Nghiên Cứu Đánh Giá Khả Năng Dự Báo Mưa Hạn Ngắn Từ Mô Hình IFS Cho Khu Vực Bắc Trung Bộ

Luận văn thạc sĩ đánh giá khả năng dự báo mưa hạn ngắn từ mô hình IFS cho khu vực Bắc Trung Bộ, phân tích hiệu quả ứng dụng trong thực tiễn.

• Tác giả: Trần Đức Bá
• Người hướng dẫn: TS. Võ Văn Hòa
• Trường học: Trường Đại học Tài nguyên và Môi trường Hà Nội
• Chuyên ngành: Khí tượng và Khí hậu học
• Đề tài: Đánh Giá Khả Năng Dự Báo Mưa Hạn Ngắn Từ Mô Hình IFS Cho Khu Vực Bắc Trung Bộ
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2019
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: ĐẶC ĐIỂM MƯA Ở KHU VỰC BẮC TRUNG BỘ VÀ TỔNG QUAN VỀ TÌNH HÌNH NGHIÊN CỨU ĐÁNH GIÁ DỰ BÁO
• 1.1. KHÁI QUÁT VỀ ĐẶC ĐIỂM MƯA Ở BẮC TRUNG BỘ
• 1.1.1. Phân bố mưa theo không gian và thời gian
• 1.1.2. Các hình thế gây mưa
• 1.2. TỔNG QUAN VỀ TÌNH HÌNH NGHIÊN CỨU ĐÁNH GIÁ DỰ BÁO
• 2. CHƯƠNG 2: PHƯƠNG PHÁP NGHIÊN CỨU VÀ CƠ SỞ SỐ LIỆU
• 2.1. LỰA CHỌN ĐỐI TƯỢNG NGHIÊN CỨU
• 2.2. PHẠM VI NGHIÊN CỨU VÀ CƠ SỞ SỐ LIỆU
• 2.2.1. Số liệu quan trắc
• 2.2.2. Sơ bộ về mô hình IFS và số liệu mô hình IFS
• 2.3. PHƯƠNG PHÁP XỬ LÝ SỐ LIỆU
• 2.4. PHƯƠNG PHÁP ĐÁNH GIÁ
• 2.4.1. Lựa chọn không gian đánh giá
• 2.4.2. Lựa chọn các chỉ số đánh giá
• 3. CHƯƠNG 3: KẾT QUẢ NGHIÊN CỨU
• 3.1. KẾT QUẢ ĐÁNH GIÁ ĐỊNH LƯỢNG MƯA
• 3.2. KẾT QUẢ ĐÁNH GIÁ DỰ BÁO THEO CẤP
• 3.3. PHÂN TÍCH MỘT SỐ TRƯỜNG HỢP
• KẾT LUẬN VÀ KIẾN NGHỊ
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Dự báo mưa hạn ngắn và mô hình IFS

Nghiên cứu tập trung vào dự báo mưa hạn ngắn sử dụng mô hình IFS (Integrated Forecasting System) của Trung tâm Dự báo hạn vừa Châu Âu (ECMWF). Mô hình này được áp dụng để dự báo lượng mưa trong thời hạn ngắn (24 giờ) cho khu vực Bắc Trung Bộ. Kết quả cho thấy mô hình IFS có khả năng dự báo mưa với sai số tổng thể không lớn, nhưng còn hạn chế trong dự báo các hiện tượng mưa to và mưa rất to. Điều này đặt ra yêu cầu cần cải thiện độ chính xác của mô hình trong các trường hợp mưa lớn.

1.1. Khả năng dự báo mưa của mô hình IFS

Khả năng dự báo mưa của mô hình IFS được đánh giá thông qua các chỉ số như ME, RMSE, và kỹ năng dự báo. Kết quả cho thấy mô hình có kỹ năng dự báo tốt với lượng mưa trung bình, nhưng sai số tăng đáng kể trong các trường hợp mưa lớn. Điều này cho thấy sự cần thiết của việc hiệu chỉnh mô hình để nâng cao độ chính xác trong dự báo các hiện tượng mưa cực đoan.

1.2. Ứng dụng thực tiễn của mô hình IFS

Mô hình IFS được ứng dụng rộng rãi trong công tác dự báo thời tiết tại khu vực Bắc Trung Bộ. Tuy nhiên, các sai số không tuân theo quy luật gây khó khăn cho dự báo viên. Nghiên cứu này cung cấp cơ sở khoa học để cải thiện chất lượng dự báo, đặc biệt trong việc cảnh báo sớm các hiện tượng mưa lớn, góp phần giảm thiểu thiệt hại do thiên tai.

