Thời tiết và khí hậu - Phần 5 Hoạt động con người - Chương 13 pot

Phần 5 - Hoạt động của con ng{ời
Chơng 13
Dự báo v phân tích thời tiết
Các nhân viên dự báo của Cơ quan Thời tiết Quốc gia (NWS) đã bỏ ra một
phần lớn thời gian lm việc mỗi ngy để trả lời điện thoại với những câu hỏi về thời
tiết sắp tới. Đôi khi ngời ta muốn biết ván golf của mình có bị ma không hoặc l
những cây cảnh ngoi trời của họ có thể bị tổn thơng do sơng muối ban đêm hay
không. Nhng những khía cạnh quan trọng nhất của công việc của một nhân viên
dự báo không can dự đến những chuyện tiện nghi hay không đơn thuần, m l
những câu hỏi liên quan tới những vấn đề sống sót hay chết.
Đó l trờng hợp đối với Mark Moede, nh khí tợng học với Phòng dự báo của
NWS ở San Diego. Cuối tháng 8 năm 1998, phần lớn miền nam California đã bị đe
dọa bởi những vụ cháy do hoạt động dông sét nặng bất thờng phát sinh. Các nhân
viên cứu hỏa chiến đấu với lửa đã nhận đợc những tin cập nhật liên tục về điều
kiện thời tiết có thể ngăn chặn hoặc l khích lệ sự lây lan của đám cháy. Vo ngy 2
tháng 9 tình huống đã đạt tới giai doạn đỉnh điểm của nó. Pete Curran, nhân viên
của Cục phòng hỏa quận Orange, đã duy trì liên lạc trực tiếp với Moede nhằm cập
nhật liên tục về một loạt các trận lốc tố đang tới. Vấn đề l liệu lốc tố có tiếp tục
mạnh lên hay không, hoặc l liệu lốc tố có đi qua những khu vực nơi những ngời
chữa cháy đang tác nghiệp hay không. Nếu gió bão đi theo đờng đó, thì gió mạnh,
sấm sét nguy hiểm v ma ro mù mịt sẽ đa các đội cứu hỏa của Curran vo thế
nguy hiểm. Nhờ trợ giúp của rađa Doppler v thông tin từ các trạm thời tiết tự
động, Moede đã có một cú thông báo điện thoại đúng đắn. Ông đã khuyên Curran
rút các đội của mình khỏi tuyến đi xác suất cao của cơn bão, nơi gió trên 95 km/h
tạo nên một trận bão lửa không thể kiểm soát nổi. Về sau, những ngời chữa cháy
đã báo cáo lại rằng tuyến ho ngăn lửa m họ sơ tán khỏi đã bị thiêu trụi hon
ton. Nếu nh cuộc gọi yêu cầu sơ tán không đợc thực hiện, thì rất có thể l một số
lính chống cháy đã bị giết chết.
Chơng ny thảo luận những phơng pháp m
các nh d

ự báo sử dụng để thực
hiện nhiệm vụ của họ. Đầu tiên chúng ta xem xét một số vấn đề quan trọng liên
quan tới khái niệm chung về dự báo thời tiết v sau đó bn luận những phơng
thức thu nhận v xử lý các dữ liệu cần thiết. Sau nữa, chúng ta nghiên cứu các loại
bản đồ thời tiết khác nhau v chúng đợc dùng nh thế no trong khi phân tích
thời tiết.

Vì sao dự báo thời tiết ch~a hon thiện
Tất cả chúng ta đã từng có những kế hoạch tỉ mỉ bị phá vỡ bởi một dự báo thời
tiết xấu v cũng rất nhanh nhạy tìm ra lỗi khi những điều kiện thực khác với dự
báo. Nh vậy, điều ẩn chứa bên trong thái độ phê phán nh vậy chính l phải nhận
thức đợc rằng các dự báo cần phải đúng đắn v rằng không có chuyện xin lỗi đối
với một sai lầm. Vậy tại sao các dự báo thờng hay sai? Mặc dù, với những máy
tính rất mạnh, vệ tinh, rađa v mạng lới thông tin ton cầu, có vẻ nh lm một dự
báo tốt phải rất dễ. Tuy nhiên, dù đa số công chúng có thể nghĩ nh thế, song hon
ton không phải nh vậy - thật ra, việc dự báo thời tiết đúng l cực kỳ khó.
Để thấy tại sao, hãy hình dung bạn muốn dự báo nhiệt độ ngy mai v suy
ngẫm về một số nhân tố m bạn phải cân nhắc. Thứ nhất, hãy nhớ rằng cấu trúc
nhiệt độ của khí quyển phụ thuộc một phần vo quá trình hấp thụ v phát xạ bức
xạ (sóng ngắn v sóng di), tự chúng lại phụ thuộc vo phân bố thẳng đứng v
ngang của các chất khí khí quyển, mây v nhiều thứ khác. Cho nên, để tính nhiệt
độ tại một điểm, bạn phải bắt đầu với thông tin chi tiết về thnh phần của khí
quyển trong ba chiều đo.
Dĩ nhiên, với sự chuyển đổi không ngừng giữa các pha rắn, lỏng v hơi, thnh
phần khí quyển khó m không đổi, cho nên bạn sẽ phải dự báo những biến đổi đó
trong thời gian. Hãy nhớ thêm rằng khi nớc thay đổi pha, nhiệt ẩn đợc thêm vo
hoặc mất đi từ khí quyển; do đó, bạn sẽ phải luôn theo dõi chuyện đó v quá trình
vận chuyển bức xạ. Nhng những biến đổi pha bị ảnh hởng bởi các dòng thăng v
dòng giáng
quy mô nhỏ, cho nên bạn sẽ phải dự báo nh

thế no đó về các chuyển
động thẳng đứng nh một phần của tất cả những nỗ lực của bạn. Ngoi ra, chuyển
động ngang không thể không tính tới - bạn sẽ phải chấp nhận sự bình lu không
khí nóng hay không khí lạnh (chơng 10).
Về phơng diện gió, ở gần bề mặt, bạn đối mặt với những vấn đề dòng gió lân
cận mặt đất phức tạp v đánh giá nh thế no đó về các hiệu ứng ma sát giữa khí
quyển v bề mặt. Bên trên lớp ma sát thì sự việc đỡ rắm rối hơn, nhng cũng không
l bao. Bi toán cơ bản l bi toán về sự tơng tác liên tục: các chuyển động của khí
quyển lm thay đổi những chuyển động phát triển tiếp sau đó. Nói khác đi, sau một
thời gian ngắn, gió lm thay đổi gió. Cho nên, thậm chí dù bạn chỉ quan tâm tới
nhiệt độ, bạn không thể bảo l gió không đổi, trái lại, bạn buộc phải can dự vo
chuyện dự báo chuyển động khí quyển. Không may, đó l một việc rất khó khăn, bởi
vì khí quyển bất ổn định động lực. Nói nh thế chúng ta ám chỉ rằng những nhiễu
động bé nhỏ thờng lớn lên thnh các thnh tạo lớn dần dần áp đảo trờng chuyển
động. Do đó, cho dù bạn có thể chỉ quan tâm về chuyển động ở quy mô lớn nhằm
đáp ứng các mục đích về bình lu nhiệt, nhng bạn phải cân nhắc các chuyển động
cỡ nhỏ để m biết các hình thế quy mô lớn sẽ tiến hóa ra sao.
Rõ rng, dự báo thời tiết can dự vo một tập những bi toán liên kết với nhau,
mỗi bi toán khó m giải đợc một cách biệt lập, tách ra khỏi tập hợp. Trong bối
cảnh tất cả những khó khăn nh vậy, thật l đáng chú ý l dù sao thì các dự báo
đang cho thấy một sự đúng đắn no đó. Chúng ta chắc ch
ắn sẽ ngạc nhiên l
m thế
466

no m các dự báo có thể thnh công, thay vì phân vân tại sao các dự báo bị sai!
Công tác dự báo thời tiết do chính phủ Mỹ
thực hiện đã bắt đầu vo những
năm 1870, khi ấy Quốc hội thiết lập một Nha Thời tiết Quốc gia trực thuộc Cục
Quân báo. Đến năm 1890, cơ quan ny đổi tên thnh Phòng Thời tiết Quốc gia

(National Weather Bureau) v chuyển sang Bộ Nông nghiệp v ở đó cho đến năm
1942 thì chuyển sang trực thuộc Bộ Thơng mại. Cơ quan Đại dơng v Khí
quyển Quốc gia (NOAA) đợc thnh lập năm 1970 để thống nhất một số cơ quan
nghiên cứu môi trờng, kể cả Nha Thời tiết Quốc gia, cơ quan ny lấy lại tên gọi
cũ của mình. Nha Khí tợng Canađa (Meteorological Service of Canada, MSC),
đóng ở Downsview, Ontario, thực hiện tất cả các nhiệm vụ dự báo cho Canađa v
đảm bảo các thông tin khí tợng địa phơng v khu vực cho 14 trung tâm thời
tiết khu vực của họ.
Các ph~ơng pháp dự báo bão
Không có một phơng pháp no l duy nhất đúng để dự báo thời tiết. Tùy
thuộc vo độ di của dự báo, dạng thông tin đợc yêu cầu v trạng thái hiện tại của
khí quyển đợc biết đến mức no m một phơng pháp no đó trong một loạt
phơng pháp có thể đợc sử dụng. Ngời ta thậm chí có thể cố gắng lm một dự
báo
ngay cả khi không có một dữ liệu no về tình hình thời tiết hiện tại, nếu nh có
đợc thông tin di hạn. Ví dụ, một dự báo các điều kiện nóng, ẩm với một khả năng
giông buổi chiều ở Orlando, Florida vo giữa tháng 8 sẽ có cơ may đúng khá cao.
Những dự báo ny dựa trên các giá trị trung bình di hạn, đợc gọi l các dự báo
khí hậu. Rõ rng, độ tin cậy của một dự báo khí hậu phụ thuộc vo độ biến thiên
năm tới năm của các điều kiện thời tiết đối với ngy dự báo. Do đó, một sự báo dựa
trên khí hậu có thể có một khả năng đúng vừa phải đối với Orlando trong thời gian
mùa hè, song chỉ có ai thực sự bạo gan mới mu tính dự báo nh vậy cho Chicago
vo tháng 4, khi m hầu nh mọi kiểu thời tiết đều có thể xảy ra.
Một kiểu dự báo khác, đợc gọi l dự báo quán tính, dựa hon ton vo điều
kiện hiện tại, không tham chiếu tới khí hậu. Thực ra, một trờng hợp đặc biệt của
dự báo quán tính đang đợc tất cả mọi ngời chúng ta sử dụng trong đời sống hng
ngy. Khi thấy bầu trời trong xanh v bỏ lại ô ở nh, chúng ta đang cợc rằng các
điều kiện hiện hnh sẽ tiếp diễn v chúng ta đang lm một dự báo ngắn hạn dựa
trên quán tính. Phơng pháp đơn giản ny có thể tốt đối với một thời gian ngắn,
nhng cuối cùng sẽ không nắm bắt đợc những thay đổi của thời tiết. Một phiên

