Luận văn Đánh giá kỹ năng dự báo mưa lớn cho miền trung và Tây nguyên của một số mô hình khu vực

g pháp đánh giá với dự báo pha Trƣờng hợp đơn giản nhất của các biến phân hạng là biến nhị phân (chỉ có hai giá trị), áp dụng trong đánh giá mô phỏng, dự báo hiện tƣợng (chỉ có hai cấp hay hai pha), ví dụ mƣa có xuất hiện hay không... Trong trƣờng hợp này ngƣời ta thƣờng sử dụng bảng phân loại nhƣ mô tả trong bảng 1.1, trong đó N=A+B+C+D là dung lƣợng mẫu. Bảng 1.1 chỉ ra các tần suất dự báo và quan trắc có và không. Có tất cả bốn cách kết hợp giữa dự báo (có hoặc không) và quan trắc (có hoặc không), ta gọi đó là phân bố chung. Phân bố chung bao gồm: - Tỷ lệ dự báo trúng (hit): đối tƣợng đƣợc dự báo là xảy ra và thực tế đã xảy ra. - Dự báo sai (miss): đối tƣợng đƣợc dự báo là không xảy ra nhƣng thực tế lại xảy ra. 26 - Báo động sai (false alarms): đối tƣợng đƣợc dự báo là xảy ra nhƣng thực tế không xảy ra. - Dự báo đúng „yếu‟ (correct negative): đối tƣợng đƣợc dự báo là không xảy ra và thực tế không xảy ra. Bảng 1.1 Bảng phân loại tần số xuất hiện các sự kiện Quan trắc Có Không Tổng Mô hình Có A – Thành công B – Thất bại (A + B) – Dự báo có Không C – Báo động sai D – Đúng yếu (C + D) – Dự báo không Tổng (A + C) – Quan trắc có (B + D) – Quan trắc không N – Tổng Bảng liên hợp là một công cụ rất hữu ích để từ đó ta có các dạng sai số khác nhau. Một dự báo hoàn hảo sẽ chỉ cho ta “dự báo trúng” và “đúng yếu”; không cho “báo động sai” và “dự báo sai”. Các chỉ số đánh giá đƣợc sử dụng trong khuôn khổ luận văn dựa trên thống kê từ bảng 1.1 bao gồm: - Chỉ số FBI (hay BS): Đánh giá tỷ số giữa vùng dự báo và vùng thám sát. FBI < 1: vùng dự báo nhỏ hơn vùng thám sát FBI > 1: vùng dự báo lớn hơn vùng thám sát FBI = 1: vùng dự báo trùng với vùng thám sát (giá trị lý tƣởng) A B FBI A C    (1.6) 27 FBI là tỉ lệ giữa số lần có xảy ra hiện tƣợng theo mô hình và theo quan trắc. Giá trị FBI biến đổi trong khoảng từ 0 đến +∞. FBI càng nhỏ hơn 1 mô hình cho kết quả càng sai sót nhiều; FBI càng lớn hơn 1 mô hình cho kết quả càng sai khống nhiều. Giá trị lý tƣởng là FBI = 1. Đại lƣợng FBI chỉ cho biết mức độ phù hợp giữa mô hình và quan trắc về tần số xuất hiện nhƣng không phản ánh độ chính xác của mô hình. - Xác suất phát hiện (POD) A POD A C   (1.7) POD đƣợc hiểu là xác suất xuất hiện hiện tƣợng, bằng tỷ số giữa số lần trùng khớp giữa mô hình và quan trắc khi hiện tƣợng có xuất hiện (A) và tổng số lần xuất hiện hiện tƣợng trong thực tế. POD cho biết khả năng thành công của mô hình, có giá trị trong khoảng từ 0 đến 1, lý tƣởng là POD = 1 (mô hình đƣợc xem là hoàn hảo). POD càng gần 1 thì độ chính xác của mô hình càng cao. POD rất nhạy đối với “dự báo trúng”, không nhạy đối với “báo động sai”. - Chỉ số FAR (tỷ lệ phát hiện sai) B FAR A B   (1.8) FAR cho biết tỷ lệ mô phỏng/dự báo khống của mô hình (mô hình cho kết quả có nhƣng thực tế hiện tƣợng không xảy ra). Giá trị của FAR biến đổi từ 0 đến 1. FAR=0 khi B=0, tức là tỷ lệ khống của mô hình bằng 0. Giá trị của FAR càng gần 0 thì mô hình càng tốt (tối ƣu). Ngƣợc lại, FAR càng tiệm cận tới 1 (tƣơng đƣơng với A tiến gần tới 0) thì mô hình càng kém. - Chỉ số ETS (điểm số thành công hợp lý) r r A ETS A C B A A      (1.9) Trong đó 28 ( )( ) r A C A B A B C D A       (1.10) ETS có giá trị tốt nhất là 1. ETS cho biết mối quan hệ giữa số lần mô hình đúng (kể cả đúng do ngẫu nhiên) so với quan trắc trong những trƣờng hợp hiện tƣợng có xuất hiện trong thực tế. Phạm vi biến thiên của ETS là 1/3 đến 1. ETS=0 nghĩa là mô hình không có kỹ năng. Chỉ số ETS thƣờng đƣợc dùng trong đánh giá dự báo mƣa của mô hình số vì tính “công bằng” của nó. Chỉ số này rất nhạy cảm với các dự báo đúng vì nó xử lý “B” và “C” theo cùng một cách, không phân biệt nguồn gốc của sai số dự báo. 29 CHƢƠNG 2. PHƢƠNG PHÁP NGHIÊN CỨU VÀ TẬP SỐ LIỆU SỬ DỤNG 2.1. Đặt bài toán Địa hình các tỉnh miền Trung có đồi núi khá phức tạp bao gồm hệ thống dãy núi Trƣờng Sơn kéo dài từ Thanh Hoá đến vùng cao nguyên Kon Tum và nhô dần ra sát biển tạo nên nhiều mũi, nhiều đèo chia miền Trung thành những vùng khí hậu khác nhau. Tính phức tạp đa dạng của địa hình, hƣớng bờ biển của miền Trung đã ảnh hƣởng trực tiếp đến thời tiết và chế độ khí hậu. Do đó, khi dự báo thời tiết cho các tỉnh miền Trung và Tây Nguyên cần phải lƣu ý tính chất địa hình và đặc thù riêng nhƣng mang rõ tính quy luật đối với các loại thời tiết khác nhau. Chẳng hạn, trong trƣờng hợp bão, áp thấp nhiệt đới ảnh hƣởng đến miền Trung thì thƣờng gió mạnh mở rộng ra phía bắc và thu hẹp đáng kể ở phía nam và cần xác định rõ khả năng bão, áp thấp nhiệt đới đổ bộ ở phía bắc hay phía nam của đèo, bởi hiệu ứng của đèo rất lớn trong việc phân bố gió mạnh hay mƣa lớn. Khu vực các tỉnh miền Trung và Tây Nguyên chịu ảnh hƣởng của rất nhiều loại hình thời tiết khác nhau gây nên quá trình mƣa lớn. Mỗi loại hình thời tiết đem đến một mức độ mƣa và diện mƣa khác nhau. Có 5 loại hình thời tiết điển hình gây mƣa lớn cho các tỉnh miền Trung và Tây Nguyên: - Hình thế gây mƣa lớn do tín phong Đông Nam: Hình thế synop đặc trƣng do ảnh hƣởng của tín phong Đông Nam gây mƣa lớn đối với các tỉnh miền Trung chỉ bao gồm 2 loại hình thế chính: hình thế tín phong Đông Nam tác động đơn thuần và hình thế xoáy thuận nhiệt đới (XTNĐ) kết hợp với hoạt động của tín phong Đông Nam (gió Đông Nam sau bão). Hƣớng bờ biển của các tỉnh miền Trung có thể chia làm hai hƣớng chính là Tây bắc - Đông nam (Đoạn từ Thanh Hóa đến Thừa Thiên Huế) và hình cánh cung hƣớng Bắc - Nam (đoạn từ Đà Nẵng đến Bình Thuận) nên thực tế cho thấy khi có ảnh hƣởng của đới gió Đông Nam ở rìa Tây lƣỡi áp cao cận nhiệt đới thì thƣờng gây mƣa tập trung đối với các tỉnh Bắc Trung Bộ và rất ít khi gây mƣa cho các khu vực còn lại của miền Trung và Tây Nguyên. Tuy nhiên, không phải đợt nào cũng có thể gây mƣa lớn mà nó hoàn toàn phụ thuộc