II. Đặc điểm mưa tại khu vực Bắc Trung Bộ

Khu vực Bắc Trung Bộ có lượng mưa phân bố không đồng đều theo không gian và thời gian. Lượng mưa trung bình năm dao động từ 1478mm đến 2676mm, với sự chênh lệch lớn giữa các vùng. Các hình thế thời tiết như không khí lạnh, bão, và dải hội tụ nhiệt đới là nguyên nhân chính gây mưa lớn tại khu vực này. Đặc biệt, sự kết hợp của các hình thế thời tiết thường dẫn đến các đợt mưa lớn diện rộng, gây lũ lụt nghiêm trọng.

2.1. Phân bố mưa theo không gian và thời gian

Lượng mưa tại Bắc Trung Bộ phân bố không đều, giảm dần từ đông sang tây và từ nam ra bắc. Các vùng ven biển phía nam có lượng mưa cao nhất, trong khi các vùng núi phía tây có lượng mưa thấp hơn. Sự phân hóa này gây ra những bất lợi cho sản xuất và sinh hoạt, đặc biệt là tình trạng thừa nước trong mùa mưa và thiếu nước trong mùa khô.

2.2. Các hình thế gây mưa chính

Các hình thế thời tiết chính gây mưa tại Bắc Trung Bộ bao gồm không khí lạnh, bão, dải hội tụ nhiệt đới, và xoáy thuận nhiệt đới. Trong đó, sự kết hợp của các hình thế thường dẫn đến các đợt mưa lớn diện rộng, gây lũ lụt nghiêm trọng. Nghiên cứu này nhấn mạnh tầm quan trọng của việc dự báo chính xác các hình thế thời tiết để giảm thiểu thiệt hại do thiên tai.

III. Phương pháp nghiên cứu và cơ sở dữ liệu

Nghiên cứu sử dụng dữ liệu quan trắc lượng mưa từ 20 trạm khí tượng tại Bắc Trung Bộ trong giai đoạn 2012-2017, kết hợp với dữ liệu dự báo từ mô hình IFS. Các phương pháp đánh giá bao gồm phân tích sai số, chỉ số kỹ năng dự báo, và phân tích các trường hợp cụ thể. Kết quả nghiên cứu cho thấy mô hình IFS có khả năng dự báo mưa tốt với lượng mưa trung bình, nhưng cần cải thiện trong dự báo các hiện tượng mưa lớn.

3.1. Lựa chọn đối tượng và phạm vi nghiên cứu

Nghiên cứu tập trung vào khu vực Bắc Trung Bộ, bao gồm ba tỉnh Thanh Hóa, Nghệ An, và Hà Tĩnh. Dữ liệu quan trắc được thu thập từ 20 trạm khí tượng trong giai đoạn 2012-2017, kết hợp với dữ liệu dự báo từ mô hình IFS. Phạm vi nghiên cứu được lựa chọn dựa trên đặc điểm khí hậu và tần suất xảy ra thiên tai tại khu vực này.

3.2. Phương pháp đánh giá dự báo mưa

Các phương pháp đánh giá bao gồm phân tích sai số (ME, RMSE), chỉ số kỹ năng dự báo, và phân tích các trường hợp cụ thể. Kết quả cho thấy mô hình IFS có khả năng dự báo mưa tốt với lượng mưa trung bình, nhưng sai số tăng đáng kể trong các trường hợp mưa lớn. Điều này cho thấy sự cần thiết của việc hiệu chỉnh mô hình để nâng cao độ chính xác trong dự báo các hiện tượng mưa cực đoan.

IV. Kết quả nghiên cứu và đề xuất

Kết quả nghiên cứu cho thấy mô hình IFS có khả năng dự báo mưa tốt với lượng mưa trung bình, nhưng còn hạn chế trong dự báo các hiện tượng mưa lớn. Nghiên cứu đề xuất các giải pháp cải thiện chất lượng dự báo, bao gồm hiệu chỉnh mô hình, tăng cường dữ liệu quan trắc, và kết hợp với các phương pháp dự báo khác. Những đề xuất này nhằm nâng cao độ chính xác của dự báo mưa, đặc biệt trong các trường hợp mưa lớn, góp phần giảm thiểu thiệt hại do thiên tai.

4.1. Kết quả đánh giá định lượng mưa

Kết quả đánh giá định lượng mưa cho thấy mô hình IFS có sai số tổng thể không lớn, nhưng sai số tăng đáng kể trong các trường hợp mưa lớn. Điều này cho thấy sự cần thiết của việc hiệu chỉnh mô hình để nâng cao độ chính xác trong dự báo các hiện tượng mưa cực đoan.

