ĐÁNH GIÁ KHẢ NĂNG DỰ BÁO MƯA LỚN Ở ĐỒNG BẰNG BẮC BỘ SỬ DỤNG SẢN PHẨM TỔ HỢP CỦA CÁC MÔ HÌNH KHU VỰC
Bạn đang xem bản rút gọn của tài liệu. Xem và tải ngay bản đầy đủ của tài liệu tại đây (1.12 MB, 68 trang )
ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN
---------------------
Nguyễn Thanh Thủy
ĐÁNH GIÁ KHẢ NĂNG DỰ BÁO MƯA LỚN
Ở ĐỒNG BẰNG BẮC BỘ SỬ DỤNG SẢN PHẨM TỔ HỢP
CỦA CÁC MÔ HÌNH KHU VỰC
LUẬN VĂN THẠC SĨ KHOA HỌC
Hà Nội – Năm 2018
ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN
---------------------
Nguyễn Thanh Thủy
ĐÁNH GIÁ KHẢ NĂNG DỰ BÁO MƯA LỚN
Ở ĐỒNG BẰNG BẮC BỘ SỬ DỤNG SẢN PHẨM TỔ HỢP
CỦA CÁC MÔ HÌNH KHU VỰC
Chuyên ngành: Khí tượng học
Mã số: 60440222
LUẬN VĂN THẠC SĨ KHOA HỌC
NGƯỜI HƯỚNG DẪN KHOA HỌC:
TS. VÕ VĂN HÒA
Hà Nội – Năm 2018
LỜI CẢM ƠN
Trước hết tôi xin bày tỏ lòng cảm ơn sâu sắc tới TS. Võ Văn Hòa, người đã
tận tình chỉ bảo và hướng dẫn tôi hoàn thành luận văn này.
Tôi xin đặc biệt cảm ơn NGND. GS.TS Trần Tân Tiến đã chỉ bảo, cung cấp
cho tôi những kiến thức chuyên môn quý giá để thực hiện luận văn.
Tôi cũng xin cảm ơn các Thầy cô, các cán bộ trong khoa Khí tượng – Thủy
văn – Hải dương học đã giảng dạy tận tình, giúp đỡ và tạo điều kiện thuận lợi cho
tôi trong suốt quá trình học tập.
Tôi xin cảm ơn các cán bộ phòng Dự báo số trị và viễn thám (Trung tâm Khí
tượng Thủy văn quốc gia), các dự báo viên phòng Dự báo – Đài KTTV khu vực
đồng bằng Bắc Bộ đã có những trao đổi chuyên môn và hỗ trợ tư liệu để tôi hoàn
thiện luận văn này.
Cuối cùng, tôi xin gửi lời cảm ơn chân thành tới gia đình, bạn bè và các đồng
nghiệp đã luôn bên cạnh cổ vũ, động viên và tạo mọi điều kiện tốt nhất cho tôi trong
suốt quá trình học tập.
Nguyễn Thanh Thủy
1
MỤC LỤC
MỞ ĐẦU ....... .……………………………………………………………………...6
CHƯƠNG 1. ĐẶC ĐIỂM MƯA LỚN Ở KHU VỰC ĐỒNG BẰNG BẮC BỘ
VÀ TỔNG QUAN TÌNH HÌNH NGHIÊN CỨU ...................................................8
1.1. Đặc điểm mưa lớn ở khu vực đồng bằng Bắc Bộ .........................................8
1.2. Tổng quan các nghiên cứu về đánh giá dự báo mưa trong và ngoài nước ....10
1.2.1. Tổng quan những nghiên cứu ngoài nước ................................................10
1.2.2. Tổng quan các nghiên cứu trong nước .....................................................13
CHƯƠNG 2. PHƯƠNG PHÁP VÀ TẬP SỐ LIỆU NGHIÊN CỨU .................17
2.1. Khái quát về hệ thống SREPS .....................................................................17
2.2. Phương pháp tính toán dự báo tổ hợp ........................................................20
2.2.1. Phương pháp trung bình đơn giản ............................................................21
2.2.2. Phương pháp tính trọng số theo sai số .....................................................21
2.2.3. Phương pháp tính trọng số bằng hồi quy đa biến .....................................22
2.3. Đối tượng và phương pháp đánh giá ..........................................................23
2.4. Mô tả tập số liệu nghiên cứu ........................................................................28
CHƯƠNG 3. KẾT QUẢ ĐÁNH GIÁ ....................................................................30
3.1. Kết quả đánh giá kỹ năng dự báo mưa của từng thành phần dự báo của
hệ thống SREPS ...................................................................................................30
3.2. Kết quả tính toán các chỉ số đánh giá đối với khu vực ĐBBB của 3
phương án tổ hợp .....................................................................................................44
3.3. Kết quả đánh giá kỹ năng dự báo tổ hợp đối với các loại hình thế thời
tiết khác nhau. ......................................................................................................53
KẾT LUẬN ..............................................................................................................59
TÀI LIỆU THAM KHẢO ......................................................................................61
PHỤ LỤC .................................................................................................................63
2
DANH MỤC CÁC HÌNH VẼ
Hình 2.1. Miền dự báo cho hệ thống SREPS ............................................................17
Hình 2.2. Sơ đồ minh họa phương pháp nội suy điểm gần nhất ...............................24
Hình 2.3. Phân bố của 14 trạm quan trắc khí tượng trên khu vực ĐBBB ................29
Hình 3.1 Các điểm số ME, MAE, RMSE, HSTQ của các ngày xảy ra mưa
lớn khu vực ĐBBB từ năm 2010 – 2017 hạn dự báo 24h. ...............................30
Hình 3.2 Tương tự như hình 3.1 nhưng với hạn dự báo 48h. ..................................32
Hình 3.3 Tương tự như hình 3.1 nhưng với hạn dự báo 72h. ..................................33
Hình 3.4. Kết quả tính toán chỉ số FBI cho 3 ngưỡng mưa vừa, mưa to và rất
to và 3 hạn dự báo cho 20 dự báo thành phần của hệ thống SREPS ................34
Hình 3.5. Tương tự hình 3.4 nhưng cho chỉ số POD ................................................35
Hình 3.6. Tương tự hình 3.4 nhưng cho chỉ số FAR ................................................36
Hình 3.7 Các chỉ số ME, MAE, RMSE, HSTQ tại trạm Hà Đông và Ninh
Bình từ năm 2010 – 2017 hạn dự báo 24h .......................................................38
