ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN

----------------------

NGUYỄN THỊ THANH

NGHIÊN CỨU ĐỒNG HOÁ SỐ LIỆU VỆ TINH TRONG MÔ HÌNH WRF ĐỂ DỰ BÁO MƯA LỚN Ở KHU VỰC TRUNG BỘ

LUẬN VĂN THẠC SĨ KHOA HỌC

Hà Nội-2010

2

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN

----------------------

NGUYỄN THỊ THANH

NGHIÊN CỨU ĐỒNG HOÁ SỐ LIỆU VỆ TINH TRONG MÔ HÌNH WRF ĐỂ DỰ BÁO MƯA LỚN Ở KHU VỰC TRUNG BỘ

Chuyên ngành: Khí tượng – khí hậu

Mã số: 60.44.87

LUẬN VĂN THẠC SĨ KHOA HỌC

NGƯỜI HƯỚNG DẪN KHOA HỌC:

GS.TS TRẦN TÂN TIẾN

Hà Nội-2010

3

LỜI CẢM ƠN

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

Tiến, là người đã tận tình chỉ bảo và hướng dẫn tôi hoàn thành luận văn này.

Tôi xin cảm ơn các Thầy cô và các cán bộ trong khoa Khí tượng - Thủy

văn - Hải dương 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 ở Khoa.

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

đã tạo điều kiện cho tôi có thời gian hoàn thành luận văn.

Tôi cũng xin cảm ơn ban lãnh đạo Viện Khoa học Khí tượng Thủy văn

và Môi trường, đặc biệt là ban lãnh đạo Trung tâm Nghiên cứu Biển và tương

tác Biển – Khí quyển đã hết sức giúp đỡ tạo điều kiện giúp tôi hoàn 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 tại trường.

Nguyễn Thị Thanh

4

MỤC LỤC MỞ ĐẦU 5

CHƯƠNG 1: TỔNG QUAN VỀ DỰ BÁO MƯA BẰNG

PHƯƠNG PHÁP SỐ TRỊ VÀ ĐỒNG HOÁ SỐ LIỆU VỆ TINH

7

1.1 Tổng quan về dự báo mưa bằng phương pháp số trị 7

1.2 Dữ liệu vệ tinh và sự cần thiết của dữ liệu vệ tinh trong dự báo

thời tiết

9

1.3 Những nghiên cứu trên thế giới và ở Việt Nam về đồng hoá số

liệu vệ tinh trong mô hình số trị

18

CHƯƠNG 2: ĐỒNG HÓA SỐ LIỆU VỆ TINH TRONG MÔ

HÌNH WRF

22

2.1 Mô hình WRF 22

2.2 Vấn đề đồng hoá số liệu vệ tinh trong mô hình WRF 29

2.3 Đồng hoá dữ liệu vệ tinh MODIS trong mô hình WRF 39

2.4 Các chỉ tiêu đánh giá kết quả dự báo mưa 40

CHƯƠNG 3: KẾT QUẢ ĐỒNG HÓA SỐ LIỆU VỆ TINH

TRONG MÔ HÌNH WRF ĐỂ DỰ BÁO MƯA LỚN Ở KHU

VỰC TRUNG BỘ

44

3.1 Nguồn số liệu 44

3.2 Cấu hình được lựa chọn 45

3.3 Kết quả dự báo mưa của một số trường hợp điển hình 46

3.4 Đánh giá kết quả dự báo các đợt mưa lớn ở khu vực Trung Bộ

trong hai năm 2007 - 2008

62

KẾT LUẬN 66

KIÊN NGHỊ 66

TÀI LIỆU THAM KHẢO 67

5

MỞ ĐẦU

Hàng năm, ở Việt Nam, đặc biệt là khu vực Miền Trung, thiên tai có

nguồn gốc mưa lớn như lũ lụt, lũ quét, sạt lở đất, ... gây thiệt hại vô cùng to

lớn về người và tài sản. Bên cạnh đó, chúng còn gây ra rất nhiều vấn đề về xã

hội, an ninh, quốc phòng. Mưa lớn ở khu vực Miền Trung thường xảy ra do

ảnh hưởng của các hình thế thời tiết khác nhau như giải hội tụ nhiệt đới

(ITCZ), front lạnh, bão, áp thấp nhiệt đới, ...Trong một số trường hợp, sự kết

hợp của nhiều hệ thống thời tiết khác nhau làm cho mưa lớn diễn ra phức tạp

hơn. Sự tương tác giữa hoàn lưu khí quyển và địa hình núi cao của dãy núi

Trường Sơn làm cho mưa lớn thường xảy ra trên diện rộng và kéo dài. Do đó,

dự báo mưa lớn và nâng cao chất lượng dự báo mưa lớn là một vấn đề đặc

biệt quan trọng ở khu vực Miền Trung.

Dự báo mưa lớn là một trong những mục tiêu quan trọng của dự báo số

trị quy mô vừa. Tuy nhiên, do thiếu chính xác của trường ban đầu cũng như

tính phi tuyến trong bài toán khí tượng, các kết quả dự báo từ mô hình số trị

vẫn chứa những sai số lớn. Cùng với những cố gắng trong việc tính toán, mô

phỏng chi tiết các quá trình vật lý liên quan tới thời tiết, các nhà khoa học

trong và ngoài nước còn có rất nhiều cố gắng trong việc cải thiện trường số

liệu ban đầu (vốn là trường phân tích của mô hình toàn cầu) cho mô hình số

trị khu vực bởi các số liệu quan trắc địa phương và phi truyền thống như vệ

tinh, radar nhằm nâng cao chất lượng dự báo. Các quan trắc mặt đất và thám

không vô tuyến cung cấp thông tin tương đối chính xác về các trường khí

tượng bề mặt và trên cao. Tuy nhiên, mạng lưới quan trắc này khá thưa cả về

không gian và thời gian, đặc biệt rất ít hoặc không có quan trắc ở trên biển.

Trong những năm gần đây, việc cải tiến công nghệ viễn thám cho phép quan

trắc khí quyển bằng vệ tinh ở những nơi không có hoặc thiếu các số liệu quan

trắc, đồng thời, những quan trắc này có độ phân giải cao hơn so với các quan

trắc truyền thống. Vì vậy, dữ liệu vệ tinh khí tượng ngày càng được ứng dụng

rộng rãi trong việc phát hiện, theo dõi, cảnh báo các hiện tượng thời tiết nguy

6

hiểm cũng như tăng cường thông tin về trường ban đầu cho mô hình số trị khu

vực.

Trên thế giới đã có nhiều tác giả nghiên cứu về bài toán đồng hóa số

liệu vệ tinh cho mô hình số và đạt được những kết quả khả quan trong dự báo

thời tiết, cũng như dự báo các hiện tượng thời tiết cực đoan như mưa lớn,

bão,…Ở Việt Nam, đồng hóa số liệu, đặc biệt là đồng hóa số liệu vệ tinh vẫn

còn là vấn đề mới mẻ, chưa có nhiều tác giả nghiên cứu. Chính vì vậy, trong

luận văn này, chúng tôi sẽ tiến hành tìm hiểu và áp dụng phương pháp đồng

hóa 3DVAR cho mô hình WRF để đồng hóa dữ liệu vệ tinh nhằm góp phần

nâng cao chất lượng dự báo mưa Khu vực Trung Bộ.

Bố cục luận văn gồm các phần:

Mở đầu

Chương 1: Tổng quan về dự báo mưa bằng mô hình số trị và đồng hoá

số liệu vệ tinh

Chương 2: Đồng hoá số liệu vệ tinh trong mô hình WRF

Chương 3: Kết quả ứng dụng đồng hoá số liệu vệ tinh trong mô hình

WRF để dự báo mưa lớn ở khu vực Trung Bộ

Kết luận

7

CHƯƠNG 1: TỔNG QUAN VỀ DỰ BÁO MƯA BẰNG PHƯƠNG

PHÁP SỐ TRỊ VÀ ĐỒNG HOÁ SỐ LIỆU VỆ TINH

1.1 Tổng quan về dự báo mưa bằng phương pháp số trị

Dự báo mưa luôn là một trong những nhiệm vụ khó khăn nhất trong khí

tượng nghiệp vụ mặc dù trên thực tế, trong vài thập kỷ qua, chất lượng dự báo

thời tiết nói chung và dự báo mưa nói riêng đã được cải thiện đáng kể. Mưa

sinh ra do tác động phối hợp của hầu hết các yếu tố khí tượng, và là yếu tố

biến động rất mạnh theo không gian và thời gian. Rất nhiều các quá trình có

thể dẫn đến mưa như: hội tụ ẩm qui mô lớn, đối lưu sâu, các quá trình gần bề

mặt,... Do vậy, dự báo tốt mưa trên một vùng lớn có nghĩa là dự báo tốt tất cả

các biến khí tượng khác.

Hiện nay, ở các nước phát triển phương pháp số là phương pháp dự báo

thời tiết chính thống. Ở Châu Âu, phương pháp này bắt đầu phát triển từ

những năm 50 của thế kỷ XX, trong đó sự đầu tư cao nhất cho hướng nghiên

cứu phát triển này của Liên minh Châu Âu được tập trung ở Trung tâm Dự

báo thời tiết hạn vừa Châu Âu (ECMWF). Tuy nhiên, cho đến trước những

năm 80 của thế kỷ XX, các nghiên cứu phát triển về lý thuyết cũng như ứng

dụng chủ yếu vẫn chỉ quan tâm đến các khu vực ngoại nhiệt đới của Châu Âu

và Mỹ. Dự báo thời tiết ở nhiệt đới nói chung và bằng phương pháp số nói

riêng ở thời kỳ này còn nhiều khó khăn do hạn chế về động lực học lý thuyết

cho vùng nhiệt đới-xích đạo. Thời kỳ 1984-1985 ở ECMWF đã có những cải

tiến to lớn trong dự báo nghiệp vụ bằng mô hình toàn cầu cho các vùng nhiệt

đới, đó là, việc đưa vào mô hình sơ đồ tham số hoá đối lưu (TSHĐL) nông,

biến đổi TSHĐL sâu, một sơ đồ mây mới và tăng độ phân giải ngang của mô

hình. Trên qui mô toàn cầu, nghiên cứu của Tiedtke và cộng sự (1988) [32] đã

đánh giá tác động của tổ hợp vật lý và tăng độ phân giải ngang đối với sai số

hệ thống trong dự báo nghiệp vụ ở nhiệt đới của ECMWF. Việc tăng độ phân

giải ngang trong các mô hình dự báo thời tiết nghiệp vụ (Black, 1994; Rogers

và cộng sự, 1998) [11], [36] nhìn chung nâng cao chất lượng dự báo mưa định

8

lượng (QPF). Khi độ phân giải ngang tăng, mô hình có thể nắm bắt được

chuyển động thẳng đứng tốt hơn dẫn tới làm tăng các cực trị mưa dự báo

(Weisman và cộng sự, 1997) [46].

Zhang và cộng sự (1994) [48] cũng đã nhận thấy rằng, việc nghiên cứu

quan hệ giữa mưa qui mô dưới lưới và qui mô lưới có tác động đáng kể đến

kết quả mô phỏng trong trường hợp độ phân giải ngang còn đủ thô để sử dụng

sơ đồ TSHĐL. Hong và Pan (1998) [19] cho thấy vị trí của mưa qui mô lưới

bị ảnh hưởng nhiều bởi TSHĐL hơn là việc thay đổi phương pháp tính mưa

qui mô lưới. Mặt khác, thời gian kích hoạt của cả sơ đồ TSHĐL và sơ đồ ẩm

hiển có tác động đáng kể đối với mưa mô phỏng (Grell, 1993) [18] và có thể

thay đổi với các sơ đồ khác nhau.

Những cải tiến trong thám sát và phương pháp đồng hóa số liệu để cải

tiến trường ban đầu cho mô hình góp phần quan trọng trong việc nâng cao

chất lượng dự báo mưa (Spencer và Stensrud, 1998) [43]. Best (1956) [13] đã

chỉ ra rằng sai số trong trường ban đầu của một mô hình dự báo thời tiết số

bất kỳ sẽ khuếch đại theo thời gian dự báo, thậm chí sai số nhỏ trong trường

gió mực 500mb gây nên sai số đáng kể về hội tụ và phân kỳ trong trường dự

báo. Huo và cộng sự (1995) [20] đã nghiên cứu độ nhạy của trường ban đầu

trong dự báo các trường trong bão, kết quả cho thấy sự thay đổi nhỏ trong

trường gió ban đầu tạo nên sự thay đổi lớn trong dự báo quỹ đạo bão và

trường mưa dự báo. Yoshinori và cộng sự (2009) [49] đã đồng hoá số liệu

lượng hơi nước ngưng tụ (PWV) từ hệ thống GPS bằng mô hình MSM, kết

quả cho thấy cải thiện đáng kể vùng hội tụ phía bắc của áp thấp nhiệt đới và

vùng mưa dự báo.

Ở nước ta, trong những năm gần đây, các công trình nghiên cứu trong

lĩnh vực dự báo mưa lớn bằng mô hình số trị cũng đã được thực hiện. Trần

Tân Tiến (2004) [6] đã nghiên cứu sự phụ thuộc vào độ phân giải lưới của hai

sơ đồ TSHĐL là Kuo và Kain Fristch trong dự báo mưa lớn ở khu vực Miền

Trung bằng mô hình RAMS. Kiều Thị Xin (2005) [8] đã áp dụng mô hình

9

HRM để dự báo mưa lớn diện rộng ở Việt Nam. Hoàng Đức Cường (2008)

[1] đã xây dựng hệ thống tổ hợp 9 dự báo thành phần bằng cách lựa chọn các

phương án sử dụng sơ đồ tham số hoá vật lý khác nhau của mô hình MM5 để

dự báo mưa lớn ở Việt Nam. Chu Thị Thu Hường (2007) [3] đã nghiên cứu

thử nghiệm dự báo mưa thời hạn từ 1 đến 3 ngày cho khu vực Trung bộ bằng

mô hình WRF. Vũ Thanh Hằng (2008) [5] đã nghiên cứu tác động của tham

số hóa đối lưu đối với dự báo mưa bằng mô hình HRM ở Việt Nam.

1.2 Dữ liệu vệ tinh và sự cần thiết của dữ liệu vệ tinh trong dự báo thời

tiết

Trong suốt thập kỷ vừa qua, ảnh vệ tinh nhận được dựa vào các đầu đo

cảm ứng, các đầu đo này đã cung cấp cho các nhà khoa học những tập số liệu

toàn cầu thực và khách quan về những diễn biến của bầu khí quyển. Chúng đã

làm một cuộc cách mạng trong khả năng thám sát sự tiến triển của khí quyển

trái đất. Công nghệ viễn thám cung cấp cho ta thám sát quanh trái đất, và

trong phần lớn trường hợp chúng thích hợp và thực hơn so với thám sát từ bề

mặt đất.

Những thông tin số liệu vệ tinh thu được hiện nay, cho phép chúng ta

có thể theo dõi liên tục, phân tích và xác định được các yếu tố về trường

nhiệt, ẩm, gió, trường mây (các quá trình hình thành và phát triển của mây,

trường nhiệt độ đỉnh mây, độ cao mây, phân loại sơ bộ mây theo các cấp độ

cao, xác định được lượng ẩm trong khí quyển, hàm lượng nước trong mây,

vùng mây gây mưa, giông,…). Những thông tin này giúp các nhà khoa học

thời tiết xác định và dự báo được quá trình hình thành, phát triển các hiện

tượng thời tiết cũng như định lượng các thông số về các yếu tố mây, độ ẩm

khí quyển, lượng nước chứa trong mây, lượng mưa trên trái đất để từ đó làm

cơ sở cho việc nghiên cứu thực hiện các dự án về quá trình tạo mây,

mưa…Mặt khác, dữ liệu vệ tinh đã được ứng dụng rất hiệu quả trong mô hình

dự báo thời tiết số trị thông qua việc đồng hóa số liệu để nâng cao chất lượng

dự báo.

10

Bảng 1.1 trình bày các quan trắc cơ bản từ vệ tinh có khả năng cung

cấp dữ liệu cho mô hình dự báo quy mô vừa, ngoài ra chúng ta còn có thể

đồng hoá dữ liệu bức xạ trực tiếp từ vệ tinh.

Bảng 1.1: Các thông tin vệ tinh được sử dụng trong đồng hoá số liệu

Thành phần Thiết bị đo Nhiệt độ khí quyển AVHRR, HIRS, AIRS/AMSU-A, MLS,

HIRDLS, TES, MODIS Độ ẩm khí quyển AIRS/AMSU-A/HSB, MLS, HIRDLS,

MODIS, TES Giáng thuỷ AMSR-E, TRMM Các đặc tính của mây (Tổng lượng mây, độ cao đỉnh mây, các đặc tính quang học)

MODIS, GLAS, AMSR-E, MISR, AIRS, ASTER, SSM/I

Thông lượng bức xạ (bề mặt, đỉnh khí quyển)

MODIS, AMSR-E, GLAS, MISR, AIRS, ASTER,

Đặc tính hoá học tầng đối lưu và bình lưu (ôZôn, ClO, BrO, OH)

TES, MLS, HIRDLS, OMI

Đặc tính của Xon khí (Đối lưu, bình lưu)

HIRDLS, MODIS, MISR, OMI, GLAS

Khí quyển

Véc tơ dịch chuyển khí quyển (AMV): cloud motion vector (CMV); water vapor winds (WVW)

các vệ tinh địa tĩnh

Trường gió bề mặt Sactterometer (ERS, QSCAT), AMSR-E, DORIS, SSM/I

Nhiệt độ mặt nước biển MODIS, AIRS, AMSR-E, SSM/I

Địa hình bề mặt biển (height, waves, sea level)

Altimeter, DORIS

Diệp lục và các vật chất lơ lửng trong biển

MODIS, MERIS

Đại dương

Băng biển AMER-E

11

Đất bao phủ và đất sử dụng

MODIS, MISR, ASTER

Độ ẩm đất AMSR-E Tuyết MODIS, ASTER,AMSR-E Nhiệt độ bề mặt MODIS, AIRS, ASTER

Đất

Băng đất liền GLAS, ASTER

Dưới đây là một số phương pháp ước lượng các trường khí tượng từ dữ

liệu vệ tinh nhằm phục vụ bài toán đồng hoá số liệu.

