đánh giá sai số hệ thống dự báo ma của mô hình hrm cho khu vực đông bắc bộ

1 ĐạI HọC QUốC GIA Hà NộI TRƯờNG ĐạI HọC KHOA HọC Tự NHIÊN TRầN quang năng đánh giá sai số hệ thống dự báo ma của mô hình hrm cho khu vực đông bắc bộ LUậN VĂN THạC Sĩ KHOA HọC Hà NộI 2009 2 ĐạI HọC QUốC GIA Hà NộI TRƯờNG ĐạI HọC KHOA HọC Tự NHIÊN TRầN quang năng đánh giá sai số hệ thống dự báo ma của mô hình hrm cho khu vực đông bắc bộ Chuyên ngành : Khí tợng học và Khí hậu học Mã số : 60.44.87 LUậN VĂN THạC Sĩ KHOA HọC NGI HNG DN KHOA HC: PGS.TS. nguyễn văn tuyên Hà NộI 2009 3 MỤC LỤC MỞ ĐẦU CHƯƠNG 1. KHÁI QUÁT VỀ MÔ HÌNH HRM VÀ VẤN ĐỀ ĐÁNH GIÁ CHẤT LƯỢNG DỰ BÁO THỜI TIẾT 1 1.1. Giới thiệu tóm tắt mô hình HRM (High resolution regional model) ở Trung tâm dự báo KTTV Trung Ương 1 1.1.1. Khái quát về mô hình HRM 1 1.1.2. Chạy mô hình HRM với các số liệu ban đầu và số liệu biên từ ba mô hình toàn cầu khác nhau 2 1.2. Khái quát về bài toán đánh giá chất lượng dự báo thời tiết 5 1.2.1 Mục đích và ý nghĩa của đánh giá dự báo 6 1.2.2 Mô hình đánh giá chung cho các yếu tố dự báo thời tiết 7 1.2.3 Các yếu tố dự báo 11 1.2.4 Các điểm số dùng trong đánh giá 12 1.3 Mô hình đánh giá sản phẩm dự báo số trị 14 1.4. Các đặc trưng đánh giá 17 1.4.1. Độ chính xác 17 1.4.2. Kỹ năng dự báo 18 1.4.3 Độ tin cậy 18 1.4.4. Độ phân giải 18 1.4.5. Độ biến động 19 1.5. Các phương pháp đánh giá sản phẩm dự báo số 19 1.5.1. Những nguyên nhân sai số dự báo bằng mô hình số 19 1.5.2. Một số định nghĩa 20 1.5.3. Phương pháp đánh giá với biến liên tục 22 1.5.4. Phương pháp đánh giá với dự báo pha 28 4 CHƯƠNG 2. SỐ LIỆU VÀ PHƯƠNG PHÁP ĐÁNH GIÁ DỰ BÁO BÁO MƯA MÔ HÌNH HRM 34 2.1. Số liệu 34 2.1.1 . Số liệu mưa quan trắc và thực tế 34 2.1.2. Số liệu mưa dự báo của mô hình HRM 37 2.2. Phương pháp đánh giá dự báo mưa của mô hình HRM 38 2.2.1 . Đánh giá khi xem mưa là biến liên tục 38 2.2.2. Đánh giá mưa khi phân lượng mưa ra đa cấp rời rạc 38 2.2.3. Đánh giá mưa khi phân lượng mưa ra 2 cấp một 41 2.3 Căn cứ phân loại hình thế synốp chính gây mưa khu vực Đông Bắc Bộ 43 2.3.1 . Cơ sở phân loại hình thế synốp và các tác nhân gây mưa khu vực Đông Bắc Bộ 43 2.3.2. Đặc trưng và mô phỏng các loại hình thế thời tiết gây mưa ở khu vực Đông Bắc Bộ 47 2.4. Thống kê về các ngày có mưa lớn diện rộng và các hình thế gây ra mưa lớn diện rộng trong ba năm 2005, 2006 và 2007 ở khu vực Đông Bắc Bộ 61 CHƯƠNG 3. KẾT QUẢ TÍNH TOÁN VÀ PHÂN TÍCH DỰ BÁO MƯA MÔ HÌNH HRM 65 3.1. Các kết quả tính toán 65 3.2. Phân tích chất lượng sản phẩm dự báo 65 3.2.1. Phân tích sai số hệ thống Bias 66 3.2.2. Về những chỉ tiêu thống kê khác 76 KẾT LUẬN TÀI LIỆU THAM KHẢO 5 LỜI CẢM ƠN Trước hết, tôi xin bày tỏ lòng biết ơn sâu sắc tới PGS. TS. Nguyễn Văn Tuyên - người đã tận tình chỉ bảo và hướng dẫn tôi hoàn thành luận văn này. Tôi xin cảm ơn các Thầy cô và các cán bộ trong khoa Khí tượng - Thủy văn - Hải dương 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 Dự báo Khí tượng Hạn ngắn, các cán bộ phòng Nghiên cứu ứng dụng (Trung tâm dự báo Khí tượng Thủy văn Trung Ương), đặc