Đang tải... (xem toàn văn)
Bài viết sẽ trình bày một số khảo sát khác nhau liên quan đến những lựa chọn thiết lập ma trận sai số của mô hình WRF-ARW thử nghiệm trong dự báo mưa lớn trên khu vực Bắc Bộ với sơ đồ đồng hóa biến phân WRFDA. Các thử nghiệm gồm: i) sử dụng sai số cho trước của NCEP và ii) sai số tính toán dựa trên kết quả dự báo của mô hình WRF-ARW cho riêng khu vực Việt Nam.
BÀI BÁO KHOA HỌC VAI TRỊ CỦA SAI SỐ MƠ HÌNH TRONG BÀI TỐN ĐỒNG HĨA SỐ LIỆU DỰA TRÊN PHƯƠNG PHÁP BIẾN PHÂN: THỬ NGHIỆM VỚI MƠ HÌNH PHÂN GIẢI CAO WRF-ARW VÀ DỰ BÁO MƯA LỚN TRONG TRÊN KHU VỰC BẮC BỘ Dư Đức Tiến1, Hoàng Đức Cường1, Mai Khánh Hưng1, Hồng Phúc Lâm1 Tóm tắt: Trong tốn đồng hóa số liệu dựa phương pháp biến phân, sai số mơ hình đóng vài trị định đến việc lan truyền cách hiệu thông tin quan trắc bổ sung vào mơ hình theo chiều ngang, thẳng đứng biến mô hình với Bài báo trình bày số khảo sát khác liên quan đến lựa chọn thiết lập ma trận sai số mơ hình WRFARW thử nghiệm dự báo mưa lớn khu vực Bắc Bộ với sơ đồ đồng hóa biến phân WRFDA Các thử nghiệm gồm: i) sử dụng sai số cho trước NCEP ii) sai số tính tốn dựa kết dự báo mơ hình WRF-ARW cho riêng khu vực Việt Nam Hai phương pháp tính sai số mơ hình gồm sử dụng dự báo ngắn hạn NMC dự báo tổ hợp từ mơ hình WRF-ARW cho khu vực Việt Nam Một số thử nghiệm ban đầu với trường hợp mưa lớn điển hình khu vực Bắc Bộ cho thấy độ nhậy kĩ dự báo mưa (đánh giá thông qua số ETS trạm quan trắc) phụ thuộc vào việc lựa chọn thiết lập ma trận sai số trường B việc tính tốn ma trận B từ dự báo riêng cho khu vực Việt Nam cần thiết Từ khóa: Mơ hình WRF-ARW, đồng hóa số liệu, sai số dự báo, sơ đồ biến phân, ma trận hiệp biến sai Ban Biên tập nhận bài: 05/01/2019 Ngày phản biện xong: 20/02/2019 Ngày đăng bài: 25/03/2019 1.Mở đầu Theo Lorenz (1963, 1970) [7], nguồn gây sai số cho mơ hình dự báo số trị (Numerical Weather Prediction NWP) độ xác trường điều kiện biên ban đầu phương pháp đồng hóa số liệu phương pháp nâng cao độ xác trường ban đầu cho mơ hình dự báo số trị thơng qua việc phân tích tối ưu lại trường ban đầu từ số liệu thám sát bổ sung quy mô địa phương số loại số liệu xạ vệ tinh hay độ phản hồi radar, qua giảm thiểu tối đa phát sinh sai số ban đầu gây Tiền thân phương pháp đồng hóa số liệu phương pháp phân tích khách quan với mục tiêu xác định giá trị biến khí tượng lưới rời rạc từ điểm quan trắc hữu hạn Trung tâm Dự báo khí tượng thủy văn quốc gia Email: duductien@gmail.com 42 TẠP CHÍ KHÍ TƯỢNG THỦY VĂN