Đánh giá khả năng dự báo mưa của mô hình ECMWF cho khu vực Việt Nam

Luận văn: Đánh giá khả năng dự báo mưa từ mô hình ECMWF cho khu vực Việt Nam - Đặng Hải Yến

• Tác giả: Đặng Hải Yến
• Người hướng dẫn: TS. Công Thanh
• Trường học: Đại học Quốc gia Hà Nội, Trường Đại học Khoa học Tự nhiên
• Chuyên ngành: Khí tượng học
• Đề tài: Đánh giá khả năng dự báo mưa của mô hình ECMWF cho khu vực Việt Nam
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2023
• Địa điểm: Hà Nội

Tóm tắt

I. Tổng quan về khả năng dự báo mưa từ mô hình ECMWF

Mô hình ECMWF là một trong những hệ thống dự báo thời tiết bằng phương pháp số trị tiên tiến nhất hiện nay trên thế giới. Trung tâm châu Âu cung cấp các sản phẩm dự báo thời tiết hạn vừa và dự báo nội mùa đến mùa S2S với độ tin cậy cao. Tại Việt Nam, nhu cầu theo dõi và cảnh báo sớm lượng mưa đóng vai trò cốt lõi trong phòng chống thiên tai. Mưa lớn thường xuyên gây ra ngập lụt, lũ quét và sạt lở đất tại nhiều vùng đồi núi. Việc ứng dụng dữ liệu từ ECMWF mở ra nhiều tiềm năng mới cho công tác dự báo thủy văn. Mô hình cung cấp các trường thông tin khí tượng phong phú theo chuỗi thời gian liên tục. Dữ liệu này giúp các nhà khí tượng nắm bắt diễn biến ẩm và hoàn lưu khí quyển. Tuy nhiên, điều kiện địa hình Việt Nam rất phức tạp với nhiều dãy núi cao và đường bờ biển dài. Hoạt động gió mùa nhiệt đới cũng biến đổi mạnh mẽ qua các tháng trong năm. Do đó, việc nghiên cứu tổng quan và đánh giá khách quan năng lực dự báo mưa là bước đi nền tảng. Kết quả phân tích giúp xác định phạm vi hữu ích của dữ liệu dự báo toàn cầu trước khi đưa vào nghiệp vụ.

1.1. Khái niệm và đặc điểm hệ thống S2S ECMWF

Hệ thống dự báo nội mùa đến mùa S2S lấp đầy khoảng trống giữa dự báo thời tiết hạn ngắn và hạn dài. Dự án S2S cung cấp dữ liệu dự báo lại cùng các dự báo thời gian thực lên tới sáu mươi ngày. Mô hình ECMWF trong cơ sở dữ liệu S2S áp dụng cấu trúc dự báo tổ hợp đa thành phần hiện đại. Kỹ thuật này mô phỏng sự bất định của khí quyển ban đầu thông qua các nhiễu động số trị. Nguồn số liệu S2S của ECMWF nổi bật nhờ độ phân giải không gian tốt và quy trình đồng hóa tiên tiến. Nguồn thông tin này hỗ trợ nhận diện các đợt mưa lớn diện rộng trước nhiều tuần. Việc khai thác dữ liệu S2S mang lại góc nhìn khoa học phục vụ quản lý thiên tai hiệu quả.

1.2. Mục tiêu nghiên cứu dự báo mưa tại Việt Nam

Mục tiêu trọng tâm của nghiên cứu là đánh giá kỹ năng dự báo mưa hạn tuần của ECMWF trên phạm vi toàn quốc. Đề tài tập trung phân tích khả năng tái hiện phân bố mưa theo các mùa đặc trưng gồm mùa đông, mùa xuân, mùa hè và mùa thu. Nghiên cứu kiểm tra sai số định lượng giữa dữ liệu mô hình với nguồn mưa vệ tinh CMORPH chuẩn hóa. Các nhà khoa học cũng làm rõ khả năng dự báo các hiện tượng mưa cực đoan có cường độ cao vượt ngưỡng thông thường. Thông tin này giúp các cơ quan dự báo thời tiết nắm vững điểm mạnh và giới hạn sai số của mô hình. Việc hiểu rõ độ tin cậy theo từng vùng khí hậu hỗ trợ tối ưu hóa quy trình ra bản tin dự báo thiên tai.

