Bảng 3.5: Kết quả tính toán chỉ số BSS cho dự báo POP hạn 24 giờ từ UMOS và DMO của mô hình WRF-ARW và từ DMO của mô hình GSM trung bình trên 9 khu vực và toàn bộ Việt Nam năm 2014Erro
Trang 1ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN
––––––––––––––
LƯƠNG NHƯ NGUYÊN
ÁP DỤNG PHƯƠNG PHÁP UMOS ĐỂ CẢI THIỆN DỰ BÁO PHA
MƯA TRÊN KHU VỰC VIỆT NAM
LUẬN VĂN THẠC SĨ KHOA HỌC
Hà Nội – Năm 2016
Trang 2ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN
––––––––––––––––
LƯƠNG NHƯ NGUYÊN
ÁP DỤNG PHƯƠNG PHÁP UMOS ĐỂ CẢI THIỆN DỰ BÁO PHA
MƯA TRÊN KHU VỰC VIỆT NAM
Chuyên ngành: Khí tượng và Khí hậu học
Mã số: 60440222
LUẬN VĂN THẠC SĨ KHOA HỌC
NGƯỜI HƯỚNG DẪN KHOA HỌC: TS BÙI MINH TĂNG
Hà Nội – Năm 2016
Trang 3LỜI CAM ĐOAN
Tôi xin cam đoan Luận văn “Áp dụng phương pháp UMOS để cải thiện dự báo pha mưa trên khu vực Việt Nam” là công trình nghiên cứu do cá nhân tôi thực hiện dưới sự hướng dẫn khoa học của Tiến sỹ Bùi Minh Tăng, không sao chép từ các công trình nghiên cứu của người khác Số liệu và kết quả của Luận văn chưa từng được công bố ở bất kỳ một công trình khoa học nào khác
Các thông tin thứ cấp sử dụng trong Luận văn là có nguồn gốc rõ ràng, được trích dẫn đầy đủ, trung thực và đúng quy cách
Tôi xin hoàn toàn chịu trách nhiệm về tính xác thực và nguyên bản của Luận văn./
Hà Nội, ngày 20 tháng 12 năm 2016
Tác giả Luận văn
Lương Như Nguyên
Trang 4LỜI CẢM ƠN
Lời đầu tiên, tôi xin trân trọng cảm ơn Tiến sỹ Bùi Minh Tăng đã định hướng nghiên cứu và các phương pháp luận cho tôi trong suốt quá trình thực hiện nghiên cứu Luận văn Thạc sỹ
Trong quá trình nghiên cứu và học tập tại Khoa Khí tượng, Thủy văn và Hải dương học, Đại học Khoa học Tự nhiên, Đại học Quốc gia Hà Nội tôi đã có cơ hội được tiếp thu những kiến thức cơ bản và chuyên sâu về chuyên ngành Khí tượng và Khí hậu học Qua đó, đã giúp tôi có được những kiến thức chuyên môn cũng như kinh nghiệm trong suốt quá trình học tập, tạo động lực trong nghiên cứu khoa học, phục vụ hiệu quả trong quá trình nghiên cứu, thực hiện và hoàn thiện Luận văn Thạc sỹ của tôi
Tôi xin trân trọng cảm ơn các đồng chí Lãnh đạo,các thầy giáo, cô giáo và các cán bộ trong Khoa Khí tượng, Thủy văn và Hải dương học đã tận tình hướng dẫn, giúp đỡ tôi về các điều kiện trong suốt quá trình học tập và thực hiện Luận văn
Xin chân thành cảm ơn các đồng chí Lãnh đạo và cán bộ của Trung tâm Dự báo khí tượng thủy văn Trung ương đã tạo điều kiện cho tôi tham gia khóa đào tạo Thạc sỹ, các đề tài nghiên cứu khoa học do Trung tâm Dự báo khí tượng thủy văn Trung ương chủ trì đã cung cấp thông tin, số liệu quan trắc, dự báo, tài liệu và tận tình giúp đỡ tôi trong quá trình thực hiện Luận văn
Trân trọng cảm ơn sự quan tâm, giúp đỡ của bạn bè, đồng nghiệp và gia đình
đã luôn sát cánh, động viên, giúp đỡ tôi trong quá trình học tập và hoàn thành Luận văn./
Hà Nội, ngày 20 tháng 12 năm 2016
Tác giả Luận văn
Lương Như Nguyên
Trang 5MỤC LỤC
MỤC LỤC 1
DANH MỤC BẢNG 4
DANH MỤC HÌNH VẼ 6
DANH MỤC KÝ HIỆU VIẾT TẮT 7
MỞ ĐẦU 9
CHƯƠNG I: TỔNG QUAN 13
1.1 Tổng quan về các phương pháp thống kê sau mô hình 13
1.2 Tình hình nghiên cứu nước ngoài 14
1.3 Tình hình nghiên cứu trong nước 18
CHƯƠNG II: SỐ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨUError! Bookmark not defined 2.1 Số liệu Error! Bookmark not defined.
