Đánh Giá Khả Năng Dự Báo Mưa Lớn Ở Đồng Bằng Bắc Bộ Sử Dụng Sản Phẩm Tổ Hợp Của Các Mô Hình Khu Vực

Luận văn thạc sĩ phân tích hus đánh giá khả năng dự báo mưa lớn ở đồng bằng bắc bộ sử dụng sản phẩm tổ hợp của các mô hình khu, đánh giá thực trạng, chỉ ra hạn chế, đề xuất giải

• Tác giả: Nguyễn Thanh Thủy
• Người hướng dẫn: TS. Võ Văn Hòa
• Trường học: Trường Đại Học Khoa Học Tự Nhiên
• Chuyên ngành: Khí tượng học
• Đề tài: Đánh Giá Khả Năng Dự Báo Mưa Lớn Ở Đồng Bằng Bắc Bộ Sử Dụng Sản Phẩm Tổ Hợp Của Các Mô Hình Khu Vực
• Loại tài liệu: Luận văn thạc sĩ khoa học
• Năm xuất bản: 2018
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CẢM ƠN
• MỞ ĐẦU
• 1. CHƯƠNG 1: ĐẶC ĐIỂM MƯA LỚN Ở KHU VỰC ĐỒNG BẰNG BẮC BỘ VÀ TỔNG QUAN TÌNH HÌNH NGHIÊN CỨU
• 1.1. Đặc điểm mưa lớn ở khu vực đồng bằng Bắc Bộ
• 1.2. Tổng quan các nghiên cứu về đánh giá dự báo mưa trong và ngoài nước
• 1.2.1. Tổng quan những nghiên cứu ngoài nước
• 1.2.2. Tổng quan các nghiên cứu trong nước
• 2. PHƯƠNG PHÁP VÀ TẬP SỐ LIỆU NGHIÊN CỨU
• 2.1. Khái quát về hệ thống SREPS
• 2.2. Phương pháp tính toán dự báo tổ hợp
• 2.2.1. Phương pháp trung bình đơn giản
• 2.2.2. Phương pháp tính trọng số theo sai số
• 2.2.3. Phương pháp tính trọng số bằng hồi quy đa biến
• 2.3. Đối tượng và phương pháp đánh giá
• 2.4. Mô tả tập số liệu nghiên cứu
• 3. KẾT QUẢ ĐÁNH GIÁ
• 3.1. Kết quả đánh giá kỹ năng dự báo mưa của từng thành phần dự báo của hệ thống SREPS
• 3.2. Kết quả tính toán các chỉ số đánh giá đối với khu vực ĐBBB của 3 phương án tổ hợp
• 3.3. Kết quả đánh giá kỹ năng dự báo tổ hợp đối với các loại hình thế thời tiết khác nhau
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Về Đánh Giá Khả Năng Dự Báo Mưa Lớn Ở Đồng Bằng Bắc Bộ

Đánh giá khả năng dự báo mưa lớn ở khu vực đồng bằng Bắc Bộ là một vấn đề quan trọng trong công tác khí tượng. Mưa lớn không chỉ gây thiệt hại về kinh tế mà còn ảnh hưởng đến đời sống con người. Việc hiểu rõ về đặc điểm mưa lớn và các phương pháp dự báo hiện có sẽ giúp nâng cao chất lượng dự báo. Nghiên cứu này sẽ tập trung vào việc phân tích các mô hình dự báo và khả năng của chúng trong việc dự báo mưa lớn.

1.1. Đặc Điểm Mưa Lớn Ở Đồng Bằng Bắc Bộ

Khu vực đồng bằng Bắc Bộ có khí hậu nhiệt đới gió mùa, với mùa mưa kéo dài từ tháng 5 đến tháng 10. Lượng mưa trung bình hàng năm dao động từ 1600 - 1800mm, với tháng 7 và 8 thường có lượng mưa lớn nhất. Mưa lớn thường gây ra lũ quét và ngập lụt, ảnh hưởng nghiêm trọng đến đời sống và sản xuất.

1.2. Tình Hình Nghiên Cứu Về Dự Báo Mưa Lớn

Nhiều nghiên cứu đã được thực hiện để đánh giá khả năng dự báo mưa lớn, từ các mô hình số trị đến các phương pháp tổ hợp. Các nghiên cứu này không chỉ tập trung vào việc cải thiện độ chính xác của dự báo mà còn tìm kiếm các giải pháp mới để nâng cao chất lượng dự báo mưa lớn.

II. Vấn Đề Và Thách Thức Trong Dự Báo Mưa Lớn Ở Đồng Bằng Bắc Bộ

Dự báo mưa lớn ở đồng bằng Bắc Bộ gặp nhiều thách thức do tính chất phức tạp của khí hậu và sự biến đổi khí hậu. Các yếu tố như địa hình, sự thay đổi của các hình thế thời tiết và sự không đồng nhất trong dữ liệu quan trắc đều ảnh hưởng đến khả năng dự báo. Việc đánh giá chính xác các yếu tố này là rất cần thiết để cải thiện chất lượng dự báo.

2.1. Những Thách Thức Trong Dự Báo Mưa Lớn

Khó khăn trong việc dự báo mưa lớn bao gồm sự biến động mạnh mẽ của thời tiết và sự không chắc chắn trong các mô hình dự báo. Các yếu tố như gió mùa, bão và các hiện tượng khí hậu cực đoan khác đều làm tăng độ phức tạp trong việc dự báo.