4.2. Đề xuất cải thiện chất lượng dự báo

Nghiên cứu đề xuất các giải pháp cải thiện chất lượng dự báo, bao gồm hiệu chỉnh mô hình, tăng cường dữ liệu quan trắc, và kết hợp với các phương pháp dự báo khác. Những đề xuất này nhằm nâng cao độ chính xác của dự báo mưa, đặc biệt trong các trường hợp mưa lớn, góp phần giảm thiểu thiệt hại do thiên tai.

Nội dung chính

Tổng quan nghiên cứu

Khu vực Bắc Trung Bộ (BTB) của Việt Nam, bao gồm ba tỉnh Thanh Hóa, Nghệ An và Hà Tĩnh, có lượng mưa trung bình năm dao động từ 1478 đến 2676 mm, cao hơn mức trung bình cả nước do đặc điểm địa hình và khí hậu nhiệt đới gió mùa. Lượng mưa phân bố không đồng đều theo không gian và thời gian, với sự chênh lệch lượng mưa theo chiều đông - tây lên đến 48% tại một số khu vực như Nghệ An và Hà Tĩnh. Mưa lớn và mưa rất to thường gây ra lũ lụt nghiêm trọng, ảnh hưởng lớn đến đời sống và sản xuất của người dân. Trong 6 năm từ 2012 đến 2017, số liệu quan trắc từ 20 trạm khí tượng đã được thu thập để đánh giá khả năng dự báo mưa hạn ngắn của mô hình Integrated Forecasting System (IFS) do Trung tâm Dự báo hạn vừa Châu Âu (ECMWF) phát triển.

Mục tiêu nghiên cứu nhằm đánh giá chất lượng dự báo mưa 24 giờ của mô hình IFS cho khu vực BTB, xác định ưu nhược điểm trong dự báo các cấp mưa từ nhỏ đến rất to, từ đó đề xuất các giải pháp nâng cao chất lượng dự báo phục vụ công tác phòng chống thiên tai. Phạm vi nghiên cứu tập trung vào dữ liệu dự báo và quan trắc mưa trong khoảng thời gian 2012-2017 tại 20 trạm thuộc ba tỉnh BTB. Kết quả nghiên cứu có ý nghĩa quan trọng trong việc cải thiện độ chính xác dự báo mưa, giảm thiểu thiệt hại do thiên tai gây ra, đồng thời hỗ trợ các cơ quan dự báo khí tượng thủy văn nâng cao hiệu quả công tác dự báo và cảnh báo.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu dựa trên các lý thuyết và mô hình dự báo khí tượng thủy văn hiện đại, trong đó mô hình Integrated Forecasting System (IFS) của ECMWF là trung tâm. IFS là hệ thống dự báo số toàn cầu tích hợp mô hình hoàn lưu khí quyển, mô hình sóng biển, mô hình đại dương và mô hình bề mặt đất, sử dụng phương pháp đồng hóa số liệu 4DVAR để cải thiện độ chính xác dự báo. Mô hình này chạy với độ phân giải ngang cao nhất 9 km, dự báo đến 10 ngày, cung cấp dữ liệu dự báo định lượng các yếu tố khí tượng như lượng mưa, nhiệt độ, gió.

Các khái niệm chính trong nghiên cứu bao gồm:

• Dự báo mưa hạn ngắn: dự báo lượng mưa tích lũy trong 24 giờ, 48 giờ và 72 giờ.
• Chỉ số đánh giá dự báo: bao gồm sai số trung bình (ME), sai số tuyệt đối trung bình (MAE), chỉ số kỹ năng dự báo (TS, POD, FAR, ETS), giúp đánh giá độ chính xác và khả năng dự báo các cấp mưa khác nhau.
• Phân cấp mưa: theo Quyết định số 46/2014/QĐ-TTg và WMO, mưa nhỏ (<16 mm/24h), mưa vừa (16-50 mm/24h), mưa to (51-100 mm/24h), mưa rất to (>100 mm/24h).
• Phương pháp nội suy điểm gần nhất: dùng để chuyển đổi dữ liệu dự báo trên lưới sang điểm trạm quan trắc nhằm so sánh trực tiếp.

Phương pháp nghiên cứu

Nguồn dữ liệu chính gồm số liệu quan trắc lượng mưa 24 giờ từ 20 trạm khí tượng thuộc ba tỉnh Thanh Hóa, Nghệ An, Hà Tĩnh trong giai đoạn 2012-2017 và số liệu dự báo từ mô hình IFS. Số liệu quan trắc được kiểm soát chất lượng nghiêm ngặt, sử dụng đồng thời hai thiết bị đo mưa để đảm bảo sai số không vượt quá 4%. Dữ liệu dự báo được thu thập từ phiên dự báo 00 giờ GMT, với phạm vi không gian từ 20°S đến 40°N và 80°E đến 140°E.

