Luận án Tiến sĩ Khí tượng: Dự báo quỹ đạo bão ảnh hưởng đến Việt Nam hạn 5 ngày bằng phương pháp tổ hợp sử dụng kỹ thuật nuôi nhiễu

ĐẠI HỌC QUỐC GIA HÀ NỘI

Nh107

TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN ---------------------------------

CÔNG THANH

DỰ BÁO QUỸ ĐẠO BÃO ẢNH HƯỞNG ĐẾN

VIỆT NAM HẠN 5 NGÀY BẰNG PHƯƠNG PHÁP

TỔ HỢP SỬ DỤNG KỸ THUẬT NUÔI NHIỄU

LUẬN ÁN TIẾN SĨ KHÍ TƯỢNG VÀ KHÍ HẬU HỌC

Hà Nội - 2014

ĐẠI HỌC QUỐC GIA HÀ NỘI

nhiệt đới 3 chiều cho mục đích dự báo quĩ đạo BÃO ở Việt Nam.

TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN

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

CÔNG THANH

DỰ BÁO QUỸ ĐẠO BÃO ẢNH HƯỞNG ĐẾN

VIỆT NAM HẠN 5 NGÀY BẰNG PHƯƠNG PHÁP

TỔ HỢP SỬ DỤNG KỸ THUẬT NUÔI NHIỄU

Chuyên ngành: Khí tượng và Khí hậu học

Mã số:

62440222

LUẬN ÁN TIẾN SĨ KHÍ TƯỢNG VÀ KHÍ HẬU HỌC

NGƯỜI HƯỚNG DẪN KHOA HỌC:

GS.TS. Trần Tân Tiến

Hà Nội - 2014

LỜI CAM ĐOAN

Tôi xin cam đoan đây là công trình nghiên cứu của riêng tôi. Các số liệu,

kết quả nêu trong luận án là trung thực và chưa từng được ai công bố trong

bất cứ công trình nào khác.

Tác giả

Công Thanh

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 án 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 báu,

giúp đỡ và tạo điều kiện thuận lợi về cơ sở vật chất trong suốt thời gian tôi

học tập và thực hành ở Khoa.

Tôi cũng 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.

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.

Công Thanh

MỤC LỤC

MỞ ĐẦU

.......................................................................................................... 14

Tính cấp thiết của đề tài ............................................................................................... 14 Mục đích của luận án ................................................................................................... 15 Những đóng góp mới của luận án ................................................................................ 15 Ý nghĩa khoa học và thực tiễn ...................................................................................... 16 Tóm tắt cấu trúc luận án ............................................................................................... 16

CHƯƠNG 1: Tổng quan về dự báo tổ hợp và dự báo tổ hợp quỹ đạo bão ............ 18

1.1 Cơ sở lý thuyết dự báo tổ hợp ................................................................................ 18 1.2 Các cách tạo nhiễu cho trường ban đầu bằng phương pháp BV ............................ 28 1.2.1 Phương pháp nuôi nhiễu ẩn (masked breeding) ................................................ 32 1.2.2 Phương pháp nuôi nhiễu tại Nhật và Châu Âu .................................................. 33 1.2.3 Phương pháp nuôi nhiễu kết hợp với quay nhân tố (Rotation breeding-RBV) . 36 1.2.4 Kỹ thuật chuyển vị tổ hợp (ET-Breeding) ........................................................ 38 1.3 Các nghiên cứu và ứng dụng về nhiễu biên ngang (LBC) của hệ thống EPS ........ 39 1.4 Các nghiên cứu và ứng dụng về đa cơ chế vật lý và động lực của mô hình để xây dựng EPS .............................................................................................................. 40 1.5 Hoạt động của bão ở khu vực Tây Bắc Thái Bình Dương và nghiên cứu dự báo bão bằng phương pháp tổ hợp ..................................................................................... 42 1.5.1 Đặc điểm hoạt động bão tại khu vực Tây Bắc Thái Bình Dương và biển Đông.42 1.5.2 Dự báo bão của các nước cho khu vực Tây Bắc Thái Bình Dương bằng EPS . 44 1.5.3 Tình hình nghiên cứu dự báo bão ở trong nước ................................................ 51

CHƯƠNG 2: Phương pháp nuôi nhiễu khi có bão và lựa chọn các tham số cho mô hình RAMS để dự báo tổ hợp quỹ đạo bão ở Việt Nam. ................. 57

2.1 Nhiễu môi trường và nhiễu xoáy ............................................................................ 57 2.2 Đề xuất phương án nuôi nhiễu môi trường và nhiễu xoáy khi có bão cho khu vực Việt Nam ............................................................................................................... 58 2.2.1 Tạo nhân ban đầu .............................................................................................. 58 2.2.2 Phương pháp cài xoáy giả cho trường GFS ...................................................... 59 2.2.3 Phương án nuôi nhiễu khi có bão ...................................................................... 60 2.2.4 Chuẩn hóa nhiễu môi trường và nhiễu xoáy ..................................................... 62 2.2.4.1 Chuẩn hóa nhiễu môi trường ............................................................. 62 2.2.4.2 Chuẩn hóa nhiễu xoáy ....................................................................... 63 2.2.5 Trực giao nhiễu môi trường và nhiễu xoáy ....................................................... 63 2.2.5.1 Trực giao nhiễu môi trường .............................................................. 64 2.2.5.2 Trực giao nhiễu xoáy ........................................................................ 64

2.3 Nhiễu trên biên ....................................................................................................... 64 2.4 Quy trình nuôi nhiễu. ............................................................................................. 65 2.5 Lựa chọn tham số cho mô hình RAMS để dự báo bão ở Việt Nam ....................... 66 2.5.1 Cấu hình miền tính ............................................................................................ 66 2.5.2 Giới thiệu sơ lược về mô hình RAMS. ............................................................. 68 2.5.2.1 Các phương trình cơ bản của RAMS ................................................ 68 2.5.2.2 Cấu trúc lưới ...................................................................................... 70 2.5.2.3 Các điều kiện biên ............................................................................. 71 2.5.2.4 Sơ đồ đối lưu ..................................................................................... 73 2.6 Số liệu sử dụng và phương pháp tìm tâm bão. ....................................................... 74 2.6.1 Số liệu ............................................................................................................... 74 2.6.2 Phương pháp dò tìm tâm bão ............................................................................ 75 2.7 Các phương pháp tổ hợp kết quả dự báo ................................................................ 76 2.7.1 Dự báo tất định từ các thành phần dự báo tổ hợp ............................................. 76 2.7.1.1 Trung bình đơn giản .......................................................................... 76 2.7.1.2 Dự báo siêu tổ hợp ............................................................................ 76 2.7.2 Dự báo xác suất từ các thành phần dự báo tổ hợp bão ...................................... 78 2.8 Đánh giá dự báo tổ hợp .......................................................................................... 80 2.8.1 Tính sai số khoảng cách .................................................................................... 80 2.8.2 Tính sai số ngang .............................................................................................. 81 2.8.3 Tính sai số dọc .................................................................................................. 81 2.8.4 Độ lệch chuẩn .................................................................................................... 82

CHƯƠNG 3: Dự báo tổ hợp quỹ đạo bão ở Việt Nam dựa trên phương pháp nuôi

nhiễu phát triển ................................................................................. 83

3.1 Khảo sát vai trò của các tham số trong mô hình RAMS và vai trò của nhiễu xoáy và nhiễu môi trường để dự báo quỹ đạo bão hạn 5 ngày ........................................... 83 3.1.1 Lựa chọn sơ đồ đối lưu trong mô hình RAMS để dự báo quỹ đạo bão ................. 83 3.1.2 Cấu trúc nhân ban đầu ....................................................................................... 86 3.1.3 Ảnh hưởng của nhiễu môi trường tới quỹ đạo dự báo ...................................... 90 3.1.3.1 Phân tích quá trình phát triển của nhiễu môi trường trong 24 giờ nuôi nhiễu .............................................................................................................. 90 3.1.3.2. Ảnh hưởng của nhiễu môi trường tới quỹ đạo bão dự báo hạn 5 ngày 92 3.1.4 Ảnh hưởng của nhiễu xoáy tới quỹ đạo bão dự báo ......................................... 93 3.1.4.1 Phân tích quá trình phát triển của nhiễu xoáy trong 24 giờ nuôi nhiễu . 93 3.1.4.2. Ảnh hưởng của nhiễu xoáy tới quỹ đạo của bão hạn 5 ngày ........... 96

3.1.5 Ảnh hưởng của nhiễu môi trường kết hợp với nhiễu xoáy tới dự báo quỹ đạo bão

3.1.5.1 Phân tích quá trình phát triển của nhiễu môi trường và nhiễu xoáy trong 24 giờ nuôi nhiễu .................................................................................. 97 3.1.5.2. Ảnh hưởng của nhiễu môi trường kết hợp với nhiễu xoáy tới quỹ đạo dự báo của bão hạn 5 ngày ............................................................................ 98 3.1.6 Ảnh hưởng của nhiễu môi trường, nhiễu xoáy và sơ đồ đối lưu tới dự báo quỹ đạo bão ........................................................................................................... 100 3.2 Dự báo tổ hợp quỹ đạo bão bằng phương pháp nuôi nhiễu phát triển ................. 102 3.2.1 Dự báo từ các thành phần tổ hợp .................................................................... 102 3.2.2 Dự báo tổ hợp bằng phương pháp trung bình đơn giản các thành phần tổ hợp104 3.2.3.1 Tuyển chọn nhân tố và bộ số liệu dùng để tuyển chọn. .................. 108 3.2.3.2 Phương trình dự báo siêu tổ hợp vị trí tâm bão .............................. 113 3.3 Thử nghiệm hệ thống dự báo tổ hợp cho một số cơn bão điển hình. ................... 115 3.3.1 Bão đổi hướng ................................................................................................. 116 3.3.2 Bão đôi ............................................................................................................ 116 3.3.3 Hướng di chuyển phức tạp .............................................................................. 117 3.4 Dự báo quỹ đạo bão bằng phương pháp xác suất ................................................. 118 3.5 Đề xuất quy trình dự báo bão hạn 5 ngày bằng hệ thống dự báo tổ hợp dựa trên phương pháp nuôi nhiễu. .................................................................................... 121

KẾT LUẬN ........................................................................................................ 123 DANH MỤC CÁC CÔNG TRÌNH KHOA HỌC CỦA TÁC GIẢ LIÊN QUAN ĐẾN LUẬN ÁN .................................................................................................... 125 TÀI LIỆU THAM KHẢO .................................................................................... 127 ........................................................................................................ 136 PHỤ LỤC

DANH MỤC HÌNH ẢNH

Hình 1.1 Sơ đồ tổ hợp của các thành phần dự báo tổ hợp tiêu biểu: a) là các thành phần có độ tán tổ hợp tốt; b) là các thành phần có độ tán không tốt); T: là trạng thái thực của khí quyển; C: dự báo kiểm chứng; P+, P- là cặp nhiễu tổ hợp; A: trung bình của cặp nhiễu tổ hợp (Kalnay, 2003) .......................................................................................................... 29 Hình 1.2 Chu kỳ nuôi những dao động phát triển (Toth và Kalnay, 1993) ............ 31 Hình 1.3 Chu kỳ tự nuôi những dao động phát triển (Toth và Kalnay, 1993) ....... 31 Hình 1.4 Sơ đồ nuôi một cặp nhiễu (Toth và Kalnay, 1997).................................. 32 Hình 1.5 Phương pháp nuôi nhiễu tại KMA (Lee, 2006) ....................................... 37 Hình 1.6 Phương pháp nuôi nhiễu kết hợp với quay tại KMA (Lee, 2006) ........... 37 Hình 1.7 Chu kỳ nuôi nhiễu bằng phương pháp ET; P1, P2, P3, P4: là trường dự

báo có nhiễu P1, P2, P3 và P4; ANL là trường phân tích (Toth, 2007) .......................................................................................................... 38 Hình 1.8 Sai số dự báo của TMEPS (Choo, 2006) ................................................. 44 Hình 1.9 Sơ đồ hệ thống dự báo tổ hợp bão của NMC Trung Quốc (Chen và nnk,

2009) ................................................................................................. 45

Hình 1.10 Sai số dự báo của hệ thống dự báo tổ hợp NMC, Trung Quốc (Chen và

nnk, 2009) ......................................................................................... 46

Hình 1.11 Sơ đồ hệ thống dự báo tổ hợp bão của Viện nghiên cứu Thượng Hải,

Trung Quốc. a) là chu kỳ nuôi nhiễu; b) là phương pháp nuôi nhiễu (Huang và nnk, 2007) ....................................................................... 47 Hình 1.12 Kỹ thuật đồng hóa xoáy giả của JMA (Yamaguchi, 2012) ................... 48 Hình 1.13 Sai số dự báo quỹ đạo bão của hệ thống dự báo tất định JMA

(Yamaguchi, 2012) ........................................................................... 49

Hình 1.14 Bản đồ dự báo xác suất quỹ đạo và cường độ bão hạn 3 ngày (a) và 5

ngày (b) của hệ thống dự báo xác suất JMA (Yamaguchi, 2012) .... 49

Hình 1.15 Sai số dự báo quỹ đạo bão của các trung tâm trên thế giới cho khu vực

Tây Bắc Thái Bình Dương: hình a, b, c tương ứng các năm 2009, 2010, 2011 (http://nwp-verif.kishou.go.jp/wgne_tc/index.html) .... 51 Hình 2.1 Cách tạo nhân ban đầu ............................................................................. 59 Hình 2.2 Sơ đồ 1 cặp nhiễu tổ hợp dự báo được nuôi trong 24 giờ trước thời điểm làm dự báo T00 ................................................................................. 60

Hình 2.3 Sơ đồ nuôi nhiễu môi trường kết hợp với nhiễu xoáy trong 1 kỳ nuôi (từ

thời điểm trước 24 giờ tới thời điểm trước 18 giờ). ......................... 61 Hình 2.4 Chu kỳ nuôi nhiễu ................................................................................... 65 Hình 2.5 Miền dự báo quỹ đạo bão ........................................................................ 67 Hình 2.6 Dự báo siêu tổ hợp (Kisnamurti và Jordan, 2005) ................................... 77 Hình 2.7 Mô tả vòng tròn dự báo (Kishimoto, 2009) ............................................. 79

Hình 2.8 Sơ đồ mô tả cách tính sai số ................................................................... 80 Hình 3.1 Quỹ đạo cơn bão Washi (http://agora.ex.nii.ac.jp/digital-

typhoon/summary/wnp/l/201121.html.en) ....................................... 83

Hình 3.2 Quỹ đạo dự báo khi thay đổi 3 sơ đồ đối lưu ngày 13/12/2011+120h;

Tròn rỗng: Qũy đạo trung bình tổ hợp; Tam giác: Quỹ đạo thực; Sao: KUO; chấm tròn đặc: KFCT; mũi tên: KF ....................................... 84 Hình 3.3 Sai số vị trí khi thay đổi 3 sơ đồ đối lưu ngày 13/12/2011+120h ........... 85 Hình 3.4 Biểu đồ sai số vị trí tâm bão dự báo bằng mô hình RAMS ..................... 85 Hình 3.5 Biểu đồ sai số dọc (a) và ngang (b) của tâm bão dự báo bằng mô hình

RAMS ............................................................................................... 86 Hình 3.6 Trường nhiễu tốc độ gió (m/s) của nhân D3 tại mực 850 hpa ................. 87 Hình 3.7 Trường nhiễu nhiệt (độ C) của nhân D3 tại mực 850 hpa ....................... 87 Hình 3.8 Trường nhiễu tốc độ gió (m/s) của nhân D3 cắt qua vĩ tuyến 6N lúc 12h

ngày 13/12/2011. .............................................................................. 88

Hình 3.9 Trường nhiễu nhiệt (độ C) của nhân D3 cắt qua vĩ tuyến 6N lúc 12h ngày

13/12/2011 ........................................................................................ 89 Hình 3.10 Trường nhiễu nhiệt (độ C) và trường nhiễu tốc độ gió (m/s) tại mực 850hpa

được tạo từ phân bố chuẩn Gause với độ lớn của nhiễu trường gió là 3 m/s và nhiệt độ là 10C. ....................................................................... 89

Hình 3.11 Trường nhiễu nhiệt (độ C) và trường nhiễu gió (m/s) cắt qua vĩ tuyến 6N được tạo từ phân bố chuẩn Gause với độ lớn của nhiễu trường gió là 3 m/s và nhiệt độ là 10C. ....................................................................... 90

Hình 3.12 Bản đồ ghép chồng các hạn trước thời điểm dự báo -24 và 00 giờ các

của trường địa thế vị trung bình theo phương thẳng đứng trong trường hợp nuôi nhiễu môi trường. .................................................. 91 Hình 3.13 Bản đồ ghép chồng 12 thành phần của các hạn dự báo 24, 48, 72, 96 và

120 giờ (a,b,c,d,e) tại mực H850 và quỹ đạo dự báo của các thành phần (f) trong trường hợp nuôi nhiễu môi trường. ........................... 93 Hình 3.14 Bản đồ ghép chồng các hạn trước thời điểm dự báo -24 (a) và 00 giờ (b)

của trường địa thế vị trung bình theo phương thẳng đứng trong trường hợp nuôi nhiễu xoáy. ............................................................. 94

Hình 3.15 Bản đồ trường tốc độ gió (m/s) của trường GFS có cài xoáy giả (a) và các trường GFS có cài xoáy giả kết hợp với nhiễu D3 (b) cắt qua vĩ tuyến 6N lúc 12h ngày 14/12/2011 .................................................. 95 Hình 3.16 Bản đồ ghép chồng trường nhiệt độ (độ C) và trường địa thế vị (mét dtv)

của trường GFS có cài xoáy giả (a) và các trường GFS có cài xoáy giả kết hợp với nhiễu D3(b) tại mực 1000 hpa lúc 12h ngày 14/12/2011 ........................................................................................ 95

Hình 3.17 Bản đồ ghép chồng 12 thành phần của các hạn dự báo 24, 48, 72, 96 và

120 giờ (a,b,c,d,e) tại mực H850 và quỹ đạo dự báo của các thành phần (f) trong trường hợp nuôi nhiễu xoáy. ..................................... 97 Hình 3.18 Bản đồ ghép chồng các hạn trước thời điểm dự báo -24(a) và 00 giờ (b)

các của trường địa thế vị trung bình theo phương thẳng đứng trong trường hợp nuôi nhiễu môi trường và nhiễu xoáy. ........................... 98 Hình 3.19 Bản đồ ghép chồng 12 thành phần của các hạn dự báo 24, 48, 72, 96 và

120 giờ (a,b,c,d,e) tại mực H850 và quỹ đạo dự báo của các thành phần (f) trong trường hợp nuôi nhiễu môi trường và nhiễu xoáy. .... 99 Hình 3.20 Sai số khoảng cách trung bình tổ hợp của 12 thành phần dự báo quỹ đạo

bão ngày 12 ngày 14/12/2011 +120h của các trường hợp chỉ nuôi nhiễu môi trường (chấm tam giác), chỉ nuôi nhiễu xoáy (nét liên chấm vuông) và trường hợp nuôi kết hợp nhiễu xoáy và nhiễu môi trường (chấm tròn) .......................................................................... 100

Hình 3.21 Sơ đồ trùm của 39 thành phần dự báo tổ hợp quỹ đạo bão Washi 12h

14/12/2011+120h (Quỹ đạo thực chấm tròn rỗng, Quỹ đạo trung bình tổ hợp của 39 thành phân là chấm tròn đặc) ................................... 101 Hình 3.22 Sai số khoảng cách trung bình tổ hợp kết quả dự báo của 13 thành phần

(12 thành phần có chứa nhiễu và 1 kiểm chứng) kết hợp với: lựa chọn sơ đồ đối lưu KUO (chấm tròn), lựa chọn sơ đồ đối lưu KF (chấm vuông), lựa chọn sơ đồ đối lưu KFCT (chấm tam giác) và lựa chọn cả 3 sơ đồ đối lưu (chấm gạch chéo) ngày 14/12/2011 +120 giờ. ........................................................................................................ 102 Hình 3.23 Đồ thị sai số khoảng cách trung bình của các dự báo thành phần: a) là 39 thành phần; b) là 2 thành phần tốt và kém nhất. ............................. 104 Hình 3.24 Sai số vị trí trung bình của các dự báo tổ hợp trung bình .................... 105 Hình 3.25 Đồ thị sai số khoảng trung bình của các thành phần dự báo tổ hợp trung bình trước và sau hiệu chỉnh ........................................................... 106 Hình 3.26 Đồ thị sai số thành phần KUO-01và thành phần KUO+KF+KFCT ... 107 Hình 3.27 Đồ thị biểu diễn tốc độ suy giảm sai số khoảng cách khi tăng số thành

phần................................................................................................. 113

Hình 3.28 Sai số vị trí trung bình của dự báo siêu tổ hợp và trung bình tổ hợp 25

thành phần trên bộ số liệu năm 2012 và 2013 ................................ 114

Hình 3.29 Sai số dọc trung bình của dự báo siêu tổ hợp và trung bình tổ hợp 25

thành phần trên bộ số liệu năm 2012 và 2013 ................................ 114 Hình 3.30 Sai số ngang trung bình của dự báo siêu tổ hợp và trung bình tổ hợp 25 thành phần trên bộ số liệu năm 2012 và 2013 ................................ 115

Hình 3.31 Dự báo 00UTC ngày 18/10/2010 (b) bằng phương pháp siêu tổ hợp

(chấm tròn đăc) , phương pháp trung bình tổ hợp (tam giác) và quỹ đạo thực (chấm tròn rỗng) của cơn bão Megi; a) là quỹ đạo thực (JMA). ............................................................................................. 116

Hình 3.32 Dự báo quỹ đạo bão 12UTC ngày 27/10/2011 (c) bằng phương pháp siêu tổ hợp (chấm tròn đăc) , phương pháp trung bình tổ hợp (tam giác) và quỹ đạo thực (chấm tròn rỗng) của cơn bão nesat và nalgae; a) là quỹ đạo thực của cơn bão NESAT; b) là quỹ đạo thực của cơn bão Nalgae (JMA). ......................................................................... 117 Hình 3.33 Dự báo quỹ đạo bão 12UTC ngày 30/09/2012 (b) bằng phương pháp siêu tổ

hợp (chấm tròn đặc), phương pháp trung bình tổ hợp (tam giác) và quỹ đạo thực (chấm tròn rỗng) của cơn bão Gaemi từ 29/9/2012 đến 7/10/2012; a) là quỹ đạo thực cơn bão Gaemi (JMA) ........................ 118

Hình 3.34 Biểu đồ quan hệ giữa độ tán tổ hợp và sai số vị trí (độ tán tổ hợp của 1

trường hợp dự báo được xác định bằng tổng tích lũy 6 giờ của độ tán tổ hợp từ 6 đến 120 giờ dự báo) ..................................................... 119 Hình 3.35 Sai số vị trí dự báo trung bình dựa trên chỉ số tin cậy A,B,C .............. 120 Hình 3.36 Dự báo quỹ đạo và độ tán tổ hợp của cơn bão Bopha 12 giờ ngày

29/11/2012 ...................................................................................... 120 Hình 3.37 Quy trình dự báo tổ hợp quỹ đạo bão hạn 5 ngày ............................... 122 Hình 4.1 Trường nhiễu gió (m/s) của nhân D1, D2, D3, D4, D5, D6 tại mực 850

hpa ................................................................................................... 137 Hình 4.2 Trường nhiễu nhiệt (độ C) của nhân D1, D2, D3, D4, D5, D6 tại mực 850 hpa ................................................................................................... 138

Hình 4.3 Trường nhiễu gió (m/s) của nhân D1, D2, D3, D4, D5, D6 cắt qua vĩ

tuyến 6N lúc 12h ngày 13/12/2011. ............................................... 139

Hình 4.4 Trường nhiễu nhiệt (độ C) của nhân D1, D2, D3, D4, D5, D6 cắt qua vĩ

tuyến 6N lúc 12h ngày 13/12/2011 ................................................. 140 Hình 4.5 Bản đồ ghép chồng các hạn trước thời điểm dự báo -24, -18, -12, -06 và 00 giờ các của trường địa thế vị (a-24, a-18, a-12, a-06, a-00), gió (b- 24, b-18, b-12, b-06, b-00), nhiệt (c-24, c-18, c-12, c-06, c-00) trung bình theo phương thẳng đứng trong trường hợp nuôi nhiễu môi trường. ............................................................................................. 142 Hình 4.6 Bản đồ ghép chồng các hạn trước thời điểm dự báo -24, -18, -12, -06 và 00 giờ các của trường địa thế vị (a-24, a-18, a-12, a-06, a-00), gió (b- 24, b-18, b-12, b-06, b-00), nhiệt (c-24, c-18, c-12, c-06, c-00) trung bình theo phương thẳng đứng trong trường hợp nuôi nhiễu xoáy. . 143

Hình 4.7 Bản đồ trường gió (m/s) của trường GFS có cài xoáy giả (D0) và các

trường GFS có cài xoáy giả kết hợp với nhiễu D1, D2, D3, D4, D5, D6 cắt qua vĩ tuyến 6N lúc 12h ngày 14/12/2011 .......................... 144 Hình 4.8 Bản đồ ghép chồng các hạn trước thời điểm dự báo -24, -18, -12, -06 và 00 giờ các của trường địa thế vị (a-24, a-18, a-12, a-06, a-00), gió (b- 24, b-18, b-12, b-06, b-00), nhiệt (c-24, c-18, c-12, c-06, c-00) trung bình theo phương thẳng đứng trong trường hợp nuôi nhiễu môi trường và nhiễu xoáy. ..................................................................... 146

DANH MỤC BẢNG BIỂU

Bảng 1.1 Hệ thống dự báo tổ hợp quy mô vừa (SREF) của NCEP (Du, 2011) ..... 42 Bảng 1.2 Các giá trị trung bình số lượng bão theo từng thập kỉ trên khu vực Tây

Bắc Thái Bình Dương và Biển Đông (Đinh Văn Ưu, 2009) ............ 42

Bảng 1.3 Bão hoạt động trên Biển Đông thời kỳ 1959-2008 (Bộ tài nguyên môi

trường, 2012) .................................................................................... 43 Bảng 1.4 Bão đổ bộ vào Việt Nam 1959-2008 (Bộ tài nguyên môi trường, 2012) 43 Bảng 1.5: Sai số dự báo của Viện nghiên cứu Thượng Hải, Trung Quốc (Chen và nnk, 2009) ......................................................................................... 47 Bảng 2.1 Cấu hình dự báo bão 5 ngày ở Biển Đông .............................................. 67 Bảng 2.2 Các kí hiệu chính được sử dụng trong mô hình ...................................... 68 Bảng 2.3 Tên các cơn bão thử nghiệm ................................................................... 75 Bảng 3.1. Số trường hợp thử nghiệm ở các hạn dự báo ....................................... 102 Bảng 3.2. Ký hiệu các thành phần theo các sơ đồ đối lưu trong mô hình RAMS và trường ban đầu ................................................................................ 103 Bảng 3.3 Bảng ký hiệu các phương án tổ hợp trung bình đơn giản ..................... 104 Bảng 3.4 Số lần xuất hiện của các thành phần trong 10 thành phần đầu của 40

phương trình dự báo kinh vĩ độ tâm bão ........................................ 109

Bảng 3.5 Số lần xuất hiện của các thành phần trong 20 thành phần đầu của 40

phương trình dự báo kinh vĩ độ tâm bão ........................................ 109

Bảng 3.6 Số lần xuất hiện của các thành phần trong 25 thành phần đầu của 40

phương trình dự báo kinh vĩ độ tâm bão ........................................ 110

Bảng 3.7 Số lần xuất hiện của các thành phần trong 30 thành phần đầu của 40

phương trình dự báo kinh vĩ độ tâm bão ........................................ 111 Bảng 3.8 Bảng sai số khoảng cách của dự báo siêu tổ hợp .................................. 111 Bảng 3.9 Tốc độ trung bình suy giảm sai số khi tăng 1 thành phần dự báo ở các hạn dự báo ............................................................................................. 112 Bảng 3.10 Độ tin cậy của từng hạn dự báo ........................................................... 119 Bảng 3.11 Độ tin cậy của từng hạn dự báo của cơn bão Bopha ........................... 121 Bảng 4.1 Bảng sai số khoảng cách trung bình của các cơn bão trong 4 năm 2009,

2010, 2011 và 2012 ........................................................................ 147

Bảng 4.2 Bảng sai số dọc trung bình của các cơn bão trong 4 năm 2009, 2010,

2011 và 2012................................................................................... 148

Bảng 4.3 Bảng sai số ngang trung bình của các cơn bão trong 4 năm 2009, 2010,

2011 và 2012................................................................................... 149

Bảng 4.4 Bảng sai số khoảng cách trung bình của các cơn bão trong 4 năm 2009,

2010, 2011 và 2012 bằng phương án tổ hợp .................................. 150

Bảng 4.5 Bảng sai số khoảng cách trung bình của các cơn bão trong 4 năm 2009,

2010, 2011 và 2012 bằng phương án tổ hợp sau khi hiệu chỉnh .... 151 Bảng 4.6 Bảng phương trình hồi quy hạn 24 giờ ................................................. 152 Bảng 4.7 Bảng phương trình hồi quy hạn 48 giờ ................................................. 153 Bảng 4.8 Bảng phương trình hồi quy hạn 72 giờ ................................................. 154 Bảng 4.9 Bảng phương trình hồi quy hạn 96 giờ ................................................. 155 Bảng 4.10 Bảng phương trình hồi quy hạn 120 giờ ............................................. 156

DANH MỤC CÁC KÝ HIỆU VIẾT TẮT

Ký hiệu

Từ gốc

Ý nghĩa

viết tắt

BARO

Barotropic Model

Mô hình chính áp

BGM

Breeding of Growing Modes Nuôi những dao động phát triển

BOG

Bogus

Xoáy giả

Bred Vectors

Véc tơ nuôi

CDC

Climate Diagnostics Center

Trung tâm chuẩn đoán khí hậu Hoa Kỳ

China Meteorological

CMA

Cục khí tượng Trung Quốc

Administration

The Conditional Nonlinear

Phương pháp cực đại hóa nhiễu phi

CNOP

Optimal Perturbation

tuyến

The Center for Weather

Trung tâm nghiên cứu dự báo thời tiết

CPTEC

Forecasts and Climate

và khí hậu Brazil

Studies

EnKF

Ensemble Kalman Filtering

Phương pháp tổ hợp lọc Kalman

Empirical orthogonal

EOF

Hàm trực giao tự nhiên

function

EPS

Ensemble Prediction System Hệ thống dự báo tổ hợp

Ensemble Transform

Kỹ thuật biến đổi tổ hợp

ETA

ETA model

Mô hình ETA

Ensemble Transform Kalman

Phương pháp tổ hợp chuyển vị lọc

ETKF

Filter

Kalman

Fleet Numerical

FNMOC

Meteorological &

Hải quân Hoa Kỳ

Oceanographic Center

Mô hình dự báo toàn cầu của trung tâm

GFS

Global Forecast System

NCEP

Abbreviation of Global

/Regional. Assimilation and

GRAPES_

Hệ thống tổ hợp dự báo bão của Trung

PrEdiction System -

TCM

Quốc

Regional Typhoon Prediction

Model

High-resolution Regional

Mô hình khu vực có độ phân giải cao

HRM

Model

Initial Condition

Điều kiện ban đầu

Japan Meteorological

Cục khí tượng Nhật Bản

JMA

Agency

Kain-Fritsch convective

Sơ đồ đối lưu KF

parameterization scheme

Modification of the Kain-

Fritsch convective

Sơ đồ đối lưu KF cải tiến

KFCT

parameterization scheme by

Nguyen Minh Truong

Korea Meteorological

Cục khí tượng Hàn Quốc

KMA

Administration

KUO convective

Sơ đồ đối lưu KUO

KUO

parameterization scheme

LAF

Time-Lagged approach

Phương pháp dự báo trung bình trễ

LAM

Limited-Area Model

Mô hình khu vực hạn chế

LBC

Lateral Boundary Condition Điều kiện biên xung quanh

Local Ensemble Transform

Tổ hợp lọc Kalman địa phương

LEKF

Kalman Filter

The NCAR/PSU 5th

Mô hình qui mô vừa thế hệ thứ 5 của

MM5

Generation Mesoscale Model

NCAR

The Met Office Global and

Hệ thống tổ hợp toàn cầu và khu vực

MOGREPS

Regional Ensemble

MOGREPS – của Anh

Prediction System

National Centers for

Trung tâm Quốc gia dự báo Môi trường

NCEP

Environmental Prediction

Hoa Kỳ

National Centre for Medium

Trung tâm Quốc gia dự báo hạn vừa của

NCMRWF

Range Weather Forecasting

Kỳ

National Oceanic and

Cơ quan Quản lý khí quyển và đại

NOAA

Atmospheric Administration

dương Hoa Kỳ

Nhiễu thám sát

Perturbed Observations

Regional Atmospheric

RAMS

Mô hình dự báo khí quyển khu vực

Modeling System

Hệ thống dự báo tổ hợp khu vực (REPS)

Regional Ensemble

REPS

được sử dụng tại miền bắc của Trung

Prediction System

Quốc

RSM

Regional Spectral Model

Mô hình phổ khu vực

Scaled Time-Lagged

SLAF

Dự báo trung bình trễ có chuẩn hóa

approach

Short-Range Ensemble

SREF

Dự báo tổ hợp hạn ngắn của NCEP

Forecasting

Singular Vector

Véc tơ kì dị

Tropical Cyclone limited

Hệ thống phân tích và dự báo bão nhiệt

TCLAP

analysis and prediction

đới.

system

Typhoon Ensemble

Hệ thống dự báo bão tổ hợp của Nhật

TEPS

Prediction System

Bản

TLM

Tangent Linear Model

Mô hình tiếp tuyến tuyến tính

WBAR

Weber's Barotropic Model

Mô hình chính áp của Weber

Hệ thống dự báo tổ hợp dự báo thời tiết

One-Week Ensemble

WEPS

tuần của Nhật Bản

Prediction System

Weather Research and

WRF

Mô hình nghiên cứu và dự báo thời tiết

Forecasting

MỞ ĐẦU

Tính cấp thiết của đề tài

Bão và áp thấp nhiệt đới (gọi chung là xoáy thuận nhiệt đới, ký hiệu

XTNĐ) là hiện tượng thời tiết nguy hiểm, XTNĐ xuất hiện kèm theo mưa to

gió lớn thường mang lại những hiện tượng thiên tai như gây lũ lụt trên diện

rộng hay nước dâng trong vùng biển nơi XTNĐ đi qua. Theo tổ chức khí

tượng thế giới (www.wmo.int) “Việt Nam nằm ở khu vực của ổ bão ở Tây

Bắc Thái Bình Dương (30 cơn/năm, chiếm 38% số bão trên toàn cầu)”. Vì

vậy, hàng năm nước ta chịu thiệt hại nặng nề do bão gây ra cả về tài sản vật

chất và con người, cùng với đó, nhà nước đã phải bỏ ra nhiều tỷ đồng khắc

phục hậu quả do bão gây ra. Một trong những nỗ lực nhằm làm giảm chi phí

thiệt hại về tài sản và con người do bão là dự báo tương đối chính xác đường

đi của bão. Hiện nay các mô hình số dự báo thời tiết và dự báo bão đã được

đưa vào ứng dụng nghiệp vụ và nghiên cứu ở Việt Nam. Tuy nhiên, chất

lượng dự báo bão của các mô hình này nhiều lúc chưa đáp ứng được yêu cầu

thực tế đặt ra do sai số dự báo quĩ đạo còn lớn, hạn dự báo ngắn.

Về hạn dự báo, từ trước đến nay chưa có công trình nào ở Việt Nam đặt ra

dự báo quỹ đạo bão đến 5 ngày trong khi Nhật Bản, Hoa Kỳ, Trung Quốc ...

đã dự báo nghiệp vụ đến 5 ngày. Sai số vị trí quỹ đạo bão trong các trường

phân tích và dự báo toàn cầu rất lớn. Để nâng cao độ chính xác của các mô

hình số trong dự báo bão nhất thiết phải cải thiện trường ban đầu. Giải quyết

bài toán trường ban đầu đối với bão bằng phương pháp cài xoáy giả ba chiều,

những nghiên cứu trước đây cho thấy đây là một trong những cách tiếp cận có

hiệu quả. Tuy nhiên xoáy ba chiều chỉ có thể cải thiện được vị trí ban đầu của

bão chứ chưa phản ánh được chính xác được cấu trúc bất đối xứng của bão

trong thực tế. Vì vậy, bài toán nuôi nhiễu cho khu vực có bão (nhiễu xoáy) sẽ

giúp mô tả cấu trúc bão tốt hơn. Ngoài ra, để cải tiến trường ban đầu, trong

luận án này còn tính tới nhiễu ở khu vực bên ngoài bão (nhiễu môi trường).

