Đang tải... (xem toàn văn)
Đồng hóa số liệu biến phân bốn chiều (4D-Var) là kỹ thuật đồng hóa tiên tiến được ứng dụng ở nhiều nơi trên thế giới, nhờ ưu điểm tối ưu trường phân tích không những về mặt thống kê toán học mà còn phù hợp về mặt động lực.
BÀI BÁO KHOA HỌC DOI:10.36335/VNJHM.2019(EME2).174-185 THỬ NGHIỆM ĐỒNG HÓA SỐ LIỆU BẰNG WRF 4D-Var TRONG DỰ BÁO MƯA Ở KHU VỰC NAM BỘ Vũ Văn Thăng1, Trần Duy Thức1, Nguyễn Quang Trung1 Tóm tắt: Đồng hóa số liệu biến phân bốn chiều (4D-Var) kỹ thuật đồng hóa tiên tiến ứng dụng nhiều nơi giới, nhờ ưu điểm tối ưu trường phân tích khơng mặt thống kê tốn học mà phù hợp mặt động lực Nghiên cứu này, lần đầu tiên, giới thiệu việc thử nghiệm áp dụng phương pháp 4D-Var thông qua mơ hình WRF (Weather Research and Forecasting model) dự báo mưa Việt Nam, cụ thể khu vực Nam Bộ Các thí nghiệm đồng hóa số liệu mưa tự động số liệu radar dự báo đợt mưa ngày 25 26/11/2018 tiến hành Bên cạnh đó, hai thí nghiệm độ nhạy với quan trắc đơn thực hiện, với thay đổi lượng mưa đồng hóa điểm trạm Kết cho thấy phương pháp 4D-Var điều chỉnh biến trường ban đầu (ví dụ nhiệt độ, độ ẩm) dù có thay đổi nhỏ lượng mưa đồng hóa Mơ thực tế cho thấy, so với trường hợp khơng đồng hóa, phương pháp đồng hóa 4D-Var có tác động cải thiện dự báo hạn dự báo 12h 24h Các phương án đồng hóa nhìn chung cho sai số nhỏ so với trường hợp khơng đồng hóa, ngưỡng mưa nhỏ 30 mm mưa lớn 70mm Bên cạnh đó, nghiên cứu yêu cầu mặt tài ngun tính tốn phương pháp 4D-Var lớn đáng kể so với phương pháp biến phân ba chiều Từ khóa: WRFDA, 4DVar, Đồng hóa số liệu, Radar, Mưa lớn, Khu vực Nam Bộ Ban Biên tập nhận bài: 11/12/2019 Ngày phản biện xong: 12/12/2019 Ngày đăng bài:20/12/2019 Mở đầu Đồng hóa số liệu biến phân bốn chiều (FourDimensional Variational hay 4D-Var) phương pháp đồng hóa tiên tiến trường ban đầu điều chỉnh, gần với trường quan trắc, thông qua điều chỉnh tối ưu mặt vật lý tốn học mơ hình, cửa sổ đồng hóa [6] Phương pháp này, xây dựng mơ-đun đồng hóa mơ hình WRF (Weather Research and Forecasting model data assimilation system - WRFDA), dựa chu trình lặp để cực tiểu hóa hàm giá [1] Với tập hợp vòng lặp lồng nhau, lặp lại tiến lùi theo thời gian, trường phân tích điều chỉnh đồng thời theo số liệu quan trắc phù hợp với biến khác mô hình [3] So với phương pháp 3D-Var, phương pháp 4D-Var xử lý số liệu chiều thời gian giúp trường phân tích khơng tối ưu theo nghĩa Sau kỹ thuật 4D-Var áp dụng thành công cho mơ hình tồn cầu Trung tâm Dự báo hạn vừa Châu Âu (ECMWF), hệ thống 4DVar khác phát triển nhiều trung tâm dự báo giới Cơ quan Khí tượng Nhật (JMA), Cơ quan Khí tượng Pháp (MétéoFrance) [2, 13] Riêng tốn dự báo mưa, có nhiều nghiên cứu thử nghiệm phương pháp 4D-Var Mazzarella Vincenzo ccs., (2017) so sánh hai phương pháp 3D-Var 4D-Var, mô trường hợp mưa Viện Khoa học Khí tượng Thủy văn Biến đổi khí hậu Email: vvthang26@gmail.com 174 thống kê mà phù hợp mặt động lực Từ đó, trường thay đổi theo thời gian phù hợp với hình thời tiết Hơn nữa, 4D-Var đồng hóa nhiều loại số liệu mà 3D-Var khơng đồng hóa (ví dụ lượng mưa) [1] Tuy