Tổng quan nghiên cứu

Dự báo định lượng mưa lớn cực đoan luôn là một trong những thách thức phức tạp nhất của ngành khí tượng thủy văn toàn cầu. Tại miền Bắc Việt Nam, địa hình đồi núi chiếm hơn 75% diện tích lãnh thổ với cấu trúc lòng chảo và thung lũng hẹp khiến các đợt mưa diện rộng dễ dàng kích hoạt lũ quét, sạt lở đất nghiêm trọng. Điển hình như trận mưa cực trị lịch sử cuối tháng 7 đầu tháng 8 năm 2015 tại Quảng Ninh với lượng mưa tích lũy từ 1.000 mm đến 1.500 mm đã gây thiệt hại kinh tế ước tính 108 triệu USD và làm 32 người thiệt mạng. Trước thực trạng các mô hình động lực số trị thường gặp sai số phân giải và yêu cầu tài nguyên tính toán lớn, việc tiếp cận theo hướng thống kê phi tham số mở ra hướng đi đột phá.

Luận văn thạc sĩ khoa học chuyên ngành Khí tượng và Khí hậu học (Mã số: 60440222) của tác giả Trịnh Thùy Nguyên, dưới sự hướng dẫn khoa học của PGS.TS Nguyễn Minh Trường và TS. Hoàng Phúc Lâm tại Trường Đại học Khoa học Tự nhiên – Đại học Quốc gia Hà Nội, tập trung giải quyết bài toán cốt lõi: Ứng dụng mô hình K điểm gần nhất (K-Nearest Neighbor - kNN) để dự báo xác suất xuất hiện các cấp độ mưa lớn tại khu vực Bắc Bộ.

Phạm vi nghiên cứu bao quát toàn bộ 4 tiểu vùng khí hậu Bắc Bộ (Tây Bắc, Việt Bắc, Đông Bắc và Đồng bằng Bắc Bộ) dựa trên chuỗi số liệu tái phân tích khí quyển kéo dài 15 năm (giai đoạn 2001 - 2015). Đề tài mang ý nghĩa thực tiễn to lớn trong việc bổ sung công cụ dự báo hạn ngắn (1 đến 3 ngày) có độ tin cậy cao, hỗ trợ đắc lực cho công tác vận hành hồ chứa thủy điện và giảm thiểu rủi ro thiên tai cho cộng đồng.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng kết hợp giữa khí tượng synôp nhiệt đới và lý thuyết thống kê xác suất hiện đại:

  • Lý thuyết bảo toàn Xoáy thế Ertel (Potential Vorticity - PV): Trong môi trường đoạn nhiệt và không ma sát, đại lượng xoáy thế trên các mặt đẳng nhiệt độ thế vị được bảo toàn theo định luật Ertel (năm 1942). Đơn vị xoáy thế chuẩn là PVU ($1\text{ PVU} = 10^{-6}\text{ m}^2\cdot\text{s}^{-1}\cdot\text{K}\cdot\text{kg}^{-1}$). Phân tích dị thường xoáy thế cho phép theo dõi sự di chuyển và hội tụ của các khối khí quyển tầng cao rõ nét hơn so với các trường địa thế vị truyền thống.
  • Động lực học Xoáy tương đối ($\xi$): Thành phần thẳng đứng của độ xoáy vận tốc gió biểu thị mức độ xoáy thuận trong tầng đối lưu, đóng vai trò là tiền đề kích hoạt đối lưu sâu sinh mưa lớn.
  • Hệ thống hình thế Synôp gây mưa Bắc Bộ: Phân loại và nhận diện 5 dạng hình thế thời tiết điển hình bao gồm: xoáy thuận nhiệt đới (bão và áp thấp nhiệt đới phát triển đến độ cao 5.000 m), dải hội tụ nhiệt đới (ITCZ), rãnh áp thấp bị nén bởi không khí lạnh phía Bắc, rãnh gió Tây trên cao ở mực 500 hPa và hội tụ kinh hướng giữa hai luồng gió nóng ẩm từ vịnh Bengal và Biển Đông.
  • Quy chuẩn phân cấp mưa nghiệp vụ: Áp dụng nghiêm ngặt theo Thông tư 41/2017/TT-BTNMT của Bộ Tài nguyên và Môi trường với 3 cấp độ: mưa vừa (lượng mưa từ 8 mm đến 25 mm/12h), mưa to (từ 25 mm đến 50 mm/12h) và mưa rất to (trên 50 mm/12h).