2.2. Ảnh Hưởng Của Biến Đổi Khí Hậu Đến Dự Báo Mưa

Biến đổi khí hậu đang làm thay đổi các mô hình thời tiết truyền thống, dẫn đến sự gia tăng tần suất và cường độ của các hiện tượng mưa lớn. Điều này đặt ra yêu cầu cấp thiết về việc cập nhật và cải tiến các mô hình dự báo hiện có.

III. Phương Pháp Đánh Giá Khả Năng Dự Báo Mưa Lớn Ở Đồng Bằng Bắc Bộ

Để đánh giá khả năng dự báo mưa lớn, nhiều phương pháp khác nhau đã được áp dụng. Các phương pháp này bao gồm việc sử dụng các mô hình số trị, phương pháp tổ hợp và các chỉ số đánh giá khác nhau. Mỗi phương pháp đều có ưu điểm và nhược điểm riêng, và việc lựa chọn phương pháp phù hợp là rất quan trọng.

3.1. Mô Hình Dự Báo Số Trị

Mô hình dự báo số trị là một trong những công cụ chính trong việc dự báo mưa lớn. Các mô hình này sử dụng các phương trình vật lý để mô phỏng các quá trình khí tượng, từ đó đưa ra các dự báo về lượng mưa. Tuy nhiên, độ chính xác của các mô hình này phụ thuộc vào nhiều yếu tố, bao gồm dữ liệu đầu vào và điều kiện ban đầu.

3.2. Phương Pháp Tổ Hợp Trong Dự Báo Mưa

Phương pháp tổ hợp kết hợp nhiều mô hình dự báo khác nhau để cải thiện độ chính xác. Việc sử dụng các phương pháp như trung bình trọng số hoặc hồi quy đa biến giúp tối ưu hóa kết quả dự báo, từ đó nâng cao khả năng dự báo mưa lớn.

IV. Kết Quả Đánh Giá Khả Năng Dự Báo Mưa Lớn Tại Đồng Bằng Bắc Bộ

Kết quả đánh giá khả năng dự báo mưa lớn cho thấy sự khác biệt rõ rệt giữa các mô hình và phương pháp tổ hợp. Một số mô hình cho kết quả dự báo chính xác hơn trong các điều kiện thời tiết cụ thể, trong khi các phương pháp tổ hợp thường mang lại kết quả tốt hơn trong các tình huống phức tạp.

4.1. Đánh Giá Kỹ Năng Dự Báo Của Các Mô Hình

Các mô hình dự báo khác nhau cho thấy kỹ năng dự báo khác nhau tùy thuộc vào điều kiện thời tiết. Một số mô hình có khả năng dự báo tốt trong các tình huống thời tiết ổn định, trong khi các mô hình khác lại hoạt động tốt hơn trong các điều kiện thời tiết biến động.

4.2. Kết Quả Từ Các Phương Pháp Tổ Hợp

Kết quả từ các phương pháp tổ hợp cho thấy sự cải thiện đáng kể về độ chính xác so với các mô hình đơn lẻ. Việc áp dụng các phương pháp này giúp giảm thiểu sai số và nâng cao khả năng dự báo mưa lớn.

V. Ứng Dụng Thực Tiễn Của Dự Báo Mưa Lớn Ở Đồng Bằng Bắc Bộ

Dự báo mưa lớn có nhiều ứng dụng thực tiễn trong việc phòng chống thiên tai và phát triển kinh tế xã hội. Việc cải thiện khả năng dự báo sẽ giúp các cơ quan chức năng có những biện pháp ứng phó kịp thời, giảm thiểu thiệt hại do mưa lớn gây ra.

5.1. Ứng Dụng Trong Công Tác Phòng Chống Thiên Tai

Dự báo mưa lớn giúp các cơ quan chức năng có thể đưa ra các cảnh báo sớm về lũ quét và ngập lụt, từ đó có những biện pháp ứng phó kịp thời nhằm giảm thiểu thiệt hại.

5.2. Ảnh Hưởng Đến Nông Nghiệp

Dự báo chính xác về mưa lớn có thể giúp nông dân lên kế hoạch sản xuất hợp lý, từ đó tối ưu hóa năng suất và giảm thiểu thiệt hại do thời tiết gây ra.

VI. Kết Luận Và Tương Lai Của Dự Báo Mưa Lớn Ở Đồng Bằng Bắc Bộ

Kết luận cho thấy rằng việc đánh giá khả năng dự báo mưa lớn là rất cần thiết để cải thiện chất lượng dự báo. Tương lai của dự báo mưa lớn ở đồng bằng Bắc Bộ sẽ phụ thuộc vào việc áp dụng các công nghệ mới và cải tiến các mô hình dự báo hiện có.

6.1. Tương Lai Của Nghiên Cứu Dự Báo Mưa

Nghiên cứu trong tương lai cần tập trung vào việc phát triển các mô hình dự báo mới và cải tiến các phương pháp tổ hợp để nâng cao độ chính xác của dự báo mưa lớn.

6.2. Vai Trò Của Công Nghệ Trong Dự Báo

Công nghệ mới như trí tuệ nhân tạo và học máy có thể được áp dụng để cải thiện khả năng dự báo mưa lớn, từ đó nâng cao chất lượng cuộc sống và giảm thiểu thiệt hại do thiên tai.

