mở đầu cho quá trình này khi nghiên cứu bài toán QPF tại vùng núi cao Alpine (Bougeault và cs. 6 Luan van Tiếp theo MAP, dự án IHOP (International Water Vapour Project) được thực hiện tại khu đồng bằng rộng lớn phía nam Hoa Kỳ (Weckwerth và cs. Khác với MAP tập trung nghiên cứu trên khu vực núi cao, khu vực nghiên cứu của IHOP có địa hình bằng phẳng nhưng lại là nơi xuất hiện những nhiễu động quy mô vừa với biên độ lớn. Năm 2005, WWRP tiếp tục triển khai dự án CSIP (Convective Storm Initiation Project) với QPF trên khu vực phía nam của vương quốc Anh (Browning và cs.
Đây là khu vực vĩ độ cao, điều kiện khí hậu biển với sự kết hợp thường xuyên của các loại hình thế thời tiết như front, rãnh, và dị thường xoáy thế. 2) Dự áo mưa ằng phương pháp thống kê Như đã biết, rất nhiều phương pháp dự báo khí hậu và thời tiết nghiệp vụ đều dựa trên nền tảng của thống kê. Điều này là do khí quyển là một hệ thống động lực phi tuyến nên không thể dự báo chính xác theo quan điểm dự báo tất định (deterministic). Chính vì thế, các phương pháp thống kê là thực sự cần thiết và trở thành một phần không thể thiếu của các hệ thống dự báo.
Trong khoa học khí quyển, việc ứng dụng các phương pháp thống kê trong dự báo nghiệp vụ có thể phân làm 2 dạng: dự áo thống kê cổ điển và dự áo thống kê động lực (Wilks, 2006 [32]). Phương pháp dự báo thống kê cổ điển được nghiên cứu phát triển trước khi có các sản phẩm NWP và chủ yếu dựa trên cách tiếp cận dự báo hoàn hảo (PP - Perfect Prog). Cùng với sự phát triển của khoa học khí quyển và công nghệ tính toán, các sản phẩm NWP được sử dụng rộng rãi và đưa đến sự ra đời của phương pháp dự báo thống kê động lực do các thông tin dự báo trực tiếp từ mô hình NWP (DMO - Direct Model Output) vẫn chưa thực sự chính xác. Về bản chất, cả hai phương pháp này đều dựa trên một số phương pháp thống kê để thiết lập mối quan hệ tuyến tính hoặc phi tuyến giữa yếu tố dự báo và một tập hợp các nhân tố dự báo.
Các phương trình dự báo được xây dựng dựa trên một tập số liệu trong quá khứ (gọi là tập số liệu phụ thuộc) và áp dụng để dự báo cho tương lai. Cho đến nay, phương pháp thống kê cổ điển ít khi được sử dụng cho bài toán dự báo thời tiết mà thay vào đó là các phương pháp thống kê động lực (Wilks, 2006 [32]). 7 Luan van Những nỗ lực nghiên cứu áp dụng các phương pháp thống kê trong bài toán dự báo xác suất định lượng mưa (PQPF-Probabilistic Quantitative Precipitation Forecast) dựa trên cách tiếp cận PP; khí hậu synop của Korte và cs. Glahn và Lowry (1972) chính là những người đặt nền móng đầu tiên trong việc ứng dụng các phương pháp thống kê kết hợp với các sản phẩm dự báo từ mô hình NWP nhằm mục đích: 1) Nâng cao chất lượng dự báo mưa từ mô hình NWP, 2) Dự báo cho các điểm không được dự báo trực tiếp từ mô hình NWP, và 3) Áp dụng cho bài toán downscaling.
Đối với bài toán PQPF, mô hình MOS của Glahn và Lowry (1972) được xây dựng dựa trên phương pháp hồi quy tuyến tính đa biến với yếu tố dự báo là xác suất xảy ra mưa thay vì lượng mưa hiểu theo nghĩa thông thường. Cụ thể, lượng mưa quan trắc sẽ được quy về biến nhị phân trong đó nhận giá trị 1 nếu có mưa xảy ra (xác suất 100%) và giá trị 0 nếu không có mưa xảy ra (xác suất 0%). Glahn và Lowry (1972) gọi phương pháp thống kê này là mô hình PoP (Probability of Precipatation). Quá trình tuyển chọn nhân tố cho mô hình PoP được thực hiện dựa trên phương pháp hồi quy từng bước với tiêu chuẩn dừng tuyển chọn dựa trên chỉ số đánh giá BS.
