Báo cáo nghiên cứu khoa học " Nghiên cứu phương pháp dự báo dông cho sân bay Nội Bài theo trường khí tượng dự báo bằng mô hình ETA " doc

TạpchíKhoahọcĐạihọcQuốcgiaHàNội,KhoahọcTựnhiênvàCôngnghệ25,Số1S(2009)115‐123
115
_______
Nghiên cứu phương pháp dự báo dông cho sân bay Nội Bài
theo trường khí tượng dự báo bằng mô hình ETA
Trần Tân Tiến*, Đỗ Thị Hoàng Dung
Khoa Khí tượng Thủy văn và Hải dương học, Trường Đại học Khoa học Tự nhiên, ĐHQGHN
Ngày nhận 02 tháng 01 năm 2009
Tóm tắt. Bài báo trình bày dự báo xuất hiện dông tại Nội Bài bằng cách sử dụng kết quả dự báo
các trường khí tượng của mô hình ETA.Sản phẩm của ETA đưa ra ở 141x141 điểm với độ phân
giải 28 km và 38 mực.Miền tính từ -4 độ đến 32 độ và từ 90 đến 125 độ. Đã sử dụng phần mềm
RAOB 5.6 để tính các chỉ số dông ở 10x10 điểm mà Nôi Bài nằm
ở tâm của miền con.Đã tìm giá
trị cưc tri và giá tri trung bình của các chỉ số đong trong miền tính làm nhân tố dự tuyển. Đà tiến
hành tuyển chọn nhân tố dự báo và chọn được CAPEmax, SWEATmin, KOmax, KOmin, Kavar
and SDWmin làm nhân tố dự báo.Sử dụng hời quy tuyến tinhs để xây dựng phương trình dự báo
dông,Kết quả đánh giá trên chuỗi số liệu phụ thuộc và độc lập cho thấy phương pháp dự báo cho
kết quả tố
và có thể sử dụng trong điều kiện nghiệp vụ.
1. Giới thiệu
∗
Các hiện tượng thời tiết nguy hiểm nói
chung và dông sét nói riêng có tác động mạnh
mẽ đến mọi mặt của đời sống kinh tế xã hội và
gây nguy hại cho sự phát triển bền vững của
các quốc gia trên thế giới. Đặc biệt trong bối
cảnh hiện nay khi tình hình thời tiết khí hậu
đang có nhiều dấu hiệu diễn biến phức tạp thì
vấn đề này càng thu hút nhiều sự quan tâm và
nghiên cứu củ
a cộng đồng và các nhà khoa học

trên thế giới.
Việt Nam nằm trong khu vực nhiệt đới gió
mùa, tại một trong những trung tâm dông lớn
của thế giới, dông hầu như có thể xảy ra quanh
năm ở tất cả các khu vực trên cả nước nên nguy
cơ tác động của dông sét đối với các ngành kinh
tế nói chung và ngành hành không nói riêng là rất
lớn. Cùng với sự phát triển nhanh của đời sống
kinh tế cộng đồng, nhu cầu vận chuyển và đi lại
bằng đường hàng không ngày càng cao nên nguy
cơ các tại nạn hàng không xảy ra càng nhiều. Vì
vậy việc nâng cao chất lượng dự báo dông cho
khu vực sân bay là vấn đề có tính cấp thiết.
∗
Tác giả liên hệ. ĐT: 84-4-38584943.
E-mail:
Trong vài thập kỷ gần đây việc áp dụng
phương pháp số trị cho dự báo dông ở các cảng
hàng không đã và đang
được các nhà khoa học
phát triển mạnh mẽ, và đã đạt được một số kết
quả đáng kể. Nhằm đáp ứng nhu cầu thực tiễn
của việc nâng cao chất lượng dự báo dông, góp
phần tăng cường hiệu quả việc áp dụng các
phương pháp dự báo hiện đại trong dự báo
dông, đảm bảo an toàn cho ngành hàng không
tránh các thiệt hại về người và của do dông gây
ra tại khu vực sân bay, đặ
c biệt là trên khu vực
đường băng, chúng tôi đã tiến hành nghiên

