thử nghiệm phương pháp lọc kalman tổ hợp cho mô hình wrf để dự báo mưa lớn miền trung việt nam

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƢỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN NGUYỄN ĐỨC PHƢƠNG THỬ NGHIỆM PHƢƠNG PHÁP LỌC KALMAN TỔ HỢP CHO MƠ HÌNH WRF ĐỂ DỰ BÁO MƢA LỚN MIỀN TRUNG VIỆT NAM Chuyên ngành : Khí tƣợng Khí hậu học Mã số : 60.44.87 LUẬN VĂN THẠC SĨ KHOA HỌC NGƢỜI HDKH: TS Kiều Quốc Chánh HÀ NỘI - 2012 MỤC LỤC DANH MỤC CÁC KÝ HIỆU VIẾT TẮT DANH MỤC CÁC BẢNG DANH MỤC CÁC HÌNH VẼ MỞ ĐẦU CHƢƠNG I TỔNG QUAN 10 1.1 Tổng quan dự báo mƣa lớn 10 1.2 Tổng quan đồng hóa số liệu 13 CHƢƠNG II CƠ SỞ LÝ THUYẾT VỀ ĐỒNG HĨA SỐ LIỆU VÀ MƠ HÌNH DỰ BÁO 15 2.1 Cơ sở lý thuyết đồng hóa số liệu 15 2.1.1 Phương pháp nội suy tối ưu (OI) 16 2.1.2 Phương pháp lọc Kalman 22 2.1.3 Phương pháp lọc Kalman tổ hợp 25 2.2 Tổng quan mơ hình dự báo (WRF) 34 2.3 Các bƣớc thao tác mơ hình WRF 34 2.4 Các bƣớc chạy mơ hình WRF sử dụng phƣơng pháp đồng hóa số liệu 35 CHƢƠNG III KẾT QUẢ DỰ BÁO THỬ NGHIỆM 37 3.1 Mơ tả thí nghiệm 37 3.1.1 Miền tính cấu hình mơ hình 37 3.1.2 Nguồn số liệu 37 3.1.3 Mô tả thí nghiệm 40 3.2 Kết nhận xét 42 3.2.1 Kết dự báo tham chiếu 42 49 3.2.2 Kết dự báo với tập số liệu cao không Việt Nam 3.3 Đánh giá khả dự báo mơ hình 57 3.3.1 Đánh giá khả dự báo mơ hình đồng hóa số 59 liệu cao khơng khu vực châu Á 3.3.2 Đánh giá khả dự báo mơ hình đồng hóa số 60 liệu cao khơng Việt Nam 3.3.3 So sánh khả dự báo mô hình đồng hóa số liệu cao khơng khu vực Châu Á đồng hóa số liệu cao khơng 62 Việt Nam KẾT LUẬN 64 TÀI LIỆU THAM KHẢO 65 DANH MỤC KÝ HIỆU VIẾT TẮT NCEP A A B B CTL(Control) DM EKF H H KF Trung tâm quốc gia dự báo môi trƣờng Hoa Kỳ Ma trận sai sô hiệp biến phân tích Vector sai số hiệp biến phân tích Ma trận sai số hiệp biến Vector sai số hiệp biến Kết dự báo từ mơ hình WRF Miền lƣới Lọc Kalman tổ hợp Toán tử ma trận Toán tử quan trắc tuyến tính Lọc Kalman L Mơ hình tiếp tuyến LETKF M M Bộ lọc Kalman tổ hợp địa phƣơng Đại diện cho mơ hình dự báo Mơ hình phi tuyến Mem Thành phần tổ hợp n OI p Pa Pb Pf Po Q R R Kích thƣớc trạng thái mơ hình Nội suy tối ƣu Kích thƣớc vectơ quan trắc Ma trận sai số hiệp biến phân tích Ma trận sai số hiệp biến Ma trận sai số hiệp biến (hay dự báo) Ma trận sai số hiệp biến quan trắc Ma trận sai số hiệp biến mơ hình Ma trận sai số hiệp biến quan trắc Vector sai số hiệp biến quan trắc W Ma trận trọng số WRF xa xb xt y0 εb , εm Weather and Research Forecasting Trạng thái mơ hình phân tích Trạng thái mơ hình Trạng thái mơ hình thực Vectơ quan trắc Sai số nền, sai số mơ hình Z Thời gian Greenwich, ví dụ: 1200Z hay 1200 UTC DANH MỤC CÁC BẢNG Bảng 3.1: Số liệu mưa ngày 16 số trạm Khu vực miền Trung 36 Bảng 3.2: Số liệu mưa trạm khu vực miền Trung 37 Bảng 3.3: Bảng cấp mưa dạng