Trong nghiên cứu này, Glahn và Lowry (1972) không phát triển các phương trình MOS cho tất cả các trạm mà dựa trên các đặc trưng khí hậu để nhóm các trạm vào trong các nhóm khác nhau và phát triển các phương trình MOS cho từng nhóm trạm này. Kế thừa những thành công trong nghiên cứu của Lemcke và Kruizinga (1988) [30] cho Hà Lan, Brunet và cs. (1988) [24] cho Canada,… Hầu hết các nghiên cứu này dựa trên ý tưởng về mô hình PoP của Glahn và Lowry (1972) [25] nhưng đã được địa phương hóa và có một số điểm khác biệt liên quan đến các tùy chọn về ngưỡng mưa, tập nhân tố, dung lượng mẫu, mùa dự báo, tiêu chí tuyển chọn nhân tố,… Tuy nhiên, có một kết quả chung mà tất cả các nghiên cứu nói trên chỉ ra đó là các kết quả dự báo từ MOS đã cho thấy sự cải thiện đáng kể trong chất lượng dự báo so với DMO, dự báo khí hậu quán tính và dự báo chủ quan của dự báo viên. Đặc biệt, cách tiếp cận MOS còn được ứng dụng để phát triển các phương trình dự báo lượng mưa trung bình lưu vực sông như trong các nghiên cứu của Krzysztofowitz và cs.2 Tình hình nghiên cứu trong nước Việt Nam hàng năm đều chịu ảnh hưởng của các hình thế thời tiết gây mưa lớn như: Bão, ATNĐ, không khí lạnh có cường độ mạnh,.
Mưa lớn gây ra những thiệt hại to lớn về kinh tế và con người, do vậy từ trước đến nay các nhà khí tượng trong nước rất quan tâm đến việc nghiên cứu dự báo mưa lớn. Trước đây, trong nghiệp vụ dự báo, các cơ quan dự báo khí tượng thủy văn từ cấp Trung ương đến địa phương đã sử dụng chủ yếu là phương pháp synop để dự báo hình thế thời tiết và dự báo mưa hàng ngày. Các bản đồ synop lúc này còn vẽ thủ công, các đường đẳng áp còn thưa (phổ biến cách nhau 5mb), số liệu mặt đất còn thưa, số liệu trên cao còn quá ít. Do vậy phương pháp synop lúc này chủ yếu là phân tích hình thế và kết quả chỉ dự báo được xu thế mưa cho từng khu vực tương đối rộng lớn, các khu vực nhỏ chưa được chính xác, và chưa dự báo được định lượng mưa.
Phương pháp thống kê đã được dùng đến, nhưng chủ yếu là dựa vào phương pháp hồi quy đơn giản áp dụng cho một vài điểm, kết quả chưa cao vì nguồn số liệu sử dụng còn ít và là số liệu mặt đất của các trạm quan trắc bề mặt. Trong những năm gần đây, trước nhu cầu cấp bách về việc nâng cao chất lượng dự báo cùng với sự phát triển mạnh mẽ của công nghệ dự báo thời tiết bằng phương pháp số trị trên thế giới thì ở Việt Nam đã tiến hành tiếp thu công nghệ của một số mô hình như RAMS, ETA, WRF, MM5, HRM nhằm mục đích nghiên cứu, cải tiến và áp dụng thành công các mô hình này phục vụ cho công tác dự báo thời tiết nói chung và dự báo mưa nói riêng tại Việt Nam. Trong đó tiêu biểu là các công trình nghiên cứu. Năm 2005, Hoàng Đức Cường và cs.