Nội dung chính

Tổng quan nghiên cứu

Khu vực Đồng bằng Bắc Bộ (ĐBBB) có lượng mưa trung bình năm dao động từ 1.600 mm đến 1.800 mm với khoảng 130 đến 140 ngày mưa mỗi năm. Mùa mưa kéo dài từ tháng 5 đến tháng 10, tập trung tới 85% tổng lượng giáng thủy toàn năm, trong đó lượng mưa tích lũy của ba tháng cao điểm (tháng 7, 8, 9) chiếm trên 49%. Các hiện tượng mưa lớn cực đoan thường gây ra ngập lụt nghiêm trọng tại các đô thị lớn như Hà Nội, Nam Định và lũ quét tại các khu vực bán sơn địa như Ba Vì, Ninh Bình, điển hình như trận mưa lịch sử năm 2008 ghi nhận lượng mưa ngày tại trạm Hà Đông lên tới 514 mm.

Dự báo mưa lớn định lượng luôn là một trong những thách thức lớn nhất của ngành khí tượng thủy văn do tính bất định cao của các quá trình đối lưu quy mô vừa. Hệ thống dự báo tổ hợp hạn ngắn (SREPS) được vận hành nghiệp vụ tại Trung tâm Dự báo Khí tượng Thủy văn Quốc gia cung cấp nguồn thông tin đa dạng nhưng các dự báo viên còn gặp nhiều khó khăn do thiếu các đánh giá định lượng chi tiết về sai số theo không gian, thời gian và các ngưỡng mưa.

Mục tiêu cốt lõi của nghiên cứu là đánh giá có hệ thống kỹ năng dự báo mưa lớn của 20 thành phần dự báo thuộc hệ thống SREPS và thử nghiệm 3 phương án tổ hợp tối ưu hóa kết quả dự báo. Nghiên cứu được triển khai trên tập số liệu gồm 155 đợt mưa lớn diện rộng trong 8 năm (2010–2017) tại 14 trạm quan trắc khí tượng bề mặt trên toàn khu vực ĐBBB cho các hạn dự báo 24 giờ, 48 giờ và 72 giờ. Kết quả đánh giá cung cấp cơ sở khoa học định lượng giúp các dự báo viên lựa chọn sản phẩm mô hình phù hợp, góp phần nâng cao độ tin cậy của các bản tin cảnh báo thiên tai và giảm thiểu rủi ro kinh tế - xã hội.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng lý thuyết dự báo thời tiết bằng mô hình số trị (NWP) và phương pháp dự báo tổ hợp đa mô hình - đa phân tích. Hệ thống SREPS tích hợp 4 mô hình động lực khu vực quy mô vừa (HRM, WRF-ARW, WRF-NMM, BoLAM) kết hợp với điều kiện biên và trường ban đầu từ 5 mô hình toàn cầu lớn (GFS của Mỹ, GME của Đức, NOGAPS của Hải quân Mỹ, GEM của Canada, GSM của Nhật Bản) để tạo ra 20 thành phần dự báo độc lập.

Các khái niệm chuyên ngành cốt lõi được áp dụng xuyên suốt bao gồm:

• Dự báo giáng thủy định lượng (QPF): Ước lượng giá trị mưa tích lũy trong khoảng thời gian xác định (R24 từ 19 giờ hôm trước đến 19 giờ hôm sau).
• Dự báo tất định từ tập tổ hợp: Kỹ thuật tổng hợp từ 20 trường dự báo thành phần để đưa ra một trường dự báo đại diện tối ưu duy nhất.
• Bảng phân loại nhị phân 2x2: Cấu trúc ma trận đánh giá hiện tượng xuất hiện (Hit, Miss, False Alarm, Correct Negative) cho các ngưỡng mưa định danh.

Phương pháp nghiên cứu

Tập dữ liệu nghiên cứu bao gồm 155 ngày mưa lớn diện rộng được lựa chọn nghiêm ngặt theo tiêu chí nghiệp vụ của Trung tâm Dự báo Khí tượng Thủy văn Quốc gia (ngày có từ 50% số trạm trở lên trong khu vực đạt lượng mưa R24 từ 16 mm trở lên) trong giai đoạn từ năm 2010 đến 2017. Phân bố các ngày mưa lớn theo từng năm gồm: 2010 (13 ngày), 2011 (21 ngày), 2012 (23 ngày), 2013 (28 ngày), 2014 (15 ngày), 2015 (13 ngày), 2016 (17 ngày) và 2017 (25 ngày). Dữ liệu thực đo được thu thập đồng bộ tại 14 trạm khí tượng bề mặt đại diện cho toàn bộ địa hình ĐBBB.

Dữ liệu dự báo số trị được trích xuất từ phiên chạy 12 UTC (19 giờ Hà Nội) của hệ thống SREPS trên lưới tính toán 0.15° (khoảng 15 km) gồm 162 x 135 nút lưới, bao phủ tọa độ 99.9°E–124.05°E và 9.9°N–25.0°N. Nghiên cứu áp dụng phương pháp nội suy điểm gần nhất kết hợp mặt nạ đất liền - biển để gán giá trị dự báo từ nút lưới về điểm trạm quan trắc, nhằm loại bỏ hiện tượng sai lệch do lấy nhầm các điểm lưới trên mặt biển.

