ĐÁNH GIÁ độ CHÍNH xác của các sản PHẨM dự báo số ỨNG DỤNG TRONG CÔNG tác dự báo ở sân BAY nội bài

TRƯỜNG ĐẠI HỌC TÀI NGUYÊN VÀ MÔI TRƯỜNG HÀ NỘI
KHOA KHÍ TƯỢNG THỦY VĂN
------------------o0o------------------

ĐOÀN CÔNG HIỆU

ĐÁNH GIÁ ĐỘ CHÍNH XÁC CỦA CÁC SẢN PHẨM DỰ BÁO SỐ
ỨNG DỤNG TRONG CÔNG TÁC DỰ BÁO Ở SÂN BAY NỘI BÀI

HÀ NỘI - 2018


TRƯỜNG ĐẠI HỌC TÀI NGUYÊN VÀ MÔI TRƯỜNG HÀ NỘI
KHOA KHÍ TƯỢNG THỦY VĂN
------------------o0o------------------

ĐOÀN CÔNG HIỆU

ĐÁNH GIÁ ĐỘ CHÍNH XÁC CỦA CÁC SẢN PHẨM DỰ BÁO SỐ
ỨNG DỤNG TRONG CÔNG TÁC DỰ BÁO Ở SÂN BAY NỘI BÀI

Chuyên ngành

: Khí tượng học

Mã ngành

: 74440221

NGƯỜI HƯỚNG DẪN: THS. TRẦN ĐÌNH LINH

HÀ NỘI - 2018


LỜI CAM ĐOAN
Em xin cam đoan bài đồ án này là thành quả từ sự nghiên cứu hoàn toàn trên
cơ sở các số liệu thực tế và được thực hiện theo hướng dẫn của giáo viên hướng dẫn
thầy giáo Trần Đình Linh. Bài đồ án này được thực hiện là thành quả của riêng em,
không sao chép từ các bài tương tự. Những số liệu, hình vẽ phục vụ cho việc phân
tích và đánh giá được em sử dụng từ các nguồn số liệu khác nhau. Ngoài ra trong đồ
án còn có sử dụng một số nhận xét của các cơ quan tổ chức khác đều được em chú
thích và trích dẫn nguồn gốc rõ ràng. Nếu có bất kì sai sót nào em xin hoàn toàn
chịu trách nhiệm về bài đồ án của mình.
Sinh viên
Đoàn Công Hiệu


LỜI CẢM ƠN
Để hoàn thành được bài đồ án này, trước hết em xin chân thành cảm ơn toàn
thể các thầy cô giáo trong trường và các thầy cô giáo trong Khoa Khí tượng Thủy
văn – Trường Đại học Tài nguyên và Môi trường Hà Nội đã cung cấp cho em những
kiến thức cơ bản cũng như các kiến thức chuyên môn quý giá trong suốt quá trình
học tập tại Trường và tạo điều kiện thuận lợi cho em hoàn thành tốt bài đồ án này.
Đặc biệt, em xin chân thành cảm ơn sâu sắc đến thầy Trần Đình Linh, người
đã trực tiếp hướng dẫn, chỉ bảo trong quá trình thực hiện để em hoàn thành được bài
đồ án.
Em xin gửi lời cảm ơn chân thành đến gia đình và bạn bè trong lớp đã giúp
đỡ động viên, chia sẻ và tạo điều kiện thuận lợi để em hoàn thành nhiệm vụ học tập
cũng như hoàn thành đồ án
Trong quá trình học hỏi và thực hiện, mặc dù em đã cố gắng rất nhiều nhưng
sẽ không thể tránh khỏi những thiếu sót. Vì vậy, em rất mong ý kiến đóng góp và

dạy bảo của thầy cô và các bạn để bài đồ án này được hoàn thiện và phát triển hơn
nữa.
Em xin chân thành cảm ơn!
Sinh viên
Đoàn Công Hiệu


MỤC LỤC
CÁC KÝ HIỆU, CHỮ CÁI VIẾT TẮT.................................................................3
MỞ ĐẦU..................................................................................................................1
CHƯƠNG 1. TỔNG QUAN...................................................................................3
1.1. Điều kiện tự nhiên và khí hậu khu vực nghiên cứu....................................3
1.1.1. Điều kiện tự nhiên khu vực Cảng hàng không quốc tế Nội Bài.............3
1.1.2. Đặc điểm khí hậu nổi bật.........................................................................3
1.2. Tổng quan về tình hình nghiên cứu.............................................................6
1.2.1. Tình hình nghiên cứu trên thế giới........................................................6
1.2.2. Tình hình nghiên cứu trong nước........................................................11
CHƯƠNG 2: SỐ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU..........................16
2.1 Số liệu............................................................................................................16
2.1.1. Số liệu dự báo của NOAA.....................................................................16
2.1.2. Sản phẩm dự báo KMA........................................................................18
2.2. Phương pháp nghiên cứu............................................................................20
2.2.1 Các chỉ số đánh giá................................................................................20
2.2.2. Phương pháp hiệu chỉnh dự báo bằng phương trình hồi quy...........21
CHƯƠNG 3. KẾT QUẢ VÀ NHẬN XÉT...........................................................24
3.1. Đánh giá độ chính xác của các sản phẩm..................................................24
3.1.1 Độ chính xác dự báo khí áp của KMA và NOAA...................................24
3.1.2 Độ chính xác dự báo nhiệt độ của KMA và NOAA.............................25
3.1.3 Độ chính xác của các sản phẩm phản ánh qua các loại sai số.............27
3.1.4. Độ chính xác dự báo gió của KMA và NOAA.....................................28

