TÓM TẮT LUẬN VĂN THẠC SĨ ĐÁNH GIÁ KẾT QUẢ DỰ BÁO NHIỆT ĐỘ VÀ LƯỢNG MƯA CỦA MỘT SỐ MÔ HÌNH DỰ BÁO THỜI TIẾT CHO KHU VỰC VIỆT NAM

TÓM TẮT LUẬN VĂN THẠC SỸ KHOA HỌC
ĐỀ TÀI
ĐÁNH GIÁ KẾT QUẢ DỰ BÁO NHIỆT ĐỘ VÀ LƯỢNG MƯA CỦA MỘT
SỐ MÔ HÌNH DỰ BÁO THỜI TIẾT CHO KHU VỰC VIỆT NAM

Chuyên ngành : Khí tượng và Khí hậu học
Mã số : 60 44 87
CHƯƠNG 1. TỔNG QUAN VỀ BÀI TOÁN ĐÁNH GIÁ DỰ BÁO TRONG KHÍ
TƯỢNG VÀ CÁC CHỈ SỐ ĐÁNH GIÁ
1. Bài toán đánh giá dự báo trong khí tượng
1.1. Mục đích và ý nghĩa của bài toán đánh giá
Mục đích hành chính: Các thông tin đánh giá trong mục đích quản lý hành
chính nhằm cung cấp thông tin cho việc mua sắm các trang thiết bị chính như các
máy tính có cấu hình cao hơn, tốc độ xử lý nhanh hơn,… Xác định khi nào, hoặc
có nên thay thế một sản phẩm đang được sử dụng bằng một sản phẩm dự báo mới
hay không, và còn nhiều các quyết định khác để phát triển tối ưu nguồn lực về con
người cũng như các nguồn trang thiết bị khác phục vụ cho công tác phát hành một
bản tin dự báo thời tiết.
Mục đích khoa học: Đánh giá với mục đích khoa học là xác định một cách
đầy đủ và chi tiết ưu điểm cũng như nhược điểm của một sản phẩm dự báo. Các
hoạt động này giúp tìm ra các biện pháp thích hợp để cải thiện chất lượng dự báo
phục vụ cũng như cung cấp các thông tin để hoạch định phương hướng cho việc
nghiên cứu và phát triển tiếp theo.
1.2. Mô hình chung cho đánh giá dự báo các yếu tố thời tiết
1.3. Sơ lược về tiêu chuẩn đánh giá
- Chuẩn ngẫu nhiên;
- Chuẩn quán tính;
1
- Chuẩn khí hậu.
1.4. Các loại yếu tố dự báo
* Yếu tố dự báo liên tục: Là các yếu tố được dự báo tại một giá trị nhất định

hoặc trong một khoảng giá trị nào đó. Trong số các yếu tố thời tiết thì nhiệt độ, áp
suất, và gió là hay được dự báo theo cách này.
* Yếu tố dự báo pha: Là các yếu tố dự báo có thể xảy ra hoặc không xảy ra.
Chẳng hạn như xét sự xuất hiện của giáng thủy (có hoặc không), hoặc xét dạng
giáng thủy (băng, tuyết, nước).
1.5. Các thuộc tính của một dự báo tốt
2. Một số phương pháp và chỉ số đánh giá phổ biến
2.1. Sơ đồ chung đánh giá sản phẩm mô hình dự báo thời tiết số
2.2. Phương pháp đánh giá đối với biến liên tục
2.3. Phương pháp đánh giá đối với dự báo pha
3. Cơ sở lý thuyết của phương pháp đánh giá fuzzy
4. Tình hình nghiên cứu chung liên quan đến đề tài trên thế giới và tại Việt Nam
CHƯƠNG 2. KHÁI QUÁT VỀ CÁC MÔ HÌNH DỰ BÁO THỜI TIẾT SỐ HRM,
MM5 VÀ NGUỒN SỐ LIỆU SỬ DỤNG
1. Giới thiệu về mô hình MM5
1.1. Giới thiệu mô hình
1.2. Cấu trúc mô hình
1.3. Hệ các phương trình thủy nhiệt động lực của MM5
1.4. Điều kiện biên
1.5. Các quá trình tham số hóa
2. Giới thiệu về mô hình HRM
2
2.1. Giới thiệu mô hình
2.2. Cấu trúc lưới và phương pháp số
2.3. Hệ các phương trình cơ bản
2.4. Các quá trình tham số hóa vật lý
3. Số liệu
CHƯƠNG 3. KẾT QUẢ ĐÁNH GIÁ NHIỆT ĐỘ VÀ LƯỢNG MƯA CỦA MÔ
HÌNH MM5 VÀ HRM CHO KHU VỰC VIỆT NAM
1. Kết quả đánh giá nhiệt độ