Bản chất của việc tìm nhiễu này là do số liệu khí tượng luôn chứa sai số nên

không thể tìm được trường khí tượng chính xác. Chúng ta chỉ có thể xác định

được các trường này bằng phương pháp phân tích khách quan với một sai số

nhất định, các sai số này chính là trường nhiễu mà ta cần tìm. Khi xác định

được trường nhiễu bằng phương pháp tìm độ bất định như nuôi nhiễu, véc tơ

kỳ dị, EnKF ..., các trường nhiễu này sẽ được cộng vào trường phân tích để

tạo ra trường phân tích mới chính xác hơn.

Bên cạnh cải tiến trường ban đầu, để tăng thêm độ chính xác dự báo cần

thay đổi các sơ đồ đối lưu khác nhau trong mô hình khu vực RAMS để tạo ra

hệ thống dự báo tổ hợp khu vực nhằm mục đích dự báo bão được đặt ra trong

luận án này là phù hợp và khả thi với điều kiện Việt Nam.

Mục đích của luận án

Luận án nhằm mục đích sau:

Cải tiến và áp dụng thành công kỹ thuật nuôi nhiễu phát triển trên

mô hình RAMS khi có bão trên khu vực Tây Bắc Thái Bình

Dương.

Xây dựng được quy trình dự báo tổ hợp quỹ đạo bão ảnh hưởng

đến Việt Nam hạn 5 ngày bằng phương pháp tổ hợp dựa trên

phương pháp nuôi nhiễu phát triển.

Những đóng góp mới của luận án

Áp dụng và cải tiến phương pháp nuôi nhiễu tạo trường ban đầu

khi có bão và thử nghiệm thành công ở Việt Nam.

Xây dựng được phương pháp dự báo tổ hợp quỹ đạo bão hạn 5

ngày ảnh hưởng tới Việt Nam và đề xuất được qui trình dự báo.

Ý nghĩa khoa học và thực tiễn

Ý nghĩa khoa học

Đã chỉ ra được phương pháp nuôi nhiễu phát triển cải tiến có thể áp

dụng trong trường hợp có bão trên khu vực nghiên cứu.

Đã chứng minh được qui trình dự báo qũy đạo bão hạn 5 ngày

bằng phương pháp nuôi nhiễu phát triển là phù hợp với điều kiện

Việt Nam.

Ý nghĩa thực tiễn

Dự báo tổ hợp quĩ đạo bão với hạn 5 ngày bằng phương pháp nuôi

nhiễu góp phần nâng cao chất lượng dự báo, kéo dài thời hạn dự

báo, khách quan hóa vấn đề dự báo quĩ đạo bão.

Sản phẩm dự báo quĩ đạo bão với thời hạn trước 5 ngày đáp ứng

nhu cầu cấp bách của xã hội trong việc phòng chống kịp thời, hạn

chế thiệt hại về người và của cải đặc biệt là đối với các hoạt động

kinh tế - xã hội.

Tóm tắt cấu trúc luận án

Ngoài các mục mở đầu, kết luận, tài liệu tham khảo, phụ lục, v.v... nội

dung chính của luận án bao gồm:

CHƯƠNG 1:

TỔNG QUAN VỀ DỰ BÁO TỔ HỢP VÀ DỰ BÁO TỔ HỢP QUỸ ĐẠO BÃO.

Chương này giới thiệu cơ sở lý thuyết về dự báo tổ hợp, đặc điểm bão hoạt

động trên khu vực Tây Bắc Thái Bình Dương và Việt Nam. Ngoài ra trong

phần này còn giới thiệu chi tiết các phương pháp nuôi nhiễu để tạo trường ban

đầu và nhiễu biên. Cuối chương trình bày các công trình nghiên cứu cải tiến

trường ban đầu bằng phương pháp cài xoáy, dự báo tổ hợp bão ở trong nước

và quốc tế.

CHƯƠNG 2:

PHƯƠNG PHÁP NUÔI NHIỄU KHI CÓ BÃO VÀ LỰA CHỌN CÁC THAM SỐ CHO MÔ HÌNH RAMS ĐỂ DỰ BÁO TỔ HỢP QUỸ ĐẠO BÃO Ở VIỆT NAM.

Chương này trình bày phương án nuôi nhiễu môi trường và nhiễu xoáy cho trường ban đầu để dự báo bão hạn 5 ngày. Bên cạnh đó, nêu các lý do và lựa chọn miền tính, lưới tính, mô hình, các thông số trong mô hình, phương pháp cài xoáy giả, các phương pháp tổ hợp, đánh giá tổ hợp cũng được đề cập.

CHƯƠNG 3:

DỰ BÁO TỔ HỢP QUỸ ĐẠO BÃO Ở VIỆT NAM DỰA TRÊN PHƯƠNG PHÁP NUÔI NHIỄU PHÁT TRIỂN.

Trong chương 3 trình bày các khảo sát ảnh hưởng của nhiễu xoáy, nhiễu môi trường và kết hợp nhiễu xoáy và nhiễu môi trường đến dự báo quỹ đạo của cơn bão Washi hạn dự báo 5 ngày bằng phương pháp nuôi nhiễu được đề xuất trong chương 2. Áp dụng phương pháp này để dự báo thử nghiệm cho 199 trường hợp trong 5 năm từ 2009 đến 2013. Kết quả dự báo được sử dụng để xây dựng phương án tổ hợp trung bình đơn giản và siêu tổ hợp của 25 dự báo thành phần. Đã đánh giá sai số dọc, ngang, khoảng cách của dự báo tổ hợp. Bên cạnh đó còn đưa ra phương án dự báo xác suất quỹ đạo bão. Cuối chương đề xuất quy trình dự báo bão bằng hệ thống dự báo tổ hợp dựa trên phương pháp nuôi nhiễu.

CHƯƠNG 1: Tổng quan về dự báo tổ hợp và dự báo tổ hợp quỹ đạo bão

1.1 Cơ sở lý thuyết dự báo tổ hợp

Để giảm thiểu những tác hại do bão gây ra, rất nhiều phương pháp được sử

dụng để dự báo cường độ và quỹ đạo bão như phương pháp synop, thống kê,

số trị ... Hiện nay, các mô hình số dự báo thời tiết đã được đưa vào ứng dụng

nghiệp vụ và nghiên cứu ở Việt Nam. Tuy nhiên, chất lượng dự báo bão của

các mô hình này nhiều lúc chưa đáp ứng được yêu cầu thực tế đặt ra do sai số

dự báo quĩ đạo và cường độ còn lớn. Nguyên nhân cơ bản là do sai số vị trí và

cường độ của bão trong các trường phân tích và dự báo toàn cầu, cùng với các

xấp xỉ vật lý và thuật toán chưa tốt tồn tại trong mỗi mô hình. Để nâng cao độ

chính xác của các mô hình số trong dự báo bão nhất thiết phải cải thiện trường

ban đầu và áp dụng các biện pháp thống kê để loại bỏ các sai số hệ thống.

Vấn đề cải tiến trường ban đầu cho các mô hình dự báo bão, từ trước tới nay

trên thế giới thường sử dụng kỹ thuật ban đầu hóa xoáy nhằm xây dựng được

một xoáy nhân tạo có cấu trúc và vị trí gần với xoáy thực hơn để tạo trường

ban đầu cho các mô hình số.

Gần đây, để cải tiến trường ban đầu, các trung tâm trên thế giới nghiên cứu

và áp dụng các phương pháp đồng hóa số liệu hay cấy và nuôi nhiễu cho

trường ban đầu. Các trường ban đầu sau khi được cải tiến sẽ được sử dụng để

làm trường ban đầu cho mô hình dự báo số, các sản phẩm dự báo số được sử

dụng trong bài toán tổ hợp. Lorenz (1963) [87] với giả thuyết rằng: “Các

nghiệm số thu được trong quá trình tích phân mô hình theo các điều kiện ban

đầu khác nhau (có chứa sai số) có thể phân kì theo thời gian”. Điều này được

giải thích bằng hiệu ứng Butterfly: do bản chất phi tuyến của các phương trình

mô tả khí quyển nên những sai số nhỏ không thể đo được trong trạng thái ban

đầu của khí quyển sẽ trở thành những sai số đủ lớn sau một khoảng thời gian

tích phân (2 tuần). Những nghiên cứu của Lorenz (1963, 1969) [87, 88] cho

thấy khả năng dự báo trạng thái khí quyển bị hạn chế chủ yếu là do 2 nguyên

nhân chính. Nguyên nhân thứ nhất là sai số phân tích, sai số này được xác

định bằng sự khác biệt giữa trạng thái thực của khí quyển và trạng thái phân

tích trường ban đầu. Nguyên nhân thứ hai là sai số của mô hình, do mô hình

chưa mô tả được hết các quá trình vật lý phức tạp trong tự nhiên.

Nghiên cứu sau này của Toth và Kalnay (1993) [109] về tổ hợp các sản

phẩm dự báo của mô hình sử dụng trường ban đầu có chứa nhiễu nuôi cũng

cho thấy tầm quan trọng và tính năng ưu việt của khả năng dự báo trạng thái

khí quyển theo không gian và thời gian. Kết quả nghiên cứu cho thấy: “Nếu

dự báo cho độ chính xác thấp tại một khu vực nào đó là dấu hiệu của sự bất

định của dòng cơ bản. Các sai số nhỏ của trường ban đầu (hoặc không hoàn

hảo trong mô hình) sẽ phát triển với biên độ lớn trong thời gian hữu hạn”. Các

đặc tính ổn định của dao động phát triển trong dòng cơ bản đã được nghiên

cứu và sử dụng trong các véc tơ như: véc tơ Lyapunov (Kalnay, 2003) [73]

hay véc tơ kỳ dị (Lorenz, 1965) [88] và véc tơ nuôi (Cai, 2002) [42].

Theo nghiên cứu của Du (2007) [53]: “Dự báo tổ hợp là một phương pháp

động lực. Dòng cơ bản phụ thuộc vào định lượng của độ bất định dự báo (sai

số ngày) và cung cấp thông tin cơ sở để liên kết giữa độ bất định dự báo và độ

tin cậy dự báo cho người dùng để sau đó có thể được chuẩn bị tốt nhất”. Cũng

theo ông, ba đặc tính cơ bản cần phải tuân theo khi nghiên cứu những dao

động của nhiễu phát triển nhanh trong trường ban đầu: “Tính sát thực, tính

phân kỳ và tính trực giao. Trong đó tính sát thực là độ lớn của nhiễu cần nằm

trong cỡ của sai số phân tích thực và đặc trưng cho phân bố phổ thực tế trên

quy mô không gian. Độ bất định của trường ban đầu lớn ở trong các sóng quy

mô nhỏ (khó quan trắc được) và nhỏ trong các sóng quy mô lớn (dễ quan trắc

được). Tính phân kỳ là các nhiễu cần có cấu trúc phát triển động lực trong các

thành phần sao cho các thành phần này phân nhánh nhiều nhất trong quá trình

tích phân mô hình để chúng chứa tất cả các trường hợp có thể xảy ra trong

không gian của mô hình. Tính trực giao là các nhiễu thành phần cần được trực

giao để cực đại hóa dung lượng thông tin chứa trong tổ hợp, tính chất này đặc

biệt quan trọng trong dự báo tổ hợp các quá trình quy mô nhỏ”.

Phát triển tiếp ý tưởng của Lorenz, Epstein (1969) [58] đề xuất cách tiếp

cận phương pháp ngẫu nhiên động lực lý thuyết, phương pháp này mô tả phân

bố sai số dự báo (trung bình, phương sai và hàm mật độ xác suất) trong các

phương trình của mô hình. Tuy nhiên, phương án này là không khả thi vì

năng lực tính toán hạn chế tại thời điểm đó. Số lượng các phương trình dự báo

cần để giải bài toán là quá lớn cho hệ thống khí quyển thực. Đến năm 1974,

Leith [86] đề xuất ý tưởng thực hiện dự báo tổ hợp với số lượng thành phần

tham gia tổ hợp hạn chế thay vì chỉ sử dụng 1 mô hình riêng lẻ (phương pháp

Monte Carlo). Nhiễu ngẫu nhiên mô tả tốt độ lớn trung bình của độ bất định

trường ban đầu trong phân tích (tính sát thực), nhưng nó có những hạn chế

trong việc phát triển cấu trúc không gian động lực và không phản ánh được

“sai số ngày”. Kết quả là, nhiễu phát triển với tốc độ chậm và do đó, tính phân

kỳ giữa các thành phần trong trường hợp này thường không lý tưởng. Leith

cũng đề xuất phương pháp "ước lượng tối ưu", phương pháp này được tính

bằng hồi quy tuyến tính trên các dự báo động lực với trọng số tối ưu được xác

định từ ma trận sai số.

Năm 1983, Hoffman và Kalnay [65] đề xuất phương pháp dự báo trung

bình trễ (LAF) để thay thế cho phương pháp dự báo Monte Carlo, trong đó

trạng thái ban đầu tại thời điểm t=0, được lấy từ các kỳ quan trắc trước (t=-t,

-2t, …,-(n-1)t) với t là khoảng cách giữa các kỳ quan trắc t=06. Tất cả các

trạng thái ban đầu này được đưa vào mô hình dự báo và kết quả chúng tạo ra

được một bộ tổ hợp. Ưu điểm của phương pháp LAF có thể chỉ ra lỗi của

một dự báo cũ tại thời điểm t=0 (thời điểm ban đầu) một cách trực tiếp như

một nhiễu của trường ban đầu, chúng có thể phản ánh “sai số ngày” và có

cấu trúc động lực phát triển của độ tán tổ hợp lớn hơn so với phương pháp

nhiễu ngẫu nhiên. Ngoài ra, phương pháp LAF còn có ưu điểm là nhiễu sinh

ra hoàn toàn tự do và không cần tạo nhiễu trường ban đầu cho tổ hợp. Tuy

nhiên trong các nghiên cứu sau này đã chỉ ra 2 nhược điểm của dự báo trễ là:

Một dự báo tổ hợp LAF lớn sẽ phải bao gồm dự báo quá "cũ". Nhược điểm

thứ hai của LAF là do không sử dụng trọng số tối ưu, trung bình của dự báo

tổ hợp LAF có thể bị giảm bởi các thông tin dự báo quá cũ. Khắc phục

nhược điểm trên, năm 1991, Ebisuzaki và Kalnay [56] giới thiệu một biến

thể của dự báo trễ hay còn gọi dự báo trung bình trễ có chuẩn hóa (SLAF).

Các nhiễu thu được bằng cách tính toán các sai số dự báo của các dự báo

được bắt đầu tại thời điểm t=-jτ, với j=1,. . . N - 1. Với giả thiết rằng các sai

số phát triển tuyến tính với thời gian trong 2-3 ngày đầu, trường phân tích

được trừ (hoặc cộng) với các nhiễu này để tạo ra các trường ban đầu mới.

Những lợi thế của dự báo SLAF là: Các nhiễu ban đầu của các thành phần

tham gia dự báo tổ hợp có kích thước xấp xỉ như nhau. Ưu điểm thứ hai của

SLAF là số lượng thành phần tham gia dự báo tăng gấp đôi đối với dự báo

trễ. Hai phương pháp dự báo tổ hợp LAF và SLAF được sử dụng ở trung

tâm NCEP từ những năm 1991. Kết quả bước đầu cho thấy nhiễu ban đầu

của hai phương pháp này đều phát triển nhanh hơn so với phương pháp

Monte Carlo về cả kích thước cũng như phân bố thống kê. Nhược điểm của

phương pháp SLAF là nó không thể tạo được tổ hợp với các thành phần có

kích cỡ đủ lớn do số lượng mẫu dự báo cũ có chất lượng tốt có thể sử dụng

bị giới hạn trong thực tế (không thể lấy các dự báo quá cũ để làm nhiễu ban

đầu). Mặt khác, chất lượng của dự báo sẽ bị giảm xuống đáng kể nếu mẫu

dự báo quá cũ chứa đựng một tổ hợp kích cỡ lớn. Bên cạnh đó, các phương

pháp SLAF thường được sử dụng như là “nhân ban đầu” để khởi động lạnh

cho một hệ thống tổ hợp khác ví dụ như phương pháp nuôi nhiễu.

Dựa trên các hiểu biết về LAF và SLAF, Toth và Kalnay (1993; 1997) [109,

110] tạo ra một chu kỳ hoạt động đặc biệt hay còn gọi "nuôi những “sai số ngày”

phát triển nhanh” (kí hiệu: BGM hay BV). Chu kỳ nuôi được bắt đầu bằng nhiễu

ngẫu nhiên ban đầu (nhân ngẫu nhiên). Cần lưu ý rằng, các nhân ngẫu nhiên

được đưa vào chỉ một lần trong cả chu kỳ nuôi, giống như một mô hình phi

tuyến được tích phân từ trường phân tích ban đầu tại thời điểm t=0 (trường kiểm

chứng) và từ điều kiện nhiễu ban đầu. Sau khoảng thời gian cố định (ví dụ: 6 giờ

hoặc 24 giờ), dự báo kiểm chứng được trừ với trường nhiễu dự báo. Sự khác biệt

là quá trình giảm quy mô (scaled down) để nó có biên độ giống như nhiễu ban

đầu (xác định bằng cách sử dụng quy tắc tùy ý), sau đó nhiễu mới vừa tạo ra

được thêm vào trường phân tích tại thời điểm đó nhằm tạo ra trường phân tích

mới. Theo Kalnay (2003) [73]: “Các dao động “sai số ngày” được xác định sau

thời gian khoảng 3-4 ngày kể từ lúc gây nhiễu ngẫu nhiên. Các nhiễu được sinh

ra trong các chu kỳ nuôi (véc tơ nuôi) đã đạt tỷ lệ tăng trưởng lớn, nhanh hơn tốc

độ phát triển dự báo từ phương pháp Monte Carlo hoặc thậm chí lớn hơn dự báo

tổ hợp SLAF và dự báo khác”. Véc tơ nhiễu nuôi này phản ảnh tốt lỗi phân tích

(sai số ngày) được đưa vào trong chu trình đồng hóa số liệu (tính sát thực). Mặc

dù có sự khác nhau giữa các dự báo quá khứ, về cơ bản phương pháp đã phản

ánh được sai số cấu trúc phát triển của chu trình trong quá khứ nhưng không chỉ

ra được sai số cho dự báo tương lai. Cũng theo Kalnay (2003) [73]: “Các véc tơ

nuôi không phụ thuộc vào nhân ngẫu nhiên ban đầu, về mặt ý nghĩa, khu vực

nhiễu của véc tơ nuôi sẽ có hình dạng tương tự nhau, nhưng có các độ lớn khác

nhau. Trong nhiều vùng có hai hoặc nhiều "véc tơ nuôi cạnh tranh" xuất hiện

trong các chu kỳ bắt đầu từ các nhân ngẫu nhiên khác nhau. Phương pháp nuôi

nhiễu là sự khái quát phi tuyến của các phương pháp được sử dụng trong quá

trình xây dựng véc tơ Lyapunov. Vì vậy, các véc tơ nuôi có mối quan hệ riêng

với véc tơ Lyapunov về cả không gian và thời gian”. Phương pháp nuôi nhiễu dễ

thực hiện, tốn ít tài nguyên máy tính và cho không gian tổ hợp tốt, nó được sử

dụng và đánh giá ở Trung tâm dự báo NCEP (Tracton và nnk, 1993; 2001) [111,

112] và tại Cục khí tượng Trung Quốc CMA. Tuy nhiên, theo các nghiên cứu

của các nhóm tác giả (Wang và Bishop, 2003; Martin và nnk, 2007) [114, 92] họ

đều có nhận định: “các thành phần tổ hợp của véc tơ nuôi này không đủ trực giao

và chúng có tương quan cao nên kết quả lượng thông tin tốt nhất chứa trong một

tổ hợp thu được bị giảm”. Để trực giao các véc tơ nuôi, kỹ thuật biến đổi tổ hợp

(ET) được sử dụng làm cho các véc tơ nuôi trực giao với nhau hơn. Phương

pháp sử dụng ma trận chuyển vị phức nhằm mục đích chuyển nhiễu dự báo

thành nhiễu phân tích (Wei và nnk, 2007) [118]. Kinh nghiệm cho thấy kỹ thuật

ET có thể tăng kết quả tổ hợp qua phương pháp nuôi cơ bản. Do đó, ET được áp

dụng tại hệ thống tổ hợp toàn cầu của NCEP từ năm 2006 giúp cải thiện phương

pháp BGM (Wei và nnk, 2007) [118].

Cùng với sự phát triển của phương pháp dự báo tổ hợp LAF, SLAF, BV và

ET phương pháp dự báo tổ hợp các nhiễu ban đầu dựa trên phương pháp nuôi

véc tơ kì dị (SV) (Buizza, 1994) [41] được tạo ra từ sự kết hợp tuyến tính của

các véc tơ kì dị trong mô hình tiếp tuyến tuyến tính (mô hình phi tuyến ký

hiệu TLM) và sử dụng phương pháp liên hợp (adjoint) cũng được nghiên cứu

và ứng dụng trong nghiệp vụ ở Trung tâm dự báo thời tiết hạn vừa Châu Âu

(ECMWF). Tuy nhiên nhược điểm của phương pháp này là khó thực hiện do

sử dụng các kỹ thuật phức tạp và cần máy tính lớn. Để thực hiện được phương

pháp SV trước tiên cần phát triển một phiên bản tuyến tính của một mô hình

phi tuyến (được gọi là mô hình tiếp tuyến tuyến tính viết tắt là TLM) được

xem như là phương pháp liên hợp (Errico và Baumhefner, 1998) [59] của

TLM. Sau một khoảng thời gian trong tương lai tối ưu cần thiết ví dụ từ 0-

48h, TLM được tích phân theo thời gian, sau đó tích phân ngược bằng

phương pháp liên hợp theo thời gian để tìm ra không gian ban đầu nhạy với

dự báo (tại thời điểm t = 48h). Chu trình “tiến và lùi” này cần được tích phân

nhiều lần để thu được các véc tơ kỳ dị dẫn đường. Sau đó, quá trình kết hợp

tuyến tính bao gồm chuẩn hóa và trực giao được luân phiên áp dụng vào véc

tơ để xây dựng số nhiễu yêu cầu. Cộng hoặc trừ các nhiễu vào trường phân

tích kiểm chứng, một tổ hợp dự báo được hình thành. Không giống véc tơ

nuôi, cấu trúc của véc tơ kỳ dị nhạy với quy tắc sử dụng và với lựa chọn chu

trình thời gian (Errico và Vukicevic, 1992; Palmer và nnk, 1998) [60, 100].

Trung tâm Dự báo thời tiết Hạn vừa Châu Âu (ECMWF) chọn năng lượng

tổng (total energy) làm tiêu chuẩn và thời gian từ 0-48h là chu trình thời gian

để tính các véc tơ kỳ dị trong hệ thống tổ hợp toàn cầu (Buizza, 1994; Palmer

và nnk, 1998) [41, 100]. Rõ ràng, SV như một phương pháp nhìn về tương lai

hơn là nhìn về quá khứ giống phương pháp nuôi nhiễu. Độ lớn tối ưu trong

toán học (mathematically optimizes) của nhiễu phát triển và trực giao hóa có

độ tán tổ hợp lớn và chứa nhiều thông tin vào trước thời điểm dự báo. Nhược

điểm của phương pháp này ở tài nguyên tính toán vì số bước tích phân “tiến

lùi” thường đòi hỏi gấp 3 lần số SV muốn tạo ra.

Một cách tạo tổ hợp sai số trường ban đầu được nghiên cứu và ứng dụng tại

Trung tâm dự báo khí tượng Canada dựa trên độ bất định từ các sai số quan

trắc. Vấn đề này được trình bày bởi tác giả Houtekamer (1995) [67]. Trong

phương pháp nhiễu thám sát (PO) thì các nhiễu tổ hợp ban đầu được tạo bởi

bộ thám sát khác nhau, sau đó chúng được sử dụng trong chu trình đồng hóa

dữ liệu. Các trường ban đầu được tạo ra bằng cách gây nhiễu với quy tắc phân

phối số ngẫu nhiên bằng cách sử dụng các số liệu thống kê sai số của các

quan sát. Kết quả là một bộ phân tích trạng thái sai số được mô tả qua phân

tích hàm phân bố mật độ xác suất.

Ý tưởng tạo nhiễu ban đầu bằng phương pháp phân tích sai số hiệp biến A

cũng được nghiên cứu và áp dụng. Sai số hiệp biến được xác định bằng công

thức (1.1).

(1.1)

Axx dd T i i

1 - å K 11 i =

Với K là số lần dự báo.

( x x =d i i

x : Trung bình các trạng thái

ix : Trạng thái dự báo tại thời điểm i (i=1,K);

dự báo.

Độ bất định của "sai số ngày" được đưa vào trong hệ thống đồng hóa dữ liệu

(4D-Var và lọc Kalman). 4D-Var đã thực hiện tại ECMWF và trung tâm khí

tượng Pháp (Rabier, 2000; Andersson, 2004) [102, 35]. Do 4D-Var là phương

pháp cần rất nhiều tính toán, vì vậy, cần đơn giản hóa bằng cách giảm độ

phân giải của phân tích để giảm chi phí tính toán (từ ~ 40km trong dự báo mô

hình ~ 120km trong mô hình đồng hóa).

Phương pháp tổ hợp lọc Kalman (EnKF) lần đầu tiên được đưa ra bởi

Evensen (1994) [61]. Những nghiên cứu gần đây cho thấy đây là hướng phát

triển trong tương lai gần. Nội dung của phương pháp khả thi trong việc xác

định đồng thời ma trận hiệp biến và lý tưởng nhiễu. Có hai phương pháp cơ

bản để tạo ra EnKF. Phương pháp thứ 1 (gọi là "nhiễu quan trắc") một tổ hợp

các đồng hóa dữ liệu thực hiện bằng cách sử dụng các quan sát ngẫu nhiên.

Tổ hợp sử dụng để tính sai số hiệp biến dự báo là cần thiết trong bộ lọc

Kalman (Evensen, 1994; Houtekamer và Mitchell, 1998; Hamill và nnk,

2000a) [61, 66, 63]. Cách tiếp cận thứ hai gồm các lớp của các bộ lọc căn bậc

hai (Tippett, 2002) [107] và không cần gây nhiễu trong quan sát. Một vài

nhóm nghiên cứu mới đây đã phát triển độc lập các bộ lọc căn bậc hai

(Anderson, 2001; Bishop, 2001; Whitaker và Hamill, 2002) [34, 39, 119]. Các

dự báo tổ hợp được sử dụng để có một sai số hiệp biến nền tại thời điểm phân

tích. Phương trình đầy đủ của bộ lọc Kalman và thám sát mới này sau đó

được sử dụng để tăng khả năng phân tích (sự khác biệt giữa phân tích và dự

báo) và phân tích các sai số hiệp biến, tất cả đều nằm trong không gian con

của tổ hợp dự báo. Sau khi hoàn thành quá trình phân tích, nhiễu ban đầu mới

thu được bằng cách giải quyết vấn đề căn bậc hai của phương trình (1.1), và

chu trình phân tích có thể tiếp tục. Phương pháp này còn gọi là tổ hợp lọc

Kalman địa phương (LEKF). Tính năng của LEKF nhằm giải quyết các

phương trình lọc Kalman cục bộ trong không gian lưới mô hình. Chính xác

hơn, LEKF được phân tích tại các điểm lưới khác nhau một cách độc lập, sử

dụng tất cả các quan sát được cho là tốt để cải thiện việc phân tích tại các

điểm lưới. Trong phương pháp này, những quan sát giống nhau có thể sử

dụng để phân tích tại các điểm lưới. Mặt khác, phương pháp đồng hóa theo

trình tự các quan sát lặp đi lặp lại và cập nhật các trạng thái tại các điểm lưới,

ở đó tính chính xác của phân tích được cho là sẽ ảnh hưởng tích cực bởi một

quan sát nào đó.

Bên cạnh sự phát triển của phương pháp EnKF, phiên bản biến đổi tổ hợp

bộ lọc Kalman (ETKF) được xây dựng.

HP f

RHHP

fHP

PP = a

(1.2)

(

)

Pa: ma trận sai số hiệp biến phân tích; Pf: ma trận sai số hiệp biến dự báo;

H: tuyến tính hóa của toán tử quan trắc; R: ma trận sai số hiệp biến thám sát

Lý thuyết ETKF giới thiệu lần đầu tiên bởi Wang và Bishop (2003) [114].

Phương pháp này tạo ra các nhiễu ban đầu phù hợp với phương trình sai số

hiệp biến (1.2) trong không gian con véc tơ của nhiễu tổ hợp. Khác với bộ lọc Kalman cơ bản (EnKF), bộ ETKF sử dụng để ước lượng Pf để tính Pa, không

cập nhật trạng thái trung bình. Như vậy, phân tích kiểm chứng (analysis

control) sử dụng trong ETKF có khả năng không chính xác như phân tích

kiểm chứng được tạo ra trong EnKF đồng hóa dữ liệu. Tuy nhiên, chi phí tính

toán tổ hợp ETKF thấp hơn nhiều so với tổ hợp EnKF. Phương pháp này đã

được áp dụng cho hệ thống tổ hợp khu vực tại Anh (Mylne và nnk, 2002) [95]

và hải quân Mỹ (Mclay và nnk, 2007) [93].

Có nhiều nghiên cứu so sánh hiệu quả của các cách tổ hợp với kỹ thuật tạo

nhiễu ban đầu khác nhau. Có thể kể tới vài công trình như: Tác giả Hamill đã

dùng mô hình tựa địa chuyển (quasigeostrophic channel model) để so sánh

phương pháp PO với phương pháp BV và SV (Hamill và nnk, 2000b) [64].

Trong nghiên cứu này ông rút ra 2 kết luận: “Trung bình tổ hợp điều kiện ban

đầu của phương pháp PO là sát thực hơn so với phương pháp BV và SV. Điều

kiện ban đầu của tổ hợp PO cho phép các dao động thực tế trải ra từ ngày này

qua ngày khác, trong khi SV và BV thì không”. Nghiên cứu của (Wang và

Bishop, 2003) [114], đã so sánh 3 phương pháp BV, phương pháp ẩn BV và

ETKF trên mô hình khí hậu (CCM3), ông đã có một số nhận định: “Biến

động tổ hợp của phương pháp ETKF và phương pháp ẩn BV tại thời điểm

phân tích đều chỉ ra được sự hợp lý giữa phương sai và mật độ thám sát.

Phương pháp ETKF duy trì được số lượng phương sai trong tất cả các hướng

trực giao và không tương quan theo hướng của không gian con nhiễu tổ hợp.

Trong khi đó cả 2 phương pháp BV và phương pháp ẩn BV đều duy trì

phương sai theo vài hướng. Biên độ cực đại của phương pháp ETKF lớn hơn

so với phương pháp BV. Trung bình tổ hợp của phương pháp ETKF có sai số

bình phương trung bình thấp hơn phương pháp BV. Ước lượng phương sai sai

số dự báo của phương pháp ETKF chính xác hơn so với các phương pháp

BV”. Công trình nghiên cứu của (Bowler, 2006) [40] sử dụng mô hình đơn

giản Lorenz 65 với 300 biến để so sánh các phương pháp BV, SV, nhiễu ngẫu

nhiên (RPs), EnKF và ETKF đã rút ra kết luận: “Đối với các tiêu chuẩn đánh

giá như biểu đồ xếp hạng và độ tán của nhiễu, phương pháp RPs được thực

hiện tốt như các phương pháp khác. Đối với chất lượng thông tin sai số nền

cung cấp bởi dự báo tổ hợp thì phương pháp EnKF thực hiện tốt nhất, sau đó

là phương pháp ETKF kết hợp với phương pháp RPs. Ông cũng chỉ ra rằng cả

phương pháp ETKF, BV và SV đều không cung cấp thông tin nền cho chính

các phương pháp”. Cũng sử dụng 2 mô hình của Lorenz (mô hình Lorenz 63

và Lorenz 65), (Descamps và Talagrand, 2007) [51] tích phân dự báo khoảng

6 ngày để so sánh các phương pháp EnKF, ETKF, BV, SV. Kết quả cho thấy

phương pháp tạo nhiễu bằng EnKF > ETKF > BV > SV. Tác giả kết luận:

“Nếu chất lượng dự báo tổ hợp được đánh giá qua dự báo tổ hợp thống kê độ

bất định trong trạng thái tương lai của dòng nền thì tổ hợp ban đầu tốt nhất là

những dung lượng thống kê độ bất định tốt nhất trong trạng thái hiện tại của

dòng nền”. Tác giả (Magnusson và nnk, 2008b) [91] đã so sánh các phương

pháp: nuôi nhiễu (đơn giản và ẩn (masked)) và các véc tơ kỳ dị dựa trên một

hệ thống dự báo tích hợp (Integrated Forecast System) của Châu Âu với độ

phân giải TL255L40 và mô hình 31rl (được giới thiệu chi tiết trên trang web

www.ecmw.int). Phát hiện chính của Magnusson bao gồm: “Phương pháp véc

tơ kì dị thực hiện tốt hơn so với phương pháp nuôi nhiễu đơn giản ở Bắc bán

cầu. Phương pháp ẩn BV đã được chứng minh có sự phát triển ở Nam bán cầu

và vùng nhiệt đới”.

Rất khó so sánh các phương pháp tổ hợp tạo ra từ nhiễu ban đầu vì

những kỹ thuật thực hiện trong tổ hợp được sử dụng các mô hình khác nhau

do hầu hết các nghiên cứu áp dụng các kỹ thuật trên một mô hình đơn giản để

tăng tính khả thi của nghiên cứu. Vì vậy, tất cả những nghiên cứu trên chưa

mô tả được trường ban đầu đúng với khí quyển thực tế. Bên cạnh sai số từ

trạng thái ban đầu, sai số dự báo cũng sinh ra từ sai số mô hình (Tribbia và

Baumhefner, 1988) [108], đặc biệt là xác định các tham số vật lý trong mô

hình. Độ bất định tồn tại trong quá trình xử lý quy mô nhỏ như tham số hóa

đối lưu, vi vật lý mây …

1.2 Các cách tạo nhiễu cho trường ban đầu bằng phương pháp BV

Nghiên cứu của Kalnay (2003) [73], các thành phần tham gia tổ hợp mô

phỏng trạng thái khí quyển tốt nhất khi cặp nhiễu tổ hợp bao được cả trạng

thái thực và trạng thái dự báo kiểm chứng của khí quyển (Hình 1.1a). Ngược

lại, dự báo tổ hợp được cho là không tốt khi cặp nhiễu tổ hợp chỉ bao được

trạng thái dự báo kiểm chứng mà không bao được trạng thái thực của khí

quyển (Hình 1.1b). Theo Kalnay, dự báo tổ hợp phải cải thiện được 3 mục

đích: “Mục đích đầu tiên là tăng cường chất lượng dự báo thông qua trung

bình tổ hợp. Cải thiện này là kết quả của xu hướng trung bình tổ hợp nhằm

lọc ra các thành phần của dự báo bất định (các thành phần của các tổ hợp khác

nhau) và giữ lại những thành phần thỏa mãn trong tổ hợp. Việc lọc có thể diễn

ra chỉ trong quá trình phát triển phi tuyến của các nhiễu nếu nhiễu được cộng

và trừ vào trường phân tích. Trung bình dự báo tổ hợp là bộ cân bằng với dự

báo kiểm tra trong khi các nhiễu vẫn tuyến tính. Mục đích thứ hai là cung cấp

một chỉ số định lượng về độ tin cậy của dự báo gồm mối quan hệ giữa định

lượng độ tán tổ hợp và sai số dự báo dù chưa được thiết lập nhưng cần phải

thường xuyên xem xét từ người làm dự báo. Mục đích cuối cùng là làm cơ sở

cho dự báo xác suất nhằm chỉ ra xác suất của các trường hợp xảy ra là bao

nhiêu phần trăm”.

Một hệ thống dự báo tổ hợp (EPS) yêu cầu biên độ ban đầu và cấu trúc của

nhiễu theo phương ngang và thẳng đứng. Trong đó biên độ ban đầu được xác

định bằng cách ước lượng sai số phân tích. Biên độ của độ bất định phân tích

phụ thuộc vào phân bố trong thám sát. Các phân bố thống kê có thể được ước

lượng từ sai số hiệp biến phân tích, các sai số này phụ thuộc vào độ chính xác

của thống kê giả định, kinh nghiệm hoặc từ sai số bình phương trung bình

giữa hai chu kỳ phân tích độc lập. Như vậy có thể mô phỏng quá trình tạo

nhiễu ban đầu như sau:

Gọi t là thời điểm phân tích và cần tạo nhiễu phân tích (δxa(t)) cho thời

điểm này, t0 là thời điểm bắt đầu dự báo có nhiễu và ti ,tj: là các thời điểm

trong 1 chu kỳ nuôi, ký hiệu bởi công thức (1.3)

(1.3)

(t0

Trong phương pháp nuôi nhiễu của Toth và Kalnay đề xuất năm 1993 [109]

dựa trên giả thiết: “Sai số phân tích tỷ lệ với sai số dự báo”. Như vậy, sau một

kỳ nuôi (ti đến tj), nhiễu ban đầu tại thời điểm tj được xác định dựa trên giả

thiết trên được biểu diễn bằng công thức (1.4).

