1. Trang chủ
  2. » Giáo Dục - Đào Tạo

Chương 6 - NHỮNG KẾT QUẢ DỰ BÁO THỐNG KÊ CÁC QUÁ TRÌNH HẢI DƯƠNG HỌCNhiều pps

22 271 0

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

THÔNG TIN TÀI LIỆU

Thông tin cơ bản

Định dạng
Số trang 22
Dung lượng 767,46 KB

Nội dung

93 chung [162], sơ đồ này đã chính xác hoá đáng kể bức tranh không gian của biển Bellinshauzen. Trước hết, ta thấy đới front cực dịch chuyển nhiều về phía nam, biên giới xâm nhập các loại nước cận Nam Cực ở vùng biển Bellinshauzen lên tới 62 −64°S. Sự dịch chuyển tương tự của biên giới các đới khí hậu làm tăng độ tương phản kinh hướng của các đặc trưng vật lý thủy văn ở phần phía đông của cung Nam Cực Thái Bình Dương. Một đặc điểm quan trọng khác trong những kết quả nhận được là đã chính xác hoá độ sâu biên giới trên của khối nước đáy. Ở trung phần biển Bellinshauzen, biên giới trên của khối nước đáy Nam Cực bằng 3100 −3300 m, trong khi đó ở phần phía bắc và phía đông biển − 2700 −2900 m. Đó là một sự phân hoá rất lý thú về phương diện nghiên cứu tiếp vấn đề hình thành các khối nước đáy ở vùng đại dương Nam Cực. Như vậy , phép chẩn đoán thống kê đã cho phép giải quyết những nhiệm vụ chính đã đặt ra. Việc lý giải kết quả xử lý thông tin đã đạt tới độ tỉ mỉ và độ tin cậy cần thiết. Tuy nhiên, phải nhận x ét rằng những kết luận rút ra chưa thể phổ biến cho vùng thềm lục địa của biển. Vùng này còn rất ít số liệu quan trắc. Đa phần các mảng quan trắc đối với vùng này chỉ chứa số liệu về nhiệt độ và độ muối. Sự phức tạp của việc ứng dụng phân tích ST , kinh điển và thiếu vắng tài liệu quan trắc thủy hoá bổ sung hiện chưa cho phép gộp vùng ven bờ vào mô hình thống kê chung về cấu trúc nước trong biển Bellinshauzen. Sự hàm súc và tính tin cậy vật lý của những kết quả chẩn đoán thống kê đảm bảo hiệu quả không chỉ của mô hình đã nhận được, mà còn cho thấy triển vọng vận dụng quan điểm tiếp cận này để nghiên cứu cấu trúc nước ở những vùng khác của đại dương vùng Nam Cực. Chương 6 - NHỮNG KẾT QUẢ DỰ BÁO THỐNG KÊ CÁC QUÁ TRÌNH HẢI DƯƠNG HỌC Nhiều thí nghiệm về phương pháp luận dự báo những tham số tổng quát của các quá trình hải dương cho phép tiến tới lập căn cứ phương pháp luận chẩn đoán và dự báo như là một bài toán thống nhất. Những thí dụ dẫn dưới đây hiện thực hoá một ý tưởng đơn giản − sử dụng các mô hình thống kê một chiều để dự báo các tham số tổng quát của quá trình. Ý tưởng này là cơ sở dự báo nhiệt độ nước lớp mặt Bắc Đại Tây Dương, lượng băng biển Baren và sinh khối động vật phù du biển Baren. Trên thực tế, trong khi tiến hành chẩn đoán đúng đắn về quá trình và phân tách ra những tham số tổng quát ổn định trong thời gian thì điều quan trọng là chọn ra từ lớp các mô hình thống kê tuyến tính một mô hình tối ưu cho phép với sai số nhỏ nhất ngoại suy các tham số cơ bản cho khoảng dưới hai bước thời gian sắp tới. Thời khoảng đó là đủ về quan điểm phương pháp luận (các dự báo những quá trìn h khí tượng thủy văn có tính khả báo không cao [146, 151]) cũng như về quan điểm thực tiễn: sự tăng thời gian báo trước diễn ra không phải do những tính chất của mô hình, mà liên quan tới độ ổn định của các hàm cơ sở hay các hàm trực giao tự nhiên. Thí dụ, các thành phần chính đặc trưng cho giá trị trung bình năm của quá trình, các hàm cơ sở − đặc điểm biến động mùa. Khi đó dự báo cuối cùng sẽ bằng những giá trị khôi phục của tích số giữa thành phần chính với hàm cơ sở tương ứng. Mặc dù sự đơn giản tương đối của ý tưởng liên kết các kết quả chẩn đoán với các mô hình thống kê, việc hiện thực hoá nó ở mức độ nhất định bị khó khăn bởi sự phức tạp của công cụ toán học, sự thiếu đầy đủ về thông tin hải dương học xuất phát và thiếu vắng những hệ thống xử lý tự 94 động. 6.1. DỰ BÁO CÁC TRƯỜNG NHIỆT Ở BẮC ĐẠI TÂY DƯƠNG Những nguyên nhân quan trọng làm cho nhiệt độ mặt đại dương (hay dị thường nhiệt độ mặt đại dương) trở thành trọng tâm chú ý của các nhà nghiên cứu và các nhà dự báo thực dụng là tính ý nghĩa của nó như một đặc trưng năng lượng quy định sự tiến triển của các quá trình hải dương và sinh học, tính dễ quan trắc, độ chính xác đo đạc tương đối cao, và do đó, khả năng vận dụng phân tích t hống kê, trong đó có thống kê đa chiều, vào quỹ dữ liệu tích luỹ được trong thời gian dài. Trong mục này sẽ trình bày những kết quả dự báo nhiệt độ mặt đại dương tại một số vùng của Bắc Đại Tây Dương theo tuần