Để đánh giá toàn diện, hai nhóm chỉ số thống kê toán học được áp dụng:

1. Nhóm chỉ số định lượng cho biến liên tục: Sai số trung bình (ME), sai số tuyệt đối trung bình (MAE), sai số bình phương trung bình quân phương (RMSE) và hệ số tương quan tuyến tính Pearson (r). Lý do chọn nhóm chỉ số này là nhằm xác định chính xác độ lệch hệ thống và biên độ dao động sai số của mô hình.
2. Nhóm chỉ số dự báo pha cho biến nhị phân: Tỷ số thiên lệch tần suất (FBI), xác suất phát hiện (POD) và tỷ lệ báo động sai (FAR) phân theo 3 cấp độ mưa: mưa vừa (16–50 mm/24h), mưa to (51–100 mm/24h) và mưa rất to (> 100 mm/24h).

Ba phương án tính toán dự báo tổ hợp tuyến tính được xây dựng và so sánh:

• Phương án 1: Phương pháp trung bình số học đơn giản với trọng số đều $w_i = 1/20$.
• Phương án 2: Phương pháp trọng số nghịch đảo theo sai số RMSE của từng mô hình thành phần.
• Phương án 3: Phương pháp gán trọng số tối ưu dựa trên mô hình hồi quy tuyến tính đa biến được ước lượng trên ngôn ngữ lập trình thống kê R.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Thứ nhất, đối với hạn dự báo 24 giờ, toàn bộ 20 mô hình thành phần của SREPS đều thể hiện xu hướng dự báo thấp hơn thực tế với ME âm dao động từ -5 mm đến -15 mm. Sai số tuyệt đối trung bình MAE nằm trong khoảng 25 mm đến 27 mm và RMSE dao động từ 33 mm đến 36 mm. Hệ số tương quan Pearson đạt mức 0.2 đến 0.5. Thành phần M05 (mô hình HRM chạy với điều kiện biên GSM) cho kết quả dự báo định lượng tốt nhất với RMSE thấp nhất và hệ số tương quan cao nhất. Nhóm mô hình BoLAM (thành phần M16 đến M20) duy trì sai số ổn định nhất trên toàn bộ 14 trạm quan trắc.

Thứ hai, khi kéo dài hạn dự báo lên 48 giờ và 72 giờ, chất lượng dự báo định lượng suy giảm rõ rệt. Giá trị ME chuyển từ âm sang dương (ME từ +4 mm đến +8 mm ở hạn 48 giờ và từ +10 mm đến +15 mm ở hạn 72 giờ), cho thấy mô hình chuyển sang xu hướng dự báo thiên cao. Hệ số tương quan ở hạn 48 giờ giảm xuống dưới 0.1 và phần lớn các thành phần đều cho hệ số tương quan âm ở hạn dự báo 72 giờ.

Thứ ba, kỹ năng dự báo pha phụ thuộc lớn vào ngưỡng mưa. Ở cấp mưa vừa (16–50 mm/24h), chỉ số FBI duy trì quanh giá trị 1.0 đến 1.2, xác suất phát hiện POD đạt từ 40% đến 60%, tỷ lệ báo động sai FAR dao động từ 35% đến 50%. Tuy nhiên, ở các cấp mưa to (51–100 mm/24h) và mưa rất to (> 100 mm/24h), chỉ số FBI giảm sâu dưới 1.0, POD giảm mạnh xuống chỉ còn 0% đến 20%, trong khi FAR tăng vọt lên 80% đến 100% ở hạn dự báo 72 giờ.

Thứ tư, so sánh 3 phương án tổ hợp cho thấy Phương án 3 (hồi quy đa biến) đạt hiệu quả dự báo định lượng vượt trội nhất với MAE và RMSE thấp nhất, đồng thời duy trì hệ số tương quan cao nhất ở cả 3 hạn dự báo. Phương án 1 (trung bình đơn giản) cho kết quả ổn định thứ hai. Phương án 2 (trọng số nghịch đảo RMSE) kiểm soát tốt chỉ số FBI ở ngưỡng mưa vừa nhưng lại bộc lộ hạn chế lớn khi không bắt được các hiện tượng mưa cực đoan trên 100 mm.

Thảo luận kết quả

Kết quả sai số định lượng và dự báo pha được trực quan hóa qua chuỗi biểu đồ phân tán, biểu đồ hộp sai số ME/RMSE theo các hạn dự báo và bảng phân loại nhị phân tổng hợp. Nguyên nhân chính khiến hệ thống SREPS dự báo thiếu hụt lượng mưa ở hạn 24 giờ là do độ tán của tập tổ hợp còn tương đối hẹp, khiến mô hình chưa nắm bắt đầy đủ các nhiễu động đối lưu cục bộ có cường độ mạnh. Hiện tượng mô hình dự báo thiên cao ở hạn 48 giờ và 72 giờ phản ánh xu thế khuếch tán diện rộng của các sơ đồ tham số hóa đối lưu (như Tiedtke, Kain-Fritsch, Grell-Devenyi) khi tích phân phương trình theo thời gian dài.

So sánh với các nghiên cứu quốc tế, phát hiện này hoàn toàn tương đồng với kết quả của Trung tâm Khí tượng Anh (Met Office) trên hệ thống MOGREPS và nghiên cứu của McBride & Ebert tại Úc, khi các mô hình số trị quy mô khu vực đều gặp khó khăn lớn trong việc dự báo chính xác vị trí và độ lớn của tâm mưa cực trị vượt ngưỡng 50 mm/24h. Sự vượt trội của phương án hồi quy đa biến khẳng định rằng việc tối ưu hóa trọng số dựa trên chuỗi số liệu nền lịch sử có khả năng hiệu chỉnh sai số hệ thống tốt hơn nhiều so với việc chỉ gán trọng số cơ học theo sai số RMSE đơn lẻ.