(

)

(

)

(1.4)

a td x

. xc td i

c: là hằng số tỷ lệ

δxi

f(tj) là sai số dự báo từ thời điểm ti đến tj được xác định bằng công

thức (1.5)

)( t

)( td f x i

f x i

(1.5)

f(tj): là trường dự báo tại tj bắt đầu từ thời điểm ti.

xa(tj): là trường phân tích tại thời điểm tj

Dự báo được được lặp lại cho tới thời điểm t, khi đó ta nhận được nhiễu ban

đầu tại thời điểm t (δxa(t)). Nhiễu này được gọi là véc tơ nuôi.

Cách tìm nhiễu ban đầu δxa(t) như đã trình bày chính là quá trình nuôi

những dao động phát triển (Breeding of Growing modes)

f j j

Hình 1.2 Chu kỳ nuôi những dao động phát triển (Toth và Kalnay, 1993)[109]

Hình 1.3 Chu kỳ tự nuôi những dao động phát triển (Toth và Kalnay, 1993)[109]

Nếu trường phân tích xa(tj) tại thời điểm tj được thay thế bằng trường dự

báo kiểm tra (xi

0f(tj)), khi đó δxi

f(tj) được xác định:

(

)

( t

(1.6)

( t i

x f td i

Sai số δxi

f(tj) trong (1.4) được xác định trong (1.6) thì các nhiễu nuôi này được gọi là các dao động phát triển tự nuôi (self – Breeding of Growing

modes), phương pháp này được minh họa trên Hình 1.3. Tự nuôi các dao

động phát triển có lợi là sai số hệ thống của mô hình được khử vì sai số dự báo (δxf(tj)) được xác định bằng hiệu hai dự báo cùng một mô hình.

Phiên bản 2 của chu kỳ nuôi nhiễu được phát triển năm 1997 (Toth và

Kalnay, 1997) [110], tác giả đã sử dụng 1 cặp nhiễu (nhiễu dương và nhiễu

âm) thay cho phiên bản 1 chỉ sử dụng 1 nhiễu duy nhất và trường kiểm chứng.

Khi đó công thức (1.5) được viết lại như sau:

(

)

( t

f i

fp i

fn i

td x

(1.7)

fp(tj), xi

fn(tj): là trường dự báo dùng nhiễu dương và âm tại thời điểm tj

Chu kỳ nuôi của phiên bản này được thể hiện trên Hình 1.4. Nhiễu nuôi này

được xác định hàng ngày từ sự khác nhau của nhiễu dương và âm.

Hình 1.4 Sơ đồ nuôi một cặp nhiễu (Toth và Kalnay, 1997)[110]

1.2.1 Phương pháp nuôi nhiễu ẩn (masked breeding)

Phương pháp này được trình bày bởi tác giả Wang và Bishop (2003) [114].

Sai số phân tích (δxa(tj)) tại thời điểm tj được xác định bằng công thức (1.4).

Hằng số c phụ thuộc kinh độ và vĩ độ và được xác định qua công thức (1.8)

(1.8)

y £

f ij

c ij

y >

f ij

f y ij

ì 1 ïï e í ij ï ï î

eij: Tính theo bình phương trung bình theo phương thẳng đứng của từng

thành phần nhiễu theo theo mùa

p lev

n lev

lev

é êë

ù úû

(1.9)

N: số mực của mô hình; M: số ngày xây dựng; Tp: Nhiễu dương của thành

f: Tính theo bình phần chuẩn hóa; Tn: Nhiễu âm của thành phần chuẩn hóa; yij phương trung bình theo phương thẳng đứng của từng thành phần nhiễu của

dự báo

p lev

n lev

[ T

]

lev

å =1

(1.10)

Có thể xác định cij thông qua sai số trung bình mùa (mùa hè năm 2000 của

trường gió) (Wang và Bishop, 2003) [114] của nhiễu với trường kiểm tra tại

các thời điểm trong chu kỳ nuôi.

1.2.2 Phương pháp nuôi nhiễu tại Nhật Bản và Châu Âu

Phương pháp nuôi nhiễu ở Nhật Bản và Châu Âu đều sử dụng phương án tự

nuôi nhiễu phát triển nhanh, sai số dự báo (δxi

f(tj)) tại thời điểm tj được xác

định bằng công thức (1.6). Hằng số c được xác định qua công thức (1.11)

amp

)

f i

( j td x

(1.11)

)

là chuẩn của δxi

f(tj)

ix td ( j

Tại Nhật Bản (Saito và nnk, 2010) [104] sử dụng công thức năng lượng

tổng của Barkmeijer (2001) [38] để tính

)

ix td ( j

(1.12)

(

)

V (

)

td x

( - qq

òò

f i

} +

{[ U (

1 2

ì ï í ïî

(

)

(

)

] dSdP

w q

q c

P seaP

P seaC

2 L C

1 2

R Q P r

ì í î

ü dS ý þ

ở đó U, V, θ, q và P là các thành phần gió, nhiệt độ thế vị, độ ẩm và áp

suất mặt biển tại thời điểm tj; các chỉ số c và p là giá trị kiểm tra và giá trị

nhiễu dương.

Đối với hệ thống tổ hợp toàn cầu sử dụng phương pháp véc tơ kì dị các

tham số được xác định: Θ = 300 K, Pr=800hPa, wt=1.0,wq=0.6;

Đối với hệ thống tổ hợp mô hình khu vực sử dụng phương pháp véc tơ kì dị

tham số Camp được xác định bằng chuẩn hóa của nhiễu dự báo tại thời điểm

)

t = 0 (

) công thức (1.13)

( 0tdx

)

(1.13)

Camp =

( 0tdx f

)

Các giá trị chuẩn của nhiễu ban đầu t =0 (

) được tính bằng công

( 0tdx f

thức (1.12) với các giá trị được xác định từ hệ thống dự báo tuần tại Nhật Bản

(WEP) với Θ = 300 K, Pr=800hPa, wt=3.0, wq=0.5, Psea: 0.6 hPa, U, V: 1.8

m/s, θ: 0.7 K, Qv: 10% của RH) và giới hạn trên không vượt quá (Psea: 5.0

hPa, U, V: 6.0 m/s, θ: 4.0 K, Qv: 1.5 g/Kg).

Đối với hệ thống tổ hợp mô hình khu vực sử dụng phương pháp nuôi nhiễu

)

các giá trị chuẩn của nhiễu dự báo tại thời điểm t =0 (

) cũng được

( 0tdx f

xác định như trên.

Tại Châu Âu

Tại Trung tâm Dự báo thời tiết hạn vừa Châu Âu (ECMWF) (Magnusson

và nnk, 2008a) [90] sử dụng công thức tổng năng lượng của Barkmeijer và

)

nnk (1998) [37] để tính

ix td ( j

PTR

)

( u

(ln

)

( =td

òòò

òò

f ix

1 2

ì ï í ïî

ü ï dS ý ïþ

(1.14)

Ở đây u, v, T, Ps nhiễu trường gió, nhiệt và áp suất bề mặt, Tr (300K) và

Pr=800hPa. Camp hệ số kinh nghiệm xác định từ biên độ của nhiễu ban đầu sao

cho tạo độ tán tổ hợp.

Bên cạnh đó để khắc phục nhược điểm tuyến tính hóa véc tơ nuôi Manusson

(Magnusson và nnk, 2008a) [90] đã xây dựng phương pháp BV-EOF nhằm

mục đích trực giao hóa véc tơ nuôi.

(1.15)

,...,

, xxx -

[ , 2 xxxB -=

xi: trạng thái véc tơ thứ i trong nhiễu dự báo của k thành phần dự báo tổ

hợp; xc: trạng thái véc tơ dự báo không nhiễu.

Ma trận sai số hiệp biến được xác định bằng BTB. Các véc tơ riêng của ma

trận sai số hiệp biến là các trực giao tự nhiên (EOFs) của không gian con của

véc tơ địa phương. Các giá trị riêng quyết định biến động về hướng của EOFs.

Sử dụng các EOFs của ma trận sai số hiệp biến làm nhiễu mới của tổ hợp,

trong đó chuẩn hóa các EOFs bằng cách bình phương các véc tơ riêng tương

ứng. Khi đó tất cả biên độ của EOFs đều bằng nhau.

Tại trung tâm phát triển dự báo tổ hợp cho khu vực của Châu Âu ALADIN-

LAEF (Aire Limitée Adaptation Dynamique Développement International–

Limited Area Ensemble Forecasting) (Wang và Kann, 2005) [115], sử dụng

thành phần lớn nhất trong công thức (1.12) để xác định hằng số c là nhiệt độ

tại mực 850 mb. Khi đó hằng số c được tính bằng công thức (1.16).

(1.16)

D= / PSc

]

850

n 850

[ på T

(1.17)

P =D

- N

850 : là giá trị dương và âm của 1 cặp dự báo

850 , T n

Với: N là số điểm lưới; T p

của trường nhiệt độ tại các mực 850mb; S là hệ số điều chỉnh (chọn theo kinh

nghiệm) tác giả chọn S=1.2; S=0.4; S=0.2

1.2.3 Phương pháp nuôi nhiễu kết hợp với quay nhân tố (Rotation

breeding-RBV)

Hình 1.5 Hàm lọc theo vĩ độ, (a) là hàm lọc cũ, (b) là hàm lọc mới (Lee, 2006) [83]

Phương pháp nuôi nhiễu kết hợp với quay nhân tố phát triển tại Cục khí

tượng Hàn Quốc (KMA) (Lee, 2006) [85], nội dung của phương pháp nuôi

này giống với phiên bản nuôi nhiễu thứ nhất của Toth và Kalnay, bên cạnh đó

họ sử dụng hàm lọc theo vĩ độ, khi đó công thức xác định nhiễu phân tích

(1.4) được viết lại như sau:

(1.18)

(

Filtering

) xc . = tdtd

δxi

f(tj) là sai số dự báo được xác định bằng công thức (1.5);

Filtering: hàm phụ thuộc vĩ độ (Hình 1.5);

Hằng số c được xác định theo công thức (1.19)

(1.19)

c =

Norm Norm

)0( t )(

Norm

t )(

2' )

å ´ Vw (

Norm(0), Norm(t): enstrophy toàn cầu (bình phương của trường xoáy) ở

thời điểm 0 và thời điểm t.

Với: z’

: là sự khác nhau giữa trường xoáy không nhiễu và có nhiễu.

w: là trọng số

Hình 1.5 Phương pháp nuôi nhiễu tại KMA (Lee, 2006)[85]

Kết quả phương pháp nuôi nhiễu của Cục khí tượng KMA thể hiện ở (Hình

1.5). Để trực giao các nhiễu này, KMA sử dụng phương pháp quay các nhân

tố (Hình 1.6). Các bước thực hiện phương pháp như ở trên, tuy nhiên sau khi

chuẩn hóa biên độ các nhiễu, họ áp dụng thêm phương pháp quay nhân tố các

nhiễu. Đầu tiên họ xác định nhân tố phân tích thông qua kỹ thuật thống kê

(dùng quan hệ giữa các biến để tìm cấu trúc của mối quan hệ và gói các biến

tương tự, sau đó xác định nhân tố phân tích). Tiếp theo là quay các nhân tố

phân tích vừa xác định được để giữ lại tính trực giao giữa các nhân tố để tạo

ra nhiễu mới.

Hình 1.6 Phương pháp nuôi nhiễu kết hợp với quay tại KMA (Lee, 2006) [83]

1.2.4 Kỹ thuật chuyển vị tổ hợp (ET-Breeding)

Hình 1.7 Chu kỳ nuôi nhiễu bằng phương pháp ET; P1, P2, P3, P4: là trường dự

báo có nhiễu P1, P2, P3 và P4; ANL là trường phân tích (Wei, 2007) [118]

Một phương pháp khác vận dụng và đưa vào nghiệp vụ tại trung tâm NCEP từ năm 2006 (Wei và nnk, 2007) [118] là sử dụng ET để tạo bộ tổ hợp nhiễu ban đầu, đây là một biến đổi lớn của kỹ thuật nuôi nhiễu, sử dụng tại NCEP. Thay vì độc lập chuẩn hóa các cặp véc tơ nuôi sau mỗi chu kỳ, biến đổi (ET) áp dụng một chuyển đổi ma trận để toàn bộ n nhiễu để tạo ra n-1 nhiễu trực giao theo các hiệp phương sai sai số phân tích từ các sơ đồ đồng hóa dữ liệu được thể hiện ở Hình 1.7. Cuối cùng sử dụng một biến đổi đơn giản (Wang và nnk, 2003) [114] để tạo ra một tập hợp gồm n thành phần.

Về cơ bản, phương pháp ET vẫn sử dụng kỹ thuật xác định nhiễu phân tích thông qua nhiễu dự báo. Bên cạnh đó, để khắc phục nhược điểm của phương pháp nuôi nhiễu cơ bản là không trực giao. Khi đó công thức (1.4) được viết lại như sau.

(1.17)

.= XTX a d

T là chuyển vị tổ hợp của nhiễu dự báo: T=C.G-1/2

G là ma trận đường chéo chính của n-1 giá trị riêng

XPX d

C là cột giá trị riêng trực giao của biểu thức

δXf: nhiễu dự báo được xác định là

với

,...,

)

( x x , dd

X d

x d

f 1

f k

f 2

-=d

1 k 1 - (i=1,2,...,k) k thành phần dự báo tổ hợp; xf i là trường dự báo lần

thứ i; xf: là trường trung bình của k thành phần dự báo tổ hợp.

là ma trận chuyển vị của δXf.

1-a

TfXd opP là một là ma trận nghịch đảo của ma trận đường chéo

opP với các giá trị

liệu của Hoa Kỳ. Thực tế để xác định được ma trận đường chéo

chéo là phương sai sai số phân tích được xác định từ hệ thống đồng hóa dữ opP là rất

khó.

1- Tf f a op

1.3 Các nghiên cứu và ứng dụng về nhiễu biên ngang (LBC) của hệ thống EPS

Nghiên cứu của các tác giả về hệ thống tổ hợp khu vực, họ nhận thấy điều

kiện LBC có thể đóng một vai trò chủ đạo trong việc xác định độ tán của các

biến (trừ lượng mưa) nếu mô hình miền tính có cấu hình nhỏ (Warner và nnk,

1997; Du và Tracton, 1999) [116, 55]. Các tác giả này đưa ra lời khuyên khi

xây dựng hệ thống quy mô khu vực cần phải tuân theo 2 nguyên tắc sau: “Cấu

hình miền tính của mô hình khu vực phải đủ lớn dựa trên hệ thống tổ hợp để

tránh tác động từ LBC. Nguyên tắc thứ hai là LBC cần được được gây nhiễu

để đảm bảo tính đa dạng các giải pháp tổ hợp”.

Nghiên cứu của nhóm tác giả (Nutter và nnk, 2004a) [96] thấy rằng LBC bị

hạn chế trong biến động sai số phát triển quy mô nhỏ đủ để hạn chế độ phân

tán trong tổ hợp mô hình trong vùng giới hạn (LAM). Sai số phát triển bị hạn

chế kết quả từ việc sử dụng giải pháp đơn giản và nội suy LBC theo thời gian.

Ảnh hưởng này xuất hiện trong bất kỳ hệ thống kết hợp nhiều mô hình sử

dụng nhưng chỉ sử dụng một LBC duy nhất, trừ khi mô hình cung cấp LBC có

độ phân giải tương tự như LAM và nhiễu trên LBC được cập nhật từng bước

thời gian tích phân. Để giải quyết vấn đề trên, (Nutter và Xue, 2004b) [97]

đưa ra phương pháp mới, các LBC tạo ra được phát triển nhằm mục đích đếm

các ảnh hưởng ở trên (counter the above effect) bằng cách tạo ra một nguồn

thống kê thống nhất của sai số dọc theo biên. LBC được thiết kế để khuếch

đại theo thời gian và lan truyền vào miền tính nhằm bù đắp mất mát độ tán do

LBC gây ra. Sự thống nhất trong cấu trúc giữa LBC và nhiễu ban đầu là quá

trình quan trọng trong việc xây dựng EPS và cần phải được nghiên cứu.

Hiện nay, cách tiếp cận phổ biến trong thực tế là sử dụng các thành phần tổ

hợp khác nhau từ một hệ thống tổ hợp toàn cầu làm LBC cho các thành phần

của LAM. Theo báo cáo của WMO (2009) [120] gồm có: Hệ thống tổ hợp

MOGREPS – của Anh, dùng nhiễu LBC từ mô hình tổ hợp N144L38 (90

km). Hệ thống tổ hợp dự báo bão của Nhật Bản (TEPS), dùng nhiễu LBC từ

mô hình TL319L60. Hệ thống dự báo tổ hợp khu vực (REPS) được sử dụng

tại miền Bắc của Trung Quốc, dùng LBC từ mô hình T213. Hệ thống dự báo

tổ hợp khu vực (REPS) được sử dụng vùng Tây Bắc Trung Quốc (SW-

REPS), dùng LBC từ mô hình T213. Hệ thống dự báo tổ hợp SREF của trung

tâm NCEP-Mỹ, dùng LBC từ mô hình GFS/tổ hợp GFS. Hệ thống dự báo tổ

hợp COSMO của Châu Âu sử dụng nhiễu LBC từ mô hình của 4 trung tâm

NCEP, ECMWF, UM, GME.

Tuy nhiên vẫn có một số trung tâm còn sử dụng cùng một LBC cho các

thành phần tổ hợp như hệ thống dự báo bão của Viện nghiên cứu xoáy thuận

nhiệt đới Thượng Hải (GRAPES_TCM). Đây là biện pháp khác phục khi

không có mô hình toàn cầu để tạo ra LBC. Đối với miền dự báo đủ lớn, nhiễu

này không ảnh hưởng lớn đến kết quả dự báo.

1.4 Các nghiên cứu và ứng dụng về đa cơ chế vật lý và động lực của mô

hình để xây dựng EPS

Bên cạnh độ bất định của điều kiện ban đầu và LBC, sai số do mô hình

cũng đóng góp vào sự tăng trưởng không ổn định sai số trường ban đầu. Tuy

nhiên, vài nhóm nghiên cứu đã giới thiệu một số thay đổi các tham số vật lý

để cho phép độ bất định bao gồm cả sai số của mô hình (Houtekamer và nnk,

1995; Stensrud và nnk, 2000) [67, 106]. Nhóm tác giả Chen và nnk (2003)

[44] cho rằng: “Sự khác nhau của 2 dự báo từ cùng một mô hình nhưng với

các phiên bản khác nhau về sơ đồ đối lưu sẽ giúp mô tả bất ổn định đối lưu

trong nhiễu”. Tuy nhiên để xây dựng được EPS cho một hiện tượng thời tiết

cụ thể, cần phải xác định được những nhiễu phát triển ở điều kiện ban đầu

nào sẽ phát triển tiếp với mô hình hoặc thay đổi các sơ đồ trong mô hình như

thế nào. Vấn đề này có thể được mô tả như sau: Giả sử ta có trường ban đầu

được xác định bằng trường phân tích cộng với trường nhiễu phát triển, sử

dụng trường ban đầu này với các mô hình A, B, C khác nhau (có thể là các

mô hình khác nhau hoặc thay đổi các tham số vật lý trong một mô hình) sẽ

cho kết quả khác nhau. Dự báo từ 3 mô hình sẽ có 3 khả năng xảy ra: nhiễu

phát triển đó tiếp tục phát triển, nhiễu không phát triển và nhiễu đó bị dập

tắt. Điều này được chứng minh bằng EPS tại trung tâm NCEP (Bảng 1.1), hệ

thống dự báo tổ hợp quy mô vừa (REPS) gồm 21 thành phần được tạo từ 3

mô hình ETA, RSM và WRF kết hợp với thay đổi các phiên bản, sơ đồ đối

lưu, sơ đồ vật lý kết hợp với các cặp nhiễu được tạo từ phương pháp nuôi

nhiễu hay phương pháp ET. Tuy nhiên, tùy từng mô hình khác nhau, số

thành phần được chọn khác nhau. Ví dụ đối với mô hình Eta sử dụng sơ đồ

đối lưu BMJ, trường ban đầu là kết hợp của trường phân tích từ mô hình

ndas và cặp nhiễu nuôi thứ nhất. Mô hình Eta sử dụng sơ đồ đối lưu KF,

trường ban đầu là kết hợp của trường phân tích từ mô hình ndas và cặp nhiễu

nuôi thứ hai …

Vì vậy, cả trường ban đầu và cơ chế vật lý khác nhau đều cần được lưu tâm

tới cùng một lúc khi xây dựng EPS quy mô vừa để làm tăng sự đa dạng của

dự báo. Trong luận án đã sử dụng thay đổi 3 sơ đồ đối lưu trong mô hình và

thay đổi này như là sử dụng 3 phiên bản khác nhau của mô hình để xây dựng

hệ thống dự báo tổ hợp bão.

Bảng 1.1 Hệ thống dự báo tổ hợp quy mô vừa (SREF) của NCEP (Du, 2011)[52]

Mô hình

Số thành phần

Nhiễu biên

Điều kiện ban đầu/ nhiễu ban đầu

Độ phân giải (km) 32

Hạn dự báo (giờ) 87

Eta_BMJ

3 (ctl1,n1, p1)

GFS/GEFS

Eta_KF

3 (ctl1,n2, p2)

GFS/GEFS

Ndas/ nhiễu nuôi từ mô hình khu vực Ndas/ nhiễu nuôi từ mô hình khu vực

RSM_SAS GFS/ nhiễu nuôi từ

3 (ctl,n1, p1)

GFS/GEFS

mô hình khu vực

RSM_RAS GFS/ nhiễu nuôi từ

2 (n2, p2)

GFS/GEFS

mô hình khu vực

WRF_NMM GFS/ nhiễu ET từ mô

5 (ctl, n1, p1, n2, p2)

GFS/GEFS

hình toàn cầu

WRF_NMM GFS/ nhiễu ET từ mô

5 (ctl, n1, p1, n2, p2)

GFS/GEFS

hình toàn cầu

1.5 Hoạt động của bão ở khu vực Tây Bắc Thái Bình Dương và nghiên cứu dự báo bão bằng phương pháp tổ hợp

1.5.1 Đặc điểm hoạt động bão tại khu vực Tây Bắc Thái Bình Dương và

biển Đông.

Bão hoạt động trên Biển Đông thường được hình thành ngay trên Biển

Đông hoặc đi vào từ Tây Bắc Thái Bình Dương vượt qua Philippines đi vào

Biển Đông. Các cơn bão này có thể đổ bộ vào đất liền hay tan ngay trên biển.

Bảng 1.2 Các giá trị trung bình số lượng bão theo từng thập kỉ trên khu vực Tây Bắc Thái Bình Dương và Biển Đông (Đinh Văn Ưu, 2009)[31]

Thời gian 1959-1968 1969-1978 1979-1988 1989-1998 1999-2008 Trung bình

35,1

28,0

27,3

34,2

29,5

30,8

Vùng TBTBD

Vùng BĐ

12,4

11,6

10,6

13,5

11,4

11,9

Đinh Văn Ưu (2009) [31] đã đưa ra các bảng thống kê về hoạt động của bão

trên khu vực Tây Bắc Thái Bình Dương và Biển Đông trong 50 năm từ năm

1959 đến năm 2008 (Bảng 1.2). Qua bảng thống kê cho thấy số lượng trung

bình bão hoạt động trên khu vực Tây Bắc Thái Bình Dương là 30,82 cơn/năm

và 11,9 cơn/năm đối với Biển Đông. Trong số 11,9 cơn/năm hoạt động trên

Biển Đông thì có tới 7,6 cơn đi vào từ ngoài Tây Bắc Thái Bình Dương và 4,3

cơn/năm được hình thành ngay trên Biển Đông.

Theo nghiên cứu của Nguyễn Văn Thắng (2010) [21] về phân bố hoạt động

của bão theo từng tháng trên khu vực Biển Đông. Kết quả nghiên cứu dựa trên

bộ số liệu từ năm 1961 đến năm 2010 cho thấy bão hoạt động trên Biển Đông

có tần suất lớn hơn 0,5 cơn/năm tập trung từ tháng 5 đến tháng 12. Các tháng

1, 2, 3, 4 hầu như không xuất hiện bão, tháng 7, 8, 9, 10 là thời kỳ có nhiều

bão nhất trong năm (Bảng 1.3).

Bảng 1.3 Bão hoạt động trên Biển Đông thời kỳ 1961-2010 (Nguyễn Văn Thắng, 2010)[21]

Tháng

V

VI

VII

VIII

IX

X

XI

XII

1961-2010

0,62

1,08

1,88

2,02

2,22

1,90

1,48

0,66

Bảng 1.4 Bão đổ bộ vào Việt Nam thời kỳ 1961-2010 (Nguyễn Văn Thắng, 2010)[21]

Tháng

I

II

III

IV V

VI VII VIII IX X

XI XII

TB năm

0,12 0,02 0,08 0,06 0,26 0,60 0,88 1,08 1,60 1,36 1,16 0,40 7,62

Số cơn

Ngoài ra nhóm nghiên cứu của Nguyễn Văn Thắng (2010) [21] thống kê

số lượng cơn bão đổ bộ vào Việt Nam trong thời kỳ 1961 – 2010, trung bình

một năm có khoảng 7,6 cơn bão đổ bộ trực tiếp tới đất liền nước ta (Bảng

1.4). Phân tích khu vực đổ bộ của bão vào Việt Nam trong tài liệu cho thấy: “vùng đất liền và ven biển từ 200N trở lên, hoạt động của XTNĐ có xu hướng giảm; vùng đất liền và ven biển từ 15 - 200N, số lượng các cơn XTNĐ ít thay đổi; vùng đất liền và ven biển Nam Trung Bộ và Nam Bộ, từ 150N trở xuống,

hoạt động của XTNĐ có xu hướng gia tăng. Như vậy hoạt động của XTNĐ có

xu thế dịch chuyển về phía Nam.”

1.5.2 Dự báo bão của các nước cho khu vực Tây Bắc Thái Bình Dương

bằng EPS

Trung tâm dự báo khí tượng Hồng Kông (HKO) bắt đầu cập nhật kỹ thuật

dự báo dựa trên tổ hợp nhiều sản phẩm mô hình từ những năm 1980. Trong

những năm gần đây, để tăng tính hiệu quả, các kết quả đầu ra từ các mô hình

số tại các trung tâm ECMWF, JMA, NCEP và UKMO đã được HKO đưa vào

trong hệ thống dự báo xoáy thuận nhiệt đới. Hiệu quả của phương pháp tổ

hợp các sản phẩm mô hình từ các trung tâm trên dùng để dự báo bão là vượt

trội so với các mô hình đơn lẻ. Theo báo cáo của HKO (Queenie và nnk,

2005) [101], so sánh dự báo tổ hợp và mô hình đơn lẻ các cơn bão từ năm

2001 đến 2003 cho khu vực Tây Bắc Thái Bình Dương và Biển Đông cho

thấy đã giảm sai số dự báo 10-15% hạn 24, 48 và 72 giờ.

Hình 1.8 Sai số dự báo của TMEPS (Choo, 2006)[48]

Tháng 5 năm 2005, hệ thống tổ hợp dự báo bão bằng nhiều mô hình

(TMEPS) đã được sử dụng tại KMA. Trung tâm sử dụng 12 nguồn số liệu đầu

vào khác nhau từ các trung tâm khí tượng. TMEPS là phương pháp thống kê

mô hình đơn giản, quỹ đạo bão trung bình tổ hợp được tính toán bằng trung

bình số học. Kết quả dự báo quỹ đạo bão cho năm 2005 (Hình 1.8) cho thấy

TMEPS dự báo quỹ đạo bão tốt hơn hệ thống dự báo tổ hợp toàn cầu T213

(gồm 32 thành phần) của KMA.

Tại Trung Quốc (Chen và nnk, 2009) [45] có 2 hệ thống dự báo tổ hợp dự

báo bão được sử dụng trong nghiệp vụ tại 2 trung tâm là trung tâm khí tượng

quốc gia Trung Quốc (NMC/Bắc Kinh) và Viện nghiên cứu xoáy thuận nhiệt

đới Thượng Hải.

Hình 1.9 Sơ đồ hệ thống dự báo tổ hợp bão của NMC Trung Quốc (Chen và nnk, 2009)[45]

Hệ thống dự báo tổ hợp bão tại Bắc Kinh sử dụng kỹ thuật nuôi nhiễu trên

hệ thống tổ hợp quy mô vừa kết hợp với cài xoáy giả cho trường ban đầu và

được đưa vào nghiệp vụ năm 2007. Cách hoạt động của hệ thống như sau:

Khi có bão, 15 trường nền (14 trường thành phần tổ hợp và 1 thành phần kiểm

chứng) được lấy từ hệ thống dự báo tổ hợp toàn cầu Trung Quốc (T213L31)

có độ phân giải 60 km. Xoáy giả được đưa vào các trường nền sau khi đã

được loại bỏ xoáy thô. Hệ thống này sử dụng mô hình WRF với nhiều lựa

chọn về sơ đồ đối lưu, vật lý mây, lớp biên hành tinh, sơ đồ đất…, miền dự

báo được lựa chọn từ 95E -130E và 25N - 53N, độ phân giải là 15 km. Hệ

thống dự báo 1 ngày 2 lần (00UTC và 12UTC), hạn dự báo 120 giờ, kết quả

dự báo nhận được từ EPS dùng để tổ hợp quỹ đạo bão và dự báo xác suất

(Hình 1.9).

So sánh sai số quỹ đạo dự báo trung bình tổ hợp và quỹ đạo của dự báo kiểm chứng kết quả cho thấy sai số trung bình tổ hợp tốt hơn một ít tại hạn dự báo trước 72h (Hình 1.10).

Hình 1.10 Sai số dự báo của hệ thống dự báo tổ hợp NMC, Trung Quốc (Chen và nnk, 2009)[45]

Được sự hỗ trợ bởi chính phủ Trung Quốc, hệ thống dự báo bão

GRAPES_TCM được Viện nghiên cứu xoáy thuận nhiệt đới Thượng Hải

phát triển dựa trên hệ thống GRAPES (Global/Regional Assimilation and

PrEdiction System) nhằm mục đích cải tiến khả năng dự báo bão trên hệ

thống GPAPES. Hệ thống GPAPES gồm 9 thành phần được tạo từ phương

pháp nuôi nhiễu cho mô hình khu vực WRF (trong đó 8 thành phần được lựa

chọn từ 4 cặp nhiễu được nuôi khi thay đổi các sơ đồ vật lý trong mô hình

WRF và 1 thành phần kiểm chứng). Nội dung thực hiện của hệ thống

GRAPES_TCM như sau: Khi có bão, trường phân tích tại kỳ dự báo trước

36 giờ của mô hình GFS được sử dụng như là trường ban đầu (A). Các

trường xoáy giả và các số liệu thám sát trong bão sẽ được cộng và trừ vào

trường A, các trường này được ký hiệu là (R). Tích phân trường A+R và A-

R với hạn 12 giờ, sau đó tiến hành tách nhiễu xoáy và chuẩn hóa (f) cho khu

vực nhiễu xoáy này. Kết quả thu được trường nhiễu mới đã chuẩn hóa,

trường nhiễu xoáy mới này lại tiếp tục được cộng với trường phân tích tại

thời điểm tiếp theo cho tới khi kết thúc quá trình nuôi. Chu trình nuôi được

thực hiện trong 36 giờ với mỗi kỳ nuôi là 12 giờ. Như vậy trong hệ thống

này chỉ nuôi nhiễu xoáy.

Hình 1.11 Sơ đồ hệ thống dự báo tổ hợp bão của Viện nghiên cứu Thượng Hải, Trung Quốc. a) là chu kỳ nuôi nhiễu; b) là phương pháp nuôi nhiễu (Huang và nnk, 2007)[69]

Bảng 1.5: Sai số dự báo của Viện nghiên cứu Thượng Hải, Trung Quốc

(Chen và nnk, 2009)[45]

Hạn

Số cơn bão

Số trường hợp

Sai số khoảng cách

trung bình (km)

170

136

125

257

Những nghiên cứu của nhóm GRAPES_TCM (Huang và nnk, 2007) [69]

chỉ ra rằng: Ban đầu hóa xoáy vẫn đóng vai trò quan trọng trong hệ thống dự

báo số. Khi thay đổi hệ thống xử lý GRAPES_TCM đã cải tiến rất nhiều trong

việc dự báo bão. Cụ thể theo đánh giá khả năng dự báo quỹ đạo bão trong

năm 2007 (Bảng 1.6) cho thấy sai số vị trí trung bình dự báo trong 48 giờ là

khoảng 257 km. GRAPES_TCM có tiềm năng dự báo mưa khi bão đổ bộ vào

đất liền. Hệ thống này đưa vào nghiệp vụ năm 2006 giúp cải thiện khả năng

dự báo tổ hợp 72 giờ. Sản phẩm đạt được là quỹ đạo dự báo tổ hợp, bản đồ

xác suất xuất hiện của bão và bản đồ phân bố xác suất của vài trường synop.

Hình 1.12 Kỹ thuật đồng hóa xoáy giả của JMA (Yamaguchi, 2012)[123]

Trung tâm JMA dự báo xoáy thuận nhiệt đới bằng cả hai cách tất định và

xác suất. Đối với dự báo tất định, JMA sử dụng mô hình GSM hay còn có tên

khác là TL959L60 có độ phân giải 20 km để dự báo bão tại các kỳ quan trắc

(00, 06 và 18UTC) có hạn dự báo là 84 giờ và kỳ quan trắc 12UTC có hạn dự

báo 216 giờ. Hệ thống đồng hóa dữ liệu được sử dụng là 4DVAR và sử dụng

phương pháp cài xoáy giả theo ba bước. Bước 1, tạo cấu trúc bão dựa trên vị

trí tâm bão, áp suất và bán kính gió 30 kt bằng các phân tích của các nhà dự

báo của JMA. Bước tiếp theo, họ đưa các điểm được tạo từ cấu trúc bão (Hình

1.12) vào hệ thống đồng hóa 4DVAR và coi chúng như những điểm thám sát.

Bước cuối, cấu trúc bất đối xứng thu được từ phỏng đoán ban đầu được đưa

vào cấu trúc đối xứng được xây dựng ở bước 1 và 2. Kết quả dự báo sai số

khoảng cách của bão được thể hiện tại Hình 1.13. Từ năm 2009, JMA bắt đầu

dự báo hạn 120 giờ, kết quả cho thấy sai số các năm là khác nhau như: năm

2010 sai số vị trí khoảng 450 km. Trong khi đó, năm 2009 và 2011 sai số vị

trí trên 500 km hạn 120 giờ.

Hình 1.13 Sai số dự báo quỹ đạo bão của hệ thống dự báo tất định JMA (Yamaguchi, 2012)[123]

Hình 1.14 Bản đồ dự báo xác suất quỹ đạo và cường độ bão hạn 3 ngày (a) và 5 ngày (b) của hệ thống dự báo xác suất JMA (Yamaguchi, 2012)[123]

Tháng 2 năm 2008, JMA bắt đầu sử dụng EPS cho bão (TEPS) để dự báo

xác suất. TEPS sử dụng mô hình (TL319L60) với độ phân giải 60 km gồm

11 thành phần (trong đó 1 thành phần kiểm chứng được nội suy từ mô hình

GSM và 10 thành phàn lấy từ hệ thống dự báo tổ hợp tuần (WEPS) có độ

phân giải tương đương với TEPS). Miền dự báo ở Tây Bắc Thái Bình

Dương và Biển Đông (0-60N, 100-180E), TEPS chạy 4 lần một ngày, bắt

đầu từ các kỳ quan trắc: 00, 06, 12, và 18 UTC với hạn dự báo 132 giờ.

TEPS có thể xác định 3 cơn bão tại cùng thời điểm trên miền tính. Phương

pháp véc tơ kì dị được sử dụng để tạo ra các nhiễu ban đầu cho bão. Vùng

bão được xác định theo phương Bắc - Nam 10 vĩ độ, theo phương Đông -

Tây là 20 kinh độ với tâm được xác định từ 24 giờ trước thời điểm dự báo.