biệt là Thạc sĩ Vũ Anh Tuấn và Thạc sĩ Võ Văn Hòa đã tạo điều kiện, trao đổi chuyên môn cũng như có những ý kiến quý báu giúp tôi hoàn thiện luận văn này. Tôi cũng xin cảm ơn Phòng sau đại học, Trường 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, người thân và bạn bè, những người 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 trường. Trần Quang Năng 6 MỞ ĐẦU Mô hình HRM (High resolution Regional model) đã được tiến hành chạy nghiệp vụ từ năm 2001 tại Trung tâm Dự báo Khí tượng Thủy văn Trung ương và các sản phẩm của nó đã ngày càng trở nên quan trọng trong công tác dự báo nghiệp vụ hàng ngày. Tuy nhiên, hiện nay việc đánh giá khả năng dự báo của mô hình HRM vẫn còn hạn chế. Các dự báo viên vẫn thường xem xét sản phẩm dự báo số của mô hình theo kinh nghiệm nên vẫn chưa có hiểu biết một cách hệ thống và đầy đủ về khả năng dự báo của mô hình, đặc biệt là trong từng hình thế thời tiết cụ thể. Do đó việc sử dụng sản phẩm của mô hình HRM còn chưa đem lại hiệu quả cao. Mưa vừa là yếu tố khí tượng vừa là hiện tượng thời tiết được liệt vào hàng các hiện tượng thời tiết khó dự báo nhất. Không những chỉ khó dự báo mà việc đánh giá dự báo mưa cũng là một việc hết sức khó khăn và phức tạp. Trước hết khó khăn nằm ngay trong bản chất trường yếu tố mưa là trường bất liên tục và không cố định cả theo thời gian lẫn không gian; nhiều đặc trưng thống kê có tính quy luật ở những yếu tố khí tượng khác, nhưng lại không có ở số liệu mưa, làm cho việc xử lý số liệu mưa cũng rất phức tạp. Xong dự báo mưa lại có vai trò đặc biệt quan trọng trong phục vụ dự báo, nhất là phục vụ phòng chống thiên tai. Vì vậy đó là vấn đề quan trọng cần thiết phải nghiên cứu. Vì vậy, dự báo mưa và đánh giá dự báo mưa là vấn đề quan trọng cần thiết phải nghiên cứu. Luận văn này tập trung vào việc đánh giá sai số hệ thống dự báo mưa của mô hình HRM theo không gian và thời gian kết hợp với một số hình thế thời tiết chính gây mưa, mưa vừa và mưa lớn cho khu vực Đông Bắc Bộ Bố cục luận văn gồm các phần: Chương 1: Khái quát về mô hình HRM và vấn đề đánh giá chất lượng dự báo thời tiết. 7 Chương 2: Số liệu và phương pháp đánh giá dự báo mưa mô hình HRM Chương 3: Kết quả tính toán và phân tích dự báo mưa mô hình HRM KẾT LUẬN TÀI LIỆU THAM KHẢO 8 CHƯƠNG 1 KHÁI QUÁT VỀ MÔ HÌNH HRM VÀ VẤN ĐỀ ĐÁNH GIÁ CHẤT LƯỢNG DỰ BÁO THỜI TIẾT Chương 1 sẽ xem xét tổng quan về mô hình HRM (High resolution regional model) đang được chạy nghiệp vụ ở Trung tâm dự báo KTTV Trung Ương (NCHMF) và vấn đề đánh giá chất lượng dự báo thời tiết nói chung cùng những phương pháp, điểm số nói riêng trong việc đánh giá các sản phẩm của mô hình dự báo thời tiết số. 1.1 Giới thiệu tóm tắt mô hình HRM (High resolution regional model) ở Trung tâm dự báo KTTV Trung Ương 1.1.1 Khái quát về mô hình HRM Mô hình khu vực độ phân giải cao HRM ban đầu được phát triển bởi Cơ quan Khí tượng Quốc gia Đức (DWD – Deutcher WetterDienst) và được đưa vào sử dụng nghiệp vụ ở Trung tâm dự báo Khí tượng Thủy văn Trung Ương từ tháng 5 năm 2002, dự báo cho hai miền