NGHIÊN cứu ỨNG DỤNG sơ đồ ĐỒNG hóa số LIỆU 3DVAR CHO mô HÌNH WRF NHẰM dự báo QUỸ đạo bão TRÊN BIỂN ĐÔNG

Hội thảo khoa học Quốc gia về Khí tượng Thủy văn, Môi trường và Biến đổi Khí hậu

NGHIÊN CỨU ỨNG DỤNG SƠ ĐỒ ĐỒNG HÓA SỐ LIỆU 3DVAR CHO
MÔ HÌNH WRF NHẰM DỰ BÁO QUỸ ĐẠO BÃO TRÊN BIỂN ĐÔNG
Hoàng Đức Cường, Nguyễn Thị Thanh, Trần Thị Thảo
Viện Khoa học Khí tượng Thủy văn và Môi trường
Báo cáo trình bày tóm tắt về hệ thống đồng hóa số liệu 3DVAR trong mô hình WRF
nhằm điều chỉnh trường ban đầu là sản phẩm phân tích của mô hình toàn cầu với sự tham gia
của các số liệu thám sát địa phương.
Kết quả dự báo thử nghiệm đối với cơn bão NEOGURI trong hai trường hợp, có và
không đồng hóa số liệu cho trường ban đầu cho thấy, sai số khoảng cách khi có đồng hóa số
liệu giảm đáng kể trong 30h dự báo đầu tiên, sai số dọc và sai số ngang cũng có những cải
thiện nhất định. Tổng hợp kết quả thử nghiệm đối với 18 cơn bão hoạt động trên Biển Đông
năm 2008, 2009 cũng cho thấy hiệu quả sử dụng của sơ đồ đồng hóa số liệu cho mô hình
WRF nhằm dự báo quỹ đạo bão, nhất là trong khoảng 42h dự báo đầu tiên.

1. Mở đầu
Điều quan trọng ảnh hưởng tới chất lượng dự báo của các mô hình dự báo số là
trường ban đầu, các dữ liệu đầu vào, số liệu quan trắc địa phương. Để cải thiện trường
số liệu ban đầu, các nhà khoa học sử dụng những mô hình đồng hoá số liệu, trong đó,
trường số liệu ban đầu được hiệu chỉnh bởi các số liệu quan trắc như các số liệu quan
trắc tại mặt đất, số liệu quan trắc thám không vô tuyến, số liệu quan trắc Radar và số
liệu đo đạc bằng các vệ tinh khí tượng.
Trong những năm qua, các nghiên cứu về đồng hoá số liệu và phát triển cho mô
hình WRF đã được thực hiện. Modun WRF_3DVAR đóng vai trò quan trọng trong
việc nghiên cứu và áp dụng bài toán đồng hoá số liệu phi tuyến.
2. Hệ thống đồng hóa số liệu 3DAVR trong mô hình WRF
Mục đích cơ bản của đồng hoá số liệu biến phân ba chiều là cung cấp một ước
lượng tối ưu của trạng thái khí quyển thực ở thời điểm phân tích thông qua việc giải
lặp hàm giá [3,4]:
J ( x) = J b ( x) + J 0 ( x) =

1
1
( x − x b ) T B −1 ( x − x b ) + ( y − y 0 ) T ( E + F ) −1 ( y − y 0 )
2
2

(1)

Trong đó: x là véc tơ trạng thái phân tích, xb là véc tơ trường nền, B là ma trận
tương quan sai số nền, y0 là trường quan trắc, y là véc tơ chuyển đổi từ trạng thái
không gian mô hình đến không gian quan trắc, E, F tương ứng là ma trận tương quan
sai số quan trắc và ma trận tương quan sai số biểu diễn.
Như vậy, bài toán đồng hoá số liệu biến phân 3DVAR có thể nói ngắn gọn là
lời giải lặp của phương trình (1) để tìm trạng thái được phân tích x sao cho J(x) là nhỏ
nhất. Ngoài ra bài toán còn đòi hỏi phải thiết lập được ma trận tương quan sai số
trường nền và ma trận tương quan sai số quan trắc.
Ma trận tương quan sai số trường nền với phương sai sai số trường nền là các
phần tử nằm trên đường chéo của ma trận sai số nền B. Chúng thường được đánh giá
thông qua phương sai của trường dự báo mà ta sử dụng làm trường nền hoặc có thể
Tập 1: Khí tượng - Khí hậu, Khí tượng Nông nghiệp và Biến đổi Khí hậu

1


Hội thảo khoa học Quốc gia về Khí tượng Thủy văn, Môi trường và Biến đổi Khí hậu

được đánh giá thông qua việc xác định phương sai của độ lệch giữa trường dự báo và
trường phân tích. Tương quan giữa các sai số trường nền là các phần tử nằm ngoài
đường chéo của ma trận sai số nền B. Tương quan sai số trường nền có tầm quan trọng

trong bài toán phân tích vì chức năng truyền thông tin, làm trơn, cân bằng vật lý.
Ma trận tương quan sai số quan trắc bao gồm những ảnh hưởng của sai số đo,
các sai số trong hoạt động quan trắc và sai số biểu diễn. Phương sai của sai số quan
trắc chính là các phần tử nằm trên đường chéo của ma trận tương quan. Tương quan
sai số quan trắc là các phần tử nằm ngoài đường chéo của ma trận tương quan sai số
quan trắc. Sự có mặt của tương quan sai số quan trắc góp phần làm giảm trọng số của
quan trắc và giảm sự chênh lệch giữa các giá trị quan trắc thông qua gradient hay xu
thế.
Để cực tiểu hoá hàm giá, mô hình WRFDA đã sử dụng phiên bản được cải tiến
về giới hạn vùng nhớ của phương pháp Quasi_Newton (QNM) hoặc phương pháp liên
kết Gradient (CGM). Mục đích của các phương pháp này là hướng tới quá trình tương
tác của những giải pháp phi tuyến (ví dụ như sự tương tác giữa giá trị quan trắc và quá
trình cân bằng cưỡng bức,…) được sử dụng để phân tích biến trong mô hình WRFDA.
Theo đó giá trị quan trắc sẽ bị loại bỏ nếu hiệu sai số quan trắc và sai số trường nền
(O_B) vượt quá giá trị cho phép (sai số độ lệch chuẩn).
Trong mô hình WRF, quá trình đồng hóa số liệu được thực hiện theo sơ đồ trên
Hình 1 [3].

Hình 1. Sơ đồ tổng quát quá trình đồng hóa dữ liệu WRF-Var
Việc tính toán hệ số tương quan của các sai số trường nền được thiết kế trong
module gen_be, module này sẽ cập nhật dữ liệu từ mô hình toàn cầu hay mô hình khu
vực sau đó sẽ tính toán để tạo ra các hệ số tương quan thống kê của sai số sử dụng
trong hệ thống đồng hoá số liệu. Để tính toán hệ số tương quan giữa các trường thì
những giá trị trung bình cần phải được loại bỏ đầu tiên, để loại bỏ các giá trị này ta đã
sử dụng module gen_be_stage2. Module này sẽ đưa ra biến thống kê và được sử dụng
như là các biến điều khiển trong mô hình WRF_VAR. Các biến điều khiển được định
nghĩa là sự sai khác giữa các thành phần cân bằng và các thành phần đầy đủ của
trường. Đối với hệ số tương quan thẳng đứng, vector riêng, giá trị riêng và các biến
điều khiển được tính toán qua module gen_be_stage3 của mô hình. Hệ số tương quan
theo chiều ngang được tính toán qua module gen_be_stage.

2

Tập 1: Khí tượng - Khí hậu, Khí tượng Nông nghiệp và Biến đổi Khí hậu


Hội thảo khoa học Quốc gia về Khí tượng Thủy văn, Môi trường và Biến đổi Khí hậu

Để thực hiện quy trình mô tả ở Hình 1 nêu trên cần ba nguồn dữ liệu đầu vào là
số liệu dự báo ban đầu (trường nền) xb, các số liệu quan trắc yo và tương quan sai số
trường nền (B).
Các trường ban đầu và điều kiện biên cho mô hình WRF các trường phân tích
và dự báo của mô hình GFS do NCEP cung cấp cách nhau 6h, địa chỉ download:
/>Việc đồng hoá số liệu truyền thống và phi truyền thống được thực hiện thông
qua module WRF-Var. Số liệu quan trắc bề mặt là số liệu synop của các trạm tại Việt
Nam và khu vực lân cận được cung cấp bởi NCAR, địa chỉ download:
/>Số liệu cao không sử dụng để đồng hoá là số liệu nhiệt độ, nhiệt độ điểm sương,
áp suất, hướng gió, tốc độ gió tại các trạm cao không của Việt Nam và khu vực lân cận
tại thời điểm 00Z của hai mùa bão năm 2008, 2009. Số liệu được cung cấp bởi Khoa
Nghiên cứu Khí quyển, thuộc Trường Đại học Kỹ thuật, Đại học Wyoming (Mỹ), địa
chỉ download: />3. Kết quả thử nghiệm
Miền tính của mô hình WRF
nhằm dự báo bão trên Biển Đông được
xây dựng với 160 x 100 điểm lưới, từ 3030oN, 90-130oE, độ phân giải ngang là
27km và 27 mực theo chiều thẳng đứng
(Hình 2).
Các sơ đồ tham số hóa vật lý lựa
chọn cho WRF bao gồm tham số hoá đối
lưu Betts-Miller-Janjic, tham số háo lớp
biên hành tinh MRF, sơ đồ đất bề mặt

Noah Land-Surface Model, tham số hóa
Hình 2. Miền tính của mô hình WRF
bức xạ sóng dài RRTM và tham số hoá
nhằm dự báo bão trên Biển Đông
vi vật lý mây Thompson [1,2]. Thời gian
dự báo tối đa cho tất cả các trường hợp là 72h với các sản phẩm dự báo được chiết
xuất từng 6h một. Đối với mỗi cơn bão, hai dự báo được thử nghiệm:
Trường hợp 1 (KDH): không sử dụng sơ đồ đồng hóa 3DVAR cho mô hình
WRF và chỉ sử dụng trường phân tích và dự báo toàn cầu NCEP-GFS làm điều kiện
ban đầu và điều kiện biên.
Trường hợp 2 (DH): sử dụng sơ đồ đồng hóa 3 DVAR cập nhật số liệu synốp
và cao không để cải thiện điều kiện ban đầu sử dụng trong trường hợp 1.
Các thử nghiệm trên đây được thực hiện đối với 18 cơn bão hoạt động ở Biển
Đông trong năm 2008 và 2009. Khả năng dự báo quyc đạo bão trên Biển Đông được
đanh giá thông qua sai số khoảng cách, sai số dọc và sai số ngang [1,2].