bản phức tạp hơn có thể dùng độ giảm áp suất trong một số giờ đã qua để chỉ thị về
một hệ thống áp thấp đang tới v độ phủ mây tăng lên gắn liền với nó. Nói cách
khác, ta có thể chấp nhận rằng xu thế cũng có quán tín
h để lm một dự đoán về
những biến đổi của thời tiết. Tuy nhiên, ở đây ta đã ngoại suy sự diễn biến hiện tại
vo tơng lai, với nhận thức rằng cách ny rồi cũng sẽ thất bại một khi sự diễn biến
đó ngừng lại. Đơng nhiên, thờng l chính những bớc ngoặt đó so với diễn biến
quá khứ mới l cái m chúng ta muốn dự báo; vậy một phơng pháp không đảm
bảo đợc thông tin nh vậy thì chẳng mấy hữu ích.
467

Cho đến những năm 1950, việc phân tích v dự báo thời thiết phụ thuộc hon
ton vo kinh nghiệm của các nh khí tợng học v sự lý giải của họ về tình hình
thời tiết hiện tại v trong quá khứ gần. Anh ta hoặc chị ta (thờng l anh ta ở thời
ấy) sẽ sử dụng diễn biến quá khứ lm chỉ dẫn để xác định xem một hệ thống thời
tiết hiện tại rồi sẽ diễn biến ra sao. Nói khác đi, nh khí tợng học đã chủ yếu dựa
vo sự đối chiếu tình huống hiện tại với những điều kiện tơng tự đã gặp trớc đây
(nhng không nhất thiết phải l quá khứ gần nhất) để lm cơ sở cho một dự báo.
Cách tiếp cận ny đã dẫn đến sự phát triển v sử dụng rất nhiều qui tắc kinh
nghiệm, nhằm thâu tóm các hình thế có khả năng lặp lại v những mối liên hệ
giữa các yếu tố thời tiết khác nhau. Ví dụ, giáng thủy vo mùa đông ở miền đông
Hoa Kỳ v Canađa thờng l tuyết ở về phía bắc của đờng đồng mức độ cao 4560
m đối với mực 500 mb v ma ở về phía nam của đờng ny. Trong phơng pháp
đợc gọi l loại suy ny, ngời ta cố gắng nhận dạng những nét tơng tự giữa các
điều kiện hiện tại với những hình thế tơng tự v đã đợc nghiên cứu kỹ từ quá
khứ. Phơng pháp loại suy có nhiều biến dạng khác nhau, một số mang tính chủ
quan (tùy thuộc v
o trình độ của dự báo viên), một số khác khách
quan (dựa vo
những quan hệ thống kê). Song tất cả đều chấp nhận l những gì đã từng xảy ra

khi no đó trong quá khứ l một chìa khóa cho tơng lai.
Trong vi thập kỷ gần đây, dự báo thời tiết bằng phơng pháp số đã chiếm một
vị trí quan trọng. Thuật ngữ ny hơi gây lầm lẫn, bởi vì tất cả các phơng pháp vừa
nêu ở trên đều cho ra các dự báo số. Cái khác nhau l ở chỗ phơng pháp ny dựa
trên các chơng trình máy tính cố gắng phỏng theo diễn biến thực của khí quyển.
Tức l, các mô hình thời tiết số trực tiếp tính toán sự tiến hóa của gió, áp suất,
nhiệt độ v các yếu tố khác trong thời gian. Bằng cách xem xét đầu ra ứng với một
thời điểm đã định, ngời ta có đợc một bức tranh về trạng thái ba chiều của khí
quyển tại thời điểm đó. (Điều ny trái lại với việc dự báo các giá trị bề mặt cho một
số yếu tố thời tiết, nh các phơng pháp khác có thể lm). Những mô hình số điển
hình sử dụng trong dự báo thời tiết rất lớn v chỉ có thể chạy trên các máy tính
mạnh nhất, gọi l siêu máy tính. Để phản ánh tầm quan trọng của chúng trong dự
báo hiện đại, các mô hình ny đợc trình by kỹ hơn ở mục Các qui trình v sản
phẩm dự báo, v chi tiết hơn nữa, ở phụ lục của chơng 13. ở đây, chúng tôi chỉ
muốn khái quát sự khác nhau giữa các phơng pháp khác v cách tiếp cận có cơ sở
vật lí ny (phơng pháp số).
Các kiểu dự báo
Sản phẩm, hay kết quả của một phơng pháp dự báo có thể có nhiều hình thức
khác nhau, chúng ta gọi l kiểu dự báo. Tất cả chúng ta khá quen thuộc với các dự
báo định lợng,
trong đó chỉ ra giá trị của biến dự báo. Ví dụ, một dự báo nói
rằng Lợng ma sẽ l 1 inch l một dự báo lợng. Tơng tự, các dự báo về nhiệt
độ cao hay thấp l dự báo lợng, vì nó đa ra một trị số cho biến dự báo. Ngợc lại,
các dự báo định tính chỉ đa ra một giá trị phân loại cho biến dự báo. Các ví dụ
của kiểu dự báo ny l ma hay không ma, có bão hay không có bão, trên hay
468

dới chuẩn, hoặc có mây hay có mây một phần hay gần nh quang mây. Trong
những ví dụ ny, các biến dự báo đợc gán vo một lớp, hay loại cụ thể; vậy đó l
một dự báo định tính.

Trong những ví dụ trên, các dự báo đợc đa ra không kèm theo chỉ định giới
hạn. Các dự báo xác suất l một kiểu khác, trong đó khả năng của một sự kiện
no đó đợc nêu ra. Ví dụ, một dự báo phân loại bão có thể đợc biểu diễn thnh
một xác suất, chứ không phải thnh một khẳng định. Dự báo xác suất có thể có
nhiều dạng, phổ biến nhất có lẽ l dự báo xác suất của ma (dự báo PoP). Khi ngời
đa tin nói khả năng ma hôm ny l 70% hay có thể có ma ro buổi chiều với
xác suất 60%, thì đó một dự báo PoP. Chú ý rằng những dự báo ny không chỉ ra
một lợng ma. Trái lại, ý nghĩa của một dự báo PoP l ở chỗ một điểm chọn ngẫu
nhiên trong vùng dự báo sẽ nhận đợc lợng ma có thể đo đợc với xác suất nh
đã chỉ định. Ví dụ, một dự báo PoP 75% có nghĩa l khả năng có ma so với không
ma l 3:1, hay một cách tơng đơng, bạn chỉ có cơ may 1 trong 4 (25%) không bị
ớt trong suốt thời gian dự báo.
Đánh giá dự báo
Dù phơng pháp dự báo no đợc sử dụng,
hay kiểu dự báo l
gì, chúng ta
đơng nhiên cần có một cách no đó khẳng định một dự báo có tốt không. Cần thiết
những tiêu chí, ví dụ, để so sánh một phơng pháp dự báo với phơng pháp khác,
hay để quyết định xem phải cân nhắc ra sao đối với một dự báo khi lên các kế
hoạch. Quan trọng nhất, các chỉ số đánh giá rất cần thiết đối với những ngời chịu
trách nhiệm phát triển v điều hnh các chơng trình dự báo. Vì ngời ta đang liên
tục cố gắng cải tiến các quy trình thu thập dữ liệu v dự báo (với chi phí ngy cng
tăng), cho nên cần có các phơng pháp phán xét giá trị của những cải tiến, điều tiết
những chi phí tơng lai v xác định lợi ích trong đầu t. Mặc dù với t cách l
ngời sử dụng, chúng ta không đợc nghe nghiều về đánh giá dự báo, nhng đó l
một bộ phận hng ngy v không thể thiếu của công tác dự báo chuyên nghiệp.
Qua nhiều năm, nhiều tiêu chí đánh giá v cách đánh giá dự báo đã đợc đề
xuất, mỗi tiêu chí có những u v nhợc điểm riêng. Để phân loại các tiêu chí,
chúng ta phải nghĩ ngay đến mục đích của việc đánh giá. Chúng ta muốn thông tin
về chất lợng dự báo hay l giá trị dự báo? Chất lợng dự báo căn cứ vo sự

trùng khớp giữa dự báo v quan trắc, còn giá trị dự báo căn cứ vo hữu ích của dự
báo. Những thứ ny nghe có vẻ giống nhau, nhng hon ton khác nhau. Ví
dụ,
một dự báo m
a có - không chất lợng cao độ chính xác 100 % có thể có giá trị zero
đối với công tác kế hoạch tới ruộng, ở đó thông tin về lợng ma l quan trọng. Do
không có một quan hệ đơn giản giữa chất lợng v giá trị dự báo, nên phải có các
tiêu chí đánh giá riêng cho từng loại. Vấn đề thứ hai l kiểu dự báo: định lợng hay
định tính, xác suất hay không chỉ định giới hạn v.v Rõ rng l, tiêu chí đánh giá
thích hợp sẽ thay đổi theo kiểu của biến dự báo. Cuối cùng, có vấn đề l chúng ta
muốn có một tiêu chí tuyệt đối của dự báo hay chúng ta chủ yếu chỉ quan tâm tới
một tiêu chí tơng đối, tiêu chí so sánh?
469