mưa 54 Bảng 3.4: Bảng so sánh phân loại dự báo đồng hóa số liệu cao khơng khu vực Châu Á 45 Bảng 3.5: Bảng so sánh số đánh giá dự báo đồng hóa số liệu cao khơng khu vực Châu Á 56 Bảng 3.6: Bảng so sánh phân loại dự báo đồng hóa số liệu cao khơng Việt Nam 57 Bảng 3.7: Bảng so sánh số đánh giá dự báo đồng hóa số liệu cao khơng Việt Nam 57 Bảng 3.8: Bảng so sánh phân loại dự báo đồng hóa số liệu cao khơng khu vực Châu Á Việt Nam 58 Bảng 3.9: Bảng so sánh số đánh giá dự báo đồng hóa số liệu cao khơng khu vực Châu Á Việt Nam 59 DANH MỤC CÁC HÌNH VẼ Hình 2.1: Sơ đồ biểu diễn phân bố điểm lưới trạm quan trắc với phân bố không đồng 13 Hình 2.2: Minh họa hai bước lọc Kalman 21 Hình 2.3: Sơ đồ hệ thống mơ hình WRF 30 Hình 2.4: Sơ đồ chạy mơ hình WRF 31 Hình 2.5: Minh họa sơ đồ hệ thống dự báo tổ hợp WRF 32 Hình 3.1: Miền tính lưới lồng mơ hình 33 Hình 3.2: Miền lưới tính mơ hình vị trí số trạm quan trắc cao khơng 34 Hình 3.3: Mạng lưới trạm Thám không vô tuyến Việt Nam 35 Hình 3.4: Bản đồ hình thời tiết lúc ngày 15 16/10/2010 37 Hình 3.5: Kết dự báo lúc 12Z ngày 14/10/2010 39 Hình 3.6: Kết dự báo lúc 12Z ngày 15/10/2010 40 Hình 3.7: Kết dự báo lúc 12Z ngày 16/10/2010 41 Hình 3.8: So sánh lượng mưa từ kết dự báo WRF WRF-KF với lượng mưa quan trắc trạm 44 Hình 3.9: Kết dự báo lúc 12Z ngày 14/10/2010 46 Hình 3.10: Kết dự báo lúc 12Z ngày 15/10/2010 47 Hình 3.11: Kết dự báo lúc 12Z ngày 16/10/2010 48 Hình 3.12: So sánh lượng mưa từ kết dự báo WRF WRF-KF sử dụng số liệu cao không Việt Nam 51 MỞ ĐẦU Trong năm gần đợt mƣa lớn kéo dài xảy ngày nhiều ngày gia tăng cƣờng độ ví dụ nhƣ đợt mƣa lớn từ ngày 29/10 đến 1/11/2008 tỉnh miền Bắc (gây ngập lụt nặng Hà Nội tỉnh lân cận); đợt mƣa lớn từ ngày - 4/11/2009 đợt mƣa lớn từ 29/10 - 3/11/2010 tỉnh Nam Trung Bộ (gây ngập lụt nặng tỉnh Phú Yên, Khánh Hòa Ninh Thuận) hay đợt mƣa từ ngày – 7/10 từ 13 – 19/10/ 2010 tỉnh miền Trung (gây lũ lụt lớn tỉnh Nghệ An đến Quảng Bình) Các đợt mƣa gây lũ lụt lớn thiệt hại nhiều ngƣời nhƣ tài sản Chính dự báo mƣa lớn toán cần thiết quan trọng để giảm thiểu thiệt hại mƣa lũ gây Hiện tại, dự báo đƣợc mƣa lớn dựa chủ yếu vào phƣơng pháp mơ hình hóa Đây tốn dự báo có tính bất định cao tƣơng tác phức tạp địa hình hồn lƣu quy mơ vừa Để làm tốt tốn khơng cần mơ hình bất thủy tĩnh tốt mà cịn phải có trƣờng ban đầu tốt Hiện có nhiều phƣơng pháp xử lý để tạo trƣờng ban đầu, đƣợc gọi phƣơng pháp đồng hóa số liệu Một cách bản, đồng hóa số liệu phƣơng pháp sử dụng tất giá trị quan trắc có đƣợc để ƣớc lƣợng cách tốt trạng thái khí dòng chảy đại dƣơng thời điểm Có nhiều phƣơng pháp để đồng hóa số liệu nhƣ phƣơng pháp hiệu chỉnh liên tiếp, phƣơng pháp biến phân, phƣơng pháp nội suy tối ƣu (OI), phƣơng pháp lọc Kalman (KF) hay phƣơng pháp lọc Kalman tổ hợp (EKF) Hiện phƣơng