Tập 1: Khí tượng - Khí hậu, Khí tượng Nông nghiệp và Biến đổi Khí hậu

3


Hội thảo khoa học Quốc gia về Khí tượng Thủy văn, Môi trường và Biến đổi Khí hậu

Trường hợp cơn bão NEOGURI năm 2008 sẽ được phân tích chi tiết nhằm làm
rõ vai trò của đồng hóa số liệu trong dự báo bão. Bão NEOGURI mạnh lên từ một áp
thấp nhiệt đới vào ngày 15/4/2008 ở Đông Nam Biển Đông. Sau khi hình thành, bão
chủ yếu di chuyển theo hướng Tây Bắc và đến ngày 17/04, bão đổi hướng Bắc Tây
Bắc (Hình 3), cường độ bão mạnh cấp 10, cấp 11. Bão NEOGURI đổ bộ vào Hải Nam
(Trung Quốc) và sau đó suy yếu ở vùng biển phía Tây Nam tỉnh Quảng Đông (Trung
Quốc).

Dự báo quỹ đạo
bão NEOGURI với hai
phương án DH và KDH
tại thời điểm dự báo 00Z
ngày 15/04/2008 cho
thấy, trường hợp DH cho
dự báo quỹ đạo bão
tương đối sát với quỹ đạo
thực tế, trong khi trường
hợp KDH dự báo bão
NEOGURI di chuyển
chậm hơn thực tế và vị
trí tâm bão lệch về phía
tây nam so với vị trí tâm
bão thực.

Hình 3. Bão NEOGURI: quỹ đạo bão thực tế (1), dự
báo theo phương án KDH và DH

Trường hợp DH
cho sai số khoảng cách (PE) nhỏ hơn đáng kể so với trường hợp KDH, đặc biệt là
trong 30h dự báo
đầu tiên (Hình 4a).
Từ các hạn dự báo
tiếp theo, trường hợp
đồng hóa số liệu
cũng làm giảm sai số
khoảng cách so với
b)
a)

trường hợp không
đồng hóa số liệu, tuy
nhiên, cả hai trường
hợp DH và KDH
đều cho sai số về
khoảng cách vị trí
tâm bão dự báo và
c)
tâm bão thực tương
đối lớn. Phân tích sai
Hình 4. Sai số khoảng cách (a), sai số dọc (b) và sai số
số dọc (ATE) cho
ngang (c) khi dự báo bão NEOGURI theo phương án KDH
thấy, cả hai phương
và DH
án dự báo đều cho
xu hướng di chuyển chậm hơn so với quan trắc (giá trị sai số âm), tuy nhiên, trường
hợp đồng hóa số liệu có trị tuyệt đối sai số nhỏ hơn hẳn trường hợp không đồng hóa số
400

0

6

350

12 18 24 30 36 42 48 54 60 66 72

-50

300
250
200

PE_KDH

150

PE_DH

-100

ATE_KDH
ATE_DH

-150

100

50

-200

0

6

12

18 24

30

36

42

48

54 60

66

72

-250

0

-10

6

12 18 24 30 36 42 48 54 60 66 72

-20
-30
-40

CTE_KDH

CTE_DH

-50
-60
-70
-80

4

Tập 1: Khí tượng - Khí hậu, Khí tượng Nông nghiệp và Biến đổi Khí hậu


Hội thảo khoa học Quốc gia về Khí tượng Thủy văn, Môi trường và Biến đổi Khí hậu

liệu (Hình 4b). Việc cải thiện sai số ngang của trường hợp DH so với KDH chỉ tìm
thấy ở 30h dự báo đầu tiên, từ 30h đến 72h dự báo tiếp theo, trường hợp đồng hóa số
liệu lại cho sai số ngang lớn hơn trường hợp không đồng hóa số liệu (Hình 4c).
Tổng hợp đánh giá kết quả dự báo quỹ đạo bão trong hai trường hợp có và
không sử dụng sơ đồ đồng hóa 3DVAR nhằm cập nhật số liệu cao không và Synốp
cho trường ban đầu đối với sai số khoảng cách trung bình, sai số dọc trung bình và sai
số ngang trung bình cho 18 cơn bão hoạt động trên Biển Đông trong năm 2008, 2009
được trình bày trên Hình 5.
Trường hợp DH cho sai số khoảng cách trung bình nhỏ hơn trường hợp KDH ở
42h dự báo đầu tiên, còn từ 42h đến 72h dự báo tiếp theo, sai số khoảng cách trung
bình trong cả hai trường hợp là xấp xỉ nhau. Như vậy, đối với bài toán dự báo quỹ đạo
bão, trường hợp đồng hóa số liệu cho kết quả khả quan hơn so với trường hợp không
đồng hóa số liệu ở
những hạn dự báo
trước 42h.
400

350
300
250

Sai số dọc
trung bình có giá trị
dương ở tất cả các
thời điểm dự báo đối
a)
với trường hợp
KDH, chứng tỏ bão
có xu hướng di
chuyển nhanh hơn
so với quan trắc
(Hình 5b). Khi có
đồng hóa số liệu,
MATE có giá trị âm
b)
c)
ở hạn dự báo trước
30h và dương ở hạn
Hình 5. Sai số khoảng cách trung bình (a), sai số dọc trung
dự báo từ 30h đến
bình (b) và sai số ngang trung bình (c) đối với 18 cơn bão
72h. Như vậy, trong
năm 2008, 2009 được dự báo theo phương án KDH và DH
trường hợp có đồng
hóa số liệu, ở những hạn dự báo trước 30h, bão có xu hướng di chuyển nhanh hơn so
với thực tế và di chuyển tương đối chậm ở những hạn dự báo sau 30h (Hình 5b).
200

MPE_KDH

150

MPE_DH

100

50

0

6

12

18

24 30 36 42

200

48

54

60

66

72

200

150

150

100
50

MCTE_KDH

0

-50

-100
-150
-200

6

12 18 24 30 36 42 48 54 60 66 72

100

MATE_KDH
MATE_DH

MCTE_DH

50

0

6

12 18 24 30 36 42 48 54 60 66 72

-50

Có sự trái ngược nhau trong kết quả đánh giá sai số ngang ở hai trường hợp, có
và không đồng hóa số liệu ở 24h dự báo đầu tiên còn ở các hạn dự báo sau đó, hai
phương án dự báo đều cho sai số ngang tương tự nhau (Hình 5c).
4. Kết luận
Sơ đồ 3DVAR đã được thử nghiệm cho việc điều chỉnh trường ban đầu của
GFS/NCEP với nguồn số liệu quan trắc cao không, bề mặt khai thác từ NCAR/NCEP
và trong đa số các trường hợp có trên 380 trạm tham gia vào quá trình đồng hóa số liệu
cho dự báo bão hạt động trên Biển Đông.

Tập 1: Khí tượng - Khí hậu, Khí tượng Nông nghiệp và Biến đổi Khí hậu

5


Hội thảo khoa học Quốc gia về Khí tượng Thủy văn, Môi trường và Biến đổi Khí hậu

Kết quả dự báo thử nghiệm đối với cơn bão NEOGURI trong hai trường hợp,

có và không đồng hóa số liệu cho trường ban đầu cho thấy, sai số khoảng cách khi có
đồng hóa số liệu giảm đáng kể trong 30h dự báo đầu tiên, sai số dọc và sai số ngang
cũng có những cải thiện nhất định.
Tổng hợp kết quả thử nghiệm đối với 18 cơn bão hoạt động trên Biển Đông
năm 2008, 2009 cũng cho thấy hiệu quả sử dụng của sơ đồ đồng hóa số liệu cho mô
hình WRF nhằm dự báo quỹ đạo bão, nhất là trong khoảng 42h dự báo đầu tiên.
TÀI LIỆU THAM KHẢO
1. Hoàng Đức Cường (2008), Nghiên cứu thử nghiệm dự báo mưa lớn ở Việt Nam
bằng mô hình MM5. Báo cáo tổng kết đề tài nghiên cứu khoa học cấp Bộ, Hà
Nội.
2. Hoàng Đức Cường (2012), Nghiên cứu ứng dụng mô hình WRF phục vụ dự
báo thời tiết và bão ở Việt Nam, Báo cáo tổng kết đề tài nghiên cứu khoa học
cấp Bộ, Hà Nội.
3. Y.-R. Guo, H.-C.Lin, X.X.Ma, X.-Y. Huang, C.T.Terng and Y.-H.Kuo (2006),
Impact of WRF-Var (3DAVR) Background Error Statistics on Typhoon
Analysis and Forecast, WRF users workshop, Boulder, Colorado.
4. Dale M.Barker, W. Huang, Y.-R. Guo, and Q. Xiao (2004): A threedimensional variational (3DVAR) data assimilation system for use with MM5:
Implementation and initial results. Mon. Wea. Rev., 132, 897–914.