Trước năm 2009, hệ thống TEPS đưa ra các vòng tròn xác suất xuất hiện của

quỹ đạo và cường độ bão trong 3 ngày (Hình 1.14a). Tháng 4 năm 2009, hệ

thống này bắt đầu dự báo quỹ đạo bão bằng các vòng tròn xác suất hạn 4 và

5 ngày (Hình 1.14b).

Tại cuộc hội thảo lần thứ 6 của WMO về dự báo xoáy thuận nhiệt đới dựa

trên sản phẩm mô hình số năm 2010 [121], nhóm GIFS-TIGGE (tổ hợp các

ảnh hưởng nghiêm trọng toàn cầu THORPEX) đã xây dựng kế hoạch tương

tác hệ thống dự báo toàn cầu (GIF) cho thời gian thực của dữ liệu tổ hợp và

sản phẩm, chúng được hỗ trợ từ các mô hình dự báo thời tiết có độ phân giải

cao từ các trung tâm lớn (9 trung tâm là CMC, CMA, ECMWF, JMA, KMA,

khí tượng của Pháp (Meteo-France), Viện khí tượng Thượng Hải của Trung

Quốc, UKMO và NCEP). Kết quả của dự án là TIGGE được hình thành nhằm

mục đích kiểm tra quá trình trao đổi tổ hợp dự báo quỹ đạo bão ở thời điểm

thực, các định dạng cho việc trao đổi dữ liệu bão là Cyclone XML (CXML).

Năm 2009, dự án “Dự báo tổ hợp xoáy thuận nhiệt đới tại khu vực Tây Bắc

Thái Bình Dương ” (NWP-TCTEF) đang được triển khai. Dự án xây dựng

dựa trên khái niệm TIGGE và tận dụng cơ ở dữ liệu CXML của TIGGE. Theo

đánh giá của nhóm nghiên cứu khả năng dự báo quỹ đạo bão cho khu vực Tây

Bắc Thái Bình Dương đối với các tổ chức khí tượng Úc (BOM), Canada

(CMC), Đức (DWD), Châu Âu (ECMWF), Nhật (JMA), Pháp (FRN), Hoa

Kỳ (NCEP, NRL) và Anh (UKMO) (hình 1.15) trong năm 2009, 2010, 2011

cho thấy sai số vị trí dự báo quỹ đạo bão là khoảng 100 – 220 km, 180 – 300

km, 280 – 500 km, 370 – 680 km và 380 – 900 km tương ứng với các hạn 1,

2, 3, 4 và 5 ngày tùy thuộc vào từng năm và từng tổ chức.

c)

Hình 1.15 Sai số dự báo quỹ đạo bão của các trung tâm trên thế giới cho khu vực Tây Bắc Thái Bình Dương: hình a, b, c tương ứng các năm 2009, 2010, 2011 (http://nwp-verif.kishou.go.jp/wgne_tc/index.html)

1.5.3 Tình hình nghiên cứu dự báo bão ở trong nước

- Cải tiến trường ban đầu

Các phương án cải tiến trường ban đầu để dự báo bão từ trước tới nay ở Việt

Nam thường là phương pháp cài xoáy giả. Công trình nghiên cứu cài xoáy giả

đầu tiên ở Việt Nam là của tác giả Trịnh Văn Thư và Krisnamurti (1992)

[113] đã nghiên cứu ban đầu hóa xoáy bão cho trường ban đầu và sử dụng mô

hình nước nông một mực để dự báo quĩ đạo hai cơn bão (Betty năm 1987 và

Dan năm 1989) trên khu vực Biển Đông. Kết quả nghiên cứu cho thấy kích

thước, cường độ, hướng và tốc độ chuyển động cho độ nhạy đáng kể trong dự

báo quỹ đạo bão. Các công trình tiếp theo của Kiều Thị Xin và nnk (2001,

2002) [32, 33] hay Phan Văn Tân và nnk (2002a, b) [16, 17] nghiên cứu xoáy

2 chiều trên mô hình chính áp để dự báo quỹ đạo bão ở Việt Nam. Những

năm sau đó nhóm tác giả Phan Văn Tân và Bùi Hoàng Hải (2003; 2004) [18,

19] nghiên cứu lý thuyết và áp dụng xoáy 3 chiều trên mô hình MM5. Đến

năm 2009, Phan Văn Tân và nnk [20] thử nghiệm đưa xoáy giả vào trường

ban đầu bằng phương pháp đồng hóa 3Dvar cho 10 cơn bão trong các năm

2006-2008. Kết quả tính trung bình cho tất cả các hạn dự báo đến 48 giờ là

120 km, kết quả này cải thiện được khoảng 50 km so với không đồng hóa.

Trong thời gian này, Nguyễn Thị Minh Phương (2003, 2005) [14, 15] nghiên

cứu điều chỉnh các phương án ban đầu hóa xoáy để rút ra được những bộ

tham số tối ưu cho dự báo quĩ đạo bão ở Việt Nam.

Hoàng Đức Cường (2004) [2] trong đề tài cấp Bộ về khả năng áp dụng mô

hình MM5 cho dự báo hạn ngắn ở Việt Nam, đã nghiên cứu về bão, tác giả

nhận định: “trong miền tính có sự hoạt động của xoáy thuận nhiệt đới nhất

thiết phải sử dụng chức năng cài xoáy của mô hình”. Một công trình khác

được nghiên cứu tại Viện KHKTTV&MT của Đặng Thị Hồng Nga và nnk

(2006) [13] đã ứng dụng sơ đồ phân tích xoáy 3 chiều của TCLAPS vào mô

hình dự báo số trị MM5, kết quả dự báo thử nghiệm cho thấy những hiệu

chỉnh, cải tiến làm tăng độ chính xác dự báo quĩ đạo bão vùng Biển Đông

Việt Nam.

Trần Tân Tiến và nnk (2009a, 2009b) [24, 25] đã thử nghiệm dự báo và

đánh giá sai số vị trí của quỹ đạo bão bằng 4 phương án trên mô hình MM5

(MM5 nguyên thủy, MM5 có cài xoáy giả, MM5 có cập nhật số liệu địa

phương và MM5 có cài xoáy giả kết hợp cập nhật số liệu địa phương). Kết

quả nghiên cứu cho thấy đối với mỗi cấp độ bão khác nhau thì sử dụng các

phương án khác nhau. Bên cạnh đó Trần Tân Tiến và nnk (2009c) [26] nghiên

cứu ảnh hưởng các yếu tố cấu thành xoáy nhân tạo trong đồng hóa số liệu

(dùng 3DVar) xoáy giả bằng mô hình WRF. Trong nghiên cứu này nhóm tác

giả thử nghiệm 5 trường hợp (không đồng hóa; đồng hóa trường áp suất mặt

biển và gió; đồng hóa trường áp suất mặt biển, gió và ẩm; đồng hóa trường áp

suất mặt biển, gió và nhiệt độ; đồng hóa trường áp suất mặt biển, gió, ẩm và

nhiệt độ) đối với cơn bão Lekima 2007. Kết quả chỉ ra rằng đồng hóa trường

áp suất mặt biển và gió với trường nền cho kết quả khả quan nhất, đặc biệt về

cường độ.

Năm 2011, Hoàng Đức Cường [4] thử nghiệm phương án đồng hóa số liệu

“giả” được trích từ xoáy nhân tạo và cập nhật xoáy giả (không sử dụng đồng

hóa) cho trường ban đầu để thử nghiệm dự báo 10 cơn bão trong 2 năm 2008-

2009 trên mô hình WRF. Theo tác giả, kết quả hầu như không cải thiện. Bên

cạnh đó, tác giả thử nghiệm đồng hóa số liệu cao không, mặt đất và số liệu vệ

tinh và thử nghiệm dự báo cho 2 mùa bão năm 2008-2009. Kết quả cho thấy

việc đồng hóa các số liệu này chỉ cải thiện trong 42 giờ đầu. Hiện nay, mô

hình WRF và MM5 được áp dụng dự báo nghiệp vụ tại Viện KHKTTV và

MT. Nhóm Bùi Hoàng Hải và Nguyễn Quang Trung (2011) [5] tiến hành

nghiên cứu lý thuyết và xây dựng mô hình đối xứng tựa cân bằng để nghiên

cứu sự tiến triển của bão. Tiến hành khảo sát trên 1 trường hợp xoáy thuận

nhiệt đới lý tưởng không có ma sát bề mặt và nguồn nhiệt. Quá trình mô

phỏng đã nắm bắt được nhiều đặc trưng như tăng cường hoàn lưu xoáy thuận,

sự phát triển của hoàn lưu xoáy nghịch và quá trình thu hẹp của thành mắt bão

của xoáy thuận nhiệt đới.

- Dự báo bão bằng phương pháp tổ hợp.

Các công trình đầu tiên nghiên cứu và áp dụng dự báo tổ hợp là Đề tài KC

09-04 do Trần Tân Tiến làm chủ nhiệm (Trần Tân Tiến, 2004) [22]. Đề tài đã

triển khai dự báo bão trên Biển Đông bằng sự kết hợp dự báo trung bình tổ

hợp 3 mô hình RAMS, ETA, WRF để xây dựng tổ hợp dự báo các trường khí

tượng. Kết quả dự báo tổ hợp cho thấy mô hình tổ hợp có khả năng nâng cao

chất lượng dự báo của các trường khí tượng. Sau một năm, Hoàng Đức

Cường (2005) [3] đã thử nghiệm dự báo tổ hợp cho mô hình MM5 bằng

phương pháp lấy trung bình đơn giản với các dự báo thành phần lần lượt là

sản phẩm của mô hình MM5 sau khi đã có những lựa chọn khác nhau đối với

các sơ đồ tham số hóa đối lưu và vi vật lý mây.

Võ Văn Hòa và nnk (2006a, b) [7, 8] khái quát lại một số phương pháp gây

nhiễu cho trường ban đầu sử dụng trong tổ hợp qũy đạo bão và đề xuất một số

hướng nghiên cứu tổ hợp qũy đạo bão dựa trên mô hình chính áp WBAR. Các

kết quả đánh giá sai số dự báo các sản phẩm tạo ra từ phương pháp Morte

Carlo của Võ Văn Hòa (2006c) [9] trên một số cơn bão trong 3 mùa bão năm

2003-2005 cho thấy sự cải thiện đáng kể trong chất lượng dự báo so với dự

báo kiểm chứng. Bên cạnh đó nhóm tác giả còn xây dựng phương án dự báo

tổ hợp qũy đạo bão (trung bình đơn giản và hồi quy tuyến tính) dựa trên các

kết quả của trung tâm dự báo của Nhật, Bắc Kinh và Guam. Số liệu dùng để

xây dựng gồm 37 cơn bão hoạt động trên Biển Đông từ năm 2001-2006 với

tổng số trường hợp nghiên cứu là 345. Kết quả nghiên cứu cho sai số vị trí

trung bình của phương án hồi quy tuyến tính là nhỏ hơn so với phương án

trung bình đơn giản nhưng sự chênh lệch là không đáng kể.

Trong đề tài KC08-05 (2010) [29] Trần Tân Tiến đưa ra được các phương

trình dự báo tổ hợp bằng các phương án tổ hợp trung bình đơn giản, trung

bình có trọng số, siêu tổ hợp từ các sản phẩm dự báo từ các mô hình riêng lẻ

như RAMS, WRF, ETA, HRM, WBAR … Ngoài ra trong đề tài này đã có kết

quả ban đầu của phương pháp nuôi nhiễu trên mô hình RAMS với hạn dự báo

3 ngày. Kết quả được thử nghiệm với 2 cơn bão Chanchu và Prapiron năm

2006 (2009d) [27] hoàn toàn phù hợp với lý thuyết tổ hợp của Kalnay. Bên

cạnh đó đề tài thử nghiệm phương pháp “tối ưu hoá thống kê nhiều chiều” để

dự báo quỹ đạo bão với bộ số liệu dự báo đường đi của bão trên 5 mô hình

được áp dụng thử nghiệm. Bộ số liệu lịch sử bao gồm 149 trường hợp dự báo

hạn 72 giờ của mô hình WRF, ETA, BARO, RAMS, và RAMS có cài xoáy

giả (RAMSBOG) được sử dụng, 149 trường hợp này được tạo ra từ các dự

báo của 3 cơn bão Chanchu (2005), Durian (2006), và Kai-tak (2006) trên

vùng Biển Đông. Kết quả thu được là các ma trận sai số hiệp biến nền của các

kỳ dự báo (06,12,..,72 giờ). Kết luận trong nghiên cứu này là: “tính tương

quan chéo của kinh và vĩ độ của tâm bão là không thể bỏ qua trong dự báo

đường đi bão bằng phương pháp tổ hợp”.

Năm 2011, Kiều Quốc Chánh [1] giới thiệu và áp dụng phương pháp tổ hợp

lọc Kalman trên mô hình WRF. Kết quả nghiên cứu bước đầu cho thấy bộ lọc

Kalman tổ hợp có thể sử dụng trường quan trắc gió vệ tinh và cho thấy tiềm

năng ứng dụng cao của biến thể này trong việc nâng cao chất lượng dự báo

thời tiết đặc biệt là khi có bão.

Trong đề tài cấp bộ TN&MT: “Nghiên cứu phát triển hệ thống dự báo tổ

hợp thời tiết hạn ngắn cho khu vực Việt Nam” do Võ Văn Hòa chủ trì (2012)

[11] có nghiên cứu phương án dự báo bão dựa trên 4 mô hình HRM, BoLAM,

WRFARW và WRFNMM với bộ số liệu ban đầu số liệu phân tích và dự báo từ 5 mô hình toàn cầu gồm GSM của JMA (độ phân giải 0.50 x 0.50), GFS của NCEP, GME của DWD, GEM của CMC và NOGAPS của US Navy. Các

kết quả đánh giá trong 3 mùa bão (2008-2010) cho thấy sai số vị trí trung bình

của 20 dự báo thành phần nhỏ hơn so với phần lớn các dự báo thành phần, với

sai số vị trí là khoảng 120 km, 240 km và 290 km đối với các hạn dự báo 24,

48 và 72 giờ tương ứng.

Nhận xét cuối chương

Nhìn chung đối với phương pháp tổ hợp dự báo bão tại Việt Nam hạn tới 72

giờ có một vài công trình nổi bật như của Võ Văn Hòa (2005, 2006) [6, 7, 8,

9], Hoàng Đức Cường (2005) [2] hay một số công trình của Trần Tân Tiến.

Các công trình này bước đầu đã đưa ra những ý tưởng để xây hệ thống tổ hợp

dự báo bão hạn ngắn (72 giờ), tuy nhiên mỗi công trình đều có những nhược

điểm riêng như: Công trình của Võ Văn Hòa mới chỉ quan tâm tới sai số của

trường ban đầu chứ chưa xem xét tới vai trò của mô hình. Công trình của

Hoàng Đức Cường lại tập chung nghiên cứu về ảnh hưởng của sơ đồ đối lưu

và lưới lồng mà không quan tâm tới sai số trường ban đầu. Trong khi đó, các

công trình của Trần Tân Tiến đã tính quan tâm tới xoáy giả cho trường ban

đầu, sai số của mô hình, cũng như hiệu chỉnh sai số hệ thống bằng phương

pháp thống kê và các phương án tổ hợp kết quả và thử nghiệm về sai số

trường ban đầu, tuy nhiên mới dừng lại ở hạn dự báo 3 ngày.

Trên thế giới, phương pháp tổ hợp quỹ đạo bão trên khu vực Tây Bắc Thái Bình Dương là rất phổ biến, bên cạnh 2 trung tâm lớn là Hồng Kông và Hàn Quốc sử dụng các sản phẩm dự báo có sẵn của các nước khác để tổ hợp kết quả dự báo bão, thì 2 trung tâm khác là Nhật Bản và Trung Quốc lại lựa chọn phương án xây dựng hệ thống dự báo cho riêng mình. Các hệ thống này tiếp tục sử dụng xoáy nhân tạo kết hợp với hệ thống 3DVAR và 4DVAR để tạo ra những trường ban đầu và cùng sử dụng phương pháp tạo nhiễu cho trường ban đầu, đây là vấn đề cải tiến mới so với các phương pháp nuôi nhiễu để dự báo thời tiết hàng ngày, vì vậy trong luận án cần học tập để xây dựng hệ thống tổ hợp. Tuy nhiên, nhược điểm của các hệ thống này là do tiết kiệm tài nguyên tính toán nên nhân ban đầu được sử dụng là nội suy của trường tổ hợp toàn cầu, vì vậy dẫn tới nhân ban đầu chưa phản ánh đúng được sai số ngày. Vấn đề thứ 2 của các hệ thống này là chưa trực giao các nhiễu, đây là 2 vấn đề mà trong luận án sẽ khắc phục để hoàn thiện hệ thống tổ hợp nhằm thích ứng với hoàn cảnh và điều kiện về số liệu và khả năng tính toán tại Việt Nam.

CHƯƠNG 2: Phương pháp nuôi nhiễu

khi có bão và lựa chọn các tham số cho

mô hình RAMS để dự báo tổ hợp

quỹ đạo bão ở Việt Nam

2.1 Nhiễu môi trường và nhiễu xoáy

Các nhân tố chính ảnh hưởng tới quỹ đạo bão là nội lực và ngoại lực tác

động lên khu vực bão. Vì vậy trong luận án này sẽ nghiên cứu nhiễu động hai

khu vực trong và ngoài bão một cách riêng rẽ.

Để giải quyết được bài toán dự báo bão bằng phương pháp số thì hai yếu tố

chính cần giải quyết là mô hình và trường ban đầu. Đối với yếu tố mô hình,

tuy đã có cải tiến đáng kể trong thời gian gần đây nhưng các nghiên cứu cho

thấy kết quả đạt được từ cải tiến mô hình chỉ đạt tới một giới hạn nhất định.

Vì vậy, các nhóm nghiên cứu đã chuyển hướng nghiên cứu cải tiến trường

ban đầu. Vấn đề nghiên cứu cho trường ban đầu chủ yếu là nghiên cứu cách

phục hồi lại những sai sót của số liệu do sai số của dụng cụ đo, khu vực không

có các thiết bị thám sát hay các quá trình nội suy số liệu từ trạm về lưới để sử

dụng làm trường ban đầu… Đối với bão, trường ban đầu được nghiên cứu và

cải tiến các phương pháp cài xoáy giả, đồng hóa 3DVAR, 4DVAR, BV, SV,

EnKF ... Nhìn chung, các phương án trên chủ yếu dùng để xác định chính xác

hơn trường ban đầu. Khi đó, trường ban đầu bằng tổng của trường phân tích

và trường sai số. Trường sai số được xác định như trường nhiễu. Trường

nhiễu trong trường hợp có bão được xác định gồm trường nhiễu trong khu

vực có bão (gọi là nhiễu xoáy) và trường nhiễu vùng ngoài bão (gọi là nhiễu

môi trường).

Gây nhiễu cho môi trường có thể kể tới các phương pháp như SV, BV,

ET, EnKF … Các phương pháp này được sử dụng tại các trung tâm dự báo

khí tượng lớn trên thế giới và đã được đề cập tới trong chương 1. Kết quả tác

động của nhiễu môi trường tới bão có thể nhận biết thông qua kết quả dự

báo về sự biến đổi giá trị của các nhân tố ngoại lực ảnh hưởng tới quỹ đạo

của bão.

Nhiễu trong bão, có rất nhiều công trình đã đề cập tới vấn đề này, ví dụ

nghiên cứu của Zhang và Krishnamurti (1999) [127] sử dụng kết hợp gây

nhiễu về sai số vị trí và sử dụng phương án trực giao để tìm ra các nhiễu phát

triển trong bão. Hay công trình của Cheung (1999b) [47] gây nhiễu bằng cách

xáo trộn cấu trúc xoáy trong khu vực bão… Tất cả các nghiên cứu này dùng

để chứng minh sự nhạy của việc thay đổi cấu trúc trong lõi bão nhằm mô

phỏng tốt hơn cho khu vực xảy ra bão khi mà các thám sát khu vực bão tại

vùng nhiệt đới, ở đó các thám sát rất thưa thớt.

2.2 Đề xuất phương án nuôi nhiễu môi trường và nhiễu xoáy khi có bão

cho khu vực Việt Nam

2.2.1 Tạo nhân ban đầu

Nhân ban đầu tại các Trung tâm quốc tế thường sử dụng là ngẫu nhiên, do

EPS dự báo thời tiết hàng ngày, vì vậy các nhân này được nuôi từ ngày này

qua ngày khác. Đối với Việt Nam, để dự báo bão, cần có phương án tạo nhân

ban đầu khi có bão xuất hiện. Trong luận án này đã sử dụng phương án tạo

nhân ban đầu bằng phương pháp dự báo trễ.

Nội dung của phương pháp này như sau:

Sử dụng số liệu phân tích của những kỳ quan trắc 48, 42, 36, 30 giờ trước

thời điểm dự báo để tích phân mô hình tới 24 giờ trước thời điểm làm dự báo.

Tìm hiệu và chuẩn hóa của các dự báo này từng đôi một để tạo ra nhân ban

đầu (Hình 2.1).

Hình 2.1 Cách tạo nhân ban đầu

Kết quả của phương pháp tạo nhân ban đầu này đã tạo được 6 nhân ban đầu

D1, D2, …, D6 (Hình 2.1) cho mỗi trường hợp dự báo. Như vậy, trong thử

nghiệm này, mỗi cơn bão cần phải tạo ra 6 nhân với mỗi nhân tương ứng với

hiệu của 2 dự báo trễ.

2.2.2 Phương pháp cài xoáy giả cho trường GFS

Xoáy giả sử dụng trong luận án là xoáy ba chiều được phát triển và ứng dụng

tại Úc (TCLAP) được nhóm tác giả Phan Văn Tân và Bùi Hoàng Hải sử dụng

và chuyển giao cho đề tài KC08.05/06-10. Lý do sử dụng phương pháp cài

xoáy giả này vì phương pháp được xây dựng và sử dụng ở một trong những

trung tâm lớn trên thế giới và đã được kiểm nghiệm và sử dụng để dự báo bão

cho khu vực Biển Đông như ở trong đề tài cấp nhà nước KC08-05/06-10 do

Trần Tân Tiến chủ trì hay đề tài cấp bộ TN&MT năm 2006 do Đặng Thị Hồng

Nga chủ trì. Cơ sở lý thuyết của phương pháp là xây dựng một xoáy nhân tạo

ba chiều, quá trình phân tích được thực hiện đối với tất cả các biến trường trên

nhiều mực. Số liệu ban đầu là trường phân tích toàn cầu gồm các biến trường

áp suất mực biển P, các thành phần gió ngang U, V, nhiệt độ T, độ ẩm tương

đối RH và độ cao địa thế vị H trên các mực khác nhau. Kỹ thuật và quá trình

phân tích trường được tiến hành lần lượt cho từng biến trường trên từng mực.

Trên mỗi mực, đối với từng biến trường, tâm xoáy phân tích toàn cầu được xác

định và nhiễu động xoáy ứng với tâm xoáy này được loại bỏ.

Nội dung phương pháp cài xoáy giả trình bày trong bài “Về một phương

pháp ban đầu hóa xoáy 3 chiều’’ (Phan Văn Tân và Bùi Hoàng Hải, 2003)

[19]. Nội dung chính của phương pháp thực hiện gồm: xác định thành phần

đối xứng giả, sau đó kết hợp phần đối xứng giả với thành phần đối xứng phân

tích. Bước cuối cùng là hiệu chỉnh các trường.

2.2.3 Phương án nuôi nhiễu khi có bão

Như đã đề cập ở trên, do EPS của các trung tâm khí tượng dùng để dự báo thời

tiết, nên nhiễu môi trường được nuôi hàng ngày và khi có bão, các trung tâm này

đưa thêm nhiễu xoáy vào trường nhiễu môi trường. Trong luận án này đã cải tiến

cách nuôi như sau:

Nhân ban đầu được xác định từ phương pháp dự báo trễ, các nhân này được

cộng và trừ với trường phân tích tại thời điểm bắt đầu nuôi để tạo ra một cặp

trường ban đầu mới (luận án sử dụng 6 nhân ban đầu, ký hiệu các nhiễu là di.

Kết quả sẽ có 6 cặp trường ban đầu mới). Chu kì phân tích là 6 giờ. Quá trình

nuôi sẽ diễn ra trong 24 giờ (Hình 2.2)

Hình 2.2 Sơ đồ 1 cặp nhiễu tổ hợp dự báo được nuôi trong 24 giờ

trước thời điểm làm dự báo T00

Hình 2.3 Sơ đồ nuôi nhiễu môi trường kết hợp với nhiễu xoáy trong 1 kỳ nuôi (từ thời điểm

trước 24 giờ tới thời điểm trước 18 giờ).

Một kỳ nuôi nhiễu của phiên bản này được thực hiện như sau (Hình 2.3):

Trường phân tích tại 24 giờ trước thời điểm làm dự báo T00 sau khi đã loại bỏ

xoáy thô (vort) và thêm xoáy giả TCLAP của Úc (Phương pháp cài được trình bày trong mục 2.3.2) được ký hiệu là trường xa. Tiến hành các bước sau trong

1 kỳ nuôi.

trường ban đầu x1a

a. Thêm vào và trừ đi trường xa một nhiễu di (i=1,2,…,6), khi đó ta có 6 cặp i =xa - di

i =xa + di (trường gán nhiễu dương) và x2a

(trường gán nhiễu âm)

b. Tích phân mô hình 6 tiếng cho cả hai trường gán nhiễu dương và gán

nhiễu âm.

c. Tách các trường dự báo sau 6 giờ (toán tử Sm và Sv) của trường gán nhiễu

dương (x1f (Smx1f

i) và trường gán nhiễu âm (x2f i) và trường xoáy (Svx1f

i và Sm x2f

i) ra làm 2 phần là trường môi trường i và Sv x2f

i) (hình 2.3).

d. Tìm hiệu (toán tử H hình 2.3) của từng cặp sau khi tách ở thời điểm dự

báo 6 giờ ta được các nhiễu môi trường mi và nhiễu xoáy vi.

e. Giảm quy mô (chuẩn hóa) của trường nhiễu môi trường bằng toán tử Cm

ta được các nhiễu môi trường chuẩn hóa Cmmi. Tiến hành trực giao bằng toán

tử T cho các nhiễu môi trường chuẩn hóa Cmmi thu được nhiễu môi trường

chuẩn hóa và trực giao TCmmi. Giảm quy mô của trường nhiễu xoáy bằng

toán tử Cx được nhiễu xoáy chuẩn hóa Cxvi, sau đó trực giao bằng toán tử T

cho các nhiễu xoáy chuẩn hóa Cxvv, ta thu được nhiễu xoáy chuẩn hóa và trực

giao TCxvi.

Trường nhiễu chuẩn hóa và trực giao sau khi thực hiện tại bước e được cộng

vào và trừ đi trường phân tích đã lọc xoáy thô và cài xoáy nhân tạo ở thời i = xa - TCmmi - TCxvi. i = xa + TCmmi + TCxvi và x2a điểm dự báo 6 giờ x1a

Quá trình được quay lại bước b.

Chu kỳ nuôi nhiễu này lặp lại 3 lần nữa cho tới thời điểm làm dự báo T00

(hình 2.2). Nhiễu nuôi này được gọi là véc tơ nuôi phát triển (BGM)

2.2.4 Chuẩn hóa nhiễu môi trường và nhiễu xoáy

Quá trình giảm quy mô trong quy trình nuôi nhiễu môi trường (toán tử Cm)

và nhiễu xoáy (toán tử Cx) được xác định bằng công thức (2.1)

f )( td

a x )( td

(2.1)

amp

f )( td

Với δxa và δxf

là các nhiễu ban đầu (nhiễu nuôi) và nhiễu dự báo tại thời

điểm t.

)(td fx

)0(fxd

Giá trị và Camp = là chuẩn hóa nhiễu tại thời điểm t và thời

điểm t =0 được xác định cho nhiễu môi trường và nhiễu xoáy khác nhau.

Trong luận án này sử dụng 3 trường nhiễu là gió (u,v) và nhiệt độ (T).

2.2.4.1 Chuẩn hóa nhiễu môi trường

)(td fx

được xác định theo quy tắc năng lượng tổng (Barkmeijer, 2001) [38]

)(td

ò D

26 ò Z 1

T (2.2)

1 2

é u ê ê ë

ù dzdD ú ú û

với u’,v’: nhiễu trường gió kinh hướng và vĩ hướng; T’: nhiễu trường nhiệt

độ, D: Miền lưới to; z1 đến z26 tương ứng với mực từ 1000hpa tới 10hpa.

)0(fxd

Camp = được tính theo công thức (2.2) các giá trị tại thời điểm t=0.

Các giá trị này được lựa chọn giống hệ thống tổ hợp mô hình khu vực sử dụng phương pháp nuôi nhiễu của Nhật (Saito.K, 2010) [104] với u’=v’=1.8 m.s-1; T’=0.7 K, Cp = 1006 Jkg-1K-1; Tr = 300 K;

2.2.4.2 Chuẩn hóa nhiễu xoáy

)(td fx

được tính theo công thức

dzdD

)( =td

ò D

17 ò Z 1

1 2

(2.3)

é ê ê ë

ù ú ú û

với u’,v’: nhiễu trường gió kinh hướng và vĩ hướng; T’: nhiễu trường nhiệt

độ, D1: khu vực quanh tâm thực của bão có bán kính 500 km; z1 đến z17

tương ứng với mực từ 1000hpa tới 300hpa.

)0(fxd

Camp = được tính theo công thức (2.3) các tham số tại thời điểm t=0

được lựa chọn giống hệ thống tổ hợp mô hình khu vực của Nhật (Saito.K, 2010) [104] với u’=v’=6 m.s-1; T’=4 K, Cp = 1006 Jkg-1K-1; Tr = 300 K;

2.2.5 Trực giao nhiễu môi trường và nhiễu xoáy

Vấn đề trực giao cho các véc tơ có hàng triệu điểm là rất khó khăn. Tuy

nhiên để giải quyết được vấn đề trực giao và để tránh cho các véc tơ nuôi phụ

thuộc tuyến tính, theo Magnusson và nnk (2008a) [90], trực giao các véc tơ là

cần thiết. Dựa trên cơ sở đó, tiến hành trực giao theo công thức:

E= BTB (2.4)

E = BTB = (PxM) x (MxP) = (PxP)

(2.5)

Khi đó ta tìm được 6 giá trị riêng và véc tơ riêng của ma trận E (PxP),

Tìm ma trận nhiễu mới V = B * E = (MxP) * (PxP) = (MxP). (2.6)

2.2.5.1 Trực giao nhiễu môi trường

Với nhiễu môi trường B là [Cmm1, Cmm2, …, Cmm6];

khi đó B gồm (MxP) điểm, với M=l x k; l là số điểm lưới theo vĩ độ theo

miền lưới to, k là số điểm lưới theo kinh độ theo miền lưới to. P = 6

(số nhiễu)

2.2.5.2 Trực giao nhiễu xoáy

Với nhiễu xoáy B được xác định [Cmv1, Cmv2, …, Cmv6];

khi đó B gồm (MxP) điểm, với M=l x k; l là số điểm lưới theo vĩ độ của

vùng xoáy bão, k là số điểm lưới theo kinh độ của vùng xoáy bão. P = 6

(số nhiễu)

2.3 Nhiễu trên biên

Do hệ thống dự báo tổ hợp toàn cầu của các trung tâm lớn của thế giới được

dự báo hàng ngày, các sản phẩm dự báo của các sản phẩm này sẽ được sử

dụng làm nhiễu trên biên cho hệ thống dự báo tổ hợp cho mô hình khu vực

của họ. Đối với hệ thống được đề xuất, do nhiễu ban đầu là tự nuôi dựa trên

hệ thống dự báo tổ hợp khu vực của ta vì vậy không thể thích nghi được với

nhiễu trên biên từ mô hình toàn cầu tổ hợp của các trung tâm lớn trên thế giới.

Vì vậy trong hệ thống này chỉ sử dụng điều kiện biên duy nhất là sản phẩm dự

báo từ mô hình GFS. Với giả thiết, nhiễu trên biên được bỏ qua vì ảnh hưởng

của nó đến kết quả không lớn. Giả thiết này cũng được sử dụng ở hệ thống dự

báo bão GRAPES_TCM của Viện nghiên cứu xoáy thuận nhiệt đới Thượng

Hải, Trung Quốc.

2.4 Quy trình nuôi nhiễu.

Quy trình nuôi nhiễu được thực hiện theo các bước sau:

1/ Lấy số liệu GFS tại trước thời điểm làm dự báo 48, 42, 36 và giờ (GFS-

48, GFS-42, GFS-36 và GFS-30), sử dụng các trường này làm trường ban đầu

và tích phân mô hình RAMS tới trước thời điểm làm dự báo 24 giờ. Lấy hiệu

và chuẩn hóa từng cặp các trường dự báo (u, v, t) tại thời điểm trước 24 giờ để

tạo ra 6 cặp nhiễu môi trường ban đầu (Trường nhiễu môi trường được tạo ra

từ dự báo trễ).

Hình 2.4 Chu kỳ nuôi nhiễu

2/ Lấy số liệu GFS tại trước thời điểm dự báo 24 giờ (GFS-24), lọc xoáy thô

và cài xoáy giả cho trường này và cộng trừ 6 trường nhiễu môi trường được

tạo ra từ dự báo trễ (tạo từ bước 1) để tạo ra 12 trường ban đầu mới. Tích

phân mô hình RAMS hạn dự báo 06 giờ với 12 trường ban đầu vừa được tạo

ra, sau đó tiến hành tách trường nhiễu xoáy và nhiễu môi trường từ trường dự

báo tại thời điểm trước dự báo 18 giờ. Chuẩn hóa 6 cặp trường nhiễu này để

tạo ra 6 trường nhiễu môi trường và 6 trường nhiễu xoáy mới. Trực giao 6

trường nhiễu môi trường và 6 trường nhiễu xoáy mới (quy trình được trình

bày chi tiết trong mục 2.3.3).

Quy trình ở bước 2 được lặp lại tại trước thời điểm dự báo 18, 12, 06 giờ.

3/ Lấy số liệu GFS tại thời điểm làm dự báo (GFS-00), cài xoáy giả cho

trường này và cộng trừ 6 trường nhiễu môi trường và 6 trường nhiễu xoáy

được tạo ra từ bước 5 để tạo ra 12 trường ban đầu mới. Tích phân mô hình

RAMS để dự báo quỹ đạo bão hạn 120 giờ với 12 trường ban đầu vừa tạo ra.

Chu kỳ nuôi nhiễu này được minh họa trên Hình 2.4.

2.5 Lựa chọn tham số cho mô hình RAMS để dự báo bão ở Việt Nam

2.5.1 Cấu hình miền tính

Miền dự báo gồm 192x157 điểm lưới theo phương ngang với bước lưới 30

km. Miền tính từ 5S-35N và 100E -150E, tâm miền tính được đặt ở 15N-

125E. Miền tính này có thể chứa được những cơn bão hình thành từ khu vực

Tây Bắc Thái Bình Dương, các cơn bão này có thể di chuyển vào Biển Đông

và ảnh hưởng tới Việt Nam với hạn đến 5 ngày. Số liệu dự báo toàn cầu GFS

của trung tâm NCEP được chọn làm trường dự báo kiểm chứng và trường

phân tích trong quá trình nuôi (Hình 2.5). Số mực theo chiều thẳng đứng là 26

mực, trong đó mực đẳng áp trên cùng là 10 mb. Bước thời gian tích phân

được đặt là 60 giây.

Phương pháp nuôi nhiễu trong luận án được sử dụng là một cặp nhiễu

dương và nhiễu âm giống nghiên cứu Toth và Kalnay (1997) [110], trường

gió và nhiệt được chọn làm đối tượng để nuôi dựa theo nghiên cứu của

Zhang (Zhang, 1997; Zhang và Krishnamurti, 1999) [126, 127] vì theo tác

giả: “biến đóng vai trò quan trọng nhất để dự báo thời tiết nhiệt đới là trường

gió và nhiệt”. Mô hình lựa chọn là mô hình RAMS, lý do lựa trọn mô hình

RAMS để dự báo bão trên khu vực Tây Bắc Thái Bình Dương và Biển Đông

là dựa vào đề tài KC 08-05/06-10 “Xây dựng công nghệ dự báo liên hoàn

bão, nước dâng và sóng ở Việt Nam bằng mô hình số với thời gian dự báo

trước 3 ngày”, Trần Tân Tiến và nnk (2010) [29] đã sử dụng các mô hình số

như WBAR, HRM, ETA, WRF, RAMS để dự báo quỹ đạo bão trên Biển

Đông hạn 3 ngày. Kết quả thử nghiệm trên 37 trường hợp trong các năm

2005, 2006, 2007 cho thấy mô hình RAMS là một trong các mô hình cho kết

quả dự báo tốt nhất và cho sai số vị trí quỹ đạo bão là 167, 269 và 330 km

tương ứng với các hạn dự báo 24, 28 và 72 giờ.