Giá trị dự báo nhất thiết phải phụ thuộc vo sự ứng dụng của một dự báo cho
một bi toán hay một quyết định cụ thể. Phần lớn các tiêu chí về giá trị dựa trên
các bảng tính mất/đoợc, nhằm cố gắng nắm bắt những rủi ro v lợi ích gắn liền với
các dự báo khác nhau v những ứng phó đối với các dự báo đó. Ví dụ, nếu biết giá
của một công việc cụ thể bị thất bại, số tiền thu đợc nếu công việc tốt đẹp v xác
suất của một dự báo đúng, bạn có thể gán giá trị bằng tiền cho dự báo. Những tiêu
chí liên quan tới xác suất l những khái niệm vợt ra ngoi khuôn khổ một giáo
trình nhập môn; cho nên, chúng tôi sẽ không bn thêm về giá trị dự báo, ngoi việc
nhấn mạnh rằng một dự báo đơn lẻ có thể có giá trị rất khác nhau, tùy thuộc nó
đợc sử dụng nh thế no.
Đối với chất loợng của một dự báo, một câu hỏi hiển nhiên đợc đặt ra l độ
chính xác của dự báo. Tức l, về trung bình, giá trị dự báo gần với giá trị thực
đến mức no? Có nhiều cách để trả lời câu hỏi đơn giản ny, mỗi cách dẫn đến một
tiêu chí chính xác khác nhau. ở mức rộng nhất, chúng ta có thể muốn có thông tin
về độ chệch của dự báo (bias), nó liên quan tới dự báo thiên cao hoặc thiên thấp
một cách có hệ thống. Một phơng pháp dự báo bị chệch l phơng pháp m giá trị

dự báo trung bình cao hơn hoặc thấp hơn giá trị trung bình thực. Ngợc lại, một
phơng pháp dự báo không bị chệch sẽ không thể hiện xu thế dự báo thiên cao hoặc
thiên thấp. Tất nhiên, điều ny cha nói lên đợc phơng pháp l hon hảo, nó chỉ
có nghĩa l giá trị thiê
n cao trung bình đúng bằng giá trị thiên thấp trung bình,
khiến cho sai số trung bình bằng 0. Ví dụ, nếu bạn muốn dự báo số chấm sau khi
thả một con súc sắc, bạn có thể dự báo l 3,5 chấm trong mỗi lần thả. Sau nhiều lần
thả (một con súc sắc tốt), giá trị trung bình của số chấm sẽ l 3,5, trùng khớp với
các dự báo của bạn vì thế các dự báo không bị chệch. Tất nhiên, phơng pháp ny
không thể cho dù l chỉ một dự báo đúng. Rõ rng l, mặc dù độ chệch l một tiêu
chí hữu ích, chúng ta còn cần các tiêu chí chính xác không cho phép các sai số
dơng vô hiệu hóa các sai số âm. Tiêu chí đơn giản nhất l sai số tuyệt đối trung
bình (MAE), nó bỏ qua dấu (dơng hoặc âm) của các sai số. Tức l, các dự báo thiên
cao v thiên thấp đợc coi ngang hng nhau v đợc xử lí nh nhau v chúng ta chỉ
tìm sai số trung bình m không quan tâm tới dấu.
Đối với những ngời không chuyên nghiệp sử dụng một dự báo, độ chính xác có
lẽ l vấn đề chất lợng quan trọng nhất. Nhng những ngời chuyên nghiệp, những
ngời phát triển các phơng pháp dự báo thì thờng quan tâm đến kỹ năng dự
báo. Kỹ năng dự báo có thể đợc đo bằng nhiều cách khác nhau, song về đại thể,
khái niệm ny đợc định nghĩa l sự tiến bộ của phơng pháp dự báo đó so với các
kết quả dự báo bằng phơng pháp khí hậu, quán tính hay các phơng pháp đợc
gọi l không có kỹ năng khác. Nếu nh phơng pháp
dự báo không tốt hơn việc
dựa vo các giá trị khí hậu, kỹ năng dự báo của phơng pháp đó đợc cho l bằng 0
một dự báo khí hậu không cần thiết các kiến thức đặc biệt về hoạt động của khí
quyển v do đó không có kỹ năng dự báo. Ví dụ, cha từng có một lợng ma có thể
đo đợc no đợc ghi nhận ở Jerusalem vo tháng 7 trong suốt 100 năm qua. Một
phơng pháp bất kỳ đa ra dự báo không ma vo tháng 7 chắc chắn l sẽ thuộc
loại khá chính xác trong phần lớn các trờng hợp. Giống nh vậy, nếu bạn dự báo
470

rằng sẽ có một cơn bão nhiệt đới hoạt động ở đâu đó trên Đại Tây Dơng vo ngy
10 tháng 9 tới, bạn sẽ có một xác suất thnh công 90% (sử dụng diễn biến quá khứ
lm chỉ dẫn). Nhng những dự báo ny không có kỹ năng, bởi vì chúng không nâng
cao đợc xác suất đúng (so với khí hậu trong trờng hợp ny). Chỉ khi nếu các dự
báo đúng nhiều hơn 90% số lần dự báo, chúng ta mới có thể nói phơng pháp có một
kỹ năng no đó. Trong trờng hợp về nhiệt độ không khí, chúng ta có thể so sánh
MAE của phơng pháp dự báo với MAE thu đợc dựa trên giá trị nhiệt độ trung
bình nhiều năm. Nếu phơng pháp không khá hơn phơng pháp khí hậu, điểm kỹ
năng sẽ bằng không. ý tởng ở đây l một dự báo khí hậu không đòi hỏi hiểu biết
đặc biệt gì về diễn biến của khí quyển v do đó không có một kỹ năng gì.
Thu thập v truyền phát số liệu
Khởi điểm của hầu hết tất cả công việc dự báo thời tiết l thông tin hiện trạng
của khí quyển. Để biết tơng lai, chúng ta bắt đầu với thông tin về hiện tại. Nh
vậy, quá trình đầu tiên công tác dự báo thời tiết nghiệp vụ l thu thập số liệu cần
thiết. Điều ny cần phải có những nỗ lực quốc tế, ngay cả khi chỉ lm dự báo cho
những khu vực nhỏ, nh l các nớc riêng biệt; lý do sẽ trở nên rõ dới đây.
Tổ chức Khí tợng Thế giới (WMO), dới sự bảo trợ của Liên hiệp Quốc,
quản lí công tác thu thập số liệu thời tiết trên ton cầu từ 179 quốc gia thnh viên
của nó. WMO thu thập số liệu từ khoảng 10 nghìn trạm quan trắc trên lục địa,
7000 trạm quan trắc trên tu biển, 300 trạm phao neo cố định v phao thả trôi với
các đầu đo thời tiết tự động v một số vệ tinh thời tiết. WMO còn thu đợc số
liệu
cao không từ khoảng 1000 trạm cao không thả bóng thám không thời tiết hai lần
một ngy v số liệu liên tục từ các dụng cụ đặt trên các máy bay dân dụng. Số liệu
từ tất cả các nớc trên thế giới đợc gửi tới ba Trung tâm Khí tợng Thế giới ở
Washington, Mỹ; Moskva, Nga v Melbourne, úc; các trung tâm ny, đến lợt
mình, truyền phát dữ liệu cho tất cả các nớc thnh viên của WMO.
Các quốc gia thnh viên của WMO đều duy trì các cơ quan khí tợng của riêng
họ để thu thập, xử lí dữ liệu v phát báo các dự báo khu vực v quốc gia. ở Mỹ, các

Trung tâm Quốc gia Dự báo Môi trờng (NCEP) của Cơ quan Thời tiết Quốc gia
(NWS) thực hiện các nhiệm vụ ny, còn ở Canađa - do Trung tâm Khí tợng
Canađa của Nha Môi trờng Khí quyển (AES) thực hiện.
Không có gì ngạc nhiên, nớc Mỹ có một mạng lới trạm quan trắc khí tợng
mặt đất tơng đối dy đặc. Trong khoảng 1000 vị trí các điều kiện thời tiết bề mặt
đợc quan trắc thì có khoảng 120 trạm l ở các trụ sở của Cơ quan Thời tiết Quốc
gia; số còn lại l ở các sân bay của Cơ quan Điều hnh Hng không Liên bang
(FAA). AES của Canađa có khoảng 720 trạm đo mặt đất. Các trạm ny ghi lại nhiệt
độ, độ ẩm, áp suất, tình trạng mây (bao gồm loại mây v độ cao chân mây v tỷ
phần diện tích bầu trời bị mây che phủ), hớng v vận tốc gió, tầm nhìn xa, sự xuất
hiện các điều kiện thời tiết đặc biệt, nh sơng mù hoặc ma v lợng m
a tích lũy

đo đợc tại mặt đất. Nh một phần của chơng trình nâng cấp v hiện đại hóa hiện
471

nay (xem chuyên mục 13-1: Chuyên đề: Hiện đại hóa Cơ quan Thời tiết Quốc gia),
FAA v NWS đã lắp đặt hơn 800 đầu thu tự động, đợc gọi l Hệ thống Quan trắc
Mặt đất Tự động (viết tắt l ASOS) để đo đạc v ghi lại những yếu tố trên (hình
13.1). AES cũng đang cho hoạt động hơn 100 trạm quan trắc trên khắp nớc
Canađa, tơng tự nh hệ ASOS, v đợc gọi l Hệ thống Quan trắc Thời tiết Tự
động (AWOS).
Hình 13.1. Một trạm ASOS điển hình
Ngoi các quan trắc mặt đất đợc thực hiện tại những trạm ny, NWS còn thả
những bóng thám không, đợc bơm khí hyđrô, mang theo các bộ máy đo thời tiết,
đợc gọi l máy thám sát vô tuyến (radiosonde) (hình 13.2) . Hai lần một ngy
vo các hạn 0000 v 12000 giờ UTC
*
(Thời gian Đồng bộ Toun cầu, Universal
*

Các thời gian ny tơng ứng với 1900 (7:00 P.M.) v 0700 (7:00 A.M.) của Thời gian Miền
đông Tiêu chuẩn của Mỹ.
472

