Đánh Giá Kỹ Năng Dự Báo Mưa Lớn Cho Khu Vực Miền Trung Và Tây Nguyên

Luận văn thạc sĩ đánh giá kỹ năng dự báo mưa lớn cho miền Trung và Tây Nguyên từ một số mô hình khu vực, cung cấp thông tin hữu ích.

• Tác giả: Nguyễn Thanh Tú
• Người hướng dẫn: TS. Bùi Minh Tăng
• Trường học: Trường Đại Học Khoa Học Tự Nhiên
• Chuyên ngành: Khí tượng và Khí hậu học
• Đề tài: Đánh Giá Kỹ Năng Dự Báo Mưa Lớn Cho Khu Vực Miền Trung Và Tây Nguyên Của Một Số Mô Hình Khu Vực
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2013
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CẢM ƠN
• MỞ ĐẦU
• 1. CHƯƠNG 1: TỔNG QUAN VỀ BÀI TOÁN ĐÁNH GIÁ DỰ BÁO TRONG KHÍ TƯỢNG VÀ CÁC CHỈ SỐ ĐÁNH GIÁ
• 1.1. Sự cần thiết của bài toán đánh giá
• 1.1.1. Mục đích và ý nghĩa của đánh giá dự báo
• 1.2. Mô hình đánh giá chung cho các yếu tố dự báo thời tiết
• 1.3. Các loại yếu tố dự báo
• 1.4. Các điểm số dùng trong đánh giá
• 1.5. Tổng quan các nghiên cứu về đánh giá dự báo mưa trong và ngoài nước
• 1.5.1. Tổng quan những nghiên cứu ngoài nước
• 1.5.2. Tổng quan những nghiên cứu trong nước
• 2. PHƯƠNG PHÁP NGHIÊN CỨU VÀ TẬP SỐ LIỆU SỬ DỤNG
• 2.1. Đặt bài toán
• 2.2. Mô tả tập số liệu nghiên cứu
• 2.2.1. Miền tính toán, độ phân giải, bước tích phân thời gian và tùy chọn tham số hóa vật lý cho mô hình HRM, WRFARW, WRFNMM
• 2.2.2. Số liệu mô hình
• 2.2.3. Số liệu quan trắc
• 2.3. Phương pháp đánh giá dự báo mưa lớn
• 2.3.1. Phương pháp đánh giá định lượng
• 2.3.2. Phương pháp đánh giá theo ngưỡng mưa
• 3. KẾT QUẢ ĐÁNH GIÁ KỸ NĂNG DỰ BÁO MƯA LỚN CỦA MÔ HÌNH HRM-gfs, WRFARW-gfs VÀ WRFNMM-gfs CHO KHU VỰC MIỀN TRUNG VÀ TÂY NGUYÊN
• 3.1. Kết quả đánh giá các đợt mưa lớn từ năm 2008 đến năm 2010 cho khu vực miền Trung và Tây Nguyên
• 3.2. Kết quả đánh giá dự báo mưa lớn của một số trường hợp điển hình cho khu vực miền Trung và Tây Nguyên
• 3.2.1. Dự báo 24h đợt mưa từ ngày 25/7/2010 đến ngày 27/7/2010 khu vực Trung Trung Bộ của 3 mô hình
• 3.2.2. Dự báo 24h đợt mưa từ ngày 30/9/2010 đến ngày 5/10/2010 khu vực Bắc Trung Bộ của 3 mô hình
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Về Đánh Giá Kỹ Năng Dự Báo Mưa Lớn Tại Miền Trung

Đánh giá kỹ năng dự báo mưa lớn tại miền Trung và Tây Nguyên là một vấn đề quan trọng trong khí tượng học. Khu vực này thường xuyên chịu ảnh hưởng của các hiện tượng thời tiết cực đoan, đặc biệt là mưa lớn. Việc đánh giá chính xác kỹ năng dự báo không chỉ giúp cải thiện chất lượng dự báo mà còn hỗ trợ trong công tác phòng chống thiên tai. Các mô hình dự báo hiện đại như HRM-gfs, WRFARW-gfs và WRFNMM-gfs đã được áp dụng để nâng cao độ chính xác trong dự báo mưa lớn.