Hình 2.5 Miền dự báo quỹ đạo bão

Sơ đồ tham số hoá đối lưu ảnh hưởng lớn đến quỹ đạo dự báo của tất cả các cơn bão nên trong luận án đã chọn 3 sơ đồ đối lưu khác nhau là Kuo, Kain- Fritsch (KF) được tích hợp sẵn trong mô hình RAMS và sơ đồ KF cải tiến (KFCT) của Nguyễn Minh Trường (2009) [30] để dự báo quỹ đạo bão.

Bảng 2.1 Cấu hình dự báo bão 5 ngày ở Biển Đông

Cấu hình hệ thống

Phương pháp/ Số lượng

Mô hình Độ phân giải Số lưới Nhiễu IC Sơ đồ tham số hóa đối lưu

Các biến được nuôi Hạn dự báo

mô hình RAMS phiên bản 6.0 30 km 1 Phương pháp nuôi nhiễu trên trường GFS Sử dụng 3 sơ đồ đối lưu trong mô hình RAMS (KUO, KF và KF cải tiến) Trường gió (u, v) và nhiệt (t) 5 ngày

2.5.2 Giới thiệu sơ lược về mô hình RAMS.

Mô hình RAMS (Regional Atmospheric Modeling System) được Đại học

Tổng hợp Colorado (CSU) kết hợp với ASTER divsion- thuộc Mission

Research Corporation phát triển đa mục đích. Mô hình thường được sử dụng

để mô phỏng các hiện tượng khí quyển qui mô vừa (2-2000 km) từ dự báo

thời tiết nghiệp vụ đến các ứng dụng để mô phỏng, quản lý chất lượng môi

trường không khí.

Mô hình RAMS được các nhà khoa học thuộc Khoa KT-TV-HDH, Trường

ĐH Khoa học Tự nhiên Hà Nội đưa vào nghiên cứu và thử nghiệm tại Việt

Nam từ năm 2001. Đến năm 2004, GS.TS Trần Tân Tiến [22] cùng các cộng

sự của ông đã tiến hành cải tiến, áp dụng thành công mô hình RAMS trong dự

báo thời tiết tại Việt Nam và hoàn thành đề tài nghiên cứu cấp nhà nước “Xây

dựng mô hình dự báo các trường Khí tượng Thủy văn Biển Đông Việt Nam”.

Kết quả nghiên cứu đã chỉ ra kỹ năng dự báo ưu việt của mô hình RAMS đối

với các trường khí tượng trên lãnh thổ Việt Nam.

2.5.2.1 Các phương trình cơ bản của RAMS

Các phương trình cơ bản của RAMS là các phương trình nguyên thủy thủy

tĩnh hoặc không thủy tĩnh được lấy trung bình Reynolds. Tất cả các biến,

ngoại trừ một số kí hiệu khác, đều là các đại lượng được lấy trung bình trong

một thể tích ô lưới và do đó ký hiệu gạch ngang chỉ giá trị trung bình được bỏ

qua. Phép biến đổi tọa độ của lưới ngang và thẳng đứng được bỏ qua trong

phần này. Các kí hiệu được trình bày trong Bảng 2.2.

Bảng 2.2 Các kí hiệu chính được sử dụng trong mô hình

Định nghĩa

Thành phần gió theo hướng Đông-Tây Thành phần gió theo hướng Bắc-Nam Thành phần gió thẳng đứng Tham số coriolis Hệ số nhớt rối động lượng

Kí hiệu U V W F Km

Định nghĩa

Kí hiệu Kh qil rn r Con Rad Res

G rt rv p p' qv P

Hệ số nhớt rối nhiệt và ẩm Nhiệt độ thế vị của nước lỏng-băng Tỷ hỗn hợp của nước (gồm mưa, tinh thể băng, và tuyết) Mật độ không khí Chỉ số ký hiệu khuynh hướng do tham số hoá đối lưu Chỉ số ký hiệu khuynh hướng do tham số hoá bức xạ Chỉ số ký hiệu khuynh hướng do tham số hoá các quá trình vật lý vi mô qui mô dưới lưới Trọng lực Tỷ hỗn hợp của nước tổng cộng Tỷ hỗn hợp của hơi nước Hàm Exner tổng cộng Hàm Exner nhiễu Nhiệt độ thế vị ảo Khí áp

Các phương trình chuyển động:

u -=

(2.7)

u ¶ x ¶

u ¶ t ¶

'p ¶ x ¶

¶ x ¶

u ¶ x ¶

¶ y ¶

u ¶ y ¶

¶ z ¶

u ¶ z ¶

u ¶ y ¶

u ¶ z ¶

æ ç è

ö +÷ ø

æ ç è

ö ÷ ø

æ çç è

ö +÷÷ ø

u -=

(2.8)

v ¶ x ¶

v ¶ t ¶

'p ¶ x ¶

¶ x ¶

v ¶ x ¶

¶ y ¶

v ¶ y ¶

¶ z ¶

v ¶ z ¶

v ¶ y ¶

v ¶ z ¶

æ ç è

ö +÷ ø

æ ç è

ö ÷ ø

æ çç è

ö +÷÷ ø

u -=

(2.9)

w ¶ x ¶

w ¶ t ¶

¶ x ¶

w ¶ x ¶

¶ y ¶

w ¶ y ¶

¶ z ¶

w ¶ z ¶

w ¶ y ¶

w ¶ z ¶

æ ç è

ö +÷ ø

æ ç è

ö ÷ ø

' g qp ¶ v - x ¶ q o

æ çç è

ö +÷÷ ø

Phương trình nhiệt động lực:

u -=

(2.10)

q ¶ il t ¶

q ¶ il x ¶

q ¶ il y ¶

q ¶ il z ¶

¶ x ¶

q ¶ il x ¶

¶ y ¶

q ¶ il y ¶

¶ z ¶

q ¶ il z ¶

q ¶ il t ¶

æ ç è

ö +÷ ø

æ ç è

ö +÷ ø

æ ç è

ö ÷ ø

rad

æ çç è

ö +÷÷ ø

Phương trình liên tục đối với tỷ hỗn hợp của các thực thể nước:

u -=

(2.11)

r ¶ n t ¶

r ¶ n x ¶

r ¶ n y ¶

r ¶ n z ¶

¶ x ¶

r ¶ n x ¶

¶ y ¶

r ¶ n y ¶

¶ z ¶

r ¶ n z ¶

æ ç è

ö +÷ ø

æ ç è

ö ÷ ø

æ çç è

ö +÷÷ ø

Phương trình liên tục khối lượng:

p' ¶ t ¶

qr ¶ o o x ¶

qr ¶ o o y ¶

qr ¶ o o z ¶

R p o qr o o

æ çç è

ö ÷÷ ø

Lựa chọn thủy tĩnh của RAMS sẽ thay thế phương trình chuyển động thẳng đứng và phương trình liên tục khối lượng bằng phương trình thủy tĩnh như sau:

(2.12)

( rg T

)v r

p ¶ z ¶

g q v

(2.13)

u ¶ r x ¶

v r ¶ y ¶

w ¶ r z ¶

2.5.2.2 Cấu trúc lưới

a. Phép chiếu bản đồ

Lưới ngang sử dụng phép chiếu cực quay ba chiều, trong đó cực của phép

chiếu được quay tới khu vực gần tâm của miền tính, do vậy làm giảm thiểu sự

biến dạng của phép chiếu ở các khu vực chính cần quan tâm. Các tham số bản

đồ phù hợp được sử dụng trong tất cả các số hạng đạo hàm theo phương

ngang.

b. Hệ toạ độ địa hình

Cấu trúc thẳng đứng của lưới sử dụng hệ tọa độ địa hình sz. Đây là hệ tọa độ

địa hình trong đó mực tại đỉnh của mô hình gần như phẳng còn các mực dưới

sẽ có dạng theo địa hình. Các tọa độ trong hệ này được xác định như sau:

g zH -

æ ç ç è

ö ÷ ÷ ø

(2.14)

trong đó H là độ cao đỉnh lưới và zg là độ cao địa hình địa phương, là hàm

của x và y.

c. Các mực thẳng đứng

Việc sử dụng lưới thẳng đứng có khoảng cách biến đổi làm tăng độ phân

~ jR

giải ở gần mặt đất, nó giúp tránh được tỷ số giãn lưới

lớn giữa các mực kề

~ jR

nhau trong đó

được xác định đối với mực j bất kỳ như sau:

~ R

~ ( ) Z D ~ ( ) 1 Z D

(2.15)

là tỷ số giữa bề dày lớp trên và lớp dưới và

~ Z

( D

)

1 - +

(2.16)

là bề dày lớp được xác định bằng hiệu độ cao của hai mực. Do vậy thông thường ta

~ jR

khá nhỏ cố định trên một số mực sao cho lưới biến đổi dạng hình

lấy một giá trị ~ jZ

học từ giá trị

nhỏ gần bề mặt tới giá trị lớn hơn ở trên cao.

2.5.2.3 Các điều kiện biên

a. Điều kiện biên xung quanh

RAMS bao gồm vài lựa chọn cho dạng đặc trưng của các điều kiện biên

xung quanh. Dạng tổng quát với lưới so le C được sử dụng trong RAMS là

điều kiện phát xạ cơ bản:

( cu +-=

)

u ¶ t ¶

u ¶ x ¶

(2.17)

trong đó u là thành phần gió vuông góc với biên. Vấn đề là sau đó xác định

dạng của c, là vận tốc pha. Các lựa chọn tồn tại trong RAMS phiên bản 4.4

theo sơ đồ Orlanski (1976) [99], là sơ đồ cải tiến của Klemp và Lilly (1978)

[77]. Tại phiên bản 6.0, cũng như lựa chọn trong luận án là sơ đồ Klemp và

Wilhelmson (1978) [78].

b. Điều kiện biên thẳng đứng

Đối với các điều kiện biên dưới tại bề mặt, các dòng thông lượng ở lớp bề

mặt cung cấp thông tin về sự trao đổi chủ yếu giữa khí quyển và bề mặt. Tuy

nhiên, để thuận tiện hơn đối với mục đích số sẽ định nghĩa các giá trị biến tại

một mực ảo 1/2 Dz nằm dưới bề mặt.

Đối với các điều kiện biên trên, có một số lựa chọn phụ thuộc vào dạng mô

phỏng và ý đồ mô phỏng. Đối với hệ phương trình không thuỷ tĩnh, có hai lựa

chọn cho việc xác định thành phần vận tốc vuông góc đến đỉnh của miền tính.

Hoặc sử dụng điều kiện biên vách đơn giản (w = 0) hay áp dụng điều kiện

biên phát xạ sóng trọng trường của Klemp và Durran (1983) [76]. Điều kiện

Klemp-Durran được suy diễn cho sóng trọng trường tuyến tính, dừng, và thuỷ

tĩnh, cho thấy khả năng ứng dụng tốt trong một số trường hợp, đặc biệt khi

RAMS được ban đầu hoá với điều kiện đồng nhất ngang và dòng bị cưỡng

bức bởi địa hình. Kinh nghiệm cho thấy, có một số tình huống kém thành

công hơn với các trường hợp mà ở đó dòng thể hiện tính không dừng mạnh

(ví dụ trong trường hợp đối lưu sâu). Điều kiện này không thích hợp với ban

đầu hoá không đồng nhất, vì điều kiện này giả thiết là tất cả các chuyển động

thẳng đứng tại đỉnh mô hình là kết quả của sự lan truyền sóng trọng trường

thẳng đứng.

Do đó, để có thể kết hợp cả điều kiện vách lẫn điều kiện Klemp-Durran, một

lớp hấp thụ có thể được sử dụng mở rộng từ đỉnh của miền tính cần quan tâm

đến đỉnh của mô hình. Trong trường hợp đồng nhất ngang, lớp này là một lớp

ma sát Rayleigh đơn giản ở đó một số hạng mở rộng được thêm vào phương

trình dự báo cơ bản:

)

¶ f t ¶

( 0- ff t

(2.18)

trong đó f tương ứng với các biến dự báo u, v, w, và q, fo là các giá trị ban

đầu của các biến trên, t là qui mô thời gian được xác định là một hàm tuyến

tính theo độ cao, biến đổi từ giá trị vô cùng tại đáy của lớp hấp thụ tới giá trị

nhỏ nhất tại đỉnh miền tính của mô hình, nó thường được gán giá trị trong

khoảng từ 60 đến 300 giây.

Đối với các ban đầu hoá không thuỷ tĩnh, điều kiện ép biên tương đương với

sơ đồ của Davies (1976) [49] hay sơ đồ ma sát Rayleigh, có thể được sử dụng

như là một lớp hấp thụ tại đỉnh mô hình.

Tương tự như các điều kiện biên xung quanh, các biến khác được xác định

lệch lên trên 1/2 Dz so với các thành phần vận tốc vuông góc vì lưới so le đã

được sử dụng. Các biến này được xác định bằng phép ngoại suy đơn giản.

2.5.2.4 Sơ đồ đối lưu

Trong mô hình RAMS phiên bản 6.0 đã đưa thêm sơ đồ tham số hóa đối lưu

KF vào. Bên cạnh đó TS. Nguyễn Minh Trường cũng cải tiến sơ đồ KF và

đưa vào thử nghiệm trên mô hình RAMS. Dưới đây trình bày nguyên lý của 3

sơ đồ này.

a, Sơ đồ đối lưu Kuo [84]

Các sơ đồ tham số hoá đối lưu thuộc nhóm này được xây dựng trên cơ sở

khái niệm bất ổn định điều kiện loại hai. Khái niệm về bất ổn định điều kiện

loại hai (CISK-Conditional Instability of the Second Kind) được Charney và

Eliassen đưa ra vào năm 1964 để phân biệt với bất ổn định có điều kiện của khí

quyển nhiệt đới là bất ổn định có điều kiện loại một. Khác với bất ổn định có

điều kiện loại một, bất ổn định có điều kiện loại hai gây ra bởi ma sát bề mặt và

toả nhiệt ẩm ngưng kết. Chuyển động đối lưu trong bất ổn định loại hai thường

luồn sâu vào lớp ổn định bên trên lớp bất ổn định và chiếm hầu như toàn bộ

tầng đối lưu. Các xoáy qui mô lớn tạo ra sự hội tụ hơi nước trong lớp biên khí

quyển, sau đó mây vũ tích được hình thành và các đám mây này vận chuyển

hơi nước từ dưới lên trên. Khi hơi nước ngưng kết toả ra lượng ẩn nhiệt rất lớn

và nó lại làm cho xoáy qui mô lớn mạnh lên. Do ma sát với bề mặt, xoáy này

làm tăng độ hội tụ hơi nước trong lớp biên và quá trình cứ tiếp diễn như vậy.

Sơ đồ Kuo có các giả thiết sau đây:

a) Đối lưu mây tích xuất hiện ở vùng có lớp bên dưới phân tầng bất ổn định

có điều kiện và có hội tụ ẩm;

b) Chuyển động đối lưu vận chuyển không khí lớp sát đất đến độ cao rất

lớn. Trong chuyển động này, không khí trong mây đi lên theo quá trình đoạn

nhiệt giả;

c) Chân mây nằm ở mực ngưng kết của không khí lớp sát đất, đỉnh mây đạt

tới độ cao nơi nhiệt độ của phần tử đi lên bằng nhiệt độ môi trường;

d) Mây tích tồn tại một thời gian rất ngắn sau đó chúng “hoà tan” vào môi

trường ở mực đó. Vì vậy, nhiệt và ẩm mà mây đem theo truyền cho không khí

môi trường.

b, Sơ đồ Kain-Fritsch gốc

Như đã biết, các sơ đồ tham số hóa đối lưu (CPS) dùng cho các mô hình dự

báo qui mô vừa nói chung còn chứa nhiều nhược điểm. Tuy nhiên, trong

những năm gần đây sơ đồ Kain-Fritsch được phát triển trên cơ sở sơ đồ

Fritsch-Chappell [72] và liên tục được cải tiến và cập nhật, do vậy nó trở

thành một sơ đồ quen thuộc và được sử dụng rộng rãi. Sơ đồ này sử dụng các

hàm kích hoạt đối lưu, dòng thăng đối lưu ẩm, dòng giáng đối lưu ẩm, hoàn

lưu bồi hoàn và quá trình khép kín đối lưu

c, Sơ đồ Kain-Fritsch cải tiến

Trong luận án “Nghiên cứu mô phỏng mưa đối lưu bằng mô hình RAMS

cho khu vực Trung bộ”. Nguyễn Minh Trường cải tiến các vấn đề trong sơ đồ

đối lưu gốc như: Đưa gradient thẳng đứng của nhiễu động áp suất vào sơ đồ

đối lưu đối lưu. Sau đó, tác giả đã thiết lập hàm kích hoạt đối lưu mới.

(Nguyễn Minh Trường, 2009) [30].

2.6 Số liệu sử dụng và phương pháp tìm tâm bão.

2.6.1 Số liệu

Bộ số liệu nghiên cứu là các cơn bão trong 5 mùa bão năm 2009, 2010, 2011,

2012 và 2013. Danh sách các cơn bão được trình bày trong Bảng 2.3, tổng số

trường hợp thử nghiệm là 199.

Bảng 2.3 Tên các cơn bão thử nghiệm

Tên CHANHOM LINFA GONI MUJIGAE KETSANA PARMA MIRINAE

Ngày kết thúc 2009050900 2009062212 2009080912 2009091200 2009093006 2009101412 2009110212

STT 1 2 3 4 5 6 7

2010071718 2010072306 2010090206 2010102318

8 9 10 11

2011062418 2011073015 2011093012 2011100506 2011121918

12 13 14 15 16

VICENTE KAITAK GAEMI SONTINH BOPHA WUKONG

2012072418 2012081806 2012100612 2012102906 2012120906 2012122806

17 18 19 20 21 22

BÃO năm 2009 Ngày bắt đầu 2009050218 2009061706 2009080100 2009090812 2009092500 2009092818 2009102618 BÃO năm 2010 CONSON 2010071118 CHANTHU 2010071800 2010082818 LIONROCK 2010101312 MEGI BÃO năm 2011 HAIMA 2011061900 NOCKTEN 2011072506 NESAT 2011092400 NALGAE 2011092800 WASHI 2011121500 BÃO năm 2012 2012072112 2012081300 2012100112 2012102312 20121126 20121225 BÃO năm 2013 2013010312 2013062018 2013062812 2013073100 2013080918 2013091618 2013092706 2013100912

SONAMU BEBICA RUMBIA JEBI UTOR USAGI WUTIP NARI

2013010800 2013062406 2013070212 2013080312 2013081512 2013092700 2013100100 2013101606

23 24 25 26 27 28 29 30

Số trường hợp 6 5 12 3 4 28 10 7 3 7 12 10 6 9 11 7 2 5 5 5 20 1 2 1 1 4 2 8 1 2

2.6.2 Phương pháp dò tìm tâm bão

Để xác định vị trí tâm bão dự báo dựa trên các trường dự báo từ hệ thống dự

báo tổ hợp bão, trong nghiên cứu này sử dụng phương pháp downhill để xác

định tâm bão. Cụ thể, thay vì xác định tâm bão dựa trên một tham số như khí

áp trung bình mực biển, ở đây đã sử dụng 3 tham số chính gồm khí áp trung

bình mực biển (cực tiểu), độ cao địa thế vị 700 và 850mb (dương cực tiểu) để

xác định vị trí tâm bão. Vị trí tâm bão sẽ là trung bình cộng của 3 vị trí được

tìm thấy cho 3 tham số chính nói trên.

2.7 Các phương pháp tổ hợp kết quả dự báo

Thông thường, các trung tâm khí tượng lớn trên thế giới sử dụng các sản

phẩm của hệ thống EPS để dự báo và xác suất. Nội dung cơ bản của 2 phương

pháp này như sau.

2.7.1 Dự báo tất định từ các thành phần dự báo tổ hợp

Dự báo tất định từ các thành phần dự báo tổ hợp cho phép đưa ra dự báo tối

ưu dựa trên các dự báo thành phần. Tổ hợp các thành phần tham gia để đưa ra

một dự báo. Trong luận án sử dụng các phương pháp sau:

2.7.1.1 Trung bình đơn giản

Công thức tính trọng số:

w=wi = 1/ N (2.19)

Mọi thành phần dự báo được coi là quan trọng như nhau. Không cần phải có

số liệu lịch sử, không cần quan tâm đến tính chất hay đặc điểm của các nguồn

số liệu. Chất lượng của dự báo tổ hợp sẽ giảm sút đáng kể trong trường hợp

có một vài dự báo thành phần không tốt, tách hẳn so với chùm các dự báo

thành phần khác. Để có kết quả tổ hợp tốt ta phải lựa chọn các dự báo trước

khi đưa vào tổ hợp.

2.7.1.2 Dự báo siêu tổ hợp

Dự báo siêu tổ hợp được đề xuất bởi Krishnamurti và nnk (1999, 2000a,

2000b, 2001) [80, 81, 82, 83]. Bản chất của phương pháp này là tổ hợp các

thành phần khác nhau để tạo ra kết quả dự báo mới mà đóng góp thông tin

cho phương trình tổ hợp phụ thuộc vào trọng số của các thành phần tham gia

phương trình. Các trọng số được xác định bằng phương pháp bình phương tối

thiểu. Giả sử có N thành phần tổ hợp và M số trường hợp xây dựng phương

trình. Theo nghiên cứu của Krisnamurti và Jordan (2005) [71] số trường hợp

xây dựng phương trình vào khoảng 50 đến 75 là đủ. Phương trình dự báo siêu

tổ hợp được xây dựng dựa trên 2 bước là bước xây dựng phương trình và

bước dự báo. Các bước xây dựng như sau:

Hình 2.6 Dự báo siêu tổ hợp (Kisnamurti và Jordan, 2005)[71]

- Bước thứ nhất xây dựng phương trình dự báo:

o Tính trung bình kết quả quan trắc (kí hiệu: O ) của M trường hợp o Tính trung bình M trường hợp kết quả dự báo của thành phần i (kí

hiệu:

iF )

o Tính hệ số ai theo phương pháp bình phương tối thiểu trên M

trường hợp.

Khi đó phương trình siêu tổ hợp là:

(2.20)

FFa

(

)

OS =

1 =

- Bước dự báo

o Tạo N thành phần dự báo tổ hợp (ký hiệu các thành phần là Fi) cho

một trường hợp cụ thể.

o Thay Fi vào phương trình (2.20) kết quả thu được giá trị từ dự báo

siêu tổ hợp.

2.7.2 Dự báo xác suất từ các thành phần dự báo tổ hợp bão

Với một hệ thống dự báo tổ hợp hoàn hảo phải phản ánh được trạng thái thực của khí quyển do một trong số các dự báo thành phần của hệ tổ hợp. Điều đó có nghĩa rằng khi các thành phần dự báo của hệ tổ hợp có độ tán nhỏ, đồng nghĩa với một độ bất định nhỏ, ta có thể tin cậy vào dự báo trung bình tổ hợp hay dự báo từ bất cứ thành phần nào. Ngược lại, nếu độ tán tổ hợp lớn tương ứng với độ bất định lớn thì mức độ tin cậy của dự báo tất định cuối cùng đưa ra không cao. Vì vậy, độ bất định của dự báo có thể xác định thông qua độ tán của một hệ thống tổ hợp. Các công trình nghiên cứu của (Kalnay, 2003; Buizza, 1994) [74, 41] đã chứng minh mối quan hệ giữa độ tán với kỹ năng dự báo. Dự báo tổ hợp đã mở ra khả năng giải quyết bài toán dự báo kỹ năng dự báo được đặt ra trước đó.

Hình 2.7 Mô tả vòng tròn dự báo (Kishimoto, 2009)[75]

Thông thường, độ tán tổ hợp xác định như sau:

(2.21)

i XX

( å - 1 =

1 N

Với: N là số thành phần tham gia tổ hợp, Xi: kết quả dự báo của thành phần

tổ hợp; X là trung bình các thành phần tham gia tổ hợp.

Từ cách tính độ tán tổ hợp này, Cục khí tượng Nhật Bản (JMA) đã xây dựng

vòng tròn dự báo xác suất gồm các bước như sau:

a, Tâm vòng tròn được xác định là vị trí tâm bão dự báo tổ hợp .

b, Bán kính của vòng tròn là độ tán tổ hợp tính theo công thức (2.21)

c, Các vòng tròn có tâm là tọa độ tâm trung bình của các dự báo thành phần và bán kính là độ tán tổ hợp (Otrungbình,Spread). Để độ tán tổ hợp tăng dần theo thời gian dự báo thì bán kính của vòng tròn dự báo tại hạn dự báo sau sẽ bằng độ tán của hạn dự báo sau cộng với bán kính của hạn dự báo trước. Như vậy, mỗi lần dự báo, các vòng tròn xác suất tỷ lệ với độ tán tổ hợp.

2.8 Đánh giá dự báo tổ hợp

Đánh giá các thành phần dự báo tổ hợp bằng cách xác định sai số của từng

thành phần hoặc trung bình các thành phần tổ hợp. Các sai số được xác định

là sai số dọc, sai số ngang, sai số khoảng cách, độ lệch chuẩn… Dưới đây tôi

giới thiệu sơ lược về các cách đánh giá dự báo tổ hợp được sử dụng trong

luận án này.

2.8.1 Tính sai số khoảng cách

Sản phẩm dự báo quỹ đạo bão thường được tính khoảng cách giữa tâm bão

thực tế và tâm bão dự báo bằng công thức (2.22)

Arc

). sin(

cos(

) cos(

)

(2.22)

) +

- bb

[ cos sin(

]

RPE e =

Để đánh giá chung cho toàn tập mẫu (n), ta tính giá trị trung bình của sai số

khoảng cách PE như sau:

MPE

, (2.23)

n å = =1 i

Với Re là bán kính Trái đất Re = 6378.16 km

1a và

2a là vĩ độ của tâm bão thực tế và tâm bão do mô hình dự báo

sau khi đã đổi sang đơn vị radian.

1b và

2b là kinh độ của tâm bão thực tế và tâm bão do mô hình dự báo

sau khi đã đổi sang đơn vị radian.

Tâm bão dự báo

CTE

Tâm bão quan trắc

ATE

Tâm bão quan trắc 6h trước

Hình 2.8 Sơ đồ mô tả cách tính sai số

2.8.2 Tính sai số ngang

Để tính quá trình dự báo lệch trái hay lệch phải hơn, sai số ngang CTE

(Cross Track Error) theo hướng di chuyển của cơn bão.

CTE

Arc

sin

/ Rd

sin(

)

qq -

(2.24)

[ sin(

]

d13: khoảng cách của tâm bão quan trắc trước 6 giờ tới tâm bão dự báo

tan tan

*) *)

sin( sin(

) )

sin( sin(

*) *)

cos( cos(

*) *)

cos( cos(

), sin( ), sin(

*) *)

cos( cos(

Arc = = Arc

- -

[ 2 cos( [ 2 cos(

] ) ])

q 13 q 12

a 1 a 1

a 3 a 2

a 1 a 1

a 3 a 2

- bb 1 - bb 1

- bb 1 3 - bb 1

a 3 a 2

α3 và β3 là vĩ độ và kinh độ của tâm bão quan trắc trước 6 giờ sau khi đã đổi

sang đơn vị radian.

CTE nhận dấu dương khi tâm bão nằm phía phải so với tâm bão quan trắc và

nhận dấu âm khi nằm về trái. Sai số CTE trung bình (MCTE) dương cho thấy

quỹ đạo bão có xu thế lệch phải còn MCTE âm cho thấy xu thế lệch trái so

với quỹ đạo thực.

CTE

(2.25)

MCTE

å = =1

2.8.3 Tính sai số dọc

Để tính tốc độ di chuyển của bão dự báo nhanh hơn hay chậm hơn so với

vận tốc di chuyển của bão thực, người ta còn dùng thêm sai số dọc ATE

(Along Track Error).

ATE

Arc

cos

/ Rd

cos(

CTE

(2.26)

[ cos(

]R )

ATE nhận dấu dương nếu tâm bão dự báo nằm phía trước tâm bão quan trắc

và nhận dấu âm khi tâm bão dự báo nằm phía sau tâm bão quan trắc.

Với qui ước này, nếu sai số bão trung bình (MATE) nhận giá trị dương có

nghĩa tâm bão dự báo có xu thế di chuyển nhanh hơn so với thực và ngược lại,

MATE nhận giá trị âm thì tâm bão dự báo cho xu thế di chuyển chậm hơn.

Hình 2.8 mô phỏng các chỉ tiêu sai số được tính.

ATE

, ji

MATE

å = =1

(2.27)

2.8.4 Độ lệch chuẩn

Dùng để đánh giá mức độ phân tán hoặc độ nhạy của một tham số. Giả sử

để tính độ lệch chuẩn cho một hệ thống tổ hợp, M số thành phần tổ hợp, độ

lệch chuẩn tại hạn dự báo t, được định nghĩa là:

(2.28)

)( t

MEM

)( t

MEM

(

))

[ (

]

1 =

1 M

Trong đó, MEMm(t) là sai số vị trí của trường hợp bão đang xem xét tại hạn

)(t

dự báo t ứng với thành phần tổ hợp thứ m,

MEM là sai số vị trí trung bình

của M thành phần.

Độ lệch chuẩn trung bình (SDA) Độ lệch chuẩn trung bình là trung bình của

độ lệch chuẩn lấy trên toàn bộ tập hợp N các trường hợp bão thử nghiệm:

( ) SDA t

( ) SD t n

(2.29)

1 N = å N = 1 n

Trong đó n là số thứ tự của trường hợp bão, SDn(t) là độ lệch chuẩn của

trường hợp bão thứ n tại hạn dự báo t.

CHƯƠNG 3: Dự báo tổ hợp quỹ đạo bão ở Việt Nam dựa trên phương pháp nuôi nhiễu phát triển

3.1 Khảo sát vai trò của các tham số trong mô hình RAMS và vai trò của nhiễu xoáy và nhiễu môi trường để dự báo quỹ đạo bão hạn 5 ngày

Các trường hợp khảo sát trong mục này tiến hành với cơn bão Washi hoạt

động trên khu vực Tây Bắc Thái Bình Dương. Quỹ đạo chuyển động của cơn

bãoWashi thể hiện hình 3.1.

Hình 3.1 Quỹ đạo cơn bão Washi (http://agora.ex.nii.ac.jp/digital-typhoon/summary/wnp/l/201121.html.en)

Cơn bão Washi hình thành từ ngày 11/12/2011 trên khu vực Tây Bắc Thái

Bình Dương. Trong 2 ngày đầu bão di chuyển chủ yếu theo hướng Tây. Đến

ngày 14/12/2011 bão có xu hướng di chuyển theo hướng Tây Tây Bắc. Tới ngày

18/11/2011 bão lại đổi hướng và di chuyển theo hướng Tây. Đến trưa ngày

19/11/2011 bão tan dã trên khu vực phía nam của Biển Đông trên khu vực quần

đảo Trường Sa. Tiến hành các thí nghiệm trên cơn bão này.

3.1.1 Lựa chọn sơ đồ đối lưu trong mô hình RAMS để dự báo quỹ đạo bão

Sự thay đổi các sơ đồ tham số hóa đối lưu ảnh hưởng rất lớn đến khả năng

dự báo quỹ đạo bão. Như ta biết, bão có cấu trúc phát triển theo phương thẳng

đứng lớn dẫn tới đối lưu phát triển mạnh. Vì vậy, khi thay đổi các sơ đồ tham

số hóa đối lưu dẫn tới thay đổi cấu trúc và quỹ đạo bão dự báo. Để làm rõ hơn

vấn đề này, đã tiến hành thử nghiệm thay đổi các sơ đồ tham số hóa đối lưu

trong mô hình RAMS và thử nghiệm dự báo cho cơn bão Washi 12 giờ ngày

13 tháng 12 năm 2013

Hình 3.2 Quỹ đạo dự báo khi thay đổi 3 sơ đồ đối lưu ngày 13/12/2011+120h; Tròn

rỗng: Qũy đạo trung bình tổ hợp; Tam giác: Quỹ đạo thực; Sao: KUO; chấm tròn đặc: KFCT; mũi tên: KF

Kết quả thử nghiệm cho thấy đối với phương án sử dụng mô hình RAMS

dùng sơ đồ KF thì quỹ đạo bão dự báo có xu hướng di chuyển lên phía Bắc

Tây Bắc, trong khi đó sử dụng mô hình RAMS dùng 2 sơ đồ KUO và KF cải

tiến, xu hướng di chuyển của bão trong 72 giờ đầu là theo hướng Bắc Tây

Bắc, tuy nhiên tại các hạn dự báo tiếp theo, 2 phương án này lại dự báo quỹ

đạo bão di chuyển theo hướng Tây Nam. Tiến hành đánh giá sai số vị trí của

trường hợp này (Hình 3.3), kết quả tính sai số khoảng cách cho thấy trong

84 giờ đầu 2 trường hợp sử dụng mô hình RAMS dùng sơ đồ KUO và sơ đồ

KF cho kết quả sai số là nhỏ nhất, sai số vị trí dưới 300 km, đặc biệt là với

phương án sử dụng RAMS với sơ đồ KUO, sai số tại hạn 84 giờ dưới 100

km. Tuy nhiên, tại các hạn dự báo tiếp theo, các phương án sử dụng mô hình

RAMS dùng sơ đồ KF và KF cải tiến cho kết quả dự báo quỹ đạo bão tốt

hơn, với sai số 300 km ở hạn dự báo 96 giờ và khoảng 500 km ở hạn dự báo

120 giờ.

Hình 3.3 Sai số vị trí khi thay đổi 3 sơ đồ đối lưu ngày 13/12/2011+120h

Để đánh giá thống kê, trong luận án đã tiến hành dự báo thử nghiệm cho 22

cơn bão tương ứng với 178 trường hợp được thống kê trong (Bảng 2.3) hoạt

động trên khu vực nghiên cứu trong 4 năm 2009, 2010, 2011 và 2012.

Hình 3.4 Biểu đồ sai số vị trí tâm bão dự báo bằng mô hình RAMS

Kết quả đánh giá bước đầu chỉ ra rằng, phương án sử dụng mô hình RAMS

với sơ đồ KUO cho kết quả tốt nhất tại các hạn dự báo. Đặc biệt tại hạn dự

báo 120 giờ sai số vị trí của phương án sử dụng mô hình RAMS với sơ đồ

KUO là 550 km. Tuy nhiên, sử dụng các sơ đồ đối lưu khác cho kết quả sai số

dọc và ngang rất khác nhau tức là hướng di chuyển của bão dự báo được thay

đổi khi sử dụng sơ đồ đối lưu khác nhau. Vì vậy việc sử dụng cả 3 sơ đồ đối

lưu cho hệ thống dự báo tổ hợp là cần thiết, nó góp phần tăng độ chính xác

của dự báo.

Hình 3.5 Biểu đồ sai số dọc (a) và ngang (b) của tâm bão dự báo bằng mô hình RAMS

Từ kết quả này, một cách hợp lý nhất là lựa chọn phương án sử dụng mô hình RAMS với sơ đồ KUO để tham gia vào quá trình xây dựng trường ban đầu cho hệ thống dự báo tổ hợp bão. Sau khi xây dựng 6 trường ban đầu bằng phương pháp nuôi nhiễu, sẽ chạy mô hình với cả 3 sơ đồ đối lưu. Như vậy sẽ tạo ra bộ dự báo tổ hợp 39 thành phần dự báo (gồm 1 số liệu GFS, 6 nhiễu dương, 6 nhiễu âm và 3 sơ đồ đối lưu).

3.1.2 Cấu trúc nhân ban đầu

Như đã giới thiệu trong phần trên, luận án chỉ tạo nhân ban đầu phục vụ

cho dự báo bão nên khi có phát báo bão tại các trung tâm quốc tế thì hệ thống

dự báo bão tổ hợp mới bắt đầu khởi động. Từ lý do trên, để tiết kiệm thời gian

nuôi nhiễu, trong luận án sử dụng phương pháp dự báo trễ để tạo ra các nhân

ban đầu.

Để chứng minh nhân ban đầu có cấu trúc hơn so với nhân ngẫu nhiên, tiến

hành thí nghiệm tạo nhân ban đầu cho cơn bão Washi tại thời điểm 12h ngày

13/12/2011. Đã sử dụng số liệu GFS tại thời điểm (T-48), (T-42), (T-36), (T-

30), sau đó tích phân với các số liệu tại các thời điểm trên đến (T-24), tìm

hiệu các trường nhiệt (t), gió (u,v) ở các mực tại thời điểm (T-24) từng đôi

một. Kết quả sẽ nhân được 6 nhân ban đầu là D1, D2, …, D6 của ba trường (2

trường gió (u,v) và 1 trường nhiệt độ). Các nhân này được minh họa bằng

trường nhiễu tốc độ gió và nhiệt tại mực 850 hpa ở Hình 3.6 và 3.7 và Hình

4.1 và 4.2 phần phụ lục.