tự sau: a) Phân tích cấu trúc thống kê các số liệu xuất phát; b) Dự báo các chuỗi thời gian và kiểm tra; c) Phân tích cấu trúc qu y mô lớn của nhiệt độ mặt đại dương Bắc Đại Tây Dương, phân tách ra những vùng đồng nhất bằng các phương pháp phân tích thống kê đa chiều; d) Dự báo các thành phần chính và các nhân tố chung có mức ý nghĩa cao, khôi phục những giá trị dự báo của nhiệt độ mặt đại dương theo không gian và kiểm tra chúng. Ở đây chúng tôi đặc biệt chú ý tới vấn đề phân tích cấu trúc dữ liệu xuất phát, vì nó quyết định tính khả báo tiềm năng của nhiệt độ mặt đại dương, cũng như khía cạnh phương pháp luận − kiểm tra những phương pháp thống kê xác suất dự báo nhiệt độ mặt đại dương, nó cho phép phát hiện những nguồn sai số dự báo quan trọng − sai số do phân tích dữ liệu và sai số trong hình thành mô hình. Như đã biết, ta có thể có được khái niệm đầy đủ về một quá trình ngẫu nhiên nếu biết hàm phân bố xác suất của nó, hàm này được cho bằng hai mô men thống kê đầu tiên − các ước lượng kỳ vọng toán học và phương sai. Trong đại đa số những trường hợp thực tiễn, khi quá trình không có xu thế và được biểu diễn dưới dạng những dị thường (độ lệch so với giá trị trung bình), có thể cho rằng ước lượng kỳ vọng toán học bằng không. Khi đó ước lượng phương sai quá trình là đặc trưng đủ để mô tả hàm phân bố xác suất. Trên hình 5.1 thể hiện những tham số thống kê cơ bản của các chuỗi dị thường nhiệt độ mặt đại dương. Cấu trúc không gian − thời gian bất đồng nhất của phương sai và mật độ phổ cho thấy rằng có những quá trình quy mô khác nhau hình thành chế độ nhiệt đại dương. Nhìn chung trong đại dương có những vùng có biến động gần như nhau và dạng hàm mật độ xác suất gần giống "nhiễu đỏ". Cũng có những vùng có biến thiên tối đa các đặc trưng, hoặc có những đỉnh phổ thứ cấp rõ nét. Kết quả phân tích các chuỗi (xem hình 5.1) cho thấy đại đa số những tập dữ liệu mẫu về dị thường nhiệt độ mặt tuân theo luật phân bố chuẩn trong các vùng biển Na Uy. Bất đối xứng đạt 0,3°C về giá trị tuyệt đối. Theo chúng tôi, trị số này đặc trưng cho sai số quan trắc và cho phép để sử dụng trong các sơ đồ dự báo, vì nó không vượt quá giới hạn sai số dự báo theo các chỉ tiêu 0,674 σ và 0,8 σ . Do đó, để phân tích và dự báo có thể ứng dụng những quan hệ tương quan cơ bản của phép phân tích tham số, chẳng hạn như các hệ số tương quan của Pierson. Về tính ổn định của các mô men thống kê đầu tiên trong phạm vi sai số cho phép, có thể xét theo xu thế tuyến tính với giá trị không vượt quá 0,2 °C (hình 6.1). Việc kiểm tra tính phù hợp của mô hình với số liệu xuất phát được thực hiện bằng các mô men thống kê đầu tiên, như phương sai và hệ số tương quan, với điều kiện ước lượng kỳ vọng toán học bằng không [259]. Mặc dù là những đặc trưng quan trọng của phép so sánh thống kê giữa các chuỗi dự báo và thực đo, những ước lượng này không bao quát hết tất cả những vấn đề trong khi kiểm tra tính phù hợp của m ô hình với dữ liệu. Có lẽ, một trong những phương pháp quan trọng là phương pháp kiểm tra theo những chỉ tiêu nào không tham gia vào mô hình với tư cách là tham số. Vì vậy khối kiểm tra (xem hình 0.5) được bổ 95 sung thêm những thủ tục hàm phân bố sai số một và hai chiều [44]. Một bằng chứng quan trọng ủng hộ việc ứng dụng thủ tục tương tự là thực tế rằng các tổ chức đồ thực nghiệm cho phép khảo sát cấu trúc bên trong của các chuỗi sai số dự báo về phương diện tính ổn định căn cứ vào tính biến động thấy được của số liệu xuất phát. Điều này quan trọng về nguyên tắc khi dự đo án những đặc điểm cấu trúc đặc trưng của những dữ liệu thuộc loại những quan trắc biến thiên đột ngột, có những cực trị, những građien lớn Thí dụ dẫn tr ên hình 6.2 là thí dụ rất tiêu biểu về phương diện này. Hàm phân bố dị thường nhiệt độ nước mặt đại dương theo kinh tuyến Kolsky biểu diễn trên hình này là hàm hai mốt. Như đã thấy, nó không được khôi phục hoàn toàn bằng những phương pháp riêng lẻ, thí dụ phương pháp ngoại suy Fourier [44]. Nó được khôi phục đạt nhất bằng mô hình xác suất động lực (xem mục 4.1), song cả ở đây vẫn tồn tại những khác biệt, đặc biệt ở miền âm . Dự báo kết quả nhận được bằng phương pháp kết hợp thống kê 10 phương pháp đã đảm bảo khôi phục tối ưu hàm xác suất thực nghiệm này (xem mục 4.3). Việc kiểm tra các phương pháp dự báo khác nhau giúp tiến hành chẩn đoán quá trình dự báo một cách triệt để