1

ĐẠI HỌC QUỐC GIA HÀ NỘI

TRƢỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN

***********

Phạm Thị Minh

ĐÁNH GIÁ KHẢ NĂNG DỰ BÁO QŨY ĐẠO VÀ CƢỜNG ĐỘ BÃO

TRÊN BIỂN ĐÔNG HẠN 5 NGÀY BẰNG MÔ HÌNH WRF VỚI SƠ ĐỒ

ĐỒNG HÓA LETKF

LUẬN VĂN THẠC SĨ KHOA HỌC

HÀ NỘI - 2013

2

LỜI CẢM ƠN

ĐẠI HỌC QUỐC GIA HÀ NỘI

TRƢỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN

***********

Phạm Thị Minh

ĐÁNH GIÁ KHẢ NĂNG DỰ BÁO QŨY ĐẠO VÀ CƢỜNG ĐỘ BÃO

TRÊN BIỂN ĐÔNG HẠN 5 NGÀY BẰNG MÔ HÌNH WRF VỚI SƠ ĐỒ

ĐỒNG HÓA LETKF

Chuyên ngành: Khí tượng và Khí hậu học

Mã số: 62.44.87

LUẬN VĂN THẠC SĨ KHOA HỌC

NGƯỜI HƯỚNG DẪN KHOA HỌC:

GS. TS. Trần Tân Tiến

HÀ NỘI - 2013

3

LỜI CÁM ƠN

Trước hết, tôi xin bày tỏ lòng biết ơn sâu sắc tới GS. TS. Trần Tân Tiến, là

người không những tận tình chỉ bảo, định hướng và hướng dẫn tôi hoàn thành luận

văn này mà còn là người đã tạo cơ hội để tôi tiếp tục theo ngành khí tượng. Em xin

chân thành cảm ơn Thầy!

Tôi xin cảm ơn các thầy cô và các cán bộ trong Khoa Khí tượng Thủy văn và

Hải dương học đã cung cấp cho tôi những kiến thức chuyên môn và những kinh

nghiệm quý giá, và tạo điều kiện thuận lợi về cơ sở vật chất trong suốt thời gian tôi

học tập và thực hành ở Khoa.

Tôi cũng xin cảm ơn Phòng Sau đại học, Trường Đại học Khoa học Tự nhiên

đã tạo điều kiện cho tôi trong thời gian hoành thành luận văn.

Cuối cùng, tôi xin gửi lời cảm ơn chân thành tới gia đình, người thân và bạn

bè, những người đã luôn ở bên cạnh cổ vũ, động viên và tạo mọi điều kiện tốt nhất

cho tôi trong suốt thời gian học tập và hoàn thành luận văn. Tôi cũng cám ơn sinh

viên Lê Thị Liên 05CĐKT1 đã giúp tôi chỉnh sửa bản thảo, hoàn thiện luận văn.

Hà Nội, ngày 9 tháng 03 năm 2014

Phạm Thị Minh

4

MỤC LỤC

CHƢƠNG 1.................................................................................................................... 2

TỔNG QUAN VỀ DỰ BÁO BÃO HẠN 5 NGÀY VÀ SƠ ĐỒ ĐỒNG HÓA

LETKF ........................................................................................................................... 2

1.1 Tình hình dự báo bão hạn 5 ngày trên Thế giới và Việt Nam ........................... 2

1.2 Tổng quan về sơ đồ đồng hóa LETKF .............................................................. 4

1.2.1 Một số nghiên cứu về sơ đồ LETKF ........................................................... 4

1.2.2 Thuật toán LETKF ...................................................................................... 7

CHƢƠNG 2.................................................................................................................... 9

THIẾT KẾ THÍ NGHIỆM VÀ PHƢƠNG PHÁP ĐÁNH GIÁ ................................ 9

2.1 Sử dụng LETKF trong mô hình WRF đồng hóa số liệu phục vụ dự báo bão

hạn 5 ngày ................................................................................................................ 9

2.2 Sơ lược về quá trình hoạt động của cơn bão Megi 2010 ................................. 11

2.3 Thiết kế miền tính và cấu trúc tổ hợp .............................................................. 12

2.4 Nguồn số liệu ................................................................................................... 13

2.5 Phương pháp đánh giá kết quả dự báo quỹ đạo và cường độ bão ................... 15

2.5.1 Phương pháp đánh giá dựa vào MAE ....................................................... 17

2.5.2 Phương pháp đánh giá dựa vào tỷ số giữa độ tán tổ hợp và sai số tuyệt đối.

............................................................................................................................ 17

2.5.3 Phương pháp đánh giá dựa vào sai số căn quân phương năng lượng trung

bình thể tích. ....................................................................................................... 19

CHƢƠNG 3.................................................................................................................. 20

KẾT QUẢ TÍNH TOÁN VỚI CƠN BÃO MEGI 2010 ........................................... 20

3.1 Khảo sát số thành phần tổ hợp ......................................................................... 20

3.2 Khảo sát vai trò của bộ số liệu hỗn hợp (vệ tinh + cao không) trong dự báo

bão hạn 5 ngày ....................................................................................................... 21

3.3 Khả năng dự báo bão hạn 5 ngày của mô hình WRF với sơ đồ LETKF ........ 35

3.3.1 Quỹ đạo bão .............................................................................................. 36

3.3.2 Cường độ bão ............................................................................................ 38

5

KẾT LUẬN .................................................................................................................. 44

PHỤ LỤC ..................................................................................................................... 46

TÀI LIỆU THAM KHẢO .......................................................................................... 50

6

DANH MỤC HÌNH

Hình 2.1. Sơ đồ minh họa hệ thống dự báo tổ hợp WRF-LETKF .......................... 9

Hình 2.2. Quỹ đạo cơn bão MEGI từ ngày 13/10 đến ngày 23/10/2010 .............. 12

Theo Nguồn Internet [46]. ..................................................................................... 12

Hình 2.3. Bản đồ phân bố các trạm quan trắc cao không trên khu vực Châu Á. .. 15

Hình 2.4. Sơ đồ các thành phần của một “tổ hợp dự báo tốt” (hình trái) và ” tổ

hợp dự báo xấu” (hình phải) trong hệ thống dự báo tổ hợp .................................. 16

Hình 3.1. Sai số căn quân phương năng lượng trung bình thể tích trong thí

nghiệm độ nhạy của phương pháp đa vật lý với số thành phân tổ hợp khác nhau:

10 (dấu nhân), 15 (tam giác), 20 (hình vuông), 25 (hình tròn), 30 (vòng tròn hở),

35 (dấu hoa thị), 40 (dấu cộng), và 50 (kim cương). ............................................. 21

Hình 3.2. Quỹ đạo cơn bão Megi quan trắc (màu đen ) và dự báo tất định với thời

điểm bắt đầu dự báo lúc 12z15 ( màu đỏ); 00z16 (xanh lá cây); 12z16 (xanh

dương); 00z17 (xanh da trời); 12z17 (màu hồng); và 00z18 (màu vàng). ............ 22

Hình 3.3. Biến trình PMIN (a) và VMAX (b), quan trắc (OBS-màu đỏ) và dự báo

tất định (CTL-màu xanh dương), với thời điểm bắt đầu dự báo lúc 00 giờ (UTC)

ngày 18 tháng 10 năm 2010. .................................................................................. 24

Hình 3.4. Kết quả dự báo quỹ đạo (a) và cường độ cơn bão Megi (PMIN -

b,VMAX - c) trong thử nghiệm MIX (hình phải) và thử nghiệm CIMSS (hình

trái); với trung bình tổ hợp (màu tím), quan trắc (màu đen), các thành phần tổ hợp

(đường mảnh màu tím). Bắt đầu dự báo lúc 00 giờ ngày 18/10/2010. ................. 26

Hình 3.5. Trường độ cao địa thế vị mực 500 hPa, CIMSS (hình trái) và MIX

(hình phải), với (a) 00 UTC 22; (b) 12 UTC 22; và (e) 00 UTC 23. Và trường gió

ở mực tương ứng. ................................................................................................... 27

Hình 3.6. Bản đồ đường dòng mực 200 hPa trong thử nghiệm CIMSS (hình trái)

và thử nghiệm MIX (hình phải), với (a) 00 UTC 22, (b) 12 UTC 22, và (c) 00

UTC 23. Và độ lớn tốc độ gió ở mực tương ứng ................................................... 28

Hình 3.7. Tương tự hình 3.3, thêm 2 biến trình cho CIMSS (xanh lá cây) và MIX

(màu tím). ............................................................................................................... 31

7

Hình 3.8. Tương tự như hình 3.4 cho quĩ đạo dự báo, trong thử nghiệm đồng hóa

đồng thời gió vệ tinh và gió cao không (MIXNO – hình bên trái), và thử nghiệm

đồng hóa đồng thời số liệu vệ tinh và cao không (MIX – hình bên phải). ............ 32

Hình 3.9. Tương tự như hình 3.6, MIXNO (hình trái) và MIX (hình phải), (a) 00

UTC 22, (b) 12 UTC 22, và (c) 00 UTC 23. Và độ lớn tốc độ gió ở mực tương

ứng. ........................................................................................................................ 33

Hình 3.10. Tương tự hình 3.3, 3 biến trình cho CIMSS (xanh lá cây); MIX (màu

tím); và MIXNO (xanh da trời) ............................................................................. 34

Hình 3.11. Sai số quỹ đạo bão trung bình của 9 trường hợp thử nghiệm, MIX

(màu đen); CIMSS (màu xám); và CTL (màu xám nhẹ). ...................................... 37

Hình 3.12. Trung bình sai số tuyệt đối áp suất mực biển cực tiểu, MIX (màu đen),

CIMSS (màu xám), và CTL (màu xám nhẹ). ........................................................ 40

Hình 3.13. Trung bình sai số tuyệt đối gió bề mặt cực đại trong đó sai số, MIX

(màu đen); CIMSS (màu xám); và CTL (màu xám nhẹ). ...................................... 42

8

DANH MỤC BẢNG

Bảng 2.1. Danh sách các trường hợp thử nghiệm ................................................. 13

Bảng 3.1. Thống kê các trường hợp hệ thống WRF-LETKF dự báo quỹ đạo bão

hiệu quả trong hai thử nghiệm CIMSS và MIX .................................................... 37

Bảng 3.2. Thống kê các trường hợp hệ thống WRF-LETKF dự báo áp suất mực

biển cực tiểu hiệu quả trong hai thử nghiệm CIMSS và MIX ............................... 40

Bảng 3.3. Thống kê các trường hợp hệ thống WRF-LETKF dự báo tốc độ gió bề

mặt cực đại hiệu quả trong hai thử nghiệm CIMSS và MIX ................................. 42

9

DANH MỤC KÝ HIỆU VIẾT TẮT

WRF: Mô hình dự báo và nghiên cứu thời tiết

LETKF: Bộ lọc Kalman tổ hợp địa phương hóa biến đổi

WRF-LETKF: Hệ thống dự báo và nghiên cứu thời tiết ứng dụng đồng hóa số liệu

bằng bộ lọc Kalman tổ hợp địa phương hóa biến đổi

CIMSS: trường hợp thử nghiệm đồng hóa số liệu vệ tinh để dự báo bão trong hệ

thống WRF-LETKF

MIX: trường hợp thử nghiệm đồng hóa đồng thời số liệu vệ tinh và số liệu cao

không để dự báo bão trong hệ thống WRF-LETKF.

MIXNO: trường hợp thử nghiệm đồng hóa đồng thời số liệu vệ tinh và số liệu gió

cao không để dự báo bão trong hệ thống WRF-LETKF

CTL: trường hợp thử nghiệm dự báo không đồng hóa

MAE: sai số trung bình tuyệt đối

RMSE: độ lệch chuẩn

PMIN: áp suất mực biển cực tiểu tại tâm bão

VMAX: tốc độ gió cực đại gần tâm bão

PE: sai số quỹ đạo bão

MPE: sai số trung bình quỹ đạo bão

EME: sai số căn quân phương năng lượng trung bình thể tích

GFS: Hệ thống dự báo toàn cầu

PBL: sơ đồ tham số hóa lớp biên hành tinh

NCEP: Trung tâm dự báo môi trường quốc gia

FNL: số liệu phân tích toàn cầu

WRFDA: module đồng hóa số liệu trong mô hình WRF

MP: đa vật lý

UTC: giờ quốc tế

BMJ: Betts-Miller-Janjic (tác giả của sơ đồ đối lưu)

runobs.sh: Chương trình chạy tự động, chuẩn bị số liệu quan trắc cho chương trình

đồng hóa số liệu letkf.exe.

obsmode: Biến trong script runobs.sh, xác định các loại quan trắc được đưa vào

đồng hóa

10

MỞ ĐẦU

Hiện nay, các bản tin dự báo thời tiết đôi khi cho kết quả sai lệch do điều

kiện ban đầu không chính xác [1], điều này do đặc thù của mô hình dự báo thời tiết

có tính phụ thuộc mạnh vào trường ban đầu (trường đầu vào của mô hình). Một

trong những phương pháp làm chính xác điều kiện ban đầu cho mô hình là đồng hóa

số liệu, quá trình này tạo trường ban đầu tốt nhất có thể cho một mô hình dự báo,

dựa trên mối quan hệ động lực và xác suất thống kê. Mặt khác, cùng với sự phát

triển mạnh của công nghệ thông tin cho phép máy tính thực hiện các thuật toán một

cách nhanh chóng và hiệu quả. Do vậy, các sơ đồ đồng hóa số liệu trong khí tượng

phát triển mạnh trong thời gian gần đây. Trong đó, sơ đồ đồng hóa lọc Kalman tổ

hợp (Ensemble Kalman Filter - EnKF) với biến thể là lọc Kalman tổ hợp địa

phương hóa biến đổi (Local ensemble transform Kalman filter, LETKF) có những

ưu điểm nhất định về khả năng nắm bắt các loại số liệu quan trắc cũng như khả

năng ứng dụng trong nghiệp vụ, do việc tính toán có thể thực hiện song song hóa [1,

18]. Tuy nhiên, số thành phần tổ hợp trong bộ lọc Kalman chưa có một định lượng

cụ thể và khả năng đồng hóa đồng thời các loại số liệu hiện có (vệ tinh, cao không,

bề mặt…v.v.) cũng chưa được nghiên cứu nhiều, đặc biệt là khả năng ứng dụng

trong dự báo quỹ đạo và cường độ bão 5 ngày của mô hình WRF với sơ đồ đồng

hóa LETKF chưa được kiểm định.

Chính vì vậy, trong khuôn khổ luận văn này, tác giả sẽ đánh giá khả năng dự

báo quỹ đạo và cường độ bão hạn 5 ngày trên Biển Đông bằng mô hình WRF với hệ

thống đồng hóa LETKF. Trong đó số thành phần tổ hợp tối ưu sẽ được xác định

trong thí nghiệm lý tưởng hóa. Dựa vào số thành phần tổ hợp tối ưu cùng với những

ưu điểm của việc đồng hóa đồng thời 2 loại số liệu gió vệ tinh và số liệu cao không,

tác giả tiến hành thử nghiệm dự báo quỹ đạo và cường độ bão hạn 5 ngày với 9

trường hợp cơn bão Megi 2010. Từ kết quả thử nghiệm trên, tác giả đánh giá khả

năng dự báo quỹ đạo và cường độ bão hạn 5 ngày của mô hình WRF với sơ đồ đồng

hóa LETKF thông qua việc đánh giá sai số dự báo quỹ đạo và cường độ bão so với

11

quan trắc và thông qua kỹ năng dự báo của hệ thống tổ hợp dựa trên tỷ số giữa độ

tán tổ hợp và sai số dự báo.