Phương pháp nghiên cứu

Nghiên cứu sử dụng kết hợp phương pháp tổ hợp trễ (Lagged Composite) và thuật toán học có giám sát phi tham số kNN:

  • Nguồn dữ liệu: Chuỗi số liệu tái phân tích toàn cầu ECMWF giai đoạn 2001 - 2015 với độ phân giải không gian $0,75^\circ \times 0,75^\circ$, bước thời gian 6 giờ trên lưới tọa độ $0^\circ - 40^\circ\text{N}$ và $90^\circ - 120^\circ\text{E}$. Số liệu thực đo lượng mưa ngày thu thập từ mạng lưới trạm quan trắc bề mặt của Trung tâm Dự báo Khí tượng Thủy văn Quốc gia.
  • Cỡ mẫu và phân chia dữ liệu: Tổng tập mẫu gồm 5.478 ngày quan trắc trong 15 năm. Tập mẫu huấn luyện và xây dựng thư viện lịch sử gồm 4.748 ngày (giai đoạn 2001 - 2013, chiếm 86,7% dung lượng mẫu). Tập mẫu độc lập dùng để kiểm định và đánh giá kỹ năng mô hình gồm 730 ngày (hai năm 2014 - 2015, chiếm 13,3% dung lượng mẫu).
  • Lựa chọn không gian nhân tố dự báo: Dựa trên phân tích tương quan dị thường, 6 nhân tố đầu vào chính được trích xuất gồm dị thường xoáy thế (PV) và dị thường xoáy tương đối tại 3 mực độ cao đại diện: mực thấp 1.500 m (850 hPa), mực trung 3.000 m (700 hPa) và mực cao 5.000 m (500 hPa).
  • Lý do lựa chọn kNN và khoảng cách Ơclit (Euclidean Distance): Phương pháp phi tham số không đòi hỏi giả định phân phối chuẩn của các biến số khí quyển, có khả năng lọc nhiễu tốt và tái hiện trạng thái vật lý tương đồng thông qua việc tra cứu lịch sử quá khứ với chi phí vận hành máy tính tối ưu.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Phân tích không gian động lực học khí quyển và thử nghiệm mô phỏng trên tập mẫu độc lập đã đem lại những phát hiện quan trọng:

  • Tín hiệu dị thường xoáy thế xuất hiện sớm trước 1 đến 3 ngày: Tại mực 1.500 m, tâm dị thường xoáy tương đối xuất hiện rõ nét từ 2 ngày trước mưa lớn tại tọa độ $18^\circ - 22^\circ\text{N}$ và $105^\circ - 108^\circ\text{E}$ trước khi dịch chuyển vào vịnh Bắc Bộ và đất liền Đông Bắc trong ngày xảy ra mưa.
  • Độ lớn dị thường xoáy thế tỷ lệ thuận với cấp độ mưa: Ở mực 3.000 m và 5.000 m, giá trị dị thường xoáy thế tăng vọt từ mức bình thường 0,02 PVU lên ngưỡng 0,18 - 0,22 PVU đối với mưa to và đạt đỉnh trên 0,26 PVU khi xuất hiện mưa rất to.
  • Trường áp bề mặt kém nhạy hơn trường xoáy: Nghiên cứu chứng minh rằng dị thường khí áp mực biển (PMSL) biến động phân tán và không thể hiện rõ tâm bão hòa, do đó việc loại bỏ trường áp và chỉ sử dụng trường xoáy đa tầng giúp nâng cao độ chính xác dự báo pha mưa lớn lên hơn 15% so với các tổ hợp biến truyền thống.
  • Xác định tham số lân cận tối ưu: Qua thử nghiệm thực nghiệm trên 730 mẫu kiểm định, giá trị $k = 11$ mang lại chỉ số thành công (Success Rate - SR) đạt mức cao nhất và ổn định nhất khi so sánh với các giá trị $k = 3, 5, 7, 9, 15$.

Thảo luận kết quả

Cơ chế vật lý được làm sáng tỏ cho thấy sự kết hợp giữa dòng dẫn ẩm kinh hướng tầng thấp (850 hPa) và hoàn lưu xoáy thuận tầng trung (700 - 500 hPa) là điều kiện cần và đủ để gây mưa cực đoan diện rộng tại Bắc Bộ. Khi sóng lạnh xâm nhập gặp rãnh áp thấp nhiệt đới bị nén, năng lượng bất ổn định khí quyển được giải phóng mạnh mẽ.

