CHƯƠNG 2. SỐ LIỆU VÀ PHƯƠNG PHÁP
2.1. Thiết lập mô hình dự báo mưa đá
2.1.1. Mô hình WRF
Luận văn sử dung mô hình WRF phiên bản 4.3.3 [65] với ba lưới lồng có độ phân giải 13,5, 4,5 và 1,5 km (Hình 2.1). Mô hình tính toán trên 51 mực thẳng đứng, lớn hơn nhiều so với cấu hình dự báo thời tiết thông thường. Số liệu dự báo toàn cầu (GFS) độ phân giải 0,25 độ được dùng làm điều kiện ban đầu và điều kiện biên mỗi 03 giờ [55]. Mô hình khởi chạy tại xấp xỉ 24 giờ trước sự kiện (12 giờ UTC ngày hôm trước), thời gian dự báo 48 giờ. Kết quả được lưu trữ mỗi 01 giờ tròn. Ba lưới tính được biểu diễn cụ thể trên Hình 2.1, trong đó lưới 03 bao phủ toàn Miền Bắc. Điều này đòi hỏi thời gian tính toán rất lớn, nhưng bù lại nó có thể nâng cao chất lượng dự báo, loại bỏ các nguy cơ gây sai số từ vùng biên vào tâm miền tính.
Hình 2.1. Miền tính mô hình WRF, vị trí trạm radar Pha Đin và khu vực
đánh giá dự báo mưa đá
Labriola và ccs., (2019b) sử dụng mô hình số với kích thước lưới ngang 03 km để dự báo đợt mưa đá xảy ra ở Colorado (Hoa Kỳ) ngày 17/05/2017 [42]. Kết quả cho thấy với độ phân giải này mô hình đã có thể dự báo thành công hiện tượng.
Do vậy, kích thước lưới ngang 1,5 km sử dụng trong luận văn có thể đáp ứng tốt mục tiêu nghiên cứu đã đặt ra.
2.1.2. Các sơ đồ tham số hóa
Trong các mô hình đối lưu hiển, lựa chọn sơ đồ MP ảnh hưởng rất lớn tới kết
quả dự báo giáng thủy và các yếu tố liên quan như cường độ đối lưu. Trong luận văn này, nhằm so sánh sự biến đổi của các sản phẩm mưa đá, ba sơ đồ MP bậc hai được chọn thử nghiệm, gồm sơ đồ Thompson [69], Mibrandt và Yau [50] và Morrison [52]. Ba sơ đồ MP thường xuyên được sử dụng trong nghiệp vụ dự báo, nghiên cứu ứng dụng nói chung, mưa đá nói riêng, đặc biệt phổ biến tại Hoa Kỳ.
Bốn thí nghiệm được xây dựng dựa trên ba sơ đồ MP bậc hai. Sơ đồ
Morrison cho phép tùy chỉnh mật độ của pha graupel sang trạng thái hail, do đó thu được hai thí nghiệm với sơ đồ này (tương ứng Morrison-graupel và Morrison-hail).
Các biến và tham số PSD của ba sơ đồ được mô tả tại Bảng 1. Bên cạnh đó, những sơ đồ tham số hóa vật lý khác được thống nhất lựa chọn cho cả bốn thí nghiệm, trình bày đầy đủ tại Bảng 2.