APPLICATION OF DATA ASSIMILATION SCHEME (3DVAR) IN WRF
MODEL FOR STORM TRACK FORECAST OVER THE EAST SEA
Hoang Duc Cuong, Nguyen Thi Thanh, Tran Thi Thao
Vietnam Institute of Meteorology, Hydrology and Environment
In this paper, we introduce about the data assimilation 3DVAR system within WRF
model for correcting the initial condition which is the data combination from GCM’s output
and local observation.
The experimental forecast for NEOGURI typhoon in 2 cases of with initial
assimilation and without initial assimilation data shows that the distance-error reduces
significantly in the first 30h forecast, the vertical and horizontal errors are also certain
improvements. Summering results for the 18 storms in the East sea for 2008 and 2009 also

show that effective use of data assimilation scheme for WRF model to storm forecast,
especially in the range of 42h first forecast.

6

Tập 1: Khí tượng - Khí hậu, Khí tượng Nông nghiệp và Biến đổi Khí hậu


Hội thảo khoa học Quốc gia về Khí tượng Thủy văn, Môi trường và Biến đổi Khí hậu

XÂY DỰNG BỘ BẢN ĐỒ NHIỆT ĐỘ, LƯỢNG MƯA CHO HÀ NỘI
Hoàng Đức Cường, Trần Thị Thảo, Lã Thị Tuyết
Viện Khoa học Khí tượng Thủy văn và Môi trường
Trên cơ sở phân tích số liệu nhiệt độ, lượng mưa của khoảng 10 trạm khí tượng, trên
50 trạm đo mưa ở Hà Nội và khu vực lân cận thời kỳ 1961-2010 đã xây dựng các bản đồ phân
bố nhiệt độ (tháng I, tháng VII, năm) và lượng mưa (mùa khô, mùa mưa, năm) cho thành phố
Hà Nội. Trên đa phần diện tích Hà Nội, nhiệt độ trung bình năm dao động từ dưới 23 đến
trên 24 oC và khu vực có nhiệt độ trung bình năm cao nhất thuộc trung tâm và phía Đông
thành phố, lượng mưa năm tăng dần từ Bắc xuống Nam và từ Đông sang Tây trong khoảng từ
1400 đến trên 1800mm/năm, riêng khu vực núi thuộc Ba Vì có lượng mưa năm cao hơn, vào
khoảng 2200-2400mm. Ở Hà Nội, có thể phân biệt 6 khu vực tương đối khác nhau về tài
nguyên nhiệt, ẩm.

1. Mở đầu
Hà Nội sau khi mở rộng là khu vực có địa hình tương đối đa dạng, thấp dần từ
Bắc xuống Nam; từ Tây sang Đông. Phần lớn diện tích Hà Nội là đồng bằng được bồi
đắp bởi các dòng sông với các bãi bồi cao và các vùng trũng với các hồ đầm (dấu vết
của các dòng sông cổ). Riêng các bậc thềm sông chỉ có ở huyện Sóc Sơn và phía Bắc
huyện Đông Anh, nơi có địa thế cao so với các vùng khác của Hà Nội. Ngoài ra, Hà
Nội còn có các dạng địa hình núi, chủ yếu

tập trung ở khu vực đồi núi Sóc Sơn với
diện tích không lớn lắm.
Xây dựng tập bản đồ nhiệt độ,
lượng mưa và trên cơ sở các bản đồ này là
sơ đồ phân vùng tài nguyên nhiệt - ẩm cho
Hà Nội sau khi mở rộng là một việc quan
trọng giúp các nhà hoạch định chính sách
cũng như các nhà quản lý có cái nhìn tổng
thể về khí hậu Hà Nội trong quy hoạch
phát triển kinh tế, chính trị, xã hội phù hợp
cho thủ đô.
2. Cơ sở số liệu và phương pháp xây
dựng bộ bản đồ khí hậu cho Hà Nội
Cơ sở số liệu nhiệt độ và lượng
mưa của khoảng 10 trạm khí tượng, trên
50 trạm đo mưa ở Hà Nội và khu vực lân
cận thời kỳ 1961-2010 đã được khai thác,
sử dụng cho việc xây dựng các bản đồ
nhiệt độ, lượng mưa thành phố Hà Nội
(Hình 1). Các chuỗi số liệu được kiểm tra
về tính đồng nhất và được xử lý nhằm loại
bỏ các số liệu không tin cậy với chỉ tiêu 3

Hình 1. Bản đồ địa hình, mạng lưới
trạm khí tượng, đo mưa của Hà Nội

Tập 1: Khí tượng - Khí hậu, Khí tượng Nông nghiệp và Biến đổi Khí hậu

7

Hội thảo khoa học Quốc gia về Khí tượng Thủy văn, Môi trường và Biến đổi Khí hậu

sigma. Hai đặc trưng thống kê cơ bản là trung bình nhiều năm và độ lệch tiêu chuẩn
của chuỗi đã được tính toán phục vụ việc xây dựng các bản đồ khí hậu. Tháng I được
lựa chọn nhằm nghiên cứu về nhiệt độ mùa đông và tháng VII là tháng đặc trưng cho
mùa hè. Lượng mưa mùa mưa được tính trong thời kỳ V-X và 6 tháng còn lại (XI-IV)
được tính cho mùa khô [1,2].
Bản đồ phân cấp màu độ cao địa hình thành phố Hà Nội tỷ lệ 1:200.000 được
sử dụng nhằm hỗ trợ cho các phân tích về phân bố theo không gian của các yếu tố khí
hậu như nhiệt độ, lượng mưa . Các đường đẳng trị được vẽ trên bản đồ này có thể coi
là “bản đồ tác giả”. Đường đi của các đường đẳng trị theo khoảng cách không thể
tránh khỏi yếu tố chủ quan của tác giả như việc chọn khoảng cách của các đường đẳng
trị theo yếu tố, theo tháng, mùa, năm; việc ước lượng mức độ tăng, giảm theo độ cao
địa hình và theo sườn khuất, đón gió theo mùa ở vùng núi; việc vẽ các đường đẳng trị
đi qua các khu vực thưa số liệu hoặc không có số liệu,...
Khoảng cách giữa các đường đẳng trị phụ thuộc vào độ lớn và sự biến động của
yếu tố khí hậu được xác định thông qua độ lệch tiêu chuẩn của yếu tố phân tích. Như
vậy ở Hà Nội, khoảng cách giữa các đường đẳng trị được chọn là 1,0oC đối với nhiệt
độ và 200mm đối với lượng mưa năm, 100mm đối với lượng mưa mùa mưa, 30mm
đối với lượng mưa mùa khô. Ngoài ra, căn cứ vào thực tế phân bố của nhiệt độ trung
bình năm ở vùng đồng bằng thuộc Hà Nội, đã bổ sung đường đẳng trị 23,5oC làm cơ
sở cho việc phân vùng tài nguyên nhiệt, ẩm.
Sau khi xây dựng được các bản đồ khí hậu cho Hà Nội, có thể thực hiện phân
vùng khí hậu, hay nói một cách nôm na là phân chia các khu vực có những nét đặc
trưng trong chế độ khí hậu tương đối khác nhau. Nguyên tắc chính trong phân vùng
khí hậu là bảo đảm tính khoa học, thông qua việc xác định cơ cấu khí hậu và quy luật
phân hóa khí hậu và coi thông tin khí hậu đúc kết được từ các trạm quan trắc trên lưới
trạm được thể hiện dưới dạng bản đồ là cơ sở chủ yếu của việc xác định cơ cấu khí hậu
cũng như quy luật phân hóa khí hậu. Ngoài ra, cũng cần lưu ý là các ranh giới khí hậu

chỉ là sự tượng trưng cho sự quá độ giữa các đơn vị khí hậu trên khu vực.
Hai căn cứ quan trọng trong phân vùng khí hậu ở các đơn vị địa lý khác nhau
của nước ta là phân hoá về tài nguyên nhiệt và phân hoá về tài nguyên ẩm [4].
Đối với Hà Nội, phân hoá về tài nguyên nhiệt chủ yếu là sự hạ thấp các trị số
đặc trưng cho tài nguyên nhiệt mùa đông ở những nơi chịu ảnh hưởng của gió mùa
đông bắc và do độ cao địa hình. Ngoài ra, đây là khu vực thành phố, nơi tập trung
đông dân nên còn chịu ảnh hưởng của hiệu ứng đô thị. Phân hoá về tài nguyên ẩm, chủ
yếu là sự khác biệt sâu sắc về mùa mưa, mùa ẩm và lượng mưa giữa các khu vực do
các điều kiện địa lý, địa hình và hiệu ứng đô thị.
Một trong những đặc trưng chỉ thị của sự phân hoá khí hậu theo độ cao địa hình
là nhiệt độ, đây là yếu tố biến thiên có quy luật ổn định nhất, lại có ý nghĩa to lớn, nhất
là đối với khu vực nghiên cứu với đặc trưng khí hậu nhiệt đới gió mùa có mùa đông
lạnh. Biểu thị cho chế độ nhiệt là nhiệt độ tích luỹ (hay tổng nhiệt độ), được sử dụng
rộng rãi và có hiệu quả trong khí tượng nông nghiệp. Lượng mưa cũng là một yếu tố
biến thiên theo độ cao địa hình khá mạnh mẽ. Điểm khác biệt so với nhiệt độ là lượng
mưa còn phụ thuộc vào dạng của địa hình nên sự biến đổi của nó khá phức tạp. Tổng
8

Tập 1: Khí tượng - Khí hậu, Khí tượng Nông nghiệp và Biến đổi Khí hậu


Hội thảo khoa học Quốc gia về Khí tượng Thủy văn, Môi trường và Biến đổi Khí hậu

lượng mưa năm, trong khu vực nhiệt đới gió mùa như ở nước ta, tuy có hạn chế sự
phân hoá mùa và diễn biến năm, nhưng mang nhiều ý nghĩa thực tiễn. Tóm lại, chỉ tiêu
phân chia các tiểu vùng khí hậu cho Hà Nội được lựa chọn như sau:
- Nhiệt độ trung bình năm 23,5oC (tổng nhiệt độ năm tương ứng khoảng trên
8500oC).
- Lượng mưa năm 1400, 1600 và 1800mm.
3. Thuyết minh bản đồ khí hậu Hà Nội

