Luận văn Đánh giá kỹ năng dự báo mưa lớn cho miền trung và Tây nguyên của một số mô hình khu vực

87 LUẬN VĂN THẠC SĨ KHOA HỌC NGƢỜI HƢỚNG DẪN KHOA HỌC: TS. BÙI MINH TĂNG Hà Nội – Năm 2013 3 LỜI CẢM ƠN Trƣớc hết, tôi xin bày tỏ lòng biết ơn sâu sắc tới TS. Bùi Minh Tăng - ngƣời đã tận tình chỉ bảo và hƣớng dẫn tôi hoàn thành luận văn này. Tôi xin cảm ơn các Thầy cô và các cán bộ trong khoa Khí tƣợng - Thủy văn - Hải dƣơng học đã cung cấp cho tôi những kiến thức chuyên môn quý giá, giúp đỡ và tạo điều kiện thuận lợi về cơ sở vật chất trong suốt thời gian tôi học tập và thực hành ở Khoa. Tôi xin cảm ơn các cán bộ phòng Nghiên cứu ứng dụng (Trung tâm dự báo Khí tƣợng Thủy văn Trung Ƣơng), đặc biệt là Thạc sĩ Võ Văn Hòa và Thạc sĩ Dƣ Đức Tiến đã tạo điều kiện, trao đổi chuyên môn cũng nhƣ có những ý kiến quý báu giúp tôi hoàn thiện luận văn này. Tôi cũng xin cảm ơn Phòng sau đại học, Trƣờng Đại học Khoa học Tự nhiên đã tạo điều kiện cho tôi có thời gian hoàn thành luận văn. Cuối cùng, tôi xin gửi lời cảm ơn chân thành tới gia đình, ngƣời thân và bạn bè, những ngƣời đã luôn ở bên cạnh cổ vũ, động viên và tạo mọi điều kiện tốt nhất cho tôi trong suốt thời gian học tập tại trƣờng. Nguyễn Thanh Tú 4 MỤC LỤC MỞ ĐẦU .............................................................................................. 10 Chƣơng 1. TỔNG QUAN VỀ BÀI TOÁN ĐÁNH GIÁ DỰ BÁO TRONG KHÍ TƢỢNG VÀ CÁC CHỈ SỐ ĐÁNH GIÁ ................................................ 12 1.1 Sự cần thiết của bài toán đánh giá. .................................................... 12 1.1.1 Mục đích và ý nghĩ của đánh giá dự báo .................................. 12 1.1.2 Mô hình đánh giá chung cho các yếu tố đánh giá thời tiết ....... 13 1.1.3 Các loại yếu tố dự báo ............................................................... 14 1.1.4 Các điểm số dùng trong đánh giá .............................................. 15 1.2 Tổng quan các nghiên cứu về đánh giá dự báo mƣa trong và ngoài nƣớc. ................................................................................................................ 16 1.2.1 Tổng quan ngoài nƣớc ............................................................... 16 1.2.2 Tổng quan trong nƣớc ............................................................... 17 1.3 Một số phƣơng pháp đánh giá dự báo ............................................... 19 1.3.1 Sơ đồ chung đánh giá dự báo từ mô hình dự báo số trị ............ 19 1.3.2 Các phƣơng pháp đánh giá ........................................................ 23 Chƣơng 2. PHƢƠNG PHÁP NGHIÊN CỨU VÀ TẬP SỐ LIỆU SỬ DỤNG .. ......................................................................................................................... 29 2.1. Đặt bài toán ....................................................................................... 29 2.2. Mô tả tập số liệu nghiên cứu ............................................................ 32 2.2.1 Miền tính toán , đô ̣phân giải , bƣớc tích phân thời gian và tùy chọn tham số hóa vật lý cho mô hình HRM, WRFARW, WRFNMM. ......... 32 2.2.2 Số liệu mô hình ......................................................................... 37 2.2.3 Số liệu quan trắc ........................................................................ 38 2.3 Phƣơng pháp đánh giá dự báo mƣa lớn ............................................. 38 2.3.1 Phƣơng pháp đánh giá định lƣợng ............................................ 39 2.3.2 Phƣơng pháp đánh giá theo ngƣỡng mƣa ................................. 39 5 Chƣơng 3. KẾT QUẢ ĐÁNH GIÁ KỸ NĂNG DỰ BÁO MƢA LỚN CỦA MÔ HÌNH HRM-gfs, WRFARW-gfs VÀ WRFNMM-gfs CHO KHU VỰC MIỀN TRUNG VÀ TÂY NGUYÊN .............................................................. 