Coordinated Time), có khoảng 750 bóng thám sát vô tuyến đợc thả lên khí quyển
trên khắp thế giới, khoảng 80 ở trong phạm vi nớc Mỹ v Canađa. Các máy thám
sát vô tuyến liên tục quan trắc v truyền tới các trạm ghi ở mặt đất áp suất, nhiệt
độ không khí v nhiệt độ bầu ớt (từ đó xác định đợc nhiệt độ điểm sơng). Một số
máy thám sát vô tuyến đợc kiểm soát đờng đi bằng rađa khi chúng bay lên trong
khí quyển, cho phép xác định tốc độ v hớng gió của khí quyển tầng trung v tầng
cao. Các máy thám sát vô tuyến đợc kiểm soát quỹ đạo bằng ra đa đợc gọi l rađa
thám sát gió (rawinsonde).
13-1 Chuyên đề:
Hiện đại hóa Cơ quan Thời tiết Quốc gia
Trong mấy thập niên gần đây, tất cả
các mặt của công tác dự báo thời tiết đã
đợc cải thiện đáng kể. Những thnh tựu
của việc phân tích thời tiết l nhờ một
phần ở mạng lới dữ liệu bề mặt đợc cải
thiện v một phần nhờ nhận thức tốt hơn
về các nguyên lý khí tợng học. Song
những cải thiện ấn tợng nhất diễn ra
trên phơng diện công nghệ. Những máy
tính của những năm 1950 v 1960 có
công suất không thể so sánh với các phiên
bản ngy nay chỉ để chạy các mô hình thô
sơ. Thậm chí kịch tính hơn, trớc khi
phóng vệ tinh thời tiết TIROS I tháng 4
năm 1960 không có một quan trắc no
đợc thực hiện từ vũ trụ v do đó có các

khoảng trống về độ phủ không gian cả
trên lục địa lẫn đại dơng.
Đến những năm 1970, sử dụng các
máy tính tốc độ cao v các vệ tinh phức
tạp đã trở thnh chuyện bình thờng
trong dự báo nghiệp vụ. Các vệ tinh địa
tĩnh (vệ tinh quay quanh xích đạo một
vòng trong một ngy v do đó giữ nguyên
vị trí cố định bên trên mặt đất) v những
phiên bản quỹ đạo cực của chúng (vệ tinh
quay từ cực đến cực trong khi hnh tinh ở
phía dới xoay) không chỉ cung cấp ảnh
nhìn thấy v ảnh hồng ngoại về mây, m
còn xác định các đặc trng nhiệt độ v độ
ẩm tại các độ cao của khí quyển.
Sự kết hợp giữa quỹ dữ liệu tăng lên
v năng lực xử lý dữ liệu hon thiện hơn
bao giờ hết đã giúp các nh dự báo có thể
tin tởng dựa vo đầu ra của mô hình
l
m chỉ dẫn cho các dự báo của họ.
Nhng đến những năm 1980, ngời ta đã
quyết định rằng một cuộc cải tổ to lớn đối
với Cơ quan Thời tiết Quốc gia l cần
thiết để đảm bảo trình độ dự báo cao
nhất có thể v cảnh báo thời tiết cực đoan
nói riêng. Do đó m bắt đầu chơng trình
hiện đại hóa NWS.
Một trong các bớc đầu tiên của quá
trình hiện đại hóa l cải tiến phần cứng

máy tính v hon thiện các mô hình số.
Đã có những bớc tiến bộ nhảy vọt về
phần cứng máy tính trong những năm
gần đây v thậm chí hứa hẹn cải thiện
tiếp tục. Vo tháng 5/2002 NWS đã thỏa
thuận phát triển một siêu máy tính mới
có thể xử lý 100 tỷ tỷ phép tính trong một
giây vo năm 2009.
GOES-1 v GOES-2, các vệ tinh đầu
tiên trong loạt vệ tinh địa tĩnh hiện tại
đã đợc thay thế bằng GOES-10 v
GOES-12 đang vận hnh, chúng đảm bảo
khả năng quét phủ tuyệt vời bên trên các
bộ phận phía tây v phía đông của Bắc
Mỹ. Thế hệ mới nhất của vệ tinh GOES
473

đảm bảo độ phân giải siêu cao v thu
nhận thông tin về nhiệt độ, độ ẩm tốt hơn
đối với các mực khí quyển khác nhau.
Các nh dự báo hiện nay còn đợc
hởng lợi từ một hệ thống rađa hiện đại
hóa. Thế hệ NEXRAD của các hệ thống
rađa Doppler (đã giới thiệu ở chơng 11)
đã đợc lắp đặt tại 163 địa phơng trong
nớc Mỹ. Ngoi những trạm đã đợc lắp
đặt vừa nêu, NOAA hiện nay đang thí
nghiệm với một loại hệ thống rađa khác.
Các rađa quét gió lát cắt (wind profiler)
ny thu nhận số liệu gió phơng ngang

cho tới 72 mực khác nhau trong khoảng
từ 0,5 tới 10 km bên trên mặt đất. Chúng
vận hnh cùng một lúc phát xạ ba chùm
tia rađa. Một chùm đi thẳng từ bề mặt
lên trên. Hai chùm khác nghiêng 16 độ so
với đờng thẳng đứng, một chùm định
hớng về phía bắc, chùm kia định hớng
về phía đông. Những thay đổi về bớc
sóng của các chùm tia ra đa phản xạ
ngợc trở lại xuất hiện thích ứng với sự di
chuyển của những tác nhân phản xạ khác
nhau (nh bụi, côn trùng, các phân tử
không khí) v chỉ thị về tốc độ v hớng
gió. NOAA hiện đang vận hnh 29 trạm
rađa quét lát cắt ở khắp miền trung Hoa
Kỳ. Nếu hệ thống chứng tỏ có giá trị đối
với các nh dự báo, mạng lới ny sẽ mở
rộng tới khoảng 120 rađa quét lát cắt.
Hiện đại hóa không chỉ bao gồm áp
dụng công nghệ mới, m còn hiện đại hóa
mọi hoạt động. Trớc đây có 52 phòng dự
báo dịch vụ thời tiết v 204 phòng dịch vụ
thời tiết nhỏ hơn. Hiện nay, hng ngy
công việc đợc tiến h
nh tại 119 phòng
dự báo thời tiết, đảm bảo an ton đá
ng kể
cho công chúng.
Hình 13.2. Một bóng thám sát vô tuyến đ~ợc thả bên
ngoi Phòng dịch vụ Thời tiết ở Topeka, Kansas

Phần lớn các bóng thám sát vô tuyến bay lên tới bình lu quyển ở khoảng mực
4 mb, hay khoảng 30 km, ở đó quả bóng bị nổ v bộ ruột máy đợc dù mang trở lại
mặt đất. Thông thờng một lần bay lên đầy đủ của bóng thám sát vô tuyến mất
khoảng 1 giờ 50 phút, với thời gian đó bộ thiết bị đo có thể bị mang đi xuôi theo gió
nhiều kilômét khỏi vị trí thả bóng. Điều thú vị l, tìm thấy các hộp máy thám sát
vô tuyến thờng l những ngời không phải l nh khí tợng học, họ chỉ ngẫu
nhiên tìm thấy m thôi. Nhiều ngời tìm thấy hộp máy đã tuân theo chỉ dẫn ở
trong đó yêu cầu họ bỏ vo thùng bu cục để gửi tới phòng dịch vụ thời tiết, v các
cảm biến thám sát vô tuyến đợc trả lại sau đó đợc sửa chữa để sử dụng lại. Tuy
474

nhiên, một số bóng không bao giờ đợc trả lại, vì chúng rơi ở ngoi đại dơng hoặc ở
những vùng đất xa xôi.
Thông tin mực cao cũng nhận đợc từ những khác. Nhiều máy bay dận dụng
lớn đợc trang bị các cảm biến thời tiết liên tục theo dõi khí quyển trong suốt
chuyến bay v các vệ tinh thời tiết bổ sung cho cơ sở dữ liệu mực cao thông qua xác
định nhiệt độ v độ ẩm tại nhiều mực trong khắp khí quyển. Máy bay v vệ tinh
cùng nhau cung cấp dữ liệu từ những vị trí cách xa các trạm thám không vô tuyến
v có một vai trò quan trọng đặc biệt trong việc thu thập thông tin trên các đại
dơng. Ngoi ra, dữ liệu mặt đất đợc thu thập bởi những đầu đo trên các trạm
phao v gửi về đất liền qua các vệ tinh.
Các nh dự báo không chỉ có trong tay lợng dữ liệu khổng lồ, họ còn có khả
năng dễ dng hiển thị v thao tác biến đổi với thông tin cho phù hợp với nhu cầu dự
báo kịp thời. Hệ thống AWIPS (đã giới thiệu ở chơng 1) có chức năng nh chủ yếu
hiển thị v phân tích dữ liệu.
Quy trình dự báo v sản phẩm dự báo
Nh đã nhắc tới trớc đây, các mô hình số l công cụ tuyệt vời của công tác dự
báo thời tiết hiện đại. Các cơ quan thời tiết khác nhau trên thế giới phát triển các
mô hình của riêng mình v thờng sử dụng một bộ mô hình chứ không phải một
chơng trình duy nhất. Ví dụ, Cơ quan Thời tiết Quốc gia hiện đang sử dụng ba mô

hình chính. Các mô hình đợc cập nhật liên tục, v dần dần những mô hình mới
đợc đa ra, còn những mô hình cũ bị loại bỏ. Mặc dù có những khác biệt rất lớn
giữa các mô hình, song quy trình chung thì nh nhau đối với tất cả các mô hình số.
Công đoạn phân tích
Đầu tiên l pha phân tích, trong đó các quan trắc đợc sử dụng để cung cấp
các giá trị ứng với trạng thái ban đầu (hiện tại) của khí quyển đối với tất cả các
biến trong mô hình. Hãy nhớ rằng các mô hình thuộc loại ba chiều, nghĩa l cần có
các giá trị cho khắp chiều dy khí quyển, không chỉ tại bề mặt. Hơn nữa, một số
trong các mô hình có một miền tính ton cầu
bao phủ ton bộ hnh tinh, v do đó
chúng đòi hỏi các giá trị ban đầu ở mọi nơi, trên đất liện v đại dơng.
Đáng tiếc, mạng lới các trạm thời tiết v thả bóng thám không vô tuyến rất
rời rạc v tha thớt không đảm bảo độ phủ đều. Một phần công việc phân tích l
chuyển đổi các quan trắc không đồng đều đó thnh những giá trị ban đầu đồng
nhất. Dù chỉ l một bớc chuẩn bị, song đó l một nhiệm vụ khó. Có hng triệu giá
trị dữ liệu từ rất nhiều nguồn (vệ tinh, tầu biển v.v ) v đại diện cho các thời điểm
khác nhau. Không có một quan trắc no l hon ton tránh khỏi sai số v nhiều
quan trắc bị sai số lớn. Cần phải loại bỏ cng nhiều sai số cng tốt v đồng thời tạo
ra các trờng có tính chất tự hòa hợp. Ví dụ, khi các tốc độ gió đợc gán thì trờng
gió kết quả phải thỏa mãn sự bảo ton khối lợng.
Các giá trị quan trắc còn phải hòa hợp với mô hình cụ thể đang đợc sử dụng.
Tất cả các mô hình l những xấp xỉ của khí quyển thực, v điều quan trọng l
475