Đề xuất và khuyến nghị

Dựa trên các kết luận rút ra từ thực nghiệm, luận văn đề xuất 4 nhóm giải pháp chiến lược nhằm tối ưu hóa công tác dự báo mưa lớn:

1. Ứng dụng thuật toán tổ hợp hồi quy tuyến tính đa biến (Phương án 3): Trung tâm Dự báo Khí tượng Thủy văn Quốc gia cần tích hợp module hồi quy đa biến vào quy trình vận hành tự động của SREPS, đặt mục tiêu giảm sai số RMSE xuống dưới 28 mm cho hạn dự báo 24 giờ và hoàn thành chuyển giao nghiệp vụ trong vòng 6 đến 12 tháng.
2. Tối ưu hóa việc lựa chọn mô hình thành phần: Đội ngũ dự báo viên tại Đài Khí tượng Thủy văn khu vực Đồng bằng Bắc Bộ cần ưu tiên tham khảo các sản phẩm từ mô hình BoLAM và mô hình HRM kết hợp điều kiện biên GSM trong các tình huống thời tiết nguy hiểm, nhằm nâng xác suất phát hiện (POD) các đợt mưa diện rộng lên trên 65% trong giai đoạn 2024–2025.
3. Nâng cấp độ phân giải mô hình và đồng hóa dữ liệu: Tổng cục Khí tượng Thủy văn cần đầu tư nâng cấp độ phân giải ngang của hệ thống từ 0.15° xuống dưới 0.05° (khoảng 3–5 km), tích hợp đồng hóa dữ liệu viễn thám từ mạng lưới radar thời tiết và vệ tinh địa tĩnh, hướng tới mục tiêu kéo giảm tỷ lệ báo sai (FAR) ở ngưỡng mưa to xuống dưới 40% trước năm 2026.
4. Xây dựng bảng tra cứu trọng số động theo hình thế thời tiết: Các nhóm nghiên cứu chuyên trách cần phân loại trọng số mô hình riêng biệt cho từng dạng hình thế điển hình (rãnh thấp, xoáy thuận nhiệt đới, không khí lạnh kết hợp gió đông) để đưa chỉ số thiên lệch tần suất FBI tiệm cận mức lý tưởng 1.0 trong lộ trình 2024–2026.

Đối tượng nên tham khảo luận văn

1. Dự báo viên khí tượng thủy văn tại các đài trung ương và địa phương: Nắm vững đặc trưng sai số của từng mô hình thành phần và áp dụng trực tiếp các phương án tổ hợp trọng số để hiệu chỉnh bản tin dự báo mưa lớn hàng ngày.
2. Giảng viên, nghiên cứu sinh và học viên cao học chuyên ngành Khí tượng học: Sử dụng tài liệu như một cẩm nang phương pháp luận hoàn chỉnh về quy trình hậu xử lý số liệu mô hình số trị và kỹ thuật kiểm định thống kê giáng thủy định lượng.
3. Ban Chỉ huy Phòng chống thiên tai và Tìm kiếm cứu nạn các tỉnh ĐBBB: Hiểu rõ giới hạn tin cậy của các hạn dự báo 24 giờ, 48 giờ và 72 giờ để chủ động xây dựng phương án tiêu thoát nước đô thị và cảnh báo sơ tán dân cư sát với thực tế.
4. Kỹ sư phát triển phần mềm và công nghệ môi trường: Khai thác các thuật toán nội suy điểm trạm, mô hình tổ hợp và cấu trúc xử lý dữ liệu khí tượng để tích hợp vào các hệ thống cảnh báo sớm thông minh phục vụ nông nghiệp và đô thị hóa.

Câu hỏi thường gặp

Tại sao hệ thống SREPS lại có xu hướng dự báo lượng mưa thấp hơn thực tế ở hạn 24 giờ?

Ở hạn dự báo 24 giờ, toàn bộ 20 mô hình thành phần đều có sai số ME âm từ -5 mm đến -15 mm. Nguyên nhân là do độ phân giải 0.15° của mô hình chưa bao quát hết các tâm mưa đối lưu quy mô nhỏ, đồng thời độ tán tổ hợp của hệ thống còn hẹp, dẫn đến việc ước lượng thấp cường độ của các tâm mưa cực đoan có lượng mưa trên 50 mm đến 100 mm/24h.

Trong 20 thành phần dự báo của SREPS, mô hình nào cho kết quả định lượng tốt nhất?

Mô hình HRM kết hợp điều kiện biên GSM (thành phần M05) và dòng mô hình BoLAM kết hợp các trường biên toàn cầu GME, GSM, NOGAPS (từ M17 đến M20) cho kết quả tốt nhất. Nhóm này đạt sai số RMSE thấp nhất (khoảng 33 mm) và duy trì hệ số tương quan r cao nhất (từ 0.35 đến 0.45), thể hiện độ ổn định cao qua 155 đợt mưa lớn.

Phương pháp tổ hợp nào mang lại độ chính xác cao nhất cho khu vực Đồng bằng Bắc Bộ?