Số tháng 03 - 2019 cung cấp, điển hình gồm phương pháp phân tích khách quan (Objective Analysis) Cressman (1959) [7] phương pháp hiệu chỉnh liên tiếp (Successive Correction) Barnes (1973) [1,7] Giả sử mơ hình số trị NWP gồm biến gió (thành phần kinh hướng u, vĩ hướng v thẳng đứng w), nhiệt độ (T), áp suất (P) độ ẩm (q), ký hiệu vector xb cịn gọi trường hay trường phân tích ban đầu mơ hình chưa bổ sung số liệu quan trắc cho trước vector nhiều chiều có thành phần bao gồm tất giá trị u,v,w,T,P q theo khơng gian, biểu diễn đơn giản thành: xb {u,v,w,T,P,q} Vì sai số trình nội suy quan trắc lưới tính, sai số quan trắc, độ thưa quan trắc dẫn tới vector xb khác so với vector khí thực tế (truth), kí hiệu xt Bài tốn đồng hóa số liệu dựa phương pháp biến phân việc cực tiểu hóa hàm giá (cost function) với dạng sau: BÀI BÁO KHOA HỌC ͳ ܶ െͳ (1) ࡶሺݔሻ ൌ ሾሺ ݔെ ܾݔሻ ሺሻ ሺ ݔെ ܾݔሻ ሺ ݕെ ԯሺݔሻሻܶ ሺ ࡾሻെͳ ሺ ݕെ ԯሺݔሻሻሿ ʹ ԯchỉ trình nội suy túy, nếu Trong vector x mà đó hàm J cực tiểu suất gọi trạng thái phân tích (analysis) khí quan trắc dạng phi truyền thống độ phản hồi radar ԯlà sơ tối ưu (xa) có cho trước vector xạ vệ tinh, biểu diễn đồ/mơ hình cụ thể, ví dụ sơ đồ truyền xạ tính xb quan trắc yo Trong phương trình J, kí hiệu T chuyển đổi thông số profile nhiệt ẩm khí ma trận chuyển dạng, B R ma toán sang giá trị xạứng với cho trận sai số hiệp biến tương ứng trường nền trước quan trắc, ԯሺݔሻlà phép chuyển đổi, nội suy từ bước sóng định trước [1] Để hàm J(x) đạt cực trắc tương tiểu đạo hàm J theo x phải biến mơ hình x sang giá trị quan hay ứng y, quan trắc đưa vào đồng hóa ࡶ ݔሺ ܽݔሻ ൌ Ͳ.Gọi toán tử H toán tử thỏa mãn biến mơ nhiệt độ, độ ẩm, gió hay áp xấp xỉ sau: ݕെ ԯሺݔሻ ൌ ݕെ ԯ൫ ܾݔ ሺ ݔെ ܾݔሻ൯ ൌ ሼ ݕെ ԯሺ ܾݔሻሽ െ ࡴሺ ݔെ ܾݔሻ (2) Khi cơng thức triển khai đạo hàm J(x) có dạng: ࡴሺ ݔെ ݔሻ െ ࡴܶ ࡾ െͳ ሺ ݕെ ԯሺ ݔሻሻ (3) ࡶሺݔሻ ൌ െͳሺ ݔെ ܾݔሻ ࡴܶ ࡾെͳ ܾ ܾ nghiệm Giá trị x để J đạt cực đại ứng với vế phải cho xa ta công thức cuối tối ưu: phương trình ࡶሺݔሻ ൌ Ͳ biến đổi chuyển vế phân tích ܶሻ ܶ െͳ ሺ ݔሻሻ ሺ ݔ ൌ ݔ ࡴ ሺࡾ ࡴࡴ ሻ ሺݕ െ ԯ (4) ܽ ܾ ܾ rõ Tương tự biểu diễn tường minh vector trắc đưa vào cho trường ban đầu Để minh họa xb {u,v,w,T,P,q}, ta biểu diễn vector quan ý nghĩa sai số ma trận B, ta xem xét chỉ trắc ݕሼ ݑǡ ݒǡ ݓǡ ܶ ǡ ܲ ǡ ݍǡ ǥ ȯ ሽ với ȯ là có quan trắcthứ k, có nghĩa véc tơ quan trắc ݕൌ ൛Ͳǡ ͲǡͲǡ ǥ ݕǡ Ǥ ǤͲൟ, đó ma trận quan trắc khơng trực tiếp cần chuyển đối có dạng (analysis) H ԯcũng véc tơ hang với giá toán tử ԯ. Trạng thái phân tích vào trị phần tử trừ phần tử thứ k = yo = khí quyển tối ưu (xa) phụ thuộc nhiều B y, R =V2 thông tin B R, đặc biệt ma trậnsai Khi phương trình cho trường phân số tích tối ưu viết lại dạng: đóng tin theo khơng gian vai trị truyền thơng với quan số đối ngang thẳng đứng có trọng ܾ ܽ ݕെ ݇ݔ ݈݇ܤ ݈݇ܤ ݈ݔൌ ܾ݈ݔ ݈݇ܤ ൌ ܾ݈ݔ ܾݔ ʹ ݕെ (5) ʹ ݇݇ܤ ߪ ݇݇ܤ ߪ ݇݇ܤ ߪ ʹ ݇ hình có kích nằm Vì các phần tử không thước theo không gian ~ 10 x 10 x đường B> tới giá 102 x số biến (~ 5) kích thước ma trận chéo khác không ma trận B dẫn trị thay đổi đến trường phân tích cho thành phần 10 x 106 là lớn để lưu trữ nên thái x Ngoài ta thấy thực thứ l véc tơ trạng tế ma trận B đơn giản hóa bằng rằng, nhau, ví dụ phương pháp V2 nhỏ nhiều () phần từ đường chéo Bkk cho B= UU ma trận U lại tiếp tục giả giá trị phân tích khơng khác so thiết phân giã thành thành phần ܽ ܾ với giá khác cho trình cực tiểu hóa hàm trị trường ban đầu, hay ݇ݔa݇ݔ.Như Các phương vậy, ma trận sai số B lớn so với sai số giá J pháp thực quan trắc, phân tích gần với quan trắc, ngược cịn gọi tiền điều kiện hóa (precon- lại phân tích tối ưu gần so với giá trị trường ditioning)[1,5] ban đầu Tính phức tạp ma trận (ở B thể Với tầm quan trọng sai số mơ hình trước hết độ lớn ma trận này, mô mà ma trận B) đến việc lan truyền cách hiệu TẠP CHÍ KHÍ TƯỢNG THỦY VĂN Số tháng 03 - 2019 43 BÀI BÁO KHOA HỌC thông tin quan trắc đưa bổ sung vào mơ hình, báo trình bày số khảo sát khác liên quan đến lựa chọn thiết lập ma trận sai số mơ hình WRF-ARW thử nghiệm dự báo mưa lớn khu vực Bắc Bộ với sơ đồ đồng hóa biến phân WRFDA Mục II báo thiết kế thử nghiệm bao gồm giới thiệu mơ hình dự báo WRF-ARW, sơ đồ đồng hóa WRFDA số liệu điều kiện biên, trường hợp thử nghiệm, số liệu quan trắc Những phân tích kết phần III báo đưa số kết luận tổng kết phần VI 2. Thiết kế thí nghiệm 2.1 Mơ hình số trị khu vực WRF-ARW Nghiên cứu sử dụng hệ thống mơ hình khu vực WRF với nhân động lực ARW phiên 3.9.1.1 Trung tâm dự báo môi trường quốc gia Mỹ (NCEP) phát triển (gọi tắt WRF-ARW) Mơ hìnhWRF-ARW nghiên cứu áp dụng phổ biến Việt Nam năm vừa qua, cơng trình điển hình kể đến gồm nghiên cứu dự báo thời tiết bão hay việc áp dụng dựbáo tổ hợp [1,2,3,4] Chi tiết mơ hình WRF-ARW tham khảo [8, 10] Thử nghiệm thiết lập hai lưới tính gồm 199 điểm lưới theo kinh hướng 199 điểm lưới theo vĩ hướng với độ phân giải ngang 15 km (miền tính bao phủ tồn Việt Nam Biển Đơng) 5 km (miền tính bao phủ tồn miền Bắc) cho mơ hình WRF-ARW, hai miền tính có số mực thẳng đứng 41 dự báo đến hạn 72h Đối với dự báo