Báo cáo nghiên cứu khoa học " Nghiên cứu phương pháp dự báo dông cho sân bay Nội Bài theo trường khí tượng dự báo bằng mô hình ETA " doc

Đà tiến hành tuyển chọn nhân tố dự báo và chọn được CAPEmax, SWEATmin, KOmax, KOmin, Kavar and SDWmin làm nhân tố dự báo.Sử dụng hời quy tuyến tinhs để xây dựng phương trình dự báo dông,

115 _

Nghiên cứu phương pháp dự báo dông cho sân bay Nội Bài

theo trường khí tượng dự báo bằng mô hình ETA

Trần Tân Tiến*, Đỗ Thị Hoàng Dung

Khoa Khí tượng Thủy văn và Hải dương học, Trường Đại học Khoa học Tự nhiên, ĐHQGHN

Ngày nhận 02 tháng 01 năm 2009

Tóm tắt Bài báo trình bày dự báo xuất hiện dông tại Nội Bài bằng cách sử dụng kết quả dự báo

các trường khí tượng của mô hình ETA.Sản phẩm của ETA đưa ra ở 141x141 điểm với độ phân giải 28 km và 38 mực.Miền tính từ -4 độ đến 32 độ và từ 90 đến 125 độ Đã sử dụng phần mềm RAOB 5.6 để tính các chỉ số dông ở 10x10 điểm mà Nôi Bài nằm ở tâm của miền con.Đã tìm giá trị cưc tri và giá tri trung bình của các chỉ số đong trong miền tính làm nhân tố dự tuyển Đà tiến hành tuyển chọn nhân tố dự báo và chọn được CAPEmax, SWEATmin, KOmax, KOmin, Kavar and SDWmin làm nhân tố dự báo.Sử dụng hời quy tuyến tinhs để xây dựng phương trình dự báo dông,Kết quả đánh giá trên chuỗi số liệu phụ thuộc và độc lập cho thấy phương pháp dự báo cho kết quả tố và có thể sử dụng trong điều kiện nghiệp vụ

1 Giới thiệu∗

Các hiện tượng thời tiết nguy hiểm nói

chung và dông sét nói riêng có tác động mạnh

mẽ đến mọi mặt của đời sống kinh tế xã hội và

gây nguy hại cho sự phát triển bền vững của

các quốc gia trên thế giới Đặc biệt trong bối

cảnh hiện nay khi tình hình thời tiết khí hậu

đang có nhiều dấu hiệu diễn biến phức tạp thì

vấn đề này càng thu hút nhiều sự quan tâm và

nghiên cứu của cộng đồng và các nhà khoa học

trên thế giới

Việt Nam nằm trong khu vực nhiệt đới gió

mùa, tại một trong những trung tâm dông lớn

của thế giới, dông hầu như có thể xảy ra quanh

năm ở tất cả các khu vực trên cả nước nên nguy

cơ tác động của dông sét đối với các ngành kinh

tế nói chung và ngành hành không nói riêng là rất

lớn Cùng với sự phát triển nhanh của đời sống kinh tế cộng đồng, nhu cầu vận chuyển và đi lại bằng đường hàng không ngày càng cao nên nguy

cơ các tại nạn hàng không xảy ra càng nhiều Vì vậy việc nâng cao chất lượng dự báo dông cho khu vực sân bay là vấn đề có tính cấp thiết

∗ Tác giả liên hệ ĐT: 84-4-38584943

E-mail: tientt@vnu.edu.vn

Trong vài thập kỷ gần đây việc áp dụng phương pháp số trị cho dự báo dông ở các cảng hàng không đã và đang được các nhà khoa học phát triển mạnh mẽ, và đã đạt được một số kết quả đáng kể Nhằm đáp ứng nhu cầu thực tiễn của việc nâng cao chất lượng dự báo dông, góp phần tăng cường hiệu quả việc áp dụng các phương pháp dự báo hiện đại trong dự báo dông, đảm bảo an toàn cho ngành hàng không tránh các thiệt hại về người và của do dông gây

ra tại khu vực sân bay, đặc biệt là trên khu vực đường băng, chúng tôi đã tiến hành nghiên cứu phương pháp dự báo dông cho sân bay Nội Bài theo các trường khí tượng dự báo bằng mô hình ETA