Phương pháp tổ hợp tính trọng số bằng hồi quy tuyến tính đa biến (Phương án 3) mang lại hiệu quả cao nhất. Phương pháp này đạt giá trị ME nhỏ nhất, hạ thấp MAE và RMSE, đồng thời duy trì hệ số tương quan tuyến tính cao hơn đáng kể so với phương pháp trung bình số học đơn giản và phương pháp nghịch đảo RMSE.

Khả năng dự báo mưa to và rất to của mô hình thay đổi ra sao khi thời hạn dự báo tăng lên 72 giờ?

Kỹ năng dự báo suy giảm rất nhanh theo thời gian. Ở hạn 72 giờ với ngưỡng mưa to (> 50 mm) và rất to (> 100 mm), xác suất phát hiện POD giảm sâu xuống dưới 10%, trong khi tỷ lệ báo động sai FAR tăng lên mức 90% đến 100%, đồng thời hệ số tương quan giữa dự báo và quan trắc tiệm cận mức 0 hoặc mang giá trị âm.

Thuật toán nào được sử dụng để chuyển đổi dữ liệu từ lưới mô hình về trạm quan trắc?

Luận văn áp dụng thuật toán nội suy điểm gần nhất kết hợp bộ lọc mặt nạ đất liền - biển. Phương pháp này tính toán khoảng cách hình học từ trạm quan trắc đến các nút lưới xung quanh và chọn nút lưới đất liền gần nhất, giúp bảo toàn tính chất giáng thủy cục bộ và tránh sai số do ảnh hưởng của các điểm nút nằm ngoài biển.

Kết luận

• Luận văn đã thực hiện đánh giá toàn diện và hệ thống kỹ năng dự báo mưa lớn của 20 thành phần thuộc hệ thống SREPS và 3 phương pháp tổ hợp qua 155 đợt mưa diện rộng giai đoạn 2010–2017 trên 14 trạm khí tượng ĐBBB.
• Xác định rõ quy luật sai số: Mô hình có xu hướng dự báo thiên thấp ở hạn 24 giờ (ME âm) nhưng chuyển dịch sang dự báo thiên cao ở hạn 48 giờ và 72 giờ (ME dương).
• Khẳng định tính ổn định vượt trội của mô hình BoLAM và chứng minh phương pháp tổ hợp hồi quy tuyến tính đa biến mang lại chất lượng dự báo định lượng tối ưu nhất.
• Chỉ rõ giới hạn của hệ thống đối với các ngưỡng mưa cực đoan (> 50 mm và > 100 mm/24h), khi chỉ số POD suy giảm mạnh và FAR tăng cao ở các hạn dự báo xa.
• Đóng góp bộ cơ sở dữ liệu kiểm định khoa học và giải pháp thực tiễn có giá trị ứng dụng cao cho ngành khí tượng thủy văn Việt Nam.

Kế hoạch tiếp theo cần tập trung chuẩn hóa thuật toán hồi quy vào hệ thống dự báo nghiệp vụ trong năm 2024, đồng thời mở rộng nghiên cứu thử nghiệm trên chuỗi số liệu cập nhật giai đoạn 2018–2025. Các chuyên gia, dự báo viên và nhà nghiên cứu quan tâm được khuyến khích khai thác toàn văn tài liệu để ứng dụng hiệu quả vào công tác cảnh báo thiên tai và nghiên cứu chuyên sâu.

Trích đoạn nội dung tài liệu

CHƯƠNG 1. ĐẶC ĐIỂM MƯA LỚN Ở KHU VỰC ĐỒNG BẰNG BẮC BỘ VÀ TỔNG QUAN TÌNH HÌNH NGHIÊN CỨU 1. Đặc điểm mưa lớn ở khu vực đồng bằng Bắc Bộ Khu vực đồng bằng Bắc Bộ nằm ở phía nam miền Bắc, với vị trí phía Bắc giáp khu vực Đông Bắc, phía Tây Bắc giáp với khu vực Việt Bắc, phía Nam giáp với khu vực Tây Bắc và Bắc Trung Bộ. Là khu vực có khí hậu tập trung những nét điển hình của kiểu khí hậu nhiệt đới gió mùa, đặc biệt có một mùa đông lạnh hơn nhiều so với điều kiện trung bình vĩ tuyến, mùa đông chỉ có thời kỳ đầu tương đối khô còn nửa cuối mùa thì rất ẩm ướt, mùa hạ nóng, nhiều mưa, khí hậu biến động mạnh.

Khí hậu ở đồng bằng Bắc Bộ về cơ bản không có sự phân hóa đáng kể giữa nơi này với nơi khác, nhất là về nhiệt độ. Tuy nhiên, cũng có thể tách ra một dải hẹp ven biển có khí hậu khác biệt ít nhiều với điều kiện chung của vùng. Lượng mưa phân bố khá đồng đều trên khu vực ĐBBB. Trên đại bộ phận đồng bằng Bắc Bộ, lượng mưa trung bình năm trong khoảng 1600 - 1800mm.

Số ngày mưa toàn năm vào khoảng 130 - 140 ngày. Mùa mưa kéo dài 6 tháng, từ tháng 5 đến tháng 10. Trong mùa mưa tập trung tới 85% lượng mưa toàn năm. Tháng mưa nhiều nhất thường là 7 hoặc 8 với lượng mưa chiếm tới trên 34,8% tổng lượng mưa năm.

Ba tháng liên tục có mưa lớn nhất trong năm là 7, 8 và 9. Tổng lượng mưa của ba tháng này khoảng trên 49% tổng lượng mưa năm. Lượng mưa trung bình tháng 8 vào khoảng 300 - 350mm với 16 - 18 ngày mưa. Trong 10 - 20% số năm, lượng mưa tháng này vượt quá 500mm.