Trên các biểu đồ phân bố không gian và bảng ma trận khoảng cách Ơclit đa chiều, các ngày có mưa lớn lịch sử tạo thành các cụm điểm tập trung rõ rệt trong không gian trạng thái 6 chiều. Việc biểu diễn kết quả dự báo qua đồ thị phân bố xác suất cho phép dự báo viên nhận biết ngưỡng phân vị mưa nguy hiểm thay vì chỉ đưa ra một giá trị tất định duy nhất.

So với các mô hình số trị khu vực như HRM hay MM5 thường gặp hiện tượng dự báo thừa diện tích mưa nhưng thiếu cường độ tâm mưa, mô hình kNN cung cấp xác suất có điều kiện chính xác, giúp hiệu chỉnh hiệu quả các dự báo định lượng mưa cực đoan trong thời hạn 24h đến 72h.

Đề xuất và khuyến nghị

Nhằm hoàn thiện và chuyển giao công nghệ dự báo xác suất vào thực tế nghiệp vụ khí tượng thủy văn, 4 nhóm giải pháp chiến lược được đề xuất:

  • Tích hợp thuật toán kNN vào quy trình nghiệp vụ dự báo số trị: Trung tâm Dự báo Khí tượng Thủy văn Quốc gia cần ban hành quy trình chuẩn tích hợp mô-đun kNN vào hệ thống máy chủ dự báo tác nghiệp, đặt mục tiêu xuất bản bản đồ xác suất mưa tự động trong vòng 15 phút sau khi nhận dữ liệu viễn thám và tái phân tích, hoàn thành trước quý IV năm 2027.
  • Mở rộng kho dữ liệu huấn luyện lên 30 năm: Viện Khoa học Khí tượng Thủy văn và Biến đổi khí hậu chủ trì nâng cấp bộ dữ liệu lịch sử từ năm 1991 đến nay (sử dụng ERA5 độ phân giải cao $0,25^\circ$), giúp cải thiện độ chính xác dự báo các hiện tượng cực đoan hiếm gặp thêm khoảng 8% đến 12% vào giai đoạn 2027 - 2028.
  • Nghiên cứu phát triển mô hình lai ghép EMD-kNN: Các nhóm nghiên cứu tại Đại học Quốc gia Hà Nội đẩy mạnh ứng dụng kỹ thuật phân rã thực nghiệm (Empirical Mode Decomposition - EMD) kết hợp học sâu và kNN để giảm sai số quân phương (RMSE) lượng mưa dự báo xuống dưới 10 mm/ngày trước năm 2029.
  • Xây dựng ngưỡng cảnh báo lũ quét theo thời gian thực: Ban Chỉ đạo Quốc gia về Phòng, chống thiên tai phối hợp cùng các tỉnh vùng núi phía Bắc (Hà Giang, Lào Cai, Yên Bái) thiết lập hệ thống cảnh báo sớm dựa trên xác suất mưa kNN vượt ngưỡng 50 mm/12h, hướng tới giảm thiểu ít nhất 25% thiệt hại về người và tài sản trong mùa bão lũ hàng năm.

Đối tượng nên tham khảo luận văn

Công trình nghiên cứu cung cấp khối lượng tri thức chuyên sâu và công cụ thực hành hữu ích cho 4 nhóm đối tượng chính:

  • Dự báo viên khí tượng tại các đài khu vực: Nắm bắt phương pháp tra cứu tương đồng synôp nhanh chóng, nâng cao độ tin cậy trong các bản tin cảnh báo mưa lớn diện rộng từ 1 đến 3 ngày.
  • Học viên cao học và nghiên cứu sinh ngành Khoa học Trái đất: Tiếp cận tài liệu tham khảo chuẩn mực về phương pháp tính toán tổ hợp trễ, lý thuyết xoáy thế Ertel và kỹ thuật xử lý dữ liệu lưới ECMWF đa chiều.
  • Cán bộ quản lý rủi ro thiên tai và vận hành hồ chứa: Ứng dụng thông tin dự báo xác suất để ra quyết định điều tiết xả lũ chủ động trước 48 giờ tại các lưu vực sông trọng điểm như sông Hồng, sông Lô và sông Đà.
  • Kỹ sư khoa học dữ liệu và trí tuệ nhân tạo môi trường: Tham khảo mô hình phân lớp thống kê phi tham số kNN ứng dụng trong các bài toán dự báo chuỗi thời gian khí hậu phi tuyến phức tạp.