1.2.1 Phương pháp tính hàm lượng ẩm trong mây (LWC) sử dụng dữ liệu

của vệ tinh CloudSat (NASA)

CloudSat là vệ tinh quỹ đạo cực được thiết kế nhằm khảo sát các đặc

tính quang học của mây trên toàn cầu của NASA. CloudSat mang theo đầu

thu ở tần số 94Ghz. Sản phẩm hàm lượng ẩm trong mây (LWC) tính được từ

dữ liệu của CloudSat hiện nay có độ chính xác cao và được sử dụng nhiều

trong việc hiệu chỉnh LWC từ các dữ liệu khác. Sau đây là phương pháp tính

LWC từ dữ liệu CloudSat.

Giả sử các hạt mây có phân bố kích thước dạng chuẩn:

(1.1)

trong đó NT là mật độ hạt, r là kích thước hạt và các tham số còn lại

tính theo biểu thức:

(1.2)

trong đó rg là bán kính trung bình, σg là độ lệch trung bình.

Lượng nước trong mây LWC ký hiệu là l tính theo công thức:

12

(1.3)

với re là bán kính hạt hiệu dụng và ρw là mật độ của nước.

Độ phản xạ radar Z và hệ số suy yếu thị phổ σext:

(1.4)

(1.5)

Sử dụng các công thức trên ta có:

(1.6)

Một số giá trị điển hình LWC với re và NT được trình bày trong bảng 2.

Bảng 1.2: Một số giá trị tương ứng giữa LWC và các tham số khác

Môi

trường

Kiểu mây Kích thước

hạt mây

(µm)

re

(µm)

NT

(hạt/m3)

LWC

(g/m3)

Stratus 4.7 7.3 250 0.28

cumulus (sạch) 4.8 5.8 400 0.26

cumulus (bị ô nhiễm) 3.5 4.0 1300 0.3

cumulonimbus (đang

phát triển)

6-8 7-10 ~500 1-3

Lục địa

cumulonimbus (đang 7-8 9-10 ~300 1.0-1.5

13

suy yếu)

Stratus 6.7 11.3 80 0.30 Biển

(strato)cumulus 10.4 12.7 65 0.44

cirrus (T < -250C) - 92 0.11 0.03 Khác

cirrus (T < -500C) - 57 0.02 0.002

1.2.2 Tính lượng hơi nước trong khí quyển bằng công nghệ split - window

Công nghệ split-window (Saunders, 1967; Anding và Kauth, 1970;

McMillin và Crosby, 1984) được sử dụng để tính lượng hơi nước trong khí

quyển từ 2 kênh phổ của một “cửa sổ khí quyển”.

Giả thiết hàm Plack là hàm tuyến tính địa phương trong cửa sổ hồng

ngoại, phương trình truyền bức xạ ứng với hai kênh phổ được cho như sau:

11 )( τASAB TTTT +=− (1.7)

22 )( τASAB TTTT +=− (1.8)

AB

AB

TTTT

−−

=1

1

2

1

ττ (1.9)

trong đó: Ts là nhiệt độ bức xạ bề mặt; TA nhiệt độ bức xạ trung bình

khí quyển; τ1,τ2 là độ truyền bức xạ từ bề mặt đến vệ tinh của hai kênh phổ;

TB1, TB2 là nhiệt độ bức xạ đo được từ vệ tinh tương ứng với 2 kênh phổ.

Mặt khác, sự khác biệt của độ truyền bức xạ là do sự khác biệt của hệ

số hấp thụ của hơi nước với 2 kênh phổ. Ta có:

⎥⎦⎤

⎢⎣⎡ −−=

θββ

ττ

cos)(exp 12

2

1 U (1.10)

Lượng hơi nước trong khí quyển được tính:

)ln(cos

2

1

12 AB

AB

TTTTU

−−

−=

ββθ (1.11)

14

trong đó: β1, β2 là hệ số hấp thụ khối của hơi nước đối với 2 bước sóng

ứng 2 kênh phổ; θ là góc thiên đỉnh.

1.2.3 Ước lượng nhiệt độ từ số liệu ảnh hồng ngoại của vệ tinh GOES

Đo đạc nhiệt độ bằng viễn thám dựa trên nguyên tắc là một đối tượng

bất kì phát bức xạ điện từ tương ứng với nhiệt độ bước sóng và khả năng phát

xạ của nó. Đối tượng nhận biết ở đây là mây, bề mặt đất, mặt nước biển.

Nhiệt độ nhận biết được bằng cảm biến kế nhiệt gọi là nhiệt độ chói. Sau khi

xác định được nhiệt độ chói bằng cách nghịch đảo hàm Planck :

(1.12)

Ta coi độ chói mà vệ tinh ghi được đúng bằng độ chói thực tế của bề

mặt đối tượng quan trắc ta sẽ xác định được nhiệt độ thực.

Bảng 1.3: Các hệ số tỷ xích thiết bị ghi hình vệ tinh GOES

Ước lượng nhiệt độ từ số liệu ảnh hồng ngoại vệ tinh địa tĩnh qua số

hiệu định dạng GVAR (format truyền số liệu của GOESI-M), `của vệ tinh

GOES-8 và GOES-9 hai vệ tinh này có độ phân giải số liệu ảnh hay còn gọi là

mức lượng tử là 10 bits tương đương là 1024 tông màu và số liệu thám sát

thẳng đứng là 16 bits. Từ số liệu ghi trên ảnh số sẽ chuyển đổi được về độ

chói bức xạ bằng phương trình:

R = (XG - B)/ M (1.13)

Trong đó R là độ chói bức xạ đo bằng mW/(m2-sr-cm-1), XG là trị số

đo GVAR, các hệ số B và M là tỷ xích nghiêng và phẳng tương ứng được cho

Kênh M B

2 257.3889 68.2167

3 38.8383 29.1287

4 5.2285 15.6854

5 5.0273 15.3332

131

2 ln( 1)cT cBν

νν−

⎡ ⎤= +⎢ ⎥

⎣ ⎦

15

trước như trong bảng 1.3. Chúng chỉ phụ thuộc vào kênh và loạt (series) vệ

tinh cụ thể, mà không phụ thuộc vào bộ dò sóng (detector).

Sau khi tính được độ chói bức xạ ta sẽ tính được nhiệt độ chói (nhiệt độ

hữu hiệu) bằng cách nghịch đảo hàm Planck ta được:

(1.14)

trong đó, Teff là nhiệt độ hữu hiệu tính bằng K, c1 và c2 là các hằng số

bức xạ, c1 = 1,191066x10-5 mW/(m2-sr-cm-4), c2 = 1,438833 K/cm-1, v là

số sóng trung tâm kênh vệ tinh. Đối với một kênh cho trước, v chỉ biến động

nhẹ trong bộ dò sóng, nó sẽ thay đổi khi thiết bị thay đổi và cũng được cho

trước dưới dạng bảng.

Bảng 1.4: Các hằng số cho thiết bị ghi hình vệ tinh GOES-9

Kênh Bộ dò sóng ν (1/cm ) α (K) β

2 1 2555.18 -0.579908 1.000942

2 2 2555.18 -0.579908 1.000942

3 1 1481.82 -0.493016 1.001076

4 1 934.59 -0.384798 1.001293

4 2 934.28 -0.363703 1.001272

5 1 834.02 -0.302995 1.000941

5 1 834.09 -0.306838 1.000948

Từ nhiệt độ hữu hiệu về nhiệt độ thực tế ta sử dung công thức:

T = αTeff + β (1.15)

Các hằng số α và β và cả ν phụ thuộc vào kênh, bộ dò sóng và thiết bị

bức xạ kế, được cho trước ở bảng 1.4.

1.2.4 Phương pháp tính profile độ ẩm bằng hồi quy [41]

Phương pháp hồi quy thường được sử dụng để tính profile nhiệt độ và

độ ẩm từ nhiều kênh phổ của một sensor vệ tinh quan trắc khí quyển. Có hai

phương pháp tính hồi quy profile nhiệt độ và độ ẩm:

23

1ln (1 )e f f

cTc

R

νν

=+

16

+ Phương pháp Chahine (1970): Giả sử sensor có m kênh phổ, chúng ta

sẽ tính hồi quy nhiệt độ và độ ẩm ở m mực tương ứng với các đỉnh của hàm

trọng số tại m kênh phổ.

⎥⎥⎦

⎤

⎢⎢⎣

⎡=+

)()()1(

~)()( n

j

jnjj

njj L

LTBTB (1.16)

+ Phương pháp Smith (1970): Profile nhiệt độ và độ ẩm ở mỗi mực

được tính hồi quy dựa trên tất cả các kênh phổ.

[ ]njj

nkj

njkj LLTBTB −+=+ ~)()( )()1( (1.17)

Nhiệt độ được tính theo phương pháp Smith

∑

∑

=

=

+

+ = J

j

J

j

njk

nk

TT

1jk

1

)1(jk

)1(

W

W (1.18)

Giả thiết profile nhiệt độ và hàm Plack Bλ(T)đã biết, Smith đã đưa

phương trình hồi quy tỷ số xáo trộn hơi nước tại mực thứ j như sau:

⎥⎥⎦

⎤

⎢⎢⎣

⎡

Γ

−+=+

)(

)()()1(

~1 n

j

njjn

kn

jk

LLqq (1.19)

trong đó: )(njΓ là hệ số điều chỉnh sự thay đổi tỷ số xáo trộn hơi nước;

)(njq là tỷ số xáo trộn hơi nước tại mực j ở bước lặp thứ n; JL~ là độ chói bức xạ

quan trắc và )(njL là độ chói bức xạ tính toán tại bước thứ n

Các bước tính hồi quy:

Bước 1: Chọn profile ẩm ban đầu (first-guess) q(k): số liệu khí hậu,…

Bước 2: Tính hàm trọng số

Bước 3: Ước lượng độ chói bức xạ (radiance) Lj ứng với mỗi kênh phổ

Bước 4: Nếu Lj gần bằng độ chói bức xạ quan trắc JL~ với sai số cho

phép thì profile hiện tại sẽ được chấp nhận. Nếu không thì profile hiện tại sẽ

được điều chỉnh. Bước lặp này được thực hiện cho đến khi Lj xấp xỉ bằng JL~ .

17

1.2.5 Xác định véc tơ dịch chuyển mây (CMV) từ dữ liệu vệ tinh địa tĩnh

Dựa vào 3 ảnh liên tục (30 phút) của kênh hồng ngoại, thị phổ hay hơi

nước của vệ tinh địa tĩnh để xác định sự chuyển động của phần tử mây, từ đó

xác định véc tơ dịch chuyển gió. Véc tơ gió được chia thành các mực: mực

trên cao ( 150-300 mb), mực giữa (500-300 mb), và mực thấp ( 900-700 mb).

Các bước tính véc tơ dịch chuyển mây CMV như sau:

Bước 1: Chọn 3 ảnh liên tiếp;

Bước 2: Tìm mẫu mây thích hợp trên ảnh mục tiêu;

Bước 3: Theo dõi mẫu mây đó trên 2 ảnh còn lại;

Bước 4: Tính véc tơ dịch chuyển của mây;

Bước 5: Ước lượng độ cao của mẫu mây;

Bước 6: Thẩm định chất lượng của véc tơ dịch chuyển.

1.2.6 Xác định tốc độ, hướng gió mặt biển từ vệ tinh Quickscat

Quickscat ước lượng tốc độ và hướng gió tại 10m trên mặt nước đại

dương bằng cách thu nhận tán xạ phản hồi (backscatter). Khi các dao động

xuất hiện trên bề mặt biển độ lớn của tán xạ phản hồi sẽ thay đổi. Mặt biển

gợn sóng sẽ cho tán xạ phản hồi mạnh hơn vì năng lượng tán xạ phản hồi sẽ

lớn và mặt biển yên tĩnh sẽ cho tán xạ phản hồi yếu vì chúng mang ít năng

lượng. Vệ tinh Quickscat luôn sử dụng một ăng - ten để thu nhận tán xạ phản

hồi. Quickscat truyền dao động sóng điện từ có tần số 13.4 GHz xuống bề mặt

biển với một tỉ lệ là 1 dao động tương ứng 5.4 m/s. Các dao động điện từ này

phân cực dọc và ngang. Vệ tinh này dùng cùng một ăng-ten cho cả hai dao

động dọc và ngang. Ăng - ten quay vòng với vận tốc 18 vòng/phút. Các

nguồn cung cấp dữ liệu trên ăng - ten được thiết lập để dọc cánh sóng với góc

cao 45 độ và ngang theo cánh sóng với góc cao 39 độ. Khi ăng - ten quay các

dao động điện từ tạo thành một vòng tròn. Các vùng bên ngoài bao ngồm một

vòng tròn đường kính 1800km, trong khi bên trong là vòng tròn đường kính

1400km.

18

1.3 Những nghiên cứu trên thế giới và ở Việt Nam về đồng hoá số liệu vệ

tinh trong mô hình số trị

Trong những năm 40 và 50 của thế kỷ XX, cùng với sự xuất hiện của

máy tính điện tử, các phương pháp đồng hoá số liệu đầu tiên ra đời, ban đầu

tên gọi là phân tích khách quan. Phân tích khách quan đầu tiên được đề xuất

bởi Panofsky (1949) [30], trong đó trường khí tượng được xấp xỉ bởi một hệ

hàm đa thức. Bergthorsson và Doos (1955) [12] mô tả một phương pháp mới

sau này được Cressman (1959) [16], Barnes (1964) [10] phát triển thành

phương pháp hiệu chỉnh liên tiếp. Khác với phương pháp xấp xỉ hàm trước

đó, phương pháp hiệu chỉnh liên tiếp nội suy từ các điểm trạm về lưới với

hàm trọng số kinh nghiệm cho trước (giảm dần theo khoảng cách). Do tính

đơn giản, hiệu chỉnh liên tiếp thường được sử dụng trong phân tích các trường

khí tượng hai chiều. Tuy nhiên, phương pháp này nhanh chóng bị vượt qua

sau khi có sự xuất hiện của phương pháp nội suy tối ưu (Gandin, 1963) [17].

Giống như phương pháp hiệu chỉnh liên tiếp, phương pháp nội suy tối ưu nội

suy các điểm trạm về điểm lưới nhưng trọng số được xác định từ các đặc

trưng thống kê của trường nền và trường thám sát. Đặc điểm nổi bật khiến

phương pháp nội suy tối ưu thống trị trong phân tích khách quan và đặt nền

móng cho phương pháp đồng hoá số liệu hiện đại ra đời là khả năng đưa quan

hệ vật lý vào trong quá trình phân tích (Lorenc, 1981) [21].

Phương pháp biến phân xử lý bài toán phân tích được phát triển đầu

tiên ở Nhật Bản (Sasaki, 1958) [38] nhưng chỉ được các nhà khí tượng chú ý

đến với bài báo của Sasaki vào năm 1970. Thompson (1969) [32] cũng đã mô

tả bài toán biến phân bao hàm cả yếu tố thời gian sau này được biết đến dưới

tên gọi biến phân bốn chiều (4DVAR). Lorenc (1986) [22] đề xuất bài toán

phân tích tổng quát chứng minh sự tương đương giữa phương pháp nội suy tối

ưu và biến phân ba chiều (3DVAR). Phương pháp 3DVAR nhằm xác định

trường phân tích thông qua việc cực tiểu hoá một phiếm hàm được định nghĩa

bằng độ lệch giữa trường phân tích với trường thám sát và trường nền trên

19

toàn miền tích phân. Trong trường hợp rời rạc hoá, phiếm hàm sẽ có dạng

toàn phương với trọng số phụ thuộc vào hàm thống kê của trường nền và

trường phân tích (hàm giá). Như vậy, 3DVAR cực tiểu hàm giá để có được

trường phân tích tối ưu mà không dùng công thức hiển xác định trường phân

tích như nội suy tối ưu. Andersson (1991) [9] thu hút nhiều sự quan tâm của

các nhà khoa học vào 3DVAR khi sử dụng phương pháp này để đồng hoá trực

tiếp số liệu bức xạ từ vệ tinh cực NOAA. Đến thập niên 90 của thế kỷ XX,

hầu như toàn bộ các trung tâm dự báo lớn trên thế giới đã chuyển từ phương

pháp nội suy tối ưu sang phương pháp 3DVAR (Parish và Deber, 1992) [31].

Tương tự như bài toán 3DVAR, nhưng 4DVAR có thêm chiều thời

gian và trường phân tích phải thoả mãn hệ phương trình động lực mô hình.

Do vậy, trường phân tích nhận được từ 4DVAR không những tối ưu theo

nghĩa thống kê mà còn phù hợp với động lực của mô hình. Tuy vậy, 4DVAR

đòi hỏi một khối lượng tính toán rất lớn, vượt quá tính toán dự báo của mô

hình nhiều lần. Hiện tại, 4DVAR mới chỉ được thực hiện tại một số trung tâm

tính toán lớn trên thế giới như Nhật Bản, Pháp và Mỹ.