hoàn lƣu trên cao 30 của lƣỡi áp cao cận nhiệt đới. Thời gian bắt đầu và kết thúc mƣa, cƣờng độ mƣa, thời gian duy trì mƣa lớn, phạm vi mƣa... không đồng nhất giữa các đợt do ảnh hƣởng của tín phong Đông Nam. Nó không chỉ phụ thuộc vào sự tác động bởi rìa phía Tây hay Tây Nam của lƣỡi áp cao cận nhiệt đới (vị trí trục của lƣỡi áp cao cận nhiệt đới) mà còn phụ thuộc vào độ dày của lớp gió Đông Nam ở lớp dƣới của tầng đối lƣu. - Hình thế thời tiết gây mƣa lớn do hội tụ gió trên cao: Hình thế synốp đặc trƣng gây mƣa lớn do ảnh hƣởng của hội tụ gió trên cao có thể phân làm 2 dạng chính: + Loại hình thế nhiễu động trên cao kết hợp với hình thế synốp là không khí lạnh hoặc xoáy thuận nhiệt đới. + Loại nhiều hình thế tác động. Phức tạp nhất là nhiễu động trên cao kết hợp với rãnh áp thấp (rãnh áp thấp ở đây bao gồm cả hoạt động của rãnh áp thấp đơn thuần, rãnh áp thấp bị nén, dải hội tụ nhiệt đới) có hoặc không có kết hợp với không khí lạnh (có thể là gió mùa Đông Bắc kèm theo front lạnh, không khí lạnh tăng cƣờng hoặc chỉ là đới gió Đông Bắc do khối không khí lạnh lệch Đông gây ra). - Hình thế gây mƣa lớn do dải hội tụ nhiệt đới: Có nhiều dạng hình thế synốp do dải hội tụ nhiệt đới (ITCZ) gây ra mƣa lớn cho các tỉnh miền Trung và Tây Nguyên. Các dạng hình thế synốp thƣờng khác nhau và điều này quyết định đến cƣờng độ, tổng lƣợng mƣa cũng nhƣ thời gian kéo dài do ITCZ gây ra. Do sự khác biệt về địa lý, địa hình giữa các tỉnh Bắc, Trung và Nam Trung Bộ mà sự tƣơng tác giữa các hệ thống synốp với ITCZ gây mƣa lớn có sự khác biệt không chỉ về mức độ ảnh hƣởng mà cả về thời gian trong năm. Cũng nhƣ tác động của ATNĐ, bão, các hình thế synốp gây mƣa lớn cho các tỉnh miền Trung và Tây Nguyên bởi ITCZ có thể phân chia vào 2 dạng chính: + ITCZ hoạt động đơn thuần. + ITCZ kết hợp với các hình thế synốp gây mƣa khác. 31 - Hình thế thời tiết gây mƣa lớn do không khí lạnh: Hình thế synốp đặc trƣng áp cao lạnh ảnh hƣởng gây mƣa lớn đối với các tỉnh miền Trung và Tây Nguyên bao gồm hình thế áp cao lạnh tác động đơn thuần hoặc áp cao lạnh kết hợp với các hình thế synốp khác nhƣ rãnh áp thấp bị nén, tín phong và các nhiễu động nhiệt đới khác nhƣ dải hội tụ nhiệt đới (ITCZ), XTNĐ hay nhiễu động sóng trong đới gió Đông trên cao Trong các loại hình thế synốp đặc trƣng gây mƣa lớn đối với các tỉnh miền Trung thì loại hình thế áp cao lạnh kết hợp với ITCZ hoặc XTNĐ gây mƣa mãnh liệt nhất. Thực tế cho thấy khi áp cao lạnh ảnh hƣởng thì thƣờng gây mƣa đối với các tỉnh miền Trung nhƣng không phải đợt nào cũng gây mƣa lớn mà nó hoàn toàn phụ thuộc hoàn lƣu trên cao ở lớp dƣới của tầng đối lƣu (tiêu biểu ở mực 1500m). Thời gian bắt đầu và kết thúc mƣa, cƣờng độ mƣa, thời gian duy trì mƣa lớn, phạm vi mƣa... không đồng nhất giữa các đợt xâm nhập của KKL. Nó không chỉ phụ thuộc vào sự tác động bởi rìa phía nam hay tây nam của áp cao lạnh ở khu vực đông nam Trung Quốc mà còn phụ thuộc vào điều kiện mặt đệm, địa hình. - Hình thế thời tiết gây mƣa lớn do ảnh hƣởng của ATNĐ, bão: Đối với các tỉnh miền Trung và Tây Nguyên mƣa lớn do ảnh hƣởng của ATNĐ hay bão xảy ra khá nghiêm trọng đặc biệt đối với các khu vực trƣớc vùng chắn gió. Đối với vùng ven biển các tỉnh miền Trung do điều kiện hƣớng bờ biển và địa hình dãy Trƣờng Sơn mà tình hình mƣa xảy ra ác liệt hơn các khu vực khác đặc biệt các tỉnh Trung Trung Bộ. Mƣa bão xảy ra tùy thuộc tốc độ di chuyển nhanh hay chậm, hƣớng di chuyển, hệ thống synốp xung quanh, khả năng tồn tại của xoáy thuận nhiệt đới (XTNĐ) trên khu vực ảnh hƣởng. Cƣờng độ của XTNĐ có liên quan đến mƣa do quá trình phát triển đối lƣu mạnh hay yếu song không thể nói mƣa bão sẽ lớn hơn mƣa do ATNĐ. Mƣa lớn do XTNĐ ảnh hƣởng đối với các tỉnh miền Trung xảy ra rất nguy hiểm với hai lý do: một là sông suối miền Trung thƣờng ngắn và dốc, cƣờng độ mƣa lớn sẽ có nhiều khả năng hình thành lũ nhanh đặc biệt là lũ quét. Hai là mùa bão miền Trung thƣờng trùng với mùa hoạt động của gió mùa mùa đông nên ATNĐ, bão hoạt động thƣờng kết hợp với nhiều hệ thống synốp khác nhƣ KKL, dải hội tụ nhiệt đới, tín phong cƣờng độ mạnh... làm quá trình mƣa trở nên phức tạp. Có nhiều dạng hình 32 thế synốp do ATNĐ, bão đã gây mƣa lũ đối với các tỉnh miền Trung và Tây Nguyên nhƣng các dạng hình thế synốp thƣờng khác nhau và điều đó quyết định cƣờng độ và tổng lƣợng mƣa do ATNĐ, bão gây ra đối với khu vực miền Trung. Do sự khác biệt về địa lý, địa hình giữa các tỉnh Bắc, Trung và Nam Trung Bộ mà sự tƣơng tác giữa các hệ thống synốp với ATNĐ, bão gây mƣa lớn có sự khác biệt không chỉ về mức độ ảnh hƣởng mà cả về thời gian trong năm. Các hình thế synốp gây mƣa lớn cho các tỉnh miền Trung và Tây Nguyên do ATNĐ, bão có thể phân chia thành 2 dạng chính: XTNĐ hoạt động độc lập và XTNĐ kết hợp với các hệ thống gây mƣa khác. 2 hình thế thời tiết gây nhiều đợt mƣa lớn nhất cho các tỉnh miền Trung và Tây Nguyên là XTNĐ hoạt động độc lập và XTNĐ kết hợp với không khí lạnh. Do đó, luận văn này tập trung nghiên cứu kỹ năng dự báo mƣa lớn của mô hình HRM-gfs, WRFARW-gfs và WRFNMM-gfs cho khu vực miền Trung và Tây Nguyên trong 03 năm (2008 - 2010), từ đó đánh giá chất lƣợng của các mô hình khu vực đối với dự báo mƣa lớn khu vực miền Trung và Tây Nguyên và so sánh các mô hình với nhau. Những đánh giá so sánh đó sẽ là kết quả để các dự báo viên tham khảo. Từ đó nâng cao chất lƣợng dự báo giúp cho các cơ quan chỉ đạo ở trung ƣơng và địa phƣơng có định hƣớng đúng trong công tác phòng tránh và giảm nhẹ thiệt hại do mƣa lớn gây ra trên các tỉnh miền Trung và Tây Nguyên. 2.2. Mô tả tập số liệu nghiên cứu Theo quy định của Tổ chức Khí tƣợng thế giới (WMO), mƣa lớn chia làm 3 cấp: - Mƣa vừa: Lƣợng mƣa đo đƣợc từ 16 đến 50 mm/24h hoặc 8 đến 25 mm/12h. - Mƣa to: Lƣợng mƣa đo đƣợc từ 51 đến 100 mm/24h hoặc 26 đến 50mm/12h. - Mƣa rất to: Lƣợng mƣa đo đƣợc > 100 mm/24h hoặc > 50 mm/12h. 2.2.1. Miền tính toán, đô ̣phân giải, bước tích phân thời gian và tùy choṇ tham số hóa vật lý cho mô hình HRM, WRFARW, WRFNMM. 