Đang tải... (xem toàn văn)
Nghiên cứu trình bày kết quả đánh giá dự báo mưa định lượng dựa trên mô hình toàn cầu IFS và mô hình khu vực phân giải cao (WRF–ARW) trong năm 2020. Bài viết giới thiệu chi tiết phương pháp đánh giá theo không gian dựa trên chỉ số kĩ năng FSS (Fractional Skill Score) sử dụng các số liệu mưa từ vệ tinh GSMaP và số liệu mưa trên lưới (thiết lập từ số liệu mưa ước lượng radar, vệ tinh và mưa tự động).
Bài báo khoa học Đánh giá kĩ dự báo mưa định lượng từ mơ hình quy mơ tồn cầu khu vực phân giải cao cho khu vực Bắc Bộ Nguyễn Thị Nga1, Công Thanh2, Mai Khánh Hưng1, Dư Đức Tiến1* Trung tâm Dự báo khí tượng thủy văn quốc gia; hongnga12897@gmail.com; duductien@gmail.com; maikhanhhung18988@gmail.com Khoa Khí tượng Thủy văn Hải dương học, Đại học Khoa học Tự nhiên, ĐHQGHN; congthanh1477@gmail.com *Tác giả liên hệ: duductien@gmail.com; Tel.: +84–936067015 Ban Biên tập nhận bài: 13/7/2021; Ngày phản biện xong: 17/8/2021; Ngày đăng bài: 25/10/2021 Tóm tắt: Nghiên cứu trình bày kết đánh giá dự báo mưa định lượng dựa mơ hình tồn cầu IFS mơ hình khu vực phân giải cao (WRF–ARW) năm 2020 Bài báo giới thiệu chi tiết phương pháp đánh giá theo không gian dựa số kĩ FSS (Fractional Skill Score) sử dụng số liệu mưa từ vệ tinh GSMaP số liệu mưa lưới (thiết lập từ số liệu mưa ước lượng radar, vệ tinh mưa tự động) Các số đánh giá kĩ (POD, BIAS, TS) theo phương pháp truyền thống mở rộng theo phân cấp mưa chi tiết kết hợp biểu đồ đánh giá kĩ tổng hợp (performance diagram) vị trị trạm khu vực nghiên cứu (Bắc Bộ) Các kết cho thấy kĩ dự báo định lượng cho khu vực Bắc Bộ thấp Mặc dù vậy, mơ hình phân giải cao kết hợp đồng hóa số liệu (3DVAR) tăng kĩ dự báo ngưỡng mưa lớn (> 50 mm/24h) hạn 1–3 ngày, qua cho phép bổ sung thơng tin mang tính chất định lượng–cực trị bên cạnh sản phẩm dự báo mơ hình IFS cơng tác dự báo nghiệp vụ mưa lớn Từ khóa: Đánh giá dự báo mưa theo không gian; số FSS; Phân cấp mưa Mở đầu Với khả cung cấp dự báo có tính định lượng, chi tiết lượng mưa, phân bố mưa, dự báo số trị (NWP) sử dụng rộng rãi trung tâm thời tiết giới nói chung Việt Nam vấn đề dự báo định lượng mưa QPF (Quantitative Precipitation Forecast) Trong năm trở lại đây, phương pháp NWP cho phép mở rộng hạn dự báo mà tăng cường chất lượng dự báo hồn lưu khí tượng, hệ thời tiết cách định lượng quy mô không gian khác nhau, từ mơ hình tồn cầu độ phân giải ngang 15–50 km đến mơ hình quy mơ vừa (< 15 km) vừa (< km) Tuy nhiên, QPF NWP chứa đựng nhiều sai số lớn việc ứng dụng trực tiếp giá trị mưa định lượng từ dự báo mơ hình khu vực nhiệt đới gió mùa cịn hạn chế Một nguyên nhân dẫn đến sai số dự báo mưa mơ hình biến giáng thủy mơ hình dạng dẫn xuất (diagnostic), xác định tính tốn từ biến dự báo khác mơ hình Do đó, sơ đồ vật lý mơ hình xác số khu vực giới có quan trắc để hiệu chỉnh tham số phù hợp [1] Trong trường hợp tượng mưa lớn xảy với lượng lớn dị thường, mẫu quan trắc hạn chế dẫn tới khơng có khả hiệu chỉnh (tuning) để có tham số phù hợp để tính tốn dẫn xuất biến giáng thủy dự báo mơ hình Bên cạnh đó, tính khơng chắn (uncertainty) mơ hình số trị điều kiện ban đầu, q trình vật lý Tạp chí Khí tượng Thủy văn 2021, 730, 79-92; doi:10.36335/VNJHM.2021(730).79-92 http://tapchikttv.vn/ Tạp chí Khí tượng Thủy văn 2021, 730, 79-92; doi:10.36335/VNJHM.2021(730).79-92 80 phi tuyến tính bất định khí chưa mơ hình mơ số mơ xác nên cịn sai khác kết dự báo quan trắc thực tế [2] Tại Việt Nam, có nhiều cơng trình nghiên cứu dự báo mưa đánh giá dự báo định lượng mưa từ mơ hình tồn cầu [3–4] mơ hình số trị độ phân giải cao [5–6] Các nghiên cứu cho thấy kết dự báo mưa từ mơ hình số trị, đặc biệt mơ hình độ phân giải cao ngày cải thiện Ngồi ra, phương pháp đồng hóa–ứng dụng số liệu quan trắc có nhằm nâng cao chất lượng dự báo ngày quan tâm nghiên cứu Các nghiên cứu thử nghiệm đồng hóa sử dụng số liệu radar [7], số liệu vệ tinh số liệu quan trắc truyền thống [8] cho kết dự báo tốt đáng kể chưa có đồng hóa số liệu Hiện nay, Trung tâm Dự báo khí