Cĩ thể thấy rằng, sau khi đã cĩ nhiều nghiên cứu biểu diễn độ bất định từđiều kiện ban đầu, EF sẽ phải giải quyết bài tốn cịn lại đĩ là biểu diễn độ bất định từ
mơ hình đúng như trong nhận xét thứ hai của Buizza và cộng sự (2005) đã nêu ở
trên. Leith trong một cuốn sách của ơng đã kết luận rằng: nhược điểm của dự báo
động lực ngẫu nhiên hay xấp xỉ Monte Carlo của nĩ nằm ở chỗ khơng tính đến sai số trong mơ hình, dẫn đến tập các dự báo tổ hợp phát triển chậm. Trước đĩ, cả
NCEP và ECMWF khi xây dựng EPS đều giả định mơ hình khơng cĩ sai số và độ
bất định dự báo hồn tồn đến từ độ bất định trong trường ban đầu. Như đã trình
bày ở trên, CMC và ECMWF sau đĩ đã đưa độ bất định từ mơ hình vào EF thơng
qua các nhiễu động vật lý trong mơ hình. Tuy nhiên, độ tán thu được vẫn nhỏ hơn so với thực tế cho thấy quá trình biểu diễn các nguồn sai số khác nhau vẫn chưa đầy
đủ. Cần cĩ những hướng đột phá mới trong mơ tả độ bất định từ mơ hình. Một ý tưởng đơn giản được đưa ra là thay vì sử dụng một mơ hình với các nhiễu động vật lý, ta sẽ sử dụng nhiều mơ hình trong EPS. Các mơ hình được phát triển độc lập với
các sơ đồ sai phân và tham số hĩa vật lý độc lập sẽ dẫn đến những sai số độc lập trong mơ hình, một điều kiện lý tưởng trong xây dựng EPS. Ý tưởng này bắt nguồn
từ các nghiên cứu của Vislocky và Fritsch (1995), Wobus và Kalnay (1995), Brown
và Murphy (1996) khi các tác giả này cho thấy kết hợp nhiều dự báo khác nhau (cĩ thể chỉ đơn giản là lấy trung bình hoặc xử lý thống kê phức tạp hơn) để đưa ra sản phẩm dự báo cuối cùng luơn cho chất lượng dự báo tốt hơn so với các dự báo thành
phần. Trước đĩ, McCalla và Kalnay (1988) kết hợp dự báo từ mơ hình MRF, dự
báo từ ECMWF và UKMO đã cho thấy dự báo sau cùng cĩ một chất lượng tốt hơn. Dự báo tổ hợp đa mơ hình đầu tiên được thực hiện bởi Harrison và cộng sự (1995)
sử dụng hai mơ hình tồn cầu độ phân giải thấp của ECMWF và UKMO. Mỗi mơ
hình sử dụng phân tích riêng của nĩ nhưng cả hai dùng chung các nhiễu động. Kết quả cho thấy hệ tổ hợp ghép luơn cĩ chất lượng cao hơn so với hệ tổ hợp ứng với mỗi mơ hình thành phần. Theo các tác giả, chất lượng dự báo cao hơn khơng đơn giản là do dung lượng mẫu tăng lên.
Hiện tại, EF đa mơ hình đa phân tích đã trở thành một phương pháp cơ bản trong dự báo mùa. Điều này được minh họa rất rõ qua hai dự án dự báo mùa của
châu Âu: PROVOST (Graham và cộng sự 2000) và DEMETER (Palmer và cộng sự
2003). Một biến thể của EF đa mơ hình, đa phân tích là dự báo tổ hợp PM (Poor
Man). Với phương pháp PM, ta khơng cần phát triển và chạy một EPS như
ECMWF hay NCEP mà cĩ thể sử dụng sản phẩm dự báo từ các trung tâm dự báo
khác nhau trên thế giới làm dự báo thành phần. Chi phí cho một hệ thống tận dụng sẵn các dự báo cĩ được như vậy là rất rẻ, do đĩ phương pháp cĩ tên gọi “Poor
Man”. Wobus và Kalnay (1995) là hai tác giả đầu tiên đã sử dụng dự báo từ các
trung tâm dự báo lớn trên thế giới ECMWF, UKMO, JMA với mục đích dự báo kỹ
năng dự báo của mơ hình phổ tồn cầu tại NCEP. Tên gọi “Poor Man” xuất hiện chính thức trong bài báo của Atger (1999) khi tác giả xây dựng một hệ tổ hợp 4
thành phần từ dự báo tại các trung tâm ECMWF, NCEP, UKMO và DWD.
Ziehmann (2000) cho thấy phương pháp PM khơng chỉ cĩ lợi thế về mặt chi phí mà cịn rất hiệu quả khi lấy mẫu độ bất định khi dự báo, đặc biệt đối với dự báo hạn ngắn.
1.3. CÁC PHƯƠNG PHÁP TÍNH TỐN DỰ BÁO TỔ HỢP