33 2.2.1.1 Mô hình HRM Bảng 2.1 đƣa ra cấu hình chi tiết của mô hình HRM đƣợc chạy trong nghiên cứu dự báo mƣa lớn miền Trung, Tây Nguyên Việt Nam. Về cơ bản, mô hình này có dạng thủy tĩnh, sử dụng đầu vào từ mô hình toàn cầu GFS và có miền tích phân từ 90-130E, 10S -30N (hình 2.1), độ phân giải ngang là 0.125x 0.125. Mô hình HRM sử dụng sơ đồ sai phân ngang trên lƣới Arakawa C và có số mực thẳng đứng là 40 mực. Các tập số liệu địa hình, thảm phủ thực vật, dạng đất, ... là các trƣờng tĩnh. Ngoài ra, mô hình HRM sử dụng hệ tọa thẳng đứng dạng lai. Bƣớc thời gian tích phân của mô hình HRM là 60 giây. Các kết quả dự báo đƣợc lƣu 3 giờ một và theo định dạng NetCDF. Bảng 2.1: Cấu hình động lực, vật lý và phương pháp số của mô hình HRM Cấu hình mô hình Mô tả chi tiết HRM (Ver. 2.8) Động lực Hệ phƣơng trình nguyên thủy, dạng thủy tĩnh Lọc số Có Tham số hóa vật lý Đối lƣu Sơ đồ Tiedtke Bức xạ sóng ngắn Ritter và Geleyn Bức xạ sóng dài Ritter và Geleyn Lớp biên hành tinh Sơ đồ Monin-Obukhov Đất Mô hình 7 lớp Bề mặt Sơ đồ khuếch tán 2 lớp Vi vật lý mây Doms và Schättler Sơ đồ sai phân thời gian Sơ đồ tách bán ẩn của Burridge Hệ tọa độ thẳng đứng Hệ tọa độ lai Lƣới sai phân ngang Arakawa C Độ phân giải ngang (độ hoặc km) 0.1250.125 Số nút lƣới/Độ rộng (độ) 321 x 321 Điểm lƣới góc Tây Nam/Tâm lƣới 85E, 10S (Điểm góc) Số mực thẳng đứng 40 Bƣớc thời gian tích phân (giây) 60 34 Điều kiện ban đầu Khí tƣợng GFS 0.5 Địa hình USGS 1km Đất FAO 8km Điều kiện biên GFS 0.5cập nhập biên 6 giờ Hạn dự báo 72 giờ Khoảng thời gian giữa các sản phẩm đầu ra 3 giờ Hình 2.1: Miền tích phân dự báo của mô hình HRM 2.2.1.2 Mô hình WRFARW Bảng 2.2 đƣa ra cấu hình chi tiết của mô hình WRFARW đƣợc chạy nghiệp vụ tại Trung tâm Dự báo KTTV Trung ƣơng. Hiện tại, mô hình này chạy với phiên bản thủy tĩnh, sử dụng đầu vào từ mô hình toàn cầu GFS và có miền tích phân từ 85-125E, 10S -30N (hình 2.2), độ phân giải ngang là 13.75km x 13.75km. Mô hình WRFARW sử dụng sơ đồ sai phân ngang trên lƣới Arakawa C và có số mực thẳng đứng là 40 mực. Các tập số liệu địa hình, 35 thảm phủ thực vật, dạng đất... là các trƣờng tĩnh. Ngoài ra, mô hình WRFARW sử dụng hệ tọa độ áp suất. Bƣớc thời gian tích phân của mô hình là 60 giây. Các kết quả dự báo đƣợc lƣu 3/6 giờ một và theo định dạng NetCDF. Bảng 2.2: Cấu hình động lực, vật lý và phương pháp số của mô hình WRFARW Cấu hình mô hình Mô tả chi tiết WRFARW (Ver. 3.3) Động lực Hệ phƣơng trình nguyên thủy, dạng thủy tĩnh Lọc số Không Tham số hóa vật lý Đối lƣu Sơ đồ Kain-Fritsch Bức xạ sóng ngắn RRTM Bức xạ sóng dài Dudhia Lớp biên hành tinh Yonsei Đất Noah Bề mặt Monin-Obukhov Vi vật lý mây WSM-3 Sơ đồ sai phân thời gian Sơ đồ Runge – Kutta bậc ba Hệ tọa độ thẳng đứng Hệ tọa độ áp suất Lƣới sai phân ngang Arakawa C Độ phân giải ngang (km) 13.75km x 13.75km Số nút lƣới 321 x 321 Điểm Tâm lƣới 110E, 10N (Tâm lƣới) Số mực thẳng đứng 40 Bƣớc thời gian tích phân (giây) 60 Điều kiện ban Khí tƣợng GFS 0.5 Địa hình USGS 1km 36 đầu Đất FAO 8km Điều kiện biên GFS 0.5cập nhập biên 6 giờ Hạn dự báo 72 giờ Khoảng thời gian giữa các sản phẩm đầu ra 3 giờ Hình 2.2: Miền tích phân dự báo của mô hình WRF-ARW 2.2.1.3 Mô hình WRFNMM Hiện tại, mô hình WRF-NMM đƣợc chạy nghiệp vụ tại Trung tâm Dự báo KTTV Trung ƣơng với phiên bản thủy tĩnh, sử dụng đầu vào từ mô hình toàn cầu GFS và có miền tích phân từ 85-125E, 10S -30N (hình 2.3), độ phân giải ngang là 13.75km x 13.75km. Mô hình WRF-NMM sử dụng sơ đồ sai phân ngang trên lƣới Arakawa C và có số mực thẳng đứng là 40 mực. Các tập số liệu địa hình, thảm phủ thực vật, dạng đất... là các trƣờng tĩnh. Ngoài 37 ra, mô hình WRF-NMM sử dụng hệ tọa độ áp suất. Bƣớc thời gian tích phân của mô hình là 60 giây. Các kết quả dự báo đƣợc lƣu 3/6 giờ một và theo định dạng NetCDF. Hình 2.3: Miền tích phân dự báo của mô hình WRF-NMM 2.2.2 Số liệu mô hình Sản phẩm dự báo 24h, 48h và 72h của các năm 2008, 2009, 2010 từ mô hình HRM-gfs, WRFARW-gfs và WRFNMM-gfs chạy nghiệp vụ hàng ngày với đầu vào gfs là số liệu mƣa tích lũy dự báo thời hạn 24 giờ. Số liệu này đã đƣợc mô hình nội suy bằng phƣơng pháp nội suy song tuyến tính (Bilinear interpolation) về vị trí các trạm quan trắc cho trƣớc theo danh sách và tọa độ trạm. Việc tổ chức số liệu đƣợc thể hiện ở các file dữ liệu lƣu, trong đó các file đều có cột “mã trạm”, kinh độ trạm, vĩ độ trạm, lƣợng mƣa tích lũy 24h, lƣợng mƣa tích lũy 24h (dự báo cho 48h), lƣợng mƣa tích lũy 24h (dự báo cho 72h), các ngày trong tháng. Việc đánh giá dự báo trong luận văn này đƣợc tiến hành theo hƣớng: trƣớc tiên tiến hành đánh giá cho cả 4 khu vực Bắc Trung Bộ, Trung Trung Bộ, Nam Trung Bộ và Tây Nguyên bằng 3 mô hình và 3 bƣớc thời gian 24h, 48h và 72h. Sau 38 đó đánh giá cho từng khu vực riêng một và cuối cùng là đánh giá cho 1 số đợt mƣa điển hình. Số liệu đƣợc chia làm 2 cột, một cột là số liệu dự báo và một cột là số liệu quan trắc. Các số liệu thiếu đƣợc ký hiệu là -99. 