trờng ban đầu không chứa những thnh tạo m không thể biểu diễn đợc bằng mô
hình. Nếu không, ngay từ đầu thời kỳ dự báo mô hình sẽ điều tiết tới sự không ăn
khớp giữa các điều kiện ban đầu v cái m nó cho l khả dĩ. Sự điều tiết đó sẽ đợc
xếp chồng lên những biến thiên nếu có sinh ra từ những quá trình trong phạm vi
bao quát đợc của mô hình v sẽ có thể lm hỏng dự báo. Các mô hnhf khác nhau
do đó phải dựa trên những phơng pháp phân tích khác nhau. Tuy nhiên, đối với

tất cả các mô hình, đó l một thủ tục phức tạp, can dự tới việc tích hợp những quan
trắc hiện có gần nhất, các giá trị quá khứ (nh thảm tuyết) v thậm chí cả đầu ra
từ các mô hình khác.
Công đoạn dự báo
Về cơ bản, công việc của một mô hình số l giải các phơng trình cơ bản mô tả
diễn biến của khí quyển: phơng trình chuyển động, phơng trình liên tục, phơng
trình năng lợng v.v Tập hợp tất cả lại, đó l các phoơng trình điều khiển. Bắt
đầu với những giá trị xuất ra từ công đoạn phân tích, mô hình sử dụng các phơng
trình điều khiển để nhận đợc những giá trị mới ứng với vi phút sắp tới trong
tơng lai. Sau đó quá trình đợc lặp lại, sử dụng đầu ra của bớc thứ nhất lm đầu
vo cho các tính toán tiếp theo. Thủ tục ny đợc thực hiện qua nhiều lần cần thiết
để đạt tới cuối thời hạn dự báo (24 giờ, 48 giờ hay hơn nữa). Đó gọi l công đoạn
dự báo của quá trình chạy mô hình. Một lần nữa, chúng tôi nhấn mạnh rằng công
đoạn ny đòi hỏi một ti nguyên tính toán khổng lồ. Các phơng trình điều khiển
không thể đợc giải một cách trực tiếp, m phải phân rã th
nh những phép tính
đơn giản m máy tính có thể thực hiện, nh phép tính nhân v phép tính cộng.
Điều đó dẫn tới nhiều tỷ phép tính đối với mỗi bớc thời gian, mặc dù thực tế l chỉ
có một nhóm nhỏ các biến khí quyển cơ bản (nhiệt độ, áp suất, vectơ vận tốc gió,
mật độ v độ ẩm).
Công đoạn hậu xử lý
Các điều kiện dự báo bằng mô hình tại những thời khoảng đều (ví dụ, từng 12
giờ một) đợc biểu diễn dới dạng lới để lập bản đồ hay những mục đích khác. Ví
dụ, trong công đoạn hậu xử lý ny, một loạt bản đồ có thể đợc tạo ra cho từng
thời hạn 12, 24, 36 v 48 giờ thể hiện phân bố dự báo của:
1) áp suất mực nớc biển v độ dy từ 1000 đến 500 mb;
2) Độ cao v nhiệt độ mực 850 mb;
3) Độ cao v vận tốc thẳng đứng mực 700 mb (nh tốc độ m không khí nâng
lên hay chìm xuống);
4) Độ cao v các giá trị độ xoáy tuyệt đối mực 500 mb;

5) Lợng giáng thủy.
Các sản phẩm ny đợc sử dụng theo nhiều cách, một số cách đợc mô tả sau
trong chơng ny. Nói một cách tổng quát, các nh dự báo nghiên cứu các bản đồ
của từng thời hạn v lý giải những điều kiện có thể đi kèm với những hình thế nh
vậy. Các bản đồ đợc đối chiếu với nhau v với những bản đồ tơng ứng từ các mô
476

hình khác đối với cùng thời hạn. Dĩ nhiên, các dự báo mô hình có khác nhau giữa
các mô hình - ngời dự báo sử dụng đầu ra của mô hình lm chỉ dẫn, cân nhắc các
kết quả một cách khác nhau tùy theo cái gọi l những điểm mạnh v những điểm
yếu của mỗi mô hình v bổ sung chỉ dẫn mô hình bằng những phân tích v quan
trắc khác.
Thờng l dự báo thực sự (cuối cùng) sẽ không khớp với mô hình no đó một
cách chính xác. Ví dụ, các hình 13.3a, b v c cho thấy các dự báo giáng thủy từ ba
mô hình đối với ngy 2/6/1992. Mặc dù tất cả ba dự báo đều cho ma lớn ở khu vực
Texas-Oklahoma, vị trí v lợng ma biến đổi đáng kể giữa các mô hình. (Trung
tâm Oklahoma sẽ đơc 5 inch hay 1,5 inch?) Nh có thể thấy trên hình 13.3d, ngời
dự báo tạo ra một dự báo bằng tay khá khác so với mội mô hình, khu vực ma cực
đại đã dịch về phía nam v phía đông của các mô hình. Buồn thay, tự nhiên hôm ấy
thật bớng bỉnh, lm thất vọng cả máy lẫn ngời - ma lớn nhất thấy ở điểm cực
đông nam Texas (hình 13.3e). Dù rằng dự báo không thnh công, điều chúng tôi
muốn nhấn mạnh ở đây l đầu ra mô hình kết hợp với thông tin khác trong khi đa
ra các dự báo chính thức. Các mô hình số chắc chắn tốt hơn những phơng pháp
chủ quan đơn thuần, nhng một tổ hợp của đầu ra mô hình v thông tin khác (kể cả
sự cân nhắc chủ quan) thì thậm chí còn tốt hơn.
Các đoờng biểu diễn
loợng moa bằng inch
Hình 13.3. Các dự báo
l~ợng m~a 24 giờ từ 3
mô hình số (a-c), dự

báo cuối cùng (d) v
l~ợng m~a quan trắc
(d) ngy 2/6/1992
Rất thú vị l kinh nghiệm v các quy tắc kinh nghiệm đã không đợc các dự
báo máy tính sử dụng, nhng đợc ngời ta áp dụng cho các dự báo của máy tính
với hy vọng lm cho các dự báo đó hon thiện hơn. Một điều thú vị nữa l trong khi
các mô hình số tiến hóa v thay đổi tới tốt hơn thì các quy tắc cũ phải đợc không
ngừng đánh giá lại trong bối cảnh diễn biến mô hình mới.
477

Ngoi những trờng trên lới của các biến mô hình, ngời ta còn đa ra các dự
báo cho một số biến thứ sinh. Ví dụ nh nhiệt độ cực đại v cực tiểu, điểm sơng,
các điều kiện gió v xác suất giáng thủy. Các dự báo ny đợc xây dựng nhờ sử
dụng những quan hệ thống kê giữa đầu ra mô hình v điều kiện bề mặt quan trắc
trong quá khứ. Các sản phẩm đầu ra ny đợc gọi l các đặc trong thống kê đầu ra
mô hình (MOS) v đợc dùng để tính tới hiệu ứng của địa hình v những nhân tố
khác ảnh hởng tới các điều kiện thời tiết địa phơng. Các mô hình số chỉ có một
khả năng hạn chế thể hiện các quá trình xảy ra gần bề mặt, v chúng cung cấp một
bức tranh tơng đối khái lợc về khí quyển. Do đó, một cách tiếp cận thống kê có
sức hấp dẫn đáng kể. Các đặc trng thống kê đầu ra mô hình hiệu quả nhất đối với
những nơi no m những quan hệ thống kê đợc rút ra, nhng nó có phần kém
hiệu quả tại những nơi trung gian có một điều kiện địa hình khác.
Những dự báo ngy nay tốt đến mức no? Không có một đáp án duy nhất cho
câu hỏi ny: nó rất tùy thuộc vo biến số đợc hỏi, thời gian báo trớc của dự báo,
mô hình đợc dùng, nơi dự báo v mùa. Ví dụ, chắc chắn l dự báo phân bố nhiệt
độ, gió v áp suất l những dự báo tốt hơn nhiều so với giáng thủy. Một ví dụ về kỹ
năng dự báo giáng thủy đợc thể hiện trên hình 13.4, hình n
y cho
điểm kỹ năng
của một số mô hình đối với các lợng giáng thủy khác nhau đối với mùa xuân v

mùa hè năm 1995. Các điểm kỹ năng giảm đáng kể khi tăng lợng giáng thủy, nó
nói lên sự khó khăn của việc dự báo giáng thủy lớn vì giáng thủy lớn có xu hớng
cục bộ rất cao. Một nét nổi trội nữa l có những khác biệt đáng kể giữa các mô hình,
mặc dù các cấp kỹ năng của các mô hình l nh nhau đối với tất cả các lợng giáng
thủy. Ví dụ, mô hình A luôn có kỹ năng cao nhất, trong khi mô hình D cho thấy kỹ
năng thấp tại tất cả các mức giáng thủy. (Nói chung không phải nh vậy - nếu sử
dụng các tiêu chí kỹ năng khác, thì các mô hình sẽ thay đổi vị trí tơng đối với
nhau).
Hình 13.4. Kỹ năng dự báo 24 giờ đối với
các mô hình của NCEP v l~ợng giáng
thủy. Chỉ dự báo cho mùa nóng (tháng 3
đến tháng 8) của nam~ 1995
Còn có thể thấy những biến thiên kỹ năng theo mùa khá đáng kể, nh đã thấy
trên hình 13.5, hình ny thể hiện các dự báo 1 inch cho kỳ 10 ngy (1984-1993). Rõ
rng, giáng thủy mùa đông đợc dự báo với kỹ năng cao hơn nhiều so với ma mùa
hè. Điều ny một phần do những biến thiên mùa trong các quá trình giáng thủy.
Khi chúng ta đi từ các hệ thống lớn, quy mô synop trong mùa đông tới đối lu quy
mô nhỏ hơn trong mùa hè, thì dự báo sẽ trở nên khó hơn đối với vị trí chính xác của
478