Hình 3.6 Trường nhiễu tốc độ gió (m/s) của nhân D3 tại mực 850 hpa

Hình 3.7 Trường nhiễu nhiệt (độ K) của nhân D3 tại mực 850 hpa

Phân tích nhân ban đầu của nhiễu trường tốc độ gió và nhiệt độ mực 850

hpa được tạo ra cho thấy độ lớn của nhiễu ở khu vực bão của cả nhiễu trường

tốc độ gió và trường nhiệt là lớn, độ lớn của nhiễu trường tốc độ gió trong

bão được xác định lên tới 21 m/s, trong khi độ lớn của nhiễu trường nhiệt trong tâm bão lớn hơn 20K tại mực 850 hpa. Độ lớn của nhiễu ở khu vực ngoài bão là nhỏ hơn 3 m/s đối với nhiễu trường tốc độ gió và dưới 10K với

nhiễu trường nhiệt độ mực 850 hpa. Để làm rõ hơn cấu trúc của nhiễu trường

tốc độ gió và trường nhiệt, đã tiến hành khảo sát biến động của 2 trường này

theo phương thẳng đứng và cắt qua 6 độ vĩ Bắc (khu vực cơn bão hoạt động)

các trường này được thể hiện ở Hình 4.3, 4.4 phần phụ lục và Hình 3.8, 3.9.

Hình 3.8 Trường nhiễu tốc độ gió (m/s) của nhân D3 cắt qua vĩ tuyến 6N lúc 12h

ngày 13/12/2011.

Từ kết quả hình 3.8 cho thấy độ lớn của nhiễu trường nhiễu tốc độ gió xảy ra mạnh, lớn hơn 3 m/s và chủ yếu tại khu vực bão từ khoảng 138 đến 145E và phát triển của vùng nhiễu này đến mực 200 hpa. Trong khi đó nhiễu xung quanh khu vực này đều nhỏ hơn 3m/s. Đối với trường hợp này, độ lớn của nhiễu trường tốc độ gió trong khu vực bão lớn. Tuy nhiên độ lớn của nhiễu trường tốc độ gió trên từng khu vực sẽ khác nhau tùy thuộc vào các mực.

Khảo sát sự biến đổi của nhiễu trường nhiệt theo phương thẳng đứng cắt qua

6 độ Bắc cho thấy độ lớn của nhiễu trường nhiệt độ biến động lớn (khoảng 20K) tại khu vực bão từ 135 đến 150E và khu vực sát đất (dưới 850 hpa).

Hình 3.9 Trường nhiễu nhiệt (độ K) của nhân D3 cắt qua vĩ tuyến 6N lúc 12h ngày 13/12/2011

So sánh các kết quả trên với phương án tạo nhân ban đầu bằng phân bố chuẩn Gause với độ lớn của nhiễu trường tốc độ gió là 3 m/s và độ lớn của nhiễu trường nhiệt 10K (Hình 3.10). Kết quả cho thấy phương pháp tạo nhân ban đầu bằng phương pháp dự báo trễ được trình bày ở trên có cấu trúc hơn so với phương án tạo nhân ban đầu bằng phân bố chuẩn Gause.

Hình 3.10 Trường nhiễu nhiệt (độ K) và trường nhiễu tốc độ gió (m/s) tại mực 850hpa được tạo từ phân bố chuẩn Gause với độ lớn của nhiễu trường gió là 3 m/s và nhiệt độ là 10C.

Hình 3.11 Trường nhiễu nhiệt (độ K) và trường nhiễu gió (m/s) cắt qua vĩ tuyến 6N được tạo từ phân bố chuẩn Gause với độ lớn của nhiễu trường gió là 3 m/s và nhiệt độ là 10C

Từ phân tích trên cho thấy, khi sử dụng nhân ban đầu bằng phương pháp dự báo trễ, đã tạo ra trường ban đầu có cấu trúc và giúp cho hệ thống dự báo bão tiết kiệm được thời gian nuôi nhiễu. Các trường nhiễu ban đầu được tạo ra trong luận án có cấu trúc khác với trường hợp sử dụng nhiễu ngẫu nhiên (Monte Carlo) với trường hợp cho nhiễu trường gió là 3 m/s trong nghiên cứu của Võ Văn Hòa hay cho nhiễu ban đầu theo phân bố chuẩn trong nghiên cứu của Kiều Quốc Chánh.

3.1.3 Ảnh hưởng của nhiễu môi trường tới quỹ đạo dự báo

3.1.3.1 Phân tích quá trình phát triển của nhiễu môi trường trong 24 giờ

nuôi nhiễu

Hoàn lưu của khí quyển xung quanh bão như dòng dẫn đường, gió mùa Tây Nam … ảnh hưởng trực tiếp đến tốc độ và hướng di chuyển của bão. Vì vậy cần thiết nghiên cứu ảnh hưởng của nhiễu môi trường tới dự báo quỹ đạo bão. Đánh giá vai trò của nhiễu môi trường tới dự báo quỹ đạo bão, luận án đã sử dụng phương pháp nuôi nhiễu trên mô hình RAMS với sơ đồ đối lưu KUO. Phương pháp nuôi nhiễu môi trường được trình bày trong chương 2, miền xác định nhiễu môi trường là 5S-35N và 100-150E. Để thấy rõ hơn về biến đổi của nhiễu môi trường trong quá trình nuôi, tiến hành thử nghiệm nuôi nhiễu

từ 12 giờ ngày 13 tháng 12 năm 2011 tới 12 giờ ngày 14 tháng 12 năm 2011. Độ biến động của các trường khí áp, gió và nhiệt trong 24 giờ nuôi được thể hiện bằng các bản đồ ghép chồng các giá trị trung bình theo phương thẳng đứng của 12 thành phần tổ hợp. Kết quả được thể hiện trên Hình 3.12 và hình 4.5 phần phụ lục. Trường nhiễu được nuôi là trường gió (u,v) và trường nhiệt độ, tuy nhiên trong quá trình nuôi các nhiễu này cũng ảnh hưởng tới các trường khác. Để thuận tiện cho phân tích sự phát triển của nhiễu, trong phần này sử dụng trường địa thế vị.

Từ Hình 3.12 tại thời điểm bắt đầu nuôi, các nhiễu chủ yếu tập trung ở phần phía Nam của miền tính, cụ thể là từ 5S đến 15N. Điều này được thể hiện trên bản đồ ghép chồng về trung bình khí áp theo phương thẳng đứng (Hình 3.12a). Đường khí áp 6090 hpa của 12 thành phần trải từ 5S đến 15 N. Sau 24 giờ nuôi nhiễu, khu vực có khí áp 6090 hpa này thu hẹp về phía Bắc, khu vực có trị số khí áp này chỉ nằm từ 5N đến 15N (Hình 3.12b). Trong quá trình nuôi nhiễu, các nhiễu phát triển sẽ được giữ lại, còn các nhiễu không phát triển sẽ bị mất đi nên kết quả cho thấy độ lớn và phân bố không gian của trường nhiễu địa thế vị.

Hình 3.12 Bản đồ ghép chồng các hạn trước thời điểm dự báo -24 và 00 giờ các của trường địa thế vị trung bình theo phương thẳng đứng trong trường hợp nuôi nhiễu môi trường.

3.1.3.2. Ảnh hưởng của nhiễu môi trường tới quỹ đạo bão dự báo hạn 5 ngày

Để làm rõ hơn vai trò của nhiễu môi trường tới quỹ đạo bão, đã phân tích

trường khí áp mực 850hpa của các hạn dự báo được vẽ trên Hình 3.13.

Từ bản đồ ghép chồng của 12 thành phần dự báo được tạo ra từ phương pháp nuôi nhiễu môi trường cho thấy, do tác động của môi trường, trong 48 giờ đầu, tác dụng của nhiễu môi trường lên bão là nhỏ, các thành phần tổ hợp gần như sát nhau, tuy nhiên hạn dự báo tăng, các thành phần tổ hợp bắt đầu tán lớn ở các thời điểm từ 96 đến 120 giờ. Do ảnh hưởng của các nhiễu môi trường, bão có xu hướng dự báo bị đẩy dần về phía Nam, điều này được thể hiện trên Hình 3.13f về quỹ đạo dự báo bão.

Hình 3.13 Bản đồ ghép chồng 12 thành phần của các hạn dự báo 24, 48, 72, 96 và 120 giờ (a,b,c,d,e) tại mực H850 và quỹ đạo dự báo của các thành phần (f) trong trường hợp nuôi nhiễu môi trường.

3.1.4 Ảnh hưởng của nhiễu xoáy tới quỹ đạo bão dự báo

3.1.4.1 Phân tích quá trình phát triển của nhiễu xoáy trong 24 giờ nuôi nhiễu

Nghiên cứu nhiễu khu vực bão rất quan trọng trong quá trình dự báo bão. Bão có bán kính càng lớn và tốc độ gió xoáy càng mạnh thì nội lực của bão càng lớn. Khi bản thân nội lực rất lớn bão có thể di chuyển độc lập, không phụ thuộc vào ngoại lực. Hiện nay có rất nhiều công trình nghiên cứu cho khu vực bão bằng các phương pháp khác nhau, tuy nhiên hiện nay con người vẫn chưa thể mô tả được chính xác khu vực này. Trong mục này sẽ áp dụng phương pháp nuôi nhiễu chỉ riêng cho khu vực bão, phương pháp nuôi nhiễu cho khu vực này được trình bày trong mục 2.3.3

Phương pháp nuôi nhiễu trên mô hình RAMS với sơ đồ đối lưu KUO, miền gây nhiễu là vùng quanh tâm bão do trung tâm phát bão của NOAA (có địa chỉ http://weather.unisys.com/) có bán kính khoảng 500km. Để thấy rõ hơn về ảnh hưởng của nhiễu xoáy trong quá trình nuôi, trong phần này tiến hành thử nghiệm nuôi nhiễu từ 12 giờ ngày 13 tháng 12 năm 2011 tới 12 giờ ngày 14 tháng 12 năm 2011. Các trường khí áp, gió và nhiệt trong 24 giờ nuôi thể hiện bản đồ ghép chồng các giá trị trung bình theo phương thẳng đứng của 12 thành phần tổ hợp để thể hiện độ biến động của các trường này. Kết quả được thể hiện trên Hình 3.14.

Hình 3.14 Bản đồ ghép chồng các hạn trước thời điểm dự báo -24 (a) và 00 giờ (b) của trường địa thế vị trung bình theo phương thẳng đứng trong trường hợp nuôi nhiễu xoáy.

Từ Hình 3.14 tại thời điểm bắt đầu nuôi, các nhiễu chủ yếu tập trung ở tâm

bão có tọa độ 6N; 143E. Điều này được thể hiện trên bản đồ ghép chồng về

trung bình địa thế vị theo phương thẳng đứng. Đường khí áp 6090 hpa của 12

thành phần bao quanh khu vực bão (Hình 3.14a). Các nhiễu này phát triển

theo các hạn dự báo. Sau 24 giờ nuôi, tại khu vực bão, các nhiễu tập trung

xung quanh khu vực bão và khu vực này có biến động lớn nhất trong miền

tính (Hình 3.14b).

Khảo sát cấu trúc của trường ban đầu có cài xoáy giả và trường ban đầu cài xoáy giả kết hợp với 6 nhiễu thông qua trường tốc độ gió theo phương thẳng đứng và cắt qua vĩ độ 6N của các trường này. Kết quả được thể hiện trên hình 1.15 và hình 4.7 phần phụ lục.

Hình 3.15 Bản đồ trường tốc độ gió (m/s) của trường GFS có cài xoáy giả (a) và các trường GFS có cài xoáy giả kết hợp với nhiễu D3 (b) cắt qua vĩ tuyến 6N lúc 12h ngày 14/12/2011

Từ Hình 3.15a cho thấy trường tốc độ gió cài xoáy giả gần đối xứng qua tâm với độ lớn là 20 m/s. Trong khi đó trường tốc độ gió có cài xoáy giả và kết hợp với nhiễu nuôi của nhân D3 tạo các trường tốc độ gió bất đối xứng. Cụ thể tâm của tốc độ gió cực đại đạt trên 27 m/s ở bên phải cơn bão nằm trên mực từ 900 đến 800 hpa trong khi tâm của tốc độ gió đạt trên 24 m/s ở bên trái cơn bão nằm ở mực 850 hpa (Hình 3.13b). Tốc độ gió cực đại ở bên trái và bên phải của cơn bão là hoàn toàn khác nhau điều này cho thấy: do tác động của nhiễu nuôi, đã tạo cho trường tốc độ gió có tính bất đối xứng.

Hình 3.16 Bản đồ ghép chồng trường nhiệt độ (độ C) và trường địa thế vị (mét dtv) của trường GFS có cài xoáy giả (a) và các trường GFS có cài xoáy giả kết hợp với nhiễu D3(b) tại mực 1000 hpa lúc 12h ngày 14/12/2011

Khảo sát trường nhiệt độ có cài xoáy giả vào trường GFS (Hình 16a) và

trường nhiệt độ có cài xoáy giả với nhiễu D3 vào trường GFS (Hình 16b) tại mực 1000 hpa.

Kết quả cho thấy trường nhiệt độ có cài xoáy giả vào trường GFS (Hình 3.16a) tại tâm bão khoảng 280C trong khi trường nhiệt độ có cài xoáy giả với nhiễu D3 vào trường GFS (Hình 3.16b) tại mực 1000 hpa là khoảng 340C. Như vậy, phương án nuôi nhiễu của nhân D3 trong trường hợp này đã làm tăng nhiệt độ tại khu vực tâm bão lên khoảng 60C.

3.1.4.2. Ảnh hưởng của nhiễu xoáy tới quỹ đạo của bão hạn 5 ngày

Để làm rõ hơn vai trò của nhiễu xoáy tới quỹ đạo bão, tiến hành phân tích

trường khí áp mực 850 hpa của các hạn dự báo được vẽ trên hình 3.17.

Hình 3.17 Bản đồ ghép chồng 12 thành phần của các hạn dự báo 24, 48, 72, 96 và 120 giờ (a,b,c,d,e) tại mực H850 và quỹ đạo dự báo của các thành phần (f) trong trường hợp nuôi nhiễu xoáy.

Từ bản đồ ghép chồng của 12 thành phần dự báo được tạo ra từ phương

pháp nuôi nhiễu xoáy cho thấy, do tác động của vùng nhiễu xoáy, trong 120

giờ dự báo, tác dụng của nhiễu xoáy đến kết quả dự báo quỹ đạo bão là nhỏ,

các thành phần tổ hợp gần như sát nhau, tuy nhiên tác động của nhiễu xoáy

đến môi trường xung quanh là lớn, điều này được thể hiện qua sự biến động

mạnh của các đường đẳng áp trên khu vực Tây Bắc Thái Bình Dương. Do ảnh

hưởng của các nhiễu xoáy, bão có xu hướng di chuyển theo hướng tây, điều

này ta thấy trên Hình 3.17f.

3.1.5 Ảnh hưởng của nhiễu môi trường kết hợp với nhiễu xoáy tới dự báo

quỹ đạo bão

3.1.5.1 Phân tích quá trình phát triển của nhiễu môi trường và nhiễu xoáy

trong 24 giờ nuôi nhiễu

Đã áp dụng phương pháp nuôi nhiễu kết hợp nhiễu môi trường và nhiễu

xoáy ở mục 3.1.2 và 3.1.3. Để thấy rõ hơn về sự phát triển của nhiễu môi

trường và nhiễu xoáy trong quá trình nuôi, trong phần này tiến hành thử

nghiệm nuôi nhiễu từ 12 giờ ngày 13 tháng 12 năm 2011 tới 12 giờ ngày 14

tháng 12 năm 2011. Các trường khí áp, gió và nhiệt trong 24 giờ nuôi thể hiện

trên bản đồ ghép chồng các giá trị trung bình theo phương thẳng đứng của 12

thành phần tổ hợp thể hiện độ biến động của các trường này (Hình 3.18). Từ

Hình 3.18 tại thời điểm bắt đầu nuôi, biến động giá trị khí áp chủ yếu tập

trung ở phần phía nam của miền tính, cụ thể là từ 5S đến 15N và khu vực tâm

bão có tọa độ 6N; 143E. Sau 24 giờ nuôi, nhiễu tập trung chủ yếu ở khu vự từ

5N đến 15N, nơi mà có dải hội tụ nhiệt đới hoạt động mạnh.

Hình 3.18 Bản đồ ghép chồng các hạn trước thời điểm dự báo -24(a) và 00 giờ (b) các của trường địa thế vị trung bình theo phương thẳng đứng trong trường hợp nuôi nhiễu môi trường và nhiễu xoáy.

3.1.5.2. Ảnh hưởng của nhiễu môi trường kết hợp với nhiễu xoáy tới quỹ đạo

dự báo của bão hạn 5 ngày

Để làm rõ hơn vai trò của nhiễu xoáy tới quỹ đạo bão, tiến hành phân tích

trường khí áp mực 850 hpa của các hạn dự báo được vẽ trên Hình 3.19.

Từ bản đồ ghép chồng của 12 thành phần dự báo được tạo ra từ phương

pháp nuôi nhiễu môi trường kết hợp với nhiễu xoáy cho thấy, do tác động của

vùng nhiễu môi trường và nhiễu xoáy, trong 120 giờ dự báo, tác dụng của

nhiễu tới chuyển động của bão là lớn, thể hiện bằng các thành phần tổ hợp

chuyển động theo cả hướng Tây Nam và Tây Bắc (Hình 3.19f). Kết quả trung

bình của 12 thành phần cho kết quả dự báo gần với quỹ đạo thực.

Hình 3.19 Bản đồ ghép chồng 12 thành phần của các hạn dự báo 24, 48, 72, 96 và 120 giờ (a,b,c,d,e) tại mực H850 và quỹ đạo dự báo của các thành phần (f) trong trường hợp nuôi nhiễu môi trường và nhiễu xoáy.

600

500

400

300

m k

200

100

120

gio

KUO

Bao

Moi truong

Hình 3.20 Sai số khoảng cách trung bình tổ hợp của 12 thành phần dự báo quỹ đạo bão ngày 12 ngày 14/12/2011 +120h của các trường hợp chỉ nuôi nhiễu môi trường (chấm tam giác), chỉ nuôi nhiễu xoáy (nét liên chấm vuông) và trường hợp nuôi kết hợp nhiễu xoáy và nhiễu môi trường (chấm tròn)

Đánh giá kết quả dự báo trung bình tổ hợp của 12 thành phần trong

3 phương án: chỉ nuôi nhiễu môi trường (kí hiệu: Moi truong), chỉ nuôi nhiễu

xoáy (kí hiệu: Bao) và trường hợp nuôi kết hợp nhiễu xoáy và nhiễu môi

trường (kí hiệu: KUO) bằng cách tính sai số khoảng cách dự báo so với quỹ

đạo thực, kết quả nhận được trên hình 3.20. Kết quả cho thấy sai số khoảng

cách giữa 3 phương án trong 72 giờ đầu gần như tương đương và sai số dưới

250 km trong 72 giờ đầu. Tại các hạn dự báo 96 và 120 giờ, phương án KUO

cho sai số dự báo tốt hơn 2 phương án còn lại, cụ thể sai số giảm 50 km tại

hạn 96 giờ và 100 km với hạn dự báo 120 giờ.

3.1.6 Ảnh hưởng của nhiễu môi trường, nhiễu xoáy và sơ đồ đối lưu tới

dự báo quỹ đạo bão

Trong phương án này, tiến hành thử nghiệm dự báo quỹ đạo bão dựa trên

sự kết hợp 12 trường ban đầu có nhiễu và 1 trường không nhiễu (kiểm

chứng) với thay đổi 3 sơ đồ tham số hóa đối lưu (KUO, KF và KFCT) trong

mô hình. Kết quả thu được 36 thành phần tổ hợp và 3 thành phần kiểm

chứng tương ứng với 3 lựa chọn sơ đồ đối lưu. Kết quả 39 dự báo được thể

hiện trên Hình 3.21.

100

Hình 3.21 Sơ đồ trùm của 39 thành phần dự báo tổ hợp quỹ đạo bão Washi 12h 14/12/2011+120h (Quỹ đạo thực chấm tròn rỗng, Quỹ đạo trung bình tổ hợp của 39 thành phân là chấm tròn đặc)

Tại các thời điểm ban đầu, quỹ đạo các thành phần gần nhau và sai số vị trí

so với quỹ đạo thực là khá lớn, đặc biệt là tại hạn dự báo 48 giờ, sai số vị trí

của trung bình các thành phần tổ hợp so với quỹ đạo thực là gần 240 km. Tại

các hạn dự báo tiếp theo, do ảnh hưởng của trường nhiễu ban đầu và do thay

đổi các sơ đồ đối lưu, quỹ đạo dự báo của các cơn bão có xu hướng tán về 2

phía của quỹ đạo thực. Trung bình tổ hợp quỹ đạo các dự báo thành phần này

cho quỹ đạo dự báo rất gần với quỹ đạo thực. Cụ thể sai số vị trí tại các hạn

dự báo từ 72 đến 120 giờ dưới 200 km, đặc biệt sai số vị trí tại hạn từ 72 đến

96 giờ chỉ khoảng 70 km.

Đã đánh giá kết quả dự báo trung bình tổ hợp của 4 phương án: dự báo của

13 thành phần (12 thành phần có chứa nhiễu và 1 kiểm chứng) kết hợp với:

lựa chọn sơ đồ đối lưu KUO (kí hiệu: KUO), lựa chọn sơ đồ đối lưu KF (kí

hiệu: KF), lựa chọn sơ đồ đối lưu KFCT (kí hiệu: KFCT) và cả 3 sơ đồ đối

lưu (kí hiệu: TBTH). Kết quả cho thấy sai số khoảng cách trong 48 giờ đầu

của 3 phương án KUO, KF và TBTH là tương đương và sai số dưới 250 km.

101

Tại các hạn dự báo 72, 96 và 120 giờ, phương án TBTH dự báo gần với quỹ

đạo thực nhất, cụ thể sai số giảm trên 50 km so với dự báo tốt nhất của 3

phương án còn lại.

500

450

400

350

300

250

m k

200

150

100

120

gio

KUO

KFCT

TBTH

Hình 3.22 Sai số khoảng cách trung bình tổ hợp kết quả dự báo của 13 thành phần (12 thành phần có chứa nhiễu và 1 kiểm chứng) kết hợp với: lựa chọn sơ đồ đối lưu KUO (chấm tròn), lựa chọn sơ đồ đối lưu KF (chấm vuông), lựa chọn sơ đồ đối lưu KFCT (chấm tam giác) và lựa chọn cả 3 sơ đồ đối lưu (chấm gạch chéo) ngày 14/12/2011 +120 giờ.

3.2 Dự báo tổ hợp quỹ đạo bão bằng phương pháp nuôi nhiễu phát triển

3.2.1 Dự báo từ các thành phần tổ hợp

Số liệu sử dụng để dự báo là số liệu GFS có cài xoáy và 12 trường ban đầu

được tạo từ phương án nuôi nhiễu được trình bày trong mục 2.3.3 của các

ngày có bão trong 4 năm 2009, 2010, 2011 và 2012. Số trường hợp mô phỏng

cho từng hạn dự báo được trình bày trong Bảng 3.1.

Bảng 3.1. Số trường hợp thử nghiệm ở các hạn dự báo

102

108

114

120

178

173

171

165

159

142

137

135

100

Hạn (giờ) Số TH

Như vậy số trường ban đầu tham gia dự báo là 13. Sử dụng RAMS với 3 sơ

đồ đối lưu (KUO, KF và KFCT) và 13 trường ban đầu tạo ra được 39 thành

phần tổ hợp. Để tiện cho phân tích các kết quả dự báo, các dự báo thành phần

được ký hiệu tại Bảng 3.2.

102

Bảng 3.2. Ký hiệu các thành phần theo các sơ đồ đối lưu trong mô hình RAMS và trường ban đầu

Tên trường hợp

Ký hiệu

Tên trường hợp

Ký hiệu

Tên trường hợp

Ký hiệu

Kuo+00

KF+00

KFCT+00

KUO+GFS

KF+GFS

KFCT+GFS

KF+01

KFCT+01

KUO+Nhiễu dương 1 Kuo+01

KF+Nhiễu dương 1

KFCT+Nhiễu dương 1

Kuo-01

KF-01

KFCT-01

KUO+Nhiễu âm 1

KF+Nhiễu âm 1

KFCT+Nhiễu âm 1

KF+02

KFCT+02

KUO+Nhiễu dương 2 Kuo+02

KF+Nhiễu dương 2

KFCT+Nhiễu dương 2

Kuo-02

KF-02

KFCT-02

KUO+Nhiễu âm 2

KF+Nhiễu âm 2

KFCT+Nhiễu âm 2

KF+03

KFCT+03

KUO+Nhiễu dương 3 Kuo+03

KF+Nhiễu dương 3

KFCT+Nhiễu dương 3

Kuo-03

KF-03

KFCT-03

KUO+Nhiễu âm 3

KF+Nhiễu âm 3

KFCT+Nhiễu âm 3

KF+04

KFCT+04

KUO+Nhiễu dương 4 Kuo+04

KF+Nhiễu dương 4

KFCT+Nhiễu dương 4

Kuo-04

KF-04

KFCT-04

KUO+Nhiễu âm 4

KF+Nhiễu âm 4

KFCT+Nhiễu âm 4

KF+05

KFCT+05

KUO+Nhiễu dương 5 Kuo+05

KF+Nhiễu dương 5

KFCT+Nhiễu dương 5

Kuo-05

KF-05

KFCT-05

KUO+Nhiễu âm 5

KF+Nhiễu âm 5

KFCT+Nhiễu âm 5

KF+06

KFCT+06

KUO+Nhiễu dương 6 Kuo+06

KF+Nhiễu dương 6

KFCT+Nhiễu dương 6

Kuo-06

KF-06

KFCT-06

KUO+Nhiễu âm 6

KF+Nhiễu âm 6

KFCT+Nhiễu âm 6

Tính trung bình sai số khoảng cách theo công thức (2.22), sai số dọc theo

công thức (2.26), sai số ngang theo công thức (2.24) cho các trường hợp thử

nghiệm, kết quả được trình bày trong phụ lục Bảng 4.1, 4.2 và 4.3. Từ các

bảng trên, tiến hành đánh giá sai số cho từng hạn dự báo, kết quả được thể

hiện trên Hình 3.23. Để phân tích sai số giữa các thành phần, sử dụng 2 thành

phần (một thành phần cho dự báo tốt nhất và 1 thành phần dự báo kém nhất),

kết quả được thể hiện trong hình 3.23b. Từ Hình 3.23b, sai số khoảng cách

trung bình cho thấy, tại hạn dự báo 24 giờ, sai số các thành phần tham gia tổ

hợp gần bằng nhau, sai số là 150 và 180 km.

103

Hình 3.23 Đồ thị sai số khoảng cách trung bình của các dự báo thành phần: a) là 39

thành phần; b) là 2 thành phần tốt và kém nhất.

Tại các hạn dự báo tiếp theo, khoảng cách sai số của các trường hợp được

tăng lên, hạn 48 giờ sai số của phương án KUO-01 sai số 240 km trong khi

phương án KFCT-05 là 300 km, hạn 72 giờ sai số lần lượt là 350 đến 400 km,

hạn 96 giờ sai số của 2 thành phần là 410 và 520 km và hạn 120 giờ sai số là

535 và 720 km. Như vậy, hạn dự báo càng tăng, dao động sai số của các thành

phần cũng tăng.

3.2.2 Dự báo tổ hợp bằng phương pháp trung bình đơn giản các thành

phần tổ hợp

Dựa trên bộ số liệu được trình bày và đánh giá trong mục 3.2.1, tiến hành

xây dựng các phương án tổ hợp trung bình đơn giản, các phương án này được

ký hiệu tại Bảng 3.3

Bảng 3.3 Bảng ký hiệu các phương án tổ hợp trung bình đơn giản

Thành phần tham gia tổ hợp

Ký hiệu

Trung bình các thành phần sử dụng sơ đồ KUO và các nhiễu (13 thành phần)

KUO-13

Trung bình các thành phần sử dụng sơ đồ KF và các nhiễu (13 thành phần)

KF-13

Trung bình các thành phần sử dụng sơ đồ KCCT và các nhiễu (13 thành phần)

KFCT-13

Trung bình các thành phần sử dụng sơ đồ KUO, sơ đồ KF và các nhiễu (26 thành phần)

KUO+KF

Trung bình các thành phần sử dụng sơ đồ KUO, sơ đồ KFCT và các nhiễu (26 thành phần)

KUO+KFCT

Trung bình các thành phần sử dụng sơ đồ KF, sơ đồ KFCT và các nhiễu (26 thành phần)

KF+KFCT

Trung bình các thành phần sử dụng sơ đồ KUO,sơ đồ KF, sơ đồ KFCT và các nhiễu (39 thành phần)

KUO+KF+KFCT

104

Kết quả sai số khoảng cách trung bình đơn giản của các thành phần tổ hợp

được trình bày trong phụ lục Bảng 4.4 và biểu diễn trên Hình 3.24. Kết quả

cho thấy phương án KUO+KF+KFCT cho sai số nhỏ nhất. Như vậy sử dụng

phương án các thành phần có cùng trọng số thì tổ hợp 39 thành phần cho kết

quả tốt nhất.

Hình 3.24 Sai số vị trí trung bình của các dự báo tổ hợp trung bình

Tuy nhiên, Kết quả dự báo của mô hình luôn chứa sai số hệ thống, vì vậy,

trong luận án tiến hành hiệu chỉnh sai số dự báo tọa độ tâm bão (vĩ độ và kinh

độ) cho các hạn dự báo theo công thức (3.1) và (3.2)

lat

BIAS

)

i OF -

lat i

1 =

(1 å= N

(3.1)

lat: vĩ độ dự báo

Olat

i: vĩ độ thực.

N: Số trường hợp

lon

BIAS

)

i OF -

lon i

(1 å= N

(3.2)

lon: kinh độ dự báo

Oilon: kinh độ thực.

105

lon i 1 =

Sai số khoảng cách sau khi hiệu chỉnh sai số hệ thống được trình bày trong Bảng 4.5 trong phần phụ lục. Kết quả sau khi hiệu chỉnh cho thành phần KUO+KF+KFCT biểu diễn trên Hình 3.25. Tại các hạn dự báo, sai số dự báo vị trí bão sau khi hiệu chỉnh sai số hệ thống giảm 20 – 40 km.

Hình 3.25 Đồ thị sai số khoảng trung bình của các thành phần dự báo tổ hợp trung bình trước và sau hiệu chỉnh

Để thấy được khả năng dự báo tổ hợp trung bình đơn giản so với dự báo đơn lẻ, tiến hành so sánh sai số khoảng cách của phương án tổ hợp trung bình đơn giản với dự báo thành phần. Thành phần tổ hợp tốt nhất là KUO-01 và thành phần tốt nhất của phương án tổ hợp là KUO+KF+KFCT được trình bày trong Hình 3.26. Kết quả của phương án trung bình tổ hợp trung bình đơn giản đã cải thiện đáng kể sai số khoảng cách dự báo. Đặc biệt là hạn 120 giờ, sai số vị trí nhận được từ phương án trung bình tổ hợp giảm tới 80 km.

106

Hình 3.26 Đồ thị sai số thành phần KUO-01và thành phần KUO+KF+KFCT

Từ kết quả trên có thể rút ra kết luận:

- Khi đủ điều kiện tính toán nên tính theo phương án trung bình tổ hợp KUO+KF+KFCT

- Khi không đủ điều kiện tính toán nên chọn phương án chọn trường ban đầu là KUO-01

3.2.3 Dự báo bằng phương pháp siêu tổ hợp

Dự báo siêu tổ hợp nhằm mục đích tổ hợp các yếu tố khí tượng mà các trọng số trong phương trình siêu tổ hợp được xác định dựa trên bộ số liệu trong quá khứ. Phương pháp này được áp dụng trong luận án được chia làm 2 bước. Bước thứ nhất xây dựng phương trình dự báo kinh vĩ độ tâm bão mà trọng số các thành phần tham gia tổ hợp được xác định dựa trên phương pháp hồi quy có lọc trên bộ số liệu dự báo bão các năm 2009, 2010 và 2011. Số thành phần tham gia tổ hợp là 39. Kinh độ và vĩ độ thực của các cơn bão được lấy từ trang web http://weather.unisys.com/. Mục đích sử dụng phương pháp hồi quy có lọc ở đây để sắp xếp thứ tự ưu tiên từ cao tới thấp của các nhân tố tham gia xây dựng phương trình. Trên cơ sở đó chọn số nhân tố tối ưu để xây dựng phương trình dự báo cho cả kinh độ và vĩ độ. Bước thứ hai, áp dụng phương trình xây dựng ở bước thứ nhất để dự báo cho cơn bão năm 2012 và 2013. Số trường hợp dùng để xây dựng phương trình và dự báo được thể hiện ở Bảng 2.3.

107

3.2.3.1 Tuyển chọn nhân tố và bộ số liệu dùng để tuyển chọn.

Như đã giới thiệu, quá trình xây dựng phương trình dự báo siêu tổ hợp phụ

thuộc vào việc tuyển chọn nhân tố. Đối với trường hợp dự báo quỹ đạo bão,

tuyển chọn nhân tố dự báo để xây dựng phương trình dự báo siêu tổ hợp được

tiến hành riêng cho kinh độ và vĩ độ của từng hạn dự báo. Như vậy, để sử

dụng được kết quả này cần dự báo cả 39 thành phần làm nhân tố dự báo. Việc

dự báo cả 39 thành phần trên thực tế sẽ gặp khó khăn nên trong luận án này sẽ

chọn các thành phần tham gia phương trình dự báo kinh độ và vĩ độ tâm bão ở

các hạn dự báo là giống nhau. Việc tuyển chọn nhân tố đáp ứng yêu cầu đã

nêu được tiến hành như sau:

Mục tiêu ở đây là phải lựa chọn được các thành phần tham gia tổ hợp sao

cho tối ưu. Để làm được điều này, cần phải khảo sát tốc độ biến đổi sai số dự

báo vị trí tâm bão khi tăng số lượng thành phần tham gia tổ hợp. Việc khảo

sát được tiến hành theo 3 bước:

Bước 1: Sử dụng chuỗi số liệu phụ thuộc (39 dự báo thành phần của các

cơn bão năm 2009, 2010 và 2011), xây dựng các phương trình dự báo cho vĩ

độ và kinh độ ở các hạn dự báo 06, 12, 18,…, 96 và 120 giờ bằng phương

pháp hồi quy có lọc. Ở đây chọn ngưỡng sao cho cả 39 thành phần đều tham

gia phương trình. Kết quả nhận được 20 phương trình cho kinh độ và 20

phương trình cho vĩ độ.

Bước 2: Đếm số lần xuất hiện của các dự báo thành phần trong 10, 20, 25

và 30 thành phần đầu của 40 phương trình đã xây dựng ở bước 1.

Kết quả tính số lần xuất hiện các thành phần được trình bày trong Bảng

3.4, 3.5, 3.6 và 3.7

· Đối với 10 thành phần đầu kết quả thu được trong Bảng 3.4.

108

Bảng 3.4 Số lần xuất hiện của các thành phần trong 10 thành phần đầu của 40 phương trình dự báo kinh vĩ độ tâm bão

Tên thành phần Số lần xuất hiện

Tên thành phần

Số lần xuất hiện

Kuo+00

KF+00

Kuo-04

KF-01

KFCT+02

KF+02

KFCT+04

KF-04

KFCT+00

KFCT-02

KFCT+01

KFCT-06

Kuo-03

Kuo+05

KFCT-03

KF-03

KFCT+05

KFCT-04

Kuo+04

Kuo+02

KF+05

Kuo-02

KF-06

KF+03

KF+06

Kuo-01

KFCT-01

Kuo+01

KFCT+03

Kuo+03

KF-02

KF+01

KFCT+06

Kuo-05

Kuo+06

KFCT-05

Kuo-06

KF-05

KF+04

Từ Bảng 3.4 số lần xuất hiện của các thành phần trong các phương trình tổ hợp trên, chọn những thành phần có số lần xuất hiện lớn hơn 13 gồm 9 thành phần. Xây dựng phương trình dự báo tổ hợp với 9 thành phần. Các phương trình dự báo tổ hợp với 9 thành phần thể hiện trên bảng 4.6 đến 4.10 phần phụ lục.

· Với 20 thành phần tổ hợp đầu tiên kết quả thu được trong Bảng 3.5.