2.2.3. Số liệu quan trắc Số liệu mƣa đƣợc thu thập từ 64 trạm quan trắc khí tƣợng bề mặt trên khu vực miền Trung và Tây Nguyên: Bắc Trung Bộ 20 trạm, Trung Trung Bộ 15 trạm, Nam Trung Bộ 12 trạm và Tây Nguyên 17 trạm. 2.3. Phƣơng pháp đánh giá dự báo mƣa lớn Đánh giá chất lƣợng dự báo thời tiết nói chung là phƣơng pháp thẩm tra đánh giá và xác định định lƣợng mức độ chính xác của mô hình hoặc mức độ sai khác giữa các sản phẩm dự báo của mô hình với những kết quả quan trắc thực tế nhằm chỉ ra những ƣu điểm, nhƣợc điểm của mô hình, giúp cho các chuyên gia nghiên cứu tìm kiếm các giải pháp cải tiến, phát triển, nâng cao chất lƣợng dự báo của mô hình. Trong luâṇ văn này, mục đích để đánh giá dự báo là: - Kiểm tra chất lƣợng dự báo của môṭ số mô hình số tri ̣ khu vƣc̣ – dự báo chính xác đến đâu và sẽ đƣợc cải tiến ra sao. - So sánh chất lƣợng dự báo 24h, 48h và 72h của các mô hình đó – đến mức độ nào thì một mô hình dự báo đƣợc cho là dự báo tốt hơn so với những mô hình dự báo khác và bằng cách nào mà mô hình dự báo đó đem lại kết quả tốt hơn nhƣ vậy . - So sánh chất lƣợng dự báo của các mô hình với cƣờng độ mƣa khác nhau (mƣa vừa, mƣa to và mƣa rất to). - Đƣa ra đƣợc những khuyến cáo cho dự báo viên nên ƣu tiên mô hình nào tại 1 khu vực nhất định. 39 Với muc̣ đích đán h giá nhƣ vâỵ , tôi sƣ̉ duṇg các phƣơng pháp sau đây để đánh giá dƣ ̣báo: 2.3.1. Phương pháp đánh giá định lượng: Lƣợng mƣa đo đƣợc taị các traṃ cho ta trƣờng số liêụ mƣa . Sau khi sản phẩm dự báo mƣa của các mô hình từ nút lƣới đƣợc nội suy về trạm , ta thu đƣơc̣ trƣờng mƣa dự báo . Trong trƣờng hợp này , ta hoàn toàn có thể đánh giá chất lƣợng dự báo mƣa của các mô hình b ằng những công thức định lƣợng khi dùng các chỉ số ME, RMSE, MAE. 2.3.2. Phương pháp đánh giá theo ngưỡng mưa Để đánh giá một cách hệ thống và toàn diện viêc̣ dƣ ̣báo mƣa của các mô hình, sau khi đánh giá về lƣơṇg , ta tiến hành phân chia lƣợng mƣa dự báo và thực tế ra thành các cấp. Sau đó ta tiếp tuc̣ phân chúng ra thành tƣ̀ng căp̣ 2 cấp môṭ với muc̣ đích đánh giá ngƣỡng mƣa . Để đánh giá ngƣỡng mƣa cho các mô hình , chúng ta có thể sƣ̉ duṇg các chỉ số nhƣ BIAS, POD, FAR, ETS... 40 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 3.1. Kết quả đánh giá các đợt mƣa lớn từ năm 2008 đến năm 2010 cho khu vực miền Trung và Tây Nguyên Trƣớc khi phân tích chi tiết các sai số của trƣờng mƣa , giá trị lƣợng mƣa trung bình ngày của cả chuỗi số liệu đánh giá đƣợc biểu diễn để có cái nhìn tổng quan nhất về sự phân bố của lƣợng mƣa theo thời gian và theo không gian. Hình 3.1 Dự báo trong 3 ngày lượng mưa trung bình củ a các đơṭ mưa lớn khu vưc̣ miền Trung và Tây Nguyên năm 2008 đến 2010 bằng mô hình HRM 41 Hình 3.2 Dự báo trong 3 ngày lượng mưa trung bình củ a các đơṭ mưa lớn khu vưc̣ miền Trung và Tây Nguyên năm 2008 đến 2010 bằng mô hình WRFARW Hình 3.1, hình 3.2 và hình 3.3 là giá trị lƣợng mƣa tích lũy 24h tính trung bình cả chuỗi số liệu của mô hình HRM , WRFARW, WRFNMM với haṇ dƣ ̣báo 24h, 48h, 72h và lƣơṇg mƣa quan trắc đƣơc̣ taị cá c traṃ (OBS). Tƣ̀ các hình trên ta thấy mô hình HRM cho kết quả dƣ ̣báo taị các vi ̣ trí tƣơng đối chính xác cho cả khu vƣc̣ miền Trung và Tây Nguyên , mô hình WRFARW t uy không dƣ ̣báo tốt cho cả miền Trung và Tây Nguyên nhƣng trên khu vƣc̣ tƣ̀ Thanh Hóa đến Quảng Tri ̣ lại cho kết quả dƣ ̣báo là tốt nhất trong cả 3 mô hình, mô hình WRFNMM cho kết quả 42 dƣ ̣báo lƣơṇg mƣa nhỏ hơn so với quan trắc . Cả 3 mô hình đều cho kết quả chất lƣơṇg dƣ ̣báo giảm dần theo haṇ dƣ ̣báo 24h, 48h và 72h. Hình 3.3 Dự báo trong 3 ngày lượng mưa trung bình của các đơṭ mưa lớn khu vưc̣ miền Trung và Tây Nguyên năm 2008 đến 2010 bằng mô hình WRFNMM Hình 3.4 biểu diễn kết quả các điểm số ME, MAE, RMSE (mm/ngày) và hệ số tƣơng quan của lƣợng mƣa lớn n ăm 2008 đến 2010 cho khu vƣc̣ miền Trung và Tây Nguyên với haṇ dƣ ̣báo 24h, 48h và 72h. Tƣ̀ hình vẽ ta thấy ME của mô hình HRM và WRFARW cho kết quả dƣơng với cả 3 hạn dự báo (2 mô hình này dƣ ̣báo thiên cao lƣơṇg mƣa ). Hạn dự báo càng lớn thì 2 mô hình này dƣ ̣báo càng chính xác hơn do chúng có xu hƣớng dự báo 43 vƣơṭ so với quan trắc . Riêng với mô hình WRFNMM cho kết quả âm với cả 3 hạn dƣ ̣báo chƣ́ng tỏ mô hình thƣ ờng dự báo thiên thấp lƣợng mƣa và hạn dự báo nhỏ chính xác hơn so với các hạn dự báo lớn . Mô hình HRM cho kết quả ME thấp nhất trong cả 3 hạn dự báo so với 2 mô hình còn laị chứng tỏ mô hình HRM dƣ ̣báo chính xác nhất trong 3 mô hình. Đối với MAE và RMSE cả 3 mô hình đều cho kết quả với hạn dự báo càng dài thì cho sai số càng nhiều. Hình 3.4 Các điểm số ME, MAE, RMSE và hê ̣số tương quan của các đợt mưa lớn khu vưc̣ miền Trung và Tây N guyên năm 2008 đến 2010 với haṇ dư ̣báo 24h, 48h, 72h. Hệ số tƣơng quan cho biết mức độ phù hợp giữa lƣơṇg mƣa dự báo và lƣơṇg mƣa quan trắc , tƣ̀ hình ve ̃ta thấy hê ̣số tƣơng quan của lƣơṇg mƣa với haṇ dƣ ̣báo 24h và 48h đaṭ khoảng tƣ̀ 0.35 đến 0.45 khá cao đối với một yếu tố có sự biến động tƣơng đối lớn nhƣ lƣơṇg mƣa, hê ̣số tƣơng quan giảm dần khi haṇ dƣ ̣báo tăng (hạn dƣ ̣báo càng dài thì sai số của mô hình càng lớn ). Mô hình HRM cho hê ̣số tƣơng quan tốt nhất xong đến mô hình WRFARW và cuối cùng là mô hình WRFNMM . 44 Nhƣ vâỵ, xét chung cho toàn chuỗi số liệu mô hình HRM cho dƣ ̣báo tốt nhất so với 2 mô hình còn laị và hạn dự báo càng dài thì sai số dự báo của các mô hình càng lớn, rất phù hơp̣ với hình 3.1, 3.2 và 3.3. Để đánh giá khả năng dự báo của ba mô hình đối với biến mƣa, một trong những yếu tố khí tƣợng khó dự báo nhất, bên cạnh các điểm số đánh giá thống kê truyền thống, một số điểm số khác thƣờng đƣợc dùng trong đánh giá biến bất liên tục cũng đƣợc sử dụng đó là FBI (BIAS), POD, FAR và ETS. Hình 3.5 Chỉ số BIAS của các đợt mưa lớn khu vưc̣ miền Trung và Tây Nguyên năm 2008 đến 2010 với haṇ dư ̣báo 24h, 48h, 72h Chỉ số BIAS giúp ta đánh giá tỷ số giữa vùng dự báo và vùng quan trắc. Trên hình 3.5 ta thấy, với cƣờng đô ̣mƣa tƣ̀ 16-50mm mô hình HRM cho kết quả vùng dƣ ̣ báo tốt nhất với cả 3 hạn dự báo so với 2 mô hình còn laị , chỉ số BIAS của mô hình HRM xấp xỉ bằng 1. Mô hình WRFAW cho kết quả vùng dƣ ̣bá o lớn hơn vùng quan trắc trong cả 3 hạn dự báo , chỉ số BIAS của mô hình WRFAW xấp xỉ bằng 1.4 còn mô hình WRFNMM cho kết quả vùng dƣ ̣báo nhỏ hơn vùng quan trắc , chỉ số BIAS của mô hình WRFNMM xấp xỉ bằng 0.8. Tuy nhiên, với cƣờng đô ̣mƣa trên 50mm trong cả 3 hạn dự báo chỉ số BIAS của mô hình HRM laị nằm trong khoảng 0.55- 0.75. 