Áp dụng phương pháp Umos để cải thiện dự báo pha mưa trên khu vực Việt Nam

Header Page of 126 ĐẠI HỌC QUỐC GIA HÀ NỘI TRƢỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN –––––––––––––– LƢƠNG NHƢ NGUYÊN ÁP DỤNG PHƢƠNG PHÁP UMOS ĐỂ CẢI THIỆN DỰ BÁO PHA MƢA TRÊN KHU VỰC VIỆT NAM LUẬN VĂN THẠC SĨ KHOA HỌC Hà Nội – Năm 2016 Footer Page of 126 Header Page of 126 ĐẠI HỌC QUỐC GIA HÀ NỘI TRƢỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN –––––––––––––––– LƢƠNG NHƢ NGUYÊN ÁP DỤNG PHƢƠNG PHÁP UMOS ĐỂ CẢI THIỆN DỰ BÁO PHA MƢA TRÊN KHU VỰC VIỆT NAM Chuyên ngành: Khí tƣợng Khí hậu học Mã số: 60440222 LUẬN VĂN THẠC SĨ KHOA HỌC NGƢỜI HƢỚNG DẪN KHOA HỌC: TS BÙI MINH TĂNG Hà Nội – Năm 2016 Footer Page of 126 Header Page of 126 LỜI CAM ĐOAN Tôi xin cam đoan Luận văn “Áp dụng phƣơng pháp UMOS để cải thiện dự báo pha mƣa khu vực Việt Nam” công trình nghiên cứu cá nhân thực dƣới hƣớng dẫn khoa học Tiến sỹ Bùi Minh Tăng, không chép từ công trình nghiên cứu ngƣời khác Số liệu kết Luận văn chƣa đƣợc công bố công trình khoa học khác Các thông tin thứ cấp sử dụng Luận văn có nguồn gốc rõ ràng, đƣợc trích dẫn đầy đủ, trung thực quy cách Tôi xin hoàn toàn chịu trách nhiệm tính xác thực nguyên Luận văn./ Hà Nội, ngày 20 tháng 12 năm 2016 Tác giả Luận văn Lƣơng Nhƣ Nguyên Footer Page of 126 Header Page of 126 LỜI CẢM ƠN Lời đầu tiên, xin trân trọng cảm ơn Tiến sỹ Bùi Minh Tăng định hƣớng nghiên cứu phƣơng pháp luận cho suốt trình thực nghiên cứu Luận văn Thạc sỹ Trong trình nghiên cứu học tập Khoa Khí tƣợng, Thủy văn Hải dƣơng học, Đại học Khoa học Tự nhiên, Đại học Quốc gia Hà Nội có hội đƣợc tiếp thu kiến thức chuyên sâu chuyên ngành Khí tƣợng Khí hậu học Qua đó, giúp có đƣợc kiến thức chuyên môn nhƣ kinh nghiệm suốt trình học tập, tạo động lực nghiên cứu khoa học, phục vụ hiệu trình nghiên cứu, thực hoàn thiện Luận văn Thạc sỹ Tôi xin trân trọng cảm ơn đồng chí Lãnh đạo,các thầy giáo, cô giáo cán Khoa Khí tƣợng, Thủy văn Hải dƣơng học tận tình hƣớng dẫn, giúp đỡ điều kiện suốt trình học tập thực Luận văn Xin chân thành cảm ơn đồng chí Lãnh đạo cán Trung tâm Dự báo khí tƣợng thủy văn Trung ƣơng tạo điều kiện cho tham gia khóa đào tạo Thạc sỹ, đề tài nghiên cứu khoa học Trung tâm Dự báo khí tƣợng thủy văn Trung ƣơng chủ trì cung cấp thông tin, số liệu quan trắc, dự báo, tài liệu tận tình giúp đỡ trình thực Luận văn Trân trọng cảm ơn quan tâm, giúp đỡ bạn bè, đồng nghiệp gia đình sát cánh, động viên, giúp đỡ trình học tập hoàn thành Luận văn./ Hà Nội, ngày 20 tháng 12 năm 2016 Tác giả Luận văn Lƣơng Nhƣ Nguyên Footer Page of 126 Header Page of 126 MỤC LỤC MỤC LỤC DANH MỤC BẢNG DANH MỤC HÌNH VẼ DANH MỤC KÝ HIỆU VIẾT TẮT MỞ ĐẦU CHƢƠNG I: TỔNG QUAN 13 1.1 Tổng quan phƣơng pháp thống kê sau mô hình 13 1.2 Tình hình nghiên cứu nƣớc 14 1.3 Tình hình nghiên cứu nƣớc 18 CHƢƠNG II: SỐ LIỆU VÀ PHƢƠNG PHÁP NGHIÊN CỨUError! Bookmark not de 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 Phƣơng 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 phƣơng pháp UMOS cho toán dự báo POPError! Bookmark not d 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 Phƣơng pháp đánh giá kết 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 số ROCAError! Bookmark not def 2.5 Xây dựng hệ thống GMOS để đƣa dự báo UMOS từ điểm trạm lƣới phân giải cao Error! Bookmark not defined Footer Page of 126 Header Page of 126 CHƢƠNG III: KẾT QUẢ, ĐÁNH GIÁ Error! Bookmark not defined 3.1 Kết xây dựng phƣơng trình dự báo Error! Bookmark not defined 3.2 Kết đánh giá dự báo Error! Bookmark not defined 3.2.1 Đánh giá số kỹ Error! Bookmark not defined 3.2.2 Biểu đồ độ tin cậy Error! Bookmark not defined 3.3 Thử nghiệm kết thị dƣới dạng lƣới GMOS cho dự báo POPError! Boo KẾT LUẬN VÀ KIẾN NGHỊ Error! Bookmark not defined TÀI LIỆU THAM KHẢO i PHỤ LỤC 1:Danh sách trạm quan trắc khí tƣợng bề mặt thuộc Việt Nam đƣợc sử dụng Luận văn Error! Bookmark not defined PHỤ LỤC 2:Danh sách nhân tố dự báo dự tuyển từ mô hình WRF-ARWError! Boo PHỤ LỤC 3:Minh họa biến đổi phƣơng trình dự báo RV trạm Bắc Quang hạn dự báo 24 với mô hình WRF-ARW vào mùa đôngError! Bookmark PHỤC LỤC 4:Minh họa biến đổi phƣơng trình dự báo RV trạm Bắc Quang hạn dự báo 24 với mô hình WRF-ARW vào mùa hèError! Bookmark n PHỤ LỤC 5:Minh họa biến đổi phƣơng trình dự báo RV trạm Bạch Long Vỹ hạn dự báo 24 với mô hình WRF-ARWError! Bookmark not define PHỤ LỤC 6:Minh họa biến đổi phƣơng trình dự báo RV trạm Bãi Cháy hạn dự báo 24 với mô hình WRF-ARWError! Bookmark not defined PHỤ LỤC 7:Minh họa biến đổi phƣơng trình dự báo RV trạm Buôn Ma Thuột hạn dự báo 24 với mô hình WRF-ARWError! Bookmark not defin PHỤ LỤC 8:Minh họa biến đổi phƣơng trình dự báo RV trạm Cà Mau hạn dự báo 24 với mô hình WRF-ARWError! Bookmark not defined PHỤ LỤC 9:Minh họa biến đổi phƣơng trình dự báo RV trạm Cần Thơ hạn dự báo 24 với mô hình WRF-ARWError! Bookmark not defined PHỤ LỤC 10:Minh họa biến đổi phƣơng trình dự báo RV trạm Hà Nội hạn dự báo 24 với mô hình WRF-ARWError! Bookmark not defined Footer Page of 126 Header Page of 126 PHỤ LỤC 11:Minh họa biến đổi phƣơng trình dự báo RV trạm Vinh hạn dự báo 24 với mô hình WRF-ARWError! Bookmark not defined Footer Page of 126 Header Page of 126 DANH MỤC BẢNG Bảng 2.1:Số lƣợng trạm quan trắc Đài khu vựcError! Bookmark not defined Bảng 2.2: Cấu hình chi tiết mô hình WRF-ARWError! Bookmark not defined Bảng 3.1: Tần suất tuyển chọn tần suất tuyển chọn nhân tố phƣơng trình POP hạn 24 dung lƣợng mẫu tăng vào mùa đông mô hình WRF-ARW Error! Bookmark not defined Bảng 3.2: Tần suất tuyển chọn tần suất tuyển chọn nhân tố phƣơng trình POP hạn 24 dung lƣợng mẫu tăng vào mùa hè mô hình WRF-ARW Error! Bookmark not defined Bảng 3.3: Tần suất tuyển chọn tần suất tuyển chọn nhân tố phƣơng trình POP hạn 48 dung lƣợng mẫu tăng vào mùa đông mô hình WRF-ARW Error! Bookmark not defined Bảng 3.4: Tần suất tuyển chọn tần suất tuyển chọn nhân tố phƣơng trình POP hạn 48 dung lƣợng mẫu tăng vào mùa hè mô hình WRF-ARW Error! Bookmark not defined Bảng 3.5: Kết tính toán số BSS cho dự báo POP hạn 24 từ UMOS DMO mô hình WRF-ARW từ DMO mô hình GSM trung bình khu vực toàn Việt Nam năm 2014Error! Bookmark not defined Bảng 3.6: Kết tính toán số BSS cho dự báo POP hạn 24 từ UMOS DMO mô hình WRF-ARW từ DMO mô hình GSM trung bình khu vực toàn Việt Nam năm 2015Error! Bookmark not defined Bảng 3.7: Kết tính toán số BSS cho dự báo POP hạn 48 từ UMOS DMO mô hình WRF-ARW từ DMO mô hình GSM trung bình khu vực toàn Việt Nam năm 2014Error! Bookmark not defined Bảng 3.8: Kết tính toán số BSS cho dự báo POP hạn 48giờ từ UMOS DMO mô hình WRF-ARW từ DMO mô hình GSM trung bình khu vực toàn Việt Nam năm 2015Error! Bookmark not defined Bảng 3.9: Kết tính toán số ROCA cho dự báo POP hạn 24 từ UMOS DMO mô hình WRF-ARW từ DMO mô hình GSM trung bình khu vực toàn Việt Nam năm 2014Error! Bookmark not defined Bảng 3.10: Kết tính toán số ROCA cho dự báo POP hạn 24giờ từ UMOS DMO mô hình WRF-ARW từ DMO mô hình GSM Footer Page of 126 Header Page of 126 trung bình khu vực toàn Việt Nam năm 2015Error! Bookmark not defined Bảng 3.11: Kết tính toán số ROCA cho dự báo POP hạn 48giờ từ UMOS DMO mô hình WRF-ARW từ DMO mô hình GSM trung bình khu vực toàn Việt Nam năm 2014Error! Bookmark not defined Bảng 3.12: Kết tính toán số ROCA cho dự báo POP hạn 48giờ từ UMOS DMO mô hình WRF-ARW từ DMO mô hình GSM trung bình khu vực toàn Việt Nam năm 2015Error! Bookmark not defined Footer Page of 126 Header Page 10 of 126 DANH MỤC HÌNH VẼ Hình 2.1: Miền định hƣớng dự báo mô hình WRF-ARW Error! Bookmark not defined Hình 2.2: Biểu đồ tin cậy Error! Bookmark not defined Hình 2.3: Đƣờng đặc trƣng hoạt động Error! Bookmark not defined Hình 3.1: Biểu đồ tin cậy cho dự báo POP theo UMOS cho mô hình WRFARW vào mùa hènăm 2014 cho hạn dự báo 24giờ khu vực nghiên cứu…………………………………………… ……………………………Er ror! Bookmark not defined Hình 3.2: Biểu đồ tin cậy cho dự báo POP theo UMOS cho mô hình WRFARW vào mùa đông năm 2014 cho hạn dự báo 24giờ khu vực nghiên cứu Error! Bookmark not defined Hình 3.3: Biểu đồ tin cậy cho dự báo POP theo UMOS cho mô hình WRFARW vào mùa hènăm 2015 cho hạn dự báo 24giờ khu vực nghiên cứu………………………………………………………………………… Er ror! Bookmark not defined Hình 3.4: Biểu đồ tin cậy cho dự báo POP theo UMOS cho mô hình WRFARW vào mùa đôngnăm 2015 cho hạn dự báo 24giờ khu vực nghiên cứu Error! Bookmark not defined Hình 3.5: Biểu đồ tin cậy cho dự báo POP theo UMOS cho mô hình WRFARW vào mùa hènăm 2014 cho hạn dự báo 48giờ khu vực