Nhiệt độ trung bình tháng I ở Hà Nội dao động từ 11 đến trên 17oC với hai khu
vực có nhiệt độ thấp hơn cả là Sóc Sơn (12-13oC) và vùng núi Ba Vì (dưới 11oC). Đại
bộ phận vùng đồng bằng và trung tâm thành phố Hà Nội có nhiệt độ tháng đặc trưng
màu đông vào khoảng 16-17oC (Hình 2a).
Nhiệt độ trung bình tháng VII ở Hà Nội dao động từ 22 đến trên 29oC. Khu vực
trung tâm và phía Bắc trung tâm Hà Nội có nhiệt độ trung bình tháng đặc trưng mùa hè
lên đến trên 29oC, nhiệt độ thấp nhất xuất hiện ở vùng núi Ba Vì với giá trị khoảng 2223oC (Hình 2b).
Nhiệt độ trung bình năm ở Hà Nội dao động từ 19 đến trên 24oC. Đại bộ phận
diện tích Hà Nội có nhiệt độ trung bình năm vào khoảng 23-24oC nên đường đẳng trị
23,5oC sẽ phân chia một cách tương đối Hà Nội thành hai phần có diện tích tương
đương nhau: khu vực có nhiệt độ trung bình năm trên và dưới 23,5oC (Hình 2c).
a)

b)

c)

Hình 2. Bản đồ phân bố nhiệt độ không khí trung bình tháng I (a), tháng VII
và trung bình năm (c) thành phố Hà Nội
Lượng mưa mùa khô ở Hà Nội dao động từ khoảng dưới 200 đến 400mm với
xu hướng tăng dần từ Bắc xuống Nam và từ Đông sang Tây. Khu vực ít mưa nhất vào
mùa khô (dưới 200mm) phân bố ở phía Bắc trung tâm thành phố (Hình 3a).
Lượng mưa mùa mưa ở Hà Nội dao động từ khoảng dưới 1100 đến 1800mm
Tập 1: Khí tượng - Khí hậu, Khí tượng Nông nghiệp và Biến đổi Khí hậu

9


Hội thảo khoa học Quốc gia về Khí tượng Thủy văn, Môi trường và Biến đổi Khí hậu

với các khu vực mưa nhiều hơn thuộc Sóc Sơn và phía Tây Nam thành phố. Lượng
mưa ở các khu vực này vào khoảng 1600 đến 1700mm (Hình 3b).
Lượng mưa năm ở Hà Nội dao động từ khoảng dưới 1200 đến trên 2400mm
với các tâm mưa lớn thuộc Mê Linh, Bắc Sóc Sơn vùng núi Ba Vì (Hình 3c).
a)

b)

c)

Hình 3. Bản đồ phân bố lượng mưa mùa khô: XI-IV (a), mùa mưa: V-X (b)
và lượng mưa năm (c) thành phố Hà Nội
Trên cơ sở phân tích phân bố theo không gian của nhiệt độ và lượng mưa ở Hà
Nội kết hợp với chỉ tiêu phân vùng lựa chọn nêu trên, thành phố Hà Nội sau khi mở
rộng có thể được phân chia thành 6 tiểu vùng tương đối khác nhau về tài nguyên nhiệt,
ẩm (Hình 4), bao gồm:
- Tiểu vùng I, ở phía Bắc Hà Nội, bao gồm có các huyện Mê Linh, Sóc Sơn.
Đây là một trong hai tiểu vùng có nhiệt độ thấp nhất ở Hà Nội. Nhiệt độ trung bình
năm ở đây nhỏ hơn 230C. Lượng mưa trung bình năm từ 1400-1600mm.
- Tiểu vùng II (Đông Anh) là tiểu vùng có nhiệt độ trung bình năm cao hơn tiểu
vùng I (23oC – 24oC) nhưng lại là tiểu vùng có lượng mưa nhỏ nhất khu vực Hà Nội
(dưới 1400mm/năm).
- Tiểu vùng III, bao gồm khu vực trung tâm thành phố và Hoài Đức, Từ Liêm.
Nhiệt độ tại tiểu vùng này tương đối cao hơn so với các tiểu vùng khác (23,5oC đến
24oC), lượng mưa năm ở mức trung bình so với khu vực (1400-1600mm/năm).
- Tiểu vùng IV là tiểu vùng có nhiệt độ trung bình năm cao nhất so với các tiểu
vùng còn lại (>24oC), lượng mưa năm cũng ở mức trung bình so với khu vực (từ 14001600mm/năm). Tiểu vùng IV nằm ở phía Đông của Hà Nội.
- Tiểu vùng V nằm ở phía Tây và Nam Hà Nội và là nơi có nhiệt độ tương đối
thấp so với các tiểu vùng khác nhưng lại có lượng mưa lại tương đối lớn. Đại bộ phận
của Ba Vì, thị xã Sơn Tây, các huyện Thạch Thất, Quốc Oai, Chương Mỹ thuộc tiểu

vùng này. Nhiệt độ trung bình năm ở tiểu vùng này khoảng 23oCvà lượng mưa năm
trên 1800mm.
10

Tập 1: Khí tượng - Khí hậu, Khí tượng Nông nghiệp và Biến đổi Khí hậu


Hội thảo khoa học Quốc gia về Khí tượng Thủy văn, Môi trường và Biến đổi Khí hậu

- Tiểu vùng VI thuộc khu vưc đồi núi phía Tây Hà Nội có nhiệt độ trung bình
năm dưới 230C và lượng mưa trên 1800mm/năm.

Hình 4. Sơ đồ phân vùng tài nguyên nhiệt ẩm thành phố Hà Nội
5. Kết luận
Trên đa phần diện tích Hà Nội, nhiệt độ trung bình năm dao động từ
Tập 1: Khí tượng - Khí hậu, Khí tượng Nông nghiệp và Biến đổi Khí hậu

11


Hội thảo khoa học Quốc gia về Khí tượng Thủy văn, Môi trường và Biến đổi Khí hậu

dưới 23 đến trên 24oC và khu vực có nhiệt độ trung bình năm cao nhất thuộc trung tâm
và phía Đông thành phố, lượng mưa năm tăng dần từ Bắc xuống Nam và từ Đông sang
Tây trong khoảng từ 1400 đến trên 1800mm/năm, riêng khu vực núi thuộc Ba Vì có
lượng mưa năm cao hơn, vào khoảng 2200-2400mm.
Ở Hà Nội, có thể phân biệt 6 khu vực tương đối khác nhau về tài nguyên nhiệt,
ẩm. Chênh lệch nhiệt độ trung bình năm giữa các tiểu vùng không lớn, chỉ vào khoảng
0,5 đến 1oC, trong khi đó chênh lệch lượng mưa năm vào khoảng 200-400mm.
TÀI LIỆU THAM KHẢO

1. Nguyễn Đức Ngữ, Nguyễn Trọng Hiệu (2004). Khí hậu và tài nguyên khí hậu
Việt Nam.- NXB Nông nghiệp, Hà Nội.
2. Nguyễn Hữu Tài (1988). Phân vùng tự nhiên khí hậu Việt Nam.- Báo cáo đề tài
nghiên cứu khoa học, Hà Nội.
3. Phạm Ngọc Toàn, Phan Tất Đắc. Khí hậu Việt Nam.- NXB Khoa học Kỹ thuật,
Hà Nội, 1993.
4. McKnight Tom L; Hess Darrel (2000). Climate Zones and Types: The Köppen
System. Physical Geography: A Landscape Appreciation. Upper Saddle River,
NJ: Prentice Hall. pp. 200-1.

BUILDING THE MAPS OF TEMPERATURE AND RAINFALL
FOR HANOI
Hoang Duc Cuong, Tran Thi Thao, La Thi Tuyet
Vietnam Institute of Meteorology, Hydrology and Environment
Based on the analysis of temperature and rainfall from 10 meteorological stations
over Hanoi, from about 50 rain gauges in Hanoi and surrounding areas, for the period of
1961-2000, we built successfully the distribution maps of temperature (January, July and
annual) and of rainfall (dry season, rainy season and annual) for Hanoi. From the analysis
results show that the mean annual temperature ranges from below 23 to over 24°C on the
most areas of city and the highest value appears on the central and eastern of city. The
distribution of annual rainfall shows that increases of rainfall from north to south and from
east to west of city, with the values are mostly about 1400 to 1800mm/year. Particularly, the
more heavy rainfall appears in the Bavi mountain with the total annual rainfall ranges about
from 2200 to 2400mm. Totally, in Hanoi, we can classify into six different areas based on the
relative difference in temperature and humidity resources.

12

Tập 1: Khí tượng - Khí hậu, Khí tượng Nông nghiệp và Biến đổi Khí hậu

Hội thảo khoa học Quốc gia về Khí tượng Thủy văn, Môi trường và Biến đổi Khí hậu

NGHIÊN CỨU ỨNG SƠ ĐỒ PHÂN TÍCH XOÁY NHÂN TẠO KẾT HỢP
ĐỒNG HÓA SỐ LIỆU 3DVAR CHO MÔ HÌNH WRF NHẰM DỰ BÁO
QUỸ ĐẠO VÀ CƯỜNG ĐỘ BÃO TRÊN BIỂN ĐÔNG
Hoàng Đức Cường, Vũ Văn Thăng
Viện Khoa học Khí tượng Thủy văn và Môi trường
Báo cáo trình bày về một phương pháp tạo trường ban đầu cho mô hình WRF nhằm
dự báo bão trên Biển Đông khi kết hợp đồng thời sơ đồ phân tích xoáy nhân tạo và sơ đồ
đồng hóa số liệu 3DVAR. Yếu tố khí tượng được đồng hóa từ các quan trắc “giả” là tốc độ
gió ngang tại các mực khác nhau theo chiều thẳng đứng. Trường ban đầu nhận được cho vị
trí và cường độ bão gần thực tế hơn so với trường phân tích của mô hình toàn cầu, đồng thời
cấu trúc cơn bão về trường gió không bị thay đổi nhiều.
Kết quả thử nghiệm đối với 10 cơn bão hoạt động trên Biển Đông năm 2008, 2009 cho
thấy, tuy kết quả dự báo chưa được cải thiện nhiều về quỹ đạo nhưng đã có những kết quả
khả quan đối với cường độ bão. Hướng nghiên cứu này có thể được mở rộng đối với các yếu
tố khí tượng đưa vào sơ đồ đồng hóa khác như khí áp, nhiệt độ, độ ẩm.

