Nghiên cứu phương pháp nuôi các dao động phát triển nhanh để xây dựng tổ hợp quỹ đạo bão trên biển đông

MỤC LỤC CHƯƠNG I TỔNG QUAN PHƯƠNG PHÁP DỰ BÁO TỔ HỢP 1.1 CƠ SỞ LÝ THUYẾT 1.2 PHÂN LOẠI HỆ THỐNG DỰ BÁO TỔ HỢP 1.2.1 Hệ thống dự báo tổ hợp chiều 1.2.2 Hệ thống dự báo tổ hợp chiều 17 1.2.3 Hệ thống dự báo tổ hợp chiều 19 1.3 CÁC PHƯƠNG PHÁP TỔ HỢP KẾT QUẢ DỰ BÁO 21 1.3.1.Trung bình đơn giản 21 1.3.2 Tính trọng số theo sai số .22 1.3.3 Tính trọng số hồi quy tuyến tính 22 1.4 CÁC PHƯƠNG PHÁP BIỂU DIỄN KẾT QUẢ TỔ HỢP 23 1.4.1 Bản đồ trung bình độ phân tán .23 1.4.2 Spagheti maps - Bản đồ ghép chồng 24 1.4.3 Dự báo đường bão 24 1.5 KHẢ NĂNG VÀ HIỆN TRẠNG DỰ BÁO TỔ HỢP Ở VIỆT NAM .25 CHƯƠNG 27 MÔ HÌNH DỰ BÁO THỜI TIẾT QUY MƠ VỪA RAMS VÀ ÁP DỤNG DỰ BÁO QUỸ ĐẠO BÃO TRÊN BIỂN ĐÔNG 27 2.1 GIỚI THIỆU VỀ MƠ HÌNH RAMS 27 2.1.1 Các phương trình RAMS .28 2.1.2 Cấu trúc lưới .30 2.1.3 Sai phân thời gian 31 2.1.4 Bình lưu 33 2.1.5 Các điều kiện biên 36 2.2 ÁP DỤNG MƠ HÌNH RAMS ĐỂ DỰ BÁO QUỸ ĐẠO BÃO TRÊN BIỂN ĐÔNG 40 2.2.1 Chọn miền tính cấu hình lưới .40 2.2.2 Cập nhật số liệu địa phương mơ hình RAMS 40 2.2.3 Đánh giá khả dự báo quỹ đạo bão mơ hình RAMS cho khu vực Biển Đơng 42 2.3 PHƯƠNG PHÁP TẠO NHÂN BAN ĐẦU VÀ NI NHIỄU TRÊN MƠ HÌNH RAMS 43 2.3.1 Tạo nhân ban đầu .43 2.3.2 Nuôi dao động phát triển nhanh 45 CHƯƠNG 48 THỬ NGHIỆM DỰ BÁO QUỸ ĐẠO BÃO BẰNG PHƯƠNG PHÁP NUÔI NHƯNG DAO ĐỘNG PHÁT TRIỂN NHANH CỦA MƠ HÌNH RAMS 48 3.1 MƠ TẢ TẬP SỐ LIỆU NGHIÊN CỨU 48 3.2 NUÔI NHIỄU PHÁT TRIỂN NHANH CỦA MƠ HÌNH RAMS 49 3.3 DỰ BÁO TỔ HỢP QUỸ ĐẠO BÃO BẰNG PHƯƠNG PHÁP NUÔI NHỮNG DAO ĐỘNG PHÁT TRIỂN NHANH CỦA MÔ HÌNH RAMS 55 3.3.1 Cơn bão Chan chu (12-17/5/2006) 55 3.5.2 Cơn bão Prapiroon (31/07/2006-3/8/2006) 64 3.5.3 Đánh giá khả dự báo bão phương pháp nuôi dao động phát triển nhanh toàn tập mẫu 67 KẾT LUẬN 74 LỜI CẢM ƠN Trước hết, tơi xin bày tỏ lịng biết ơn sâu sắc tới GS TS Trần Tân Tiến, người tận tình bảo hướng dẫn tơi hồn thành luận văn Tôi xin cảm ơn Thầy cô cán khoa Khí tượng - Thủy văn - Hải dương học cung cấp cho kiến thức chuyên môn quý báu, giúp đỡ tạo điều kiện thuận lợi sở vật chất suốt thời gian học tập thực hành Khoa Tơi xin cảm ơn Phịng sau đại học, Trường Đại học Khoa học Tự nhiên tạo điều kiện cho tơi có thời gian hồn thành luận văn Cuối cùng, xin gửi lời cảm ơn chân thành tới gia đình, người thân bạn bè, người bên cạnh cổ vũ, động viên tạo điều kiện tốt cho suốt thời gian học tập trường Công Thanh MỞ ĐẦU Ngày ngành công nghệ thông tin phát triển mạnh mẽ, nhờ mơ hình dự báo thời tiết số trị phát triển Cùng với phát triển mơ hình số, dự báo tổ hợp trở nên phổ biến giới Bản chất dự báo tổ hợp sử dụng kết từ nhiều dự báo thành phần khác để đưa kết dự báo tối ưu Tuy nhiên, phương pháp cụ thể để tạo thành phần dự báo cách tổng hợp kết chúng lại khác Dự báo tổ hợp có q trình phát triển tương đối lâu dài kể từ cơng trình Lorenz (1963, 1965) đề cập đến tầm quan trọng của điều kiện ban đầu kết tích phân mơ hình Cho đến nay, dự báo tổ hợp phát triển ứng dụng đa dạng nhiều nơi cho mục đích khác Phần lớn hệ thống dự báo tổ hợp nghiệp vụ giới dựa phương pháp tạo nhiễu động ban đầu tích phân mơ hình số trị với trường ban đầu để tạo nên tổ hợp dự báo Chính lý trên, việc nghiên cứu ứng dụng dự báo tổ hợp dựa phương pháp tạo nhiễu ban đầu với mơ hình số để dự báo đường bão đặt luận văn phù hợp khả thi với điều kiện Cụ thể, nội dung luận văn nghiên cứu dự báo tổ hợp phương pháp nuôi dao động phát triển nhanh mơ hình RAMS để tạo trường khí tượng ban đầu, trường ban đầu đưa vào mơ hình RAMS dự báo hạn 72 giờ, kết dự báo tổ hợp cách lấy trung bình đơn giản sử dụng để dự báo bão Dựa mục tiêu nội dung luận văn bố cục thành phần sau: MỞ ĐẦU CHƯƠNG I: TỔNG QUAN PHƯƠNG PHÁP DỰ BÁO TỔ HỢP CHƯƠNG 2: MƠ HÌNH DỰ BÁO THỜI TIẾT QUY MÔ VỪA RAMS VÀ ÁP DỤNG DỰ BÁO QUỸ ĐẠO BÃO TRÊN BIỂN ĐÔNG CHƯƠNG 3: THỬ NGHIỆM DỰ BÁO QUỸ ĐẠO BÃO BẰNG PHƯƠNG PHÁP NUÔI NHƯNG DAO ĐỘNG PHÁT TRIỂN NHANH CỦA MƠ HÌNH RAMS KẾT LUẬN CHƯƠNG I TỔNG QUAN PHƯƠNG PHÁP DỰ BÁO TỔ HỢP 1.1 CƠ SỞ LÝ THUYẾT Dự báo tổ hợp tập hợp dự báo xác định thời điểm Vì tập hợp dự báo trễ, dự báo từ trung tâm nghiệp vụ khác mô hình khác tạo dự báo tổ hợp Từ đầu năm 1990, kỹ thuật dự báo tổ hợp sử dụng để dự báo thời tiết trung tâm toàn cầu Ý tưởng dự báo tổ hợp dựa lý thuyết rối Lorenz (1963) [52] với giả thuyết rằng: “các nghiệm số thu q trình tích phân mơ hình theo điều kiện ban đầu khác (có chứa sai số) phân kì theo thời gian” Điều giải thích hiệu ứng Butterfly: chất phi tuyến phương trình mơ tả khí nên sai số nhỏ khơng thể đo trạng thái ban đầu khí trở thành sai số đủ lớn sau khoảng thời gian tích phân (10 – 14 ngày) Vì vậy, kết dự báo không sử dụng cho dù mơ hình hồn hảo Trái lại, điều kiện ban đầu gây nhiễu với giá trị nhiễu có đặc trưng cho phân bố phân bố sai số quan trắc việc tổ hợp nghiệm từ điều kiện ban đầu có gây nhiễu (mỗi điều kiện ban đầu thành phần tổ hợp) bao phủ nghiệm thực trạng thái thực khí mơ hình dự báo hồn hảo Nếu nhiễu không đặc trưng cho phân bố sai số trường ban đầu kết dự báo nằm nhóm, trạng thái khí thực xảy nhóm khác Nếu chọn phân bố sai số tương xứng dựa dự báo thành phần thu dự báo cuối việc áp dụng phương pháp thống kê phương pháp lấy trung bình cho dự báo tốt dự báo thành phần Bằng cách tính trung bình tổ hợp kết dự báo, sai số dự báo xảy điều kiện ban đầu loại bỏ dẫn đến kết dự báo tốt Đối với dự báo quỹ đạo bão (XTNĐ), phương pháp tổ hợp giữ vai trò quan trọng Giữa thập niên 1990, kỹ thuật dự báo tổ hợp nghiên cứu cho toán dự báo XTNĐ, đặc biệt dự báo quỹ đạo Việc ứng dụng xuất phát từ thực tế trường phân tích trường dự báo từ mơ hình tồn cầu thường khơng mơ tả vị trí, cấu trúc cường độ xoáy thuận nhiệt đới mạng lưới quan trắc vùng biển nhiệt đới ít, chưa đủ theo yêu cầu, mà sai số trường ban đầu ảnh hưởng đến kết dự báo XTNĐ 1.2 PHÂN LOẠI HỆ THỐNG DỰ BÁO TỔ HỢP Hệ thống dự báo tổ hợp phân chia thành loại chính: hệ thống chiều, chiều chiều 1.2.1 Hệ thống dự báo tổ hợp chiều Điều kiện độ bất định (uncertainty) trường ban đầu coi hệ thống dự báo tổ hợp chiều có chứa điều kiện nhiễu ban đầu Ba đặc tính cần phải tuân theo tạo nhiễu: Tính sát thực, tính phân kỳ, tính trực giao Tính sát thực độ lớn nhiễu cần nằm cỡ sai số phân tích thực đặc trưng cho phân bố phổ thực tế quy mô không gian Độ bất định trường ban đầu lớn sóng quy mơ nhỏ (khó quan trắc được) độ bất định trường ban đầu nhỏ sóng quy mơ lớn (dễ quan trắc được) Tính phân kỳ nhiễu cần có cấu trúc phát triển động lực thành phần cho thành phần phân nhánh nhiều trình tích phân mơ hình để chúng chứa tất trường hợp xảy khơng gian mơ hình Tính trực giao nhiễu thành phần cần trực giao để cực đại hóa dung lượng thông tin chứa tổ hợp, điều đặc biệt quan trọng dự báo tổ hợp trình quy mô nhỏ Điều kiện hay trạng thái ban đầu cần tạo nhiễu bao gồm trạng thái bên trong, biên trên, biên biên xung quanh (nếu khu vực giới hạn) Hiện có (hoặc nhiều hơn) phương pháp khác tạo nhiễu trường ban đầu (trường thực trường phân tích) đặc biệt cho trạng thái bên trường ban đầu Nhiễu ngẫu nhiên (phương pháp Monte Carlo): nhiễu sinh ngẫu nhiên dựa phương pháp thống kê (thường lấy phân bố chuẩn) Do vậy, nhiễu ngẫu nhiên mơ tả tốt độ lớn trung bình độ bất định trường ban đầu phân tích (tính sát thực), có hạn chế việc phát triển cấu trúc không gian động lực không phản ánh “sai số ngày” Kết là, nhiễu phát triển với tốc độ chậm đó, tính phân kỳ thành phần trường hợp thường không lý tưởng Phương pháp tạo nhiễu ngẫu nhiên thường dùng nơi mà khơng có phương pháp tốt Phương pháp dự báo trễ thời gian (dự báo trễ): gồm có loại dự báo chính: “dự báo trễ trực tiếp” “dự báo trễ có chuẩn hóa” (Hoffman Kalnay, 1983) [40] Phương pháp dự báo trễ trực tiếp phương pháp đưa nhiều dự báo với đầu vào thời điểm khác khứ hướng tới thời điểm tổ hợp (một kết hợp dự báo cũ mới) Phương pháp lỗi dự báo cũ thời điểm t=0 (thời điểm ban đầu) cách trực tiếp nhiễu trường ban đầu, chúng phản ánh “sai số ngày” có cấu trúc động lực phát triển độ tán tổ hợp lớn so với phương pháp nhiễu ngẫu nhiên Ưu điểm của phương pháp nhiễu sinh hoàn toàn tự không cần định hướng sinh nhiễu trường ban đầu cho tổ hợp, có nghĩa tất trung tâm dự báo số trị dùng loại dự báo để tổ hợp cách tự động Tuy