Với nội dung trên, ngoài phần mở đầu và kết luận, luận văn được bố cục

thành 3 chương như sau:

Chương 1 – Tổng quan về sơ đồ đồng hóa LETKF và dự báo bão hạn 5 ngày.

Chương 2 – Thiết kế thí nghiệm và phương pháp đánh giá.

Chương 3 – Kết quả tính toán với cơn bão Megi 2010.

2

Chƣơng 1

TỔNG QUAN VỀ DỰ BÁO BÃO HẠN 5 NGÀY VÀ SƠ ĐỒ ĐỒNG HÓA

LETKF

1.1 Tình hình dự báo bão hạn 5 ngày trên Thế giới và Việt Nam

Trên Thế giới, dự báo bão hạn 5 ngày đã được nghiên cứu và ứng dụng vào

nghiệp vụ ở một số trung tâm lớn như Trung tâm dự báo Bão Quốc gia Hoa Kỳ, cơ

quan khí tượng Nhật Bản, Hàn Quốc, Úc và Trung tâm Dự báo Hạn vừa Châu Âu.

Đặc biệt trong những năm gần đây, khi công nghệ thông tin không ngừng phát triển

đã tạo điều kiện thuận lợi cho việc phát triển các hệ thống dự báo tổ hợp. Cụ thể

như Cơ quan Khí tượng Nhật Bản đã áp dụng dự báo bão bằng hệ thống dự báo tổ

hợp với hạn 5 ngày, sai số dự báo 5 ngày của năm 2007 là 451 km [41]. Còn tại

Trung tâm Dự báo Bão Quốc Gia Hoa Kỳ, dự báo hạn 5 ngày được đưa vào nghiệp

vụ từ năm 2003, với sai số dự báo 5 ngày vào khoảng 265 nmi (nauticle mile –

1.852 km) tương ứng với 491 km cho giai đoạn 2000 – 2008 [47]. Ngoài ra, tại Hàn

Quốc (KMA), Úc, và Trung Tâm Châu Âu (ECMWF), cũng phát triển các hệ thống

dự báo tổ hợp cho dự báo từ 5 đến 7 ngày với kết quả dự bão quỹ đạo bão hạn 5

ngày rất khả quan.

Đối với dự báo cường độ, trong khoảng 10 năm trở lại đây, mặc dù sai số dự

báo quỹ đạo bão bằng mô hình số đã giảm được khoảng 50% nhờ cải tiến các mô

hình, các thám sát xung quanh được tăng cường liên tục và kỹ năng được cải thiện

của người dự báo [47]. Tuy nhiên, hầu như không có cải thiện nhiều về kỹ năng dự

báo cường độ bão trong suốt thời gian này [15][47]. Một trong những khó khăn

chính của việc dự báo cường độ bão là do xoáy bão trong mô hình thường yếu hơn

và có cấu trúc sai lệch rất nhiều so với bão thực tại thời điểm mô hình bắt đầu tích

phân dự báo. Ngoài ra còn do các quá trình vật lý trong mô hình không được biểu

diễn đầy đủ. Như vậy có thể thấy, dự báo cường độ bão đang là thách thức lớn đối

với các nhà khí tượng trên thế giới.

3

Ở Việt Nam, đối với dự báo bão hạn 5 ngày trên Biển Đông đã có một số tác

tác giả nghiên cứu và thu được một số kết quả đáng chú ý. Ví dụ như, tác giả Công

Thanh và Trần Tân Tiến 2013 đã xây dựng hệ thống dự báo tổ hợp trên mô hình

RAM bằng phương pháp nuôi nhiễu môi trường kết hợp nhiễu xoáy với các sơ đồ

vật lý khác nhau và thử nghiệm dự báo cơn bão Washi 2011 [3]. Kết quả thử

nghiệm cho thấy quỹ đạo dự báo khá sát với quỹ đạo thực. Ngoài ra tác giả Công

Thanh và Trần Tân Tiến cũng tiến hành đánh giá hệ thống dự báo trên thông qua

thử nghiệm dự báo các cơn bão trong 3 mùa bão (2009, 2010 và 2011) [2]. Kết quả

đánh giá bước đầu cho thấy hệ thống dự báo tổ hợp bằng phương pháp nuôi nhiễu

môi trường kết hợp nhiễu xoáy với các sơ đồ vật lý khác nhau cho kết quả dự báo

quỹ đạo bão có độ chính xác tương đương với kết quả dự báo của Trung tâm Khí

tượng Nhật Bản. Còn tác giả Trần Tân Tiến và ccs 2013 đã sử dụng mô hình WRF

với 3 sơ đồ đối lưu Betts-Miller-Janjic (BMJ), Kain-Fritsch (KF), Grell-Devenyi

(GD) và số liệu dự báo tổ hợp của NCEP để dự báo lại cho các cơn bão trên khu

vực Biển Đông trong các năm 2009-2011 gồm 90 trường hợp [4]. Tác giả và css

xây dựng các phương trình dự báo tổ hợp quỹ đạo bão (kinh độ và vĩ độ của tâm

bão) ở các hạn dự báo 6, 12,…,120 giờ cho khu vực Biển Đông. Trong đó, các nhân

tố được chọn bằng phương pháp siêu tổ hợp với 90 trường hợp. Kết quả đánh giá

trên bộ số liệu phụ thuộc và độc lập cho thấy các phương trình trên có thể sử dụng

để dự báo bão ở Việt Nam.

Mặt khác, thời gian gần đây mạng lưới quan trắc khí tượng được phát triển

rộng khắp cả về số lượng lẫn loại hình quan trắc. Đặc biệt là số liệu vệ tinh hiện

đang là nguồn số liệu khí tượng đáng tin cậy và hữu ích để bổ sung cho đầu vào của

mô hình số trị. Do những thám sát trên biển rất thưa thớt và khó quan trắc trong

điều kiện thời tiết có bão. Ngoài ra số liệu quan trắc cao không cũng là một nguồn

số liệu bổ sung các thông tin đầu vào cho mô hình dự báo số trị nhằm hiểu chỉnh lại

trường đầu vào của mô hình gần với trạng thái khí quyển thực thông qua quá trình

đồng hóa số liệu.

4

Do vậy trong khuôn khổ luận văn này tác giả sẽ đồng hóa số liệu quan trắc

vệ tinh và cao không bằng sơ đồ LETKF vào trường đầu vào của mô hình WRF để

dự báo bão hạn 5 ngày trên Biển Đông. Phần tiếp theo tác giả sẽ tổng quan sơ lược

về sơ đồ đồng hóa LETKF.

1.2 Tổng quan về sơ đồ đồng hóa LETKF

1.2.1 Một số nghiên cứu về sơ đồ LETKF

LETKF (Lọc Kalman Tổ hợp Biến đổi Địa phương hóa) được đề xuất năm

2005 bởi Hunt và các cộng sự (ccs) [19]. Thuật toán LETKF không phải là một

phương pháp mới cho đồng hóa số liệu, mà nó được xây dựng dựa trên sự kết hợp

giữa lọc Kalman tổ hợp địa phương (LEKF) và lọc Kalman biến đổi tổ hợp (ETKF).

Kết quả nghiên cứu của Hunt và ccs (2005) cho thấy LETKF có khả năng ứng dụng

trong mô hình dự báo toàn cầu đồng hóa các số liệu quan trắc thực với 40 thành

phần tổ hợp và sai số mô hình được xác định bằng phương pháp tăng cấp nhân. Đến

năm 2007 tác giả Miyoshi và Yamane [28] cũng ứng dụng thành công sơ đồ

LETKF trong mô hình dự báo toàn cầu AGCM tại Trung tâm Khí tượng Nhật Bản

với 40 thành phần tổ hợp đồng hóa hầu hết các dữ liệu quan trắc đã sử dụng trong

đồng hóa nghiệp vụ 3DVAR. Trường phân tích thu được từ LETKF có độ chính xác

tương tự như trường phân tích thu được từ hệ thống đồng hóa biến phân nghiệp vụ

3DVAR. Ngoài ra kết quả nghiên cứu của Miyoshi và Yamane cho thấy LETKF có

thể nắm bắt tốt các loại dữ liệu có tính bất đồng nhất cao như số liệu vệ tinh. Vì vậy

Miyoshi và Yamane cho rằng LETKF là hướng phát triển mới có thể ứng dụng

trong dự báo nghiệp vụ. Còn tác giả Szunyogh và ccs 2008 [35] đã sử dụng LETKF

để đồng hóa số liệu cho mô hình toàn cầu NCEP với 60 thành phần tổ hợp và áp

dụng phương pháp tăng cấp hiệp biến (covariance inflation) xác định sai số mô

hình, trong đó ứng với mỗi khu vực sẽ có một hệ số tăng cấp tương ứng. Szunyogh

và cộng sự đưa ra kết quả phân tích của LETKF chính xác hơn so với phân tích của

các phương pháp khác, nhất là tác giả và các cộng sự đã đồng hóa thành công một

số lượng lớn các quan trắc của khí quyển thực trong một khoảng thời gian dài.

5

Đối với các mô hình dự báo khu vực, sơ đồ đồng hóa số liệu LETKF cũng

được nghiên cứu và ứng dụng, ví dụ như tác giả Miyoshi và Kunii (2012), đã thử

nghiệm LETKF với mô hình WRF (Mô hình dự báo và nghiên cứu thời tiết) để

đồng hóa các quan trắc thực [30]. Trong các thử nghiệm này tác giả Miyoshi và

Kunii sử dụng sơ đồ tăng cấp hiệp biến thích ứng (adaptive covariance inflation) để

xác định sai số của mô hình cho LETKF. Kết quả nghiên cứu cho thấy LETKF có

khả năng đồng hóa dữ liệu quan trắc thực và phương pháp tăng cấp thích ứng là lựa

chọn tốt cho sơ đồ LETKF. Ngoài ra kết quả nghiên cứu với các thử nghiệm có cỡ

tổ hợp khác nhau, tác giả Miyoshi và Kunii đưa ra nhận định rằng khi số thành phần

tổ hợp tăng lên thì trường phân tích sẽ tốt hơn [30]. Một nghiên cứu khác về sơ đồ

LETKF ứng dụng trong mô hình WRF là do tác giả Kiều và ccs 2012 [22], tác giả

và ccs đã khảo sát độ nhạy của gió vệ tinh được đồng hóa bởi LETKF trong dự báo

cơn bão Megi 2010 và chứng minh được việc đồng hóa số liệu gió vệ tinh bằng

LETKF trong mô hình WRF giúp nâng cao chất lượng dự báo quỹ đạo bão và cải

thiện đáng kể kỹ năng dự báo cường độ hạn 3 ngày, đồng thời đưa ra nhận định về

sự ảnh hưởng của số liệu quan trắc ngoài rìa xa tâm bão đến kỹ năng dự báo bão.

Tuy nhiên, trong các thử nghiệm LETKF của tác giả Kiều và cộng sự luôn ấn định

số thành phần tổ hợp là 21 và sai số của mô hình được xác định bằng phương pháp

đa vật lý. Với phương pháp đa vật lý đã được chứng minh về khả năng nắm bắt sai

số của mô hình do các quá trình vật lý không được biểu diễn đầy đủ [23], phương

pháp này giúp LETKF nắm bắt tốt hơn các thông tin quan trắc được đưa vào đồng

hóa.

6

Như vậy chúng ta có thể thấy, sơ đồ đồng hóa LETKF hiện tại chưa có một

khuyến cáo nào cho người sử dụng dùng bao nhiều thành phần tổ hợp để có thể thu

được kết quả dự báo hiệu quả nhất. Mặt khác như đã biết dự báo tổ hợp cung cấp

một ước lượng phân bố xác suất dự báo cho trạng thái khí quyển, nên khoảng tin

cậy của ước lượng này phụ thuộc vào cỡ của tổ hợp (số thành phần tổ hợp). Ngoài

ra, do tài nguyên tính toán bị giới hạn, nên cỡ tổ hợp phải nhỏ hơn nhiều so với

chiều của không gian mô hình dự báo thời tiết sử dụng để thực hiện tích phân [10].

Còn tác giả Kalnay (2003) cho rằng một tổ hợp khoảng 25-50 thành phần thì lọc

Kalman phát huy tác dụng [24]. Hoặc theo kết quả nghiên cứu của Herschel L.

Mitchell and P. L. Houtekamer (2002) đã chỉ ra với 64 thành phần tổ hợp thì Lọc

Kalman tổ hợp (EnKF) phát huy tác dụng [21]. Nhưng nghiên cứu này tác giả

Herschel L. Mitchell and P. L. Houtekamer đã giả thiết mô hình là hoàn hảo và sai

số mô hình xác định bằng cách cộng thêm vào tổ hợp các nhiễu mô hình xấp xỉ cân

bằng với một cấu trúc thống kê (phương pháp tăng cấp cộng). Ngoài ra các nghiên

cứu về LETKF gần đây cũng sử dụng các tổ hợp bao gồm 21, 40 đến 60 thành phần

tổ hợp [19][28][35][29][22]. Các nghiên cứu trên chỉ ra định lượng số thành phần tổ

hợp trong lọc Kalman dựa vào các thử nghiệm với giả thiết mô hình là hoàn hảo

hoặc sai số của mô hình được xác định bằng phương pháp tăng cấp cộng, tăng cấp

nhân và tăng cấp thích ứng. Nhưng thực tế, hầu hết sai số nội tại của mô hình do các

quá trình vật lý không được mô tả đầy đủ là nguyên nhân chính gây ra sai số dự báo

trong các mô hình xoáy thuận nhiệt đới [12][5][6][7][27]. Vì vậy, tác giả Kiều và

cộng sự (2013) [23] đã đề xuất phương pháp đa vật lý để hiệu chỉnh sai số của mô

hình, trong đó các thành phần tổ hợp là các thành phần đa vật lý với sự kết hợp của

các lựa chọn sơ đồ vật lý khác nhau (một sơ đồ vi vật lý sẽ kết hợp với các sơ đồ

tham số hóa đối lưu, sơ đồ tham số hóa bức xạ, sơ đồ tham số hóa lớp biên hành

tinh …v.v.). Kết quả cho thấy, độ tán tổ hợp, sai số căn quân phương năng lượng

trung bình thể tích được cải thiện đáng kể [23], và những ưu điểm vượt trội của

phương pháp đa vật lý so với phương pháp tăng cấp nhân được sử dụng rộng rãi

trong các ứng dụng của Lọc Kalman Tổ hợp Địa phương hóa Biến đổi.

7

Như vậy, LETKF có khả năng nắm bắt nhiều loại quan trắc khác nhau và

được ứng dụng khá thành công trong các mô hình dự báo toàn cầu và khu vực. Đặc

biệt với nghiên cứu của tác giả Kiều và cộng sự 2013 đã cho thấy phương pháp đa

vật lý là một lựa chọn tốt cho các ứng dụng dự báo hạn ngắn. Vì vậy, trong luận văn

này tác giả chọn sơ đồ LETKF với phương pháp đa vật lý. Phần tiếp theo tác giả

giới thiệu tóm tắt thuật toán LETKF.

1.2.2 Thuật toán LETKF

Các nghiên cứu gần đây về LETKF đã chứng minh khả năng đồng hóa nhiều

loại quan trắc ở các quy mô khác nhau của sơ đồ đồng hóa Kalman tổ hợp

[20][32][27][28][22][30]. Ưu điểm chính của LETKF cho phép phân tích được tính

toán trong không gian mở rộng bởi các thành phần tổ hợp dự báo ở mỗi điểm lưới

của mô hình, ưu điểm này giảm khối lượng tính toán bằng việc thực hiện tính toán

song song hóa.