II. Phân tích sai số dự báo mưa từ mô hình ECMWF ở Việt Nam

Quá trình đối soát cho thấy sai số dự báo mưa của mô hình ECMWF có sự biến động rõ rệt theo mùa và theo từng vùng địa hình. Trong các tháng mùa đông (DJF), mô hình thường thể hiện sai số tuyệt đối trung bình (MAE) ở mức thấp do lượng mưa nền không cao. Tuy nhiên, sai số trung bình (ME) có xu hướng lệch nhẹ tại các khu vực đón gió mùa đông bắc. Khi bước sang giai đoạn mùa chuyển tiếp mùa xuân (MAM), sai số bắt đầu gia tăng. Đây là giai đoạn bắt đầu mùa mưa tại khu vực Bắc Bộ và Bắc Trung Bộ. Giá trị ME trong thời kỳ này thường thiên âm tại các vùng B1, B2, B3 và B4. Điều đó chứng tỏ mô hình có xu hướng dự báo lượng mưa thấp hơn so với thực tế quan trắc từ vệ tinh. Trái lại, trong các tháng cao điểm mùa hè (JJA), lượng mưa đối lưu nhiệt đới phát triển rất mạnh. Mô hình ECMWF thường dự báo phóng đại lượng mưa tại nhiều nơi ở miền Bắc. Hiện tượng dự báo khống lượng mưa lớn xảy ra phổ biến hơn khi thời hạn dự báo kéo dài từ hạn 1 đến hạn 6. Sự phân hóa địa hình sâu sắc giữa sườn đông và sườn tây dãy Trường Sơn cũng gây ra những độ lệch mang tính cục bộ.

2.1. Biến động sai số hệ thống ME và MAE

Chỉ số sai số tuyệt đối trung bình MAE phản ánh độ lệch biên độ giữa mô hình và thực tế. Giá trị MAE luôn tăng dần khi thời hạn dự báo kéo dài từ tuần 1 đến tuần 6. Trong khi đó, sai số trung bình ME cho thấy rõ bản chất lệch hệ thống của mô hình. Tại miền Bắc vào mùa xuân, ME thiên âm chỉ ra tình trạng dự báo thiếu hụt lượng mưa ẩm. Ngược lại, vào mùa hè, ME chuyển dịch mạnh tùy theo cường độ đối lưu nhiệt đới. Vùng núi Tây Bắc và sườn đông Trường Sơn thể hiện sự phân hóa sai số phức tạp nhất. Điều này bắt nguồn từ việc mô hình toàn cầu chưa mô phỏng trọn vẹn địa hình đồi núi dốc.

2.2. Hạn chế khi dự báo mưa lớn và cực đoan

Dự báo các hiện tượng mưa lớn cực đoan luôn là thách thức lớn nhất đối với các mô hình khí tượng toàn cầu. Khi ngưỡng mưa tăng lên 25mm hoặc 50mm mỗi tuần, kỹ năng dự báo của ECMWF có xu hướng suy giảm nhanh chóng. Sai số quân phương RMSE tăng vọt tại các tâm mưa bão miền Trung và khu vực Đông Bắc. Mô hình thường làm mịn các đỉnh mưa cực đại do hạn chế về lưới độ phân giải ngang. Hiện tượng này dẫn đến việc ước tính thấp cường độ mưa trong các cơn bão mạnh. Ngược lại, vào một số thời điểm mùa hè, mô hình lại mở rộng diện tích mưa quá mức cho phép. Tình trạng dự báo khống lượng mưa lớn gây khó khăn nhất định cho công tác điều hành xả lũ hồ chứa.

III. Phương pháp đánh giá dự báo mưa từ mô hình ECMWF chi tiết

Đánh giá chất lượng mô hình đòi hỏi một quy trình khoa học kết hợp giữa các phương pháp tất định và xác suất. Phương pháp tất định tập trung kiểm tra độ lệch trị số thông qua các chỉ số MAE, ME và sai số quân phương RMSE. Những thước đo này lượng hóa trực tiếp khoảng cách giữa lượng mưa mô phỏng và số liệu thực tế. Bên cạnh đó, phương pháp đánh giá xác suất đóng vai trò then chốt đối với hệ thống dự báo tổ hợp. Thước đo ROC và diện tích dưới đường cong AUC giúp xác định khả năng phân biệt giữa biến cố có mưa và không mưa. Điểm kỹ năng Brier (BSS) được sử dụng để đánh giá độ chính xác của các xác suất xuất hiện mưa theo ngưỡng. Nguồn số liệu kiểm chứng bao gồm chuỗi quan trắc trạm khí tượng bề mặt và dữ liệu mưa vệ tinh CMORPH giai đoạn 2001–2020. Dữ liệu CMORPH cung cấp trường mưa liên tục trên toàn bộ không gian lãnh thổ và vùng biển lân cận. Sự kết hợp chặt chẽ giữa hai nguồn số liệu tham chiếu giúp bức tranh kiểm chứng trở nên toàn diện và khách quan hơn.