nhiên, quan tâm chất lượng (độ lớn) nhiễu phụ thuộc vào tuổi dự báo chất lượng dự báo giảm theo thời gian Để tránh điểm yếu này, sai số dự báo khứ trước tiên chuẩn hóa nhờ vào “tuổi” chúng (giả thiết phát triển sai số gần tuyến tính) thời điểm t=0 để có độ lớn với tất nhiễu sau cộng thêm trừ với trường phân tích kiểm tra (control analysis) nhằm mục đích tạo đa phân tích làm trường ban đầu cho tổ hợp dự báo (Ebisusaki Kalnay, 1983; Kalnay 2003) [44] Phiên sau sửa chữa gọi phương pháp trễ có chuẩn hóa biểu diễn đơn giản phương trình sau: Nhiễu ban đầu= Chuẩn hóa x (dự báo trễ - phân tích tại) (1.1) Nhiễu khơng có khả kiểm sốt kích cỡ nhiễu mà tạo cặp thành phần tổ hợp cách cộng trừ với trường phân tích kiểm tra Phương pháp dự báo trễ có ý tưởng có quy trình kỹ thuật tương tự với phương pháp ni nhiễu (sẽ trình bày phương pháp 3) Phương pháp trễ sử dụng nhiều nghiên cứu tổ hợp nghiệp vụ ví dụ hệ thống tác nghiệp dự báo tổ hợp theo mùa (Saha cộng sự, 2006; Hou cộng sự, 2001; Lu cộng sự, 2006; Brankovic cộng sự, 2006; Mittermaier, 2007) [71][41][54][15][58] Nhược điểm phương pháp dự báo trễ khơng thể tạo tổ hợp với thành phần có kích cỡ đủ lớn số lượng mẫu dự báo cũ có chất lượng tốt sử dụng bị giới hạn thực tế Mặt khác, chất lượng dự báo bị giảm xuống đáng kể mẫu dự báo cũ chứa đựng tổ hợp kích cỡ lớn Bên cạnh đó, dự báo trễ thường sử dụng “nhân ban đầu” để khởi động lạnh cho tổ hợp ví dụ phương pháp ni nhiễu Phương pháp nuôi nhiễu: Tên khác phương pháp nuôi nhiễu cịn gọi ni nhiễu động phát triển nhanh (Breeding of Growing Modes viết tắt BGM) Một dạng khác phương pháp dự báo trễ, phương pháp BGM sử dụng hai dự báo đồng thời (tại thời điểm khứ gần t=-T) dự báo trễ số liệu phân tích để tính nhiễu thời điểm t=0 Sự khác biệt phương pháp BGM so với phương pháp dự báo trễ có sử dụng cơng thức chuẩn hóa nhân ban đầu cộng trừ cho trường phân tích kiểm tra (Toth and Kalnay, 1993 and 1997) [76][77] Để tạo nhân ban đầu ta dùng phương pháp dự báo trễ Bằng cách này, tạo nhiều nhân ban đầu có kích cỡ tổ hợp lớn thời điểm ban đầu để bắt đầu phương pháp BGM Do đó, phương pháp BGM vượt qua giới hạn phương pháp dự báo trễ, tất dự báo khứ sử dụng lúc, đại lượng chuẩn hóa không cần dựa vào tuổi dự báo Nhiễu biểu diễn cách đơn giản theo phương trình (1.2) Nhiễu ban đầu = Chuẩn hóa x (dự báo - dự báo 2) (1.2) So sánh phương trình (1.1) với phương trình (1.2), nhận nhiễu phương pháp BGM không túy sai số dự báo mà khác hai dự báo khứ, mở rộng phi tuyến véc tơ Lyapunov (Kalnay, 2003) [44] Kinh nghiệm trung tâm dự báo tổ hợp hạn ngắn (NCEP SREF) 10 g: Dự báo tổ hợp 72 quỹ đạo bão Chebi 7h ngày 11/11/2006 Hình 3.25 Dự báo 72 quỹ đạo bão mơ hình RAMS bão nghiên cứu Quỹ đạo dự báo kiểm tra: đường nét đứt có chấm trịn; Quỹ đạo dự báo ni dao động phát triển nhanh: đường nét liền mỏng (12 đường); Quỹ đạo dự báo tổ hợp: đường nét liền có chấm tròn; Quỹ đạo thực ( Nhật bản): đường nét liền có hình tam giác Nhận xét: Từ hình 3.26 cho thấy kết dự báo bão phương pháp tổ hợp cho tốt với bão Durian (hình 3.25a), Prapiroon (hình 3.25b), Utor (hình 3.25c), Chan chu (hình 3.25d), Cimaron (hình 3.25f) Chebi (hình 3.25g) Trong kết dự báo thành phần Xangsane (hình 3.25e) chưa bao quỹ đạo thực bão, nguyên nhân số thành phần tham gia tổ hợp chưa đủ lớn (các trung tâm lớn thường sử dụng 50 thành phần) B¶ng 3.4 trình bày kết sai số khoảng cách trung bình toàn dung lợng mẫu i vi cn bóo nm 2006 Hình 3.25 đồ thị biểu diễn giá trị sai số tơng ứng bảng 3.4 69 Bảng 3.4 Sai số khoảng cách trung bình (MPE) toàn tập mẫu ứng với phơng án thử nghiƯm MPE Dự báo H¹n phương pháp BGM Dự báo kiểm tra 72 70 12 75 75 18 103 105 24 101 134 30 120 164 36 139 165 42 151 178 48 137 203 54 148 233 60 145 266 66 174 302 72 153 324 350 300 250 200 150 100 50 0 12 18 24 30 36 42 Sử dụng phương pháp BGM 48 54 60 66 72 Dự báo kiểm tra H×nh 3.26 Sai số khoảng cách trung bình (MPE) d báo phương pháp BGM dự báo kiểm tra 70 Từ kết bảng 3.4 hình 3.26 sai số khoảng cách trung bình tồn tập mẫu ứng với phương án thử nghiệm cho thấy: Ở thời điểm ban đầu dự báo, vị trí tâm bão phương án gần tương đối sát