Đánh giá kỹ năng dự báo mưa lớn cho khu vực miền trung va tây nguyên của một số mô hình khu vưc

ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƢỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN
---------------------

Nguyễn Thanh Tú

ĐÁNH GIÁ KỸ NĂNG DỰ BÁO MƢA LỚN CHO KHU VƢCC̣ MIỀN
TRUNG VÀ TÂY NGUYÊN CỦA MỘT SỐ MÔ HÌNH KHU VỰC

LUẬN VĂN THẠC SĨ KHOA HỌC

Hà Nội – Năm 2013


ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƢỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN
---------------------

Nguyễn Thanh Tú

ĐÁNH GIÁ KỸ NĂNG DỰ BÁO MƢA LỚN CHO KHU VƢCC̣ MIỀN
TRUNG VÀ TÂY NGUYÊN CỦA MỘT SỐ MÔ HÌNH KHU VỰC

Chuyên ngành: Khí tƣợng và Khí hậu học
Mã số: 60 440 222

LUẬN VĂN THẠC SĨ KHOA HỌC

NGƢỜI HƢỚNG DẪN KHOA HỌC:
TS. BÙI MINH TĂNG

Hà Nội – Năm 2013

2


LỜI CẢM ƠN
Trƣớc hết, tôi xin bày tỏ lòng biết ơn sâu sắc tới TS. Bùi Minh Tăng - ngƣời
đã tận tình chỉ bảo và hƣớng dẫn tôi hoàn thành luận văn này.
Tôi xin cảm ơn các Thầy cô và các cán bộ trong khoa Khí tƣợng - Thủy văn
- Hải dƣơng học đã cung cấp cho tôi những kiến thức chuyên môn quý giá, giúp đỡ
và tạo điều kiện thuận lợi về cơ sở vật chất trong suốt thời gian tôi học tập và thực
hành ở Khoa.
Tôi xin cảm ơn các cán bộ phòng Nghiên cứu ứng dụng (Trung tâm dự báo
Khí tƣợng Thủy văn Trung Ƣơng), đặc biệt là Thạc sĩ Võ Văn Hòa và Thạc sĩ Dƣ
Đức Tiến đã tạo điều kiện, trao đổi chuyên môn cũng nhƣ có những ý kiến quý báu
giúp tôi hoàn thiện luận văn này.
Tôi cũng xin cảm ơn Phòng sau đại học, Trƣờng Đại học Khoa học Tự nhiên
đã tạo điều kiện cho tôi có thời gian hoàn thành luận văn.
Cuối cùng, tôi xin gửi lời cảm ơn chân thành tới gia đình, ngƣời thân và bạn
bè, những ngƣời đã luôn ở bên cạnh cổ vũ, động viên và tạo mọi điều kiện tốt nhất
cho tôi trong suốt thời gian học tập tại trƣờng.
Nguyễn Thanh Tú

3


MỤC LỤC
MỞ ĐẦU................................................................................................................................ 10
CHƢƠNG 1. TỔNG QUAN VỀ BÀI TOÁN ĐÁNH GIÁ DỰ BÁO TRONG KHÍ
TƢỢNG VÀ CÁC CHỈ SỐ ĐÁNH GIÁ.................................................................................. 12

1.1 Sự cần thiết của bài toán đánh giá.............................................................................. 12
1.1.1 Mục đích và ý nghĩa của đánh giá dự báo 12
1.1.2 Mô hình đánh giá chung cho các yếu tố dƣ ̣báo thời tiết 13
1.1.3 Các loại yếu tố dự báo
1.1.4 Các điểm số dùng trong đánh giá

14
15

1.2 Tổng quan các nghiên cứu về đánh giá dự báo mƣa trong và ngoài nƣớc . 16

1.2.1 Tổng quan nhƣƣ̃ng nghiên cƣƣ́u ngoài nƣớc 16
1.2.2 Tổng quan nhƣƣ̃ng nghiên cƣƣ́u trong nƣớc 17
1.3 Một số phƣơng pháp đánh giá dự báo...................................................................... 19
1.3.1 Sơ đồ chung đánh giá dự báo từ mô hình dự báo số trị

19

1.3.2 Các phƣơng pháp đánh giá 23
CHƢƠNG 2. PHƢƠNG PHÁP NGHIÊN CỨU VÀ TẬP SỐ LIỆU SỬ DỤNG....29
2.1. Đặt bài toán........................................................................................................................ 29
2.2. Mô tả tập số liệu nghiên cứu....................................................................................... 32
2.2.1 Miền tinhƣ́ toán , đô p ̣ hân giải , bƣớc tichƣ́ phân thời gian vàtùy chon
tham sốhóa vâṭlýcho mô hinh̀ HRM, WRFARW, WRFNMM.......................................... 32
2.2.2 Số liệu mô hình

37

2.2.3 Số liệu quan trắc

38

2.3 Phƣơng pháp đánh giá dự báo mƣa lớn.................................................................. 38
2.3.1 Phƣơng pháp đánh giá định lƣợng 38
2.3.2 Phƣơng pháp đánh giá theo ngƣỡng mƣa 39
CHƢƠNG 3. KẾT QUẢ ĐÁNH GIÁ KỸ NĂNG DỰ BÁO MƢA LỚN CỦA MÔ
HÌNH HRM-gfs, WRFARW-gfs VÀ WRFNMM-gfs CHO KHU VỰC MIỀN
TRUNG VÀ TÂY NGUYÊN........................................................................................................ 40