2.1.1 Số liệu quan trắc Error! Bookmark not defined.
2.1.2 Số liệu dự báo Error! Bookmark not defined.
2.2 Phương pháp nghiên cứu Error! Bookmark not defined.
2.2.1 Phương pháp UMOS Error! Bookmark not defined.
2.2.2 Phương pháp GMOS Error! Bookmark not defined.
2.3 Áp dụng phương pháp UMOS cho bài toán dự báo POPError! Bookmark not defined.
2.3.1 Xác định yếu tố dự báo Error! Bookmark not defined.
2.3.2 Xác định nhấn tố dự báo Error! Bookmark not defined.
2.3.3 Xây dựng phương trình dự báo POP Error! Bookmark not defined.
2.4 Phương pháp đánh giá kết quả dự báo POPError! Bookmark not defined.
2.4.1 Điểm số Brier Error! Bookmark not defined.
2.4.2 Biểu đồ tin cậy Error! Bookmark not defined.
2.4.3 Đường đặc trưng hoạt động ROC và chỉ số ROCAError! Bookmark not defined.
2.5 Xây dựng hệ thống GMOS để đưa dự báo UMOS từ điểm trạm về
lưới phân giải cao Error! Bookmark not defined.
Trang 6CHƯƠNG III: KẾT QUẢ, ĐÁNH GIÁ Error! Bookmark not defined
3.1 Kết quả xây dựng phương trình dự báo Error! Bookmark not defined.
3.2 Kết quả đánh giá dự báo Error! Bookmark not defined.
3.2.1 Đánh giá các chỉ số kỹ năng Error! Bookmark not defined.
3.2.2 Biểu đồ độ tin cậy Error! Bookmark not defined.
3.3 Thử nghiệm kết quả hiện thị dưới dạng lưới GMOS cho dự báo POPError! Bookmark not defined KẾT LUẬN VÀ KIẾN NGHỊ Error! Bookmark not defined
TÀI LIỆU THAM KHẢO i
PHỤ LỤC 1:Danh sách các trạm quan trắc khí tượng bề mặt thuộc Việt Nam
được sử dụng trong Luận văn Error! Bookmark not defined
PHỤ LỤC 2:Danh sách các nhân tố dự báo dự tuyển từ mô hình WRF-ARWError! Bookmark not defined
PHỤ LỤC 3:Minh họa sự biến đổi của phương trình dự báo và RV tại trạm
Bắc Quang hạn dự báo 24 giờ với mô hình WRF-ARW vào mùa đôngError! Bookmark not defined
PHỤC LỤC 4:Minh họa sự biến đổi của phương trình dự báo và RV tại trạm
Bắc Quang hạn dự báo 24 giờ với mô hình WRF-ARW vào mùa hèError! Bookmark not defined
PHỤ LỤC 5:Minh họa sự biến đổi của phương trình dự báo và RV tại trạm
Bạch Long Vỹ hạn dự báo 24 giờ với mô hình WRF-ARWError! Bookmark not defined
PHỤ LỤC 6:Minh họa sự biến đổi của phương trình dự báo và RV tại trạm
Bãi Cháy hạn dự báo 24 giờ với mô hình WRF-ARWError! Bookmark not defined
PHỤ LỤC 7:Minh họa sự biến đổi của phương trình dự báo và RV tại trạm
Buôn Ma Thuột hạn dự báo 24 giờ với mô hình WRF-ARWError! Bookmark not defined
PHỤ LỤC 8:Minh họa sự biến đổi của phương trình dự báo và RV tại trạm
Cà Mau hạn dự báo 24 giờ với mô hình WRF-ARWError! Bookmark not defined
PHỤ LỤC 9:Minh họa sự biến đổi của phương trình dự báo và RV tại trạm
Cần Thơ hạn dự báo 24 giờ với mô hình WRF-ARWError! Bookmark not defined
PHỤ LỤC 10:Minh họa sự biến đổi của phương trình dự báo và RV tại trạm
Hà Nội hạn dự báo 24 giờ với mô hình WRF-ARWError! Bookmark not defined
Trang 7PHỤ LỤC 11:Minh họa sự biến đổi của phương trình dự báo và RV tại trạm
Vinh hạn dự báo 24 giờ với mô hình WRF-ARWError! Bookmark not defined
Trang 8DANH MỤC BẢNG Bảng 2.1:Số lượng các trạm quan trắc tại các Đài khu vựcError! Bookmark not defined.
