô hình khu vực phân giải cao trước các đợt mưa lớn.

Kết luận

  • Luận văn đã hoàn thành đánh giá toàn diện chuỗi dữ liệu thực nghiệm 5 năm (2014 - 2018) trên mạng lưới 18 trạm khí tượng bề mặt thuộc 5 tỉnh Tây Nguyên cho các hạn dự báo từ 5 đến 10 ngày của mô hình IFS.
  • Mô hình thể hiện quy luật sai số đối nghịch rõ rệt: dự báo thiên thấp trong mùa mưa với MAE từ 8.90 mm đến 9.62 mm và dự báo thiên cao trong mùa khô với MAE từ 3.33 mm đến 3.62 mm.
  • Khả năng bắt diện mưa ở ngưỡng 0.1 mm đạt mức hoàn hảo với POD xấp xỉ 1.0, tuy nhiên kỹ năng dự báo mưa to trên 50 mm còn rất hạn chế khi chỉ số POD giảm xuống dưới 0.01.
  • Yếu tố địa hình gây ra sự phân hóa sâu sắc khi các trạm sườn núi cao đón gió ẩm như Bảo Lộc, Cát Tiên có biên độ sai số RMSE vượt 20.0 mm, cao gần gấp đôi các trạm vùng bằng phẳng.
  • Đóng góp quan trọng nhất của luận văn là cung cấp cơ sở khoa học khách quan để các cơ quan khí tượng thủy văn triển khai ngay các thuật toán hiệu chỉnh số trị, thúc đẩy nghiên cứu tích hợp dự báo tổ hợp và mô hình phân giải cao trong lộ trình hiện đại hóa ngành giai đoạn 2026 - 2030. Các đơn vị nghiệp vụ và nhà nghiên cứu quan tâm nên khai thác sâu bộ dữ liệu này để nâng cao chất lượng bản tin cảnh báo thiên tai tại địa phương.