3.2. Khả năng dự báo các hiện tượng thời tiết điển hình................................29
3.2.1. Xâm nhập lạnh......................................................................................29
3.2.2. Sương mù:.............................................................................................31
3.3 Hiệu chỉnh dự báo bằng phương trình hồi quy..........................................31
KẾT LUẬN VÀ KIẾN NGHỊ...............................................................................38
TÀI LIỆU THAM KHẢO.....................................................................................39


CÁC KÝ HIỆU, CHỮ CÁI VIẾT TẮT

LEPS

Dự báo điểm

SREF

Dự báo thời tiết hạn ngắn

ETKF

Bộ lọc Kalman

MOS

Thống kê sau mô hình

KTTV

Khí tượng Thủy văn

EMOS

Thống kê sau mô hình tổ hợp


MỞ ĐẦU
Tại Sân bay quốc tế Nội Bài, sản lượng tàu bay cất hạ cánh, hành khách,
hàng hóa và bưu kiện thông qua Cảng HKQT Nội Bài tăng rất nhanh, trung
bình 10 - 15% /năm. Năm 2014, Sân Bay Nội Bài phục vụ 14.190.675 lượt
hành khách, tổng lượng hàng hóa – bưu kiện vận chuyển đạt 405.407 tấn,
phục vụ 100.864 lượt chuyến cất hạ cánh, tăng. Điều đó cần người làm công
tác dự báo phải theo dõi thật sát sao các yếu tố khí tượng để đảm bảo an toàn
cho các hoạt động bay. Tần suất phát 1 bản tin dự báo dao động vào khoảng 1
tiếng 1 bản tin.
Với tần suất như thế, việc sử dụng các sản phẩm mô hình dự báo
càng trở nên quan trọng. Nhưng gần đây, diễn biến thời tiết ngày một
phức tạp, đòi hỏi người làm dự báo phải đưa ra bản tin chính xác hơn.
Chỉ cần lệch một yếu tố như thời gian xảy ra hiện tượng, cường độ hiện
tượng, hàng loạt chuyến bay phải dừng hoạt động lại để chờ điệu kiện
thời tiết thuận lợi hơn, hoặc bay quanh trên bầu trời sân bay, chờ thời
điểm thích hợp để hạ cánh, tiêu tốn rất nhiều nhiên liệu và thời gian.
Trong công tác dự báo nghiệp vụ tại sân bay Nội Bài hiện nay,
việc ứng dụng các sản phẩm dự báo số đã giúp cải thiện được chất
lượng dự báo, giảm bớt khó khăn cho dự báo viên. Các sản phẩm dự
báo số đang được ứng dụng hiệu quả tại sân bay nội bài có thể kể đến
như sản phẩm của cơ quan dự báo Hàn Quốc (KMA) và sản phẩm của
Cục quản lý Đại dương Khí quyển Hoa Kỳ (NOAA). Mặc dù đang
được ứng dụng để tham khảo dự báo nghiệp vụ nhưng các sản phẩm
này chưa được đánh giá độ chính xác một cách khách quan nên cũng
gây nhiều khó khăn cho việc ứng dụng. Chính vì những nguyên nhân

trên mà em đã lựa chọn đề tài cho đồ án tốt nghiệp của mình là “Đánh
giá độ chính xác của các sản phẩm dự báo số ứng dụng trong công tác
dự báo ở sân bay Nội Bài”.
1


Mục tiêu của đồ án là tiến hành đánh giá độ chính xác của các sản
phẩm KMA, NOAA gồm độ chính xác các yếu tố dự báo như khí áp,
nhiệt độ, gió hay và hiện tượng thời tiết đặc biệt như xâm nhập lạnh,
sương mù. Với mục tiêu đó, ngoài phần mở đầu và kết luận, nội dung
đồ án được bố cục trong ba chương, gồm:
Chương 1: Tổng quan về vấn đề nghiên cứu
Chương 2: Số liệu và phương pháp nghiên cứu
Chương 3: Kết quả và nhận xét

2


CHƯƠNG 1. TỔNG QUAN
1.1. Điều kiện tự nhiên và khí hậu khu vực nghiên cứu
1.1.1. Điều kiện tự nhiên khu vực Cảng hàng không quốc tế Nội Bài
Cảng hàng không quốc tế Nội Bài thuộc huyện Sóc Sơn, cách trung tâm
thủ đô Hà Nội 35 km theo tuyến đường bộ về phía Tây Bắc. Khoảng cách này
đã được rút ngắn còn lại 27 km khi cầu Nhật Tân và tuyến đường nối đầu cầu
này với Nội Bài hoàn thành trong năm 2015, ngoài ra còn có thể đi theo quốc
lộ 3 dẫn từ cầu Chương Dương đến ngã 3 giao cắt với quốc lộ 2 để vào sân
bay.
Toạ độ điểm qui chiếu sân bay là giao điểm của đường lăn N3 và trục
tim đường cất hạ cánh 11L/29R có toạ độ 21º13'17",57 0N - 105º48'19",700E.
Với mức cao của điểm quy chiếu Cảng HKQT Nội Bài so với mực nước biển