Bảng 2.2: Cấu hình chi tiết của mô hình WRF-ARWError! Bookmark not defined.
Bảng 3.1: Tần suất tuyển chọn và tần suất tuyển chọn đầu tiên của các nhân tố trong phương trình POP hạn 24 giờ khi dung lượng mẫu tăng vào mùa đông
đối với mô hình WRF-ARW Error! Bookmark not defined
Bảng 3.2: Tần suất tuyển chọn và tần suất tuyển chọn đầu tiên của các nhân tố trong phương trình POP hạn 24 giờ khi dung lượng mẫu tăng vào mùa hè đối
với mô hình WRF-ARW Error! Bookmark not defined
Bảng 3.3: Tần suất tuyển chọn và tần suất tuyển chọn đầu tiên của các nhân tố trong phương trình POP hạn 48 giờ khi dung lượng mẫu tăng vào mùa đông
đối với mô hình WRF-ARW Error! Bookmark not defined
Bảng 3.4: Tần suất tuyển chọn và tần suất tuyển chọn đầu tiên của các nhân tố trong phương trình POP hạn 48 giờ khi dung lượng mẫu tăng vào mùa hè đối
với mô hình WRF-ARW Error! Bookmark not defined
Bảng 3.5: Kết quả tính toán chỉ số BSS cho dự báo POP hạn 24 giờ từ UMOS
và DMO của mô hình WRF-ARW và từ DMO của mô hình GSM trung bình
trên 9 khu vực và toàn bộ Việt Nam năm 2014Error! Bookmark not defined
Bảng 3.6: Kết quả tính toán chỉ số BSS cho dự báo POP hạn 24 giờ từ UMOS
và DMO của mô hình WRF-ARW và từ DMO của mô hình GSM trung bình
trên 9 khu vực và toàn bộ Việt Nam năm 2015Error! Bookmark not defined
Bảng 3.7: Kết quả tính toán chỉ số BSS cho dự báo POP hạn 48 giờ từ UMOS
và DMO của mô hình WRF-ARW và từ DMO của mô hình GSM trung bình
trên 9 khu vực và toàn bộ Việt Nam năm 2014Error! Bookmark not defined
Bảng 3.8: Kết quả tính toán chỉ số BSS cho dự báo POP hạn 48giờ từ UMOS
và DMO của mô hình WRF-ARW và từ DMO của mô hình GSM trung bình
trên 9 khu vực và toàn bộ Việt Nam năm 2015Error! Bookmark not defined
Bảng 3.9: Kết quả tính toán chỉ số ROCA cho dự báo POP hạn 24 giờ từ UMOS và DMO của mô hình WRF-ARW và từ DMO của mô hình GSM
trung bình trên 9 khu vực và toàn bộ Việt Nam năm 2014Error! Bookmark not defined.