chính trong thời hạn 72 giờ. Miền lớn xác định trong khoảng từ 5 0 S – 35 0 N, 80 0 E – 130 0 E, 161x201 điểm lưới với độ phân giải ngang là 0.25 0 (28 km), 20 mực thẳng đứng và bước thời gian tích phân là 120s (HRM28). Miền nhỏ hơn xác định trong khoảng 7.125 0 N – 27.125 0 N, 97.25 0 E – 117.25 0 E, 161x161 điểm lưới với độ phân giải ngang là 0.125 (14 km), 31 mực thẳng đứng, bước thời gian tích phân là 90s (HRM14); cả hai miền này đều sử dụng số liệu ban đầu và số liệu biên lấy từ mô hình toàn cầu GME (DWD) 3 giờ một thông qua mạng internet. Trước ngày 27 tháng 9 năm 2004, độ phân giải ngang và thẳng đứng của GME theo thứ tự là 60 km và 31 mực. Hiện tại, độ phân giải ngang của GME đã tăng lên thành 40 km và độ phân giải thẳng đứng đã là 40 mực. Mực thấp nhất của GME là 10m. Mô hình HRM được cung cấp bởi DWD với mã nguồn mở đã trở thành mô hình đầu tiên chạy dự báo nghiệp vụ tại Trung tâm Khí tượng Thủy văn Quốc gia Việt Nam. Các sản phẩm của mô hình HRM rất đa dạng và trở thành nguồn tham khảo tốt cho các dự báo viên trong nghiệp vụ dự báo hàng ngày. Ngoài ra, sản phẩm của nó còn dùng làm đầu vào, điều kiện ban đầu cho các mô hình khác như: Sóng, nước dâng trong bão, mô hình thủy văn 9 Tuy nhiên, sau một thời gian chạy nghiệp vụ, các nhà mô hình Việt Nam đã nhận ra rằng vẫn còn tồn tại rất nhiều hạn chế trong mô hình HRM, đặc biệt là trong việc thu số liệu đầu vào từ mô hình toàn cầu GME. Những hạn chế này đã được chỉ ra trong các trường ban đầu của GME, sơ đồ đồng hóa số liệu sử dụng trong GME và các sơ đồ tham số hóa vật lý bên trong HRM: Những tham số bề mặt trong các trường ban đầu của GME không phải thu được từ quan trắc mà là sản phẩm đầu ra của GME được tích phân từ năm 1994 với số liệu ban đầu thu được từ trung bình khí hậu Các trường độ ẩm: Trường độ ẩm cung cấp bởi GME trong nhiều trường hợp không chính xác, đặc biệt là trong các mùa bão. Các vị trí của của áp thấp nhiệt đới và bão nhiệt đới thường được xác định sai trong số liệu ban đầu của GME. Điều này xảy ra là do các số liệu đó thu được từ vệ tinh (Vệ tinh địa cực hay vệ tinh địa tĩnh) và không được cập nhật liên tục trong suốt quá trình đồng hóa số liệu. Sơ đồ đồng hóa số liệu trong GME: Nội suy tối ưu ba chiều (3D-OI) Sơ đồ tham số hóa vật lý trong HRM: Sơ đồ mưa quy mô lưới được tính toán theo công thức mô phỏng thu được từ quan trắc mây ngoại nhiệt đớ1. 1.1.2 Chạy mô hình HRM với các số liệu ban đầu và số liệu biên từ ba mô hình toàn cầu khác nhau. Để sử dụng các mô hình toàn cầu GME, GSM, GFS như là số liệu ban đầu và số liệu biên cho mô hình HRM đòi hỏi phải có những phân tích cụ thể, cẩn thận về các số liệu quan trắc, các sơ đồ phân tích và các kĩ thuật ban đầu hóa. Có một vài sự khác nhau giữa các đặc trưng chính của GME và GSM. Giữa các số liệu đầu vào của mô hình GSM, các trường ẩm hay các số liệu về ẩm trên đại dương được tính toán từ ảnh các vệ tinh địa tĩnh (GMS-5 và MTSAT-1R). Những thông tin này thu được từ vệ tinh không có nhiều giá trị cho tất cả những khu vực trên đại dương nơi mà các