các sự kiện giáng thủy. Thứ hai, giáng thủy mùa đông có xu hớng kém mạnh hơn
nhiều, với những trận gió bão kéo di nhiều giờ. Cuối cùng, trong mùa đông thờng
l chỉ có một số trung tâm giáng thủy lớn gắn liền với các front v các xoáy thuận vĩ
độ trung bình. Những trung tâm đó có thể đợc các nh dự báo chú ý nhiều hơn so
với nhiều trận lốc tố bất ngờ xuất hiện v những nhiễu động nhỏ khác xuất hiện
loáng thoáng trong mùa hè.
Hình 13.5. Kỹ năng dự báo giáng thủy 1 inch, hạn 24 giờ của
NCEP lấy trung bình trong các năm 1983-1993. Kỹ năng ny l
của dự báo bằng tay, không phải ltừ một mô hình cụ thể no
Điểm cuối cùng cần nhận xét đó l mặc dù những tiến bộ không ngờ trong công

nghệ máy tính, vẫn còn một chỗ cho sự cân nhắc của con ngời trong quá trình dự
báo. Ta xét hình 13.6, ở đây so sánh các dự báo MOS với những dự báo do các nhân
viên dự báo địa phơng thực hiện tại khoảng 95 trạm ở Mỹ. Đối với cả dự báo nhiệt
độ ngy cực đại v dự báo xác suất của ma, chúng ta thấy sự tiến bộ đáng kể trong
30 năm cuối. Mặc dù khoảng cách có thể đã hẹp đi phần no, thậm chí ngy nay
con ngời đang có một u thế hơn các máy tính. Kiến thức khu vực (v sự trải
nghiệm liên quan tới những thất bại của mô hình) vẫn tiếp tục có ích v có thể bổ
sung giá trị đáng kể cho các dự báo thuần túy khách quan.
Các dự báo hạn vừa
Ngoi các dự báo hạn ngắn (72 giờ hoặc ngắn hơn), ngời ta rất chú ý tới
những dự báo đợc gọi l dự báo hạn vừa (MRF). Ví dụ, Trung tâm châu Âu
Dự báo Thời tiết Hạn vừa (ECMWF) có một mô hình thực hiện các dự báo tới bảy
479

ngy. ở Mỹ, mô hình phổ toun cầu (phụ lục chơng 13) đợc sử dụng tại NCEP để
lập các dự báo 15 ngy. Mặc dù các mô hình đợc ghép lại nh thế no đó thnh
MRF, song thủ tục về cơ bản vẫn đúng nh việc dự báo hạn ngắn. Tức l, ở mức độ
dữ liệu, lý thuyết v ti nguyên máy tính cho phép, cách tiếp cận l phơng pháp
số, dựa trên các định luật vật lý đã biết chứ không phải l các liên hệ thống kê.
Hình 13.6. Điểm dự báo nhiệt độ cực đại mùa lạnh (tháng 10 - tháng
3) (a) v giáng thủy (b). Các đồ thị so sánh đầu ra khách quan (MOS)
với các dự báo 24 v 48 giờ của các nhân viên dự báo địa ph~ơng
Thay vì chỉ lm một dự báo duy nhất, dự báo tổ hợp đợc khai thác rộng rãi,
trong đó ngời ta chạy một số các mô hình khác nhau thực hiện dự báo cho cùng
một thời kỳ dự báo. Nguyên nhân l vì, nh chúng ta đã nhắc tới trớc đây, những
nhiễu động nhỏ có thể phát triển thnh các nhiễu động lớn. (Điều ny đúng đối với
cả các mô hình lẫn khí quyển thực). Do đó, nếu hai mô hình đợc thực hiện với
những giá trị ban đầu hơi khác nhau, thì kết quả có thể rất khác nhau sau một
tuần hoặc đại loại nh vậy. Đợc N. E. Lorenz phát hiện vo năm 1963, kiểu diễn
480

biến ny bây giờ đợc biết tới nh một đặc trng của nhiều hệ thống tự nhiên v
con ngời v đợc gọi l hunh vi ngẫu nhiên.
Sự ngẫu nhiên l một vấn đề nghiêm trọng đối với dự báo thời tiết bởi vì các
điều kiện ban đầu không bao giờ đợc biết một cách chính xác. Do đó, ví dụ, nếu
một rãnh ở mực cao xuất hiện trong dự báo hạn 15 ngy, thì không có cách no biết
đợc nó l thực hay nó sinh ra vì các sai số trong dữ liệu ban đầu. Dự báo tổ hợp
sử dụng nhiều lần chạy mô hình bắt đầu với những giá trị ban đầu hơi khác nhau.
Các trờng ban đầu khác nhau đợc tạo ra bằng cách đa những biến thiên nhỏ
(những nhiễu) vo trong trờng đợc cho l tốt nhất. Có một số phơng pháp để
gán các nhiễu, nhng tất cả đều mu tính sao để mô phỏng (bắt chớc) các sai số có
thể xuất hiện một cách hợp lý trong dữ liệu. Từ tổ hợp các điều kiện ban đầu đó,
một tổ hợp các dự báo đợc lập ra, mỗi dự báo khác với các dự báo khác.
Hình 13.7. Dự báo tổ hợp 10 ngy từ mô hình NCEP MRF.
Đ~ờng đồng mức 5700 vẽ cho tất cả 17 thnh phần tổ hợp
Hình 13.7 cho thấy một tổ hợp 10 ngy từ NCEP đối với Bắc bán cầu. Bản đồ
ny l một kiểu bản đồ 500 mb, ngoại trừ chỉ có một đờng đồng mức độ cao đợc
481

thể hiện: đờng 5700 m. 17 thnh viên tổ hợp NCEP đợc thể hiện, cộng với dự báo
chạy không nhiễu (kiểm tra). Hãy lu ý rằng tất cả các thnh viên tổ hợp đều cho
một rãnh ở Tây Thái Bình Dơng. ý nghĩa ở đây l các sai số có thể tồn tại trong dữ
liệu, chúng không ảnh hởng tới dự báo ở đây. Do đó, chúng ta có thể có niềm tin
no đó rằng một rãnh thực sẽ phát triển. Nhng trên khu vực trung tâm châu á,
Tây Âu v Bắc Đại Tây Dơng, độ tản tổ hợp lớn hơn: các thnh viên tổ hợp thể
hiện rất ít nhất quán với nhau, mách bảo rằng chúng ta nên ít tin tởng hơn với dự
báo đối với các khu vực đó. (Dơng nhiên, chúng ta không nên chỉ dựa vo một
đờng đồng mức duy nhất để có quyết định cuối cùng v nên xem các biến số khác
ngoi độ cao 500 mb).
Hình 13.7 minh họa khả năng quan trọng nhất của các tổ hợp, đó l cung cấp

thông tin về độ bất định của dự báo. Nếu biết độ bất định, ngời ta có một ớc
lợng độ tin cậy để tiếp tục dự báo v không chú ý nhiều tới những dự báo đợc cho
l không tin cậy. Các tổ hợp còn có thể đợc sử dụng theo những cách khác, bao
gồm cả việc lập ra chính dự báo. Cụ thể, trung bình của tất cả các tổ hợp có thể
đợc xử lý nh một dự báo, thậm chí mặc dù nó không sinh ra từ một mô hình. Hơn
nữa, chúng ta có thể kỳ vọng dự báo ny sẽ khá tốt, trên cơ sở l lấy trung bình thì
sẽ l trơn hết những thnh tạo no chỉ thấy ở một hoặc hai thnh viên.
Còn một khả năng khác của các tổ hợp, đó l để chẩn đoán những thất bại của
mô hình. Giả sử tất cả các dự báo tổ hợp thống nhất ở khu vực no đó, tuy tất cả
đều khác với những gì cuối cùng đã quan trắc đợc. Khác biệt giữa dự báo v quan
trắc không thể đợc gi
ải thích bởi sai số của dữ liệu, bởi vì tổ hợp đảm bảo dự báo
không nhạy cảm với sai số dữ liệu. Điều đó lm cho sai số mô hình rõ rng l sai số,
có nghĩa rằng một hay một số quá trình đợc xử lý tồi trong mô hình v cần hon
thiện. Dĩ nhiên, tổ hợp không chỉ ra vấn đề, nhng nó lm lộ ra tình huống trong đó
vấn đề ảnh hởng tới dự báo. Bằng cách nghiên cứu các chi tiết của tình huống đó,
có thể biết khía cạnh no của mô hình cần xử lý.
Tại thời gian ny, có rất ít bằng chứng kỹ năng trong các dự báo hạn vừa trên
một tuần hơach hơn, đặc biệt đối với giáng thủy. Tuy nhiên, nhiều lần chúng tạo ra
những dự báo đúng (v có giá trị) v có thể cung cấp chỉ dẫn hữu ích về những xu
thế chung. Ngoi ra, đợc biết rằng độ tản của tổ hợp tơng quan với sai số dự báo
trong phạm vi lâu đến 10 ngy, mách bảo rằng các ớc lợng về độ tin cậy dự báo
cũng có giá trị tại hạn vừa.
Các dự báo hạn di
Các dự báo còn đợc lập với thời gian báo trớc lâu hơn nữa, đợc gọi l dự
báo hạn di. ở Mỹ Trung tâm Dự báo Khí hậu (CPC) của NCEP có trách nhiệm
lập các dự báo với các hạn từ một tuần đến những giới hạn cho phép kỹ thuật. Các
phơng pháp sử dụng gồm phơng pháp khí hậu, thống kê, các mô hình số v
phơng pháp phán xét chủ quan. Ví dụ, do tầm quan trọng trong hệ thống khí hậu
ton cầu, nhiệt độ nớc mặt đại dơng (SST) ở vùng nhiệt đới Thái Bình Dơng