Hình 3.8 Tương tự như hình 3.7 nhưng với hạn dự báo 48h. ..................................39
Hình 3.9 Tương tự như hình 3.7 nhưng với hạn dự báo 72h. ..................................40
Hình 3.10 Các chỉ số ME, MAE, RMSE, HSTQ đối với khu vực ĐBBB của 3
phương án tổ hợp hạn dự báo 24h, 48h, 72h ....................................................45
Hình 3.11 Chỉ số FBI của 3 phương án tổ hợp hạn dự báo 24h, 48h,72h với
các ngưỡng mưa. ..............................................................................................46
Hình 3.12 Tương tự như hình 3.14 nhưng đối với chỉ số POD ..............................47
Hình 3.13 Tương tự như hình 3.14 nhưng đối với chỉ số FAR...............................48
Hình 3.14 Chỉ số ME, MAE, RMSE, HSTQ của 3 phương án tổ hợp hạn dự
báo 24h 48h, 72h tại hai trạm Hà Đông và Ninh Bình. ....................................49
Hình 3.15 Các chỉ số ME, MAE, RMSE, HSTQ của 3 phương án tổ hợp đối
với các hình thế gây mưa lớn. ..........................................................................55
3
DANH MỤC CÁC BẢNG
Bảng 2.1 Cấu hình động lực, vật lý, phương pháp số, độ phân giải của 4 mô
hình HRM, WRFARW, WRFNMM và BoLAM. ............................................18
Bảng 2.2: Qui ước và ý nghĩa của 20 dự báo thành phần trong hệ thống
SREPS ..............................................................................................................20
Bảng 2.3 Bảng tổng hợp đánh giá dự báo nhị phân ..................................................27
Bảng 3.1 Chỉ số FBI trạm Hà Đông với các ngưỡng mưa ........................................42
Bảng 3.2 Chỉ số POD trạm Hà Đông với các ngưỡng mưa ......................................43
Bảng 3.3 Chỉ số FAR trạm Hà Đông với các ngưỡng mưa ......................................44
Bảng 3.4 Kết quả các chỉ số FBI, POD, FAR của các đợt mưa lớn tại trạm Hà
Đông với các ngưỡng mưa của 3 phương án tổ hợp. .......................................50
Bảng 3.5 Kết quả các chỉ số FBI, POD, FAR của các đợt mưa lớn tại trạm
Ninh Bình với các ngưỡng mưa của 3 phương án tổ hợp. ...............................52
Bảng 3.6 Các chỉ số FBI, POD, FAR của các phương án tổ hợp ứng với từng
hình thế. ............................................................................................................56
4
DANH MỤC CHỮ VIẾT TẮT
ATNĐ
Áp thấp nhiệt đới
ĐBBB
Đồng bằng Bắc Bộ
FAR
Tỉ lệ phát hiện sai (False Alarm Ratio)
FBI
Tỷ số giữa vùng dự báo và vùng thám sát (Frequency Bias index)
HSTQ
Hệ số tương quan
ITCZ
Dải hội tụ nhiệt đới Inter (Tropical Convergence Zone)
KKL
Không khí lạnh
KTTV
Khí tượng Thủy văn
MAE
Sai số tuyệt đối trung bình (Mean Absolute Error)
ME
Sai số trung bình (Mean Error)
MSE
Sai số bình phương trung bình (Mean Square Error)
NWP
Dự báo thời tiết bằng mô hình số trị (Numerical weather prediction)
POD
Xác suất phát hiện (Probability Of Detection of Event)
QPF
Kiểm tra giáng thủy định luợng
RMSE
Sai số bình phương trung bình quân phương (Root Mean Square Error)
RTBB
Rãnh thấp Bắc Bộ
RTBN
Rãnh thấp bị nén
SREPS
Hệ thống dự báo tổ hợp thời tiết hạn ngắn (Short Range Ensemble
Prediction System)
5
MỞ ĐẦU
Trong các hiện tượng khí hậu cực đoan, mưa lớn là hiện tượng được đặc biệt
quan tâm do những tác động tiêu cực của hiện tượng này đến nhiều mặt đời sống
con người cũng như đến kinh tế - xã hội và môi trường. Ở Việt Nam nói chung và
khu vực đồng bằng Bắc Bộ nói riêng, mưa lớn gây nên những thiệt hại không nhỏ,
hầu hết các vùng đều bị tác động bởi hiện tượng cực đoan này ở các mức độ khác
nhau. Tại khu vực đồng bằng Bắc Bộ, mưa lớn thường gây lũ quét, sạt lở đất ở khu
vực có đồi núi như Ba Vì, Ninh Bình, ... gây ngập lụt ở các tỉnh, thành phố như Hà
Nội, Nam Định, Thái Bình. Mưa gây thiệt hại về kinh tế, về người, ảnh hưởng tới
giao thông, ảnh hưởng tới sản xuất nông nghiệp và những hệ quả kéo theo của hiện
tượng mưa lớn là môi trường và khắc phục hậu quả của nó.
Mưa là một trong những hiện tượng thời tiết khó dự báo nhất. Không những
chỉ khó dự báo mà việc đánh giá dự báo mưa cũng là một việc hết sức khó khăn và
phức tạp. Xong dự báo mưa lại có vai trò đặc biệt quan trọng trong công tác phòng,
chống thiên tai và phục vụ phát triển kinh tế - xã hội. Vì vậy, dự báo mưa và đánh
giá dự báo mưa là hai vấn đề quan trọng cần thiết phải tập trung nghiên cứu.
Hiện nay, trong nghiệp vụ dự báo thời tiết hàng ngày, đặc biệt là dự báo các
đợt mưa lớn, các dự báo viên đang tham khảo rất nhiều sản phẩm dự báo mưa từ các
mô hình số trị toàn cầu hoặc khu vực ở dạng tất định hoặc tổ hợp. Trong đó, các sản
phẩm dự báo mưa từ hệ thống dự báo tổ hợp thời tiết hạn ngắn (SREPS) đang được
chạy nghiệp vụ tại Trung tâm Dự báo Khí tượng Thủy văn (KTTV) quốc gia (Võ
Văn Hòa và cộng sự, 2012) thường được tham khảo trong dự báo mưa lớn do các
hình thế thời tiết quy mô vừa gây nên. Tuy nhiên, việc tham khảo gặp nhiều khó
khăn do dự báo viên chưa biết rõ về chất lượng dự báo mưa của SREPS chi tiết theo
không gian, thời gian và hình thế thời tiết. Do đó, việc đánh giá và chỉ ra chất lượng
dự báo của SREPS trên khu vực đồng bằng Bắc Bộ (ĐBBB) là hết sức cần thiết.
Kết quả đánh giá chất lượng sẽ cung cấp nhiều thông tin tham khảo hữu ích cho dự
báo viên trong quá trình dự báo mưa lớn.