Cùng với sự phát triển của công nghệ viễn thám, hàng loạt những

nghiên cứu về đồng hoá số liệu cũng đã được thực hiện. Routray (2008) [37]

đã đồng hoá các số liệu quan trắc bề mặt, ship, bouy, cao không và vệ tinh địa

tĩnh Kapanal-1 để dự báo mưa lớn ở Ấn độ bằng việc sử dụng hệ thống đồng

hoá số liệu 3DVAR cho mô hình WRF. Kết quả tính toán cho thấy, việc đồng

hoá số liệu đã cải thiện đáng kể chất lượng mô phỏng mưa lớn trong mùa mưa

ở Ấn độ. Xavier (2006) [45] đồng hoá profile nhiệt độ và độ ẩm từ vệ tinh

MODIS cùng với số liệu thám không vô tuyến để cải thiện trường đầu ban

đầu của mô hình MM5. Nghiên cứu đã chỉ ra rằng việc sử dụng dữ liệu vệ

tinh MODIS đã cải thiện đáng kể diễn biến mưa lớn kết hợp với áp thấp nhiệt

đới. Rakesh (2009) [35] đã sử dụng sơ đồ 3DVAR để đồng hoá dữ liệu tốc độ

gió và hướng gió gần bề mặt biển từ vệ tinh QSCAT (Quick Scatterometer),

tốc độ gió và TPW từ vệ tinh SSM/I (spectral sensor microwave imager) cho

20

cả hai mô hình MM5 và WRF để dự báo thời tiết hạn ngắn ở Ấn Độ. Kết quả

nghiên cứu cho thấy dự báo trường gió từ hai mô hình MM5 và WRF được

cải thiện đáng kể trong trường hợp đồng hoá dữ liệu gió từ QSCAT và SSM/I,

trong khi trường nhiệt độ và độ ẩm cho hiệu quả kém hơn. Trường dự báo

mưa tốt nhất trong trường hợp đồng hoá dữ liệu TPW. Ngoài ra, nghiên cứu

cũng chỉ ra rằng sai số dự báo các trường gió, nhiệt độ và độ ẩm ở các mực

khác nhau bằng mô hình WRF nhỏ hơn khi dự báo bằng mô hình MM5.

Ở nước ta, một số nghiên cứu về mô hình đồng hoá số liệu nhằm cải

thiện trường ban đầu cũng đã và đang được thực hiện. Kiều Thị Xin và Lê

Đức (2003) [7] đã nghiên cứu áp dụng mô hình đồng hoá số liệu 3DVAR cho

mô hình HRM. Kết quả tính toán dự báo thời tiết bằng cách sử dụng các số

liệu tại các trạm cao không và SYNOP cho thấy lượng mưa dự báo gần với

thực tế hơn so với trường hợp không sử dụng đồng hoá số liệu. Kiều Thị Xin

(2005) [8] cũng đã sử dụng phương pháp biến phân hai chiều để phân tích độ

ẩm đất từ nhiệt độ quan trắc hai mét cho mô hình HRM. Kết quả cho thấy tác

động nhỏ của độ ẩm đất đến dự báo các trường khí tượng trên cao trên khu

vực Việt Nam. Trong khuôn khổ đề tài nghiên cứu khoa học cấp Bộ “Nghiên

cứu thử nghiệm dự báo mưa lớn ở Việt Nam bằng mô hình MM5” của Hoàng

Đức Cường (2008) [1] cũng đã nghiên cứu hiệu chỉnh trường ban đầu bằng

các số liệu SYNOP và vô tuyến thám không để nâng cao chất lượng dự báo

thời tiết bằng mô hình MM5. Nghiên cứu cho thấy việc sử dụng số liệu

SYNOP và thám không vô tuyến để điều chỉnh trường ban đầu của mô hình

MM5 bước đầu cho kết quả khả quan. Lê Đức và đồng sự (2007) [4] đã xây

dựng trường ẩm cho mô hình HRM từ số liệu vệ tinh địa tĩnh MTSAT dựa

trên phương pháp 3DVAR. Hoàng Đức Cường và cộng sự (2008) [2] đã hiệu

chỉnh trường ban đầu của mô hình MM5 bằng dữ liệu vệ tinh MTSAT để mô

phỏng cơn bão Damrey.

21

CHƯƠNG 2: ĐỒNG HÓA SỐ LIỆU VỆ TINH TRONG MÔ

HÌNH WRF

2.1 Mô hình WRF

2.1.1 Tổng quan về mô hình WRF

Mô hình Nghiên cứu và Dự báo WRF (Weather Research and Forecast)

là mô hình đang được phát triển từ những đặc tính ưu việt nhất của mô hình

MM5 với sự cộng tác của nhiều cơ quan tổ chức lớn trên thế giới, chủ yếu là:

Phòng nghiên cứu Khí tượng qui mô nhỏ và qui mô vừa của trung tâm quốc

gia nghiên cứu Khí quyển Hoa Kỳ (NCAR/MMM), trung tâm quốc gia dự báo

môi trường (NOAA/NCEP), phòng thí nghiệm phương pháp dự báo (NOAA

/FSL), trung tâm phân tích và dự báo bão của trường đại học Oklahoma (CAPS),

cơ quan thời tiết hàng không Hoa kỳ (AFWA) và các trung tâm khí tượng quốc

tế như Học viện khoa học khí tượng của Trung Quốc CAMS, Cơ quan thời tiết

trung ương của Đài Loan, Cơ quan khí tượng Hàn Quốc KMA.

Hiện nay, mô hình WRF đang được sử dụng rộng rãi trong dự báo thời

tiết nghiệp vụ cũng như trong nghiên cứu ở nhiều quốc gia trên thế giới, cụ thể:

tại Mỹ, mô hình WRF đang được chạy nghiệp vụ tại NCEP (từ năm 2004) và

AFWA (từ tháng 7/2006). Mô hình này cũng đang được chạy nghiệp vụ tại

KMA (2006), tại Ấn Độ, Đài Loan và Israel (từ năm 2007). Ngoài ra một số

nước khác đang sử dụng WRF trong nghiên cứu và dự định sử dụng mô hình

này trong nghiệp vụ như Trung Quốc, New Zealand, Braxin,...

Phiên bản 3.2 của mô hình WRF ra đời tháng 4 năm 2008, bao gồm các

chức năng chính sau: hệ phương trình động lực học bất thuỷ tĩnh nén được đầy

đủ; các sơ đồ vật lý được tích hợp cho những ứng dụng ở quy mô từ mét đến

hàng nghìn km và có mã nguồn mở để người sử dụng, cũng như các nhà nghiên

cứu có thể đưa thêm các sơ đồ vật lý vào mô hình; điều kiện biên di động; hệ

thống đồng hoá số liệu 3DVAR; kỹ thuật lồng ghép miền tính di động.

2.1.2 Cấu trúc của mô hình WRF

Sơ đồ mô tả cấu trúc các thành phần của mô hình WRF

22

Hình 2.1. Cấu trúc tổng quan của mô hình WRF

Các thành phần chính của mô hình WRF gồm có:

• Hệ thống tiền xử lý của mô hình WRF (The WRF Pre-processing

System ,WPS)

• Môđun đồng hóa số liệu (WRFDA)

• Môđun mô phỏng ARW (ARW solver)

• Chương trình đồ họa và xử lý sản phẩm của mô hình (Post-processing

& Visualization tools)

WPS: đây là chương trình được sử dụng chủ yếu để mô phỏng các dữ

liệu thực (real –data), bao gồm: xác định miền mô phỏng; nội suy các dữ liệu

địa hình, sử dụng đất (landuse), các loại đất về miền mô phỏng; đọc và nội

suy các trường khí tượng từ các mô hình khác (mô hình toàn cầu, mô hình

khu vực có độ phân giải thấp) về miền mô phỏng.

WRFDA: là chương trình đồng hóa số liệu quan trắc vào trường phân

tích được tạo ra bởi chương trình WPS. Chương trình này cũng cho phép cập

nhật điều kiện ban đầu trong trường hợp mô hình WRF được chạy ở chế độ

23

tuần hoàn. Kỹ thuật đồng hóa số liệu biến phân bao gồm cả biến phân ba

chiều 3DVAR và biến phân 4 chiều 4DVAR

ARW solver: Đây là mođun chính của hệ thống mô hình WRF, bao

gồm các chương trình khởi tạo đối trường hợp mô phỏng lý tưởng, các mô

phỏng dữ liệu thực và chương trình tích phân. Các chức năng chính của mô

hình WRF là:

- Các phương trình không thủy tĩnh nén được đầy đủ

- Ứng dụng đối với cả miền tính toàn cầu và khu vực

- Hệ toạ độ ngang là lưới so le Arakawa C, hệ toạ độ thẳng đứng là hệ

toạ độ khối theo địa hình.

- Bước thời gian sai phân Runge-Kutta bậc 3 được sử dụng đối với các

số sóng âm thanh và sóng trọng trường, sai phân bậc 2 đến bậc 6 được sử

dụng cho cả phương ngang và phương thẳng đứng.

- Lồng ghép miền tính một chiều và 2 chiều và lựa chọn miền tính lồng

ghép di dộng (moving nest).

- WRF được thiết kế cho phép ghép nối với các mô hình khác như mô

hình đại dương, mô hình đất.

- Các lựa chọn tham số hóa vật lý đầy đủ cho bề mặt đất, lớp biên hành

tinh, bức xạ bề mặt và khí quyển, quá trình vi vật lý và quá trình đối lưu.

- Mô hình lớp xáo trộn đại dương một cột

Post-processing & Visualization tools: bao gồm một số chương trình

và phần mềm cho việc khai thác sản phẩm và đồ họa như RIP4, NCL,

GrADS và Vis5D,…

2.1.3 Các quá trình vật lý trong mô hình

Các sơ đồ tham số hoá vật lý trong mô hình WRF rất phong phú, tạo

điều kiện thuận lợi cho các đối tượng sử dụng khác nhau. Các quá trình vật lý

được tham số hóa trong mô hình WRF bao gồm: Các quá trình vật lý vi mô,

tham số hoá đối lưu mây tích, lớp biên hành tinh, mô hình bề mặt, các quá

trình đất - bề mặt (mô hình đất), bức xạ, khuếch tán.

24

a. Vật lí vi mô

Vi vật lí bao gồm các quá trình xử lí hơi nước, mây và quá trình giáng

thủy. Các sơ đồ vi vật lí dùng để tính toán xu thế của nhiệt độ, độ ẩm khí

quyển và mưa bề mặt. Tuy nhiên mỗi sơ đồ có độ phức tạp và các biến ẩm

riêng khác nhau. Các sơ đồ vi vật lí có trong mô hình trên bảng 2.1.

Bảng 2.1: Tùy chọn vật lí vi mô trong WRF

Loại sơ đồ Số lượng biến Pha băng Pha hỗn hợp

Kessler 3 Không Không

Purdue Lin 6 Có Có

WSM 3 3 Có Không

WSM 5 5 Có Không

WSM 6 6 Có Có

EtaGCP 2 Có Có

Thompson 7 Có Có

Lựa chọn mặc định của mô hình WRF trong mảng vật lí vi mô là sơ đồ

mây, giáng thủy theo lưới Eta (EtaGCP). Sơ đồ này dự báo những thay đổi

của hơi nước ngưng tụ trong các dạng mây chứa nước, mây gây mưa, mây

chứa băng, giáng thủy băng (tuyết, băng hòn, mưa đá).

b. Đối lưu mây tích

Trong mô hình số trị nói chung, tham số hóa đối lưu mây tích có tầm

quan trọng đặc biệt đối với mô phỏng có độ phân giải trên 10km, mô hình

không mô phỏng được các ổ đối lưu riêng biệt và các quá trình vận chuyển

nhiệt ẩm. Mây đối lưu Cb, Cu sâu có xu hướng làm nóng và khô không khí

môi trường do chúng làm tiêu hao ẩm môi trường còn mây tầng Ci,Cs nông

lại có xu hướng làm cho môi trường lạnh và ẩm nhờ sự bốc hơi của hơi nước

và nước cuốn ra từ mây (do không khí môi trường khô hơn). Chính vì vậy,

25

việc xem xét phổ mây tích với các kích cỡ khác nhau là rất quan trọng trong

nghiên cứu mối tương tác giữa mây tích và môi trường quy mô lớn. Mây tích

có quy mô nhỏ hơn nhiều so với độ phân giải thông thường của lưới mô hình,

nên ảnh hưởng của nó đối với hoàn lưu quy mô lớn không thể tính trực tiếp

mà chỉ có thể tính gián tiếp từ cân bằng nhiệt và ẩm của hệ thống hoàn lưu

quy mô lớn.

Mục đích của chính của vấn đề tham số hóa đối lưu là:

- Dự báo lượng mưa sinh ra do đối lưu;

- Tính toán tác động của đối lưu đến các qua trình nhiệt động lực học

mô hình như tính ổn định thẳng đứng, phân bố lại trường nhiệt, ẩm hình thành

mây, các ảnh hưởng đến đốt nóng bề mặt, bức xạ khí quyển,....

Bảng 2.2: Một số tùy chọn tham số hóa đối lưu mây tích trong mô hình WRF

Sơ đồ Mây giáng Loại kết hợp

Kain – Fritsch Có Thông lượng khối

Betts-Miller-Janjic

Không Bình lưu

Grell-Devenyi Có Thông lượng khối

Có nhiều phương pháp khác nhau đã được sử dụng để liên kết mây với

các trường giải được như nhiệt độ, độ ẩm và gió, nhưng vẫn chưa một phương

pháp nào là hoàn thiện nhất, mỗi sơ đồ đưa ra đều có những ưu, nhược điểm

riêng.

Tham số hóa đối lưu mây tích về mặt lí thuyết chỉ đúng cho những lưới

thô, đối với lưới tĩnh thì bỏ qua sự đối lưu. Trong mô hình WRF có những tùy

chọn tham số hóa đối lưu khác nhau được mô tả trong bảng 2.2.

c. Lớp bề mặt

26

Những sơ đồ lớp bề mặt tính toán hệ số vận tốc và trao đổi ma sát, cho

phép tính dòng nhiệt và ẩm bề mặt bởi mô hình đất - bề mặt và sơ đồ lớp biên

hành tinh. Các sơ đồ bề mặt trong mô hình WRF được mô tả trong bảng 2.3.

Bảng 2.3: Tùy chọn bề mặt đất trong WRF

Sơ đồ Quá trình thực vật

Biến thay đổi trong đất (các tầng)

Tuyết

5 lớp Không Nhiệt độ (5) Không có

Noah Có Nhiệt độ, nước +băng, nước (4)

1-lớp, nhỏ

RUC Có Nhiệt độ, băng, nước + băng (6)

Nhiều lớp

Những mô hình bề mặt đất (LSMs) dùng thông tin khí quyển từ lớp bề

mặt, bức xạ từ sơ đồ bức xạ, giáng thủy từ vật lí vi mô và sơ đồ đối lưu, cùng

với thông tin quan trọng trên những biến trạng thái của đất và thuộc tính của

bề mặt đất để cung cấp những thông tin về thông lượng nhiệt và ẩm qua

những điểm mặt đất và những điểm trên mặt biển, băng. Các thông lượng này

cung cấp điều kiện biên ban đầu cho dòng thăng trong mô hình PBL.

Mô hình mặt đất không cung cấp những xu hướng, nhưng cập nhật

những biến trạng thái của đất gồm: nhiệt độ bề mặt, profile nhiệt độ đất,

profile độ ẩm đất, tuyết. Không có trao đổi ngang giữa những điểm lân cận

trong LSMs, vì vậy nó có thể coi như mô hình cột một chiều cho mỗi điểm

lưới trong mô hình WRF. Hiện nay có nhiều mô hình bề mặt có thể chạy độc

lập.

d. Lớp biên hành tinh (Planetery Boundery Layer, PBL)

Lớp biên hành tinh (PBL) có nhiệm vụ tính toán thông lượng xoáy quy

mô dưới lưới. Vì vậy khi PBL được kích hoạt thì khuếch tán theo chiều thẳng

đứng cũng được kích hoạt. Hầu hết, khuếch tán ngang là không đổi

(Kk=const). Thông lượng bề mặt được cung cấp bởi bề mặt và sơ đồ bề mặt

27

đất. Sơ đồ PBL xác định các profile thông lượng giữa lớp biên và trạng thái

của lớp biên. Vì vậy sẽ cung cấp những khuynh hướng của nhiệt độ, độ ẩm

(bao gồm cả mây), động lượng ngang trong toàn cột khí quyển. Hầu hết các

sơ đồ PBL xét sự xáo trộn khô, nhưng cũng bao gồm hiệu ứng bão hòa trong

sự ổn định thẳng.

e. Bức xạ khí quyển

Các sơ đồ bức xạ khí quyển cho ta thấy sự đốt nóng bề mặt khí quyển

bởi thông lượng bức xạ sóng ngắn của mặt trời và sóng dài của bề mặt đất.

Bức xạ sóng dài bao gồm tia hồng ngoại (IR) hoặc bức xạ nhiệt hấp thụ được

phát ra từ khối không khí và bề mặt. Dòng bức xạ sóng dài từ bề mặt phụ

thuộc vào loại bề mặt đất, nhiệt độ bề mặt đất. Bức xạ sóng ngắn có chứa cả

bức xạ sóng dài, và phụ cận sóng dài trong phổ mặt trời. Vì chỉ có nguồn là

mặt trời, nên bức xạ sóng dài gồm các quá trình hấp thụ, phản xạ, phát xạ

trong khí quyển và tại bề mặt. Phản xạ phụ thuộc vào Albedo của mặt đệm.

Bức xạ còn phụ thuộc vào phân bố của mây, hơi nước và các khí CO2,

O3,…Các tùy chọn bức xạ trong mô hình WRF cho trên Bảng 2.4.

Bảng 2.4. Tùy chọn sơ đồ bức xạ trong WRF

Sơ đồ Sóng dài (LW)/Sóng ngắn (SW)

Số dải Loại

RRTM Sóng dài 16 CO2 ,O3, mây

GFTL-LW Sóng dài 14 CO2 ,O3, mây

GFDLSW Sóng ngắn 12 CO2 ,O3, mây

MM5SW Sóng ngắn 1 mây

Goddard Sóng ngắn 11 CO2 ,O3, mây

f. Sơ đồ tương tác giữa các quá trình vật lí

28

Trong khi mô hình tham số hóa vật lí phân loại theo cách môđun, và sự

tương tác giữa chúng thông qua những biến trạng thái mô hình (ẩn nhiệt, ẩm,

gió,…), xu hướng của chúng, và thông lượng bề mặt (hình 2.2)

Quá trình tham số hóa mây tích tác động vào vi vật lí thông qua dòng đi

ra. Vi vật lí cùng với mây tích tác động đến bức xạ thông qua sự ảnh hưởng

của mây tới bức xạ. Bức xạ và bề mặt tương tác với nhau thông qua phát xạ

sóng ngắn, dài và Albedo bề mặt. Bề mặt tương tác với lớp biên hành tinh

thông qua thông lượng nhiệt ẩm bề mặt và gió. Lớp biên hành tinh và mây

tích tương tác với nhau thông qua dòng giáng và mây tầng thấp.

