ng phỏt triển nhanh trờn toàn bộ tập mẫu.
Dựa trờn bộ tập mẫu của cỏc cơn bóo nghiờn cứu, tỏc giả đưa ra dự bỏo quỹ đạo bóo bằng mụ hỡnh RAMS của 7 cơn bóo nghiờn
a: Dự bỏo tổ hợp 72 giờ quỹđạo bóo Durian 7 giờ ngày 01/12/2006
b: Dự bỏo tổ hợp 72 giờ quỹđạo bóo Prapiroon 7h ngày 31/07/2006
c: Dự bỏo tổ hợp 72 giờ quỹđạo bóo Utor 7h ngày 11/12/2006
d: Dự bỏo tổ hợp 72 giờ quỹđạo bóo Chan chu 7h ngày 13/05/2006
e: Dự bỏo tổ hợp 72 giờ quỹđạo bóo Xangsane 7h ngày 27/09/2006
f: Dự bỏo tổ hợp 72 giờ quỹđạo bóo Cimaron 7h ngày 28/10/2006
g: Dự bỏo tổ hợp 72 giờ quỹđạo bóo Chebi 7h ngày 11/11/2006
Hỡnh 3.25. Dự bỏo 72 giờ quỹ đạo bóo bằng mụ hỡnh RAMS của 7 cơn bóo nghiờn cứu
Quỹđạo dự bỏo kiểm tra: đường nột đứt cú chấm trũn; Quỹđạo dự bỏo nuụi những dao động phỏt triển nhanh: đường nột liền mỏng (12 đường); Quỹđạo dự bỏo tổ hợp: đường nột liền cú chấm trũn; Quỹđạo thực ( Nhật bản): đường nột liền cú hỡnh tam giỏc
Nhận xột: Từ hỡnh 3.26 cho thấy kết quả dự bỏo bóo bằng phương phỏp tổ hợp được cho là tốt với những cơn bóo Durian (hỡnh 3.25a), Prapiroon (hỡnh 3.25b), Utor (hỡnh 3.25c), Chan chu (hỡnh 3.25d), Cimaron (hỡnh 3.25f) và Chebi (hỡnh 3.25g). Trong khi đú kết quả dự bỏo thành phần của cơn Xangsane (hỡnh 3.25e) chưa bao được quỹ đạo thực của cơn bóo, nguyờn nhõn cú thể là do số thành phần tham gia tổ hợp chưa đủ lớn (cỏc trung tõm lớn thường sử dụng 50 thành phần).
Bảng 3.4 trình bày kết quả sai số khoảng cách trung bình toàn bộ dung l−ợng mẫu đối với 7 cơn bóo năm 2006. Hình 3.25 là đồ thị biểu diễn giá trị sai số t−ơng ứng của bảng 3.4
Bảng 3.4.Sai số khoảng cách trung bình (MPE) của toàn bộ tập mẫu ứng với
từng ph−ơng án thử nghiệm.
MPE Hạn
Dự bỏo bằng
phương phỏp BGM Dự bỏo kiểm tra
6 72 70 12 5 7 75 18 3 10 105 24 1 10 134 30 0 12 164 36 9 13 165 42 1 15 178 48 7 13 203 54 8 14 233 60 5 14 266 66 4 17 302 72 3 15 324 0 50 100 150 200 250 300 350 0 6 12 18 24 30 36 42 48 54 60 66 72
Sử dụng phương phỏp BGM Dự bỏo kiểm tra
Hình 3.26. Sai số khoảng cách trung bình (MPE) của dự bỏo bằng phương phỏp BGM và dự bỏo kiểm tra .
Từ kết quả ở bảng 3.4 và hỡnh 3.26 về sai số khoảng cỏch trung bỡnh của toàn bộ tập mẫu ứng với cỏc phương ỏn thử nghiệm cho thấy:
Ở những thời điểm ban đầu của dự bỏo, vị trớ tõm bóo trong cỏc phương ỏn gần như nhau và tương đối sỏt với vị trớ của vị trớ tõm bóo quan trắc. Sai số khoảng cỏch trung bỡnh tại từng thời điểm dự bỏo 12, 24 và 36 giờ của phương ỏn tổ hợp lần lượt là 75, 101 và 139 km. Trong khi đú ở cỏc phương ỏn dự bỏo kiểm tra cú giỏ trị sai số là 75, 134 và 165 km, sai số lệch nhau khụng đỏng kể.