6
Luận văn này tập trung vào việc đánh giá khả năng dự báo mưa lớn ở khu
vực đồng bằng Bắc Bộ sử dụng sản phẩm dự báo tổ hợp của hệ thống SREPS hiện
đang được chạy nghiệp vụ tại Trung tâm dự báo KTTV Quốc gia. Mục đích là đánh
giá khả năng dự báo mưa lớn của các thành phần trong hệ thống SREPS và của các
phương pháp tổ hợp khác nhau, từ đó đưa ra được chất lượng dự báo của từng dự
báo thành phần và phương pháp tổ hợp. Trên cơ sở đó lựa chọn được các dự báo
thành phần và phương pháp tổ hợp cho dự báo mưa lớn tốt nhất để khuyến cáo cho
dự báo viên trong quá trình tham khảo.
7
CHƯƠNG 1. ĐẶC ĐIỂM MƯA LỚN Ở KHU VỰC ĐỒNG BẰNG BẮC
BỘ VÀ TỔNG QUAN TÌNH HÌNH NGHIÊN CỨU
1.1. Đặc điểm mưa lớn ở khu vực đồng bằng Bắc Bộ
Khu vực đồng bằng Bắc Bộ nằm ở phía nam miền Bắc, với vị trí phía Bắc
giáp khu vực Đông Bắc, phía Tây Bắc giáp với khu vực Việt Bắc, phía Nam giáp
với khu vực Tây Bắc và Bắc Trung Bộ. Là khu vực có khí hậu tập trung những nét
điển hình của kiểu khí hậu nhiệt đới gió mùa, đặc biệt có một mùa đông lạnh hơn
nhiều so với điều kiện trung bình vĩ tuyến, mùa đông chỉ có thời kỳ đầu tương đối
khô còn nửa cuối mùa thì rất ẩm ướt, mùa hạ nóng, nhiều mưa, khí hậu biến động
mạnh. Khí hậu ở đồng bằng Bắc Bộ về cơ bản không có sự phân hóa đáng kể giữa
nơi này với nơi khác, nhất là về nhiệt độ. Tuy nhiên, cũng có thể tách ra một dải hẹp
ven biển có khí hậu khác biệt ít nhiều với điều kiện chung của vùng.
Lượng mưa phân bố khá đồng đều trên khu vực ĐBBB. Trên đại bộ phận
đồng bằng Bắc Bộ, lượng mưa trung bình năm trong khoảng 1600 - 1800mm. Số
ngày mưa toàn năm vào khoảng 130 - 140 ngày. Mùa mưa kéo dài 6 tháng, từ tháng
5 đến tháng 10. Trong mùa mưa tập trung tới 85% lượng mưa toàn năm. Tháng mưa
nhiều nhất thường là 7 hoặc 8 với lượng mưa chiếm tới trên 34,8% tổng lượng mưa
năm. Ba tháng liên tục có mưa lớn nhất trong năm là 7, 8 và 9. Tổng lượng mưa của
ba tháng này khoảng trên 49% tổng lượng mưa năm. Lượng mưa trung bình tháng 8
vào khoảng 300 - 350mm với 16 - 18 ngày mưa. Trong 10 - 20% số năm, lượng
mưa tháng này vượt quá 500mm. Các tháng 7, và 9 lượng mưa trung bình trong
khoảng 250 - 300mm, với 12 - 15 ngày mưa. Trong cả mùa mưa, xảy ra chừng 5 - 7
ngày có mưa trên 50mm, 1 - 2 ngày có mưa trên 100mm.
Lượng mưa cực đại trong 24 giờ có thể tới 400 - 500mm ở ven biển, 300 400mm ở đồng bằng và trung du. Nói chung, những trường hợp mưa lớn nhất này
đều xảy ra trong bão. Mưa bão thường kéo dài 2 – 4 ngày với lượng mưa tập trung
nhất trong 1 – 2 ngày. Lượng mưa lớn nhất trong 24 giờ ở vùng trung tâm bão
8
thường vào cỡ 200 – 300mm, và lượng mưa toàn đợt vào cỡ 300 – 400mm, có khi
tới 500 – 600mm. Nói chung, trong mọi trường hợp có bão, lượng mưa toàn đợt
đều vượt quá 150mm.
Tình hình mưa ở ĐBBB biến động khá mạnh mẽ trong quá trình mùa và từ
năm này qua năm khác. Những năm nhiều mưa nhất, lượng mưa có thể vượt quá
2500mm, những năm ít mưa nhất không thu được tới 1000mm. Chênh lệch lượng
mưa giữa năm cực đại và cực tiểu lên tới 1500mm và trên nữa. Trong những tháng
mùa mưa (với lượng mưa trung bình vào cỡ 250 - 350mm/tháng), lượng mưa tháng
lớn nhất có thể vượt quá 500 - 800mm và lượng mưa tháng nhỏ nhất không tới 40 50mm. Như vậy lượng mưa tháng cực đại có thể gấp 10 - 15 lần tháng cực tiểu. [6]
Theo “Qui định tạm thời về tổng kết các hiện tượng thời tiết nguy hiểm hàng
năm” của Trung tâm Dự báo KTTV Trung ương, nay là Trung tâm Dự báo KTTV
quốc gia, căn cứ vào lượng mưa thực tế đo được trong 24 giờ tại các trạm quan trắc
khí tượng bề mặt, trạm đo mưa trong mạng lưới KTTV mà phân định các cấp mưa
khác nhau. Mưa lớn được chia làm 3 cấp:
+ Mưa vừa: Lượng mưa đo được từ 16 - 50 mm/24h.
+ Mưa to: Lượng mưa đo được từ 51 - 100 mm/24h.
+ Mưa rất to: Lượng mưa đo được > 100 mm/24h.
Ngày có mưa lớn là ngày xảy ra mưa trong 24 giờ (từ 19 giờ ngày hôm trước
đến 19 giờ ngày hôm sau) đạt cấp mưa vừa trở lên.
Trong các nghiên cứu về ảnh hưởng của mưa thì cấp mưa to 51 - 100
mm/24h bắt đầu có những ảnh hưởng tiêu cực đến đời sống con người.
Tại khu vực đồng bằng Bắc Bộ một số năm xuất hiện những đợt mưa lớn
diện rộng có giá trị lịch sử đo được tại các trạm. Điển hình là đợt mưa từ ngày 31/10
– 2/11 năm 2008 tại khu vực đã xảy ra mưa lớn kéo dài, tại trạm Hà Đông đạt giá trị
lịch sử lượng mưa ngày lớn nhất là 514mm (ngày 31/10).