Phương pháp phân tích bao gồm:

• Nội suy dữ liệu dự báo IFS về vị trí các trạm quan trắc bằng phương pháp điểm gần nhất để đảm bảo tính tương thích không gian.
• Tính toán các chỉ số đánh giá định lượng và phân loại dự báo mưa theo các cấp độ khác nhau.
• Sử dụng các công cụ thống kê như ME, MAE, RMSE, TS, POD, FAR để đánh giá kỹ năng dự báo.
• Phân tích kết quả theo từng trạm, từng tỉnh và tổng hợp toàn khu vực để so sánh và rút ra kết luận.
• Thời gian nghiên cứu kéo dài 6 năm, đủ để đánh giá xu hướng và độ ổn định của mô hình trong dự báo mưa hạn ngắn.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Khả năng dự báo tổng lượng mưa 24 giờ của mô hình IFS có kỹ năng tốt: Sai số trung bình (ME) và sai số tuyệt đối trung bình (MAE) ở mức thấp, với ME dao động trong khoảng ±1-2 mm/ngày và MAE khoảng 5-7 mm/ngày, cho thấy mô hình có độ chính xác cao trong dự báo tổng lượng mưa hàng ngày cho khu vực BTB.

2. Khả năng dự báo các cấp mưa nhỏ và vừa đạt tỷ lệ chính xác cao: Chỉ số POD (Probability of Detection) cho mưa nhỏ và vừa đạt trên 70%, trong khi chỉ số FAR (False Alarm Ratio) duy trì dưới 30%, thể hiện mô hình dự báo tốt các hiện tượng mưa phổ biến.

3. Khả năng dự báo mưa to và mưa rất to còn hạn chế: Tỷ lệ POD cho mưa to và rất to chỉ đạt khoảng 40-50%, trong khi FAR tăng lên trên 50%, cho thấy mô hình thường bỏ sót hoặc dự báo sai các đợt mưa lớn, điều này gây khó khăn trong công tác cảnh báo thiên tai.

4. Sai số dự báo có sự phân hóa rõ theo không gian và thời gian: Các trạm ven biển phía nam Hà Tĩnh có sai số dự báo thấp hơn so với các trạm miền núi phía tây Thanh Hóa và Nghệ An, do ảnh hưởng của địa hình phức tạp. Sai số cũng tăng lên trong các tháng mưa nhiều như tháng 7 và tháng 10.

Thảo luận kết quả

Nguyên nhân chính của sai số dự báo mưa lớn là do mô hình IFS chưa mô phỏng chính xác các hình thế thời tiết phức tạp như sự kết hợp của không khí lạnh, áp thấp nhiệt đới, dải hội tụ nhiệt đới và xoáy thuận nhiệt đới, vốn là nguyên nhân chủ yếu gây ra các đợt mưa lớn diện rộng ở BTB. Đặc điểm địa hình hẹp ngang và không đồng nhất của khu vực cũng làm tăng sai số nội suy và dự báo.

So sánh với các nghiên cứu trong nước và quốc tế, kết quả cho thấy mô hình IFS có kỹ năng dự báo tổng lượng mưa tốt hơn các mô hình toàn cầu khác như GFS, GSM, tuy nhiên vẫn chưa đạt yêu cầu đối với các hiện tượng mưa cực đoan. Các chỉ số kỹ năng như TS, ETS thấp hơn đáng kể khi đánh giá ở ngưỡng mưa to và rất to, tương tự với các nghiên cứu đánh giá mô hình NWP tại các quốc gia có điều kiện địa hình phức tạp.

Dữ liệu có thể được trình bày qua các biểu đồ sai số ME, MAE theo từng trạm và từng tháng, biểu đồ POD và FAR phân theo cấp mưa, cũng như bảng tổng hợp chỉ số kỹ năng dự báo cho từng loại mưa. Các biểu đồ này giúp minh họa rõ ràng sự phân hóa về chất lượng dự báo và hỗ trợ việc phân tích nguyên nhân sai số.

Đề xuất và khuyến nghị

1. Cải tiến mô hình dự báo bằng cách tích hợp dữ liệu địa hình chi tiết hơn: Đề xuất các cơ quan khí tượng phối hợp với các viện nghiên cứu để nâng cấp mô hình IFS hoặc mô hình khu vực có độ phân giải cao hơn, nhằm giảm sai số do địa hình gây ra. Thời gian thực hiện trong 2-3 năm, chủ thể là Trung tâm Dự báo KTTV Quốc gia và các viện nghiên cứu khí tượng.

2. Phát triển hệ thống hiệu chỉnh số liệu dự báo dựa trên phương pháp thống kê thích ứng (MOS): Áp dụng các kỹ thuật hiệu chỉnh dựa trên dữ liệu quan trắc lịch sử để giảm sai số dự báo mưa lớn, nâng cao độ tin cậy trong dự báo hạn ngắn. Thời gian triển khai 1-2 năm, do Trung tâm Dự báo KTTV Quốc gia chủ trì.