Bảng 1. Các biến dự báo của các sơ đồ vi vật lý Sơ đồ Tỉ lệ xáo trộn Số hạt ngưng kết Ghi chú
Thompson Qc, Qr, Qi, Qs, Qg Ni, Nr
Mibrandt-Yau Qc, Qr, Qi, Qs,
Qg, Qh
Nc, Nr, Ni, Ns, Ng, Nh
Morrison-graupel Qc, Qr, Qi, Qs,
Qg, Qh Nr, Ni, Ns, Ng
3 g 500kgm
Morrison-hail g 900kgm 3
2.1.3. Các chỉ số đánh giá môi trường quy mô lớn
Nhằm đánh giá điều kiện môi trường thuận lợi cho sự phát triển dông gây ra mưa đá, luận văn sử dụng một số chỉ số đánh giá dông cơ bản như VIMFC và CAPE. Hội tụ thông lượng ẩm tích lũy thẳng đứng (VIMFC) tới mực 700mb được tính bởi [75]:
1000hPa 700hPa
1 uq vq
VIMFC dp
g x y (2)
Trong đó, u và v là vận tốc gió, q là tỉ lệ xáo trộn hơi nước và g là gia tốc
trọng trường. Đơn vị của VIMFC là kg m-2 s-1. Năng lượng đối lưu tiềm tàng khả
dụng (CAPE) được dùng để đánh giá mức độ bất ổn định của môi trường có ảnh hưởng đến sự xuất hiện và phát triển dông gây ra mưa đá. CAPE được định nghĩa bởi [17]:
n f
p
d p e
CAPE p R T T d ln p (3)
Bảng 2. Cấu hình tham số hóa của mô hình WRF
Sơ đồ Tên Ghi chú
Vi vật lý
Thompson MP008
Mibrandt-Yau MP009
Morrison-graupel MP101
Morrison-hail MP102
Bức xạ sóng dài RRTM
Bức xạ sóng ngắn Dudhia
Lớp biên hành tinh YSU
Sơ đồ đất Sơ đồ khuếch tán nhiệt
Tham số hóa đối lưu Kain-Fritsch Sử dụng cho lưới một; tắt ở
lưới lồng thứ hai và thứ ba
2.1.4. Biến và chỉ số dự báo mưa đá
Theo Kain và ccs., (2008), độ xoáy ngang trong dông chủ yếu ở mực thấp và mực giữa tầng đối lưu, do đó UH được tính toán từ 2 km tới 5 km theo công thức:
1
0
z z 5000m
2,3 3,4 4,5
z 2000m z
UH w dz w z w w w 1000 (4)
với UH là độ xoáy dòng thăng (m2s-2), w là tốc độ thẳng đứng (ms-1), là xoáy tương đối (s-1) tính trung bình lớp theo từng mực [36]. Nhằm theo dõi toàn bộ quá
trình phát triển của dông, UH được tính toán cực đại giữa hai phiên xuất dữ liệu thay vì chỉ sử dụng lát cắt thời gian tại các thời điểm dự báo cố định. UH đã được tích hợp làm một biến chẩn đoán trong mô hình WRF.
Theo Adams và ccs., (2016), mô hình Hailcast là một mô đun được tích hợp
sẵn trong mô hình WRF từ phiên bản 3.6.1 [12]. Mô hình dự báo kích thước hạt mưa đá dựa trên 5 kích thước nhân ngưng kết nhúng vào mô hình, từ đó cung cấp thông tin về kích thước mưa đá tại bề mặt. Các nghiên cứu chỉ ra giá trị đường kính
hạt mưa đá cực đại HC (đơn vị mm) có giá trị dự báo tốt nhất trong số các thông tin
dự báo của mô hình Hailcast. Tương tự sản phẩm UH, HC được tính toán cực đại giữa hai phiên xuất dữ liệu.
Kết quả dự báo được lưu trữ mỗi một giờ. Bởi UH không dự báo trực tiếp kích thước mưa đá, các sản phẩm dự báo từ UH và HC được phân ngưỡng theo ba pha cường độ mưa đá (mưa đá nhỏ, mưa đá lớn và mưa đá rất lớn) tương đồng với sản phẩm quan trắc phân loại kích thước mưa đá (HSDA - đề cập ở mục 2.2.1).
Ngưỡng dự báo mưa đá của UH được lựa chọn theo nghiên cứu của Labriola và ccs., (2019) [42], được trình bày cụ thể tại Bảng 3.
Bảng 3. Ngưỡng dự báo mưa đá cho các chỉ số và biến dự báo từ mô hình
Chỉ số/Biến Mưa đá nhỏ SH
(> 5 mm)
Mưa đá lớn LH (> 25 mm)
Mưa đá rất lớn GH (> 50 mm)
Độ xoáy dòng thăng (UH) UH > 50 m2s-2 UH > 75 m2s-2 UH > 150 m2s-2
Mô hình Hailcast (HC) D > 5 mm D > 25 mm D > 50 mm
Độ xoáy dòng thăng UH là chỉ số có khả năng dự báo mưa đá tốt nhất khi so sánh với các chỉ số dông thay thế khác. Mặc dù vậy, UH ban đầu không được thiết kế nhằm mục đích dự báo mưa đá, các ngưỡng dự báo quy đổi chỉ có tính chất tham khảo, dẫn tới nhiều trường hợp trị số UH dự báo mưa đá chưa tốt. Đối với mô hình Hailcast, kết quả dự báo mưa đá phụ thuộc vào cả các chỉ số động lực và các quá trình vi vật lý mây. Nhờ vậy, mô hình Hailcast có thể nắm bắt đầy đủ sự thay đổi của
môi trường lẫn các quá trình vi vật lý mây khi thay đổi các sơ đồ vi vật lý. Kết quả
của mô hình Hailcast dự báo trực tiếp giá trị kích thước hạt cực đại tại bề mặt (HC), do đó tránh được sự bất định từ sai số khi chọn ngưỡng dự báo khi so sánh với UH.