hơn. Nếu phân tích hình 6.2, có thể rút ra kết luận sơ bộ về bản chất của hai mốt trong hàm phân bố xác suất dị thường nhiệt độ mặt đại dương. Mốt với cực đại ở miền dương (khoảng 0 −0,4°C) chỉ ra sự tồn tại của dao động tựa dừng trong dị thường nhiệt độ mặt đại dương, dao động này chỉ được mô phỏng bởi phương pháp cộng Fourier tám hài. Dao động này làm chệch ước lượng "chuẩn" khoảng 0,2 °C. Đỉnh thứ hai của hàm phân bố xác suất dị thường nhiệt độ mặt đại dương gây nên bởi sự hiện diện của mốt thứ hai trong miền các giá trị âm với cực đại nằm trong khoảng −1,2 −0,8°C, về bản chất là một hợp phần ngẫu nhiên (xác suất), nó chỉ có thể được mô phỏng bởi mô hình xác suất. Hình 6.1. Biến tr ình thời gian các dị thường trung bình tháng nhiệt độ nước mặt ở biển Na Uy vùng tầu thờì tiết M Đường gạch nối chỉ xu thế tuyến tính Hình 6.2. Những tổ chức đồ thực nghiệm của các chuỗi dị thường nhiệt độ trung bình tháng lớp nước 0 −200 m dọc kinh tuyến Kolsky 1 − thực, 2 − dự báo bằng phương pháp Fourier, 3 − bằng phương pháp thống kê động lực, 4 − bằng phương pháp xác suất động lực, 5 − bằng phương pháp hồi quy kết hợp 96 a − Phương pháp tự hồi quy bậc 2 b − Phương pháp Bayes c − Phương pháp thống kê động lực d − Phương pháp xác suất động lực e − Phương pháp Fourier f − Phương pháp hồi quy kết hợp Hình 6.3. Những tổ chức đồ hai chiều sai số dự báo i e các dị thường nhiệt độ mặt đại dương tr ung bình tháng khu vực tầu thời tiết M bằng những phương pháp k hác nhau Như vậy, mốt thứ nhất phản ánh hợp phần định luận của quá trình, mốt thứ hai − hợp phần ngẫu nhiên. Cả hai mốt, cũng như hàm phân bố xác suất quá trình nói chung (xem hình 6.2) sẽ được khôi phục đạt nhất bằng mô hình tối ưu hoá thống kê tất cả các phương pháp (mô hình hôì quy). Nó chính là mô hình tối ưu với nghĩa làm cực tiểu sai số bình phương trung bình của dự báo trong khuôn khổ lý thuyết các mô hình dừng tuyến tính. Vì vậy, khác với các phương pháp khác, về trung bình hàm phân bố hai chiều của sai số dự báo bằng mô hình hồi quy phải có cực đại t hể hiện rõ trong khoảng sai số dự báo cho phép ( −0,4; 0,4°C). Kết quả này thể hiện trên hình 6.3. Thấy rằng n hiều phương pháp có những cực đại thứ sinh trên các tổ chức đồ, do bản thân các mô hình sinh ra, trong khi luật phân bố dị thường nhiệt độ mặt đại dương ở vùng tầu thời tiết M là phân bố chuẩn. Rõ ràng một số mô hình (không thích nghi) thích ứng với "những quá trình của mình" gần với hiện thực, về điều này đã nói ở mục 4.1. Chúng tôi nhận định rằng phép phân tích so sánh toàn bộ tập hợp những chỉ tiêu khả báo thống kê cho phép người dự báo có được khái niệm đầy đủ nhất về tính hiệu quả của các phương pháp dự báo anh ta sử dụng. Ngoài ra, trên cơ sở những phương pháp kiểm tra xác suất sẽ tạo ra khả năng đánh giá hiệu quả dự báo những dị thường lớn. Để phân tách ra một cách đúng đắn những cấu trúc không gian và thời gian đồng nhất hay cùng kiểu nhằm mục đích dự báo, chúng tôi đã tiến hành phân tích các quá trình bằng những phương pháp phân tích thống kê đa chiều: phương pháp các thành phần chính và phân tích nhân tố (xem mục 5.1). Nội dun g dự báo của các kết quả phân tích bao gồm: 1. Các vùng mà chúng tôi phân tách ra được chỉ ra những giới hạn biến động của nhiệt độ mặt đại dương, bên trong đó những dao động chính dưới dạng các vectơ riêng là những dao động tựa dừng theo nghĩa thống kê và có thể sử dụng trong các mô hình dự báo. Trong đó mô hình dự báo trở thành mô hình đa chiều. 2. Từng v ùng trong số các vùng được phân tách ra có mức độ liên hệ qua lại của trường nhiệt độ mặt đại dương khác nhau (các ma trận tương quan rất khác nhau), điều này cho phép điều chỉnh các tham số của mô 97 hình dự báo sao cho tương ứng với kiểu quá trình cụ thể. Vì, như chúng tôi đã chứng minh, nếu sử dụng cùng một mô hình cho toàn vùng Bắc Đại Tây Dương sẽ dẫn tới làm giảm hiệu quả dự báo. 3. Đưa cá c thành phần chính tính được theo những hàm trực giao tự nhiên trong tọa độ không gian hoặc thời gian vào làm tiên lượng dự báo sẽ cho phép xây dựng được mô hình đa chiều khách quan, tính tới được ảnh hưởng của các nhân tố bình lưu và những nhân tố khí tượng (gián tiếp), như trong công trình [215] đã đề xuất. Bây giờ ta xét vấn đề chẩn đoán các trường nhiệt Bắc Đại T ây Dương bằng những phương pháp phân tích thống kê đa chiều. Việc liên kết ba vùng vào làm một (xem các hình 