pháp đồng hóa lọc Kalman tổ hợp đƣợc xem nhƣ phƣơng pháp tiếp cận mũi nhọn việc dự báo toán có tính bất định cao Tuy vậy, nƣớc ta phƣơng pháp cịn đƣợc đƣa vào ứng dụng trình làm dự báo nhƣ nghiên cứu chuyên sâu Ƣu điểm việc đồng hóa số liệu phƣơng pháp lọc Kalman tổ hợp tạo trƣờng ban đầu tốt mà tạo đƣợc nhân ban đầu tối ƣu hóa cho việc nắm bắt khu vực có độ bất định cao Giá trị phân tích đƣợc cải thiện cho phép mở rộng khoảng thời gian dự báo để dự báo đƣợc xác Để thấy rõ khả ý nghĩa việc đồng hóa số liệu, đề tài chọn phƣơng pháp lọc Kalman tổ hợp cho mơ hình bất thủy tĩnh Weather and Research Forecasting (WRF, V3.2) dự báo đợt mƣa lớn tỉnh miến Trung từ ngày 13 đến 17/10/2010 Đây đợt mƣa lớn điển hình tƣơng tác khơng khí lạnh dải hội tụ nhiệt đới Ngoài phần mở đầu kết luận, nội dung luận văn gồm phần sau: Chƣơng I : Tổng quan Chƣơng II : Cơ sở lý thuyết đồng hóa số liệu mơ hình dự báo Chƣơng III : Kết dự báo thử nghiệm CHƢƠNG I TỔNG QUAN 1.1 Tổng quan dự báo mƣa lớn Trên giới Dự báo mƣa lớn thử thách lớn toán nghiệp vụ giới Các nghiên cứu mô số với độ phân giải cao mơ hình bất thuỷ tĩnh giới thời gian qua liên tục dự báo mô hình số có tính dự báo thấp, mang tính cá biệt chí hạn ngắn ngày (Bougeault et al 2003; Milelli et al 2005; Elementi et al 2005; Kieu and Zhang 2010; Schumacher and Davis 2010) [8] Điều tính dự báo khí bị chi phối mạnh nhiễu động có quy mơ khơng gian thời gian nhỏ Một kích thích đối lƣu nhỏ hay sai lệch tâm hội tụ ẩm mực thấp dẫn đến thay đổi nhanh bất ổn định khí tạo nên phân bố đối lƣu sâu khác Điều đặc biệt dễ nhận thấy vùng có tƣơng tác địa hình hình gió mùa phức tạp, ví dụ vùng chịu ảnh hƣởng gió mùa châu Á mà độ ẩm mực thấp đóng vai trị quan trọng việc hình thành hệ thống thời tiết gây mƣa lớn (Kato and Goda 2001; Kato et al 2003) [14; 15] Do tính chất bất ổn định mạnh khí toán dự báo mƣa lớn, điều quan tâm tiên dự báo mơ hình dự báo thời điểm phải tính đƣợc bất định điều kiện ban đầu nhƣ sai số nội sơ đồ tham số hóa đối lƣu Các nghiên cứu gần cho thấy khả nằng dự báo mƣa lớn thời hạn 72-h lớn cách thống kê liên quan nhiều đến hình mƣa bão (Schumacher and Davis 2010; Lin et al 2010) [ 19; 21] Với độ xác dự báo vị trí đổ bão ngày đƣợc nâng cao hình mƣa lớn kèm theo đƣợc cải thiện đáng kể Tuy nhiên dự báo cƣờng độ bão không xác, dự báo cƣờng độ lƣợng mƣa không đủ tin cậy (Kehoe et al 2007; Payne et al 2007) [17; 20] Mặc dù dự báo tổ hợp cho hình mƣa lớn bất ổn định tà áp vùng ngoại nhiệt đới cho đƣợc tin tin cậy với hạn dự báo lên đến 96-h (Schumacher and Davis 2010) [21], khả dự báo trƣớc 48-h 72-h hình gây mƣa lớn điển hình tƣơng tác gió mùa với địa hình phức tạp toán thách thức, trung tâm nghiệp vụ lớn Sử dụng mơ hình 10 khu vực bất thuỷ tĩnh với lƣới lồng có độ phân giải km 2.8 km, Elementi