40 3.1. Kết quả đánh giá các đợt mƣa lớn từ năm 2008 đến 2010 cho khu vực miền Trung và Tây Nguyên ..................................................................... 40 3.2. Kết quả đánh giá dự báo mƣa lớn của một số trƣờng hợp điển hình cho khu vực miền Trung và Tây Nguyên ....................................................... 52 3.2.1. Dự báo 24h đợt mƣa từ ngày 25-27/7/2010 khu vực Trung Trung Bộ của 3 mô hình .................................................................................. 53 3.2.2 Dự báo 24h đợt mƣa từ ngày 30/9-5/10/2010 khu vực Bắc Trung Bộ của 3 mô hình ................................................................................. 55 KẾT LUẬN ............................................................................................. 60 TÀI LIỆU THAM KHẢO ....................................................................... 62 PHỤ LỤC ................................................................................................ 65 6 DANH MỤC CÁC HÌNH VẼ Hình 1.1 Sơ đồ chung cho đánh giá các yếu tố thời tiết ................................. 13 Hình 1.2 Sơ đồ chung cho đánh giá mô hình dự báo thời tiết số .................... 20 Hình 2.1 Miền tích phân dự báo của mô hình HRM ...................................... 34 Hình 2.2 Miền tích phân dự báo của mô hình WRFARW .............................. 36 Hình 2.3 Miền tích phân dự báo của mô hình WRFNMM ............................. 37 Hình 3.1 Dự báo trong 3 ngày lƣợng mƣa trung bình của các đợt mƣa lớn khu vực miền Trung và Tây Nguyên năm 2008 đến 2010 bằng mô hình HRM ... 40 Hình 3.2 Dự báo trong 3 ngày lƣợng mƣa trung bình của các đợt mƣa lớn khu vực miền Trung và Tây Nguyên năm 2008 đến 2010 bằng mô hình WRFARW ...................................................................................................... 41 Hình 3.3 Dự báo trong 3 ngày lƣợng mƣa trung bình của các đợt mƣa lớn khu vực miền Trung và Tây Nguyên năm 2008 đến 2010 bằng mô hình WRFNMM ..................................................................................................... 42 Hình 3.4 Các chỉ số ME, MAE, RMSE và hệ số tƣơng quan của các đợt mƣa lớn khu vực miền Trung và Tây Nguyên năm 2008 đến 2010 với hạn dự báo 24h, 48h, 72h ................................................................................................... 43 Hình 3.5 Chỉ số BIAS của các đợt mƣa lớn khu vực miền Trung và Tây Nguyên năm 2008 đến 2010 với hạn dự báo 24h, 48h, 72h ........................... 44 Hình 3.6 Chỉ số POD của các đợt mƣa lớn khu vực miền Trung và Tây Nguyên năm 2008 đến 2010 với hạn dự báo 24h, 48h, 72h ........................... 45 Hình 3.7 Chỉ số FAR của các đợt mƣa lớn khu vực miền Trung và Tây Nguyên năm 2008 đến 2010 với hạn dự báo 24h, 48h, 72h ........................... 46 Hình 3.8 Các chỉ số ME, MAE, RMSE và hệ số tƣơng quan của các đợt mƣa lớn cho từng khu vực năm 2008 đến 2010 ...................................................... 47 Hình 3.9 Các chỉ số BIAS, POD, FAR khu vƣc̣ Bắc Trung Bô ̣năm 2008 đến 2010 ......................................................................................................................... 48 Hình 3.10 Các chỉ số BIAS , POD, FAR khu vƣc̣ Trung Trung Bô ̣năm 2008 đến 2010.................................................................................................................. 49 7 Hình 3.11 Các chỉ số BIAS, POD, FAR khu vƣc̣ Nam Trung Bô ̣năm 2008 đến 201050 Hình 3.12 Các chỉ số BIAS, POD, FAR khu vƣc̣ Tây Nguyên năm 2008 đến 2010 .... ................................................................................................................................... 