cứu phương pháp dự báo dông cho sân bay
Nội Bài theo các trường khí tượng dự báo
bằng mô hình ETA.
T.T.Tiến,Đ.T.H.Dung/TạpchíKhoahọcĐHQGHN,KhoahọcTựNhiênvàCôngnghệ25,Số1S(2009)115‐123
116
Trong nghiên cứu này chúng tôi dự báo sự
xuất hiện dông ở sân bay Nội Bài và vùng phụ
cận cho hạn dự báo đến 48 giờ, mỗi dự báo cách
nhau 3 giờ, bằng cách trường khí tượng dự báo
lấy từ mô hình dự báo thời tiết bất thủy tỉnh ETA.
2. Mô hình ETA
Mô hình dự báo thời tiết bất thủy tĩnh ETA
do trường đại học Belgrade và Viện Khí Tượng
- Thuỷ Văn Federal - Belgrade cùng với Trung
Tâm Khí Tượng Quốc Gia Mỹ xây dựng.
Điểm đặc biệt của mô hình này là sự biến
đổi từ hệ toạ độ theo phương thẳng đứng σ sang
một hệ toạ độ mới là hệ tọa độ thẳng đứng địa
hình η. Hệ toạ độ này được sử dụng nhằm loại
bỏ hoặc giảm thiểu sai số của mô hình sinh ra
trong tính toán lực gradien khí áp ngang, bình
lưu, khuếch tán ngang dọc địa hình d
ốc. Trong
hệ toạ độ η, độ cao địa hình được chia thành
từng cấp bậc, cấp bậc này phụ thuộc vào độ
phân giải thẳng đứng của mô hình và độ cao
của núi. Hệ toạ độ η cho phép địa hình tồn tại
hơn một mặt trong khi hệ tọa độ σ chỉ có một.
Điều này cho phép tính toán gradien khí áp
ngang chính xác hơn do ta không đưa vào sai số

do biến đổi độ cao địa hình gi
ữa các điểm lưới.
Với hệ toạ địa hình η, mô hình có thể nắm bắt
được dòng chuyển động cưỡng bức địa hình tạo
điều kiện thuận lợi cho đối lưu phát triển.
Theo phương ngang mô hình ETA sử dụng
lưới toạ độ bán so le E. Qua nghiên cứu thực tế
cho thấy, lưới E mô phỏng các quá trình quy
mô nhỏ tốt hơn các loại lưới khác. Đạo hàm
theo thời gian trong ETA được sai phân theo sơ

đồ sai phân thời gian hiển A. Đối với các quá
trình quy mô nhỏ thì sử dụng sơ đồ sai phân
hiển tiến - lùi. Các số hạng bình lưu được sai
phân hoá bằng cách áp dụng kỹ thuật tách, kỹ
thuật này cho phép sử dụng bước thời gian lớn,
do đó hiệu suất tính toán của mô hình cao hơn
so với các phương pháp khác.
Bên cạnh việc cung cấp các thông tin dự
báo của các trường khí tượng hàng ngày cho
các trung tâm dự báo thời tiết thì hiện nay có rấ
t
nhiều mô hình số trị động lực về thuỷ văn, hải
văn, môi trường (như mô hình dự báo nước
dâng do bão, mô hình dự báo sóng, mô hình dự
báo lũ, mô hình lan truyền ô nhiễm ) có yêu
cầu đầu vào từ các kết quả dự báo của mô hình
dự báo số. Do đó việc nghiên cứu áp dụng mô
hình ETA có ý nghĩa thực tiễn lớn trong phục
vụ công tác dự báo thời tiết hàng ngày và cung