với vị trí vị trí tâm bão quan trắc Sai số khoảng cách trung bình thời điểm dự báo 12, 24 36 phương án tổ hợp 75, 101 139 km Trong phương án dự báo kiểm tra có giá trị sai số 75, 134 165 km, sai số lệch không đáng kể Hạn dự báo tăng, sai số vị trí phương án dự báo kiểm tra tăng nhanh nhiều so với phương án dự báo sử dụng phương pháp BGM Cụ thể hạn dự báo 48, 60 72h phương án dự báo sử dụng phương pháp BGM có sai số 137, 145 153 km sai số phương án dự báo kiểm tra 203, 266 324 km Như ta thấy trường hợp xét phương án dự báo sử dụng phương pháp BGM cho sai số vị trí tâm bão giảm gần 100 km thời hạn dự báo 48, 60 72 Như phương pháp BGM làm tăng độ xác dự báo với hạn dự báo từ đến ngày B¶ng 3.5 Sai số dc trung bình (MATE) toàn tập mẫu ứng với phơng án thử nghiệm MATE D bỏo H¹n phương pháp BGM Dự báo kiểm tra -43 -3 12 -27 -22 18 -27 24 -20 30 -11 36 -19 13 42 -30 71 48 52 87 54 29 53 60 42 65 66 25 -4 72 -11 -6 100 80 60 40 20 -20 12 18 24 30 36 42 48 54 60 66 72 -40 -60 Sử dụng phương pháp BGM Dự báo kiểm tra H×nh 3.27 Sai sè dọc trung b×nh (MATE) cđa dự báo phương pháp BGM dự báo kiểm tra Xét sai số dọc trung bình bão, dự báo kiểm tra cho sai số dọc thấp so với phương án tổ hợp 42 đầu, 24 dự báo kiểm tra lại cho kết sai số dọc lớn so với dự báo tổ hợp thể bảng hình 27 Với sai số ngang trung bình, dự báo phương pháp BGM cho kết lệch phía phải bão, dự báo kiểm tra cho kết lệch phải 42 đầu lệch phía trái bão (bảng 3.6) hình (3.28) 72 B¶ng 3.6 Sai sè ngang trung bình (MCTE) toàn tập mẫu ứng với phơng án thử nghiệm MCTE D bỏo bng H¹n phương pháp BGM Dự báo kiểm tra -18 -17 12 18 37 49 24 61 76 30 69 74 36 46 16 42 77 34 48 34 -30 54 -13 -75 60 -62 66 23 -47 72 22 -67 100 80 60 40 20 -20 12 18 24 30 36 42 48 54 60 66 72 -40 -60 -80 -100 Sử dụng phương pháp BGM Dự báo kiểm tra H×nh 3.28 Sai sè ngang trung b×nh (MCTE) cđa dự báo phương pháp BGM dự báo kiểm tra 73 KẾT LUẬN Qua kết nghiên cứu phương pháp nuôi dao động phát triển nhanh mơ hình RAMS, luận văn thực số kết quả: (1) Đã đưa tổng quan hệ thống dự báo tổ hợp giới (2) Xây dựng chương trình tạo nhân nhiễu động ban đầu phương pháp dự báo trễ chương trình ni dao động phát triển nhanh mơ hình RAMS Sử dụng chương trình để dự báo quỹ đạo cho bão phương pháp nuôi dao động phát triển nhanh (3) Áp dụng thành công phương pháp BGM vào dự báo quỹ đạo bão dự báo thành phần tổ hợp có độ tán rộng, tán phía đường quỹ đạo thực (best track) đường dự báo kiểm tra (control forecast), hồn tồn phù hợp với lý thuyết tổ hợp Kalnay Phương pháp BGM cho dự báo hạn 2,3 ngày tốt hẳn so với dự báo kiểm tra (cả hướng di chuyển sai số khoảng cách tâm bão) 4) Kết đánh giá sai số khoảng cách cho bão cho thấy:  Dự báo quỹ đạo bão 42 đầu:  Sai số khoảng cách quỹ đạo dự báo phương pháp BGM với quỹ đạo thực khoảng từ 72 đến 151 km  Sai số khoảng cách dự báo quỹ đạo phương pháp BGM với quỹ đạo dự báo kiểm tra gần nhau, tốc độ di chuyển quỹ đạo bão phương pháp BGM chậm so với quỹ đạo thực, quỹ đạo dự báo kiểm tra nhanh so với quỹ đạo thực Hướng di chuyển dự báo lệch phải so với quỹ đạo thực 74  Dự báo quỹ đạo hạn 48 giờ:  Sai số khoảng cách quỹ đạo dự báo phương pháp BGM 137 km so với quỹ đạo bão thực  Sử dụng phương pháp BGM để dự báo quỹ đạo bão cho sai số khoảng cách giảm 66 km so với dự báo kiểm tra Hướng di chuyển dự báo bão quỹ đạo phương pháp BGM lệch phải so với quỹ đạo thực quỹ đạo dự báo kiểm tra lại lệch trái so với quỹ đạo thực Tốc độ di chuyển quỹ đạo bão phương pháp BGM giảm 35 km so với dự báo kiểm tra  Dự báo quỹ đạo hạn 72 giờ:  Sai số khoảng cách thời điểm so với dự báo kiểm tra giảm 172 km, hướng di chuyển dự báo quỹ đạo bão phương pháp BGM lệch phải, dự báo kiểm tra cho dự báo quỹ đạo bão có xu lệch trái so với quỹ đạo thực Tốc độ di chuyển phương án chậm so với quỹ đạo thực 5) Kết nghiên cứu sử dụng thử nghiệm nghiệp vụ Phương hướng nghiên cứu tiếp: Dự báo cho nhiều trường hợp bão xây dựng dự báo siêu tổ hợp 75 TÀI LIỆU THAM KHẢO Tiếng Việt Hoàng Đức Cường “Ứng dụng phương pháp dự báo tổ hợp cho mơ hình MM5” Hội thảo khoa học lần thứ – Viện Khí tượng Thủy văn Võ Văn Hịa, 2006: Dự báo