Biểu đồ tin cậy được Wilks (1995) phát triển dựa trên biểu đồ thuộc tính của
Hsu và Murphy (1986). Biểu đồ thuộc tính được xây dựng dựa trên phân tích của
điểm số Brier theo độ tin cậy, độ phân giải và độ bất định như trong cơng thức
(1.4.8). Ngồi ra, Wilks (1995) đã đưa thêm biểu đồ độ nhọn vào đây, cho phép
quan sát cả độ tin cậy, độ phân giải và độ nhọn trên cùng một biểu đồ. Cĩ thể nĩi biểu đồ tin cậy cung cấp cho ta thơng tin đầy đủ nhất về chất lượng dự báo của một hệ tổ hợp. Tuy nhiên, do xây dựng dựa theo điểm số Brier, biểu đồ tin cậy chỉ cĩ khả năng thể hiện chất lượng dự báo với các sự kiện cĩ khơng. Với các biến liên tục, để sử dụng biểu đồ tin cậy, ta phải lựa chọn một ngưỡng nào đĩ để thực hiện
đánh giá theo điểm số Brier. Các ngưỡng này thường được lựa chọn theo một số lần nguyên của phương sai khí hậu ±σ, ±2σ, …
Một biểu đồ tin cậy được cho trên hình 1.4.4. Đồ thị này được xây dựng cho dự báo áp suất mực biển với ngưỡng 1001mb. Sự kiện mà ta quan tâm là áp suất trung bình mực biển (pmsl) nhỏ hơn 1001mb tương ứng với bão hay áp thấp. Từ N thành phần dự báo của hệ tổ hợp, ta sẽ cĩ N+1 xác suất dự báo yi tương ứng với tần suất xuất hiện hiện tượng ol (xem lại phần 1.4.2). Hiển thị các điểm này trên đồ thị
với hai trục xác suất dự báo và tần suất quan trắc như trên hình 1.4.4. Để dễ quan sát các điểm này sẽđược nối với nhau hình thành đường tin cậy. Ta đã biết, dự báo là tin cậy khi yi = ol, tương ứng với các điểm này nằm trên đường chéo. Bởi vậy, để
so sánh đường thẳng với độ tin cậy hồn hảo (đường chéo) cũng được cho trên đồ
thị. Nếu đường tin cậy khơng quá lệch so với đường chéo, dự báo được xem là tin cậy. Dự báo tổ hợp theo hình 1.4.4 cĩ thể xem là tin cậy.
Hình 1.4.4. Biểu đồ tin cậy cho dự báo tổ hợp dựa trên phương pháp BCMA
Để biểu diễn độ phân giải, trước hết ta vẽ đường biểu thị độ phân giải bằng khơng. Từ mục 1.4.2, độ phân giải sẽ bằng khơng khi tần suất khí hậu o trùng với tần suất quan trắc o . l Đường với độ phân giải bằng khơng do đĩ sẽ một đường nằm ngang cĩ phương trình ol = o . Độ phân giải do đĩ sẽ là tổng bình phương khoảng cách từ mỗi điểm trên đường tin cậy tới đường thẳng này. Độ nhọn được thể hiện bằng một biểu đồ nhỏ phía trên biểu đồ tin cậy với tên gọi biểu đồđộ nhọn. Biểu đồ
này cung cấp thơng tin về tần suất dự báo p(yi) = Ni/n. Trong phần trên ta đã biết rằng nếu xác suất dự báo yi cĩ độ lệch càng lớn so với tần suất khí hậu o thì dự báo cĩ độ nhọn càng lớn. Độ nhọn sẽ lớn nhất khi yi bằng 0 hay 1 tùy thuộc vào giá trị
giá trị 0 hoặc 1 thì dự báo là nét. Tần suất khí hậu ứng với biểu đồ tin cậy trên hình 1.4.4 khá nhỏ trong khi p(yi) tập trung chủ yếu quanh giá trị 0 cho nên dự báo theo biểu đồ tin cậy cĩ độ nhọn nhỏ. Điều này là dễ hiểu bởi sự kiện mà ta quan tâm là sự kiện hiếm (pmsl < 1001mb), các dự báo thành phần thường dự báo hiện tượng khơng xảy ra.
1.5. HIỂN THỊ SẢN PHẨM DỰ BÁO TỔ HỢP
Chiết xuất các thơng tin dự báo hữu ích từ tổ hợp các dự báo là một trong những quan tâm của các nhà dự báo số. Nếu chúng ta hiển thị tất cả các dữ liệu cĩ thể của một EF gồm 10, 15 hoặc 50 thành phần thì vấn đề nảy sinh từ sự chồng chéo của dữ liệu sẽ gây nhiều khĩ khăn cho dự báo viên khi tham khảo. Để khắc phục vấn đề này, các phương pháp thống kê thường được sử dụng để cơ đọng các thơng tin dự báo hoặc lựa chọn các tập dữ liệu ít hơn nhưng lại cung cấp được nhiều thơng tin hữu ích nhất. Trong phần này, chúng tơi sẽ trình bày một số dạng sản phẩm đồ
họa thơng dụng nhất thường được sử dụng trong dự báo trường để cung cấp các thơng tin dự báo hữu ích tới dự báo viên, đĩ là các bản đồ spaghetti (spaghetti map), bản đồ trung bình và độ tán (Mean-Spread map), bản đồ xác suất (probability map), bản đồ tem (stamp). Những ưu nhược điểm của từng loại bản đồ và biểu đồ, cũng như việc sử dụng tích hợp giữa chúng sẽđược trình bày chi tiết.