cấp số liệu đầu vào cho các mô hình nói trên.
Theo
đánh giá của NCEP thì mô hình ETA cho
kết quả dự báo khá tốt ở miền nhiệt đới, đặc
biệt là khu vực đồi núi.
Hiện nay trên thế giới có nhiều nước sử
dụng mô hình ETA như Nam Tư, Hy Lạp, Italy,
Rumani và các nước Nam Mỹ Phiên bản mới
nhất của mô hình ETA bất thuỷ tĩnh được hoàn
thiện và sử dụng tại Đại Học Tổng Hợp Hy
Lạp, đứng đầu là GS. G. Kaloss. Nhóm nghiên
cứu d
ự báo khí tượng của Trường Đại Học
Khoa Học Tự Nhiên - Đại Học Quốc Gia Hà
Nội với sự giúp đỡ của GS. G. Kaloss đã áp
dụng thành công mô hình này vào thử nghiệm
dự báo thời tiết ở việt nam
3. Xây dựng phương trình dự báo dông cho
sân bay Nội Bài
3.1. Cơ sở dữ liệu
Số liệu ban đầu của mô hình ETA được lấy
từ số liệu lưu trữ của mô hình toàn cầu AVN.
Trường số liệu của mô hình AVN có độ phân
giải ngang 1
0
x 1
0
kinh vĩ (tương đương 111km)
trên 26 mực theo chiều thẳng đứng. Các số liệu
này được cung cấp miễn phí trên internet ở các

thời điểm 00z, 06z, 12z, 18z. Vì trường số liệu
của mô hình AVN chưa phù hợp với trường số
liệu của mô hình ETA nên chúng được nội suy
về số liệu của mô hình ETA bằng một chương
trình Fortran. Quá trình chạy và hiển thị kết
quả của mô hình khoảng 1 giờ, kết qủa d
ự
báo các trường khí tượng như độ cao địa thế
vị, nhiệt độ, gió, độ ẩm được dự báo và ghi
ra 3 giờ một.

T.T.Tiến,Đ.T.H.Dung/TạpchíKhoahọcĐHQGHN,KhoahọcTựNhiênvàCôngnghệ25,Số1S(2009)115‐123
117
Kết quả dự báo các trường khí tượng này
được ghi ra trên các điểm lưới của miền lưới
gồm 141 x 141 điểm, bước lưới 0.25 độ (tương
đương 28km) bao phủ vùng lãnh thổ có vĩ độ ϕ
= -4
0
÷ 32
0
, kinh độ δ = 90
0
÷ 125
0
, tâm lưới
nằm tại tọa độ (108,14), Việt Nam nằm giữa
miền lưới. Từ miền lưới này chúng tôi chọn ra
một miền lưới con gồm 10x10 điểm, bao phủ
khu vực có vĩ độ ϕ = 20

0
÷ 22.25
0
, kinh độ δ =
104
0
÷ 106.25
0
, sân bay Nội Bài (có tọa độ ϕ
=21.24
0
, δ = 105.38
0
) nằm giữa miền tính. Các
chỉ số dông được tính theo các trường khí tượng
dự báo 48 giờ bằng mô hình ETA trên các điểm
lưới của miền lưới con này.
Để tính được các chỉ số dông chúng tôi đã
lấy ra các trường dự báo độ cao địa thế vị, nhiệt
độ, nhiệt độ điểm sương, độ ẩm tương đối,
thành phần gió kinh hướng và thành phần gió vĩ
hướng tại 100 đi
ểm lưới của miền lưới con trên
38 mực (các mực cách nhau 25mb từ mực
1000mb đến mực 75mb) tại các thời điểm dự
báo 03h, 06h, 09h, 12h, 15h, 18h, 21h, 24h,
27h, 30h, 33h, 36h, 39h, 42h, 45h, 48h.
3.2. Yếu tố dự báo và nhân tố dự báo
* Yếu tố dự báo
Yếu tố dự báo để xây dựng phương trình dự