3. Tăng cường đào tạo và nâng cao năng lực dự báo viên trong việc sử dụng mô hình IFS và các sản phẩm dự báo tổ hợp: Giúp dự báo viên hiểu rõ ưu nhược điểm của mô hình, từ đó đưa ra các nhận định dự báo chính xác hơn, đặc biệt trong các trường hợp mưa lớn phức tạp. Thời gian liên tục, chủ thể là các cơ sở đào tạo và Trung tâm Dự báo KTTV.

4. Xây dựng hệ thống cảnh báo sớm dựa trên kết hợp mô hình IFS và dữ liệu viễn thám, radar: Tích hợp đa nguồn dữ liệu để nâng cao khả năng phát hiện và cảnh báo các đợt mưa lớn, phục vụ công tác phòng chống thiên tai hiệu quả hơn. Thời gian thực hiện 2-3 năm, do Bộ Tài nguyên và Môi trường phối hợp với các đơn vị liên quan.

Đối tượng nên tham khảo luận văn

1. Các nhà dự báo khí tượng thủy văn: Nghiên cứu cung cấp cơ sở khoa học để nâng cao kỹ năng sử dụng mô hình IFS trong dự báo mưa hạn ngắn, giúp cải thiện độ chính xác và hiệu quả công tác dự báo.

2. Các nhà nghiên cứu khí tượng và môi trường: Tham khảo phương pháp đánh giá mô hình dự báo, các chỉ số kỹ năng và phân tích sai số, từ đó phát triển các nghiên cứu tiếp theo về mô hình dự báo và biến đổi khí hậu.

3. Cơ quan quản lý thiên tai và phòng chống thiên tai: Sử dụng kết quả nghiên cứu để xây dựng các phương án ứng phó kịp thời với các đợt mưa lớn, giảm thiểu thiệt hại do thiên tai gây ra tại khu vực Bắc Trung Bộ.

4. Các nhà hoạch định chính sách và phát triển kinh tế xã hội: Tham khảo để hiểu rõ tác động của dự báo khí tượng đến phát triển bền vững, từ đó đưa ra các chính sách phù hợp về quản lý rủi ro thiên tai và phát triển vùng.

Câu hỏi thường gặp

1. Mô hình IFS là gì và tại sao được chọn để nghiên cứu?
   Mô hình IFS là hệ thống dự báo thời tiết số toàn cầu do ECMWF phát triển, có độ phân giải cao và kỹ năng dự báo tốt nhất hiện nay. Nó được chọn vì cung cấp dữ liệu dự báo chất lượng cao, phục vụ công tác dự báo hạn ngắn tại Việt Nam.

2. Phạm vi dữ liệu nghiên cứu bao gồm những gì?
   Nghiên cứu sử dụng số liệu quan trắc lượng mưa 24 giờ từ 20 trạm khí tượng tại Bắc Trung Bộ trong 6 năm (2012-2017) và dữ liệu dự báo từ mô hình IFS cùng thời gian, đảm bảo tính đồng bộ và độ tin cậy cao.

3. Chỉ số đánh giá dự báo nào được sử dụng phổ biến?
   Các chỉ số như sai số trung bình (ME), sai số tuyệt đối trung bình (MAE), chỉ số POD (Probability of Detection), FAR (False Alarm Ratio), TS (Threat Score) và ETS (Equitable Threat Score) được dùng để đánh giá độ chính xác và kỹ năng dự báo các cấp mưa.

4. Mô hình IFS dự báo mưa lớn có chính xác không?
   Mô hình có kỹ năng tốt trong dự báo tổng lượng mưa và các cấp mưa nhỏ, vừa, nhưng khả năng dự báo mưa to và rất to còn hạn chế, với tỷ lệ phát hiện thấp và nhiều cảnh báo sai, cần thận trọng khi sử dụng kết quả dự báo trong các trường hợp này.

5. Làm thế nào để nâng cao chất lượng dự báo mưa hạn ngắn?
   Cần cải tiến mô hình bằng cách nâng độ phân giải, tích hợp dữ liệu địa hình chi tiết, áp dụng phương pháp hiệu chỉnh thống kê, tăng cường đào tạo dự báo viên và xây dựng hệ thống cảnh báo sớm đa nguồn dữ liệu.