Các tháng 7, và 9 lượng mưa trung bình trong khoảng 250 - 300mm, với 12 - 15 ngày mưa. Trong cả mùa mưa, xảy ra chừng 5 - 7 ngày có mưa trên 50mm, 1 - 2 ngày có mưa trên 100mm. Lượng mưa cực đại trong 24 giờ có thể tới 400 - 500mm ở ven biển, 300 - 400mm ở đồng bằng và trung du. Nói chung, những trường hợp mưa lớn nhất này đều xảy ra trong bão.

Mưa bão thường kéo dài 2 – 4 ngày với lượng mưa tập trung nhất trong 1 – 2 ngày. Lượng mưa lớn nhất trong 24 giờ ở vùng trung tâm bão 8 LUAN VAN CHAT LUONG download : add [e-mail] thường vào cỡ 200 – 300mm, và lượng mưa toàn đợt vào cỡ 300 – 400mm, có khi tới 500 – 600mm. Nói chung, trong mọi trường hợp có bão, lượng mưa toàn đợt đều vượt quá 150mm. Tình hình mưa ở ĐBBB biến động khá mạnh mẽ trong quá trình mùa và từ năm này qua năm khác.

Những năm nhiều mưa nhất, lượng mưa có thể vượt quá 2500mm, những năm ít mưa nhất không thu được tới 1000mm. Chênh lệch lượng mưa giữa năm cực đại và cực tiểu lên tới 1500mm và trên nữa. Trong những tháng mùa mưa (với lượng mưa trung bình vào cỡ 250 - 350mm/tháng), lượng mưa tháng lớn nhất có thể vượt quá 500 - 800mm và lượng mưa tháng nhỏ nhất không tới 40 - 50mm. Như vậy lượng mưa tháng cực đại có thể gấp 10 - 15 lần tháng cực tiểu.

[6] Theo “Qui định tạm thời về tổng kết các hiện tượng thời tiết nguy hiểm hàng năm” của Trung tâm Dự báo KTTV Trung ương, nay là Trung tâm Dự báo KTTV quốc gia, căn cứ vào lượng mưa thực tế đo được trong 24 giờ tại các trạm quan trắc khí tượng bề mặt, trạm đo mưa trong mạng lưới KTTV mà phân định các cấp mưa khác nhau. Mưa lớn được chia làm 3 cấp: + Mưa vừa: Lượng mưa đo được từ 16 - 50 mm/24h. + Mưa to: Lượng mưa đo được từ 51 - 100 mm/24h. + Mưa rất to: Lượng mưa đo được > 100 mm/24h.

Ngày có mưa lớn là ngày xảy ra mưa trong 24 giờ (từ 19 giờ ngày hôm trước đến 19 giờ ngày hôm sau) đạt cấp mưa vừa trở lên. Trong các nghiên cứu về ảnh hưởng của mưa thì cấp mưa to 51 - 100 mm/24h bắt đầu có những ảnh hưởng tiêu cực đến đời sống con người. Tại khu vực đồng bằng Bắc Bộ một số năm xuất hiện những đợt mưa lớn diện rộng có giá trị lịch sử đo được tại các trạm. Điển hình là đợt mưa từ ngày 31/10 – 2/11 năm 2008 tại khu vực đã xảy ra mưa lớn kéo dài, tại trạm Hà Đông đạt giá trị lịch sử lượng mưa ngày lớn nhất là 514mm (ngày 31/10).

9 LUAN VAN CHAT LUONG download : add luanvanchat@agmail. Tổng quan các nghiên cứu về đánh giá dự báo mưa trong và ngoài nước 1. Tổng quan những nghiên cứu ngoài nước Từ giữa những năm 90 của thế kỷ 20, nhóm nghiên cứu về dự báo số trị (WGNE) được thành lập bởi tổ chức Khí tượng thế giới (WMO) đã quan tâm đến vấn đề đánh giá dự báo mưa định lượng (QPF). Năm 1995, nhóm đã khởi xướng việc đánh giá mưa định lượng ở các khu vực khác nhau.

Đầu tiên là NCEP và DWD, sau đó năm 1997 Úc mới bắt đầu đánh giá, Anh là năm 2000, Pháp là năm 2001 và Nhật Bản là năm 2002. Dự báo mưa định lượng 24 giờ và 48 giờ từ 11 mô hình dự báo thời tiết số đã được đánh giá từ năm 1997 đến 2000 so với lượng mưa quan trắc trên toàn nước Mỹ, Đức, Úc để đánh giá kỹ năng dự báo sự xuất hiện và lượng mưa hàng ngày. Năm 1995 NCEP đã tổ chức hội nghị đầu tiên về khả năng ứng dụng dự báo tổ hợp hạn ngắn (SREF-Short Range Ensemble Forecast) với các mô hình khu vực quy mô vừa. Từ hội nghị này, NCEP đã triển khai một dự án xây dựng một tập các dự báo thành phần cho SREF gồm 10 dự báo từ mô hình ETA và 5 dự báo từ mô hình RSM.