đã ứng dụng mô hình MM5 của Mỹ để dự báo mưa lớn và bão cho toàn bộ lãnh thổ Việt Nam với trường đầu vào từ mô hình toàn cầu GFS của NCEP, không xây dựng hệ thống phân tích riêng của mình. Nhóm tác giả tập trung thử nghiệm các sơ đồ tham số hóa khác nhau và kết luận rằng, không có một tổ hợp sơ đồ tham số hóa nào tối ưu cho mọi hình thế thời tiết gây mưa. Như vậy nghiên cứu của nhóm tác giả cũng chưa giải quyết được bài toán dự báo mưa lớn cho khu vực Bắc Bộ Việt Nam. Khi thực hiện nhiệm vụ dự báo mưa nhỏ mưa phùn cho khu vực bắc 9 Luan van Trung Bộ, Nguyễn Viết Lành đã phân tích được các hình thế synop cũng như những điều kiện khí tượng có thể gây mưa nên mưa nhỏ mưa phùn cho khu vực nghiên cứu một cách khá đầy đủ và khoa học.
Đặc biệt, tác giả đã xây dựng được bộ phương trình dự báo sự xuất hiện mưa nhỏ mưa phùn với thời hạn dự báo 24 giờ cho 10 trạm khí tượng đại diện cho khu vực Bắc Trung Bộ bằng phương pháp thống kê trên chuỗi số liệu quan trắc tại trạm. Kết quả cho thấy, bộ phương trình có độ chính xác trên 79% trên chuỗi số liệu phụ thuộc và 74% trên chuỗi số liệu độc lập [37]. Khi thử nghiệm dự báo mưa lớn khu vực Nam Trung Bộ, Bùi Minh Sơn và Phan Văn Tân đã sử dụng mô hình quy mô vừa MM5 để khảo sát khả năng dự báo các sự kiện mưa lớn trong thời kỳ 2005-2007 ở khu vực Nam Trung Bộ. Hai thí nghiệm đã được thực hiện: 1) Chạy mô hình dự báo cho các đợt mưa lớn điển hình xảy ra trên khu vực Nam Trung Bộ thời kỳ 2005-2007 với 3 sơ đồ tham số hóa đối lưu khác nhau là sơ đồ Kuo (Ku), sơ đồ Betts-Miller (BM) và sơ đồ Grell (Gr); 2) Chạy mô hình dự báo cho tất cả 23 đợt mưa lớn trong thời kỳ nói trên, trong đó các đợt mưa lớn này được chia làm 3 nhóm căn cứ vào các dạng hình thế synôp gây mưa.
Việc đánh giá kết quả dự báo được thực hiện khi sử dụng số liệu quan trắc từ 20 trạm khí tượng trên khu vực nghiên cứu. Kết quả nhận được cho thấy, khi sử dụng MM5 để dự báo mưa lớn trên khu vực Nam Trung Bộ, trong số các sơ đồ tham số hóa đối lưu, sơ đồ BM cho lượng mưa và phân bố không gian của mưa tốt hơn một ít. Diện mưa mô hình thường nhỏ diện mưa quan trắc trong điều kiện mưa do ảnh hưởng của KKL, nhưng lớn hơn trong các hình thế chịu ảnh hưởng của bão hoặc áp thấp nhiệt đới. Mưa dự báo có xu hướng vượt quá quan trắc trong các hình thế bão, áp thấp nhiệt đới, và thấp hơn quan trắc trong các điều kiện có sự kết hợp giữa KKL và bão, áp thấp nhiệt đới hoặc dải hội tụ nhiệt đới.
Nói chung, MM5 có thể dự báo được các sự kiện mưa lớn trên khu vực Nam Trung Bộ, nhưng cho kết quả dự báo tốt hơn một ít trong các điều kiện mưa gây ra do sự hoạt động của xoáy thuận nhiệt đới hoặc có sự tương tác giữa chúng với KKL [13]. Năm 2008, Vũ Thanh Hằng và cs. đã thực hiện đề tài nghiên cứu “Nghiên cứu cải tiến sơ đồ tham số hóa đối lưu để dự báo mưa lớn khu vực Bắc Bộ bằng mô hình HRM”. Đề tài này đã thu được một số kết quả trong 10 Luan van việc nâng cao chất lượng dự báo định lượng từ mô hình HRM.