1.1. Sự Cần Thiết Của Đánh Giá Kỹ Năng Dự Báo Mưa

Đánh giá kỹ năng dự báo mưa lớn là cần thiết để xác định độ chính xác của các mô hình dự báo. Theo Barbara Brown (2007), việc đánh giá này giúp nhận diện các ưu điểm và nhược điểm của từng mô hình, từ đó cải thiện chất lượng dự báo. Đặc biệt, trong bối cảnh biến đổi khí hậu, việc dự báo chính xác mưa lớn trở nên cấp thiết hơn bao giờ hết.

1.2. Các Mô Hình Dự Báo Thời Tiết Sử Dụng

Các mô hình như HRM-gfs, WRFARW-gfs và WRFNMM-gfs đã được sử dụng để dự báo mưa lớn tại miền Trung và Tây Nguyên. Mỗi mô hình có những ưu điểm riêng, nhưng đều hướng đến việc cải thiện độ chính xác trong dự báo. Việc so sánh kết quả giữa các mô hình giúp xác định mô hình nào hoạt động hiệu quả nhất trong từng điều kiện thời tiết cụ thể.

II. Thách Thức Trong Đánh Giá Kỹ Năng Dự Báo Mưa Lớn

Đánh giá kỹ năng dự báo mưa lớn tại miền Trung và Tây Nguyên gặp nhiều thách thức. Một trong những khó khăn lớn nhất là tính không đồng nhất của dữ liệu mưa. Mưa là hiện tượng thời tiết phức tạp, khó dự báo và đánh giá. Các yếu tố như địa hình, độ ẩm và sự biến đổi khí hậu đều ảnh hưởng đến kết quả dự báo.

2.1. Tính Không Đồng Nhất Của Dữ Liệu Mưa

Dữ liệu mưa thường không đồng nhất về không gian và thời gian. Điều này gây khó khăn trong việc so sánh giữa các mô hình dự báo và dữ liệu quan trắc. Việc xử lý dữ liệu mưa cần phải được thực hiện cẩn thận để đảm bảo tính chính xác trong đánh giá.

2.2. Ảnh Hưởng Của Biến Đổi Khí Hậu

Biến đổi khí hậu đang làm thay đổi các mô hình thời tiết truyền thống. Sự gia tăng tần suất và cường độ của các hiện tượng thời tiết cực đoan như mưa lớn đòi hỏi các mô hình dự báo phải được cập nhật thường xuyên. Việc này không chỉ giúp cải thiện độ chính xác mà còn giúp các nhà khoa học hiểu rõ hơn về các xu hướng thời tiết trong tương lai.

III. Phương Pháp Đánh Giá Kỹ Năng Dự Báo Mưa Lớn

Để đánh giá kỹ năng dự báo mưa lớn, nhiều phương pháp đã được áp dụng. Các phương pháp này bao gồm đánh giá định lượng và đánh giá theo ngưỡng mưa. Mỗi phương pháp có những ưu điểm và nhược điểm riêng, nhưng đều hướng đến việc cung cấp cái nhìn tổng quan về hiệu quả của các mô hình dự báo.

3.1. Đánh Giá Định Lượng Kỹ Năng Dự Báo

Đánh giá định lượng sử dụng các chỉ số như ME, MAE, RMSE để đo lường độ chính xác của dự báo. Các chỉ số này giúp xác định mức độ sai lệch giữa giá trị dự báo và giá trị quan trắc. Việc sử dụng các chỉ số này là cần thiết để có cái nhìn rõ ràng về hiệu quả của từng mô hình.

3.2. Đánh Giá Theo Ngưỡng Mưa

Đánh giá theo ngưỡng mưa tập trung vào việc xác định khả năng dự báo các sự kiện mưa lớn. Phương pháp này giúp đánh giá khả năng phát hiện các sự kiện mưa lớn và giảm thiểu tỷ lệ báo động giả. Đây là một yếu tố quan trọng trong công tác phòng chống thiên tai.