trung bình là 12,3m.
Sân bay quốc tế Nội Bài còn nằm gần các thành phố như Vĩnh Yên, Bắc
Ninh và Thái Nguyên Hiện nay, tại Cảng HKQT Nội Bài có 32 hãng hàng
không trong và ngoài nước khai thác thường xuyên đến 15 tỉnh, thành phố
trong nước và 34 vùng lãnh thổ, thành phố trên thế giới.
1.1.2. Đặc điểm khí hậu nổi bật
Nằm trong khu vực có khí hậu khá ôn hòa của khu vực miền Bắc,
có đặc điểm là nền nhiệt tương phản khá lớn trong năm. Các đặc trưng
bức xạ, nhiệt độ thể hiện rõ đặc điểm khí hậu của vùng Đồng Bằng Bắc
Bộ. Cụ thể, tổng lượng bức xạ từ 110 đến 120kcal/cm2/năm, tổng số giờ
nắng trong năm từ 1600 đến 1850 giờ nắng, nhiệt độ trung bình năm từ
22,50C đến 23,50C với tổng nhiệt độ năm từ 80000C đến 85000C, độ ẩm
trung bình năm lớn từ 80% đến 85%, tổng lượng mưa năm từ 1500mm
đến 1800 mm, tổng lượng bốc hơi trung bình năm là 700 đến 800mm,
tốc độ gió trung bình năm khoảng 1,5 đến 2,0m/s

3


Nơi đây cũng là nơi thể hiện rõ khí hậu miền Bắc khi có bốn mùa
với hai mùa đặc trưng và hai mùa chuyển tiếp. Thời kỳ gió mùa mùa hè
kéo dài từ tháng 5 đến tháng 10 hàng năm. Trong đó, ba tháng 6, 7 và 8
là ba tháng chính hè với nhiệt độ cao nhất trong năm, đặc biệt nhiệt độ
trung bình tháng 7 có thể lên tới 30 0C. Hướng gió tình hành trong mùa
hè là hướng Nam – Đông Na. Dòng gió Nam, Đông Nam này hoặc là
thổi ra từ rìa phía tây của áp cao cận nhiệt đới Bắc Thái Bình Dương
hoặc là dòng gió mùa đổi hướng sau khi vượt qua rãnh gió mùa. Là thời
kỳ mưa nhiều, lượng mưa trong thời kỳ này chiếm đến 80-85% tổng
lượng mưa của cả năm. Mưa trong giai đoạn này thường là mưa rào và
dông. Nằm trong khu vực Đồng Bằng Bắc Bộ nên ở Nội Bài cũng chịu

ảnh hưởng nhiều của bão, đặc biệt trong thời kì tháng 7 đến tháng 10.
Lượng mưa do bão mang lại (trực tiếp hoặc gián tiếp) thường chiếm
25-30% tổng lượng mưa mùa hè.
Nhờ vị trí địa lý và đặc điểm địa hình nên khu vực có chịu ảnh
hưởng của hệ thống áp thấp nóng lục địa Châu Á mà tiêu biểu là áp
thấp Ấn Độ - Mianma (áp thấp Ấn Miến) hút gió đông nam từ vịnh bắc
bộ vào khu vực (do gió tây nam đổi hướng - ảnh hưởng của áp thấp).
Thời kỳ gió mùa mùa đông bắt đầu từ tháng 11 đến tháng 4 năm
sau. Với ba tháng chính đông (tháng 12, tháng 1 và tháng 2) có nhiệt độ
trung bình tháng dưới 180C, so với khu vực Đông Bắc đã bớt lạnh hơn.
Thời kỳ gió mùa mùa đông cũng chính là mùa khô của khu vực. Lượng
mưa trong thời kỳ này ít, tuy nhiên lại có nhiều ngày mưa phùn, sương
mù nên tính chất khô hạn không quá gay gắt như Tây Nguyên và Nam
Bộ.

4


Bảng 1. Thống kê khí hậu 10 năm tại sân bay Nội Bài (2006-2015)


1.2. Tổng quan về tình hình nghiên cứu
1.2.1. Tình hình nghiên cứu trên thế giới
Sau khi nghiên cứu thành công về các mô hệ thống dự báo tổ hợp từ mô
hình toàn cầu, trung tâm khí tượng Châu Âu bắt đầu những nghiên cứu lí
thuyết cho phép thực hiện các hệ thống này trên mô hình khu vực cụ thể với
độ phân giải cao với tên gọi LEPS. Tuy nhiên, khác với dự báo tổ hợp thời tiết
hạn ngắn, LEPS lại hướng đến dự báo hạn dự báo từ 2-5 ngày.
Bên cạnh LEPS, SREF cũng được sử dụng tại châu Âu nhưng chỉ được
thực hiện tại các trung tâm dự báo của từng quốc gia. Cụ thể, tại Cơ quan Khí

tượng Vương Quốc Anh (UK Met), hệ thống SREF có tên gọi MOGREPS
được triển khai nghiệp vụ từ năm 2006, trong đó các nhiễu động ban đầu và
điều kiện biên được cung cấp từ EPS toàn cầu. Các nhiễu động trong trường
ban đầu được tính dựa trên phương pháp lọc Kalman tổ hợp ETKF (Ensemble
Transform Kalman Filter).
Cơ quan Khí tượng Pháp (Météo- France) cũng đang vận hành một hệ
thống SREF có tên gọi là PEACE dựa trên mô hình quy mô vừa với độ phân
giải 20km. PEACE bao gồm 11 dự báo thành phần và thực hiện dự báo cho
đến hạn dự báo 60 giờ.
Tổng cục Khí tượng Cộng hòa Liên bang Đức (DWD) sử dụng hệ thống
SREF nghiệp vụ có tên gọi là SRNWP-PEPS trong đó các dự báo thành phần
đơn giản chỉ là tập hợp các dự báo từ các mô hình của các Cơ quan Khí tượng
quốc gia châu Âu. Nghiên cứu đã chỉ ra những kết quả đầy hứa hẹn trong chất
lượng dự báo tổ hợp của SRNWP-PEPS cho khu vực châu Âu.
Tuy nhiên, do chất lượng dự báo của các mô hình dự báo còn gặp nhiều
hạn chế do sai số trong trường phân tích ban đầu, các mô hình còn dùng nhiều
xấp xỉ tính toán và xấp xỉ vật lí, các mô hình dự báo số cũng chưa tính đến
được các yếu tố địa phương, ... Vì vậy, việc sử dụng trực tiếp sản phẩm từ các