quỹ đạo xoáy thuận nhiệt đới dựa dự báo tổ hợp hàng nghìn thành phần Tạp chí KTTV, 547, tr 7-18 Võ Văn Hòa, Đỗ Lệ Thủy, Nguyễn Chi Mai, 2006: “Các phương pháp tạo nhiễu động dự báo tổ hợp quỹ đạo xoáy thuận nhiệt đới Phần I: Giới thiệu phương pháp hướng áp dụng cho điều kiện Việt Nam” Tạp chí KTTV, 541, tr 23-32 Võ Văn Hòa, Đỗ Lệ Thủy, Nguyễn Chi Mai, 2006: Các phương pháp tạo nhiễu động dự báo tổ hợp quỹ đạo xoáy thuận nhiệt đới Phần II: Một số kết nghiên cứu Tạp chí KTTV, 543, tr 21-31 Nguyễn Chi Mai, Nguyễn Thu Hằng, 2004: Phương pháp dự báo tổ hợp khả ứng dụng Việt Nam Tạp chí KTTV, 518, tr 30-37 Nguyễn Chi Mai, Nguyễn Thu Hằng, Nguyễn Phương Liên, 2004: Thử nghiệm dự báo tổ hợp quỹ đạo bão phương pháp thống kê từ dự báo trung tâm quốc tế Tạp chí KTTV, 519, tr 23-28 Nguyễn Chi Mai, Nguyễn Thu Hằng, Phạm Lệ Hằng, 2004: Dự báo đường bão sử dụng thống kê tập hợp dự báo mơ hình số trị trung tâm dự báo quốc tế Báo cáo tổng kết đề tài nghiên cứu bản, mã số 730902 Đỗ Lệ Thuỷ, Võ Văn Hoà, Nguyễn Chi Mai, 2005: Dự báo tổ hợp quỹ đạo xoáy thuận nhiệt đới dựa phương pháp nhiễu động mơ hình áp Báo cáo tổng kết đề tài nghiên cứu bản, mã số 732904 Trần Tân Tiến, (2004), Dự báo trường khí tượng, thuỷ văn biển Đơng, Báo cáo tổng kết đề tài cấp nhà nước KC09-04 Tiếng Anh 10 Anderson, J L, 1996 A method for producing and evaluating probabilistic forecasts from ensemble model integrations J Climate, 9, 1518-1530 11 Anderson, J L., 2001 An ensemble adjustment Kalman filter for data assimilation Mon Wea Rev., 129, 2884-2903 12 ATMET (2000), RALPH dataset formats version 2: RAMS Standard Input Format for Pressure Coordinate and Observation Data 13 Barkmeijer, J., 1996 Constructing fast-growing perturbations for the nonlinear regime J Atmos Sci., 53, 2838-2851 14 Barkmeijer, J., M Van Gijzen and F Bouttier, 1998 Singular vectors and the 76 15 16 17 18 19 20 21 22 23 24 25 26 27 estimates of analysis-error covariance matrix Quart J Roy Meteor Soc., 124, 1695-1713 Brankovic, C., T N Palmer, F Molteni, S Tibaldi and U Cubasch, 2006 Extended-range predictions with ECMWF models: Time-lagged ensemble forecasting Quart J Roy Meteor Soc., 116, 867-912 Buizza, R., 1994 Sensitivity of optimal unstable structures Quart J Roy Meteor Soc., 120, 429-451 Cai, M., E Kalnay and Z Toth, 2002 Bred vectors of the Zebiak-Cane model and their application to ENSO prediction J Climate, 16, 40-56 Cao, H, 2002 Memorial dynamics of systems and its applications Chinese Geology Press, Beijing, China, 192pp (in Chinese) Chen, J., J Xue and H Yang, 2003 Impact of physical parameterization schemes on mesoscale heavy rain simulations Acta Meteorologica Sinica, 61, 203-218 Cheung, K W C and J C L Chan, 1999a Ensemble forecasting of tropical cyclone motion using a barotropic model Part I: perturbations of the environment Mon Wea Rev., 127, 1229-1243 Cheung, K W C and J C L Chan, 1999b Ensemble forecasting of tropical cyclone motion using a barotropic model Part II: perturbations of the vortex Mon Wea Rev., 127, 2617-2640 Clark, T.L., 1977: A small-scale dynamic model using a terrain-following coordinate transformation J Comput Phys., 24, 186-215 Davies, H.C., 1978: A lateral boundary formulation for multi-level prediction models Quart J R Met Soc., 102, 405-418 Du J and M S Tracton, 2001 Implementation of a real-time short-range ensemble forecasting system at NCEP: an update Preprints, 9th Conference on Mesoscale Processes, Ft Lauderdale, Florida, Amer Meteor Soc., 355-356 Du, J and M S Tracton, 2001 Implementation of a real-time short-range ensemble forecasting system at NCEP: an update Preprints, 9th Conference on Mesoscale Processes, Ft Lauderdale, Florida, Amer Meteor Soc., 355-356 Du, J., 2004 Hybrid Ensemble Prediction System: a New Ensembling Approach Preprints, Symposium on the 50th Anniversary of Operational Numerical Weather Prediction, University of Maryland, College Park, Maryland, June 14-17, 2004, Amer Meteor Soc., CD-ROM (paper p4.2, 5pp) [available online: http://www.emc.ncep.noaa.gov/mmb/SREF/reference.html] Du, J., J McQueen, G DiMego, T