3.1. Ứng dụng nguồn số liệu trạm và CMORPH

Nghiên cứu tích hợp nguồn số liệu quan trắc trạm bề mặt và dữ liệu mưa vệ tinh CMORPH độ phân giải cao. Chuỗi dữ liệu quan trắc trạm cung cấp giá trị mưa thực tế đáng tin cậy tại từng tọa độ điểm cố định. Tuy nhiên, mật độ trạm quan trắc còn thưa thớt tại các vùng núi cao hiểm trở. Số liệu mưa vệ tinh CMORPH giải quyết triệt để nhược điểm này bằng cách bao phủ toàn diện không gian lãnh thổ. Dữ liệu CMORPH được hiệu chỉnh cẩn thận để đảm bảo tính đồng nhất trong suốt chuỗi thời gian dài hai mươi năm. Việc sử dụng đồng thời hai nguồn số liệu tạo tiền đề vững chắc cho việc đối soát các trường dự báo mưa tuần của ECMWF.

3.2. Tiêu chí kiểm định ROC và điểm kỹ năng BSS

Kiểm định xác suất là công cụ đo lường quan trọng đối với các thành phần tổ hợp trong mô hình S2S. Đường cong ROC biểu diễn mối tương quan giữa tỷ lệ dự báo đúng và tỷ lệ báo động giả. Giá trị diện tích dưới đường cong AUC càng tiệm cận 1.0 càng khẳng định năng lực phân tách biến cố xuất sắc. Bên cạnh đó, chỉ số BSS đo lường độ cải thiện kỹ năng so với phương pháp dự báo khí hậu thông thường. Khi giá trị BSS lớn hơn 0, dự báo từ ECMWF mang lại giá trị gia tăng rõ rệt so với số liệu trung bình nhiều năm. Các tiêu chí này cho phép đánh giá độc lập chất lượng dự báo mưa ở các ngưỡng 25mm và 50mm trên từng vùng lãnh thổ.

IV. Ứng dụng kết quả dự báo mưa từ mô hình ECMWF tại thực địa

Kết quả đánh giá khả năng dự báo mưa của mô hình ECMWF đem lại cơ sở khoa học thiết thực cho các cơ quan khí tượng thủy văn tại Việt Nam. Kỹ năng dự báo duy trì hiệu quả cao nhất ở tuần dự báo đầu tiên (leadtime 1) và suy giảm có kiểm soát ở tuần thứ hai (leadtime 2). Từ tuần thứ ba trở đi, thông tin dự báo chủ yếu đóng vai trò định hướng xu thế tổng thể thay vì định lượng chi tiết từng điểm. Việc nắm vững quy luật sai số theo mùa giúp các dự báo viên chủ động hiệu chỉnh thiên lệch hệ thống trước khi phát hành bản tin nghiệp vụ. Trong quản lý thiên tai, dữ liệu S2S của ECMWF cho phép cảnh báo sớm các đợt mưa diện rộng trước từ hai đến ba tuần. Khoảng thời gian vàng này hỗ trợ đắc lực cho các cấp chính quyền lên phương án ứng phó ngập úng và bảo vệ an toàn hồ đập. Ngoài ra, ngành nông nghiệp có thể tận dụng dự báo ẩm nội mùa để điều tiết tưới tiêu và bố trí lịch thời vụ phù hợp.

4.1. Hướng dẫn hiệu chỉnh sai số trong dự báo nghiệp vụ

Trong vận hành dự báo nghiệp vụ hàng ngày, kỹ thuật hậu xử lý thống kê giữ vai trò sống còn. Việc áp dụng phương pháp hiệu chỉnh sai số hệ thống giúp loại bỏ đáng kể các độ lệch ME âm trong mùa xuân và dương trong mùa hè. Các mô hình học máy kết hợp kỹ thuật thu hẹp quy mô động lực cho phép chuyển đổi dự báo lưới thô sang dự báo trạm chi tiết. Đối với các vùng đồi núi hiểm trở, chuyên viên khí tượng cần đối sánh thêm dữ liệu ra đa thời tiết và ảnh vệ tinh tức thời. Cách tiếp cận đa nguồn này hạn chế tối đa nguy cơ dự báo khống mưa lớn hoặc bỏ sót các nhiễu động cục bộ bất thường.