Hạn dự bỏo tăng, sai số vị trớ của cỏc phương ỏn dự bỏo kiểm tra tăng nhanh hơn nhiều so với cỏc phương ỏn dự bỏo sử dụng phương phỏp BGM. Cụ thể ở cỏc hạn dự bỏo 48, 60 và 72h phương ỏn dự bỏo sử dụng phương phỏp BGM cú sai số 137, 145 và 153 km trong khi đú sai số đối với phương ỏn dự bỏo kiểm tra là 203, 266 và 324 km. Như vậy ta thấy trong cỏc trường hợp đó xột phương ỏn dự bỏo sử dụng phương phỏp BGM cho sai số vị trớ tõm bóo giảm gần 100 km trong cỏc thời hạn dự bỏo 48, 60 và 72 giờ. Như vậy phương phỏp BGM làm tăng độ chớnh xỏc dự bỏo với cỏc hạn dự bỏo từ 2 đến 3 ngày.
Bảng 3.5.Sai số dọc trung bình (MATE) của toàn bộ tập mẫu ứng với từng
ph−ơng án thử nghiệm.
MATE Hạn
Dự bỏo bằng
phương phỏp BGM Dự bỏo kiểm tra
6 -43 -3 12 7 -2 -22 18 7 -2 4 24 0 -2 6 30 1 -1 8 36 9 -1 13 42 0 -3 5
48 2 5 87 54 9 2 53 60 2 4 65 66 5 2 -4 72 1 -1 -6 -60 -40 -20 0 20 40 60 80 100 0 6 12 18 24 30 36 42 48 54 60 66 72
Sử dụng phương phỏp BGM Dự bỏo kiểm tra
Hình 3.27.Sai số dọc trung bình (MATE) của dự bỏo bằng phương phỏp BGM và dự bỏo kiểm tra .
Xột sai số dọc trung bỡnh của 7 cơn bóo, dự bỏo kiểm tra cho sai số dọc thấp hơn so với phương ỏn tổ hợp trong 42 giờ đầu, trong 24 giờ tiếp theo dự bỏo kiểm tra lại cho kết quả sai số dọc lớn hơn so với dự bỏo tổ hợp thể hiện ở bảng 5 và hỡnh 27. Với sai số ngang trung bỡnh, dự bỏo bằng phương phỏp BGM cho kết quả lệch về phớa phải của cơn bóo, trong khi dự bỏo kiểm tra cho kết quả lệch phải trong 42 giờ đầu và lệch về phớa trỏi của cơn bóo trong cỏc giờ tiếp theo (bảng 3.6) và hỡnh (3.28).
Bảng 3.6.Sai số ngang trung bình (MCTE) của toàn bộ tập mẫu ứng với từng
ph−ơng án thử nghiệm.
MCTE Hạn
Dự bỏo bằng
phương phỏp BGM Dự bỏo kiểm tra
6 -18 -17 12 5 7 18 7 3 49 24 1 6 76 30 9 6 74 36 6 4 16 42 7 7 34 48 4 3 -30 54 3 -1 -75 60 4 -62 66 3 2 -47 72 2 2 -67 -100 -80 -60 -40 -20 0 20 40 60 80 100 0 6 12 18 24 30 36 42 48 54 60 66 72
Sử dụng phương phỏp BGM Dự bỏo kiểm tra
Hình 3.28.Sai số ngang trung bình (MCTE) của dự bỏo bằng phương phỏp BGM và dự bỏo kiểm tra .
KẾT LUẬN
Qua kết quả nghiờn cứu về phương phỏp nuụi những dao động phỏt triển nhanh của mụ hỡnh RAMS, luận văn đó thực hiện được một số kết quả:
(1). Đó đưa ra tổng quan về hệ thống dự bỏo tổ hợp trờn thế giới.
(2). Xõy dựng được chương trỡnh tạo ra nhõn nhiễu động ban đầu bằng phương phỏp dự bỏo trễ và chương trỡnh nuụi những dao động phỏt triển nhanh của mụ hỡnh RAMS. Sử dụng cỏc chương trỡnh này để dự bỏo quỹ đạo cho 7 cơn bóo bằng phương phỏp nuụi những dao động phỏt triển nhanh.
(3). Áp dụng thành cụng phương phỏp BGM vào dự bỏo quỹ đạo bóo vỡ cỏc dự bỏo thành phần của tổ hợp cú độ tỏn rộng, tỏn về 2 phớa của đường quỹ đạo thực (best track) và đường dự bỏo kiểm tra (control forecast), nú hoàn toàn phự hợp với lý thuyết tổ hợp của Kalnay. Phương phỏp BGM cho dự bỏo hạn 2,3 ngày tốt hơn hẳn so với dự bỏo kiểm tra (cả về hướng di chuyển và sai số khoảng cỏch tõm bóo).