Bảng 3.5 Số lần xuất hiện của các thành phần trong 20 thành phần đầu của 40 phương trình dự báo kinh vĩ độ tâm bão

Tên thành phần Số lần xuất hiện

Tên thành phần

Số lần xuất hiện

KFCT+00

KF-03

Kuo+00

KFCT-01

KF+06

KFCT-05

KFCT+01

Kuo-01

KFCT+05

KF+01

Kuo-04

KF-02

Kuo+05

KFCT+03

KFCT+02

Kuo+03

Kuo-02

KF+03

Kuo-06

KF-04

KF+02

KFCT-04

KF-06

Kuo+06

Kuo+02

KF-01

109

Tên thành phần Số lần xuất hiện

Tên thành phần

Số lần xuất hiện

Kuo+04

Kuo-03

KFCT-02

KF+04

KFCT-06

KF+05

Kuo-05

KFCT+04

Kuo+01

KF+00

KF-05

KFCT-03

KFCT+06

Từ Bảng 3.5 số lần xuất hiện của các thành phần trong các phương trình tổ hợp trên, chọn 20 thành phần có số lần xuất hiện lớn hơn 20 để xây dựng phương trình tổ hợp. Phương trình dự báo tổ hợp được xây dựng với 20 thành phần thể hiện trên Bảng 4.6 đến 4.10 phần phụ lục.

· Với 25 thành phần tổ hợp đầu tiên kết quả thu được trong Bảng 3.6. Bảng 3.6 Số lần xuất hiện của các thành phần trong 25 thành phần đầu của 40 phương trình dự báo kinh vĩ độ tâm bão

Tên thành phần Số lần xuất hiện

Tên thành phần

Số lần xuất hiện

Kuo-06

Kuo-01

Kuo-04

KF-03

Kuo+02

KFCT-05

KF+05

KF+02

KFCT+01

KFCT-03

KF-06

KF+03

Kuo+00

Kuo+03

KFCT-01

KF-02

Kuo+05

Kuo+06

KFCT+05

KF-05

KF+04

KFCT-00

KF+00

KF-01

Kuo-03

KFCT-04

KFCT+00

KFCT-06

KFCT+02

Kuo+01

KFCT+04

KF-04

KFCT+06

Kuo+04

KF+06

KFCT-02

KF+01

Kuo-05

Kuo-02

Từ Bảng 3.6 số lần xuất hiện của các thành phần trong các phương trình tổ hợp trên, chọn 20 thành phần có số lần xuất hiện lớn hơn 24 để xây dựng phương trình tổ hợp. Phương trình dự báo tổ hợp được xây dựng với 25 thành phần thể hiện trên Bảng 4.6 đến 4.10 phần phụ lục.

· Với 30 thành phần tổ hợp đầu tiên kết quả thu được trong Bảng 3.6.

110

Bảng 3.7 Số lần xuất hiện của các thành phần trong 30 thành phần đầu của 40 phương trình dự báo kinh vĩ độ tâm bão

Tên thành phần Số lần xuất hiện

Số lần xuất hiện

Tên thành phần KF+02

KFCT+06

Kuo-04

KFCT-03

Kuo+02

Kuo-01

KF+05

KF-06

KFCT+01

KF-03

Kuo-06

KFCT-05

Kuo+03

Kuo+00

KFCT+03

KF-02

Kuo+05

KF+06

KFCT-04

KFCT+02

KFCT-01

KFCT+04

KF-04

KF-01

KF+04

Kuo+06

Kuo-03

KFCT-02

KF+00

KFCT-06

Kuo-02

KF-05

KF+03

Kuo+04

KFCT+05

Kuo+01

KFCT+00

Kuo-05

KF+01

Từ Bảng 3.7 chọn 31 thành phần có số lần xuất hiện lớn hơn 26 để xây dựng phương trình tổ hợp với 31 thành phần. Phương trình dự báo tổ hợp được xây dựng với 31 thành phần thể hiện trên Bảng 4.6 đến 4.10 phần phụ lục.

Áp dụng các phương trình được xây dựng với 9, 20, 25, 31 và 39 thành phần trên bộ số liệu phụ thuộc, kết quả đánh giá sai số khoảng cách được thể hiện trong Bảng 3.8.

Bảng 3.8 Bảng sai số khoảng cách của dự báo siêu tổ hợp

Sai Số Hạn (giờ)

1 thành phần (KUO-01) (km)

9 thành phần (km)

20 thành phần (km)

25 thành phần (km)

31 thành phần (km)

39 thành phần (km)

164

111

105

102

104

100

24

253

182

175

171

170

165

48

340

251

242

231

230

220

72

427

309

298

285

277

264

96

535

358

313

315

271

120

Bước 3: Từ bảng sai số trên, tiến hành đánh giá tốc độ suy giảm sai số khi tăng số thành phần. Để tính được tốc độ trung bình giảm sai số khi tăng 1 thành phần cho các khoảng (1-9), (10-20); (21-25); (26-31) và (32 - 39), sử dụng công thức:

111

(3.3)

CT - N

S: tốc độ suy giảm sai số trung bình từng khoảng.

ECT: là sai số ở cận trên trong khoảng tính toán

ECD: là sai số ở cận dưới trong khoảng tính toán

N: Số thành phần trong khoảng tính toán

Kết quả nhận được tốc độ suy giảm sai số cho khi tăng số lượng thành

phần cho từng hạn dự báo tại Bảng 3.9.

Bảng 3.9 Tốc độ trung bình suy giảm sai số khi tăng 1 thành phần dự báo ở các hạn dự báo

Từ 21 đến 25 (km)

Từ 1 đến 9 (km)

Từ 10 đến 20 (km)

Từ 26đến 31 (km)

Từ 32 đến 39 (km)

Thành phần Hạn (giờ)

24

6.5

0.6

-0.4

0.5

48

8.9

0.6

0.7

0.2

0.6

72

11.1

0.8

2.3

0.1

1.3

96

14.8

1.0

2.6

1.3

1.6

120

22.1

4.1

0.0

-0.3

5.4

Kết quả tính tốc độ trung bình suy giảm sai số biểu diễn trên Hình 3.27. Từ

hình trên cho thấy khi tăng số thành phần tổ hợp, tốc độ suy giảm sai số

khoảng cách tâm bão ở các hạn dự báo thay đổi, đặc biệt là ở hạn dự báo 120

giờ. Cụ thể khi tăng một thành phần tổ hợp trong 9 thành phần ban đầu, tốc độ

suy giảm sai số đạt đến gần khoảng 22 km. Khi số lượng thành phần tổ hợp

tăng lên, tốc độ suy giảm sai số khoảng cách giảm Hình 3.27, khi tăng 1 thành

phần trong khoảng (10-20) thành phần, tốc độ suy giảm này chỉ đạt 4 km / 1

thành phần. Tại khoảng (21-25) thành phần tốc độ suy giảm sai số chỉ đạt 0

km / 1 thành phần. Tóm lại, tốc độ suy giảm sai số khoảng cách giảm nhanh

trong 25 thành phần đầu tiên tại các hạn dự báo, khi tăng số thành phần, tốc

độ suy giảm sai số khoảng cách chậm dần. Từ kết quả cho thấy chỉ nên sử

dụng phương án xây dựng phương trình dự báo quỹ đạo bão với 25 thành

phần là hợp lý cho tất cả các hạn dự báo.

112

Hình 3.27 Đồ thị biểu diễn tốc độ suy giảm sai số khoảng cách khi tăng số thành phần

3.2.3.2 Phương trình dự báo siêu tổ hợp vị trí tâm bão

Như khảo sát ở trên, số thành phần tham gia tổ hợp tối ưu là 25, 25 thành

phần này được tuyển chọn trong Bảng 3.6. Như vậy, phương trình dự báo siêu

tổ hợp với 25 thành phần có dạng:

(2.22)

FFa

(

)

OS =

1 =

o N = 25.

o Fi là thành phần thứ i được sắp xếp theo thứ tự trong Bảng 4.6,

4.7, 4.8, 4.9 và 4.10.

o ai là trọng số thứ i được sắp xếp theo thứ tự trong Bảng 4.6, 4.7,

4.8, 4.9 và 4.10.

Thử nghiệm phương trình dự báo siêu tổ hợp với 25 thành phần trên bộ số

liệu độc lập năm 2012 và 2013. Kết quả nhận được thể hiện trên Hình 3.28.

113

Hình 3.28 Sai số vị trí trung bình của dự báo siêu tổ hợp và trung bình tổ hợp 25 thành phần trên bộ số liệu năm 2012 và 2013

So sánh kết quả siêu tổ hợp 25 thành phần với phương án lấy trung bình đơn giản nhận được là phương án siêu tổ hợp cải thiện sai số vị trí giảm khoảng 50km ở các hạn 24, 48, 96 và 120 giờ. Tại hạn dự báo 72 giờ sai số vị trí của phương án tổ hợp giảm khoảng 10 km so với trung bình đơn giản.

Hình 3.29 Sai số dọc trung bình của dự báo siêu tổ hợp và trung bình tổ hợp 25 thành phần trên bộ số liệu năm 2012 và 2013

So sánh sai số dọc trung bình của 2 phương án trên bộ số liệu năm 2012, 2013, Trong 24 giờ đầu phương án siêu tổ hợp cho dự báo tốc độ di chuyển gần trùng với thực, trong khi đó phương án trung bình đơn giản cho dự báo

114

tốc độ di chuyển chậm hơn thực khoảng 100 km. Tại hạn dự báo 48, 72 và 96 giờ, cả 2 phương án đều cho dự báo tốc độ di chuyển chậm hơn so với quỹ đạo thực, tuy nhiên sai số về tốc độ di chuyển là khác nhau, cụ thể tốc độ di chuyển tại các hạn chậm hơn khoảng 50, 90 và 85 km tương ứng cho phương án dự báo siêu tổ hợp và chậm hơn khoảng 70, 130 và 220 km cho phương án dự báo trung bình đơn giản. Hạn dự báo 120 giờ, phương án dự báo siêu tổ hợp với 25 thành phần cho dự báo tốc độ di chuyển của bão nhanh hơn khoảng 100 km trong khi phương án dự báo trung bình đơn giản cho tốc độ di chuyển của bão chậm hơn khoảng 300 km.

Hình 3.30 Sai số ngang trung bình của dự báo siêu tổ hợp và trung bình tổ hợp 25 thành phần trên bộ số liệu năm 2012 và 2013 Đối với sai số ngang trung bình, trong 96 giờ đầu sai số ngang của phương án dự báo siêu tổ hợp cho sai số xấp xỉ với quỹ đạo thực. Trong khi đó phương án trung bình tổ hợp dự báo quỹ đạo bão dự báo có xu hướng lệch phải so với quỹ đạo thực là 100, 130 và 220 km tương ứng với các hạn dự báo 48, 72 và 96 giờ. Tại hạn dự báo 120 giờ, sai số của phương án siêu tổ hợp dự dự báo vị trí bão có xu hướng lệch trái khoảng 95 km, phương án trung bình đơn giản cho vị trí bão dự báo lệch phải khoảng 110 km.

3.3 Thử nghiệm hệ thống dự báo tổ hợp cho một số cơn bão điển hình.

Đã tiến hành dự báo thử nghiệm dự báo với quy trình trên với số thành phần được trọn là 25 và thử nghiệm dự báo các cơn bão có quỹ đạo

115

3.3.1 Bão đổi hướng

Thử nghiệm cho trường hợp bão đổi hướng, cơn bão được thử nghiệm là cơn bão Megi, cơn bão này hình thành trên khu vực Tây Bắc Thái Bình Dương vào ngày 13/10/2010. Từ ngày 13 đến ngày 19, bão di chuyển theo hướng Tây Tây Bắc và Tây, từ ngày 19 đến ngày 20 bão di chuyển chậm và đổi hướng di chuyển theo hướng Bắc. Từ ngày 20 đến 24 bão di chuyển theo hướng Bắc và đổ bộ vào Trung Quốc. Tiến hành thử nghiệm dự báo từ ngày 18, kết quả dự báo cho thấy: Đối với phương án tổ hợp trung bình đơn giản 25 thành phần cho thấy quỹ đạo dự báo bão đổi hướng, tuy nhiên tốc độ di chuyển chậm hơn so với thực tế khoảng trên 300 km. Sử dụng dự báo siêu tổ hợp với 25 thành phần, kết quả dự báo cho sai số vị trí khoảng 100 km.

Hình 3.31 Dự báo 00UTC ngày 18/10/2010 (b) bằng phương pháp siêu tổ hợp (chấm tròn đăc) , phương pháp trung bình tổ hợp (tam giác) và quỹ đạo thực (chấm tròn rỗng) của cơn bão Megi; a) là quỹ đạo thực (JMA).

3.3.2 Bão đôi

Thử nghiệm cho trường hợp bão đôi, Ngày thử nghiệm là 27/10/2011, trong ngày này tồn tại 2 cơn bão là Nesat và Nalgae. Cơn bão Nesat tại thời điểm này nằm trên Biển Đông và hướng di chuyển lên phía bắc Việt Nam, trong khi cơn bão Nalgae mới hình thành trên khu vực Tây Bắc Thái Bình Dương và có xu hướng di chuyển vào Biển Đông. Thử nghiệm quy trình dự báo cho trường hợp này.

116

Kết quả dự báo đối với cơn bão Nesat tại hạn 72 giờ với phương án trung bình đơn giản cho vị trí dự báo chậm hơn so với quỹ đạo thực khoảng 300 km, với phương án dự báo siêu tổ hợp với 25 thành phần, kết quả cho thấy quỹ đạo dự báo theo phương án này cho quỹ đạo dự báo lệch trái so với quỹ đạo thực và sai số vị trí khoảng 100 km.

Kết quả dự báo với cơn bão Nalgae tại hạn 120 giờ với phương án trung bình đơn giản cho vị trí dự báo chậm hơn so với quỹ đạo thực hơn 500 km, với phương án dự báo siêu tổ hợp 25 thành phần, kết quả cho thấy quỹ đạo dự báo theo phương án này cho dự báo quỹ đạo bão di chuyển nhanh hơn so với quỹ đạo thực và sai số vị trí khoảng 200 km.

3.3.3 Hướng di chuyển phức tạp

Thử nghiệm cho trường hợp bão đổi hướng, cơn bão được thử nghiệm là cơn bão Gaemi, cơn bão này có hướng di chuyển phức tạp. bão được hình thành ngày 29/9/2012 trên khu vực Biển Đông, sau đó di chuyển theo hướng Đông Bắc đến ngày 1/10/2012. Từ ngày 1 đến ngày 4, bão lại đổi hướng di

117

chuyển theo hướng Đông Nam. Tới ngày 4, bão đổi hướng di chuyển theo hướng Tây và đổ bộ vào Việt Nam. Thử nghiệm dự báo từ 12h ngày 30/9/2012 và áp dụng phương án dự báo tổ hợp với 25 thành phần cho kết quả bão di chuyển gần giống với quỹ đạo thực. Quỹ đạo bão dự báo di chuyển chủ yếu quanh khu vực giữa Biển Đông đối với các hạn dự báo.

Hình 3.33 Dự báo quỹ đạo bão 12UTC ngày 30/09/2012 (b) bằng phương pháp siêu tổ hợp (chấm tròn đặc), phương pháp trung bình tổ hợp (tam giác) và quỹ đạo thực (chấm tròn rỗng) của cơn bão Gaemi từ 29/9/2012 đến 7/10/2012; a) là quỹ đạo thực cơn bão Gaemi (JMA)

3.4 Dự báo quỹ đạo bão bằng phương pháp xác suất

Để đánh giá mối quan hệ giữa sai số dự báo và độ tán tổ hợp của hệ thống, tiến hành thử nghiệm cho 72 trường hợp có bão với hạn dự báo 120 giờ trong năm 2009, 2010 và 2011. Sai số dự báo trung bình tổ hợp của từng trường hợp sẽ kết hợp với độ tán tổ hợp được tính tích lũy sau sáu giờ từ thời điểm ban đầu đến năm ngày sau tạo thành các điểm trên Hình 3.34

118

Hình 3.34 Biểu đồ quan hệ giữa độ tán tổ hợp và sai số vị trí (độ tán tổ hợp của 1 trường hợp dự báo được xác định bằng tổng tích lũy 6 giờ của độ tán tổ hợp từ 6 đến 120 giờ dự báo)

Dựa trên quan hệ giữa sai số dự báo và độ tán tổ hợp tiến hành xây dựng mức độ tin cậy cho quỹ đạo trung bình tổ hợp tại mỗi thời điểm dự báo cho từng dự báo. Chỉ số tin cậy A dựa trên độ tán tổ hợp (A, B hoặc C tương ứng với với mức độ tin cậy cao nhất, trung bình hay thấp nhất). Tần suất của từng loại tương ứng với A, B và C là 33%, 33%, và 33%. Kết quả nhận được bảng tin cậy cho từng hạn dự báo (Bảng 3.10).

Bảng 3.10 Độ tin cậy của từng hạn dự báo

Hạn

A

B

C

Sai số

6 12 18 24 30 36 42 48 54 60 66 72 78 84 90 96 102 108 114 120

Độ tán tổ hợp 0-19 0-43 0-75 0-115 0-163 0-216 0-283 0-362 0-439 0-542 0-641 0-773 0-918 0-1071 0-1210 0-1397 0-1530 0-2869 0-2496 0-2324

Độ tán tổ hợp 20-25 44-56 75-91 116-141 164-197 217-272 284-356 363-465 440-546 543-670 642-760 774-972 919-1122 1072-1369 1211-1569 1398-1828 1531-2202 2870-2533 2497-3030 2325-3030

76 87 114 138 161 204 235 248 261 272 291 310 339 338 390 383 398 416 430 464

66 92 109 141 181 176 215 260 284 292 342 350 371 386 388 430 491 474 526 561

Độ tán tổ hợp >25 >56 >91 >141 >197 >272 >356 >465 >546 >670 >760 >972 >1122 >1369 >1569 >1828 >2202 >2533 >3030 >3030

66 91 131 164 191 224 261 267 283 309 323 352 380 389 417 424 444 514 583 586

119

600

550

500

450

)

400

m k ( í r t ị

350

v ố s

300

i

a S

250

200

150

100

120

Hạn (giờ)

Hình 3.35 Sai số vị trí dự báo trung bình dựa trên chỉ số tin cậy A,B,C

Từ Bảng 3.10 ta xây dựng được sai số vị trí dựa trên chỉ số tin cậy A, B và

C. Tại Hình 3.35 cho thấy sai số vị trí của các dự báo 5 ngày trung bình của

chỉ số tin cậy B khoảng 550 km, nhưng sẽ chỉ còn dưới 460 km nếu tin cậy là

A. Áp dụng để đánh giá độ tin cậy của hệ thống tổ hợp cho cơn bão Bopha 12

giờ ngày 29/11/2012. Kết quả dự báo quỹ đạo và độ tán tổ hợp được thể hiện

trên Hình 3.36. Tiến hành tính độ tán tổ hợp và độ tin cậy của hệ thống tổ

hợp, kết quả trình bày trên Bảng 3.11

Hình 3.36 Dự báo quỹ đạo và độ tán tổ hợp của cơn bão Bopha 12 giờ ngày 29/11/2012

120

Bảng 3.11 Độ tin cậy của từng hạn dự báo của cơn bão Bopha

Hạn (giờ) 6 12 18 24 30 36 42 48 54 60 66 72 78 84 90 96 102 108 114 120

Sai số KC TBTH (km) 92 75 60 78 101 67 44 35 50 70 90 46 35 40 56 65 45 40 199 263

Độ tán (km) 24 53 89 122 168 225 311 413 531 666 826 1022 1246 1478 1736 2045 2387 2734 3061 3419

Độ tin cậy B B B A B B B B B B C C C C C C C C C C

Trong trường hợp thử nghiệm này, hệ thống dự báo tổ hợp cho độ tin cậy

cao trong 60 giờ dự báo đầu tiên cho sai số ở mức thấp, tại các hạn dự báo

tiếp theo độ tin cậy giảm, điều này chứng tỏ độ tán tổ hợp tại các hạn dự báo

sau 60 giờ lớn hơn độ tán trung bình dự báo tại các trường hợp trong quá khứ

dẫn tới sai số vị trí lớn.

3.5 Đề xuất quy trình dự báo bão hạn 5 ngày bằng hệ thống dự báo tổ

hợp dựa trên phương pháp nuôi nhiễu.

Từ kết quả nghiên cứu trên đề xuất một quy trình dự báo bão như sau

(hình 3.37):

1/ Lấy số liệu GFS tại thời điểm làm dự báo và các Obs trước thời điểm

làm dự báo 6, 12, 18 và 24 giờ (các trường này dùng để xây dựng nhiễu

môi trường ban đầu cho hệ thống).

2/ Tiếp tục lấy số liệu GFS và vị trí tâm và cường độ bão thực được phát

báo tại trung tâm quốc tế ở các thời điểm dự báo tiếp theo 06, 12, 18 và

24 giờ tại trang web http://weather.unisys.com (như vậy cần đợi thêm 1

ngày sau Trung Tâm Quốc tế phát bão, số liệu tại các kỳ quan trắc này

121

này dùng cho hệ thống nuôi nhiễu xoáy và nhiễu môi trường).

3/ Lấy số liệu nhiệt độ nước biển tuần của NASA (tại trang web

ftp://oceans.gsfc.nasa.gov)

4/ Kích hoạt hệ thống dự báo tổ hợp bão thực hiện những việc sau:

a) Tạo nhân ban đầu

b) Nuôi nhiễu

c) Tùy thuộc hệ thống máy tính để chọn số lượng trường ban đầu (9, 20, 25, 31, 39 thành phần)

d) Dự báo quỹ đạo bão hạn 120 giờ bằng mô hình RAMS với số lượng trường ban đầu chọn ở bước c.

e) Xác định tâm bão

5/ Sử dụng phương pháp siêu tổ hợp tương ứng với số thành phần chọn

trong bước 4c để xây dựng phương trình dự báo quỹ đạo bão.

6/ Hiển thị sản phẩm dự báo bằng hình ảnh và đưa lên mạng (quỹ đạo,

cường độ bão)

Hiện tại, quy trình đang tiếp tục được thử nghiệm và kết quả dự báo quỹ đạo bão trên khu vực Tây Bắc Thái Bình Dương hạn 5 ngày được đưa lên trang web: www.dubaobao5ngay.vn.

Hình 3.37 Quy trình dự báo tổ hợp quỹ đạo bão hạn 5 ngày

122

KẾT LUẬN

Qua kết nghiên cứu về khả năng dự báo quỹ đạo bão ảnh hưởng đến

Việt Nam hạn 5 ngày bằng phương pháp tổ hợp các sản phẩm nuôi những dao

động phát triển nhanh của mô hình RAMS, luận án đã thực hiện được một số

kết quả. Từ kết quả rút ra một số kết luận sau:

1/ Đã đưa ra tổng quan về hệ thống dự báo tổ hợp bằng phương pháp nuôi

nhiễu để dự báo thời tiết và dự báo bão trên thế giới và Việt Nam.

2/ Xây dựng được hệ thống dự báo tổ hợp quỹ đạo bão ở Việt Nam bằng

phương pháp nuôi nhiễu phát triển với các chương trình tạo ra nhân nhiễu

động ban đầu bằng phương pháp dự báo trễ và nuôi những dao động phát

triển nhanh cho trường môi trường và trường xoáy bão trên mô hình RAMS.

Sử dụng hệ thống này để dự báo quỹ đạo cho 30 cơn bão trong 5 mùa bão (từ

năm 2009 đến 2013 gồm 199 trường hợp). Kết quả dự báo theo hệ thống dự

báo tổ hợp đã xây dựng cho thấy: Các dự báo thành phần của tổ hợp có độ tán

rộng, tán về 2 phía của đường quỹ đạo thực và đường dự báo kiểm tra, kết quả

hoàn toàn phù hợp với lý thuyết tổ hợp của Kalnay. Hệ thống dự báo tổ hợp

cho dự báo hạn từ 1 đến 5 ngày tốt hơn so với dự báo kiểm tra (cả về hướng

di chuyển và sai số khoảng cách tâm bão).

3/ Xây dựng được các phương trình dự báo tổ hợp bằng phương pháp tổ hợp

trung bình đơn giản và siêu tổ hợp ở các hạn dự báo 24, 48, ..., 120 giờ cho

Việt Nam. Kết quả dự báo từ các phương trình dự báo này cho kết quả dự báo

tốt hơn so với dự báo kiểm tra và phương pháp tổ hợp trung bình đơn giản về

cả sai số khoảng cách và hướng di chuyển cụ thể:

123

a) Kết quả đánh giá sai số khoảng cách của 39 thành phần cho 4 mùa

bão (từ 2009 đến 2012) thì phương án sử dụng mô hình RAMS với sơ đồ

đối lưu KUO và sử dụng trường nuôi nhiễu âm 1 (KUO-01) là tốt nhất.

Phương án này cho sai số khoảng 160, 250, 330, 430 và 530 km ứng với

các hạn dự báo 24, 48, 72, 96 và 120 giờ.

b) Kết quả đánh giá sai số khoảng cách của phương án tổ hợp trung

bình đơn giản cho 39 thành phần của mùa bão (từ 2009 đến 2012) cho sai

số khoảng cách nhỏ hơn so với phương án tốt nhất (KUO-01). Cụ thể sai

số khoảng cách cho các hạn dự báo 24, 48, 72, 96 và 120 giờ là khoảng

130, 220, 280, 350 và 450 km.

c) Kết quả dự báo quỹ đạo bão bằng phương pháp siêu tổ hợp với 25

thành phần và phương pháp trung bình tổ hợp trên bộ số liệu độc lập của

2 mùa bão (2012 và 2013) cho thấy dự báo bằng phương pháp siêu tổ

hợp là tối ưu ở các hạn dự báo, cụ thể: sai số khoảng cách cho các hạn dự

báo 24, 48, 72, 96 và 120 giờ là khoảng 125, 197, 265, 275 và 354 km.

4/ Thử nghiệm xây dựng phương án dự báo bằng các vòng tròn xác suất, kết

quả cho thấy vị trí bão thực tại các hạn dự báo nằm trong các vòng tròn xác

suất tương ứng.

5/ Hệ thống dự báo tổ hợp bão hạn 5 ngày được xây dựng thành quy trình

dự báo bão và đang được sử dụng thử nghiệm tại trường ĐHKHTN. Kết quả

dự báo quỹ đạo và cường độ được đưa lên trang web dubaobao5ngay.vn.

Kiến nghị: Cần tiếp tục nghiên cứu phương pháp tạo các trường ban đầu

để dự báo quỹ đạo bão cho các mô hình khác. Bên cạnh đó cần thử nghiệm và

dự báo cường độ bão hạn 5 ngày trên khu vực Tây Bắc Thái Bình Dương.

124

DANH MỤC CÁC CÔNG TRÌNH KHOA HỌC CỦA TÁC GIẢ LIÊN QUAN ĐẾN LUẬN ÁN

1. Trần Tân Tiến, Công Thanh (2009), “Dự báo tổ hợp chuyển động của xoáy thuận nhiệt đới bằng mô hình RAMS và phương pháp nuôi nhiễu phát triển nhanh”, Tạp chí khoa học Đại học Quốc gia Hà Nội. Khoa học Tự nhiên và Công nghệ T.25 (3S), tr.

2. Công Thanh, Nguyễn Tiến Toàn (2010), “Thử nghiêm dự báo mưa lớn cho các tỉnh Đà Nẵng đến Quảng Ngãi thời hạn từ 1 đến 2 ngày bằng mô hình RAMS”, Tạp chí Khoa học ĐHQGHN, Khoa học Tự nhiên và Công nghệ T. 26 (3S), tr. 449-456

3. Trần Tân Tiến, Công Thanh, Nguyễn Thị Hoàng Anh (2010), “Dự báo quỹ đạo bão trên Biển Đông bằng phương pháp tổ hợp theo trọng số”, Tạp chí Khoa học ĐHQGHN, Khoa học Tự nhiên và Công nghệ T. 26 (3S), tr. 457- 462

and QPF

on QPE

Coference

4. Tran Tan Tien, Cong Thanh, (2010), “Ensemble forecast of tropical cyclone motion using RAMS model and Breeding of Growing Modes and method”, International hydrology, Nanjing,China.

5. Công Thanh, Trần Tân Tiến (2011), “Thử nghiệm dự báo bão hạn 3 ngày ở Biển Đông bằng hệ thống dự báo tổ hợp sử dụng phương pháp nuôi nhiễu”, Tạp chí Khoa học ĐHQGHN, Khoa học Tự nhiên và Công nghệ T. 27(3S), tr. 58-69

6. Trần Tân Tiến, Công Thanh, Nguyễn Thị Phượng (2012), “Dự báo cường độ bão bằng mô hình WRF hạn 5 ngày trên khu vực Biển Đông”, Tạp chí khoa học Đại học Quốc gia Hà Nội. Khoa học Tự nhiên và Công nghệ T. 28 (3S) tr.155 -160

7. Tran Tan Tien, Cong Thanh, Hoang Thanh Van, and Chanh Kieu (2012), “Two-dimensional Retrieval of Typhoon Tracks from an Ensemble of Multi-Model Outputs”, Wea. Forecasting, pp. 451-461.

8. Thanh, Trần Tân Tiến (2013), “Đánh giá kết quả dự báo quỹ đạo bão ở Biển Đông hạn 5 ngày bằng hệ thống dự báo tổ hợp trên mô hình RAMS”,

125

Tạp chí khoa học Đại học Quốc gia Hà Nội. Khoa học Tự nhiên và Công nghệ T. 2 (1S), tr. 141-146.

9. Công Thanh, Trần Tân Tiến (2013), “Xây dựng hệ thống dự báo tổ hợp bão ở Biển Đông hạn 5 ngày bằng phương pháp nuôi nhiễu”, Tạp chí khoa học Đại học Quốc gia Hà Nội. Khoa học Tự nhiên và Công nghệ T. 29(1S), tr. 147-153.

10. Trần Tân Tiến, Hoàng Thị Thủy, Công Thanh, Bùi Minh Tuân (2013), “Dự báo tổ hợp quỹ đạo bão trên khu vực Biển Đông hạn 5 ngày”, Tuyển tập báo cáo Hội thảo Khoa học Quốc gia về Khí tượng, Thủy văn, Môi trường và Biến đổi khí hậu lần thứ XVI. Tập 1. Khí tượng-Khí hậu, Khí tượng nông nghiệp và Biến đổi khí hậu. NXB Khoa học và Kỹ thuật Hà Nội, tr. 77-81

126

TÀI LIỆU THAM KHẢO

Tiếng Việt

1. Kiều Quốc Chánh (2011), “Tổng quan hệ thống đồng hóa bộ lọc Kalman tổ hợp và ứng dụng cho mô hình dự báo thời tiết WRF”, Tạp chí Khoa học Đại học Quốc Gia Hà Nội, T.27 (1S), tr. 17-29.

2. Hoàng Đức Cường (2004), “Nghiên cứu thử nghiệm áp dụng mô hình khí tượng động lực qui mô vừa MM5 trong dự báo hạn ngắn ở Việt Nam”, Đề Tài nghiên cứu và công nghệ cấp bộ Tài Nguyên Môi Trường.

3. Hoàng Đức Cường, Trần Thị Thảo, Nguyễn Như Toàn (2005), “Ứng dụng phương pháp dự báo tổ hợp cho mô hình MM5”, Hội thảo khoa học lần thứ 9 - Viện Khí tượng Thủy văn.

4. Hoàng Đức Cường (2011), “Nghiên cứu ứng dụng mô hình WRF phục vụ dự báo thời tiết và bão ở Việt Nam”, Đề Tài nghiên cứu và công nghệ cấp bộ TNMT.

5. Bùi Hoàng Hải, Nguyễn Quang Trung (2011), “Xây dựng mô hình đối xứng tựa cân bằng để nghiên cứu sự tiến triển của xoáy thuận nhiệt đới”, Tạp chí đại học QGHN, T.27(1S), tr. 71-80.

6. Võ Văn Hòa (2005), “Lựa chọn mực dòng dẫn tối ưu cho mô hình chính áp dự báo quỹ đạo bão WBAR gió tiếp tiếp đối xứng giả tối ưu cho mô hình chính áp dự báo quĩ đạo bão WBAR”, Tạp chí Khí tượng Thủy văn (536), tr. 6-19.

7. Võ Văn Hòa, Đỗ Lệ Thủy, Nguyễn Chi Mai (2006a), “Các phương pháp tạo nhiễu động trong dự báo tổ hợp quỹ đạo xoáy thuận nhiệt đới. Phần I: Giới thiệu phương pháp và hướng áp dụng cho điều kiện ở Việt Nam”, Tạp chí Khí tượng Thủy văn (541), tr. 23-32.

8. Võ Văn Hòa, Đỗ Lệ Thủy, Nguyễn Chi Mai (2006b), “Các phương pháp tạo nhiễu động trong dự báo tổ hợp quỹ đạo xoáy thuận nhiệt đới. Phần II: Một số kết quả nghiên cứu”, Tạp chí Khí tượng Thủy văn (543), tr. 21-31.

9. Võ Văn Hòa (2006c), “Dự báo quỹ đạo xoáy thuận nhiệt đới dựa trên dự báo tổ

hợp hàng nghìn thành phần”, Tạp chí Khí tượng Thủy văn (547), tr. 7-18.

10. Võ Văn Hòa (2008),” Nghiên cứu ứng dụng dự báo tổ hợp cho một số trường dự

báo bão”. Đề Tài nghiên cứu cấp bộ Tài Nguyên Môi Trường.

11. Võ Văn Hòa (2012), “Nghiên cứu phát triển hệ thống dự báo tổ hợp thời tiết hạn ngắn cho khu vực Việt Nam”, Đề Tài nghiên cứu cấp bộ Tài Nguyên Môi Trường.

12. Nguyễn Chi Mai, Nguyễn Thu Hằng (2004), “Phương pháp dự báo tổ hợp và khả

năng ứng dụng ở Việt Nam”. Tạp chí Khí tượng Thủy văn (518), tr. 30-37.

127

13. Đặng Thị Hồng Nga (2006), “Nghiên cứu ứng dụng và cải tiến sơ đồ phân tích xoáy trong dự báo quĩ đạo bão bằng phương pháp số”, Đề Tài nghiên cứu cấp bộ Tài Nguyên Môi Trường.

14. Nguyễn Thị Minh Phương (2003), “Lựa chọn một tham số cho sơ đồ ban đầu hóa xoáy trong mô hình chính áp dự báo đường đi của bão trên Biển Đông”, Tạp chí Khí tượng Thủy văn (516), tr. 13-32.

15. Nguyễn Thị Minh Phương (2005), “Hiệu chỉnh công thức tính thành phần xoáy bất đối xứng trong sơ đồ ban đầu hóa xoáy”, Tạp chí Khí tượng Thủy văn (529), tr. 35- 45.

16. Phan Văn Tân, Kiều Thị Xin, Nguyễn Văn Sáng, Nguyễn Văn Hiệp (2002a), “Kỹ thuật phân tích tạo xoáy ban đầu cho mô hình chính áp dự báo quĩ đạo bão”, Tạp chí Khí tượng Thủy văn (493), tr.13-22.

17. Phan Văn Tân, Nguyễn Văn Sáng (2002b), “Mô hình chính áp WBAR và khả năng ứng dụng dự báo bão khu vực Tây Bắc Thái Bình Dương và Biển Đông”, Tạp chí Khí tượng Thủy văn, (493), tr. 27-33.

18. Phan Văn Tân, Bùi Hoàng Hải (2003), “Về một phương pháp ban đầu hóa xoáy ba

chiều”, Tạp chí Khí tượng Thủy văn (515), tr. 1-12.

19. Phan Văn Tân, Bùi Hoàng Hải (2004), “Ban đầu hóa xoáy ba chiều cho mô hình MM5 và ứng dụng trong dự báo quỹ đạo bão”, Tạp chí Khí tượng Thủy văn (526), tr. 14-25.

20. Phan Văn Tân, Nguyễn Lê Dũng, 2009: “Thử nghiệm ứng dụng hệ thống WRF- VAR kết hợp với sơ đồ ban đầu hóa xoáy vào dự báo quĩ đạo bão trên Biển Đông.”, Tạp chí Khí tượng Thủy văn (583), tr. 1-9.

21. Nguyễn Văn Thắng (2010), “Nghiên cứu ảnh hưởng của biến đổi khí hậu đến các điều kiện tự nhiên, tài nguyên thiên nhiên và đề xuất các giải pháp chiến lược phòng tránh, giảm nhẹ và thích nghi, phục vụ phát triển bền vững kinh tế xã- hội ở Việt Nam” Đề tài cấp nhà nước KC.08.13/06-10.

