Hội thảo khoa học Quốc gia Khí tượng Thủy văn, Môi trường Biến đổi khí hậu lần thứ XVI GIỚI THIỆU HỆ THỐNG DỰ BÁO THỦY VĂN BẰNG TỶ SỐ RCRPS Trịnh Nguyên Bão Phân viện Khí tượng Thủy văn Môi trường Phía Nam Hệ thống dự báo khí tượng, tính toán dự báo cho khoảng thời gian tới khác nhau, ngày sử dụng nhiều đầu vào cho mô hình thủy văn để gia tăng thời gian cảnh báo lũ cải thiện dự báo lũ. Quá trình dòng chảy lưu vực sông phức tạp tự nhiên lưu lượng nước dự báo ảnh hưởng yếu tố khí tượng cách phi tuyến tính. Yếu tố tự nhiên phức tạp việc áp dụng tỷ số hiệu suất phổ biến đánh giá hệ thống dự báo khí tượng vào việc đánh giá tỷ số hiệu suất hệ thống dự báo thủy văn đơn giản. Hơn nữa, mức độ lưu lượng sông khác gây khó khăn cho việc giải thích so sánh tỷ số, trường hợp tỷ số xác suất (CRPS) hệ thống dự báo khí tượng. Bài báo trình bày tỷ số xác suất giảm thiểu (RCRPS, Trinh et al., 2013) để đánh giá cho cường độ lưu lượng sông khác nhau, hiệu suất ứng dụng nó. Và tỷ số định lượng hệ thống dự báo thủy văn (HEPS) tỷ số xác suất giảm thiểu đề nghị, để truy cập hiệu suất tỷ số xác suất tất hệ thống cảnh báo cho dự báo lũ. 1. Mở đầu Hệ thống dự báo thủy văn sử dụng hệ thống dự báo khí tượng (EPS) đầu vào ngày tăng nhiều thập kỷ qua (Cloke et al, 2009; Cloke Pappenberger, 2009; Bogner Kalas, 2008). Như hệ thống dự báo thủy văn (HEPS) (Thielen et al 2009a, 2009b) gồm có thành phần xác định (Determinist) thành phần xác suất (Probability). Dự báo xác suất tính số thành viên (member) dự báo kiện tổng số thành viên quần thể (Ensemble). . Được gọi hệ thống xác suất. Dự báo xác định cung cấp ước tính có độ phân giải cao nhất, hữu ích cho dự báo không gian xác thời gian dự báo ngắn hạn Trong dự báo xác suất cung cấp thêm thông tin cho dự báo xác định, tức dấu hiệu cho thấy khả kiện cực đoan, ước tính dự báo không chắn, khả mở rộng thời gian cảnh báo lũ dài hạn (trung bình > ngày), thông tin xác suất để chuyển đổi thành tỷ số CL (Cost-Loss) rủi ro giảm thiểu định cảnh báo (Verbunt et al, 2007;. Roulin et al, 2007; Gouweleeuw et al. 2005). Để xác minh hệ thống dự báo thủy văn nắm bắt phân bố biểu đồ thuỷ văn xác suất kiện thủy văn cực đoan cách xác, người ta sử dụng nhiều tỷ số đánh giá khác (Bartholmes et al, 2009; Cloke Pappenberger, 2008, Randrianasolo et al, 2010; Thirel et al, 2010). Và tỷ số đánh giá dĩ nhiên để cải thiện, nâng cao hệ thống dự báo. Cloke Pappenberger (2009) cảnh báo cộng đồng phát triển HEPS đánh giá cách cẩn thận dự báo kỹ thuật định lượng. Tuy nhiên hướng dẫn phương pháp "thực hành tốt nhất". Thông thường nhiều tỷ số sử dụng việc đánh giá EPS áp dụng trực tiếp vào việc đánh giá HEPS. Nhưng việc dẫn tới hệ lụy phụ thuộc tỷ số xác suất vào cường độ lưu lượng nước sử dụng tỷ số xác suất. Từ dẫn đến sai lầm so sánh khả 18 Tập 2: Thủy văn - Tài nguyên nước, Biển, Môi trường Hội thảo khoa học Quốc gia Khí tượng Thủy văn, Môi trường Biến đổi khí hậu lần thứ XVI dự báo hệ thống dự báo thủy văn hai sông có cường độ lưu lượng nước khác nhau. Mục đích viết để trình bày ưu điểm tỷ số xác suất giảm thiểu (RCRPS, Trinh et al., 2013) dùng để đánh giá HEPS đề suất việc sử dụng tỷ số để đánh giá dự báo xảy với xác suất tổ hợp hệ thống thủy văn. Mô tả thảo luận thêm tỷ số khác sử dụng đánh giá dự báo xác suất tìm đọc Stanki et al. (1989) gần hơn, Toth et al. (2003). Mỗi tỷ số đánh giá hiệu