45 Với cƣờng đô ̣mƣa 50-100mm, mô hình WRFARW cho kết quả vùng dƣ ̣báo tốt nhất v ới cả 3 hạn dự báo so với 2 mô hình còn laị , chỉ số BIAS của mô hình WRFARW trong khoảng 0.99-1.2. Mô hình HRM và mô hình WRFNMM cho kết quả vùng dự báo nhỏ hơn nhiều so với vùng quan trắc (cả 3 hạn dự báo ), chỉ số BIAS củ a mô hình HRM trong khoảng 0.6-0.7 và chỉ số BIAS của mô hình WRFNMM xấp xỉ 0.4. Với cƣờng đô ̣mƣa ≥ 100mm, chỉ số BIAS của 3 mô hình với các haṇ dƣ ̣báo rất thấp đăc̣ biêṭ là mô hình WRFNMM cho chỉ số BIAS xấp xỉ 0.2 chƣ́ng tỏ với cƣờng đô ̣mƣa rất to các mô hình cho kết quả vùng dƣ ̣báo nhỏ hơn nhiều so với vùng quan trắc. Hình 3.6 Chỉ số POD của các đợt mưa lớn khu vưc̣ miền Trung và Tây Nguyên năm 2008 đến 2010 với hạn dự báo 24h, 48h, 72h POD đƣợc hiểu là xác suất xuất hiện hiện tƣợng, bằng tỷ số giữa số lần trùng khớp giữa mô hình và quan trắc khi hiện tƣợng có xuất hiện. Trong cả 3 hạn dự báo, mô hình WRFWARW đều cho giá trị POD lớn hơn so với mô hình HRM và WRFNMM trong dự báo cƣờng độ mƣa 16-50mm và 50- 100mm nhƣng với cƣờng đô ̣mƣa ≥ 100mm thì mô hình HRM laị cho giá tri ̣ POD lớn nhất cho thấy ở ngƣỡng mƣa rất to xác suất phát hiện đúng hiện tƣợng của mô 46 hình HRM là tốt nhất . Mô hình HRM luôn cho giá tri ̣ POD lớn hơn so với mô hình WRFNMM trong cả 3 hạn dự báo với cả 3 cƣờng đô ̣mƣa. Cả 3 mô hình đều cho giá tri ̣ POD giảm dần khi hạn dự báo tăng lên chƣ́ng tỏ cả 3 mô hình đều dƣ ̣báo chính xác haṇ dƣ ̣báo 24h nhất và dƣ ̣báo 48h chính xác hơn so với dƣ ̣báo 72h. Hình 3.7 Chỉ số FAR của các đợt mưa lớn khu vưc̣ miền Trung và Tây Nguyên năm 2008 đến 2010 với haṇ dư ̣báo 24h, 48h, 72h FAR cho biết tỷ lệ mô phỏng dự báo khống của mô hình. Tƣ̀ hình 3.7 ta thấy giá trị FAR của các mô hình với hạn dự báo 24h là nhỏ nhất chƣ́ng tỏ các mô hình với haṇ dƣ ̣báo 24h cho kết quả vùng dƣ ̣báo tốt nhất so với 2 hạn dự báo 48h và 72h. Với cƣờng đô ̣mƣa 50-100mm, mô hình WRFARW đều có giá trị FAR lớn hơn so với mô hình WRF NMM trong cả 3 hạn dự báo . Trong khi đó với cƣờng đô ̣ mƣa 16-50mm, giá trị FAR của mô hình HRM và mô hình WRFNMM lại khá tƣơng đồng với nhau. 47 Với cƣờng đô ̣mƣa ≥ 100mm, chỉ số FAR của 3 mô hình với các hạn dự báo 24h và 48h rất thấp đăc̣ biêṭ là mô hình WRFNMM cho chỉ số FAR khoảng 0.5 chƣ́ng tỏ với cƣờng đô ̣mƣa rất to tỷ lệ mô phỏng dự báo khống của mô hình là nhỏ. Kết luâṇ: với haṇ dƣ ̣báo càng lớn thì sai của mô hình càng cao về cả lƣợng và diện, tƣ̀ các kết quả trên ta chỉ nhâṇ xét đƣơc̣ mô hình HRM dƣ ̣báo tốt hơn với 2 mô hình còn laị trên cả khu vƣc̣ miền Trung và Tây N guyên. Để đánh giá đƣơc̣ kết quả tốt hơn phần tiếp theo tôi tiến h ành đánh giá 3 mô hình theo tƣ̀ng khu vƣc̣ nhỏ (Bắc Trung Bô ̣ , Trung Trung Bô ̣ , Nam Trung Bô ̣và Tây Nguyên ) với haṇ dƣ ̣báo 24h để có cái nhìn chính xác tại khu vực nào mô hình cho kết quả tốt nhất với từng cƣờng đô ̣mƣa trong nhƣ̃ng năm 2008-2010. Hình 3.8 Các chỉ số ME, MAE, RMSE và hê ̣số tương quan của các đơṭ mưa lớn cho từng khu vưc̣ năm 2008 đến 2010 Tƣ̀ hình 3.8 ta thấy , mô hình HRM dƣ ̣báo cho khu vƣc̣ Bắc Trung Bô ̣ , mô hình WRFARW dƣ ̣báo cho khu vƣc̣ Bắc Trung Bô ̣và Trung Trung Bô ̣ cho kết quả ME lớn và dƣơng chƣ́ng tỏ dƣ ̣báo vƣ ợt so với quan trắc là nhiều . Mô hình 48 WRFNMM taị khu vƣc̣ Nam Trung Bô ̣và Tây Nguyên cho kết quả ME lớn và âm chƣ́ng tỏ mô hình dƣ ̣báo hu ̣ t so với quan trắc là nhiều , mô hình này ở hầu hết các khu vƣc̣ đều cho ME<0. Giá trị ME của các mô hình tại 4 khu vƣc̣ lúc âm lúc dƣơng ngoại trừ năm trƣờng hơp̣ trên thì các mô hình dƣ ̣báo tƣơng đối tốt taị các khu vƣc̣ . Với MAE và RMSE cả 3 mô hình cho kết quả nhỏ nhất tại khu vực Trung Trung Bô ̣và lớn nhất tại Bắc Trung Bộ. Ba mô hình đều cho kết quả tƣơng đối bằng nhau taị môṭ khu vƣc̣. Hê ̣số tƣơng quan taị các khu vƣc̣ không ảnh hƣởng nhiề u tới mô hình. Cả ba mô hình đều cho hê ̣số tƣơng quan lớn nhất đaṭ khoảng 0.5 tại khu vực Nam Trung Bô,̣ khu vƣc̣ Tây Nguyên cũng có kết quả tốt với hê ̣số tƣơng quan là 0.45, với yếu tố dƣ ̣báo không liên tuc̣ và có sƣ ̣biến động nhƣ lƣơṇg mƣa thì kết quả trên là tƣơng đối tốt, tại khu vực Bắc Trung Bộ và Trung Bộ kết quả là kém nhất với hệ số tƣơng quan 0.3. 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 Từ 16 đến 30 Từ 30 đến 50 Từ 50 đến 70 Từ 70 đến 100 Trên 100 Cƣờng độ mƣa (mm/24h) B IA S (B T B ) HRM-GFS WRFARW-GFS WRFNMM-GFS 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 Từ 16 đến 30 Từ 30 đến 50 Từ 50 đến 70 Từ 70 đến 100 Trên 100 Cƣờng độ mƣa (mm/24h) P O D ( B T B ) HRM-GFS WRFARW-GFS WRFNMM-GFS 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 Từ 16 đến 30 Từ 30 đến 50 Từ 50 đến 70 Từ 70 đến 100 Trên 100 Cƣờng độ mƣa (mm/24h) F A R ( B T B ) HRM-GFS WRFARW-GFS WRFNMM-GFS Hình 3.9 Các chỉ số BIAS , POD, FAR khu vưc̣ Bắc Trung Bộ năm 2008 đến 2010 Tƣ̀ hình 3.9 ta thấy, mô hình HRM dƣ ̣báo vùng mƣa tốt hơn 2 mô hình còn lại với các cƣờng độ mƣa ngoại trừ cƣờng độ 16-30mm/24h thì mô hình WRFNMM 49 lại dự báo vùng mƣa tốt hơn ở khu vực Bắc Trung Bộ . Với chỉ số POD taị khu vƣc̣ Bắc Trung Bô ̣với cƣờng đô ̣mƣa 16-30mm/24 và trên 100mm/24h mô hình HRM cho kết quả tốt hơn 2 mô hình còn lại, tại cƣờng độ mƣa từ 30-100mm/24h mô hình WRFARW cho kết quả tốt nhất trong 3 mô hình , nguyên nhân do mô hình này dƣ ̣ báo vùng mƣa lớn hơn quan trắc nhiều nên chỉ số POD cũng đƣơc̣ tăng lên . Chỉ số FAR cho biết tỷ lệ mô phỏng dự báo khống của mô hình với cƣờng đô ̣tăng tƣ̀ 16 đến 100mm/24h thì mô hình cho kết quả tăng dần tuy nhiên taị cƣờng đô ̣trên 100mm/24h cả 3 mô hình cho kết quả thấp hơn so với các cƣờng đô ̣thấp nguyên nhân do số ngày mƣa trên 100mm/24h it hơn nhiều so với các ngày mƣa có cƣờng đô ̣nhỏ. Kết quả đánh giá taị khu vƣc̣ Bắc Trung Bô ̣ cho thấy mô hình WRFNMM dƣ ̣báo tốt với cƣờng đô ̣mƣa tƣ̀ 16-30mm/24h so với 2 mô hình còn laị , với cƣờng đô ̣tƣ̀ 30-50mm/24h và trên 100mm/24h mô hình HRM dƣ ̣báo tốt nhất trong 3 mô hình. Mô hình WRFARW dƣ ̣báo tốt nhất trong 3 mô hình với cƣờng đô ̣mƣa tƣ̀ 50- 100mm/24h. 