et al (2005) [13] lực cƣỡng địa hình đóng vai trị quan trọng việc phát triển phân bố thời điểm mƣa lớn Bằng cách cập nhật số liệu biên liên tục 3-h từ mơ hình tồn cầu ECMWF trung tâm dự báo châu Âu với độ phân giải khác nhau, Elemeti et al dự báo đƣợc lƣợng mƣa tích luỹ 24-h cho vài hình mƣa điển hình tƣơng tác địa hình trƣờng quy mơ lớn Các phân bố mƣa dự báo tất định họ nhiên có sai lệch đáng kể, với độ phân giải cao Trong nghiên cứu tƣơng tự Kato Aranami (2010) [16], mơ hình quy mơ meso trung tâm khí tƣợng Nhật Bản với độ phân giải 1.5 km đƣợc sử dụng để dự báo cho hai đợt mƣa lớn thử nghiệm cho Nhật Bản với hạn dự báo giới hạn khoảng 3-h Các kết với hạn dự báo 3-h, dự báo cho đƣợc ghi nhận với trƣờng hợp nhất, trƣờng hợp cịn lại khơng mơ đƣợc trƣờng ẩm ban đầu không đƣợc đặc trƣng Cùng với phƣơng pháp dự báo mƣa lớn phƣơng pháp số trị, số phƣơng pháp khác đƣợc sử dụng cho mục đích dự báo hạn ngắn Trong nghiên cứu sử dụng số liệu vệ tinh viễn thám để phát triển q trình trích giá trị điểm ảnh, Yaiprasert nnk (2007) [10] sử dụng trình khai thác tự động số liệu giá trị điểm ảnh từ chuỗi ảnh vệ tinh Sau đó, trình xử lý tính tốn tƣơng quan giá trị pixel ảnh giá trị lƣợng mƣa xảy Kết giá trị điểm ảnh trung bình cao liệu nƣớc hàng ngày, lƣợng mƣa hàng ngày đƣợc dự báo mƣa lớn Điều giá trị điểm ảnh trung bình đƣợc sử dụng để dự báo mƣa Sử dụng số liệu vận tốc xuyên tâm đa, Lee nnk (2007) [18] sử dụng phiên với độ phân dải cao mơ hình WRF để nghiên cứu khả xuất mƣa lớn bán đảo Triều Tiên nơi mà hệ thống đối lƣu quy mơ vừa có tƣơng tác mạnh với môi trƣờng quy mô synop Trong nghiên cứu, tiến hành thí nghiệm chạy mơ hình với lƣới lồng với độ phân giải theo phƣơng ngang 30 -1,1 km để mô trƣờng hợp mƣa lớn Hàn Quốc vào tháng năm 2003 Trong thí nghiệm, họ đánh giá đƣợc ảnh hƣởng độ phân giải cao theo phƣơng ngang, khác biệt thời gian ban đầu chạy mơ hình, đồng hóa vận tốc xuyên tâm đa tới lƣợng mƣa đƣợc mô 11 Kết dự báo lƣợng mƣa sử dụng số liệu cao không Việt Nam q trình đồng hóa số liệu 53 54 Hình 3.12 So sánh lượng mưa từ kết dự báo WRF WRF-KF sử dụng số liệu cao không Việt Nam 55 Kết dự báo WRF-KF đồng hóa số liệu cao khơng Việt Nam gần tƣơng tự nhƣ WRF-KF đồng hóa số liệu cao không khu vực Châu Á, có số khác biệt nhỏ sau đây: - Mặc dù chƣa bắt đƣợc ngày có mƣa đặc biệt lớn nhƣng WRF-KF đồng hóa số liệu cao không Việt Nam dự báo đƣợc lƣợng mƣa 230 -250mm ngày 16/10 số trạm nhƣ Hòa Duyệt, Hà Tĩnh, Hƣơng Khê, Linh Cảm - Kết dự báo đồng hóa số liệu cao khơng Việt Nam có phần tốt kết dự báo đồng hóa số liệu cao khơng khu vực Châu Á (thể cụ thể phần sau – phần đánh giá khả dự báo mơ hình) Qua việc thử nghiệm đồng hóa loại số liệu tơi có số nhận xét sơ sau: 1) Cƣờng độ mƣa sử dụng mơ hình WRF WRF–KF bƣớc thời gian dự báo khác khác