mô hình số để cung cấp bản tin dự báo số là không thể. Với những hạn chế
trên, các hệ thống diễn giải sau mô hình được phát triển dựa trên các phương
pháp thống kê hiện đại, được gọi chung là thống kê sau mô hình (Model
Output Statistics- MOS). Tuy vậy, vẫn còn hạn chế là khả năng thích ứng của
các mô hình MOS khi có những sự thay đổi căn bản bên trong các mô hình.
Để giải quyết hạn chế này của phương pháp MOS truyền thống khi mô
hình liên tục có sự thay đổi, người ta sử dụng các phương pháp thống kê có
khả năng tự cập nhật, khi đó, thông tin sẽ được truyển vào phương trình dự
báo ngay khi có những thay đổi trong mô hình dự báo số trị. Hiện tại có hai
phương pháp cho phép hệ phương trình dự báo tự cập nhật:

1) Phương pháp thứ nhất: sử dụng lọc Kalman , thay vì cố định các hệ số
hồi quy trong phương trình hồi quy, các hệ số này sẽ được cập nhật theo thời
gian.
2) Phương pháp thứ hai đó là đưa thêm khả năng tự cập nhật cho MOS
thông qua một phương pháp lấy trọng số giữa hai tập dữ liệu cũ và mới khi có
thay đổi trong mô hình với tên gọi UMOS. Nếu mô hình không có cải tiến nào
đáng kể, UMOS sẽ trở thành phương pháp MOS thông thường.
Việc ứng dụng mô hình số vào dự báo thời tiết nói chung đã đạt được
những thành tựu rất lớn. Tuy nhiên cho đến nay việc dự báo thời tiết cho một
sân bay cụ thể vẫn gặp nhiều khó khăn. Do đặc thù dự báo tại các sân bay, mà
tầm nhìn và một số thời tiết đặc biệt, tiêu biểu như dông và sương mù là các
hiện tượng rất khó dự báo hoặc có dự báo được chỉ ở mức định tính (có hay
không có hiện tượng) mà các giá trị cụ thể gần như rất khó. Các sản phẩm dự
báo số có sai số khá lớn so với thực tế. Dưới đây, niên luận xin tổng quan một
số nghiên cứu ứng dụng mô hình số vào dự báo tại các sân bay trên thế giới.
Vào năm 2005, trong báo cáo của Golding, sương mù, mây thấp ảnh
hưởng rất nhiều tới hoạt động hàng không bao gồm cả quân sự và dân sự tại


nước Anh. Yêu cầu cấp thiết đòi hỏi dự báo các ngưỡng giá trị tầm nhìn khai
thác cho các sân bay để phục vụ máy bay cất và hạ cánh an toàn. Bên cạnh đó,
sương mù mây thấp cũng ảnh hưởng tới các phương tiện tham gia giao thông
đường thủy và đường bộ. Phương pháp dự báo sương mù bình lưu truyền
thống cho các vùng ven biển là dựa vào hướng gió. Tuy nhiên, phương pháp
dự báo này khi áp dụng vào dự báo cho sương mù bức xạ, sương mù địa hình
thì lại gặp nhiều hạn chế. Sương mù hình thành và phát triển là do sự tương
tác lớp đất bề mặt, mặt biển và lớp không khí gần bề mặt. Các mô hình số trị
NWP (Numerical Weather Prediction) được áp dụng để giải bài toán ảnh
hưởng của các yếu tố quy mô lớn. Các số liệu quan trắc đặc biệt là thám sát
thẳng đứng là phương pháp chính cho ta biết ảnh hưởng của các yếu tố địa

phương. Hiện nay, phương pháp dự báo sương mù, mây thấp và tầm nhìn tại
Anh chủ yếu là phương pháp thống kê sau mô hình MOS (Model Output
Statistics) dựa trên phương pháp mạng thần kinh, phương pháp rẽ nhánh và
phương pháp dự báo hoàn hảo trên mô hình quy mô vừa ba chiều (3D) sau đó
được xử lý bởi mô hình một chiều (1D) [9].
Cano và Terradellas (2005) [8] cũng đưa ra kết quả dự báo sương mù cho
Tây Ban Nha. Khí hậu và địa hình ở Tây Ban Nha gần giống với khí hậu và
địa hình các quốc gia cận nhiệt đới phía tây của Châu Âu. Sương mù thường
hình thành và rất khó trong việc dự báo nên ảnh hưởng rất nhiều tới hoạt động
kinh tế, giao thông. Cano và Terradellas cũng đã áp dụng mô hình HIRLAM,
độ phân giải 0.5ºx0.5º chạy 4lần/ngày để dự báo sương mù, mây thấp và tầm
nhìn. Kết quả dự báo được kiểm chứng với chỉ số dự báo sương mù FSI
(Foggy Stability Index), đây là chỉ số được phát triển bởi cơ quan dự báo thời
tiết Hoa Kỳ đã được nhiều viện khí tượng trên thế giới áp dụng.
Tại Phần Lan, hệ thống quan trắc khí tượng đã thay đổi đáng kể trong 10
năm qua đặc biệt là hệ thống quan trắc Synop tự động và hệ thống quan trắc