5.2 −5.5) đã cho phép đánh giá ảnh hưởng của các quy mô không gian lên những nét chính trong bức tranh chế độ nhiệt ở Bắc Đại Tây Dương. Nói chung cấu trúc vẫn giữ nguyên những đặc điểm nổi bật: trong trường vectơ riêng thứ nhất thể hiện rõ nét tính địa đới trong phân bố dị thường nhiệt độ mặt đại dương, trong đó vùng nước của hệ thống các hải lưu Gơnstrim và Bắc Đại Tây Dương được tách ra rõ nhất và có những giá trị âm cực đại. Phần xích đạo và nhiệt đới Bắc Đại Tây Dương có những giá trị dương. Bức tranh phân bố không gian này của mốt thứ nhất của dị thường nhiệt độ mặt đại dương rõ ràng là do ảnh hưởng của bức xạ Mặt Trời (xem hình 5.2a). Trường vectơ riêng thứ hai (xem hình 5.2b) cũng phản ánh phân bố nhiệt kiểu địa đới. Tuy nhiên, đới xích đạo và nhiệt đới của Bắc Đại Tây Dương phân cách nhau về dấu. Những vùng chịu ảnh hưởng của các hải lưu Gơnstrim, Labrađo, Ipminge và Đông Grinlan có tỉ trọng lớn hơn so với trong trường vectơ riêng thứ nhất. Như vậy là đã làm nổi vai trò tái phân bố nhiệt quy mô lớn do bình lưu. Trường vectơ riêng thứ ba p hản ánh những quá trình kinh hướng, chắc chắn liên quan tới động lực nước Bắc Đại Tây Dương và biển Na Uy − đó là vùng Niuphơnlen, đông phần Đại Tây Dương nhiệt đới và phần trung tân biển Na Uy. Hình 6.4. Độ xác thực (% ) của các dự báo dị thường nhiệt độ trung bình tháng nước mặt đại dương ở Bắc Đại Tây Dương theo chỉ tiêu σ6740, a− Phương pháp Bayes b− Phương pháp tự hồi quy bậc 2 c− Phương pháp xác suất động lực d− Phương pháp quán tính e− Phương pháp thống kê động lực Cuối cùng, thành phần thứ tư cho phép nhận diện khá rõ đới Gơnstrim − hải lưu Bắc Đại Tây Dương, lan tới tận 35°W và đới nước 98 trồi − ở đông phần Đại Tây Dương nhiệt đới. Cũng cần chú ý một ổ nhiệt ở trung phần Bắc Đại Tây Dương, có thể có liên quan tới cấu trúc động lực của hoàn lưu nước xoáy nghịch quy mô lớn tại vùng này. Mặc dù giá trị phần phương sai được m ô tả trong các trường thành phần chính đầu tiên không cao, do bậc ma trận tương quan lớn (120 ×120), nhưng phải kết luận về tính ổn định và đồng nhất cấu trúc cao của những nét chính trong bức tranh nhiệt trong trường dị thường nhiệt độ mặt đại dương, đặc biệt về vùng Gơnstrim − hải lưu Bắc Đại Tây Dương khi chuyển từ các quy mô không gian nhỏ hơn, các vùng riêng lẻ, sang những quy mô lớn hơn, bao quát thực tế toàn bộ thủy vực Bắc Đại Tây Dương và biển Na Uy. Những kết quả phân tích thống kê về trường dị thườn g nhiệt độ mặt đại dương nhận được cho phép rút ra những kết luận như sau: 1) Cấu trúc trường dị thường nhiệt độ mặt đại dương có tính địa đới rõ nét và gâ y bởi dòng bức xạ Mặt Trời; 2) Sự tái phân bố nhiệt chủ yếu do các dòng hải lưu quy mô lớn; 3) Chênh lệch kinh hướn g trong phân bố dị thường nhiệt độ mặt đại dương chủ yếu biểu hiện ở những đới tương tác của các dòng hải lưu quy mô lớn. Theo một khối lượng lớn dữ liệu xuất phát, đã phâ n loại Bắc Đại Tây Dương theo tính chất bất đồng nhất không gian của dị thường nhiệt độ mặt đại dương. Kết quả này, rõ ràng có ý nghĩa quyết định khi chọn mô hình dự báo dị thường nhiệt độ mặt đại dương và ảnh hưởng tới các tham số khả báo của mô hình. Như vậy, cấu trúc thống kê của nhiệt độ mặt đại dương phụ thuộc nhiều vào các quy mô không gian − thời gian quan trắc và, chắc chắn ảnh hưởng tới tính khả báo cả loại 1 và loại 2. Từ đây trở nên rõ vì sao mô hình Frankiniul − Hasselman [240], trong đó những thành phần cân bằng nhiệt lớp hoạt động đại dương được dùng làm các tham số biến, là mô hình khá thành công để chẩn đoán cũng như dự báo điều kiện nhiệt trong đại dương. Trước hết, đó là do sự ổn định theo nghĩa thống kê của các nhân tố ảnh hưởng tới dị thường nhiệt độ mặt đại dương, và do sự đồng nhất của bản thân các vùng tại đó vai trò của nhân tố này hay nhân tố kia hoàn toàn xác định. Một kết quả quan trọng nữa trong ứng dụng mô hình xác suất [224] đó là sự tăng hiệu quả dự báo ở vùng Gơnstrim − hải lưu Bắc Đại Tây Dương [136], tại đây sai số dự báo giảm tới 50%, trong khi theo vùng Bắc Đại Tây Dương nói chung phương sai nhiễu trung bình bằng 70%, tức tương ứng với mức ý nghĩa khả báo 30%. Từ sự phân tích thống kê đã tiến hành và những kết quả của các công trình [44, 151] suy ra rằng sự tăng tính khả báo liên quan với chất lượng phép phân tích, tức những mô hình đã dự báo đạt nhất những quá trình nào và ở những vùng nào mà nó