Ý tưởng chính của thuật toán LETKF là sử dụng ma trận tổ hợp nền như một

toán tử chuyển đổi từ không gian mô hình được căng bởi các điểm lưới trong khu

vực địa phương đã chọn sang không gian tổ hợp được căng bởi các thành phần tổ

hợp, và thực hiện phân tích trong không gian tổ hợp này ở mỗi điểm lưới. Đối với

thuật toán LETKF, giả thiết rằng có một tổ hợp nền {xb(i)

:i=1,2…,k}, trong đó k là

số thành phần tổ hợp. Theo Hunt và cộng sự (2007) [20], một ma trận trung bình tổ

hợp 𝒙 𝑏 và một ma trận nhiễu tổ hợp 𝑿𝑏 được xác định:

𝒙 𝑏 =1

𝑘 𝒙𝑏(𝑖)

𝑘

𝑖=1

𝑿𝑏 = 𝒙𝑏(𝑖) − 𝒙 𝑏 (1.1)

Ký hiệu 𝒙 = 𝒙 𝑏 + 𝑿𝑏𝒘, trong đó w là một véc tơ địa phương trong không

gian tổ hợp, hàm giá địa phương được cực tiểu hóa trong không gian tổ hợp có

dạng:

][}])([)({)1()( 1wXxwXXXXIww

bbbTbbTbT JkJ

, (1.2)

8

Trong đó ][ wXxbbJ là hàm giá trong không gian mô hình. Nếu hàm giá

xác định trong không gian đầy đủ của Xb ( N = {v | X

bv = 0}), thì dễ dàng thấy hàm

giá )(wJ

được phân ra thành 2 phần: Một phần bao gồm thành phần của w trong N

(số hạng đầu tiên trong phương trình 1.2), và thành phần thứ 2 phụ thuộc vào thành

phần của w trực giao với N. Điều kiện trạng thái phân tích trung bình aw trực giao

với N để hàm giá )(wJ

được cực tiểu hóa, ma trận trạng thái phân tích trung bình và

ma trận tương quan sai số tương ứng của nó trong không gian tổ hợp có thể được

biểu diễn như sau:

)]([)( 01 bTbaa H xyRYPw

(1.3)

11 ])()1[( bTba k YRYIP

(1.4)

Trong đó )( )( bibb H xxY là ma trận tổ hợp của giá trị nhiễu nền ở các vị

trí quan trắc và R là ma trận tương quan sai số quan trắc. Chú ý rằng ma trận tương

quan sai số phân tích aP trong không gian mô hình và a

P

trong không gian tổ hợp

có một mối quan hệ đơn giản Tbaba )(XPXP

, ma trận nhiễu tổ hợp phân tích aX

có thể được biểu diễn như sau:

2/1])1[( aba k PXX

. (1.5)

Tổ hợp phân tích xa cuối cùng được thực hiện như sau:

}])1[({ 2/1)( aabbia k PwXxx

. (1.6)

Chi tiết hơn về thuật toán LETKF có thể tìm trong Hunt và cộng sự (2007) [20].

9

Chƣơng 2

THIẾT KẾ THÍ NGHIỆM VÀ PHƢƠNG PHÁP ĐÁNH GIÁ

2.1 Sử dụng LETKF trong mô hình WRF đồng hóa số liệu phục vụ dự báo bão

hạn 5 ngày

Sơ đồ LETKF ứng dụng trong hệ thống dự báo và nghiên cứu thời tiết

(WRF), và được phát triển tại Phòng thí nghiệm nghiên cứu dự báo thời tiết và khí

hậu- Khoa Khí tượng Thủy văn và Hải Dương – Trường Đại học Khoa học Tự

nhiên bởi tác giả Kiều (2011) [1] gọi là hệ thống WRF-LETKF. Hệ thống này được

phát triển theo quy trình ứng dụng nghiệp vụ chuẩn với tất cả các quá trình vào ra,

cập nhật số liệu, xử lý đồng hóa, kiểm tra chất lượng quan trắc, tạo điều kiện biên tổ

hợp, và dự báo tổ hợp được tiến hành một cách tự động và đồng bộ hóa theo thời

gian thực [1]. Sơ đồ của hệ thống WRF-LETKF được minh họa trong hình 2.1.

Hình 2.1. Sơ đồ minh họa hệ thống dự báo tổ hợp WRF-LETKF

(Nguồn: Kiều, 2011 [1]).

Trong đó mô hình WRF (Weather Rearch and Forecating model) là mô hình

dự báo và nghiên cứu thời tiết phổ dụng nhất hiện nay; WPS là một module tiền xử

lý, cho phép nội suy số liệu dự báo toàn cầu về độ phân giải của mô hình khu vực;

WRFDA là module đồng hóa số liệu trong đó có bộ kiểm tra chất lượng quan trắc

chuẩn. Mô hình WRF và các thành phần liên quan được giới thiệu cụ thể trên trang

web [44]; LETKF (Local Ensemble Transform Kalman Filter, LETKF) là bộ lọc

10

Kalman tổ hợp địa phương hóa biến đổi, bộ lọc này tạo ra các nhiễu tổ hợp phân

tích dựa trên thuật toán được giới thiệu tóm tắt trong phần 1.2, và sơ đồ khối cho

hoạt động của LETKF miêu tả sơ lược trong phụ lục.

Ưu điểm của hệ thống WRF-LETKF là cho phép xác định sai số của mô hình

thông qua việc sử dụng các thành phần tổ hợp đa vật lý [23]. Ngoài ra, hệ thống này

cho phép người sử dụng ấn định số thành phần tổ hợp trong namelist.letkf thông

qua một chương trình điều khiển tự động (runmain.sh). Và ứng với từng loại dữ liệu

quan trắc được đồng hóa trong hệ thống sẽ có các lựa chọn cụ thể. Nếu đồng hóa số

liệu vệ tinh, thì biến obsmode trong chương trình runobs.sh được gán bằng

”CIMSS”; còn nếu đồng hóa số liệu cao không, thì biến obsmode được gán bằng

”RADS”; …v.v.

Ngoài ra, như đã đề cập trong phần 1.1, sơ đồ LETKF được nghiên cứu khá

nhiều. Tuy nhiên số thành phần tổ hợp tối ưu trong sơ đồ LETKF chưa được khảo

sát. Vì vậy, trong luận văn này tác giả sử dụng sơ đồ đồng hóa LETKF với các

thành phần tổ hợp đa vật lý ứng dụng trong mô hình WRF để khảo sát số thành

phần tổ hợp tối ưu cho các thử nghiệm dự báo thông qua việc thử nghiệm dự báo

cơn bão Conson (2010) hạn 3 ngày với số các thành phần tổ hợp biến đổi từ 10 đến

50.

Mặt khác, sơ đồ đồng hóa LETKF với các thành phần tổ hợp đa vật lý hiện

tại chỉ cho phép đồng hóa từng loại số liệu quan trắc riêng biệt, và chưa có thử

nghiệm nào đồng hóa đồng thời các loại số liệu quan trắc hiện có (quan trắc bề mặt,

số liệu rada, số liệu vệ tinh, số liệu cao không …v.v). Trong khi các nghiên cứu gần

đây về LETKF đã chứng minh khả năng đồng hóa nhiều loại quan trắc ở các qui mô

khác nhau của sơ đồ đồng hóa Kalman tổ hợp [20][29][30][32][27][22]. Ngoài ra,

số liệu quan trắc cao không là một trong những nguồn số liệu quan trắc có giá trị và

hệ thống nhất trong khí tượng học. Số liệu thu thập trên các mực bắt buộc là 1000,

925, 850, 700, 500, 400, 300, 250, 200, 150, 100, 70, 50, 30, 20 và 10 hPa. Vì vậy

với nguồn số liệu thu thập từ các trạm cao không ở khu vực châu Á có thể là một

nguồn bổ sung các thông tin quan trắc cần thiết trong quá trình đồng hóa. Hơn nữa,

11

đồng hóa là quá trình ước lượng trạng thái của khí quyển có thể nhất từ các thông

tin có sẵn (từ trạng thái nền và trạng thái quan trắc) [36]. Như vậy, nếu thông tin có

sẵn càng phong phú thì khả năng ước lượng trạng thái khí quyển càng chính xác. Do

đó, trong luận văn này tác giả sẽ bổ sung số liệu cao không vào quá trình đồng hóa

số liệu gió vệ tinh của sơ đồ LETKF ứng dụng trong mô hình WRF để dự báo quỹ

đạo và cường độ bão hạn 5 ngày.

Một nhược điểm khác của sơ đồ đồng hóa LETKF hiện đang sử dụng trong

mô hình WRF là số lượng trạm cao không được cố định, nhưng trên thực tế số

lượng trạm cao không thay đổi theo từng obs quan trắc (có một số trạm vì một số lý

do nào đó có thể không phát báo). Để khắc phục nhược điểm này, tác giả đã tiến

hành điều chỉnh module về xử lý số liệu cao không với số lượng trạm được cập nhật

tự động. Đồng thời tác giả tạo một lựa chọn cho việc đồng hóa đồng thời số liệu vệ

tinh và cao không (với obsmode=”MIX”) để tiến hành các thử nghiệm một cách dễ

dàng.

Với sơ đồ đồng hóa LETKF được điều chỉnh phù hợp để đồng hóa đồng thời

2 loại số liệu vệ tinh và cao không như trên, tác giả tiến hành thử nghiệm dự báo với

cơn bão Megi năm 2010, đây là cơn bão mạnh và đột ngột đổi hướng trong quá

trình di chuyển. Ngoài ra cơn bão Megi 2010 cũng là cơn bão được sử dụng để thử

nghiệm độ nhạy của số liệu gió vệ tinh được đồng hóa bằng LETKF trong dự báo

quỹ đạo và cường độ bão của nghiên cứu trước đây [22]. Do vậy, trong luận văn

này tác giả chọn cơn bão Megi 2010 là trường hợp thử nghiệm dự báo để tiện so

sánh đối chiếu kết quả với các nghiên cứu trước. Các phần tiếp theo, tác giả nêu tóm

tắt quá trình hoạt động của cơn bão Megi 2010 và thiết kế thí nghiệm.

2.2 Sơ lƣợc về quá trình hoạt động của cơn bão Megi 2010

Cơn bão Megi hình thành ở Tây Thái Bình Dương lúc 00 giờ UTC ngày 13

tháng 10 năm 2010 cách 600 km về phía đông Philipines với áp suất tại tâm là

885hPa và tốc độ gió bề mặt 63 m/s. Bão di chuyển theo hướng tây tây bắc dọc theo

rìa phía nam của áp cao cận nhiệt tây Thái Bình Dương. Megi di chuyển chậm lại

do sự phát triển của rãnh trên miền trung Trung Quốc đã mở rộng trên Biển Đông

12

dẫn đến sự rút lui của sống cận nhiệt đới. Do sự ảnh hưởng mạnh của rãnh và áp cao

cận nhiệt đới trên Biển Đông, Megi đổi hướng lúc 00 giờ UTC ngày 19 và sau đó di

chuyển theo hướng bắc đông bắc. Bão yếu đi xuống cấp 3 vào ngày 20 tháng 10. Do

nhiệt độ bề mặt biển lạnh đi, Megi chỉ còn cấp 1 vào ngày 22 tháng 10 và tan trước

khi đổ bộ vào đất liền của tỉnh Fujian, Trung Quốc. Cuối cùng bão suy yếu thành áp

thấp nhiệt đới vào ngày 23 tháng 10 và sáng ngày 24 tháng 10 trước khi tan hoàn

toàn sau vài giờ.

Hình 2.2. Quỹ đạo cơn bão MEGI từ ngày 13/10 đến ngày 23/10/2010

Theo Nguồn Internet [46].

2.3 Thiết kế miền tính và cấu trúc tổ hợp

Miền lưới thiết kế cho thử nghiệm dự báo cơn bão Megi là lưới lồng gồm 2

miền lưới ngang (36/12 km) và 31 mực σ thẳng đứng. Trong đó miền lưới 1 gồm

203x203 điểm lưới ngang và miền lưới 2 là 181x181 với tâm miền tính cố định ở

120oE và 18

oN sử dụng trong mô hình WRF phiên bản 3.2.

Các thành phần tổ hợp đa vật lý được sử dụng trong các thử nghiệm, gồm:

(1) sử dụng 3 sơ đồ vi vật lý bao gồm: sơ đồ Kessler, sơ đồ Lin và cộng sự, và sơ đồ

WSM3; (2) sử dụng 2 sơ đồ PBL: sơ đồ YSU và sơ đồ Mellor-Yamada-JanJic

13

(MYJ); (3) sử dụng 2 sơ đồ tham số hóa đối lưu (mây tích): sơ đồ Kain-Fritsch và

sơ đồ Betts-Miller-JanJic; và (4) sử dụng 2 sơ đồ bức xạ sóng dài: sơ đồ RRTM và

sơ đồ sóng dài Geophysical Fluid Dynamics Laboratory (GFDL). Tổng là 24 sự kết

hợp khác nhau của các sơ đồ vật lý này được thực hiện và được ấn định cho mỗi

thành phần tổ hợp tương ứng. Nếu số thành phần tổ hợp lớn hơn các kết hợp trên,

thì sự ấn định này sẽ lặp lại các kết hợp trên cho các thành phần tiếp theo. Số thành

phần tổ hợp dùng dùng để khảo sát số thành phần tổ hợp thông qua thử nghiệm dự

báo cơn bão CONSON 2010 sẽ biến đổi từ 10 đến 50 thành phần. Còn trong các thử

nghiệm nhằm xem xét khả năng dự báo bão hạn 5 ngày của sơ đồ LETKF ứng dụng

trong mô hình WRF sẽ sử dụng số thành phần tổ hợp tối ưu được đưa ra trong thành

phần khảo sát. Danh sách các trường hợp thử nghiệm được đưa ra trong bảng 2.1.

Bảng 2.1. Danh sách các trường hợp thử nghiệm

Ký hiệu Mô tả

CTL Thử nghiệm dự báo bão với mô hình WRF không đồng hóa

CIMSS Thử nghiệm dự báo bão với WRF-LETKF đồng hóa số liệu vệ tinh

với 21 thành phần tổ hợp

MIX Thử nghiệm dự báo bão với WRF-LETKF đồng hóa số liệu hỗn hợp

(vệ tinh+cao không) với 21 thành phần tổ hợp

2.4 Nguồn số liệu

Điều kiện biên bên và điều kiện ban đầu của mô hình trong các dự báo tổ

hợp và dự báo tất định là các dự báo nghiệp vụ của Hệ thống Dự báo Toàn cầu

(GFS) thuộc Trung tâm Dự báo Môi trường Quốc Gia Hoa Kỳ (NCEP) với độ phân

giải 10x1

0. Khoảng thời gian được dự báo là từ 0000 UTC ngày 15 đến 0000 UTC

ngày 19 tháng 10 năm 2010 là thời gian cơn bão Megi hoạt động. Điều kiện biên

được cập nhật 6 giờ một lần không cài xoáy giả.

Đối với số liệu sử dụng trong các thử nghiệm CIMSS và MIX, số liệu gió vệ

tinh được tiền xử lý bởi CIMSS-UW trong cùng khoảng thời gian đã chọn. Một số

các nghiên cứu với số liệu AMV-CIMSS đã chỉ ra số liệu này có thể giúp cải thiện

14

chất lượng dự báo của các hệ thống qui mô trung bình khác nhau [38][11][8][21.

