Nghiên cứu xây dựng hệ thống phân loại các hình thế gây mưa lớn cho khu vực Việt Nam bằng phương pháp SOM

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƢỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN - TRẦN ANH ĐỨC NGHIÊN CỨU XÂY DỰNG HỆ THỐNG PHÂN LOẠI CÁC HÌNH THẾ GÂY MƢA LỚN CHO KHU VỰC VIỆT NAM BẰNG PHƢƠNG PHÁP SOM LUẬN VĂN THẠC SĨ KHOA HỌC Hà Nội - Năm 2013 ĐẠI HỌC QUỐC GIA HÀ NỘI TRƢỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN - TRẦN ANH ĐỨC NGHIÊN CỨU XÂY DỰNG HỆ THỐNG PHÂN LOẠI CÁC HÌNH THẾ GÂY MƢA LỚN CHO KHU VỰC VIỆT NAM BẰNG PHƢƠNG PHÁP SOM Chuyên ngành : Khí tƣợng khí hậu học Mã số : 60.44.0222 LUẬN VĂN THẠC SĨ KHOA HỌC NGƢỜI HƢỚNG DẪN KHOA HỌC: PGS.TS NGUYỄN ĐĂNG QUẾ Hà Nội – Năm 2013 LỜI CẢM ƠN Lời đầu tiên, tơi xin bày tỏ lịng biết ơn sâu sắc đến PGS.TS Nguyễn Đăng Quế , người tận tình hướng dẫn bảo cho tơi hồn thành luận văn cao học Tôi xin cảm ơn Thầy cán khoa Khí tượng- Thủy văn- Hải dương học, anh chị cán phịng Nghiên cứu ứng dụng, Trung tâm Dự báo khí tượng thủy văn Trung ương đặc biệt TS Lê Đức cung cấp cho kiến thức chuyên môn quý báu, đồng thời tạo điều kiện thuận lợi suốt thời gian thực luận văn Cuối xin gửi lời cảm ơn chân thành đến gia đình, người thân, bạn bè, người bên cạnh cổ vũ động viên tạo điều kiện tốt cho suốt thời gian học tập cao học trường Trần Anh Đức MỤC LỤC Chƣơng Tổng quan 1.1 Tổng quan nghiên cứu nhận dạng, phân loại hình thời tiết nói chung mƣa lớn nói riêng phạm vi giới 14 1.2 Tình hình nghiên cứu Việt Nam 21 Chương Số liệu phương pháp 26 2.1 Số liệu 26 2.2 Phƣơng pháp 29 2.2.1 Lựa chọn miền tái phân tích, yếu tố phù hợp để phân loại hình gây mƣa lớn 30 2.2.2 Xử lý số liệu JRA, luyện mạng SOM từ số liệu JRA 31 2.2.3 Trực quan hóa kết SOM đồ U-Matrix, phân cụm liệu đồ U-Matrix 34 Chƣơng Kết phân tích .38 3.1 Phân tích nhóm hình gây mưa lớn khu vực Tây Bắc Bộ 38 3.1.1 Hình : Tồn xốy thấp khu vực Tây Bắc Bộ vùng núi phía Bắc 38 3.1.2 Hình : Tầng thấp rãnh gió mùa, cao gió Tây Nam thổi từ rìa áp cao cận nhiệt đới .40 3.1.3 Hình thế: Rãnh Tây Bắc – Đơng Nam kết hợp với xốy thấp đóng kín khu vực Tây Bắc Bộ 42 3.2 Phân tích nhóm hình gây mưa lớn khu vực Đông Bắc Bộ .44 3.2.1 Hình thế: Hoạt động mạnh gió Đơng đến Đơng Nam nằm vị trí phía Bắc xoáy thấp tồn khu vực Bắc Trung Bộ 44 3.2.2 Hình : Một xốy thấp đóng kín tồn khu vực Bắc Bộ từ tầng thấp đến tầng cao 46 3.2.3 Hình : Hội tụ kinh hướng phía Đơng Bắc Bộ 48 3.2.4 Hình gây mưa lớn khu Đơng Bắc Bộ: hội tụ gió mực 500mb 49 3.3 Phân tích nhóm hình gây mưa lớn khu vực Bắc Trung Bộ 50 3.3.1 Hình : Hoạt động mạnh gió Đơng từ tầng thấp đến tầng cao .51 3.3.2 Hình : Tầng thấp rãnh áp thấp, cao gió Đơng Nam thổi từ rìa áp cao cận nhiệt đới .52 3.3.3 Hình : Nằm phía Bắc rãnh áp thấp kết hợp với hoạt động mạnh gió Đông từ tầng thấp lên đến tầng cao .53 3.3.4 Hình : Dải hội tụ nhiệt đới vắt ngang qua