9
1.2. Tổng quan các nghiên cứu về đánh giá dự báo mưa trong và ngoài nước
1.2.1. Tổng quan những nghiên cứu ngoài nước
Từ giữa những năm 90 của thế kỷ 20, nhóm nghiên cứu về dự báo số trị
(WGNE) được thành lập bởi tổ chức Khí tượng thế giới (WMO) đã quan tâm đến
vấn đề đánh giá dự báo mưa định lượng (QPF). Năm 1995, nhóm đã khởi xướng
việc đánh giá mưa định lượng ở các khu vực khác nhau. Đầu tiên là NCEP và
DWD, sau đó năm 1997 Úc mới bắt đầu đánh giá, Anh là năm 2000, Pháp là năm
2001 và Nhật Bản là năm 2002. Dự báo mưa định lượng 24 giờ và 48 giờ từ 11 mô
hình dự báo thời tiết số đã được đánh giá từ năm 1997 đến 2000 so với lượng mưa
quan trắc trên toàn nước Mỹ, Đức, Úc để đánh giá kỹ năng dự báo sự xuất hiện và
lượng mưa hàng ngày.
Năm 1995 NCEP đã tổ chức hội nghị đầu tiên về khả năng ứng dụng dự báo
tổ hợp hạn ngắn (SREF-Short Range Ensemble Forecast) với các mô hình khu vực
quy mô vừa. Từ hội nghị này, NCEP đã triển khai một dự án xây dựng một tập các
dự báo thành phần cho SREF gồm 10 dự báo từ mô hình ETA và 5 dự báo từ mô
hình RSM. Các kết quả nghiên cứu từ dự án này cho thấy EF cho một kỹ năng dự
báo bằng hoặc tốt hơn so với dự báo tất định của một mô hình có độ phân giải cao
hơn trong dự báo mưa, bão và nhiều yếu tố khác. Ngoài ra, xác suất dự báo mưa từ
SREF có chất lượng cao hơn so với xác suất dự báo mưa từ phương pháp MOS dựa
trên dự báo của mô hình nghiệp vụ NGM. Sau NCEP một loạt trung tâm lớn trên
thế giới đã phát triển hệ thống tổ hợp thời tiết hạn ngắn SREF, kèm theo đó là
những nghiên cứu đánh giá kỹ năng dự báo mưa, bão và một số yếu tố khí tượng
nhằm nâng cao chất lượng của hệ thống tổ hợp này. Tuy nhiên đến nay lĩnh vực
nghiên cứu SREF vẫn còn tồn tại rất nhiều vấn đề chưa được giải quyết. Hay nói
cách khác, đây vẫn là một bài toán mở cho các nhà nghiên cứu.[21]
Năm 2000, John L. MacBride và Elizabeth Ebert thuộc trung tâm nghiên cứu
khí tượng Úc đã tiến hành đánh giá dự báo mưa định lượng từ mô hình dự báo thời
tiết số trên toàn nước Úc. Dữ liệu lượng mưa trong thời gian thực được sử dụng từ
bảy mô hình của Úc, Anh, Đức, Nhật Bản, Hoa Kỳ và Trung tâm Dự báo thời tiết
10
hạn vừa châu Âu (ECMWF) trong khoảng thời gian một năm. Nghiên cứu này nằm
trong Sáng kiến Phát triển Kỹ thuật của Cục Khí tượng Úc, một trong những mục
tiêu chính của nó là cải thiện các dự báo lượng mưa định lượng (QPF). Dự báo mưa
định lượng 24 giờ trong thời gian thực từ bảy mô hình NWP đang hoạt động được
đánh giá trên lục địa Úc. Việc đánh giá tập trung vào hai tiểu vùng lớn: chế độ gió
mùa nhiệt đới phía bắc và chế độ cận nhiệt đới phía đông nam. Một loạt các chỉ số
được dùng đánh giá như bias, FAR, POD, TS… cho các ngưỡng mưa. Tuy nhiên,
phương pháp cơ bản của kỹ năng được sử dụng trong nghiên cứu này là điểm số
Hanssen và Kuipers (HK) và hai thành phần của nó: độ chính xác cho các hiện
tượng xuất hiện và không xuất hiện. Đối với cả hai chế độ, các mô hình hoạt động
có xu hướng dự báo lượng mưa cao vào mùa hè và thấp vào mùa đông. Ở khu
vực đông nam các mô hình có điểm số HK dao động từ 0.5 đến 0.7 và dễ dàng
dự báo hơn đối với các điều kiện thời tiết ổn định. Vì vậy, đối với các mô hình
NWP hoạt động hiện tại, các dự báo mưa 24 giờ có thể được coi là khá tốt ở
vùng cận nhiệt đới. Mặt khác, kỹ năng mô hình là khá thấp ở chế độ phía bắc với
giá trị HK chỉ 0.2 – 0.6. Kỹ năng mô hình giảm đáng kể đối với các ngưỡng mưa
lớn hơn 10 mm/ngày. Điều này ngụ ý rằng các mô hình dự báo sự xuất hiện của
mưa tốt hơn dự đoán độ lớn và các nơi xảy ra mưa cực trị. [18]
Năm 2014, trung tâm Met Office của Anh đã có một nghiên cứu “ Lợi ích
của dự báo tổ hợp phân giải cao”. Nghiên cứu này đánh giá dự báo xác suất từ hệ
thống tổ hợp của Met Office để thấy được lợi ích của việc sử dụng độ phân giải
ngang cao khi dự báo mưa lớn. Dự báo xác suất mưa lớn ở Anh đã được đánh giá từ
hai cấu hình của Hệ thống dự báo tổ hợp toàn cầu và khu vực (MOGREPS) của Met
Office, bao gồm một hệ thống tổ hợp đối lưu độ phân giải cao của Vương quốc Anh
(MOGREPS-UK) và một hệ thống tổ hợp toàn cầu có độ phân giải thô hơn
(MOGREPS-G). Thời gian đánh giá từ 18 tháng 4 năm 2013 đến 17 tháng 4 năm
2014. Do các giới hạn lấy mẫu liên quan đến các hiện tượng cực đoan (và hiếm),
các tác giả đã đánh giá mưa ở các ngưỡng mưa vừa là 10 mm trong 3 giờ, đến
ngưỡng lớn hơn là 15 và 20 mm trong 3 giờ. Kết quả chỉ được hiển thị đối với
11
ngưỡng mưa 10 mm vì các ngưỡng cao hơn có kích thước mẫu rất nhỏ khiến khó
đưa ra kết luận chắc chắn nào. Việc đánh giá giữa quan trắc và xác suất dự báo
được biểu diễn trên biểu đồ độ tin cậy. Các kết quả cho thấy MOGREPS-UK có độ
tin cậy dự báo tốt hơn MOGREPS-G. Cả MOGREPS-UK và MOGREPS-G đều có
xu hướng dự báo khống khi các ngưỡng mưa tăng lên. Tuy nhiên, về tổng thể độ tin
cậy của MOGREPS-UK ở ngưỡng 10mm trong 3 giờ là rất tốt vì nó vẫn là ngưỡng
mưa tích lũy tương đối cao và nó cho thấy độ tin cậy dự báo được cải thiện so với
độ phân giải thô của MOGREPS-G. [19]
Năm 2016, các nhà khoa học thuộc trung tâm thời tiết NOAA và các trường