Hình 2.2: Sơ đồ tương tác vật lí

2.2 Vấn đề đồng hoá số liệu vệ tinh trong mô hình WRF

2.2.1 Bài toán đồng hóa số liệu biến phân ba chiều 3DVAR

Mục đích cơ bản của đồng hoá số liệu biến phân ba chiều là cung cấp

một ước lượng tối ưu của trạng thái khí quyển thực ở thời điểm phân tích

thông qua việc giải lặp hàm giá:

(2.1)

trong đó, x là véc tơ trạng thái phân tích,

VI VẬT LÍ MÂY TÍCH

BỨC XẠ PLB

BỀ MẶT

Ảnh hưởng của mây

Một phần mây

Tương tác giữa các quá trình vật lí

Thông lượng nhiệt ẩm bề mặt

Sóng ngắn, dài Phát xạ bề mặt Albedo bề mặt T, Qv, gió bề mặt

Mây tầng thấp hoặc sự tăng cường dòng giáng

Dòng đi ra

29

xb là véc tơ trường nền,

B là ma trận tương quan sai số nền,

y0 là trường quan trắc,

y là véc tơ chuyển đổi từ trạng thái không gian mô hình

đến không gian quan trắc,

E, F tương ứng là ma trận tương quan sai số quan trắc và

ma trận tương quan sai số biểu diễn.

Như vậy, bài toán đồng hoá số liệu biến phân 3DVAR có thể nói ngắn

gọn là lời giải lặp của phương trình (2.1) để tìm trạng thái được phân tích x

sao cho J(x) là nhỏ nhất. Phương pháp này tương ứng khả năng ước lượng lớn

nhất (sai số nhỏ nhất) trạng thái khí quyển thực được thể hiện trong hai nguồn

số liệu ban đầu: trường nền xb và trường quan trắc y0. Sai số biểu diễn là một

ước lượng của sai số được biết đến trong quá trình sử dụng toán tử quan trắc

H để chuyển đổi những số liệu phân tích lưới tính x đến không gian quan trắc

y = Hx nhằm so sánh với các giá trị quan trắc. Sai số này sẽ phụ thuộc vào độ

phân giải và những phép toán lấy xấp xỉ (ví dụ tuyến tính hoá) trong H.

*Ma trận tương quan sai số trường nền

Phương sai sai số trường nền:

Phương sai của sai số trường nền là các phần tử nằm trên đường chéo

của ma trận sai số nền B. Chúng thường được đánh giá thông qua phương sai

của trường dự báo mà ta sử dụng làm trường nền. Đánh giá thô hơn có thể lấy

phương sai khí hậu nhân với một hệ số tuỳ ý nhỏ hơn 1. Nếu trường phân tích

có chất lượng tốt (có nhiều thám sát) thì phương sai sai số trường nền có thể

được đánh giá thông qua việc xác định phương sai của độ lệch giữa trường dự

báo và trường phân tích. Nếu các quan trắc không tương quan, phương pháp

của Hollingsworth (1986) được xem là phương pháp đánh giá tốt nhất. Đây là

phương pháp đánh giá trực tiếp các đặc trưng thống kê của sai số trường nền

(tương quan sai số trường nền trong không gian quan trắc bên cạnh phương

sai).

30

Phương sai này sử dụng độ lệch giữa quan trắc với giá trị nền tương

ứng đã được nội suy về vị trí quan trắc trong một mạng lưới quan trắc dày và

đủ rộng để bao quát thông tin trên mọi quy mô. Các quan trắc được giả thiết

độc lập và không tương quan lẫn nhau. Nguyên lý cơ bản của phương pháp

này là xây dựng sơ đồ của ( [ ]bxHy −0 ) theo khoảng cách giữa các điểm trạm.

Tại điểm 0, sơ đồ cho ta giá trị trung bình của cả phương sai quan trắc và

phương sai nền. Tại những điểm khác 0, sơ đồ thể hiện giá trị trung bình của

tương quan sai số nền (hình 2.3).

Hình 2.3: Sơ đồ phân bố của trung bình dộ lệch giữa giá trị quan trắc với

trường nền theo khoảng cách giữa các điểm trạm

Tương quan sai số trường nền:

Tương quan giữa các sai số trường nền là các phần tử nằm ngoài đường

chéo của ma trận sai số nền B. Tương quan sai số trường nền có tầm quan

trọng trong bài toán phân tích vì những lý do như sau:

31

- Truyền thông tin: trong những khu vực quan trắc thưa thớt, các số

hạng tương quan trong B sẽ truyền thông tin từ một điểm quan trắc tới vùng

lân cận xung quanh.

- Làm trơn: trong những khu vực quan trắc dày, độ trơn của thông tin

quan trắc được xác định bởi các tương quan trong B. Độ trơn của trường phân

tích đảm bảo rằng phân tích chứa những quy mô có thể so sánh được về mặt

thống kê với các đặc tính quy mô của trường vật lý. Ví dụ khi phân tích thực

hiện trong tầng bình lưu hay trong vùng xoáy nghịch, trường phân tích cần

được làm trơn nhiều theo phương ngang nhằm trung bình hoá và trải rộng các

quan trắc. Ngược lại, khi phân tích thực hiện ở tầng thấp trong vùng front, bờ

biển, núi hoặc gần lớp nghịch nhiệt, phân tích cần được giới hạn để không tạo

ra trường phân tích quá trơn dẫn đến không chính xác về mặt vật lý.

- Cân bằng vật lý: Hầu hết các hệ địa vật lý gần như thoả mãn cân bằng

động lực hoặc một số cân bằng khác. Điều này dẫn đến tương quan giữa các

sai số của các biến khác nhau trong mô hình. Ví dụ, trong dòng khí quyển quy

mô lớn, cân bằng địa chuyển dẫn đến tương quan giữa sai số của trường gió

và trường nhiệt độ. Như vậy, khi quan trắc một biến có thể đem lại mọi thông

tin về các biến khác cân bằng với nó. Ví dụ, trong cân bằng địa chuyển, quan

trắc gió mực thấp có thể hiệu chỉnh áp suất bề mặt. Kết hợp với đặc tính lảm

trơn của ma trận B, tương quan chéo thông qua cân bằng tác động đáng kể tới

chất lượng phân tích. Hình 3.2 thể hiện một quan trắc nhiệt độ được làm trơn

sau đó được dùng để hiệu chỉnh độ cao địa thế vị xung quanh, dẫn tới hiệu

chỉnh trường gió trong cân bằng địa chuyển.

*Ma trận tương quan sai số quan trắc

Phương sai sai số quan trắc:

Ma trận tương quan sai số quan trắc bao gồm những ảnh hưởng của sai

số đo, các sai số trong hoạt động quan trắc và sai số biểu diễn (ví dụ, mô hình

không thể biểu diễn tất cả những thay đổi của nhiệt độ đo bằng nhiệt kế trong

quy mô nhỏ với lưới tính của mô hình là 50km2).

32

Phương sai của sai số quan trắc chính là các phần tử nằm trên đường

chéo của ma trận tương quan. Chú ý rằng phương sai sai số quan trắc bao

gồm cả phương sai từ sai số thể hiện. Giá trị này không thể bỏ qua khi phan

tích các hiện tượng không được thể hiện tốt trong không gian mô hình. Bảng

2.5 và 2.6 cho ta giá trị độ lệch chuẩn các biến được đo bởi trạm SYNOP và

cao không theo ECMWF [7].

Bảng 2.5: Độ lệch chuẩn thám sát với trạm SYNOP

Gió (m/s) Nhiệt độ (K) Độ ẩm tương đối (%) Độ cao (m) 3.6 2 10 7

Bảng 2.6: Độ lệch chuẩn thám sát với trạm cao không phân bố theo

mực khí áp

P (mb) 1000 850 700 500 400 300 250 200 150 100 V(m/s) 2.3 2.3 2.5 3.0 3.5 3.7 3.5 3.5 3.4 3.3 T (K) 1.7 1.5 1.3 1.2 1.2 1.4 1.5 1.5 1.6 1.7 RH(%) 15 15 15 15 15 15 15 15 15 15 H(m) 4.3 4.4 5.2 8.4 9.8 10.7 11.8 13.2 15.2 18.1

Tương quan sai số quan trắc:

Tương quan sai số quan trắc là các phần tử nằm ngoài đường chéo của

ma trận tương quan sai số quan trắc. Những phép đo riêng biệt được giả thiết

rằng bị ảnh hưởng bởi những sai số vật lý hoàn toàn độc lập, do đó, tương

quan giữa các phép đo thường được giả định bằng không. Giả thiết này hợp lý

cho những phép đo được thực hiện bởi những dụng cụ đo khác nhau. Tuy

nhiên, giả thiết này không còn đúng cho một tập các quan trắc được thực hiện

bởi cùng một dụng cụ đo như bóng thám không, máy bay, các cảm biến trên

vệ tinh hay các bản tin liên tiếp từ cùng một trạm synốp khi đồng hoá số liệu

bốn chiều. Ngoài ra, quá trình xử lý số liệu qua trắc ban đầu cũng có thể sinh

ra những tương quan nhân tạo giữa các quan trắc đã được xử lý. Điều này có

thể quan sát thấy khi ta chuyển profile nhiệt độ quan trắc qua địa thế vị,

chuyển đổi giữa độ ẩm tương đối và độ ẩm riêng mang lại tương quan với

33

nhiệt độ. Khi xét đến sai số thể hiện có thể thấy về bản chất sai số thể hiện

tương quan lẫn nhau : sai số nội suy tương quan lẫn nhau khi mật độ thám sát

dày hơn so với độ phân giải của mô hình.

Sự có mặt của tương quan sai số quan trắc góp phần làm giảm trọng số

của quan trắc và giảm sự chênh lệch giữa các giá trị quan trắc thông qua

gradient hay xu thế. Tuy nhiên, việc đánh giá các giá trị tương quan và đưa

các giá trị này vào quá trình phân tích đặt ra những khó khăn trong quá trình

xử lý cũng như quản lý chất lượng thám sát. Trong thực tế, người ta thường

cực tiểu hoá các tác động của chúng bằng cách khử bỏ bias trong thám sát,

tránh những quá trình xử lý số liệu thám sát không cần thiết ban đầu, làm thưa

những vùng có số liệu dày và tăng chất lượng trong thiết kế toán tử quan trắc.

Phần lớn các phương pháp đồng hoá số liệu hiện đại điều giả định ma trận

tương quan sai số quan trắc là ma trận chéo hoặc gần như chéo.

2.2.2 Quá trình cập nhật số liệu đầu vào trong mô hình WRF

Hình 2.4 thể hiện quy trình thực hiện đồng hóa số liệu trong mô hình

WRF. Để thực hiện quy trình này, ta cần ba nguồn dữ liệu đầu vào:

Hình 2.4: Sơ đồ quy trình đồng hoá dữ liệu WRFDA

Background Error

(gen_be)

Forecast (WRF)

xb

xaUpdate Lateral & Lower BCs (UPDATE_BC

)

Background Preprocessing (WPS , real)

xlbc

Cycled Background

B0

yo , R

Cold-Start Background

xf

Observation Preprocessing (OBSPROC)

WRFDA

34

a/ Số liệu dự báo ban đầu (trường nền) bx : Có hai kiểu tạo trường nền

cho quá trình đồng hoá là kiểu khởi động lạnh (cold-start) và kiểu tuần hoàn

(cycling). Trong trường hợp khởi động lạnh, các giá trị bx có được từ việc nội

suy lưới của mô hình toàn cầu hay từ các mô hình khu vực về lưới của mô

hình WRF thông qua chương trình WRFSI và WRF_Real trong mô hình

WRF. Còn trong trường hợp tuần hoàn, trường nền là trường dự báo hạn ngắn

từ modun ARW của hệ thống mô hình WRF.

b/ Các số liệu quan trắc oy : nguồn số liệu này sẽ được cung cấp với

định dạng ASCII như trong mođun little_r của mô hình MM5 hoặc định dạng

BUFR. Quá trình cập nhật số liệu quan trắc vào mô hình WRFDA được thực

hiện bởi chương trình OBSPROC trong mô hình WRF.

c/ Tương quan sai số trường nền (B): Trong các hệ thống biến phân,

tương quan được tính theo kiểu off-line và được tối ưu hoá.

Để giúp người sử dụng, những nhà nghiên cứu và phát triển mô hình

WRF đã đưa ra một số cung cấp sau:

* Chuỗi số liệu thống kê mặc định được dùng cho những cài đặt ban

đầu của miền lưới.

* Cung cấp phần mođul gen_be để tạo ma trận sai số nền.

* Các hàm chuẩn đoán để ước lượng độ chính xác của các biến quan

trắc và các thống kê sai số nền. Những hàm chuẩn đoán này bao gồm các

phương pháp dựa trên véc tơ mới và các phương pháp điều chỉnh biến phân.

2.2.3 Những cải tiến để cực tiểu hoá hàm giá

Để cực tiểu hoá hàm giá, mô hình WRDA đã sử dụng phiên bản được

cải tiến về giới hạn vùng nhớ của phương pháp Quasi_Newton (QNM). Và

gần đây nhất là phương pháp liên kết Gradient (CGM). Không như phương

pháp QNM, phương pháp CGM sẽ hạn chế tối đa những vòng lặp ở bên trong

của mô hình WRFDA để mô hình có thể diễn ra một cách liên tục. Những

giới hạn này sẽ mất đi thông qua những kết quả của một vòng lặp bên ngoài

35

của mô hình WRFDA, mục đích của phương pháp này là hướng tới quá trình

tương tác của những giải pháp phi tuyến (ví dụ như sự tương tác giữa giá trị

quan trắc và quá trình cân bằng cưỡng bức v.v.) được sử dụng để phân tích

biến trong mô hình WRFDA. Vòng lặp bên ngoài này cũng được sử dụng như

là quá trình biểu diễn các biến điều khiển như sau: giá trị quan trắc sẽ bị loại

bỏ nếu hiệu sai số quan trắc và sai số trường nền (O_B) vượt quá giá trị cho

phép (sai số độ lệch chuẩn). Sai số lớn nhất này sẽ kiểm tra giả thiết loại bỏ

giá trị max của sai số O_B là do giá trị quan trắc thu được ít hơn và kém

chính xác hơn giá trị dự báo hay không. Tuy nhiên trong trường hợp giá trị dự

báo thu được là thưa thớt và sai số trường nền (B) là sai thì lập tức máy sẽ

loại bỏ hầu hết các giá trị quan trắc có ích. Như vậy những vòng lặp bên ngoài

sẽ có tác dụng làm giảm đi những ảnh hưởng từ việc loại bỏ trên.

2.2.4 Tính toán hệ số tương quan sai số trường nền

Hệ số tương quan sai số trường nền là một trong số các biến đầu vào

của quá trình đồng hoá số liệu. Hệ số tương quan này có ảnh hưởng rất lớn tới

các biến phân tích và nó phụ thuộc vào các vị trí của các giá trị quan trắc trên

lưới toàn cầu. Không khác nhiều nhưng trong công nghệ đồng hoá của

Kalman Fillter, quá trình đồng hoá số liệu 3/4D_Var sẽ không đưa ngay ra hệ

số tương quan của sai số trường nền mà sẽ đánh giá nó cuối cùng thông qua

những thống kê khí hậu. Những thử nghiệm của Fisher (2003) tại ECM WF

đã chỉ ra rằng các biến thống kê trên hoàn toàn có thể tính được bằng việc sử

dụng một quá trình phân tích tuần hoàn dựa trên các quá trình vật lý và quan

trắc.

Phương pháp NMC đã được sử dụng để tính hệ số tương quan sai số

trường nền cho mô hình WRFDA.

Việc tính toán hệ số tương quan của các sai số trường nền được thiết kế

trong môdul gen_be, môdul này sẽ cập nhật dữ liệu từ mô hình toàn cầu hay

mô hình khu vực sau đó sẽ tính toán để tạo ra các hệ số tương quan thống kê

của sai số sử dụng trong hệ thống đồng hoá số liệu. Không giống như các mô

36

hình khác, các giá trị tại các điểm nút lưới, tại biên, định dạng của dữ liệu, các

quá trình ban đầu đã được yêu cầu để truyền đầu ra của mô hình vào trong

trường xáo trộn chuẩn. Trường xáo trộn chuẩn gồm trường hàm dòng

ψ’(i,j,k), vận tốc thế vị χ’(i,j,k), nhiệt độ T’(i,j,k), độ ẩm tương đối r’(i,j,k), áp

suất bề mặt Ps’(i,j,k) ngoài ra còn có thêm các yếu tố độ cao z(i,j,k), vĩ độ

φ(i,j,k).

2.2.5 Tính toán hệ số tương quan giữa các trường

Để tính toán hệ số tương quan giữa các trường thì những giá trị trung

bình cần phải được loại bỏ đầu tiên, để loại bỏ các giá trị này ta đã sử dụng

môdul gen_be_stage2.

Môdul này sẽ đưa ra biến thống kê cho trường không cân bằng như

χu,Tu,Psu, các biến được sử dụng như là các biến điều khiển trong mô hình

WRF_Var. Các biến điều khiển được định nghĩa là sự sai khác giữa các thành

phần cân bằng và các thành phần đầy đủ của trường. Trong trạng thái này các

sai số dự báo, các thành phần cân bằng được tính toán thông qua quá trình hồi

quy biến phân tích, kết quả là các hệ số hồi quy này được sử dụng để truyền

biến Up vào mô hình WRF. Có ba quá trình hồi quy được thực hiện để tạo ra

các hệ số hồi quy:

+ quá trình hồi quy hàm dòng, vận tốc thế vị b cχ ψ= .