Trung Bộ với hoạt động mạnh gió Đơng đến Đơng Nam khu vực Bắc Trung Bộ 54 3.3.5 Hình : Hoạt động mạnh xoáy thuận nhiệt đới .55 3.3 Phân tích nhóm hình gây mưa lớn khu vực Trung Trung Bộ 56 3.4.1 Hình : Hoạt động mạnh đới gió Đơng từ tầng thấp lên đến tầng cao .57 3.4.2 Hình thế: Nằm vị trí phía Bắc rãnh thấp xích đạo, kết hợp với hoạt động gió Đơng Bắc tầng thấp gió Đơng Nam tầng cao 58 3.4.3 Hình : Ảnh hưởng xốy thuận nhiệt đới .59 3.4.4 Hình : Hoạt động gió Đơng Bắc tầng thấp hoạt động mạnh gió Đơng tầng cao .60 3.5 Phân tích nhóm hình gây mƣa lớn khu vực Nam Trung Bộ 61 3.5.1 Hình thế: Rãnh thấp xích đạo kết hợp với hoạt động mạnh gió Đơng từ tầng thấp lên đến tầng cao .62 3.5.2 Hình thế: Hoạt động mạnh gió Đông từ tầng thấp lên đến tầng cao 63 3.5.3 Hình thế: Nhiễu động dạng sóng đới gió Đơng cao hoạt động xoáy tầng thấp 64 3.5.4 Hình : Hoạt động dải hội tụ nhiệt đới nhiễu động đới gió Đơng tầng cao 65 3.5.5 Hình : Ảnh hưởng xoáy thuận nhiệt đới .66 KẾT LUẬN 68 TÀI LIỆU THAM KHẢO 69 DANH MỤC HÌNH VẼ Hình 2.1 Miền số liệu tái phân tích lựa chọn để phân loại hình gây mưa lớn cho khu vực Việt Nam 31 Hình 2.2 Cấu trúc mạng SOM 33 Hình 2.3 Ví dụ minh họa đồ trực quan U-Matrix 36 Hình 2.4 Ví dụ việc hình thành cụm ma trận U-Matrix từ phương pháp K-means 37 Hình 3.1 Bản đồ U-Matrix phân cụm đồ cho khu vực Tây Bắc Bộ .38 Hình 3.2 Bản đồ trường gió mực 850, 700, 500, 200mb hình thế: tồn xốy thấp khu vực Tây Bắc Bộ vùng núi phía Bắc 39 Hình 3.3 Bản đồ trường khí áp mực biển hình thế: tồn xốy thấp khu vực Tây Bắc Bộ vùng núi phía Bắc 40 Hình 3.4 Bản đồ trường gió mực 850, 700, 500, 200mb hình thế: tầng thấp rãnh gió mùa, cao gió Tây Nam thổi từ rìa áp cao cận nhiệt đới 41 Hình 3.5 Bản đồ trường khí áp mực biển hình thế: tầng thấp rãnh gió mùa, cao gió Tây Nam thổi từ rìa áp cao cận nhiệt đới 42 Hình 3.6 Bản đồ trường gió mực 850, 700, 500, 200mb hình thế: rãnh Tây Bắc – Đông Nam kết hợp với xốy thấp đóng kín khu vực Tây Bắc Bộ 43 Hình 3.7 Bản đồ trường khí áp mực biển hình thế: rãnh Tây Bắc – Đông Nam kết hợp với xốy thấp đóng kín khu vực Tây Bắc Bộ 43 Hình 3.8 Bản đồ U-Matrix phân cụm đồ cho khu vực Đông Bắc Bộ 44 Hình 3.9 Bản đồ trường gió mực 850, 700, 500, 200mb hình : hoạt động mạnh gió Đơng đến Đơng Nam nằm vị trí phía Bắc xốy thấp tồn khu vực Bắc Trung Bộ 45 Hình 3.10 Bản đồ trường khí áp mực biển hình : hoạt động mạnh gió Đơng đến Đơng Nam nằm vị trí phía Bắc xốy thấp tồn khu vực Bắc Trung Bộ .46 Hình 3.11 Bản đồ trường gió mực 850, 700, 500, 200mb hình : xốy thấp đóng kín tồn khu vực Bắc Bộ từ tầng thấp đến tầng cao .47 Hình 3.12 Bản đồ trường khí áp mực biển hình : xốy thấp đóng kín tồn khu vực Bắc Bộ từ tầng thấp đến tầng cao .47 Hình 3.13 Bản đồ trường gió mực 850, 700, 500, 200mb hình : Hội tụ kinh hướng phía Đông Bắc Bộ .48 Hình 3.14 Bản đồ trường khí áp mực biển hình : hội tụ kinh hướng phía Đơng