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 Từ 16 đến 30 Từ 30 đến 50 Từ 50 đến 70 Từ 70 đến 100 Trên 100 Cƣờng độ mƣa (mm/24h) B IA S ( T T B ) HRM-GFS WRFARW-GFS WRFNMM-GFS 0 0.05 0.1 0.15 0.2 0.25 0.3 Từ 16 đến 30 Từ 30 đến 50 Từ 50 đến 70 Từ 70 đến 100 Trên 100 Cƣờng độ mƣa (mm/24h) P O D ( T T B ) HRM-GFS WRFARW-GFS WRFNMM-GFS 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 Từ 16 đến 30 Từ 30 đến 50 Từ 50 đến 70 Từ 70 đến 100 Trên 100 Cƣờng độ mƣa (mm/24h) F A R ( T T B ) HRM-GFS WRFARW-GFS WRFNMM-GFS Hình 3.10 Các chỉ số BIAS , POD, FAR khu vưc̣ Trung Trung Bộ năm 2008 đến 2010 50 Tại khu vực Trung Trung Bộ chỉ số BIAS của mô hình HRM cho kết quả giảm từ 1.07 xuống 0.6 khi cƣờng đô ̣mƣa tăng , kết quả tốt với cƣờng đô ̣mƣa đaṭ 16-50mm/24h. Mô hình WRFNMM cho kết quả chỉ số BIAS tốt nhất trong 3 mô hình với cƣờng độ mƣa từ 16-30mm/24h. Mô hình WRFARW dƣ ̣báo chỉ số BIAS tốt hơn 2 mô hình còn laị với cƣờng đô ̣mƣa tƣ̀ 50-100mm/24h. Chỉ số POD của mô hình WRFARW cho kết quả tốt ở gần hết các cƣờng độ , đăc̣ biêṭ với cƣờng đô ̣mƣa trên 100mm/24h thì mô hình HRM laị cho kết quả tốt . Chỉ số FAR của mô hình HRM tăng với cƣờng đô ̣ 16-50mm/24h và giảm khi cƣờng đô ̣tăng , với mô hình WRFARW và WRFNMM thì chỉ số FAR tăng tƣ̀ 16-70mm/24h xong giảm xuống khi cƣờng đô ̣tăng tƣ̀ 70-100mm/24h. Tƣ̀ kết quả trên ta có nhâṇ xét taị khu vƣc̣ Trung Trung Bô ̣, với cƣờng đô ̣mƣa tƣ̀ 16-30mm/24h mô hình WRFNMM dƣ ̣báo tốt hơn 2 mô hình còn laị , mô hình HRM dƣ ̣báo tốt với cƣờng đô ̣mƣa tƣ̀ 30- 50mm/24h và trên 100mm/24h so với 2 mô hình còn laị , với cƣờng đô ̣mƣa tƣ̀ 50- 100mm/24h mô hình WRFARW dƣ ̣báo tốt hơn 2 mô hình còn laị. 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 Từ 16 đến 30 Từ 30 đến 50 Từ 50 đến 70 Từ 70 đến 100 Trên 100 Cƣờng độ mƣa (mm/24h) B IA S ( N T B ) HRM-GFS WRFARW-GFS WRFNMM-GFS 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 Từ 16 đến 30 Từ 30 đến 50 Từ 50 đến 70 Từ 70 đến 100 Trên 100 Cƣờng độ mƣa (mm/24h) P O D ( N T B ) HRM-GFS WRFARW-GFS WRFNMM-GFS 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 Từ 16 đến 30 Từ 30 đến 50 Từ 50 đến 70 Từ 70 đến 100 Trên 100 Cƣờng độ mƣa (mm/24h) F A R ( T T B ) HRM-GFS WRFARW-GFS WRFNMM-GFS Hình 3.11 Các chỉ số BIAS , POD, FAR khu vưc̣ Nam Trung Bộ năm 2008 đến 2010 51 Tại khu vực Nam Trung Bộ ta thấy , chỉ số BIAS của 3 mô hình cho kết quả giảm dần kh i cƣờng đô ̣mƣa tăng , với cƣờ ng đô ̣mƣa 16-30mm/24h mô hình WRFNMM và mô hình HRM cho kế t quả dƣ ̣báo vùng mƣa khá sát so với thƣc̣ tế , với cƣờng đô ̣mƣa 30-70mm/24h mô hình WRFARW cho kết quả dƣ ̣báo thiên cao còn HRM và WRFANMM cho kết quả dự báo thiên thấp . Cả 3 mô hình đều cho kết quả dự báo vùng mƣa thiên thấ p với cƣờng đô ̣mƣa trên 70mm/24h. Chỉ số POD của mô hình WRFARW cho kết quả tốt ở gần hết các cƣờng độ nguyên nhân do mô hình này dự báo thiên cao , đăc̣ biêṭ với cƣờng đô ̣mƣa trên 100mm/24h thì mô hình HRM cho kết quả POD tốt nhất bằng với mô hình WRFARW . Chỉ số FAR của mô hình HRM tăng với cƣờng độ 16-50mm/24h và giảm khi cƣờng đô ̣tăng , với mô hình WRFARW và WRFNMM thì chỉ số FAR tăng từ 16-70mm/24h xong giảm xuống khi cƣờng đô ̣tăng tƣ̀ 70-100mm/24h, mô hình WRFNMM cho kết quả FAR tốt nhất ở gần hết các cƣờng đô ̣nguyên nhân do mô hình này dƣ ̣báo thiên thấp . Tƣ̀ kết quả trên ta có nhâṇ xét taị khu vƣc̣ Nam Trung Bô ̣, mô hình HRM dƣ ̣báo tốt với cƣờng đô ̣mƣa tƣ̀ 16-30mm/24h và trên 70mm/24h. Mô hình WRFARW dƣ ̣báo tốt với cƣờng đô ̣mƣa tƣ̀ 30-70mm/24h so với 2 mô hình còn laị . Mô hình WRFNMM do dƣ ̣báo thiên thấp nên dƣ ̣báo tốt với cƣờng đô ̣16-30mm/24h. 0 0.2 0.4 0.6 0.8 1 1.2 1.4 Từ 16 đến 30 Từ 30 đến 50 Từ 50 đến 70 Từ 70 đến 100 Trên 100 Cƣờng độ mƣa (mm/24h) B IA S (T N ) HRM-GFS WRFARW-GFS WRFNMM-GFS 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 Từ 16 đến 30 Từ 30 đến 50 Từ 50 đến 70 Từ 70 đến 100 Trên 100 Cƣờng độ mƣa (mm/24h) P O D ( T N ) HRM-GFS WRFARW-GFS WRFNMM-GFS 52 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 Từ 16 đến 30 Từ 30 đến 50 Từ 50 đến 70 Từ 70 đến 100 Trên 100 Cƣờng độ mƣa (mm/24h) F A R ( N T B ) HRM-GFS WRFARW-GFS WRFNMM-GFS Hình 3.12 Các chỉ số BIAS , POD, FAR khu vưc̣ Tây Nguyên năm 2008 đến 2010 Tại khu vực Tây Nguyên chỉ số BIAS của mô hình WRFNMM dự báo vùng mƣa thấp hơn nhiều so với quan trắc với tất cả các cƣờng đô ̣mƣa , mô hình WRFARW cho kết quả dƣ ̣báo vùng mƣa khá tốt cho tất cả cá c cƣờng đô ,̣ mô hình HRM cho kết quả chỉ số BIAS ở các cƣờng đô ̣không tốt bằng mô hình WRFARW tuy nhiên , lại cho kết quả tốt nhất với cƣờng độ mƣa 16-30mm/24h. Chỉ số POD của mô hình WRFARW cho kết quả tốt ở gần hết các cƣờ ng đô ̣nguyên nhân do mô hình này dự báo thiên cao , đăc̣ biêṭ với cƣờng đô ̣mƣa trên 100mm/24h thì mô hình HRM cho kết quả POD tốt nhất . Chỉ số FAR của mô hình HRM tăng với cƣờng độ 16-50mm/24h và giảm khi cƣờng đô ̣tăng , mô hình WRFARW cho chỉ số FAR tăng với cƣờng đô ̣tƣ̀ 16-100mm/24h và giảm khi cƣờng đô ̣trên 100mm/24h, với mô hình WRFNMM thì chỉ số FAR tăng từ 16-70mm/24h xong giảm xuống khi cƣờng đô ̣tăng tƣ̀ 70-100mm/24h, mô hình WRFNMM cho kết quả FAR tốt nhất ở gần hết các cƣờng độ nguyên nhân do mô hình này dự báo thiên thấp . Tƣ̀ kết quả trên ta có nhâṇ xét taị khu vƣc̣ Tây Nguyên , mô hình HRM dƣ ̣báo tốt với cƣờng đô ̣mƣa tƣ̀ 16-30mm/24h và trên 70mm/24h. Mô hình WRFARW dƣ ̣báo tốt với cƣờng đô ̣mƣa tƣ̀ 30-70mm/24h so với 2 mô hình còn laị . Mô hình WRFNMM do dƣ ̣báo vùng mƣa thấp hơn thƣc̣ tế nhiều với các cƣờng đô ̣nên dƣ ̣báo kém nhất trong 3 mô hình. 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 Để làm sáng tỏ thêm kết luâṇ của phần trên , tôi đa ̃tiến hành đánh giá 2 đơṭ mƣa taị khu vƣc̣ Trung Trung Bô ̣tƣ̀ ngày 25-27/7/2010 và Bắc Trung Bộ từ ngày 30/9-5/10/2010. 