Black, H, Juang, E Rogers, B Ferrier, B Zhou, Z Toth and M S, Tracton, 2004 The NOAA/NWS/NCEP short-range ensemble forecast (SREF) system: evaluation of an initial condition vs multi-model physics 77 28 29 30 31 32 33 34 35 36 37 38 39 ensemble approach Preprints (CD), 16th Conference on Numerical Weather Prediction, Seattle, Washington, Amer Meteor Soc Du, J., 2005: Impact of Model Error and Imperfect Initial Condition Perturbations on Ensemble-Based Probabilistic Forecasts: UNPREDICTABLE SPOTS Preprints, 17th Conference on Numerical Weather Prediction/21st Conference on Weather Analysis and Forecasting, Washington DC., Aug 1-5, 2005, Amer Meteor Soc (paper 15B.6) [available online http://www.emc.ncep.noaa.gov/mmb/SREF/reference.html] Du, J., G DiMego, M S Tracton, and B Zhou 2003 NCEP short-range ensemble forecasting (SREF) system: multi-IC, multi-model and multi-physics approach Research Activities in Atmospheric and Oceanic Modelling (edited by J Cote), Report 33, CAS/JSC Working Group Numerical Experimentation (WGNE), WMO/TD-No 1161, 5.09-5.10 Du, J., S L Mullen and F Sanders, 1997 Short-range ensemble forecasting of quantitative precipitation Mon Wea Rev., 125, 2427-2459 Durran, DR., 1981: The effects of moisture on mountain lee waves Technical Report Ph.D Thesis NTIS PB82156621, Massachusetts Institute of Technology Ebert, E.E., 2001 Ability of a Poor Man's Ensemble to Predict the Probability and Distribution of Precipitation Mon Wea Rev., 129, 2461–2480 Ebisuzaki, W and E Kalnay, 1991 Ensemble experiments with a new lagged average forecasting scheme WMO, Research activities in atmospheric and oceanic modeling Report 15, 6.31-32 Ehrendorfer, M., R.M Errico and K.D Raeder, 1999 Singular-Vector Perturbation Growth in a Primitive Equation Model with Moist Physics J Atmos Sci., 56, 1627–1648 Errico, R and D Baumhefner, 1998 Predictability experiments using a highresolution limited area model Mon Wea Rev., 115, 488-504 Errico, R and T Vukicevic, 1992 Sensitivity analysis using an adjoint of the PSUNCAR mesoscale model Mon Wea Rev., 120, 1644-1660 Fischer, M., A Joly and F Lalaurette, 1998 Error growth and Kalman filtering within an idealized baroclinic flow Tellus, 50A, 596-615 Grimit, E.P., and C.F Mass, 2002 Initial Results of a Mesoscale Short-Range Ensemble Forecasting System over the Pacific Northwest Wea Forecasting, 17, 192–205 Hamill, T M., 2006 Ensemble-based atmospheric data assimilation Chapter of Predictability of Weather and Climate, Cambridge Press, 124-156 78 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 Hoffman, R N and E Kalnay, 1983 Lagged average forecasting, an alternative to Monte Carlo forecasting Tellus, 35A, 100-118 Hou, D., E Kalnay and K K Droegemeier, 2001 Objective verification of the SAMEX'98 ensemble forecasts Mon Wea Rev., 129, 73-91 Houtekamer, P L., L Lefaivre, J Derome, H Ritchie and H L Mitchell, 1996 Asystem simulation approach to ensemble prediction Mon Wea Rev., 124, 12251242 verification of the SAMEX'98 ensemble forecasts Mon Wea Rev., 129, 7391 Jankov, I., W.A Gallus, M Segal, B Shaw and S.E Koch, 2005 The Impact of Different WRF Model Physical Parameterizations and Their Interactions on Warm Season MCS Rainfall Wea Forecasting, 20, 1048–1060 Kalnay, E, 2003 Atmospheric modeling, data assimilation and predictability Cambridge University Press, 368pp Klemp, J.B and D.K Lilly, 1978: Numerical simulation of hydrostatic mountain waves J Atmos Sci., 35, 78-107 Klemp, J.B and DR Durran, 1983: An upper boundary condition permitting internal gravity wave radiation in numerical mesoscale models Mon Wea Rev., 111, 430-444 Klemp, J.B and R.B Wilhelmson, l978a: The simulation of three-dimensional convective storm dynamics J Atmos Sci., 35, 1070-1096 Klemp, J.B and RB Wilhelmson, 1978b: Simulations of right- and left-moving storms produced through storm splitting J Atmos Sci., 35, 1097-1110 Kong, F., K K Droegemeier and N.L Hickmon, 2007 Multiresolution ensemble forecasts of an observed tornadic thunderstorm system, Part II Mon Wea Rev., 135, 759-782 Krishnamurti, T N., C M