Trong nghiên cứu này chúng tôi dự báo sự

xuất hiện dông ở sân bay Nội Bài và vùng phụ

cận cho hạn dự báo đến 48 giờ, mỗi dự báo cách

nhau 3 giờ, bằng cách trường khí tượng dự báo

lấy từ mô hình dự báo thời tiết bất thủy tỉnh ETA

2 Mô hình ETA

Mô hình dự báo thời tiết bất thủy tĩnh ETA

do trường đại học Belgrade và Viện Khí Tượng

- Thuỷ Văn Federal - Belgrade cùng với Trung

Tâm Khí Tượng Quốc Gia Mỹ xây dựng

Điểm đặc biệt của mô hình này là sự biến

đổi từ hệ toạ độ theo phương thẳng đứng σ sang

một hệ toạ độ mới là hệ tọa độ thẳng đứng địa

hình η Hệ toạ độ này được sử dụng nhằm loại

bỏ hoặc giảm thiểu sai số của mô hình sinh ra

trong tính toán lực gradien khí áp ngang, bình

lưu, khuếch tán ngang dọc địa hình dốc Trong

hệ toạ độ η, độ cao địa hình được chia thành

từng cấp bậc, cấp bậc này phụ thuộc vào độ

phân giải thẳng đứng của mô hình và độ cao

của núi Hệ toạ độ η cho phép địa hình tồn tại

hơn một mặt trong khi hệ tọa độ σ chỉ có một

Điều này cho phép tính toán gradien khí áp

ngang chính xác hơn do ta không đưa vào sai số

do biến đổi độ cao địa hình giữa các điểm lưới

Với hệ toạ địa hình η, mô hình có thể nắm bắt

được dòng chuyển động cưỡng bức địa hình tạo

điều kiện thuận lợi cho đối lưu phát triển

Theo phương ngang mô hình ETA sử dụng

lưới toạ độ bán so le E Qua nghiên cứu thực tế

cho thấy, lưới E mô phỏng các quá trình quy

mô nhỏ tốt hơn các loại lưới khác Đạo hàm

theo thời gian trong ETA được sai phân theo sơ

đồ sai phân thời gian hiển A Đối với các quá

trình quy mô nhỏ thì sử dụng sơ đồ sai phân

hiển tiến - lùi Các số hạng bình lưu được sai

phân hoá bằng cách áp dụng kỹ thuật tách, kỹ

thuật này cho phép sử dụng bước thời gian lớn,

do đó hiệu suất tính toán của mô hình cao hơn

so với các phương pháp khác

Bên cạnh việc cung cấp các thông tin dự

báo của các trường khí tượng hàng ngày cho

các trung tâm dự báo thời tiết thì hiện nay có rất nhiều mô hình số trị động lực về thuỷ văn, hải văn, môi trường (như mô hình dự báo nước dâng do bão, mô hình dự báo sóng, mô hình dự báo lũ, mô hình lan truyền ô nhiễm ) có yêu cầu đầu vào từ các kết quả dự báo của mô hình

dự báo số Do đó việc nghiên cứu áp dụng mô hình ETA có ý nghĩa thực tiễn lớn trong phục

vụ công tác dự báo thời tiết hàng ngày và cung cấp số liệu đầu vào cho các mô hình nói trên Theo đánh giá của NCEP thì mô hình ETA cho kết quả dự báo khá tốt ở miền nhiệt đới, đặc biệt là khu vực đồi núi