phục vụ hàng không. Các hệ thống này đóng góp đáng kể trong việc phát hiện
sương mù, tuy nhiên kết quả dự báo vẫn còn nhiều hạn chế. Việc sử dụng hệ
thống Radar cũng gặp nhiều khó khăn trong việc phát hiện sương mù, mây
thấp do độ dày của lớp mù rất mỏng. Tuy nhiên, trong một số trường hợp thì
việc sử dụng Radar cũng cho kết quả dự báo sương mù, mây thấp nhất định.
Ảnh mây vệ tinh quỹ đạo cực của cơ quan đại dương Khí quyển Mỹ NOAA
(National Oceanic and Atmospheric Administration) cũng cho kết quả khả
quan trong việc phát hiện sương mù, mây thấp. Dự báo sương mù bằng
phương pháp thống kê cũng được áp dụng. Theo kinh nghiệm dự báo của
Viện khí tượng Phần Lan (FMI: Finnish Meteorological Institute), nếu nhiệt
độ bề mặt trừ nhiệt độ tại 2m lớn hơn 0,3ºC và tốc độ gió tại độ cao 10m nhỏ
hơn 5m/s thì sương mù hình thành. Bên cạnh đó, mô hình số ECMWF

(European Centre for Medium - Range Weather Forecasts) và HIRLAM cũng
được FMI áp dụng để dự báo sương mù tuy nhiên độ chính xác của dự báo
vẫn chưa cao [11].
Trong báo cáo của Zhou và cộng sự tại hội nghị quốc tế lần thứ 5 về
sương mù và tầm nhìn tại Đức từ ngày 25 - 30/06/2010 [12], trung tâm dự báo
môi trường quốc gia Hoa Kỳ NCEP (National Centers for Environmental
Prediction) đã thực hiện dự báo sương mù và tầm nhìn dựa trên mô hình số trị
cho khu vực Bắc Mỹ, kết quả còn nhiều hạn chế nên trong các tài liệu hướng
dẫn của NCEP đã không nói chi tiết. Tuy nhiên, giá trị tầm nhìn được dự báo
dựa trên các biến đầu ra của mô hình (phương pháp MOS). Cũng theo báo cáo
này, trong dự án B08RDP Trung tâm dự báo môi trường quốc gia Hoa kỳ
(NCEP) đã dự báo thành công phục vụ Olyimpic Bắc Kinh 2008 cho khu vực
Trung Quốc với độ phân giải 15km. Hiện nay, NCEP đã áp dụng và thử
nghiệm dự báo cho toàn bộ khu vực bắc Mỹ với độ phân giải 32km.


Để nghiên cứu năng lực dự báo sương mù và tầm nhìn của mô hình
WRF (Weather Research and Forecasting Model), Han và cộng sự (2008)
thuộc Trung tâm nghiên cứu môi trường toàn cầu - Trung tâm nghiên cứu môi
trường quốc gia Hàn Quốc (2008) đã thử nghiệm dự báo 48 trường hợp sương
mù và tầm nhìn trong sân bay địa phương trên toàn Hàn Quốc từ năm 2003
đến năm 2006 [9]. Mô hình WRF phiên bản 2.1.2 được sử dụng với điều kiện
biên và điều kiện ban đầu từ mô hình toàn cầu (GDAS: Global Data
Assimilation System) độ phân giải 1º x 1º của NCEP, sử dụng kỹ thuật lồng 3
lưới 54km - 18km - 6km, với 40 mực độ cao, mực cao nhất là 50mb. Số liệu
đầu ra từ lưới 6km dùng để dự báo sương mù và tầm nhìn đã cho kết quả khả
quan. Trong phiên bản 2.2.1 của mô hình WRF, có bốn thuật toán tầm nhìn
trong đó CVIS (A combined visibility method) là một trong những thuật toán
tốt nhất trong bốn thuật toán, tuy có xu hướng đánh giá thấp tầm nhìn. (t.96)
Ngày 21/2/2007.

Ngày 4/5/2007

Hình 1.1: Kết quả dự báo tầm nhìn bằng mô hình WRF tại sân bay
INCHON, theo Han và cs (2008) [9].


Trên hình là kết quả dự báo sương mù và tầm nhìn cho sân bay Inchon –
Hàn Quốc trong 2 ngày 21/02/2007 và 04/05/2007 bằng mô hình WRF. Số
liệu đầu ra từ mô hình WRF được xử lý bằng phương pháp CVIS và RVIS để
dự báo tầm nhìn và cho kết quả khả quan, nhất là việc dự báo được sương mù
xung quanh thời điểm 21Z ngày 21/02/2007 và ngày 04/05/2007.
1.2.2. Tình hình nghiên cứu trong nước
Ở Việt Nam, cho đến nay có rất ít nghiên cứu về dự báo thời tiết tại các
sân bay. Do đó, ngoài các nghiên cứu về dự báo tại sân bay, niên luận tiến
hành tổng quan thêm một số nghiên cứu về ứng dụng mô hình số vào dự báo
thời tiết nói chung.
a. Một số nghiên cứu dự báo cho sân bay
Nghiên cứu của Trần Tân Tiến cùng các cộng sự, nghiên cứu của
Nguyễn Văn Hồng và nghiên cứu của Phan Văn Tân là ba nghiên cứu ứng
dụng dự báo thời tiết tại sân bay ở Việt Nam đã được thực hiện và công bố
cho đến nay. Năm 2008, Trần Tân Tiến và các cộng sự trong nghiên cứu “Kỹ
thuật dự báo dông cho sân bay Nội Bài” với mục đích dự báo dông cho khu
vực sân bay Nội Bài đã tính toán các chỉ số dông cho 64 điểm lưới cho khu
vực Nội Bài từ các trường khí tượng dự báo của mô hình RAMS. Trong
nghiên cứu này, các sản phẩm dự báo dông được xây dựng cho bốn yếu tố
CAPEmax, Kimax, SImin và Vtmax. Kết quả dự báo khả năng xuất hiện dông
chính xác đến 80% cho khoảng dự báo 36 giờ [4].
Trong luận văn thạc sỹ khoa học (2013) [2], Nguyễn Văn Hồng đã
nghiên cứu phương pháp “Thử nghiệm dự báo tầm nhìn cho các sân bay thuộc