thích ứng nhất. Rõ ràng rằng (xem mục 5.2) với vùng Đại Tây Dương xích đạo và nhiệt đới thì vai trò của những nhân tố đã liệt kê khác so với vùng tác động của Gơnstrim, tức các tham số mô hình cho vùng này phải khác nhiều và độ xác thực theo mô hình [224] ở đây thấp hơn. Chính vì xuất phát từ những suy luận này mà chúng tôi đã ứng dụng những mô hình xác suất thống kê khác nhau để xác định khả năng áp dụng của chúng vớí những vùng khác nhau của Bắc Đại Tây Dương và biển Na Uy (hình 6.4). Lần đầu tiên nhận được kết quả dự báo với chuỗi quan trắc độc lập về dị thường nhiệt độ mặt đại dương từ năm 1981 đến 1985 cho một thủy vực rộng lớn như Bắc Đại Tây Dương (162 ô cạnh 5 ° kinh vĩ). Độ xác thực dự báo dao động từ 50 đến 80%, tức bằng 50 −70% phương sai nhiễu (xem hình 6.4). Điều lý thú l à đối với vùng tác động của hệ thống Gơnstrim − hải lưu Bắc Đại Tây Dương sai số dự báo bằng các phương pháp thống kê xác suất bậc một và bậc hai đã giảm. Kết quả đạt nhất cho vùng này là kết quả của mô hình 2 − A P . 99 Hình 6.5. Những giới hạn tính khả báo thống kê (tính bằng số tháng) của các chuỗi dị thường nhiệt độ nước mặt trung bình tháng ở vùng tích cực năng lượng biển Na Uy theo mô hình động lực ngẫu nhiên ),( 90=d Hình 6.6. Dự báo độc lập trường dị thường nhiệt độ nước mặt trung bình tháng ở đông bắc Đại Tây Dương tháng 7 năm 1981 với thời hạn dự báo 6 tháng (1− giá trị dự báo, 2− giá trị thực) So với dự báo quán tính, kết quả dự báo của ba mô hình về trung bình khá hơn 10 −20%. Nhận thấy dự báo quán tính có độ xác thực cao hơn (tới 80%) ở phần trung tâm Bắc Đại Tây Dương. Có thể cho rằng đó là do sự bảo tồn dị thường trong xoáy nghịch. Điều tương tự cũng nhận thấy ở phần phía bắc biển Na Uy, nơi đây các trị số phương sai sai số cực tiểu có vị trí ở trong đới tác động của xoáy nghịch tựa dừng với t âm ở khoảng E32  −=λ và N6968  −=ϕ . Một đặc trưng khả báo quan trọng khác là giới hạn thời gian báo trước của dự báo ứng với chỉ tiêu chính xác đã cho ε . Từ các biểu thức (4.8), (4.9) dễ dàng tính τ và dựng sơ đồ không gian thời gian báo trước cực đại của dự báo ứng với 9,0≤d (hình 6.5). Đã tính toán như vậy cho biển Na Uy (26 ô với cạnh 5° kinh vĩ). Thấy rằng giới hạn khả báo cực đại đối với dị thường nhiệt độ mặt đại dương trung bình tháng là 1,8 tháng với vùng tác động của xoáy nghịch, hải lưu Na Uy và vùng Fare. Còn về trung bình, với vùng này thì thời gian báo trước của dự báo bằng một bước thời gian có thể xem là hoàn toàn tin cậy đối với dự báo bằng các phương pháp thống kê xác suất. Ở Bắc Đại T ây Dương giới hạn này tăng lên đến 2−3 bước, đặc biệt trong đới tác động của Gơnstrim và hải lưu Bắc Đại Tây Dương. Ở các phần xích đạo và nhiệt đới, giới hạn khả báo thống kê cực đại không quá một bước thời gian. Một trong những nguyên nhân của điều này là do tính không dừng rõ rệt của các chuỗi dị thường nhiệt độ mặt đại dương tại đây. Nhiều tác giả [ 65, 146, 151] cho rằng muốn tăng hiệu quả dự báo phải giảm phương sai của phần không khả báo của quá trình. Điều này có thể đạt được bằng nhiều cách: dùng phương pháp lọc hoặc tăng quy mô không gian, thời gian lấy trung bình. Hiển nhiên l à sử dụng phương pháp lọc hoặc tăng quy mô không gian, thời gian lấy trung bình của đặc trưng dự báo sẽ giúp chọn mô hình thích hợp nhất. Tuy nhiên, dưới góc độ thực tiễn, phương pháp này kém hiệu quả vì không cho phép mô tả chi tiết, do đó, không cho phép dự báo những đặc điểm không gian hay thời gian của quá trình. Khi nghiên cứu và dự báo những dao động quy mô lớn của các quá trình hải dương, người ta giả thiết tồn tại một số không nhiều các nhân tố ảnh hưởng có thể theo dõi, giải thích và dự báo được. Vì vậy, biểu diễn các trường hay các chuỗi đặc trưng hải dương dưới dạng tổng của những thành phần chính đầu tiên, một mặt sẽ lọc hợp phần nhiễu của quá trình, mặt khác biểu diễn quá trình dưới dạng tổng của những dao động quy mô lớn. Việc mô phỏng những dao động như vậy bằng các phương pháp thống kê xác suất hay thống kê vật lý sẽ hiệu quả hơn so với việc dự báo trực tiếp chính những đặc trưng đó bằng cùng phương pháp, vì ở trường hợp sau sai số trong dữ liệu vẫn được bảo tồn. Hơn nữa nếu chỉ sử dụng những mô hình thống kê xác suất một chiều thì không thể đủ do có nhiều mối liên hệ không gian, thời gian thuận và nghịch tồn tại [120, 142, 146]. Chính trong những công trình này đã đưa ra kết luận rằng sử dụng các phương pháp dự báo đa chiều làm tăng hiệu quả dự báo lên 10 −20%. 