1. Mở đầu
Bão hình thành và hoạt động trên các vùng đại dương nhiệt đới, nơi có mạng
lưới quan trắc truyền thống thưa thớt, nên hầu hết các cơn bão được biểu diễn không
rõ và sai lệch vị trí trên trường phân tích (Weber và Smith, 1995). Những sai lệch ban
đầu về vị trí và cấu trúc sẽ dẫn đến những sai số lớn hơn trong các bước thời gian tích
phân tiếp theo. Để nâng cao chất lượng dự bão báo, trường ban đầu cần biểu diễn tốt
hơn vị trí, cấu trúc và cường độ. Bài toán thực hiện quá trình này được gọi là ban đầu
hóa xoáy bão.
Ở Việt Nam, bài toán ban đầu hóa xoáy cũng đã được nhiều tác giả đề cập đến
[1,2,3,4,5]. Tuy nhiên trong những nghiên cứu này, các tác giả chủ yếu sử dụng
phương pháp phân tích xoáy nhân tạo bằng cách cài xoáy giả vào trường môi trường

để tạo trường ban đầu cho mô hình số trị. Tuy vị trí và cường độ bão đã gần với thực tế
hơn nhưng cấu trúc cơn bão thường bị thay đổi khá nhiều.
Một trong các phương pháp nhằm khắc phục hạn chế nêu trên là sử dụng đồng
thời sơ đồ phân tích xoáy và sơ đồ đồng hóa số liệu ba chiều (3DVAR) để tạo trường
ban đầu cho mô hình số trị nhằm dự báo báo bão. Profile các yếu tố khí tượng theo
chiều thẳng đứng được chiết xuất sau khi cài xoáy giả vào trường ban đầu được coi là
các dữ liệu quan trắc về yếu tố đó và được sử dụng tương tự như số liệu các trạm thám
sát cao không cho sơ đồ 3DVAR đồng hóa số liệu.
2. Quy trình đồng hóa trường cài xoáy giả
Quá trình đồng hóa trường cài xoáy giả cho mô hình WRF được bắt đầu bằng
việc sử dụng mô đun tc.exe nhằm cài vào trường ban đầu một xoáy giả có vị trí và
cường độ sát với thực tế hơn so với trường phân tích của mô hình toàn cầu (Hình 1).
Sau khi nhận được file số liệu trường cài xoáy giả từ mô-đun tc.exe, sử dụng chương
trình ARWpost và mô đun Little để tạo ra file oblittle_r chứa các thông tin về yếu tố
khí tượng được chiết xuất từ trường cài xoáy giả tại những vị trí xác định và có định
Tập 1: Khí tượng - Khí hậu, Khí tượng Nông nghiệp và Biến đổi Khí hậu

13


Hội thảo khoa học Quốc gia về Khí tượng Thủy văn, Môi trường và Biến đổi Khí hậu

dạng tương tự file đầu vào của chương trình xử lý số liệu trong hệ thống 3DVAR (môđun OBSPROC). Yếu tố khí tượng quan trắc “giả” được sử dụng ở đây là các Profile
gió trên 27 mực: 1000, 925, 850, 700, 600, 500, 400, 300, 250, 200mb,... Xoáy nhân
tạo sẽ được hòa hợp vào trường môi trường như là các quan trắc bổ sung thông qua
quá trình đồng hóa số liệu này.
Quá trình đồng hóa số liệu tiếp theo được thực hiện tương tự như trong [2,6]:
chạy mô đun OBSPROC để tạo ra file obs_gst_yyyy-mmdd_hh:00:00.3DVAR chứa
các dữ liệu đồng hóa, kết hợp với trường ban đầu wrfinput_d01 và ma trận sai số
trường nền (BE) cho mô đun 3DVAR. Cuối cùng sẽ thu được các file điều kiện biên và

điều kiện ban đầu đã cập nhật số liệu xoáy giả cho mô hình WRF nhằm dự báo bão
trên Biển Đông.

Gfs

WPS

Thông tin BÃO

TC.exe

Mô - đun OBSPROC
Mô-đun Genbe (BE)

Mô - đun 3DVAR

Mô hình - WRF

Hình 1. Quy trình đồng hóa cài xoáy giả
Trong tất cả các thử
nghiệm, mô hình WRF được chạy
với miền tính có độ phân giải
ngang 27x27 km (khoảng 0.25 độ
kinh vĩ) và 27 mực thẳng đứng,
bao phủ một vùng rộng từ
90−130oE và từ 3oS−30oN (Hình 2)
gồm trọn vẹn khu vực Biển Đông
và một phần phía Đông quần đảo
Philippine thuộc khu vực Tây Bắc
Thái Dương. Bước thời gian tích

Hình 2. Miền tính cho mô hình
phân là 120s với hạn dự báo đến
72h. Điều kiện biên được cập nhập 6h một. Các sơ đồ tham số hóa được sử dụng trong
mô hình như sơ đồ vi vật lý Thomson, sơ đồ phát xạ sóng dài RRTM, sơ đồ phát xạ
sóng ngắn Dudhia, sơ đồ lớp sát đất Monin-Obukhov, sơ đồ khuếch tán nhiệt với các
quá trình bề mặt, sơ đồ YSU cho lớp biên, sơ đồ lớp biên hành tinh MRF, sơ đồ tham
số hóa đối lưu Betts-Miller [1,2].
Các số liệu sử dụng trong nghiên cứu này bao gồm: 1) Điều kiện ban đầu và
điều kiện biên phụ thuộc thời gian là số liệu phân tích và dự báo của mô hình toàn cầu
14

Tập 1: Khí tượng - Khí hậu, Khí tượng Nông nghiệp và Biến đổi Khí hậu


Hội thảo khoa học Quốc gia về Khí tượng Thủy văn, Môi trường và Biến đổi Khí hậu

GFS; 2) Các thông tin chỉ thị bão cho sơ đồ ban đầu hóa xoáy được lấy từ trang web
3) Các tập số liệu về độ cao địa hình, lớp phủ
bề mặt,… với độ phân giải 30s được cung cấp bởi NCEP/Hoa Kỳ; 4) Sai số nền cho
trường toàn cầu được cung cấp từ số liệu thống kê của NCEP; 5) Số liệu quan trắc
“giả” được tạo ra nhờ chương trình tc.exe của WRF nhằm xây dựng xoáy nhân tạo dựa
trên lý thuyết xoáy của Lownam (2001) áp dụng cho mô hình MM5, với xoáy nhân tạo
được xác định có phân bố Rankine [1]. Mạng lưới trạm quan trắc "giả" phân bố trên tất
cả các nút lưới của miền tính.
Nhằm đánh giá khả năng dự báo quỹ đạo và cường độ của bão trên Biển Đông,
10 cơn bão (Bảng 1) trong hai mùa bão năm 2008-2009 đã được lựa chọn thử nghiệm
với hai phương án dự báo: có và không thực hiện đồng hóa số liệu với tập số liệu “giả”
trích từ xoáy nhân tạo. Các phương án nêu trên sẽ được ký hiệu là WRF-VAR và WRF.
Bảng 1. Danh sách các cơn bão được lựa chọn thử nghiệm
Tên bão

Thời điểm dự
báo

Vĩ độ
(độ)

Kinh độ
(độ)

NEOGURI

00Z-16/04/2008

13.1

113.0

25.0

990

HALONG

00Z-17/05/2008

15.3

118.6

25.0

985

KAMMURI

00Z-5/08/2008

20.0

116.2

17.5

990

SINLAKU

00Z-9/09/2008

17.3

125.5

45.0

990

HAGUPIT

00Z-22/09/2008

18.9

123.4

37.5

955

CHANHON

00Z-7/05/2009

15.3

117.3

32.5

975

GONI

00Z-04/8/2009

20.7

114.3

35.0

992

NANGKA

00Z-24/06/2009

12.8

122.3

20.0

994

MOLAVE

00Z-17/7/2009

18.7

124.4

22.5

992

MUJIGAE

00Z-10/09/2009

19.0

114.9

17.5

998

Vmax(m/s) Pmin(mb)

3. Kết quả thử nghiệm
Hình 3 mô tả quỹ đạo quan trắc và dự báo của một số cơn bão điển hình được
thử nghiệm. Có thể nhận thấy rằng, cả hai phương án WRF-VAR và WRF đều nắm
bắt được sự đổi hướng di chuyển của bão Hagupit, Halong và bão Neoguri. Mặc dù
vậy, quĩ đạo dự báo của WRF (không thực hiện đồng hóa) dường như hợp lý hơn và
bám sát quĩ đạo quan trắc hơn so với trường hợp WRF-VAR (có thực hiện đồng hóa số
liệu). Như vậy, vai trò của việc đồng hóa Profile gió trong các trường hợp thử nghiệm
này chưa được phát huy trong dự báo quỹ đạo bão.
Số liệu trong Bảng 2 là kết quả tính toán sai số trung bình theo khoảng cách và
sai số trung bình của khí áp thấp nhất vùng tâm bão đối với 10 cơn bão thử nghiệm. Có
thể nhận thấy, sai số khoảng cách trung bình của phương án WRF thấp hơn so với
phương án WRF-VAR ở hầu hết các hạn dự báo, đặc biệt là đối với các hạn dự báo từ
36-72h. Chênh lệch giữa khí áp thấp nhất vùng tâm bão dự báo và thực tế mang dấu
Tập 1: Khí tượng - Khí hậu, Khí tượng Nông nghiệp và Biến đổi Khí hậu