51 Hình 3.13 Lƣợng mƣa tích lũy 24h của quan trắc và 3 mô hình tại khu vực Trung Trung Bộ ngày 25/7/2010 .................................................................... 53 Hình 3.14 Lƣợng mƣa tích lũy 24h của quan trắc và 3 mô hình tại khu vực Trung Trung Bộ ngày 26/7/2010 .................................................................... 54 Hình 3.15 Lƣợng mƣa tích lũy 24h của quan trắc và 3 mô hình tại khu vực Trung Trung Bộ ngày 27/7/2010 .................................................................... 55 Hình 3.16 Lƣợng mƣa tích lũy 24h của quan trắc và 3 mô hình tại khu vực Bắc Trung Bộ ngày 30/9/2010 ........................................................................ 56 Hình 3.17 Lƣợng mƣa tích lũy 24h của quan trắc và 3 mô hình tại khu vực Bắc Trung Bộ ngày 01/10/2010 ...................................................................... 57 Hình 3.18 Lƣợng mƣa tích lũy 24h của quan trắc và 3 mô hình tại khu vực Bắc Trung Bộ ngày 02/10/2010 ...................................................................... 58 Hình 3.19 Lƣợng mƣa tích lũy 24h của quan trắc và 3 mô hình tại khu vực Bắc Trung Bộ ngày 04/10/2010 ...................................................................... 59 8 DANH MỤC CÁC BẢNG Bảng 1.1 Sơ đồ chung cho đánh giá các yếu tố thời tiết ................................. 26 Bảng 2.1 Cấu hình động lực, vật lý và phƣơng pháp số của mô hình HRM .. 34 Bảng 2.2 Cấu hình động lực, vật lý và phƣơng pháp số của mô hình WRFARW ....................................................................................................... 35 9 BẢNG KÝ HIỆU CÁC CHỮ VIẾT TẮT XTNĐ Xoáy thuận nhiệt đới QPF Kiểm tra giáng thủy định lƣợng MM5 Mô hình qui mô vừa của Trung tâm Nghiên cứu khí tƣợng Quốc Gia Hoa Kỳ và Đại học bang Pennsylvania thế hệ thứ 5 (The NCAR/PSU 5th Generation Mesoscale Model) ME Sai số trung bình (Mean Error) MAE Sai số tuyệt đối trung bình (Mean Absolute Error) MSE Sai số bình phƣơng trung bình RMSE Sai số bình phƣơng trung bình (Root Mean Sqare Error) r Hệ số tƣơng quan FBI(BS) Tỷ số giữa vùng dự báo và vùng thám sát (Frequency Bias) POD Xác suất phát hiện (Probability Of Detection of Event) FAR Tỉ lệ phát hiện sai (False Alarm Ratio) ETS Điểm số thành công hợp lý ITCZ Dải hội tụ nhiệt đới KKL Không khí lạnh GFS Hệ thống dự báo toàn cầu của Hoa Kỳ (Global Forecasting System) 10 MỞ ĐẦU Phƣơng pháp dự báo số trị - dự báo bằng mô hình thuỷ động lực học hiện đại có phân giải cao áp dụng cho từng khu vực đã đƣợc sử dụng ở nhiều nƣớc trên thế giới, đặc biệt là các nƣớc phát triển. Chất lƣợng dự báo về hiện tƣợng mƣa lớn cao hơn hẳn các phƣơng pháp dự báo ra đời trƣớc đó và sản phẩm số của mô hình dự báo có thể đảm bảo các yêu cầu của các mô hình dự báo thuỷ văn đối với lũ lụt, lũ quét. Một trong những nhân tố quyết định gây nên sự hình thành và phát triển mƣa lớn trong các hiện tƣợng thời tiết nguy hiểm nhƣ xoáy thuận nhiệt đới (XTNĐ), dải hội tụ nhiệt đới... là đối lƣu mây tích. Các quá trình đối lƣu này đóng vai trò quan trọng trong chu trình vận chuyển năng lƣợng của khí quyển và do đó phân bố lại sự đốt nóng không đồng đều trên bề mặt trái đất. Ngoài phụ thuộc vào độ hội tụ ẩm mực thấp, đối lƣu mạnh còn phụ thuộc vào tính bất ổn định của khí quyển. Các quá trình qui mô vừa nhƣ vậy chỉ có thể tính đƣợc bằng các mô hình số trị. Thêm vào đó mƣa là hiện tƣợng thời tiết khó dự báo nhất . Không những chỉ khó dự báo mà việc đánh giá dự báo mƣa cũng là một việc hết sức khó khăn và phức tạp. Trƣớc hết khó khăn nằm ngay trong bản