4.2. Ứng dụng trong phòng chống thiên tai và thủy điện

Khả năng nhận diện sớm xu thế mưa từ mô hình ECMWF mang lại giá trị kinh tế và an toàn xã hội to lớn. Các ban chỉ huy phòng chống thiên tai có thể chủ động kích hoạt phương án di dời dân cư trước các đợt mưa lũ lịch sử. Đối với ngành năng lượng, các nhà máy thủy điện sử dụng dữ liệu dự báo hạn tuần để lập kế hoạch điều tiết dung tích đón lũ hợp lý. Quy trình xả lũ chủ động giúp giảm áp lực ngập lụt cho vùng hạ du và tối ưu hóa sản lượng phát điện. Sự phối hợp giữa dữ liệu mô hình toàn cầu và kinh nghiệm phân tích địa phương tạo nên lá chắn bảo vệ vững chắc trước biến đổi khí hậu ngày càng gay gắt.

Nội dung chính

Tổng quan nghiên cứu

Việt Nam nằm trọn trong vành đai nhiệt đới gió mùa với lượng mưa trung bình năm dao động phổ biến từ 1400 đến 2400mm, tạo ra nguồn tài nguyên nước dồi dào nhưng đồng thời tiềm ẩn hiểm họa thiên tai khôn lường. Những đợt mưa lớn cực đoan thường xuyên gây ra lũ ống, lũ quét và sạt lở đất nghiêm trọng, tác động trực tiếp đến an ninh lương thực của quốc gia có nhiều mặt hàng nông sản xuất khẩu đứng nhóm đầu thế giới cũng như an toàn vận hành mạng lưới thủy điện dầy đặc. Trong bối cảnh đó, bài toán dự báo mưa hạn nội mùa đến mùa (S2S) trong khoảng thời gian từ 2 tuần đến 2 tháng đóng vai trò then chốt nhưng luôn là thách thức khoa học lớn, bởi khoảng thời gian này đã mất dần ký ức về điều kiện ban đầu của khí quyển nhưng lại quá ngắn để phản ánh trọn vẹn tương tác chậm từ bề mặt đại dương. Luận văn thạc sĩ chuyên ngành Khí tượng học của tác giả Đặng Hải Yến, dưới sự hướng dẫn khoa học của Tiến sĩ Công Thanh tại Trường Đại học Khoa học Tự nhiên thuộc Đại học Quốc gia Hà Nội năm 2023, tập trung giải quyết bài toán cấp thiết này. Mục tiêu cốt lõi của nghiên cứu là đánh giá toàn diện khả năng dự báo mưa hạn nội mùa từ mô hình toàn cầu ECMWF cho 7 vùng khí hậu đặc trưng của Việt Nam thông qua chuỗi số liệu 20 năm giai đoạn 2001-2020. Đề tài thực hiện kiểm chứng chi tiết các hạn dự báo từ 1 đến 6 tuần đối với tổng lượng mưa tích lũy 7 ngày, so sánh trực tiếp với bộ số liệu mưa vệ tinh CMORPH và mạng lưới 113 trạm quan trắc mặt đất. Kết quả đánh giá cung cấp bức tranh định lượng chính xác về sai số hệ thống, độ tin cậy xác suất và tiềm năng ứng dụng thực tiễn của sản phẩm dự báo S2S, tạo tiền đề khoa học vững chắc cho công tác phòng chống thiên tai và tối ưu hóa quản lý nguồn nước quốc gia.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu vận dụng nền tảng lý thuyết dự báo hạn nội mùa đến mùa (S2S), một định hướng đột phá do Chương trình Nghiên cứu Thời tiết Thế giới và Chương trình Nghiên cứu Khí hậu Thế giới đồng khởi xướng nhằm lấp đầy khoảng trống giữa dự báo thời tiết hạn vừa (dưới 15 ngày) và dự báo khí hậu theo mùa. Về mặt động lực học, dự báo S2S khai thác tương tác phi tuyến giữa hoàn lưu khí quyển quy mô lớn, dao động nội mùa nhiệt đới Madden-Julian và các chế độ dao động bề mặt biển như El Niño - Dao động Nam. Đề tài kết hợp chặt chẽ hai trường phái dự báo: dự báo tất định nhằm xác định giá trị lượng mưa cụ thể và dự báo tổ hợp xác suất gồm 11 thành phần để mô phỏng mức độ bất định của trạng thái khí quyển. Bên cạnh đó, luận văn áp dụng khung lý thuyết thống kê cực trị khí hậu, xác định các đợt mưa cực đoan dựa trên ngưỡng phân vị thứ 90 của lượng mưa tích lũy 7 ngày xuyên suốt chuỗi dữ liệu 20 năm, làm thước đo chuẩn mực đánh giá năng lực dự báo các hiện tượng thời tiết nguy hiểm.