tượng Thủy văn (KTTV) quốc gia khai thác, vận hành lớp sản phẩm mơ hình dự báo gồm sản phẩm dự báo qui mơ tồn cầu sản phẩm dự báo số qui mô khu vực (hệ thống mơ hình khu vực độ phân giải cao hệ thống đồng hóa số liệu) Với phong phú mặt sản phẩm ưu điểm loại mơ hình việc xem xét đánh giá chất lượng kết dự báo loại mơ hình thật cần thiết Trong khuôn khổ báo tiến hành đánh giá chất lượng dự báo mưa số mơ hình khu vực Bắc Bộ năm 2020 Nghiên cứu đưa kết đánh giá dựa việc tính tốn số kĩ chi tiết theo khoảng phân cấp mưa (ví dụ khoảng 25–50 mm/24h) theo ngưỡng mưa (ví dụ lớn 25 mm/24h) thực thống kê trạm quan trắc Synop (đánh giá trạm) thực thống kê lưới bao phủ toàn Bắc Bộ (đánh giá theo không gian) Thông tin nguồn số liệu mơ hình phương pháp đánh giá trình bày chi tiết phần báo Các kết kết luận chung đưa mục Phương pháp nghiên cứu 2.1 Khu vực nghiên cứu Nghiên cứu thực đánh giá cải thiện dự báo mưa định lượng cho Bắc Bộ giai đoạn từ tháng đến tháng 12 năm 2020 Khu vực nghiên cứu giới hạn từ 19.5⁰N đến 23.5⁰N 102⁰E đến 108.5⁰E Tổng số trạm đo mưa thuộc Bắc Bộ sử dụng tính tốn 88 trạm bao gồm trạm đất liền trạm đảo, đó: 22 trạm vùng Tây Bắc, 26 trạm vùng Việt Bắc, 25 trạm vùng Đông Bắc 15 trạm vùng Đồng Bắc Bộ Hình thể phân bố theo khơng gian 88 trạm nói phạm vi khu vực nghiên cứu Hình Phân bố theo không gian 88 trạm đo mưa bề mặt phạm vi khu vực nghiên cứu 2.2 Số liệu quan trắc mưa Nghiên cứu sử dụng số liệu quan trắc mưa từ hệ thống mạng lưới Synop khu vực Bắc Bộ (88 trạm thể chi tiết vị trí Hình 1) Ngồi số liệu quan trắc bổ sung Tạp chí Khí tượng Thủy văn 2021, 730, 79-92; doi:10.36335/VNJHM.2021(730).79-92 81 khác từ quan trắc mưa tự động (nguồn Dự án nguồn xã hội hóa) từ sản phẩm ước lượng mưa lưới radar vệ tinh [9] Từ năm 2020, số liệu mưa lưới thiết lập từ mưa trạm mưa ước lượng từ độ phản hồi trạm radar vệ tinh cho mức độ chi tiết theo chiều ngang 1km x 1km, Đài khí tượng cao khơng thiết lập truyền Trung tâm Dự báo KTTV quốc gia với tần suất tiếng lần [10] Bên cạnh nguồn liệu mưa ước lượng lưới Nhật Bản (GSMaP) với độ phân giải theo chiều ngang 10km x 10km [11] 2.3 Số liệu mơ hình dự báo 2.3.1 Mơ hình tồn cầu IFS ECMWF Bên cạnh mơ hình tồn cầu GSM Cơ quan khí tượng Nhật Bản (JMA) GFS Trung tâm Dự báo mơi trường quốc gia Hịa Kỳ (NCEP), đầu tư Bộ Tài Nguyên Môi Trường, từ cuối năm 2011 Trung tâm Dự báo KTTV quốc gia thu nhận liệu dự báo gốc từ Trung tâm Dự báo hạn vừa Châu Âu (ECMWF) với độ phân giải theo chiều ngang 14km cho mơ hình tất định IFS (Integrated Forecasting System) 28km cho hệ thống dự báo tổ hợp, hạn dự báo đến 10 ngày Hiện tại, độ phân giải IFS xấp xỉ 9km mơ hình qui mơ tồn cầu có độ tin cậy cao dự báo yếu tố khí tượng theo hầu hết nghiên cứu đánh giá giới [12] 2.3.2 Mơ hình khu vực WRF–ARW hệ thống đồng hóa số liệu biến phân chiều Ngồi hệ thống mơ hình khu vực trước ứng dụng Trung tâm Dự báo KTTV quốc gia HRM, COSMO Cơ quan khí tượng liên bang Đức (DWD), mơ hình WRF–ARW ứng dụng nghiệp vụ từ năm 2005 (trong hệ thống dự báo tổ hợp hạn ngắn SREPS, độ phân giải 16 km) Trong khuôn khổ Dự án “Tăng cường hệ thống dự báo thời tiết cảnh báo sớm” Ngân hàng giới tài trợ, hệ thống tính tốn nâng cấp lên siêu máy tính CrayXC40 từ cuối năm 2018, mơ hình WRF–ARW phiên 3.9.1.1 thiết lập chạy nghiệp vụ với độ phân giải ngang 3km x 3km sử dụng điều kiện biên từ mơ hình IFS (độ phân giải 9km) với miền tính bao phủ tồn lãnh thổ Việt Nam Biển Đơng, thời gian tích phân dự báo hạn 72 sử dụng toàn lực hệ thống (~ 70–80 Tflops) hết 45 phút, mơ hình kí hiệu WRF3kmIFS [12] Từ đầu năm 2020, Trung tâm Dự báo KTTV quốc gia triển khai chạy nghiệp vụ siêu máy tính CrayXC40 hệ thống đồng hóa số liệu 3DVAR (ĐHSL) cho mơ hình WRF–ARW (độ phân giải 3km, điều kiện biên từ mơ hình ECMWF) Sai số mơ hình để đưa vào hệ thống ĐHSL sử dụng phương pháp NMC tính tốn từ dự báo phân giải cao tồn lãnh thổ Việt Nam Biển Đông (mẫu thống kê tháng) [12] Các số liệu sử dụng q trình đồng hóa bao gồm: số liệu quan trắc bề mặt thám không vô