100 Cải thiện được tính khả báo như vậy là nhờ vai trò của các nhân tố bình lưu trong hệ thống những mối liên hệ không gian của nhiệt độ mặt đại dương. Vai trò của nhân tố này đặc biệt biểu hiện rõ trong kết quả dự báo thí nghiệm (hình 6.6). Muốn tính tới những mối liên hệ không gian để dẫn tới tăng hiệu quả dự báo thống kê, có thể thực hiện bằng một số cách: đưa c ác mối liên hệ với những điểm lân cận của vùng lưới vào mô hình A P như trong [143] đã đề xuất, hay dự báo những thành phần chính đầu tiên tính theo các hàm trực giao tự nhiên của tọa độ ngang, những thành phần này mô tả 80% phương sai, như trong [241]. Theo các tác giả, phương pháp thứ hai tỏ ra hấp dẫn hơn, vì nó tránh cho người ta phải chọn một cách chủ quan những điểm ảnh hưởng. Những kết quả dự báo độc lập sử dụng khai triển nhân tố dị thường nhiệt độ mặt đại dương ở thủy vực biển Na Uy (hình 6.7) là thí dụ vận dụng mô hình đa chiều 1− A P và phép ngoại suy Bayes bậc một. Vì khai triển thực hiện theo mặt rộng (ma trận các số liệu xuất phát có kích thước 26 ×120), nên các tỉ trọng nhân tố phản ánh mối liên hệ của các trường trong thời gian. Các kết quả dự báo, thực hiện theo m ô hình 1− A P một chiều và đa chiều, không cao lắm: độ xác thực theo chỉ tiêu σ 8,0 theo mặt rộng tương ứng bằng 58 và 65%. Độ xác thực theo các mô hình ngoại suy Bayes cao hơn một ít, tuần tự bằng 65 và 73%. Độ xác thực không cao bị quyết định nhiều bởi những điều kiện dị thường hình thành vào tháng 2 năm 1984 ở phần phía tây biển Na Uy – suy giảm cường độ hải lưu Đông Grinlan (nhiệt độ mặt đại dương tăng lên 2 °C). Đồng thời tăng cường hải lưu Bắc Đại Tây Dương: nước của hải lưu này xâm nhập vào làm tăng nhiệt độ mặt ở biển Na Uy lên 0,8°C. Điều quan trọng cần nhận xét là kết q uả cụ thể này phản ánh một mối liên hệ đã biết giữa trạng thái nhiệt của các khối nước trong những dòng chảy chính của biển Na Uy và sản lượng sinh học của nó: sự ấm lên của nước Bắc Băng Dương sẽ tạo thuận lợi cho nước của hải lưu Bắc Đại Tây Dương tiến xa lên phía bắc và phía đông mang theo những thuỷ sinh vật ưa nhiệt. Dưới đây ý tưởng này được phát triển chi tiết khi phân tích và dự báo sinh khối động vật phù du biển Na Uy. Nhìn chung những vùng nào của biển Na Uy mà ở đó %74≥d (xem hình 6.5) thì tỏ ra thuận lợi nhất cho dự báo. Về tính khả báo không cao của các yếu tố hệ thống khí hậu trong khuôn khổ các mô hình một chiều tuyến tính đã được chứng minh về lý thuyết trong các công trình [35, 65, 142, 146, 151]. Với khí quyển, tính khả báo là nhỏ hơn một, hai bước [146], với đại dương − bốn bước [151] tuỳ thuộc vào đặc trưng hệ thống khí hậu, độ gián đoạn quan trắc và quy mô không gian lấy trung bình. Như vậy, tăng thời hạn dự báo bằng cách ngoại suy các chuỗi xuất phát lên hơn hai, ba bước thời gian có lẽ là vô vọng. Dưới góc độ thực tiễn điều này khá hiển nhiên: ta thường gắn chất lượng dự báo với điều kiện sai số dự báo không vượt ra quá σ 674,0 hay σ 8,0 , tức xấp xỉ tương ứng với 0,55 và 0,74 phương sai quá trình. Trong khi đó hệ số tương quan phải lớn hơn 0,8. Mức liên hệ nội tại cao như vậy t hường chỉ đảm bảo với bước trễ bằng một, hoặc tối đa hai bước thời gian [44]. Chính điều này là nguyên nhân chính làm cho các phương pháp ngoại suy chuỗi thời gian ít phổ dụng. Ý nghĩa thực tiễn của thông tin dự báo với một, hai bước thời gian không cao. Theo ý kiến các tá c giả, việc vận dụng công cụ phân tích thống kê đa chiều tạo ra khả năng không chỉ tăng hiệu quả dự báo, mà còn tăng thời gian báo trước của dự báo quá trình khí tượng thủy văn bằng các phương pháp thống kê xác suất. Kết quả phân tích cấu trúc thời gian đối với các chuỗi những thành phần chính đầu tiên của các đặc trưng hải dương i a [181, 240] chỉ ra tính liên hệ nội tại chuỗi cao 80,)( ≥τ i a R , tính ổn định của các hàm tự tương quan và tính đúng đắn của các mô men thống kê đầu tiên: các ước lượng kỳ vọng toán học và phương sai. Để xác 101 định độ ổn định thống kê của các ước lượng phương sai ( 2 ˆ σ ) những thành phần chính, tính theo dị thường nhiệt độ mặt đại dương trung bình tháng hoặc theo dị thường nhiệt độ mặt đại dương trung bình mùa, chúng tôi đã tiến hành phân tích so sánh theo các chuỗi được xê dịch tương đối so với nhau 12 tháng hoặc 4 mùa. Những trị số