suất khác dự báo xác suất như: độ tin cậy, độ phân giải, độ sắc nét, biên độ sai số, tất quan trọng để hiểu đầy đủ HEPS. Vì vậy, Jolliffe Stephenson (2003) đề nghị phương pháp tiếp cận nhiều tỷ số hiệu suất khác để đánh giá đầy đủ xác HEPS. Phần II trình bày Tỷ số xác suất giảm thiểu: cách tính toán ưu điểm so với tỷ số xác suất phần III đề suất sử dụng tỷ số xác suất giảm thiểu để hổ trợ định cảnh báo lũ hệ thống dự báo thủy văn tích hợp. Kết luận phần IV. 2. Ưu điểm tỷ số xác suất giảm thiểu Để đánh giá dự báo thủy văn xác định (Determinist), tỷ số thường dùng sai số bình phương trung bình (Mean Square Error: MSE), sai số tuyệt đối trung bình (Mean Absolute Error: MAE), hai sai số bình phương trung bình (Root Mean Square Error: RMSE) (Cloke Pappenberger, 2008; Jolliffe Stephenson, 2003) sử dụng để xác định chất lượng hiệu suất dự báo. Trong nhiều ứng dụng thủy văn, tỷ số Nash-Sutcliffe (Nash Sutcliffe, 1970) tỷ số phổ biến sử dụng (Schaefli Gupta, 2007). Tuy nhiên, trái ngược với dự báo xác định tỷ số đủ để mô tả hiệu suất dự báo, dự báo xác suất HEPS có thuộc tính khác hiệu suất HEPS độ tin cậy, độ phân giải, độ sắc nét, biên độ sai số phải phân tích. Vì đánh giá với tỷ số nhất, phương pháp tỷ số khác phải áp dụng để nắm bắt đầy đủ hiệu suất HEPS. CRPS, thường sử dụng khí tượng, có đặc tính đáng ý tỷ số xác suất (Hersbach 2000; Candille et al, 2007; Laio Tamea, 2007; Candille, 2009). Cụ thể là: 1. Nhạy cảm với toàn phạm vi cho phép thông số quan tâm; 2. Không đòi hỏi xếp hạng trước, kết bị ảnh hưởng sau đó; 3. Là tích phân tỷ số Brier (Brier, 1950); 4. Đối với dự báo xác định, CRPS MAE tỷ số cho phép so sánh hiệu suất dự báo xác định dự báo xác suất HEPS. Chất lượng cần thiết để hổ trợ định an toàn cho cảnh báo lũ (xem phần III hổ trợ định cảnh báo lũ); 5. Giá trị trung bình Chi phí dự kiến (tỷ số Cost/Loss, Laio Tamea, 2007); 6. Nó cho phép so sánh hai (H)EPS. Tuy nhiên, phụ thuộc CRPS vào cường độ lưu lượng nước làm cho CRPS dùng để so sánh hiệu suất dự báo HEPS hai trạm thủy văn Tập 2: Thủy văn - Tài nguyên nước, Biển, Môi trường 19 Hội thảo khoa học Quốc gia Khí tượng Thủy văn, Môi trường Biến đổi khí hậu lần thứ XVI có cường độ lưu lượng nước khác nhau. Một vấn đề tương tự xảy sử dụng biên độ (spread of ensemble) hai sai số trung bình (RMSE) để đánh giá hệ thống dự báo thủy văn hai lưu vực sông có lưu lượng khác nhau, Randrianasolo et al (2010) Thirel et al (2010). Laio Tamea (2007) vấn đề họ sử dụng lưu vực sông khác nhau. Để khắc phục vấn đề có tỷ số xác suất độc lập với cường độ biến số nghiên cứu, RCRPS trình bày Trinh et al (2013). Tỷ số tính dựa việc chuẩn hóa tỷ số xác suất (CRPS) cường độ lệch chuẩn lưu lượng nước sông bảo tồn đặc tính đáng ý tỷ số xác suất nêu trên. 3. Hỗ trợ định cảnh báo lũ HEPS sử dụng nhiều EPS khác đầu vào mô hình thủy văn để dự báo lũ sớm. Tuy nhiên câu hỏi đặt làm để tích hợp HEPS khác để định đưa cảnh báo lũ HEPS lại có đặc tính hiệu suất khác ? Ví dụ, Hình cho thấy cảnh báo lũ sớm mô HEPS hệ thống dự báo lũ Châu Âu (EFAS) Ý sông Pô ngày 24/04/2009 00h. Email cảnh báo lũ "Dựa hệ thống dự báo khí tượng Châu Âu (European Center Medium-Range Weather Forecasts EPS: ECMWF EPS) dự báo EFAS cho thấy xác suất cao vượt mức cảnh báo cao EFAS cho lưu vực sông Pô từ ngày 27 tháng trở ngày 02 tháng năm liên tục 46 thành viên HEPS (51 thành