Kishtawal, T LaRow, D Bachiochi, Z Zhang, C E Williford, S Gadhil and S Surendran, 1999 Improved weather and seasonal climate forecasts from multimodel superensemble Science, 285, 1548-1550 Li, X., M Charron, L Spacek and G Candille, 2007 A regional ensemble prediction system based on moist targeted singular vectors and stochastic parameter perturbations Mon Wea Rev., (in press) Lorenz, E N., 1963 Deterministic nonperiodic flow J Atmos Sci., 20, 130-141 Lorenz, E N., 1965 A study of the predictability of a 28-variable atmospheric model Tellus, 17, 321-333 Lu, C., H Yuan, B.E Schwartz and S.G Benjamin, 2007 Short-Range Numerical Weather Prediction Using Time-Lagged Ensembles Wea Forecasting, 22, 580– 79 55 56 57 58 59 60 61 62 63 64 65 66 67 68 595 Martin, A., V Homar, L Fita, J M., Gutierrez, M A Rodriguez and C Primo, 2007 Geometrid vs classical breeding of vectors: application to hazardous weather in the Western Mediterranean Geophysical Research Abstracts, 9, European Geosciences Union Mclay, J M., C H Bishop and C A Reynolds, 2007 The ensemble-transform scheme adapted for the generation of stochastic forecast perturbations Quart J Roy Meteor Soc., 133, 1257-1266 Mesinger, F and A Arakawa, 1976: Numerical methods used in atmospheric models GARP Publication Series, No 14, WMO/ICSU Joint Organizing Committee, 64 pp Mittermaier, M P., 2007 Improving short-range high-resolution model precipitation forecast skill using time-lagged ensembles Qart J Roy Meteor Soc., submitted Mu M and W S Duan, 2003 A new approach to study ENSO predictability: conditional nonlinear optimal perturbation Chinese Sci Bull., 48, 1045-1047 Mu M and Z Zhang, 2006 Conditional nonlinear optimal perturbations of a twodimensional quasi-geostrophic model J Atmos Sci., 63, 1587-1604 Mu, M., 2000 Nonlinear singular vectors and nonlinear singular values Scinece in China (D), 43, 375-385 Mu, M., W S Duan and B Wang, 2003 Conditional nonlinear optimal perturbation and its applications Nonlinear Processes in Geophysics, 10, 493-501 Mullen, S L and D P Baumhefner, 1994 Monte Carlo simulation of explosive cyclogenesis Mon.Wea Rev., 122, 1548-1567 Mullen, S L and R Buizza, 2002 The impact of horizontal resolution and ensemble size on probabilistic forecasts of precipitation by the ECMWF ensemble prediction system Wea Forecasting, 17, 173-191 Mylne, K R., Evans, R E., and Clark, R T., 2002: Multi-model multi-analysis ensembles in quasi-operational medium-range forecasting Quart J Roy Meteor Soc., 128, 361-384 Oortwijn, J and J Barkmeijer, 1995 Perturbations that optimally trigger weather regimes J Atmos Sci., 52, 3952-3944 Orlanski, I., 1976: A simple boundary condition for unbounded hyperbolic flows J Comput Phys., 21, 251-269 Ott, E., B R Hunt, I Szunyogh, A V Zimin, E J Kostelich, M Corazza, E Kalnay, D J Patil and J A Yorke, 2004 A local ensemble Kalman filter for 80 69 70 71 72 73 74 75 76 77 78 79 80 81 atmospheric data assimilation Tellus, 56A, 415-428 Palmer, T N., R Gelaro, J Barkmeijer and R Buizza, 1998 Singular vectors, metrics and adaptive observations J Atmos Sci., 55, 633-653 Reynolds, C.A and R.M Errico, 1999 Convergence of Singular Vectors toward Lyapunov Vectors Mon Wea Rev., 127, 2309–2323 Saha, S., S Nadiga, C Thiaw, J Wang, W Wang, Q Zhang, H.M Van den Dool, H.L Pan, S Moorthi, D Behringer, D Stokes, M Peña, S Lord, G White, W Ebisuzaki, P Peng and P Xie, 2006 The NCEP Climate Forecast System J Climate, 19, 3483–3517 Stensrud, D J., J W Bao and T T Warner, 2000 Using initial condition and model physics perturbations in short-range ensemble Mon Wea Rev., 128, 20772107 Szungyogh, I., E J Kostelich, G Gyarmati, B R Hunt, A V Zimin, E Kalnay, D J Patil and J A.York, 2004 A local ensemble Kalman filter for the NCEP GFS model AMS annual meeting, Seattle, WA, Jan 11-15 Talagrand, O., R Vautard and B Strauss, 1997 Evaluation of probabilistic prediction systems Proceedings, ECMWF Workshop on Predictability, ECMWF, 1–25 [Available from ECMWF, Shinfield Park, Reading, Berkshire RG2 9AX, United Kingdom.] Tippett, M K., J L Anderson, C H Bishop, T Hamill and J S Whitaker, 2003 Ensemble squared root filters Mon Wea Rev., 131, 1485-1490 Toth, Z and E Kalnay, 1993 Ensemble forecasting at NCEP: the generation of perturbations Bull Amer Meteor Soc., 74, 2317-2330 Toth, Z and E Kalnay, 1997 Ensemble forecasting at NCEP: the breeding method Mon Wea Rev., 125, 3297-3318 Tracton M S., J Du, Z Toth and H Juang, 1998: Short-range ensemble forecasting (SREF) at NCEP/EMC Preprints, 12th Conf on Numerical Weather Prediction, Phoenix, Amer Meteor Soc., 269-272 Tracton, M S and E Kalnay, 1993 Ensemble forecasting at NMC: practical aspects Wea Forecasting, 8, 379-398 Tremback, C.J and R Kessler, 1985: A surface temperature and moisture parameterization for use in rnesoscale numerical models Preprints, 7th Conference on Numerical Weather Prediction, 17-20 June 1985, Montreal, Canada, AMS Tremback, C.J., J Powell, W.R Cotton, and R.A Pielke, 1987: The forward in time upstream advection scheme: Extension to higher orders Mon Wea Rev., 115, 540-555 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 Tripoli, G.J., 1992: An explicit three-dimensional nonhydrostatic numerical simulation of a tropical cyclone Meteorol Atmos Phys., Springer-Verlag Tripoli, G.J., and W.R Cotton, 1982: The Colorado State University threedimensional cloud/mesoscale model - 1982 Part I: General theoretical framework and sensitivity experiments J de Rech Atmos., 16, 185-220 Wang, X and C H Bishop, 2003 A comparison of breeding and ensemble transform Kalman filter ensemble forecast schemes J Atmos Sci., 60, 1140-1158 Wang, X., C H Bishop and S J Julier, 2004 Which is better, an ensemble of positive/negative pairs or a centered spherical simplex ensemble? Mon Wea Rev., 132, 1590-1605 Wang, X., T.M Hamill, J.S Whitaker and C.H Bishop, 2007 A Comparison of Hybrid Ensemble Transform Kalman Filter–Optimum Interpolation and Ensemble Square Root Filter Analysis Schemes Mon Wea Rev., 135, 1055–1076 Wang, Y and A Kann, 2005 ALADIN-LAEF (Limited Area Ensemble Forecasting) at ZAMG: Status and Plan 15th ALADIN Workshop [available online: www.cnrm.meteo.fr/aladin/meetings/Wk2005/WANG.pdf] Wei, M., Z Toth, R Wobus and Y Zhu, 2007 Initial perturbations based on the ensemble transform (ET) technique on the NCEP global operational forecast system Tellus, (in press) Wei, M., Z Toth, R Wobus, Y Zhu, C Bishop and X Wang, 2006 Ensemble Transform Kalman Filter-based ensemble perturbations in an operational global prediction system at NCEP Tellus, 58A, 28-44 Whittaker, J S and T M Hamill, 2002 Ensemble data assimilation without perturbed observation Mon Wea Rev., 130, 1913-1924 Wobus, R and E Kalnay, 1995 Three years of operational prediction of forecast skill Mon Wea Rev., 123, 2132-2148 Yang, S-C., M Cai, E Kalnay, M Rienecker, G Yuan and Z Toth, 2006 ENSO bred vector in coupled ocean-atmospheric general circulation models J Climate, 19, 1422-1436 Zhang, F., 2005 Dynamics and Structure of Mesoscale Error Covariance of a Winter Cyclone Estimated through Short-Range Ensemble Forecasts Mon Wea Rev., 133, 2876–2893 Zhang, F., C Snyder and J Sun, 2004 Impacts of initial estimate and observation availability on convective-scale data assimilation with an ensemble Kalman filter Mon Wea Rev., 132, 1238–53 Zhang, Z and T N Krishnamurti, 1999 A perturbation method for hurricane 82 96 ensemble prediction Mon Wea Rev., 127, 447-469 Zhou, C.L.Chen Ensemble forecasting of tropical cyclone motion using a baroclinic model Atmos Sci., vol 23, no 3,2006, 342-354 83 ... QUỸ ĐẠO BÃO TRÊN BIỂN ĐÔNG CHƯƠNG 3: THỬ NGHIỆM DỰ BÁO QUỸ ĐẠO BÃO BẰNG PHƯƠNG PHÁP NI NHƯNG DAO ĐỘNG PHÁT TRIỂN NHANH CỦA MƠ HÌNH RAMS KẾT LUẬN CHƯƠNG I TỔNG QUAN PHƯƠNG PHÁP DỰ BÁO TỔ HỢP 1.1... MƠ TẢ TẬP SỐ LIỆU NGHIÊN CỨU 48 3.2 NUÔI NHIỄU PHÁT TRIỂN NHANH CỦA MƠ HÌNH RAMS 49 3.3 DỰ BÁO TỔ HỢP QUỸ ĐẠO BÃO BẰNG PHƯƠNG PHÁP NUÔI NHỮNG DAO ĐỘNG PHÁT TRIỂN NHANH CỦA MƠ HÌNH... kết tổ hợp qua phương pháp nuôi Do đó, ET áp dụng hệ thống tổ hợp toàn cầu NCEP để làm cải thiện phương pháp BGM (Wei cộng sự, 2007) Một phương pháp khác đưa để phát triển phương pháp nuôi gọi phương