trung bình của hiệu σΔ theo các vùng: 22 ô cạnh 5° kinh vĩ và 10 ô cạnh 5° kinh vĩ, tuần tự bằng 0,04°C đối với trường hợp chuỗi trung bình tháng và 0,03°C đối với trường hợp chuỗi trung bình mùa, điều này chứng tỏ tính đúng đắn của các ước lượng (với các trị số trung bình C540 22  , ˆ =σ và C470 20  , ˆ =σ ). Hình 6.7. Phân bố sai số dự báo dị thường nhiệt độ nước mặt trung bình tháng biển Na Uy tháng 2 năm 1984 bằng những phương pháp khác nhau: a − Phương pháp Bayes một chiều, b − Phương pháp Bayes đa chiều, c − Tự hồi quy một chiều, d − Tụ hồi quy đa chiều Hình 6.8. Những hàm tự tương quan điển hình của hai thành phần chính đầu tiên của các chuỗi dị thường nhiệt độ nước mặt trung bình tháng vùng biển Na Uy (a), Đông Bắc Đại Tây Dương (b), vùng Gơnstrim (c) Phân tích các đồ thị hàm tự tương quan của các thành phần chính (hình 6.8) cho phép ước lượng khoảng tương quan cực đại: theo toàn vùng đông bắc Đại Tây Dương và biển Na Uy (32 ô cạnh 5° kinh vĩ) khoảng tương quan cực đại bằng 7 tháng với )( 1 aτ và giảm xuống còn 3 tháng với )( 5 aτ . Thực tế khoảng này chỉ ra giới hạn khả báo cực đại của dự báo: từ 7 đến 3 tháng. 102 Bảng 6.1. Hiệu quả dự báo dị thường nhiệt độ mặt đại dương trung bình tháng và trung bình mùa theo 32 ô ở Bắc Đại Tây Dương (c huỗi độc lập từ tháng 1 đến tháng 8 năm 1981) Thời hạn dự báo Độ xác thực, % Hiệu quả, % 1 tháng 88 53 2 tháng 69 22 3 tháng 66 9 4 tháng 67 12 5 tháng 81 15 6 tháng 69 13 7 tháng 88 2 1 mùa (I−II) 81 46 2 mùa (III−V) 78 7 3 mùa (VI−VIII) 72 3 Bảng 6.2. Ước lượng phần đóng góp (I) và độ ổn định của các hàm trực giao tự nhiên của dị thường nhiệt độ mặt đại dương trung bình tháng tính theo 18 ô 5 ° kinh vĩ thuộc vùng Gơnstrim (Bắc Đại Tây Dương) I II  == 18 11 i i k i i λλ % 1957−1971 i 1957−1971 1976−1981 1976−1981 1 X 2 X 3 X 4 X 5 X 1 33 24 1 X 0,66 −0,53 0,08 −0,12 0,03 2 54 42 2 X 0,56 0,43 −0,02 0,07 0,46 3 68 55 3 X 0,24 0,48 0,20 0,17 −0,48 4 74 66 4 X 0,03 0,06 −0,71 −0,19 0,02 5 80 75 5 X 0,18 −0,10 0,23 −0,32 −0,25 Đã tiến hành phân tích tương tự với những chuỗi giá trị trung bình mùa dị thường nhiệt độ mặt đại dương. Xác định được giới hạn khả báo cực đại bằng 1 −2 mùa. Độ xác thực dự báo dẫn trong bảng 6.1. Độ xác thực cao ứng với thời hạn dự báo 1 −2 tháng và 1 mùa (hơn 80%). Bây giờ ta phân tích một vấn đề rất quan trọng − độ ổn định của các hàm trực giao tự nhiên trong tọa độ không gian, vì với những )(τ i a R khá cao thì những giá trị dự báo nhiệt độ mặt đại dương có thể biến thiên mạnh trong trường hợp các hàm trực giao không ổn định. Được biết rằng [115] các hàm trực giao tự nhiên được tính với độ chính xác tới một số thập phân. Vì vậy thay dấu của các hàm trực giao tự nhiên khi bước trễ của chuỗi bằng 1 và hơn 1 bước thời gian có thể dẫn tới tính sai phần đóng góp của thành phần được dự báo. Cần đặc biệt lưu ý điều này nếu trong mô hình dự báo dạng (4.1) mỗi một dự báo tiếp sau được xem như trị số thực và thủ tục dự báo lặp lại cho bước 1, bước 2 và các bước tiếp sau. Trong bảng 6.2 dẫn những kết quả rất đáng quan tâm: từ bảng này suy ra rằng độ ổn định của các hàm trực giao tự nhiên khá cao: khi xê dịch các chuỗi tới 60 giá trị (tháng) so với nhau mà vẫn giữ ngu yên những nét chính của bản đồ dị thường nhiệt độ mặt đại dương trong trường ba hàm trực giao tự nhiên đầu tiên ở một vùng rất biến động như vùng Gơnstrim. Bảng 6.3. Hiệu quả dự báo dị thường nhiệt độ mặt đại dương trung bình tháng theo 22 ô 5 ° kinh vĩ và trung bình mùa theo 10 ô 5° kinh vĩ ở Bắc Đại Tây Dương (chuỗi độc lập từ tháng 1 đến tháng 6 năm 1982 Thời hạn dự báo Độ xác thực, % Hiệu quả, % 1 tháng 73 28 2 tháng 73 33 3 tháng 61 14 4 tháng 77 9 5 tháng 77 −3 6 tháng 68 0 1 mùa (I−III) 80 20 2 mùa (IV−VI) 80 20 Như vậy là hiệu quả dự báo với thời hạn báo trước 1−2 bước thời gian theo một thủy vực khá lớn được quyết định chủ yếu bởi những tính chất của )(τ i a R trong điều kiện giữ nguyên những đặc điểm không gian [...]