báo là xác suất xuất hiện hiện tượng dông tại
sân bay Nội Bài trong khoảng thời gian 3h. Nếu
dông được quan trắc trong cả 3 giờ
liên tiếp thì
yếu tố dự báo có giá trị bằng 1, nếu dông được
quan trắc trong 2 giờ bất kỳ thì yếu tố dự báo
nhận giá trị 0.66, nếu dông được quan trắc trong
1 giờ bất kỳ thì yếu tố dự báo nhận giá trị 0.33,
và yếu tố dự báo nhận giá trị 0 nếu dông không
được quan trắc trong 3 giờ liên tiếp. Do đó yếu
tố dự báo của phương trình dự báo là một chuỗi
số liệu chỉ gồm các số 0, 1, 0.66 và 0.33. Trong
khi đó, yếu tố dự báo của qui trình dự báo dông
là sự xuất hiện hiện tượng dông tại khu vực sân
bay và vùng phụ cận trong 3 h. Việc xác định
ngưỡng dự báo cho yếu tố dự báo của qui trình
dự báo sẽ được trình bày trong các phần sau.
Độ dài của chuỗi số liệu yếu tố dự báo gồm 480
lần quan trắc trong 30 ngày của 3 tháng 5, 6, 7
của năm 2006.
* Nhân t
ố dự báo
Nhân tố dự báo của qui trình và phương
trình dự báo là các giá trị lớn nhất, nhỏ nhất, và
trung bình của các chỉ số dông được tính theo
phần mềm RAOB 5.6. Khu vực tính toán là
miền lưới xung quanh trạm Nội Bài gồm 100
điểm lưới.
Từ kết quả các trường khí tượng output của
mô hình ETA như đã trình bày ở trên, phần

mềm RAOB 5.6 đã tính toán được giá trị của 15
chỉ số dông tại 100 nút lưới. Các ch
ỉ số dông
được phần mềm RAOB 5.6 tính toán gồm có:
Cape Total, Boyden Index, Cross Total,
Jefferson Index, K Index, KO Index, Lifted
Index, S Index, Showalter Index, nhiệt độ điểm
sương bề mặt (SDW), Sweat Index, Thompson
Index, TQ Index, Total Totals, Vertical Total.
Sau đó chúng tôi tính các giá trị lớn nhất, giá trị
nhỏ nhất và giá trị trung bình của từng chỉ số
trong 100 điểm lưới cho từng trường hợp. Các
giá trị lớn nhất, nhỏ nhất và trung bình của từng
chỉ số này được xem như các nhân tố dự tuyển
(có t
ổng cộng 3 x 15 = 45 nhân tố dự tuyển).
Giá trị 45 nhân tố này tại các thời điểm dự báo:
03h, 06h, 09h, 12h, 15h, 18h, 21h, 24h, 27h,
30h, 33h, 36h, 39h, 42h, 45h, 48h của 30 dự
báo trong 3 tháng 5, 6, 7 của năm 2006, tạo ra
chuỗi số liệu gồm 30x16=480 trường hợp. Các
nhân tố kể trên ở thời điểm t
i
được dùng để dự báo
hiện tượng dông trong khoảng thời gian 3 giờ
(t
i
<t< t
i+1
, với i là các mốc thời gian như trên).

Qui trình tính toán được minh họa trong
hình 1.


T.T.Tiến,Đ.T.H.Dung/TạpchíKhoahọcĐHQGHN,KhoahọcTựNhiênvàCôngnghệ25,Số1S(2009)115‐123
118

Hình 1. Qui trình tính toán dự báo dông cho sân bay Nội Bài.
3.3. Tuyển chọn nhân tố dự báo
a) Tuyển chọn nhân tố dự báo theo chỉ tiêu
phân lớp R
Ta có hai pha thời tiết là φ
1
(không xảy ra
dông) và φ
2
(có dông). Sử dụng nhân tố dự báo
x
i
, theo số liệu trên, ta chia x
i
ứng với hai pha
thời tiết φ
1
và φ
2
. Trong từng lớp ta chọn được
giá trị cực đại và cực tiểu của chúng. Ký hiệu
các giá trị đó là x
max1

