Thử nghiệm lọc Kalman tổ hợp đa vật lý mô phỏng quỹ đạo và cường độ cơn bão HaiYan 2013

Bài viết này trình bày một số kết quả thử nghiệm phương pháp lọc Kalman tổ hợp đa vật lý đồng hóa số liệu gió vệ tinh trong mô hình WRF mô phỏng quĩ đạo và cường độ cơn bão HaiYan năm 2013. Nghiên cứu tiến hành hai thí nghiệm: (1) dự báo tổ hợp với lọc Kalman tổ hợp đa vật lý đồng hóa số liệu gió vệ tinh (CIMSS); (2) dự báo tổ hợp đa vật lý (MPH).

Tạp chí Phát triển Khoa học Cơng nghệ – Khoa học Trái đất Môi trường, 3(2):85-95 Bài nghiên cứu Open Access Full Text Article Thử nghiệm lọc Kalman tổ hợp đa vật lý mô quỹ đạo cường độ bão HaiYan 2013 Phạm Thị Minh1,* , Trần Văn Sơn1 , Trần Thị Mai Hương1 , Nguyễn Thị Hằng2 , Từ Thị Năm TÓM TẮT Use your smartphone to scan this QR code and download this article Khoa Khí tượng Thủy văn Biến đồi khí hậu, Trường Đại học Tài ngun Mơi trường TP HCM Khoa Đại cương, Trường Đại học Tài nguyên Môi trường TP HCM Liên hệ Phạm Thị Minh, Khoa Khí tượng Thủy văn Biến đồi khí hậu, Trường Đại học Tài nguyên Môi trường TP HCM Email: minhpt201@gmail.com Lịch sử • Ngày nhận: 27-5-2019 • Ngày chấp nhận: 15-8-2019 • Ngày đăng: 31-12-2019 DOI : 10.32508/stdjsee.v3i2.517 Bản quyền © ĐHQG Tp.HCM Đây báo công bố mở phát hành theo điều khoản the Creative Commons Attribution 4.0 International license Bài báo trình bày số kết thử nghiệm phương pháp lọc Kalman tổ hợp đa vật lý đồng hóa số liệu gió vệ tinh mơ hình WRF mơ quĩ đạo cường độ bão HaiYan năm 2013 Nghiên cứu tiến hành hai thí nghiệm: (1) dự báo tổ hợp với lọc Kalman tổ hợp đa vật lý đồng hóa số liệu gió vệ tinh (CIMSS); (2) dự báo tổ hợp đa vật lý (MPH) Kết phân tích hồn lưu khí mơ bắt đầu lúc 12 UTC (giờ quốc tế) ngày 07 tháng 11 năm 2013 cho thấy xu cường độ hoàn lưu chung thử nghiệm CIMSS giống với phát triển thực tế so với thử nghiệm MPH, nhờ kết dự báo quỹ đạo bão hạn dự báo 48 trở thử nghiệm CIMSS tốt so với thử nghiệm MPH Hơn nữa, kết thử nghiệm trường hợp mô cho sai số mô quỹ đạo bão thử nghiệm CIMSS giảm 14,0% 14,3% hạn dự báo 48 72 so với thử nghiệm MPH, giảm 14,0% 23,9% so với kết dự báo toàn cầu GFS Đối với cường độ bão (Pmin Vmax), thử nghiệm CIMSS cho kết sai số cải thiện đáng kể hạn dự báo 72 so với thử nghiệm MPH Từ kết khẳng định việc đồng hóa số liệu gió vệ tinh vào trường đầu vào mơ hình có ảnh hưởng tích cực đến kỹ dự báo cường độ quỹ đạo bão Haiyan 2013 Kết này, mở hướng nghiên cứu ứng dụng lọc Kalman tổ hợp đa vật lý dự báo bão ảnh hưởng đến Việt Nam Từ khố: Lọc Kalman, mơ hình WRF, bão, dự báo tổ hợp GIỚI THIỆU Các nghiên cứu gần lọc Kalman tổ hợp đa vật lý chứng minh khả đồng hóa nhiều loại quan trắc qui mô khác sơ đồ đồng hóa Kalman tổ hợp 1–5 Nghiên cứu tác giả Kiều cộng 2012 cho thấy số liệu vệ tinh đồng hóa lọc Kalman ứng dụng mơ hình WRF cải thiện đáng kể kết dự báo quỹ đạo bão Megi 2010, đưa nhận định vai trò quan trắc ngồi rìa xa tâm bão đóng góp đáng kể việc nâng cao kỹ dự báo quỹ đạo cường độ bão Mặc dù số liệu gió vệ tinh đầu vào cho hệ thống đồng hóa số liệu tồn cầu NCEP (GDAS: Global Data Assimilation System) để tạo phân tích cuối tầng đối lưu, số liệu phân tích đưa vào mơ hình dự báo tồn cầu tạo sản phẩm dự báo tồn cầu có độ phân giải thô (0,5 độ) thường dự báo thấp so với quan trắc Vì sử dụng sản phẩm mơ hình dự báo tồn cầu làm đầu vào cho mơ hình khu vực, q trình nội suy mơ hình khu vực làm thơng tin mơ hồn lưu qui mơ lớn dẫn đến kết dự báo khơng xác, đặc biệt với dự báo bão Ngoài ra, bão tượng thời tiết có tính bất định cao, nên việc dự báo quỹ đạo cường độ bão thách thức nhà khí tượng giới Do nghiên cứu đồng hóa số liệu gió vệ tinh với lọc Kalman tổ hợp đa vật lý ứng dụng mơ hình WRF để dự báo quĩ đạo cường độ bão Haiyan năm 2013 hạn ngày TÓM TẮT HOẠT ĐỘNG CỦA CƠN BÃO HAIYAN Bão Hải Yến (tên quốc tế Haiyan, số hiệu quốc tế 1330, số hiệu Việt Nam bão số 13) Bão số 13 bão mạnh cường độ so sánh với bão Katrina đổ vào nước Mỹ năm 2005, hình thành vĩ độ thấp (6.1N) (Hình 1), đổ vào Philipines với cường độ cấp 17, sau vào Biển Đông giữ cường độ cấp 14, cấp 15, đổi hướng di chuyển lên phía bắc đổ vào Hải Phòng – Quảng Ninh với cường độ gió cấp 11, cấp 12 giật đến cấp Bão gây gió giật mạnh cấp 6-7 vùng ven biển tỉnh Bắc Trung Trung Bộ, vùng đồng trung du bắc có gió mạnh cấp 6-7, có nơi cấp 8, giật cấp 9-10, vùng duyên hải Bắc Bộ khu Đông Bắc Bắc Bộ có gió mạnh cấp 8-11, giật cấp 12-13 Trị số khí áp thấp thời gian hoạt động bão Haiyan quan trắc trạm khí tượng Bãi Cháy (Quảng Ninh) 981.2 hPa (lúc 30 phút Trích dẫn báo này: Thị Minh P, Văn Sơn T, Mai Hương T T, Thị Hằng N, T T N Thử nghiệm lọc Kalman tổ hợp đa vật lý mô quỹ đạo cường độ bão HaiYan 2013 Sci Tech Dev J - Sci Earth Environ.; 3(2):85-95 85 Tạp chí Phát triển Khoa học Công nghệ – Khoa học Trái đất Môi trường, 3(2):85-95 ngày 11/11/2013) Do ảnh hưởng bão, tỉnh phía đơng bắc bộ, ven Biển Bắc Trung Trung Bộ có mưa vừa, mưa to, riêng khu Đơng Bắc Bộ có mưa to đến to Tổng lượng mưa từ 13 ngày tháng 11 đến 19 ngày 11 tháng 11, phổ biến 50-100mm, riêng tỉnh Quảng Ninh 100-150mm, số nơi lớn Bãi Cháy 183mm Khi bão Haiyan đổ vào Quảng Ninh - Hải Phòng gây hậu lớn người tài sản Đã có 18 người chết, người tích, 93 người bị thương, 149 nhà bị đổ, sập, trôi, hư hại ; 4.567 nhà bị ngập, 2.918 nhà bị tốc mái, 3.828 lúa bị ngập úng, đổ ; 52.368 ngô, sắn, hoa màu bị ngập, 8.132 gia súc gia cầm bị chết trơi, 23 cơng trình thủy lợi bị hư hại Ước tính tổng thiệt hại 669.530 triệu đồng Hình 2: Miền lưới thử nghiệm Dự báo tổ hợp với điều kiện ban đầu tạo từ Kalman tổ hợp đồng hóa số gió vệ tinh (CIMSS), dự báo tổ hợp (MPH) cho 21 thành phần tổ hợp sơ đồ vật lý khác tương ứng với 21 lần dự báo Vì mơ hình WRF V3.3.1 có sơ đồ tham số hóa vi vật lý, tham số hóa xạ sóng dài sóng ngắn, tham số hóa đối lưu ; tương ứng với lựa chọn Bảng 1, kết hợp sơ đồ vật lý khác để tạo thành phần tổ hợp tương ứng với dự báo (Bảng 2) Hình 1: Diễn biến đường bão Haiyan THIẾT KẾ THÍ NGHIỆM Mơ hình Sử dụng mơ hình WRF phiên V3.3.1 với 31 mực (sigma) theo phương thẳng đứng có mực áp suất cao (biên mơ hình) có giá trị 10hPa Mơ hình WRF lựa chọn với hai miền tính lồng ghép sử dụng phép chiếu Mercator Miền lưới thiết kế cho thử nghiệm mô bão Haiyan lưới lồng gồm miền tính với độ phân giải ngang tương ứng 36 km 12 km, miền lưới gồm 171x141 điểm lưới miền lưới gồm 232x160 điểm lưới với tâm miền tính cố định 17N & 118.2E (Hình 2) sử dụng mơ hình WRF Trong nghiên cứu này, tác giả tiến hành thử nghiệm dự báo bão Haiyan 2013 với hạn ngày với thời điểm bắt đầu dự báo từ 00Z07 đến 12 Z 08, thời điểm bắt đầu dự báo cách 06 (6 trường hợp) theo thử nghiệm: dự báo tổ hợp với lọc Kalman tổ hợp đa vật lý đồng hóa số liệu gió vệ tinh (CIMSS); dự báo tổ hợp đa vật lý (MPH) 86 Số liệu Điều kiện đầu vào điều kiện biên sử dụng số liệu dự báo GFS NCEP/NCAR (NCEP-The National Center for Environmental Prediction/NCARThe National Center for Atmospheric Research) có độ phân giải ngang 0.5x0.5 độ kinh vĩ định dạng grib2 Số liệu GFS lấy từ trang web: https://www.ncdc.noaa.gov/data-access/modeldata/model-datasets/global-forcast-system-gfs Số liệu quan trắc gió từ vệ tinh nguồn số liệu đặc biệt quan trọng mơ hình dự báo chạy nghiệp vụ giới với độ phủ sóng toàn cầu thời gian thu thập số liệu vòng từ - phụ thuộc vào đặc tính vệ tinh Số liệu gió vệ tinh cho phép biết tình trạng động lực khí góp phần bổ sung thơng tin cho trường ban đầu mơ hình dự báo đồng hóa số liệu Hiện số liệu gió vệ tinh tiền xử lí tổ chức hợp tác nghiên cứu vệ tinh khí tượng trường đại học Wisconsin (Cooperative Institute for Meteorological Satellite Studies - University of Wisconsin satellite atmospheric motion vector CIMSS-AMV) khoảng thời gian chọn Một số nghiên cứu với số liệu CIMSS-AMV số liệu giúp cải thiện chất lượng dự báo hệ thống qui mô trung bình khác 5,10 Ưu điểm số liệu Tạp chí Phát triển Khoa học Cơng nghệ – Khoa học Trái đất Môi trường, 3(2):85-95 Bảng 1: Sơ đồ tham số hóa mơ hình WRF ứng với lựa chọn cụ thể Sơ đồ Kí hiệu Các lựa chọn Vi vật lý mp_physics = 1, Kessler scheme = 2, Lin et al scheme = 3, WSM 3-class simple ice scheme = 4, WSM 5-class scheme = 5, Ferrier (new Eta) microphysics = 6, WSM 6-class graupel scheme Bức xạ sóng ngắn ra_sw_physics = 1, Dudhia scheme = 2, Goddard short wave Bức xạ sóng dài ra_lw_ physics = 1, rrtm scheme Đối lưu cu_physics = 1, Kain-Fritsch (new Eta) scheme = 2, Betts-Miller-Janjic scheme Bảng 2: Thành phần tổ hợp tương ứng với lựa chọn sơ đồ vật lý khác Tổ hợp Ra_lw_ physics Ra_sw_ physics mp_ physics cu_physics 001 1 002 1 003 2 004 1 005 2 006 1 2 007 2 008 1 009 010 1 011 012 1 013 014 1 015 016 1 017 018 1 019 020 1 021 87 Tạp chí Phát triển Khoa học Cơng nghệ – Khoa học Trái đất Môi trường, 3(2):85-95 CIMSS-AMV sai số kiểm định chất lượng cao xác định thuật toán lọc đệ quy Mỗi số liệu kiểm tra cho phù hợp hầu hết với số liệu xung quanh kĩ thuật số chất lượng Hầu hết số liệu CIMSS-AMV phân bố vùng khác lưu trữ nhiều định dạng bao gồm ASCII / BUFR Trong nghiên cứu số liệu gió vệ tinh lấy khu vực Ấn Độ, Tây Bắc Thái Bình Dương (Hình 3) downloads từ trang website http://tropic.ssec wisc.edu 11 định dạng ASCII Ý tưởng thuật tốn lọc Kalman tổ hợp sử dụng ma trận tổ hợp tốn tử chuyển đổi từ khơng gian mơ hình dựa vào điểm lưới khu vực địa phương chọn sang không gian tổ hợp dựa thành phần tổ hợp, thực phân tích khơng gian tổ hợp điểm lưới Đối với thuật tốn LETKF, giả thiết có tổ hợp { xb(i) :i =1,2 …,k}, k số thành phần tổ hợp Theo Hunt cộng (2007) 27 , ma trận trung bình tổ hợp x¯b m ột ma trận nhiễu tổ hợp X b đư ợc xác định: x¯b = k b(i) ∑x k i=1 X b = xb(i) − x¯b Hình 3: Khu vực có số liệu gió quan trắc từ vệ tinh bao phủ (nguồn http://tropic.ssec.wisc.edu 11 ) Ký hiệu x = x¯b + X b w w véc tơ địa phương không gian tổ hợp, hàm giá địa phương cực tiểu hóa khơng gian tổ hợp có dạng : { } ( )T [ ( )T ]−1 J(w) = (k − 1)wT I − Xb Xb Xb Xb [ ] w + J xb + Xb w , Lý thuyết lọc Kaiman tổ hợp Một cách tổng quát, đồng hóa số liệu q trình tạo trường ban đầu tốt cho mơ hình dự báo, dựa mối quan hệ động lực xác xuất thống kê Do đặc thù mơ hình dự báo thời tiết mơ hình số có tính phụ thuộc mạnh vào trường ban đầu, tin dự báo thời tiết đơi cho kết hồn tồn sai lệch điều kiện ban đầu khơng xác 12–16 Q trình đồng hóa bao gồm hai bước (1) phân tích khách quan (2) ban đầu hóa 17 Theo bước phân tích khách quan, trường quan trắc ngoại suy điểm lưới mô hình số cách tối ưu Bước ban đầu hóa, trường ngoại suy cân hóa cho biến quan trắc phụ thuộc lẫn ràng buộc mối quan hệ động lực cho trước điều cần thiết để tránh đưa vào giá trị quan trắc tùy ý Bài toán đồng hóa xuất từ năm 1950 18,19 , đến 20 năm trở lại toán đồng hóa thực phát triển Theo quan điểm đại, sơ đồ đồng hóa số liệu chia làm hai loại : Đồng hóa biến phân đồng hóa dãy 20 Trong đồng hóa dãy có ưu điểm định lập trình ứng dụng tiện lợi mơ hình Tiêu biểu cho phương pháp đồng hóa dãy tốn đồng hóa lọc Kalman 21–28 , điển hình lọc Kalman tổ hợp ứng dụng rộng rãi 5,10 88 (1) (2) [ ] Trong J xb + Xb w hàm giá khơng gian mơ hình Nếu hàm giá xác định không gian ( { }) đầy đủ Xb N = v|Xb v = , dễ dàng thấy hàm giá J(w) phân thành phần : Một phần bao gồm thành phần w N (số hạng phương trình 2), thành phần thứ phụ thuộc vào thành phần w trực giao với N Điều kiện trạng thái phân tích trung bình wa trực giao với N để hàm giá J(w) cực tiểu hóa, ma trận trạng thái phân tích trung bình ma trận tương quan sai số tương ứng khơng gian tổ hợp biểu diễn sau : ( )T [ ( )] (3) wa = Pa Yb R−1 y0 − H xb [ ]−1 ( )T (4) Pa = (k − 1)I + Yb R−1 Yb ( ) Trong Yb ≡ H xb(i) − xb ma trận tổ hợp giá trị nhiễu vị trí quan trắc R ma trận tương quan sai số quan trắc Chú ý ma trận tương quan sai số phân tích Pa khơng gian mơ hình Pa khơng gian tổ hợp có mối quan ( )T hệ đơn giản Pa = Xb Pa Xb , ma trận nhiễu tổ hợp phân tích Xa biểu diễn sau: [ ]1/2 (5) Xa = Xb (k − 1)Pa Tổ hợp phân tích xa cuối thực sau : { [ ]1/2 } xa(i) = xb + Xb wa + (k − 1)Pa (6) Tạp chí Phát triển Khoa học Công nghệ – Khoa học Trái đất Môi trường, 3(2):85-95 Chi tiết thuật tốn LETKF tìm Hunt cộng (2007) Trong đó, xb ma trận trung bình tổ hợp ; Xb ma trận nhiễu tổ hợp ; Pa ma trận tương quan sai số phân tích wa ma trận trọng số không gian tổ hợp PHƯƠNG PHÁP ĐÁNH GIÁ Phương pháp trung bình tuyệt đối Theo Wilks (1997) 29 , sai số MAE sử dụng để đánh giá dự báo biến khí liên tục Do vậy, MAE áp dụng số để đánh giá sai số cường độ bão (áp suất mực biển cực tiểu tâm - PMIN tốc độ gió cực đại gần tâm VMAX) Vớ i MAE- sai số trung bình tuyệt đối tính cơng thức: MAE = N ∑i=1 |Fi − Oi | N UTC ngày 07 đến 12 UTC ngày 10 tháng 11 năm 2013 Trong đó, nghiên cứu khác biệt mơ hồn lưu qui mơ lớn lúc 12 UTC ngày 08/11/2013, thời điểm quỹ đạo bão Haiyan chuyển từ hướng tây sang tây tây bắc Tại thời điểm bắt đầu dự báo, số liệu gió vệ tinh đưa vào trường ban đầu mơ hình thử nghiệm CIMSS với trường gió phân tích gió quan trắc số mực minh họa Hình (7) Trong : MAE sai số trung bình tuyệt đối, Fi giá trị dự báo, Oi giá trị quan trắc, N độ dài chuỗi số liệu Phương pháp khoảng cách tâm bão Sai số quỹ đạo tính theo công thức (8): [ PE = Re ∗ arccos sin(α1 ) ∗ sin(α2 ) ] +cos(α1 ) ∗ cos(α2) ∗ cos(β1 − β2 ) (8) Trong Re bán kính trái đất (6378.16 km); α , α vĩ độ tâm bão thực tế tâm bão mơ hình dự báo ( đv radian); β , β kinh độ tâm bão thực tế tâm bão dự báo (đv radian) Sai số trung bình khoảng cách tính sau: MPE j = ∑ni=1 PE i, j n (9) Trong đó, PE sai số khoảng cách trường hợp dự báo ; n số trường hợp thử nghiệm ; j hạn dự báo KẾT QUẢ VÀ THẢO LUẬN Tác động gió quan trắc từ vệ tinh đến kết mô Do quỹ đạo bão Haiyan sau 12 ngày 7/11 có thay đổi hướng, nên việc dự bão quỹ đạo gặp khó khăn Vì nghiên cứu tác giả tiến hành chạy thử nghiệm dự báo hạn ngày với thời điểm bắt đầu dự báo từ 00 UTC ngày 7/11 đến 12 UTC ngày 18/11 cách (có thử nghiệm tương ứng với 42 dự báo cho thử nghiệm) Trong phần này, để biết tác động gió quan trắc từ vệ tinh đến kết mô phỏng, tác giả phân tích kết mơ cụ thể dự báo lúc 12 Hình 4: Trường gió ban đầu chưa đồng hóa (trườn – màu vàng (a,b,c,g,h,i)), gió vệ tinh quan trắc (màu đen – a,b,c,d,e,f ) trường gió phân tích LETKF đồng hóa số liệu gió vệ tinh (g,h,i) (màu xanh cây) 12 UTC ngày 07/11/2013 mực 850 hPa (a,d,g), 700 hPa (b,e,h) 500 hPa (c,f,i) Từ Hình cho thấy, lọc Kalman tổ hợp nắm bắt tốt gió quan trắc từ vệ tinh mực 850 hPa, 700 hPa 500 hPa Cụ thể, vị trí có gió vệ tinh quan trắc, sau qua lọc Kalman tổ hợp sinh trường gia số gió (gió phân tích trừ gió nền) (vector màu xanh dương-Hình 4d,e,f), tương ứng với vector vector gió màu xanh hình g,h,i vector gió phân tích (trường cộng với gia số) kết phù hợp với nghiên cứu tác giả Kiều cộng 2012 Với trường đầu vào khác hai thử nghiệm CIMSS (tam giác) MPH (dấu nhân), sau 24 giờ, nghĩa lúc 12 UTC ngày 08/11/2013, hồn lưu mơ có khác biệt hai thử nghiệm Điển hình mực 850 hPa, áp cao cận nhiệt tây Thái Bình Dương (WPSH) thử nghiệm CIMSS (Hình 5d) mơ dịch lên phía bắc nhiều so với vị trí áp cao cận nhiệt tây Thái Bình Dương thử nghiệm MPH (Hình 5a) Hình này, tạo điều kiện cho bão Haiyan đổi hướng di chuyển từ tây sang tây tây bắc Ở hai mực 700 hPa 500 hPa, hình 89 Tạp chí Phát triển Khoa học Công nghệ – Khoa học Trái đất Môi trường, 3(2):85-95 xảy tương tự, với vị trí hoạt động WPSH thử nghiệm CIMSS (Hình 5e, f) di chuyển nhiều lên phía bắc dịch sang phía đơng nhiều so với WPSH thử nghiệm MPH (Hình 5b,c) Hình tạo điều kiện thuận lợi cho bão Haiyan di chuyển theo hướng tây bắc Sau 72 giờ, kết mô lúc 12 UTC ngày 10/11 (Hình 7), mực 850hPa thử nghiệm MPH (Hình 7a) mơ rãnh gió tây phía bắc phát triển sâu xuống phía nam so với rãnh gió tây thử nghiệm CIMSS, thử nghiệm MPH, hình khống chế bão Haiyan di chuyển theo hướng tây bắc khác với hướng di chuyển bắc tây bắc quỹ đạo thực Trong đó, mực 700 hPa 500 hPa, thử nghiệm CIMSS, bão Haiyan di chuyển theo hướng bắc tây bắc chịu ảnh hưởng rìa phía tây áp cao cận nhiệt tây Thái Bình Dương yếu có tâm lệch phía bắc nhiều so với vị trí áp cao cận nhiệt Tây Thái Bình Dương thử nghiệm MPH Hình giải thích cho quỹ đạo dịch chuyển bão Haiyan thử nghiệm CIMSS sát với quỹ đạo thực bão Haiyan (hướng di chuyển bắc tây bắc) Hình 5: Bản đồ đường dịng mực 850 hPa, 700 hPa, 500 hPa thử nghiệm MPH (a,b,c), CIMSS (d,e,f) mô lúc 12 UTC ngày 08 Và độ lớn tốc độ gió mực tương ứng Sau 48 giờ, nghĩa lúc 12 UTC ngày 09/11/2013, kết mô không khác biệt so với hình synop dự báo vào lúc 12 UTC ngày 8/11, cụ thể lưỡi áp cao cận nhiệt đới tiếp tục di chuyển phía tây tâm áp cao phía đơng, mực 850hPa thử nghiệm CIMSS (Hình 6) mơ WSPH rút phía đơng nhanh so với WSPH mơ thử nghiệm MPH (Hình 6a) Do đó, tạo thuận lợi cho bão Haiyan di chuyển theo hướng bắc tây bắc thử nghiệm CIMSS tương tự quỹ đạo thực bão Haiyan Hình tương tự xảy mực 700 hPa 500 hPa Hình 7: Bản đồ đường dòng mực 850hPa, 700hPa, 500hPa thử nghiệm MPH (a,b,c), CIMSS (e,f,g ) mô lúc 12 UTC ngày 10 Và độ lớn tốc độ gió mực tương ứng Mặc dù hồn lưu mơ thử nghiệm CIMSS hồn tồn khơng giống so với hoàn lưu thực tế Nhưng xu hướng phát triển hoàn lưu (sự mở rộng di chuyển hệ thống quy mô lớn) thử nghiệm CIMSS dường gần với xu hướng phát triển hoàn lưu thực tế so với mơ hồn lưu thử nghiệm MPH Kết cho thấy số liệu gió quan trắc từ vệ tinh có ảnh hưởng tích cực việc mơ hồn lưu quy mơ lớn mơ hình số Trong phần tiếp theo, nghiên cứu trình bày số kết mơ quỹ đạo cường độ bão Haiyan Quỹ đạo cường độ bão Haiyan Hình 6: Bản đồ đường dịng mực 850hPa, 700hPa, 500hPa thử nghiệm MPH (a,b,c), CIMSS (e,f,g) mô lúc 12 UTC ngày 09 Và độ lớn tốc độ gió mực tương ứng 90 Quỹ đạo Hình quỹ đạo bão Haiyan quan trắc (màu xanh dương) quỹ đạo dự báo trung bình (MPHmàu đỏ, CIMSS-màu đen) bắt đầu mơ từ 12 Tạp chí Phát triển Khoa học Cơng nghệ – Khoa học Trái đất Môi trường, 3(2):85-95 ngày 07 tháng 11 năm 2013 kết thúc lúc 12 ngày 10 tháng 11 Trong 24 đầu tiên, quỹ đạo mô quỹ đạo thực bão Haiyan di chuyển theo hướng tây hai thử nghiệm Nhưng 12 UTC ngày 08 đến 12 UTC ngày 09/11/2013, quỹ đạo bão thực tế quỹ đạo bão mô thử nghiệm CIMSS di chuyển theo hướng tây bắc, thử nghiệm MPH lại mô quỹ đạo bão Haiyan di chuyển theo hướng tây tây bắc (Hình 8a,b) Sự khác biệt mơ quỹ đạo bão Haiyan hai thử nghiệm do, tiến triển hồn lưu quy mơ lớn (áp cao cận nhiệt tây Thái Bình Dương) phân tích phần phương pháp đánh giá Haiyan thử nghiệm MPH số liệu dự báo toàn cầu GFS Cụ thể, hạn 48 72 sai số dự báo quỹ đạo bão thử nghiệm CIMSS 150 km 270 km, thử nghiệm MPH 200 km 360 km, số liệu dự báo toàn cầu GFS 200m 440 km (Hình 10), nghĩa sai số dự báo quỹ đạo thử nghiệm CIMSS hạn 48 72 giảm 14,0% 14,3% so với thử nghiệm MPH, giảm 14,0% 23,9% so với kết dự báo toàn cầu GFS Hình 9: Sai số quỹ đạo bão trung bình thử nghiệm Dự báo lúc 12 UTC ngày 07/11/2013 Hình 8: Quỹ đạo bão trung bình tổ hợp thử nghiệm CIMSS (dấu chéo), thử nghiệm MPH (tam giác), quan trắc (hình thoi) Bắt đầu dự báo lúc 12 UTC ngày 07/11/2013 Từ 12 UTC ngày 09/11 đến 12 UTC ngày 10/11, quỹ đạo bão Haiyan mô thử nghiệm CIMSS gần sát với quỹ đạo thực bão Haiyan so với quỹ đạo bão mô thử nghiệm MPH Kết giải thích ảnh hưởng số liệu gió quan trắc từ vệ tinh tác động đến mô hồn lưu thử nghiệm CIMSS nên có tiến triển tương tự hình synop thực tế Tác động hiệu trình dự báo quỹ đạo bão Haiyan, thể rõ thông qua sai số dự báo quỹ đạo, đặc biệt vào hạn dự báo 48 72 giờ, sai số dự báo quỹ đạo bão thử nghiệm CIMSS 50 km 240 km, thử nghiệm MPH 110 km 360 km, số liệu GFS 200 km 380 km (Hình 9) Mặt khác, kết thống kê tính trung bình sai số dự báo quỹ đạo bão Haiyan trường hợp mô (từ 00 UTC ngày 07/11/2013 đến 12 UTC ngày 08/11/2013) cho thấy sai số dự báo quỹ đạo thử nghiệm CIMSS giảm đáng kể so với sai số dự báo quỹ đạo bão Hình 10: Thống kê sai số trung bình quỹ đạo mô trường hợp Cường độ bão Haiyan Cường độ bão thể qua giá trị áp suất mực biển cực tiểu tâm bão (Pmin) tốc độ gió bề mặt cực đại gần tâm (Vmax) Các giá trị Pmin Vmax tính trung bình cho 21 thành phần dự báo – màu đen (Hình 12 b,c,e,f) a) Mơ áp suất mực biển cực tiểu tâm Từ Hình 11 cho thấy biến trình khí áp cực tiểu tâm quan trắc (màu xanh dương) mô (màu đỏ xanh cây), từ thời điểm 18 UTC ngày 7/11 áp suất mực biển cực tiểu tâm quan trắc (đường màu xanh dương) không thay đổi với trị số thấp 895hPa, sau khí áp bắt đầu tăng liên tục đến 06 91 Tạp chí Phát triển Khoa học Công nghệ – Khoa học Trái đất Môi trường, 3(2):85-95 UTC ngày 10 với trị số 963hPa trị số không đổi đến 12 UTC ngày 10 Trong đó, Pmin hai thử nghiệm CIMSS (xanh cây) MPH (màu đỏ) không thay đổi nhiều từ 12 UTC ngày 07 đến 00 ngày 08, sau tăng liên tục đến 12 UTC ngày 10 (Hình 11 ) Hình 11: Biến trình Pmin trung bình thử nghiệm Với thời điểm bắt đầu dự báo lúc 12 UTC ngày 07/11/2013 phù hợp với nghiên cứu trước lọc Kalman tổ hợp ứng dụng dự b áo bão 5,30 , nghĩa lọc Kalman tổ hợp đồng hóa số liệu gió vệ tinh c ải thiện trường hồn lưu quy mơ lớn, nhờ kết dự báo quỹ đạo cường độ bão cải thiện đáng kể sau hạn dự báo 24 giờ, sai số ban đầu dự b áo cường độ khơng cải thiện, ngoại trừ xốy giả cài vào trường ban đầu Sau 24 đầu tiên, sai số Pmin thử nghiệm CIMSS MPH bắt đầu giảm đáng kể, đặc biệt sau 42 đến 72 sai số Pmin giảm xuống 10,0 hPa, đáng ý là hạn 72 giờ, sai số Pmin thử nghiệm CIMSS 8,4 hPa, sai số Pmin thử nghiệm MPH 15,9 hPa Tuy nhiên, đánh giá thống kê sai số Pmin trường hợp mô (Hình 12) lại cho thấy thử nghiệm CIMSS dự báo Pmin hiệu hầu hết hạn dự báo so với thử nghiệm MPH dự báo toàn cầu GFS Kết này, phần cho thấy hiệu phương pháp lọc Kalman tổ hợp đồng hóa số liệu gió quan trắc từ vệ tinh dự báo Pmin bão Haiyan, việc dự báo xác quỹ đạo bão phần cải thiện kết dự báo Pmin 31 Phần tiếp theo, nghiên cứu xem xét tính hiệu lọc Kalman tổ hợp đồng hóa số liệu gió quan trắc từ vệ tinh mơ tốc độ gió cực đại gần tâm bão (Vmax) b) Mô tốc độ gió cực đại gần tâm Hình 12: Thống kê sai số trung bình Pmin mơ trường hợp Từ Hình 11 cho thấy, biến trình Pmin từ dự báo toàn cầu cao so với quan trắc hai thử nghiệm Cịn biến trình Pmin hai thử nghiệm CIMSS MPH tương đồng với biến trình Pmin quan trắc từ hạn dự báo 42 đến 72 Kết thể rõ thông qua sai số dự báo tuyệt đối Pmin (Bảng 3) Cụ thể sai số Pmin thử nghiệm CIMSS MPH nhỏ sai số Pmin số liệu dự báo toàn cầu GFS tất hạn dự báo Trong đầu tiên, sai số dự báo Pmin lớn số liệu GFS thử nghiệm Sai số lớn số liệu GFS có độ phân giải thô nên Pmin mô số liệu GFS yếu Do đó, phải khoảng thời gian để xốy mơ hình thích ứng với dịng mơi trường trước xốy phát triển phù hợp với chế động lực Thông thường để khắc phục nhược điểm này, tốn cài xốy giả (ban đầu hóa xoáy) cho thời điểm ban đầu dự báo bão áp dụng Kết 92 Trên Hình 13 cho thấy, từ thời điểm 12 đến 18 ngày 07 tốc độ gió cực đại gần tâm quan trắc (đường hình thoi) không đổi đạt cực đại (Vmax) với giá trị 87.5 m/s Sau Vmax giảm liên tục từ 87,5 m/s (18 UTC 07/11) xuống 41,2 m/s lúc 06 UTC ngày 10/11 giữ giá trị không đổi đến 12 UTC ngày 10/11 Trong hai thử nghiệm CIMSS MPH (Hình 13), Vmax trung bình tổ hợp, 24 đầu tiên, Vmax thử nghiệm có biến trình tương tự có giá trị nhỏ so với quan trắc Kết Vmax hai thử nghiệm 24 dự báo đầu tiên, điều kiện biên điều kiện ban đầu lấy từ mơ hình tồn cầu GFS, số liệu GFS thường dự báo thấp so với quan trắc Sau 24 giờ, Vmax thử nghiệm CIMSS thử nghiệm MPH tiến gần biến trình Vmax quan trắc Tuy nhiên sai số tuyệt đối Vmax có khác biệt đáng kể hai thử nghiệm khác biệt lớn Vmax số liệu dự báo tồn cầu GFS (Hình 13) trừ khoảng thời gian từ 54 đến 60 Kết thấy thơng qua bảng sai số tuyệt đối Vmax (Bảng 4) dự báo ngày với thời điểm dự báo lúc 12 UTC ngày 07/11/2013 Trong đó, thử nghiệm CIMSS cho kết sai số cải thiện đáng kể so với số liệu dự báo toàn cầu GFS thử nghiệm MPH từ hạn dự báo 48 đến Tạp chí Phát triển Khoa học Công nghệ – Khoa học Trái đất Môi trường, 3(2):85-95 Bảng 3: Sai số tuyệt đối Pmin bão Haiyan mô lúc 12 UTC ngày 07/11/2013 (đơn vị: hPa) Hạn dự báo (giờ) 00 12 24 36 48 60 72 CIMSS 85,8 56,9 39,2 22,6 10,9 7,0 8,4 GFS 86,0 88,0 64,0 51,0 36,0 30,0 33,0 MPH 85,8 55,5 36,6 20,6 8,0 8,7 15,9 hạn dự báo 72 C ụ thể hạn hạn dự báo lúc 0 UTC thử nghiệm CIMSS MPH cho sai số 24,5m/s, tiếp hạn mơ 12 sai số thử nghiệm MPH nhỏ sai số thử nghiệm CIMSS số liệu GFS, từ hạn mô 36 đến 60 sai số thử nghiệm MPH nhỏ thử nghiệm CIMSS, đặc biệt hạn dự báo 60 sai số 0, hạn 72 th nghiệm CIMSS lại cho sai số nhỏ 0,5m/s, MPH GFS cho sai số lớn 6,8 m/s, 21,2 m/s Kết tính sai số tuyệt đối trung bình Vmax trường hợp mô cho thấy thử nghiệm CIMSS dự báo hiệu Vmax hạn 60 72 (Hình 14) Như vậy, thấy việc đồng hóa thêm số liệu gió quan trắc từ vệ tinh lọc Kalman tổ hợp cải thiện đáng kể chất lượng dự báo Vmax (cường độ bão) hạn dự báo 60 72 Hình 13: Biến trình Vmax trung bình bão Haiyan trường hợp thử nghiệm quan trắc Dự báo lúc 12 UTC ngày 07/11/2013 KẾT LUẬN Từ kết thử nghiệm đánh giá quỹ đạo cường độ bão Haiyan với thời gian mô 12 ngày 7/11/2013, kết thúc lúc 12 ngày 10/11/2013 phương pháp lọc Kalman tổ hợp đồng hóa số liệu gió vệ tinh mơ hình WRF, nhận thấy thử nghiệm cho kết mô quỹ đạo cường độ tốt bổ sung số liệu gió vệ tinh V ề quỹ đạo cụ thể dựa vào kết trường hợp mô cho kết sai số mô quỹ đạo bão giảm đáng kể thử nghiệm Hình 14: Thống kê sai số tuyệt đối trung bình Vmax mô trường hợp CIMSS so với kết GFS thử nghiệ m MPH (Hình 9), sai số lớn củ a CIMSS 280,4km nhỏ so với MPH GFS lần lượ t 360,3km, 442,6km Về cường độ, qua thống kê kết trường hợp mô cho thấy, dự báo P thử nghiệm CIMSS hiệu thử nghiệm MPH, với sai số dự báo P thử nghiệm CIMSS nhỏ đáng kể so với sai số P thử nghiệm MPH hạn dự báo từ sau 48 giờ, GFS cho sai số cường độ cao thử nghiệ m (Hình 2) Như vậy, số liệu quan trắc bổ sung đầu vào mơ hình có tác động tích cực đến dự báo PMIN, song song với VMAX, từ hạn dự báo sau 48 thử nghiệm CIMSS dự báo VMAX hiệu thử nghiệm MPH GFS (Hình 14) Như vậy, số liệu gió quan trắc từ vệ tinh tác động tích cực đến kết dự báo quỹ đạo cường độ bão Haiyan Kết phù hợp với nghiên cứu trước toán dự báo quỹ đạo cường độ bão 5,30,31 Đồng thời kết nghiên cứu mở hướng nghiên cứu mới, việc đồng hóa đồng thời nhiều số liệu quan trắc địa phương vào trường đầu vào mơ hình để cải thiện chất lượng dự báo tốn khí tượng DANH MỤC TỪ VIẾT TẮT ARW: Nghiên cứu cải tiến WRF AMV: vecto chuyển động khí CIMSS: Trường hợp thử nghiệm tổ hợp đa vật lí đồng hóa số liệu vệ tinh 93 Tạp chí Phát triển Khoa học Cơng nghệ – Khoa học Trái đất Môi trường, 3(2):85-95 Bảng 4: Sai số tuyệt đối Vmax bão Haiyan mô lúc 12 UTC ngày 07/11/2013 (đơn vị: m/s) Hạn dự báo (giờ) 00 12 24 36 48 60 72 CIMSS 24,5 31,8 20,9 8,9 2,7 1,2 0.5 GFS 27,5 44,9 26,9 19,2 11,4 3,7 21.2 MPH 24,5 31,7 16,1 5,5 0,6 0,0 6,8 MPH: Trường hợp thử nghiệm tổ hợp đa vật lí khơng đồng hóa số liệu WRF: Mơ hình dự báo nghiên cứu thời tiết LETKF: Bộ lọc Kalman tổ hợp địa phương hóa biến đổi GFS: Hệ thống dự báo toàn cầu MAE: Sai số trung bình tuyệt đối PMIN: Áp suất mực biển cực tiểu tâm bão VMAX: Tốc độ gió cực đại gần tâm bão PE: Sai số quỹ đạo bão UTC: Giờ quốc tế OBS: Quan trắc XUNG ĐỘT LỢI ÍCH Nhóm tác giả cam đoan khơng có xung đột lợi ích cơng bố báo “Thử nghiệm lọc Kalman tổ hợp đa vật lý mô quĩ đạo cường độ bão HaiYan 2013” ĐÓNG GÓP CỦA TÁC GIẢ Tác giả Phạm Thị Minh, Trần Văn Sơn, Trần Thị Mai Hương, Nguyễn Thị Hằng Từ Thị Năm thực bước thử nghiệm kết nghiên cứu TÀI LIỆU THAM KHẢO Hunt BR, Kostelich EJ, Szunyogh I Efficient data assimilation for spatiotemporal chaos: A local ensemble transform Kalman Filter Physica D 2007;230:112–126 Hong L, Kalnay E, Miyoshi T, Danforth CM Accounting for model errors in ensemble data assimilation Mon Weather Rev 2009;137:3407–3419 Miyoshi T, S Y The Gaussian Approach to Adaptive Covariance Inflation and Its Implementation with the Local Ensemble Transform Kalman Filter Mon Weather Rev 2007;139:1519– 1535 Miyoshi T, Kunii M The Local Ensenble Transform Kalman Filter with the Weather Rearch and Forecasting Model: Experiments with Real Observation Pure Appl Geo-phy 2012;169:321–333 Kieu CQ, Truong NM, Mai HT, ND, T Sensitivity of the Track and Intensity Forecasts of Typhoon Megi (2010) to Satellite-Derived Atmosphere Motion Vectors with the Ensenble Kalman filter J Atmos Oceanic Technol 2012;29:1794– 1810 Trung tm d bo kh tng thy quc gia trung tm d bo kh tng thy trung ng-c im kh tng thy 2013 Hà Nội 2014; Available from: http://weather.unisys.com/hurricanes Available from: http://www2.mmm.ucar.edu/wrf/users/docs/ user_guide_V3.9/contents.html Available from: https://www.ncdc.noaa.gov/data-access/ model-data/model-datasets/global-forcast-system-gfs 94 10 Miyoshi T, Kunii M The Local Ensenble Transform Kalman Filter with the Weather Rearch and Forecasting Model: Experiments with Real Observation Pure Appl Geo-phy 2012;169:321–333 11 Available from: http://tropic.ssec.wisc.edu 12 Richardson LF Weather prediction by numerical process;Cambridge University Press, Cambridge Reprinted by Dover 1922; (1965, New York) 13 Haltiner GJ, Williams RT Numerical prediction and dynamic meteorology New York: John Wiley and Sons; 1982 14 Krishnamurti TN, Bounoa L An introduction to numerical weather prediction techniques Boca Raton, FA: CRC Press; 1996 15 Kalnay E Atmospheric modeling, data assimilation and predictability 2003;p 181 16 Phillips N On the problem of the initial data for the primitive equations Tellus 1960;12:121–126 17 Daley R Atmospheric data analysis Cambridge: Cambridge University Press; 1991 18 Charney JG The use of the primitive equations of motion in numerical prediction Tellus 1955;7:22 19 Phillips NA Numerical weather prediction Adv Computers 1960;(1):43–91 Kalnay 2004 20 Courtier P, Talagrand O Variational assimilation of meteorological observations with the adjoint vorticity equations, Part II, Numerical results Quart J Roy Meteor Soc 1987;113:1329 21 Snyder C, Zhang F Assimilation of simulated Doppler radar observations with an Ensemble Kalman filter Mon Wea Rev 2003;131:1663 22 Tippett MK, Anderson JL, Bishop CH, Hamill TM, Whitaker JS Ensemble square root filters Mon Wea Rev 2003;131:1485 23 Whitaker JS, Hamill TM Ensemble data assimilation without perturbed observations Mon Wea Rev 2002;130 1913 24 Hamill TJ, Whitaker, Snyder C Distance-dependent filtering of background error covariance estimates in an ensemble kalman filter Monthly Weather Review 2001;129:2776–2790 25 Houtekamer PL, Mitchell HL Ensemble Kalman filtering Quart J Roy Meteor Soc 2005;131C:3269–3289 26 Houtekamer PL, Mitchell HL, Pellerin G, Buehner M, Charron M, Spacek L, et al Atmospheric data assimilation with an ensemble Kalman filter: Results with real observations Mon Wea Rev 2005;133:604 27 Hunt BR, Kostelich E, Szunyogh I Efficient data assimilation for spatiotemporal chaos: a local ensemble transform Kalman filter Physica D 2007;230:112–126 28 Kieu CQ Estimation of Model Error in the Kalman Filter by Perturbed Forcing Natural Sciences and Technology 2010;26(3S):310–316 VNU Journal of Science 29 Daniel SW Statistical Methods in the Atmospheric Scienes Ithaca New York 1997;59:255 30 Tiến TT, Mai HT, Thanh C An Application of the Ensemble Kalman Filter on days Forcasting Track and Intensity Tropical Cyclone Natural Sciences and Technology 2013;29(2S):201– 206 VNU Journal of Science 31 Du Duc Tien, Thanh Ngo – Duc, Hoang Thi Mai & Chanh Kieu A study of the connection between tropical cyclone track and intensity errors in the WRF model Meteorol Atmos Phys 2013;121 3-4: 12 p Science & Technology Development Journal – Science of The Earth & Environment, 3(2):85- 95 Research Article Open Access Full Text Article Testing of the Multi-Physics Ensemble Kalman filter to Simulate the Track and Intensity of the Typhoon HaiYan (2013) Pham Thi Minh1,* , Tran Van Son1 , Tran Thi Mai Hương1 , Nguyen Thi Hang2 , Tu Thi Năm1 ABSTRACT Use your smartphone to scan this QR code and download this article This paper presents some experimental results of the multi-physics ensemble Kalman filter method which assimilating the satellite wind data in WRF model to simulate the track and intensity of the typhoon HaiYan (2013) The study conducted two experiments.: (1) Ensemble forecast with multiphysics ensemble Kalman filter assimilates the satellite wind data (CIMSS); (2) multi-physics Ensemble forecast (MPH) The results of atmospheric circulation analysis in the simulation started at 12 UTC (international time) until November 7, 2013, showing that the trend and intensity of the general circulation in the CIMSS test are similar to the real development So the results of the storm trajectory forecast of CIMSS test at the 48-hour forecast limit onwards are better than the MPH test Moreover, experimental results based on the results of the simulations for simulation error, the track error in the CIMSS test decreased 14% and 14.3% respectively in the 48-hour forecast period and 72 hours compared with the MPH test, and decreased 14% and 23.9% respectively compared to the global GFS forecast For storm intensity (Pmin and Vmax), the CIMSS test also resulted in significantly improved errors in the 72-hour forecast period compared to MPH testing These results confirmed that the assimilation of the satellite wind data into the input field of the model has a positive effect on Haiyan storm intensity and trajectory prediction skills We may used this research to applying the multi-physics ensemble Kalman filter for forecasting storms affecting Vietnam Key words: The Kalman filter, WRF model, typhoon, ensemble forecasting Department of Meteorology, Hydrology and Climate change, Ho Chi Minh University of Natural Resources and Environment epartment of General Science Ho Chi Minh University of Natural Resources and Environment Correspondence Pham Thi Minh, Department of Meteorology, Hydrology and Climate change, Ho Chi Minh University of Natural Resources and Environment Email: minhpt201@gmail.com History • Received: 27-5-2019 • Accepted: 15-8-2019 • Published: 31-12-2019 DOI : 10.32508/stdjsee.v3i2.517 Copyright © VNU-HCM Press This is an openaccess article distributed under the terms of the Creative Commons Attribution 4.0 International license Cite this article : Thi Minh P, Van Son T, Thi Mai Hương T, Thi Hang N, Thi Năm T Testing of the MultiPhysics Ensemble Kalman filter to Simulate the Track and Intensity of the Typhoon HaiYan (2013) Sci Tech Dev J - Sci Earth Environ.; 3(2):85-95 95 ... tế quỹ đạo bão mô thử nghiệm CIMSS di chuyển theo hướng tây bắc, thử nghiệm MPH lại mô quỹ đạo bão Haiyan di chuyển theo hướng tây tây bắc (Hình 8a,b) Sự khác biệt mô quỹ đạo bão Haiyan hai thử. .. WRF, nhận thấy thử nghiệm cho kết mô quỹ đạo cường độ tốt bổ sung số liệu gió vệ tinh V ề quỹ đạo cụ thể dựa vào kết trường hợp mô cho kết sai số mô quỹ đạo bão giảm đáng kể thử nghiệm Hình 14:... UTC ngày 07/11 /2013 KẾT LUẬN Từ kết thử nghiệm đánh giá quỹ đạo cường độ bão Haiyan với thời gian mô 12 ngày 7/11 /2013, kết thúc lúc 12 ngày 10/11 /2013 phương pháp lọc Kalman tổ hợp đồng hóa số