Hiện nay trên thế giới có nhiều nước sử dụng mô hình ETA như Nam Tư, Hy Lạp, Italy, Rumani và các nước Nam Mỹ Phiên bản mới nhất của mô hình ETA bất thuỷ tĩnh được hoàn thiện và sử dụng tại Đại Học Tổng Hợp Hy Lạp, đứng đầu là GS G Kaloss Nhóm nghiên cứu dự báo khí tượng của Trường Đại Học Khoa Học Tự Nhiên - Đại Học Quốc Gia Hà Nội với sự giúp đỡ của GS G Kaloss đã áp dụng thành công mô hình này vào thử nghiệm

dự báo thời tiết ở việt nam

3 Xây dựng phương trình dự báo dông cho sân bay Nội Bài

3.1 Cơ sở dữ liệu

Số liệu ban đầu của mô hình ETA được lấy

từ số liệu lưu trữ của mô hình toàn cầu AVN Trường số liệu của mô hình AVN có độ phân giải ngang 10 x 10 kinh vĩ (tương đương 111km) trên 26 mực theo chiều thẳng đứng Các số liệu này được cung cấp miễn phí trên internet ở các thời điểm 00z, 06z, 12z, 18z Vì trường số liệu của mô hình AVN chưa phù hợp với trường số liệu của mô hình ETA nên chúng được nội suy

về số liệu của mô hình ETA bằng một chương trình Fortran Quá trình chạy và hiển thị kết quả của mô hình khoảng 1 giờ, kết qủa dự báo các trường khí tượng như độ cao địa thế

vị, nhiệt độ, gió, độ ẩm được dự báo và ghi

ra 3 giờ một

Kết quả dự báo các trường khí tượng này

được ghi ra trên các điểm lưới của miền lưới

gồm 141 x 141 điểm, bước lưới 0.25 độ (tương

đương 28km) bao phủ vùng lãnh thổ có vĩ độ ϕ

= -40 ÷ 320, kinh độ δ = 900 ÷ 1250, tâm lưới

nằm tại tọa độ (108,14), Việt Nam nằm giữa

miền lưới Từ miền lưới này chúng tôi chọn ra

một miền lưới con gồm 10x10 điểm, bao phủ

khu vực có vĩ độ ϕ = 200 ÷ 22.250, kinh độ δ =

1040 ÷ 106.250, sân bay Nội Bài (có tọa độ ϕ

=21.240, δ = 105.380) nằm giữa miền tính Các

chỉ số dông được tính theo các trường khí tượng

dự báo 48 giờ bằng mô hình ETA trên các điểm

lưới của miền lưới con này

Để tính được các chỉ số dông chúng tôi đã

lấy ra các trường dự báo độ cao địa thế vị, nhiệt

độ, nhiệt độ điểm sương, độ ẩm tương đối,

thành phần gió kinh hướng và thành phần gió vĩ

hướng tại 100 điểm lưới của miền lưới con trên

38 mực (các mực cách nhau 25mb từ mực

1000mb đến mực 75mb) tại các thời điểm dự

báo 03h, 06h, 09h, 12h, 15h, 18h, 21h, 24h,

27h, 30h, 33h, 36h, 39h, 42h, 45h, 48h

3.2 Yếu tố dự báo và nhân tố dự báo

* Yếu tố dự báo

Yếu tố dự báo để xây dựng phương trình dự

báo là xác suất xuất hiện hiện tượng dông tại

sân bay Nội Bài trong khoảng thời gian 3h Nếu

dông được quan trắc trong cả 3 giờ liên tiếp thì

yếu tố dự báo có giá trị bằng 1, nếu dông được

quan trắc trong 2 giờ bất kỳ thì yếu tố dự báo

nhận giá trị 0.66, nếu dông được quan trắc trong

1 giờ bất kỳ thì yếu tố dự báo nhận giá trị 0.33,

và yếu tố dự báo nhận giá trị 0 nếu dông không

được quan trắc trong 3 giờ liên tiếp Do đó yếu

tố dự báo của phương trình dự báo là một chuỗi

số liệu chỉ gồm các số 0, 1, 0.66 và 0.33 Trong

khi đó, yếu tố dự báo của qui trình dự báo dông

là sự xuất hiện hiện tượng dông tại khu vực sân

bay và vùng phụ cận trong 3 h Việc xác định ngưỡng dự báo cho yếu tố dự báo của qui trình

dự báo sẽ được trình bày trong các phần sau

Độ dài của chuỗi số liệu yếu tố dự báo gồm 480 lần quan trắc trong 30 ngày của 3 tháng 5, 6, 7 của năm 2006