Bắc Bộ .49 Hình 3.15 Bản đồ trường gió mực 850, 700, 500, 200mb hình : Hội tụ gió mực 500mb 49 Hình 3.16 Bản đồ trường khí áp mực biển hình : hội tụ gió mực 500mb .50 Hình 3.17 Bản đồ U-Matrix phân cụm đồ cho khu vực Bắc Trung Bộ 50 Hình 3.18 Bản đồ trường gió mực 850, 700, 500, 200mb hình thế: hoạt động mạnh gió Đơng từ tầng thấp đến tầng cao 51 Hình 3.19 Bản đồ trường khí áp hình thế: hoạt động mạnh gió Đơng từ tầng thấp đến tầng cao 52 Hình 3.20 Bản đồ trường gió mực 850, 700, 500, 200mb hình : tầng thấp rãnh áp thấp, cao gió Đơng Nam thổi từ rìa áp cao cận nhiệt đới 52 Hình 3.21 Bản đồ trường khí áp mực biển hình thế: tầng thấp rãnh áp thấp, cao gió Đơng Nam thổi từ rìa áp cao cận nhiệt đới 53 Hình 3.22 Bản đồ trường gió mực 850, 700, 500, 200mb hình : nằm phía Bắc rãnh áp thấp kết hợp với hoạt động mạnh gió Đơng từ tầng thấp lên đến tầng cao 53 Hình 3.23 Bản đồ trường khí áp mực biển hình : nằm phía Bắc rãnh áp thấp kết hợp với hoạt động mạnh gió Đơng từ tầng thấp lên đến tầng cao 54 Hình 3.24 Bản đồ trường gió mực 850, 700, 500, 200mb hình : dải hội tụ nhiệt đới vắt ngang qua Trung Bộ với hoạt động mạnh gió Đơng đến Đơng Nam khu vực Bắc Trung Bộ 54 Hình 3.25 Bản đồ trường khí áp mực biển hình : dải hội tụ nhiệt đới vắt ngang qua Trung Bộ với hoạt động mạnh gió Đơng đến Đông Nam khu vực Bắc Trung Bộ 55 Hình 3.26 Bản đồ trường gió mực 850, 700, 500, 200mb hình : hoạt động mạnh xoáy thuận nhiệt đới 55 Hình 3.27 Bản đồ trường khí áp mực biển hình : hoạt động mạnh xoáy thuận nhiệt đới 56 Hình 3.28 Bản đồ U-Matrix phân cụm đồ cho khu vực Trung Trung Bộ 56 Hình 3.29 Bản đồ trường gió mực 850, 700, 500, 200mb hình thế: hoạt động mạnh đới gió Đơng từ tầng thấp lên đến tầng cao 57 Hình 3.30 Bản đồ khí áp mực biển hình thế: hoạt động mạnh đới gió Đơng từ tầng thấp lên đến tầng cao hay gọi gió Đơng dày 58 Hình 3.31 Bản đồ trường gió mực 850, 700, 500, 200mb hình thế: nằm vị trí phía Bắc rãnh thấp xích đạo, kết hợp với hoạt động gió Đơng Bắc tầng thấp gió Đơng Nam tầng cao .58 Hình 3.32 Bản đồ trường khí áp mực biển hình thế: nằm vị trí phía Bắc rãnh thấp xích đạo, kết hợp với hoạt động gió Đơng Bắc tầng thấp gió Đơng Nam tầng cao 59 Hình 3.33 Bản đồ trường gió mực 850, 700, 500, 200mb hình thế: ảnh 59 Hình 3.34 Bản đồ trường khí áp mực biển hình thế: ảnh hưởng xoáy thuận nhiệt đới .60 Hình 3.35 Bản đồ trường gió mực 850, 700, 500, 200mb hình thế: hoạt động gió Đơng Bắc tầng thấp và hoạt động mạnh gió Đơng tầng cao 60 Hình 3.36 Bản đồ trường khí áp mực biển hình thế: hoạt động gió Đơng Bắc tầng thấp hoạt động mạnh gió Đơng tầng cao 61 Hình 3.37 Bản đồ U-Matrix phân cụm đồ cho khu vực Nam Trung Bộ 61 Hình 3.38 Bản đồ trường gió mực 850, 700, 500, 200mb hình thế: rãnh thấp xích đạo kết hợp với hoạt động mạnh gió Đơng từ tầng thấp lên đến tầng cao .62 Hình 3.39 Bản đồ trường khí áp mực biển hình thế: rãnh thấp xích