4


3.1. Kết quả đánh giá các đợt mƣa lớn từ năm 2008 đến năm 2010 cho khu vực

miền Trung và Tây Nguyên............................................................................................................ 40
3.2. Kết quả đánh giá dự báo mƣa lớn của một số trƣờng hợp điển hình cho
khu vực miền Trung và Tây Nguyên........................................................................................... 52
3.2.1. Dự báo 24h đợt mƣa từ ngày 25/7/2010 đến ngày 27/7/2010 khu vực
Trung Trung Bộ của 3 mô hình..................................................................................................... 52
3.2.2 Dự báo 24h đợt mƣa từ ngày 30/9/2010 đến ngày 5/10/2010 khu vực
Bắc Trung Bộ của 3 mô hình.......................................................................................................... 55
KẾT LUẬN................................................................................................................................ 60
TÀI LIỆU THAM KHẢO.................................................................................................... 62
PHỤ LỤC.................................................................................................................................... 65

5


DANH MỤ
Hình 1.1

Sơ đồ chung cho đánh giá cá

Hình 1.2

Sơ đồ chung cho đánh giá m

Hình 2.1

Miền tích phân dự báo của m

Hình 2.2

Miền tích phân dự báo của m

Hình 2.3 Miền tích phân dự báo của mô hình WRFNMM .......................................
Hình 3.1 Lƣơng ̣ mƣa trung binh̀ tích lũy 24h của các năm 2008 đến 2010 bằng mô
hình HRM với hạn dự báo 24h, 48h, 72h khu vƣc ̣ miền Trung và Tây Nguyên ...... 40
Hình 3.2 Lƣơng ̣ mƣa trung binh ̀ tí ch lũy 24h của các năm 2008 đến 2010 bằng mô
hình WRFARW với hạn dự báo 24h, 48h, 72h khu vƣc ̣ miền Trung vàTây Ngu .. yên
. .................................................................................................................................. 41
Hình 3.3 Lƣơng ̣ mƣa trung binh ̀ tích lũy 24h của các năm 2008 đến 2010 bằng mô
hình WRFARW với hạn dự báo 24h, 48h, 72h khu vƣc ̣ miền Trung vàTây Nguyên . .
................................................................................................................................... 42

Hình 3.4 Các điểm số ME, MAE, RMSE và hệ số tƣơng quan của các đợt mƣa lớn
khu vực miền Trung và Tây Nguyên năm 2008 đến 2010 với hạn dự báo 24h, 48h,
72h ............................................................................................................................. 43

Hình 3.5 Chỉ số BIAS của các đợt mƣa lớn khu vực miền Trung và Tây Nguyên

năm 2008 đến 2010 với hạn dự báo 24h, 48h, 72h ...................................................
Hình 3.6 Chỉ số POD của các đợt mƣa lớn khu vực miền Trung và Tây Nguyên năm

2008 đến 2010 với hạn dự báo 24h, 48h, 72h ...........................................................
Hình 3.7 Chỉ số FAR của các đợt mƣa lớn khu vực miền Trung và Tây Nguyên năm
2008 đến 2010 với hạn dự báo 24h, 48h, 72h ...........................................................
Hình 3.8 Các chỉ số ME, MAE, RMSE và hệ số tƣơng quan của các đợt mƣa lớn
cho từng khu vực năm 2008 đến 2010 ......................................................................
Hình 3.9 Các chỉ số BIAS, POD, FAR khu vƣc ̣ Bắc Trung Bô ̣năm 2008 đến 2010 ...

...................................................................................................................................
Hình

3.10 Các chỉ số BIAS , POD, FAR khu vƣc ̣ Trung T

2010 ...........................................................................................................................

6


Hình 3.11 Các chỉ số BIAS, POD, FAR khu vƣc ̣ Nam Trung Bô ̣năm 2008 đến 201050

Hình 3.12 Các chỉ số BIAS, POD, FAR khu vƣc ̣ Tây Nguyên năm 2008 đến 2010
....
51
Hình 3.13 Lƣợng mƣa tích lũy 24h của quan trắc và 3 mô hình tại khu vực Trung
Trung Bộ ngày 25/7/2010................................................................................................................ 53
Hình 3.14 Lƣợng mƣa tích lũy 24h của quan trắc và 3 mô hình tại khu vực Trung
Trung Bộ ngày 26/7/2010................................................................................................................ 54
Hình 3.15 Lƣợng mƣa tích lũy 24h của quan trắc và 3 mô hình tại khu vực Trung

Trung Bộ ngày 27/7/2010................................................................................................................ 55
Hình 3.16 Lƣợng mƣa tích lũy 24h của quan trắc và 3 mô hình tại khu vực Bắc
Trung Bộ ngày 30/9/2010................................................................................................................ 56
Hình 3.17 Lƣợng mƣa tích lũy 24h của quan trắc và 3 mô hình tại khu vực Bắc
Trung Bộ ngày 01/10/2010............................................................................................................. 57
Hình 3.18 Lƣợng mƣa tích lũy 24h của quan trắc và 3 mô hình tại khu vực Bắc
Trung Bộ ngày 02/10/2010............................................................................................................. 58
Hình 3.19 Lƣợng mƣa tích lũy 24h của quan trắc và 3 mô hình tại khu vực Bắc
Trung Bộ ngày 04/10/2010............................................................................................................. 59

7


DANH MỤC CÁC BẢNG
Bảng 1.1 Bảng phân loaịtần sốxuất hiên các sƣ ̣kiên........................................................... 26
Bảng 2.1 Cấu hình động lực, vật lý và phƣơng pháp số của mô hình HRM...............33
Bảng 2.2 Cấu hình động lực, vật lý và phƣơng pháp số của mô hình WRFARW .......
35