15

Hội thảo khoa học Quốc gia về Khí tượng Thủy văn, Môi trường và Biến đổi Khí hậu

dương, tức là cường độ bão dự báo luôn yếu hơn thực tế ở tất cả các hạn dự báo và đối
với hai phương án dự báo. Tuy nhiên, phương án WRF-VAR cho sai số này nhỏ hơn
so với phương án WRF từ hạn dự báo 24 đến 72h. Hướng nghiên cứu này mở ra khả
năng cải thiện các dự báo đối với cường độ bão trên Biển Đông.

a) Bão Hagupit

c) Bão Kammuri

b) Bão Halong

d) Bão Neoguri

Hình 3. Quỹ đạo bão trong các trường hợp (BT- thực tế, WRF-VAR- dự báo khi có
đồng hóa số liệu xoáy giả và WRF-dựu báo khi không đồng hóa số liệu xoáy giả)
4. Kết luận
Sử dụng phương pháp tạo trường ban đầu cho mô hình WRF bằng cách kết hợp
đồng thời sơ đồ phân tích xoáy nhân tạo và sơ đồ đồng hóa số liệu 3DVAR với yếu tố
khí tượng được đồng hóa từ các quan trắc “giả” là tốc độ gió ngang tại các mực khác
nhau theo chiều thẳng đứng đã tạo ra trường ban đầu có vị trí và cường độ bão gần
thực tế hơn so với trường phân tích của mô hình toàn cầu, đồng thời cấu trúc cơn bão
về trường gió không bị thay đổi nhiều.
Kết quả thử nghiệm đối với 10 cơn bão hoạt động trên Biển Đông năm 2008,
2009 cho thấy dự báo quỹ đạo bão chưa được cải thiện đáng kể khi áp dụng kết hợp
đồng thời sơ đồ phân tích xoáy nhân tạo và sơ đồ đồng hóa số liệu 3DVAR cho mô
hình WRF. Tuy nhiên, đã có những kết quả khả quan đối với dự báo cường độ bão.

16

Tập 1: Khí tượng - Khí hậu, Khí tượng Nông nghiệp và Biến đổi Khí hậu


Hội thảo khoa học Quốc gia về Khí tượng Thủy văn, Môi trường và Biến đổi Khí hậu

Hướng nghiên cứu này có thể được mở rộng đối với các yếu tố khí tượng khác ngoài
gió cho sơ đồ đồng hóa số liệu như khí áp, nhiệt độ, độ ẩm.
Bảng 2. Trung bình của sai số khoảng cách (km) vị trí bão và sai số khí áp thấp nhất
vùng tâm bão (mb) giữa dự báo và thực tế
Hạn dự báo
(h)

Sai số khoảng cách (km)

Chênh lệch Pmin (mb)

WRF-VAR

WRF

WRF-VAR

WRF

00

71.0

68.3

15

9

06

119.0

96.2

16

13

12

165.9

176.2

18

16

18

223.0

184.3

19

20

24

271.5

247.4

24

25

30

316.7

253.7

27

29

36

371.1

283.2

26

28

42

393.7

306.0

25

28

48

430.4

299.0

19

26

54

416.5

284.1

14

24

60

427.4

330.4

10

22

66

440.1

373.2

8

21

72

462.7

358.7

4

18

TÀI LIỆU THAM KHẢO
1. Hoàng Đức Cường (2008), Nghiên cứu thử nghiệm dự báo mưa lớn ở Việt Nam
bằng mô hình MM5. Báo cáo tổng kết đề tài nghiên cứu khoa học cấp Bộ.
2. Hoàng Đức Cường (2012), Nghiên cứu ứng dụng mô hình WRF phục vụ dự
báo thời tiết và bão ở Việt Nam, Báo cáo tổng kết đề tài nghiên cứu khoa học
cấp Bộ.
3. Nguyễn Lê Dũng, Phan Văn Tân (2008), Thử nghiệm áp dụng hệ thống WRFVAR kết hợp ban đầu hóa xoáy dự báo quỹ đạo bão trên khu vực Biển Đông.
Tuyển tập báo cáo Hội nghị dự báo viên toàn quốc lần thứ III, Trung tâm Dự
báo KTTV TW, Tập 1- Dự báo khí tượng, trang 36-46.
4. Bùi Hoàng Hải, Phan Văn Tân (2007), Về một sơ đồ ban đầu hóa xoáy mới áp
dụng cho mô hình khu vực phân giải cao HRM. Tạp chí Khí tượng Thủy văn,
3(555), tr. 42−50.
5. Đặng Hồng Nga (2009), Nghiên cứu ứng dụng mô hình MM5 dự báo cường độ
và quỹ đạo bão ở Việt Nam. Báo cáo tổng kết đề tài nghiên cứu cấp Bộ
Tập 1: Khí tượng - Khí hậu, Khí tượng Nông nghiệp và Biến đổi Khí hậu

17


Hội thảo khoa học Quốc gia về Khí tượng Thủy văn, Môi trường và Biến đổi Khí hậu

6. Y.-R. Guo, H.-C.Lin, X.X.Ma, X.-Y. Huang, C.T.Terng and Y.-H.Kuo (2006),
Impact of WRF-Var (3DAVR) Background Error Statistics on Typhoon
Analysis and Forecast, WRF users workshop, Boulder, Colorado

APPLICATION OF VORTEX BOGUS IN COMBINATION WITH
3DVAR SCHEMES IN WRF MODEL FOR STORM TRACK AND
INTENSITY PREDICTION OVER THE EAST SEA
Hoang Duc Cuong, Vu Van Thang
Vietnam Institute of Meteorology, Hydrology and Environment
The paper introduces the methodology of generating initial condition for WRF model
for storm forecast in the East sea area by using combination from the vortex artificial and
ddata assimilation 3dvar schemes. The meteorological varioables to be assimilated from
observations “assumption” are horizontal wind speed at different vertical levels. The initial
field received for position and intensity of storms close to reality than the analysis of global
patterns, and structure of the wind storm not changed much.
The experimental results for the 10 storms on the East sea area for 2008 and 2009
showed that although the forecast results are not expected to improve much on track but had
positive results with regard to storm intensity. This research can be extended to other
meteorological factors included in the assimilation scheme such as air pressure, temperature,
humidity.

18

Tập 1: Khí tượng - Khí hậu, Khí tượng Nông nghiệp và Biến đổi Khí hậu


Hội thảo khoa học Quốc gia về Khí tượng Thủy văn, Môi trường và Biến đổi Khí hậu

PHƯƠNG PHÁP ĐO MƯA BẰNG RADAR THỜI TIẾT VÀ MỘT VÀI
NHẬN XÉT VỀ ĐO MƯA BẰNG RADAR Ở VIỆT NAM
Tạ Văn Đa, Nguyễn Văn Thắng, Hoàng Đức Cường
Viện Khoa học Khí tượng Thủy văn và Môi trường
Một trong những ứng dụng sớm nhất của số liệu radar khí tượng là để đo mưa. Ở Việt
Nam đã có mạng lưới radar hiện đại có thể bao quát được không gian khá rộng lớn trên lãnh

thổ. Nếu hoạt động tốt, mạng lưới radar này có thể cung cấp lượng thông tin về mưa khá
phong phú cũng như trực tiếp cảnh báo mưa cho nhiều khu vực nhất là các vùng núi sâu và
xa. Đã có nhiều phương pháp đo mưa bằng radar được đưa ra nhưng phương pháp chủ yếu
được ứng dụng ở Việt Nam là sử dụng độ phản hồi vô tuyến của mây quan trắc bởi radar để
ước lượng cường độ mưa. Tuy nhiên, việc đo mưa bằng radar thời tiết ở Việt Nam còn một số
điểm về mặt kỹ thuật chưa được giải quyết thỏa đáng dẫn đến chất lượng các thông tin về
mưa từ radar chưa cao nên hiệu quả khai thác sử dụng còn nhiều hạn chế. Bài báo này trình
bày về phương pháp đo mưa bằng radar thời tiết và một vài nhận xét về đo mưa bằng radar ở
Việt Nam. Hy vọng có thể giúp ích cho việc nâng cao chất lượng quan trắc đo mưa bằng
radar thời tiết ở Việt Nam.

1. Mở đầu
Phần nhiều các ứng dụng của quan trắc radar thời tiết là để đo trường mưa. So
với mạng lưới đo mưa thông thường, đo mưa bằng radar có những tiện ích quan trọng
như [4]:
- Tính liên tục về không gian của các quan trắc (mắt lưới của mạng đo mưa
thông thường lớn hơn quy mô các ổ đối lưu mạnh, do đó có thể bỏ sót cường độ mưa
hoặc gây ra sai số rất lớn);
- Cải thiện quan trắc sự biến đổi của mưa;
- Khả năng quan trắc cấu trúc ba chiều của hệ thống gây mưa;
- Khả năng quét giám sát thời gian thực trên một vùng rộng so với điểm đo mưa
độc lập;
- Thuận lợi cho việc thu thập, xử lý và lưu giữ số liệu.
Phương pháp đo mưa bằng radar còn có thêm nhiều ứng dụng rộng rãi như phục
vụ thống kê khí hậu về mưa, phục vụ sản xuất nông nghiệp, dự báo lũ và theo dõi lũ
trong những thời kỳ quyết định,…
2. Phương pháp đo mưa bằng radar
2.1. Sử dụng radar để phát hiện mưa
Khi hoạt động, radar có thể phát hiện được rất nhanh các vùng mưa rào và dông
trên phạm vi khoảng từ 120km đến 200km cách nơi đặt trạm radar tuỳ theo khả năng

của từng loại radar. Chẳng hạn, radar MRL-2 hoặc MRL-5 của Nga có thể phát hiện
vùng mưa đến độ xa đến 120km, các radar của Nhật Bản 80 ÷ 120km, radar loại TRS
– 2730 của hãng Tomson (Pháp) là 150km, các radar của hãng EEC (Hoa Kỳ) là
200km,... Các vùng mưa trên màn chỉ thị quét tròn thường lẫn với các vùng mây chưa
Tập 1: Khí tượng - Khí hậu, Khí tượng Nông nghiệp và Biến đổi Khí hậu