, x
max2
và x
min1
, x
min2
.
Miền chung của hai lớp có thể xác định được
bởi:
δ=min(x
max1
,x
max2
)- max(x
min1
,x
min1
)
Miền xác định của x theo chuỗi số liệu sẽ là :
∆=max(x
max1
, x
max2
)- min(x
min1
,x
min2
) -s
Ở đây s = δ khi δ<0, s = 0 khi δ>0
Chỉ tiêu để tuyển chọn nhân tố dự báo sẽ là

R=
∆
δ
(1)
Trong chuỗi số liệu đầu ra của mô hình gồm
480 trường hợp, chúng tôi chọn chuỗi gồm 319
trường hợp làm chuỗi số liệu phụ thuộc để xây
dựng phương trình dự báo dông và 161 trường
hợp còn lại được dùng làm chuỗi số liệu độc lập
để kiểm nghiệm lại phương pháp dự báo. Trước
hết 45 nhân tố có độ dài 480 trường hợp được
sử dụng và
được đánh giá theo các tiêu chí R
nói trên để tìm ra các nhân tố dự báo tốt nhất.
Kết quả tính toán chỉ tiêu tuyển chọn nhân tố
theo công thức (1) được liệt kê trong bảng 1.





T.T.Tiến,Đ.T.H.Dung/TạpchíKhoahọcĐHQGHN,KhoahọcTựNhiênvàCôngnghệ25,Số1S(2009)115‐123
119
Bảng 1. Chỉ tiêu tuyển chọn nhân tố R đối vói các chỉ số dông lớn nhất, nhỏ nhất, trung bình trên 100 điểm lưới
X01 X02 X03 X04 X05 X06 X07 X08 X09 X10 X11 X12 X13 X14 X15
max
0.57 0.85 0.76 0.85 0.97 0.62 0.59 0.81 0.88 0.78 0.75 0.84 0.92 0.94 0.83
min
0.41 0.86 0.89 0.93 0.88 0.70 0.48 0.97 0.89 0.67 0.60 0.84 0.92 0.84 0.77
TB

0.51 0.91 0.71 0.73 0.70 0.75 0.56 0.76 0.72 0.75 0.89 0.73 0.79 0.71 0.80
(Ghi chú: các nhân tố từ X01 đến X15 lần lượt tương ứng với các chỉ số Cape Total, Boyden Index, Cross
Total, Jefferson Index, K Index, KO Index, Lifted Index, S Index, Showalter Index, nhiệt độ điểm sương bề mặt
(SDW), Sweat Index, Thompson Index, TQ Index, Total Totals, Verticcal
).
Như chúng ta đã biết, R càng tiến gần đến 1
tức là nhân tố dự báo đó không có khả năng
phân lớp, còn R càng tiến gần đến 0 thì miền
phân chia giữa hai pha thời tiết càng lớn. Chính
vì vậy, dựa theo kết quả tính R trong bảng trên
ta có thể thấy rằng có 11 nhân tố dự báo cho kết
quả R thấp nhất là: CAPEmax, CAPEmin,
CAPEtb, LImax, LImin, LItb, SWEATmin,
KOmax, KOmin, KOtb, SDWmin. Các nhân tố
này được chọn để tiếp tục đưa vào tuyển chọn
theo hệ
số tương quan giữa chúng.
b) Tuyển chọn nhân tố dự báo theo hệ số
tương quan
Kết quả tính toán hệ số tương quan của các
nhân tố được chỉ ra trong bảng 2.