đại học đã nghiên cứu đề tài “Đánh giá lượng mưa vùng Đông Mỹ”. Trong nghiên
cứu này các tác giả đã tiến hành đánh giá khả năng dự báo mưa của các hệ thống tổ
hợp: phiên bản 2 của hệ thống dự báo tổ hợp toàn cầu (GEFSRv2), hệ thống dự báo
tổ hợp hạn ngắn (SREF), hệ thống dự báo mưa định lượng của trung tâm dự báo
NCEP (WPC-PQPF). Các dự báo được đánh giá trên 4 lưu vực sông của miền Đông
Hoa Kỳ, sử dụng lượng mưa của hệ thống GEFSRv2 từ năm 2004 – 2013 với hạn
dự báo từ 1 - 16 ngày, SREF và WPC-PQPF từ năm 2012 – 2013 hạn dự báo từ 1 –
3 ngày. Kết quả đánh giá chỉ ra rằng, trên khắp miền đông Hoa Kỳ, độ lệch dự báo
lượng mưa giảm và kỹ năng, độ tin cậy tăng khi quy mô không gian tăng lên; tuy
nhiên, tất cả các dự báo đều dự báo thiên thấp. Kỹ năng của các dự báo được đánh
giá là tốt hơn trong mùa mát so với mùa ấm. Các WPC-PQPF có xu hướng vượt
trội, về hệ số tương quan, sai số trung bình tương đối, độ tin cậy và điểm kỹ năng
dự báo so với GEFSRv2 và SREF. [20]
Gần đây nhất năm 2018, trong một nghiên cứu của các nhà khoa học Dian
Ratri và Maurice Schmeits thuộc Viện Khí tượng Hoàng gia Hà Lan và Trung tâm
Khí tượng Khí hậu và Địa lý Indonesia đã đánh giá dự báo mưa tổ hợp hạn mùa của
ECMWF bằng việc so sánh giữa mô hình đã hiệu chỉnh sai số và chưa hiệu chỉnh
sai số tại Java (Indonesia). Trong nghiên cứu này, các tác giả đã sử dụng dữ liệu
lượng mưa từ Hệ thống Dự báo tổ hợp hạn mùa của ECMWF 5 (ECMWF-SEAS5)
25 thành phần với độ phân giải 35km bao gồm lượng mưa tích lũy 24 giờ trong 7
12
tháng từ năm 1981 – 2016. Lượng mưa quan trắc được lấy từ hệ thống quan trắc với
độ phân giải cao (0,25 độ) trên đất liền Đông Nam Á (SA-OBS). Trong phần đánh
giá này, dữ liệu lượng mưa hàng ngày được tổng hợp thành lượng mưa tích lũy
hàng tháng. Đánh giá được tập trung vào các tháng 7, 8, 9 vì đây là những tháng
quan trọng giúp người nông dân quyết định việc trồng trọt vụ thứ 3 hay không.
Đánh giá 2 – 3 tháng đầu tiên cho thấy điểm số xác suất hạng liên tục (CRPSS) là
dương và tiếp tục tăng. Điểm số kỹ năng Brier (BSS) là một hàm của ngưỡng lượng
mưa, trong 1 tháng đầu dự báo cho thấy rằng nhìn tổng thể dự báo đã hiệu chỉnh sai
số của tổ hợp dự báo hạn mùa ECMWF có BSS tốt hơn so với dự báo chưa hiệu
chỉnh. Cuối cùng, các dự báo đã hiệu chỉnh sai số có độ tin cậy tốt, dựa trên các
biểu đồ độ tin cậy cho các sự kiện vượt quá 75% tần suất khí hậu. Những cải thiện
trong dự báo lượng mưa này sẽ giúp ích cho trồng trọt và dự báo thủy văn thời hạn
mùa. [17]
1.2.2. Tổng quan các nghiên cứu trong nước
Tại Việt Nam, đã nhiều đề tài nghiên cứu đến vấn đề đánh giá dự báo các
yếu tố thời tiết, trong đó có nhiều đề tài nghiên cứu về vấn đề đánh giá dự báo mưa
ở các khu vực của Việt Nam (Nguyễn Thị Thanh Bình (2002), Nguyễn Văn Bảy
(2004), Hoàng Đức Cường (2008), Võ Văn Hòa (2008), Trần Quang Năng (2009),
….). Cụ thể như sau:
Các nghiên cứu của Nguyễn Thị Thanh Bình (2002) và Nguyễn Văn Bảy
(2004) đều tập trung đánh giá chất lượng dự báo mưa từ mô hình HRM (mô hình dự
báo thời tiết số trị khu vực đầu tiên được chạy nghiệp vụ tại Trung tâm Dự báo
KTTV Trung ương từ năm 2002) cho các khu vực Bắc Bộ và Đông Bắc. Trong các
nghiên cứu này, các chỉ số đánh giá liên tục như ME, MAE, RMSE và các chỉ số
đánh giá dự báo pha được sử dụng cho một số ngưỡng mưa như mưa nhỏ, mưa vừa
và mưa to. Kết quả đánh giá đã phần nào chỉ ra được các ưu điểm và hạn chế trong kỹ
năng dự báo mưa lớn của mô hình HRM cho các khu vực nói trên. Trong các nghiên
cứu này, số liệu dự báo mưa trên lưới của mô hình HRM được nội suy về điểm trạm
13
quan trắc trước khi thực hiện đánh giá bằng phương pháp nội suy điểm gần nhất. [3,
2]
Dương Liên Châu và cộng sự (2007) đã xây dựng một hệ thống các chỉ tiêu
đánh giá KTTV trong đó có phát triển một phần mềm đánh giá tương đối hoàn
chỉnh. Có thể nói cho đến nay nghiên cứu của Dương Liên Châu và cộng sự (2007)
là nghiên cứu khá toàn diện về lĩnh vực đánh giá KTTV. Tuy nhiên, đề tài nghiên
cứu này thiên về xây dựng các chỉ tiêu và thực hiện đánh giá các bản tin dự báo
KTTV nghiệp vụ hơn là đánh giá NWP. Trong nghiên cứu này, một số sản phẩm dự
báo bề mặt như nhiệt độ và lượng mưa từ mô hình HRM đã được đánh giá dựa trên
một số chỉ số đánh giá cho biến liên tục và biến nhị phân. Hạn chế lớn nhất của
phần mềm này trong việc đánh giá NWP là có tính khả mở thấp, không có khả năng
hỗ trợ các định dạng đầu ra trực tiếp từ các mô hình NWP như Grib, NetCDF, … và
mất rất nhiều công sức gia công phần mềm khi bổ sung thêm chức năng và áp dụng
cho một mô hình NWP khác. [4]
Năm 2008, Hoàng Đức Cường cùng các cộng sự đã nghiên cứu đánh giá khả
năng dự báo mưa lớn ở Việt Nam từ mô hình MM5. Tác giả đã dùng các chỉ số ME,
MAE, RMSE và các chỉ số PEC, BIAS, CSI để đánh giá dự báo mưa lớn ở Việt
Nam cho mô hình MM5. Cụ thể, các chỉ số RMSE, ME, MAE và hệ số tương quan
được dùng để đánh giá giữa lượng mưa thực tế và lượng mưa dự báo từ mô hình
MM5 với các sơ đồ tham số hóa đối lưu khác nhau như Kuo, Grell, Bett Miller.