đạo kết hợp với hoạt động mạnh gió Đơng từ tầng thấp lên đến tầng cao .63 Hình 3.40 Bản đồ trường gió mực 850, 700, 500, 200mb hình thế: hoạt động mạnh gió Đơng từ tầng thấp lên đến tầng cao .63 Hình 3.41 Bản đồ trường khí áp hình thế: hoạt động mạnh gió Đơng từ tầng thấp lên đến tầng cao 64 Hình 3.42 Bản đồ trường gió mực 850, 700, 500, 200mb hình : nhiễu động dạng sóng đới gió Đơng cao hoạt động xoáy tầng thấp 64 Hình 3.43 Bản đồ trường khí áp mực biển hình : nhiễu động dạng sóng đới gió Đơng cao hoạt động xốy tầng thấp .65 10 Đối với khu vực thu cụm đồ SOM tương ứng với hình gây mưa lớn bao gồm  Rãnh thấp xích đạo kết hợp với hoạt động mạnh gió Đơng từ tầng thấp lên đến tầng cao  Hoạt động mạnh gió Đông từ tầng thấp lên đến tầng cao  Nhiễu động dạng sóng đới gió Đơng cao hoạt động xoáy tầng thấp  Hoạt đơng dải hội tụ nhiệt đới gió Đơng tầng cao  Ảnh hưởng xốy thuận nhiệt đới 3.5.1 Hình thế: Rãnh thấp xích đạo kết hợp với hoạt động mạnh gió Đơng từ tầng thấp lên đến tầng cao Hình 3.38 Bản đồ trường gió mực 850, 700, 500, 200mb hình thế: rãnh thấp xích đạo kết hợp với hoạt động mạnh gió Đơng từ tầng thấp lên đến tầng cao 62 Hình 3.39 Bản đồ trường khí áp mực biển hình thế: rãnh thấp xích đạo kết hợp với hoạt động mạnh gió Đơng từ tầng thấp lên đến tầng cao 3.5.2 Hình thế: Hoạt động mạnh gió Đơng từ tầng thấp lên đến tầng cao Hình 3.40 Bản đồ trường gió mực 850, 700, 500, 200mb hình thế: hoạt động mạnh gió Đơng từ tầng thấp lên đến tầng cao 63 Hình 3.41 Bản đồ trường khí áp hình thế: hoạt động mạnh gió Đông từ tầng thấp lên đến tầng cao 3.5.3 Hình thế: Nhiễu động dạng sóng đới gió Đơng cao hoạt động xoáy tầng thấp Hình 3.42 Bản đồ trường gió mực 850, 700, 500, 200mb hình : nhiễu động dạng sóng đới gió Đơng cao hoạt động xốy tầng thấp 64 Hình 3.43 Bản đồ trường khí áp mực biển hình : nhiễu động dạng sóng đới gió Đơng cao hoạt động xoáy tầng thấp 3.5.4 Hình : Hoạt động dải hội tụ nhiệt đới nhiễu động đới gió Đơng tầng cao Hình 3.44 Bản đồ trường gió mực 850, 700, 500, 200mb hình : hoạt động dải hội tụ nhiệt đới nhiễu động đới gió Đơng tầng cao 65 Hình 3.45 Bản đồ trường khí áp mực biển hình : hoạt động dải hội tụ nhiệt đới nhiễu động gió Đơng tầng cao 3.5.5 Hình : Ảnh hưởng xốy thuận nhiệt đới Hình 3.46 Bản đồ trường gió mực 850, 700, 500, 200mb hình thế: ảnh hưởng xốy thuận nhiệt đới 66 Hình 3.47 Bản đồ trường gió khí áp mực biển hình thế: ảnh hưởng xốy thuận nhiệt đới 67 KẾT LUẬN Như sau thời gian nghiên cứu tìm tịi thử nghiệm, tơi hoàn thiện luận văn thạc sỹ “Nghiên cứu xây dựng hệ thống phân loại hình gây mưa lớn cho khu vực Việt Nam phương pháp SOM” Bằng việc sử dụng số liệu tái phân tích Nhật Bản giai đoạn từ năm 1979 đến 2012, thống kê ngày mưa lớn khứ tất khu vực Việt Nam sử dụng phương pháp SOM xây dựng hệ thống phân loại hoàn chỉnh cho gần tất khu vực nước Và số kết luận:  Luận văn đưa tổng quan