53 3.2.1 Dư ̣báo 24h đơṭ mưa từ ngày 25-27/7/2010 khu vưc̣ Trung Trung Bô ̣ của 3 mô hình. Đợt mƣa từ ngày 25-27/7/2010 là đợt mƣa do rãnh thấp trục Tây Bắc -Đông Nam nối với vùng thấp ngoài khơi Nam Trung Bô ̣với cƣờng đô ̣mƣa vƣ̀a và to điển hình nhƣ taị Đà Nẵng 158mm. Hình 3.13 Lươṇg mưa tích lũy 24h của quan trắc và 3 mô hình taị khu vự c Trung Trung Bô ̣ngày 25/7/2010 Tƣ̀ hình 3.13 ta thấy , lƣơṇg mƣa thƣc̣ tế quan trắc đƣơc̣ trên toàn khu vƣc̣ Trung Trung Bô ̣ngà y 25/7/2010 là tƣơng đối nhỏ , phổ biến trong khoảng 10mm/24h. Đánh giá ở trên cho t a thấy với cƣờng đô ̣nhỏ thì mô hình HRM và mô hinh WRFARW dƣ ̣báo thiên cao , điều đó đƣơc̣ thể hiêṇ trong hình 3.13 rất rõ . 54 Trong khi đó mô hình WRFNMM cho kết quả rất tốt với ngày mƣa 25/7/2010 nguyên nhân do mô hình này dƣ ̣báo thiên thấp với các ngƣỡng mƣa . Hình 3.14 Lươṇg mưa tích lũy 24h của quan trắc và 3 mô hình t ại khu vực Trung Trung Bô ̣ngày 26/7/2010 Đến ngày 26/7/2010 lƣơṇg mƣa quan trắc thƣc̣ tế taị khu vƣc̣ Trung Trung Bô ̣đa ̃tăng đáng kể đăc̣ biêṭ khu vƣc̣ Đà Nẵng, Huế và Quảng Nam với lƣơṇg mƣa phổ biến tƣ̀ 60-80mm/24h. Với lƣợng mƣa này nhƣ đánh giá về diện và cƣờng độ ở Trung Trung Bô ̣thì mô hình WRFARW dƣ ̣báo rất tốt, nó cũng đƣợc thể hiện tƣơng đối sát với tâm mƣa taị khu vƣc̣ Đà Nẵng , Huế, Quảng Ngãi, lƣơṇg mƣa dƣ ̣báo trên toàn khu vực Trung Trung Bộ gần nhƣ trùng khít với lƣợng mƣa quan trắc taị hình 3.14. Với lƣơṇg mƣa này thì mô hì nh WRFNMM dƣ ̣báo thiên thấp và nó cũng đƣơc̣ thể hiêṇ trên hình vẽ , lƣơṇg mƣa phổ biến mô hình WRFNMM cho kết quả 55 nằm trong khoảng 10-30mm thấp hơn rất nhiều so với thƣ ̣ c tế . Mô hình HRM dƣ ̣ báo lƣợng mƣa không chính xác bằng WRFARW nhƣng vâñ tốt hơn nhiều so với WRFNMM do tâm mƣa dƣ ̣báo bi ̣ lêc̣h taị khu vƣc̣ Quảng Tri .̣ Hình 3.15 Lươṇg mưa tích lũy 24h của quan trắc và 3 mô hình taị khu vưc̣ Trung Trung Bô ̣ngày 27/7/2010 Ngày 27/7/2010 lƣơṇg mƣa khu vƣc̣ Trung Trung Bô ̣phổ biến 10-40mm, tâm mƣa lớn nhất lúc này ở khu vƣc̣ Quảng Bình , Quảng Trị. Do tâm mƣa trên diêṇ rôṇg lên cả 3 mô hình đều không bắt đƣơc̣ , cả 3 mô hình dƣ ̣báo lƣơṇg mƣa huṭ so với quan trắc. 3.2.2 Dư ̣báo 24h đơṭ mưa từ ngày 30/9-05/10/2010 khu vưc̣ Bắc Trung Bô ̣ của 3 mô hình. 56 Đợt mƣa từ ngày 30/9-05/10/2010 là đợt mƣa do hoàn lƣu áp thấp + gió Đông trên cao và không khí laṇ h với cƣờng đô ̣mƣa to và rất to taị khu vƣc̣ Bắc Trung Bô ̣với lƣơṇg mƣa điển hình nhƣ Tuyên Hóa 1163mm, Minh Hóa 1618mm, Mai Hóa 1288mm, Đồng Tâm 1157mm. Hình 3.16 Lươṇg mưa tích lũy 24h của quan trắc và 3 mô hình tại khu vực Bắc Trung Bô ̣ngày 30/9/2010 Tại khu vực Bắc Trung Bộ nhƣ đáng giá ở trên thì 2 mô hình HRM và WRFNMM dƣ ̣báo tốt với cƣờng đô ̣mƣa tƣ̀ 16-50mm, nó cũng thể hiện tốt ở hình 3.16. Mô hình HRM dƣ ̣báo tố t nhất trong 3 mô hình. Nó không nhƣ̃ng dƣ ̣báo tốt lƣơṇg mƣa trên toàn khu vƣc̣ mà còn dự báo tƣơng đối chính xác cả tâm mƣa . Do mô hình WRFNMM dƣ ̣báo thiên thấp nên taị khu vƣc̣ Hà Tiñh có lƣơṇg mƣa lớn tƣ̀ 30-75mm/24h mô hình dƣ ̣báo huṭ so với quan trắc , tuy nhiên với lƣơṇg mƣa thấp taị khu vƣc̣ Thanh Hóa và Nghê ̣An mô hình dƣ ̣báo tốt . Mô hình WRFARW dƣ ̣báo kém nhất do dƣ ̣báo sai tâm mƣa nên lƣơṇg mƣa tƣơng đối lêc̣h so với quan trắc. 57 Hình 3.17 Lươṇg mưa tích lũy 24h của quan trắc và 3 mô hình tại khu vực Bắc Trung Bô ̣ngày 01/10/2010 Ngày 01/10/2010 trong khi lƣơṇg mƣa của khu vƣc̣ Bắc Trung Bô ̣tăng lên phổ biến tƣ̀ 15-60mm/24h thì mô hình WRFNMM lại cho thấy dƣ ̣báo thiên thấp của nó chỉ chính xác với lƣợng mƣa thấp , khi lƣơṇg mƣa tăng lên thì dƣ ̣báo huṭ với quan trắc. Mô hình HRM vâñ cho kết quả là khả quan nh ất với dự báo lƣợ ng mƣa tƣơng đối trùng với quan trắc trên cả khu vƣc̣ và đăc̣ biêṭ là tâm mƣa tƣơng đối sát . Mô hình WRFARW cho kết quả dƣ ̣báo huṭ so với quan trắc và không bắt đƣơc̣ tâm mƣa. 58 Hình 3.18 Lươṇg mưa tích lũy 24h của quan trắc và 3 mô hình tại khu vực Bắc Trung Bô ̣ngày 02/10/2010 Ngày 02/10/2010 cả 3 mô hình đều bắt đƣơc̣ tâm mƣa tƣơng đối chính xác , mô hình HRM vẫn cho kết quả tốt nhất , 2 mô hình còn laị cho kết quả dƣ ̣báo huṭ hơn so với quan trắc. 59 Hình 3.19 Lươṇg mưa tích lũy 24h của quan trắc và 3 mô hình tại khu vực Bắc Trung Bô ̣ngày 04/10/2010 Ngày 04/10/2010 trên hình ve ̃ta thấy , 2 mô hình HRM và WRFARW dƣ ̣báo tƣơng đối tốt tâm mƣa , tuy nhiên WRFARW cho dƣ ̣báo huṭ so với quan trắc , mô hình HRM cho kết quả tốt so với 2 mô hình còn laị trên toàn bô ̣khu vƣc̣ . Mô hình WRFNMM không dƣ ̣báo tốt khu vƣc̣ tâm mƣa nhƣng vâñ cho kết quả dƣ ̣báo tốt tại các khu vực mƣa thấp. 60 KẾT LUẬN Sau khi tiến hành các đánh giá định lƣợ ng, các đánh giá theo n gƣỡng mƣa , tác giả đã rút ra một số kết luận nhƣ sau: + Tính trung bình cả chuỗi số liêụ thì mô hình HRM cho dƣ ̣báo tốt hơn 2 mô hình còn lại và có lƣợng mƣa dƣ ̣báo tƣơng đối chính xác trên cả bốn khu vƣc̣ . Với hạn dự báo dài thì mô hình này cho kết quả dự báo kém dần theo thời gian và với cƣờng đô ̣mƣa càng lớn thì sai số của mô hình càng tăng . Mô hình HRM cho dƣ ̣báo tốt hơn 2 mô hình còn laị với các cƣờng đô ̣mƣa và khu vƣc̣ mƣa khác nhau : - Với cƣờng đô ̣mƣa 16-30mm/24h mô hình dƣ ̣báo tốt ở khu vƣc̣ Nam Trung Bô ̣và Tây Nguyên . - Với cƣờng độ mƣa 30-50mm/24h mô hình dƣ ̣báo tốt ở khu vƣc̣ Bắ c Trung Bộ và Trung Trung Bộ - Với cƣờng đô ̣mƣa trên 100mm/24h mô hình dƣ ̣báo tốt ở cả 4 khu vƣc̣ + Tính trung bình cả chuỗi số liệu , mô hình WRFARW tuy không dƣ ̣báo tốt bằng mô hình HRM nhƣng với lƣợ ng mƣa tƣ̀ 50-100mm/24h thì mô hình này lại cho kết quả là tố t nhất khi so sánh cả 3 mô hình với nhau. Mô hình WRFARW cũng cho kết quả dƣ ̣báo kém dần khi haṇ dƣ ̣báo tăng và cƣờng đô ̣mƣa tăng . Tại 4 khu vƣc̣ đánh giá thì mô hình WRFARW dƣ ̣báo tốt hơn 2 mô hình còn lại với cƣờng độ mƣa khác nhau: - Với cƣờng đô ̣mƣa tƣ̀ 30-50mm/24h mô hình dƣ ̣báo tốt ở khu vƣc̣ Nam Trung Bô ̣và Tây Nguyên . - Với cƣờng đô ̣mƣa tƣ̀ 50-70mm/24h mô hình dƣ ̣báo tốt cả 4 khu vƣc̣. + Mô hình WRFNMM luôn dƣ ̣báo hụt cho cả chuỗi số liệu tƣ̀ 2008-2010 tuy nhiên laị cho kết quả dƣ ̣báo mƣa tốt nhất so với 2 mô hình cò n laị với cƣờ ng đô ̣ mƣa tƣ̀ 10-30mm/24h. Mô hình WRFNMM cũng cho kết quả dƣ ̣báo kém dần khi 61 hạn dự báo tăng và cƣờng độ m ƣa tăng. Với cƣờng đô ̣ 10-30mm/24h mô hình dƣ ̣ báo tốt tại khu vực Bắc Trung Bộ, Trung Trung Bô ̣và Nam Trung Bô .