* Nhân tố dự báo

Nhân tố dự báo của qui trình và phương trình dự báo là các giá trị lớn nhất, nhỏ nhất, và trung bình của các chỉ số dông được tính theo phần mềm RAOB 5.6 Khu vực tính toán là miền lưới xung quanh trạm Nội Bài gồm 100 điểm lưới

Từ kết quả các trường khí tượng output của

mô hình ETA như đã trình bày ở trên, phần mềm RAOB 5.6 đã tính toán được giá trị của 15 chỉ số dông tại 100 nút lưới Các chỉ số dông được phần mềm RAOB 5.6 tính toán gồm có: Cape Total, Boyden Index, Cross Total, Jefferson Index, K Index, KO Index, Lifted Index, S Index, Showalter Index, nhiệt độ điểm sương bề mặt (SDW), Sweat Index, Thompson Index, TQ Index, Total Totals, Vertical Total Sau đó chúng tôi tính các giá trị lớn nhất, giá trị nhỏ nhất và giá trị trung bình của từng chỉ số trong 100 điểm lưới cho từng trường hợp Các giá trị lớn nhất, nhỏ nhất và trung bình của từng chỉ số này được xem như các nhân tố dự tuyển (có tổng cộng 3 x 15 = 45 nhân tố dự tuyển) Giá trị 45 nhân tố này tại các thời điểm dự báo: 03h, 06h, 09h, 12h, 15h, 18h, 21h, 24h, 27h, 30h, 33h, 36h, 39h, 42h, 45h, 48h của 30 dự báo trong 3 tháng 5, 6, 7 của năm 2006, tạo ra chuỗi số liệu gồm 30x16=480 trường hợp Các nhân tố kể trên ở thời điểm ti được dùng để dự báo hiện tượng dông trong khoảng thời gian 3 giờ (ti <t< ti+1, với i là các mốc thời gian như trên) Qui trình tính toán được minh họa trong hình 1

Hình 1 Qui trình tính toán dự báo dông cho sân bay Nội Bài

3.3 Tuyển chọn nhân tố dự báo

a) Tuyển chọn nhân tố dự báo theo chỉ tiêu

phân lớp R

Ta có hai pha thời tiết là φ1 (không xảy ra

dông) và φ2 (có dông) Sử dụng nhân tố dự báo

xi, theo số liệu trên, ta chia xi ứng với hai pha

thời tiết φ1 và φ2 Trong từng lớp ta chọn được

giá trị cực đại và cực tiểu của chúng Ký hiệu

các giá trị đó là xmax1 , xmax2 và xmin1 , xmin2

Miền chung của hai lớp có thể xác định được

bởi:

δ=min(xmax1,xmax2)- max(xmin1,xmin1)

Miền xác định của x theo chuỗi số liệu sẽ là :

∆=max(xmax1, xmax2)- min(xmin1,xmin2) -s

Ở đây s = δ khi δ<0, s = 0 khi δ>0

Chỉ tiêu để tuyển chọn nhân tố dự báo sẽ là R=

∆

δ

(1)

Trong chuỗi số liệu đầu ra của mô hình gồm

480 trường hợp, chúng tôi chọn chuỗi gồm 319 trường hợp làm chuỗi số liệu phụ thuộc để xây dựng phương trình dự báo dông và 161 trường hợp còn lại được dùng làm chuỗi số liệu độc lập

để kiểm nghiệm lại phương pháp dự báo Trước hết 45 nhân tố có độ dài 480 trường hợp được

sử dụng và được đánh giá theo các tiêu chí R nói trên để tìm ra các nhân tố dự báo tốt nhất Kết quả tính toán chỉ tiêu tuyển chọn nhân tố theo công thức (1) được liệt kê trong bảng 1

Bảng 1 Chỉ tiêu tuyển chọn nhân tố R đối vói các chỉ số dông lớn nhất, nhỏ nhất, trung bình trên 100 điểm lưới

X01 X02 X03 X04 X05 X06 X07 X08 X09 X10 X11 X12 X13 X14 X15

max 0.57 0.85 0.76 0.85 0.97 0.62 0.59 0.81 0.88 0.78 0.75 0.84 0.92 0.94 0.83 min 0.41 0.86 0.89 0.93 0.88 0.70 0.48 0.97 0.89 0.67 0.60 0.84 0.92 0.84 0.77