đợc dự báo đều đặn với hạn báo trớc đến một năm. Các dự báo SST đợc dựa trên
một tổ hợp ba mô hình:
482

1) Một mô hình thống kê loại suy;
2) Một mô hình thống kê chuẩn hóa dựa trên những quan hệ tơng quan
quan trắc đợc trong không gian v thời gian;
3) Một mô hình số.
Trong mô hình số, đại dơng v khí quyển đợc kết nối sao cho đại dơng thích
ứng với những biến thiên trong khí quyển v ngợc lại. Đầu ra của ba mô hình đợc
tổ hợp lại bằng phơng pháp thống kê để đa ra dự báo cuối cùng.
Một sản phẩm khác của Trung tâm Dự báo Khí hậu l tổng quan mùa, một
loại dự báo cho ton bộ một mùa, thờng hay bị hiểu sai. Trái lại với các dự báo hạn
di dự báo các điều kiện cho những ngy cụ thể, các dự báo tổng quan mùa dự báo
các điều kiện trung bình trong một loạt ngy. Hình 13.8 thể hiện quy cách, trong đó
các mùa đợc phân lớp thnh trên chuẩn, gần chuẩn hay dới chuẩn. Các lớp
đợc định nghĩa sao cho trên chuẩn gồm một phần ba phân bố trên; nghĩa l theo
định nghĩa lớp trên chuẩn xuất hiện khoảng 33 % số lần, khi một biến nằm trong
cung phận 66 hoặc cao hơn. Gần chuẩn v dới chuẩn đợc định nghĩa một cách
tơng tự, tuần tự l một phần ba giữa v một phần ba dới. Nh vậy, không cần
một hiểu biết đặc biệt no, chúng ta có thể dự báo trên chuẩn với độ chính xác
33% v giống nh vậy với gần chuẩn v dới chuẩn. Giả sử chúng ta nghĩ các
điều kiện gần chuẩn l hon ton có thể, chẳng hạn có thể tới 45 %. Trong trờng
hợp đó chúng ta đã đ

a ra một dự báo gần chuẩn. Nhng nếu chúng ta nghĩ cá
c
khả năng chỉ l 34 %, thì có lẽ chúng ta sẽ từ chối không lm một dự báo dựa trên
những căn cứ rằng các điều kiện trên chuẩn hoặc dới chuẩn chỉ có khả năng nh
nhau. Nhìn lên các bản đồ, bạn thấy rằng phần lớn vùng, các xác suất gần với khí

hậu (đợc ghi nhãn CL). Chỉ có một ít khu vực l có lý do để cho rằng các điều
kiện dị thờng sẽ xuất hiện.
Các dự báo ny nhận đợc bằng cách no? Lại một lần nữa, bằng tổ hợp các
phơng pháp cả số trị lẫn thống kê. Ví dụ, các dự báo SST từ mô hình kết nối đại
dơng - khí quyển đợc sử dụng lm các điều kiện biên để chạy lặp mô hình hon
lu chung của khí quyển. Một kiểu chạy mô hình khác l sử dụng SST dựa trên
quán tính chứ không phải l những nguyên lý vật lý. Lại một lần nữa, kết quả l
một tổ hợp các dự báo khí quyển. Các kỹ thuật thống kê chủ yếu dựa trên quán tính
trong các hình thế dị thờng. Tức l, những khác biệt khỏi giá trị trung bình đợc
phân tích về độ ổn định v/hoặc những hình thế tiến hóa thích hợp. Mặc dù các chi
tiết vợt ra khỏi khuôn khổ một giáo trình nhập môn, song ý tởng cơ bản l: Quá
khứ l chìa khóa tới tơng lai.
Có một số điều phải luôn nhớ trong khi lý giải các dự báo hạn di. Thứ nhất,
chúng l những dự báo cho ton bộ thời kỳ (mùa), không phải cho một ngy cụ thể.
Ngời ta chắc chắn không kỳ vọng những điều kiện trên trung bình sẽ xảy trong
suốt thời kỳ dự báo, cho dù xác suất trên trung bình l có thể. Còn nữa, hiện nay,
những dự báo ny không có kỹ năng lớn, v nếu có kỹ năng thì kỹ năng thay đổi
theo mùa, địa điểm v biến dự báo (nhiệt độ hay giáng thủy). Cuối cùng, thậm chí
nếu kỹ năng l
t
ơng
đối cao (chẳng hạn 20 %), thì xác suất liên quan không chắc
l lớn. Thực tế, ít khi có các xác suất cao hơn hẳn 50 % , ngay cả ở những khu vực
đáng tin cậy.
483

H×nh 13.8. Tæng quan mïa cho c¸c th¸ng 9 - 11 n¨m 1998
®~îc dù b¸o tr~íc 1 n¨m vo ngy 15/9/1997
484

Chúng ta kết thúc mục ny bằng việc chỉ ra rằng mặc dù những tiến bộ hiện
nay về năng lực máy tính v độ phức tạp của mô hình rất ấn tợng, chúng ta còn
rất xa mới có thể dự báo thời tiết đúng 100 %. Trớc hết, không thể phát triển đợc
một mô hình mô phỏng hon ton đợc tất cả các quá trình với tất cả các quy mô
không gian v thời gian. Lý do một phần l vì hiểu biết cha đầy đủ - đối với một số
quá trình thì lý thuyết cơ sở cha hon chỉnh, cho nên mọi chơng trình máy tính
dựa trên lý thuyết đó sẽ không hon thiện (chuyển động rối l một ví dụ điển hình).
Nhng ngay cả với hiểu biết hon thiện, thì cũng không thể xây dựng đợc một mô
hình hon thiện - những yêu cầu tính toán l rất lớn. Trái Đất có một chu vi bằng
khoảng 40000 km, nên đó l kích thớc lớn nhất một mô hình hon chỉnh cần thể
hiện. Còn thnh tạo nhỏ nhất m chúng ta cần l cái gì? Để thảo luận, ta lấy ví dụ,
trong một mô hình hon thiện, thì các hạt mây đờng kính 4
m

phải xuất hiện,
cha nói đến những gì bé hơn. Có nghĩa l mô hình phải lm việc với một dải các
thnh tạo có kích thớc phủ lên 13 bậc độ lớn.
Các mô hình ngy nay bao hm đợc các quy mô khoảng 3 bậc độ lớn. Để đạt
tới 4 bậc độ lớn, độ phân giải khoảng 5 km, sẽ cần một máy tính một nghìn lần
mạnh hơn. Ngay cả cái đó vẫn sẽ lm cho chúng ta thiếu mất 9 bậc độ lớn mới tới
đích, hay một thừa số bằng một tỷ. Với khối tính tính toán khổng lồ nh vậy, cộng
với lý thuyết cha hon chỉnh, thì khó m hình dung rằng sai số mô hình một khi
no đó sẽ hết.
Nhng sai số mô hình chỉ l một phần của vấn đề; sự ngẫu nhiên l một trở
ngại chính khác. Trớc đây, chúng ta đã đề cập một cách ngắn gọn về sự bất ổn
định động lực, trong đó các nhiễu động sẽ lớn lên về kích thớc theo thời gian. Nếu
vậy, thì nhất thiết sẽ có một quá trình lan truyền năng lợng đi lên từ các quy mô
nhỏ tới các quy mô lớn hơn. Để lm cho phát biểu lơ mơ ny có cơ sở chắc chắn, ta
xét một dòng sông chuyển động chầm chậm. Khi nớc chảy qua một vật cản, một
xoáy nớc hay một cuộn xoáy đợc sinh ra. Trong trờng hợp ny, một thnh tạo

quy mô bé có đợc năng lợng của mình từ dòng chảy quy mô lớn; có một sự lan
truyền năng lợng đi xuống. Đó l một hiện tợng bình thờng trong khí quyển,
nhng điều ngợc lại cũng l bình thờng: ví dụ, những dòng thăng nhỏ lớn lên
thnh những tháp mây tích lớn. Điều đó có nghĩa gì đối với dự báo thời tiết số? - đó
l ng
ời ta
phải có những giá trị ban đầu chi tiết v chính xác để lm một dự báo
tin cậy. Thậm chí một sai số bé có những hậu quả đáng sợ: một thnh tạo lớn không
xuất hiện trong dự báo, hoặc l một thnh tạo viễn tởng không hề giống một thứ
gì trong khí quyển thực lại xuất hiện. Độ nhạy cảm cực đoan ny đối với các điều
kiện ban đầu l đặc trng của các hệ thống ngẫu nhiên nói chung v của khí quyển
nói riêng. Không có hy vọng gì về dự báo hon thiện, trừ khi chúng ta đã sẵn sng
bắt đầu với dữ liệu hon thiện. Hãy lu ý rằng vấn đề về ngẫu nhiên không phụ
thuộc vo những khiếm khuyết no đó trong mô hình, nh các quá trình bị bỏ qua
hay l đợc xử lý cha thích đáng. Ngay cả khi chúng ta có thể xây dựng đợc một
mô hình hon thiện, thì sự hiện diện của ngẫu nhiên vẫn dẫn tới không có một dự
báo hon thiện.
485

Bản đồ v ảnh thời tiết
Mặc dù các máy tính có một vai trò quyết định trong việc phân tích thời tiết,
cuối cùng nh khí tợng học áp dụng hiểu biết của anh ta hay chị ta để tạo ra dự
báo có thể phát báo cho công chúng. Có lẽ không có công cụ no giá trị đối với một
nh dự báo bằng một bản đồ thời tiết. V mặc dù các đoạn báo v tin truyền hình
thờng chỉ cho thính khán giả của mình thấy các bản đồ mặt đất, song việc dự báo
thời tiết còn đòi hỏi phân tích những điều kiện trong khí quyển tầng trung v tầng
cao. Không chỉ các đám mây tồn tại ở trên cao bên trên bề mặt, m khí quyển tầng
trung v tầng cao cũng kết nối mật thiết với không khí gần bề mặt. Kết quả l,
phân tích thời tiết đúng đắn đòi hỏi sử dụng một loạt các bản đồ khác, mỗi bản đồ
thể hiện những lớp khác nhau của khí quyển.