̣ Trong hƣớng nghiên cứu tiếp theo, tác giả mong muốn thực hiện đánh giá các mô hình đang chạy nghiệp vụ ở Việt Nam cho tất cả các yếu tố khí tƣợng cùng bô ̣số liê ̣u của các traṃ quan trắc chƣ́ không đơn thuần là traṃ khí tƣơṇg tru yền thống để có kết quả tốt hơn. 62 TÀI LIỆU THAM KHẢO Tiếng Viêṭ 1. Phạm Vũ Anh (2006), “Tập bài giảng khí tƣợng Synôp nâng cao”. 2. Dƣơng Liên Châu (2007), Xây dựng hệ thống chỉ tiêu đánh giá chất lƣợng dự báo Khí tƣợng Thủy văn, Trung tâm Khí tƣợng Thủy văn Quốc Gia, Hà Nội. 3. Hoàng Đức Cƣờng và ccs (2008), “Nghiên cƣ́u thƣ̉ nghiêṃ dƣ ̣báo mƣa lớn ở Việt Nam bằng mô hình MM 5”, Viện Khoa học Khí tƣợng Thủy văn và Môi trƣờng 4. Phan Tất Đắc, Phạm Ngọc Toàn, (1993): Khí hậu Việt Nam. Nhà xuất bản khoa học và kỹ thuật, Hà Nội. 5. Phạm Thị Tuyết Mây (2012), “Đánh giá kết quả dự báo nhiệt độ và lƣợng mƣa của một số mô hình dự báo thời tiết cho khu vực Việt Nam”, Luận văn thạc sĩ Khí Tƣợng, trƣờng Đại học Khoa học Tự nhiên, Đại học quốc gia Hà Nội, Hà Nội. 6. Trần Công Minh (2001), Khí tƣợng Synop, NXB ĐHQG, Hà Nội. 7. Trần Quang Năng (2009), “Đánh giá sai số hê ̣thống dƣ ̣báo mƣa của mô hình HRM cho khu vƣc̣ Đông Bắc Bô”̣ , Luận văn thạc sĩ Khí Tƣợng, trƣờng Đại học Khoa học Tự nhiên, Đại học quốc gia Hà Nội, Hà Nội. 8. Vũ Anh Tuấn, Nguyễn Văn Hƣởng, Bùi Minh Tăng, Võ Văn Hòa, Nghiên cứu phân loại và xác định loại hình thế thời tiết gây mƣa lớn trên khu vực miền Trung và Tây Nguyên Việt Nam, Hội thảo Khoa học Quốc gia về Khí tƣợng Thủy văn, Môi trƣờng và Biến đổi Khí hậu. Tiếng Anh 63 9. Barbara G. Brown, Gregory Thompson, Roelof T. Bruintjes, Randy Bullock and Tressa Kane. Intercomparison of In-Flight Icing Algorithms. Part II: Statistical Verification Results. 10. Cluva. Assessing vulnerability of urban systems, populations and goods in relation to natural and man-made disasters in Africa. 11. Ebert, E.E. and W.A. Gallus, 2009: Toward better understanding of the contiguous rain area (CRA) verification method. Wea. Forecasting, 24, 1401- 1415. 12. Beth Ebert (2002), “Verification of Precipitation Forecasts”, WWRP international Conference on Quantitative Precipitation Forecasting, UK. 13. Beth Ebert. CRA (entity-based) verification. 14. M. Goeber, S.F . Milton, C.A. Wilson. WGNE assessment of Quantitative Precipitation Forecasts from Operational Numerical Weather Prediction Models over the U.K. 15. Masayuki Hirai, Takuya Sakashita. Verification of Quantitative Precipitation Forecast from Operational Numerical Weather Prediction Models over Japan (WGNE precipitation forecast intercomparison project). 16. Ian T. Jolliffe and David B. Stephenson. Forecast Verification A Practitioner‟s Guide in Atmospheric Science. 17. P. Katsafados, A. Papadopoulos and E. Mavromatidis. Statistical evaluation of real-time WRF predictions across the Mediterranean region. 18. Silas Michaelides (2008), Precipitation: Advances in Measurement, Estimation and Prediction, Springer, 504, ISBN 3540776540, 9783540776543 19. A. Papadopoulos and P. Katsafados. Evaluation of two Operational Weather Forecasting Systems for the Mediterranean Region. 64 20. Henry R. Stanski, Laurence J. Wilson, William R. Burrows. Survey of common verification methods in meteorology. 21. N. Tartaglione1, S. Mariani, C. Accadia, A. Speranza and M. Casaioli. Comparison of rain gauge observations with modeled precipitation over Cyprus using Contiguous Rain Area analysis. 22. Nazario Tartaglione1, Stefano Mariani, Marco Casaioli, Christophe Accadia, Stefano Federico. Displacement errors of quantitative precipitation forecasts over the Calabria region the Calabria region. 23. WMO (October 2008). Recommendations for the verification and intercomparison of QPFS and PQPFS from operational NWP models. Revision 2. 65 PHỤ LỤC Phụ lục 1: Chỉ số ETS theo hạn dự báo và cƣờng độ mƣa của từng khu vực Chỉ số ETS của các đợt mƣa lớn khu vực miền Trung và Tây Nguyên năm 2008 đến 2010 với haṇ dƣ ̣báo 24h, 48h, 72h. 66 Phụ lục 2: Môṭ số hiǹh ve ̃về đơṭ mƣa 30/9-05/10/2010 khu vƣc̣ Bắc Trung Bô ̣của 3 mô hiǹh. 67 Ngƣỡng mƣa 1 2 5 10 15 Chỉ số H M F CN H M F CN H M F CN H M F CN H M F CN HRM 93 8 11 5 87 14 10 6 70 14 15 18 57 14 17 29 49 14 12 42 WRFARW- gfs 101 0 13 3 94 7 13 3 74 10 23 10 56 15 22 24 42 21 20 34 WRFNMM- gfs 96 5 15 1 92 9 13 3 72 12 24 9 56 15 17 29 38 25 10 44 Ngƣỡng mƣa 20 30 40 50 Tổng H+M+F+CN Chỉ số H M F CN H M F CN H M F CN H M F CN HRM 41 15 14 47 28 11 13 65 21 12 10 74 15 11 12 79 117 WRFARW- gfs 38 18 13 48 26 13 14 64 17 16 5 79 12 14 2 89 117 WRFNMM- gfs 30 26 6 55 15 24 7 71 11 22 6 78 9 17 7 84 117 Đợt mƣa 30/9/2010 đến 5/10/2010 Bắc Trung Bộ 0 0.5 1 1.5 1 2 5 10 15 20 30 40 50 Ngƣỡng mƣa F B I HRM WRFARW-gfs WRFNMM-gfs Đợt mƣa 30/9/2010 đến 5/10/2010 Bắc Trung Bộ 0 0.2 0.4 0.6 0.8 1 1 2 5 10 15 20 30 40 50 Ngƣỡng mƣa T S HRM WRFARW-gfs WRFNMM-gfs Đợt mƣa 30/9/2010 đến 5/10/2010 Bắc Trung Bộ 0 0.5 1 1.5 1 2 5 10 15 20 30 40 50 Ngƣỡng mƣa P O D HRM WRFARW-gfs WRFNMM-gfs Đợt mƣa 30/9/2010 đến 5/10/2010 Bắc Trung Bộ 0 0.1 0.2 0.3 0.4 0.5 1 2 5 10 15 20 30 40 50 Ngƣỡng mƣa F A R HRM WRFARW-gfs WRFNMM-gfs 68 Phụ lục 3: Bảng thống kê tại từng khu vực và cƣờng độ mƣa khác nhau nên ƣu tiên mô hiǹh nào để dƣ ̣báo mƣa tƣ̀ số liêụ năm 2008 đến năm 2010. Khu vƣc̣ Mô Hình Cƣờng đô ̣mƣa (mm/24h) 16-30 30-50 50-70 70-100 ≥100 Bắc Trung Bô ̣ HRM x x WRFARW x x WRENMM x Trung Trung Bô ̣ HRM x x WRFARW x x WRENMM x Nam Trung Bô ̣ HRM x x WRFARW x x x WRENMM x Tây Nguyên HRM x x WRFARW x x x WRENMM