tình hình nghiên cứu nhận dạng, phân loại hình thời tiết nói chung mưa lớn nói riêng giới Việt Nam  Luận văn đạt mục tiêu xây dựng hệ thống phân loại cho hầu hết khu vực Việt Nam Tây Bắc Bộ, Đông Bắc Bộ, Bắc Trung Bộ, Trung Trung Bộ Nam Trung Bộ khu vực mà hệ thống khơng xác định rõ ràng hình gây mưa khu vực Tây Nguyên Nam Bộ  Luận văn khắc phục nhược điểm phương pháp xác định khách quan từ nghiên cứu trước bắt buộc phải xác định trước số lượng hình gây mưa cho khu vực  Trong luận văn khu vực thể phân loại hình gây mưa rõ ràng khu vực Nam Trung Bộ 68 TÀI LIỆU THAM KHẢO Tài liệu tiếng Việt Đinh Văn Loan: Sơ phân loại hình thời tiết ảnh hưởng đến Việt Nam (1980) Kiều Thị Xin, 2005: Nghiên cứu dự báo mưa lớn diện rộng công nghệ đại phục vụ phòng chống lũ lụt Việt Nam Báo cáo tổng kết đề tài khoa học công nghệ độc lập cấp nhà nước, tr.121-151 Nguyễn Ngọc Thục Phân loại dạng hình Synop gây mưa lớn, đặc biệt lớn thuộc tỉnh Nghệ An đến Thừa Thiên Huế (1992) Nguyễn Ngọc thục cộng sự: Những nhân tố gây mưa lớn, lũ tỉnh miền Trung Tây Nguyên; (Thuộc chương trình lũ miền Trung, Cục Dự báo 1994) Nguyễn Ngọc Thục, Lương Tuấn Minh, 1990: Các hình synop gây mưa lớn miền bắc Việt nam Tuyển tập báo cáo khoa học Hội nghị Khoa học dự báo KTTV lần thứ III 1986-1990, tr 110-120 Nguyễn Khanh Vân, Bùi Minh Tăng, 2003: Đặc điểm hình thời tiết gây mưa lũ, lụt lớn đặc biệt lớn tỉnh Quảng Bình, Quảng Trị, Thừa Thiên-Huế (giai đoạn 1997-2001), Tạp chí Khoa học Trái Đất, số đặc biệt kỷ niệm 10 năm thành lập Viện Địa lý, 25(4), tr 339-345 Phạm Ngọc Tồn, Phan Tất Đắc (1993) – Khí hậu Việt Nam Phạm Thanh Ngà Phân tích số trường hợp mưa lớn dựa sản phẩm mơ hình số (2007) Phan Văn Tân - Các phương pháp thống kê khí hậu - Phan Văn Tân Nhà xuất Đại học Quốc gia 10 Trần Gia Khánh Phân tích Dự báo q trình mưa bão đổ vào khu vực Quảng Ngãi – Đà Nẵng đến Quảng Ngãi trở vào có tác động khơng khí lạnh phía Bắc Dự án Mưa lũ miền Trung – Cục Dự báo KTTV tháng năm 1993 11 Trần Gia Khánh Phân loại hình Synop gây mưa lớn khu vực Quảng Nam – Đà Nẵng đến Khánh Hòa (1998) 12 Vũ Thanh Hằng, Kiều Thị Xin, 2007: Dự báo mưa lớn khu vực Trung Bộ sử dụng sơ đồ tham số hóa đối lưu Heise mơ hình HRM, Tạp chí KTTV, số 560, trang 49-54 69 13 Lê Đức, Nguyễn Văn Hưởng, 2011: Xác định khách quan hình thời tiết đợt mưa lớn khu vực miền Trung từ số liệu tái phân tích JRA25, Luận văn thạc sỹ ngành khí tượng khí hậu học, Đại học Khoa học Tự nhiên 14 Nguyễn Khánh Vân, Đỗ Lệ Thủy, Trần Anh Đức: Nguyên nhân quy luật thời tiết gây mưa lớn khu vực Đèo Hải Vân- Đèo Cả, vùng Nam Trung Bộ(giai đoạn 1986-2010) Tạp chí Các khoa học Trái Đất số tháng 6-2013 Tài liệu tiếng Anh 15 Ambroise, C.; Seze, G Badran F & Thiria S (2000), Hierarchical clustering of self-organizing maps for cloud classification, Neurocomputing, Vol 30, 47–52 16 Bacao, F.; Lobo, V & Painho, M (2005), Self-organizing maps as substitutes for k-means clustering, Lecture Notes in Computer Science, V S Sunderam, G v Albada, P Sloot, and J J Dongarra (Eds.), Vol 3516, PP 476-483, Berlin Heidelberg, Springer-Verlag 17 Carmichael O., and M Hebert, 2004: “A hybrid object-level/pixel-level framework for shape-based recognition,” Proceedings of British Machine Vision Conference, (BMVC) 18 Carvalho L.M.V., and C Jones, 2001: “A satellite method to identify structural properties of mesoscale convective systems based on the maximum spatial correlation tracking technique (MASCOTTS),” Journal of applied meteorology, vol 40, pp 1683-1701 19 Cassano, E N.; Lynch, A H., Cassano, J J & Koslow, M R (2006) Classification of synoptic patterns in the western Arctic associated with extreme events at Barrow, Alaska, USA, Climate Research, Vol 30, 83-97, ISSN 16161572 20 Cavazos, T (2000) Using self-organizing maps to investigate extreme climate events: An application to wintertime precipitation in the Balkans, Journal of Climate, Vol 13, 1718–1732 21 CofiÑo, A., Gutiérrez, J., Jakubiak, B., & Melonek, M., 2003: “Implementation of data mining techniques for meteorological applications” World scientific: pp 215–240 22 Dorling S, Davies T (1992) Cluster analysis: A technique for estimating the 70 synoptic meteorological controls on air and precipitation chemistry - method and applications Atmos Environ 26A: 2575-2581 23 Filippi, A.; Dobreva, I., Klein, A.G & Jensen, J.R (2010) Self-Organizing Map-based Applications in Remote Sensing, In: Self-Organizing Maps, Matsopoulos, G.K (Ed.), 231-248 24 Hewitson, B C & Crane, R G (1994) Neural Nets: Applications in Geography, Springer, New York 25 Hewitson, B C & Crane, R G (2002) Self-organizing maps: applications to synoptic climatology Climate Research, Vol 22, No 1, 13-26, ISSN 0936577X 26 Hsu, K.-C & Li, S.-T (2010) Clustering spatial–temporal precipitation data using wavelet transform and self-organizing map neural network, Advances in Water Resources, Vol 33, No 2, 190-200, ISSN 0309-1708 27 Huth, R.; Beck, C., Philipp, A., Demuzere, M., Ustrnul, Z., Cahynová, M., Kyselý, J & Tveito, O E (2008) Classifications of atmospheric circulation patterns, Recent advances and applications, Annals of the New York Academy of Sciences, Vol 1146, No 1, 105-152 28 Kohonen, T (1988) Self-Organization and Associative Memory, SpringerVerlag, New York, Berlin, Heidelberg 29 Li, X., R Ramachandran, S Graves, and S Movva, 2008: A Hybrid Object/Pixel-based Classification Approach for Shape-oriented Atmospheric Phenomena Detection Computers & Geosciences 30 Li Z., A Khananian, R H Fraser, and J Cihlar, 2001: “Automatic detection of fire smoke using artificial neural networks and threshold approaches applied to AVHRR imagery,” IEEE trans on Geosci Remote Sensing , vol 39, pp 1859-1870 31 Lin, G.-F & Chen, L.