viên) vượt mức cảnh báo cao. Theo dự báo xác định ECMWF (European Determinist EUD) (24-04-2009-00) dự báo xác định dịch vụ thời tiết Đức (German Weather Service: DWD) hỗ trợ kết “vượt mức cảnh báo cao”. Mức cảnh báo nghiêm trọng vượt nhánh sông (Tanaro River) có đến thành viên EPS vượt cảnh báo nghiêm trọng. Đỉnh cao lũ lụt dự kiến xảy vào ngày 27 28 Tháng thượng nguồn sông Pô vào ngày 29 đến 30 tháng tư cho hạ lưu sông Pô". Mặc dù dự báo xác định DWD rõ từ ngày 23/04/2009 00 h, dự báo xác định ECMWF vào ngày 22/04/2009 12h. Vì cẩn trọng tính xác dự báo lũ nên đến sáng ngày 25/04/2009, cảnh báo lũ gửi đi. Chính việc định lượng hiệu suất dự báo HEPS khác phương pháp trung bình trọng lượng (Weighted average), thường sử dụng thống kê, hữu ích cho việc đưa định cảnh báo lũ sớm. Sau đây, trọng lượng HEPS EFAS có đầu vào như: Hiệp hội cho mô hình quy mô nhỏ (Consortium for Small-scale Modeling: COSMO-LEPS), EPS ECMWF, DWD EUD (Xin xem thêm báo Hệ thống cảnh báo lũ lụt Châu Âu) tính hai tỷ số tương đương (Hersbach, 2000): tỷ số xác suất giảm thiểu (RCRPS) sai số tuyệt đối trung bình (MAE). Các HEPS dùng tỷ số xác suất giảm thiểu EPS ECMWF Cosmo-LEPS; HEPS dùng MAE DWD EUD. Cho a b RCRPS EPS ECMWF Cosmo-LEPS; c d MAE DWD EUD. Bởi định hướng tiêu cực hai tỷ số không âm RCRPS MAE, trọng lượng cho HEPS cho tổng nghịch đảo phương trình 1. 20 Tập 2: Thủy văn - Tài nguyên nước, Biển, Môi trường Hội thảo khoa học Quốc gia Khí tượng Thủy văn, Môi trường Biến đổi khí hậu lần thứ XVI Cho Si , i 1, 4 , l 1,10 bốn HEPS khác EFAS: Cosmo-LEPS, EPS ECMWF, DWD EUD mô thời điểm t với dự báo vào thời gian l; s mức cảnh báo (nghiêm trọng, cao, trung bình thấp); Pr Sit ,l s xác suất t ,l cảnh báo (số thành viên HEPS vượt cảnh báo / tổng số thành viên), cho DWD EUD; Mean Var trung bình biên độ; St,l tích hợp bốn HEPS tính phương trình 2. Hình 1: Mô HEPS EFAS vào 24/04/2009 00 h sông Pô Bắc Ý. Phương trình 1: Phương trình 2: bcd abc + bcd + cda + dab cda COSMO-LEPS, RCRPS b, weight w2 = abc + bcd + cda + dab dab DWD, MAE c, weight w3 = abc + bcd + cda + dab abc EUD, MAE d , weight w4 = abc + bcd + cda + dab Pr S t ,l s = wi Pr Sit ,l s EPS ECMWF, RCRPS a, weight w1 = i =1 Mean S t ,l = wi Mean Sit ,l i =1 Var S t ,l = wi2Var Sit ,l i =1 Xác suất cảnh báo, trung bình biên độ tích hợp HEPS có ích cho việc giảm thiểu rủi ro định cảnh báo. 4. Kết luận Phần II ưu điểm tỷ số giảm thiểu (RCRPS) trình bày báo Trinh et al (2013), phần III đề suất tính toán phương Tập 2: Thủy văn - Tài nguyên nước, Biển, Môi trường 21 Hội thảo khoa học Quốc gia Khí tượng Thủy văn, Môi trường Biến đổi khí hậu lần thứ XVI pháp xác suất thống kê. Đề xuất cách tính nhanh thành phần tích hợp hệ thống dự báo như: xác suất cảnh báo, trung bình biên độ. Nó thích ứng cho hệ thống cảnh báo lũ thời gian thực. Phương pháp trung bình trọng lượng phương pháp sử dụng nhiều toán xác suất thủy văn. Tuy nhiên, hệ thống cảnh báo cần đến kinh nghiệm khảo sát người để đưa định cảnh báo hay không. Chính mô HEPS tỷ số, .đều hệ thống hỗ trợ định cảnh báo lũ, đương nhiên nhiều thông tin, nhiều HEPS nhiều tỷ số giúp ích nhiều cho quan dự báo lũ. Hơn nữa, thông tin thống kê, khảo sát liệu trận lũ khứ giúp đỡ nhiều cho định cảnh báo lũ sớm. TÀI LIỆU THAM KHẢO 1. Bartholmes, J.C., Thielen, J., Ramos, M.H. and Gentilini, S., 2009. The european flood alert system EFAS – Part 2: Statistical skill assessment of probabilistic and deterministic operational forecasts. Hydrol. Earth Syst. Sci., 13(2): 141-153. 