nghiên cứu………………………………………………………………………… Er ror! Bookmark not defined Hình 3.6: Biểu đồ tin cậy cho dự báo POP theo UMOS cho mô hình WRFARW vào mùa đôngnăm 2014 cho hạn dự báo 48giờ khu vực nghiên cứu Error! Bookmark not defined Hình 3.7: Biểu đồ tin cậy cho dự báo POP theo UMOS cho mô hình WRFARW vào mùa hènăm 2015 cho hạn dự báo 48giờ khu vực nghiên Footer Page 10 of 126 Header Page 17 of 126 TÀI LIỆU THAM KHẢO PHỤ LỤC 13 Footer Page 17 of 126 Header Page 18 of 126 CHƢƠNG I: TỔNG QUAN 1.1.Tổng quan phƣơng pháp thống kê sau mô hình Nhƣ biết, có nhiều phƣơng pháp dự báo khí hậu dự báo thời tiết nghiệp vụ dựa tảng phƣơng pháp thống kê.Điều khí hệ thống động lực phi tuyến nên dự báo xác theo quan điểm dự báo tất định (deterministic) Vì vậy, phƣơng pháp thống kê thực cần thiết trở thành phần thiếu hệ thống dự báo.Trong khoa học khí quyển, việc ứng dụng phƣơng pháp thống kê dự báo nghiệp vụ phân làm dạng: Dự báo thống kê cổ điển Dự báo thống kê động lực (Wilks, 1995, 2006) Phƣơng pháp dự báo thống kê cổ điển đƣợc nghiên cứu phát triển trƣớc có sản phẩm dự báo thời tiết số (NWP)và chủ yếu đƣợc ứng dụng cho dự báo khí hậu Với phát triển khoa học khí công nghệ tính toán, sản phẩm NWP đƣợc sử dụng rộng rãi dẫn đến đời phƣơng pháp dự báo thống kê động lực thông tin dự báo trực tiếptừ mô hình NWP (DMO) chƣa thực xác Mục đích phƣơng pháp dự báo thống kê động lực (MOS) sử dụng thông tin NWP kết hợp với công cụ tính toán thống kê để tăng cƣờng chất lƣợng dự báo DMO Hiện tại, phƣơng pháp đƣợc sử dụng hầu hết Trung tâm dự báo giới đóng vai trò nhƣ hệ thống diễn giải (guidance) trợ giúp cho dự báo viên nghiệp vụ dự báo Phƣơng pháp thực quan trọng việc cung cấp tin dự báo định lƣợng dự báo cho điểm không thuộc lƣới tính toán mô hình NWP Về bản, MOS sử dụng thông tin dự báo từ mô hình nhƣ nhân tố dự báo, phƣơng trình dự báo đƣợc xây dựng dựa mối quan hệ dự báo từ thời điểm trƣớc mô hình NWP nhƣng xác định thời điểm với quan trắc yếu tố dự báo Kể từ đời nay, cách tiếp cận MOS đƣợc nghiên cứu sử dụng nghiệp vụ nhiều Trung tâm Khí tƣợng giới Cụ thể, Mỹ nơi áp dụng MOS nhiều mô hình khác để đƣa sản phẩm dự báo nghiệp vụ nhƣ hệ thống 14 Footer Page 18 of 126 Header Page 19 of 126 NGM-MOS dự báo cho khoảng 600 địa điểm nƣớc Mỹ cho thời hạn 06 đến 60 Ngoài ra, Trung tâm Dự báo hạn vừa Châu Âu (ECMWF) sử dụng phƣơng pháp MOS sản phẩm mô hình Cơ quan Khí tƣợng Úc áp dụng phƣơng pháp MOS mô hình nghiệp vụ GAPS LAPS cho 600 địa điểm dự báo với thời hạn đến ngày Phƣơng pháp MOS đƣợc sử dụng nghiệp vụ Tổng cục Khí tƣợng Trung Quốc (CMA) từ năm 1984, dự báo cho khoảng 260 địa điểm với thời hạn 24 đến 60 Tại Hồng Kông, dự báo POP đƣợc dựa phƣơng pháp LR áp dụng cho hệ thống dự báo tổ hợp thu nhận đƣợc ECMWF Nói chung, hầu hết Trung tâm dự báo giới sử dụng cách tiếp cận MOS để nâng cao chất lƣợng dự báo mƣa từ mô hình NWP, phƣơng pháp thống kê đƣợc sử dụng khác tùy thuộc vào tƣợng đƣợc dự báo 1.2.Tình hình nghiên cứu nƣớc Những nỗ lực nghiên cứu áp dụng phƣơng pháp thống kê toán dự báo xác suất định lƣợng mƣa (PQPF) phải kể đến công trình nghiên cứu Klein (1968) dựa cách tiếp cận dự báo hoàn hảo (PP) Tiếp theo thành công Klein (1968), Glahn Lowry (1972) ngƣờiđã tiên phong việc ứng dụng MOS nhằm mục đích: Nâng cao chất lƣợng dự báo mƣa từ mô hình NWP;dự báo cho điểm không đƣợc dự báo trực tiếp từ mô hình NWP áp dụng cho toán hạ quy mô (downscaling) Đối với toán PQPF, mô hình MOS Glahn Lowry (1972) đƣợc xây dựng dựa phƣơng pháp hồi quy tuyến tính đa biến (MLR) với yếu tố dự báo xác suất xảy mƣa thay lƣợng mƣa hiểu theo nghĩa thông thƣờng Cụ thể, lƣợng mƣa quan trắc đƣợc quy biến nhị phân nhận giá trị có mƣa xảy (xác suất 100%) giá trị mƣa xảy (xác suất 0%) Glahn Lowry (1972) gọi phƣơng pháp thống kê mô hình POP (Probability Of Precipatation) Quá trình tuyển chọn nhân tố cho mô hình POP đƣợc thực dựa phƣơng pháp hồi quy bƣớc với tiêu chuẩn dừng tuyển chọn dựa số đánh giá Brier Trong nghiên cứu này, Glahn Lowry (1972) không phát triển phƣơng trình MOS cho tất trạm mà 15 Footer Page 19 of 126 Header Page 20 of 126 dựa đặc trƣng khí hậu để nhóm trạm vào nhóm khác phát triển phƣơng trình MOS cho nhóm trạm Kế thừanhững thành công nghiên cứu Glahn Lowry (1972), nhiều nghiên cứu