IV. Kết Quả Đánh Giá Kỹ Năng Dự Báo Mưa Lớn Tại Miền Trung

Kết quả đánh giá kỹ năng dự báo mưa lớn cho khu vực miền Trung và Tây Nguyên cho thấy sự khác biệt rõ rệt giữa các mô hình. Các mô hình như HRM-gfs, WRFARW-gfs và WRFNMM-gfs đã cho thấy hiệu quả khác nhau trong việc dự báo mưa lớn. Việc phân tích kết quả này giúp xác định mô hình nào hoạt động tốt nhất trong từng điều kiện cụ thể.

4.1. Kết Quả Đánh Giá Các Đợt Mưa Lớn

Kết quả đánh giá các đợt mưa lớn từ năm 2008 đến 2010 cho thấy mô hình HRM-gfs có độ chính xác cao hơn trong việc dự báo mưa lớn. Các chỉ số như BIAS, POD và FAR cho thấy mô hình này có khả năng phát hiện mưa lớn tốt hơn so với các mô hình khác.

4.2. So Sánh Kết Quả Giữa Các Mô Hình

Việc so sánh kết quả giữa các mô hình cho thấy mô hình WRFARW-gfs có độ chính xác thấp hơn trong một số trường hợp. Tuy nhiên, mô hình này lại có ưu điểm trong việc dự báo các hiện tượng thời tiết khác. Điều này cho thấy cần phải lựa chọn mô hình phù hợp với từng loại dự báo cụ thể.

V. Kết Luận Về Đánh Giá Kỹ Năng Dự Báo Mưa Lớn

Đánh giá kỹ năng dự báo mưa lớn tại miền Trung và Tây Nguyên là một lĩnh vực nghiên cứu quan trọng. Kết quả đánh giá cho thấy các mô hình hiện tại vẫn còn nhiều hạn chế, nhưng cũng đã đạt được những tiến bộ đáng kể. Việc cải thiện kỹ năng dự báo mưa lớn cần sự hợp tác chặt chẽ giữa các nhà khoa học và các cơ quan dự báo.

5.1. Hướng Đi Tương Lai Trong Nghiên Cứu

Hướng đi tương lai trong nghiên cứu đánh giá kỹ năng dự báo mưa lớn cần tập trung vào việc cải thiện các mô hình dự báo. Việc áp dụng công nghệ mới và dữ liệu lớn có thể giúp nâng cao độ chính xác của dự báo. Đồng thời, cần có các nghiên cứu sâu hơn về ảnh hưởng của biến đổi khí hậu đến dự báo mưa lớn.

5.2. Tầm Quan Trọng Của Đánh Giá Trong Công Tác Phòng Chống Thiên Tai

Đánh giá kỹ năng dự báo mưa lớn không chỉ có ý nghĩa trong nghiên cứu khoa học mà còn có tầm quan trọng lớn trong công tác phòng chống thiên tai. Việc dự báo chính xác mưa lớn giúp các cơ quan chức năng có kế hoạch ứng phó kịp thời, giảm thiểu thiệt hại do thiên tai gây ra.

Trích đoạn nội dung tài liệu

phần Mở đầu, Kết luận và Tài liệu tham khảo, luận văn đƣợc bố cục cụ thể nhƣ sau: 10 LUAN VAN CHAT LUONG download : add [e-mail] Chƣơng 1. Tổng quan về bài toán đánh giá dự báo trong khí tƣợng và các chỉ số đánh giá. Phƣơng pháp nghiên cứu và tập số liệu sử dụng Chƣơng 3. Kết quả đánh giá kỹ năng dự báo mƣa lớn của mô hình HRM-gfs, WRFARW-gfs và WRFNMM-gfs cho khu vực miền Trung và Tây Nguyên.