Phương pháp nghiên cứu

Về nguồn dữ liệu và cỡ mẫu, đề tài thu thập và xử lý toàn bộ chuỗi số liệu dự báo lại 20 năm từ tháng 1 năm 2001 đến tháng 12 năm 2020 của mô hình toàn cầu ECMWF với hạn dự báo 45 ngày, bước thời gian tích lũy 7 ngày (tương ứng 6 lead time) và tần suất 2 phiên mỗi tuần. Tập số liệu dự báo gồm 11 thành phần tổ hợp được nội suy từ độ phân giải 32km về mạng lưới ô lưới 0.125 độ, tương đương khoảng 13km. Dữ liệu kiểm chứng độc lập bao gồm bộ số liệu mưa vệ tinh vi sóng kết hợp hồng ngoại CMORPH độ phân giải 8km (nội suy về 0.25 độ) và chuỗi quan trắc thực đo liên tục tại 113 trạm khí tượng phân bố đại diện trên 7 vùng khí hậu Việt Nam. Phương pháp chọn mẫu áp dụng kỹ thuật phân tầng không gian và thời gian: toàn bộ chuỗi quan sát được chia thành 4 thời kỳ khí hậu gồm các tháng mùa đông (DJF), mùa xuân (MAM), mùa hè (JJA) và mùa thu (SON), đồng thời phân tách theo 7 tiểu vùng địa hình từ Tây Bắc đến Nam Bộ. Lý do lựa chọn hệ thống phân tích đa chỉ số là sự kết hợp bổ trợ lẫn nhau: các chỉ số tất định gồm sai số trung bình (ME), sai số tuyệt đối trung bình (MAE) và sai số quân phương (RMSE) cho phép định lượng độ lệch biên độ và xu hướng dự báo khống hay dự báo thiếu; trong khi các công cụ xác suất gồm đường cong ROC, diện tích AUC và điểm kỹ năng Brier (BSS) tại 3 ngưỡng mưa 25mm, 50mm, 100mm/7 ngày giúp đánh giá khách quan khả năng phát hiện biến cố cực trị của mô hình tổ hợp.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Thứ nhất, mức độ sai số của mô hình ECMWF có mối tương quan thuận rõ rệt với quy mô lượng mưa thực tế theo từng mùa khí hậu. Trong các tháng mùa khô DJF, khi lượng mưa trung bình tháng chỉ đạt từ 50 đến 100mm, sai số tuyệt đối trung bình (MAE) trên phần lớn lãnh thổ duy trì ở mức thấp từ 30 đến 40mm. Ngược lại, vào các tháng cao điểm mùa hè JJA, lượng mưa tại các vùng Bắc Bộ tăng vọt lên 400 đến 900mm/tháng, kéo theo sai số MAE tăng mạnh lên khoảng 160 đến 200mm.

Thứ hai, xu hướng sai số trung bình (ME) thể hiện đặc tính phân hóa theo chế độ ẩm. Trong mùa khô DJF, chỉ số ME thiên dương trên hầu hết các vùng khí hậu, phản ánh tình trạng mô hình có xu hướng dự báo khống lượng mưa so với quan trắc thực tế. Tuy nhiên, khi bước vào cao điểm mùa mưa JJA và SON, ME chuyển sang thiên âm rõ nét tại các tâm mưa lớn ở vùng núi phía Bắc và Bắc Trung Bộ, cho thấy mô hình dự báo thấp hơn lượng mưa thực đo tại các sự kiện mưa lớn cục bộ.

Thứ ba, kỹ năng dự báo suy giảm tuyến tính theo thời gian dự báo trước. Tại lead time 1 và lead time 2 (tuần 1 và tuần 2), mô hình thể hiện kỹ năng dự báo vượt trội với chỉ số diện tích dưới đường cong AUC vượt ngưỡng 0.70 tại ngưỡng mưa 25mm/7 ngày. Kể từ tuần 3 trở đi, giá trị BSS và AUC suy giảm nhanh chóng, tiệm cận ngưỡng không còn kỹ năng hữu ích ở tuần 5 và tuần 6.

Thứ tư, khu vực Bắc Trung Bộ và Nam Trung Bộ trong các tháng mùa thu SON ghi nhận sai số MAE cao kỷ lục cả nước, đạt mức 300mm tại dải ven biển Quảng Bình, Quảng Trị và Thừa Thiên Huế do chịu tác động kép của không khí lạnh tăng cường và xoáy thuận nhiệt đới.

Thảo luận kết quả

Nguyên nhân căn bản dẫn đến sai số lớn tại các khu vực địa hình dốc như Thừa Thiên Huế hay vùng núi Tây Bắc bắt nguồn từ việc mô hình hoàn lưu toàn cầu dù đã nội suy về 0.125 độ vẫn chưa giải quyết trọn vẹn hiệu ứng địa hình chắn gió cục bộ. Kết quả này hoàn toàn nhất quán với các nghiên cứu quốc tế của Li và Robertson, hay De Andrade tại khu vực châu Phi và Nam Mỹ, khẳng định quy luật chung rằng kỹ năng dự báo S2S của ECMWF đạt độ tin cậy tối ưu trong khoảng 14 ngày đầu và phụ thuộc chặt chẽ vào mùa khí hậu.