Ưu điểm của số liệu AMV-CIMSS là sai số đã được kiểm định chất lượng cao và

được xác định bằng thuật toán lọc đệ qui. Mỗi một số liệu được kiểm tra sao cho

phù hợp hầu hết với số liệu xung quanh bằng kỹ thuật chỉ số chất lượng. Nếu số liệu

gió ở bất kỳ vị trí nào có điểm phân tích chỉ số chất lượng thấp (<65), thì số liệu này

bị loại bỏ trong quá trình kiểm định chất lượng. Đối với những số liệu có điểm chỉ

số chất lượng thỏa mãn tiêu chuẩn được chọn, ngoại trừ những sai số sẵn có trong

dữ liệu được ấn định ở biên một cách phù hợp. Hầu hết số liệu AMV – CIMSS phân

bố trong các vùng khác nhau và hiện tại được lưu trữ trong nhiều định dạng bao

gồm ASCII và/hoặc BUFR. Trong nghiên cứu này, chỉ có số liệu ở khu vực Tây

Bắc Thái Bình Dương được sử dụng trong các thử nghiệm tổ hợp vì độ bao phủ của

khu vực này đủ rộng để xác định ảnh hưởng của môi trường lên quĩ đạo bão Megi.

Đối với số liệu cao không, được lấy từ các trạm cao không trên khu vực

Châu Á (hình 2.1) trong thời gian dự báo cơn bão Megi. Số liệu cao không này

được đưa vào chương trình kiểm tra chất lượng số liệu quan trắc trong module

WRFDA trước khi đồng hóa, nhằm loại bỏ các số liệu không hợp lệ với tiêu chuẩn

sai số dựa vào sai số thống kê do NCEP cung cấp (WRFDA/var/obsproc/obserr.txt).

Số liệu quan trắc cao không được lưu trữ dưới dạng ASCII.

Đối với các thử nghiệm khảo sát số thành phần tổ hợp, điều kiện biên và điều

kiện ban đầu cũng được lấy từ mô hình toàn cầu trong thời gian hoạt động của cơn

bão CONSON. Tuy nhiên, số liệu quan trắc được lấy từ số liệu phân tích của NCEP

(NCEP Final Operational Global Analysis - FNL). Vì số liệu FNL mô tả trạng thái

thật của khí quyển nên được xem như số liệu quan trắc. Có 6 biến phân tích, trong

đó các biến được đồng hóa trực tiếp bởi LETKF là gió ngang, nhiệt độ địa thế vị, và

độ ẩm tương đối và hai biến dẫn xuất bao gồm vận tốc thẳng đứng và địa thế vị

được hiệu chỉnh ở mọi chu kỳ thông qua tương quan chéo với các biến quan trắc.

Để đảm bảo mỗi thành phần tổ hợp có điều kiện biên bên phù hợp với giá trị phân

tích cập nhật, thì chương trình cập nhật biên WRFDA được sử dụng để tạo ra các

biên cho mỗi thành phần tổ hợp sau khi bước phân tích tổ hợp kết thúc trong mỗi

15

chu kỳ đồng hóa. Do các dự báo GFS (dự báo toàn cầu) được lấy 6 h một lần, nên

điều kiện biên bên cũng được cập nhật trong khoảng thời gian tương tự.

Hình 2.3. Bản đồ phân bố các trạm quan trắc cao không trên khu vực Châu Á.

(Nguồn từ internet [42])

2.5 Phƣơng pháp đánh giá kết quả dự báo quỹ đạo và cƣờng độ bão

Theo Simon và cộng sự (2003) [34], việc đánh giá các dự báo xác suất là rất

phức tạp. Thông thường, các nghiên cứu đánh giá sử dụng mối quan hệ giữa một

chuỗi giá trị dự báo và một chuỗi các giá trị quan trắc tương ứng [40]. Còn theo

Buizza và Palmer (1998) [10], định lượng cơ bản nhất sử dụng để đánh giá hệ thống

dự báo tổ hợp là kỹ năng dự báo trung bình tổ hợp. Mà kỹ năng dự báo trung bình

tổ hợp có thể dựa vào các chỉ số thống kê, ví dụ như sai số trung bình tuyệt đối

(MAE). MAE là thước đo sai số dự báo của các biến khí quyển liên tục, và Wilks sử

dụng MAE để kiểm định các dự báo nhiệt độ ở Hoa Kỳ [39]. Ngoài ra, Eric P.

Grimit và Clifford F. Mass (2006) [18] cho rằng một trong những cách để xác định

khả năng thực hiện của hệ thống dự báo tổ hợp là mối quan hệ giữa độ tán tổ hợp và

độ chính xác của dự báo. Mối quan hệ này thường đặc trưng bởi tương quan tuyến

16

tính giữa sai số dự báo và độ tán tổ hợp. Còn tác giả Kiều và cộng sự (2013) [23] lại

đánh giá khả năng thực hiện của hệ thống dự báo tổ hợp dựa theo tỷ số giữa độ tán

tổ hợp và sai số trung bình tuyệt đối (ký hiệu tỷ số là η). Nếu η>1 tương ứng với hệ

thống tổ hợp dự báo hiệu quả (đây là trường hợp lý tưởng được mong đợi ở tất cả

các hệ thống dự báo tổ hợp), ngược lại nếu η<1, tương ứng với hệ thống tổ hợp dự

báo chưa hiệu quả. Cách đánh giá hệ thống tổ hợp của tác giả Kiều và cộng sự

(2013) [23], phù hợp với cách xác định “tổ hợp tốt” và “tổ hợp xấu” của Kalnay và

cộng sự (2006) [45]. Vì theo Kalnay, một “tổ hợp tốt” là một tổ hợp bao phủ được

giá trị thật hoặc giá trị thật chính là một thành phần tổ hợp. Trong trường hợp này

giá trị trung bình gần với giá trị thật hơn so với kết quả của dự báo tất định (η>1)

(hình 1.3) và độ tán tổ hợp chính là sai số dự báo. Còn một “tổ hợp xấu” là một tổ

hợp được tạo ra do sự lựa chọn nhiễu ban đầu kém hoặc/và do sự thiếu chính xác

của mô hình, nên các dự báo không thể xác định được giá trị thật, và các giá trị dự

báo gần nhau hơn so với giá trị thật hay nói một cách khác “tổ hợp xấu” là độ tán tổ

hợp không phủ được giá trị thật. Vì vậy trong luận văn này, tác giả sử dụng sai số

trung bình tuyệt đối và tỷ số giữa độ tán tổ hợp và sai số trung bình tuyệt đối để

đánh giá khả năng dự báo quỹ đạo và cường độ bão của hệ thống WRF-LETKF.

Các phương pháp đánh giá được giới thiệu dưới đây.

Hình 2.4. Sơ đồ các thành phần của một “tổ hợp dự báo tốt” (hình trái) và ” tổ

hợp dự báo xấu” (hình phải) trong hệ thống dự báo tổ hợp

(nguồn Kalnay và cộng sự 2006 [45])

17

2.5.1 Phương pháp đánh giá dựa vào MAE

Theo Wilks (1995) [39], sai số trung bình tuyệt đối (MAE) được sử dụng để

đánh giá các dự báo của biến khí quyển liên tục. Do vậy, MAE được áp dụng như

một chỉ số để đánh giá sai số cường độ bão (áp suất mực biển cực tiểu tại tâm -

PMIN và tốc độ gió cực đại gần tâm - VMAX). Với MAE - sai số trung bình tuyệt

đối được tính bằng công thức sau:

𝑀𝐴𝐸 =1

𝑛 𝑦𝑖 − 𝑂𝑖

𝑛𝑖=1 (2.1)

Trong đó, MAE là sai số trung bình tuyệt đối; 𝑦𝑖 là giá trị dự báo; 𝑂𝑖 là giá trị quan

trắc; n là độ dài chuỗi số liệu.

2.5.2 Phương pháp đánh giá dựa vào tỷ số giữa độ tán tổ hợp và sai số tuyệt đối.

Như đã đề cập ở phần đầu, phương pháp đánh giá hệ thống tổ hợp dựa trên tỷ

số giữa độ tán tổ hợp và sai số trung bình tuyệt đối của tác giả Kiều và cộng sự

(2013) [23] là phù hợp với cách xác định “tổ hợp tốt” và “tổ hợp xấu” của tác giả

Kalnay và cộng sự (2006) [45]. Do vậy, tác giả sẽ dùng chỉ tiêu này để đánh giá khả

năng dự báo quỹ đạo và cường độ bão hạn 5 ngày của hệ thống WRF-LETKF.

Trong phần 2.1 đã giới thiệu về sai số trung bình tuyệt đối, trong phần này

tác giả sẽ giới thiệu về độ tán tổ hợp.

Theo Theo Simon C. Scherrer và cộng sự (2003) [34], không có một định

nghĩa chính xác nào về độ tán tổ hợp. Trên thực tế nhiều tác giả đã đưa ra các định

nghĩa khác nhau về độ tán tổ hợp [12][27][33][32], nhưng một định nghĩa dễ hiểu

nhất về độ tán tổ hợp chính là độ lệch chuẩn so với dự báo trung bình tổ hợp. Ngoài

ra, tác giả Kiều và cộng sự (2013) [23], cũng định nghĩa độ tán tổ hợp là độ lệch

chuẩn so với trung bình tổ hợp. Vì vậy, trong luận văn này tác giả cũng xác định độ

tán tổ hợp theo cách xác định của Kiều và cộng sự (2013) [23].

Với độ lệch chuẩn là căn bậc 2 của phương sai, mà phương sai là đại lượng

đặc trưng cho sự phân tán, tản mạn của của các đại lượng ngẫu nhiên quanh kỳ

vọng toán học. Độ lệch chuẩn xác định theo biểu thức sau [40]:

Độ 𝑡á𝑛 = 𝑅𝑀𝑆𝐸 = 1

𝑛 (𝑦𝑖 − 𝑦 )2𝑛

𝑖=1 (2.2)

18

Trong đó, RMSE là độ lệch căn quân phương trung bình – độ lệch chuẩn; 𝑦𝑖 là giá

trị của các thành phần tổ hợp ở các hạn dự báo cụ thể; 𝑦 là giá trị trung bình tổ hợp;

n là số thành phần tổ hợp.

Do đó, nếu ta giả thiết η là tỷ số giữa độ tán tổ hợp và sai số tuyệt đối, khi đó

ta có biểu thức:

𝜂 =𝑅𝑀𝑆𝐸

𝐴𝐸 (2.3)

Với 𝐴𝐸 = 𝑦 − 𝑂 , O là giá trị quan trắc.

Nếu η>1, hệ thống dự báo tổ hợp hiệu quả, tương ứng với độ tán tổ hợp phủ

được “giá trị thật”. Đây là trường hợp mong đợi của tất cả các hệ thống dự báo tổ

hợp.

Nếu η<1, hệ thống dự báo tổ hợp kém hiệu quả, ứng với độ tán tổ hợp không

phủ được “giá trị thật”. Trường hợp này xảy ra ở hầu hết các hệ thống dự báo tổ

hợp.

Còn các định nghĩa khác về độ tán có thể xem trong [17] [32][39][ 37].

Như vậy, khi so sánh tính hiệu quả cả 2 hệ thống tổ hợp, chúng ta có thể tính

2 tỷ số η (η1 và η2). Khi đó:

Nếu η1 > η2, thì hệ thống dự báo tổ hợp 1 hiệu quả hơn hệ thống dự báo tổ

hợp 2; Ngược lại, hệ thống dự báo tổ hợp 1 kém hiệu quả hơn hệ thống dự báo tổ

hợp 2.

Trong luận văn, tác giả áp dụng tỷ số η để đánh giá khả năng dự báo cường

độ (PMIN và VMAX) và quỹ đạo bão của hệ thống dự báo tổ hợp WRF-LETKF.

Trong đó sai số quỹ đạo được tính theo công thức (2.4):

𝑃𝐸 = 𝑅𝑒 ∗ arccos[sin 𝛼1 ∗ sin 𝛼2 + cos 𝛼1 ∗ cos 𝛼2 ∗ cos 𝛽1 − 𝛽2 ] (2.4)

Trong đó, Re là bán kính trái đất có giá trị 6378.16 km; α1, α2 là vĩ độ của

tâm bão thực tế và tâm bão do mô hình dự báo (đơn vị radian); β1, β2 là kinh độ của

tâm bão thực tế và tâm bão do mô hình dự báo (đơn vị radian).

Và giá trị trung bình sai số khoảng cách MPE được tính như sau:

𝑀𝑃𝐸𝑗 = 𝑃𝐸𝑖 ,𝑗

𝑛𝑖=1

𝑛 (2.5)

19

Trong đó, PE là sai số khảng cách của từng trường hợp dự báo; n là số

trường hợp thử nghiệm; j là hạn dự báo.

Chuỗi số liệu được sử dụng để đánh giá trong luận văn là 9 trường hợp dự

báo cơn bão Megi hạn 5 ngày tại các thời điểm bắt đầu dự báo khác nhau với hệ

thống WRF-LETKF đồng hóa số liệu vệ tinh và số liệu hỗn hợp (cao không+vệ

tinh).

Ngoài ra, trong thử nghiệm khảo sát số thành phần tổ hợp, tác giả sử dụng sai

số căn quân phương năng lượng trung bình thể tích để đánh giá tính hiệu quả của hệ

thống dự báo tổ hợp với số thành phần tổ hợp biến đổi từ 10 đến 50 thành phần,

nhằm xác định số thành phần tổ hợp tối ưu nhất. Chỉ số này được giới thiệu chi tiết

trong phần dưới đây

2.5.3 Phương pháp đánh giá dựa vào sai số căn quân phương năng lượng trung

bình thể tích.

Để có thể đánh giá một cách toàn diện về tính hiệu quả của hệ thống tổ hợp

WRF-LETKF với số thành phần tổ hợp khác nhau, tác giả sử dụng sai số căn quân

phương năng lượng trung bình thể tích (volume-averaged energy root mean squared

errors-EME), công thức 2.6 [23]:

2/1)(2

1TT

T

CVVUUEME

p (2.6)

Trong đó chữ cái U’, V’ ký hiệu sự chênh lệch giữa giá trị thực và giá trị dự

báo ở cùng thời điểm (U, V thành phần gió vĩ hướng và gió kinh hướng, T là nhiệt

độ), Cp là nhiệt dung đẳng áp, 𝑇 = 273 𝐾 là nhiệt độ trung bình, và trung bình trên

toàn miền lưới.

20

Chƣơng 3

KẾT QUẢ TÍNH TOÁN VỚI CƠN BÃO MEGI 2010

Trong chương này, tác giả đưa ra một số kết quả tính toán thử nghiệm với

cơn bão Megi 2010. Trong đó, ngoài kết quả đánh giá khả năng dự báo quỹ đạo và

cường độ bão hạn 5 ngày của mô hình WRF với sơ đồ đồng hóa số liệu LETKF, tác

giả còn đưa ra kết quả khảo sát số thành phần tổ hợp và vai trò của bộ số liệu hỗn

hợp (vệ tinh + cao không) trong dự báo quỹ đạo và cường độ bão hạn 5 ngày.

3.1 Khảo sát số thành phần tổ hợp

Trong phần này tác giả sử dụng mô hình WRF với sơ đồ LETKF và các

thành phần tổ hợp đa vật lý để khảo sát số thành phần tổ hợp trong sơ đồ LETKF

thông qua thử nghiệm dự báo cơn bão Conson (2010) hạn 3 ngày (1200 UTC ngày

12 tháng 7 đến 1200 UTC ngày 15 tháng 7 năm 2010) với số các thành phần tổ hợp

biến đổi từ 10 đến 50.