8


XTNĐ
QPF
MM5

ME
MAE
MSE
RMSE

r
FBI(BS)
POD
FAR
ETS
ITCZ
KKL
GFS

9


MỞ ĐẦU
Phƣơng pháp dự báo số trị - dự báo bằng mô hình thuỷ động lực học hiện đại
có phân giải cao áp dụng cho từng khu vực đã đƣợc sử dụng ở nhiều nƣớc trên thế
giới, đặc biệt là các nƣớc phát triển. Chất lƣợng dự báo về hiện tƣợng mƣa lớn cao
hơn hẳn các phƣơng pháp dự báo ra đời trƣớc đó và sản phẩm số của mô hình dự
báo có thể đảm bảo các yêu cầu của các mô hình dự báo thuỷ văn đối với lũ lụt, lũ
quét. Một trong những nhân tố quyết định gây nên sự hình thành và phát triển mƣa
lớn trong các hiện tƣợng thời tiết nguy hiểm nhƣ xoáy thuận nhiệt đới (XTNĐ), dải
hội tụ nhiệt đới... là đối lƣu mây tích. Các quá trình đối lƣu này đóng vai trò quan
trọng trong chu trình vận chuyển năng lƣợng của khí quyển và do đó phân bố lại sự
đốt nóng không đồng đều trên bề mặt trái đất. Ngoài phụ thuộc vào độ hội tụ ẩm
mực thấp, đối lƣu mạnh còn phụ thuộc vào tính bất ổn định của khí quyển. Các quá
trình qui mô vừa nhƣ vậy chỉ có thể tính đƣợc bằng các mô hình số trị.
Thêm vào đó mƣa làhiện tƣợng thời tiết khó dự báo nhất . Không những chỉ
khó dự báo mà việc đánh giá dự báo mƣa cũng là một việc hết sức khó khăn và phức
tạp. Trƣớc hết khó khăn nằm ngay trong bản chất trƣờng yếu tố mƣa là trƣờng bất liên
tục và không cố định cả theo thời gian lẫn không gian; nhiều đặc trƣng

thống kê có tính quy luật ở những yếu tố khí tƣợng khác ,
liệu mƣa, làm cho việc xử lý số liệu mƣa cũng rất phức tạp
lại có vai trò đặc biệt quan trọng trong phục vụ dự báo
chống thiên tai . Vì vậy, dƣ b ̣ áo vàđánh giámƣa lớn là vấn đề quan trọng cần thiết
phải nghiên cứu.
Luận văn này tập trung vào việc đánh giá kỹ năng dự báo 24h, 48h, 72h của
mƣa lớn cho miền Trung và Tây Nguyên của ba mô hình dự báo thời tiết số đang
đƣợc tiến hành chạy nghiệp vụ tại Trung tâm Dự báo Khí tƣợng Thủy văn Trung
ƣơng là mô hình HRM-gfs, WRFARW-gfs và WRFNMM-gfs. Ngoài phần Mở đầu,
Kết luận và Tài liệu tham khảo, luận văn đƣợc bố cục cụ thể nhƣ sau:

10


Chƣơng 1. Tổng quan về bài toán đánh giá dự báo trong khí tƣợng và các
chỉ số đánh giá.
Chƣơng 2. Phƣơng pháp nghiên cứu và tập số liệu sử dụng
Chƣơng 3. Kết quả đánh giá kỹ năng dự báo mƣa lớn của mô hình HRMgfs, WRFARW-gfs và WRFNMM-gfs cho khu vực miền Trung và Tây Nguyên.

11


CHƢƠNG 1. TỔNG QUAN VỀ BÀI TOÁN ĐÁNH GIÁ DỰ BÁO TRONG
KHÍ TƢỢNG VÀ CÁC CHỈ SỐ ĐÁNH GIÁ
1.1. Sự cần thiết của bài toán đánh giá
1.1.1. Mục đích và ý nghĩa của đánh giá dự báo
Đánh giá là sự tính toán ƣớc lƣợng mối quan hệ giữa tập số liệu dự báo và
tập giá trị quan trắc. Các hoạt động đánh giá chỉ có ích khi giúp ta đƣa ra đƣợc
những kết luận cuối cùng cho sản phẩm dự báo đƣợc đánh giá. Để đánh giá thì kết

quả dự báo phải đầy đủ và khách quan còn các quan trắc phải mô tả chính xác
những gì có trong thực tế.
Theo Barbara Brown (2007), đánh giá chất lƣợng dự báo thời tiết bao gồm 3
mục đích chính:
a. Mục đích hành chính
Đánh giá theo mục đích hành chính là để chứng tỏ những lợi ích mà công tác
dự báo đem lại. Thông tin đánh giá có nhiều ứng dụng mang tính hành chính nhƣ:
cung cấp thông tin cho việc mua sắm các trang thiết bị hay xác định khi nào và có
nên thay đổi sản phẩm dự báo bằng một sản phẩm khác hay không… Đánh giá hành
chính đƣợc sử dụng để giám sát thƣờng xuyên chất lƣợng tổng thể của các dự báo
và theo dõi những thay đổi về chất lƣợng của chúng qua từng thời kỳ.
b. Mục đích khoa học
Mục đích khoa học của đánh giá chất lƣợng dự báo để nhận biết chi tiết các
ƣu điểm và nhƣợc điểm của một sản phẩm dự báo để từ đó có những hành động
tích cực nhằm cải thiện dự báo. Bên cạnh đó, đánh giá khoa học cũng cung cấp trực
tiếp các thông tin cho hƣớng nghiên cứu và phát triển dự báo.
c. Mục đích kinh tế
Vì mục đích kinh tế là vấn đề phức tạp nên giới hạn luận văn này không xem
xét đến [10].

12


1.1.2. Mô hình đánh giá chung cho các yếu tố dự báo thời tiết

Hình 1.1 Sơ đồ chung cho đánh giá các yếu tố thời tiết
Theo tác giả Henry R. Stanski và các cộng sự (1989), hình 1.1 là mô hình
chung nhất để đánh giá dự báo các yếu tố thời tiết và tóm tắt các kiểu quyết định
đƣợc đƣa ra trƣớc khi một phƣơng pháp đánh giá chuyên dụng đƣợc lựa chọn.