Trong đó sơ đồ Kuo và Betts Miller cho dự báo lượng mưa lớn hơn và Grell cho dự
báo lượng mưa thấp hơn so với thực tế. Đối với đánh giá dự báo xuất hiện hay
không xuất hiện mưa ứng với các ngưỡng khác nhau của dự báo tổ hợp 9 thành
phần, tác giả khẳng định dự báo mưa của mô hình MM5 chưa thật sự thuyết phục
trong các trường hợp thử nghiệm nếu xét đến độ lớn của chỉ số CSI (CSI gần 0 hơn
là gần 1 trong đa số các trường hợp). Dự báo tổ hợp cho kết quả khả quan hơn so
với dự báo thành phần với ngưỡng mưa 30mm. Tuy nhiên, hầu hết các dự báo thành
phần lại cho kết quả tốt hơn dự báo tổ hợp ở các ngưỡng mưa lớn (50, 100mm). Khi
tăng ngưỡng mưa, chỉ số CSI giảm dần đến 0 ở tất cả các trường hợp. Các nhận xét
14
trên đúng với cả ba hạn dự báo khác nhau, duy nhất nhận xét về sự kém hơn của dự
báo tổ hợp so với dự báo thành phần ở các ngưỡng mưa 50, 100mm không thật phù
hợp với hạn dự báo 48h. [5]
Trần Quang Năng (2009) đánh giá sai số hệ thống dự báo của mô hình HRM
cho khu vực Đông Bắc Bộ. Tác giả tập trung đánh giá sai số hệ thống (Bias) theo
không gian và thời gian của dự báo mưa mô hình HRM, kết hợp với các chỉ số ME,
MAE, RMSE trên biến liên tục đa cấp mưa, các chỉ tiêu ETS, HK, HSS trên biến
rời rạc 2 cấp mưa… Qua kết quả phân tích các chỉ tiêu cho khu vực trong 5 tháng
mùa mưa (tháng 6 - 10) của 3 năm 2005, 2006, 2007 và so sánh dự báo của mô hình
ứng với từng hình thế cụ thể tác giả rút ra một số kết luận: mô hình HRM cho dự
báo lượng mưa thường cao hơn thực tế. Mô hình cho dự báo tốt trong những trường
hợp mưa lớn gây ra bởi hình thế liên quan đến áp cao lạnh lục địa, ngoài ra đối với
xoáy thuận nhiệt đới cũng cho kết quả tốt trên 50%. [11]
Phạm Thị Tuyết Mây (2012) đã tiến hành đánh giá và so sánh kỹ năng dự
báo mưa lớn giữa mô hình HRM và MM5. Xét chung cho toàn chuỗi số liệu thấy
mô hình HRM cho dự báo lượng mưa thiên cao, còn mô hình MM5 dự báo mưa
thiên thấp. 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.
[8]
Nguyễn Thanh Tú (2013) đánh giá kỹ năng dự báo mưa lớn ở miền Trung và
Tây nguyên của một số mô hình khu vực đã sử dụng các chỉ số ME, MAE, RMSE
và BIAS, POD, FAR, ETC để đánh giá khả năng dự báo mưa lớn của các mô hình
HRM-gfs, WRFARW-gfs VÀ WRFNMM-gfs. Kết quả cho thấy tính trung bình cho
cả chuỗi số liệu thì mô hình HRM cho dự báo mưa tốt hơn so với 2 mô hình còn lại
và có lượng mưa tương đối chính xác trên các vùng. Mô hình WRFARW tuy không
dự báo tốt bằng HRM nhưng với lượng mưa từ 50 - 100mm/24h thì mô hình này lại
15
cho kết quả tốt nhất. Mô hình WRFNM luôn dự báo hụt cho cả chuỗi số liệu tuy
nhiên lại cho kết quả dự báo tốt đối với ngưỡng mưa từ 10 – 30mm/24h. Các mô
hình đều cho dự báo kém dần với hạn dự báo và cường độ mưa tăng. [14]
Năm 2015, nhóm tác giả Công Thanh, Trần Tân Tiến, Nguyễn Tiến Toàn đã
đánh giá khả năng dự báo mưa cho khu vực Quảng Ngãi thời hạn 1 đến 2 ngày.
Trong nghiên cứu này nhóm tác giả đã đánh giá khả năng dự báo mưa cho Quảng
Ngãi bằng 3 phương án dự báo là dùng mô hình RAMS, mô hình WRF và tổ hợp 2
mô hình trên. Các tác giả sử dụng các chỉ số ME, RMSE và các chỉ số đánh giá dự
báo pha FBI, POD, FAR, CSI, PC để đánh giá và đưa ra kết luận: các phương án
lựa chọn đều có thể được sử dụng để dự báo mưa lớn với ngưỡng mưa lớn hơn
50mm/ngày với độ chính xác cao. Đặc biệt có thể sử dụng mô hình RAMS và
phương án tổ hợp để dự báo mưa hạn 24 giờ và sử dụng mô hình RAMS để dự báo
mưa cho hạn 48 giờ. [16]
16
CHƯƠNG 2.