+ quá trình hồi quy hàm dòng, nhiệt độ , 1 1, 2 22

b K K K KK

T G ψ=∑ .

+ quá trình hồi quy hàm dòng, áp suất bề mặt KWsb KP K ψ=∑ .

1, 2 K,WK KG là hệ số hồi quy, c là hệ số hồi quy được sử dụng để đánh

giá sai số vận tốc thế vị từ trường hàm dòng.

Dữ liệu được dùng để tính toán là một file gồm nf hàng nhân ne cột (nf x

ne). File này được định nghĩa thông qua namelist của bin_type trong mô hình

WRFDA. Thông qua việc lựa chọn name list trên chúng ta có thể tính toán hệ

số hồi quy cho từng khu vực như vùng cực, vùng vĩ độ trung bình, .v.v. và sau

37

khi có được các hệ số tương quan ta sẽ tính được các thành phần không cân

bằng.

u cχ χ ψ= − , 1 1 1, 2 22

u K K K K KK

T T G ψ= −∑

KWsu s KP P K ψ= −∑

Hệ số tương quan thẳng đứng, vector riêng, giá trị riêng và các biến

điều khiển.

Môđun gen_be_stage3 của mô hình WRFDA sẽ tính toán các giá trị

thông kế cho các thành phần thẳng đứng của biến điều khiển truyền vào mô

hình. Những tính toán này liên quan tới trường 3D trên các mực của mô hình.

Trong mỗi biến điều khiển 3D, các thành phần thẳng đứng của sai số dự báo

đã được tính toán và các vector riêng E, các giá trị riêng A đã được ghi lại và

sử dụng trong mô hình WRF.

Hệ số tương quan theo chiều ngang.

Khi đề cập đến hệ số tương quan này ta thấy có sự khác nhau trong

quan hệ giữa sai số theo phương ngang với mô hình WRF khu vực và mô

hình WRF toàn cầu. Với mô hình WRF cho toàn cầu thì môđun gen_be_stage

sẽ tính toán bậc quang phổ cho mỗi hình thức thẳng đứng của biến điều khiển

3D ( , , , )u uT rψ χ và mỗi hình thức thẳng đứng của biến điều khiển 2D (Psu).

Trong khi đó với mô hình WRF khu vực thì môđun này sẽ tính toán quan hệ

nằm ngang giữa các điểm lưới của trường 2D và coi nó như là hàm của

khoảng cách.

2.3 Đồng hoá dữ liệu vệ tinh MODIS trong mô hình WRF

Đầu đo quang học độ phân giải vừa MODIS (Moderate Resolution

Imaging Spectroradiometer) được gắn trên hai vệ tinh Terra và Aqua của

NASA, bắt đầu hoạt động lần lượt từ năm 1999 và 2002. MODIS hoạt động ở

độ cao 705km và độ rộng cảnh chụp là 2330km, có thể bao phủ toàn bộ bề

mặt trái đất trong 2 ngày. Đầu đo MODIS gồm 36 băng phổ từ bước sóng 0,4

đến 14 micro mét và độ phân giải không gian là 250m (băng 1, 2), 500m

38

(băng 3 đến băng 7) và 1000m (băng 8 đến băng 36). Vệ tinh Terra đi từ phía

Bắc xuống Nam băng qua xích đạo vào buổi sáng trong khi vệ tinh Aqua đi từ

phía Nam lên phía Bắc qua xích đạo vào buổi chiều. Vệ tinh TERRA và

AQUA bay qua lãnh thổ Việt Nam 4 lần trong một ngày vào khoảng 0330Z,

0530Z, 15Z30, 1830Z phút tuỳ theo quỹ đạo bay.

Các dữ liệu MODIS thường được sử dụng trong công tác theo dõi mây,

nghiên cứu chất lượng khí quyển, chỉ số thực vật, nhiệt độ bề mặt lục địa,

nhiệt độ mặt nước biển, hạn hán, ngập lụt, cháy rừng... Profile nhiệt độ và độ

ẩm (nhiệt độ điểm sương) của MODIS được cho cả trên biển và đất liền, trong

cả ngày lẫn đêm, trên 20 mực áp suất khí quyển là 0.5, 10, 20, 30, 50, 70, 100,

150, 200, 250, 300, 400, 500, 620, 700, 780, 850, 920, 950, 1000 hPa.

Seemann và đồng sự (2003) chỉ ra sự phù hợp giữa giữa profile nhiệt độ và độ

ẩm MODIS với số liệu thám không vô tuyến và có thể được sử dụng trong các

mô hình dự báo thời tiết khi các quan trắc truyền thống thưa thớt.

Phương pháp tính toán các profile khí quyển MODIS level 2 được ứng

dụng từ gói xử lý dữ liệu TOVS quốc tế (ITPP). Đây là phương pháp hồi quy

vật lý tuyến tính được đề xuất bởi Seemann (2003, 2006) [39], [40]. Các

profile nhiệt độ và độ ẩm (nhiệt độ điểm sương) được tính toán từ các kênh

20, 22-25, 27-29 và 31-36 của đầu đo MODIS. Bảng 2.7 biểu diễn các kênh

phổ của MODIS được sử dụng trong phương pháp hồi quy profile nhiệt độ và

độ ẩm. Phương pháp loại bỏ mây việc tính toán các profile này. Phương pháp

này cũng sử dụng các trường phân tích của mô hình GFS để làm trường ban

đầu cho việc tính toán profile nhiệt độ và nhiệt độ điểm sương.

Việc kiểm tra chất lượng các profile này được thực hiện tự động dựa

vào số liệu nhiệt độ trung bình toàn cầu và trung bình khu vực ở mực 700mb,

500mb và 300mb. Đối với nhiệt độ điểm sương thì chương trình kiểm tra chất

lượng được thực hiện ở mực 700mb. Ngoài ra, các profile nhiệt độ và nhiệt độ

điểm sương của 80 trường hợp từ tháng 10/2002 đến 8/2005 được so sánh với

39

các số liệu từ vệ tinh AIRS (Tobin và cộng sự, 2006) [34]. Kết quả nghiên

cứu cho thấy sự phù hợp tốt giữa số liệu MODIS và số liệu AIRS.

Bảng 2.7: Các kênh phổ của MODIS được sử dụng trong phương pháp hồi quy profile nhiệt độ và độ ẩm [41]

Biến khí quyển Kênh phổ

Độ rộng phổ (µm)

Phổ bức xạ (W/m2 -µm-sr)

Sự khác biệt nhiệt độ và Noise (K)

20 3.660 - 3.840 0.45 (300K) 0.05 22 3.929 - 3.989 0.67 (300K) 0.07

Nhiệt độ bề mặt

23 4.020 - 4.080 0.79 (300K) 0.07 24 4.433 - 4.498 0.17 (250K) 0.25 Profile nhiệt độ 25 4.482 - 4.549 0.59 (275K) 0.25 27 6.535 - 6.895 1.16 (240K) 0.25 28 7.175 - 7.475 2.18 (250K) 0.25

Profile độ ẩm

29 8.400 - 8.700 9.58 (300K) 0.05 31 10.780 - 11.280 9.55 (300K) 0.05 Nhiệt độ bề mặt 32 11.770 - 12.270 8.94 (300K) 0.05 33 13.185 - 13.485 4.52 (260K) 0.25 34 13.485 - 13.785 3.76 (250K) 0.25 35 13.785 - 14.085 3.11 (240K) 0.25

Profile nhiệt độ

36 14.085 - 14.385 2.08 (220K) 0.35

Việc đồng hoá profile nhiệt độ và độ ẩm từ đầu đo MODIS trong mô

hình WRF được thực hiện khi vệ tinh quét qua lãnh thổ Việt Nam và thông

qua module WRF-Var. Hình 2.5 biểu diễn vùng số liệu của vệ tinh MODIS

quét qua lãnh thổ Việt Nam tại thời điểm 0555Z ngày 8/5/2008.

40

Hình 2.5: Ảnh MODIS (vệ tinh Aqua) lúc 0555Z ngày 8/5/2008

2.4 Các chỉ tiêu đánh giá kết quả dự báo mưa

Để ứng dụng được một mô hình khu vực hạn chế kiểu như MM5 vào

trong nghiệp vụ dự báo thời tiết đòi hỏi trước hết là phải đánh giá được sai số

dự báo của mô hình so với thực tế. Các nguyên nhân có thể đưa đến dự báo

sai của mô hình số trị có thể tóm tắt như sau:

- Các công thức toán học để mô tả các quá trình vật lý xảy ra trong khí

quyển là chưa hoàn chỉnh;

- Ảnh hưởng của địa hình (thường không được mô hình số trị mô tả

hoàn chỉnh) đến kết quả dự báo;

- Các quá trình vật lý và các sơ đồ tham số hóa chưa thật sự hoàn thiện;

- Một số giả thiết không thực sự phù hợp được đưa ra để có thể giải đ-

ược hệ phương trình thủy nhiệt động lực học mô tả khí quyển thực.

- Điều kiện biên và điều kiện ban đầu của các biến khí tượng là chưa

hoàn chỉnh và phụ thuộc khá nhiều vào địa hình. Các trạm thám sát thưa thớt,

đặc biệt là vùng nhiệt đới;

- Các kết quả nhận được chứa đựng những sai số khi giải các công thức

toán học bằng phương pháp gần đúng, ...

41

Có nhiều phương pháp khác nhau để đánh giá chất lượng dự báo của

mô hình số trị, trong đó có phương pháp đánh giá thống kê liên tục và phương

pháp đánh giá thống kê theo hạng (categorical statistics).

Đánh giá thống kê liên tục Đánh giá thống kê liên tục là số đo sự tương

ứng giữa giá trị dự báo và giá trị quan trắc tại nút lưới. Phương pháp đánh giá

thống kê dựa vào mômen bậc nhất hay bậc hai, trong đó phổ biến sử dụng các

điểm số như sau:

Sai số trung bình (ME):

Sai số ME xác định xu thế mô hình dự báo vượt quá hay thấp hơn giá

trị thực tế và được xác định bằng công thức toán học cho một biến x dạng:

( )∑=

−=N

i

of xxN

xME1

1)( (2.2)

Ở đây, N là dung lượng mẫu, ký hiệu f và 0 để chỉ các giá trị dự báo và

quan trắc. Giá trị ME dương thể hiện xu thế dự báo vượt giá trị thực của mô

hình và ngược lại giá trị âm của ME thể hiện xu thế dự báo thấp hơn giá trị

thực.

Sai số bình quân phương (RMSE):

RMSE là căn bậc hai của trung bình bình phương sai số giữa giá trị dự

báo và thám sát, được xác định theo công thức:

( )2/1

1

21)( ⎟⎠⎞

⎜⎝⎛

∑ −==

N

i

of xxN

xRMSE (2.3)

RMSE giữ lại đơn vị của biến dự báo và xác định sai số về độ lớn của

biến dự báo. Giá trị này càng tiến tới không thì mô hình dự báo càng chính

xác.

Sai số trung bình tuyệt đối (MAE):

MAE là một chỉ số đưa ra độ lớn trung bình của sai số nhưng không chỉ

ra hướng của độ lệch. Chỉ số này được tính như sau:

(2.4) ⎥⎦

⎤⎢⎣

⎡−= ∑

=

N

iii OF

NMAE

1

1

42

Bảng 2.8: Bảng liên kết giữa dự báo và thực tế

Để đánh giá mưa định lượng, người ta thường sử dụng tiêu chuẩn đánh

giá thống kê theo hạng. Đây là loại tiêu chuẩn đánh giá sự phù hợp giữa sự

xảy ra hiện tượng dự báo và hiện tượng quan trắc tại nút lưới. Các điểm số

đánh giá được dựa vào bảng liên kết (bảng 2.8). Một cách hình tượng, chúng

ta có thể mô tả phân bố của chỉ số thông qua sơ đồ trên hình 2.6. Trong đó:

- H là số trạm dự báo có mưa và thực tế có mưa (theo nghĩa vượt một

ngưỡng nào đó).

- M là số trạm dự báo không mưa nhưng thực tế có mưa.

- F là số trạm dự báo có mưa nhưng thực tế không mưa.

Dưới đây là một vài điểm số thường dùng trong đánh giá dự báo mưa

định lượng trên thế giới:

Chỉ số CSI (Critical Sucess Index):

CSI= H/(H+M+F) (2.5)

Thực tế Có Không

Có H F Dự báo Không M CN

Hình 2.6: Sơ đồ biểu diễn các chỉ số đánh giá chất lượng dự báo mưa

F

MiÒn thùc tÕ

H

M

MiÒn dù b¸o

43

Như vậy, CSI được tính bằng tỷ số giữa vùng giao nhau của hai tập số

liệu dự báo và thám sát, giá trị của CSI nằm trong khoảng [0,1]. CSI nói lên

mức độ trùng khớp giữa vùng mưa dự báo và vùng mưa thám sát. Khi CSI

gần đến 1 thì vùng mưa dự báo gần sát với vùng mưa thực tế, khi CSI gần đến

0 thì vùng mưa dự báo và vùng mưa thực tế rất khác nhau. Ngưỡng được

chọn ở đây phụ thuộc vào thời gian tích luỹ lượng mưa (24h, 48h,...) và đặc

điểm mưa khu vực được dự báo.

Chỉ số FBI:

FBI = (H+F)/(H+M) (2.6)

Chỉ số FBI lớn hơn 1 khi lượng mưa dự báo lớn hơn so với lượng mưa

thực tế và ngược lại, lượng mưa dự báo nhỏ hơn lượng mưa thực tế khi BIAS

nhỏ hơn 1. Cần lưu ý là chỉ số FBI được sử dụng để đánh giá khuynh hướng

dự báo diện mưa của mô hình cao hơn hay thấp hơn so với thực tế mà không

đánh giá sự chính xác về lượng. FBI =1 khi vùng mưa dự báo trùng với vùng

mưa thực tế tại một ngưỡng được chọn nào đó.

Chỉ số POD (Probability of Detection of Event):

Chỉ số POD được tính bằng tỷ số giữa số lần dự báo đúng xuất hiện

mưa trên tổng số lần quan trắc có mưa.

HPOD

H M=

+ (2.7)

Giá trị của POD nằm trong khoảng 0 ≤ POD ≤ 1 và dự báo hoàn hảo

khi POD=1.

Chỉ số FAR (False Alarm Rate):

Chỉ số FAR cho biết số lần cảnh báo sai sự xuất hiện nắng nóng chiếm

bao nhiều phần trăm trong tổng số lần dự báo. Giá trị của FAR nằm trong

khoảng 0 ≤ FAR ≤ 1 và dự báo hoàn hảo khi FAR bằng 0.

FFAR

H F=

+

44

CHƯƠNG 3: KẾT QUẢ ĐỒNG HÓA SỐ LIỆU VỆ TINH

TRONG MÔ HÌNH WRF ĐỂ DỰ BÁO MƯA LỚN Ở KHU VỰC

TRUNG BỘ

3.1 Nguồn số liệu

3.1.1 Điều kiện ban đầu và điều kiện biên cho mô hình WRF

Các trường ban đầu và điều kiện biên cho mô hình WRF các trường

phân tích và dự báo của mô hình GFS do NCEP cung cấp. Hạn dự báo tối đa

của mô hình GFS là 16 ngày (384h) với các dự báo cách nhau 3h. Trong luận

văn này, chúng tôi sử dụng các trường số liệu phân tích và dự báo của mô

hình GFS cách nhau 6h.

Địa chỉ download: http://nomads.ncdc.noaa.gov/

3.1.2 Số liệu vệ tinh MODIS

Do đầu đo MODIS được gắn trên vệ tinh cực Terra và Aqua nên không

thể cung cấp số liệu theo từng giờ và theo yêu cầu của người sử dụng. Vì vậy,

việc đồng hoá số liệu MODIS phải được thực hiện ở gần thời điểm có số liệu.

Hiện tại, số liệu MODIS bao phủ Việt Nam chỉ có ở khoảng thời điểm 0330Z,

0530Z, 15Z30, 1830Z. Do đó, trong luận văn này, chúng tôi sử dụng profile

nhiệt độ và độ ẩm MODIS lấy từ sản phẩm MYD07_L2 của vệ tinh Aqua ở

khoảng thời gian 0530Z để đồng hoá 3DVAR trong mô hình WRF với thời

điểm ban đầu 0600Z. Địa chỉ download:

ftp://ladsweb.nascom.nasa.gov/allData/5/MYD07_L2/

3.1.3 Số liệu mưa quan trắc

Số liệu mưa bề mặt được sử dụng để so sánh với mưa dự báo của mô

hình WRF trong cả hai trường hợp không và có đồng hoá số liệu. Đây là số

liệu mưa ngày (tính từ 19h00 (1200Z) hôm trước đến 19h00 ngày lấy số liệu)

của 43 trạm quan trắc bề mặt thuộc khu vực Trung Bộ trong 17 đợt mưa lớn

năm 2007-2008 xảy ra ở khu vực này. Các đợt mưa lớn được lựa chọn trong

nghiên cứu này đều có lượng mưa đo được tại một số trạm thuộc khu vực

45

Trung Bộ là 50mm/ngày trở lên. Bảng 3.1 dưới đây là thống kê 17 đợt mưa

lớn xảy ra ở khu vực Trung Bộ trong 2 năm 2007 - 2008.

Để so sánh với lượng mưa đo được tại các trạm quan trắc bề mặt,

chúng tôi đã trích số liệu mưa dự báo từ mô hình WRF trong cả hai trường

hợp không và có sử dụng đồng hoá số liệu vệ tinh MODIS (với hạn dự báo 06

-30h và 30 đến 54h) tại các điểm lưới gần với vị trí của các trạm quan trắc.

Việc so sánh được thực hiện thông qua trực quan nghĩa là thông qua việc

phân tích hình vẽ, đồng thời đánh giá chất lượng mưa dự báo theo các chỉ tiêu

thống kê liên tục (cho từng đợt mưa) và theo các chỉ tiêu thống kê theo hạng

(cho 17 đợt mưa) như được trình bày trong chương 2.