13


Tất cả các phƣơng pháp đánh giá đều đƣợc bắt đầu từ việc tập hợp các tập số
liệu quan trắc và dự báo. Sau đó bƣớc tiếp theo là xử lý các tập số liệu.
Khi mục đích đánh giá đƣợc thiết lập, một tập mẫu có thể đƣợc phân loại để
đáp ứng mục đích đã định sẵn. “Phân loại ngoại bộ” nghĩa là đánh giá theo nguyên
tắc lựa chọn một cách độc lập các yếu tố cần đánh giá. Phân loại ngoại bộ có thể
đƣợc thực hiện ở bất cứ thời điểm nào trong quá trình trƣớc các tính toán thống kê
đánh giá thực sự và có thể thực hiện cho cả mục đích hành chính và mục đích khoa
học.
“Phân loại nội bộ” có nguyên tắc phân loại đƣợc xác định theo mục đích
đánh giá và sử dụng chính yếu tố đang đƣợc đánh giá. Có hai cách để thực hiện
phân loại nội bộ với kiểu đánh giá cho mỗi cách này là khác nhau.
“Phân loại theo quan trắc” nghĩa là phân loại theo giá trị của các yếu tố khí
tƣợng quan trắc đƣợc. Sau đó, các đại lƣợng đánh giá có thể đƣợc tính toán cho
từng nhóm giá trị quan trắc và giá trị thống kê đƣợc tạo thành này gọi là giá trị “có
điều kiện đối với quan trắc”.
“Phân loại theo dự báo” nghĩa là phân loại theo giá trị của các yếu tố thời
tiết đƣợc dự báo. Tƣơng tự nhƣ trên, các con số thống kê đƣợc tính toán theo cách
phân loại này đƣợc gọi là các giá trị “có điều kiện đối với dự báo”.
Việc lựa chọn kiểu phân loại phụ thuộc vào yêu cầu đánh giá và nhiều khi sẽ
cần phải sử dụng cả hai cách phân loại trên để đƣa ra một câu trả lời hoàn chỉnh.
1.1.3. Các loại yếu tố dự báo
Dựa theo các mục đích đánh giá ngƣời ta chia ra thành hai dạng dự báo là:
dự báo các đại lƣợng liên tục và dự báo pha.
“Yếu tố dự báo liên tục” là các yếu tố đƣợc dự báo tại một giá trị riêng hoặc
trong một khoảng giá trị dự báo. Trong số các yếu tố thời tiết thì nhiệt độ và gió hay
đƣợc dự báo theo cách này.
“Yếu tố dự báo pha” là các yếu tố dự báo có thể xảy ra hoặc không xảy ra.

14


Một vài yếu tố có thể đƣợc dự báo pha hoặc dự báo liên tục, việc lựa chọn
chủ yếu phụ thuộc vào yêu cầu của ngƣời sử dụng trong quá trình dự báo.
1.1.4. Các điểm số dùng trong đánh giá
Các điểm số dùng trong đánh giá đƣợc minh họa theo từng cặp ở phía dƣới
hình 1.1 cho ta thấy đƣợc mối quan hệ giữa chúng.
Các điểm số liệt kê trên hình 1.1 gồm 3 loại: Các điểm số tuyến tính, các
điểm số toàn phƣơng (bậc hai) và các điểm số kỹ năng.
Điểm số toàn phƣơng đƣa ra trọng số của các sai số theo bình phƣơng của
chúng trong khi đó điểm số tuyến tính cho trọng số sai số có giá trị bậc nhất. Vì vậy
điểm số toàn phƣơng thƣờng đƣa ra trọng số sai số lớn hơn là điểm số tuyến tính
và điểm số này rất hữu dụng trong các trƣờng hợp các sai số lớn thực sự nghiêm
trọng hơn so với các sai số nhỏ.
Điểm số kỹ năng đƣợc xây dựng để đánh giá mối quan hệ giữa các dự báo và
một giá trị chuẩn nào đó. Giá trị chuẩn đƣợc chọn lựa để mô tả một dự báo không
kỹ năng. Ba tiêu chuẩn đƣợc sử dụng để so sánh là: chuẩn ngẫu nhiên, chuẩn quán
tính và chuẩn khí hậu. Chuẩn ngẫu nhiên mô tả sự phỏng đoán thuần túy và không
yêu cầu hiểu biết tri thức, chuẩn quán tính là một dự báo xác định và yêu cầu các
hiểu biết về điều kiện thời tiết ban đầu và chuẩn khí hậu là một dự báo thời tiết
trung bình trong khoảng thời gian dài và cần phải có sự hiểu biết về lịch sử của thời
tiết. Điểm số kỹ năng đƣợc biểu diễn trong công thức sau:
AS = SC−ST

PS−ST

trong đó SC là điểm số có đƣợc từ dự báo, ST là điểm số đạt đƣợc từ dự báo chuẩn
và PS là điểm số từ dự báo hoàn hảo. Các điểm số kỹ năng có thể thu đƣợc từ việc

sử dụng bất kỳ một trong các điểm số tổng hợp. Điểm số kỹ năng phổ biến nhất dựa
trên nền tảng của điểm Brier (điểm kỹ năng Brier), điểm RP (điểm kỹ năng RP), các
giá trị của bảng ngẫu nhiên (điểm Heidke) và sai số trung bình tuyệt đối. Tiêu chuẩn
thƣờng đƣợc sử dụng nhất là chuẩn khí hậu còn điểm Heidke lại thƣờng đƣợc kết