11 LUAN VAN CHAT LUONG download : add [e-mail] CHƢƠNG 1. TỔNG QUAN VỀ BÀI TOÁN ĐÁNH GIÁ DỰ BÁO TRONG KHÍ TƢỢNG VÀ CÁC CHỈ SỐ ĐÁNH GIÁ 1. Sự cần thiết của bài toán đánh giá 1. Mục đích và ý nghĩa của đánh giá dự báo Đánh giá là sự tính toán ƣớc lƣợng mối quan hệ giữa tập số liệu dự báo và tập giá trị quan trắc.

Các hoạt động đánh giá chỉ có ích khi giúp ta đƣa ra đƣợc những kết luận cuối cùng cho sản phẩm dự báo đƣợc đánh giá. Để đánh giá thì kết quả dự báo phải đầy đủ và khách quan còn các quan trắc phải mô tả chính xác những gì có trong thực tế. Theo Barbara Brown (2007), đánh giá chất lƣợng dự báo thời tiết bao gồm 3 mục đích chính: a. Mục đích hành chính Đánh giá theo mục đích hành chính là để chứng tỏ những lợi ích mà công tác dự báo đem lại.

Thông tin đánh giá có nhiều ứng dụng mang tính hành chính nhƣ: cung cấp thông tin cho việc mua sắm các trang thiết bị hay xác định khi nào và có nên thay đổi sản phẩm dự báo bằng một sản phẩm khác hay không… Đánh giá hành chính đƣợc sử dụng để giám sát thƣờng xuyên chất lƣợng tổng thể của các dự báo và theo dõi những thay đổi về chất lƣợng của chúng qua từng thời kỳ. Mục đích khoa học Mục đích khoa học của đánh giá chất lƣợng dự báo để nhận biết chi tiết các ƣu điểm và nhƣợc điểm của một sản phẩm dự báo để từ đó có những hành động tích cực nhằm cải thiện dự báo. Bên cạnh đó, đánh giá khoa học cũng cung cấp trực tiếp các thông tin cho hƣớng nghiên cứu và phát triển dự báo. Mục đích kinh tế Vì mục đích kinh tế là vấn đề phức tạp nên giới hạn luận văn này không xem xét đến [10].

12 LUAN VAN CHAT LUONG download : add luanvanchat@agmail. Mô hình đánh giá chung cho các yếu tố dự báo thời tiết Hình 1.1 Sơ đồ chung cho đánh giá các yếu tố thời tiết Theo tác giả Henry R. Stanski và các cộng sự (1989), hình 1.1 là mô hình chung nhất để đánh giá dự báo các yếu tố thời tiết và tóm tắt các kiểu quyết định đƣợc đƣa ra trƣớc khi một phƣơng pháp đánh giá chuyên dụng đƣợc lựa chọn. 13 LUAN VAN CHAT LUONG download : add [e-mail] Tất cả các phƣơng pháp đánh giá đều đƣợc bắt đầu từ việc tập hợp các tập số liệu quan trắc và dự báo.

Sau đó bƣớc tiếp theo là xử lý các tập số liệu. Khi mục đích đánh giá đƣợc thiết lập, một tập mẫu có thể đƣợc phân loại để đáp ứng mục đích đã định sẵn. “Phân loại ngoại bộ” nghĩa là đánh giá theo nguyên tắc lựa chọn một cách độc lập các yếu tố cần đánh giá. Phân loại ngoại bộ có thể đƣợc thực hiện ở bất cứ thời điểm nào trong quá trình trƣớc các tính toán thống kê đánh giá thực sự và có thể thực hiện cho cả mục đích hành chính và mục đích khoa học.

“Phân loại nội bộ” có nguyên tắc phân loại đƣợc xác định theo mục đích đánh giá và sử dụng chính yếu tố đang đƣợc đánh giá. Có hai cách để thực hiện phân loại nội bộ với kiểu đánh giá cho mỗi cách này là khác nhau. “Phân loại theo quan trắc” nghĩa là phân loại theo giá trị của các yếu tố khí tƣợng quan trắc đƣợc. Sau đó, các đại lƣợng đánh giá có thể đƣợc tính toán cho từng nhóm giá trị quan trắc và giá trị thống kê đƣợc tạo thành này gọi là giá trị “có điều kiện đối với quan trắc”.