Bảng 3.1: Bảng tổng hợp các mưa lớn xảy ra ở khu vực Trung Bộ trong

năm 2007 - 2008

STT Đợt mưa Khu vực xảy ra mưa lớn Lượng mưa phổ biến (mm/ngày)

1 5-6/1/2007 Trung Trung Bộ 100-150 2 29/4/2007 Quảng Trị - Thừa Thiên Huế 60-150 3 5-8/8/2007 Trung Bộ 150 -500 4 25-26/9/2007 Bắc Bộ và Bắc Trung Bộ 60-120 5 1-4/10/2007 Hà Tĩnh - Quảng Nam 100-300 6 15-17/10/2007 Quảng Bình - Quảng Nam 100-200 7 30-31/10/2007 Nghệ An -Quảng Nam 100-250 8 1-3/11/2007 Hà Tĩnh - Bình Định 100-150 9 10-11/11/2007 Thừa Thiên Huế - Quảng Ngãi 100-200

10 19/11/2007 Quảng Bình - Khánh Hoà 50-100 11 9-10/5/2008 Bắc Bộ và Bắc Trung Bộ 50-200 12 29-30/9/2008 Bắc Bộ và Bắc Trung Bộ 60-200 13 11-13/10/2008 Nghệ An - Quảng Nam 70-120 14 14-16/10/2008 Bắc và Trung Trung Bộ 50-200 15 19-20/10/2008 Quảng Bình - Quảng trị 50-200 16 29-30/10/2008 Bắc và Trung Trung Bộ 50-150 17 14-18/11/2008 Nam Trung Bộ và Nam Bộ 100-200

3.2 Cấu hình được lựa chọn

Nghiên cứu này sử dụng mô hình WRF phiên bản 3.0 với 41 mực sigma

theo phương thẳng đứng. Mô hình WRF được lựa chọn với hai miền tính lồng

46

ghép, độ phân giải lần lượt là 45km và 15km, toạ độ tâm là 16,5° vĩ Bắc và 110°

kinh Đông. Miền ngoài bao trùng toàn bộ lãnh thổ Việt Nam, còn miền trong

bao trùng khu vực Trung Bộ (hình 3.1). Tất cả các mô phỏng trong nghiên

cứu này đều lựa chọn các sơ đồ tham số hóa cho cả 2 miền tính là như nhau:

sơ đồ tham số hoá đối lưu Kain – Fritsch (Kain, 2002), sơ đồ lớp biên hành

tinh MRF (Hong và Pan, 1996), sơ đồ đất bề mặt Noah Land-Surface Model

(Chen và Dudhia, 2001), và sơ đồ bức xạ sóng dài RRTM (Mlawer, 1997).

Riêng sơ đồ tham số hoá vi vật lý được chọn sơ đồ WSM5 (Hong và cộng sự,

2004) cho miền tính 1 và sơ đồ Thompson (Thompson và cộng sự, 2004) cho

miền tính 2.

Hình 3.1: Các miền tính của mô hình WRF được lựa chọn cho Việt Nam và

khu vực Trung Bộ

Mô hình tính toán với hai trường hợp khác nhau: Trường hợp thứ nhất

(GFS) sử dụng trường phân tích và dự báo toàn cầu NCEP-GFS làm điều kiện

ban đầu và điều kiện biên. Trường hợp thứ hai (3DV) đồng hóa các profile

nhiệt độ và độ ẩm (nhiệt độ điểm sương) để cải thiện điều kiện ban đầu sử

dụng trong trường hợp 1. Việc đồng hoá được thực hiện cho miền tính 1. Thời

gian bắt đầu thực hiện mô phỏng được xét như nhau trong cả hai trường hợp

GFS và 3DV. Mô phỏng được thực hiện với hạn dự báo 54h với bước thời

47

gian sai phân 180s. Sản phẩm mưa từ mô hình được so sánh với lượng mưa

đo tại các trạm quan trắc bề mặt.

3.3 Kết quả dự báo mưa của một số trường hợp điển hình

3.3.1 Đợt mưa lớn xảy ra ngày 30-31/10/2007

Do ảnh hưởng của ATNĐ gần bờ kết hợp với KKL đã gây mưa to ở các

tỉnh Nghệ An đến Quảng Nam với lượng mưa 100-250mm, riêng Thừa Thiên

Huế có lượng mưa đo được trong 48h xấp xỉ 450mm. Đợt mưa này đã gây lũ

lớn ở các tỉnh từ Thừa Thiên Huế đến Bình Định.

a)

b)

Hình 3.2: Hiệu trường nhiệt độ giữa trường hợp trường hợp GFS và 3DV tại 06Z ngày 29/10/2007 ở mực bề mặt (a) và mực 200mb (b)

a) b) Hình 3.3: Hiệu trường nhiệt độ điểm sương giữa trường hợp trường hợp GFS và 3DV tại 06Z ngày 29/10/2007 ở mực bề mặt (a) và mực 200mb (b)

48

Mô phỏng được thực hiện từ 06Z ngày 29 đến 12Z ngày 31 tháng 10

năm 2007 đối với cả hai trường hợp đồng hoá số liệu vệ tinh MODIS và

không đồng hoá số liệu.

Hình 3.2 và 3.3 lần lượt trình bày hiệu nhiệt độ và hiệu nhiệt độ điểm

sương giữa trường hợp không đồng hóa (GFS) và trường hợp đồng hóa số liệu

MODIS (3DV) ở mực bề mặt và mực 200mb tại 06Z ngày 29/10/2007. Theo

hình 3.2, có sự khác biệt rõ rệt về trường nhiệt độ trong hai trường hợp không

và có đồng hoá số liệu MODIS, tập trung ở khu vực biển Đông và vịnh Thái

Lan. Ở mực bề mặt, trường nhiệt độ sau khi đồng hóa giảm so với trường

không đồng hóa tại khu vực ven bờ biển từ Bắc Bộ và đến Trung Trung Bộ

với giá trị lớn nhất là xấp xỉ 20K, riêng khu vực Nam Trung Bộ và Nam Bộ lại

tăng nhẹ. Ở mực 200mb, trường nhiệt độ sau khi đồng hoá giảm rõ rệt ở toàn

bộ khu vực ven biển và lãnh thổ Việt Nam. Đối với trường nhiệt độ điểm

sương (hình 3.3), đồng hóa số liệu làm tăng nhiệt độ điểm sương ở khu vực

ven bờ và lãnh thổ Việt Nam và giảm ở vùng ngoài khơi. Mặt khác, hình 3.2

và 3.3 cho thấy sự khác biệt của trường nhiệt độ điểm sương giữa trường hợp

không đồng hoá và đồng hoá lớn hơn so với sự khác biệt của trường nhiệt độ.

Sự khác biệt nhiệt độ điểm sương giữa trường hợp GFS và trường 3DV có thể

đạt cực đại là -40K ở khu vực Nam Bộ, trong khi sự khác biệt nhiệt độ chỉ xấp

xỉ 20K ở khu vực vịnh Bắc Bộ và ven biển Trung Quốc.

Hình 3.4 biểu diễn lượng mưa tích lũy 24h từ 12Z ngày 29 đến 12Z

ngày 30 tháng 10 năm 2007 (dự báo từ 06 đến 30h) trong trường hợp không

đồng hóa GFS (a) và có đồng hóa 3DV (b). Tương tự, hình 3.4 biểu diễn

lượng mưa tích lũy 24h từ 12Z ngày 30 đến 12Z ngày 31 (dự báo từ 30 đến

54h) trong trường hợp không (a) và có đồng hóa số liệu (b). Theo hình 3.4, có

sự khác biệt đáng kể cả về diện và lượng mưa giữa hai trường hợp không

đồng hoá (GFS) và đồng hoá số liệu MODIS (3DV). Diện mưa trong trường

hợp 3DV lớn hơn và dịch chuyển về phía nam so với trường hợp GFS. Tuy

nhiên, lượng mưa trong trường hợp GFS đạt cực đại 320mm ở khu vực Nam

49

Trung Bộ, trong khi lượng mưa cực đại trong trường hợp 3DV đạt 160mm

dọc khu vực Trung Trung Bộ. Tương tự, với mưa tích luỹ 24h dự báo từ 30

đến 54h, diện mưa trong trường hợp 3DV mở rộng hơn về phía nam và vùng

mưa cực đại cũng được mở rộng hơn so với trường hợp GFS (hình 3.5).

a)

b)

Hình 3.4: Mưa tích lũy 24h từ 12Z ngày 29 đến 12Z ngày 30/10/2007 (dự báo từ 06 đến 30h) trong trường hợp GFS (a) và 3DV(b)

a)

b)

Hình 3.5: Mưa tích lũy 24h từ 12Z ngày 30 đến 12Z ngày 31/10/2007 (dự báo từ 30 đến 54h) trong trường hợp GFS (a) và 3DV(b)

50

5 106 107 108 109 110 111

10

11

12

13

14

15

16

17

Aluoi

BaTo

DaNang

DongHa

Hue

KheSanh

LySon

NamDong

QuangNgai

TamKyTraMy

PhanRang

CamRanh

PhanThiet

PhuQuy

QuyNhon

SonHoaTuyHoa

NhaTrang

HamTan

HoaiNhon

75.3

77.5

6.5

120.4

42.6

80.3

12.5

58.7

70.8

94.2122.5107.2

5969

38

44

95.3

85123.9

79

29

96.5

a)

5 106 107 108 109 110 111

10

11

12

13

14

15

16

17

Aluoi

BaTo

DaNang

DongHa

Hue

KheSanh

LySon

NamDong

QuangNgai

TamKyTraMy

PhanRang

CamRanh

PhanThiet

PhuQuy

QuyNhon

SonHoaTuyHoa

NhaTrang

HamTan

HoaiNhon

75.3

77.5

6.5

120.4

42.6

80.3

12.5

58.7

70.8

94.2122.5107.2

5969

38

44

95.3

85123.9

79

29

96.5

b)

Hình 3.6: Lượng mưa quan trắc tại các trạm (điểm tròn) từ 12Z ngày 29 đến 12Z ngày 30/10/2007 và lượng mưa tích lũy 24h từ 06 đến 30h dự báo (đường contour) trong trường hợp không (a) và có đồng hóa số liệu (b).

51

5 106 107 108 109 110 111

10

11

12

13

14

15

16

17

18

19ngoLuongHonNgu

HuongSon

HuongKhe KyAnh

Vinh

HaTinh

Aluoi

BaTo

ConCo

DaNang

BaDon

DongHa

Hue

KheSanh

LySon

NamDong

QuangNgai

TamKyTraMy

TuyenHoa

PhanRang

CamRanh

PhanThiet

PhuQuy

QuyNhon

SonHoaTuyHoa

NhaTrang

HamTan

HoaiNhon

7.714.922.6

58 82.771.1155.8 260.4

109.2278.3

26.6

24.5

14.3

159.7

96.6

167.4

369.3

4

34

156.1

83.5106.482

71.9

00.1

0

0

25

22 18

0

0

35

a)

5 106 107 108 109 110 111

10

11

12

13

14

15

16

17

18

19ngoLuongHonNgu

HuongSon

HuongKhe KyAnh

Vinh

HaTinh

Aluoi

BaTo

ConCo

DaNang

BaDon

DongHa

Hue

KheSanh

LySon

NamDong

QuangNgai

TamKyTraMy

TuyenHoa

PhanRang

CamRanh

PhanThiet

PhuQuy

QuyNhon

SonHoaTuyHoa

NhaTrang

HamTan

HoaiNhon

7.714.922.6

58 82.771.1155.8 260.4

109.2278.3

26.6

24.5

14.3

159.7

96.6

167.4

369.3

4

34

156.1

83.5106.482

71.9

00.1

0

0

25

22 18

0

0

35

b)

Hình 3.7: Lượng mưa quan trắc tại các trạm (điểm tròn) từ 12Z ngày 30 đến 12Z ngày 31/10/2007 và lượng mưa tích lũy 24h dự báo từ 30 đến 54h (đường contour) trong trường hợp không (a) và có đồng hóa số liệu (b).

52

5 106 107 108 109 110 111

10

11

12

13

14

15

16

17

18

197.714.9

25.760.6 87.273.8165.4 295.4

112.9302.6

101.9

102

20.8

280.1

108.9

210

449.6

16.5

92.7

226.9

177.7228.9189.2

86.7

5969.1

38

44

120.3

107141.9

79

29

131.5

ngoLuongHonNgu

HuongSon

HuongKhe KyAnh

Vinh

HaTinh

Aluoi

BaTo

ConCo

DaNang

BaDon

DongHa

Hue

KheSanh

LySon

NamDong

QuangNgai

TamKyTraMy

TuyenHoa

PhanRang

CamRanh

PhanThiet

PhuQuy

QuyNhon

SonHoaTuyHoa

NhaTrang

HamTan

HoaiNhon

a)

5 106 107 108 109 110 111

10

11

12

13

14

15

16

17

18

19Q yng

oLuongHonNgu

HuongSon

HuongKhe KyAnh

Vinh

HaTinh

Aluoi

BaTo

ConCo

DaNang

BaDon

DongHa

Hue

KheSanh

LySon

NamDong

QuangNgai

TamKyTraMy

TuyenHoa

PhanRang

CamRanh

PhanThiet

PhuQuy

QuyNhon

SonHoaTuyHoa

NhaTrang

HamTan

HoaiNhon

7.714.925.7

60.6 87.273.8165.4 295.4

112.9302.6

101.9

102

20.8

280.1

108.9

210

449.6

16.5

92.7

226.9

177.7228.9189.2

86.7

5969.1

38

44

120.3

107141.9

79

29

131.5

b)

Hình 3.8: Lượng mưa quan trắc tại các trạm (điểm tròn) từ 12Z ngày 29 đến 12Z ngày 31/10/2007 và lượng mưa tích lũy 48h dự báo từ 06 đến 54h (đường contour) trong trường hợp không (a) và có đồng hóa số liệu (b).

53

Hình 3.6 biểu diễn lượng mưa quan trắc tại các trạm (điểm tròn) từ 12Z

ngày 29 đến 12Z ngày 30 và lượng mưa tích lũy 24h dự báo từ 06 đến 30h

(đường contour) trong trường hợp không (a) và có đồng hóa số liệu (b).

Trường hợp đồng hoá số liệu MODIS cho thấy rõ các tâm mưa Huế - Đà

Nẵng, Tam Kỳ - Quảng Ngãi, Sơn Hoà – Tuy Hoà, Nha Trang – Cam Ranh,

trong khi trường hợp không đồng hoá số liệu MODIS cho tâm mưa không rõ

ràng ở Huế - Đà Nẵng và một tâm mưa lớn ở phía đông bắc Phan Thiết. Đối

với tâm mưa Huế - Đà Nẵng, cả hai trường hợp không và có đồng hoá đều

cho đường contour cực đại dịch về phía tây bắc so với trạm Đà Nẵng. Trong

khi, lượng mưa đo được tại các trạm trong 24h (từ 12Z ngày 29 đến 12Z ngày

30/10/2007) tại các trạm Huế, Nam Đông, Đà Nẵng tương ứng là 80.3, 70.3,

120.4mm. Tuy nhiên, trường hợp 3DV cho giá trị cực đại tại tâm này là

110mm, trong khi GFS cho chỉ giá trị cực đại là 80mm. Theo hình 3.5, lượng

mưa đo được tại trạm các Tam Kỳ, Trà My, Quảng Ngãi lần lượt là 122.5,

107.2 và 94.2 mm. Như vậy, trường hợp đồng hoá dữ liệu đã mô phỏng tốt

tâm mưa tại Tam Kỳ - Quảng Ngãi với trị số là 110mm, trong khi trường hợp

không đồng hoá đã không mô phỏng được tâm mưa này. Tương tự, trường

hợp 3DV cũng đã mô phỏng tốt tâm mưa Sơn Hoà – Tuy Hoà cả về về vị trí

tâm và độ lớn trong khi trường hợp GFS không mô phỏng được tâm mưa này.

Như vậy, mô phỏng WRF với đồng hoá số liệu MODIS cho lượng mưa dự

báo với hạn 06 đến 30h gần với thực tế hơn so với trường hợp không đồng

hoá.

Hình 3.7 biểu diễn lượng mưa quan trắc tại các trạm (điểm tròn) từ 12Z

ngày 30 đến 12Z ngày 31 và lượng mưa tích lũy 24h dự báo từ 30 đến 54h

(đường contour) trong trường hợp không (a) và có đồng hóa số liệu (b). Theo

hình 3.7, lượng mưa đo được tại trạm các Huế, Nam Đông, Đà Nẵng lần lượt

là 369.3, 156.1 và 159.7mm. Cả hai trường hợp không và có đồng hoá đều

mô phỏng tâm mưa tại khu vực này với lượng mưa thấp hơn thực tế, trị số lớn

nhất tại tâm lần lượt là 150mm (trường hợp GFS) và 200mm (trường hợp

54

3DV). Tương tự, với tâm mưa Hà Tĩnh – Kỳ Anh, cả hai trường hợp không và

có đồng hóa đều cho mưa thấp hơn thực tế. Đồng hoá số liệu MODIS đã dịch

chuyển vùng mưa ở vùng phía tây bắc trạm Phan Thiết đến khu vực Nha

Trang - Hàm Tân. Thực tế, khu vực này không có mưa. Như vậy, với hạn dự

báo 30 đến 54h, đồng hoá số liệu 3DVAR đã dự báo khống mưa ở khu vực

Nam Trung Bộ.

Hình 3.8 thể hiện lượng mưa quan trắc tại các trạm (điểm tròn) từ 12Z

ngày 29 đến 12Z ngày 31 và lượng mưa tích lũy 48h dự báo từ 06 đến 54h

(đường contour) trong trường hợp không (a) và có đồng hóa số liệu (b). Cả

hai trường hợp đều mô phỏng được tâm mưa Tam Kỳ - Quảng Ngãi. Tuy

nhiên, trường hợp đồng hóa số liệu cho vị trí tâm mưa gần với thực tế hơn

trường hợp không đồng hóa số liệu. Với các tâm mưa Hà Tĩnh – Kỳ Anh và

Huế - Đà Nẵng, cả hai trường hợp đều mô phỏng tương đối chính xác về vị trí

tâm mưa nhưng lượng mưa lại thấp hơn so với thực tế. Tuy nhiên, trường hợp

đồng hoá số liệu cho lượng mưa gần với thực tế hơn.