chất trƣờng yếu tố mƣa là trƣờng bất liên tục và không cố định cả theo thời gian lẫn không gian ; nhiều đặc trƣng thống kê có tính quy luật ở những yếu tố khí tƣợng khác , nhƣng lại không có ở số liệu mƣa, làm cho việc xử lý số liệu mƣa cũng rất phức tạp . Xong dự báo mƣa lớn lại có vai trò đặc biệt quan trọng trong phục vụ dự báo , nhất là phục vụ phòng chống thiên tai . Vì vậy, dƣ ̣báo và đánh giá mƣa lớn là vấn đề quan trọng cần thiết phải nghiên cứu. Luận văn này tập trung vào việc đánh giá kỹ năng dự báo 24h, 48h, 72h của mƣa lớn cho miền Trung và Tây Nguyên của ba mô hình dự báo thời tiết số đang đƣợc tiến hành chạy nghiệp vụ tại Trung tâm Dự báo Khí tƣợng Thủy văn Trung ƣơng là mô hình HRM-gfs, WRFARW-gfs và WRFNMM-gfs. Ngoài phần Mở đầu, Kết luận và Tài liệu tham khảo, luận văn đƣợc bố cục cụ thể nhƣ sau: 11 Chƣơng 1. Tổng quan về bài toán đánh giá dự báo trong khí tƣợng và các chỉ số đánh giá. Chƣơng 2. Phƣơng pháp nghiên cứu và tập số liệu sử dụng Chƣơng 3. Kết quả đánh giá kỹ năng dự báo mƣa lớn của mô hình HRM-gfs, WRFARW-gfs và WRFNMM-gfs cho khu vực miền Trung và Tây Nguyên. 12 CHƢƠNG 1. TỔNG QUAN VỀ BÀI TOÁN ĐÁNH GIÁ DỰ BÁO TRONG KHÍ TƢỢNG VÀ CÁC CHỈ SỐ ĐÁNH GIÁ 1.1. Sự cần thiết của bài toán đánh giá 1.1.1. Mục đích và ý nghĩa của đánh giá dự báo Đánh giá là sự tính toán ƣớc lƣợng mối quan hệ giữa tập số liệu dự báo và tập giá trị quan trắc. Các hoạt động đánh giá chỉ có ích khi giúp ta đƣa ra đƣợc những kết luận cuối cùng cho sản phẩm dự báo đƣợc đánh giá. Để đánh giá thì kết quả dự báo phải đầy đủ và khách quan còn các quan trắc phải mô tả chính xác những gì có trong thực tế. Theo Barbara Brown (2007), đánh giá chất lƣợng dự báo thời tiết bao gồm 3 mục đích chính: a. Mục đích hành chính Đánh giá theo mục đích hành chính là để chứng tỏ những lợi ích mà công tác dự báo đem lại. Thông tin đánh giá có nhiều ứng dụng mang tính hành chính nhƣ: cung cấp thông tin cho việc mua sắm các trang thiết bị hay xác định khi nào và có nên thay đổi sản phẩm dự báo bằng một sản phẩm khác Đánh giá hành chính đƣợc sử dụng để giám sát thƣờng xuyên chất lƣợng tổng thể của các dự báo và theo dõi những thay đổi về chất lƣợng của chúng qua từng thời kỳ. b. Mục đích khoa học Mục đích khoa học của đánh giá chất lƣợng dự báo để nhận biết chi tiết các ƣu điểm và nhƣợc điểm của một sản phẩm dự báo để từ đó có những hành động tích cực nhằm cải thiện dự báo. Bên cạnh đó, đánh giá khoa học cũng cung cấp trực tiếp các thông tin cho hƣớng nghiên cứu và phát triển dự báo c. Mục đích kinh tế Vì mục đích kinh tế là vấn đề phức tạp nên giới hạn luận văn này không xem xét đến. 13 1.1.2. Mô hình đánh giá chung cho các yếu tố dự báo thời tiết Hình 1.1 Sơ đồ chung cho đánh giá các yếu tố thời tiết Theo tác giả Henry R. Stanski và các cộng sự (1989), hình 1.1 là mô hình chung nhất để đánh giá dự báo các yếu tố thời tiết và tóm tắt các kiểu quyết định đƣợc đƣa ra trƣớc khi một phƣơng pháp đánh giá chuyên dụng đƣợc lựa chọn. 14 Tất cả các phƣơng pháp đánh giá đều đƣợc bắt đầu từ việc tập hợp các tập số liệu quan trắc và dự báo. Sau đó bƣớc tiếp theo là xử lý các tập số liệu. Khi mục đích đánh giá đƣợc thiết lập, một tập mẫu có thể đƣợc phân loại để đáp ứng mục đích đã định sẵn. “Phân loại ngoại bộ” nghĩa là đánh giá theo nguyên tắc lựa chọn một cách độc lập các yếu tố cần đánh giá. Phân loại ngoại bộ có thể đƣợc thực hiện ở bất cứ thời điểm nào trong quá trình trƣớc các tính toán thống kê đánh giá thực sự và có thể thực hiện cho cả mục đích hành chính và mục đích khoa học. “Phân loại nội bộ” có nguyên tắc phân loại đƣợc xác định theo mục đích đánh giá và sử dụng chính yếu tố đang đƣợc đánh