nhiều (lƣợng mƣa trƣờng hợp WRF-KF lớn so với WRF) 2) Kết dự báo có đồng hóa số liệu địa phƣơng (TB) gần với kết quan trắc trạm (Trạm) tốt hẳn kết dự báo từ mơ hình WRF (CTL) 3) Ngồi việc dự báo đƣợc mƣa lớn, mơ hình WRF-KF bắt đƣợc trạm có lƣợng mƣa nhỏ trạm khơng mƣa 4) Tuy có kết dự báo tốt nhƣng kết mơ hình WRF-KF chƣa bắt đƣợc ngày có mƣa lớn đặc biệt khu vực Kết mơ hình dự báo đƣợc lƣợng mƣa ngày nhỏ 250mm số trạm có lƣợng mƣa ngày lên đến 350 – 700mm/ngày 5) Kết dự báo WRF-KF đồng hóa số liệu cao khơng Việt Nam có phần tốt (dự báo đƣợc lƣợng mƣa lớn hơn) so với WRF-KF đồng hóa số liệu cao khơng khu vực Châu Á 56 3.3 Đánh giá khả dự báo mơ hình Khi nói đến mƣa lớn, cần quan tâm đến pha xuất sau phân bố mƣa lƣợng mƣa Do đó, việc đánh giá pha lƣợng yêu cầu cần thiết phải làm đánh giá khả dự báo mơ hình Cho đến nay, giới có nhiều số đánh giá đƣợc sử dụng Sau số số thƣờng hay đƣợc sử dụng đánh giá dự báo mƣa: - H (Hit): Dự báo trúng - M (Miss): Dự báo sai - F (False Alarm): Dự báo khống - N (Correct Negative) Dự báo không xảy ra, thực tế không xảy tƣợng Sau lập đƣợc bảng phân loại dự báo cho ta biết loại sai số hay gặp Một hệ thống dự báo đƣợc coi hoàn hảo đƣa dự báo gồm toàn Hit Correct Negative khơng có Miss False Alarm Dựa vào bảng phân loại ngƣời ta tính tốn số để biết đặc điểm riêng dự báo Một số số thƣờng đƣợc sử dụng bao gồm: - Chỉ số FBI (Frequency Bias Index) - Chỉ số POD (Probability of Detection) - Chỉ số FAR (False Alarm Ratio) - Chỉ số TS (Threat Score) Chỉ số FBI : FBI = (H+F)/(H+M) Chỉ số cho biết tần suất số lần dự báo “có” thực tế quan trắc “có” FBI có giá trị từ đến +∞ Giá trị hoàn hảo Chỉ số POD: POD= H/(H+M) Chỉ số cho biết dự báo phần trăm so với thực tế Giá trị hoàn hảo Chỉ Số FAR: FAR = F/(H+F) Chỉ số cho biết dự báo sai phần trăm tổng số lần có tƣợng Giá trị hoàn hảo Chỉ số TS: TS = H/(H+M+F) Chỉ số xác định phù hợp vùng dự báo vùng quan trắc Giá trị TS =1 dự báo hoàn hảo; TS=0 dự báo 57 Theo quy định Trung tâm Khí tƣợng Thủy văn Quốc gia đánh giá chất lƣợng dự báo khì tƣợng hạn ngắn nay, thuật ngữ mƣa bao gồm cấp mƣa dạng mƣa đƣợc quy định theo bảng sau: Bảng 3.3 Cấp mưa dạng mưa Cấp mưa dạng mƣa Lƣợng mƣa 12h R(mm)/12h Ghi (Ký hiệu AERO) Không mƣa Không mƣa Không mƣa (-) Mƣa nhỏ lƣợng mƣa không đáng kể TT Mƣa không đo đƣợc (gt) Giọt R 0.3 Mƣa nhỏ 0.3 < R 3.0 Mƣa 3.0 < R 8.0 Mƣa vừa 8.0 < R 25.0 Mƣa to 25.0 < R 50.0 Mƣa to Mƣa rào nhẹ, mƣa rào nhẹ dông Mƣa rào, mƣa rào dông, mƣa dông 3.0 < R 25.0 10 Mƣa phùn Giọt < R 3.0 Khơng tính thời gian mƣa xảy liên tục hay ngắt quãng R > 50.0 Giọt R 3.0 Mƣa bất ổn định dạng rào có khơng kèm theo dông Mƣa ổn định, xảy liên tục ngắt quãng Mƣa nhỏ, mƣa phùn 11 Dông Dông, chớp Dông báo kèm với mƣa bất ổn định Với mục đích luận văn thử nghiệm phƣơng pháp lọc