Bảng 3.2: Các sai số dự báo mưa so với số liệu quan trắc mưa tại các trạm đối

với đợt mưa ngày 30-31/10/2007

06-30h 30-54h

ME MAE RMSE ME MAE RMSE

GFS -5.7 13.5 30.2 -10.3 24.7 38.7

3DV 4.0 7.3 26.5 -11.8 24.4 33.7

Bảng 3.2 thể hiện các sai số dự báo mưa so với số liệu quan trắc mưa

tại các trạm. Theo bảng này, với hạn dự báo từ 06 đến30h, trường hợp 3DV

có ME > 0 tức là dự báo cao hơn so với thực tế, ngược lại, trường hợp GFS có

ME < 0. Với hạn dự báo 30 đến 54h, cả hai trường hợp đều cho mưa nhỏ hơn

thực tế (ME < 0). Với các sai số MAE và RMSE, trường hợp đồng hóa số liệu

MODIS cho sai số nhỏ hơn trường hợp không đồng hóa đối với cả hạn dự báo

55

06-30h và 30-54h. Điều cho thấy sự phù hợp về vị trí vùng mưa của 3DV với

thực tế hơn trường hợp GFS.

3.2.2 Đợt mưa lớn xảy ra ngày 9-10/5/2008

Do ảnh hưởng của KKL, ngày 9-10/5/2008, Bắc Bộ và Bắc Trung Bộ

có mưa vừa, mưa to kèm dông lốc. Lượng mưa đo được sau 48h phổ biến 50-

200mm, riêng trạm Tuyên Hóa lượng mưa đo được là trên 400mm.

Mô phỏng được thực hiện từ 06Z ngày 08 đến 12Z ngày 10 tháng 05

năm 2008 cho cả hai trường hợp trường hợp không đồng hóa và trường hợp

đồng hóa số liệu MODIS.

a) b)

Hình 3.9: Hiệu trường nhiệt độ giữa trường hợp trường hợp GFS và 3DV tại 06Z ngày 08/05/2008 ở (a) mực bề mặt và (b) mực 200mb

a) b)

Hình 3.10: Hiệu trường nhiệt độ điểm sương giữa trường hợp trường hợp GFS và 3DV tại 06Z ngày 08/05/2008 ở (a) mực bề mặt và (b) mực 200mb

56

Hình 3.9 và 3.10 biểu diễn hiệu nhiệt độ và nhiệt độ điểm sương giữa

trường hợp không đồng hóa (GFS) và trường hợp đồng hóa số liệu MODIS

(3DV) lần lượt ở mực bề mặt và mực 200mb tại 06Z ngày 08/05/2008. Ở mực

bề mặt, đồng hóa số liệu MODIS cho nhiệt độ giảm ở khu vực ven bờ Biển

Đông và khu vực Nam Bộ và tăng ở khu vực ngoài khơi so với trường hợp

không đồng hóa số liệu MODIS, với hiệu nhiệt độ là K02± . Ở mực trên cao,

đồng hóa số liệu MODIS cho trường nhiệt độ tăng so với trường hợp không

sử dụng sơ đồ đồng hóa 3DVAR trên toàn khu vực Biển Đông. Theo hình 3.9,

sự khác biệt về trường nhiệt độ điểm sương ở trên cao lớn hơn ở mực bề mặt,

ở mực 200mb, hiệu trường nhiệt độ điểm sương trong trường hợp không đồng

hóa và đồng hóa số liệu MODIS lớn nhất là -40K, trong khi ở mực bề mặt là -

20K.

Hình 3.11 biểu diễn lượng mưa tích lũy 24h từ 12Z ngày 08 đến 12Z

ngày 09/05/2008 (dự báo từ 06 đến 30h) trong trường hợp không đồng hóa

GFS (a) và có đồng hóa 3DV (b). Hình 3.12 biểu diễn lượng mưa tích lũy 24h

từ 12Z ngày 09 đến 12Z ngày 10/05/2008 (dự báo từ 30 đến 54h) trong

trường hợp không và có đồng hóa số liệu.

Theo hình 3.11 và 3.12, có sự khác biệt đáng kể cả về diện và lượng

mưa giữa hai trường hợp không đồng hoá (GFS) và đồng hoá số liệu MODIS

(3DV) ở cả hạn dự báo 06 đến 30h và 30 đến 54h. Diện mưa trong trường hợp

3DV mở rộng so với trường hợp GFS. Lượng mưa trong trường hợp GFS đạt

cực đại 160mm, trong khi lượng mưa cực đại trong trường hợp 3DV đạt

250mm (hình 3.10). Vùng mưa cực đại mở rộng ở khu vực Bắc Trung Bộ và

dịch chuyển về phía tây bắc (khu vực Trung Trung Bộ và Tây Nguyên) hơn

so với trường hợp GFS. Đối với mưa tích lũy 24h từ 30 đến 54h dự báo, cả

hai trường hợp không và có đồng hóa số liệu MODIS đều cho lượng mưa cực

đại là 250mm. Tuy nhiên, vùng mưa cực đại trong trường hợp 3DV dịch về

phía nam hơn so với trường hợp GFS.

57

Hình 3.13 biểu diễn lượng mưa quan trắc tại các trạm (điểm tròn) từ

12Z ngày 08 đến 12Z ngày 09/05/2008 và lượng mưa tích lũy 24h dự báo từ

06 đến 30h (đường contour) trong trường hợp không (a) và có đồng hóa số

liệu (b). Theo hình 3.13, lượng mưa 24h đo được tại các trạm từ Hồi Xuân

đến Đô Lương ngày 09/05/2008 xấp xỉ 50mm. Cả hai trường hợp không và có

đồng hóa số liệu MODIS đều cho tâm mưa lệch về phía bắc của vùng mưa

này. Tuy nhiên, trường hợp 3DV cho đường contour 50mm đi qua các trạm

Hồi Xuân đến Đô Lương, trong khi, trường hợp GFS đã không mô phỏng

được vùng mưa này. Theo số liệu quan trắc, lượng mưa 24h đo được

10/05/2008 tại các trạm từ Huế đến Ba Tơ xấp xỉ 50mm. Trường hợp 3DV

mô phỏng tâm mưa trên 200m ở phía đông khu vực này và đường đẳng trị

50mm cũng đi qua hầu hết các trạm nêu trên. Trong khi trường hợp GFS cho

vùng mưa thu hẹp ở gần vị trí của trạm Ba Tơ. Như vậy, đồng hóa số liệu

MODIS cải thiện được trường mưa dự báo ở hạn 06 đến 30h dự báo.

Tương tự, hình 3.14 thể hiện lượng mưa quan trắc tại trạm từ 12Z ngày

09 đến 12Z ngày 10/05/2008 và lượng mưa tích lũy 24h dự báo từ 30 đến 54h

trong cả hai trường hợp không và có đồng hóa số liệu MODIS. Trường hợp

đồng hóa số liệu MODIS đã mô phỏng tốt tâm mưa Hương Khê – Kỳ Anh –

Ba Đồn, trong khi trường hợp không đồng hóa số liệu MODIS cho tâm mưa

tại khu vực Con Cuông – Vinh (dịch về phía bắc so với thực tế).

Theo hình 3.15, lượng mưa đo được trong 48h từ 12Z ngày 08 đến 12Z

ngày 10/05/2008 tại trạm Tuyên Hóa là 459.6mm, Kỳ Anh là 193.8mm.

Trường hợp 3DV mô phỏng 1 tâm mưa lớn tại khu vực này với trị số tại tâm

là 400mm, tuy hơi lệch về phía đông hơn so với thực tế (gần với trạm Kỳ

Anh). Trong khi GFS chỉ cho tâm mưa 200mm ở khu vực này. Ở khu vực

Con Cuông – Vinh, lượng mưa đo được trong 48h giờ phổ biến là 50-82mm.

Tại vùng này, 3DV cho đường đẳng trị 100mm đi qua, còn GFS lại mô phỏng

1 tâm mưa với trị số tại tâm là 250mm ở gần trạm Con Cuông. Như vậy, khi

58

sử dụng sơ đồ đồng hóa 3DVAR, trường mưa dự báo đã được cải thiện đáng

kể cả về vị trí tâm mưa và lượng mưa.

a) b)

Hình 3.11: Mưa tích lũy 24h từ 12Z ngày 08 đến 12Z ngày 09/05/2008 (dự báo từ 06 đến 30h) trong trường hợp GFS (a) và 3DV(b)

a)

b) Hình 3.12: Mưa tích lũy 24h từ 12Z ngày 09 đến 12Z ngày 10/05/2008 (dự

báo từ 30 đến 54h) trong trường hợp GFS (a) và 3DV(b)

59

103 104 105 106 107 108 109 1

14

15

16

17

18

19

20

21

YenDinhSamSon

BaiThuong

NhuXuanTinhGia

QuyChauQuyHopTayHieu

QuynhLuuConCuongDoLuongHonNgu

HuongSon

HuongKhe KyAnh

ThanhHoa

HoiXuan

TuongDuong

Vinh

HaTinh

Aluoi

BaTo

ConCo

DaNang

BaDon

DongHa

Hue

KheSanh

LySon

NamDong

QuangNgai

TamKyTraMy

TuyenHoa

QuyNhon

HoaiNhon

5620

6418

1057.34840

10.225.948.5 0

00.1 0

40

58

20

00

53

49

30

48.5

0.1

22

60.3

30

2

45

43.947.649.4

10.5

0.2

0.1

a) 103 104 105 106 107 108 109 1

14

15

16

17

18

19

20

21

YenDinhSamSon

BaiThuongNhuXuan

TinhGiaQuyChau

QuyHopTayHieuQuynhLuuConCuong

DoLuongHonNgu

HuongSon

HuongKhe KyAnh

ThanhHoa

HoiXuan

TuongDuong

Vinh

HaTinh

Aluoi

BaTo

ConCo

DaNang

BaDon

DongHa

Hue

KheSanh

LySon

NamDong

QuangNgai

TamKyTraMy

TuyenHoa

QuyNhon

HoaiNhon

562064

181057.3

484010.225.948.5 0

00.1 0

40

58

20

00

53

49

30

48.5

0.1

22

60.330

2

45

43.947.649.4

10.5

0.2

0.1

b)

Hình 3.13: Lượng mưa quan trắc tại các trạm (điểm tròn) từ 12Z ngày 08 đến 12Z ngày 09/05/2008 và lượng mưa tích lũy 24h dự báo từ 06 đến 30h (đường contour) trong trường hợp không (a) và có đồng hóa số liệu (b).

60

103 104 105 106 107 108 109 1

13

14

15

16

17

18

19

20

21

YenDinhSamSon

BaiThuong

NhuXuanTinhGia

QuyChauQuyHopTayHieu

QuynhLuuConCuongDoLuongHonNgu

HuongSon

HuongKhe KyAnh

ThanhHoa

HoiXuan

TuongDuong

Vinh

HaTinh

Aluoi

BaTo

ConCo

DaNang

BaDon

DongHa

Hue

KheSanh

LySon

NamDong

QuangNgai

TamKyTraMy

TuyenHoa

QuyNhon

SonHoaTuyHoa

HoaiNhon

23.627.1

16.243.9

51.52.62 1.4

1.113.84.5 49.812.7121.4 193.8

16.3

25.8

62.2

3351

23

66

34.9

2.1

69.6

19.8

0.2

25.1

0

3

00.432.1

449

6.1

11.40.1

0

a)

13

14

15

16

17

18

19

20

21

YenDinhSamSon

BaiThuong

NhuXuanTinhGia

QuyChauQuyHopTayHieu

QuynhLuuConCuongDoLuongHonNgu

HuongSon

HuongKhe KyAnh

ThanhHoa

HoiXuan

TuongDuong

Vinh

HaTinh

Aluoi

BaTo

ConCo

DaNang

BaDon

DongHa

Hue

KheSanh

LySon

NamDong

QuangNgai

TamKyTraMy

TuyenHoa

QuyNhon

SonHoaTuyHoa

HoaiNhon

23.627.1

16.243.9

51.52.62 1.4

1.113.84.5 49.812.7121.4 193.8

16.3

25.8

62.2

3351

23

66

34.9

2.1

69.6

19.8

0.2

25.1

0

3

00.432.1

449

6.1

11.40.1

0

b)

Hình 3.14: Lượng mưa quan trắc tại các trạm (điểm tròn) từ 12Z ngày 09 đến 12Z ngày 10/05/2008 và lượng mưa tích lũy 24h dự báo từ 30 đến 54h (đường contour) trong trường hợp không (a) và có đồng hóa số liệu (b).

61

103 104 105 106 107 108 109 1

13

14

15

16

17

18

19

20

21

YenDinhSamSon

BaiThuong

NhuXuanTinhGia

QuyChauQuyHopTayHieu

QuynhLuuConCuongDoLuongHonNgu

HuongSon

HuongKhe KyAnh

ThanhHoa

HoiXuan

TuongDuong

Vinh

HaTinh

Aluoi

BaTo

ConCo

DaNang

BaDon

DongHa

Hue

KheSanh

LySon

NamDong

QuangNgai

TamKyTraMy

TuyenHoa

QuyNhon

SonHoaTuyHoa

HoaiNhon

79.647.1

80.261.9

61.559.95041.4

11.339.753 49.812.7121.5 193.8

56.3

83.8

82.2

3351

76

115

64.9

50.6

69.7

41.8

60.5

55.1

2

48

43.94881.5

459.5

6.3

11.417.2

0.1

a)

103 104 105 106 107 108 109 1

13

14

15

16

17

18

19

20

21

YenDinhSamSon

BaiThuongNhuXuan

TinhGiaQuyChau

QuyHopTayHieuQuynhLuuConCuong

DoLuongHonNgu

HuongSon

HuongKhe KyAnh

ThanhHoa

HoiXuan

TuongDuong

Vinh

HaTinh

Aluoi

BaTo

ConCo

DaNang

BaDon

DongHa

Hue

KheSanh

LySon

NamDong

QuangNgaiTamKy

TraMy

TuyenHoa

QuyNhon

SonHoaTuyHoa

HoaiNhon

79.647.1

80.261.9

61.559.95041.4

11.339.753 49.812.7121.5 193.8

56.3

83.8

82.2

3351

76

115

64.9

50.6

69.7

41.8

60.5

55.1

2

48

43.94881.5

459.5

6.3

11.417.2

0.1

b)

Hình 3.15: Lượng mưa quan trắc tại các trạm (điểm tròn) từ 12Z ngày 08 đến

12Z ngày 10/05/2008 và lượng mưa tích lũy 48h dự báo từ 06 đến 54h (đường

contour) trong trường hợp không (a) và có đồng hóa số liệu (b).

62

Bảng 3.3 thể hiện các sai số dự báo mưa so với số liệu quan trắc mưa

tại các trạm. Xét về lượng mưa, trường hợp đồng hoá số liệu MODIS dự báo

mưa lớn hơn (ME > 0) so với thực tế ở hạn dự báo từ 06-30h và nhỏ hơn (ME

> 0) so với thực tế. Trong khi đó, trường hợp trường hợp không đồng hoá số

liệu dự báo nhỏ hơn so với thực tế (ME < 0) ở cả hạn dự báo từ 06-30h và 30-

54h. Như vậy, đồng hoá số liệu đã làm tăng lượng mưa dự báoTheo bảng 3.3,

dự báo mưa trong trường hợp đồng hóa số liệu MODIS cho sai số MAE và

RMSE nhỏ hơn trường hợp không đồng hóa đối với cả hạn dự báo từ 06-30h

và hạn dự báo từ 30-54h. Tuy nhiên, ở hạn dự báo 30-54h, cả hai trường hợp

đều cho các sai số MAE, RMSE là tương đối lớn so với thực tế.

Bảng 3.3: Các sai số dự báo mưa so với số liệu quan trắc mưa tại các trạm đối

với đợt mưa ngày 09-10/05/2008

06-30h 30-54h

ME MAE RMSE ME MAE RMSE

GFS -6.6 12.7 17.1 -25.4 52.8 82.1

3DV 3.5 6.3 8.9 -21.1 33.7 48.6

3.4 Đánh giá kết quả dự báo các đợt mưa lớn ở khu vực Trung Bộ trong

hai năm 2007 - 2008

Mưa lớn ở khu vực Miền Trung thường xảy ra do ảnh hưởng của các

hình thế thời tiết khác nhau như giải hội tụ nhiệt đới (ITCZ), front lạnh, bão,

áp thấp nhiệt đới, ...Khó khăn lớn trong mô phỏng mưa lớn khu vực này

không chỉ trong việc xác định nguồn ẩm. Khó khăn lớn hơn nữa ở đây là mô

phỏng đúng hoàn lưu mang ẩm đến và tương tác giữa địa hình với hoàn lưu

này. Đây là vùng chịu tác động của gần như tất cả các loại nhiễu động nhiệt

đới. Các loại sóng xích đạo mạnh cùng với dao động nội mùa tương tác với

XTNĐ và gió mùa đông bắc chi phối hoàn lưu mang ẩm đến Trung Bộ khó có

thể được mô phỏng tốt bằng mô hình số hiện nay. Tất cả đó cho ta thấy sự

63

khó khăn đặc biệt trong mô phỏng và dự báo mưa lớn Trung Bộ. Bên cạnh đó,

việc đánh giá dự báo mưa của mô hình về diện và về lượng mưa ở Trung Bộ

càng khó khăn hơn vì lưới thám sát quá thưa thớt trên một diện tích quá hẹp

và dài với sườn núi dốc.

Trong phần này, chúng tôi sẽ trình bày những kết quả đánh giá chất

lượng dự báo mưa lớn cho 17 đợt mưa lớn khu vực Trung Bộ năm 2007, 2008

theo một số chỉ tiêu đã trình bày trong Chương 2.