15


hợp với chuẩn ngẫu nhiên. Không có điểm kỹ năng cơ bản nào là quan trọng hơn,
chúng bình đẳng nhƣ nhau và đều biểu hiện đặc tính của kỹ năng.
1.2. Tổng quan các nghiên cứu về đánh giá dự báo mƣa trong và ngoài nƣớc
1.2.1. Tổng quan những nghiên cứu ngoài nước
M. Goeber, S. F. Milton, C.A. Wilson đa ƣ̃nghiên cƣƣ́u

và đƣa ra nhận định

rằng qua GTS cóthểthấy các quan trắc giáng thủy cósẵn thiếu tinh ƣ́ đaịdiên . Trong
năm 1995, WGNE đa ƣ̃khởi xƣớng viêc ̣ kiểm tra các QPF (kiểm tra giáng thủy đinh
lƣơng ̣) từ các mô hình NWP (mô hình dự báo thời tiết số) với các quan trắc giáng
thủy chất lƣợng cao ở các khu vực khác nhau trên thế giới. Các kết quả đầu tiên của
nghiên cƣƣ́u này thu đƣợc cho Úc, Đức và Mỹ (McBride và Ebert (2000), Ebert và
các cộng sự (2002)). Ở đây, các dự báo lƣợng giá ng thủy ngày tích lũy lên đến 3
ngày, các mô hình sốdự báo thời tiết đa đƣơc ̣ kiểm chƣng ơ Vƣơng quốc Anh cho
ƣ̃
hơn một năm (các mẫu hơi khác nhau giữa các mô hình do các vấn đề truyền dẫn).
Các sốliêụ mô hình đƣơc ̣

downsacle hoăc ̣ upscale đến môṭđô p ̣ hân giải

chung

2

96*96 km . Các dự báo đƣợc so sánh với các tích lũy upscale hàng ngày thu đƣơc ̣ tƣ̀

các quan trắc radar chất lƣợng đã đƣợc giám sát và hiệu chuẩn

(Harrison và các

công ̣ sƣ ̣ (2000)) ở quần đảo Anh và các vùng biển lân cận. Ngoài ra , Masayuki
Hirai, Takuya Sakashita cũng đa tƣ̃ iến hành các QPF ởNhâṭBản năm 2002 [13, 14].
A. Papadopoulos vàP . Katsafados đa sƣ̃ ƣƣ̉ dung ̣ các quan trắc bềmăṭtƣ̀ hơn

900 trạm thông thƣờng để xác minh và so sánh những dự báo phân loại của trƣờng
gió 10 m, trƣờng nhiêṭđô k ̣ hông khiƣ́ 2 m, trƣờng áp suất mực nƣớc biển 3 giờ và
trƣờng lƣợng mƣa tích lũy 6 giờ. Việc đánh giácác hê ̣thống dựa trên việc so sánh
điểm - điểm giữa các biến số mô hình đƣợc tạo ra và các quan trắc bềmăṭ có liên
quan. Do đó, một thủ tục đánh giá đã đƣợc phát triển dựa trên ƣớc tính của các kỹ
thuâṭđánh giákhách quan truyền thống nhƣ bias, RMSE… cho các yếu tốdƣ ̣báo
liên tục và rời rạc. Kết quả sơ bộ cho thấy rằng các lỗi mô hình đƣợc đánh giá cao
phụ thuộc vào chu kỳ ngày đêm, phụ thuộc vào mùa, phụ thuộc vào thời gian dự
báo và vị trí các trạm đặc biệt là trên các khu vực có điều kiện địa lý phức tạp [18].

16


Trong nghiên cƣƣ́u của minh̀ , N. Tartaglione1, S. Mariani, C. Accadia, A.
Speranza vàM . Casaioli đa đƣ̃ ánh giá lƣợng mƣa mô hình với giáng thủy quan trắc
đƣơc ̣ bởi mạng lƣới thùng đo mƣa dày đặc trên đảo Síp. Áp dụng phƣơng pháp
kiểm nghiêṃ làphân tichƣ́ diên tichƣ́ mƣa tiếp giáp (CRA). Tác động vào các kết quả

CRA, khi xem xét các mảng khác nhau của loại kiểm nghiệm và miền con khác
nhau của các chỉsố (tƣơng quan và sai sốquân phƣơng ) đƣợc sử dụng để so sánh .
Kết quả cho thấy cần chúýkhi thƣƣ̉ nghiêṃ lƣợng mƣa mô hình trên một miền nhỏ
hơn so với mô hình [20,21].
Theo Beth EbertB, phƣơng pháp đinh hƣớng đối tƣơng ̣ đánh giá

(dƣạ trên

thƣc ̣ thể) CRA đánh giácác đăc ̣ tinhƣ́ của các dƣ b ̣ áo không gian cho các thƣc ̣ thểnơi
một thực thể là bất cứ điều gì có thể đƣợc xác định bởi một đƣờng viền khép kín.
Một số ví dụ về các thực thể hoặc các gioṭnƣớc là những khu vực mƣa tiếp giáp
(phƣơng pháp này đƣợc đặt tên CRA), khu vƣc ̣ triển vong ̣ đối lƣu và áp suất thấp
cực tiểu. Đối với mỗi thực thể có thể đƣợc xác định trong dự báo và các quan trắc ,
đánh giáCRA sử dụng các kỹ thuật mô hình phù hợp để xác định sai sốvị trí cũng
nhƣ các sai sốtrong diên tich ƣ́ , cƣờng đô ̣trun g binh ̀ vàtối đa , dạng phân bố không
gian. Tổng sai số có thể đƣợc phân ti cƣ́ h thành các thành phần do sai sốvị trí, lƣợng
và dạng phân bố không gian . Điều này rất hữu ích cho các nhà phát triển mô hình,
những ngƣời cần thông tin đó để cải thiện các mô hình dự báo thời tiết số. Ngoài ra,
các thực thể đánh giáchinhƣ́ bản thân chúng có thể đƣợc phân loại là "hit", "miss"…
theo cách mà chúng ở gần vị trí dự báo đến vị trí quan sát nhƣ thế nào và cƣờng độ
tối đa đƣợc đại diện bởi dự báo tốt nhƣ thế nào. Đánh giásự kiện này có thể hữu ích
cho việc giám sát thực hiện dự báo [11, 12].
1.2.2. Tổng quan những nghiên cứu trong nước
Bài toán đánh giá dự báo trong khí tƣợng và các chỉ số đánh giá của các mô
hình số trị ở Việt Nam đến nay đã có nhiều công trình đƣợc công bố nhƣ công trình
của TS. Hoàng Đức Cƣờng và các cộng sự (2008), đa ƣ̃dùng các chỉsốsai sốtrung bình
ME, sai sốbinh̀ phƣơng trung binh̀ RMSE vàsai sốtrung binh̀ tuyêṭđối MAE