2. Bogner, K. and Kalas, M., 2008. Error-correction methods and evaluation of an ensemble based hydrological forecasting system for the Upper Danube catchment. Atmospheric Science Letters, 9(2): 95-102. 3. Brier, G.W., 1950. Verification of forecasts expressed in terms of probability. Mon. Weather. Rev, 78: 1-3. 4. Candille, G., 2009. The Multi-ensemble Approach: The NAEFS Example. Monthly Weather Review, 137(5): 1655-1665. 5. Candille, G., Cote, C., Houtekamer, P.L. and Pellerin, G., 2007. Verification of an Ensemble Prediction System against Observations. Monthly Weather Review, 135(7): 2688-2699. 6. Cloke, H.L. and Pappenberger, F., 2008. Evaluating forecasts of extreme events for hydrological applications: an approach for screening unfamiliar performance measures. Meteorological Applications, 15(1): 181-197. 7. Cloke, H.L. and Pappenberger, F., 2009. Ensemble flood forecasting: A review. Journal of Hydrology, 375(3-4): 613-626. 8. Cloke, H.L., J. Thielen del Pozo, F. Pappenberger, S. Nobert, G. Balint, C. Edlund, A. Koistinen, C. De Saint-Aubin, E. Sprokkereef, C. Viel, P. Salomon, and R. Buizza. 2009. Progress in the implementation of Hydrological Ensemble Prediction Systems (HEPS) in Europe for operational flood forecasting. ECMWF newsletter 121:20-24. 9. Gouweleeuw, B. T., J. Thielen, G. Franchello, A. P. J. De Roo, and R. Buizza. 2005. Flood forecasting using medium-range probabilistic weather prediction. Hydrol. Earth Syst. Sci. (4):365-380. 10. Hersbach, H., 2000. Decomposition of the continuous ranked probability score for ensemble prediction systems. Weather and forecasting, 15: 559-570. 22 Tập 2: Thủy văn - Tài nguyên nước, Biển, Môi trường Hội thảo khoa học Quốc gia Khí tượng Thủy văn, Môi trường Biến đổi khí hậu lần thứ XVI 11. Jolliffe I.T., Stephenson D.B. (2003). Forecast Verification: A practitioner's Guide in Atmospheric Science. Wiley:UK. 12. Laio, F. and Tamea, S., 2007. Verification tools for probabilistic forecasts of continuous hydrological variables. Hydrol. Earth Syst. Sci., 11: 1267-1277. 13. Nash, J.E. and Sutcliffe, J.V., 1970. River flow forecasting through conceptual models. Part I: a discussion of principles. Journal of Hydrology, 10: 282-290. 14. Randrianasolo, A., Ramos, M. H., Thirel, G., Andreassian, V. and Martin, E. Comparing the scores of hydrological ensemble forecasts issued by two different hydrological models, Atmospheric Science Letters, 11: 100-107, 2010. 15. Roulin, E., 2007. Skill and relative economic value of medium-range hydrological ensemble predictions. Hydrol. Earth Syst. Sci., 11(2): 725-737. 16. Schaefli, B. and Gupta, H.V., 2007. Do Nash values has value? Hydrological process: 1-6. 17. Stanki, H.R., Wilson, L.J. and Burrows, W.R., 1989. Survey of common verification methods in meteorology, Technical report No. Geneva: WMO. 18. Thielen, J., Bartholmes, J., Ramos, M.-H. and de Roo, A., 2009b. The European Flood Alert System – Part 1: Concept and development. Hydrol. Earth Syst. Sci., 13(2): 125-140. 19. Thielen, J., K. Bogner, F. Pappenberger, M. Kalas, M. del Medico, and A. de Roo. 2009a. Monthly-, medium-, and short-range flood warning: testing the limits of predictability. Meteorol.Appl. 16:77-90. 