quan trắc truyền thống như SYNOP, TEMP còn thưa thớt. Liên quan đến sơ 10 đồ phân tích khách quan, mô hình GSM có sơ đồ đồng hóa số liệu 4 chiều 4D-VAR trong các mực của mô hình, trong khi mô hình GME sử dụng sơ đồ nội suy tối ưu truyền thống và không phức tạp bằng 4D-VAR, nhưng có quá nhiều quan trắc bị “là trơn”. Địa hình bề mặt cũng đóng một vai trò quan trọng trong một số mô hình sự báo thời tiết số (NWP). Tuy nhiên, cả mô hình GSM và GME đều cùng sử dụng bộ số liệu GTOPO30 từ USGS (NWP-hệ thống của DWD 2002). 1.1.2.1 Số liệu cần cho HRM HRM cần 3 nhóm số liệu: Nhóm 1: Các trường cố định: fis, gz0, fr_land, soiltyp, Plcov Nhóm 2: Các trường mực đơn lẻ: ps, t_snow, t_s, t_g, t_m, t_cl, w_snow, w_i, w_gl, w_g2, w_g3, w_cl, qv_s Nhóm 3: Các trường đa mực: u, v, t, qv, qc, qi 1.1.2.2 Sử dụng kết hợp số liệu của GME và GSM làm số liệu ban đầu và số liệu biên cho HRM Tháng 9 năm 1997, theo hiệp định song phương giữa Trung tâm KTTV Quốc Gia Việt Nam và Cơ quan khí tượng Nhật Bản, các sản phẩm dự báo và phân tích của mô hình phổ toàn cầu GSM được cung cấp cho khu vực từ 20 – 60 0 N, 80 – 160 0 E với độ phân giải ngang là 1.5 0 x1.5 0 và 1.25 0 x1.25 0 trong thời đoạn 72 tiếng. Những trường phân tích và dự báo từ mô hình GSM này đã được sử dụng trong hoạt động dự báo nghiệp vụ tại Trung tâm Dự báo KTTV Trung Ương, qua thời gian đã được các dự báo viên thừa nhận như là một trong những sản phẩm tốt, kết quả gần với thời tiết thực nhất, đặc biệt đối với những trường hợp có hoàn lưu xoáy thuận xuất hiện trên đại dương. Ban đầu, mô hình GSM có độ phân giải ngang là 0.5625 0 x0.5625 0 (xấp xỉ 60 km) và 40 mực thẳng đứng. Tuy nhiên, JMA cung cấp cho một vài trung tâm khí tượng trong khu vực (bao gồm Việt Nam) số liệu 17 mực áp suất tiêu chuẩn ( 16 mực áp suất [...]... dự báo số 1.5.1 Những nguyên nhân sai số dự báo bằng mô hình số 26 Mô hình dự báo thời tiết số cho ra kết quả các sản phẩm dự báo từ việc phân tích các phương 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 được những thay đổi trong khí quyển Những nguyên nhân gây ra sai số dự báo của mô hình dự báo. .. 1.5.3.2 Các chỉ số đánh giá Để đánh giá sản phẩm dự báo của mô hình số người ta có thể dựa vào số liệu phân tích tương ứng (TH1) hoặc sử dụng số liệu quan trắc thực tế (TH2) Dưới đây là một số chỉ số đánh giá dành cho biến liên tục với hai trường hợp đã nêu Một số ký hiệu sử dụng trong công thức: Fi: giá trị dự báo thứ i Ai: giá trị phân tích tương ứng Oi: giá trị quan trắc tương ứng Pi: giá trị chuẩn... thể được dự báo pha hoặc là dự báo liên tục, việc lựa chọn chủ yếu phụ thuộc vào yêu cầu của người sử dụng trong quá trình dự báo Nếu dự báo yêu cầu chi tiết hơn thì dự báo viên sẽ phải dự báo lượng giáng thủy theo đơn vị mm (loại trừ trường hợp giáng thủy lớn quá mức dự tính), giáng thủy có xuất hiện hay không và dự báo đầy đủ lượng giáng thủy có thể xảy ra Hệ thống đánh giá phản hồi lại cho yêu cầu... điểm số toàn phương (bậc hai) và điểm số kỹ năng Điểm số toàn phương đưa ra trọng lượng của sai số theo bình