“Phân loại theo dự báo” nghĩa là phân loại theo giá trị của các yếu tố thời tiết đƣợc dự báo. Tƣơng tự nhƣ trên, các con số thống kê đƣợc tính toán theo cách phân loại này đƣợc gọi là các giá trị “có điều kiện đối với dự báo”. Việc lựa chọn kiểu phân loại phụ thuộc vào yêu cầu đánh giá và nhiều khi sẽ cần phải sử dụng cả hai cách phân loại trên để đƣa ra một câu trả lời hoàn chỉnh. Các loại yếu tố dự báo Dựa theo các mục đích đánh giá ngƣời ta chia ra thành hai dạng dự báo là: dự báo các đại lƣợng liên tục và dự báo pha.

“Yếu tố dự báo liên tục” là các yếu tố đƣợc dự báo tại một giá trị riêng hoặc trong một khoảng giá trị dự báo. Trong số các yếu tố thời tiết thì nhiệt độ và gió hay đƣợc dự báo theo cách này. “Yếu tố dự báo pha” là các yếu tố dự báo có thể xảy ra hoặc không xảy ra. 14 LUAN VAN CHAT LUONG download : add [e-mail] Một vài yếu tố có thể đƣợc dự báo pha hoặc dự báo liên tục, việc lựa chọn chủ yếu phụ thuộc vào yêu cầu của ngƣời sử dụng trong quá trình dự báo.

Các điểm số dùng trong đánh giá Các điểm số dùng trong đánh giá đƣợc minh họa theo từng cặp ở phía dƣới hình 1.1 cho ta thấy đƣợc mối quan hệ giữa chúng. Các điểm số liệt kê trên hình 1.1 gồm 3 loại: Các điểm số tuyến tính, các điểm số toàn phƣơng (bậc hai) và các điểm số kỹ năng. Điểm số toàn phƣơng đƣa ra trọng số của các sai số theo bình phƣơng của chúng trong khi đó điểm số tuyến tính cho trọng số sai số có giá trị bậc nhất. Vì vậy điểm số toàn phƣơng thƣờng đƣa ra trọng số sai số lớn hơn là điểm số tuyến tính và điểm số này rất hữu dụng trong các trƣờng hợp các sai số lớn thực sự nghiêm trọng hơn so với các sai số nhỏ.

Điểm số kỹ năng đƣợc xây dựng để đánh giá mối quan hệ giữa các dự báo và một giá trị chuẩn nào đó. Giá trị chuẩn đƣợc chọn lựa để mô tả một dự báo không kỹ năng. Ba tiêu chuẩn đƣợc sử dụng để so sánh là: chuẩn ngẫu nhiên, chuẩn quán tính và chuẩn khí hậu. Chuẩn ngẫu nhiên mô tả sự phỏng đoán thuần túy và không yêu cầu hiểu biết tri thức, chuẩn quán tính là một dự báo xác định và yêu cầu các hiểu biết về điều kiện thời tiết ban đầu và chuẩn khí hậu là một dự báo thời tiết trung bình trong khoảng thời gian dài và cần phải có sự hiểu biết về lịch sử của thời tiết.

Điểm số kỹ năng đƣợc biểu diễn trong công thức sau: SC  ST SS  PS  ST trong đó SC là điểm số có đƣợc từ dự báo, ST là điểm số đạt đƣợc từ dự báo chuẩn và PS là điểm số từ dự báo hoàn hảo. Các điểm số kỹ năng có thể thu đƣợc từ việc sử dụng bất kỳ một trong các điểm số tổng hợp. Điểm số kỹ năng phổ biến nhất dựa trên nền tảng của điểm Brier (điểm kỹ năng Brier), điểm RP (điểm kỹ năng RP), các giá trị của bảng ngẫu nhiên (điểm Heidke) và sai số trung bình tuyệt đối. Tiêu chuẩn thƣờng đƣợc sử dụng nhất là chuẩn khí hậu còn điểm Heidke lại thƣờng đƣợc kết 15 LUAN VAN CHAT LUONG download : add [e-mail] hợp với chuẩn ngẫu nhiên.