-H (2006) Identification of homogeneous regions for regional frequency analysis using the self-organizing map, Journal of Hydrology, Vol 324, 1-9 32 Liu, Y., & Weisberg, R H., 2011: "A Review of Self-Organizing Map Applications in Meteorology and Oceanography" Self Organizing Maps Applications and Novel Algorithm Design 71 33 Lobo, V J.A.S (2009) Application of Self-Organizing Maps to the Maritime Environment, In: Information Fusion and Geographic Information Systems, Lecture Notes in Geoinformation and Cartography, V.V Popovich et al, (Eds.), pp.19-36, Springer-Verlag, Berlin, Heidelberg 34 Malmgren, B A & Winter, A (1999) Climate zonation in Puerto Rico based on principal components analysis and an artificial neural network, Journal of Climate, Vol 12, 977–985 35 Koji Nishiyama, Shinichi Endo, Kenji Jinno, Cintia Bertacchi Uvo, Jonas Olsson and Ronny Bertndtsson, 2007: Idenfication of typical synoptic patterns causing heavy rainfall in the rainy season in Japan by a Self-Organizing Map Atmospheric Research, 83, 185-200 36 Peak E., and P.M Tag, 1994: “Segmentation of satellite imagery using hierarchical thresholding and neural networks,” J Applied Meteorology, vol 33, No pp 605-616 37 Reusch, D B.; Alley, R B & Hewitson, B C (2005a) Relative performance of self-organizing maps and principal component analysis in pattern extraction from synthetic climatological data, Polar Geography, Vol 29, 188-212 38 Schuenemann, K C & Cassano, J J (2009) Changes in synoptic weather patterns and Greenland precipitation in the 20th and 21st centuries: Evaluation of late 20th century simulations from IPCC models, Journal of Geophysical Research, Vol 114, D20113, doi:10.1029/2009JD011705, ISSN 0148-0227 39 Solidoro, C.; Bastianini, M., Bandelj, V., Codermatz, R., Cossarini, G., Melaku Canu, D., Ravagnan, E., Salon S & Trevisani S (2009) Current state, scales of variability & trends of biogeochemical properties in the northern Adriatic Sea, Journal of Geophysical Research, Vol 114, C07S91 40 Kotsiantis S., Kostoulas A., Lykoudis S., Argiriou A., and Menagias K., "Using Data Mining Techniques for Estimating Minimum, Maximum and Average Daily Temperature Values, International Journal of Mathematical, Physical and Engineering Sciences", pp 16-20 2007 41 Bilgin T., and Çamurcu Y., "A Data Mining Application on Air Temperature Database," Advances in Information Systems, Springer Berlin, Heidelberg, pp.68-76 2004 72 42 Zhang Z., Wu W., Huang Y., "Mining dynamic interdimension association rules for local-scale weather prediction," In the Proceedings of the 28th Annual International Computer Software and Applications Conference, 2004 43 Peters J., Suraj Z., Shan S., Ramanna S., Pedrycz W., Pizzi N., "Classification of meteorological volumetric radar data using rough set methods," Pattern Recognition Letters, pp.911–920 2003 44 Cavazos, T.; Comrie, A