Bảng 3.10: Kết quả tính toán chỉ số ROCA cho dự báo POP hạn 24giờ từ UMOS và DMO của mô hình WRF-ARW và từ DMO của mô hình GSM
Trang 9trung bình trên 9 khu vực và toàn bộ Việt Nam năm 2015Error! Bookmark not defined.
Bảng 3.11: Kết quả tính toán chỉ số ROCA cho dự báo POP hạn 48giờ từ UMOS và DMO của mô hình WRF-ARW và từ DMO của mô hình GSM
trung bình trên 9 khu vực và toàn bộ Việt Nam năm 2014Error! Bookmark not defined.
Bảng 3.12: Kết quả tính toán chỉ số ROCA cho dự báo POP hạn 48giờ từ UMOS và DMO của mô hình WRF-ARW và từ DMO của mô hình GSM
trung bình trên 9 khu vực và toàn bộ Việt Nam năm 2015Error! Bookmark not defined.
Trang 10DANH MỤC HÌNH VẼ Hình 2.1: Miền định hướng dự báo của mô hình WRF-ARW Error! Bookmark not defined.
Hình 2.2: Biểu đồ tin cậy Error! Bookmark not defined Hình 2.3: Đường đặc trưng hoạt động Error! Bookmark not defined
Hình 3.1: Biểu đồ tin cậy cho dự báo POP theo UMOS cho mô hình ARW vào mùa hènăm 2014 cho hạn dự báo 24giờ tại 9 khu vực nghiên
WRF-cứu……… ………Er ror! Bookmark not defined
Hình 3.2: Biểu đồ tin cậy cho dự báo POP theo UMOS cho mô hình ARW vào mùa đông năm 2014 cho hạn dự báo 24giờ tại 9 khu vực nghiên
WRF-cứu Error! Bookmark not defined
Hình 3.3: Biểu đồ tin cậy cho dự báo POP theo UMOS cho mô hình ARW vào mùa hènăm 2015 cho hạn dự báo 24giờ tại 9 khu vực nghiên
WRF-cứu……… Er ror! Bookmark not defined.
Hình 3.4: Biểu đồ tin cậy cho dự báo POP theo UMOS cho mô hình ARW vào mùa đôngnăm 2015 cho hạn dự báo 24giờ tại 9 khu vực nghiên cứu
Error! Bookmark not defined
Hình 3.5: Biểu đồ tin cậy cho dự báo POP theo UMOS cho mô hình ARW vào mùa hènăm 2014 cho hạn dự báo 48giờ tại 9 khu vực nghiên
WRF-cứu……… Er ror! Bookmark not defined.
Hình 3.6: Biểu đồ tin cậy cho dự báo POP theo UMOS cho mô hình ARW vào mùa đôngnăm 2014 cho hạn dự báo 48giờ tại 9 khu vực nghiên cứu
Error! Bookmark not defined
Hình 3.7: Biểu đồ tin cậy cho dự báo POP theo UMOS cho mô hình ARW vào mùa hènăm 2015 cho hạn dự báo 48giờ tại 9 khu vực nghiên
Trang 11WRF-cứu……… Er ror! Bookmark not defined.