PHƯƠNG PHÁP VÀ TẬP SỐ LIỆU NGHIÊN CỨU
2.1. Khái quát về hệ thống SREPS
Hệ thống tổ hợp thời tiết hạn ngắn – SREPS (Short Range Ensemble
Prediction System) được phát triển và chạy nghiệp vụ tại Trung tâm dự báo Khí
tượng Thủy văn Quốc gia từ năm 2010. Hệ thống này được xây dựng dựa trên cách
tiếp cận đa mô hình đa phân tích bằng cách chạy 4 mô hình dự báo thời tiết số trị
khu vực gồm HRM, BoLAM, WRF(ARW) và WRF(NMM) với số liệu đầu vào từ 5
mô hình gồm GSM của Cơ quan khí tượng Nhật Bản (JMA), GME của Tổng cục
khí tượng cộng hòa liên bang Đức (DWD), GFS của Trung tâm nghiên cứu môi
trường quốc gia của Mỹ (NCEP), NOGAPS của Hải quân Mỹ (US Navy), GEM của
Cơ quan khí tượng Canada (CMC) để tạo ra 20 dự báo thành phần.
17
Hình 2.1. Miền dự báo cho hệ thống SREPS
Miền tích phân của các mô hình NWP khu vực được lựa chọn như nhau và
thực hiện tích phân dự báo đến 72 giờ với cập nhật biên 6 giờ một từ các trường dự
báo của 4 mô hình toàn cầu. Các mô hình khu vực trong SREPS sử dụng chung bộ
số liệu các trường tĩnh như địa hình, thảm phủ thực vật, .... Hình 2.1 đưa ra miền dự
báo của hệ thống SREPS. Miền tích phân cho 20 dự báo thành phần của hệ thống
SREPS bao phủ miền địa lý 99.950E-124.10E; 4.90N-250N với độ phân giải 0.150 x
0.150, số nút lưới theo chiều vĩ hướng và kinh hướng tương ứng là 162 x 135. Số
liệu dự báo mưa của hệ thống SREPS được sao lưu trên lưới này cho tới hạn dự báo
72 giờ với khoảng cách 6 giờ một.
Chi tiết về các tùy chọn tham số hóa vật lý của các mô hình dự báo số trị khu
vực trong hệ thống SREPS được mô tả trong bảng 2.1 dưới đây.
Bảng 2.1 Cấu hình động lực, vật lý, phương pháp số, độ phân giải của 4 mô
hình HRM, WRFARW, WRFNMM và BoLAM.
Mô tả chi tiết
Cấu hình mô hình
Động lực
HRM
WRFARW
WRFNMM
BOLAM
(Ver. 2.4)
(Ver. 3.1)
(Ver. 3.1)
(Ver. 2.0)
Hệ phương trình Hệ phương trình Hệ phương trình Hệ phương trình
nguyên
thủy, nguyên
18
thủy, nguyên
thủy, nguyên
thủy,
Mô tả chi tiết
Cấu hình mô hình
Lọc số
Đối lưu
HRM
WRFARW
WRFNMM
BOLAM
(Ver. 2.4)
(Ver. 3.1)
(Ver. 3.1)
(Ver. 2.0)
dạng thủy tĩnh
dạng thủy tĩnh
dạng thủy tĩnh
dạng thủy tĩnh
Có
Không
Không
Không
Sơ đồ Tiedtke
Sơ đồ Kain-
Grell-Devenyi
Sơ đồ Kain-
Fritsch
Bức xạ
Geleyn
RRTM
Fritsch
GFDL
Geleyn kết hợp
sóng
với ECMWF và
ngắn
RRTM
Tham số
Bức xạ
hóa vật
sóng dài
Geleyn
Dudhia
GFDL
Geleyn kết hợp
với ECMWF và
RRTM
lý
Lớp biên
Sơ đồ Monin-
Yonsei
hành tinh Obukhov
Đất
Bề mặt
Hệ tọa độ thẳng
đứng
Lưới sai phân ngang
Độ phân giải ngang
(độ hoặc km)
Số nút lưới/Độ rộng
(độ)
Điểm lưới góc Tây
Nam/Tâm lưới
Mô hình 7 lớp
Sơ đồ khuếch
tán 2 lớp
Noah
Mellor-Yamada- Sơ đồ MoninJanjic
Obukhov
NMM
Sơ đồ 4 lớp
Monin-Obukhov Janjic
Sơ đồ MoninObukhov
sigma (σ)
sigma (σ)
eta (η)
sigma (σ)
Arakawa C
Arakawa C
Arakawa E
Arakawa C
0.15°×0.15°
17km x 17km
0.150 x 0.150
0.15°× 0.15°
201 × 161
201 x 161
300 x 240
202 × 162
95°E, 4°N
110°E, 16°N
19
110.05°E,
16.05°N
110°E, 16°N
Mô tả chi tiết
Cấu hình mô hình
Số mực thẳng đứng
Bước thời gian tích
phân (giây)
Điều kiện
ban đầu
HRM
WRFARW
WRFNMM
BOLAM
(Ver. 2.4)
(Ver. 3.1)
(Ver. 3.1)
(Ver. 2.0)
31
31
31
31
90
90
40
150
Khí
5 mô hình toàn 5 mô hình toàn 5 mô hình toàn 5 mô hình toàn
tượng
cầu nói trên
cầu nói trên
cầu nói trên
cầu nói trên
USGS 1km
USGS 1km
USGS 1km
USGS 1km
FAO 8km
FAO 8km
FAO 8km
FAO 8km
Địa
hình
Đất
5 mô hình toàn 5 mô hình toàn 5 mô hình toàn 5 mô hình toàn
Điều kiện biên
cầu nói trên, cập cầu nói trên, cập cầu nói trên, cập cầu nói trên, cập
Hạn dự báo
Khoảng
thời
nhập biên 6 giờ
nhập biên 6 giờ
nhập biên 6 giờ
nhập biên 6 giờ
72 giờ
72 giờ
72 giờ
72 giờ
3 giờ
3 giờ
3 giờ
gian
giữa các sản phẩm 3 giờ
đầu ra
Bảng 2.2 đưa ra ký hiệu của 20 dự báo thành phần được sử dụng trong
nghiên cứu. Cụ thể, thành phần đầu tiên (M01) là kết quả dự báo từ mô hình khu
vực HRM với đầu vào từ mô hình toàn cầu GFS của NCEP. Trong khi dự báo thành
phần thứ 2 (M02) là dự báo từ mô hình khu vực HRM với đầu vào từ mô hình toàn
cầu GME của DWD. Tương tự như vậy cho các dự báo thành phần còn lại.
Bảng 2.2: Qui ước và ý nghĩa của 20 dự báo thành phần trong hệ thống SREPS
Đầu vào
Mô hình
GFS
GME
NOGAP
GEM
GSM
HRM
M01
M02
M03
M04
M05
WRF (ARW)
M06
M07
M08
M09
M10
20
WRF (NMM)
M11
M12
M13
M14
M15
BoLAM
M16
M17
M18
M19
M20
2.2. Phương pháp tính toán dự báo tổ hợp
Dự báo tất định từ dự báo tổ hợp được hiểu như một phương pháp cho phép
đưa ra dự báo tối ưu từ các dự báo thành phần. Tổ hợp các dự báo thành phần để
đưa ra một dự báo đại diện cho cả nhóm cho nên dự báo này vẫn mang tính tất định.