TB 0.51 0.91 0.71 0.73 0.70 0.75 0.56 0.76 0.72 0.75 0.89 0.73 0.79 0.71 0.80

(Ghi chú: các nhân tố từ X01 đến X15 lần lượt tương ứng với các chỉ số Cape Total, Boyden Index, Cross Total, Jefferson Index, K Index, KO Index, Lifted Index, S Index, Showalter Index, nhiệt độ điểm sương bề mặt (SDW), Sweat Index, Thompson Index, TQ Index, Total Totals, Verticcal )

Như chúng ta đã biết, R càng tiến gần đến 1

tức là nhân tố dự báo đó không có khả năng

phân lớp, còn R càng tiến gần đến 0 thì miền

phân chia giữa hai pha thời tiết càng lớn Chính

vì vậy, dựa theo kết quả tính R trong bảng trên

ta có thể thấy rằng có 11 nhân tố dự báo cho kết

quả R thấp nhất là: CAPEmax, CAPEmin,

CAPEtb, LImax, LImin, LItb, SWEATmin,

KOmax, KOmin, KOtb, SDWmin Các nhân tố này được chọn để tiếp tục đưa vào tuyển chọn theo hệ số tương quan giữa chúng

b) Tuyển chọn nhân tố dự báo theo hệ số tương quan

Kết quả tính toán hệ số tương quan của các nhân tố được chỉ ra trong bảng 2

Bảng 2 Hệ số tương quan của 11 nhân tố dự báo

X01 X02 X03 X04 X05 X06 X07 X08 X09 X10 X11 X01 1.00 0.86 0.96 0.76 0.91 0.86 0.24 0.73 0.74 0.23 0.43 X02 0.86 1.00 0.92 0.80 0.81 0.83 0.19 0.68 0.54 0.20 0.51 X03 0.96 0.92 1.00 0.79 0.89 0.88 0.22 0.75 0.69 0.21 0.48 X04 0.76 0.80 0.79 1.00 0.85 0.94 0.13 0.75 0.50 0.04 0.55 X05 0.91 0.81 0.89 0.85 1.00 0.95 0.15 0.70 0.68 0.05 0.41 X06 0.86 0.83 0.88 0.94 0.95 1.00 0.14 0.75 0.62 0.05 0.50 X07 0.24 0.91 0.22 0.13 0.15 0.14 1.00 0.10 0.34 0.45 0.21 X08 0.73 0.68 0.75 0.75 0.70 0.75 0.10 1.00 0.70 0.03 0.48 X09 0.74 0.54 0.69 0.50 0.68 0.62 0.34 0.70 1.00 0.02 0.03 X10 0.23 0.20 0.21 0.04 0.05 0.05 0.45 0.03 0.02 1.00 0.16 X11 0.43 0.51 0.48 0.55 0.41 0.50 0.21 0.48 0.03 0.16 1.00

(ghi chú: các nhân tố từ X01 đến X11 lần lượt tương ứng với các chỉ số CAPEmax, CAPEmin, CAPEtb, LImax., LImin, LItb, SWEATmin, KOmax, KOmin, Ktb, SDWmin)

Từ bảng này ta thấy các nhân tố CAPEmax,

Sweatmin, KOmax, KOmin, Ktb, Sdwmin có

hệ số tương quan nhỏ so với các nhân tố còn lại,

chính vì vậy 5 nhân tố này được chọn để xây

dựng phương trình dự báo

3.4 Xây dựng phương trình dự báo

Sử dụng phương pháp hồi qui tuyến tính

nhiều biến chúng tôi thu được phương trình dự

báo có dạng như sau:

P = 0.4004 + 0.000018.CAPEmax - 0.000413.SWEATmin - 0.125841.KOmax – 0.001602.KOmin + 0.004460.Ktb - 0.274558.SDWmin (2)

Quá trình tính toán để xây dựng phương trình dự báo được trình bày trong sơ đồ khối trong hình 2:

Hình 2 Qui trình tính toán xây dựng phương trình dự báo

3.5 Đánh giá phương trình dự báo

* Phương pháp đánh giá

Người ta có nhiều phương pháp để đánh giá

kết quả, nhưng trong dự báo dông chúng tôi sử

dụng phương pháp đánh giá kết quả dự báo pha

(có hay không có dông xảy ra) Trong dự báo ta

có hai pha thời tiết: có dông và không có dông

Tổng số trường hợp xảy ra hai pha thời tiết có

dông và không có dông là N, trong đó N1 là số lần

xảy ra pha thời tiết có dông; N2 là số lần xảy ra

pha thời tiết không có dông Độ chính xác của

phương pháp dự báo có thể biểu diễn trên bảng 3

- Độ chính xác của phương pháp:

N

N N

Với N: Tổng số lần dự báo

N11: Số lần dự báo đúng pha có dông

N22: Số lần dự báo đúng pha không có dông Bảng 3 Độ chính xác của dự báo pha theo

số lần dự báo

Dự báo Pha thời tiết

Có dông Không dông

Tổng

- Ngoài độ chính xác của phương pháp dự báo, chúng tôi sử dụng thêm chỉ số Hit Rate (Tỉ

lệ dự báo đúng sự xuất hiện dông) để đánh giá: POD = N11 / N1

* Kết quả đánh giá dự báo trên chuỗi số

liệu phụ thuộc và độc lập

Để đánh giá kết quả của phương pháp dự

báo, chúng tôi tiến hành chọn lần lượt các

ngưỡng dự báo cho phương trình dự báo dông (2) Kết quả của U và POD cho chuỗi phụ thuộc

và chuỗi độc lập được thể hiện trong bảng 4 và

5 dưới đây

Bảng 4 Đánh giá trên chuỗi số liệu phụ thuộc Bảng 5 Đánh giá trên chuỗi số liệu độc lập

Từ hai bảng trên ta thấy nhìn chung khi

tăng dần ngưỡng dự báo P0 từ 0.3 đến 0.6 thì độ

chính xác của phương pháp dự báo (U) tăng dần

lên trong khi đó thì tỉ lệ dự báo đúng sự xuất

hiện tượng dông hiện tượng dông (POD) lại có

xu hướng giảm đi đối với cả chuỗi phụ thuộc và

chuỗi độc lập Giá trị POD trên chuỗi độc lập

thấp Tốc độ giảm tỉ lệ POD trên chuỗi độc lập

nhanh hơn nhiều so với chuỗi phụ thuộc khi

tăng dần giá trị của P0, tuy nhiên, độ chính xác của phương pháp dự báo trên chuỗi độc lập lại cho kết quả khả quan hơn so với chuỗi phụ thuộc Sau khi đối chiếu, so sánh kết quả đánh giá dự báo trên chuỗi phụ thuộc và chuỗi độc lập, chúng tôi chọn ngưỡng dự báo P0 = 0.6 làm ngưỡng dự báo sự xuất hiện dông Qui trình dự báo dông được mô tả trong hình 3 dưới đây