Kết luận

• Mô hình IFS có kỹ năng dự báo tổng lượng mưa 24 giờ cho khu vực Bắc Trung Bộ với sai số trung bình thấp và độ chính xác cao đối với mưa nhỏ và vừa.
• Khả năng dự báo mưa to và rất to còn hạn chế, với tỷ lệ phát hiện thấp và nhiều cảnh báo sai, ảnh hưởng đến hiệu quả công tác phòng chống thiên tai.
• Sai số dự báo phân hóa rõ theo không gian và thời gian, chịu ảnh hưởng lớn bởi địa hình phức tạp và các hình thế thời tiết tổ hợp.
• Cần áp dụng các giải pháp cải tiến mô hình, hiệu chỉnh số liệu và nâng cao năng lực dự báo viên để nâng cao chất lượng dự báo mưa hạn ngắn.
• Kết quả nghiên cứu là cơ sở khoa học quan trọng cho các cơ quan dự báo và quản lý thiên tai trong việc nâng cao hiệu quả dự báo và giảm thiểu thiệt hại do thiên tai gây ra.

Các cơ quan liên quan nên triển khai các đề xuất cải tiến mô hình và đào tạo dự báo viên, đồng thời tăng cường hợp tác nghiên cứu để phát triển các công cụ dự báo mưa chính xác hơn cho khu vực Bắc Trung Bộ.

Trích đoạn nội dung tài liệu

CHƯƠNG I ĐẶC ĐIỂM MƯA Ở KHU VỰC BẮC TRUNG BỘ VÀ TỔNG QUAN VỀ TÌNH HÌNH NGHIÊN CỨU ĐÁNH GIÁ DỰ BÁO 1.1 KHÁI QUÁT VỀ ĐẶC ĐIỂM MƯA Ở BẮC TRUNG BỘ 1.1 Phân bố mưa theo không gian và thời gian Vùng Bắc Trung Bộ (Theo phân vùng của nghành Khí tượng Thủy văn) kéo dài 2,5 vĩ độ, từ 18oN - 20,5oN gồm địa bàn ba tỉnh Thanh Hóa, Nghệ An và Hà Tĩnh. Nhìn chung, vùng khí hậu Bắc Trung Bộ giữ những đặc điểm chính của khí hậu miền Bắc, mùa đông lạnh, mùa hè nền nhiệt độ cao, mưa nhiều vào nửa cuối năm [5]. Do vị trí địa lý của khu vực BTB nằm ở khu vực nhiệt đới gió mùa, thuộc khu vực có sự giao tranh mạnh mẽ của các khối không khí kết hợp với yếu tố địa hình nên khu vực này có lượng mưa nhiều hơn trung bình của cả nước [7]. Lượng mưa trung bình năm của khu vực BTB dao động từ 1478 – 2676mm.

Lượng mưa khu vực BTB phân bố không đều, có sự phân hóa mạnh theo không gian, và thời gian. Sự phân hóa tổng lượng mưa TBNN theo không gian theo hướng giảm dần chiều đông sang tây tại phần phía bắc và phần phía nam của khu vực rất khác nhau. Tính trên chênh lệch tổng lượng mưa TBNN ở khu vực Thanh Hóa trạm vùng ven biển có lượng mưa trung bình nhiều năm cao nhất chỉ cao hơn trạm có lượng mưa TBNN thấp nhất ở khu vực phía tây khoảng 330mm, thì khu vực Nghệ An chênh lệch đó là 625mm và khu vực Hà Tĩnh và 730mm, tương ứng với mức chênh lệch theo chiều đông - tây là 22% ở khu vực Thanh Hóa và 37 - 48% ở khu vực Nghệ An và Hà Tĩnh. Khoảng cách địa lý giữa các trạm khu vực đồng bằng phía đông và miền núi phía tây ở Thanh Hóa và Nghệ An khoảng 100km nhưng khoảng cách đó ở khu vực Hà 3 Tĩnh chỉ khoảng 50km điều đó càng cho thấy sự khác biệt về phân hóa lượng mưa TBNN theo chiều đông - tây giữa các khu vực.

Tổng lượng mưa TBNN khu vực BTB còn phân hóa rất rõ theo chiều từ bắc vào nam. Vùng có mưa cao nhất là vùng đồng bằng ven biển phía nam của tỉnh Hà Tĩnh, vùng có lượng mưa thấp nhất là vùng núi phía tây thuộc tỉnh Thanh Hóa, Nghệ An. Chênh lệch lượng mưa giữa vùng mưa nhiều nhất và vùng mưa ít nhất là khoảng gần 2 lần. Cụ thể, tại vùng núi của Thanh Hóa đến Nghệ An, lượng mưa trung bình năm các trạm thấp nhất dao động từ 1298 mm đến 1448 mm, trong khi đó vùng đồng bằng ven biển phía nam của tỉnh Hà Tĩnh lượng mưa năm dao động từ 2584 đến 2676mm.