17

để đánh giá thử nghiệm dự báo mƣa lớn ở Việt Nam bằng mô hình MM5. Kết quả
thu đƣơc ̣ là: Trong số các sơ đồ tham số hóa vật lý của mô hình số trị khu vực , có lẽ
sơ đồ tham số hóa đối lƣu có độ nhạy lớn nhất đối với dự báo mƣa . Các tác giả
nhận thấy mƣa dự báo của mô hình MM 5 tƣơng đối khác nhau ở cả hai miền tính
khi sử dụng các sơ đồ tham số hóa đối lƣu khác nhau. Sự khác biệt trong dự báo
mƣa thể hiện trong cả diện mƣa và lƣợng mƣa. Các chỉ số RMSE, ME, MAE và hệ
số tƣơng quan giữa lƣợng mƣa thực tế và lƣợng mƣa dự báo bằng mô hình MM5
với các sơ đồ tham số hóa đối lƣu khác nhau: Kuo, Grell và Betts Miller thì trong cả
3 đối tƣợng lƣợng mƣa so sánh thì mô hình MM5 với sơ đồ tham số hóa đối lƣu
Kuo cho kết quả khả quan nhất. Trong đó sơ đồ đối lƣu Kuo và Betts Miller thƣờng
dự báo mƣa lớn hơn so với thực tế (ME có giá trị dƣơng) và sơ đồ đối lƣu Grell dự
báo lƣợng mƣa nhỏ hơn so với thực tế (ME có giá trị âm). Hệ số tƣơng quan giữa
lƣợng mƣa thực tế và lƣợng mƣa dự báo đạt 0.3 - 0.4 và là khá cao đối với một yếu
tố có sự biến động tƣơng đối lớn nhƣ lƣợng mƣa [3].
Trần Quang Năng (2009), qua kết quả phân tích đánh giá đầy đủ, khách quan
các chỉ tiêu cho khu vực Đông Bắc Bộ trong 5 tháng mùa mƣa (tháng 6, 7, 8, 9,10)
của 3 năm số liệu 2005, 2006, 2007 và so sánh dự báo của mô hình ứng với từng
hình thế thời tiết cụ thể. Nói chung mô hình HRM cho dự báo lƣợng mƣa thƣờng
cao hơn lƣợng mƣa thực tế đo đƣợc. Các chỉ tiêu đánh giá theo biến liên tục cũng
nhƣ theo biến cấp định lƣợng đều biến thiên đúng quy luật, không biểu hiện tình
trạng bất quy luật, tất cả chứng tỏ tính ổn định của các mô đun tính mƣa trong mô
hình HRM. Sai số hệ thống phân bố theo không gian có quy luật, chất lƣợng dự báo
mô hình tốt hơn ngẫu nhiên [7].
Các tác giả Trần Tân Tiến và Nguyễn Thị Thanh (2011) đã sử dụng số liệu vệ
tinh MODIS để đồng hóa trƣờng ban đầu cho mô hình WRF bằng phƣơng pháp
3DVAR để dự báo mƣa lớn khu vực Trung Trung Bộ trong hai mùa mƣa 2007,
2008. Để đánh giá khả năng dự báo có và không có mƣa, đồng thời đánh giá khả
năng dự báo mƣa lớn của mô hình, các tác giả đã chọn các ngƣỡng mƣa từ nhỏ đến
lớn, cụ thể các ngƣỡng mƣa 1, 5, 15, 20, 30, 50, 100, 150 và 200mm/ngày. Thông

18


qua đánh giá các điểm số FBI, CSI và POD với các hạn dự báo 06-30h và 30-54h
cho các đợt mƣa lớn khu vực miền Trung năm 2007, 2008 với cả hai trƣờng hợp
không (GFS) và có đồng hoá số liệu (3DV), các tác giả đã nhận thấy việc đồng hóa
đã tăng độ chính xác dự báo mƣa lớn [8].
Phạm Thị Tuyết Mây (2012), xét chung cho toàn chuỗi số liệu thấy mô hình
HRM cho dự báo lƣợng mƣa thiên cao, còn mô hình MM5 dự báo mƣa thiên thấp.
Cả hai mô hình đều cho các giá trị độ lệch trung bình giữa dự báo và quan trắc lúc
âm lúc dƣơng (lúc dự báo thấp hơn thám sát, lúc lại dự báo cao hơn thám sát). Hệ
số tƣơng 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 mƣa ở các ngƣỡng mƣa thấp cho kết quả
chính xác (độ tin cậy cao hơn) so với các ngƣỡng mƣa lớn [5].
1.3. Một số phƣơng pháp đánh giá dự báo
1.3.1. Sơ đồ chung đánh giá dự báo từ mô hình dự báo số trị
1.3.1.1. Những nguyên nhân gây ra sai số dự báo bằng mô hình số
Mô hình dự báo thời tiết số cho ra kết quả các sản phẩm dự báo từ việc phân
tích các phƣơng trình mô tả những quá trình vật lý xảy ra trong khí quyển bằng máy
tính. Những kết quả này không phải là một dự báo hoàn hảo bởi nó không thể mô tả
hết đƣợc những thay đổi trong khí quyển. Những nguyên nhân gây ra sai số dự báo
của mô hình dự báo số trị bao gồm:
- Những hiểu biết của chúng ta về các công thức toán học và vật lý còn chƣa đầy đủ.
- Ảnh hƣởng của địa hình lên kết quả dự báo (thƣờng không đƣợc mô hình mô tả

hoàn chỉnh).
- Những hiểu biết về điều kiện ban đầu còn hạn chế bởi chúng ta chỉ lấy một số

lƣợng hạn chế các điểm trong không gian để tính toán.