Để trực quan hóa hiệu quả các phát hiện này trong báo cáo học thuật, dữ liệu nghiên cứu có thể được biểu diễn thông qua hệ thống bảng so sánh đa chỉ số (MAE, ME, RMSE) giữa 7 vùng khí hậu theo từng bậc thời gian 7 ngày. Đồng thời, việc ứng dụng biểu đồ đường cong ROC kết hợp biểu đồ diện tích AUC đa ngưỡng (25mm, 50mm, 100mm) và bản đồ nhiệt (Heatmap) thể hiện phân bố điểm kỹ năng BSS trên toàn lãnh thổ sẽ cung cấp cái nhìn trực quan, giúp các chuyên viên khí tượng nhanh chóng nhận diện vùng không gian và khoảng thời gian dự báo đáng tin cậy.

Đề xuất và khuyến nghị

Nhằm nâng cao hiệu quả ứng dụng sản phẩm dự báo S2S của ECMWF vào thực tiễn dự báo khí tượng thủy văn tại Việt Nam, bốn nhóm giải pháp trọng tâm được đề xuất như sau:

Một là, thiết lập quy trình hiệu chỉnh sai số thống kê hậu xử lý bằng phương pháp khớp phân vị phi tham số kết hợp thuật toán học máy. Trung tâm Dự báo Khí tượng Thủy văn Quốc gia cần chủ trì triển khai giải pháp này nhằm giảm sai số tuyệt đối trung bình (MAE) từ 20% đến 30% đối với các hạn dự báo từ 1 đến 3 tuần, hoàn thành thử nghiệm nghiệp vụ trong vòng 12 tháng.

Hai là, tích hợp bản tin dự báo xác suất tổ hợp 11 thành phần vào hệ thống cảnh báo sớm thiên tai hạn vừa và hạn nội mùa. Ban Chỉ đạo Quốc gia về Phòng chống Thiên tai phối hợp với các cơ quan chuyên môn xây dựng kịch bản ứng phó trước 14 ngày cho các đợt mưa cực đoan vượt ngưỡng phân vị 90, thí điểm áp dụng tại 7 tỉnh trọng điểm miền núi phía Bắc và miền Trung trong giai đoạn 18 tháng tới.

Ba là, mở rộng và chuẩn hóa mạng lưới kiểm định tự động thông qua việc kết nối hơn 1000 trạm đo mưa tự động với mạng lưới 113 trạm khí tượng truyền thống. Tổng cục Khí tượng Thủy văn cần chỉ đạo thực hiện nâng cấp hệ thống máy chủ đồng hóa dữ liệu, đảm bảo cập nhật độ trễ kiểm chứng dưới 30 phút trong mốc thời gian 2024-2026.

Bốn là, ứng dụng kết quả dự báo tổng lượng mưa tuần vào quy trình vận hành liên hồ chứa thủy điện và thủy lợi. Tập đoàn Điện lực Việt Nam và Bộ Nông nghiệp và Phát triển Nông thôn cần phối hợp thiết lập mô hình điều tiết đón lũ linh hoạt, đặt mục tiêu tối ưu hóa 15% dung tích phòng lũ trước các đợt mưa lớn từ 7 đến 10 ngày, triển khai đồng bộ từ quý 3 năm 2024.

Đối tượng nên tham khảo luận văn

Luận văn là tài liệu tham khảo chuyên sâu và giá trị cho bốn nhóm đối tượng trọng tâm sau:

Thứ nhất, học viên cao học, nghiên cứu sinh và giảng viên chuyên ngành Khí tượng học, Thủy văn học và Biến đổi khí hậu. Nhóm đối tượng này có thể khai thác phương pháp luận đánh giá dự báo tổ hợp, cách tiếp cận chuỗi số liệu 20 năm và quy trình tính toán các chỉ số xác suất ROC, BSS làm khuôn mẫu cho các công trình nghiên cứu hàn lâm tiếp theo.

Thứ hai, đội ngũ dự báo viên tại Trung tâm Dự báo Khí tượng Thủy văn Quốc gia và các Đài Khí tượng Thủy văn khu vực. Tài liệu cung cấp căn cứ định lượng về sai số hệ thống trên từng tiểu vùng và từng mùa, giúp dự báo viên chủ động hiệu chỉnh kinh nghiệm khi sử dụng sản phẩm ECMWF trong ca trực tác nghiệp hàng ngày.