Hình 3.8: Biểu đồ tin cậy cho dự báo POP theo UMOS cho mô hình ARWvào mùa đôngnăm 2015 cho hạn dự báo 48giờ tại 9 khu vực nghiên cứu
Error! Bookmark not defined
Hình 3.9: Bản đồ dự báo hạn 24 giờ cho xác suất xảy ra mưa từ 00Z ngày 04/08/2015 theo GMOS với dự báo từ UMOS của mô hình WRF-ARW và
quan trắc tương ứng Error! Bookmark not defined
Hình 3.10: Bản đồ dự báo hạn 48 giờ cho xác suất xảy ra mưa từ 00Z ngày 04/08/2015 theo GMOS với dự báo từ UMOS của mô hình WRF-ARW và
quan trắc tương ứng Error! Bookmark not defined
DANH MỤC KÝ HIỆU VIẾT TẮT ANN: Artificial Neural Network - Phương pháp mạng thần kinh nhân tạo BCDG:Tên phương pháp hiệu chỉnh viết tắt của 4 tác giả là: Bergthorssen,
Cressman, Doss và Glann
BOM:Bureau of Meteorology - Cục Khí tượng Úc
BSS: Brier Skill Score - Chỉ số kỹ năng Brier
CMA: China Meteorological Administration- Cơ quan Khí tượng Trung
Quốc
DMO:Direct Model Output - Kết quả dự báo trực tiếp từ mô hình
ECMWF:European Centre for Medium-Range Weather Forecasts-Trung
tâm dự báo hạn vừa Châu Âu
ETS: Equitable Threat Score - Tên một loại chỉ số kỹ năng
FAR: False Alarm Ratio - Tỷ lệ dự báo khống
GASP: Global Analysis and Prediction- Mô hình phân tích và dự báo toàn
cầu
GMOS: Gridded Model Ouput Statistics - Thống kê sau mô hình trên lưới GSM: Global Spectral Model - Mô hình phổ toàn cầu của JMA
HKO:HongKong Observatory- Cơ quan Khí tượng Hồng Kông
JMA: Japan Meteorological Agency - Cơ quan Khí tượng Nhật bản
Trang 12KF: Kalman Filter - Phương pháp lọc Kalman dạng tổng quát (ma trận) LAPS: Limited Area Prediction System- Hệ thống mô hình dự báo giới hạn
khu vực
LFM: Limited Fine Mesh- Mô hình lưới mịn giới hạn
LR:Linear Regression - Hồi quy tuyến tính
MLR: Multi Linear Regression - Hồi quy tuyến tính đa biến
MOS:Model Output Statistics - Phương pháp dự báo thống kê động lực sau
mô hình
NCEP: National Centers for Environmental Prediction - Trung tâm dự báo
môi trường quốc gia Mỹ
NeTCDF:Network Common Data Form - Tên một loại định dạng file
NGM:Nested Grid Model- Mô hình lưới lồng
NWP: Numerical Weather Prediction - Dự báo thời tiết số trị
POD:Probability Of Detection - Xác suất phát hiện hiện tượng
POP: Probability Of Precipitation - Xác suất xảy ra mưa
PP:Perfect Prognosis - Phương pháp dự báo hoàn hảo
PQPF:Probabilistic Quantitative Precipitation Forecast - Dự báo xác suất
định lượng mưa
ROC: Relative Operating Characteristic- Đường đặc trưng hoạt động
ROCA: Relative Operating Characteristic Area - Diện tích đường đặc trưng
VCE: Vertical Change of Elevation- Biến đổi theo địa hình
WRF-ARW:Weather Reasearch and Forecasting Model-Mô hình dự báo
khu vực của Mỹ
Trang 14MỞ ĐẦU
Dự báo mưa, đặc biệt dự báo định lượng mưa là một vấn đề rất khó khăn, đồng thời cũng là một trong những yêu cầu cấp thiết trong công tác dự báo, đặc biệt trong dự báo bão, lũ, phục vụ phòng chống thiên tai và phát triển kinh tế-xã hội, điều tiết hồ chứa Việc sử dụng phương pháp synốp truyền thống chỉ có thể dự báo mưa một cách định tính Tuy các mô hình dự báo thời tiết số trị (NWP) có thể đưa
ra những dự báo định lượng, nhưng những sản phẩm dự báo trực tiếp từ mô hình
(DMO-Direct Model Output) thường có những sai số hệ thống nhất định liên quan
đến nhiều yếu tố, đặc biệt là vấn đề tham số hóa Hơn nữa, DMO cũng chưa tính đến các yếu tố địa phương của chính những địa điểm dự báo