Bảng 2. Hệ số tương quan của 11 nhân tố dự báo
X01 X02 X03 X04 X05 X06 X07 X08 X09 X10 X11
X01
1.00 0.86 0.96 0.76 0.91 0.86 0.24 0.73 0.74 0.23 0.43
X02
0.86 1.00 0.92 0.80 0.81 0.83 0.19 0.68 0.54 0.20 0.51
X03
0.96 0.92 1.00 0.79 0.89 0.88 0.22 0.75 0.69 0.21 0.48

X04
0.76 0.80 0.79 1.00 0.85 0.94 0.13 0.75 0.50 0.04 0.55
X05
0.91 0.81 0.89 0.85 1.00 0.95 0.15 0.70 0.68 0.05 0.41
X06
0.86 0.83 0.88 0.94 0.95 1.00 0.14 0.75 0.62 0.05 0.50
X07
0.24 0.91 0.22 0.13 0.15 0.14 1.00 0.10 0.34 0.45 0.21
X08
0.73 0.68 0.75 0.75 0.70 0.75 0.10 1.00 0.70 0.03 0.48
X09
0.74 0.54 0.69 0.50 0.68 0.62 0.34 0.70 1.00 0.02 0.03
X10
0.23 0.20 0.21 0.04 0.05 0.05 0.45 0.03 0.02 1.00 0.16
X11
0.43 0.51 0.48 0.55 0.41 0.50 0.21 0.48 0.03 0.16 1.00
(ghi chú: các nhân tố từ X01 đến X11 lần lượt tương ứng với các chỉ số CAPE
max
, CAPE
min
, CAPE
tb
, LI
max.
,
LI
min
, LI
tb
, SWEAT

min
, KO
max
, KO
min
, K
tb
, SDW
min
).


T.T.Tiến,Đ.T.H.Dung/TạpchíKhoahọcĐHQGHN,KhoahọcTựNhiênvàCôngnghệ25,Số1S(2009)115‐123
120

Từ bảng này ta thấy các nhân tố CAPEmax,
Sweatmin, KOmax, KOmin, Ktb, Sdwmin có
hệ số tương quan nhỏ so với các nhân tố còn lại,
chính vì vậy 5 nhân tố này được chọn để xây
dựng phương trình dự báo.
3.4. Xây dựng phương trình dự báo
Sử dụng phương pháp hồi qui tuyến tính
nhiều biến chúng tôi thu được phương trình dự
báo có dạng như sau:
P = 0.4004 + 0.000018.CAPEmax -
0.000413.SWEATmin - 0.125841.KOmax –
0.001602.KOmin + 0.004460.Ktb -
0.274558.SDWmin (2)
Quá trình tính toán để xây dựng phương
trình dự báo được trình bày trong sơ đồ khố

i
trong hình 2:


Hình 2. Qui trình tính toán xây dựng phương trình dự báo.
3.5. Đánh giá phương trình dự báo
* Phương pháp đánh giá
Người ta có nhiều phương pháp để đánh giá
kết quả, nhưng trong dự báo dông chúng tôi sử
dụng phương pháp đánh giá kết quả dự báo pha
(có hay không có dông xảy ra). Trong dự báo ta
có hai pha thời tiết: có dông và không có dông.
Tổng số trường hợp xảy ra hai pha thời tiết có
dông và không có dông là N, trong đó N
1
là số lần
xảy ra pha thời tiết có dông
; N
2
là số lần xảy ra
pha thời tiết không có dông. Độ chính xác của
phương pháp dự báo có thể biểu diễn trên bảng 3.
- Độ chính xác của phương pháp:
N
NN
U
2211
+
=

Với N: Tổng số lần dự báo
N
11
: Số lần dự báo đúng pha có dông
N
22
: Số lần dự báo đúng pha không có dông
Bảng 3. Độ chính xác của dự báo pha theo
số lần dự báo
Dự báo
Pha thời tiết
Có dông Không dông
Tổng
Có dông N11 N12 N1
Không dông N21 N22 N2
- Ngoài độ chính xác của phương pháp dự
báo, chúng tôi sử dụng thêm chỉ số Hit Rate (Tỉ
lệ dự báo đúng sự xuất hiện dông) để đánh giá:
POD = N
11
/ N
1

T.T.Tiến,Đ.T.H.Dung/TạpchíKhoahọcĐHQGHN,KhoahọcTựNhiênvàCôngnghệ25,Số1S(2009)115‐123
121
* Kết quả đánh giá dự báo trên chuỗi số
liệu phụ thuộc và độc lập
Để đánh giá kết quả của phương pháp dự
báo, chúng tôi tiến hành chọn lần lượt các
ngưỡng dự báo cho phương trình dự báo dông

(2). Kết quả của U và POD cho chuỗi phụ thuộc
và chuỗi độc lập được thể hiện trong bảng 4 và
5 dưới đây.