Không có điểm kỹ năng cơ bản nào là quan trọng hơn, chúng bình đẳng nhƣ nhau và đều biểu hiện đặc tính của kỹ năng. Tổng quan các nghiên cứu về đánh giá dự báo mƣa trong và ngoài nƣớc 1. Tổng quan những nghiên cứu ngoài nước M. Wilson đã nghiên cƣ́u và đƣa ra nhận định rằ ng qua GTS có thể thấ y các quan trắ c giáng thủy có sẵn thiế u tin ́ h đa ̣i diê ̣n.

Trong năm 1995, WGNE đã khởi xƣớng viê ̣c kiể m tra các QPF (kiể m tra giáng thủy đinh ̣ lƣơ ̣ng) từ các mô hình NWP (mô hình dự báo thời tiết số) với các quan trắ c giáng thủy chất lƣợng cao ở các khu vực khác nhau trên thế giới. Các kết quả đầu tiên của nghiên cƣ́u này thu đƣợc cho Úc, Đức và Mỹ (McBride và Ebert (2000), Ebert và các cộng sự (2002)). Ở đây, các dự báo lƣợng giá ng thủy ngày tích lũy lên đến 3 ngày, các mô hình số dự báo thời tiết đã đƣơ ̣c kiể m chƣ́ng ở Vƣơng quốc Anh cho hơn một năm (các mẫu hơi khác nhau giữa các mô hình do các vấn đề truyền dẫn). Các số liê ̣u mô hình đƣơ ̣c downsacle hoă ̣c upscale đến mô ̣t đô ̣ phân giải chung 96*96 km2.

Các dự báo đƣợc so sánh với các tích lũy upscale hàng ngày thu đƣơ ̣c tƣ̀ các quan trắc radar chất lƣợng đã đƣợc giám sát và hiệu chuẩn (Harrison và các cô ̣ng sƣ̣ (2000)) ở quần đảo Anh và các vùng biển lân cận. Ngoài ra , Masayuki Hirai, Takuya Sakashita cũng đã tiế n hành các QPF ở Nhâ ̣t Bản năm 2002 [13, 14]. Katsafados đã sƣ̉ du ̣ng các quan trắ c bề mă ̣t tƣ̀ hơn 900 trạm thông thƣờng để xác minh và so sánh những dự báo phân loại của trƣờng gió 10 m, trƣờng nhiê ̣t đô ̣ không khí 2 m, trƣờng áp suất mực nƣớc biển 3 giờ và trƣờng lƣợng mƣa tích lũy 6 giờ. Việc đánh giá các hê ̣ thố ng dựa trên việc so sánh điểm - điểm giữa các biến số mô hình đƣợc tạo ra và các quan trắ c bề mă ̣t có liên quan.

Do đó, một thủ tục đánh giá đã đƣợc phát triển dựa trên ƣớc tính của các kỹ thuâ ̣t đánh giá khách quan truyền thống nhƣ bias, RMSE… cho các yế u tố dƣ̣ báo liên tục và rời rạc. Kết quả sơ bộ cho thấy rằng các lỗi mô hình đƣợc đánh giá cao phụ thuộc vào chu kỳ ngày đêm, phụ thuộc vào mùa, phụ thuộc vào thời gian dự báo và vị trí các trạm đặc biệt là trên các khu vực có điều kiện địa lý phức tạp [18]. 16 LUAN VAN CHAT LUONG download : add [e-mail] Trong nghiên cƣ́u của mình , N. Casaioli đã đánh giá lƣợng mƣa mô hình với giáng thủy quan trắ c đƣơ ̣c bởi mạng lƣới thùng đo mƣa dày đặc trên đảo Síp.

Áp dụng phƣơng pháp kiể m nghiê ̣m là phân tích diê ̣n tích mƣa tiế p giáp (CRA).