Do thử nghiệm dự báo cơn bão Conson với độ phân giải 36 km, nên nếu xem

xét sai số dựa trên kết quả dự báo quỹ đạo bão giữa các thử nghiệm với số thành

phần tổ hợp khác nhau có thể dẫn đến các sai số khống. Vì vậy, trong phần này tác

giả sử dụng sai số căn quân phương năng lượng trung bình thể tích (volume-

averaged energy root mean squared errors-EME) tính trung bình trên toàn miền

(công thức 2.6) để đánh giá sai số của các thử nghiệm với số thành phần tổ hợp

khác nhau.

Hình 3.1 đưa ra EME trong thử nghiệm đa vật lý với số các thành phần tổ

hợp khác nhau (từ 10 đến 50).

Những tổ hợp có 10 đến 15 thành phần có kỹ năng dự báo không tốt bằng tổ

hợp có 20 thành phần trở lên. Nhìn chung, thêm các thành phần tổ hợp sẽ tạo ra sự

thực hiện tốt trong các thử nghiệm. Tuy nhiên, đối với các thành phần tổ hợp > 30,

chúng ta thấy sai số EME dường như không giảm thêm được nữa. Điều này có thể

liên quan đến số lượng lớn nhất của các kết hợp vật lý khác nhau được sử dụng

trong các thử nghiệm trên là 24. Khi các thành phần tổ hợp lớn hơn 24, thì các lựa

21

chọn vật lý lặp lại. Vì độ tán trong các thành phần trùng các lựa chọn vật lý nhìn

chung là nhỏ, nên số thành phần tối thiểu biến đổi quanh 25 thành phần.

Hình 3.1. Sai số căn quân phương năng lượng trung bình thể tích (EME) trong thí

nghiệm độ nhạy của phương pháp đa vật lý với số thành phân tổ hợp khác nhau:

10 (dấu nhân), 15 (tam giác), 20 (hình vuông), 25 (hình tròn), 30 (vòng tròn hở), 35

(dấu hoa thị), 40 (dấu cộng), và 50 (kim cương).

Như vậy, số thành phần tổ hợp dao động quanh 25 thành phần tổ hợp thì sơ

đồ LETKF phát huy tác dụng. Mặt khác, do khả năng tính toán bị giới hạn, nên các

thử nghiệm tiếp theo tác giả sử dụng 21 thành phần tổ hợp đa vật lý.

3.2 Khảo sát vai trò của bộ số liệu hỗn hợp (vệ tinh + cao không) trong dự báo

bão hạn 5 ngày

Trong phần này tác giả sẽ khảo sát vai trò của bộ số liệu hỗn hợp (vệ tinh+

cao không) được đồng hóa bởi sơ đồ LETKF ứng dụng trong mô hình WRF dự báo

bão hạn 5 ngày với 21 thành phần tổ hợp.

3.2.1 Dự báo tất định

22

Trong dự báo tất định, tác giả tiến hành dự báo cơn bão Megi hạn 5 ngày với

các thời điểm bắt đầu dự báo là 12 giờ ngày 15, 00 giờ và 12 giờ ngày 16 và ngày

17, 00 giờ ngày 18 tháng 10 năm 2010. Trong chuỗi thử nghiệm trên, sai số quỹ

đạo bão hạn 5 ngày trong trường hợp lúc 00 giờ ngày 18 là 340 km trường hợp có

sai số lớn nhất (Hình 3.2) và lệch đông so với quỹ đạo thực. Sai số dự báo lớn trong

trường hợp CTL là do dòng môi trường qui mô lớn không được mô phỏng tốt trong

mô hình dự báo và một phần do sai số nội tại của mô hình như đã chỉ ra trong

nghiên cứu của tác giả Kiều và cộng sự 2012 [22]. Còn độ lệch đông của quỹ đạo

dự báo so với quỹ đạo thực là đặc điểm chung của sản phẩm dự báo trong hầu hết

các mô hình dự báo toàn cầu [33].

Hình 3.2. Quỹ đạo cơn bão Megi quan trắc (màu đen ) và dự báo tất định với thời

điểm bắt đầu dự báo lúc 12z15 ( màu đỏ); 00z16 (xanh lá cây); 12z16 (xanh

dương); 00z17 (xanh da trời); 12z17 (màu hồng); và 00z18 (màu vàng).

Như vậy, để giảm sai số dự báo quỹ đạo bão cần hiệu chỉnh lại dòng môi

trường qui mô lớn thông qua việc bổ sung các thông tin quan trắc vào trường ban

đầu của mô hình. Vấn đề này sẽ được thực hiện được trong việc đồng hóa đồng thời

số liệu vệ tinh và số liệu cao không.

23

Về cường độ bão của trường hợp CTL được thể hiện qua giá trị áp suất cực

tiểu tại tâm bão (PMIN) và tốc độ gió bề mặt cực đại (VMAX) trên hình 3.3.

Từ hình 3.3 cho thấy khoảng 12 giờ đầu tiên, chênh lệch giữa giá trị PMIN

dự báo và quan trắc lớn. Đối với giá trị VMAX cũng tương tự, điều này là do xoáy

ban đầu được dự báo từ mô hình toàn cầu là thiên thấp khá nhiều so với quan trắc,

cụ thể ở Biển Tây Bắc Thái Bình Dương kết quả dự báo cường độ trung bình của

mô hình toàn cầu thấp hơn từ 30% đến 35% so với quan trắc [16]. Từ hạn dự báo 2

ngày đến các hạn dự báo dài hơn, thì kết quả dự báo cường độ của trường hợp CTL

phản ánh sự mạnh lên cũng như yếu đi của bão không rõ, cụ thể ở hình 3.3 trong

thời điểm bão đổi hướng và mạnh lên nhưng biến trình của PMIN giảm nhẹ còn

VMAX tăng lên không đáng kể. Kỹ năng dự báo cường độ kém trong trường hợp

CTL đã được khắc phục phần nào khi đồng hóa số liệu vệ tinh (CIMSS) bằng lọc

Kalman tổ hợp ở hạn dự báo 3 ngày [22]. Tuy nhiên, kết quả nghiên cứu của tác giả

Kiều và cộng sự 2012 cho rằng kết quả dự báo cường độ được cải thiện dường như

liên quan nhiều đến việc sử dụng các thành phần tổ hợp đa vật lý [22]. Do vậy trong

luân văn này tác giả xem xét việc bổ sung số liệu cao không vào quá trình đồng hóa

số liệu vệ tinh bằng Kalman tổ hợp có giúp ích gì cho kỹ năng dự báo cường độ cơn

bão Megi.

24

Hình 3.3. Biến trình PMIN (a) và VMAX (b), quan trắc (OBS-màu đỏ) và dự báo tất

định (CTL-màu xanh dương), với thời điểm bắt đầu dự báo lúc 00 giờ (UTC) ngày

18 tháng 10 năm 2010.

3.2.2 Các thử nghiệm dự báo với sơ đồ đồng hóa LETKF

Hình 3.4 chỉ ra kết quả dự báo quỹ đạo cơn bão Megi từ thử nghiệm CIMSS

và thử nghiệm MIX với thời điểm bắt đầu dự báo lúc 00 giờ (UTC) ngày

18/10/2010. Qua đó cho thấy trong cả 2 trường hợp quỹ đạo bão đều giảm độ lệch

đông và có sai số nhỏ hơn so với thử nghiệm CTL. Trong đó thử nghiệm CIMSS

sau hạn dự báo 3 ngày, quỹ đạo bão lệch về phía tây so với quỹ đạo thực và có sai

số quỹ đạo hạn dự báo 5 ngày là 259 km. Còn quỹ đạo bão trong thử nghiệm MIX

sau khi đổi hướng, quỹ đạo bão gần như song song với quỹ đạo thực với sai số quỹ

đạo hạn 5 ngày là 179 km. Tuy nhiên, ở hạn dự báo 3 ngày sai số quỹ đạo trong thử

nghiệm CIMSS nhỏ hơn so với sai số quỹ đạo trong thử nghiệm MIX. Như vậy, với

số liệu vệ tinh được đồng hóa trong hệ thống LETKF có thể giúp cải thiện kỹ năng

dự báo quỹ đạo ở hạn 3 ngày, kết quả này phù hợp với nghiên cứu trước đây [22].

Hơn nữa, số liệu quan trắc ở ngoài rìa xa tâm bão cũng tác động tích cực đến kỹ năng

dự báo bão [22]. Do vậy số liệu cao không tuy chỉ phân bố trên đất liền nhưng ngoài

trường gió còn có trường nhiệt và ẩm, nên việc bổ sung thêm số liệu cao không vào

quá trình đồng hóa số liệu vệ tinh có thể tác động đến kết quả dự báo quỹ đạo bão ở

25

hạn 5 ngày. Để làm sáng tỏ điều này, tác giả so sánh sự khác biệt trong dòng môi

trường quy mô lớn giữa thử nghiệm CIMSS và thử nghiệm MIX.

Do phần lớn quỹ đạo bão trong vùng Tây Bắc Thái Bình Dương được quyết

định bởi sự tranh chấp giữa rãnh vĩ độ trung bình trên miền trung Trung Quốc đến

phía đông của cao nguyên Tây Tạng và áp cao cận nhiệt Tây Thái Bình Dương nên

trong phần này tác giả xem xét sự khác biệt của áp cao cận nhiệt đới Tây Thái Bình

Dương cũng như rãnh ở miền trung của Trung Quốc trong 2 thử nghiệm CIMSS và

MIX. Ngoài ra, do quỹ đạo bão trong thử nghiệm CIMSS lệch tây so với quỹ đạo

thực sau hạn dự báo 3 ngày, trong khi quỹ đạo bão trong thử nghiệm MIX vẫn lệch

đông so với quỹ đạo thực. Vì vậy, sự khác biệt về dòng môi trường giữa 2 thử

nghiệm CIMSS và MIX sẽ thấy rõ nhất ở hạn dự báo dài hơn 3 ngày.

Hình 3.5 biểu diễn trường độ cao địa thế vị mực 500 hPa trong thử nghiệm

CIMSS và MIX tại các thời điểm dự báo từ hạn 3 ngày trở đi. Từ hình 3.5 cho thấy,

thử nghiệm CIMSS mô phỏng ảnh hưởng của áp cao cận nhiệt đới Tây Thái Bình

Dương lấn về phía tây nhiều hơn so áp cao cận nhiệt Tây Thái Bình Dương trong

thử nghiệm MIX. Cụ thể, lúc 12 UTC 22 và 00 UTC 23 sống của đường đẳng cao

580 đạt tới kinh tuyến 1270E ở thử nghiệm CIMSS, trong khi đó sống của đường

đẳng cao này chỉ đạt tới kinh tuyến 1300E trong thử nghiệm MIX. Như vậy sự mở

rộng hoạt động của áp cao Tây Thái Bình Dương sang phía tây trong thử nghiệm

CIMSS tác động trực tiếp đến hướng di chuyển và tốc độ di chuyển của bão làm cho

quỹ đạo bão trong thử nghiệm CIMSS lệch về phía tây so với quỹ đạo thực. Ngược

lại, trong thử nghiệm MIX, áp cao cận nhiệt Tây Thái Bình Dương không lấn nhiều

về phía tây so với thử nghiệm CIMSS, nên quỹ đạo của bão vẫn giữ được độ lệch

đông so với quỹ đạo thực. Còn trong thử nghiệm CTL, thì từ hạn dự báo 3 ngày trở

đi không còn thể hiện ảnh hưởng của áp cao cận nhiệt Tây Thái Bình Dương (không

chỉ ra ở đây). Điều này giải thích cho độ lệch đông lớn của quỹ đạo bão trong thử

nghiệm CTL (hình 3.4). Ngoài ra, hoạt động của áp cao cận nhiệt Tây Thái Bình

Dương còn được thể hiện rõ hơn ở mực 200 hPa (hình 3.6).

26

Hình 3.4. Kết quả dự báo quỹ đạo (a) và cường độ cơn bão Megi (PMIN - b,VMAX

- c) trong thử nghiệm MIX (hình phải) và thử nghiệm CIMSS (hình trái); với trung

bình tổ hợp (màu tím), quan trắc (màu đen), các thành phần tổ hợp (đường mảnh

màu tím). Bắt đầu dự báo lúc 00 giờ ngày 18/10/2010.

a)

b)

c)

27

Hình 3.5. Trường độ cao địa thế vị mực 500 hPa, CIMSS (hình trái) và MIX (hình

phải), với (a) 00 UTC 22; (b) 12 UTC 22; và (e) 00 UTC 23. Và trường gió ở mực

tương ứng.

28

Hình 3.6. Bản đồ đường dòng mực 200 hPa trong thử nghiệm CIMSS (hình trái) và

thử nghiệm MIX (hình phải), với (a) 00 UTC 22, (b) 12 UTC 22, và (c) 00 UTC 23.

Và độ lớn tốc độ gió ở mực tương ứng

29

Ở mực 200 hPa, áp cao cận nhiệt Tây Thái Bình Dương trong thử nghiệm

CIMSS mạnh và lấn sang phía tây nhiều so với thử nghiệm MIX tương tự như ở

mực 500 hPa, thể hiện qua đường dòng dày xít và sự mở rộng của áp cao (hình 3.6).

Đồng thời, ở mực 200 hPa chúng ta thấy rõ ảnh hưởng của rãnh gió tây đang lấn sâu

về phía nam trong cả thử nghiệm CIMSS và MIX. Tuy nhiên, rãnh gió tây trong thử

nghiệm MIX lấn về phía đông nam nhiều hơn so với thử nghiệm CIMSS, cụ thể từ

lúc 00 UTC 22, rãnh gió tây trong thử nghiệm MIX liên tục lấn về phía đông nam,

xuống gần vĩ độ 150N và kinh tuyến 110

0E, trong khi rãnh gió tây trong thử nghiệm

CIMSS chỉ đạt tới vĩ độ 180N và kinh tuyến 107

0E. Đến thời điểm 12 UTC 22 và 00

UTC 23, rãnh gió tây này dường như rút lui lên phía bắc, trong thử nghiệm MIX sự

rút lui này chậm hơn và vẫn còn ảnh hưởng đến vĩ độ 170N, còn thử nghiệm CIMSS

rãnh gió tây rút lui về phía bắc nhiều hơn đến tận vĩ độ 200N (hình 3.6). Chính vì sự

ảnh hưởng của rãnh gió tây trên cao này dường như góp phần làm giảm độ lệch tây

của quỹ đạo dự báo so với quỹ đạo thực trong thử nghiệm MIX.

Trong dự báo cường độ, hình 3.4b, 3.4c cho thấy cường độ dự báo trung bình

tổ hợp mạnh lên đáng kể trong cả 2 thử nghiệm CIMSS và MIX so với thử nghiệm

CTL. Một điều dễ thấy là các dự báo thành phần được phân đôi (cường độ mạnh và

yếu) bắt đầu sau 24 giờ dự báo đầu tiên. Trong đó các thành phần tổ hợp cho kết

quả dự báo cường độ cao hơn có điểm chung là sự tham gia của sơ đồ tham số hóa

đối lưu Kain-Fritsch (kết hợp với các sơ đồ vi vật lý, bức xạ … khác nhau), còn ½

thành phần tổ hợp cho dự báo cường độ yếu hơn là có sự hiện diện của sơ đồ tham

số hóa đối lưu BMJ. Kết quả này phù hợp với nghiên cứu của tác giả Kiều và cộng

sự 2012 [22] và các nghiên cứu trước đây về độ nhạy dự báo cường độ xoáy thuận

nhiệt đới và dự báo mưa lớn [14]. Ngoài ra, ta có thể thấy cường độ trung bình tổ

hợp trong thử nghiệm MIX mạnh lên đáng kể so với thử nghiệm CIMSS từ lúc 12

UTC ngày 20 trở đi. Sự tăng lên đáng kể trong dự báo cường độ của thử nghiệm

MIX sẽ được thấy rõ hơn ở hình 3.7.