Bảng 4. Đánh giá trên chuỗi số liệu phụ thuộc Bảng 5. Đánh giá trên chuỗi số liệu độc lập


Từ hai bảng trên ta thấy nhìn chung khi
tăng dần ngưỡng dự báo P
0
từ 0.3 đến 0.6 thì độ
chính xác của phương pháp dự báo (U) tăng dần
lên trong khi đó thì tỉ lệ dự báo đúng sự xuất
hiện tượng dông hiện tượng dông (POD) lại có
xu hướng giảm đi đối với cả chuỗi phụ thuộc và
chuỗi độc lập. Giá trị POD trên chuỗi độc lập
thấp. Tốc độ giảm tỉ lệ POD trên chuỗi độc lập
nhanh hơn nhiề
u so với chuỗi phụ thuộc khi
tăng dần giá trị của P
0
, tuy nhiên, độ chính xác
của phương pháp dự báo trên chuỗi độc lập lại
cho kết quả khả quan hơn so với chuỗi phụ
thuộc. Sau khi đối chiếu, so sánh kết quả đánh
giá dự báo trên chuỗi phụ thuộc và chuỗi độc
lập, chúng tôi chọn ngưỡng dự báo P
0
= 0.6 làm
ngưỡng dự báo sự xuất hiện dông. Qui trình dự

báo dông được mô tả trong hình 3 dưới đây.
Hhhhj

Hình 3. Qui trình dự báo dông cho sân bay Nội Bài.

T.T.Tiến,Đ.T.H.Dung/TạpchíKhoahọcĐHQGHN,KhoahọcTựNhiênvàCôngnghệ25,Số1S(2009)115‐123
122

4. Kết luận

Qua quá trình nghiên cứu áp dụng các
trường dự báo khí tượng của mô hình ETA cho
dự báo sự xuất hiện dông tại sân bay Nội Bài
trong 3 giờ với hạn dự báo lên đến 48 giờ,
chúng tôi nhận thấy nghiên cứu cho kết quả dự
báo khá khả quan. Độ chính xác của phương
pháp dự báo trên đạt 70% và độ chính xác của
sự báo đúng sự xuất hiện dông đạt gần 60%.
Nghiên cứu đã tạo được bộ số liệu d
ự báo
từ mô hình ETA gồm 480 trường hợp của các
tháng 5,6,7 năm 2006 trên miền lưới gồm 141 x
141 điểm, tâm lưới tại tọa độ (108,14), bước
lưới 0.25 độ, có vĩ độ ϕ = -4
0
÷ 32
0
, kinh độ δ =
90
0

÷ 125
0
. Các chỉ số dông đã được tính toán
trên miền lưới con 10x10 điểm, bao phủ khu
vực có vĩ độ ϕ = 20
0
÷ 22.25
0
, kinh độ δ = 104
0

÷ 106.25
0
, sân bay Nội Bài nằm giữa miền tính.
Thông qua các bước tuyển lựa nhân tố dự báo,
nghiên cứu đã tìm được các nhân tố dự báo phù
hợp để đưa vào xây dựng phương trình dự báo,
đồng thời đã tìm được ngưỡng dự báo sự xuất
hiện dông P
0
= 0.6 và đưa ra được qui trình dự
báo áp dụng cho sân bay Nội Bài.
Kết quả khả quan thu được từ nghiên cứu
này cho thấy khả năng áp dụng các trường dự
báo khí tượng của mô hình ETA vào dự báo
dông cho khu vực nhỏ trong khoảng thời gian
ngắn (vài giờ) tại các sân bay, công trình xây
dựng là hướng đi có triển vọng tốt. Chúng tôi
đề xuất các nghiên cứu sâu hơn trong tương lai
đối với việc áp dụng mô hình ETA vào dự báo