20. Thirel, G., Martin, E., Mahfouf, J.-F., Massart, S., Ricci, S., Regimbeau, F. and Habets, F. A past discharge assimilation system for ensemble streamflow over France – Part 2: Impact on the ensemble streamflow forecasts, Hydrology and Earth System Sciences, 14, 1639-1653, 2010. 21. Toth, Z., Talagrand, O., Candille, G. and Zhu, Y., 2003. Probability and ensemble forecasts. In: Forecast Verification: A practitioner's Guide in Atmospheric Science. Jolliffe I., Stephenson D.B. (eds), Wiley:UK, 137-163 pp. 22. Trinh, B. N., Thielen-del Pozo, J. and Thirel, G. (2013). The Reduction CRPS for evaluating discharge forecasts from HEPSs, Atmospheric Science Letters, doi: 10.1002/asl2.417. 23. Van Der Knijff, J.M., Younis, J. and De Roo, A.P.J., 2010. LISFLOOD: a GISbased distributed model for river basin scale water balance and flood simulation. International Journal of Geographical Information Science, 24(2), 189-212. 24. Verbunt, M., Walser, A., Gurtz, J., Montani, A. and Schar, C., 2007. Probabilistic Flood Forecasting with a Limited-Area Ensemble Prediction System: Selected Case Studies. Journal of Hydrometeorology, 8(4): 897-909. Tập 2: Thủy văn - Tài nguyên nước, Biển, Môi trường 23 Hội thảo khoa học Quốc gia Khí tượng Thủy văn, Môi trường Biến đổi khí hậu lần thứ XVI THE QUANTIFICATION OF THE HYDROLOGICAL ENSEMBLE PREDICTION SYSTEM (HEPS) BY THE REDUCTION CONTINUOUS RANK PROBABILITY SCORE (RCRPS) Trinh nguyen Bao Sub-Institute of Hydrometeorology and Environment of South Vietnam (SIHYMETE) Ensemble Prediction System (EPS) meteorological forecasts, calculated operationally for various lead-times, are increasingly used as input to hydrological models to extend floodwarning times and improve forecasts. Catchment runoff processes are understood to be very complex in nature and river discharge predictions are related to the forcing meteorology in a non-linear way. Such complexities mean that it is not straightforward to adapt commonly applied skill score from meteorology for use in describing the skill-score of the probabilistic river discharge predictions. Furthermore, the different river discharge magnitudes can make difficult the interpretation and comparison of these scores, as it is for the Continuous Rank Probability Score (CRPS). In this paper, a novel ‘Reduction’ CRPS (RCRPS: Trinh et al., 2013), which takes into account the different river discharge magnitudes, is presented, and its usefulness is exhibited. And the quantification of different Hydrological Ensemble Prediction Systems (HEPS) by RCRPS is also proposed in order to access to the total probabilistic river discharge skill score of all different HEPSs. 24 Tập 2: Thủy văn - Tài nguyên nước, Biển, Môi trường . Và tỷ số định lượng của những hệ thống dự báo thủy văn (HEPS) bằng tỷ số xác suất giảm thiểu được đề nghị, và để truy cập hiệu suất của tỷ số xác suất của tất cả những hệ thống cảnh báo cho dự. gia về Khí tượng Thủy văn, Môi trường và Biến đổi khí hậu lần thứ XVI 18 Tập 2: Thủy văn - Tài nguyên nước, Biển, Môi trường GIỚI THIỆU HỆ THỐNG DỰ BÁO THỦY VĂN BẰNG TỶ SỐ RCRPS Trịnh Nguyên. phức tạp như vậy cho nên việc áp dụng tỷ số hiệu suất phổ biến đánh giá hệ thống dự báo khí tượng vào việc đánh giá tỷ số hiệu suất của hệ thống dự báo thủy văn không phải là đơn giản. Hơn nữa,