... Dấu 0 ,67 σ 0,8σ Mức sai số tương đối của dự báo −0,729 0,008 0 ,61 4 8,33 25,00 33,33 1,429 Quán tính 0,309 91 ,67 66 ,67 70,83 0,720 Bayes −0,072 0, 269 83,33 45,83 58,33 0 ,62 6 Động lực − thống kê −0,088 0, 261 95,83 70,83 70,83 0 ,61 6 Xác suất −0,132 0,259 91 ,67 70,83 70,83 0 ,60 2 AP-1 −0,100 0, 269 91 ,67 66 ,67 75,00 0 ,62 6 AP-2 −0,115 0, 265 95,83 66 ,67 70,83 0 ,62 7 AP-3 −0,123 0,270 95,83 66 ,67 70,83 0 ,62 8 Fourier... văn dài hạn [61 , 65 ] Một trong những kết luận chính rút ra qua phân tích kết quả dự báo độc lập lượng băng biển Baren là: ứng dụng các mô hình thống kê đa chiều có lợi thế đáng kể cả về mức hiệu quả lẫn về thời gian báo trước của dự báo so với trường hợp dự báo bằng những mô hình thống kê một chiều Ở đây giải quyết được hai vấn đề khó nhất: a) Phát triển được những sơ đồ dự báo cho các quá trình quy mô... sử dụng các mô hình đa chiều so với các dự báo những chuỗi đặc trưng hải dương xuất phát trực tiếp bằng các mô hình một chiều cả về phương diện hiệu quả lẫn thời gian báo trước Nếu như kết quả thứ nhất (vận dụng các mô hình xác suất một chiều) đã khá quen thuộc và được thực tiễn dự báo khẳng định [65 , 1 46, 151], thì kết quả thứ hai − cho phép ta theo cách mới nhìn nhận những khả năng dự báo các tham... những kết quả chính dự báo thống kê các quá trình hải dương Về phương diện phương pháp luận cần lưu ý hai nguyên tắc đã thực hiện – nguyên tắc thống nhất giữa mô tả quá trình về mặt vật lý và về mặt thống kê và nguyên tắc bổ sung, có nghĩa rằng vận dụng các mô hình thống kê khác nhau như thể là ta đang xem xét các "mặt" khác nhau của đối tượng nghiên cứu Những nguyên tắc này đã cho phép định danh các. .. chuẩn về độ chính xác dự báo khác nhau (bảng 6. 8) Vì quá trình có quán tính cao Như vậy, tách ra và dự báo thành phần chu kỳ dài của quá trình có thể thực hiện một cách khá tin cậy bằng những mô hình xác suất tuyến tính đơn giản bậc nhất So sánh các kết quả dự báo trị số lượng băng trung bình tháng và trung bình năm (xem các bảng 6. 7, 6. 8) cho thấy rằng sự tăng chất lượng của các mô hình xác suất là... nghĩa của quá trình (các thành phần chính, các nhân tố khái quát ) đã nhận được trong quá trình chẩn đoán thống kê về quá trình, tức xây dựng các mô hình dự báo đa chiều Bây giờ chúng ta xem xét những kết quả dự báo trị số lượng băng trung bình tháng ở biển Baren bằng các mô hình đa chiều kiểu (4.1) Tại giai đoạn thứ nhất (chẩn đoán), tập số liệu xuất phát được biến đổi bằng phương pháp các thành phần... băng ở đây giữ nguyên 108 (xem công thức (4.2)); chỉ có các trị số của các thành phần chính được dự báo là biến đổi trong khi các vectơ riêng không đổi Trong thực tế có thể dự báo những quá trình với quy mô khác nhau bằng các mô hình thống kê đa chiều Trên các hình 6. 11 và 6. 12 thể hiện những thí dụ dự báo độc lập và phân bố sai số của 204 dự báo độc lập lượng băng từ năm 1973 đến 1989 Nét đáng chú... các tham số tổng quát Thật vậy, sau khi phân tích những dự báo đã thực hiện, ta thấy rằng cách tiếp cận này cho phép: a) Dự báo quá trình đa chiều mà không phải tăng số chiều của mô hình dự báo; b) Tăng thời gian báo trước của dự báo không phải do ngoại suy các tham số mô hình, mà do sự ổn định của các hàm cơ sở, tức tính tới tính liên hệ của trường hay của các chuỗi thời gian Dự báo phân bố không... một mô hình dự báo đa chiều; b) Đạt được phân bố sai số dự báo, cũng tức là các đặc trưng chất lượng dự báo, tương đối đều trên toàn khoảng dự báo ( ΔLΦ ), ta nhận thấy những đặc điểm: a) Các sai số dự báo phân bố tương đối đều đặn trên toàn khoảng dự báo độc lập; b) Những trị số sai số cực đại rơi vào các tháng mùa xuân và mùa đông, những sai số nhỏ nhất − các tháng mùa hè và mùa thu Những đặc điểm... danh các mô hình dự báo một cách tốt nhất (theo nghĩa thống kê) , tức xác định các tham số của chúng − bậc, kích thước và mức độ liên hệ giữa các yếu tố của các mô hình Cơ sở của phương pháp luận là thủ tục ngoại suy những tham số 113 tổng quát bằng các phương pháp thống kê khác nhau, trong đó có cả những mô hình bao gồm các thủ tục kết hợp Những dự báo về nhiệt độ nước lớp mặt Bắc Đại Tây Dương và lượng . ở những vùng khác của đại dương vùng Nam Cực. Chương 6 - NHỮNG KẾT QUẢ DỰ BÁO THỐNG KÊ CÁC QUÁ TRÌNH HẢI DƯƠNG HỌC Nhiều thí nghiệm về phương pháp luận dự báo những tham số tổng quát. lực − thống kê −0,088 0, 261 95,83 70,83 70,83 0 ,61 6 Xác suất −0,132 0,259 91 ,67 70,83 70,83 0 ,60 2 AP-1 −0,100 0, 269 91 ,67 66 ,67 75,00 0 ,62 6 AP-2 −0,115 0, 265 95,83 66 ,67 70,83 0 ,62 7. này − dự báo những tham số tổng quát có nghĩa của quá trình (các thành phần chính, các nhân tố khái quát ) đã nhận được trong quá trình chẩn đoán thống kê về quá trình, tức xây dựng các mô

Ngày đăng: 09/08/2014, 16:21

TỪ KHÓA LIÊN QUAN

w