Câu hỏi thường gặp

  • Mô hình K điểm gần nhất (kNN) dự báo mưa dựa trên nguyên lý cốt lõi nào?
    Mô hình hoạt động dựa trên nguyên lý tương đồng lịch sử. Khi nhập vectơ trạng thái khí quyển của ngày hiện tại gồm 6 biến dị thường xoáy thế và xoáy tương đối, thuật toán tính khoảng cách Ơclit trong không gian 6 chiều để tìm ra $k = 11$ ngày trong quá khứ có cấu trúc tương tự nhất, từ đó suy ra xác suất xảy ra mưa lớn.
  • Tại sao luận văn chọn dị thường xoáy thế thay vì khí áp bề mặt để làm nhân tố dự báo?
    Khí áp bề mặt tại vùng nhiệt đới thường biến động chậm và chịu ảnh hưởng mạnh bởi hoàn lưu địa phương, trong khi dị thường xoáy thế (PV) tại các mực 850, 700 và 500 hPa có tính bảo toàn cao và phản ánh chính xác các nhiễu động nhiệt động lực học quy mô lớn trước khi mưa xảy ra từ 24 đến 72 giờ.
  • Ý nghĩa của việc tối ưu hóa tham số $k = 11$ trong mô hình là gì?
    Trong thử nghiệm với 730 mẫu độc lập giai đoạn 2014 - 2015, $k = 11$ là điểm cân bằng tối ưu giữa việc tránh hiện tượng quá khớp (overfitting khi $k$ quá nhỏ) và giảm độ nhạy phân loại (khi $k$ quá lớn), mang lại chỉ số thành công (SR) cao nhất cho cả 3 cấp độ mưa.
  • Mô hình này có thể áp dụng cho khu vực miền Trung và Tây Nguyên không?
    Hoàn toàn có thể mở rộng ứng dụng. Tuy nhiên, do đặc thù tương tác địa hình dãy Trường Sơn và gió mùa Đông Bắc tại miền Trung, các trọng số nhân tố đầu vào cần được hiệu chỉnh lại thông qua việc phân tích lại chuỗi số liệu quan trắc 15 năm riêng biệt cho từng khu vực.
  • Hạn chế chính của phương pháp kNN trong khí tượng là gì và cách khắc phục?
    Hạn chế lớn nhất là kNN không thể dự báo các giá trị vượt ngoài phạm vi lịch sử đã ghi nhận. Để khắc phục, cần liên tục cập nhật tập mẫu quan trắc hàng năm và kết hợp kNN với các mô hình động lực học phân giải cao (Ensemble Prediction Systems).

Kết luận

  • Luận văn đã làm sáng tỏ cấu trúc dị thường xoáy thế và xoáy tương đối tại 3 tầng khí quyển (1.500 m, 3.000 m, 5.000 m) đóng vai trò là dấu hiệu tiền đề đặc trưng gây mưa lớn ở Bắc Bộ.
  • Xây dựng thành công quy trình dự báo xác suất mưa phi tham số kNN dựa trên khoảng cách Ơclit với cỡ mẫu lịch sử 4.748 ngày và xác định tham số tối ưu $k = 11$.
  • Đánh giá kiểm định độc lập trên 730 mẫu thử nghiệm (2014 - 2015) khẳng định mô hình có kỹ năng phân loại tốt các pha mưa vừa, mưa to và mưa rất to trước 1 đến 3 ngày.
  • Đóng góp nguồn tài liệu học thuật giá trị cao cho chuyên ngành Khí tượng học, mở ra hướng ứng dụng khoa học dữ liệu hiện đại vào nghiệp vụ dự báo khí tượng thủy văn Việt Nam giai đoạn 2026 - 2030.
  • Để khai thác tối đa giá trị khoa học của đề tài, các cơ quan nghiên cứu và quản lý môi trường cần nhanh chóng triển khai thử nghiệm thực tế mô hình kNN trên mạng lưới trạm khí tượng quốc gia ngay trong mùa mưa bão tới.