Thứ ba, cán bộ quản lý tại các cơ quan phòng chống thiên tai từ trung ương đến địa phương. Nghiên cứu mang lại cơ sở khoa học để xây dựng kế hoạch ứng phó sớm trước 2 đến 4 tuần đối với nguy cơ lũ lụt, lũ quét và sạt lở đất diện rộng.

Thứ tư, kỹ sư vận hành công trình thủy điện và quản lý tài nguyên nước. Bản đánh giá lượng mưa tuần hỗ trợ tính toán lưu lượng dòng chảy về hồ chứa, nâng cao hiệu quả sản xuất điện và an toàn đập.

Câu hỏi thường gặp

Mô hình ECMWF đạt độ chính xác cao nhất ở hạn dự báo nào tại Việt Nam? Mô hình thể hiện kỹ năng dự báo vượt trội nhất ở hạn dự báo tuần 1 và tuần 2, tức lead time 1 và 2. Trong khoảng thời gian 14 ngày này, diện tích dưới đường cong AUC đạt trên 0.70 đối với ngưỡng mưa 25mm/7 ngày. Sau tuần thứ 2, kỹ năng dự báo suy giảm đáng kể và giảm dần độ tin cậy ở tuần 5 và tuần 6.

Vì sao sai số MAE của mô hình đạt giá trị cao nhất tại dải miền Trung vào mùa thu? Vào các tháng mùa thu (SON), khu vực Bắc Trung Bộ và Nam Trung Bộ chịu tác động tổng hợp của địa hình đón gió Trường Sơn, không khí lạnh và bão nhiệt đới, gây mưa cực đoan trên 700mm/tháng. Độ phân giải 32km của ECMWF chưa mô phỏng hết hoàn lưu quy mô nhỏ, dẫn đến sai số MAE lên tới 300mm tại Thừa Thiên Huế.

Dự báo tổ hợp mang lại lợi thế gì so với dự báo tất định đơn lẻ trong nghiên cứu này? Dự báo tổ hợp 11 thành phần của ECMWF cho phép định lượng mức độ bất định của khí quyển thay vì chỉ đưa ra một giá trị duy nhất. Thông qua các chỉ số xác suất như BSS và đường cong ROC, người dùng có thể đánh giá tỷ lệ xuất hiện các đợt mưa cực đoan vượt ngưỡng phân vị 90 để ra quyết định phù hợp.

Bộ số liệu mưa vệ tinh CMORPH đóng vai trò gì trong quá trình đánh giá mô hình? CMORPH là bộ số liệu ước tính lượng mưa vi sóng kết hợp hồng ngoại toàn cầu với độ phân giải cao 8km. Bộ số liệu này cung cấp bức tranh mưa liên tục theo không gian và thời gian trong suốt 20 năm (2001-2020), đóng vai trò làm dữ liệu kiểm chứng khách quan để tính toán sai số MAE và RMSE trên từng điểm lưới.

Tại sao mô hình ECMWF lại có xu hướng dự báo khống lượng mưa trong mùa khô? Trong các tháng mùa đông (DJF), lượng mưa thực tế trên phần lớn lãnh thổ Việt Nam rất nhỏ, chỉ khoảng 50 đến 100mm/tháng. Khi điều kiện khí quyển khô hanh chiếm ưu thế, mô hình có xu hướng kích hoạt tham số hóa đối lưu hơi ẩm quá mức, dẫn đến chỉ số sai số trung bình ME mang giá trị dương ở hầu hết các vùng.

Kết luận

Nghiên cứu đánh giá khả năng dự báo mưa từ mô hình ECMWF cho khu vực Việt Nam đã mang lại những đóng góp khoa học và thực tiễn nổi bật, tóm lược qua 5 điểm then chốt:

• Đánh giá toàn diện chuỗi dữ liệu 20 năm (2001-2020) với 11 thành phần tổ hợp cho 7 vùng khí hậu đặc trưng.
• Xác định rõ hạn dự báo vàng trong 1 đến 2 tuần đầu đạt độ tin cậy cao, trước khi suy giảm dần ở tuần 3 đến tuần 6.
• Làm sáng tỏ quy luật phân hóa sai số theo mùa với sai số MAE cực đại đạt 300mm tại miền Trung vào các tháng mùa thu.
• Khẳng định giá trị thực tiễn của các chỉ số xác suất ROC, AUC và BSS trong việc cảnh báo sớm mưa cực trị theo ngưỡng phân vị 90.
• Cung cấp cơ sở khoa học tin cậy để triển khai các mô hình hiệu chỉnh thống kê và học máy trong giai đoạn 2024-2026.