Mặc dù mục tiêu chính của dự báo tổ hợp là dự báo xác suất nhưng do dự báo tất
định đã trở nên quen thuộc trong dự báo thời tiết, nên dự báo tổ hợp vẫn cần cung
cấp thêm dự báo tương tự như dự báo tất định.
Khi đã có các sản phẩm dự báo khác nhau cho cùng một trường hợp (yếu tố,
thời điểm) có thể tồn tại các phương pháp thống kê khác nhau nhằm tạo ra sản phẩm
dự báo tổ hợp. Một số phương pháp chính và đơn giản bao gồm:
- Phương pháp lấy trung bình đơn giản.
- Phương pháp tính trọng số theo sai số
- Phương pháp xác định trọng số bằng hồi quy tuyến tính đa biến.
Cả ba phương pháp trên đều có điểm chung là tạo tổ hợp tuyến tính, khác
nhau duy nhất giữa các phương pháp này là cách tính trọng số.
Công thức tổng quát có thể viết dưới dạng:
Trong đó:
F th =∑𝑁𝑁
𝑖𝑖=1 𝑤𝑤𝑖𝑖 𝑓𝑓𝑖𝑖
(2.1)
F th : kết quả dự báo tổ hợp
f i : dự báo thành phần của mỗi mô hình
w i : trọng số tương đương với từng dự báo
N: số thành phần tham gia tổ hợp
Đối với từng phương pháp cụ thể công thức 2.1 có thể được biểu diễn như sau:
2.2.1. Phương pháp trung bình đơn giản
21
Theo phương pháp này, các trọng số là bằng nhau và được tính theo công
thức w i =1/N. Do đó, công thức (2.1) được viết lại thành:
F th
=
1
𝑁𝑁
∑𝑁𝑁
𝑖𝑖=1 𝑓𝑓𝑖𝑖
(2.2)
Mặc dù có thể lý luận rằng sai số từ các thành phần tổ hợp là khác nhau (có
thành phần có kỹ năng dự báo tốt hơn, có thành phần có kỹ năng dự báo kém hơn)
cho nên trung bình hóa không phải là một phương pháp tốt để có được một dự báo
tối ưu, nhưng trên thực tế dự báo trung bình tổ hợp lại rất hiệu quả đối với dự báo
hạn vừa, hạn dài, thậm chí cả hạn ngắn.
Khi hạn dự báo ngắn, phương pháp này có thể có những thiếu sót về kỹ năng
dự báo không tương đương giữa các mô hình. Do đó, khi áp dụng phương pháp này
trong dự báo hạn ngắn, cần có những lựa chọn thành phần phù hợp khi đưa vào
trung bình hóa dựa trên chất lượng dự báo của mỗi thành phần. Trong trường hợp
này, các dự báo viên đóng một vai trò quan trọng trong việc quyết định nên hay
không nên đưa mô hình nào vào hệ thống tổ hợp.
2.2.2. Phương pháp tính trọng số theo sai số
Các trọng số của dự báo thành phần được xác định bởi sai số của chính các
dự báo thành phần tương ứng.
1/ei
W i = ∑𝑁𝑁
𝑖𝑖=1 1/ei
R
(2.3)
e i là sai số của các dự báo thành phần.
Phải bảo đảm rằng tỷ trọng của từng dự báo thành phần tỷ lệ nghịch với sai
số tương ứng và tổng tỷ trọng bằng 1. Nếu các dự báo thành phần có chất lượng dự
báo như nhau (sai số dự báo bằng nhau), thì công thức (2.3) sẽ trở thành công thức
(2.2), tức là quy về dự báo trung bình cộng đơn giản. Sai số được chọn để tính là sai
số bình phương trung bình quân phương (RMSE) của các dự báo thành phần.
Trong luận văn này, sau khi tính các chỉ số đánh giá định lượng của từng
thành phần dự báo, tiến hành lấy nghịch đảo chỉ số RMSE làm trọng số của từng
22
thành phần rồi áp dụng vào công thức 2.1 để tính được dự báo mưa lớn từ phương
pháp tổ hợp tính trọng số bằng nghịch đảo của sai số. Công cụ tính toán chủ yếu là
dùng bảng tính Exel.
2.2.3. Phương pháp tính trọng số bằng hồi quy đa biến
Trong đó:
F th =∑𝑁𝑁
𝑖𝑖=1 𝑤𝑤𝑖𝑖 𝑓𝑓𝑖𝑖
+C
(2.4)
C là số hạng tự do
W i : các hệ số hồi quy (trọng số của từng dự báo thành phần)
Đối với phương pháp này ta phải sử dụng bộ số liệu lịch sử để xây dựng
phương trình hồi quy. Sai số tổ hợp sẽ biến đổi tương đối mạnh nếu sử dụng các số
liệu nền khác nhau. Bộ số liệu để tính hồi quy càng lớn thì kết quả tổ hợp hồi quy
tuyến tính sẽ càng tốt. Các dự báo thành phần phải có độ dài bộ số liệu lịch sử
tương đương nhau.
Để tính toán kết quả dự báo mưa lớn bằng phương pháp tính trọng số bằng
hồi quy đa biến tôi tiến hành tính trọng số hội quy bằng phần mềm thống kê R, sau
khi có kết quả các trọng số của từng thành phần dự báo, áp dụng vào công thức 2.1
tính ra được kết quả dự báo mưa theo phương pháp tổ hợp tính trọng số bằng hồi
quy tuyến tính.
2.3. Đối tượng và phương pháp đánh giá
2.3.1 Đối tượng đánh giá.
Để có thể đánh giá được chất lượng dự báo mưa lớn của hệ thống SREPS,
trong nghiên cứu này tôi sử dụng đại lượng mưa tích lũy 24h - R24 (được tính từ
19h tối của hôm trước đến 19 giờ tối của hôm sau - tương tự như lượng mưa tích
lũy 24h được phát báo trong các mã điện synop). Do sử dụng đại lượng R24, nên
trong nghiên cứu này tôi sử dụng khái niệm ngày mưa lớn diện rộng được tính theo
“Qui định tạm thời về tổng kết các hiện tượng thời tiết nguy hiểm hàng năm” của
Trung tâm Dự báo Khí tượng Thủy văn quốc gia. Cụ thể, một ngày thỏa mãn điều
kiện mưa lớn diện rộng nếu có từ 1/2 số trạm trong khu vực nghiên cứu có lượng
23