Mô hình HRM cho nhiệt độ dự báo thấp hơn so với quan trắc khoảng 2
0
C
(dự báo thiên thấp). Trong khi đó mô hình MM5 cho nhiệt độ dự báo cao hơn quan
trắc khoảng dưới 0.5
0
C (dự báo thiên cao). Sai số nhiệt độ trong mùa đông thường
lớn hơn so với mùa hè. Kết quả đánh giá chung cho toàn chuỗi số liệu của HRM
cho thấy sai số lớn nhất thường ở khu vực Bắc Bộ và nhỏ nhất là ở khu vực Trung
Bộ, MM5 cho sai số lớn ở khu vực Nam Bộ.
Tuy rằng mô hình MM5 cho giá trị độ lệch trung bình nhiệt độ nhỏ hơn so
với mô hình HRM nhưng độ ổn định không cao (Có lúc dự báo cho giá trị nhiệt độ
thấp hơn so với thám sát thiên thấp, có lúc lại cho dự báo thiên cao). Và hệ số
tương quan cũng thấp hơn so với mô hình HRM. Mô hình HRM luôn cho giá trị
nhiệt độ dự báo thấp hơn so với giá trị thám sát (ME luôn âm), kết hợp với giá trị
MAE chênh lệch không nhiều so với ME. Điều này khiến cho việc hiệu chỉnh mô
hình HRM sẽ dễ dàng hơn so với mô hình MM5.
Kết quả đánh giá nhiệt độ của đề tài này cho khu vực Bắc Bộ Việt Nam hoàn
toàn phù hợp với kết quả đề tài luận văn thạc sỹ: “Đánh giá sản phẩm mô hình dự
báo số HRM trường nhiệt độ mùa đông ở Bắc Bộ Việt Nam” của tác giả Vũ Anh
Tuấn (2004).
2. Kết quả đánh giá lượng mưa
3
HRM cho dự báo mưa mùa hè kém chính xác hơn trong mùa đông (ME mùa
đông dưới 1mm/ngày, trong khi mùa hè tới gần 7mm/ngày tại khu vực Bắc Bộ).
Sai số lớn nhất thường ở khu vực Bắc Bộ và nhỏ nhất ở khu vực Trung Bộ. Trường
hợp chuỗi số liệu ngắn (HRM2) thường cho sai số nhỏ hơn.
Mô hình MM5 cho dự báo lượng mưa thiên thấp. MM5 cho dự báo lượng
mưa thấp hơn so với thực tế ở khu vực Bắc Bộ và Trung Bộ, cũng như khu vực
Việt Nam. Chỉ riêng khu vực Nam Bộ cho lượng mưa cao hơn, trong đó sai số lớn

nhất ở khu vực Bắc Bộ. Điều này cho thấy đối với dự báo lượng mưa, mô hình phi
thủy tĩnh MM5 mô tả tốt hơn các quá trình khí quyển ở vùng vĩ độ thấp.
Như vậy, xét chung cho toàn chuỗi số liệu ta thấy mô hình HRM cho dự báo
lượng mưa thiên cao, còn mô hình MM5 dự báo mưa thiên thấp. Cả hai mô hình
đều cho các giá trị độ lệch trung bình giữa dự báo và quan trắc lúc âm lúc dương
(lúc dự báo thấp hơn thám sát, lúc lại dự báo cao hơn thám sát). Hệ số tương quan
của HRM ổn định hơn trong các mùa so với MM5.
Kết hợp giữa các chỉ số có thể thấy mô hình HRM có tính ổn định và mức
độ tin cậy cao hơn so với mô hình MM5.
Ở cả hai mô hình, dự báo mưa ở các ngưỡng mưa thấp cho kết quả chính xác
(độ tin cậy cao hơn) so với các ngưỡng mưa lớn.
3. Kết quả thử nghiệm đánh giá mưa bằng phương pháp fuzzy
3.1. Kết quả thử nghiệm với chuỗi số liệu mẫu
3.2. Thử nghiệm đánh giá kết quả dự báo mưa bằng phương pháp fuzzy cho Việt
Nam
*Kết quả thử nghiệm đánh giá cho dự báo mưa do bão gây ra
*Kết quả thử nghiệm đánh giá cho dự báo mưa do không khí lạnh gây ra
Ưu điểm lớn nhất của phương pháp đánh giá kết quả dự báo mưa mô hình
HRM là có thể dễ dàng nhận thấy bằng trực giác ở những quy mô không gian nào
và ở ngưỡng mưa nào mô hình cho dự báo tốt hơn.
4
Các kết quả được tính trên đây chỉ chiếm một phần nhỏ của các điểm số mà
phương pháp fuzzy có thể tính được. Tuy nhiên, rất khó để đồng thời làm rõ ý
nghĩa của tất cả các điểm số đó bằng một điểm số duy nhất, mà người dùng phải
kết hợp tất cả các điểm số đó mới đưa ra được một kết luận đúng đắn nhất. Đánh
giá fuzzy là một phương pháp hoàn toàn mới tại Việt Nam, số liệu mô hình HRM
có độ phân giải (14km) không được tinh như số liệu rađa của số liệu mẫu (5km), số
liệu chỉ chạy cho hai ngày không đủ dài để đánh giá thống kê. Chính vì vậy mà
việc áp dụng phương pháp này trong khuôn khổ luận văn, tác giả chủ yếu chú trọng
đến việc thử nghiệm phương pháp.

Tuy vậy, bước đầu cũng đã thu được một số kết quả có ý nghĩa về mặt lý
thuyết. Về cơ bản mô hình HRM dự báo tốt được lượng mưa ở cường độ mưa
không quá cao và HRM dự báo tốt hơn ở những quy mô không gian không quá
lớn.
Hướng nghiên cứu tiếp theo, tác giả có tham vọng sử dụng phương pháp này
để đánh giá cho tất cả các mô hình dự báo thời tiết đang chạy nghiệp vụ tại Việt
Nam với độ chính xác đủ tin cậy./.
5