4) Kết quảđỏnh giỏ sai số khoảng cỏch cho 7 cơn bóo cho thấy: Dự bỏo quỹđạo bóo trong 42 giờđầu:
Sai số khoảng cỏch giữa quỹ đạo dự bỏo bằng phương phỏp BGM với quỹđạo thực trong khoảng từ 72 đến 151 km. Sai số khoảng cỏch giữa dự bỏo quỹ đạo bằng phương phỏp BGM với quỹ đạo dự bỏo kiểm tra là gần như nhau, tốc độ di chuyển của quỹ đạo bóo bằng phương phỏp BGM chậm hơn so với quỹ đạo thực, trong khi đú quỹ đạo dự bỏo kiểm tra nhanh hơn so với quỹ đạo thực. Hướng di chuyển của cả 2 dự bỏo đều lệch phải so với quỹ đạo thực.
Dự bỏo quỹđạo hạn 48 giờ:
Sai số khoảng cỏch của quỹ đạo dự bỏo bằng phương phỏp BGM là 137 km so với quỹ đạo bóo thực.
Sử dụng phương phỏp BGM để dự bỏo quỹ đạo bóo cho sai số khoảng cỏch giảm 66 km so với dự bỏo kiểm tra. Hướng di chuyển của dự bỏo bóo quỹ đạo bằng phương phỏp BGM lệch phải so với quỹ đạo thực trong khi đú quỹ đạo của dự bỏo kiểm tra lại lệch trỏi so với quỹ đạo thực. Tốc độ di chuyển của quỹ đạo bóo bằng phương phỏp BGM giảm 35 km so với dự bỏo kiểm tra. Dự bỏo quỹđạo hạn 72 giờ:
Sai số khoảng cỏch tại thời điểm này so với dự bỏo kiểm tra giảm 172 km, hướng di chuyển của dự bỏo quỹ đạo bóo bằng phương phỏp BGM lệch phải, trong khi đú dự bỏo kiểm tra cho dự bỏo quỹ đạo bóo cú xu thế lệch trỏi so với quỹ đạo thực. Tốc độ di chuyển của cả 2 phương ỏn đều hơi chậm so với quỹđạo thực. 5) Kết quả nghiờn cứu cú thể sử dụng thử nghiệm trong nghiệp vụ.
Phương hướng nghiờn cứu tiếp: Dự bỏo cho nhiều trường hợp bóo và xõy dựng dự bỏo siờu tổ hợp.
TÀI LIỆU THAM KHẢO
Tiếng Việt
1 Hoàng Đức Cường “Ứng dụng phương phỏp dự bỏo tổ hợp cho mụ hỡnh MM5”.
Hội thảo khoa học lần thứ 9 – Viện Khớ tượng Thủy văn
2 Vừ Văn Hũa, 2006: Dự bỏo quỹ đạo xoỏy thuận nhiệt đới dựa trờn dự bỏo tổ hợp hàng nghỡn thành phần. Tạp chớ KTTV, 547, tr 7-18.
3 Vừ Văn Hũa, Đỗ Lệ Thủy, Nguyễn Chi Mai, 2006: “Cỏc phương phỏp tạo nhiễu động trong dự bỏo tổ hợp quỹ đạo xoỏy thuận nhiệt đới. Phần I: Giới thiệu phương phỏp và hướng ỏp dụng cho điều kiện ở Việt Nam”. Tạp chớ KTTV, 541, tr 23-32. 4 Vừ Văn Hũa, Đỗ Lệ Thủy, Nguyễn Chi Mai, 2006: Cỏc phương phỏp tạo nhiễu
động trong dự bỏo tổ hợp quỹ đạo xoỏy thuận nhiệt đới. Phần II: Một số kết quả nghiờn cứu. Tạp chớ KTTV, 543, tr 21-31.
5 Nguyễn Chi Mai, Nguyễn Thu Hằng, 2004: Phương phỏp dự bỏo tổ hợp và khả năng ứng dụng ở Việt Nam. Tạp chớ KTTV, 518, tr 30-37.
6 Nguyễn Chi Mai, Nguyễn Thu Hằng, Nguyễn Phương Liờn, 2004: Thử nghiệm dự bỏo tổ hợp quỹ đạo bóo bằng phương phỏp thống kờ từ dự bỏo của cỏc trung tõm quốc tế. Tạp chớ KTTV, 519, tr 23-28.