chuẩn (control), lựa chọn vật lý cho mơ hình WRF-ARW bao gồm: sơ đồ Kain-Fritsch (KF) cho tham số hóa đối lưu, sơ đồ xạ sóng ngắn Goddard, sơ đồ tham số hóa lớp biên Mellor-Yamada-Janjic (MYJ), sơ đồ vi vật lý mây khép kín bậc WSM6 sơ đồ rối bế mặt Janjic Eta 2.2 Sơ đồ đồng hóa biến phân WRFDA chương trình thiết lập ma trận B Song song với mơ hình WRF-ARW, hệ thống đồng hóa số liệu dựa phương pháp biến phân phát triển với tên gọi hệ thống WRFDA [5] Trong hệ thống WRFDA, chương trình thiết lập ma trân B gọi gen_be cung cấp việc tính ma trận B theo cách tiếp cận khác Chương trình gen_be hệ thống WRFDA cung cấp sẵn hai cách ước lượng ma trận B gồm NMC [9]và ENS (sử dụng độ tán hệ thống tổ hợp [6]) Trong phương pháp NMC, sai số B ước lượng từ covariance hai ốp dự báo cách 24h, với kí hiệu phép lấy trung bình, khí B xấp xỉ cơng thức: ܤൌ ۃሺݔԦ െ ݔԦ ݁ݑݎݐሻሺݔԦ െ ݔԦ ݁ݑݎݐሻܶ ۃۃߙ̱ۄሺݔԦͶͺ െ ݔԦʹͶ ሻሺሬሬሬሬሬሬԦ ݔͶͺ െ ݔԦʹͶ ሻܶ ۄۄ Đối với phương pháp ước lượng B qua dự báo tổ hợp, ta cần thực dự báo tổ hợp dựa mơ hình áp dụng (ở WRF-ARW) Độ tán dự báo tổ hợp tương đương với thông tin ma trận sai số B, xem minh họa hình 44 Hình Minh họa ước lượng sai số ma trận B từ dự báo tổ hợp lần thực dự báo trước TẠP CHÍ KHÍ TƯỢNG THỦY VĂN Số tháng 03 - 2019 Trong nghiên cứu này, để tạo dự báo tổ hợp (ensemble) lựa chọn ENS chương trình gen_be, chúng tơi dựa việc thay đổi lựa chọn vật lý mơ hình WRF-ARW gồm (a) sơ đồ Kain-Fritsch (KF) Betts-Miller-Janjic (BMJ) cho tham số hóa đối lưu (cumulus parameterization scheme-CPS); (b) sơ đồ xạ sóng ngắn Goddard Dudhia; (d) sơ đồ tham số hóa lớp biên Yonsei University (YSU) Mellor-Yamada-Janjic (MYJ) (e) sơ đồ vi vật lý mây từ đơn giản đến phức tạp gồm sơ đồ Lin, WSM3, WSM5 đến WSM6 (khép kín bậc) Dựa việc tổ hợp lựa chọn tạo tối đa gồm 32 cấu hình vật lý khác [2] Lưu ý thêm sơ đồ lớp biên MYJ sơ đồ rối bề mặt đặt sơ đồ Janjic Eta so với sơ đồ khép kín dựa BÀI BÁO KHOA HỌC giả thiết Monin-Obukhov Các dự báo tổ hợp hợp tổ hợp đa vật lý gồm 32 thành phần dựa gọi tắt 32-ensemble thực với mơ hình WRF-ARW cho khu vực Việt Nam mục đích cho thử nghiệm Sử dụng lựa chọn ENS Các thử nghiệm nghiên cứu tổng kết tính từ chương trình gen_be từ tuần dự báo tổ bảng Bảng Các trường hợp thử nghiệm tKLӋXWKӱQJKLӋP 7K{QJWLQWKӱQJKLӋP (;3B&21752/ K{QJ Fy ÿӗQJ KyD Vӕ OLӋX (;3B&9B1&3 /ӵD FKӑQ FY WURQJ :5)'$ (;3B&9B10& 6DL Vӕ P{ KuQK WtQK WRiQ GӵDWUrQNӃWTXҧGӵEiRFӫD P{ KuQK :5)$5: FKR ULrQJ NKX YӵF 9LӋW 1DP (;3B&9B(16 OӵD FKӑQ FY WURQJ :5)'$ /RҥLWK{QJWLQVDLVӕP{KuQK 6ӱ GөQJ VDL Vӕ FKR WUѭӟF FӫD 1&(3 6ӱ GөQJ OӵD FKӑQ 10& WtQK Wӯ FKѭѫQJ WUuQK JHQBEH Wӯ WXҫQ Gӵ EiR WUѭӟF WKӡL ÿLӇP GӵEiR 6ӱGөQJOӵDFKӑQ(16WtQKWӯ FKѭѫQJWUuQKJHQBEHWӯWXҫQ GӵEiRWәKӧSWәKӧSÿDYұWOê JӗP WKjQK SKҫQ GӵD WUrQ P{KuQK :5)$5:FKR NKX YӵF9LӋW1DP biên, 2.3 Số liệu điều kiện quan trắc và các Thử nghiệm thực dự báo liên quan đến trường hợp thử nghiệm đợt mưa lớn khu vực Bắc Bộ tháng 5, Nghiên cứu sử dụng dự báo từ mơ hình tồn dự báo 7 năm 2012 thực cầu GFS (Mỹ) làm điều kiện ban đầu điều 00z Ứng với mỗi thời điểm bắt đầu xảy mưa kiện biên cho mô hinh WRF-ARW, cung lớn liệt kê 1, ví dụ ngày bảng cấp thông qua địa sau: 21/5/2012, dự báo control thực từ http://www.nco.ncep.noaa.gov/pmb/products/gf trước nhất 15 ngày thử nghiệm ít ngày (bao s/ Số liệu GFS EXP_CV5_NMC, có độ phân giải ngang 55 km gồm với thử với số mực đối 32-ensemble) áp suất thẳng đứng của mơ hình dự báo control GFS 26 cập nhật tiếng cho mơ nghiệm EXP_CV5_ENS Ngồi sẽ dự báo bắt đầu đợt mưa liệt kê hình WRF-ARW Các số liệu đồng hóa thử trước ngày nghiệm gồm bề mặt, cao không vệ tinh quỹ bảng Các số liệu quan trắc mưa đạo cực (số liệu đầu đo AMSU, HRIS MHS) trạm Synop trên khuvực Bắc Bộ sử kiểm soát chất lượng (quality control) dụng để đánh giá kĩ dự báo mưa hiệu chỉnh NOAA, thu nhận địa chỉ: trường hợp khác (>25mm/24h >50 ftp://ftp.ncep.noaa.gov/pub/data/nccf/com/gfs/pr mm/24h) od Bảng Danh sách đợt mưa lớn ảnh hưởng đến Bắc Bộ năm 2012 /ѭӧQJPѭDSKә 6ӕOѭӧQJGӵEiR *LDLÿRҥQ KXYӵFPѭDFKtQK ÿӇÿiQKJLi ELӃQ PP %ҳF%ӝYj7KDQK+yD ± %ҳF%ӝ ± %ҳF%ӝYj%ҳF7UXQJ%ӝ ± 7k\%ҳF%ҳF%ӝYjYQJQ~LSKtD%ҳF 9QJQ~LYjWUXQJGX%ҳF%ӝ ± %ҳF%ӝYj7KDQK+yD TẠP CHÍ KHÍ TƯỢNG THỦY VĂN Số tháng 03 - 2019 45 BÀI BÁO KHOA HỌC Đánh quả số cho phép so sánh công giá kết Để đánh giá kỹ mưa lớn hình hoặc khu vực dự báo xảy đánh giá khác dụng số ETS Trong bảng 3 là bảng phân chúng tôi sử kĩ (Equitable loại (Contingency mưa với Threat Score/Gilbert Skill Score) ETS có giá trị table) theo tượng dự báo (ở nằm khoảng từ -1/3 đến với giá trị ngưỡng đánh giá cụ thể, ví dụ > 25mm/24h coi dự báo hoàn hảo ETS thường trạm quan trắc) Chi tiết ETS sử dụng đánh giá mưa từ mơ hình NWP tham khảo [4]. Bảng Bảng phân loại tần xuất cho biến dự báo dạng nhị phân 4XDQWUҳF &y K{QJ &y $ % 'ӵEiR K{QJ & ' Khi ETS tính cơng thức: $ $ UDQGRP (76 $ % & $ UDQGRP Trong đó: (A+B+C+D=N) $ UDQGRP $ & $ % Hình Minh họa quy mơ ảnh hưởng theo khoảng cách mực độ cao biến độ ẩm riêng vector riêng (5 giá trị đầu tiên) thử nghiệm NMC (trái) ENS (phải) Trong hình minh họa khác biệt phương pháp NMC (sử dụng control tính từ 21/4/201220/5/2012) ENS (sử dụng 32 - ensemble tính từ 12/5/2012-20/5/2012) liên quan đến thơng tin ma trận B Hình cho thấy quy mô ảnh hưởng theo khoảng cách mực độ cao thông tin lan truyền cho biến độ ẩm riêng khác thử nghiệm NMC (trái, hàng 1) ENS (phải, hàng 1), ví dụ mực 10 mơ hình quy mơ ảnh hưởng theo khoảng cách 40km phương pháp NMC ENS 35km Hoặc hình (hàng 2) minh họa 46 TẠP CHÍ KHÍ TƯỢNG THỦY VĂN Số tháng 03 - 2019 BÀI BÁO KHOA HỌC khác biệt giá trị vector riêng (5 giá trị đầu tiên) mực mơ hình Những khảo sát kĩ khác biệt thảo luận cơng trình khác Trong bảng sai số chi tiết trưởng hợp thử nghiệm khác đánh giá hạn dự báo 1,2 ngày với ngưỡng >25mm/24h >50mm/24h toàn trạm quan trắc Synop Bắc Bộ (gồm 102 trạm [2]) Bảng Chỉ số ETS hạn dự báo 24h, 48h 72h cho hai ngưỡng đánh giá >25mm/24h >50mm/24h 7KӱQJKLӋP (;3B&21752/ (;3B&9B1&3 (;3B&9B10& (;3B&9B(16 +ҥQK +ҥQK !PPK !PPK !PP PPK !PPK ! PPK Các kết cho thấy mặt trung bình, việc sử dụng sai số mặc định từ NCEP (EXP_CV3_NCP) không cải thiện chất lượng kĩ dự báo giảm so với trường hợp dự báo chuẩn Ở hạn 24h, hai phương pháp NMC ENS cho kết tốt so với sử dụng mặc định chưa có đồng hóa tăng hai ngưỡng mưa cảnh báo Một minh họa chi tiết đưa hình tính tốn số ETS trạm khu vực phía Bắc cho bốn trường hợp thử nghiệm cho thấy rõ việc cải thiện dự báo trạm dự báo EXP_CV5_ENS Ở hạn 48h, dự báo EXP_CV5_ENS sử dụng cập nhật +ҥQK !PPK từ dự báo tổ hợp cho ma trận B cho kết tốt so với trường hợp lại ngưỡng đánh giá > 25mm/24h, nhiên ngưỡng lớn khơng có khác biệt cải thiện cụ thể Ở hạn 72h, kĩ dự báo trường hợp thấp, giảm 30 - 40% so với kĩ hạn dự báo 24h 72h Cũng hạn 72h, khác biệt hai trường hợp sử dụng CV5 với dự báo chuẩn không lớn hai ngưỡng đánh giá Đánh giá thêm với sai số trung bình tuyệt đối trung bình quân phương mưa dự báo cụ thể trạm cho thấy biến động sai số hai phương pháp EXP_CV5_NMC EXP_CV5_ENS nhỏ Hình Chỉ số ETS trạm khu vực phía Bắc hạn dự báo 24h, ngưỡng đánh giá > 25mm/24h sử dụng dự báo ngắn hạn NMC Kết luận Nghiên cứu trình bày số khảo sát khác (EXP_CV5_NMC) dự báo tổ hợp từ mơ liên quan đến lựa chọn thiết lập ma hình WRF-ARW cho khu vực Việt Nam trận sai số việc sử dụng sơ đồ đồng hóa số (EXP_CV5_ENS) thực so sánh với liệu WRFDA cho mơ hình WRF-ARW thử việc sử dụng hệ số mặc định NCEP nghiệm dự báo mưa lớn khu vực Bắc (EXP_CV3_NCP) thử nghiệm khơng có đồng Bộ Hai phương pháp tính sai