cụm cảng hàng không miền Bắc bằng mô hình WRF”, tác giả trình bày những
nét chính và lựa chọn trong mô hình để phục vụ mục tiêu dự báo tầm nhìn cho
khu vực sân bay Hà Nội, Cát Bi và Vinh. Cấu trúc dữ liệu số liệu thực tế của
ngành hàng không để phục vụ nội dung đánh giá kết quả dự báo tầm nhìn của


mô hình. Phân tích bước đầu cho thấy mô hình WRF có khả năng dự báo tầm
nhìn cho các sân bay thuộc cụm cảng hàng không miền Bắc Việt Nam. Cả 3
phương pháp FSIH, FSIA, RUC cho kết quả dự báo khá tốt xu thế biến đổi
của tầm nhìn với giới hạn dự báo 24h cho các sân bay Nội Bài, Cát Bi bà Vinh
tuy giá trị dự báo còn quan hơn so với quan trắc. Trong ba phương pháp trên,
phương pháp RUC cho kết quả ổn định và chính xác nhất, sau đó là FSIA và
cuối cũng là FSIH. Cả ba phương pháp này đề có đọ nhạy lớn khi ngưỡng giá
trị tầm nhìn từ 4km trở lên và những giá trị này phụ thuộc vào độ ẩm gần bề
mặt, không áp dụng được để dự báo cho khói và mù khô
Trong đề tài cấp nhà nước 42A - 05 – 02, Phan Văn tân (1987 - 1989) đã
nghiên cứu “Đặc điểm chế độ mù, sương mù ở một số sân bay” [5] và đưa ra
được đặc trưng khí hậu về mù và sương mù ở các sân bay, phân tích loại và
tìm chỉ tiêu xác định hình thế synop có mù, sương mù và các phương pháp dự
báo mù, sương mù. Thông qua kết quả tính toán mà tác giả đã đưa ra được
những nhận xét sau: (1) Cường độ mù, sương mù: với trị số tần suất tầm nhìn
xa theo các cấp đạt khá lớn vào khoảng 6 - 8h sáng có thể nói trong những
ngày có mù, sương mù, cường độ mù, sương mù mạnh nhất vào lúc sáng sớm.
Theo thời gian giá trị cực đại của tần suất tầm nhìn xa muộn dần từ tháng IX
đến tháng XII rồi từ tháng I đến tháng IV. So với tần suất tầm nhìn xa các cấp
< 4, < 3, < 2 thì tần suất < 1 km (tương ứng với trường hợp mù) có giá tị số
khá nhỏ. Điều đó nói lên rằng ảnh hưởng đến các hoạt động hàng không ở sân
bay không phải chỉ có hiện tượng sương mù mà quan trọng hơn là hiện tượng
mù làm giảm tầm nhìn xa xuống dưới 4km. (2) Thời gian xuất hiện mù, sương
mù: một quy luật chung đáng lưu ý ở đây là mù, sương mù thường xuất hiện

vào khoảng 2 thời gian trong ngày: 6 - 8h và 19 - 21h. Sự kiện đó đưa đến
một nhận định là quá trình hình thành mù, sương mù có thể liên quan đến 2 cơ
chế chủ yếu: sự giảm nhiệt độ nhanh lúc gần sáng và sự chuyển pha của quá


trình thu chi năng lượng mặt trời của mặt đệm từ ban ngày sang ban đêm. (3)
Thời gian tan mù, sương mù: là trước lúc 12h, chủ yếu tập trung vào khoảng 9
- 10h. Nếu xét một cách tổng thể, có thể thấy thời điểm sương mù tan trong
ngày muộn dần từ tháng IX đến tháng I, sau đó lại xảy ra sớm dần. Càng vào
những tháng chính đông sương mù tan càng chậm. (4) Độ kéo dài của mù,
sương mù: hầu như tất cả các sân bay và tất cả các tháng được xét mù, sương
mù thường tan rải rác vào các thời điểm trong ngày. Tuy nhiên, vẫn có thể
thấy chủ yếu sương mù kéo dài khoảng 3 - 6h. Số trường hợp sương mù tồn
tại hưn 12h nói chung không đáng kể. Có nhiều tháng mù, sương mù chỉ tồn
tại 2 - 3h. Nhìn chung độ kéo dài của mù, sương mù tăng dần từ tháng IX đến
tháng I rồi sau đó giảm dần đến tháng IV. (5) Lượng mây tổng quan và lượng
mây dưới: bằng việc so sánh tần suất của 3 cấp lượng mây với nhau, có thể
nói rằng trạng thái bầu trời về cơ bản chỉ thuộc 1 trong 2 cấp : hoặc từ 0 –
2/10 ( ít mây ), hoặc từ 8 – 10/10 (nhiều mây). (6) Tốc độ gió và hướng gió :
những ngày có mù, sương mù ban đêm tốc độ gió khác yếu. Tần suất tốc độ
gió vào những giờ ban đêm đối với các cấp ≤ 2 m/s, ≤ 3 m/s, ≤ 4 m/s gần như
nhau và có giá trị lớn hơn so với tần suất tốc độ gió ở cấp lớn hơn 4 m/s.
Những kết quả nghiên cứu về chế độ mù, sương mù trên theo tác giả có thể sử
dụng trong việc xây dựng các mô hình dự báo mù, sương mù, quy hoạch và
khai thác mức độ sử dụng của các sân bay.
b. Các nghiên cứu ứng dụng mô hình số vào dự báo thời tiết nói chung
Năm 2008, Võ Văn Hòa và cộng sự đã xây dựng được một bộ các
phương trình dự báo cho các yếu tố: nhiệt độ tối thấp, nhiệt độ tối cao, nhiệt
độ, nhiệt độ điểm sương, gió (tốc độ và hướng), tổng lượng mây (4 cấp),
lượng mưa (xác suất xuất hiện mưa và 4 cấp mưa), độ cao chân mây (5 cấp),