Công trình là bước đệm quan trọng giúp ngành khí tượng hiện đại hóa công nghệ dự báo hạn nội mùa. Các nhà nghiên cứu và cơ quan chuyên môn hãy đẩy mạnh ứng dụng và phát triển giải pháp hiệu chỉnh sai số nhằm tối ưu hóa hiệu quả phòng chống thiên tai tại Việt Nam.

Trích đoạn nội dung tài liệu

CHƯƠNG 1. Tình hình nghiên cứu ngoài nước Đánh giá dự báo là một trong những đề tài được nước ngoài quan tâm và coi trọng không chỉ để nắm bắt được khả năng dự báo của một mô hình hay số liệu mà đây còn là kết quả quan trọng trước khi tiến tới việc hiệu chỉnh để có được kết quả dự đoán tốt hơn. Do đó, đã có nhiều tác giả ở các khu vực khác nhau trên thế giới quan tâm đến đề tài này. Li và Robertson (2015) Đánh giá khả năng dự báo lượng mưa tháng của Hệ thống dự báo toàn cầu (EPS) cho các mô hình ECMWF, NCEP, JMA giai đoạn 17 năm từ 1992-2008.

Kết quả cho thấy các giá trị đánh giá dự bào tốt và có có mối tương quan chặt chẽ hơn về mặt thống kê ở một số khu vực, đặc biệt là khu vực xích đạo Thái Bình Dương và Đại Tây Dương. Nghiên cứu đã sử dụng các chỉ số đánh giá tất định RMSE và CORR và chỉ số đánh giá xác suất MSSS để đánh giá khả năng dự báo từ các mô hình ECMWF, NCEP, JMA. Cả ba mô hình đều có kỹ năng trong tuần 1 cao hơn ba tuần tiếp theo, kỹ năng dự báo giảm từ các tuần 3-4. Hệ thống dự báo ECMWF có xu hướng cung cấp kỹ năng dự báo cao hơn hai hệ thống còn lại về các hệ số tương quan (CORR) và sai số quân phương (RMSE).

Viguad và Robertson (2017) đã tiến hành nghiên cứu khả năng dự báo lượng mưa đối với các khu vực gió mùa mùa hè Bắc Mỹ (NAM), Tây Phi (WAM) và Châu Á (AM) bằng cách sử dụng ba hệ thống dự báo tổ hợp EPS để dự báo cho 4 tuần. Nghiên cứu đã sử dụng bộ dữ liệu S2S từ các mô hình ECMWF, NCEP, CMA với số liệu dự báo lại S2S cho giai đoạn 1999-2010 so sánh với dữ liệu mưa vệ tinh GPCP. Nhóm tác giả đã sử dụng mô hình hồi quy logistic ELR để dự báo xác suất dự báo lượng mưa trung bình tuần và cho tuần 3-4 bắt đầu từ tháng 5-8 với ngưỡng phân vị 33 và 67 từ lượng mưa tích lũy tuần GPCP và sử dụng chỉ số RPSS để đánh giá kỹ năng dự báo từ các mô hình. Dự báo đa mô hình MME cho thấy các mô hình có kỹ năng dự báo tốt nhất ở tuần 1.

Việc kết hợp nhiều mô hình loại bỏ giá trị âm của điểm kỹ năng xác suất xếp hạng RPSS. Dự báo đa mô hình MME tuần 3-4 có 9 RPSS cao hơn và độ tin cậy cao hơn trên tất cả các vùng có gió mùa, so với dự báo riêng từ các mô hình. Coelho và các cộng sự (2018) đã đánh giá kết quả dự báo mưa từ một đến bốn tuần ở khu vực Nam Mỹ. Nghiên cứu đã sử dụng các chỉ số đánh giá tất định và đánh giá xác suất để đánh giá khả năng dự báo mưa cho khu vực Nam Mỹ từ mô hình ECMWF.

Nhóm tác giả đã sử dụng các chỉ số như hệ số tương quan, MSSS, ROC để đánh giá khả năng dự báo mưa và kết quả cho thấy rằng mô hình ECMWF có kỹ năng dự báo tốt hơn ở tuần 1-2 sau đó kỹ năng giảm đáng kể ở tuần 3-4. Việc đánh giá các dự báo của ECMWF được đưa ra cho tuần 18–24 tháng 4 năm 2016 chỉ ra rằng mô hình có kỹ năng dự báo trước tối đa bốn tuần về khả năng xảy ra mùa khô ở khu vực phía đông bắc Brazil và lượng mưa trên các vùng phía đông bắc Argentina, Uruguay và miền nam Brazil và Peru. Tuy nhiên, mô hình không chỉ ra được khả năng xuất hiện mưa trên Venezuela, Guyana, Suriname và Guyana thuộc Pháp, đặc biệt là tuần 3 và tuần 4.