dựa cách tiếp cận MOS cho toán PQPF đƣợc thực nhƣ nghiên cứu Wasserman (1972), Lowry Glahn (1976), Paegle (1974), Bermowitz (1975), Arritt Frank (1985),…cho trạm thuộc nƣớc Mỹ; Tapp cộng (1986) cho Úc; Lemcke Kruizinga (1988) cho Hà Lan, Brunet cộng (1988) cho Canađa,…Hầu hết nghiên cứu dựa ý tƣởng mô hình POP Glahn Lowry (1972) nhƣng đƣợc địa phƣơng hóa có số điểm khác biệt liên quan đến tùy chọn ngƣỡng mƣa, tập nhân tố, dung lƣợng mẫu, mùa dự báo, tiêu chí tuyển chọn nhân tố,…Tuy nhiên, có kết chung mà tất nghiên cứu nói kết dự báo từ MOS cho thấy cải thiện đáng kể chất lƣợng dự báo so với DMO, dự báo khí hậu quán tính dự báo chủ quan dự báo viên Đặc biệt, cách tiếp cận MOS đƣợc ứng dụng để phát triển phƣơng trình dự báo lƣợng mƣa trung bình lƣu vực sông nhƣ nghiên cứu Charba (1998), Antolik (2000), Sokol (2003),… Nói chung, nghiên cứu ứng dụng MOS cho toán PQPF đƣợc dựa phƣơng pháp MLR Với phƣơng pháp thống kê này, có hai hạn chế mà nghiên cứu gặp phải là: Sự khớp (overfitting) phƣơng trình dự báo (có thể tạo dự báo PQPF lớn nhỏ áp dụng cho tập số liệu độc lập) quan hệ phi tuyến yếu tố dự báo nhân tố dự báo đƣa vào tính toán Để giải hai hạn chế này, số phƣơng pháp thống kê phi tuyến đƣợc đề xuất bao gồm phƣơng pháp hồi quy logistic (LR) mạng thần kinh nhân tạo (ANN) Nghiên cứu ứng dụng LR cho toán PQPF Applequist nnk (2002) Trong nghiên cứu này, tác giả đánh giá kỹ dự báo PQPF dựa số phƣơng pháp thống kê khác nhautrong MLR đƣợc sử dụng nhƣ dự báo đối chứng Các kết đánh giá cho thấy phƣơng pháp LR có kỹ tốt Đối với phƣơng pháp lại, cải thiện không rõ ràng Ngoài nghiên cứu Applequist cộng 16 Footer Page 20 of 126 Header Page 21 of 126 (2002), số nghiên cứu ứng dụng LR cho toán PQPF phải kể đến Gahrs cộng (2003), Hamill cộng (2004), Sloughter cộng (2007) Đối với việc ứng dụng phƣơng pháp ANN cho toán PQPF, có nhiều công trình nghiên cứu đề cập đến vấn đề nhƣ Lindner and Krein (1993), Navone Ceccatto (1994), Kuligowski Barros (1998a,b), Hall nnk (1999), Marban (2003), Nói chung, hầu hết nghiên cứu cho thấy cải thiện chất lƣợng dự báo PQPF áp dụng phƣơng pháp ANN Ngoài ra, kết quan trọng rút từ nghiên cứu nói cấu trúc mạng ANN phù hợp cho toán PQPF, mạng gồm lớp: lớp đầu vào, lớp ẩn lớp đầu Các hàm truyền mạng ANN nói có dạng hàm sigma phi tuyến giống nhƣ phƣơng pháp hồi quy logistic Tuy nhiên, vào năm 90 bắt đầu nhận thấy hạn chế MOS dẫn đến giảm dần sử dụng MOS diễn giải dự báo.Vì xây dựng phƣơng trình hồi quy, tập số liệu mô hình dùng làm nhân tố dự báo phải đồng Theo đánh giá Jacks nnk (1990) để có đƣợc quan hệ thống kê ổn định, cần hai năm số liệu dự báo từ mô hình thám sát Sau sử dụng MOS, đặc trƣng mô hình dự báo nhƣ sơ đồ tham số hóa, độ phân giải, cần đƣợc giữ nguyên nhƣ sử dụng mô hình để thiết lập quan hệ thống kê Điều rõ ràng hạn chế lớn MOS, ta biết từ thập kỷ 90 với phát triển nhanh tốc độ tính toán nhƣ hệ thống quan trắc, mô hình thƣờng xuyên đƣợc cập nhật với độ phân giải ngày cao, sơ đồ tham số hóa tinh tế hơn, trƣờng phân tích xác Erikson nnk (2002) cho thấy sai số hệ thống xuất sử dụng MOS với mô hình đƣợc cải tiến Do đó, mô hình có thay đổi ta phải đợi hai năm bắt đầu sử dụng MOS dự báo dự báo lại với mô hình thay đổi cho hai năm trƣớc nhằm xác định lại hệ số hồi quy Với số phƣơng trình hồi quy lớn (tại trạm, cho biến hạn dự báo có phƣơng trình hồi quy riêng biệt), chi phí cho tái xây dựng hệ thống MOS mô hình thay đổi lớn 17 Footer Page 21 of 126 Header Page 22 of 126 Ví dụ thông qua hệ thống MOS Mỹ: Hệ thống MOS đƣợc xây dựng cho mô hình LFM vào năm 1976,đến năm 1990 hệ thống đƣợc thay hệ thống MOS cho mô hình NGM (Jacks nnk, 1990).Từ năm 1993, mô hình ETA bắt đầu đƣợc đƣa vào chạy nghiệp vụ NCEP thay cho mô hình LFM Do mô hình ETA thƣờng xuyên đƣợc cải tiến, hệ thống MOS đƣợc xây dựng cho mô hình suốt năm 90 (Mao nnk, 1999) Phải đến năm 2002 hệ thống dự báo với mô hình ETA trở nên ổn định, hệ thống MOS cho ETA bắt đầu đƣợc thực (Dallavalle nnk, 2004) Với hệ thống này, tác giả tính đến khả mô hình thay đổi trình sử dụng MOS cách lựa chọn lƣới tính cố định cho MOS thƣờng có độ phân giải thô so với độ phân giải mô hình hay làm trơn nhân tố dự báo (Erikson nnk, 2002) Để giải hạn chế phƣơng pháp MOS truyền thống mô hình