tuyến Việt Nam, số liệu quan trắc giới bao gồm: Vệ tinh cực (NOAA, METOP, số liệu xạ phổ), quan trắc gió vệ tinh bề mặt (SCAT) cao (AMV), quan trắc từ phương tiện thuyền bè nước khác (hệ thống GTS) Mơ hình WRF3kmIFS có ĐHSL kí hiệu WRF3kmIFS–DA Khả tăng mức độ chi tiết dự báo định lượng mơ hình phân giải cao kết hợp ĐHSL thể Hình kết so sánh quan trắc mưa tích lũy 24h xảy khu vực Bắc Bộ (khu vực Hà Giang > 350–400 mm/24h) vào tháng 7/2020 dự báo từ mơ hình IFS (< 60 mm/24h), WRF3kmIFS (> 150 mm/24h) WRF3kmIFS–DA (> 180 m/24h) Nguyên nhân gây mưa cục cực trị vùng núi phía Bắc liên quan đến hội tụ gió gió đơng nam từ rìa áp cao cận nhiệt đới gió tây nam khu vực xảy mưa phụ thuộc nhiều vào vị trí dịch chuyển rìa áp cao cận nhiệt đới Các mơ hình xác định khu vực miền Bắc nằm rìa lưỡi áp cao cận nhiệt đới, nhiên việc thể hội tụ gió khu vực Bắc Bộ trường phân tích dự báo từ WRF3kmIFS–DA tốt cho phép tượng mưa phù hợp so với mơ hình IFS mơ hình phân giải cao chưa có ĐHSL Tạp chí Khí tượng Thủy văn 2021, 730, 79-92; doi:10.36335/VNJHM.2021(730).79-92 82 Phân tích thêm kết mơ hình phân giải cao có ĐHSL đưa Hình trường gió mơ hình mực 500hPa Trên khu vực Bắc Bộ, trình ĐHSL giảm độ lớn thành phần gió kinh hướng (Ua–Uf 0) ứng với trường véc tơ gia số {Ua–Uf,Va–Vf} tồn dạng xoáy thuận kéo theo việc hướng gió tây nam khu vực Bắc Bộ có xu lệch sang phía Tây tăng mức độ hội tụ kinh hướng với rìa cao áp cận nhiệt Minh hoạ cho thấy rõ tác động ĐHSL lên trường động lực mô hình có khả tác động đến kết dự báo trường hợp mưa lớn cụ thể Tạp chí Khí tượng Thủy văn 2021, 730, 79-92; doi:10.36335/VNJHM.2021(730).79-92 83 Hình (a) Bản đồ mưa quan trắc từ 19h ngày 20–21/7/2020, (b) đồ đường dòng lúc 19h ngày 21/7/2020, đồ dự báo mưa đường dịng, xốy tương đối mực 500hPa từ IFS (c, d), từ WRF3kmIFS (e, f) từ WRF3kmIFS–DA (g, h), (i) Trường gia số thay đổi (increment) trường phân tích ban đầu f trường phân tích tối ưu a ĐHSL thành phần gió U trường gió gia số với thành phần {Ua–Uf,Va–Vf} mực 500hPa (j) Trường gia số thay đổi (increment) trường phân tích ban đầu f trường phân tích tối ưu a ĐHSL thành phần gió V hàm dịng gió ban đầu mực 500hPa Thời điểm dự báo mơ hình số trị sử dụng để đánh giá lúc 00UTC ngày Trước thực trình đánh giá dự báo, liệu quan trắc mưa lưới (số liệu mưa tự động (AWS), số liệu mưa vệ tinh (GSMaP)) đưa lưới với mơ hình dự báo (phạm vi tính tốn thể Hình 1), kết dự báo mơ hình số trị nội suy điểm trạm phương pháp nội suy điểm gần 2.4 Các phương pháp đánh giá kĩ dự báo mưa Nghiên cứu đưa kết đánh giá dựa việc tính tốn số kĩ chi tiết theo khoảng phân cấp mưa (ví dụ khoảng 25–50 mm/24h) theo ngưỡng mưa (ví dụ lớn 25 mm/24h) thực thống kê trạm quan trắc Synop (đánh giá trạm) thực thống kê lưới bao phủ toàn khu vực Bắc Bộ (đánh giá theo không gian) Các đánh giá tập trung vào mơ hình quy mơ tồn cầu IFS, mơ hình quy mơ khu vực WRF3kmIFS với điều kiện biên IFS độ phân giải 3km mơ hình quy mơ khu vực có đồng hóa số liệu WRF3kmIFS–DA Nghiên cứu đánh giá kết dự báo lượng mưa tích lũy 24 mơ hình IFS, WRF3kmIFS WRF3kmIFS–DA cho khu vực Bắc Bộ giai đoạn tháng đến tháng 12 năm 2020 Tạp chí Khí tượng Thủy văn 2021, 730, 79-92; doi:10.36335/VNJHM.2021(730).79-92 84 2.4.1 Phương pháp tính số kĩ dự báo mưa trạm quan trắc Việc áp dụng số đánh giá cho biến dự báo liên tục dựa số sai số trung bình tuyệt đối hay sai số trung bình quân phương để đánh giá kỹ dự báo mưa không phản ánh hết khả mơ hình Bởi chất dự báo mưa bao gồm dự báo pha, tức xảy hay khơng xảy ra, số liệu mưa dự báo quan trắc tuân theo quy luật phân bố nhị phân thay phân bố chuẩn cho biến liên tục, chi tiết phân loại Bảng (đại lượng A tổng số lần dự báo thành cơng (dự báo tượng có xảy ra), B tổng số lần dự báo sót (dự báo khơng xảy tượng có xảy ra), C tổng số lần dự báo khống (dự báo xảy tượng không xảy ra) D tổng số lần dự báo tượng không xảy ra).Các số kĩ bao gồm BIAS, POD, FAR, TS (tên gọi khác CSI), ETS sử dụng nghiên cứu ứng với khoảng phân cấp ngưỡng mưa cụ thể [13], minh hoạ Hình (trái) Khi cơng thức cho số TS cho phân cấp mưa thứ i có dạng: n(Fi , Oi ) (1) TSi N(Fi ) N(Oi ) n(Fi , Oi ) Trong n(Fi,Oi) số lượng dự báo thuộc phân cấp thứ i có quan trắc phân cấp thứ i (hay số dự báo với quan trắc phân cấp thứ i); N(Oi) tổng số quan trắc phân cấp thứ i; N(Fi) tổng số dự báo phân cấp thứ i Bảng Bảng phân loại tần xuất cho biến dự báo dạng nhị phân Quan trắc Dự báo Có Khơng Có A B Khơng C D Hình Minh hoạ bảng đa cấp (a) biểu đồ đánh giá kĩ tổng hợp (b) Ngồi việc phân tích riêng lẻ số kĩ năng, biểu đồ đánh giá kĩ tổng hợp (performance diagram) thể mối tương quan hình học số POD, FAR, CSI/TS Bias [14], minh hoạ Hình phải Khoảng tin cậy (Confidence Interval) số kĩ xác định dựa phương pháp gieo nhiễu ngẫu nhiên (boottraps) thấy mức độ biến động, độ ổn định dự báo Từ vị trí mơ hình biểu đồ so với tham chiếu cho phép hình dung độ xác mơ hình Dự báo hồn hảo nằm phía bên phải biểu đồ Sự sai lệch theo hướng cụ thể biểu khác biệt xác suất phát hiện tượng (POD, trục thẳng đứng bên phải) tỉ lệ dự báo thành cơng Tạp chí Khí tượng Thủy văn 2021, 730, 79-92; doi:10.36335/VNJHM.2021(730).79-92 85 (Success Ratio, 1–FAR, trục ngang dưới), BIAS (đường gạch chéo ứng với giá trị trục ngang trục thẳng đứng bên phải) số CSI/TS (đường cong liền kèm giá trị đẳng mức) 2.4.2 Phương pháp đánh giá kĩ dự báo mưa theo không gian lưới Các phương pháp đánh giá truyền thống nhắm đến phù hợp xác dự báo quan trắc, bỏ qua thay đổi theo khơng gian sản phẩm dự báo Cách tiếp cận dựa phương pháp xác minh vùng lân cận đánh giá điểm kỹ dự báo cho ngưỡng cụ thể thực cửa sổ không gian khác cho phép xác định ngưỡng mà mô hình cho chất lượng dự báo cao Chỉ số kĩ phân số (Fractional Skill Score) dùng đánh giá xác suất dự báo mưa vượt ngưỡng ngưỡng định cửa sổ không gian định [15–18] FSS sử dụng rộng rãi việc đánh giá dự báo định lượng mưa [19–20] Chỉ số FSS phù hợp để đánh giá dự báo trường hợp độ phân giải cao (độ phân giải ngang 10 km) Giả sử trường quan trắc dự báo có kích thước NX x NY (với NX NY số điểm lưới theo phương bắc–nam, đông–tây) Giá trị quan trắc dự báo lưới kí hiệu tương ứng MOi,j MFi,j (với i=1,2, … ,NX; j=1,2,…,NY) Để thực tính tốn giá trị số FSS, chuyển đổi trường giá trị sang trường nhị phân, kí hiệu giá trị nhị phân ô lưới quan trắc dự báo POi,j, PFi,j (với i=1,2, … ,NX; j=1,2,…,NY) xác định điều kiện sau: PFi,j = 1: Nếu MFi,j ≥ ngưỡng PFi,j = 0: Nếu MFi,j < ngưỡng POi,j = 1: Nếu MOi,j ≥ ngưỡng POi,j = 0: Nếu MOi,j < ngưỡng Tính tốn giá trị phân số quan trắc, phân số dự báo cho ô lưới theo phạm vi không gian (vùng lân cận) kích thước K x K điểm lưới, bán kính vùng lân cận k với k = (K– 1)/2 Kí hiệu Oi,j Fi,j (với i=1,2, … ,NX; j=1,2,…,NY) tương ứng giá trị phân số thực tế dự báo lưới sau tính tốn với phạm vi khơng gian cho trước Giá trị Oi,j Fi,j (vị trí lưới thuộc hàng thứ i, cột thứ j) tính cơng thức: j k ik POm,n K K m (i k ) n ( j k ) j k ik PFm,n K K m (i k ) n ( j k ) O(K)i, j (2) F(K)i, j (3) Với ô lưới trung tâm phạm vi không gian nào, Oi,j Fi,j nhận giá trị Khi đó, số FSS phạm vi khơng gian K x K tính theo công thức: NX NY O 2 F (K )i, j (K )i, j N X N Y i 1 j1 FSS(K ) (4) NX NY NX NY O F (K )i, j (K )i, j N X N Y i 1 j1 i 1 j1 Hình minh hoạ việc chuyển đổi giá trị mưa dự báo theo ngưỡng dạng nhị phân để tính tốn số FSS (ví dụ với quy mô không gian ô lưới , ô lưới vàng thực rà tồn miền tính để tính tốn giá trị phân số cho ô lưới giá trị trung bình ô lưới phạm vi lưới vuông 3x3, điểm tồn lưới vàng có giá trị phân số 0) Hình 4c minh hoạ thay đổi số FSS theo mức độ chi tiết mặt không gian đánh giá Giá trị FSS cao (tối ưu 1) ứng với việc liệu lưới mơ hình dự báo phù hợp hoàn toàn với liệu lưới quan trắc ngưỡng đánh giá cụ thể Việc đánh giá số FSS cho phép xác định mức độ tin cậy theo khơng gian mơ hình qua đưa dự báo theo cấp tỉnh, vùng phù hợp Ở qui mô không gian cụ thể, FSS có giá trị 0,55 xem mơ hình có kĩ theo khơng gian (mức độ phù hợp hiệu dụng) Tạp chí Khí tượng Thủy văn 