Ngoài ra, ở khu vực Hà Tĩnh do ảnh hưởng của địa hình còn có một số khu vực có lượng mưa cao hơn như vùng thượng Kỳ Anh và vùng núi thuộc huyện Hương Khê.1: Phân bố lượng mưa tháng TBNN từ năm (1988 - 2017) Đơn vị: mm Tháng Năm 1 2 3 4 5 6 7 8 9 10 11 12 Trạm Yên 23.9 Thượng Tĩnh 34.0 Châu 4 Tháng Năm 1 2 3 4 5 6 7 8 9 10 11 12 Trạm Quỳ 22.6 Khê Hà Tĩnh 95.0 1 (Nguồn: Đài Khí tượng Thủy văn khu vực Bắc Trung Bộ) Sự phân hóa theo không gian của tổng lượng mưa từng năm ở các khu vực cũng có nhiều khác biệt giữa các năm. Phần lớn các năm phân bố tổng lượng mưa năm giữa phần phía bắc và phía nam tương tự với phân hóa của lượng mưa trung bình nhiều năm nhưng một số năm sự phân bố này khác hẳn. Trong chuỗi số liệu 30 năm, từ 1988 - 2017 bên cạnh những năm có chênh lệch lượng mưa cả theo chiều đông - tây và bắc - nam rất ít như năm 1988, 2003, 2006, 2014 với mức chênh lệch chỉ từ 300 - 500mm, thì có những năm mức chênh lệch rất lớn từ 1400 - 1700mm như các năm 1989, 1999, 2001 và 2007.1 Phân bố tổng lượng mưa TBNN khu vực BTB Từ hình 1.1 thể hiện rất rõ phân bố tổng lượng mưa năm TBNN với tâm mưa lớn tập trung ở phía nam khu vực. Tổng lượng mưa tháng TBNN giảm dần từ nam ra bắc, khu vực Nghệ An và Hà Tĩnh lượng mưa TBNN giảm dần từ đông sang tây, riêng khu vực Thanh Hóa phân bố tổng lượng mưa TBNN theo chiều đông tây không nhiều.

Do điều kiện địa hình mà thời gian bắt đầu và kết thúc mùa mưa của các địa phương trong một tỉnh cũng khác nhau. Tháng VII là tháng đầu mùa mưa nhưng lượng mưa ≥100mm chỉ tập trung vào vùng núi hai tỉnh phía bắc (Thanh Hóa, Nghệ An), trong khi vùng đồng bằng ven biển mùa mưa thực sự bắt đầu từ tháng XIII. Xét theo chỉ tiêu trên có thể nói khu vực miền núi phía Bắc mùa mưa bắt đầu sớm hơn vùng đồng bằng ven biển. Vào cuối mùa hè, khi gió mùa Tây Nam có dấu hiệu kết thúc, vùng đồng bằng ven biển mới bước vào mùa mưa.

Điều đáng lưu ý trong mùa mưa là do 6 vị trí địa lý nên khu vực BTB chịu ảnh hưởng hầu hết các loại hình thế thời tiết nguy hiểm xảy ra như bão, áp thấp nhiệt đới, không khí lạnh, hội tụ nhiệt đới, gió Đông trên cao. đặc biệt là sự phối kết hợp chi phối của các hệ thống thời tiết đó. Những trận mưa lớn gây ra lũ lụt đặc biệt lớn là hệ quả của sự phối kết hợp chi phối của các hình thế thời tiết này.2 Phân bố lượng mưa trung bình trong tháng 7 Từ tháng XI trở đi không khí lạnh ở phía Bắc tiếp tục tràn xuống phía Nam nhưng thời kỳ này các nhiễu động nhiệt đới (bão, áp thấp nhiệt đới, dải hội tụ.) đã lùi hẳn về phía Nam [4]. Vì vậy, khi không khí lạnh hoặc tín phong Đông Bắc tràn về sẽ không có sự kết hợp chi phối giữa gió mùa hoặc tín phong Đông Bắc với các nhiễu động nhiệt đới ở phía Nam biển Đông, thời tiết thường chỉ mưa hoặc mưa vừa cho các tỉnh ở BTB.

Riêng khu vực Hà Tĩnh do nằm ở phía nam của khu vực nên vào tháng XI vẫn còn có mưa to, mùa mưa kết thúc muộn hơn so với hai tỉnh phía bắc của khu vực.3 Phân bố lượng mưa trung bình trong tháng 11 Khu vực BTB có tổng lượng mưa phân bố không đồng đều giữa các mùa, cũng như giữa các tháng trong năm, gây ra những bất lợi cho sản xuất và sinh hoạt [7]. Chính sự phân bố không đồng nhất theo thời gian đã gây thừa nước trong mùa mưa và thiếu nước trong mùa khô.2 Các hình thế gây mưa Nằm ở khu vực có sự giao tranh mạnh mẽ của các hệ thống gió mùa nên các hình thế gây mưa ở khu vực BTB rất đa dạng. Trong các hình thế thời tiết gây mưa cho khu vực Bắc Trung Bộ có thể chia làm hai loại: các hình thế thời tiết hoạt động độc lập và các hình thế hoạt động kết hợp. Trong số các hình thế thời tiết hoạt động độc lập thì hình thế không khí lạnh thường gây mưa nhỏ cho phần lớn khu vực, chỉ một số ít đợt gây mưa to cho khu vực ven biển phía nam của tỉnh.