liên tục có thay đổi, ngƣời ta sử dụng phƣơng pháp thống kê có khả tự cập nhật Thông tin đƣợc truyền vào phƣơng trình dự báo có thay đổi mô hình dự báo Hiện có hai phƣơng pháp cho phép hệ phƣơng trình dự báo tự cập nhật: + Phƣơng pháp thứ nhất: Sử dụng lọc Kalman, thay cố định hệ số hồi quy phƣơng trình hồi quy, hệ số đƣợc cập nhật hàng ngày theo thời gian (Simonsen 1991, Homleid 1995) Cần ý tên gọi lọc Kalman gây hiểu lầm phƣơng pháp lọc nhiễu.Thực tế lọc Kalman phƣơng pháp đánh giá tối ƣu trạng thái hệ thống thể qua biến trạng thái từ quan trắc gián tiếp (Grewal Andrews, 2001) + Phƣơng pháp thứ hai: Về sử dụng phƣơng pháp MOS truyền thống nhƣng đƣa thêm khả tự cập nhật cho MOS thông qua phƣơng pháp lấy trọng số hai tập liệu cũ có thay đổi mô hình (Wilson Vallée, 2002) với tên gọi UMOS Nếu mô hình cải tiến đáng kể, UMOS trở thành phƣơng pháp MOS thông thƣờng 18 Footer Page 22 of 126 Header Page 23 of 126 Ngoài ra, số tác giả đề xuất số phƣơng pháp thay cho MOS với tập số liệu mẫu ngắn (Mao cộng sự, 1999) phƣơng pháp phi tuyến thông qua mạng tế bào thần kinh có khả tự cập nhật (Yuval Hsieh, 2003) Cần lƣu ý sử dụng phƣơng pháp phi tuyến thay cho phƣơng pháp hồi quy tuyến tính, vấn đề thay đổi mô hình sử dụng MOS không đƣợc giải Cả hai phƣơng pháp xuất năm đầu thập kỷ 90 nhanh chóng đƣợc Trung tâm dự báo giới triển khai ứng dụng, đặc biệt lọc Kalman Đƣợc đề xuất tác giả Bắc Âu, lọc Kalman nhanh chóng đƣợc triển khai thực nƣớc Đan Mạch (Simonsen, 1991), Nauy (Homleid, 2004) hay Iceland (Crochet, 2004) Sau phƣơng pháp dần đƣợc nƣớc khác Châu Âu sử dụng nhƣ Pháp (Météo France, 2002), Đức (Haalman, 2003), Rumani (Diaconu, 2002), Hy Lạp (Golanis Anadranistokis, 2002), Tại nƣớc Đông Á, lọc Kalman đƣợc ứng dụng nhiều hệ thống diễn giải dự báo hạn ngắn Cơ quan Khí tƣợng Nhật Bản (JMA) Cơ quan Khí tƣợng Hàn quốc (KMA) Từ năm 1996, JMA chủ yếu sử dụng lọc Kalman diễn giải kết dự báo từ mô hình cho yếu tố khí tƣợng bản: mƣa, gió, nhiệt độ (JMA, 2006) Tại Hàn Quốc, dự báo nhiệt độ cho 40 điểm trạm Hàn Quốc 32 điểm khác CHDCND Triều Tiên, Trung Quốc, Nhật Bản theo phƣơng pháp lọc Kalman biến thể DLM (Joo, 2006) Riêng với phƣơng pháp UMOS, dù đƣợc phát triển Mỹ nhƣng lại đƣợc ứng dụng Canada (Wilson Vallée, 2002, 2003) 1.3.Tình hình nghiên cứu nƣớc Kể từ năm 2000, mô hình số dự báo thời tiết HRM bắt đầu đƣợc đƣa vào chạy dự báo Việt Nam, có nhiều mô hình khác đƣợc chạy nghiên cứu hay dự báo thử nghiệm số Trung tâm dự báo nghiên cứu Việt Nam Tuy nhiên, hệ thống diễn giải dự báo cho sản phẩm dự báo từ mô hình NWP chƣa đƣợc triển khai nghiệp vụ Việt Nam trƣớc năm 2008 Tại cácTrung tâm có sử dụng mô hình dự báo, sản phẩm 19 Footer Page 23 of 126 Header Page 24 of 126 dự báo cuối sản phẩm dự báo trực tiếp từ mô hình, chƣa có hiệu chỉnh Trong nỗ lực tăng cƣờng chất lƣợng dự báo từ mô hình NWP, Võ Văn Hòa cộng (2007) thử nghiệm lọc Kalman để hiệu chỉnh dự báo từ mô hình HRM Mặc dù phƣơng trình thống kê mà nhóm tác giả sử dụng đơn giản, kết hiệu chỉnh cho thấy cải tiến đáng kể khả phát triển dự báo thống kê sau mô hình Việt Nam Bên cạnh việc ứng dụng trực tiếp từ mô hình, dự báo tổ hợp (DBTH) giai đoạn bƣớc đầu tìm hiểu thử nghiệm Các nghiên cứu ứng dụng DBTH tập trung vào toán dự báo quỹ đạo bão khu vực Biển Đông dựa tổ hợp dự báo từ Trung tâm dự báo bão quốc tế nhƣ nghiên cứu Nguyễn Chi Mai nnk (2004), Đỗ Lệ Thủy nnk (2009) Trong nghiên cứu này, phƣơng pháp tính toán trung bình tổ hợp (TBTH) với trọng số tỷ lệ nghịch với sai số dự báo dự báo thành phần tƣơng ứng hồi quy tuyến tính đa biến đƣợc sử dụng Các kết đánh giá cho số mùa bão từ 20002004 cho thấy chất lƣợng dự báo TBTH đƣợc xác định theo cách tiếp cận nói đƣợc cải thiện so với TBTH dạng trung bình đơn giản (trọng số nhƣ nhau) Vẫn theo hƣớng nghiên cứu dự báo bão, Trần Tân Tiến nnk (2010, 2013) thử nghiệm phƣơng án tính toán TBTH khác dựa tổ hợp đa mô hình đa vật lý cho mục đích dự báo quỹ đạo cƣờng độ bão hạn từ 3-5 ngày khu vực Tây Bắc Thái Bình Dƣơng Các kết nghiên cứu từ đề tài nghiên cứu khoa học (NCKH) cấp Nhà nƣớc mang mã số KC.08.05 KC.08.01 cho thấy việc tính toán TBTH theo trọng số khác cải thiện đƣợc chất lƣợng dự báo quỹ đạo cƣờng độ bão so với trung bình đơn giản (trọng số nhƣ nhau) Đối với