Bản đồ bề mặt
Bản đồ bề mặt về những điều kiện thống trị (nh bản đồ đợc thể hiện trên
hình 13.9) biểu diễn một bức tranh tổng quát về phân bố áp suất mực nớc biển v
vị trí của các biên ranh giới front.
áp suất đợc biểu diễn bằng các đờng đẳng áp
vẽ cách nhau từng 4 mb, với những vùng áp suất cao nhất v thấp nhất cục bộ đợc
ghi nhãn tuần tự l
H v L.
Hình 13.9. Một bản đồ thời tiết bề mặt điển hình
Các thnh tạo quy mô lớn. Ngay cả một ngời không chuyên nghiệp có thể
rút ra một số nhận xét khi sơ bộ xem xét một bản đồ thời tiết bề mặt. Các tốc độ v
hớng gió tổng quát tuân theo các quy luật đã đợc bn luận ở chơng 4. Tức l, tốc
486

độ gió biến thiên tuân theo khoảng cách của các đờng đẳng áp v gió ở Bắc bán
cầu xoay theo chiều kim đồng hồ ra bên ngoi các hệ thống áp suất cao v ngợc
chiều kim đồng hồ vo trong các áp thấp. Các hệ thống áp cao thuận lợi cho những
chuyển động thẳng đứng giáng xuống gây nên những bầu trời quang mây, còn áp
thấp thì khuyến khích các dòng thăng dẫn tới lạnh đi đoạn nhiệt v hình thnh
thảm mây. Các bản đồ bề mặt trở thnh thậm chí có giá trị hơn khi xem theo loạt
nối tiếp. Bởi vì các bản đồ mới đợc xây dựng từng ba giờ một, ngời ta có thể dễ
dng theo dõi sự di dịch của các hệ thống thời tiết riêng biệt khi chúng di chuyển.
Bằng cách chấp nhận rằng các hệ thống sẽ tiếp tục diễn biến nh trong vi giờ
trớc, có thể suy ra sự di chuyển v mạnh lên hay tiêu tan của chúng trong một số
giờ tiếp theo.
Mô hình trạm. Chúng ta có thể biết chi tiết hơn về các điều kiện tại những
nơi cụ thể nhờ các mô hình trạm. Rất nhiều yếu tố thời tiết, bao gồm nhiệt độ, điểm
sơng v áp suất, đợc thể hiện trong mỗi mô hình trạm. Một mô hình trạm đầy đủ
chứa một số thông tin vợt quá yêu cầu của phần lớn ngời xem bản đồ, cho nên
hình 13.10 chỉ thể hiện những ký hiệu quan trọng nhất.

Mô hình trạm chỉ ra độ phủ mây bằng cấp độ tô đen bên trong một hình tròn
trung tâm. Một hình tròn hon ton rỗng chỉ thị điều kiện quang mây, một hình
tròn tô đen hon ton biểu diễn trời đầy mây; các cấp độ tô đen trung gian tơng
ứng với các tỷ phần phủ mây khác nhau. Một đoạn thẳng đi ra từ hình tròn có
những dấu gạch ở đầu mút l vectơ hay mũi tên gió biểu diễn tốc độ v hớng gió.
Đầu mút tự do của mũi tên ứng với hớng gió
từ đâu thổi tới. Do đó, ví dụ một mũi
tên ở đỉnh của hình tròn chỉ thị gió từ phía bắc, còn mũi tên ở rìa bên phải của hình
tròn có nghĩa rằng gió từ phía đông. Tốc độ gió đợc biểu diễn bằng số lợng các
dấu gạch di hoặc ngắn v/hoặc đuôi cờ, nh đã biểu diễn trên hình 13.10. Ví dụ,
một mũi tên có một dấu gạch di v một dấu gạch ngắn có tốc độ gió giữa 15 v 20
dặm/giờ (23 đến 32 km/h).
Các giá trị nhiệt độ v điểm sơng (độ Fahrenheit) đợc ghi tuần tự ở phía trên
trái v dới trái của hình tròn. Còn các ký hiệu biểu diễn điều kiện thời tiết phổ
biến (nh ma hay sơng mù) nằm ở giữa hai vị trí của nhiệt độ v điểm sơng.
áp suất mực nớc biển (bằng mb) đợc cho dới dạng viết ngắn gọn ở phía trên
phải của hình tròn. Để chuyển số gồm ba chữ số thnh áp suất thực, trớc hết bạn
đặt một dấu phảy thập phân ở trớc chữ số cuối cùng v đặt số 9 hoặc 10 vo đầu
của số. Nh vậy 997 biểu diễn 999,7 mb, còn 104 ứng với 1010,4 mb. Lm thế no
bạn biết thêm số 9 hay số 10 vo trớc? Câu trả lời đơn giản gần nh luôn đúng, đó
l thêm số no để cho một giá trị gần nhất với 1000 mb (nói khác đi, thêm 9 nếu giá
trị mã hóa lớn hơn 500 hay thêm 10 nếu nó nhỏ hơn 500).
Biến thiên của áp suất (xu thế áp suất) trong ba giờ cuối cùng đợc biểu diễn ở
ngay phía bên phải của hình tròn. Một lần nữa phải đặt dấu phảy thập phân trớc
chữ số cuối cùng sao cho -10 chỉ thị áp suất giảm đi 1,0 mb. Một ký hiệu ở bên phải
của số chỉ thị một ý nghĩa định tính về áp suất đã biến thiên nh thế no (chẳng
hạn, lúc đầu tăng lên nhng sau đó giảm).
487

H×nh 13.10. S¾p xÕp cña mét m« h×nh tr¹m bÒ mÆt v mét sè ký hiÖu quan träng

488

Các bản đồ mực cao
Hai lần một ngy, tại 0000 v 1200 UTC (thời gian đồng bộ ton cầu) các
Trung tâm Quốc gia về Dự báo Môi trờng truyền phát các bản đồ những mực quan
trắc 850, 700, 500, 300 v 200 mb. Các bản đồ dự báo cũng đợc tạo ra cho những
mực đó đối với một loạt thời hạn báo trớc. Dù các bản đồ biểu diễn tình hình hiện
tại hay dự báo, mỗi bản đồ đều cung cấp những thông tin độc đáo của riêng nó cho
ngời phân tích thời tiết.
Bản đồ 850 mb. Mực 850 mb thể hiện một độ cao trung bình bằng 1,5 km (1
dặm) bên trên mực nớc biển. Vì ma sát thờng đợc xem l có thể bỏ qua tại các
độ cao khoảng 1,5 km bên trên bề mặt, dòng gió građien hay địa chuyển có thể tồn
tại tại mực ny trên vùng đất với các cao độ gần mực nớc biển. Mặt khác, phần lớn
khu vực dãy núi Rocky Mountains của miền tây nớc Mỹ v Canađa có các cao độ
trên độ cao ny, cho nên ở những vùng đó bản đồ 850 mb thực sự biểu diễn các điều
kiện gần bề mặt. Tại các cao độ lớn, ma sát cản trở gió v không khí thổi phần no
cắt qua các đờng đồng mức độ cao. Hình 13.11 cho biểu diễn một bản đồ 850 mb
điển hình.
Các độ cao của mực 850 mb đợc vẽ bằng những đờng liền nét, tơng tự nh
các đờng đẳng áp đợc thấy trên các bản đồ bề mặt. Các đờng đồng mức cách
nhau những khoảng 30 m v đợc ghi nhãn bằng đơn vị đecamét (10 m). Do đó, một
giá trị bằng 150 biểu diễn một độ cao bằng 1500 m. Mặc dù không đợc vẽ ra cụ
thể, song các đờng biên ranh giới front đợc nhận ra tại mực 850 mb, nơi các
đờng đồng mức độ cao ép sát lại gần với nhau. Các nhiệt độ không khí (bằng
o
C)
tại mực 850 mb (v tất cả các mực cao hơn) đợc vẽ bằng những đờng gạch nối.
Hình 13.12 cho thấy một hình thế giả định của các độ cao v nhiệt độ trên một
khu vực không phải l núi giả định. Với giả thiết đó, mực 850 mb đủ xa bên trên bề
mặt để cho dòng gió građien, v gió thổi song song với các đờng đồng mức độ cao.

Khi không khí tiến tới trục rãnh thấp, nó di chuyển từ một vùng dới 10
o
C đến
vùng trên 15
o
C. Ngợc lại, khi không khí thổi ra khỏi trục, nó di chuyển về phía
một vùng lạnh hơn. Nh vậy, vùng đón gió của trục rãnh có bình lu không khí
lạnh, trong khi bình lu không khí nóng diễn ra ở phía xuôi gió của trục. Những
hình thế ny rất quan trọng, bởi vì bình lu không khí nóng tại mực 850 mb chỉ thị
một chuyển động thăng, nó thuận lợi cho sự hình thnh mây v giáng thủy. Nh
vậy, trong ví dụ ny chuyển động thăng sẽ ở phía xuôi gió của rãnh, lm cho vùng
đó thuận lợi cho sự phát triển hay cờng hóa xoáy thuận.
Phân bố của nhiệt độ tại mực 850 mb cung cấp cho các nh dự báo một số quy
tắc kinh nghiệm rất hữu ích. Ví dụ, trong thời gian buổi sáng, nhiệt độ mực 850 mb
thờng cung cấp một cách khá tốt để phỏng đoán nhiệt độ cực đại ngy trên các
vùng không phải l núi. Tại mực 850 mb, không khí ở đủ xa cách bề mặt để nó
không bị ảnh hởng của các chu trình nóng lên v lạnh đi trong ngy. Do đó, trong
thời gian mùa hè, nhiệt độ không khí bề mặt cực đại thờng khoảng 15
o
C lớn hơn so
với nhiệt độ mực 850 mb, bất chấp thời gian của ngy. Trong thời gian mùa đông,
chênh lệch sẽ bằng khoảng 9
o
C; trong thời gian mùa thu v mùa xuân, chênh lệch
sẽ bằng khoảng 12
o
C.
489