2021, 730, 79-92; doi:10.36335/VNJHM.2021(730).79-92 86 Hình Minh hoạ trường dự báo mưa từ IFS (a) chuyển đổi sang trường nhị phân ngưỡng 10mm/6h (b) để xác định số FSS minh họa biến đổi số kĩ FSS theo mức độ không gian (c) Kết thảo luận 3.1 Đánh giá kết dự báo trạm Hình minh họa biểu đồ đánh giá kĩ tổng hợp cho dự báo lượng mưa tích lũy 24 ngưỡng mm, mm, 10 mm, 20 mm, 50 mm 100 mm với hạn dự báo 24h, 48h 72h cho khu vực Bắc Bộ Nhìn chung, tỉ lệ dự báo thành cơng, tỉ lệ phát hiện tượng, số kĩ TS độ tin cậy mơ hình giảm ngưỡng lượng mưa tăng (mức tin cậy kết dự báo từ mơ hình IFS nhỏ mơ hình) Ở ngưỡng mm, mm 10 mm, mơ hình IFS có số phát POD cao hạn dự báo (đặc biệt hạn 72h) nhiên số BIAS lại dao động từ đến 3.5 (cao mô hình), mơ hình độ phân giải cao có đồng hóa số liệu WRF3kmIFS–DA xác suất phát hiện tượng nhỉnh so với mơ hình khơng có đồng hóa WRF3kmIFS Tại ngưỡng mưa lớn hơn, tỉ lệ dự báo thành công IFS lớn giá trị POD lại nhỏ nhất, số BIAS giảm ngưỡng mưa tăng Giá trị số POD mơ hình WRF3kmIFS–DA lớn so với WRF3kmIFS (dự báo mô hình tốt hạn 24h) lớn ngưỡng mưa 20 mm/24h Tại tất ngưỡng mưa, giá trị BIAS mô hình khu vực độ phân giải cao nằm khoảng từ đến 1.5 Chỉ số kĩ TS mơ hình lớn hạn dự báo 24h tất ngưỡng mưa Đối với lượng mưa tích lũy 24 50 mm, mơ hình WRF3kmIFS WRF3kmIFS–DA ln có số kĩ TS lớn so với mơ hình IFS hạn dự báo Tạp chí Khí tượng Thủy văn 2021, 730, 79-92; doi:10.36335/VNJHM.2021(730).79-92 87 Hình Biểu đồ đánh giá kĩ tổng hợp lượng mưa tích lũy 24 ngưỡng mưa khác Kí hiệu màu xanh da trời, đỏ, xanh ứng với mơ hình IFS, WRF3kmIFS WRF3kmIFS–DA hạn dự báo 24h, 48h 72h Phân tích mức độ xác việc dự báo lượng mưa quan trắc rơi vào phân cấp mưa cụ thể, qua phản ảnh tỉ lệ dự báo so với tổng mẫu dự báo đánh giá, Hình đưa kết đánh giá dựa số kĩ TS (giá trị tối ưu ứng dự báo từ mơ hình hồn tồn so với quan trắc) Bảng trình bày giá trị chi tiết số kĩ (BIAS, POD, ETS, TS), kết cho thấy: - Ở hạn dự báo 24h: ngồi phân cấp mưa 1mm/24h (các mơ hình dự báo xác suất xuất hiện tượng phổ biến khoảng 80 đến 90%), ngưỡng 10–25 mm/24h mơ hình cho khả dự báo cao với tỉ lệ khoảng 38% ngưỡng 25 mm/24h đạt khoảng 8–25% Tại hạn dự báo này, số BIAS mơ hình IFS dao động từ đến 2,5 với lượng mưa 50 mm/24h khoảng 0,5 với ngưỡng lại, mơ hình khu vực độ phân giải cao WRF3kmIFS WRF3kmIFS–DA dao động từ đến 1,5 Mơ hình IFS có số kĩ TS cao ngưỡng 10–25 mm/24h với ngưỡng mưa lớn 100 mm/24h, mơ hình WRF3kmIFS cho kết tốt nhất, số phát tăng lên 20% so với mơ hình tồn cầu (chỉ số phát POD khoảng 7%) - Ở hạn dự báo 48h 72h, xu sai số tương đồng với số TS lớn phân cấp mưa 10–25 mm/24h, ngưỡng mưa 1mm/24h, xác suất dự báo xuất hiện tượng ngưỡng mưa cao khoảng 30–35% Đặc biệt, với ngưỡng phân cấp mưa lớn (trên 100 mm/24 với hạn dự báo 48h; 24 mm/24h với hạn dự báo 72h) mơ hình độ phân giải cao có đồng hóa số liệu cho kết dự báo tốt hơn, số kĩ TS cao hẳn so với mơ hình IFS WRF3kmIFS Tạp chí Khí tượng Thủy văn 2021, 730, 79-92; doi:10.36335/VNJHM.2021(730).79-92 88 Hình Chỉ số kĩ TS đánh giá mức độ dự báo mô hình (IFS, WRF3kmIFS, WRF3kmIFS–DA) khoảng ngưỡng phân cấp mưa Mẫu đánh giá năm 2020, tính trung bình khu vực Bắc Bộ, hạn dự báo 24, 48 72 Bảng Chi tiết số kĩ (BIAS, POD, ETS, TS) mơ hình mơ hình khoảng ngưỡng phân cấp mưa Mẫu đánh giá năm 2020 cho khu vực Bắc Bộ, hạn dự báo 24, 48 72 WRF3kmIFS, Hạn dự báo: 24h IFS, Hạn dự báo: 24h Khoảng phân cấp (mm/24h) 0-1 1-2 2-5 5-10 10-25 25-50 50-100 >=100 Bias POD(%) 0.850 2.403 1.906 2.314 1.893 1.169 0.601 0.439 83.771 8.933 19.439 23.508 37.726 24.067 15.175 7.895 ETS 0.409 0.015 0.049 0.056 0.123 0.113 0.101 0.057 TS 0.828 0.027 0.072 0.076 0.150 0.125 0.105 0.058 Khoảng phân cấp (mm/24h) 0-1 1-2 2-5 5-10 10-25 25-50 50-100 >=100 IFS, Hạn dự báo: 48h Khoảng phân cấp (mm/24h) 0-1 1-2 2-5 5-10 10-25 25-50 50-100 >=100 Bias POD(%) 0.863 2.480 1.938 2.228 1.801 0.952 0.389 0.211 84.474 8.313 21.268 24.171 36.744 19.310 11.673 4.386 Bias 0.851 2.392 1.887 2.308 1.892 1.169 0.601 0.439 