dông như việc kết h
ợp mô hình ETA với các
mô hình dự báo khác. Đây là kết quả nghiên
cứu của đề tài NCCB mã số 705806.
Tài liệu tham khảo
[1] Trần Công Minh, Khí tượng synôp phần nhiệt
đới, NXB Đại học Quốc gia Hà Nội, Hà Nội,
2006.
[2] Trần Tân Tiến, Nguyễn Đăng Quế, Xử lý số liệu
Khí tượng và dự báo thời tiết bằng phương pháp
thống kê vật lý, NXB Đại học Quốc gia Hà Nội,
Hà Nội, 2002.
[3] D.H. Kitzmiller, F.G. Samplatsky, Christopher
Mello, Probabilistic forecast of severe local
storm in the 0-3 hour timeframe from an
advective-statistical yechnique, National
Weather Service, NOAA, 2002.
[4] K.K. Hughes, Automated Gridded Forecast
Guidance for Thunderstorms and Severe Local
Storms Based on the Eta Model, National
Weather Service, NOAA, 2002.
[5] M.J. Schmeits, K.J. Kok, D.H.P. Vogelezang,
Probability forecasting of (severe) thunderstorms in
the netherlands using model output statistics, Royal
Netherlands Meteorological Institute, 2004.


Studying the thunderstorm forecast technique applied for
Noibai airport using forecast outputs of ETA model
Tran Tan Tien, Do Thi Hoang Dzung

Faculty of Hydro-Meteorology & Oceanography, College of Science, VNU

The forecasting of thunderstorm occurence in the area of Noi Bai airport and the surroundings
using forecast outputs of ETA model for projections out to 48 h in advance (with 3-h periods) is
decribed.

T.T.Tiến,Đ.T.H.Dung/TạpchíKhoahọcĐHQGHN,KhoahọcTựNhiênvàCôngnghệ25,Số1S(2009)115‐123
123
The forecast outputs of ETA model is derived on a grid-box of 141x141 grid-points, with the
horizontal resolution of 0.25
0
(approximately 28 km) and 38 vertical levels, covering an area of ϕ = -
4
0
÷ 32
0
latitude and δ = 90
0
÷ 125
0
longitude. Vietnam is located at the centre of the grid-box. A sub
grid-box which includes 10x10 grid-points is extracted from this grid-box. The sub one has its centre
at Noi Bai airport. Forecast products received from running ETA model consist of geopotential height,
temperature, dewpoint temperature, relative humidity, and horizontal wind components. Using RAOB
5.6 software, we have computed 15 thunderstorm indices on 100 grid-points of the sub grid-box. The
potential predictor dataset which includes the maximum, minimum, and average values of these 15
indices has 480 forecast cases in total (in May, June, and July 2006). The potential predictors are
selected basing on discriminant and correlation coefficient. And five predictors which have most
predictive potential include CAPEmax, SWEATmin, KOmax, KOmin, Kavar and SDWmin are
selected in order to conduct forecast equation for Noi Bai airport. Predictand of the forecast equation

is the thunderstorm probability, while the predictand of the whole forecast process is the occurrence of
thunderstorm at the area within 3 hours. As a source for the predictands, we have used the radar data
on thunderstorm observation in Noi Bai airport at the corresponding times.
The forecast equation is derived by applying the linear regression method. The overall verification
results for the thunderstorm forecast system are generally good. Thus, we can conclude from the
verification results of this study that forecast outputs of ETA model is applicable to thunderstorm
forecast in narrow areas in short intervals. However, it’s certain that there is a need to increase
verification results and temporal and spatial resolution of this study as well as other future studies on
the relevant matter before considering using it as the operational forecast technique.