Trên hình 3.7, biến trình của PMIN cũng như VMAX trong các thử nghiệm

tổ hợp thể hiện được sự mạnh lên và yếu đi của bão rõ hơn so với thử nghiệm CTL.

30

Đối với VMAX cũng có biến trình tương tự, nghĩa là có xu hướng tăng rõ rệt khi

bão mạnh lên và xu hướng giảm rõ rệt khi bão yếu đi. Nhưng điểm cần quan tâm ở

đây là sự khác biệt trong dự báo cường độ giữa 2 thử nghiệm CIMSS và MIX. Một

điều dễ thấy, trước hạn dự báo 3 ngày thì biến trình PMIN và VMAX trong thử

nghiệm CIMSS và MIX chênh lệch ít. Kết quả này có thể là vì ở hạn dự báo 3 ngày

và trước hạn dự báo 3 ngày ảnh hưởng của số liệu cao không dường như không

nhiều. Hơn nữa việc cải thiện trong dự báo cường độ dường như liên quan nhiều

đến các thành phần tổ hợp đa vật lý [22]. Nhưng sau hạn dự báo 3 ngày ta thấy

cường độ bão trung bình tổ hợp (PMIN và VMAX) trong thử nghiệm MIX tăng nhẹ

và có xu thế và độ lớn gần với giá trị quan trắc hơn so với thử nghiệm CIMSS (hình

3.7). Mặc dù trong cả 2 thử nghiệm CIMSS và MIX đêù không có ban đầu hóa xoáy

(cài xoáy giả) và nhược điểm của các quá trình vật lý trong mô hình được khắc phục

bằng việc sử dụng các thành phần tổ hợp đa vật lý, nhưng thử nghiệm MIX cho thấy

dự báo cường độ tốt hơn so với dự báo cường độ trong thử nghiệm CIMSS ở các

hạn dự báo dài. Như vậy, liệu số liệu nhiệt và ẩm trong số liệu cao không đã tác

động đến kỹ năng dự báo cường độ cũng như quỹ đạo của cơn bão Megi.

Để phân biệt vai trò nhiệt, ẩm trong số liệu cao không đến kỹ năng dự báo

cường độ và quỹ đạo bão, tác giả tiến hình một thử nghiệm khác, trong đó số liệu

nhiệt, ẩm của số liệu cao không được loại bỏ hoàn toàn, chỉ giữ lại số liệu gió và

đồng hóa đồng thời gió vệ tinh và gió cao không dự báo cơn bão Megi hạn 5 ngày

(ký hiệu: MIXNO).

Kết quả trong thử nghiệm MIXNO được đưa ra trong hình 3.8. Nhìn chung,

quỹ đạo dự báo trong thử nghiệm MIXNO có hướng di chuyển và độ lệch đông gần

tương đồng so với thử nghiệm MIX, nhưng sai số quỹ đạo ở các hạn dự báo 3 ngày,

4 ngày và 5 ngày là 140 km, 206 km và 190 km lớn hơn so với sai số quỹ đạo trong

thử nghiệm MIX nhưng độ lớn sai số này chênh lệch không nhiều chỉ khoảng 5-6

km, nên dòng môi trường ở mực 500 hPa thay đổi không nhiều giữa 2 thử nghiệm

MIX và MIXNO (không được chỉ ra ở đây). Tuy nhiên, ở mực 200 hPa ta có thể

thấy rõ ảnh hưởng của rãnh gió tây trong thử nghiệm MIXNO lấn về phía đông nam

31

nhiều hơn so với rãnh gió tây trong thử nghiệm MIX (hình 3.9), do đó làm quỹ đạo

bão trong thử nghiệm MIXNO lệch đông nhiều hơn so với quỹ đạo bão trong thử

nghiệm MIX, vì vậy có sai số quỹ đạo lớn. Nhưng sai số quỹ đạo trong thử nghiệm

MIXNO nhỏ hơn so với sai số quỹ đạo trong thử nghiệm CIMSS ở hạn 5 ngày (259

km). Kết quả này cho thấy, việc bổ sung thêm gió của số liệu cao không vào quá

trình đồng hóa đã cải thiện phần nào kết quả dự báo quỹ đạo cơn bão Megi ở hạn 5

ngày. Còn cường độ bão trong thử nghiệm MIXNO tăng nhẹ so với cường độ bão

trong thử nghiệm MIX (hình 3.10).

Hình 3.7. Tương tự hình 3.3, thêm 2 biến trình cho CIMSS (xanh lá cây) và MIX

(màu tím).

32

Hình 3.8. Tương tự như hình 3.4 cho quĩ đạo dự báo, trong thử nghiệm đồng hóa

đồng thời gió vệ tinh và gió cao không (MIXNO – hình bên trái), và thử nghiệm

đồng hóa đồng thời số liệu vệ tinh và cao không (MIX – hình bên phải).

33

Hình 3.9. Tương tự như hình 3.6, MIXNO (hình trái) và MIX (hình phải), (a) 00

UTC 22, (b) 12 UTC 22, và (c) 00 UTC 23. Và độ lớn tốc độ gió ở mực tương ứng.

34

Hình 3.10. Tương tự hình 3.3, 3 biến trình cho CIMSS (xanh lá cây); MIX (màu

tím); và MIXNO (xanh da trời)

Hình 3.10 cho thấy, biến trình PMIN và VMAX trong thử nghiệm MIXNO

thay đổi một chút so với biến trình PMIN và VMAX trong thử nghiệm MIX. Nhưng

ở một số thời điểm thử nghiệm MIXNO dự báo cường độ bão mạnh lên nhẹ so với

thử nghiệm MIX, đặc biệt là ở hạn dự báo 1 ngày, 2 ngày và 3 ngày. Như vậy ở các

hạn dự báo ngắn số liệu cao không vẫn tác động đến kết quả dự báo bão, đặc biệt là

dự báo cường độ. Tuy nhiên về độ lớn, thì PMIN và VMAX trong thử nghiệm MIX

vẫn gần với giá trị quan trắc hơn so với PMIN và VMAX trong thử nghiệm MIXNO

ở các hạn dự báo ngắn. Còn đối với các hạn dự báo dài hơn 3 ngày, kết quả dự báo

cường độ trong thử nghiệm MIXNO và MIX không khác nhau nhiều cả về xu thế

lẫn độ lớn (hình 3.10).

35

Như vậy, trong phần này tác giả đã khảo sát vai trò của bộ số liệu hỗn hợp

cao không và vệ tinh trong dự báo quỹ đạo và cường độ cơn bão Megi. Các kết quả

phân tích cho thấy, khi đồng hóa bộ số liệu hỗn hợp bằng lọc Kalman tổ hợp địa

phương hóa biến đổi ứng dụng trong mô hình WRF, đã cho phép cải thiện dòng môi

trường qui mô lớn, cụ thể là áp cao cận nhiệt Tây Thái Bình Dương và rãnh gió tây

trên cao (mực 200 hPa). Áp cao cận nhiệt Tây Thái Bình Dương được tăng cường

sau khi đồng hóa số liệu hỗn hợp, tuy nhiên bị hạn chế phát triển sang phía tây so

mô phỏng áp cao cận nhiệt Tây Thái Bình Dương trong thử nghiệm đồng hóa số

liệu gió vệ tinh. Rãnh gió tây trên cao trong thử nghiệm MIX lấn về phía đông nam

mạnh hơn so với trong thử nghiệm CIMSS. Do đó quỹ đạo bão dự báo trong thử

nghiệm MIX giảm độ lệch tây so với quỹ đạo thực ở hạn dự báo dài hơn 3 ngày nên

kết quả dự báo quỹ đạo bão được cải thiện đáng kể. Ngoài ra đồng hóa đồng thời

hai loại số liệu vệ tinh và cao không có tác động tích cực trong việc nâng cao kỹ

năng dự báo cường độ bão ở các hạn dự báo dài hơn 3 ngày. Như vậy, ngoài tác

động của các thành phần tổ hợp đa vật lý, cường độ bão còn chịu ảnh hưởng của các

thông tin quan trắc được bổ sung trong trường đầu vào của mô hình. Kết quả này

mở ra một thuận lợi mới trong việc nâng cao kỹ năng dự báo cường độ bão, khi sử

dụng lọc Kalman tổ hợp đồng hóa hầu hết các loại số liệu quan trắc hiện có.

Yếu tố nhiệt và ẩm có tác động đến kết quả dự báo quỹ đạo bão là chính còn

tác động đến cường độ bão không lớn. Một cách tổng thể, bộ số liệu hỗn hợp đủ

nhiệt ẩm gió (vệ tinh và cao không) cải thiện đáng kể kết quả dự báo quỹ đạo và

cường độ bão trên Biển Đông.

Trong phần tiếp theo tác giả sẽ đánh giá khả năng dự báo bão hạn 5 ngày của

mô hình WRF với sơ đồ đồng hóa số liệu LETKF thông qua 9 trường hợp thử

nghiệm của cơn bão Megi 2010.

3.3 Khả năng dự báo bão hạn 5 ngày của mô hình WRF với sơ đồ LETKF

Với sơ đồ LETKF ứng dụng trong mô hình WRF (hệ thống WRF-LETKF)

được điều chỉnh phù hợp với việc đồng hóa đồng thời 2 loại số liệu vệ tinh và cao

không mà chỉ thử nghiệm dự báo một trường hợp thì chưa thể đánh giá được khả

36

năng dự báo của hệ thống. Do vậy trong khuôn khổ luận văn, tác giả đã tiến hành

chạy thử nghiệm thêm 9 trường hợp để dự báo cơn bão Megi 2010 (00Z15 đến

00Z19) trong các trường hợp dự báo không có đồng hóa (CTL), dự báo tổ hợp đồng

hóa số liệu vệ tinh (CIMSS) và đồng hóa số liệu hỗn hợp (cao không +vệ tinh -

MIX), trong đó các thử nghiệm tổ hợp sẽ sử dụng 21 thành phần tổ hợp đa vật lý.

3.3.1 Quỹ đạo bão

Về dự báo quỹ đạo bão, như đã đề cập trong phần 3.2, kết quả dự báo quỹ

đạo bão được cải thiện sau khi đồng hóa số liệu vệ tinh và cao không. Vì phần lớn

sai số quỹ đạo bão trong khu vực biển Tây Bắc Thái Bình Dương nói chung và Biển

Đông nói riêng là do dòng môi trường không được mô phỏng đầy đủ trong các mô

hình dự báo. Mặt khác, do điều kiện ban đầu nội suy từ sản phẩm từ mô hình toàn

cầu đã mất đi những thông tin quan trọng về dòng môi trường quy mô lớn. Nên các

thông tin quan trắc bổ sung trong quá trình đồng hóa đã làm chính xác dòng môi

trường do đó sai số quỹ đạo bão giảm đi.

Trung bình sai số quỹ đạo của 9 trường hợp thử nghiệm được thể hiện trong

hình 3.11. Nhìn chung, trong cả 2 thử nghiệm CIMSS và MIX, cho sai số nhỏ hơn

trong thử nghiệm CTL, với sai số quỹ đạo hạn 5 ngày trong thử nghiệm CIMSS và

MIX lần lượt là 300 km và 227 km, tương tự ở hạn dự báo 4 ngày sai số quỹ đạo

trong thử nghiệm MIX giảm đáng kể so với trung bình sai số quỹ đạo trong thử

nghiệm CIMSS. Còn ở hạn dự báo 3 ngày và ngắn hơn thì hầu như đồng hóa số liệu

vệ tinh hiệu quả hơn, tuy nhiên sai số quỹ đạo giữa 2 trường hợp chênh lệch không

nhiều (hình 3.11). Kết quả dự báo quỹ đạo bão được cải thiện một mặt là do trường

ban đầu được bổ sung thêm các thông tin quan trắc nhờ đó dòng môi trường được

mô phỏng một cách đầy đủ hơn, mặt khác là do sai số nội tại của mô hình được

khắc phục bằng việc sử dụng các thành phần tổ hợp đa vật lý [23]. Như vậy, mô

hình WRF sử dụng sơ đồ LETKF (hệ thống WRF-LETKF) dự báo quỹ đạo bão hạn

5 ngày khá hiệu quả. Kết quả này khẳng thêm vai trò của việc bổ sung số liệu quan

trắc cao không vào quá trình đồng hóa số liệu vệ tinh bằng lọc Kalman tổ hợp.

37

Ngoài ra, khả năng dự báo của hệ thống WRF-LETKF còn được đánh giá

thông qua tỷ số giữa độ tán tổ hợp và sai số quỹ đạo (η) [23]. Trong đó nếu tỷ số η

lớn hơn 1, tương ứng với hệ thống dự báo hiệu quả (ứng với độ tán tổ hợp phủ được

giá trị thật), ngược lại tỷ số nhỏ hơn 1, hệ thống dự báo không hiệu quả (ứng với độ

tán tổ hợp không phủ được giá trị thật). Đối với quỹ đạo bão, độ tán tổ hợp là độ

lệch chuẩn quỹ đạo so với quỹ đạo trung bình tổ hợp, còn sai số dự báo là sai số quỹ

đạo trung bình tổ hợp so với quan trắc. Kết quả thống kê các tỷ số lớn hơn 1 được

đưa ra ở bảng 3.1.

Hình 3.11. Sai số quỹ đạo bão trung bình của 9 trường hợp thử nghiệm, MIX (màu

đen); CIMSS (màu xám); và CTL (màu xám nhẹ).

Bảng 3.1. Thống kê các trường hợp hệ thống WRF-LETKF dự báo quỹ đạo bão

hiệu quả trong hai thử nghiệm CIMSS và MIX

Hạn dự báo

(giờ)

CIMSS

(trƣờng hợp)

MIX

(trƣờng hợp)

24-h 0 2

48-h 2 1

72-h 3 4

96-h 3 8

120-h 1 6

0.0

50.0

100.0

150.0

200.0

250.0

300.0

350.0

400.0

450.0

500.0

00-h 12-h 24-h 36-h 48-h 60-h 72-h 84-h 96-h 108-h 120-h

sai

số q

uỹ đ

ạo b

ão (

km

)

hạn dự báo (giờ)

38

Bảng 3.1 cho thấy hệ thống WRF-LETKF đồng hóa số liệu hỗn hợp (MIX)

dự báo quỹ đạo bão hiệu quả (độ tán phủ được giá trị thật) ở hạn 5 ngày với 6

trường hợp thử nghiệm có tỷ số η lớn hơn 1, chiếm khoảng 67%, trong khi thử

nghiệm CIMSS chỉ có 1/9 trường hợp thử nghiệm có tỷ số η lớn hơn 1, chiếm

khoảng 11.1% . Còn ở hạn 4 ngày thử nghiệm MIX có số trường hợp dự báo hiệu

quả là 8 trường hợp, chiếm khoảng 88.8% trong khi thử nghiệm CIMSS chỉ có 3

trường hợp dự báo hiệu quả, chiếm khoảng 33.3% . Tương tự ở hạn 3 ngày thử

nghiệm MIX cũng có nhiều trường hợp dự báo hiệu quả hơn thử nghiệm CIMSS.

Như vậy, trong thử nghiệm MIX số trường hợp dự báo quỹ đạo bão hiệu quả ở hạn

dự báo dài hơn 3 ngày là lớn hơn so với số trường hợp dự báo quỹ đạo bão hiệu quả

trong thử nghiệm CIMSS.