POD(%) 80.97 7.82 13.77 17.91 27.08 10.26 2.33 0.00 POD(%) 0.932 1.928 1.440 1.380 1.246 1.204 1.129 1.257 ETS 89.503 9.987 17.996 14.826 26.110 19.135 18.814 22.857 0.429 0.024 0.059 0.050 0.109 0.083 0.091 0.111 TS 0.863 0.035 0.080 0.066 0.132 0.095 0.097 0.113 WRF3kmIFS, Hạn dự báo: 48h ETS 0.400 0.012 0.055 0.061 0.125 0.099 0.089 0.037 TS 0.829 0.024 0.078 0.081 0.151 0.110 0.092 0.038 IFS, Hạn dự báo: 72h Khoảng phân cấp (mm/24h) 0-1 1-2 2-5 5-10 10-25 25-50 50-100 >=100 Bias WRF3kmIFS-DA, Hạn dự báo: 24h Khoảng phân cấp (mm/24h) 0-1 1-2 2-5 5-10 10-25 25-50 50-100 >=100 Bias POD(%) 0.956 1.784 1.245 1.196 1.047 1.158 1.415 1.410 90.426 9.229 13.976 12.632 19.027 16.827 15.746 17.143 ETS TS 0.283 0.012 0.027 0.037 0.076 0.037 0.011 -0.001 0.777 0.024 0.050 0.057 0.103 0.050 0.015 0.000 Bias POD(%) 0.931 1.894 1.431 1.381 1.263 1.227 1.186 1.295 86.22 7.46 11.01 11.88 17.65 11.06 4.50 1.90 Bias POD(%) 0.901 1.690 1.292 1.314 1.321 1.442 1.507 1.752 88.651 10.881 14.561 14.396 26.450 23.689 21.774 21.622 ETS 0.413 0.031 0.047 0.049 0.103 0.093 0.090 0.087 TS 0.855 0.041 0.066 0.065 0.127 0.107 0.096 0.089 WRF3kmIFS-DA, Hạn dự báo: 48h ETS 0.395 0.023 0.047 0.046 0.082 0.073 0.064 0.075 TS 0.860 0.034 0.066 0.061 0.103 0.085 0.070 0.077 ETS 0.267 0.015 0.027 0.036 0.062 0.040 0.015 0.007 Khoảng phân cấp (mm/24h) 0-1 1-2 2-5 5-10 10-25 25-50 50-100 >=100 Bias POD(%) 0.917 1.688 1.269 1.272 1.178 1.249 1.372 1.838 89.592 9.067 15.972 12.848 24.119 18.835 17.742 23.423 ETS 0.408 0.024 0.055 0.043 0.101 0.078 0.075 0.092 TS 0.859 0.034 0.074 0.059 0.123 0.091 0.082 0.094 WRF3kmIFS-DA, Hạn dự báo: 72h WRF3kmIFS, Hạn dự báo: 72h Khoảng phân cấp (mm/24h) 0-1 1-2 2-5 5-10 10-25 25-50 50-100 >=100 Khoảng phân cấp (mm/24h) 0-1 1-2 2-5 5-10 10-25 25-50 50-100 >=100 TS 0.807 0.026 0.047 0.052 0.085 0.052 0.021 0.008 Khoảng phân cấp (mm/24h) 0-1 1-2 2-5 5-10 10-25 25-50 50-100 >=100 Bias 0.901 1.693 1.301 1.318 1.311 1.429 1.513 1.781 POD(%) 85.83 7.38 10.97 10.53 17.89 13.20 7.26 2.70 ETS 0.272 0.017 0.029 0.031 0.059 0.044 0.024 0.009 TS 0.806 0.028 0.049 0.047 0.083 0.057 0.030 0.010 3.2 Đánh giá kĩ dự báo theo không gian Trong nghiên cứu thực đánh giá theo mức độ chi tiết mô hình, số liệu lưới quan trắc đưa lưới mơ hình Việc so sánh song song với số liệu mưa lưới từ vệ tinh mưa lưới từ quan trắc radar–mưa tự động cho phép xem xét tính khách quan kết đánh giá so sánh với số liệu độc lập Đối với số liệu mưa vệ tinh, đánh giá thường thiên cao so với thực tế giá trị lượng mưa cực trị xác định từ số liệu vệ tinh thường thiên thấp Hình thể chi tiết giá trị số kĩ FSS lượng mưa tích lũy 24 tính từ liệu GSMaP mơ hình dự báo Nhìn chung, giá trị FSS giảm ngưỡng mưa tăng tăng vùng lân cận tăng Tại ngưỡng mưa 10 mm/24h, độ phù hợp dự báo quan trắc lên đến 50–60% Tại hạn 24h 72h, giá trị FSS từ mơ hình WRF3kmIFS nhỉnh mơ hình cịn lại, thấp IFS Hạn 48h, mơ hình độ phân giải cao có đồng hóa số liệu WRF3kmIFS–DA có số kĩ FSS lớn Đối với ngưỡng mưa 100 Tạp chí Khí tượng Thủy văn 2021, 730, 79-92; doi:10.36335/VNJHM.2021(730).79-92 89 mm/24h, kết dự báo WRF3kmIFS–DA xác hạn 24h, hạn 48h 72h, mơ hình WRF3kmIFS cho kết tốt Mức độ phù hợp hiệu dụng đạt ngưỡng mưa mm/24h quy mô hiệu dụng tăng theo hạn dự báo nhỏ mơ hình khu vực độ phân giải cao (WRF3kmIFS WRF3kmIFS–DA) với quy mơ vùng lân cận 9x9 lưới (bán kính khoảng 12 km) Giá trị số kĩ FSS từ liệu AWS mơ hình trình bày cụ thể hình Với ngưỡng lượng mưa 20 mm/24h, giá trị số kĩ FSS hạn dự báo lớn với mơ hình IFS, mức độ phù hợp dự báo số liệu quan trắc có bổ sung radar mưa tự động (AWS) đạt khoảng 50–65% Trong đó, ngưỡng mưa 20 mm/24h, FSS từ số liệu dự báo mơ hình WRF3kmIFS–DA tốt hẳn so với mơ hình cịn lại Đặc biệt với lượng mưa 100 mm/24h, mơ hình có đồng hóa cho thấy mức độ phù hợp cao lên đến 20%, tăng khoảng 2% so với mơ hình WRF3kmIFS mơ hình tồn cầu IFS mức độ phù hợp khoảng 5% Hình Giá trị số kĩ FSS so với liệu mưa lưới từ vệ tinh (GSMaP) mơ hình cho khu vực Bắc Bộ cho dự báo lượng mưa tích lũy 24 ngưỡng mưa khác Tạp chí Khí tượng Thủy văn 2021, 730, 79-92; doi:10.36335/VNJHM.2021(730).79-92 90 Hình Giá trị số kĩ FSS so vơí liệu mưa lưới từ quan trắc radar–tự động (AWS) mơ hình cho khu vực Bắc Bộ cho dự báo lượng mưa tích lũy 24 ngưỡng mưa khác Kết luận Nghiên cứu trình bày kết đánh giá kết dự báo mưa mơ hình IFS, WRF3kmIFS WRF3kmIFS–DA năm 2020 cho khu vực Bắc Bộ Phương pháp đánh giá theo không gian dựa số kĩ FSS thực với liệu mưa quan trắc lưới từ vệ tinh Nhật Bản (GSMaP) liệu mưa lưới thiết lập từ liệu quan trắc ước lượng mưa radar–vệ tinh–quan trắc mưa tự động Các số đánh giá kĩ (POD, BIAS, TS) theo phương pháp truyền thống mở rộng theo phân cấp mưa chi tiết kết hợp biểu đồ đánh giá kĩ tổng hợp thực song song vị trị trạm khu vực Bắc Bộ Mơ hình IFS có số phát POD cao ngưỡng mưa nhỏ (dưới 20 mm/24h) Trong đó, ngưỡng mưa lớn mơ hình độ phân giải cao WRF3kmIFS cho kĩ dự báo tốt rõ rệt xét theo trạm khơng gian Đặc biệt với ngưỡng lượng mưa tích lũy 24 50 mm, mơ hình có ĐHSL WRF3kmIFS–DA kĩ dự báo tốt đáng kể Các kết đánh giá chi tiết mặt không gian cho thấy độ phân giải hiệu dụng của mơ hình thấp cho ngưỡng mưa lớn 20 mm/24h (không đạt FSS > 0,55), kĩ dự báo theo khơng gian có tăng WRF3kmIFS WRF3kmIFS–DA thấy rõ việc hạn chế khả cung cấp dự báo định lượng quy mô chi tiết cho khu vực Bắc Bộ Tạp chí Khí tượng Thủy văn 2021, 730, 79-92; doi:10.36335/VNJHM.2021(730).79-92 91 Các kết đánh giá cho thấy kĩ dự báo định lượng cho khu vực Bắc Bộ thấp Mặc dù vậy, mơ hình phân giải cao kết hợp đồng hóa số liệu phương pháp biến phân chiều (3DVAR) tăng kĩ dự báo ngưỡng mưa lớn (> 50 mm/24h) hạn 1–3 ngày qua cho phép bổ sung thơng tin mang tính chất định lượng–cực trị bên cạnh sản phẩm dự báo mơ hình IFS Đóng góp tác giả: Xây dựng ý tưởng nghiên cứu: C.T., D.D.T.; Lựa chọn phương pháp nghiên cứu: D.D.T., N.T.N.; Xử lý số liệu: N.T.N., M.K.H.; Phân tích mẫu: N.T.N., M.K.H.; Lấy mẫu: N.T.N., M.K.H.; Viết thảo báo: D.D.T., N.T.N., M.K.H.; Chỉnh sửa báo: C.T., D.D.T Lời cam đoan: Tập thể tác giả cam đoan báo cơng trình nghiên cứu tập thể tác giả, chưa công bố đâu, không chép từ nghiên cứu trước đây; khơng có tranh chấp lợi ích nhóm tác giả Tài liệu tham khảo Watson, P.A.G.; Christensen, H.M.; Palmer, T.N Does the ECMWF IFS Convection Parameterization with Stochastic Physics Correctly Reproduce Relationships between Convection and the Large–Scale State? J Atmos Sci 2015, 72(1), 236–242 Kalnay, E Atmospheric modeling, data assimilation and predictability Cambridge University Press, Cambridge, 2003 Bá, T.Đ.; Hòa, V.V.; Trí, Đ.Q Đánh giá chất lượng dự báo mưa hạn ngắn mơ hình IFS khu vực Bắc Trung Bộ Tạp chí Khí tượng Thủy văn 2019, 697, 33–43 Hòa, V.V Nghiên cứu so sánh kỹ dự báo mưa lớn khu vực miền Trung Tây Ngun số mơ hình tồn cầu Tạp chí Khí tượng Thủy văn 2016, 667, 1–8 Thủy, N.T.; Hòa, V.V.; Tiến, T.T.; Hưng, M.K Đánh giá chất lượng dụ báo mưa lớn hệ thống dự báo tổ hợp hạn ngắn khu vực đồng Bắc Bộ Tạp chí Khí tượng thủy văn 2018, 696, 42–53 Ngọc, L.A.; Tín, N.V.; Phát, T.N.; Hồng, N.V Đánh giá khẳ dự báo thời tiết mơ hình WRF (Weather, Research and Forecasting) cho khu vực Nam Bộ Tạp chí Khí tượng Thủy văn 2019, 708, 55–63 Thức, T.D.; Thanh, C Thử nghiệm đồng hóa liệu radar mơ hình WRF để dự báo mưa lớn cho khu vực Thành phố Hồ Chí Minh Tạp chí Khoa học ĐHQGHN: Các Khoa học Trái Đất Môi trường 2018, 34(1S), 59–70 Tiến, D.Đ.; Tăng, B.M.; Hòa, V.V.; Vui, P.T.; Đức, T.A.; Hưng, M.K.; Linh, N.M Đánh giá tác động đồng hóa số liệu điều kiện biên đến kết dự báo mưa lớn từ mô hình WRF cho khu vực miển Trung Tây Nguyên Tạp chí Khí tượng thủy văn 2014, 647, 25–30 Khiêm, M.V.; Woo, W.C.; Wong, W.K.; Yeung S.L.; Tiến, D.Đ.; Hưng, M.K.; Quân, Đ.