toán dự báo trƣờng khí tƣợng, khuôn khổ đề tài NCKH cấp Nhà nƣớc mang mã số KC.09.04, Trần Tân Tiến nnk (2004) thử nghiệm tổ hợp trƣờng khí tƣợng từ mô hình NWP khác dƣới dạng trung bình cộng đơn giản có trọng số Các kết thử nghiệm đánh giá cho thấy 20 Footer Page 24 of 126 Header Page 25 of 126 việc lấy trung bình có trọng số theo sai số dự báo đem lại hiệu việc nâng cao chất lƣợng dự báo số trƣờng khí tƣợng Biển Đông Tiếp theo hƣớng nghiên cứu này, Trung tâm Dự báo khí tƣợng thủy văn Trung ƣơng thử nghiệm số phƣơng pháp thống kê nhƣ trung bình trƣợt, hồi quy tuyến tính, hồi quy Gauss không để hiệu chỉnh DBTH cho số trƣờng quy mô lớn (áp, gió, ẩm) hay đƣợc tham khảo dự báo bão từ hệ thống tổ hợp (HTTH) đa mô hình toàn cầu (Võ Văn Hòa nkk (2007)) Các kết đánh giá dựa chuỗi số liệu năm (2005-2007) cho thấy chất lƣợng dự báo TBTH xác suất đƣợc cải thiện đáng kể áp dụng phƣơng pháp thống kê nói để khử sai số hệ thống dự báo thành phần Để thử nghiệm DBTH cho toán dự báo mƣa lớn Việt Nam, Hoàng Đức Cƣờng nnk (2007) ứng dụng phiên tham số hóa vật lý khác mô hình MM5 để tạo DBTH Phƣơng án tính toán TBTH có trọng số tỷ lệ nghịch với phƣơng sai sai số dự báo thành phần đƣợc thực Các kết thử nghiệm cho số đợt mƣa lớn năm 2004 2005 cho thấy nhiều khác biệt chất lƣợng dự báo mƣa lớn DBTH trọng số nhƣ có trọng số thay đổi Gần đây, Hoàng Đức Cƣờng nnk (2011) thử nghiệm DBTH cho mục đích dự báo bão số tƣợng thời tiết dựa mô hình WRF MM5 Cũng tƣơng tự nhƣ nghiên cứu nhóm tác giả năm 2007, phƣơng án tính TBTH có trọng số đƣợc thử nghiệm cho toán dự báo bão mƣa lớn Các kết thử nghiệm cho năm 2005-2007 thấy DBTH có trọng số tốt DBTH trung bình đơn giản số hình thời tiết cụ thể Bùi Minh Tăng cộng (2009) thử nghiệm dự báo định lƣợng mƣa cho hạn dựa báo 24 dựa số phƣơng pháp MOS truyền thống nhƣ hồi quy tuyến tính đa biến (MLR), phân tích riêng biệt (MDA), mạng thần kinh nhân tạo (ANN) hồi quy logistic (LR) từ sản phẩm mô hình HRM GSM Các phƣơng trình MOS đƣợc phát triển cho mục đích dự báo định lƣợng dự báo xác suất Các kết đánh giá cho thấy kỹ dự báo mƣa đƣợc cải thiện so với dự báo trực tiếp từ mô hình, phƣơng pháp MLR có kỹ tốt 21 Footer Page 25 of 126 Header Page 26 of 126 hiệu mặt tính toán Ngoài ra, với phƣơng pháp thống kê áp dụng cho mô hình GSM đem lại hiệu so với mô hình HRM Tuy nhiên, phƣơng pháp đƣợc sử dụng nghiên cứu bộc lộ hạn chế phƣơng pháp MOS truyền thống Năm 2009, Đỗ Lệ Thủy cộng sựlần đầu tiênđã nghiên cứu ứng dụng phƣơng pháp MOS tự cập nhật trọng số (UMOS) lọc Kalman (KF) để thử nghiệm dự báo cho số yếu tố khí tƣợng bề mặt nhƣ nhiệt độ, gió, độ ẩm hạn dự báo 72 cho Chất lƣợng dự báo yếu tố đƣợc tăng lên đáng kể sau thực hiệu chỉnh thống kê sau mô hình UMOS KF sản phẩm mô hình So sánh hai phƣơng pháp UMOS KF, hiệu chỉnh dự báo theo phƣơng pháp UMOS thƣờng tạo dự báo có sai số nhỏ so với phƣơng pháp KF, phần KF chƣa thực dự báo đồng thời nhƣ UMOS.Tuy nhiên, yếu tố quan trọng đƣợc quan tâm tin dự báo thời tiết lƣợng mƣa lại chƣa đƣợc đề cập đến nghiên cứu theo hƣớng thống kê sau mô hình có cập nhật Ngoài ra, so với hệ thống diễn giải sau mô hình hoàn chỉnh nƣớc ngoài, hệ thống UMOS KF đƣợc phát triển thiếu yếu tố tầm nhìn xa độ cao chân mây Năm 2014, Võ Văn Hòa cộng cải tiến phƣơng pháp KF để áp dụng cho dự báo đồng thờivà áp dụng UMOS, KF GMOS cho yếu tố lƣợng mƣa, tầm nhìn xa độ cao chân mây để tạo hệ thống MOS hoàn chỉnh Kết từ nghiên cứu cho thấy phƣơng pháp UMOS KF có chất lƣợng dự báo tốt so với DMO UMOS có chất lƣợng dự báo tốt so với KF hầu hết yếu tố dự báo, hạn dự báo tất khu vực nghiên cứu Mặc dù vậy, nghiên cứu trƣớc Việt Nam áp dụng phƣơng pháp UMOS để cải thiện chất lƣợng dự báo yếu tố dựa sản phẩm mô hình toàn cầu GSM với độ phân giải chƣa cao 0.5 độ Trong sản phẩm dự báo từ mô hình khu vực có độ phân giải cao nhiều chƣa có nghiên cứu hƣớng tới.Vì vậy, Luận văn sử dụng phƣơng pháp UMOS 22 Footer Page 26 of 126 Header Page 27 of 126 dựa sản phẩm mô hình khu vực WRF-ARW có độ phân giải 16km, đểdự báo POP nhằm nâng cao chất lƣợng dự báo pha mƣa khu vực Việt Nam Trong phạm vi Luận vănnày áp dụng phƣơng pháp UMOS với sản phẩm dự báo mô hình khu vực WRF-ARW Các phƣơng trình UMOS đƣợc xây dựng chi tiết cho điểm trạm có quan trắc