Các kết quả nghiên cứu từ dự án này cho thấy EF cho một kỹ năng dự báo bằng hoặc tốt hơn so với dự báo tất định của một mô hình có độ phân giải cao hơn trong dự báo mưa, bão và nhiều yếu tố khác. Ngoài ra, xác suất dự báo mưa từ SREF có chất lượng cao hơn so với xác suất dự báo mưa từ phương pháp MOS dựa trên dự báo của mô hình nghiệp vụ NGM. Sau NCEP một loạt trung tâm lớn trên thế giới đã phát triển hệ thống tổ hợp thời tiết hạn ngắn SREF, kèm theo đó là những nghiên cứu đánh giá kỹ năng dự báo mưa, bão và một số yếu tố khí tượng nhằm nâng cao chất lượng của hệ thống tổ hợp này. Tuy nhiên đến nay lĩnh vực nghiên cứu SREF vẫn còn tồn tại rất nhiều vấn đề chưa được giải quyết.

Hay nói cách khác, đây vẫn là một bài toán mở cho các nhà nghiên cứu. MacBride và Elizabeth Ebert thuộc trung tâm nghiên cứu khí tượng Úc đã tiến hành đánh giá dự báo mưa định lượng từ mô hình dự báo thời tiết số trên toàn nước Úc. Dữ liệu lượng mưa trong thời gian thực được sử dụng từ bảy mô hình của Úc, Anh, Đức, Nhật Bản, Hoa Kỳ và Trung tâm Dự báo thời tiết 10 LUAN VAN CHAT LUONG download : add [e-mail] hạn vừa châu Âu (ECMWF) trong khoảng thời gian một năm. Nghiên cứu này nằm trong Sáng kiến Phát triển Kỹ thuật của Cục Khí tượng Úc, một trong những mục tiêu chính của nó là cải thiện các dự báo lượng mưa định lượng (QPF).

Dự báo mưa định lượng 24 giờ trong thời gian thực từ bảy mô hình NWP đang hoạt động được đánh giá trên lục địa Úc. Việc đánh giá tập trung vào hai tiểu vùng lớn: chế độ gió mùa nhiệt đới phía bắc và chế độ cận nhiệt đới phía đông nam. Một loạt các chỉ số được dùng đánh giá như bias, FAR, POD, TS… cho các ngưỡng mưa. Tuy nhiên, phương pháp cơ bản của kỹ năng được sử dụng trong nghiên cứu này là điểm số Hanssen và Kuipers (HK) và hai thành phần của nó: độ chính xác cho các hiện tượng xuất hiện và không xuất hiện.

Đối với cả hai chế độ, các mô hình hoạt động có xu hướng dự báo lượng mưa cao vào mùa hè và thấp vào mùa đông. Ở khu vực đông nam các mô hình có điểm số HK dao động từ 0.7 và dễ dàng dự báo hơn đối với các điều kiện thời tiết ổn định. Vì vậy, đối với các mô hình NWP hoạt động hiện tại, các dự báo mưa 24 giờ có thể được coi là khá tốt ở vùng cận nhiệt đới. Mặt khác, kỹ năng mô hình là khá thấp ở chế độ phía bắc với giá trị HK chỉ 0.

Kỹ năng mô hình giảm đáng kể đối với các ngưỡng mưa lớn hơn 10 mm/ngày. Điều này ngụ ý rằng các mô hình dự báo sự xuất hiện của mưa tốt hơn dự đoán độ lớn và các nơi xảy ra mưa cực trị. [18] Năm 2014, trung tâm Met Office của Anh đã có một nghiên cứu “ Lợi ích của dự báo tổ hợp phân giải cao”. Nghiên cứu này đánh giá dự báo xác suất từ hệ thống tổ hợp của Met Office để thấy được lợi ích của việc sử dụng độ phân giải ngang cao khi dự báo mưa lớn.

Dự báo xác suất mưa lớn ở Anh đã được đánh giá từ hai cấu hình của Hệ thống dự báo tổ hợp toàn cầu và khu vực (MOGREPS) của Met Office, bao gồm một hệ thống tổ hợp đối lưu độ phân giải cao của Vương quốc Anh (MOGREPS-UK) và một hệ thống tổ hợp toàn cầu có độ phân giải thô hơn (MOGREPS-G). Thời gian đánh giá từ 18 tháng 4 năm 2013 đến 17 tháng 4 năm 2014. Do các giới hạn lấy mẫu liên quan đến các hiện tượng cực đoan (và hiếm), các tác giả đã đánh giá mưa ở các ngưỡng mưa vừa là 10 mm trong 3 giờ, đến ngưỡng lớn hơn là 15 và 20 mm trong 3 giờ. Kết quả chỉ được hiển thị đối với 11 LUAN VAN CHAT LUONG download : add [e-mail] ngưỡng mưa 10 mm vì các ngưỡng cao hơn có kích thước mẫu rất nhỏ khiến khó đưa ra kết luận chắc chắn nào.

Việc đánh giá giữa quan trắc và xác suất dự báo được biểu diễn trên biểu đồ độ tin cậy. Các kết quả cho thấy MOGREPS-UK có độ tin cậy dự báo tốt hơn MOGREPS-G. Cả MOGREPS-UK và MOGREPS-G đều có xu hướng dự báo khống khi các ngưỡng mưa tăng lên. Tuy nhiên, về tổng thể độ tin cậy của MOGREPS-UK ở ngưỡng 10mm trong 3 giờ là rất tốt vì nó vẫn là ngưỡng mưa tích lũy tương đối cao và nó cho thấy độ tin cậy dự báo được cải thiện so với độ phân giải thô của MOGREPS-G.