Đ.; Dung, P.T.P.; Nga, N.T.; Trang C.T.H Case Study of using The Blending Radar–Numerical Weather Prediction Product in Nowcasting VNU Journal of Science: Earth and Environmental Sciences 2021, 37(3), 1–8 10 Saito, K.; Hung, M.K.; Hung, N.V.; Vinh, N.Q.; Tien, D.D Heavy rainfall in central Viet Nam in December 2018 and modification of precipitation nowcasting at VNMHA VN J Hydrometeorol 2020, 5, 65–79 11 Hung, M.K.; Saito, K.; Khiem, M.V.; Tien, D.D.; Hung, N.V Application of GSMaP Satellite data in precipitation estimation and nowcasting: evaluations for October 2019 to January 2020 period for Vietnam VN J Hydrometeorol 2020, 5, 80–94 12 Tiến, D.Đ.; Cường, H.Đ.; Hưng, M.K.; Lâm, H.P Vai trị sai số mơ hình tốn đồng hóa số liệu dựa phương pháp biến phân: thử nghiệm với mơ hình Tạp chí Khí tượng Thủy văn 2021, 730, 79-92; doi:10.36335/VNJHM.2021(730).79-92 13 14 15 16 17 18 19 20 92 phân giải cao WRF–ARW dự báo mưa lớn khu vực Bắc Bộ Tạp chí Khí tượng Thủy văn 2019, 699, 42–49 Wilks, D.S Statistical Methods in the Atmospheric Sciences 2nd ed Academic Press 2006, pp 627 Roebber, P.J Visualizing Multiple Measures of Forecast Quality Weather Forecasting 2009, 24(2), 601–608 Zhao, B.; Zhang, B Assessing Hourly Precipitation Forecast Skill with the Fractions Skill Score J Meteorol Res 2018, 32, 135–145 Roberts, N.M.; Lean, H.W Scale–Selective Verification of Rainfall Accumulations from High–Resolution Forecasts of Convective Events Monthly Weather Review 2008, 136(1), 78–97 Mittermaier, M.; Roberts, N.; Thompson, S.A A long–term assessment of precipitation forecast skill using the Fractions Skill Score Meteor Appl 2013, 20, 176–186 Skok, G.; Roberts, N Analysis of Fractions Skill Score properties for random precipitation fields and ECMWF forecasts Quart J Roy Meteor Soc 2016, 142, 2599–2610 Baldauf, M.; Seifert, A.; Förstner, J.; Majewski, D.; Raschendorfer, M.; Reinhardt, T Operational convective–scale numerical weather prediction with the COSMO model: Description and sensitivities Mon Wea Rev 2011, 139, 3887–3905 Herman, G.R.; Schumacher, S Extreme precipitation in models: An evaluation Wea Forecasting 2016, 31, 1853–1879 Verification of quantitative rainfall forecast from IFS and WRF model for the northern region of Viet Nam Nguyen Thi Nga1, Cong Thanh2, Mai Khanh Hung1, Du Duc Tien1* National Center for Hydrometeorological Forecasting; duductien@gmail.com; maikhanhhung18988@gmail.com; hongnga12897@gmail.com Faculty of Meteorology, Hydrology, and Oceanography, VNU University of Science, Vietnam National University, Hanoi; congthanh1477@gmail.com Abstract: This research aims to validate heavy rainfall forecasting over northern Vietnam of IFS (ECMWF) and the Weather Research and Forecasting with the Advanced Research dynamical solver (WRF-ARW) models from 4–12/2020 Typical skill scores are calculated based on the surface observation data (POD, FAR, BIAS, CSI/TS) and the performance diagram is used for combination exploitation based on those skill scores The spatial verifications are carried out using the fraction skill score (FSS) and grid rainfall observations (both from the satellite-based GSMaP product and aws-radar-based) Both skill validations of station-based and spatial–based show low skills of models for high thresholds of 24h accumulated rainfall forecast But in general, the advanced skill forecast for high thresholds (> 50 mm/24h) from high-resolution regional models WRF3kmIFS (WRF-ARW using IFS as boundary conditions) and WRF3kmIFS–DA (WRF3kmIFS with data assimilation) Keywords: Spatial verification; Fraction skill score; Multi–category Contingency Table ... định lượng quy mô chi tiết cho khu vực Bắc Bộ Tạp chí Khí tượng Thủy văn 2021, 730, 79-92; doi:10.36335/VNJHM.2021(730).79-92 91 Các kết đánh giá cho thấy kĩ dự báo định lượng cho khu vực Bắc Bộ. .. lượng mưa quan trắc rơi vào phân cấp mưa cụ thể, qua phản ảnh tỉ lệ dự báo so với tổng mẫu dự báo đánh giá, Hình đưa kết đánh giá dựa số kĩ TS (giá trị tối ưu ứng dự báo từ mơ hình hồn tồn so với... số kĩ (BIAS, POD, ETS, TS) mơ hình mơ hình khoảng ngưỡng phân cấp mưa Mẫu đánh giá năm 2020 cho khu vực Bắc Bộ, hạn dự báo 24, 48 72 WRF3kmIFS, Hạn dự báo: 24h IFS, Hạn dự báo: 24h Khoảng phân