giá. Có hai cách để thực hiện phân loại nội bộ với kiểu đánh giá cho mỗi cách này là khác nhau. “Phân loại theo quan trắc” nghĩa là phân loại theo giá trị của các yếu tố khí tƣợng quan trắc đƣợc. Sau đó, các đại lƣợng đánh giá có thể đƣợc tính toán cho từng nhóm giá trị quan trắc và giá trị thống kê đƣợc tạo thành này gọi là giá trị “có điều kiện đối với quan trắc”. “Phân loại theo dự báo” nghĩa là phân loại theo giá trị của các yếu tố thời tiết đƣợc dự báo. Tƣơng tự nhƣ trên, các con số thống kê đƣợc tính toán theo cách phân loại này đƣợc gọi là các giá trị “có điều kiện đối với dự báo”. Việc lựa chọn kiểu phân loại phụ thuộc vào yêu cầu đánh giá và nhiều khi sẽ cần phải sử dụng cả hai cách phân loại trên để đƣa ra một câu trả lời hoàn chỉnh. 1.1.3. Các loại yếu tố dự báo Dựa theo các mục đích đánh giá ngƣời ta chia ra thành hai dạng dự báo là: dự báo các đại lƣợng liên tục và dự báo pha. “Yếu tố dự báo liên tục” là các yếu tố đƣợc dự báo tại một giá trị riêng hoặc trong một khoảng giá trị dự báo. Trong số các yếu tố thời tiết thì nhiệt độ và gió hay đƣợc dự báo theo cách này. “Yếu tố dự báo pha” là các yếu tố dự báo có thể xảy ra hoặc không xảy ra. 15 Một vài yếu tố có thể đƣợc dự báo pha hoặc là dự báo liên tục, việc lựa chọn chủ yếu phụ thuộc vào yêu cầu của ngƣời sử dụng trong quá trình dự báo. 1.1.4. Các điểm số dùng trong đánh giá Các điểm số dùng trong đánh giá đƣợc minh họa theo từng cặp ở phía dƣới hình 1.1 cho ta thấy đƣợc mối quan hệ giữa chúng. Các điểm số liệt kê trên hình 1.1 gồm 3 loại: Các điểm số tuyến tính, các điểm số toàn phƣơng (bậc hai) và các điểm số kỹ năng. Điểm số toàn phƣơng đƣa ra trọng số của các sai số theo bình phƣơng của chúng trong khi đó điểm số tuyến tính cho trọng số sai số có giá trị bậc nhất. Vì vậy điểm số toàn phƣơng thƣờng đƣa ra trọng số sai số lớn hơn là điểm số tuyến tính và điểm số này rất hữu dụng trong các trƣờng hợp các sai số lớn thực sự nghiêm trọng hơn so với các sai số nhỏ. Điểm số kỹ năng đƣợc xây dựng để đánh giá mối quan hệ giữa các dự báo và một giá trị chuẩn nào đó. Giá trị chuẩn đƣợc chọn lựa để mô tả một dự báo không kỹ năng. Ba tiêu chuẩn đƣợc sử dụng để so sánh là: chuẩn ngẫu nhiên, chuẩn quán tính và chuẩn khí hậu. Chuẩn ngẫu nhiên mô tả sự phỏng đoán thuần túy và không yêu cầu hiểu biết tri thức, chuẩn quán tính là một dự báo xác định và yêu cầu các hiểu biết về điều kiện thời tiết ban đầu và chuẩn khí hậu là một dự báo thời tiết trung bình trong khoảng thời gian dài và cần phải có sự hiểu biết về lịch sử của thời tiết. Điểm số kỹ năng đƣợc biểu diễn trong công thức sau: SC ST SS PS ST    trong đó SC là điểm số có đƣợc từ dự báo, ST là điểm số đạt đƣợc từ dự báo chuẩn và PS là điểm số từ dự báo hoàn hảo. Các điểm số kỹ năng có thể thu đƣợc từ việc sử dụng bất kỳ một trong các điểm số tổng hợp. Điểm số kỹ năng phổ biến nhất dựa trên nền tảng của điểm Brier (điểm kỹ năng Brier), điểm RP (điểm kỹ năng RP), các giá trị của bảng ngẫu nhiên (điểm Heidke) và sai số trung bình tuyệt đối. Tiêu chuẩn thƣờng đƣợc sử dụng nhất là chuẩn khí hậu còn điểm Heidke lại thƣờng đƣợc kết 16 hợp với chuẩn ngẫu nhiên. Không có điểm kỹ năng cơ bản nào là quan trọng hơn, chúng bình đẳng nhƣ nhau và đều biểu hiện đặc tính của kỹ năng. 1.2. Tổng quan các nghiên cứu về đánh giá dự báo mƣa trong và ngoài nƣớc 1.2.1. Tổng quan những nghiên cứu ngoài nước M. Goeber, S. F. Milton, C.A. Wilson đa ̃nghiên cƣ́u và đƣa ra nhâṇ điṇh rằng qua GTS có thể thấy các quan trắc giáng thủy có sẵn thiếu tính đaị diêṇ . Trong năm 1995, WGNE đa ̃khởi xƣớng viêc̣ kiểm tra các QPF (kiểm tra giáng thủy điṇh lƣơṇg) từ các mô hình NWP (mô hình dự báo thời