Các phương pháp hiệu chỉnh sai số hệ thống và sử dụng phân vị trình bày ở trên mới chỉ đề cập đến “pha” của ECEs, tức là có hay không có xảy ra mà chưa đề cập đến thời gian xảy ra ECEs có trùng khớp hay không. Do đó, chúng tôi đề xuất thêm phương pháp xây dựng chỉ tiêu xác định ECEs từ sản phẩm của RCMs có tính đến yếu tố thời gian xảy ra ECEs. Cụ thể, chúng tôi đề xuất sử dụng phương pháp thực nghiệm dựa trên lập luận với một chỉ tiêu được chọn đúng, các chỉ số đánh giá sẽ đạt cực đại/cực tiểu (ví dụ như chỉ số BIAS = 1, POD = 1, FAR = 0, ...). Đối với các chỉ tiêu cao hơn và thấp hơn chỉ tiêu chuẩn, thì các giá trị chỉ số đánh giá sẽ biến thiên theo dạng hàm tuyến tính.
Hình 2.1.5 minh họa đồ thị của chỉ số đánh giá BIAS theo các chỉ tiêu xác định hiện tượng mưa lớn cục bộ (lượng mưa tích lũy trong 24 giờ) cho khu vực
Nam Bộ. Từ hình này có thể ước lượng một cách định tính, với chỉ tiêu lượng mưa tích lũy trong 24 giờ vào khoảng 38mm thì chỉ số BIAS sẽ bằng 1. Dưới ngưỡng này, mô hình có cho xu hướng mô phỏng thiên thấp hiện tượng mưa lớn cục bộ và trên ngưỡng này mô hình cho xu hướng thiên cao.
Hình 2.1.5. Biểu đồ minh họa quan hệ giữa ngưỡng xác định mưa lớn và chỉ số đánh giá BIAS cho khu vực Nam Bộ
Hình 2.1.6 đưa ra các bước thực hiện chính của phương pháp thực nghiệm để xây dựng chỉ tiêu lựa chọn ECEs từ các sản phẩm của RCMs. Quá trình xây dựng chỉ tiêu xác định ECEs theo phương pháp thực nghiệm sẽ áp dụng riêng cho từng mô hình khí hậu khu vực và từng vùng khí hậu. Chỉ tiêu được lựa chọn sẽ áp dụng chung cho các điểm trạm trong vùng khí hậu xem xét. Các kết quả tính toán đặc trưng thống kê trong quá khứ của ECEs và kết quả đánh giá các yếu tố khí quyển sử dụng để xác định ECEs từ RCMs được sử dụng để hỗ trợ việc lựa chọn các chỉ tiêu sao cho hiệu quả nhất (giảm chi phí tính toán khi phải thực hiện quá nhiều lần chạy chương trình với nhiều chỉ tiêu đưa ra). Nói chung, phương pháp này có ưu điểm là dễ thực hiện nhưng tốn chi phí tính toán hơn so với hai phương pháp trình bày ở phần trên. Ngoài ra, do mỗi chỉ số đánh giá phản ánh một khía cạnh về chất lượng mô phỏng nên phương pháp này đòi hỏi phải sử dụng nhiều chỉ số đánh giá thay vì sử dụng một chỉ số đơn lẻ. Tuy nhiên, việc này có thể dẫn đến nhiều chỉ tiêu khác nhau được tìm ra theo các chỉ số đánh giá khác nhau. Đặc biệt, yếu tố chủ quan của
người xác định có thể ảnh hưởng đến kết quả cuối cùng. Trong nghiên cứu này, để đơn giản hóa chúng tôi đề xuất chỉ sử dụng chỉ số BIAS để xây dựng chỉ tiêu xác định ECEs từ sản phẩm của RCMs.
Hình 2.1.6. Các bước thực hiện của phương pháp thực nghiệm