7 Nguyễn Chi Mai, Nguyễn Thu Hằng, Phạm Lệ Hằng, 2004: Dự bỏo đường đi của bóo sử dụng thống kờ tập hợp dự bỏo của cỏc mụ hỡnh số trị và cỏc trung tõm dự bỏo quốc tế. Bỏo cỏo tổng kết đề tài nghiờn cứu cơ bản, mó số 730902.
8 Đỗ Lệ Thuỷ, Vừ Văn Hoà, Nguyễn Chi Mai, 2005: Dự bỏo tổ hợp quỹ đạo xoỏy thuận nhiệt đới dựa trờn phương phỏp nhiễu động trờn mụ hỡnh chớnh ỏp. Bỏo cỏo tổng kết đề tài nghiờn cứu cơ bản, mó số 732904.
9 Trần Tõn Tiến, (2004), Dự bỏo trường khớ tượng, thuỷ văn biển Đụng, Bỏo cỏo tổng kết đề tài cấp nhà nước KC09-04.
Tiếng Anh
10 Anderson, J. L, 1996. A method for producing and evaluating probabilistic forecasts from ensemble model integrations. J. Climate, 9, 1518-1530.
11 Anderson, J. L., 2001. An ensemble adjustment Kalman filter for data assimilation. Mon. Wea. Rev., 129, 2884-2903.
12 ATMET (2000), RALPH dataset formats version 2: RAMS Standard Input Format for Pressure Coordinate and Observation Data.
13 Barkmeijer, J., 1996. Constructing fast-growing perturbations for the nonlinear regime. J. Atmos. Sci., 53, 2838-2851.
estimates of analysis-error covariance matrix. Quart. J. Roy. Meteor. Soc., 124, 1695-1713.
15 Brankovic, C., T. N. Palmer, F. Molteni, S. Tibaldi and U. Cubasch, 2006. Extended-range predictions with ECMWF models: Time-lagged ensemble forecasting. Quart. J. Roy. Meteor. Soc., 116, 867-912.
16 Buizza, R., 1994. Sensitivity of optimal unstable structures. Quart. J. Roy. Meteor. Soc., 120, 429-451.
17 Cai, M., E. Kalnay and Z. Toth, 2002. Bred vectors of the Zebiak-Cane model and their application to ENSO prediction. J. Climate, 16, 40-56.
18 Cao, H, 2002. Memorial dynamics of systems and its applications. Chinese Geology Press, Beijing, China, 192pp. (in Chinese)
19 Chen, J., J. Xue and H. Yang, 2003. Impact of physical parameterization schemes on mesoscale heavy rain simulations. Acta Meteorologica Sinica, 61, 203-218. 20 Cheung, K. W. C. and J. C. L. Chan, 1999a. Ensemble forecasting of tropical
cyclone motion using a barotropic model. Part I: perturbations of the environment. Mon. Wea. Rev., 127, 1229-1243.
21 Cheung, K. W. C. and J. C. L. Chan, 1999b. Ensemble forecasting of tropical cyclone motion using a barotropic model. Part II: perturbations of the vortex. Mon. Wea. Rev., 127, 2617-2640.
22 Clark, T.L., 1977: A small-scale dynamic model using a terrain-following coordinate transformation. J. Comput. Phys., 24, 186-215.
23 Davies, H.C., 1978: A lateral boundary formulation for multi-level prediction models. Quart. J. R. Met. Soc., 102, 405-418.
24 Du J. and M. S. Tracton, 2001. Implementation of a real-time short-range ensemble forecasting system at NCEP: an update. Preprints, 9th Conference on Mesoscale Processes, Ft. Lauderdale, Florida, Amer. Meteor. Soc., 355-356.
25 Du, J. and M. S. Tracton, 2001. Implementation of a real-time short-range ensemble forecasting system at NCEP: an update. Preprints, 9th Conference on Mesoscale Processes, Ft. Lauderdale, Florida, Amer. Meteor. Soc., 355-356.
26 Du, J., 2004. Hybrid Ensemble Prediction System: a New Ensembling Approach. Preprints, Symposium on the 50th Anniversary of Operational Numerical Weather Prediction, University of Maryland, College Park, Maryland, June 14-17, 2004, Amer. Meteor. Soc., CD-ROM (paper p4.2, 5pp) . [available online: http://www.emc.ncep.noaa.gov/mmb/SREF/reference.html].