Từ lâu, phương pháp dự báo thống kê bằng cách xây dựng các phương trình hồi quy tuyến tính đơn giản giữa yếu tố dự báo với các yếu tố đã biết (nhưng không phải từ mô hình số trị) đã được áp dụng trong dự báo thời tiết.Từ khi mô hình dự báo số được đưa vào nghiệp vụ, phương pháp thống kê có kết hợp với các sản phẩm của mô hình bắt đầu được hình thành để tăng cường thêm những kết quả của dự báo động lực trong dự báo nghiệp vụ.Hai phương pháp thống kê cơ bản không có và có
sử dụng sản phẩm của mô hình NWP là Dự báo hoàn hảo (PP-Perfect Prognosis)
và Thống kê sau mô hình (MOS-Model Ouput Statistics).Về cơ bản, cả hai cách tiếp
cận này đều sử dụng các phương trình hồi quy nhiều biến, trong đó các nhân tố được lựa chọn thông qua một sơ đồ tuyển chọn nhân tố.Hiện nay, ở hầu hết các Trung tâm dự báo trên thế giới, song song với việc đưa ra các sản phẩm mô hình thường có các chỉ dẫn thống kê (guidance) để thêm giá trị vào những sản phẩm trực tiếp của mô hình.Đây là phương thức hợp lý để diễn xuất mô hình một cách khách quan nhằm loại bỏ những sai số của mô hình và dự báo định lượng cho địa điểm có tính đến các điều kiện khí hậu và địa phương cụ thể.Cơ quan Khí tượng Mỹ là nơi
đã áp dụng phương pháp MOS nhiều nhất đối với các mô hình khác nhau để đưa ra các sản phẩm dự báo nghiệp vụ Ngoài ra, Trung tâm Dự báo hạn vừa Châu Âu (ECMWF), Cơ quan Khí tượng Úc (BOM), Cơ quan Khí tượng Hồng Kông (HKO),
Trang 15Cục Khí tượng Trung Quốc (CMA),…cũng áp dụng phương pháp MOS đối với mô hình nghiệp vụ để nâng cao chất lượng dự báo DMO
Trong Luận vănlựa chọn phương pháp UMOS thay vì phương pháp hồi quy tuyến tính truyền thống Sự khác biệt cơ bản mang đến tính ưu việt của phương pháp UMOS là so với cách tiếp cận hồi quy tuyến tính đa biến là: UMOS đặt trọng tâm vào ma trận SSCP (Sums of Squares and Cross Products, tích của ma trận chuyển vị và ma trận của nhân tố dự báo) và thực hiện giải hệ phương trình tuyến tính trên ma trận này để xác định tập hệ số hồi quy tuyến tính Điều quan trọng là khi mô hình thay đổi, ma trận SSCP sẽ được tính thông qua một phương pháp lấy trọng số giữa ma trận SSCP cũ và mới.Dự báo cần hiệu chỉnh được lấy từ sản phẩm
dự báo của mô hình khu vực khu vực WRF-ARW, các phương trình UMOS sẽ được xây dựng chi tiết cho từng điểm trạm có quan trắc trên lãnh thổ Việt Nam Đối với bài toán dự báo mưa tích lũy 24 giờ trong Luận văn sẽ tập trung vào bài toán dự báo xảy ra mưa hay không (dự báo pha) với ngưỡng mưa 0.1mm/24 giờđược xem là ngưỡng để xác định có hay không xảy ra mưa Số liệu để xây dựng các phương trình dự báo được lấy từ dự báo của các mô hình WRF-ARW từ năm 2011 đến năm
2013 và đánh giá độc lập trong hai năm 2014 và 2015
Một số kết quả chính thu được cho thấy phương pháp UMOS đãcải thiện chất lượng dự báo đáng kể so với DMO của mô hình WRF-ARW Các giá trị BSS dương và lớn chỉđược tìm thấy trong các phương trình dự báo POP mùa đông và mùa hè theo UMOS Với phương pháp UMOS, chất lượng dự báo POP của các phương trình mùa đông và mùa hè cũng có nhiều khác biệt.Chất lượng dự báo vào mùa đông tốt hơn nhiều so với mùa hè tại tất cả các khu vực.Chất lượng hạn dự báo
24 giờ luôn tốt hơn 48giờ.Bên cạnh đó, mức độ cải thiện chất lượng dự báo POP của UMOS còn đạt cả khả năng dự báo xác suất hiện tượng cũng như khả năng phân hoạch giữa các sự kiện xảy ra hay không xảy ra
Cấu trúc Luận văn gồm: Phần Mở đầu, 3 Chương, Kết luận, Danh mục tài liệu tham khảo và Phụ lục: