Thiết lập một thuật toán dự báo mù và sương mù cho khu vực Sân bay quốc tế Nội Bài

Bài báo trình bày một thuật toán dự báo mù và sương mù trước 24 giờ cho khu vực sân bay quốc tế Nội Bài bằng phương pháp hồi quy và phân lớp. Thuật toán dự báo phụ thuộc các chỉ số FSI (Fog Stability Index), Fog Threat (Fog Potential), Fog Point (Fog formation temperature) và lớp nghịch nhiệt ở độ cao 1000 - 800mb tương ứng cao độ từ sát bề mặt đến độ cao khoảng 1500m.

Transport and Communications Science Journal, Vol 72, Issue (04/2021), 342-355 Transport and Communications Science Journal AN ALGORITHM FOR MIST AND FOG FORECASTING FOR NOIBAI INTERNATIONAL AIRPORT, HANOI, VIETNAM Le Thi Viet Ha, Hoang Nam Binh*, Tran Thu Phuong University of Transport and Communications, No Cau Giay Street, Hanoi, Vietnam ARTICLE INFO TYPE: Research Article Received: 25/01/2021 Revised: 18/03/2021 Accepted: 29/03/2021 Published online: 15/04/2021 https://doi.org/10.47869/tcsj.72.3.9 * Corresponding author Email: binhhn@utc.edu.vn Abstract Mist or fog is a product of water vapor condensation in the air at or near Earth's surface limiting visibility, reducing visibility to less than 4,000 meters (mist) or 1,000 meters (fog) They are severe weather phenomenon and work in small or medium areas Mist and fog conditions have potential negative impact on several economic activities, such as agriculture, marine, etc and especially aviation operations They are the limiting factor in aviation and can delay a flight or to cause the flight to divert to the planned destination airport Therefore, the visibility forecasting is very important in aviation to ensure flight safety This article presents an algorithm for fog and mist forecasting in a 24 hours period at Noibai International Airport, Hanoi, Vietnam by regression and classification method Forecasting algorithm depends on the indexes FSI (Fog Stability Index), Fog Threat (Fog Potential), Fog Point (Fog formation temperature) and the thermal inversions layer at 1000 - 800 milibar level (sea level to near 1,500 meters) The forecasting model includes regression equations combining other conditions The results show that the forecasting model has good quality for the mist but not good for the fog phenomenon Keywords: Fog forecating, Fog Index, Regression, Classification, Noibai international airport © 2021 University of Transport and Communications 342 Tạp chí Khoa học Giao thơng vận tải, Tập 72, Số (04/2021), 342-355 Tạp chí Khoa học Giao thông vận tải THIẾT LẬP MỘT THUẬT TOÁN DỰ BÁO MÙ VÀ SƯƠNG MÙ CHO KHU VỰC SÂN BAY QUỐC TẾ NỘI BÀI Lê Thị Việt Hà, Hồng Nam Bình*, Trần Thu Phương Trường Đại học Giao thông vận tải, Số Cầu Giấy, Hà Nội, Việt Nam THƠNG TIN BÀI BÁO CHUN MỤC: Cơng trình khoa học Ngày nhận bài: 25/01/2021 Ngày nhận sửa: 18/03/2021 Ngày chấp nhận đăng: 29/03/2021 Ngày xuất Online: 15/04/2021 https://doi.org/10.47869/tcsj.72.3.9 * Tác giả liên hệ Email: binhhn@utc.edu.vn Tóm tắt Hiện tượng mù sương mù sản phẩm ngưng kết nước lớp khơng khí sát mặt đất làm giảm tầm nhìn ngang xuống 4000m (mù) 1000m (sương mù) Đây tượng thời tiết nguy hiểm có quy mơ vừa nhỏ, ảnh hưởng xấu đến nhiều lĩnh vực, đặc biệt lĩnh vực hàng khơng Nếu tầm nhìn ngang giá trị khai thác tối thiểu, chuyến bay phải hoãn lại việc cất cánh, bay chờ khoảng thời gian định tầm nhìn đạt vượt ngưỡng khai thác tối thiểu để hạ cánh, định chuyển sang sân bay dự bị Do đó, cơng tác dự báo tầm nhìn ngang cần thiết nhằm đảm bảo an tồn khai thác bay Bài báo trình bày thuật toán dự báo mù sương mù trước 24 cho khu vực sân bay quốc tế Nội Bài phương pháp hồi quy phân lớp Thuật toán dự báo phụ thuộc số FSI (Fog Stability Index), Fog Threat (Fog Potential), Fog Point (Fog formation temperature) lớp nghịch nhiệt độ cao 1000 - 800mb tương ứng cao độ từ sát bề mặt đến độ cao khoảng 1500m Thuật toán dự báo thiết lập với hệ phương trình hồi quy kết hợp số điều kiện khác Phân tích thống kê kết dự báo cho thấy mơ hình có khả dự báo tốt tượng có mù khơng mù chưa dự báo tốt tượng sương mù Từ khóa: Dự báo sương mù, Chỉ số sương mù, Phương pháp hồi quy, Phương pháp phân lớp, Sân bay quốc tế Nội Bài © 2021 Trường Đại học Giao thơng vận tải ĐẶT VẤN ĐỀ Cảng hàng không quốc tế Nội Bài cảng hàng không lớn quan trọng Việt Nam với hàng trăm lượt chuyến nội địa quốc tế cất hạ cánh trung bình ngày 343 Transport and Communications Science Journal, Vol 72, Issue (04/2021), 342-355 Tuy nhiên, tình trạng sân bay bị "tê liệt" ảnh hưởng hoạt động mù, sương mù mây thấp, đặc biệt tháng mùa đơng, gây khơng thiệt hại cho hãng hàng không hành khách Thông tư Quy định khí tượng hàng khơng dân dụng [1] quy định rõ thời gian thực quan trắc báo cáo thời tiết (Điều 4), nội dung quan trắc báo cáo (Điều 5) Ngồi ra, Thơng tư quy định trách nhiệm sở cung cấp dịch vụ khí tượng cảng hàng khơng quốc tế phải thực tin dự báo, cảnh báo thời tiết phục vụ khai thác bay dự báo hạ cánh, dự báo cất cánh, dự báo thời tiết đường bay khu vực bay, cảnh báo điều kiện thời tiết nguy hiểm đến tàu bay có tượng mù, sương mù mây thấp Nhằm đảm bảo an toàn cho hoạt động khai thác bay, sau số cố hàng không liên quan đến tượng thời tiết nguy hiểm, Cục Hàng không Việt Nam ban hành Chỉ thị Đảm bảo an toàn bay [2] Chỉ thị nêu rõ quy định bắt buộc xác định 01 sân bay dự bị hạ cánh lập kế hoạch bay Nếu điều kiện thời tiết phức tạp sương mù dày đặc diện rộng phải chọn thêm sân bay dự bị thứ nằm vùng ảnh hưởng khu vực thời tiết nguy hiểm Chỉ thị yêu cầu sở cung cấp dịch vụ khí tượng cảng hàng khơng quốc tế Nội Bài, Đà Nẵng, Tân Sơn Nhất có trách nhiệm phát tin dự báo thời tiết cảng hàng không, sân bay (TAF) tin dự báo thời tiết cảng hàng không, sân bay bổ sung (TAF AMD) cho sân bay tương ứng, hiệu lực 24 Bên cạnh đó, cảng hàng khơng quốc tế phải chấp hành nghiêm quy định tiêu chuẩn thời tiết tối thiểu tàu bay tổ lái Xây dựng hướng dẫn hành động ứng phó kiểm soát viên trường hợp thời tiết xuống tiêu chuẩn sân bay để bổ sung vào tài liệu hướng dẫn khai thác đài kiểm sốt khơng lưu nâng cao chất lượng tin cảnh báo thời tiết nguy hiểm đường bay Mù, sương mù mây thấp tượng thời tiết nguy hiểm ảnh hưởng xấu đến nhiều lĩnh vực (Ví dụ: nông nghiệp: ảnh hưởng đến quang hợp trồng; giao thông: ảnh hưởng tầm nhìn ) Mù sương mù sản phẩm ngưng kết nước khí tạo thành giọt nước nhỏ li ti tinh thể băng có kích thước vơ bé bay lơ lửng lớp khơng khí sát mặt đất gây giảm tầm nhìn ngang Tầm nhìn ngang khí tượng, tầm nhìn ngang đường cất cánh hạ cánh vô quan trọng an tồn hàng khơng hiệu kinh tế Khi tầm nhìn ngang xuống 4000m gọi tượng mù 1000m sương mù [3][4] Sương mù Việt Nam thường xuất từ tháng cuối thu (tháng XI) cuối xuân (tháng IV), nhiều mạnh diễn tháng mùa đông [5] Khu vực ven biển Bắc Bộ, thời gian sương mù ảnh hưởng nhiều tháng XII, I, II III [6] Sương mù hình thành 04 ngun nhân [3]: (1) Nước nóng bốc vào khơng khí lạnh hơn; (2) Hai khối khơng khí gần bão hịa có nhiệt độ khác hịa trộn lẫn nhau; (3) Lớp khơng khí sát mặt đất lạnh ảnh hưởng mặt đệm lạnh; (4) Khơng khí ẩm lạnh đoạn nhiệt khí áp giảm Căn nguyên nhân hình thành, sương mù phân thành 06 loại gồm (1) Sương mù bốc hơi; (2) Sương mù hỗn hợp; (3) Sương mù xạ; (4) Sương mù bình lưu; (5) Sương mù sườn dốc; (6) Sương mù front Phương pháp dự báo tượng sử dụng mơ hình số trị [6] sử dụng phương pháp thống kê hình synop [5] sở nguyên nhân hình thành Vì sương mù tượng có quy mơ vừa nhỏ nên việc dự báo cho địa điểm cụ thể phương pháp synop thường gặp nhiều khó khăn đánh giá hết yếu tố ảnh hưởng điều kiện địa phương Để dự báo xác tượng, bên cạnh phương pháp synop cần có phương pháp định lượng bổ sung Một phương pháp có khả đáp ứng yêu cầu phương pháp thống kê Dự báo mù sương mù nhà khoa học nước quan tâm nghiên cứu từ 344 Tạp chí Khoa học Giao thơng vận tải, Tập 72, Số (04/2021), 342-355 năm 60 kỷ XX Theo Phan Văn Tân [5], Đặng Trần Duy cs thực nghiên cứu sở chuỗi số liệu từ 1960 - 1966 trạm Cô Tô để xây dựng đặc trưng thống kê xuất mù sương mù với yếu tố nhiệt độ, nhiệt độ điểm sương, độ ẩm, hướng gió tốc độ gió Trần Tân Tiến [6] xây dựng phương pháp dự báo sương mù xạ - bình lưu sở giải hệ phương trình nhập nhiệt, vận chuyển nước nước Kết nghiên cứu cho thấy mơ hình dự báo có khả ứng dụng nghiệp vụ Theo [5], Kiều Thị Xin sử dụng chuỗi số liệu từ năm 1961 đến 1981 trạm khí tượng ven biển Bắc Bộ xác định đặc trưng thống kê để dự báo mù sương mù Nghiên cứu đưa nhận định tượng mù sương mù khu vực ven biển Bắc Bộ xuất vào tháng XII - III hàng năm nhiều tháng III Phan Văn Tân [5] nghiên cứu đặc điểm chế độ phương pháp thống kê dự báo sương mù khu vực biển ven bờ Vịnh Bắc Bộ Nghiên cứu đưa tiêu chí để áp dụng nghiệp vụ dự báo mù sương mù Các tiêu chí gồm thời gian xuất sương mù năm cực đại vào tháng III, kéo dài  ngày; thời điểm xuất sương mù ngày  19  20 Ngồi ra, tác giả cịn thống kê đặc điểm nhiệt độ, nhiệt độ điểm sương, độ ẩm, hướng gió, tốc độ gió lượng mây trước thời điểm xuất sương mù Nguyễn Xuân Tiến cs [7] nghiên cứu hoạt động sương mù, mưa nhỏ phương pháp thống kê synop đánh giá tác động chúng tới điều kiện sinh trưởng nông nghiệp khu vực Bắc Trung Bộ Trên giới, việc nghiên cứu dự báo sương mù quan tâm Các mơ hình số trị sử dụng dự báo tượng thời tiết kể đến NWP (Numerical Weather Prediction) [8], HIRLAM (High Resolution Limited Area Model) [9] hay WRF (Weather Research and Forecasting Model) [10] Các mơ hình số trị ứng dụng dự báo sương mù quốc gia Anh, Mỹ, Tây Ban Nha, Đan Mạch, Phần Lan, Hàn Quốc Kết dự báo từ mơ hình thực kiểm chứng với số dự báo sương mù FSI (Fog Stability Index) FSI số phát triển quan dự báo thời tiết Mỹ Cho đến nay, phương pháp dự báo sương mù số FSI nhiều tác giả giới nghiên cứu áp dụng, Arun cs [11] dự báo cho khu vực Indo-Gangetic (Ấn Độ), Karel cs [12] dự báo dựa số liệu trạm Praha-Libus Brno Sokolnice (Cộng hòa Séc), Song cs [13] phát triển số FSI dự báo cho sân bay Incheon (Hàn Quốc), Holtslag cs [14] thực tối ưu hóa số từ số liệu 12 trạm khí tượng Hà Lan Bên cạnh đó, số nghiên cứu khác đề xuất cơng thức dự báo dựa chuỗi số liệu thống kê công thức Stoelinga Warner [15] phụ thuộc vào mật độ nước; công thức RUC (Rapid Update Cycle) phát triển Cơ quan Quản lý Khí Đại dương Quốc gia Hoa Kỳ (NOAA) [10] phụ thuộc vào độ ẩm tương đối; công thức FSL (Forecast Systems Laboratory) [16] phụ thuộc vào nhiệt độ bề mặt, nhiệt độ điểm sương độ ẩm tương đối Sự hình thành phát triển sương mù tổ hợp tương tác lớp bề mặt, mặt biển lớp khơng khí gần bề mặt Phương pháp dự báo sương mù bình lưu truyền thống cho vùng ven biển dựa vào hướng gió, áp dụng cho sương mù xạ hay sương mù địa hình gặp nhiều hạn chế Hầu hết nghiên cứu việc dự báo sương mù không dựa vào điều kiện bề mặt mà phụ thuộc điều kiện cao độ khác tốc độ xáo trộn, nhiệt độ khơng khí điểm sương lớp - 1000m; độ ẩm riêng; gradient nhiệt độ thẳng đứng nhiều yếu tố khác [5][6] Bài báo giới thiệu thuật toán dự báo mà nhân tố sử dụng thể ý nghĩa vật lý yếu tố ảnh hưởng đến trình hình thành mù sương mù Các nhân tố tổ hợp đại lượng quan trắc khí tượng thơng thường nhằm đưa kết dự báo có độ tin cậy tốt cho khu vực sân bay quốc tế Nội Bài - Hà Nội 345 Transport and Communications Science Journal, Vol 72, Issue (04/2021), 342-355 PHƯƠNG PHÁP NGHIÊN CỨU Nghiên cứu lựa chọn phương pháp thống kê để xây dựng phương trình tương quan xác định ngưỡng dự báo phương pháp phân lớp Đây phương pháp nhiều nghiên cứu ứng dụng dựa tập sở liệu lớn ưu tốc độ xử lý tính tốn [17] Phương trình hồi quy tổng qt có dạng: F = C0 + C1x1 + C2 x + + Cn x n (1) Trong đó: Ci - hệ số phương trình hồi quy; xi - biến phụ thuộc nhân tố dự báo Các hệ số Ci (i =  n) tìm phương pháp hồi quy tuyến tính đa biến từ tập số liệu quan trắc mối liên hệ trường số liệu thiên khí liệu quan trắc tầm nhìn Số liệu quan trắc tầm nhìn thu thập từ mã METAR (METeorological Aerodrome Reports) Bản tin METAR sân bay Nội Bài phát liên tục 24h/24h với tần suất 30 phút/lần tương ứng 48 phiên quan trắc (ốp) ngày Độ dài chuỗi 10 năm quan trắc (2010 - 2019) 175.296 phần tử Số liệu quan trắc thu thập từ website trường Đại học Wyoming (Mỹ) địa http://weather.uwyo.edu/upperair/sounding.html với phiên quan trắc (ốp) 00h00 12h00 từ 2010 đến 2019 xử lý tính tốn thơng qua phần mềm RAOB (RAwinsonde OBservation program) Các nhân tố dự báo số liên quan chặt chẽ đến hình thành phát triển sương mù: FSI, Fog Point Fog Threat - FSI (Fog Stability Index) số sử dụng phổ biến Chỉ số tổ hợp tuyến tính yếu tố khí tượng lớp khí sát bề mặt đến mực 850mb: T2m (nhiệt độ độ cao 2m, oC), T850 (nhiệt độ mực 850mb, oC), Td2m (nhiệt độ điểm sương độ cao 2m, oC) W850 (tốc độ gió mực 850mb, knot, 1knots = 1,852km/h) FSI xác định theo công thức [14][18]: FSI = 4T2m − ( T850 + Td2m ) + W850 (2) Theo [14], FSI < 31 xác suất xuất sương mù cao; 31 < FSI < 55 xác suất trung bình FSI > 55 khả xuất sương mù thấp Chỉ số FSI biểu thị khả xuất sương mù cao có độ ẩm lớn (T2m - Td2m nhỏ), khí ổn định (T2m - T850 nhỏ) tốc độ gió nhỏ mực 850mb (W850 nhỏ) Chỉ số đánh giá hình thành sương mù xạ Số liệu thống kê thu thập trạm quan trắc Nội Bài (Hình 1) cho thấy FSI < 31 có 15,3% khả xuất sương mù, 31  FSI < 55 khả 5,9% Trường hợp FSI  55 khả xuất sương mù thấp khả xuất giá trị tầm nhìn ngang 4000m 63,53% Như khả dự báo sương mù số FSI cho khu vực Nội Bài không cao lại hữu hiệu việc dự báo khơng có tượng sương mù - Fog Point (FGP) số biểu thị nhiệt độ hình thành sương mù Chỉ số xác định theo đường tỷ lệ khối lượng nước với khối lượng khơng khí khơ khối khơng khí bão hịa từ đường cong nhiệt độ điểm sương mực ngưng kết nâng (LCL Lifting condensation level) đến bề mặt [18] Chỉ số đánh giá hình thành sương mù bốc Hình cho thấy giá trị Fog Point khu vực Nội Bài dao động từ -30 đến 30oC Khi FGP < FGP > 28 khơng có khả hình thành sương mù - Fog Threat (FGT) số biểu thị sương mù tiềm năng, xác định theo công thức [18]: 346 Tạp chí Khoa học Giao thơng vận tải, Tập 72, Số (04/2021), 342-355 FGT = WBPT850 − FGP (3) Trong đó, WBPT850 nhiệt độ vị bầu ẩm mực 850mb Đại lượng biểu thị nhiệt độ thấp tiềm mà khơng khí bị làm lạnh trình bốc mực 850mb (WBPT850 = 850mb wet bulb potential temperature) Chỉ số có liên quan đến hình thành sương mù bình lưu sương mù front Hình Phân bố số Fog Point giá trị tầm nhìn trạm quan trắc Nội Bài Hình Phân bố số FSI giá trị tầm nhìn trạm quan trắc Nội Bài Hình Phân bố số Fog Threat giá trị tầm nhìn trạm quan trắc Nội Bài Theo [18], FGT > xác suất xuất sương mù thấp nhiệt độ ngưng tụ tiềm vượt ngưỡng nhiệt độ hình thành sương mù; < FGT < xác suất trung bình FGT < khả xuất sương mù lớn Dữ liệu Fog Threat trạm quan trắc Nội Bài (Hình 3) cho thấy giá trị ln khơng âm ngưỡng dự báo theo [18] không phù hợp vùng nghiên cứu Tuy nhiên FGT < 16 có khả xuất sương mù FGT  16 khả xuất sương mù thấp (2,6%) Ngồi ra, q trình lạnh khối khơng khí nóng ẩm sát bề mặt lan truyền lên lớp khơng khí cao tạo thành lớp nghịch nhiệt lên tới mực 800mb (gần 1500m so với mực nước biển) tạo thành sương mù bình lưu [3] (ví dụ thời điểm 12h00 ngày 23/12/2019 - Hình 4b) Do nghiên cứu lựa chọn thêm số nghịch nhiệt (Thermal inversion - TIN) Chỉ số xác định giản đồ thiên khí (Hình 4), TIN = tồn lớp nghịch nhiệt khoảng 1000 - 800mb ngược lại TIN = Tuy nhiên có nhiều thời điểm xuất lớp nghịch nhiệt quan trắc 24 khơng xuất sương mù (ví dụ thời điểm 12h00 ngày 11/2/2018 - Hình 4a), chí tầm nhìn ngang đạt giá trị 10km 347 Transport and Communications Science Journal, Vol 72, Issue (04/2021), 342-355 a) Thời điểm 12h00 ngày 11/2/2018 b) Thời điểm 12h00 ngày 23/12/2019 Hình Giản đồ thiên khí Skew-T trạm quan trắc Nội Bài trích xuất địa http://weather.uwyo.edu/upperair/sounding.html Như vậy, kết hợp nhân tố dự báo FSI, Fog Threat (FGT), Fog Point (FGP) Thermal inversion (TIN) dự báo xuất mù sương mù khu vực nghiên cứu Với nhân tố dự báo lựa chọn, phương trình (1) viết lại sau: F = C0 + C1FSI + C2FGT + C3FGP + C4TIN (4) Bộ liệu lập thành ma trận cột gồm nhân tố dự báo (FSI, FGT, FGP TIN) yếu tố dự báo (tầm nhìn) Tại thời điểm 00h00 12h00 số liệu quan trắc thám không, 24 sau tin METAR xuất giá trị tầm nhìn 4000m (mù) yếu tố dự báo mang giá trị "0,5", 1000m (sương mù) mang giá trị 1,0 4000m mang giá trị "0" Như vậy, liệu xử lý thành ma trận kích thước (7304 hàng, cột) dùng để xác định hệ số phương trình (4) xây dựng thuật toán dự báo sương mù hạn 24h cho khu vực sân bay quốc tế Nội Bài THUẬT TOÁN DỰ BÁO 3.1 Phương trình dự báo Ma trận liệu chia thành ma trận phụ thuộc (A) (2010 - 2016) có kích thước (5114 hàng, cột) dùng để phân tích xây dựng phương trình hồi quy ma trận độc lập (B) (2017 2019) có kích thước (2190 hàng, cột) dùng để kiểm định độ tin cậy phương trình Thuật tốn xác định hệ số C0, C1, C2, C3 C4 phương trình (4) mơ tả Hình Với mục tiêu tìm hệ số phương trình tương quan tốt ổn định phạm vi chuỗi số liệu thu thập, hệ số xác định phương pháp hồi quy tuyến tính đa biến tính lặp nhận tổng sai số hệ số bước tính trước sau thỏa mãn giá trị cho phép ( = 0,01) Trong trường hợp sử dụng toàn liệu ma trận A chưa nhận hệ số ổn định tiếp tục tăng kích thước ma trận A cách bổ sung liệu từ ma trận B Nếu số hàng ma trận B mà tổng sai số hệ số chưa thỏa mãn ràng buộc hệ số phương trình tương quan chưa ổn định Trong tình này, vịng lặp dừng cưỡng hệ số phương trình tương quan hệ số phương trình bước lặp cuối 348 Tạp chí Khoa học Giao thơng vận tải, Tập 72, Số (04/2021), 342-355 Hình Sơ đồ khối xây dựng phương trình dự báo Vì hệ số phân bố tương đối cho trường hợp (không mù, có mù sương mù) nên q trình lặp dừng lại sử dụng toàn liệu ma trận B Các phương trình hồi quy nhận q trình dị tìm có hệ số tương quan R2 thấp (R2 = 0,0059 - 0,0919), Để tăng khả dự báo mơ hình hồi quy, nghiên cứu lựa chọn tính tốn đồng thời phương trình: 349 Transport and Communications Science Journal, Vol 72, Issue (04/2021), 342-355 F1 = − 0,039FSI + 0,086FGT + 0,074FGP + 0, 011TIN (5) F2 = 6, 2499 + 0,0167FSI + 0,0486FGT + 0,0323FGP + 0, 0016TIN (6) Trong đó, phương trình (5) xây dựng từ mối quan hệ số với giá trị (không mù) 0,5 (có mù) (sương mù) kết phương trình (6) trả logarit tự nhiên giá trị tầm nhìn ln(Vis) 3.2 Ngưỡng dự báo Thơng kê số FSI (Hình 1), FGP (Hình 2) FGT (Hình 3) cho thấy ngưỡng dự báo thể khả không xuất sương mù Nếu coi tổng khả xuất mù không mù khả khơng có sương mù số cho kết dự báo không sương mù ứng với ngưỡng FSI > 55 (98,25%), FGT > 16 (95,52%), FGP < (98,77%) (Bảng 1) Ngưỡng Không mù (%) Mù (%) Sương mù (%) Bảng Ngưỡng dự báo số sương mù FSI < FSI > 55 FGT > 16 0,0 63,5 43,5 55,5 35,0 52,0 45,0 1,5 4,5 FGP < 63,0 35,5 1,5 Khi số không thuộc ngưỡng Bảng sử dụng phương trình (5) (6) để dự báo Đồ thị phân lớp kết tính tốn hàm F1 F2 thể Hình Hình Kết phân tích cho thấy hàm F1 F2 đưa ngưỡng dự báo khả cao xuất sương mù mà có ngưỡng xuất mù khơng mù (Bảng 2) Hình Đồ thị phân lớp phương trình (5) Ngưỡng Khơng mù (%) Mù (%) Sương mù (%) Hình Đồ thị phân lớp phương trình (6) Bảng Ngưỡng dự báo hàm F1 F2 F1 < -0,2 F2 < 7,3 57,0 30,0 42,0 70,0 1,0 0,0 F2 > 8,1 58,0 40,5 1,5 Bảng cho thấy hàm F1 < -0,2 F2 < 7,3 F2 > 8,1 khả xuất sương mù nhỏ Tuy nhiên số lượng mẫu thuộc ngưỡng chiếm khoảng 20% tổng số mẫu Do đó, 80% số mẫu cịn lại phải tính tốn kết hợp hàm F1, F2 bổ sung tiêu chí phụ Như vậy, ngưỡng dự báo số phương trình hồi quy, kết hợp với kết phân tích thống kê khác, thuật tốn dự báo mù sương mù hạn 24 cho khu vực sân bay quốc tế Nội Bài mô tả theo sơ đồ khối (Hình 8) sau: 350 Tạp chí Khoa học Giao thông vận tải, Tập 72, Số (04/2021), 342-355 Hình Thuật tốn dự báo mù sương mù hạn 24 cho khu vực sân bay quốc tế Nội Bài 351 Transport and Communications Science Journal, Vol 72, Issue (04/2021), 342-355 Kết xây dựng thuật tốn cho thấy khó để dự báo xác xuất hiện tượng sương mù (F = 1,0) Tổ hợp tiêu chí cho khả cao xuất hiện tượng F2 = 7,6 kết hợp F1 > 1,0 F2 = 7,5 kết hợp F1 > 1,5 Đối với dự báo tượng mù thuật toán cho kết đáng tin cậy với nhiều tổ hợp dự báo có khả cao xảy tượng tầm nhìn ngang (F = 0,0) 4000m (F = 0,5) Để kiểm định độ tin cậy thuật toán, nghiên cứu thực thu thập liệu quan trắc tầm nhìn số ngày cuối tháng XII/2020 tháng I/2021 (chuỗi độc lập - 24 phần tử), đồng thời lựa chọn số ngày đầu, cuối tháng từ chuỗi liệu có (chuỗi phụ thuộc - 205 phần tử) thực tính tốn theo sơ đồ khối Hình Phương pháp đánh giá kết dự báo dựa bảng kiện ngẫu nhiên 2x2 Doswell [19] Các tiêu chí đánh giá chất lượng dự báo theo kết từ bảng kiện xảy ngẫu nhiên gồm tỷ lệ dự báo toàn phần (H), tỷ lệ phát quan trắc "Có" (POD), tỷ lệ báo khống (FAR), tỷ lệ phát quan trắc "Không" (POFD), tiêu thành công (CSI), tiêu thống kê thực tế (TSS) tiêu Heidke [19] Bảng Đánh giá kết kiểm định với chuỗi phụ thuộc Quan trắc Có Khơng 137 13 150 47 55 CSI 0,695 Dự báo Có Khơng Tổng số H 0,707 POD 0,913 FAR 0,255 POFD 0,855 Tổng số TSS 0,059 184 21 205 Heidke 0,073 Kết kiểm định dự báo với chuỗi phụ thuộc (Bảng 3) cho thấy số POD cao (trên 90%), CSI H đạt khoảng 70% Do coi thuật tốn phát tốt pha có "mù" Tuy nhiên, số TSS chưa tốt tỷ lệ báo khống FAR khoảng 25% Nhận diện trường hợp báo khống cho thấy số đông trường hợp mù/sương mù xảy với thời gian ngắn khoảng 120 phút chí diễn biến nhanh từ tầm nhìn 10km xuống ngưỡng có mù trở lại ngưỡng 10km lần quan trắc liên tiếp Những trường hợp báo khống này, thuật toán chưa thể phát mối liên hệ số sương mù với tượng diễn 24 Tỷ lệ dự báo sai (số lần dự báo "khơng" quan trắc "có" tổng số lần dự báo) khoảng 5% Ngày 28/12/2020 00h00-23h00 29/12/2020 00h00-23h00 30/12/2020 00h00-23h00 31/12/2020 00h00-23h00 01/01/2021 00h00-23h00 02/01/2021 00h00-23h00 Bảng Kiểm định với chuỗi độc lập Tầm nhìn Hiện FSI FGT FGP TIN F1 F2 nhỏ (m) tượng 2800 0,5 34,0 7,3 20,6 0,8 7,8 2100 0,5 38,8 7,9 18,7 0,6 7,9 >10000 0,0 56 12,3 4,7 -0,8 7,9 5000 0,0 61,6 8,3 5,5 -1,3 7,9 4400 0,0 53,6 10 5,1 -0,9 7,8 3400 0,5 32,4 13,8 0,2 -0,1 7,5 352 Kết F = 0,5 (70%) F = 1,0 (15%) F = 0,5 (70%) F = 1,0 (10%) F = 0,0 (63,5%) F = 1,0 (1,5%) F = 0,0 (63,5%) F = 1,0 (1,5%) F = 0,0 (57%) F = 1,0 (1,0%) F = 0,0 (63,5%) F = 1,0 (1,5%) Đánh giá Dự báo Đúng Dự báo Đúng Dự báo Đúng Dự báo Đúng Dự báo Đúng Dự báo Sai Tạp chí Khoa học Giao thông vận tải, Tập 72, Số (04/2021), 342-355 Ngày Tầm nhìn Hiện FSI FGT FGP TIN F1 nhỏ (m) tượng 03/01/2021 00h00-23h00 04/01/2021 00h00-23h00 05/01/2021 00h00-23h00 06/01/2021 00h00-23h00 07/01/2021 00h00-23h00 08/01/2021 00h00-23h00 09/01/2021 00h00-23h00 10/01/2021 00h00-23h00 11/01/2021 00h00-23h00 12/01/2021 00h00-23h00 13/01/2021 00h00-23h00 14/01/2021 00h00-23h00 15/01/2021 00h00-23h00 16/01/2021 00h00-23h00 17/01/2021 00h00-23h00 18/01/2021 00h00-23h00 19/01/2021 00h00-23h00 20/01/2021 00h00-23h00 2400 0,5 33,2 8,5 9,3 0,1 7,5 5000 0,0 40,8 14,9 4,8 0,0 7,8 1900 0,5 44 11,9 9,1 0,0 7,9 3600 0,5 36 11,6 10,2 0,3 7,7 3900 0,5 39,2 11,6 11,4 0,3 7,8 >10000 0,0 33,2 11,4 4,3 0,0 7,5 >10000 0,0 38,4 13,4 1,1 7,6 -0,3 9000 0,0 54,6 11,7 7,7 -1,2 >10000 0,0 8,2 -2,2 4700 0,0 55,6 23,3 -15,2 7,8 -1,3 3400 0,5 2400 0,5 36,8 16 1600 0,5 2000 0,5 1800 0,5 33,6 7,6 3600 -1 82 12,4 -1,6 36 14,5 -2,8 7,5 -0,4 7,8 0,4 26,8 7,2 13,3 7,5 0,6 40 12,5 9,9 7,8 0,3 15 7,7 0,5 0,5 57,8 12,8 0,6 7,9 -1,1 1600 0,5 22,2 10,2 7,2 7,4 0,6 2000 0,5 27,6 7,8 12,1 7,5 0,5 Kết F2 F = 0,5 (50%) F = 1,0 (20%) F = 0,5 (70%) F = 1,0 (10%) F = 0,5 (70%) F = 1,0 (10%) F = 0,5 (60%) F = 1,0 (15%) F = 0,5 (70%) F = 1,0 (10%) F = 0,5 (50%) F = 1,0 (20%) F = 0,0 (63%) F = 1,0 (1,5%) F = 0,0 (63%) F = 1,0 (1,5%) F = 0,0 (63%) F = 1,0 (1,5%) F = 0,0 (63%) F = 1,0 (1,5%) F = 0,0 (63%) F = 1,0 (1,5%) F = 0,5 (70%) F = 1,0 (10%) F = 0,5 (50%) F = 1,0 (20%) F = 0,5 (70%) F = 1,0 (10%) F = 0,5 (60%) F = 1,0 (15%) F = 0,0 (63%) F = 1,0 (1,5%) F = 0,5 (50%) F = 1,0 (20%) F = 0,5 (50%) F = 1,0 (20%) Đánh giá Dự báo Đúng Dự báo Khống Dự báo Đúng Dự báo Đúng Dự báo Đúng Dự báo Khống Dự báo Đúng Dự báo Đúng Dự báo Đúng Dự báo Đúng Dự báo Sai Dự báo Đúng Dự báo Đúng Dự báo Đúng Dự báo Đúng Dự báo Sai Dự báo Đúng Dự báo Đúng Bảng Đánh giá kết kiểm định với chuỗi độc lập Quan trắc Dự báo Có Khơng Tổng số H 0,792 POD 0,800 FAR 0,143 Có Khơng Tổng số 12 15 CSI 0,706 14 10 24 POFD 0,222 TSS 0,578 Heidke 0,565 Chuỗi kiểm định độc lập với tổng số 24 lần dự báo (Bảng 4, Bảng 5) cho thấy số H, POD CSI tương đối tốt với giá trị khoảng 70 - 80% Tỷ lệ báo khống tỷ lệ dự báo sai 353 Transport and Communications Science Journal, Vol 72, Issue (04/2021), 342-355 15% Tuy nhiên, chuỗi độc lập ngắn diễn thời kỳ mù sương mù bắt đầu hoạt động mạnh nên khả dự báo tương đối tốt Để đánh giá xác độ tin cậy thuật toán cần tiếp tục kiểm định cho thời đoạn khác trình thực nghiệp vụ dự báo KẾT LUẬN Mù sương mù tượng thời tiết nguy hiểm diễn quy mô vừa nhỏ Đối với khu vực sân bay quốc tế Nội Bài, giá trị số sương mù phân bố tương đối pha khơng mù, có mù sương mù cho thấy tượng khó dự báo xác Số liệu thống kê 10 năm gần (2010 - 2019) sương mù khu vực hoạt động mạnh tháng I - III với thời gian thịnh hành vào đêm tối sáng sớm Mơ hình dự báo hạn 24 (Hình 8) cho vùng nghiên cứu sử dụng hệ phương trình hồi quy (5) (6) kết hợp ngưỡng dự báo cho kết tương đối tốt pha không mù "0" có mù "0,5" Đối với pha sương mù "1" mơ hình chưa thực cho kết tốt Điều lý giải tháng V - IX tượng sương mù có diễn biến nhanh Sự thay đổi tầm nhìn ngang từ 10km xuống 1km trở lại 10km diễn khoảng 60 phút khiến cho việc dự báo trước 24 gặp sai số lớn Để cải thiện mơ hình dự báo này, bổ sung chi tiết ngưỡng dự báo kết hợp biến thời gian bổ sung phương trình tương quan có xét thêm biến thời gian LỜI CẢM ƠN Nghiên cứu tài trợ Trường đại học Giao thông vận tải đề tài mã số T2020CT-002 Các tác giả gửi lời cảm ơn tới Trung Tâm Khí tượng Hàng khơng Nội Bài hỗ trợ cung cấp liệu tin METAR để thực nghiên cứu TÀI LIỆU THAM KHẢO [1] Bộ Giao thông vận tải, Thông tư Quy định khí tượng hàng khơng dân dụng, số 19/2009/TTBGTVT ngày 08 tháng năm 2009 [2] Cục Hàng không Việt Nam, Chỉ thị việc đảm bảo an toàn bay, số 2690/CT-CHK ngày 25 tháng 07 năm 2014 [3] Nguyễn Viết Lành, Khí tượng sở, NXB Bản Đồ, 2004 [4] The office of the Federal coordinator for Meteorological services and Supporting research, Federal Meteorological Handbook Number 1, Surface weather observations and reports, Washington, D.C., 2017, pp - 1, - [5] Phan Văn Tân, Đặc điểm chế độ phương pháp thống kê vật lý dự báo sương mù khu vực biển ven bờ khu vực Vịnh Bắc Bộ, Luận án Phó tiến sĩ, Đại học Tổng hợp Hà Nội, 1994 [6] Trần Tân Tiến, Nghiên cứu phương pháp dự báo sương mù sân bay chính, Đề tài nghiên cứu cấp Nhà nước Mã số 42A-0502, 1986-1989 [7] Nguyễn Xuân Tiến, Trần Quỳnh Trang, Sương mù, mưa nhỏ khu vực Bắc Trung Bộ mùa vụ đông xuân 2013 - 2014, Tạp chí Khí tượng Thủy văn, 638 (2014) 23-25 http://kttvqg.gov.vn/public/upload/magazines/013443_14052018_21495_so-thang-02.2014.pdf [8] Sultan Al-Yahyai, Yassine Charabi and Adel Gastli, Review of the use of Numerical Weather 354 Tạp chí Khoa học Giao thông vận tải, Tập 72, Số (04/2021), 342-355 Prediction (NWP) Models for wind energy assessment, , Renewable and Sustainable Energy Reviews, 14 (2010) 3192-3198 https://doi.org/10.1016/j.rser.2010.07.001 [9] Clark P A et al., Prediction of visibility and aerosol within the operational Met Office Unified Model I: Model formulation and variational assimilation, Quarterly Journal of the Royal Meteorological Society, 134 (636) 1801 - 1816 https://doi.org/10.1002/qj.318 [10] Cheol-Han Bang, Ji-Woo Lee, Song-You Hong, Predictability Experiments of Fog and Visibility in Local Airports over Korea using the WRF Model, Journal of Korean Society for Atmospheric Environment, 24 (2008) 92-101 https://www.researchgate.net/profile/Jiwoo_Lee2/publication/277004271 _Predictability_Experiments_of_Fog_and_Visibility_in_Local_Airports_over_Korea_using_the_WRF_M odel/links/555d00b608ae8c0cab2a6aef/Predictability-Experiments-of-Fog-and-Visibility-in-LocalAirports-over-Korea-using-the-WRF-Model.pdf [11] Arun S H et al., Fog Stability Index: A novel technique for fog/low clouds detection using multi-satellites data over the Indo-Gangetic plains during winter season, International Journal of Remote Sensing, 39 (2018) 8200 – 8218 https://doi.org/10.1080/01431161.2018.1483085 [12] Karel Dejmal, Josef Novotny, Application of Fog Stability Index for significantly reduced visibility forecasting in the Czech Republic, Recent Advances in Fluid Mechanics and Heat & Mass Transfer, (2011), pp 317-320 http://wseas.us/e-library/conferences/2011/Florence/HEAFLU/HEAFLU-53.pdf [13] Song, Y., S S Yum, Development and Verification of the Fog Stability Index for Incheon International Airport Based on the Measured Fog Characteristics, Atmosphere, 23 (2013) 443-452 https://doi.org/10.14191/Atmos.2013.23.4.443 [14] Holtslag M C., Steeneveld G J., Holtslag A A M., Fog forecasting: “old fashioned” semiempirical methods from radio sounding observations versus “modern” numerical models, 5th International Conference on Fog, Fog Collection and Dew, (2010), pp 1-4 https://www researchgate.net/publication/229029505_Fog_forecastingold_fashioned_semiempirical_methods_from_radio_ sounding_observations_versus_modern_numerical_models [15] Stoelinga M T., Warner T T., Nonhydrostatic, Mesobeta-Scale Model Simulations of Cloud Ceiling and Visibility for an East Coast Winter Precipitation Event, Journal of Applied meteorology, 38 (1999) 385 - 404 https://doi.org/10.1175/1520-0450(1999)0382.0.CO;2 [16] Doran, J A., Roohr P J., Beberwyk D.J., Brooks G R., Gayno G.A., Williams R T., Lewis J M., and Lefevre R J., The MM5 at the Air Force Weather Agency-New products to support military operations, The 8th Conference on Aviation, Range, and Aerospace Meteorology, Dallas, Texas, 1015 January 1999 [17] Phan Văn Tân, Phương pháp thống kê khí hậu, NXB Đại học Quốc gia, 2005 [18] RAOB User guide and Technical manual, ver 5.6 for window, Registered to Vietnam national hydrometeorology service, Serial No 5607-1010-0543-0001-1108, 1994-2004 [19] Doswell C A III, Davies-Jones R., and Keller D L., On summary measures of skill in rare event forecasting based on contingency tables Weather and Forecasting, (1990) 576-585 https://doi.org/10.1175/1520-0434(1990)0052.0.C O;2 355 ... giá Dự báo Đúng Dự báo Khống Dự báo Đúng Dự báo Đúng Dự báo Đúng Dự báo Khống Dự báo Đúng Dự báo Đúng Dự báo Đúng Dự báo Đúng Dự báo Sai Dự báo Đúng Dự báo Đúng Dự báo Đúng Dự báo Đúng Dự báo. .. sang sân bay dự bị Do đó, cơng tác dự báo tầm nhìn ngang cần thiết nhằm đảm bảo an toàn khai thác bay Bài báo trình bày thuật tốn dự báo mù sương mù trước 24 cho khu vực sân bay quốc tế Nội Bài. .. tải THIẾT LẬP MỘT THUẬT TOÁN DỰ BÁO MÙ VÀ SƯƠNG MÙ CHO KHU VỰC SÂN BAY QUỐC TẾ NỘI BÀI Lê Thị Việt Hà, Hồng Nam Bình*, Trần Thu Phương Trường Đại học Giao thông vận tải, Số Cầu Giấy, Hà Nội,