lãnh thổ Việt Nam Đối với toán dự báo mƣa tích lũy 24 Luận văn tập trung vào toán dự báo xảy mƣa hay không (dự báo pha) với ngƣỡng mƣa 0.1mm/24 giờđƣợc xem ngƣỡng để xác định có hay xảy mƣa Các số đánh giá kỹ cải thiện phƣơng pháp UMOS so với sản phẩm dự báo trực tiếp từ mô hình gồm POD, FAR ETS Số liệu để xây dựng phƣơng trình dự báo đƣợc lấy từ dự báo mô hình WRF-ARW từ năm 2011 đến năm 2013 đánh giá hai năm 2014 2015 Chi tiết số liệu sử dụng phƣơng pháp xây dựng phƣơng trình đƣợc dẫn giải chi tiết Chƣơng dƣới kết áp dung cho mô hình WRF-ARW đƣợc đƣa Chƣơng Ngoài việc xây dựng dự báo điểm trạm, mở rộng kết dạng lƣới mô hình GMOS (Chƣơng 2, mục 2.2.2) đƣợc đề cập, qua đánh giá khả đƣa vào ứng dụng thực tế 23 Footer Page 27 of 126 Header Page 28 of 126 TÀI LIỆU THAM KHẢO Tài liệu tiếng Việt Hoàng Đức Cƣờng cộng tác viên(2007),“Nghiên cứu thử nghiệm dự báo mƣa lớn Việt Nam mô hình MM5”,Báo cáo tổng kết Đề tài NCKH cấp Bộ, 140trang Hoàng Đức Cƣờng cộng tác viên(2011),“Nghiên cứu ứng dụng mô hình WRF phục vụ dự báo thời tiết bão Việt Nam”,Báo cáo tổng kết Đề tài NCKH cấp Bộ, 120trang Võ Văn Hòavà cộng tác viên(2007),“Nghiên cứu ứng dụng lọc Kalman hiệu chỉnh số trƣờng dự báo bề mặt từ mô hình HRM”,Tạp chí Khí tượng Thủy văn, số557, tr 49-57 Võ Văn Hòa cộng tác viên(2014),“Nghiên cứu cải tiến triển khai nghiệp vụ hệ thống dự báo yếu tố khí tƣợng thời hạn 6-72h phƣơng pháp thống kê sản phẩm mô hình GSM”,Báo cáo tổng kết Đề tài NCKH cấp Bộ, 160 trang Nguyễn Chi Mai cộng tác viên(2004b),“Phƣơng pháp dự báo tổ hợp khả ứng dụng Việt Nam”, Tạp chí KTTV, số 518, tr 30-37 Bùi Minh Tăng cộng tác viên(2009),“Nghiên cứu, thử nghiệm dự báo định lƣợng mƣa từ sản phẩm mô hình HRM GSM”,Báo cáo tổng kết Đề tài NCKH cấp Bộ, 127trang Trần Tân Tiến cộng tác viên(2004),“Xây dựng mô hình dự báo trƣờng khí tƣợng thủy văn Biển Đông”,Báo cáo tổng kết Đề tài NCKH cấp Nhà nước MS: KC0904 Trần Tân Tiến cộng tác viên (2010),“Xây dựng công nghệ dự báo liên hoàn bão, nƣớc dâng sóng Việt Nam mô hình số với thời gian dự báo trƣớc ngày”,Báo cáo tổng kết Đề tài NCKH cấp Nhà nước thuộc Chương trình "Khoa học công nghệ phục vụ phòng tránh thiên tai, bảo vệ môi trường sử dụng hợp lý tài nguyên thiên nhiên" MS: KC.08.05/06-10 i Footer Page 28 of 126 Header Page 29 of 126 Trần Tân Tiến cộng tác viên (2013),“Xây dựng quy trình dự báo quỹ đạo cƣờng độ bão Tây Bắc Thái Bình Dƣơng hạn ngày”,Tuyển tập báo cáo chuyên đề Đề tài NCKH cấp Nhà nước.MS: KC.08.01 10 Đỗ Lệ Thủy cộng tác viên (2009),“Nghiên cứu xây dựng hệ thống dự báo yếu tố khí tƣợng phƣơng pháp thống kê sản phẩm mô hinh HRM”,Báo cáo tổng kết Đề tài NCKH cấp Bộ, 142 trang Tài liệu tiếng Anh Antolik, M S (2000),“An overview of the National Weather Service’s centralized statistical quantitative precipitation forecasts”,Journal of Hydrology, 239, pp 306-337 Arritt, R W., Frank W M (1985),“Experiments in probability of precipatation amount forecasting using MOS”,Monthly Weather Review, 113, pp 18371851 Bermowitz, R J (1975),“An application of model output statistics to forecasting quantitative precipitation”,Monthly Weather Review, 103, pp 149-153 Bocchieri, J R., Glahn,H R.(1972),“Use of model outputstatistics for predicting ceiling height”, Monthly Weather Review,100, pp 869-879 Brunet, N Verret R., Yacowar, N (1988),“An objective comparison of model output statistics and “perfect prog” systems in producing numerical weather element forecasts”,Weather and Forecasting, 3, pp 273-283 Glahn, H R., Lowry,D A.(1972),“The use of model output statistics (MOS) in objective weather forecasting”,Meteorology Applications Journal, 11, pp 1203-1211 Lemcke, C., Kruizinga, S (1988),“Model output statistics forecasts: Three years of operational experience in the Netherlands”,Monthly Weather Review,116, pp 1077-1090 8.Lindner, A J., Krein, A S.(1993),“A neural network for forecasting heavy rain”,Preprints, 13thConference on Weather analysis and Forecasting, Vienna, VA, American Meteorology Society, pp 612-615 Lowry, D A., Glahn, H R (1976),“An operational model for forecasting probability of precipitation-PEATMOS POP”,Monthly Weather Review, 104, pp 221-232 10 Lund, I A., Grantham, D D.