C & Liverman, D M (2002) Intraseasonal variability associated with wet monsoons in southeast Arizona, Journal of Climate, Vol 15, 2477–2490,ISSN 0894-8755 45 Raju, K S & Kumar, D N (2007) Classification of Indian meteorological stations using cluster and fuzzy cluster analysis, and Kohonen artificial neural networks, Nordic Hydrology, Vol 38 No 3, 303–314, ISSN 0029-1277 46 Khedairia, S & Khadir, M T (2008) Self-organizing map and k-means formeteorological day type identification for the region of Annaba –Algeria, In: 7th Computer Information Systems and Industrial Management Applications, pp.91-96, 2008, ISBN:978-0-7695-3184-7, Ostrava 47 Schuenemann, K C & Cassano, J J (2010) Changes in synoptic weather patterns and Greenland precipitation in the 20th and 21st centuries: Analysis of 21st century atmospheric changes using self-organizing maps, Journal of Geophysical Research, Vol 115, D05108 , ISSN 0148-0227 48 Johnson, N C & Feldstein, S.B (2010) The Continuum of North Pacific Sea Level Pressure Patterns: Intraseasonal, Interannual, and Interdecadal Variability Journal of Climate,Vol 23, 851-867, ISSN 0894-8755 49 Reusch, D B & Alley, R.B (2007) Antarctic sea ice: a self-organizing mapbased perspective, Annals of Glaciology, Vol 46, 391-396, ISSN 0260-3055 73 LỜI CẢM ƠN Lời đầu tiên, tơi xin bày tỏ lịng biết ơn sâu sắc đến PGS.TS Nguyễn Đăng Quế , người tận tình hướng dẫn bảo cho tơi hồn thành luận văn cao học Tơi xin cảm ơn Thầy cán khoa Khí tượng- Thủy vănHải dương học, anh chị cán phịng Nghiên cứu ứng dụng, Trung tâm Dự báo khí tượng thủy văn Trung ương đặc biệt TS Lê Đức cung cấp cho kiến thức chuyên môn quý báu, đồng thời tạo điều kiện thuận lợi suốt thời gian thực luận văn Cuối xin gửi lời cảm ơn chân thành đến gia đình, người thân, bạn bè, người bên cạnh cổ vũ động viên tạo điều kiện tốt cho suốt thời gian học tập cao học trường Trần Anh Đức 74 Mở đầu Với gia tăng không ngừng loại số liệu khí tượng vài thập niên trở lại số liệu quan trắc từ trạm cố định bề mặt(Synop), số liệu thám không vô tuyến(Temp), số liệu Radar, số liệu viễn thám, số liệu tái phân tích, việc tìm kiếm cơng cụ hiệu xác để phân tích chiết xuất thông tin quan trọng từ nguồn liệu khổng lồ cần thiết, mà tốn khai phá liệu(Data Mining) hướng tới Một kỹ thuật sử dụng phổ biến khai phá liệu phân cụm liệu(Data Clustering) Các ứng dụng phân cụm liệu bao gồm: phân loại hình thời, phân vùng khí hậu, nhận dạng mây, downscaling thống kê hay đánh giá tác động biến đổi khí hậu Trong luận văn này, nội dung mà tơi thực sử dụng SOM, phương pháp phân cụm liệu có hiệu cao tốn khí tượng, áp dụng với số liệu tái phân tích JRA25 Nhật Bản để xây dựng hệ thống phân loại hình gây mưa lớn cho khu vực Việt Nam Nội dung luận văn chia thành phần sau:  Mở đầu  Chƣơng 1: Tổng quan  Chƣơng 2: Số liệu phương pháp  Chƣơng 3: Kết phân tích  Kết luận 75 76