Kalman tổ hợp dự báo mƣa lớn miền Trung tƣợng để đánh giá mƣa lớn Theo bảng phân cấp lƣợng mƣa nhƣ (Bảng 3.3) ta thấy mƣa lớn ngày có lƣợng mƣa lớn 50mm (R>25mm/12h) Nhƣ vậy, để đánh giá khả dự báo mơ hình sử dụng ngƣỡng lƣợng mƣa 50mm/ngày làm giới hạn cho pha dự báo Sau phân loại tính tốn, kết phân loại dự báo số dự báo đƣợc thể phần dƣới 58 3.3.1 Đánh giá khả dự báo mơ hình đồng hóa số liệu cao khơng khu vực châu Á Dƣới bảng so sánh số dự báo mơ hình WRF WRF – KF đồng hóa số liệu cao khơng khu vực châu Á Bảng 3.4 Bảng so sánh phân loại dự báo đồng hóa số liệu cao khơng khu vực Châu Á Ngày 21 15 F N Tổng 26 26 H 10 M 15 13 F 1 N 2 Tổng 26 26 H 18 M 17/10 WRF - KF M 16/10 WRF H 15/10 Chỉ số 12 F N Tổng 26 26 59 Bảng 3.5 Bảng số đánh giá dự báo đồng hóa số liệu cao khơng khu vực Châu Á Ngày 0.05 0.41 POD 0.05 0.32 FAR 0.22 0.05 0.29 FBI 0.39 0.48 POD 0.35 0.43 FAR 0.11 0.09 TS 0.33 0.42 FBI 0.45 0.9 POD 0.4 0.9 FAR 0.11 TS 16/10 WRF - KF TS 15/10 WRF FBI 14/10 Chỉ số 0.38 0.9 Qua bảng (Bảng 3.4 bảng 3.5) ta thấy số đánh giá dự báo mƣa mơ hình WRF-KF dự báo đợt mƣa tốt nhiều so với kết dự báo mƣa mơ hình WRF 3.3.2 Đánh giá khả dự báo mơ hình đồng hóa số liệu cao khơng Việt Nam Bảng số dự báo mơ hình WRF WRF – KF đồng hóa số liệu cao khơng Việt Nam 60 Bảng 3.6 Bảng so sánh phân loại dự báo đồng hóa số liệu cao khơng Việt Nam Ngày 11 21 11 F N Tổng 26 26 H 16 M 15 F 1 N 2 Tổng 26 26 H 19 M 12 F N Tổng 17/10 WRF - KF M 16/10 WRF H 15/10 Chỉ số 26 26 Bảng 3.7 Bảng số đánh giá dự báo đồng hóa số liệu cao không Việt Nam Ngày 0.05 0.54 POD 0.05 0.5 FAR 0.08 0.05 0.48 FBI 0.39 0.74 POD 0.35 0.7 FAR 0.11 0.06 TS 0.33 0.67 FBI 17/10 WRF - KF TS 16/10 WRF FBI 15/10 Chỉ số 0.45 0.95 POD 0.4 0.95 FAR 0.11 TS 0.38 0.95 61 Qua hai bảng (Bảng 3.6 3.7), ta thấy số đánh giá dự báo mƣa mơ hình WRF-KF đồng hóa số liệu cao khơng Việt Nam đợt mƣa tốt nhiều so với kết dự báo mƣa mơ hình WRF 3.3.3 So sánh khả dự báo mô hình đồng số liệu cao khơng khu vực Châu Á đồng hóa số liệu cao khơng Việt Nam Bảng 3.8 Bảng so sánh phân loại dự báo đồng hóa số liệu cao khơng khu vực Châu Á Việt Nam Ngày 15 13 F N Tổng 26 26 H 10 15 M 13 F 1 N 2 Tổng 26 26 H 18 19 M 17/10 Việt Nam M 16/10 Châu Á H 15/10 Chỉ số F 0 N 6 Tổng 26 26 62 Bảng 3.9 Bảng số đánh giá dự báo đồng hóa số liệu cao khơng khu vực Châu Á Việt Nam Ngày 0.41 0.54 POD 0.32 0.5 FAR 0.22 0.08 0.29 0.48 FBI 0.48 0.74 POD 0.43 0.7 FAR 0.09 0.06 TS 0.42 0.67 FBI 0.9 0.95 POD 0.9 0.95 FAR 0 TS 16/10 Việt Nam TS 15/10 Châu Á FBI 14/10 Chỉ số 0.9 0.95 Thông qua số hai bảng ta thấy khả dự báo mơ hình đồng hóa số liệu cao khơng Việt Nam tốt so với việc đồng hóa số liệu cao khơng khu vực Châu Á 63 KẾT LUẬN Sau thử nghiệm phƣơng pháp lọc Kalman tổ hợp cho mơ hình WRF để dự báo mƣa lớn miền Trung tơi có số kết luận nhƣ sau: - Cƣờng độ mƣa sử dụng mơ hình WRF WRF–KF bƣớc thời gian dự báo khác khác nhiều (lƣợng mƣa trƣờng hợp WRF-KF lớn so với WRF) - Kết dự báo có đồng hóa số liệu địa phƣơng (TB) gần với kết quan trắc trạm (Trạm) tốt hẳn kết dự báo từ mơ hình WRF (CTL) - Ngồi việc dự báo đƣợc mƣa lớn, mơ hình WRF-KF bắt đƣợc trạm có lƣợng mƣa nhỏ trạm khơng mƣa - Tuy có kết dự báo tốt nhƣng kết mơ hình WRF-KF chƣa bắt đƣợc ngày có mƣa lớn đặc biệt khu vực Kết mơ hình dự báo đƣợc lƣợng mƣa nhỏ 250mm số trạm có lƣợng mƣa ngày lên đến 390 – 700mm/ngày - Chỉ số đánh giá dự báo mƣa lớn mơ hình WRF-KF đợt mƣa tốt nhiều so với kết dự báo mƣa mô hình WRF - Kết dự báo WRF-KF đồng hóa số liệu cao khơng Việt Nam có phần tốt (dự báo đƣợc lƣợng mƣa lớn hơn, số đánh dự báo cao hơn) so với WRF-KF đồng hóa số liệu cao khơng khu vực Châu Á Như phương pháp đồng hóa lọc Kalman tổ hợp địa phương thể ưu điểm việc dự báo mưa lớn miền Trung Việt Nam tốt so với khơng đồng hóa (WRF), điều mở xu hướng nghiên cứu cho việc dự báo mưa lớn cải thiện tốt 64 TÀI LIỆU THAM KHẢO Tiếng Việt [1] Kiều Quốc Chánh, Tổng quan hệ thống đồng hóa lọc Kalman tổ hợp ứng dụng cho mơ hình dự báo thời tiết WRF, Tạp chí Khoa học ĐHQGHN, Khoa học Tự nhiên Cơng nghệ 27, Số 1S (2011) 17-28 [2] Hồng Đức Cƣờng cộng sự, Nghiên cứu vai trò liệu cao khơng sơ đồ đồng hóa số liệu 3DVAR cho mơ hình WRF nhằm mục đích dự báo thời tiết Việt Nam, Hội thảo Khoa học Khí tƣợng Cao khơng lần thứ VII (2010) 145 – 156 [3] Võ Văn Hòa, (2007), Nghiên cứu thử nghiệm mơ hình WRF dự báo quỹ đạo bão khu vực biển đơng, Tạp chí KTTV số 5761-2007, Tr 13-20 [4] Trần Tân Tiến, Nguyễn Đăng Quế, 2002, Xử lý số liệu khí tượng dự báo thời tiết phương pháp thống kê vật lý, Nhà xuất Đại học Quốc Gia Hà Nội, số 01.69.ĐH2002 [5] Trần Tân Tiến, (1997), Nghiên cứu dự báo thời tiết phương pháp số trị, nhà xuất Đại học Quốc gia Hà Nội [6] Phạm Đức Thi CCS, Xây dựng số phương pháp dự báo hạn vừa, hạn dài nhiệt độ mùa đông mưa mùa hè khu vực phía bắc Việt Nam Tiếng Anh [7] Bergthorsson, P., and B Dăoăos, 1955: Numerical weather map analysis, Tellus 7,329-340 [8] Bougeault, P., Houze, R A., Rotunno, R., and Volkert, H., 2003: MAP (Mesoscale Alpine Programme), Quart J Royal Meteorol Soc., 129, 341–899 [9] Cressman, G P., 1959: An operational objective analysis system, Mon Wea Rev 87, 367-374 [10] C Yaiprasert, K Jaroensutasinee, and M Jaroensutasinee, The Pixel Value Data Approach for Rainfall Forecasting Based on GOES-9 Satellite Image Sequence Analysis, World Academy of science, Egineering and Technology 32 2007 [11] Daley, R (1991), Atmospheric data analysis, Cambridge University Press 65 [12] Dee, D., and A Da Silva, 1998: Data assimilation in the presence of forecast bias Quart J Roy Meteor Soc 124,269-295 [13] Elementi, M., C Marsigli, and T Paccagnella, 2005: High resolution forecast of heavy precipitation with Lokal Modell: analysis of two case studies in the Alpine area Natural Hazards and Earth System Sciences, 5, 593–602 [14] Kato, T., and H Goda, 2001: Formation and maintenance processes of a stationary band-shaped heavy rainfall observed in Niigata on August 1998 J Meteor Soc Japan, 79, 899-924 [15] Kato, T., M Yoshizaki, K Bessho, T Inoue, Y Sato and XBAIU- 01 observation group, 2003: Reason for the failure of the simulation of heavy rainfall during X-BAIU-01-Importance of a vertical profile of water vapor for numerical simulations, J Meteor Soc Japan, 81, 993-1013 [16] Kato, T., and K Aranami 2009: Formation Factors of 2004 NiigataFukushima and Fukui Heavy Rainfalls and Problems in the Predictions using a CloudResolving Model SOLA, 10, doi:10.2151/sola [17] Kehoe, R M., M A Boothe, R L Elsberry, 2007: Dynamical tropical cyclone 96- and 120-h track forecast errors in the Western North Pacific Wea Forecasting, 22, 520-538 [18] Lee, Dong-Kyou *, Hyun-Ha Lee, Jai-Won Lee and Jung-Hoon Cho Atmospheric Sciences Program, School of Earth and Environmental Sciences, Seoul National University, Seoul, Korea, HEAVY RAINFALL PREDICTION OVER EAST ASIA USING THE HIGH RESOLUTION WRF MODEL [19] Lin, N., J A Smith, G Villarini, T P Marchok, M L Baeck, 2010: Modeling Extreme Rainfall, Winds, and Surge from Hurricane Isabel (2003), 25, doi: 10.1175/2010WAF2222349 [20] Payne, K A., R L Elsberry, M A Boothe, 2007: Assessment of Western North Pacific 96- and 120-h track guidance and present forecast ability Wea Forecasting., 22, 1003-1015 [21] Schumacher, R S., C A Davis, 2010: Ensemble-based Forecast Uncertainty Analysis of Diverse Heavy Rainfall Events, 25 doi: 10.1175/2010WAF2222378 [22] Talagrand, O., 1997: Assimilation of observations, an introduction J Met Soc Japan Special Issue 75, 1B,191-209 Trang web [14] http://dss.ucar.edu/datasets/ds083.2/ [15] http://weather.uwyo.edu/upperair/sounding.html 66 [16].http://www.mmm.ucar.edu/wrf/users/docs/user_guide_V3/contents.html [17].http://www.mmm.ucar.edu/wrf/users/docs/user_guide_V3/users_guide_cha p1.htm 67 ... Kalman tổ hợp cho dự báo mƣa lớn miền Trung Để khảo sát độ nhạy số liệu cao không khu vực Châu Á đến dự báo mƣa lớn miền Trung với phƣơng pháp đồng hóa lọc Kalman tổ hợp tiến hành thử nghiệm. .. số liệu mơ hình dự báo Chƣơng III : Kết dự báo thử nghiệm CHƢƠNG I TỔNG QUAN 1.1 Tổng quan dự báo mƣa lớn Trên giới Dự báo mƣa lớn thử thách lớn toán nghiệp vụ giới Các nghiên cứu mô số với độ... liệu cho mơ hình RAMS để dự báo mƣa lớn cho khu vực Trung Bộ Trong nghiên cứu khác, Hoàng Đức Cƣờng đồng hóa số liệu cao khơng phƣơng pháp 3DVAR cho mơ hình WRF để dự báo thời tiết Việt Nam [2]