tiết số) với các quan trắc giáng thủy chất lƣợng cao ở các khu vực khác nhau trên thế giới. Các kết quả đầu tiên của nghiên cƣ́u này thu đƣợc cho Úc, Đức và Mỹ (McBride và Ebert (2000), Ebert và các cộng sƣ ̣ (2002)). Ở đây, các dự báo lƣợng giáng thủy ngày tích lũy lên đến 3 ngày, các mô hình số dự báo thời tiết đa ̃đƣơc̣ kiểm chƣ́ng ở Vƣơng quốc Anh cho hơn một năm (các mẫu hơi khác nhau giữa các mô hình do các vấn đề truyền dẫn). Các số liêụ mô hình đƣơc̣ downsacle hoăc̣ upscale đến một độ phân giải chung 96*96 km 2 . Các dự báo đƣợc so sánh với các tích lũy upscale hàng ngày thu đƣơc̣ tƣ̀ các quan trắc radar chất lƣợng đã đƣợc giám sát và hiệu chuẩn (Harrison và các côṇg sƣ ̣ (2000)) ở quần đảo Anh và các vùng biển lân cận. Ngoài ra , Masayuki Hirai, Takuya Sakashita cũng đa ̃tiến hành các QPF ở Nhâṭ Bản năm 2002. A. Papadopoulos và P . Katsafados đa ̃sƣ̉ duṇg các quan trắc bề măṭ tƣ̀ hơn 900 trạm thông thƣờng để xác minh và so sánh những dự báo phân loại của trƣờng gió 10 m, trƣờng nhiêṭ đô ̣không khí 2 m, trƣờng áp suất mực nƣớc biển 3 giờ và trƣờng lƣợng mƣa tích lũy 6 giờ. Việc đánh giá các hê ̣thống dựa trên việc so sánh điểm - điểm giữa các biến số mô hình đƣợc tạo ra và các quan trắc bề mặt có liên quan. Do đó, một thủ tục đánh giá đã đƣợc phát triển dựa trên ƣớc tính của các kỹ thuâṭ đánh giá khách quan truyền thống nhƣ bias, RMSE cho các yếu tố dƣ ̣báo liên tục và rời rạc. Kết quả sơ bộ cho thấy rằng các lỗi mô hình đƣợc đánh giá cao phụ thuộc vào chu kỳ ngày đêm, phụ thuộc vào mùa, phụ thuộc vào thời gian dự báo và vị trí các trạm đặc biệt là trên các khu vực có điều kiện địa lý phức tạp . 17 Trong nghiên cƣ́u của mình , N. Tartaglione1, S. Mariani, C. Accadia, A. Speranza và M . Casaioli đa ̃đánh giá lƣợng mƣa mô hình với giáng thủy quan trắc đƣơc̣ bởi mạng lƣới thùng đo mƣa dày đặc trên đảo Síp. Áp dụng phƣơng pháp kiểm nghiêṃ là phân tíc h diêṇ tích mƣa tiếp giáp (CRA). Tác động vào các kết quả CRA, khi xem xét các mảng khác nhau của loại kiểm nghiệm và miền con khác nhau của các chỉ số (tƣơng quan và sai số quân phƣơng ) đƣợc sử dụng để so sánh . Kết quả cho thấy cần chú ý khi thử nghiệm lƣợng mƣa mô hình trên một miền nhỏ hơn so với mô hình. Theo Beth EbertB, phƣơng pháp điṇh hƣớng đối tƣơṇg đánh giá (dƣạ trên thƣc̣ thể) CRA đánh giá các đăc̣ tính của các dƣ ̣báo không gian cho các thƣc̣ thể nơi một thực thể là bất cứ điều gì có thể đƣợc xác định bởi một đƣờng viền khép kín. Một số ví dụ về các thực thể hoặc các gioṭ nƣớc là những khu vực mƣa tiếp giáp (phƣơng pháp này đƣợc đặt tên CRA), khu vƣc̣ triển voṇg đối lƣu và áp suất thấp cực tiểu. Đối với mỗi thực thể có thể đƣợc xác định trong dự báo và các quan trắc , đánh giá CRA sử dụng các kỹ thuật mô hình phù hợp để xác định sai số vị trí cũng nhƣ các sai số trong diêṇ tích , cƣờng đô ̣trun g bình và tối đa , dạng phân bố không gian. Tổng sai số có thể đƣợc phân tích thành các thành phần do sai số vị trí, lƣợng và dạng phân bố không gian . Điều này rất hữu ích cho các nhà phát triển mô hình, những ngƣời cần thông tin đó để cải thiện các mô hình dự báo thời tiết số. Ngoài ra, các thực thể đánh giá chính bản thân chúng có thể đƣợc phân loại là "hit", "miss" theo cách mà chúng ở gần vị trí dự báo đến vị trí quan sát nhƣ thế nào và cƣờng độ tối đa đƣợc đại diện bởi dự báo tốt nhƣ thế nào. Đánh giá sự kiện này có thể hữu ích cho việc giám sát thực hiện dự báo. 1.2.2. Tổng quan những nghiên cứu trong nước Bài toán đánh giá dự báo trong khí tƣợng và các chỉ số đánh giá của các mô hình số trị ở Việt Nam đến nay đã có nhiều công trình đƣợc công bố nhƣ công trình của TS. Hoàng Đức Cƣờng và các cộng sự (2008), đa ̃dùng các chỉ số sai số trung bình ME, sai số bình phƣơng trung bình RMSE và sai số trung bình tuyêṭ đối MAE 18 để đánh giá thử nghiệm dự báo mƣa lớn ở Việt Nam bằng mô hình MM5. Kết quả thu đƣơc̣ là: Trong số các sơ đồ tham số hóa vật lý của mô hình số trị khu vực , có lẽ sơ đồ tham số hóa đối lƣu có độ nhạy lớn nhất đối với dự báo mƣa . Các tác giả nhận thấy mƣa dự báo của mô hình MM 5 tƣơng đối khác nhau ở cả hai miền tính khi sử dụng các sơ đồ tham số hóa đối lƣu khác nhau. Sự khác biệt trong dự báo mƣa thể hiện trong cả diện mƣa và lƣợng mƣa. Các chỉ số RMSE, ME, MAE và hệ số tƣơng quan giữa lƣợng mƣa thực tế và lƣợng mƣa dự báo bằng mô hình MM5 với các sơ đồ tham số hóa đối lƣu khác nhau: Kuo, Grell và Betts Miller thì trong cả 3 đối tƣợng lƣợng mƣa so sánh thì mô hình MM5 với sơ đồ tham số hóa đối lƣu Kuo cho kết quả khả quan nhất. Trong đó sơ đồ đối lƣu Kuo và Betts Miller thƣờng dự báo mƣa lớn hơn so với thực tế (ME có giá trị dƣơng) và sơ đồ đối lƣu Grell dự báo lƣợng mƣa nhỏ hơn so với thực tế (ME có giá trị âm). Hệ số tƣơng quan giữa lƣợng mƣa thực tế và lƣợng mƣa dự báo đạt 0.3 - 0.4 và là khá cao đối với một yếu tố có sự biến động tƣơng đối lớn nhƣ lƣợng mƣa. Trần Quang Năng (2009), qua kết quả phân tích đánh giá đầy đủ, khách quan các chỉ tiêu cho khu vực Đông Bắc Bộ trong 5 tháng mùa mƣa (tháng 6, 7, 8, 9,10) của 3 năm số liệu 2005, 2006, 2007 và so sánh dự báo của mô hình ứng với từng hình thế thời tiết cụ thể. Nói chung mô hình HRM cho dự báo lƣợng mƣa thƣờng cao hơn lƣợng mƣa thực tế đo đƣợc. Các chỉ tiêu đánh giá theo biến liên tục cũng nhƣ theo biến cấp định lƣợng đều biến thiên đúng quy luật, không biểu hiện tình trạng bất quy luật, tất cả chứng tỏ tính ổn định của các mô đun tính mƣa trong mô hình HRM. Sai số hệ thống phân bố theo không gian có quy luật, chất lƣợng dự báo mô hình tốt hơn ngẫu nhiên. Các tác giả Trần Tân Tiến và Nguyễn Thị Thanh (2011) đã sử dụng số liệu vệ tinh MODIS để đồng hóa trƣờng ban đầu cho mô hình WRF bằng phƣơng pháp 3DVAR để dự báo mƣa lớn khu vực Trung Trung Bộ trong hai mùa mƣa 2007, 2008. Để đánh giá khả năng dự báo có và không có mƣa, đồng thời đánh giá khả năng dự báo mƣa lớn của mô hình, các tác giả đã chọn các ngƣỡng mƣa từ nhỏ đến lớn, cụ thể các ngƣỡng mƣa 1, 5, 15, 20, 30, 50, 100, 150 và 200mm/ngày. Thông 19 qua đánh giá các điểm số FBI, CSI và POD với các hạn dự báo 06-30h và 30-54h cho các đợt mƣa lớn khu vực miền Trung năm 2007, 2008 với cả hai trƣờng hợp không (GFS) và có đồng hoá số liệu (3DV), các tác giả đã nhận thấy việc đồng hóa đã tăng độ chính xác dự báo mƣa lớn. Phạm Thị Tuyết Mây (2012), xét chung cho toàn chuỗi số liệu thấy mô hình HRM cho dự báo lƣợng mƣa thiên cao, còn mô hình MM5 dự báo mƣa thiên thấp. Cả hai mô hình đều cho các giá trị độ lệch trung bình giữa dự báo và quan trắc lúc âm lúc dƣơng (lúc dự báo thấp hơn thám sát, lúc lại dự báo cao hơn thám sát). Hệ số tƣơng quan của HRM ổn định hơn trong các mùa so với MM5. Kết hợp giữa các chỉ số có thể thấy mô hình HRM có tính ổn định và mức độ tin cậy cao hơn so với mô hình MM5. Ở cả hai mô hình, dự báo mƣa ở các ngƣỡng mƣa thấp cho kết quả chính xác (độ tin cậy cao hơn) so với các ngƣỡng mƣa lớn. 1.3. Một số phƣơng pháp đánh giá dự báo 1.3.1. Sơ đồ chung đánh giá dự báo từ mô hình dự báo số trị 1.3.1.1. Những nguyên nhân gây ra sai số dự báo bằng mô hình số Mô hình dự báo thời tiết số cho ra kết quả các sản phẩm dự báo từ việc phân tích các phƣơng trình mô tả những quá trình vật lý xảy ra trong khí quyển bằng máy tính. Những kết quả này không phải là một dự báo hoàn hảo bởi nó không thể mô tả hết đƣợc những thay đổi trong khí