Mặt khác, kết quả sai số quỹ đạo trong thử nghiệm MIX cũng nhỏ hơn sai số

quỹ đạo trong thử nghiệm CIMSS ở các hạn dự báo dài hơn 3 ngày. Kết quả này

phù hợp với những nhận định của Kalnay và cộng sự (2006) [45], nếu độ tán tổ hợp

phủ được giá trị thực thì sai số dự báo sẽ nhỏ hơn so với sai số dự báo trong trường

hợp độ tán tổ hợp không phủ được giá trị thật. Chỉ căn cứ vào kết quả thống kê trên,

chúng ta có thể nhận định rằng mô hình WRF với sơ đồ LETKF đồng hóa số liệu

hỗn hợp dự báo quỹ đạo bão hiệu quả ở hạn dự báo dài hơn 3 ngày.

3.3.2 Cường độ bão

Đối với dự báo cường độ bão, như đã đề cập trong phần 3.2, ngoài sự tác

động của thành phần tổ hợp đa vật lý lên cường độ bão, thì các thông tin quan trắc

được bổ sung vào trường ban đầu của mô hình thông qua quá trình đồng hóa số liệu

cũng tác động tích cực đến kỹ năng dự báo cường độ bão. Do vậy, trong phần này

tác giả xem xét khả năng dự báo cường độ bão của mô hình WRF với sơ đồ đồng

hóa LETKF (WRF-LETKF) thông qua 9 trường hợp thử nghiệm cơn bão Megi

2010.

a) Khả năng dự báo áp suất cực tiểu tại tâm

39

Kết quả dự báo cường độ bão trong 9 trường hợp khảo sát cho trung bình sai

số tuyệt đối áp suất mực biển cực tiểu tại tâm (PMIN) phù hợp với kết quả thử

nghiệm trong phần 3.2. Cụ thể, sai số PMIN trong thử nghiệm MIX và thử nghiệm

CIMS nhỏ hơn so với sai số PMIN trong thử nghiệm CTL ở hầu hết các hạn dự báo

(hình 3.12). Các kết quả trên là do hệ thống WRF-LETKF khắc phục được sai số do

các quá trình vật lý không được mô tả một cách đầy đủ trong mô hình số bằng

phương pháp đa vật lý [23]. Ngoài ra kết quả dự báo quỹ đạo tốt trong hai thử

nghiệm MIX và CIMSS (phần 3.3.1) cũng tác động đáng kể đến kỹ năng dự báo

cường độ bão [16]. Mặt khác khi tác giả so sánh sai số PMIN trong thử nghiệm

MIX với sai số PMIN trong thử nghiệm CIMSS, tác giả nhận thấy thử nghiệm MIX

có sai số PMIN nhỏ hơn so với sai số PMIN trong thử nghiệm CIMSS. Kết quả này

phù hợp với những nhận định đưa ra trong phần 3.2, tức là ngoài tác động của thành

phần đa vật lý đến kỹ năng dự báo cường độ, thì việc bổ sung thêm các thông tin

quan trắc vào trường ban đầu của mô hình số cũng góp phần không nhỏ trong việc

nâng cao chất lượng dự báo cường độ bão.

Tiếp theo tác giả xem xét khả năng dự báo PMIN của hệ thống WRF-LETKF

thông qua tỷ số độ tán tổ hợp và sai số tuyệt đối (η). Bảng 3.2 thống kê các trường

hợp dự báo hiệu quả (η>1) trong hai thử nghiệm MIX và CIMSS. Tác giả Kiều và

cộng sự (2013) [23] đã chứng minh rằng, khi áp dụng phương pháp đa vật lý để xác

định sai số của mô hình thì độ tán tổ hợp rộng hơn so với độ tán tổ hợp trong trường

hợp xác định sai số mô hình bằng phương pháp tăng cấp nhân, và do đó nâng cao

được hiệu quả dự báo quỹ đạo cũng như cường độ bão. Và trên thực tế, nếu độ tán

tổ hợp đủ rộng sẽ phủ được giá trị thật, và vì vậy kết quả dự báo sẽ chính xác [45].

Căn cứ vào tỷ số η, cho thấy trong 9 trường hợp dự báo thử nghiệm, có 6

trường hợp dự báo PMIN hiệu quả trong thử nghiệm MIX ở hạn dự báo 4 ngày, còn

trong thử nghiệm CIMSS thì chỉ có 1 trường hợp dự báo hiệu quả. Trong khi ở các

hạn dự báo 2 ngày, 3 ngày và 5 ngày số trường hợp dự báo hiệu quả trong hai thử

nghiệm MIX và CIMSS là tương đương nhau.

40

Hình 3.12. Trung bình sai số tuyệt đối áp suất mực biển cực tiểu, MIX (màu đen),

CIMSS (màu xám), và CTL (màu xám nhẹ).

Bảng 3.2. Thống kê các trường hợp hệ thống WRF-LETKF dự báo áp suất mực

biển cực tiểu hiệu quả trong hai thử nghiệm CIMSS và MIX

Hạn dự báo

(giờ)

CIMSS

(trƣờng hợp)

MIX

(trƣờng hợp)

24-h 5 7

48-h 6 6

72-h 9 9

96-h 1 6

120-h 4 3

Như vậy, qua việc khảo sát tỷ số độ tán và sai số tuyệt đối cho thấy, hệ thống

WRF-LETKF có khả năng dự báo PMIN tốt ở tất cả các hạn dự báo, nhất là khi

đồng hóa số liệu hỗn hợp số liệu vệ tinh và cao không thì hệ WRF-LETKF có kỹ

năng dự báo hiệu quả ở các hạn dự báo dài hơn 3 ngày.

0.0

10.0

20.0

30.0

40.0

50.0

60.0

00-h 12-h 24-h 36-h 48-h 60-h 72-h 84-h 96-h 108-h 120-h

sai

số á

p s

uất

mự

c b

iển

cự

c ti

ểu

(hP

a)

Hạn dự báo (giờ)

41

b) Khả năng dự báo tốc độ gió cực đại gần tâm

Đối với tốc độ gió bề mặt cực đại (VMAX), ở một số hạn dự báo, trung bình

sai số tuyệt đối trong thử nghiệm MIX và thử nghiệm CIMSS đa số là nhỏ hơn so

với thử nghiệm CTL (hình 3.13). Kết quả này cũng phù hợp với các kết quả đưa ra

ở mục 3.2, nghĩa là hệ thống tổ hợp tổ hợp WRF-LETKF có kỹ năng dự báo

VMAX tương đối tốt. Vì hệ thống WRF-LETKF đã hiệu chỉnh sai số mô hình bằng

phương pháp đa vật lý, hơn nữa những cải thiện trong dự báo quỹ đạo bão cũng là

một nhân tố giúp nâng cao kỹ năng dự báo VMAX [16]. Tuy nhiên, ở một số hạn

dự báo như 12 giờ, 84 giờ và 108 giờ, sai số VMAX trong thử nghiệm CTL lại nhỏ

hơn so với 2 thử nghiệm MIX và CIMSS. Kết quả này có thể là do độ phân giải của

mô hình (12 km) chưa đủ tinh để có thể mô phỏng được cấu trúc của bão. Ngoài ra,

cũng do số trường hợp thử nghiệm còn ít (9 trường hợp), nên chưa có một đánh giá

toàn diện về khả năng dự báo VMAX của hệ thống WRF-LETKF.

Xét trong 12 giờ tích phân đầu tiên, VMAX (hình 3.13) và PMIN (hình 3.12)

trong các thử nghiệm CIMSS, MIX và CTL đều có sai số lớn, sai số này là do xoáy

ban đầu trong số liệu dự báo toàn cầu yếu [16], do đó phải mất một thời gian nhất

định xoáy mới có thể phát triển phù hợp với cơ chế động lực thực tế của bão. Điều

này phù hợp với những nghiên cứu trước đây về tầm quan trọng của ban đầu hóa

xoáy trong dự báo xoáy thuận nhiệt đới [5, 19, 8, 20, 25]. Còn sai số VMAX trong

thử nghiệm MIX cũng thấp hơn hoặc cao hơn sai số VMAX trong thử nghiệm

CIMSS ở một số hạn dự báo. Nhưng nhìn chung, trong dự báo cường độ thử

nghiệm MIX vẫn có những ưu điểm nhất định.

Tiếp theo, để đánh giá khả năng dự báo VMAX của hệ thống WRF-LETKF,

tác giả dựa vào tỷ số giữa độ tán tổ hợp và sai số tuyệt đối dự báo (η) tương tự khi

đánh giá khả năng dự báo PMIN của hệ thống WRF-LETKF. Bảng 3.3 thống kê các

trường hợp hệ thống WRF-LETKF dự báo VMAX hiệu quả (có tỷ số η>1).

42

Hình 3.13. Trung bình sai số tuyệt đối gió bề mặt cực đại trong đó sai số, MIX

(màu đen); CIMSS (màu xám); và CTL (màu xám nhẹ).

Bảng 3.3. Thống kê các trường hợp hệ thống WRF-LETKF dự báo tốc độ gió bề

mặt cực đại hiệu quả trong hai thử nghiệm CIMSS và MIX

Hạn dự báo

(giờ)

CIMSS

(trƣờng hợp)

MIX

(trƣờng hợp)

24-h 4 6

48-h 9 9

72-h 5 5

96-h 1 4

120-h 4 2

Từ bảng 3.3 ta thấy, ở hạn dự báo từ 1 đến 3 ngày thử nghiệm MIX và

CIMSS có số trường hợp dự báo hiệu quả là bằng nhau, trong khi ở hạn dự báo 4

ngày, thử nghiệm MIX có 4 trường hợp dự báo hiệu quả, còn thử nghiệm CIMSS

chỉ có 1 trường hợp dự báo hiệu quả. Còn ở hạn dự báo 5 ngày, CIMSS lại cho số

trường hợp dự báo hiệu quả nhiều hơn so với thử nghiệm MIX (bảng 3.3).

0.0

5.0

10.0

15.0

20.0

25.0

30.0

00-h 12-h 24-h 36-h 48-h 60-h 72-h 84-h 96-h 108-h 120-h

sai

số t

ốc

độ g

ió b

ề m

ặt

cực

đại

(m/s

)

hạn dự báo (giờ)

43

Về cơ bản, do trong thử nghiệm MIX và thử nghiệm CIMSS, cấu hình tổ hợp

của hệ thống WRF-LETKF là như nhau, nên sự khác biệt trong kết quả dự báo của

hai thử nghiệm này chỉ do việc bổ sung số liệu cao không vào quá trình đồng hóa số

liệu vệ tinh (MIX). Mặt khác, do số trường hợp thử nghiệm còn ít, nên chưa thể đưa

ra một kết luận đầy đủ về khả năng dự báo VMAX của hệ thống WRF-LETKF.

Nhìn chung hệ thống WRF-LETKF có kỹ năng dự báo VMAX tốt hơn so với hệ

thống WRF không có đồng hóa số liệu.

Như vậy, sau khi xem xét đồng thời sai số trung bình tuyệt đối (MAE) và tỷ

số giữa độ tán tổ hợp và trung bình sai số tuyệt đối (η), cho ta thấy mô hình WRF

với sơ đồ đồng hóa LETKF (thử nghiệm CIMSS và MIX) thể hiện kỹ năng dự báo

quỹ đạo bão khá tốt so với mô hình WRF không đồng hóa số liệu (thử nghiệm

CTL). Đặc biệt, khi đồng hóa đồng thời số liệu gió vệ tinh và số liệu cao không, thì

kết quả dự báo quỹ đạo bão được cải thiện đáng kể so với thử nghiệm chỉ đồng hóa

số liệu vệ tinh. Còn đối với dự báo cường độ bão, hệ thống WRF-LETKF cho kết

quả dự báo PMIN tốt hơn so với VMAX. Tuy nhiên, do độ phân giải còn thô (12

km), nên chưa thể chi tiết được cấu trúc của bão, do vậy kết quả dự báo cường độ

còn có những hạn chế nhất định. Nhưng xét trên tổng thể, hệ thống WRF-LETKF

cũng nâng cao đáng kể chất lượng dự báo cường độ bão.

44

KẾT LUẬN

Từ các kết quả phân tích trong chương 3, luận văn có thể rút ra được một số

kết luận sau:

Qua các thử nghiệm khảo sát số thành phần tổ hợp, kết quả cho thấy số thành

phần tổ hợp tối ưu trong sơ đồ LETKF bằng với số kết hợp khác nhau của các sơ đồ

vật lý có trong mô hình. Cụ thể, trong mô hình WRF, có 24 sự kết hợp giữa các sơ

đồ vật lý với nhau (sơ đồ vi vật lý, sơ đồ tham số hóa đối lưu, sơ đồ tham số hóa lớp

biên hành tinh...v.v.). Như vậy khi số thành phần tổ hợp dao động từ 20 đến 25

thành phần tổ hợp đa vật lý thì bộ lọc Kalman tổ hợp địa phương hóa biến đổi phát

huy được tác dụng tối đa.

Kết quả của các thử nghiệm khảo sát vai trò của bộ số liệu hỗn hợp (vệ tinh +

cao không) đồng hóa bởi sơ đồ đồng hóa LETKF trong dự báo cường độ và quỹ đạo

cơn bão Megi 2010. Kết quả cho thấy khi đồng hóa thêm số liệu cao không vào quá

trình đồng hóa gió vệ tinh, hay các thông tin quan trắc được bổ sung thêm vào

trường ban đầu của mô hình, đã giúp cải thiện hoàn lưu qui mô lớn – dòng môi

trường, kết quả bước đầu cho thấy số liệu cao không cũng có vai trò đáng kể trong

việc hiệu chỉnh dòng môi trường và cải thiện kỹ năng dự báo quỹ đạo và cường độ

bão. Như vậy, ngoài tác động của các thành phần tổ hợp đa vật lý, cường độ bão

còn chịu ảnh hưởng của các thông tin quan trắc được bổ sung trong trường đầu vào

của mô hình.

Ngoài ra kết quả đánh giá khả năng dự báo quỹ đạo và cường độ bão của mô

hình WRF với sơ đồ đồng hóa LETKF dựa vào kết quả của 9 trường hợp dự báo

quỹ đạo và cường độ bão cơn bão Megi 2010 cho thấy sai số dự báo quỹ đạo bão

giảm đáng kể trong thử nghiệm MIX, đặc biệt là ở các hạn dự báo dài hơn 3 ngày.

Trong khi thử nghiệm CIMSS cho sai số dự báo quỹ đạo lớn hơn so với thử nghiệm

MIX nhưng lại nhỏ hơn so với thử nghiệm CTL, kết quả này phù hợp với các

nghiên cứu trước đây về khả năng nâng cao chất lượng dự báo quỹ đạo bão khi

đồng hóa số liệu vệ tinh bằng lọc Kalman tổ hợp [22]. Như vậy, sơ đồ LETKF đồng

45

hóa đồng thời 2 loại số liệu vệ tinh và cao không đã giúp mô hình WRF cải thiện

đáng kể kết quả dự báo quỹ đạo bão hạn 5 ngày.