Hhhhj

Hình 3 Qui trình dự báo dông cho sân bay Nội Bài

4 Kết luận

Qua quá trình nghiên cứu áp dụng các

trường dự báo khí tượng của mô hình ETA cho

dự báo sự xuất hiện dông tại sân bay Nội Bài

trong 3 giờ với hạn dự báo lên đến 48 giờ,

chúng tôi nhận thấy nghiên cứu cho kết quả dự

báo khá khả quan Độ chính xác của phương

pháp dự báo trên đạt 70% và độ chính xác của

sự báo đúng sự xuất hiện dông đạt gần 60%

Nghiên cứu đã tạo được bộ số liệu dự báo

từ mô hình ETA gồm 480 trường hợp của các

tháng 5,6,7 năm 2006 trên miền lưới gồm 141 x

141 điểm, tâm lưới tại tọa độ (108,14), bước

lưới 0.25 độ, có vĩ độ ϕ = -40 ÷ 320, kinh độ δ =

900 ÷ 1250 Các chỉ số dông đã được tính toán

trên miền lưới con 10x10 điểm, bao phủ khu

vực có vĩ độ ϕ = 200 ÷ 22.250, kinh độ δ = 1040

÷ 106.250, sân bay Nội Bài nằm giữa miền tính

Thông qua các bước tuyển lựa nhân tố dự báo,

nghiên cứu đã tìm được các nhân tố dự báo phù

hợp để đưa vào xây dựng phương trình dự báo,

đồng thời đã tìm được ngưỡng dự báo sự xuất

hiện dông P0 = 0.6 và đưa ra được qui trình dự

báo áp dụng cho sân bay Nội Bài

Kết quả khả quan thu được từ nghiên cứu

này cho thấy khả năng áp dụng các trường dự

báo khí tượng của mô hình ETA vào dự báo

dông cho khu vực nhỏ trong khoảng thời gian

ngắn (vài giờ) tại các sân bay, công trình xây

dựng là hướng đi có triển vọng tốt Chúng tôi

đề xuất các nghiên cứu sâu hơn trong tương lai đối với việc áp dụng mô hình ETA vào dự báo dông như việc kết hợp mô hình ETA với các

mô hình dự báo khác Đây là kết quả nghiên cứu của đề tài NCCB mã số 705806

Tài liệu tham khảo

[1] Trần Công Minh, Khí tượng synôp phần nhiệt

đới, NXB Đại học Quốc gia Hà Nội, Hà Nội,

2006

[2] Trần Tân Tiến, Nguyễn Đăng Quế, Xử lý số liệu Khí tượng và dự báo thời tiết bằng phương pháp thống kê vật lý, NXB Đại học Quốc gia Hà Nội,

Hà Nội, 2002

[3] D.H Kitzmiller, F.G Samplatsky, Christopher

Mello, Probabilistic forecast of severe local

storm in the 0-3 hour timeframe from an advective-statistical yechnique, National

Weather Service, NOAA, 2002

[4] K.K Hughes, Automated Gridded Forecast

Guidance for Thunderstorms and Severe Local Storms Based on the Eta Model, National

Weather Service, NOAA, 2002

[5] M.J Schmeits, K.J Kok, D.H.P Vogelezang, Probability forecasting of (severe) thunderstorms in the netherlands using model output statistics, Royal Netherlands Meteorological Institute, 2004

Studying the thunderstorm forecast technique applied for Noibai airport using forecast outputs of ETA model

Tran Tan Tien, Do Thi Hoang Dzung

Faculty of Hydro-Meteorology & Oceanography, College of Science, VNU

The forecasting of thunderstorm occurence in the area of Noi Bai airport and the surroundings using forecast outputs of ETA model for projections out to 48 h in advance (with 3-h periods) is decribed

The forecast outputs of ETA model is derived on a grid-box of 141x141 grid-points, with the horizontal resolution of 0.250 (approximately 28 km) and 38 vertical levels, covering an area of ϕ =

-40 ÷ 320 latitude and δ = 900 ÷ 1250 longitude Vietnam is located at the centre of the grid-box A sub grid-box which includes 10x10 grid-points is extracted from this grid-box The sub one has its centre

at Noi Bai airport Forecast products received from running ETA model consist of geopotential height, temperature, dewpoint temperature, relative humidity, and horizontal wind components Using RAOB 5.6 software, we have computed 15 thunderstorm indices on 100 grid-points of the sub grid-box The potential predictor dataset which includes the maximum, minimum, and average values of these 15 indices has 480 forecast cases in total (in May, June, and July 2006) The potential predictors are selected basing on discriminant and correlation coefficient And five predictors which have most

selected in order to conduct forecast equation for Noi Bai airport Predictand of the forecast equation

is the thunderstorm probability, while the predictand of the whole forecast process is the occurrence of thunderstorm at the area within 3 hours As a source for the predictands, we have used the radar data

on thunderstorm observation in Noi Bai airport at the corresponding times

The forecast equation is derived by applying the linear regression method The overall verification results for the thunderstorm forecast system are generally good Thus, we can conclude from the verification results of this study that forecast outputs of ETA model is applicable to thunderstorm forecast in narrow areas in short intervals However, it’s certain that there is a need to increase verification results and temporal and spatial resolution of this study as well as other future studies on the relevant matter before considering using it as the operational forecast technique