Các hình thế hoạt động độc lập khác 8 như: rãnh áp thấp, dải hội tụ nhiệt đới, xoáy thuận nhiệt đới, gió đông trên cao. thường gây mưa vừa, mưa to cho khu vực Bắc Trung Bộ. Các hình thế ảnh hưởng kết hợp đến khu vực BTB gồm các hình thế: không khí lạnh, rãnh áp thấp, dải hội tụ nhiệt đới, xoáy thuận nhiệt đới, gió đông trên cao. kết hợp lại với nhau dưới dạng tổ hợp 2 hình thế hoặc 3 hình thế làm cho diễn biến mưa phức tạp.

Phần lớn các đợt mưa lớn diện rộng có lượng mưa đặc biệt lớn thường do các hình thế gây mưa tổ hợp này gây ra. Dưới đây là một số hình thế thời tiết gây mưa điển hình khu vực BTB: * Hình thế thời tiết gây mưa do KKL hoạt động độc lập Hình thế synốp KKL ảnh hưởng độc lập là cách nói tương đối trong phân tích hình thế synốp chỉ quá trình xâm nhập của áp cao lạnh xuống phía nam khi không kết hợp với những hệ thống thời tiết khác [4]. Đây là hình thế gây mưa điển hình trong mùa đông, khi áp cao lạnh lục địa hoạt động mạnh, khuếch tán xuống phía nam dưới dạng những đợt KKL thường gây mưa cho khu vực BTB. Trường hợp KKL hoạt động độc lập mặc dù lượng mưa do nó gây ra còn tùy thuộc vào cường độ, hướng di chuyển và điều kiện mặt đệm nhưng nhìn chung lượng mưa do ảnh hưởng của không khí lạnh không nhiều.

Mưa do không khí lạnh hoạt động độc lập có sự phân hóa theo hướng bắc - nam cả về lượng mưa và dạng mưa, ở phần phía bắc lượng mưa nhỏ hơn và chủ yếu dưới dạng mưa rào hoặc mưa nhỏ thời gian ngắn, phần phía nam do ảnh hưởng địa hình chắn gió đông bắc nên lượng mưa thường lớn hơn và mưa nhỏ thường kéo dài nhiều ngày.4 Hình thế KKL hoạt động độc lập (Nguồn:Trung tâm dự báo KTTV Trung ương) * Hình thế XTNĐ ảnh hưởng độc lập. Đây là loại hình thế synốp ATNĐ, bão ảnh hưởng gây mưa lớn mà không có sự đóng góp trực tiếp của các hệ thống synốp khác. Mưa do ATNĐ, bão hoạt động đơn thuần có lượng mưa mỗi đợt thường dao động từ 100 - 300mm và thời gian không kéo dài, thường kết thúc nhanh cùng với sự suy yếu nhanh của XTNĐ khi di chuyển sâu vào đất liền (khoảng vào 2 - 3 ngày).5 Bão hoạt động độc lập (Nguồn:Trung tâm dự báo KTTV Trung ương) 10 * Dải hội tụ nhiệt đới hoạt động độc lập Đây là dạng hình thế synốp được cấu trúc bởi sự hội tụ tín phong của hai bán cầu và được thể hiện phía Bắc là đới tín phong dày và mạnh của rìa áp cao cận nhiệt đới Tây Bắc Thái Bình Dương và phía Nam là gió Tây Nam có nguồn gốc từ Nam bán cầu khi vượt qua xích đạo [4]. Cần chú ý rằng mưa lớn do hệ thống này phụ thuộc khá nhiều ở cường độ của áp cao cận nhiệt đới.

Mưa lớn thường xuất hiện trong thời kỳ mạnh lên và lấn về phía tây của áp cao cận nhiệt đới. * Hình thế KKL kết hợp với các hình thế khác Trong các loại hình thế kết hợp đáng chú ý nhất là các hình thế: KKL kết hợp với XTNĐ và KKL kết hợp với nhiễu động trên cao, KKL kết hợp với tín phong và các nhiễu động nhiệt đới khác như ITCZ, XTNĐ hay nhiễu động sóng trong đới gió Đông trên cao….