19


Hội thảo khoa học Quốc gia về Khí tượng Thủy văn, Môi trường và Biến đổi Khí hậu

cho mưa, nhưng trên màn chỉ thị quét đứng thì khác: các vùng mưa có ảnh phản hồi sát
xuống đến mặt đất, trong khi ảnh phản hồi của mây thì lơ lửng ở trên cao. Tuy nhiên,
cần lưu ý rằng, khi có điều kiện siêu khúc xạ trong khí quyển thì ảnh phản hồi của
vùng mưa sẽ bị nâng lên cao, còn khi có điều kiện khúc xạ yếu (dưới chuẩn) thì ngược
lại, ảnh phản hồi sẽ bị hạ thấp xuống dưới cả mức mặt đất trên màn chỉ thị quét đứng.
Việc phát hiện vùng mưa còn được tiến hành bằng cách đo độ phản hồi radar Z
tại độ cao xác định (gọi là H1) so với mặt đất và phía dưới mức băng tan trong phạm vi
phát hiện của radar đồng thời nhận dạng vùng mưa theo ngưỡng (chỉ tiêu) của Z đối với
mưa (vùng nào có Z vượt các chỉ tiêu này là vùng có mưa). Chẳng hạn, khi tồn tại ảnh
phản hồi vô tuyến (PHVT) hỗn hợp tầng – tích, dấu hiệu để phân biệt vùng có mưa dầm
là:
- Giá trị độ phản hồi lgZ3 ở mức H3 (độ cao mực 0oC + 2 km) nhỏ hơn nhiều
(khoảng từ 0,6 đến 18 khi Z tính ra mm6/m3) so với giá trị trong các ổ mây tích;
- Giá trị độ phản hồi tại mức H2 (độ cao mực 0oC) lớn hơn nhiều giá trị tại mức
H3 (chẳng hạn, đối với MRL-2 và MRL-5 của Nga lgZ2 – lgZ3 > 2);
- Tồn tại một dải sáng cho đến khoảng cách 90 ÷120km.
Nói chung, trong thực tế quan trắc, khi đo độ phản hồi để phát hiện vùng mưa
phải chọn các góc cao (còn gọi là góc nâng) hợp lý của anten radar.
2.2. Sử dụng radar để ước lượng mưa

Một trong những ứng dụng sớm nhất của số liệu radar khí tượng là để đo mưa
hay nói đúng hơn là để ước tính lượng mưa (hay ước lượng mưa). Từ lâu, trên Thế
giới đã có nhiều phương pháp đo mưa bằng radar được đưa ra nhưng về cơ bản có ba
phương pháp chủ yếu sau: 1) Đo cường độ của bức xạ phản hồi từ vùng mưa về radar
(thường được gọi là độ phản hồi vô tuyến mưa); 2) Đo sự suy yếu của năng lượng
sóng điện từ do radar phát ra khi đi qua vùng mưa; 3) Đo sự suy yếu của sự suy yếu
của và độ phản hồi vô tuyến (PHVT) tạo ra đồng thời ở hai bước sóng (đối với radar
có hai bước sóng).
Kỹ thuật được phát triển rộng rãi nhất là dựa trên cơ sở sử dụng độ phản hồi
radar (phương pháp thứ nhất). Trong vài năm gần đây, người ta đã tập trung đầu tư
nhiều vào nghiên cứu khả năng sử dụng việc đo độ phản hồi vào ước lượng mưa theo
những góc độ khác nhau. Phương pháp thứ nhất được phát triển và áp dụng rộng rãi
nhất nhờ sự thuận lợi trong thực hành của nó.
Đối với phương pháp thứ hai, bức xạ với bước sóng nhỏ hơn 3cm bị suy yếu
mạnh bởi mưa, mối quan hệ giữa mức độ suy yếu và tích cường độ mưa với kích thước
ngang của vùng mưa dọc theo hướng truyền sóng của radar hầu như tuyến tính [1].
Thực tế này có thể được sử dụng để đo cường độ mưa trung bình giữa điểm đầu và
cuối của quãng đường mà sóng truyền qua. Song, vì các khó khăn thực tế của việc tạo
ra độ phân giải không gian tốt để đo cường độ mưa đối với tất cả các vùng mưa nên kỹ
thuật này không được phát triển cho sử dụng tác nghiệp.
Phương pháp thứ ba được đưa ra ở Nga và Hoa Kỳ, nó kết hợp hai phương
pháp đầu nhằm tăng độ chính xác, nhưng đòi hỏi phải có chủng loại radar phù hợp và
20

Tập 1: Khí tượng - Khí hậu, Khí tượng Nông nghiệp và Biến đổi Khí hậu


Hội thảo khoa học Quốc gia về Khí tượng Thủy văn, Môi trường và Biến đổi Khí hậu

cần được nghiên cứu thêm trước khi đưa vào áp dụng. Do vậy, Việt Nam hiện đang sử

dụng phương pháp thứ nhất trong nghiệp vụ. Dưới đây sẽ trình bày chi tiết hơn về
phương pháp này.
2.3. Sử dụng độ phản hồi vô tuyến quan trắc bởi radar để ước lượng cường độ mưa
Độ phản hồi radar Z được xác định bởi số lượng hạt trong một đơn vị thể tích,
sự phân bố hạt theo kích thước và chỉ số khúc xạ phức của chúng [2]. Vì cường độ
mưa (R) và độ phản hồi radar (Z) cùng có quan hệ với số lượng hạt trong một đơn vị
thể tích và sự phân bố hạt theo kích thước, do đó, hiển nhiên là giữa chúng có một mối
quan hệ. Thực vậy, người ta đã sử dụng các kết quả đo sự phân bố hạt bằng thực
nghiệm để tính cả độ phản hồi radar và cường độ mưa. Ta có thể xét một ví dụ dưới
đây để thấy rõ hơn về cách tính này.
Mối quan hệ toán học giữa độ phản hồi và cường độ mưa là mối quan hệ thực
nghiệm do Marshall và Palmer đưa ra vào năm 1948 có dạng
Z = ARb,

(1)

ở đây, R là cường độ mưa (mm/h), Z là độ phản hồi vô tuyến (PHVT) mà radar thu
được từ vùng mưa (mm6/m3), A và b là các hệ số thực nghiệm.
Mối quan hệ được sử dụng rộng rãi nhất cũng do Marshall và Palmer đưa ra có
A = 200 và b = 1,6, tức là:
Z = 200R1,6.

(2)

Công thức này được hình thành trên cơ sở nhiều công trình nghiên cứu và
thường được cài đặt mặc định trong radar để tính cường độ mưa R từ độ phản hồi
radar Z. Như vậy, radar là một phương pháp rất hữu ích để đo mưa trên các vùng rộng
lớn và quan hệ Z – R là trụ cột cho phương pháp này.
Có thể mô tả một cách vắn tắt nguyên lý đo PHVT từ các vùng mưa về radar
(thường gọi chung là phản hồi radar) như sau:

Năng lượng phản xạ ngược từ các hạt mưa trong các vùng mưa bên trên mặt đất
ở nhiều độ xa (range) cho đến 200km và ở các góc hướng khác nhau, có liên quan đến
cường độ của mưa. Biết rằng, với điều kiện là vùng mưa lấp đầy một khối xung thì

Pr =

Cr Z
r

2

La ,

(3)

Pr là công suất phản hồi trung bình thu được từ mưa ở khoảng cách r ; La là độ truyền
qua của sóng trong khí quyển; Cr là hằng số radar (một hàm của các tham số radar). Từ

r2
giá trị Pr thu được, radar tự động khuếch đại lên
lần để nhận được độ phản hồi
Cr La
vô tuyến Z. Sau đó, áp dụng công thức thực nghiệm dạng (1), dễ dàng xác định được
cường độ mưa R.
Khó khăn nhất trong phương pháp này là các hệ số thực nghiệm A và b trong
công thức (1) không ổn định mà phụ thuộc vào hàm phân bố hạt mưa theo kích thước.
Yếu tố này thay đổi nhiều theo không gian và thời gian ngay cả trong một trận mưa.
Tập 1: Khí tượng - Khí hậu, Khí tượng Nông nghiệp và Biến đổi Khí hậu

21

Hội thảo khoa học Quốc gia về Khí tượng Thủy văn, Môi trường và Biến đổi Khí hậu

Do vậy mà công thức (2) do Marshall và Palmer đưa ra nhiều lúc dẫn đến sai số lớn
trong việc ước lượng mưa.
Vì vậy, nhiều giá trị A và b đã được đưa ra bởi các tác giả khác nhau. Ngoài ra,
quan hệ Z – R sẽ khác nhau rất nhiều trong không khí tĩnh so với trong không khí có
chuyển động thẳng đứng. Trong không khí có chuyển động thăng với tốc độ 2m/s thì
kết quả ước lượng cường độ mưa bằng radar có thể lớn hơn 100% so với thực tế. Khi
sử dụng quan hệ Z – R để đo mưa, việc sửa đổi A và b cho thích hợp tỏ ra không phức
tạp, tuy nhiên, các công thức vẫn không tránh khỏi sai số lớn, vì ngoài các nguyên
nhân nêu trên, còn do nhiều nguyên nhân khác nữa do các điều kiện thực tế phát sinh
khi tiến hành quan trắc.
Cho rằng mỗi loại mưa có một hàm phân bố hạt theo kích thước riêng, người ta
đã xác định nhiều cặp giá trị A và b trong phương trình dạng (1) cho từng loại mưa.
Năm 1973, Battan [3] đã liệt kê trên 60 quan hệ giữa R và Z. Mỗi phương trình thích
hợp với từng hoàn cảnh cá biệt. May mắn là hầu hết các quan hệ này không khác nhau
nhiều khi cường độ mưa nằm trong khoảng từ 20 đến xấp xỉ 200mm/h. Tuy nhiên, có
những trường hợp rất khó xếp vào loại nào như mưa hỗn hợp (lỏng lẫn với đá, tuyết).
Các quan hệ điển hình ứng với các kiểu mưa khác nhau được cho trong bảng 1 dưới
đây.
Bảng 1. Các quan hệ thực nghiệm điển hình giữa độ phản hồi Z (mm6/m3)
và cường độ mưa R (mm/h)[3]