Để đánh giá khả năng dự báo có và không có mưa, đồng thời đánh giá

khả năng dự báo mưa lớn của mô hình, chúng tôi đã chọn các ngưỡng mưa từ

nhỏ đến lớn, cụ thể các ngưỡng mưa mưa 1, 5, 15, 20, 30, 50, 100, 150 và

200mm/ngày. Các hình 3.16 đến 3.17 lần lượt thể hiện các điểm số FBI, CSI

và POD với các hạn dự báo 06-30h và 30-54h cho các đợt mưa lớn khu vực

Miền Trung năm 2007, 2008 với cả hai trường hợp không (GFS) và có đồng

hoá số liệu (3DV). Theo hình 3.16, với hạn dự báo 06-30h, cả hai trường hợp

đồng hoá và không đồng hoá đều cho mưa lớn hơn thực tế ở các ngưỡng dưới

75mm và nhỏ hơn thực tế ở ngưỡng trên 75mm (hình 3.16a). Các chỉ số CSI

và POD trong cả hai trường hợp không và có đồng hoá giảm dần khi ngưỡng

mưa tăng. Như vậy, đối với ngưỡng mưa lớn, mô hình hầu như dự báo không

chính xác về vùng mưa và lượng mưa. Tuy nhiên, trường hợp đồng hoá số

liệu MODIS có chỉ số CSI, POD cao hơn so với trường hợp không đồng hoá,

đặc biệt là đối với các ngưỡng mưa lớn. Như vậy, việc đồng hoá đã tăng độ

chính xác dự báo mưa lớn.

Tương tự với hạn dự báo 06-30h, cả hai trường hợp không và có sử

dụng sơ đồ đồng hóa 3DVAR đều cho mưa lớn hơn thực tế ở các ngưỡng mưa

nhỏ và cho mưa nhỏ hơn thực tế ở ngưỡng mưa lớn đối với hạn dự báo 30-

54h (hình 3.16a). Ở hạn dự báo này, trường hợp không và có đồng hoá số liệu

đều có chỉ số CSI xấp xỉ bằng nhau và đều cho giá trị CSI tương đối nhỏ ở

các ngưỡng mưa lớn. Điều này có nghĩa là ở các ngưỡng mưa lớn, vùng mưa

dự báo tương đối khác so với vùng mưa thực tế. Theo hình 3.17c, trường hợp

64

đồng hoá số liệu cho thấy sự cải thiện trong số lần dự báo mưa thành công,

tuy nhiên, cả hai trường hợp không và có đồng hoá đều cho số lần dự báo

mưa thành công rất thấp ở các ngưỡng mưa lớn.

Như vậy, đồng hóa số liệu MODIS cải thiện đáng kể trường mưa dự

báo ở hạn mưa 06-30h, nhưng không có sự thay đổi lớn đối với hạn dự báo

30-54h.

0

0.2

0.4

0.6

0.8

1

1.2

1.4

1.6

1 5 15 30 50 100 150 200

GFS

3DV

a)

0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

1 5 15 30 50 100 150 200

GFS

3DV

b)

0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1

1 5 15 30 50 100 150 200

GFS

3DV

c)

Hình 3.16: Các điểm số FBI (a); CSI (b) và POD (c) với hạn dự báo 06-30h

cho các đợt mưa lớn khu vực Trung Bộ năm 2007, 2008 đối với trường hợp

không (GFS) và có đồng hóa dữ liệu MODIS (3DV)

65

0

0.2

0.4

0.6

0.8

1

1.2

1.4

1.6

1 5 15 30 50 100 150 200

GFS

3DV

a)

0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

1 5 15 30 50 100 150 200

GFS

3DV

b)

00.10.20.30.40.50.60.70.80.9

1

1 5 15 30 50 100 150 200

GFS

3DV

c)

Hình 3.17: Các điểm số FBI (a); CSI (b) và POD (c) với hạn dự báo 30-54h

cho các đợt mưa lớn khu vực Miền Trung năm 2007, 2008 đối với trường

hợp không (GFS) và có đồng hóa dữ liệu MODIS (3DV)

66

KẾT LUẬN

Từ những kết quả trên cho thấy rằng vai trò của đồng hoá dữ liệu vệ

tinh là quan trọng trong việc góp phần nâng cao chất lượng dự báo mưa lớn

khu vực Trung Bộ.

Qua những nghiên cứu đạt được trong luận văn này, tác giả đã rút ra

một số kết luận như sau:

1) Việc đồng hóa profile nhiệt độ và nhiệt độ điểm sương từ vệ tinh

MODIS thông qua sơ đồ đồng hóa 3DVAR đã cho thấy sự khác biệt

lớn của trường ban đầu so với trường hợp không đồng hóa. Có sự khác

biệt lớn ở trường nhiệt độ điểm sương ban đầu hơn sự ở trường nhiệt độ

và sự khác biệt thể hiện rõ ở các mực trên cao hơn ở mực bề mặt.

2) Dựa trên phân tích trường mưa dự báo và mưa của các trạm cho thấy

việc đồng hóa số liệu MODIS cho dự báo chính xác hơn về tâm mưa và

lượng mưa ở dự báo.

3) Đánh giá thống kê lượng mưa dự báo và lượng mưa ở các trạm cho

thấy đồng hóa số liệu MODIS đã cải thiện đáng kể cả về diện mưa và

lượng mưa dự báo trong 30h đầu. Tuy nhiên, ở hạn dự báo từ 30 đến

54h, việc đồng hóa số liệu MODIS không cho kết quả vượt trội so với

trường hợp không đồng hóa.

4) Để đánh giá định lượng kết quả dự báo mưa theo các chỉ tiêu thống kê

cần phải nghiên cứu kỹ hơn khi sử dụng lượng mưa tại các trạm.

KIẾN NGHỊ

Nghiên cứu khai thác số liệu vệ tinh để nâng cao chất lượng trường

ban đầu cho khu vực Việt Nam là bài toán có ý nghĩa cả về mặt khoa học

lẫn thực tiễn đối với những người nghiên cứu và làm nghiệp vụ. Việc đồng

hoá số liệu MODIS đã cải thiện đáng kể trường mưa dự báo trong 30h đầu.

Vì vậy, trong tương lai cần tập trung nghiên cứu sâu hơn vấn đề này để có

thể áp dụng vào thực tiễn

67

TÀI LIỆU THAM KHẢO

Tiếng Việt

1. Hoàng Đức Cường, 2008: Nghiên cứu thử nghiệm dự báo mưa lớn ở

Việt Nam bằng mô hình MM5. Báo cáo tổng kết đề tài nghiên cứu

khoa học cấp Bộ.

2. Hoàng Đức Cường, Nguyễn Thị Thanh, Trần Thị Thảo, 2008: Thử

nghiệm ứng dụng dữ liệu vệ tinh cho mô hình MM5. Tuyển tập báo cáo

hội nghị dự báo viên toàn quốc lần thứ 3, Trung tâm Dự báo Khí tượng

Thuỷ văn Trung Ương, tr12-18.

3. Chu Thị Thu Hường, 2007: Nghiên cứu thử nghiệm dự báo mưa thời

hạn từ 1 đến 3 ngày cho khu vực Trung bộ Việt Nam bằng mô hình

WRF, Luận văn thạc sỹ, Trường ĐHKHTN, ĐH QG HN.

4. Lê Đức, Đỗ Lệ Thuỷ, Lương Hồng Trung, 2007: Xây dựng trường ẩm

cho mô hình HRM từ số liệu vệ tinh địa tĩnh dựa trên phương pháp biến

phân ba chiều (3DVAR) (Phần I, II). Tạp chí KTTV, số 555-2007, tr. 22

– 32 và số 558-2007, tr. 43-49.

5. Vũ Thanh Hằng, 2008: Nghiên cứu tác động của tham số hóa đối lưu

đối với dự báo mưa bằng mô hình HRM ở Việt Nam. Luận án tiến sỹ

ngành khí tượng.

6. Trần Tân Tiến, Nguyễn Minh Trường, Công Thanh, Kiều Quốc Chánh,

2004: Sử dụng mô hình RAMS mô phỏng đợt mưa lớn ở miền Trung

tháng 9/2002, Tạp chí khoa học ĐHQGHN, KHTN & CN Tập XX

(3PT), tr. 51-60.

7. Kiều Thị Xin, Lê Đức, 2003: Nâng cao chất lượng dự báo mưa bằng

mô hình khu vực phân giải cao HRM nhờ tăng độ phân giải và điều

chỉnh trường ban đầu bằng phương pháp đồng hoá số liệu ba chiều.

Tuyển tập hội nghị khoa học, Viện Khoa học khí tượng thuỷ văn và Môi

trường.

68

8. Kiều Thị Xin, 2005: Nghiên cứu dự báo mưa lớn diện rộng bằng công

nghệ hiện đại phục vụ phòng chống lũ lụt ở Việt Nam. Báo cáo tổng

kết đề tài khoa học công nghệ độc lập cấp nhà nước, tr.121-151.

Tiếng Anh

9. Anderson, E., Hollingsworth, A., Kelly, G., Lonnberg, P.,1991: Global

observing system experiments on operational statistical retrievals of

satellite sounding data. Mon. Weather Rev., 119, 1851-1864

10. Barnes, S. L, 1964: A technique for maximizing details in numerical

weather-map analysis, Journal of Applied Meterolog, 3, 396–409.

11. Black T.M., 1994: The new NMC mesoscale Eta model: Description

and forecast examples, Wea. Forecasting, 9, 265-278.

12. Bergthorsson, P. & Doos,B.R,1955: Numreical weather map analysis,

Tellus, 7, 329-340.

13. Bouttier F. and Courtier P., 1999: Data assimilation concepts and

methods. ECMWF meteorological training course lecture series.

14. Courtier P., E. Andersson, W. Heckley, J. Pailleux, D. Vasiljevic, M.

Hamrud, A. Hollingsworth, F. Rabier and M. Fisher, 1998: The

ECMWF implementation of threedimensional variational assimilation

(3D-Var). I: Formulation. Quarterly Journal Royal Met. Society, 124,

No. 550, 1783-1789.

15. Hoang Duc Cuong, Nguyen Thi Thanh, Tran Thi Thao (2009): Heavy

rainfall forecast over Center Vietnam using MM5 and WRF models,

International MAHASRI/HyARC Workshop on Asian monsoon.

16. Cresssman, G.P, 1959: An operational objective analysis system, Mon.

Wea. Rev., 87, 367-374

17. Gandin,L.S, 1963: The objective analysis of meteorological fields,

Israel program for Scientific Translations, Jerusalam, 242pp.

18. Grell G.A., 1993: Prognostic evalation of assumptions used by cumulus

parameterizations, Mon. Wea. Rev, 121, 764-787.

69

19. Hong S.-Y, Pan H.-L., 1998: Convective trigger function for a mass-

flux cumulus parameterization scheme, Mon. Wea. Rev, 126, 2599-

2620.

20. Huo, Z., Zhang D-L, Gyakum J., and Staniforth A., 1995: A Diagnostic

Analysis of the Superstorm of March 1993. Mon. Wea. Rev., 123, 1740-

1761.

21. Lorenc, A.C, 1981: A global three-dimensional multivariate statistical

analysis scheme, Mon. Wea. Rev., 109, 701-721.

22. Lorenc, A.C, 1986: Analysis methods for numerical weather

prediction, Quart. J. Roy. Met. Soc.,112, 1177-1194

23. Fan, Jeffrey S. Tilley, 2005: Dynamic assimilation of MODIS-

retrieved humidity profiles within a regional model for high-latitude

forecast Applications. Mon. Wea. Rev.-Special section, 133, 3450-

3480.

24. Janjic, Z. I., 1996a: The Mellor-Yamada level 2.5 scheme in the NCEP

Eta Model. 11th Conference on Numerical Weather Prediction,

Norfolk, VA, 19-23 August 1996; American Meteorological Society,

Boston, MA, 333-334.

25. Janjic, Z. I., 2002b: Nonsingular Implementation of the Mellor–

Yamada Level 2.5 Scheme in the NCEP Meso model, NCEP Office

Note, No. 437, 61 pp.

26. Kain J. S., 2004: The Kain–Fritsch Convective Parameterization: An

Update. Journal of Applied Meteorology, 43, No. 1, 170–181.

27. Kusaka H., Y.-R. Guo, A. Crook, D. M. Barker and H. Hirakuchi,

2004: The Impact of Assimilating GPS-PW data using WRF-3DVAR

on a Simulation of a Squall Line Observed during IHOP. 20th

Conference on Weather Analysis and Forecasting/16th Conference on

Numerical Weather Prediction

70

28. Liu, Y.-C., S.-H. Chen, F.-C. Chien, 2010: The impact of MODIS and

AIRS total precipitable water on modifying the vertical shear and

Hurricane Emily simulations, Journal of Geophysical Research, in

press

29. Mlawer, E. J., S. J. Taubman, P. D. Brown, M. J. Iacono, and S. A.

Clough, 1997: Radiative transfer for inhomogeneous atmosphere:

RRTM, a validated correlated-k model for the longwave. J. Geophys.

Res., 102 (D14), 16663–16682.

30. Panofsky, H.A, 1949, Objective weather map analysis, J. Meteor., 6,

386-392.

31. Parrish, DavidF., and Derber, John C, 1992: The National

Meteorological Center's Spectral Statistical-Interpolation analysis

system, Mon.Wea.Rev., 120, 1747-1763.

32. Thompson, Philip. D, 1969: Reduction of analysis error through

constraints of dynamical consistency, J.Appl.Meteor., 8, 738-742.

33. Tiedtke M., 1988: Parameterization of cumulus convection in large-

scale models, Physically Based Modelling and Simulation of Climate

and Climate change, M. Schlesinger, Ed., Reidel, 375-431.

34. Tobin, D. C., H. E. Revercomb, R. O. Knuteson, B. M. Lesht, L. L.

Strow, S. E. Hannon, W. F. Feltz, L. A. Moy, E. J. Fetzer, and T. S.

Cress, 2006: Atmospheric Radiation Measurement site atmospheric

state best estimates for Atmospheric Infrared Sounder temperature and

water vapor retrieval validation, J. Geophys. Res., 111, D09S14.

35. Rakesh V, Singh Randhir, Joshi Prakash C, 2009: Intercomparison of

the performance of MM5/WRF with and without satellite data

assimilation in short-range forecast applications over the Indian region,

Journal of Technology and Science, 105, 133-155.

36. Rogers E., Coauthors, 1998: “Changes to the NCEP Operational

“Early” Eta Analysis/Forecast system. NWS Tech. Procedures Bull.

71

Vol.(447), National Oceanic and Atmospheric Administration/National

Weather Service, 14 pp.

37. Routray, A., Mohanty, U. C., Niyogi, D., Rizvi, S. R., Osuri, K. K.,

2008: First application of 3DVAR-WRF data assimilation for

mesoscale simulation of heavy rainfall events over Indian Monsoon

region. Journal of the Royal Meteorological Society.

38. Sasaki, Y., 1958: A objective analysis based on the variational

analysis, J Meteor. Soc. Janpan, 36, 77-88.

39. Seemann, S. W., J. Li, W. P. Menzel, and L. E. Gumley, 2003:

Operational retrieval of atmospheric temperature, moisture, and ozone

from MODIS infrared radiances. J. Appl.Meteor., 42, 1072-1091.

40. Seemann, Borbas, E., Knuteson, R., Weisz, E., Stephenson, G., Li, J.,

Huang, H-L., 2006: A global infrared surface emissivity database for clear

sky sounding retrievals from satellite-based radiance measurements, J. Appl.

Meteor., 52, 1072-1091

41. Seemann, Eva E. Borbas, Jun Li,W. Paul Menzel, Liame, Gumley,

2006: MODIS atmospheric profile retrieval algorithm theoretical basis

document, Cooperative Institute for Meteorological Satellite Studies

University of Wisconsin-Madison, Version 6.

42. Shu-Hua Chen, Zhan Zhao, Jennifer S. Haase, Aidong Chen, Francois

Vandenberghe, 2007: A Study of the Characteristics and Assimilation

of Retrieved MODIS Total Precipitable Water Data in Severe Weather

Simulations. Monthly Weather Review.

43. Spencer, P.L, and Stensrud D.J, 1998: Simulating Flash Flood Events:

Importance of the Subgrid Representation of Convection. Mon. Wea.

Rev., 126, 2884-2912.

44. Sun, J., and N. A. Crook, 1998: Dynamical and Microphysical

Retrieval from Doppler Radar Observations Using a Cloud Model and

72

Its Adjoint. Part II: Retrieval Experiments for an Observed Florida

Convective Storm. J. Atmos. Sci., 55, 835-852.

45. Xavier, A. Chandrasekar, R. Singh and B. Simon, 2006: The impact of

assimilation of MODIS data for the prediction of a tropical low-

pressure system over India using a mesoscale model. International

Journal of Remote Sensing, 27, No. 20, 4655–4676.

46. Weisman M.L., Skamarock W.C. and Klemp J.B., 1997: The resolution

dependence of explicitly modeled convective systems. Mon. Wea. Rev.,

125, 527-548.

47. William C. Skamarock, Joseph B. Klemp, Jimy Dudhia, David O. Gill,

Dale M. Barker, Michael G. Duda, Xiang-Yu Huang, Wei Wang and

Jordan G. Powers, 2008: A Description of the Advanced Research

WRF Version 3. NCAR Technical Note.

48. Zhang D.-L., Kain J.S., Fritsch J.M., Gao K., 1994: Comments on

‘Parameterization of convective precipitation in mesoscale numerical

models. A critical review, Mon. Wea. Rev, 122, 2222-2231.

49. Yoshinori Shoji, Masaru Kunii, and Kazuo Saito, 2009: Assimilation

of Nationwide and Global GPS PWV Data for a Heavy Rain Event on

28 July 2008 in Hokuriku and Kinki, Japan, Mon. Wea. Rev, 10, 2151-

2159.