phương của chúng trong khi đó điểm số tuyến tính cho sai số có giá trị bậc nhất Vì vậy điểm số toàn phương thường đưa ra trọng số sai số lớn hơn là điểm số tuyến tính và điểm số này rất phù hợp trong các trường hợp sai số lớn thực sự nghiêm trọng hơn sai số nhỏ Điểm số kỹ năng được xây dựng để đánh. .. hPa - Thời hạn dự báo: 00 đến 384 giờ Trên đây là tổng quan về mô hình khu vực độ phân giải cao HRM đang chạy nghiệp vụ tại Trung tâm Dự báo Khí tượng Thủy văn Trung Ương Hiện nay mô hình này vẫn tiếp tục được cải tiến 1.2 Khái quát về bài toán đánh giá chất lượng dự báo thời tiết Đánh giá là sự tính toán ước lượng mối quan hệ giữa tập số liệu dự báo và giá trị quan trắc Hoạt động đánh giá chỉ có ích... quan trắc tại một điểm cũng có thể đại diện cho hiện tượng thời tiết xảy ra trong một vùng 1.2.1 Mục đích và ý nghĩa của đánh giá dự báo 12 Mục đích của phương pháp đánh giá phải được thiết lập trước khi hệ thống đánh giá được xác lập vì mục đích đánh giá có quan hệ mật thiết đến việc thiết lập hệ thống đánh giá Theo Barbara Brown (2007), đánh giá chất lượng dự báo thời tiết bao gồm 3 mục đích chính sau... số đánh giá sẽ được tính cho trường hợp đánh giá sử dụng số liệu quan trắc, trường hợp còn lại cũng tương tự như vậy a Độ lệch hay sai số trung bình (Mean Error) Sai số trung bình được tính bởi công thức 1.7, 1.8 Giá trị của ME nằm trong khoảng (-∞, +∞) ME cho biết xu hướng lệch trung bình của giá trị dự báo so với giá trị quan trắc, nhưng không phản ánh độ lớn của sai số ME dương cho biết giá trị dự. .. định sai số pha trong dự báo số trị Giá trị của RMSE nằm trong khoảng (0,+ ∞) Giống như MAE, RMSE không chỉ ra độ lệch giữa giá trị dự báo và giá trị quan trắc Khi đem so sánh MAE và RMSE ta thấy: RMSE ≥ MAE Còn RMSE = MAE khi và chỉ khi tất cả các sai số có độ lớn như nhau d Hệ số tương quan (Correlation coefficient) và tương quan dị thường (Anomaly Correlation_AC) 33 Hệ số tương quan (R) cho phép đánh. .. chút so với mô hình phổ 1.2.3 Các yếu tố dự báo Sau khi giải quyết xong những vấn đề về phân nhóm và những yêu cầu của một mô hình đánh giá đưa ra, chúng ta cần lựa chọn một phương pháp thích hợp để đáp ứng các yêu cầu đó Dựa theo mục đích đánh giá người ta chia ra thành hai dạng dự báo là: dự báo các đại lượng liên tục và dự báo pha Yếu tố dự báo liên tục là các yếu tố được dự báo tại một giá trị riêng... trường hợp cần so sánh giữa kết quả dự báo của mô hình với số liệu quan trắc của khí quyển thực, tức là nghiên cứu về sai số dự báo của mô hình Dạng thứ hai, AC được sử dụng như một thông số để so sánh trong các cuộc thử nghiệm của mô hình Khi đó, thay bằng việc sử dụng số liệu quan trắc, một mô hình thích hợp sẽ được xem là thực và được đem ra đối chiếu với những mô hình thử nghiệm khác Sẽ có 3 khả năng . quang năng đánh giá sai số hệ thống dự báo ma của mô hình hrm cho khu vực đông bắc bộ Chuyên ngành : Khí tợng học và Khí hậu học Mã số : 60.44.87. NHIÊN TRầN quang năng đánh giá sai số hệ thống dự báo ma của mô hình hrm cho khu vực đông bắc bộ LUậN VĂN THạC Sĩ KHOA HọC