19


- Chúng ta phải điều chỉnh và đơn giản hóa các phƣơng trình toán học trong mô

hình để rút ngắn thời gian tính toán nhằm đƣa ra đƣợc các sản phẩm dự báo kịp
thời.
- Vẫn còn tồn tại các sai số trong quá trình hoàn tất tính toán…

1.3.1.2. Nguyên tắc chung để đánh giá sản phẩm dự báo số trị

Hình 1.2 Sơ đồ chung cho đánh giá mô hình dự báo thời tiết số
Hình 1.2 mô tả một nguyên tắc chung cho việc đánh giá sản phẩm dự báo số
trị. Đánh giá đƣợc bắt đầu với một tập số liệu bao gồm cả số liệu dự báo và số liệu
quan trắc. Bộ số liệu này phải đƣợc sắp xếp đối xứng với nhau theo không gian và
thời gian. Theo quy mô không gian, số liệu quan trắc sẽ đƣợc phân tích về lƣới của

20


số liệu dự báo hoặc số liệu dự báo phải đƣợc nội suy theo không gian về các điểm
quan trắc. Tuy nhiên, cách thứ nhất ít đƣợc làm hơn vì có những ý kiến cho rằng khi
tập số liệu quan trắc đƣợc nội suy về điểm lƣới thì nó đã không còn mang tính
khách quan vốn có nhƣ trƣớc khi nội suy. Vì vậy, điều quan trọng trong đánh giá
mô hình là phải luôn ghi nhớ cần kiểm tra lại số liệu quan trắc khi đánh giá kết quả.
Để đánh giá một sản phẩm mô hình số có hiệu quả thì cần phải xác định
đƣợc rõ mục đích đánh giá trƣớc khi thiết lập hệ thống đánh giá. “Đánh giá hành
chính” trả lời câu hỏi về các xu hƣớng trong kỹ năng và độ chính xác của mô hình.

Nó thƣờng đƣợc sử dụng để so sánh độ chính xác của hai mô hình khác nhau.
“Đánh giá khoa học” trả lời các câu hỏi về sự thay đổi theo không gian và
thời gian trong sự biểu diễn của mô hình để cung cấp thông tin có thể phản hồi lại
cho các nhà phát triển mô hình cải tiến mô hình hay cho các dự báo viên để thay đổi
xu hƣớng dự báo.
“Phân loại ngoại bộ” nghĩa là phân chia tập số liệu đánh giá theo mùa hoặc
theo thời gian chạy của mô hình hoặc theo quy luật chọn lựa khác độc lập với các
thông số đang đƣợc đánh giá. Phân loại theo mùa là cách sử dụng phổ biến để phát
hiện sự khác nhau trong đặc trƣng giữa các mùa.
Phân loại theo không gian có thể đƣợc làm vì mục đích quản lý hành chính
hoặc vì mục đích khoa học. Phân loại theo không gian đƣợc tiến hành theo mục
đích hành chính để thấy đƣợc sự khác biệt trong độ chính xác trên các khu vực của
mô hình tƣơng ứng với các khu vực quản lý hành chính của đất nƣớc. Khi tiến hành
phân loại không gian theo mục đích khoa học, các khu vực có quy mô dƣới lƣới
đƣợc ƣu tiên lựa chọn để phản ánh các chế độ khí hậu khác nhau nhƣ các khu vực
có đồi núi, các vùng khuất gió của núi, bờ biển…
1.3.1.3. Các thuộc tính của một dự báo
Một đánh giá đơn lẻ không thể cho ta biết đƣợc thông tin đầy đủ về chất
lƣợng của sản phẩm. Tất cả đều cung cấp thông tin về một hoặc một số thuộc tính
của sản phẩm dự báo. Do đó, một hệ thống đánh giá sẽ bao gồm cả việc tính toán

21


các đại lƣợng đƣợc chọn khác nhau để mô tả các thuộc tính thích hợp phục vụ cho
mục đích đánh giá.
a) Độ chính xác là thuật ngữ chung chỉ ra mức độ chính xác, phù hợp giữa thời tiết

dự báo và thời tiết thực đƣợc thể hiện qua các quan trắc. Sự khác nhau giữa một giá
trị quan trắc và một giá trị dự báo đƣợc gọi là sai số. Sự khác nhau này càng nhỏ thì

sai số sẽ càng nhỏ và độ chính xác sẽ càng cao.
Đôi khi độ chính xác cũng đƣợc biểu hiện thông qua các thuộc tính khác của
dự báo nhƣ độ tin cậy, độ phân giải hay độ không chắc chắn.
b) Kỹ năng dự báo hay độ chính xác tƣơng đối đƣợc định nghĩa nhƣ độ chính xác

của một dự báo tƣơng đối so với độ chính xác của một sản phẩm dự báo chuẩn.
Theo tiêu chuẩn chung, các dự báo chuẩn nhƣ chuẩn khí hậu, dự báo quán tính, dự
báo ngẫu nhiên đƣợc coi là không có kỹ năng. Ý nghĩa của điểm kỹ năng là ở chỗ,
chúng sẽ cho ta thấy sự khác biệt về độ chính xác giữa các dự báo khác nhau.
c) Độ tin cậy là sự phù hợp trung bình giữa các giá trị dự báo và các giá trị quan