(1979),“Estimating recurrence probabilities of weather events”,Meteorology Applications Journal, 18, pp 921-930 ii Footer Page 29 of 126 Header Page 30 of 126 11 12 13 14 15 16 17 18 19 20 21 Lund, I A., Tsipouras,P.(1982),“A model for estimating persistenceprobabilities”, Meteorology Applications Journal,21, pp 988-99 Martin, D E (1972),“Climatic presentations for short-range forecasting based on event occurrence and reoccurrence profiles”,Meteorology Applications Journal, 11,pp 1212-1223 Marzban, C (2003),“Neural Network for postprocessing model output: ARPS”,Monthly Weather Review, 131, pp 1103-1111 Miller, R G (1962),“Statistical prediction by discriminant analysis”,Meteorological Monographs,4, No 25, 53 pp Ross, G H (1987),“An updatable model output statistics scheme”,Programme on Short and Medium range Weather Prediction,PSMP Rep, Series, No 25, World Meteorological Organization, pp 25-28 Ross, G H (1989),“Model output statistics using an updatable scheme”,Preprints,11thConferenceonProbability and Statistics in Atmosphere Sciences Monterey, CA, American Meteor Society, pp 93-97 Ross, G H (1992),“Probability of precipitation using an updatable MOS model”,Preprints,12thConferenceon Probability and Statistics in Atmosphere Sciences, Toronto on Canada, American Meteor Society, pp 190-194 Rudack, D.E (2005),“Improvements in the aviation MOS program (LAMP) categorical visibility and obstruction to vision statistical guidance”,Preprints, 21st Conference on Weather Analysis and Forecasting/17th Conference on Numerical Weather Prediction, WashingtonD.C., AmericanMeteorology Society, 152 pp Sloughter, J M., Raftery, A E., Gneiting, T., Fraley, C (2007),“Probabilistic Quantitative Precipitation Forecasting using Bayesian Model Averaging”, Monthly Weather Review, 135, pp 3209-3220 Stutchbury, J F., Hawkes, R L.(1974),“Wind velocity correlations with low ceilings and visibilities in terms of defined potential occurrences at GooseAirport”,Department of the Environment TEC 808, Atmospheric Environment Service, Downsview on Canada, 31 pp Suzuki, E (1964a),“Categorical prediction scheme of rainfall types by discriminant analysis”,Journal of the Meteorological Society of Japan, 15, pp 119-160 iii Footer Page 30 of 126 Header Page 31 of 126 22 Tapp, R G., Woodcock, F., Mills, G A (1986),“The application of model output statistics to precipitation prediction in Australia”,Monthly Weather Review, 114, pp 50-61 23 Wasserman, S E (1972),“PEATMOS probability of precipitation as an aid in predicting precipitation amount”,NOAA TechicalMemorandumNWS ER, 50, 12pp 24 Weiss, M (2001),“AVN-based MOS ceiling height and total sky cloud cover guidance for the contiguous United States, Alaska, Hawaii and Puetro Rico”,NWS Technical Procedures Bulletin No 483, National Oceanic and Atmospheric Administration, U.S Departmnent of Commerce, 22pp 25 Weiss, M., Ghirardelli, J E (2005),“A Sum-mary of Ceiling Height and Total Sky CoverShort-Term Statistical Forecasts in the Localized Aviation MOS Program (LAMP)”,Pre-prints, 21st Conference on Weather Analysis and Forecasting/17th Conference on Numerical Weather Prediction, Washington D.C,American Meteor Society, 13B.6 26 Wilks, D S (1995),“Statistical Methods in the Atmospheric Sciences”,Academic Press, 467 pp 27 Wilson, L J (1982),“Weather elements prediction by discriminant analysis”,InECMWF Seminar/Workshop on Interpretation of Numerical Weather Prediction products, ECMWF, Reading, pp 311-346 28 Wilson, L J., Vallée, M (2003),“The Canadian Updatable Model Output Statistics (UMOS) system: Validation against Perfect Prog”,Weather and Forecasting, 18, pp 288-302 iv Footer Page 31 of 126 ... hình khu vực WRF-ARW có độ phân giải 16km, đ dự báo POP nhằm nâng cao chất lƣợng dự báo pha mƣa khu vực Việt Nam Trong phạm vi Luận vănnày áp dụng phƣơng pháp UMOS với sản phẩm dự báo mô hình khu. .. Phƣơng pháp nghiên cứu 2.2.1 Phƣơng pháp UMOS 2.2.2 Phƣơng pháp GMOS 2.3 Áp dụng phƣơng pháp UMOS cho toán dự báo POP 2.3.1 Xác định yếu tố dự báo 2.3.2 Xác định nhân tố dự báo 2.3.3 Xây dựng phƣơng... thấy chất lƣợng dự báo TBTH xác suất đƣợc cải thiện đáng kể áp dụng phƣơng pháp thống kê nói để khử sai số hệ thống dự báo thành phần Để thử nghiệm DBTH cho toán dự báo mƣa lớn Việt Nam, Hoàng Đức