và tầm nhìn xa (5 cấp) bằng các phương pháp thống kê hiện đại với thời hạn
dự báo 6 giờ một hoặc 24 giờ một cho đến hạn dự báo 72 giờ cho 171 điểm


trạm quan trắc khí tượng bề mặt của Việt Nam từ sản phẩm dự báo của mô
hình toàn cầu. Kết quả thu được tốt hơn so với dự báo trực tiếp từ mô hình
GSM tại hầu hết khu vực dự báo. Ngoài ra, bằng việc ứng dụng phương pháp
EMOS vào dự báo nhiệt độ và nhiệt độ điểm sương bề mặt ở Việt Nam, Võ
Văn Hòa đã lựa chọn được 10 phương pháp EMOS để nâng cao chất lượng dự
báo trung bình tổ hợp và xác suất của SREPS. Kết quả cho thấy, hầu hết các
phương pháp EMOS đều có sự cải thiện đáng kể chất lượng dự báo, chất
lượng dự báo của phương pháp này tốt hơn nhiều so với dự báo trực tiếp từ
SREPS. Tuy nhiên, kết quả nghiên cứu vẫn còn hạn chế do chưa đáp ứng
được yêu cầu nghiệp vụ tại một số khu vực [5].
Trong những năm gần đây, các công trình nghiên cứu trong lĩnh vực dự
báo mưa lớn bằng mô hình số trị cũng đã được thực hiện. Trần Tân Tiến đã
nghiên cứu sự phụ thuộc của kết quả dự báo mưa vào độ phân giải lưới và sơ
đồ đối lưu. Ông đã sử dụng mô hình RAMS với 3 lưới lồng có độ phân giải
30km, 10km và 5km có cập nhật điều kiện địa phương, nhiệt độ nước biển
tuần, cải tiến sơ đồ đối lưu để dự báo mưa cho khu vực Trung Bộ. Kết quả
nghiên cứu cho thấy, mô hình đã dự báo được lượng mưa diện và lượng mưa
trạm rất phù hợp, đặc biệt là mô phỏng được lượng mưa tới 400mm/3 ngày .
Cũng với mục đích dự báo mưa lớn ở khu vực Trung Bộ, trong năm
2011, trong nghiên cứu “Đồng hóa dữ liệu vệ tinh Modis trong mô hình WRF
để dự báo mưa lớn ở khu vực Trung Bộ”, Trần Tân Tiến và Nguyễn Thị
Thanh đã sử dụng số liệu vệ tinh MODIS để đồng hóa trường ban đầu cho mô
hình WRF bằng phương pháp 3DVAR để dự báo mưa lớn cho khu vực Trung
Bộ trong hai mùa mưa 2007, 2008. Kết quả nghiên cứu cho thấy, đồng hóa số
liệu MODIS đã cải thiện đáng kể cả về diện mưa và lượng mưa dự báo trong
30h đầu. Tuy nhiên, ở hạn dự báo từ 30 đến 54h, việc đồng hóa số liệu

MODIS không cho kết quả vượt trội so với trường hợp không đồng hóa [6].


Năm 2010, Trần Tân Tiến và các cộng sự khi tiến hành dự báo thời tiết,
bão, sóng và nước dâng trên Biển Đông bằng mô hình số đã áp dựng được
phương pháp dự báo tổ hợp và xây dựng thành một hệ thống liên hoàn từ dự
báo khí tượng đến thủy văn biển. Kết quả dự báo của hệ thống đạt độ chính
xác của các nước trong khu vực và đáp ứng được một số yêu cầu thực tế trong
khai thác tài nguyên biển và phòng chống thiên tai ở Việt Nam [7].
Trong năm 2011, Hoàng Đức Cường [8] đã ứng dụng mô hình WRF dự
báo bão đến hạn 72h với việc sử dụng sơ đồ đồng hóa số liệu 3DVAR cập
nhật số liệu cao không, số liệu synop cho trường ban đầu; và ứng dụng sơ đồ
phân tích xoáy giả tích hợp với đồng hóa số liệu. Kết quả cho thấy, sử dụng sơ
đồ 3DVAR cho kết quả dự báo vượt trội so với trường hợp không sử dụng sơ
đồ, đặc biệt là ở các hạn từ 42h-72h; đối với trường hợp sử dụng sơ đồ phân
tích xoáy giả cho sai số biến động khá mạnh và tăng dần theo các hạn dự báo,
trung bình khoảng trên 361km, lớn nhất khoảng 462km ở hạn dự báo 72h.
Gần đây hơn, vào năm 2012, trong nghiên cứu “Dự báo cường độ bão
bằng mô hình WRF hạn 5 ngày trên khu vực Biển Đông”, Trần Tân Tiến và
các cộng sự đã sử dựng mô hình WRF để dự báo cường độ của hai cơn bão
trên khu vực Biển Đông là Marinae (2009) và Conson (2010). Kết quả dự báo
cho giá trị cường độ bão yếu hơn so với thực tế cả đối với khí áp cực tiểu và
tốc độ gió cực đại vùng gần tâm. Cụ thể, sai số dự báo đối với trị số khí áp tại
tâm nhỏ ở thời điểm cuối và đầu của dự báo và lớn (28mb) ở thời điểm giữa
của hạn dự báo. Với sai số tốc độ gió, lớn nhất là 15m/s.


CHƯƠNG 2: SỐ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU
2.1 Số liệu
Số liệu là thứ ta dùng để tiến hành tính toán, thống kê, nó đóng vai trò

hết sức quan trọng quyết định đến độ tin cậy của kết quả nghiên cứu. Ngoài
việc lựa chọn đúng phương pháp nghiên cứu, chất lượng số liệu là yếu tố
quyết định đến sự chính xác của kết quả.
Nói đến chất lượng số liệu trước hết cần xem xét đến độ chính xác của
chúng. Có nhiều nguyên nhân gây nên sự thiếu chính xác gọi là sai số, trong
bản thân các chuỗi được sử dụng để tính toán,thường sai sót do quan trắc,
nhầm lẫn trong quá trình xử lý ban đầu hoặc khi tiến hành lấy mẫu, do tác
động ngẫu nhiên của những nhân tố bên ngoài,...
Trong niên luận này, tôi sử dụng ba nguồn số liệu gồm số liệu dự báo
cho sân bay Nội Bài của NOAA, KMA và số liệu quan trắc tại sân bay Nội
Bài. Cả ba nguồn số liệu này được thu thập không liên tục trong khoảng thời
gian 110 ngày từ ngày 04/11/2017 đến 28/04/2018.
Trong đó, 82 ngày đầu gọi là chuỗi phụ thuộc, tôi sẽ dùng để đánh giá độ
chính xác của hai sản phẩm NOAA và KMA.
Sau đó, tôi sẽ tạo dựng phương trình hồi quy theo số liệu của các trường
tôi thu thập từ hai sản phẩm và thực tế. Mục đích ở đây là để đánh giá xem hai
sản phẩm này có độ tin cậy cao hay không. Bằng việc kiểm tra số liệu hồi quy
so với số liệu thực tế của 28 ngày còn lại (chuỗi độc lập).
2.1.1. Số liệu dự báo của NOAA
Dự báo của NOAA là sản phẩm mô hình dự báo số do trang ARL (Air
resource laboratory) của Mỹ phát hành, sử dụng hệ phân tích và hiển thị bản
đồ thời tiết Awips. Cung cấp sản phẩm mô hình dự báo lên tới 240 giờ. Trong
sản phẩm dự báo của NOAA, có rất nhiều trường khí tượng cho người làm dự


báo chọn, nhưng với sân bay nội bài sẽ chỉ chọn năm trường chính, gồm: Khí
áp bề mặt, nhiệt độ không khí, nhiệt độ điểm sương, hướng gió và tốc độ gió.
Các mô hình dự báo NOAA cung cấp có ở cả hai dạng biểu đồ và số liệu.
Người dùng có thể chọn khoảng thời gian dự báo, từ 8 giờ tiếp theo cho tới
240 giờ tới. Với nhân viên dự báo ở Sân Bay Nội Bài, họ thường dùng sản

phẩm dự báo trong 72-84 giờ tới. Ở đây, tôi sẽ sử dụng sản phẩm của 72 giờ
tới và 5 trường trên để đánh giá. Sản phẩm dự báo của NOAA có thể hiển thị
dưới 2 dạng, dạng biểu đồ và dạng text.

Hình 2.1. Sản phẩm dự báo của NOAA thể hiện dưới dạng đồ họa


Với phương pháp thống kê, chúng ta cần số liệu cụ thể, vậy nên ở đây,
tôi sẽ sử dụng định dạng text.
Bảng 2. Sản phẩm dự báo của NOAA thể hiện dưới dạng text

2.1.2. Sản phẩm dự báo KMA
KMA là sản phẩm dự báo số của Hàn Quốc, do cục khí tượng Hàn Quốc
phát hành. Cung cấp sản phẩm dự báo 72 giờ tới cho 1 khu vực. KMA chỉ
cung cấp sản phẩn dự báo cho 22 nước như Banglades, ThaiLand, Vietnam,
Sri lanka,… với các trường như nhiệt độ không khí, áp suất bề mặt, gió bề
mặt, độ ẩm, lượng mưa, hướng gió ở các mực đẳng áp, mây che phủ. Ở đây,
trong khuôn khổ của đồ án này, em sẽ xét các trường: Khí áp bề mặt, hướng
gió, tốc độ gió mặt đất, nhiệt độ không khí.


Hình 2.2. Sản phẩm dự báo của KMA ngày 29-02/12 thể hiện dưới dạng biểu đồ
2.2. Phương pháp nghiên cứu
Trong đồ án này, em sẽ đánh giá sai số, nhưng không phải là sai số quan
trắc, mà là sai số của các sản phẩm mô hình số để phục vụ dự báo theo