trắc. Nếu tất cả các trƣờng hợp dự báo đƣợc xem xét khi đó độ tin cậy trên toàn bộ
giống nhƣ thiên hƣớng (bias – là mức độ phù hợp giữa trung bình quan trắc và
trung bình dự báo). Nếu các trƣờng hợp dự báo đƣợc phân chia thành các khoảng
khác nhau hoặc theo các phân hạng thì độ tin cậy giống nhƣ độ lệch có điều kiện.
Thông thƣờng độ tin cậy đƣợc cải tiến nhờ Bias nhƣng sau khi cải tiến làm độ tin
cậy của các dự báo tƣơng đƣơng tăng lên thì chính Bias lại sẽ bị khử đi.
d) Độ phân giải là khả năng mà dự báo có thể phân chia hoặc phân tích một tập mẫu

thành các phần nhỏ với phân bố tần suất khác nhau. Độ phân giải liên quan đến độ
lệch chuẩn hay phƣơng sai của các quan trắc đƣợc phân nhóm theo dự báo. Độ
phân giải cũng phụ thuộc vào kinh nghiệm và trình độ của dự báo viên. Trong các
mô hình dự báo số trị, độ phân giải thƣờng đƣợc ngầm hiểu theo không gian.
e) Độ nhọn là xu hƣớng của dự báo có thể dự báo đƣợc các giá trị cực trị. Độ nhọn

là một thuộc tính của dự báo, tƣơng tự nhƣ độ phân giải, một dự báo có thể có
thuộc tính này ngay cả khi nó sai (trong trƣờng hợp này nó có thể là kém tin cậy).

22

f) Độ không chắc chắn là sự dao động của các giá trị quan trắc trong tập mẫu đánh

giá và không phụ thuộc vào giá trị dự báo. Đối với các biến đƣợc dự báo theo pha
thì độ biến động là 1 nếu sự kiện xảy ra và 0 nếu sự kiện không xảy ra. Đại lƣợng
này liên quan đến độ “khó” của dự báo. Độ biến động càng lớn nghĩa là sẽ có những
dao động lớn với nhiều tần số khác nhau trong yếu tố dự báo đƣợc đánh giá và việc
dự báo sẽ khó khăn hơn. Độ biến động của từng tập số liệu rất khác nhau. Do đó,
việc so sánh giữa các con số đánh giá thống kê của tập số liệu là hết sức mạo hiểm
vì chúng thƣờng rất nhạy với độ biến động [10].
1.3.2. Các phương pháp đánh giá
1.3.2.1. Phương pháp đánh giá với biến liên tục
a) Phƣơng pháp toán đồ tụ điểm
Toán đồ tụ điểm đƣợc xem là công cụ đánh giá đơn giản nhất. Phƣơng pháp
này thƣờng đƣợc dùng để đánh giá các biến liên tục nhƣ nhiệt độ và gió. Nó
thƣờng bao gồm tất cả các giá trị quan trắc và dự báo đƣợc chấm lên cùng một đồ
thị. Trục tung và trục hoành có cùng một tỷ lệ. Trong mỗi đồ thị còn có đƣờng hồi
o

o

quy và đƣờng 45 . Đƣờng 45 thƣờng đƣợc vẽ ra để thuận tiện cho việc đánh giá
o

trên đồ thị. Nếu dự báo là hoàn hảo thì đƣờng hồi quy sẽ trùng khít với đƣờng 45 .
Vị trí tƣơng đối giữa hai đƣờng này biểu thị độ tin cậy.
b) Các chỉ số đánh giá
Trong các công thức dƣới đây, Fi và Oi tƣơng ứng là giá trị mô hình và giá
trị quan trắc của biến nào đó (lƣợng mƣa), i = 1, 2, …, N, N là dung lƣợng mẫu.
- Sai số trung bình ME

ME=

Giá trị của ME nằm trong khoảng (-∞, +∞). ME cho biết xu hƣớng lệch trung
bình của giá trị dự báo so với giá trị quan trắc nhƣng không phản ánh độ lớn của sai

23


số. ME dƣơng cho biết giá trị dự báo vƣợt quá giá trị quan trắc và ngƣợc lại. Mô
hình đƣợc xem là “hoàn hảo” (không thiên lệch về phía nào) nếu ME = 0.
- Sai số tuyệt đối trung bình MAE

MAE=

Giá trị MAE nằm trong khoảng (0,+∞). MAE biểu thị độ lớn trung bình của
sai số mô hình nhƣng không nói lên xu hƣớng lệch của giá trị dự báo và quan trắc.
Khi MAE = 0, giá trị của mô hình hoàn toàn trùng khớp với giá trị quan trắc, mô
hình đƣợc xem là “lý tƣởng”. Thông thƣờng MAE đƣợc sử dụng cùng với ME để
đánh giá độ tin cậy. Chẳng hạn, nếu MAE của sản phẩm khác biệt hẳn so với ME thì
việc hiệu chỉnh là hết sức mạo hiểm. Trong trƣờng hợp ngƣợc lại, khi MAE và ME
tƣơng đối “sát” với nhau thì có thể dùng ME để hiệu chỉnh sản phẩm dự báo một
cách đáng tin cậy.
- Sai số bình phƣơng trung bình MSE

MSE =

MSE là trung bình của tổng bình phƣơng của hiệu giữa các giá trị mô hình
và quan trắc, phản ánh mức độ dao động của sai số. Mô hình là “lí tƣởng” nếu MSE
= 0.

- Sai số bình phƣơng trung bình quân phƣơng RMSE

RMSE =

Sai số bình phƣơng trung bình quân phƣơng là một trong những đại lƣợng cơ
bản và thƣờng đƣợc sử dụng phổ biến cho việc đánh giá kết quả của mô hình dự báo
số trị. Ngƣời ta thƣờng hay sử dụng đại lƣợng sai số bình phƣơng trung bình quân
phƣơng (RMSE) biểu thị độ lớn trung bình của sai số. RMSE rất nhạy với những


24