quyển. Những nguyên nhân gây ra sai số dự báo của mô hình dự báo số trị bao gồm: - Những hiểu biết của chúng ta về các công thức toán học và vật lý còn chƣa đầy đủ. - Ảnh hƣởng của địa hình lên kết quả dự báo (thƣờng không đƣợc mô hình mô tả hoàn chỉnh). - Những hiểu biết về điều kiện ban đầu còn hạn chế bởi chúng ta chỉ lấy một số lƣợng hạn chế các điểm trong không gian để tính toán. 20 - Chúng ta phải điều chỉnh và đơn giản hóa các phƣơng trình toán học trong mô hình để rút ngắn thời gian tính toán nhằm đƣa ra đƣợc các sản phẩm dự báo kịp thời. - Vẫn còn tồn tại các sai số trong quá trình hoàn tất tính toán 1.3.1.2. Nguyên tắc chung để đánh giá sản phẩm dự báo số trị Hình 1.2 Sơ đồ chung cho đánh giá mô hình dự báo thời tiết số Hình 1.2 mô tả một nguyên tắc chung cho việc đánh giá sản phẩm dự báo số trị. Đánh giá đƣợc bắt đầu với một tập số liệu bao gồm cả số liệu dự báo và số liệu quan trắc. Bộ số liệu này phải đƣợc sắp xếp đối xứng với nhau theo không gian và thời gian. Theo quy mô không gian, số liệu quan trắc sẽ đƣợc phân tích về lƣới của 21 số liệu dự báo hoặc số liệu dự báo phải đƣợc nội suy theo không gian về các điểm quan trắc. Tuy nhiên, cách thứ nhất ít đƣợc làm hơn vì có những ý kiến cho rằng khi tập số liệu quan trắc đƣợc nội suy về điểm lƣới thì nó đã không còn mang tính khách quan vốn có nhƣ trƣớc khi nội suy. Vì vậy, điều quan trọng trong đánh giá mô hình là phải luôn ghi nhớ cần kiểm tra lại số liệu quan trắc khi đánh giá kết quả. Để đánh giá một sản phẩm mô hình số có hiệu quả thì cần phải xác định đƣợc rõ mục đích đánh giá trƣớc khi thiết lập hệ thống đánh giá. “Đánh giá hành chính” trả lời câu hỏi về các xu hƣớng trong kỹ năng và độ chính xác của mô hình. Nó thƣờng đƣợc sử dụng để so sánh độ chính xác của hai mô hình khác nhau. “Đánh giá khoa học” trả lời các câu hỏi về sự thay đổi theo không gian và thời gian trong sự biểu diễn của mô hình để cung cấp thông tin có thể phản hồi lại cho các nhà phát triển mô hình cải tiến mô hình hay cho các dự báo viên để thay đổi xu hƣớng dự báo. “Phân loại ngoại bộ” nghĩa là phân chia tập số liệu đánh giá theo mùa hoặc theo thời gian chạy của mô hình hoặc theo quy luật chọn lựa khác độc lập với các thông số đang đƣợc đánh giá. Phân loại theo mùa là cách sử dụng phổ biến để phát hiện sự khác nhau trong đặc trƣng giữa các mùa. Phân loại theo không gian có thể đƣợc làm vì mục đích quản lý hành chính hoặc vì mục đích khoa học. Phân loại theo không gian đƣợc tiến hành theo mục đích hành chính để thấy đƣợc sự khác biệt trong độ chính xác trên các khu vực của mô hình tƣơng ứng với các khu vực quản lý hành chính của đất nƣớc. Khi tiến hành phân loại không gian theo mục đích khoa học, các khu vực có quy mô dƣới lƣới đƣợc ƣu tiên lựa chọn để phản ánh các chế độ khí hậu khác nhau nhƣ các khu vực có đồi núi, các vùng khuất gió của núi, bờ biển 1.3.1.3. Các thuộc tính của một dự báo Một đánh giá đơn lẻ không thể cho ta biết đƣợc thông tin đầy đủ về chất lƣợng của sản phẩm. Tất cả đều cung cấp thông tin về một hoặc một số thuộc tính của sản phẩm dự báo. Do đó, một hệ thống đánh giá sẽ bao gồm cả việc tính toán 22 các đại lƣợng đƣợc chọn khác nhau để mô tả các thuộc tính thích hợp phục vụ cho mục đích đánh giá. a) Độ chính xác là thuật ngữ chung chỉ ra mức độ chính xác, phù hợp giữa thời tiết dự báo và thời tiết thực đƣợc thể hiện qua các quan trắc. Sự khác nhau giữa một giá trị quan trắc và một giá trị dự báo đƣợc gọi là sai số. Sự khác nhau này càng nhỏ thì sai số sẽ càng nhỏ và độ chính xác sẽ càng cao. Đôi khi độ chính xác cũng đƣợc biểu hiện thông qua các thuộc tính khác của dự báo nhƣ độ tin cậy, độ phân giải hay đ