số mơ hình gồm hóa số liệu (CONTROL) Một số thử nghiệm ban TẠP CHÍ KHÍ TƯỢNG THỦY VĂN Số tháng 03- 2019 47 BÀI BÁO KHOA HỌC đầu cho thấy hiệu việc tính tốn sai số dựa dự báo khu vực Việt Nam cần thiết, thể kết dự báo tốt thử nghiệm EXP_CV5_NMC EXP_CV5_ENS hầu hết ngưỡng hạn dự báo so với sử dụng hệ số mặc định (EXP_CV3_NCP) Khi tăng hạn dự báo, tính rõ rệt việc đồng hóa giảm trường hợp sử dụng dự báo tổ hợp để tính sai số mơ hình cho kết tin cậy Những thử nghiệm tập trung vào tính hiệu ứng với loại số liệu quan trắc đưa vào thực tính tốn sai số mơ hình miền tính phân giải cao (5km) Lời cám ơn: Các nội dung nghiên cứu nằm khuôn khổ đề tài KC.08.06/16-20 “Nghiên cứu xây dựng hệ thống nghiệp vụ dự báo mưa lớn cho khu vực Bắc Bộ Việt Nam”, thuộc Chương trình KC.08/16-20 “Nghiên cứu khoa học cơng nghệ phục vụ bảo vệ mơi trường phịng tránh thiên tai” Tài liệu tham khảo Dư Đức Tiến cộng (2014), Nghiên cứu đồng hóa số liệu radar Đơng Hà để nâng cao chất lượng dự báo mưa lớn cho khu vực miền Trung, Tạp chí Khí tượng Thủy văn, (617), tr 22 -30 Dư Đức Tiến cộng (2019), Đánh giá tác động việc sử dụng tham số hóa đối lưu dự báo đợt mưa lớn tháng năm 2015 khu vực Bắc Bộ mơ hình phân giải cao, Tạp chí KTTV, số 2, 2019, trang 1-8 Hoàng Đức Cường cộng (2011), Nghiên cứu ứng dụng mơ hình WRF dự báo thời tiết bão Việt Nam Báo cáo tổng kết đề tài NCKH cấp Bộ TN&MT Võ Văn Hòa cộng (2010), Nghiên cứu phát triển hệ thống dự báo tổ hợp thời tiết hạn ngắn cho khu vực Việt Nam Thuyết minh đăng ký đề tài NCKH cấp Bộ, 17 tr Barker, D.M., Guo, Y.R., Huang, W., Huang, H., Rizvi, S., Xiao, Q., and Lee, M.S (2005), WRF-VAR A Unified 4/4D-Var Data Assimilation system for WRF Preprints 6th WRF/MM5 Users Workshop NCAR Boulder, CO Fisher, M (2003), Background error covariance modelling, Proceedings of the ECMWF Seminar on Recent Developments in Data Assimilation for Atmosphere and Ocean, pp 45-63, ECMWF, Reading, UK Lorenc, A.C, Neill E Bowler, Adam M Clayton, Stephen R Pring, and David Fairbairn (2015), “Comparison of Hybrid-4DEnVar and Hybrid-4DVar Data Assimilation Methods for Global NWP”, Mon Wea Rev., (143), pp 212-229 Michalakes, J., Dudhia, J., Gill, D., Henderson, T., Klemp, J., Skamarock, W., Wang, W (2005), The Weather Research and Forecast Model: Software Architecture and Performance, Proceedings of the Eleventh ECMWF Workshop on the Use of High Performance Computing in Meteorology, World Scientific, pp 156-168 Parrish and Derber (1992), The national