Quan hệ thực nghiệm
giữa Z và R

Kiểu mưa

Z = 140 R1,5

Mưa phùn

Z = 250 R1,5

Mưa diện rộng

Z = 200R1,6

Mưa dầm

Z = 31 R1,71

Mưa địa hình

Z = 500 R1,5

Mưa dông

Z = 485 R1,37

Mưa dông

Z = 2000 R2.0

Mưa tuyết bông lớn

Z = 1780 R2.21

Mưa tuyết

Tham khảo

Joss và những người
khác (1970)
Joss và những người
khác (1970)
Marshall và Palmer
(1948)
Blanchard (1953)
Joss và những người
khác (1970)
Jones (1956)
Gunn và Marshall
(1958)
Sekhon và Srivastava
(1970)

Tháng 12/1999, Cơ quan Khí tượng Quốc gia Hoa Kỳ đã ra hướng dẫn rằng
radar WSR-88D do họ sản xuất phải chọn một trong 5 phương trình
Z – R trình bày trong bảng 2 dưới đây, tuỳ thuộc vào mùa, vị trí địa lí và loại hình thời
22

Tập 1: Khí tượng - Khí hậu, Khí tượng Nông nghiệp và Biến đổi Khí hậu


Hội thảo khoa học Quốc gia về Khí tượng Thủy văn, Môi trường và Biến đổi Khí hậu

tiết dự kiến. Các phương trình này được cho là “tối ưu” và khuyến khích sử dụng ở

Hoa Kỳ.
Bảng 2. Các phương trình Z – R do Cơ quan Khí tượng Quốc gia Hoa Kỳ khuyến cáo sử
dụng [2]

1

Tên
phương trình
Marshall–Palmer

2

East - Cool

Z = 130R2,0

3

West – Cool
Stratiform

Z = 75R2,0

4

WSR88D

Z = 300R1,4

5

Nhiệt đới
(Rosenfeld)

Z = 250R1,2

TT

Phương trình

Trường hợp sử dụng

Z = 200R1,6

Dùng cho mưa dạng tầng nói chung
Dùng cho mưa dạng tầng mùa đông ở
phía đông của lục địa Bắc Mỹ; mưa địa
hình
Dùng cho mưa dạng tầng mùa đông ở
phía tây của lục địa Bắc Mỹ; mưa địa
hình
Dùng cho đối lưu sâu mùa hè và đối
lưu không nhiệt đới khác
Dùng cho mưa từ các hệ thống đối lưu
vùng nhiệt đới

Để phát hiện vùng mưa và ước lượng lượng mưa, đối với bất kỳ loại radar thời
tiết nào cũng đều phải lấy thông tin về độ PHVT của vùng mưa trên một độ cao nhất
định thích hợp với điều kiện địa lý địa hình của khu vực đặt trạm. Độ cao như vậy
(tạm gọi là độ cao lấy số liệu radar về mưa) cần phải đạt được các tiêu chí sau:

+ Tránh ảnh hưởng của dải sáng tầng tan băng (0oC);
+ Tránh sai số do vật địa hình;
+ Càng gần với mặt đất càng tốt.
3. Một vài nhận xét về đo mưa bằng radar ở Việt Nam
Việc xác định độ cao lấy số liệu là yêu cầu cần thiết hàng đầu để đảm bảo độ
chính xác cho ước lượng mưa và thường được xác định trên cơ sở xác định góc nâng
của anten radar khi tiến hành các chương trình quét. Tuy nhiên, ở Việt Nam từ khi có
radar thời tiết (kể từ có radar MRL – 2 của Nga đặt tại đường Nguyễn Huệ, TP. Hồ
Chí Minh) đến nay, thường sử dụng độ cao thu số liệu theo quy định của Nga trước
đây dùng cho các trạm radar thời tiết MRL của Nga là 1km. Việc nghiên cứu xác định
độ cao thích hợp ở Việt Nam để lấy số liệu chưa được quan tâm. Thực tế ở Việt Nam
cho thấy, hầu hết các trạm radar thời tiết được đặt ở các địa phương có địa hình khá
phức tạp, độ che chắn búp sóng radar gây ra bởi các vật địa hình như đồi núi, các công
trình xây dựng cao tầng nằm quanh trạm trong bán kính quét của radar là khá lớn. Cho
nên, nếu sử dụng mức 1km để làm độ cao lấy số liệu thì tất cả các trạm radar ở Việt
Nam đều không thể có được thông tin về mưa đầy đủ và chính xác cho đến độ xa cách
trạm 100km. Trạm có thể thu được thông tin đầy đủ và chính xác ở mức 1km có độ xa
thu số liệu lớn nhất là trạm Nhà Bè (TP. Hồ Chí Minh) cũng chỉ đạt được đến khoảng
90km. Thậm chí có trạm như Nha Trang (Khánh Hòa) chỉ có thể đến độ xa khoảng
20km và Tam Kỳ (Quảng Nam) là khoảng 30km.
Tập 1: Khí tượng - Khí hậu, Khí tượng Nông nghiệp và Biến đổi Khí hậu

23


Hội thảo khoa học Quốc gia về Khí tượng Thủy văn, Môi trường và Biến đổi Khí hậu

Các ngưỡng (chỉ tiêu), chẳng hạn như các hệ số A và b của công thức dạng (1)
nêu trên, để ước lượng lượng mưa cũng đã được quan tâm giải quyết cho một vài trạm
như cho trạm radar MRL – 5 Phù Liễn, trạm DWSR – 2500C Tam Kỳ. Nhưng các kết

quả mới dừng lại ở mức tính toán thử nghiệm, có tính chất thăm dò, chưa đi đến một
kết luận thỏa đáng, chưa xác định một cách triệt để và đồng bộ cho các trạm radar trên
lãnh thổ.
Vì vậy, cho đến nay, việc đo mưa bằng radar (phát hiện vùng mưa và ước lượng
lượng mưa) ở Việt Nam chưa đạt được kết quả như mong muốn.
4. Kết luận
Việc sử dụng các thông tin về độ phản hồi vô tuyến (PHVT) của vùng mưa để
phát hiện mưa và quan hệ thực nghiệm giữa độ PHVT (Z) và cường độ mưa (R) do
Marshall và Palmer đưa ra theo dạng phương trình (1) dùng để ước lượng lượng mưa
là phương pháp tiện dụng nhất có thể áp dụng cho đo mưa bằng radar thời tiết ở Việt
Nam. Tuy nhiên, theo chúng tôi, để việc đo mưa bằng radar ở Việt Nam đạt chất lượng
tốt đảm bảo hiệu quả khai thác sử dụng cao, cần giải quyết thỏa đáng hai vấn đề về kỹ
thuật sau:
+ Cần nghiên cứu xác định độ cao lấy số liệu radar về mưa một cách thích hợp
đối với các trạm trên cơ sở đảm bảo tốt các tiêu chí đã nêu trên đây. Tức là nghiên cứu
để có cơ sở đặt góc nâng anten radar phù hợp cho chương trình quét đo mưa đối với
từng trạm cụ thể.
+ Nghiên cứu xác định các ngưỡng chỉ tiêu cho ước lượng mưa (cụ thể ở đây là
các hệ số thực nghiệm A và b trong phương trình (1) nêu trên) cho tương đối phù hợp
với điều kiện của các địa phương ở Việt Nam.
TÀI LIỆU THAM KHẢO
1. Đài Khí tượng Cao không. Tài liệu tập huấn Khí tượng Radar. Tổng cục Khí
tượng Thủy văn. Hà Nội, 1998.
2. Nguyễn Hướng Điền, Tạ Văn Đa. Khí tượng Radar. Nxb. Đại học Quốc gia Hà
Nội. 2010.
3. Battan. L.J. 1973. Radar Observation of the atmosphere. University of Chicago
Press.
4. Sauvageot H., 1991. Radar Meteorology. Artech House Boston – London.

METHOD TO MEASURE THE RAIN BY WEATHER RADAR AND

SOME COMMENTS ON MEASURING OF RAIN BY RADAR
IN VIETNAM
Ta Van Da, Nguyen Van Thang, Hoang Duc Cuong
Vietnam Institude Meteorology Hydrology and Environment
One of the earliest applications of weather radar data is to measure rainfall. In
Vietnam has the most modern networks can cover quite a large space in the territory. If all
24

Tập 1: Khí tượng - Khí hậu, Khí tượng Nông nghiệp và Biến đổi Khí hậu


Hội thảo khoa học Quốc gia về Khí tượng Thủy văn, Môi trường và Biến đổi Khí hậu

goes well, this radar network can provide information about the amount of rainfall is plentiful
as well as direct rainfall warning for many areas especially in remote mountainous areas.
There have been many methods using radar rainfall is given but the method is applied mainly
in Vietnam is to use the radio echo of clouds observed by radar to estimate rainfall intensity.
However, the rainfall measured by weather radar in Vietnam is still a technical score has not
been satisfactorily resolved resulting in the quality of information from radar rainfall is not
high, the effective exploitation and use are limited. This paper presents the measurement of
rainfall by weather radar and a few comments on using radar to measure rainfall in Vietnam.
Hope can help improve the quality of the rain gauge observations by weather radar in
Vietnam.

Tập 1: Khí tượng - Khí hậu, Khí tượng Nông nghiệp và Biến đổi Khí hậu

25