Đối với dự báo cường độ, qua kết quả thống kê của 9 trường hợp thử nghiệm

cho thấy, dự báo PMIN trong thử nghiệm MIX hiệu quả hơn trong thử nghiệm

CIMSS, với đa số sai số dự báo PMIN của thử nghiệm MIX nhỏ hơn đáng kể so với

sai số PMIN trong thử nghiệm CIMSS ở hầu hết các hạn dự báo. Như vậy, số liệu

quan trắc được bổ sung trong đầu vào của mô hình có tác động tích cực đến kỹ năng

dự báo PMIN. Nhưng đối với VMAX, tùy từng hạn dự báo mà thử nghiệm MIX

hay thử nghiệm CIMSS dự báo VMAX hiệu quả. Tuy nhiên, những đánh giá trên

chỉ dựa vào 9 trường hợp thử nghiệm, nên chưa thể đưa ra kết luận đầy đủ về khả

năng dự báo cường độ bão của mô hình WRF với sơ đồ đồng hóa LETKF. Nhưng

bước đầu ta có thể khẳng định, sơ đồ LETKF đồng hóa đồng thời số liệu vệ tinh và

cao không có ảnh hưởng nhất định đến kỹ năng dự báo cường độ bão hạn 5 ngày

của mô hình WRF. Để có kết luận đầy đủ hơn về khả năng dự báo cường độ bão của

mô hình WRF với sơ đồ đồng hóa LETKF, thì cần một chuỗi các thử nghiệm dự

báo bão hạn 5 ngày dài hơn (có thể là các cơn bão trong 2 đến 3 mùa bão).

Như vậy, mô hình WRF với sơ đồ đồng hóa LETKF có kỹ năng dự báo quỹ

đạo bão hạn 5 ngày cao, trong khi kỹ năng dự báo cường độ bão được cải thiện

đáng kể so với mô hình WRF (không có đồng hóa số liệu). Tuy nhiên, ở các thời

điểm tích phân 12 giờ đầu tiên, kết quả dự báo cường độ của mô hình WRF khi có

đồng hóa chênh lệch khá nhiều so với quan trắc (hình 3.12, hình 3.13). Kết quả này

cho thấy, sơ đồ LETKF góp phần nâng cao kỹ năng dự báo cường độ trong các hạn

dự báo từ 2 ngày đến 5 ngày của mô hình WRF, nhưng không khắc phục được

trường xoáy ban đầu yếu của mô hình toàn cầu hay đồng hóa số liệu chỉ có tác dụng

cải thiện dòng môi trường và có tác động đáng kể đến kết quả dự báo cường độ, còn

không có tác dụng làm trường xoáy ban đầu mạnh lên, cho dù số liệu quan trắc cao

không được bổ sung vào quá trình đồng hóa số liệu vệ tinh.

46

PHỤ LỤC

Hệ thống WRF-LETKF về cơ bản có sơ đồ khối như hình 1.1. Tuy nhiên hệ

thống này được điều khiển bởi một hệ thống các script tự động, được lập trìn bằng

vỏ Shell. Các script này được liệt kê trong bảng dưới đây:

Tên script Chức năng Ghi chú

runobs.sh Kiểm tra chất lượng các loại số liệu quan

trắc trước khi đưa vào đồng hóa, và định

dạng lại số liệu quan trắc sao cho phù

hợp với định dạng đầu vào của chương

trình letkf.f90. Ngoài ra trong runobs.sh,

còn gọi các chương trình fortran thực thi

như: sounding_to_litter.f90,

cimss_to_litter.f90, obsproc.f90,

wrf3dvar_to_letkf.f90, obs.f90

Có 3 lựa chọn,

obsmode=”CIMSS or

RADS or REAN or MIX”

(MIX) mới được bổ sung.

runmain.sh Chạy các thành phần tiền xử lỹ của mô

hình WRF, chạy hệ thống đồng hóa

LETKF. Và cuối cùng là tích phân mô

hình dự báo.

Trong script này lần lượt gọi các script

con: runwps.sh; runreal.sh; runini.sh;

nlist_wrf.sh; func_cal_time.sh;

runcolds.sh; runletkf.sh

Có 3 lựa chọn,

runmode=”REAL_TIME or

EXP_REAL or

EXP_REAN”

47

Hình P1. Sơ đồ khối cho script runobs.sh

Trong đó:

- obsmode là chế độ chạy runobs.sh với các số liệu quan trắc (2 chế độ quan trắc

khác được hỗ trợ bởi hệ thống bao gồm số liệu cao không RADS và số liệu tái phân

tích AVN/FNL và số liệu hỗn hợp cao không và vệ tinh).

- check_f: điều kiện kiểm tra có tồn tại file số liệu vệ tinh CIMSS

yyyymmddhhmm.txt.

Chương trình thực thi chính bằng ngôn ngữ FORTRAN được gọi trong runobs.sh .

T

T

T

F

F

F

start

Get enviroment

Get date/time

Check

date/time

obsmode

Check_f

cimss_to_littler.exe

end

48

Hình P2. Sơ đồ khối cho script runmain.sh

Trong đó:

- get physics option: Lấy thông số vật lý cụ thể và đưa vào namelist.input.

start

set environment, domain

cold_start= “COLD”

cold_start=“COLD”

T

F

./runwps.sh; ./runreal.sh

./runini.sh

cold_start= “WARM”

end

ie ≤ ne

opt_physics=“YES”

T

./runobs.sh

./runletkf.sh

ie = 1

./da_update_bc.exe

get physics option

./nlist_wrf.sh

ie = ie + 1

ie = 1; ne; ./wrf.exe

backup wrfout

made bgd

display results

T

F

F

49

- backup wrfout: Lưu kết quả dự báo của wrf ứng với từng thành phần tổ

hơp.

- make bgd: Tạo trường nền cho chu trình đồng hóa tiếp theo.

- ne: Số thành phần tổ hợp

- opt_physics: Tham số cho các lựa chọn sơ đồ vật lý được truyền vào script

nlist_wrf.sh.

- display results: Hiển thị kết quả.

50

TÀI LIỆU THAM KHẢO

Tiếng việt

1. Kiều Quốc Chánh (2011), “Xây dựng hệ thống đồng hóa lọc Kalman tổ hợp địa

phương cho mô hình dự báo thời tiết WRF”. Tạp chí Khoa học ĐHQGHN, Khoa

học Tự nhiên và Công nghệ, số 1S, trang 17-28.

2. Công Thanh, Trần Tân Tiến (2013), “Đánh giá kết quả dự báo quỹ đạo bão ở Biển

Đông hạn 5 ngày bằng hệ thống dự báo tổ hợp trên mô hình RAMS”.Tạp chí khoa

học Đại học Quốc gia Hà Nội. Khoa học Tự nhiên và Công nghệ Tập 29, số 1S

, trang 141-146.

3. Công Thanh, Trần Tân Tiến (2013), “Xây dựng hệ thống dự báo tổ hợp bão ở Biển

Đông hạn 5 ngày bằng phương pháp nuôi nhiễu”.Tạp chí khoa học Đại học Quốc

gia Hà Nội. Khoa học Tự nhiên và Công nghệ Tập 29, số 1S, trang 147-153.

4. Trần Tân Tiến, Hoàng Thị Thủy, Công Thanh, Bùi Minh Tuân (2013), “Dự báo tổ

hợp quỹ đạo bão trên khu vực biển đông hạn 5 ngày”. Hôi thao Khoa hoc Quôc gia

về khí tượng thủy văn môi trường và biến đổi khí hậu lần thứ XVI - Tập I. Khí tượng

- khí hậu, Khí tượng nông nghiệp, Biến đổi khí hậu, 27-29 tháng 6, Thành phố Hồ

Chí Minh, trang 70.

Tiếng anh

5. Anderson, J. L. (2007a), “Exploring the need for localization in ensemble data

assimilation using a hierarchical ensemble filter”. Physica D, 230, 99–111.

6. Anderson, J. L. (2007b), “An adaptive covariance inflation error correction

algorithm for ensemble filters”. Tellus, 59A, 210–224.

7. Baek, S.-J., Hunt B. R., Kalnay E., Ott E. and Szunyogh I. (2006), “Local ensemble

Kalman filtering in the presence of model bias”. Tellus, 58A, 293-306.

8. Bedka, K. M., and J. Mecikalski (2005), “Application of satellite-derived

atmospheric motion vectors for estimating mesoscale flows”. J. Appl. Meteor., 44,

1761-1772.

51

9. Bender MA, Ross RJ, Tuleya RE, Kurihara Y (1993), “Improvements in tropical

cyclone track and intensity forecasts using the GFDL initialization system”. Mon

Weather Rev, 121, 2046-2061.

10. Buizza and T. N. Palmer (1998), “Impact of Ensemble on Ensemble Prediction”.

Amer. Meteor. Soc., 126, 2504-2518.

11. Cherubini, T., S. Businger, C. Velden, R. Ogasawara (2006), “The impact of

satellite-derived atmospheric motion vectors on mesoscale forecasts over Hawaii”.

Mon. Wea. Rev., 134, 2009–2020.

12. DALEY, R. (1993). Atmospheric Data Analysis. CambridgeUni-versity Press,

Cambridge, New York, 457p.

13. Davidson NE, Weber HC (2000), “The BMRC high-resolution tropical cyclone

prediction system: TC-LAPS”. Mon Weather Rev., 128, 1245-1265.

14. Davis, C., L. F. Bosart (2002), “Numerical simulations of the genesis of Hurricane

Diana (1984). Part II: sensitivity of track and intensity prediction”. Mon. Wea. Rev.,

130, 1100–1124.

15. DeMaria, J. A. Knaff, Sampson (2007), “Evaluation of long-term trends in tropical

cyclone intensity forecasts”. Meteorol Atmos Phys 97: 19-28.

16. Du Duc Tien, Thanh Ngo-Duc, Hoang Thi Mai and Chanh Kieu (2013), “A study of

the connection between tropical cyclone track and intensity errors in the WRF

model”. Meteorology and Atmospheric Physics., 121, 278-300.

17. Eckert, P., and J. Ambuhl (1996), “Classification of ensemble forecasts by means of

an artificial neural network”. Meteor. Appl., 3, 169-178.

18. Eric P. Grimit and Clifford F. Mass (2006), “Measuring the Ensemble Spear-Error

Realationship with a Probabilistic Approach: Stochastic Ensemble Results”.

Meteor. Soc., 135, 204-221.

19. Hunt BR, Kostelich E, Szunyogh I. (2005), “Efficient data assimilation for

spatiotemporal chaos: a local ensemble transform Kalman filter”. Physica D. 230:

112-126.

52

20. Hunt, B. R., E. J. Kostelich, and I. Szunyogh (2007), “Efficient data assimilation for

spatiotemporal chaos: A local ensemble transform Kalman Filter”. Physica D, 230,

112–126.

21. Hercshel L. Mithchell and P. L. Houtekamer (2002), “Ensemble Size, Balance, and

Model-Error Representation in an Ensemble Kalman Filter”. Amer. Meteor. Soc.,

130, 2792-2808.

22. Kieu, C.Q., Truong, N.M., Mai, H.T., and Ngo-Duc, T. (2012), “Sensitivity of the

Track and Intensity Forecasts of Typhoon Megi (2010) to Satellite-Derived

Atmosphere Motion Vectors with the Ensenble Kalman filter”. J. Atmos. Oceanic

Technol., 29, 1794-1810.

23. Kieu Chanh, Pham Thi Minh & Hoang Thi Mai (2013), “An Application of the

Multi-Physics Ensemble Kalman Filter to Typhoon Forecast”. Pure Appl.

Geophys.170: 745-954.(1)

24. Kalnay, E. (2003), “Atmospheric modeling, data assimilation and predictability”.

Cambridge University Press, p181.

25. Kurihara, Y., M. A. Bender, and R. J. Ross (1993), “An initialization scheme of

hurricane models by vortex specification”. Mon. Wea. Rev., 121, 2030–2045.

26. Kwon, H. J., S.-H. Won, M.-H. A., A.-S. Suh, H.-S. Chung (2002), “GFDL-Type

typhoon Initialization in MM5”. Mon. Wea. Rev., 130, 2966–2974.

27. Li, Hong, Kalnay E, Miyoshi T, Danforth CM. (2009), “Accounting for model

errors in ensemble data assimilation”. Mon. Weather Rev. 137: 3407–3419.

28. Miyoshi, T., and S. Yamane (2007), “Local ensemble transform Kalman filtering

with an AGCM at a T159/L48 resolution”. Mon. Wea. Rev., 135, 3841–3861.

29. Miyoshi T. (2011), “The Gaussian Approach to Adaptive Covariance Inflation and

Its Implementation with the Local Ensemble Transform Kalman Filter”. Mon.

Weather Rev. 139: 1519-1535.

30. Miyoshi T., and Kunii, M. (2012), “The Local Ensenble Transform Kalman Filter

with the Weather Rearch and Forecasting Model: Experiments with Real

Observation”. Pure Appl. Geo-phy., 169, 321-333.

53

31. Nguyen VH and Chen Y-L (2011), “High-resolution initialization and simulations

of typhoon morakot (2009)”. Mon Wea Rev., 139, 1463-1491,

http://dx.doi.org/10.1175/2011MWR3505.1.

32. Ott, E., (1993), “Chaos in Dynamical System”. Cambridge University Press, 385pp.

33. Peng, J., Y. Zhu, and R. Wobus (2011), “EMC multi-model ensemble TC track

forecast”. The 5th

NCEP Ensemble User Workshop, May 11-15, Maryland.

34. Simon C. Sherrer and chiristof Appenzeller, Pierre Eckert and Daniel Cattani

(2003), “Analysis of the Spread-Skill Realations Using the ECMWF Ensemble

Prediction System over Europe”. Amer. Meteor. Soc., 19, 552-565.

35. Szunyogh I, Kostelich EJ, Gyarmati G, Kalnay E, Hunt BR, Ott E, Satterfield E,

Yorke JA. (2008), “A local ensemble transform Kalman filter data assimilation

system for the NCEP global model”. Tellus A. 60: 113-130.

36. Talagrand, o. (1997), “Assimilation of observations, an introduction”. J. Met. Soc.

Japan Special Issue 75, 1B, 191-209.

37. Toth, Z., Y. Zhu, and T. Marchok (2001), “The use of ensemble to identify forecasts

with small and large uncertainty”. Wea. Forecasting, 16, 463-477.

38. Velden, C. S., J. Daniels, D. Stettner, D. Santek, J. Key, J. Dunion, K. Holmlund, G.

Dengel, W. Bresky, and P. Menzel (2005), “Recent innovations in deriving

tropospheric winds from meteorological satellites”. Bull. Amer. Meteor. Soc., 86,

205-223.

39. Zeihmann, C. (2001), “Skill prediction of local weather forecasts based on the

ECMWF ensemble”. Nonlinear Processes Geophys., 8, 419-428.

40. Wilks Daniel S. (1997), “Statistical Methods in the Atmospheric Scienes”. Ithaca

New York., 59, 255.

41. Yamaguchi, M., and T. Komori (2010), “Outline of the Typhoon Ensemble

Prediction System at the Japan Meteorological Agency”. JMA Report. 11pp

42. http://weather.uwyo.edu/upperair/sounding.html

43. http://tropic.ssec.wisc.edu/archive/

44. http://www.mmm.ucar.edu/wrf/users/docs/user_guide_V3/contents.html

54

45. http://www.atmos.umd.edu/~ekalnay/pubs/IUGGsushiKalnay.pdfhttp://docs.lib.noa

a.gov/rescue/JNWP/50th_Symp_2004_CD.PDF/Extended%20Abstracts/Session%2

07%20%20Evol%20of%20Data%20Assimilation%20cont%20&%20Ensemble%20

Forecasting/071.pdf

46. http://weather.unisys.com/hurricane/w_pacific/2010H/MEGI/track.gif

47. 1The NHC official reports of the track and intensity errors can be found at:

http://www.nhc.noaa.gov/verification/verify5.shtml.