27 Du, J., J. McQueen, G. DiMego, T. Black, H, Juang, E. Rogers, B. Ferrier, B. Zhou, Z. Toth and M. S, Tracton, 2004. The NOAA/NWS/NCEP short-range ensemble forecast (SREF) system: evaluation of an initial condition vs. multi-model physics
ensemble approach. Preprints (CD), 16th Conference on Numerical Weather Prediction, Seattle, Washington, Amer. Meteor. Soc.
28 Du, J., 2005: Impact of Model Error and Imperfect Initial Condition Perturbations on Ensemble-Based Probabilistic Forecasts: UNPREDICTABLE SPOTS. Preprints, 17th Conference on Numerical Weather Prediction/21st Conference on Weather Analysis and Forecasting, Washington DC., Aug. 1-5, 2005, Amer. Meteor. Soc. (paper 15B.6) [available online http://www.emc.ncep.noaa.gov/mmb/SREF/reference.html].
29 Du, J., G. DiMego, M. S. Tracton, and B. Zhou 2003. NCEP short-range ensemble forecasting (SREF) system: multi-IC, multi-model and multi-physics approach. Research Activities in Atmospheric and Oceanic Modelling (edited by J. Cote), Report 33, CAS/JSC Working Group Numerical Experimentation (WGNE), WMO/TD-No. 1161, 5.09-5.10.
30 Du, J., S. L. Mullen and F. Sanders, 1997. Short-range ensemble forecasting of quantitative precipitation. Mon. Wea. Rev., 125, 2427-2459.
31 Durran, DR., 1981: The effects of moisture on mountain lee waves. Technical Report Ph.D. Thesis NTIS PB82156621, Massachusetts Institute of Technology. 32 Ebert, E.E., 2001. Ability of a Poor Man's Ensemble to Predict the Probability and
Distribution of Precipitation. Mon. Wea. Rev., 129, 2461–2480.
33 Ebisuzaki, W. and E. Kalnay, 1991. Ensemble experiments with a new lagged average forecasting scheme. WMO, Research activities in atmospheric and oceanic modeling. Report 15, 6.31-32.
34 Ehrendorfer, M., R.M. Errico and K.D. Raeder, 1999. Singular-Vector Perturbation Growth in a Primitive Equation Model with Moist Physics. J. Atmos. Sci., 56, 1627–1648
35 Errico, R. and D. Baumhefner, 1998. Predictability experiments using a high- resolution limited area model. Mon. Wea. Rev., 115, 488-504.
36 Errico, R. and T. Vukicevic, 1992. Sensitivity analysis using an adjoint of the PSU- NCAR mesoscale model. Mon. Wea. Rev., 120, 1644-1660.
37 Fischer, M., A. Joly and F. Lalaurette, 1998. Error growth and Kalman filtering within an idealized baroclinic flow. Tellus, 50A, 596-615.
38 Grimit, E.P., and C.F. Mass, 2002. Initial Results of a Mesoscale Short-Range Ensemble Forecasting System over the Pacific Northwest. Wea Forecasting, 17, 192–205.
39 Hamill, T. M., 2006. Ensemble-based atmospheric data assimilation. Chapter 6 of Predictability of Weather and Climate, Cambridge Press, 124-156.
40 Hoffman, R. N. and E. Kalnay, 1983. Lagged average forecasting, an alternative to Monte Carlo forecasting. Tellus, 35A, 100-118.
41 Hou, D., E. Kalnay and K. K. Droegemeier, 2001. Objective verification of the SAMEX'98 ensemble forecasts. Mon. Wea. Rev., 129, 73-91.
42 Houtekamer, P. L., L. Lefaivre, J. Derome, H. Ritchie and H. L. Mitchell, 1996. Asystem simulation approach to ensemble prediction. Mon. Wea. Rev., 124, 1225- 1242. verification of the SAMEX'98 ensemble forecasts. Mon. Wea. Rev., 129, 73- 91.
43 Jankov, I., W.A. Gallus, M. Segal, B. Shaw and S.E. Koch, 2005. The Impact of Different WRF Model Physical Parameterizations and Their Interactions on Warm Season MCS Rainfall. Wea. Forecasting, 20, 1048–1060.
44 Kalnay, E, 2003. Atmospheric modeling, data assimilation and predictability. Cambridge University Press, 368pp.
45 Klemp, J.B. and D.K. Lilly, 1978: Numerical simulation of hydrostatic mountain waves. J. Atmos. Sci., 35, 78-107.
46 Klemp, J.B. and DR. Durran, 1983: An upper boundary condition permitting internal gravity wave radiation in numerical mesoscale models. Mon. Wea. Rev.,
111, 430-444.
47 Klemp, J.B. and R.B. Wilhelmson, l978a: The simulation of three-dimensional