meteorological center’s spectral statistical-interpolation analysis system Mon Wea Rev., 120, 1747-1763 10 Skamarock, W.C., Klemp, J B., Dudhia, J., Gill, D.O., Barker, D.M., Duda, M.G., Huang, X.Y., Wang, W., Powers, J.G (2005), A description of the Advanced Research WRF Version 3, NCAR Tech Note NCAR/TN-475+STR, 113 pp 48 TẠP CHÍ KHÍ TƯỢNG THỦY VĂN Số tháng 03 - 2019 BÀI BÁO KHOA HỌC THE ROLE OF B-MATRIX IN VARIATIONAL ASSIMILATION SCHEME: CASE STUDY USING WRF-ARW MODEL TO HEAVY RAINFALL FORECAST OVER THE NORTHERN PART OF VIETNAM Du Duc Tien1, Hoang Duc Cuong1, Mai Khanh Hung1, Hoang Phuc Lam1 National Center of Hydro-Meteorological Forecasting Abstract: The data assimilation method based on variational approach, and the model error information or corvariance error matrix (B-matrix) of first guess or background forecast plays most important roles in transferring assimilated additional observation data The case study will present experiments with WRF-ARW and WRFDA assimilation schemes using differerent information structures of B-matrix on the heavy rainfall forecast over northern part of Vietnam Two main experiments including: i) using NCEP default background information and ii) using regional background information based on NMC and ensemble forecast approaches Using quality controlled observation (Synop, TEMP, Low Earth Orbit satellite data from NOAA), the results showed very sensitivities of forecast results and the speed of converging speed in assimilationg procedures meaning the most important of selecting B-matrix in assimilation for applying high-resolution regional models in operation Moreover, the ensemble based B-matrix can provide better skill than other experiments in this study Keywords: Model forecast error, covariance error matrix, B-matrix, variational assimilation, WRF-ARW, WRFDA TẠP CHÍ KHÍ TƯỢNG THỦY VĂN Số tháng 03 - 2019 49 ... vực Bắc Bộ với sơ đồ đồng hóa biến phân WRFDA Mục II báo thiết kế thử nghiệm bao gồm giới thiệu mơ hình dự báo WRF-ARW, sơ đồ đồng hóa WRFDA số liệu điều kiện biên, trường hợp thử nghiệm, số. .. đồ đồng hóa số (EXP_CV5_ENS) thực so sánh với liệu WRFDA cho mơ hình WRF-ARW thử việc sử dụng hệ số mặc định NCEP nghiệm dự báo mưa lớn khu vực Bắc (EXP_CV3_NCP) thử nghiệm khơng có đồng Bộ Hai... đồ đồng hóa biến phân WRFDA chương trình thiết lập ma trận B Song song với mơ hình WRF-ARW, hệ thống đồng hóa số liệu dựa phương pháp biến phân phát triển với tên gọi hệ thống WRFDA [5] Trong