nhiên, nhược điểm 4DVar khối lượng tính tốn lớn, đòi hỏi hệ thống máy tính phải đủ mạnh TẠP CHÍ KHÍ TƯỢNG THỦY VĂN Số phục vụ Hội thảo chuyên đề BÀI BÁO KHOA HỌC lớn miền trung nước Ý, thơng qua việc đồng hóa độ phản hồi tốc độ gió xuyên tâm từ radar Với chín thí nghiệm thực hiện, kết cho thấy phương pháp 4D-Var giúp cải thiện dự báo mưa định lượng tốt so với 3D-Var, đặc biệt ngưỡng lượng mưa lớn [11] Pan Xiaoduo cs., (2017) sử dụng WRF 4D-Var để đồng hóa sản phẩm mưa từ vệ tinh TRMM 3B42 FY-2D cho lưu vực sơng Heihe (tây bắc Trung Quốc), nơi có địa hình phức tạp Kết cho thấy việc đồng hóa lượng mưa cải thiện trường độ ẩm nhiệt độ WRF trường ban đầu, từ cải thiện dự báo lượng mưa giảm thời gian spinup [12] Lopez Bauer (2007) sử dụng phương pháp “1D + 4D-Var” để đồng hóa lượng mưa ECMWF Đầu tiên, thông qua cách tiếp cận 1DVar, nhiệt độ độ ẩm ước lượng từ tốc độ mưa bề mặt Sau đó, tổng lượng nước cột khí quyển, thu từ bước thứ nhất, đồng hóa 4D-Var Ở đây, thơng tin lượng mưa chuyển đổi thành thông tin độ ẩm trước sử dụng 4D-Var [910] Junmei Ban ccs., (2017) đồng hóa trực tiếp liệu lượng mưa phương pháp 4D-Var Các thí nghiệm tuần thực nhằm kiểm tra ảnh hưởng đồng hóa lượng mưa đến mơ Kết đánh giá với quan trắc đơn cho thấy, đồng hóa lượng mưa có tác động tích cực đến trường mơ hình, đặc biệt độ ẩm mực thấp Đối với tác động đến dự báo lượng mưa, kết đồng hóa làm giảm thời gian spinup hiệu tạo lượng mưa dự báo mơ hình gần với quan trắc thông qua thay đổi nhiệt độ, độ ẩm gió tác động từ đồng hóa lượng mưa tồn trung bình đến khoảng ba sau mơ hình khởi chạy [5] Ở Việt Nam, nghiên cứu với phương pháp 3D-Var quan tâm áp dụng chưa có ứng dụng phương pháp 4D-Var [7-8] Huỳnh Thị Hồng Ngự La Thị Cang (2008) giới thiệu 4D-Var dừng lại biện luận khả áp dụng 4D-Var dự báo thời tiết mơ hình số trị hướng phát triển tương lai kỹ thuật Việt Nam [4] Từ đó, nghiên cứu lần thử nghiệm đồng hóa số liệu phương pháp 4D-Var sử dụng mơ hình WRF Mục làm rõ phương pháp nghiên cứu nguồn số liệu Mục trình bày kết với hai loại thí nghiệm, độ nhạy với quan trắc đơn dự báo thử nghiệm đợt mưa thực tế Một số kết luận đúc kết Mục Phương pháp nghiên cứu nguồn số liệu 2.1 Sơ lược WRF 4D-Var Về mặt toán học, mục tiêu WRF 4D-Var tìm ước tính tối ưu trạng thái khí thực thời điểm phân tích, cách tối thiểu hóa hàm giá: J = J b + Jo + Jc (1) Trong đó, Jb hàm giá trạng thái mơ hình, Jo hàm giá trường quan trắc Jc thành phần cân hàm giá [3] Hình minh họa phương thức hoạt động 4DVar cửa số đồng hóa Trong đó, Obs số liệu quan trắc, Xa trường phân tích (sau đồng hóa), Xb trạng thái mơ hình ban đầu Jo thể cho điều chỉnh cửa sổ đồng hóa, Jb đại diện cho điều chỉnh trạng thái ban đầu Đường màu xanh dự báo ban đầu mơ hình đường màu đỏ dự báo mơ hình qua điều chỉnh với số liệu quan trắc cửa sổ đồng hóa 12h Đối với tham số Xb ban đầu, tất quan trắc có cửa sổ đồng hóa (ở 12h) so sánh với dự báo hạn ngắn từ trường phân tích trước Trạng thái mơ hình Xb thời điểm ban đầu điều chỉnh cho có mối liên hệ tốt với số liệu quan trắc việc cực tiểu hóa hàm giá Kết mơ hình chạy tích phân tiến lùi theo thời gian, trích xuất thơng tin từ tất điểm quan trắc lặp lại số lần, nhằm cực tiểu hàm giá thay đổi trạng thái mơ hình phù hợp với quan trắc [3] TẠP CHÍ KHÍ TƯỢNG THỦY VĂN Số phục vụ Hội thảo chuyên đề 175 BÀI BÁO KHOA HỌC Hình Mơ tả cửa sổ đồng hóa WRF 4D-Var, theo [3] 2.2 Cấu hình mơ hình WRF dụng khác biệt dự báo 24h 12h Ma Mơ hình WRF mơ-đun WRF-DA trận trường thường tính tốn WRF-PLUS phiên V3.9.1 sử dụng tháng, từ 01/10/2018 đến 31/10/2018 nghiên cứu [14] Cấu hình thí 2.3 Thiết kế thí nghiệm nghiệm thực với ba lưới lồng, tương Hai loạt thí nghiệm thực tác hai chiều, có độ phân giải tương ứng là: 54 nghiên cứu bao gồm: km, 18km 6km (Hình 2) Số điểm lưới ba 2.3.1 Đánh giá độ nhạy với quan trắc đơn miền tính 1, 2, 100×65, 151×91, Một bước để kiểm nghiệm ảnh 157x109 điểm lưới, với tọa độ tâm 10,66 N; hưởng đồng hóa 4D-Var đến trường ban đầu 106,730E Số mực thẳng đứng 38 bước bước thờithời thí nghiệm với quan trắc đơn Tại điểm có tọa bước thời bày thời sơ độ 11.170N; 106.490E, giá trị lượng mưa ban đầu g tích phân 120s Bảng trình bước ggian đồg tham số hóa vật lý mơ hình WRF khoảng mm (Hình 3) Để thử nghiệm độ nhạy sử dụng nghiên cứu Đối với miền tính với quan trắc đơn (single observation test), hai (độ phân giải 6km), khơng sử dụng sơ thí nghiệm thực hiện, bao gồm: đồ tham số hóa đối lưu Trong cấu hình • TN1: tăng giá trị lượng mưa điểm WRF-DA, ma trận sai số trường CV7 lên 40mm (tăng 15mm) sử dụng [3, 14] Trường CV7 sử dụng • TN2: giảm giá trị lượng mưa điểm biến điều khiển gió kinh - vĩ hướng, xuống 15mm (giảm 10mm) nhiệt độ, độ ẩm tương đối giả (pseudo) khí áp Trong hai thử nghiệm này, cửa sổ đồng hóa bề mặt Ma trận sai số tính tốn riêng cho đặt phía, từ đến 1h, mơ hình miền tính phương pháp NMC, sử tích phân từ thời điểm 12Z ngày 25/11/2018 176 Hình Các miền tính mơ hình WRF TẠP CHÍ KHÍ TƯỢNG THỦY VĂN Số phục vụ Hội thảo chuyên đề H Hình Điểm quan trắc thay đổi giá trị lượng mưa thí nghiệm độ nhạy với quan trắc đơn BÀI BÁO KHOA HỌC 2.3.2 Thử nghiệm dự báo đợt mưa 2526/11/2018 Đợt mưa hai ngày 25 26/11/2018 lựa chọn để tiến hành thử nghiệm đồng hóa liệu lượng mưa độ phản hồi radar Bảng mô tả sơ lược 05 thí nghiệm tiến hành Đây đợt mưa lớn gây nên bão Usagi, bão mạnh, đổ trực tiếp vào Cần Giờ (TP Hồ Chí Minh) vào ngày 25/11/2018 Trong thí nghiệm chạy 3D-Var, số liệu radar thay đổi nhanh theo thời gian, cửa sổ đồng hóa đặt 15 phút Tổng số lượng điểm quan trắc có độ phản hồi gió xuyên tâm đồng hóa 25.018 Trong trường hợp chạy 4D-Var, với cửa số đồng hóa tiếng, tổng số lượng quan trắc đưa vào 72.370 (tăng 2,8 lần) Đối với số liệu đo mưa tự động, WRF-4DVar có khả đồng hóa lượng mưa tích lũy giờ, 3h, 6h lâu Trong nghiên cứu này, số liệu mưa tích lũy 3h 6h 219 trạm quan trắc mưa sử dụng để đồng hóa Một số nghiên cứu cho thấy đồng hóa lượng mưa tích lũy 6h cho kết tốt so với việc đồng hóa số liệu [6] Mơ hình WRF khởi chạy vào thời điểm 12Z ngày 24 25/11/2018 để dự báo cho hai ngày 25 26/11/2018 Bảng Sơ đồ vật lý mơ hình WRF thí nghiệm /RҥLVѫÿӗ /ӟSELrQKjQKWLQK 7rQVѫÿӗÿѭӧFVӱGөQJ