22. Trần Tân Tiến (2004), “Xây dựng mô hình dự báo các trường khí tượng thủy văn

vùng Biển Đông”, Đề tài cấp nhà nước KC.09.04.

23. Trần Tân Tiến, Công Thanh, Lê Thị Hồng Vân, Trần Ngọc Vân, Lê Quốc Huy, Đỗ Lệ Thủy, Võ Văn Hòa (2008), “Dự báo bão bằng các mô hình số”, Tuyển tập báo cáo hội thảo khoa học lần thứ nhất (đề tài KC08) T.1, tr. 38-45.

24. Trần Tân Tiến, Công Thanh, Nguyễn Minh Trường, Trần Duy Hiền (2009a), “Dự báo quỹ đạo bão Xangsane bằng mô hình MM5 kết hợp với cài xoáy nhân tạo và cập nhật số liệu địa phương khu vực Việt Nam”, Tạp chí Khoa học Đại học Quốc Gia Hà Nội T.25 (1S), tr. 103-108.

25. Trần Tân Tiến, Công Thanh, Nguyễn Minh Trường, Trần Duy Hiền (2009b), “Đánh giá bước đầu khả năng dự báo quỹ đạo bão bằng mô hình MM5 kết hợp với cài xoáy nhân tạo và cập nhật số liệu địa phương khu vực Việt Nam”, Tạp chí Khoa học Đại học Quốc Gia Hà Nội, T.25 (1S), tr. 109-114.

26. Trần Tân Tiến, Lê Thị Hồng Vân (2009c), “Nghiên cứu ảnh hưởng của các yếu tố cấu thành xoáy nhân tạo trong đồng hóa số liệu xoáy giả bằng mô hình WRF đối với cơn

128

bão Lêkima”, Tạp chí khoa học Đại học Quốc gia Hà Nội, T.25 (1S), tr. 508-516.

27. Trần Tân Tiến, Công Thanh (2009d), “Dự báo tổ hợp chuyển động của xoáy thuận nhiệt đới bằng mô hình RAMS và phương pháp nuôi các nhiễu phát triển nhanh”, Tạp chí khoa học Đại học Quốc gia Hà Nội T.25(3S), tr.523.

28. Trần Tân Tiến, Phạm Thị Minh, Hoàng Thanh Vân, Công Thanh, Lê Thị Hồng Vân, Lê Quang Hưng (2009e), “Dự báo quỹ đạo bão trên Biển Đông bằng phương pháp siêu tổ hợp”, Tạp chí Khoa học Đại học Quốc Gia Hà Nội T.25 (1S), tr. 517.

29. Trần Tân Tiến (2010), “Xây dựng công nghệ dự báo liên hoàn bão, nước dâng và sóng ở Việt Nam bằng mô hình số với thời gian dự báo trước 3 ngày”, Đề tài cấp nhà nước KC.08.05.

30. Nguyễn Minh Trường ( 2009), Nghiên cứu mô phỏng mưa đối lưu bằng mô hình RAMS cho khu vực Trung bộ, Luận án Tiến sĩ Khí tượng học, Đại học Quốc gia Hà Nội, Hà Nội.

31. Đinh văn Ưu (2009), "Đánh giá quy luật biến động dài hạn và xu thế biến đổi số lượng bão và áp thấp nhiệt đới trên khu vực Tây Thái Bình Dương, Biển Đông và ven biển Việt Nam ", Tạp chí Khoa học ĐHQGHN, Khoa học Tự nhiên và Công nghệ, T.25 (3S), tr. 542

550.

32. Kiều Thị Xin (2001), “Nghiên cứu áp dụng bộ mô hình số cho dự báo chuyển động

‐

bão ở Việt Nam”, Đề tài Khoa học Công nghệ độc lập cấp Nhà Nước.

33. Kiều Thị Xin, Lê Công Thành, Phan Văn Tân (2002), “Áp dụng mô hình số khu vực phân giải cao vào dự báo hoạt động của bão ở Việt Nam và Biển Đông”, Tạp chí Khí tượng Thủy văn (499), tr. 12-21.

Tiếng Anh

34. Anderson, J.L. (2001), “An ensemble adjustment filter for data assimilation”, Mon.

Wea. Rev., 129, pp. 2884-2903.

35. Andersson, E., C. Cardinali, M. Fisher, E. Hólm, L. Isaksen, Y. Trémolet and A. Hollingsworth (2004), “Developments in ECMWF’s 4d-Var system”, Paper J.1. AMS preprints of the 20th Conference on Weather Analysis and Forecasting/16th Conference on Numerical Weather Prediction..

36. Barkmeijer, J. (1996), “Constructing fast-growing perturbations for the nonlinear

regime”, J. Atmos. Sci, 53, pp. 2838-2851.

37. Barkmeijer, J., M. Van Gijzen and F. Bouttier (1998), “Singular vectors and the estimates of analysis-error covariance matrix”, Quart. J. Roy. Meteor. Soc, 124, pp. 1695-1713

38. Barkmeijer, J., R. Buizza, K. Puri, and J.-F. Mahfouf (2001),” Tropical singular vectors computed with linearized diabatic physics.”, Quart. J. Roy. Meteor. Soc., 127, pp. 685-708.

39. Bishop, C.H., B. J. Etherton and S. J.Majumdar (2001), “Adaptive sampling with the ensemble transform Kalman filter. Part I: Theoretical aspects”, Mon. Wea. Rev.,

129

129, pp. 420-436.

40. Bowler, N. (2006), “Comparison of error breeding, singular vectors, random perturbations and ensemble Kalman filter perturbation strategies on a simple model”, Tellus, 58A, pp. 538-548.

41. Buizza, R. (1994), “Sensitivity of optimal unstable structures”, Quart. J. Roy.

Meteor. Soc., 120, pp. 429-451.

42. Cai, M., E. Kalnay and Z. Toth (2002), “Bred vectors of the Zebiak-Cane model

and their application to ENSO prediction”, J. Climate, 16, pp. 40-56.

43. Chan. J. C. L and K.K.Li (2005), “Ensemble forecasting of tropical cyclone motion using a barotropic model. Part III: Combining perturbations of the environment and the vortex”, Meteorol Atmos Phys, 90, pp. 109-126.

44. Chen, J., J. Xue and H. Yang (2003), “Impact of physical parameterization schemes

on mesoscale heavy rain simulations”, Acta Meteorologica Sinica, 61, pp. 203-218

45. Chen, J., Hua Tian, Guo Deng, Xiaoli Li,Suhong Ma,Yan Tan (2009). "Operational

Ensemble Prediction Systems at CMA.", WMO Exeter, UK, 5 - 9 October

46. Cheung, K.W.C and J.C.L.Chan (1999a), “Ensemble forecasting of tropical cyclone motion using a barotropic model. Part I: perturbations of the environment”, Mon. Wea. Rev., 127, pp. 1229-1243.

47. Cheung, K.W.C and J.C.L.Chan (1999b), “Ensemble forecasting of tropical cyclone motion using a barotropic model. Part II: perturbations of the vortex”, Mon. Wea. Rev., 127 pp. 2617-2640.

48. Choo, G.-M. (2006), “Recent development of tropical cyclone prediction model in

KMA”, report

49. Davies, H.C., (1976), “A lateral boundary formulation for multi-level prediction

models”, Quart. J. R. Met. Soc. (102), pp. 405 - 418

50. DeMaria, M., D. Aberson, K. V. Ooyama and S.J. Lord (1992), “A nested spectral model for hurricane track forecasting”, Mon. Wea. Rev., 120, pp. 1628-1643.

51. Descamps, L and Talagrand, O. (2007), “On some aspects of the definition of initial conditions for ensemble prediction”, Mon. Wea. Rev., 135, pp. 3260-3272. 52. Du, J., Geoff DiMego, Dusan Jovic and Binbin Zhou (2011), “NCEP SREF: overview, current and 2011 implementation”, report for the 5th NCEP Ensemble User Workshop, May 10-12, 2011.

53. Du, J. (2007), “Uncertainty and Ensemble Forecast”, Lecture.

54. Du, J., J. McQueen, G. DiMego, T. Black, H, Juang, E. Rogers, B. Ferrier, B. Zhou, Z. Toth and M. S, Tracton (2004), “The NOAA/NWS/NCEP short-range ensemble forecast (SREF) system: evaluation of an initial condition vs. multi- model physics ensemble approach”, 16th Conference on Numerical Weather Prediction, Seattle, Washington, Amer. Meteor. Soc.

55. Du, J and M.S.Tracton (1999), “Impact of lateral boundary conditions on regional- model ensemble predicion”, Research Activities in Atmospheric and Oceanic Modelling (edited by H. Ritchie), Report 28, CAS/JSC Working Group Numerical

130

Experimentation (WGNE), WMO.

56. Ebisuzaki, W., and E. Kalnay (1991), “Ensemble experiments with a new lagged average forecasting scheme in WMO, Research activities in atmospheric and oceanic modeling”, Report #15, Geneva, Switzerland, pp. 6.31-6.32.

57. Ehrendorfer, M., R.M. Errico and K.D. Raeder (1999), “Singular-Vector Perturbation Growth in a Primitive Equation Model with Moist Physics”, J. Atmos. Sci., 56, pp. 1627-1648.

58. Epstein, E. (1969), “Stochastic dynamic prediction”, Tellus, 6, pp. 739-759.

59. Errico, R and D.Baumhefner. (1998), “Predictability experiments using a high-

resolution limited area model”, Mon. Wea. Rev., 115, pp. 488-504.

60. Errico, R and T.Vukicevic, Sensitivity analysis using an adjoint of the PSU-NCAR

mesoscale model Mon. Wea. Rev., 1992. 120: p. 1644-1660.

61. Evensen, G.

(1994), “Sequential data assimilation with a nonlinear quasigeostrophic model using Monte carlo methods to forecast error statistics”, J. Geophys. Res., 99, pp. 10143-10162.

62. Fischer, M., A. Joly and F. Lalaurette (1998), “Error growth and Kalman filtering

within an idealized baroclinic flow”, Tellus, 50A, pp. 596-615.

63. Hamill, T.M. and Chris Snyder (2000a), “A Hybrid Ensemble Kalman Filter-3D

Variational Analysis Scheme”, Mon. Wea. Rev. , 128, pp. 2905-2919.

64. Hamill, T.M., Chris Snyder, Rebecca E. Morss (2000b), “Comparison of Probabilistic Forecasts from Bred, Singular-Vector, and Perturbed Observation Ensembles”, Mon. Wea. Rev., 128, 2000. 128: p. 1835-1851.

65. Hoffman, R.N., and E. Kalnay (1983), “Lagged average forecasting, an alternative

to Monte Carlo forecasting”, Tellus, 35A, pp. 100-118.

66. Houtekamer, P.L., and H. L. Mitchell (1998), “Data assimilation using an ensemble

Kalman filter technique”, Mon.Wea. Rev., 126, pp. 796-811.

67. Houtekamer, P.L., and J. Derome (1995), “Methods for ensemble prediction”,

Monthly Weather Review, 123, pp. 2181-2196.

68. Houtekamer, P.L., L. Lefaivre, J. Derome,H. Ritchie, and H. L. Mitchell (1996), “System simulation approach to ensemble prediction”, Mon. Wea. Rev. , 124, pp. 1225-1242.

69. Huang, W., Liang, Xudong (2007), “The Improvement of GRAPES_TCM and its

Performance on the Tropical Cyclone Prediction”, report.

70. Jankov, I., W.A. Gallus, M. Segal, B. Shaw and S.E. Koch (2005), “The Impact of Different WRF Model Physical Parameterizations and Their Interactions on Warm Season MCS Rainfall”, Wea. Forecasting, 20, pp. 1048-1060.

71. Jordan . M. R, Using the superensemble method to improve eastern pacific tropical cyclone forecasting, Master of thesis, the Florida state University, the Florida state.

131

72. Kain, J.S. and J.M. Fritsch (1990), ”A one-dimensional entraining /detraining plume model and its application in convective parameterization.”, J. Atmos. Sci. (47), pp. 2784.

73. Kalnay, E. (2003), Atmospheric modeling, data assimilationand predictability.

Cambridge University Press, UK.

74. Kalnay, E., M. Corazza and M. Cai (2002), “Are bred vectors the same as

Lyapunov vectors?”, Am. Meteor. Soc, pp. 173-177.

75. Kishimoto, K. (2009). "JMA’s Five-day Tropical Cyclone Track Forecast."

Reports.

76. Klemp, J.B. and D.R. Durran (1983), “An upper boundảy condition permitting internal gravity wave radiation in numerical mesoscale models”, Mon. Wea. Rev. (111), pp. 430-444

77. Klemp, J.B. and D.K. Lilly (1978), “Numerical simulation of hydrostatic mountain

waves”, J.Atmos. Sci. (35), pp. 78-107.

78. Klemp, J.B. and R.B. Wilhelmson (1978), “Simulations of right – and left – moving produced through storm splitting”, J. Atmos. Sci. (35), pp. 1097-1110.

79. Kong, F., K. K. Droegemeier and N.L. Hickmon (2007), “Multiresolution ensemble forecasts of an observed tornadic thunderstorm system, Part II”, Mon. Wea. Rev., 135, pp. 759-782.

80. Krishnamurti, T. N., Kishtawal, C. M., LaRow, T. E., Bachiochi, D. R., Zhang, Z., Williford, C. E., Gadgil, S. and Surendran, S. (1999), “Improved weather and seasonal climate forecasts from multimodel superensemble”, Science, 285, pp. 1548- 1550.

81. Krishnamurti, T. N., Kishtawal, C. M., Zhang, Z., LaRow, T. E., Bachiochi, D. R., Williford, C. E., Gadgil, S. and Surendran, S. (2000a), “Improving tropical precipitation forecasts from a multi analysis superensemble”, J. Climate, 13, pp. 4217- 4227.

82. Krishnamurti, T. N., Kishtawal, C. M., Shin, D. W. and Williford, C. E. (2000b), “Multimodel superensemble forecasts for weather and seasonal climate”, J. Climate, 13, pp. 4196-4216.

83. Krishnamurti, T. N., Surendran, S., Shin, D. W., Correa-Torres, R. J., Kumar, T. S. V., Williford, C. E., Kummerow, C., Adler, R. F., Simpson, J., Kakar, R., Olson, W.S. and Turk, F. J. (2001), “Real time multianalysis/multimodel superensemble forecasts of precipitation using TRMM and SSM/I products”, Mon. Wea. Rev., 129, pp. 2861-1883.

84. Kuo, H.L. (1974), “Further studies of the parameterization of the influence of

cumulus convection on large scale flow”, J. Atmos. Sci. (31), pp. 1232.

85. Lee, H.-S. (2006), “KMA Ensemble Prediction System”, report.

86. Leith, C.E. (1974), “Theoretical skill of Monte Carlo forecasts”, Mon. Wea. Rev.,

102, pp. 409-418.

87. Lorenz, E.N. (1963), “Deterministic nonperiodic flow”, J.Atmos. Sci., 20, pp. 131-140.

132

88. Lorenz, E.N. (1965), “A study of the predictability of a 28-variable atmospheric

model”, Tellus, 17, pp. 321-333.

89. Lorenz, E.N.(1969), “The predictability of a flow which possesses many scales of

motio”, Tellus, 21, pp. 289-307.

90. Magnusson . L, E. K¨all´en. and J. Nycander (2008a), "Initial state perturbations in

ensemble forecasting.", Nonlin. Processes Geophys., 15, pp. 751–759

91. Magnusson. L and L.M., Kallen. E (2008b), “Comparison between Singular Vectors and Breeding Vectors as Initial Perturbations for the ECMWF Ensemble Prediction System”, Mon. Wea. Rev., 136, pp. 4092-4104.

92. Martin, A., V. Homar, L. Fita, J. M., Gutierrez, M. A.. Rodriguez and C. Primo. (2007), “Geometrid vs. classical breeding of vectors application to hazardous weather in the Western Mediterranean”. Geophysical Research Abstracts, 9, European Geosciences Union.

93. Mclay, J.M., C. H. Bishop and C. A. Reynolds (2007) “The ensemble-transform scheme adapted for the generation of stochastic forecast perturbations”, Quart. J. Roy. Meteor. Soc., 133, pp. 1257-1266.

94. Mu, M. (2000), “Nonlinear singular vectors and nonlinear singular values”,

Scinece in China (D), 43, pp. 375-385.

95. Mylne, K.R., Evans, R. E., and Clark, R. T. (2002), “Multi-model multi-analysis ensembles in quasi-operational medium-range forecasting”, Quart. J. Roy. Meteor. Soc., 128, pp. 361-384

96. Nutter, P., M. Xue and D. Stensrud (2004a), “Effects of Coarsely Resolved and Temporally Interpolated Lateral Boundary Conditions on the Dispersion of Limited-Area Ensemble Forecasts”, Mon. Wea. Rev., 132, pp. 2358-2377.

97. Nutter, P. and M. Xue (2004b), “Application of Lateral Boundary Condition Perturbations to Help Restore Dispersion in Limited-Area Ensemble Forecasts”, 132, pp. 2358-2377

98. Oortwijn, J. and .J.Barkmeijer (1995), “Perturbations that optimally trigger weather

regimes”, J. Atmos. Sci., 52, pp. 3952-3944.

99. Orlanski, I., (1976), “A simple boundary condiction for unbounded hyperbolic

flows”. J. Comput. Phys. (21), pp. 251-269.

100. Palmer, T.N., R. Gelaro, J. Barkmeijer and R. Buizza (1998), “Singular vectors,

metrics and adaptive observations”, J. Atmos. Sci., 55, pp. 633-653.

101. Queenie C.C. Lam, K.C.Yeung and H.Lam (2005), “Use of Model Ensemble Products for Weather Forecasting in Hong Kong”, in WMO Training Workshop on Ensemble Prediction System. Shanghai, China.

implementation of

102. Rabier, F., H. Järvinen, E. Klinker, J.F. Mahfouf and A. Simmons (2000), “The ECMWF operational four dimensional variational assimilation.Part I: experimental results with simplified physics”, Q. J. R. Meteorol. Soc., 126 pp. 1143-1170.

133

103. Reynolds, C.A and R.M.Errico (1999), “Convergence of Singular Vectors toward

Lyapunov Vectors”, Mon. Wea. Rev., 127, pp. 2309-2323.

104. Saito. K., H. S., M. Kunii, H. Seko, M. Hara, T. Hara, M. Yamaguchi, T. Miyoshi and W. Wong (2010), "The WWRP Beijing Olympic 2008 RD Project.", Techniccal reports of the meteorological research institude, 62.

105. Sanders, F., and R. W. Burpee (1968), “Experiments in barotropic hurricane track

forecasting”, J. Appl. Meteor, 7, pp. 313-323.

106. Stensrud, D.J., J. W. Bao and T. T. Warner (2000), “Using initial condition and model physics perturbations in short-range ensemble”, Mon. Wea. Rev., 128, pp. 2077-2107.

107. Tippett, M.K., J. L. Anderson, C. H. Bishop, T. M. Hamill, and J. S. Whitaker (2002), “Ensemble square root filters”, Mon. Wea. Rev., 131 pp. 1485-1490.

108. Tribbia, J. J. and D. P. Baumhefner (1988), "The reliability of improvements in deterministic short-range forecasts in the presence of initial state and modeling deficiencies.", Mon. Wea. Rev., 116 pp. 2276-2288.

109. Toth.Z and E.Kalnay (1993), “Ensemble forecasting at NMC”, Amer. Meteor. Soc.,

74, pp. 2317-2330.

110. Toth.Z and E.Kalnay (1997), “Ensemble Forecasting at NCEP and the Breeding

Method”, Mon. Wea. Rev., 125, pp. 3297-3318.

111. Tracton, M.S. (2001), “Implementation of a real-time short-range ensemble forecasting system at NCEP”, an update. Preprints, 9th Conference on Mesoscale Processes, Ft. Lauderdale, Florida, Amer. Meteor. Soc., pp. 355-356.

112. Tracton, M.S and E.Kalnay (1993), “Ensemble forecasting at NMC”, Wea.

Forecasting, 8, pp. 379-398.

113. Trinh V. T. and T. N. Krishnamurti (1992), “Vortex initialization for Typhoon

track prediction”, Meteor. Atmos. Phys., 47, pp. 117-126.

114. Wang, X. and C.H.Bishop (2003), “A comparison of breeding and ensemble transform Kalman filter ensemble forecast schemes”, J. Atmos. Sci., 60, pp. 1140- 1158.

115. Wang. Y. and A. Kann (2005). "ALADIN-LAEF (Limited Area Ensemble Forecasting) at ZAMG: Status and Plan. 15th ALADIN Workshop [available online: www.cnrm.meteo.fr/aladin/meetings/Wk2005/WANG.pdf].".

116. Warner, T.T., R. A. Perterson and R. E. Treadon (1997), “A Comparison of Hybrid Ensemble Transform Kalman Filter-Optimum Interpolation and Ensemble Square Root Filter Analysis Schemes”, Mon. Wea. Rev., 132, pp. 1590-1605.

117. Weber, H.C. (2001), “Hurricane track prediction with a new baratropic model”,

Mon. Wea. Rev., 129, pp. 1834-1857.

118. Wei, M., Z. Toth, R. Wobus and Y. Zhu (2007), “Initial perturbations based on the ensemble transform (ET) technique on the NCEP global operational forecast system”, Tellus, 60A, pp. 62-79.

119. Whitaker, J.S., and T. H. Hamill (2002), “Ensemble Data Assimilation without

134

perturbed observations”, Mon. Wea.Rev., 130, pp. 1913-1924.

120. WMO (2009), “Expert team on ensemble prediction systems”, Exeter, United

Kingdom.

121. WMO (2010), “Regional perspective on NWP/EPS systems, products and

infrastructure in RA II”, Report.

122. Yamaguchi, M., Ryota Sakai, Masayuki Kyoda, Takuya Komori, Takashi Kadowaki (2009), “Typhoon Ensemble Prediction System Developed at the Japan Meteorological Agency”, Mon. Wea. Rev., 137, pp. 2592–2604.

123. Yamaguchi, M. (2012), "Outline of the Typhoon Ensemble Prediction System at

the Japan Meteorological Agency.", Report

124. Yan, T. (2007), “Design and performance of the typhoon ensemble forecasting on

GRAPES” , report.

125. Zhang, Q. (2007), “Study on the Uncertainty of mesoscale Ensemble forecast of Tropical cyclone”, 5th international conference on Mesoscale Meteorology and Typhon.

126. Zhang, Z. and Krishnamurti.T. N. (1997). "Ensemble forecasting of hurricane

tracks." Bull Amer. Meteor. Soc. 78, pp. 2785-2795.

127. Zhang.Z and Krishnamurti.T. N (1999). "A Perturbation Method for Hurricane Ensemble Predictions." American Meteorological Society”, 127, pp. 447-469.

Trang web 128. http://www.ecmwf.int/products/forecasts/guide/Tropical_cyclone_diagrams.html. 129. http://weather.unisys.com/hurricane/w_pacific/ 130. http://agora.ex.nii.ac.jp/digital-typhoon/year/wnp/2013.html.en 131. http://www.wmo.int/pages/prog/www/tcp/organization.html

135

PHỤ LỤC

136

Hình 4.1 Trường nhiễu gió (m/s) của nhân D1, D2, D3, D4, D5, D6 tại mực 850 hpa

137

Hình 4.2 Trường nhiễu nhiệt (độ K) của nhân D1, D2, D3, D4, D5, D6 tại mực 850 hpa

138

Hình 4.3 Trường nhiễu gió (m/s) của nhân D1, D2, D3, D4, D5, D6 cắt qua vĩ tuyến 6N lúc 12h ngày 13/12/2011.

139

Hình 4.4 Trường nhiễu nhiệt (độ K) của nhân D1, D2, D3, D4, D5, D6 cắt qua vĩ tuyến 6N lúc 12h ngày 13/12/2011

140

a-24

b-24

c-24

a-18

b-18

c-18

a-12

b-12

c-12

a-06

b-06

c-06

141

a-00

b-00

c-00

Hình 4.5 Bản đồ ghép chồng các hạn trước thời điểm dự báo -24, -18, -12, -06 và 00 giờ các của trường địa thế vị (a-24, a-18, a-12, a-06, a-00), gió (b-24, b-18, b-12, b-06, b-00), nhiệt (c-24, c-18, c-12, c-06, c-00) trung bình theo phương thẳng đứng trong trường hợp nuôi nhiễu môi trường.

a-24

b-24

c-24

a-18

b-18

c-18

142

a-12

b-12

c-12

c-06

a-06

b-06

a-00

b-00

c-00

Hình 4.6 Bản đồ ghép chồng các hạn trước thời điểm dự báo -24, -18, -12, -06 và 00 giờ các của trường địa thế vị (a-24, a-18, a-12, a-06, a-00), gió (b-24, b-18, b-12, b-06, b-00), nhiệt (c-24, c-18, c-12, c-06, c-00) trung bình theo phương thẳng đứng trong trường hợp nuôi nhiễu xoáy.

143

Hình 4.7 Bản đồ trường gió (m/s) của trường GFS có cài xoáy giả (D0) và các trường GFS có cài xoáy giả kết hợp với nhiễu D1, D2, D3, D4, D5, D6 cắt qua vĩ tuyến 6N lúc 12h ngày 14/12/2011

144

a-24

b-24

c-24

a-18

b-18

c-18

a-12

b-12

c-12

a-06

b-06

c-06

145

a-00

b-00

c-00

Hình 4.8 Bản đồ ghép chồng các hạn trước thời điểm dự báo -24, -18, -12, -06 và 00 giờ các của trường địa thế vị (a-24, a-18, a-12, a-06, a-00), gió (b-24, b-18, b-12, b-06, b-00), nhiệt (c-24, c-18, c-12, c-06, c-00) trung bình theo phương thẳng đứng trong trường hợp nuôi nhiễu môi trường và nhiễu xoáy.

146

Bảng 4.1 Bảng sai số khoảng cách trung bình của các cơn bão trong 4 năm 2009, 2010, 2011 và 2012

147

Hạn 6 12 18 24 30 36 42 48 54 60 66 72 78 84 90 96 102 108 114 120 Kuo+00 72 92 126 160 185 204 222 244 255 275 306 324 349 363 397 424 427 456 513 563 Kuo+01 76 97 135 171 190 212 236 258 267 290 323 345 358 376 414 441 450 484 558 620 Kuo-01 74 98 132 164 187 206 232 253 265 289 321 340 358 386 415 427 406 431 470 535 Kuo+02 70 95 133 166 188 207 229 249 260 280 313 333 354 376 414 444 426 454 493 554 Kuo-02 76 98 133 167 187 209 234 259 267 280 314 327 350 368 398 422 412 436 506 566 Kuo+03 74 96 131 163 186 209 231 255 262 283 311 330 354 373 395 420 422 449 494 537 Kuo-03 73 94 132 166 192 213 235 257 270 287 309 330 338 353 391 415 407 437 493 550 Kuo+04 75 98 133 164 191 212 237 255 266 282 311 333 350 378 408 433 415 439 491 554 Kuo-04 75 95 133 163 184 201 226 247 262 285 319 334 351 372 397 418 438 468 503 535 Kuo+05 75 96 131 161 187 206 228 247 252 273 304 329 346 370 399 425 428 455 494 558 Kuo-05 76 97 133 164 186 206 228 254 267 287 320 340 347 361 387 410 416 455 521 579 Kuo+06 73 96 134 163 188 211 235 252 265 284 310 319 341 363 396 429 428 457 511 554 Kuo-06 76 98 134 166 190 209 234 256 272 292 322 345 374 396 430 458 459 487 544 605 KF+00 76 97 125 150 177 210 242 277 291 319 357 378 413 440 486 510 548 572 597 620 KF+01 79 105 129 153 181 209 244 273 294 318 350 375 404 428 470 496 522 542 582 623 KF-01 78 99 126 152 180 210 244 275 290 317 349 369 402 424 461 488 516 533 570 589 KF+02 78 100 128 151 178 205 239 270 286 314 344 367 405 428 473 499 520 537 562 586 KF-02 78 103 130 155 184 213 247 282 297 324 363 386 420 446 487 516 540 567 604 627 KF+03 76 101 130 152 182 209 243 275 291 316 351 372 401 428 467 499 514 535 565 591 KF-03 76 98 129 155 180 209 241 272 291 317 350 380 411 435 473 499 527 542 560 583 KF+04 79 100 126 150 180 210 246 281 296 323 359 383 408 434 478 500 535 553 587 610 KF-04 80 102 131 156 184 213 249 280 294 320 350 377 407 428 465 496 528 549 582 615 KF+05 76 99 127 153 182 211 243 275 287 314 351 377 408 434 474 502 512 528 553 585 KF-05 80 102 130 155 181 208 244 274 291 319 356 379 413 437 483 511 545 568 604 635 KF+06 78 101 127 152 178 207 241 269 283 312 348 372 398 420 464 496 531 557 602 639 KF-06 78 103 130 156 180 211 245 280 296 321 355 380 406 432 480 503 532 552 581 615 KFCT+00 81 110 138 168 197 230 261 288 302 319 350 366 396 412 461 488 527 542 588 632 KFCT+01 83 115 144 177 206 239 276 307 329 358 397 413 447 471 507 542 563 596 650 688 KFCT-01 81 109 139 173 205 247 285 317 332 350 380 396 410 433 472 511 534 552 590 611 KFCT+02 82 111 144 173 203 236 271 307 321 345 375 395 418 443 488 513 541 561 607 640 KFCT-02 82 111 145 176 208 248 277 309 321 340 376 395 423 440 473 506 534 541 577 604 KFCT+03 82 113 140 171 201 235 269 301 316 341 373 391 414 440 472 496 534 559 595 639 KFCT-03 81 111 142 175 206 241 276 308 318 344 380 403 429 454 498 532 574 597 653 700

Bảng 4.2 Bảng sai số dọc trung bình của các cơn bão trong 4 năm 2009, 2010,

2011 và 2012

KFCT+04 82 111 141 176 210 242 277 305 316 341 361 384 398 420 451 477 521 536 575 598 KFCT-04 86 114 143 171 203 239 272 307 307 336 372 400 427 445 495 516 563 586 644 701 KFCT+05 79 109 138 173 203 235 266 293 302 327 359 383 407 425 455 477 501 520 571 599 KFCT-05 82 112 139 174 204 238 273 306 323 343 371 397 423 447 486 520 591 627 668 716 KFCT+06 83 109 140 174 202 238 274 305 328 348 374 392 409 435 484 523 577 602 646 699 KFCT-06 83 115 145 176 210 240 275 306 320 346 385 404 434 461 490 515 559 579 613 630

6

12

18

24

30

36

42

48

54

60

66

72

78

84

90

96

102

108

114

120 Hạn

148

Kuo+00 -19 -43 -55 -66 -64 -55 -53 -48 -68 -67 -87 -103 -103 -122 -142 -148 -148 -143 -183 -207 Kuo+01 -21 -48 -63 -75 -67 -56 -58 -55 -73 -80 -93 -112 -99 -122 -149 -158 -147 -155 -199 -232 Kuo-01 -22 -44 -62 -69 -67 -62 -64 -58 -72 -88 -100 -122 -109 -134 -142 -139 -142 -159 -160 -220 Kuo+02 -19 -47 -62 -67 -67 -60 -58 -54 -72 -85 -99 -120 -115 -142 -168 -178 -164 -171 -190 -232 Kuo-02 -25 -44 -60 -73 -63 -57 -56 -48 -61 -68 -96 -107 -102 -120 -137 -145 -134 -118 -148 -170 Kuo+03 -26 -48 -60 -74 -74 -69 -65 -62 -74 -82 -93 -110 -99 -134 -143 -146 -140 -154 -199 -203 Kuo-03 -23 -46 -61 -68 -65 -59 -57 -53 -74 -83 -102 -119 -115 -128 -146 -159 -150 -158 -200 -223 Kuo+04 -21 -45 -62 -68 -65 -59 -54 -49 -67 -77 -91 -105 -108 -125 -135 -149 -142 -139 -171 -209 Kuo-04 -21 -47 -62 -72 -60 -55 -57 -50 -63 -73 -87 -101 -96 -115 -128 -149 -153 -157 -168 -185 Kuo+05 -23 -45 -58 -68 -70 -62 -57 -52 -67 -80 -93 -115 -119 -139 -145 -162 -157 -162 -167 -213 Kuo-05 -23 -48 -64 -72 -67 -62 -60 -56 -72 -76 -98 -116 -105 -128 -140 -159 -150 -154 -182 -229 Kuo+06 -22 -44 -55 -63 -63 -59 -55 -47 -69 -84 -101 -116 -110 -129 -155 -182 -165 -171 -191 -213 Kuo-06 -24 -53 -66 -75 -69 -64 -62 -62 -78 -88 -114 -134 -134 -156 -172 -185 -181 -173 -207 -255 KF+00 -35 -59 -69 -78 -82 -81 -82 -82 -103 -111 -112 -128 -133 -144 -153 -154 -156 -152 -131 -180 KF+01 -36 -57 -66 -76 -76 -76 -80 -77 -96 -103 -108 -122 -125 -127 -133 -139 -142 -136 -136 -181 KF-01 -35 -58 -72 -81 -84 -79 -84 -82 -98 -107 -112 -131 -134 -142 -149 -147 -156 -153 -129 -178 KF+02 -35 -58 -69 -77 -79 -79 -85 -82 -106 -114 -116 -131 -142 -153 -160 -167 -154 -155 -146 -165 KF-02 -39 -61 -71 -82 -82 -85 -82 -80 -99 -108 -115 -132 -135 -149 -153 -153 -140 -150 -133 -194 KF+03 -35 -56 -70 -77 -79 -78 -80 -79 -96 -108 -117 -129 -129 -138 -140 -142 -153 -153 -140 -174 KF-03 -33 -57 -69 -77 -81 -76 -77 -78 -100 -112 -116 -136 -142 -148 -160 -168 -156 -156 -136 -178 KF+04 -36 -57 -70 -78 -80 -78 -77 -77 -98 -106 -110 -127 -134 -157 -158 -168 -151 -155 -150 -188 KF-04 -35 -57 -69 -81 -77 -78 -81 -79 -101 -113 -115 -127 -129 -131 -135 -137 -144 -151 -122 -172 KF+05 -35 -56 -65 -76 -77 -75 -73 -71 -94 -106 -109 -133 -135 -142 -149 -148 -155 -141 -125 -171 KF-05 -38 -57 -72 -76 -80 -76 -79 -77 -98 -107 -114 -118 -126 -137 -141 -145 -138 -140 -138 -182 KF+06 -38 -54 -65 -74 -73 -71 -70 -70 -102 -107 -111 -127 -127 -142 -159 -164 -169 -174 -159 -209 KF-06 -39 -58 -74 -84 -83 -80 -82 -82 -102 -108 -114 -130 -132 -140 -149 -145 -151 -143 -138 -178

Bảng 4.3 Bảng sai số ngang trung bình của các cơn bão trong 4 năm 2009, 2010,

2011 và 2012

KFCT+00 -38 -58 -69 -78 -78 -78 -84 -82 -118 -133 -143 -162 -167 -190 -211 -248 -267 -294 -292 -322 KFCT+01 -41 -64 -72 -82 -85 -90 -96 -93 -134 -162 -185 -211 -229 -249 -249 -263 -276 -284 -294 -350 KFCT-01 -37 -59 -69 -74 -74 -78 -84 -84 -111 -131 -145 -158 -163 -187 -197 -221 -241 -278 -294 -333 KFCT+02 -33 -61 -70 -77 -82 -87 -100 -99 -136 -147 -161 -181 -187 -216 -218 -237 -243 -277 -281 -305 KFCT-02 -40 -60 -73 -80 -83 -87 -91 -90 -117 -130 -144 -162 -171 -178 -218 -242 -259 -255 -268 -308 KFCT+03 -37 -61 -68 -75 -78 -78 -89 -89 -120 -140 -147 -170 -171 -200 -225 -234 -271 -284 -295 -335 KFCT-03 -37 -56 -68 -71 -71 -74 -85 -88 -125 -149 -175 -198 -215 -234 -256 -282 -322 -340 -325 -364 KFCT+04 -40 -63 -74 -88 -92 -94 -99 -99 -126 -144 -157 -182 -188 -204 -207 -228 -265 -262 -245 -286 KFCT-04 -38 -57 -69 -72 -77 -84 -85 -85 -117 -129 -151 -180 -192 -211 -239 -273 -304 -328 -353 -406 KFCT+05 -33 -59 -67 -77 -75 -80 -83 -80 -111 -126 -136 -156 -186 -195 -201 -214 -238 -255 -269 -297 KFCT-05 -40 -62 -68 -76 -79 -78 -86 -83 -112 -126 -149 -168 -174 -201 -199 -234 -265 -277 -306 -377 KFCT+06 -41 -61 -69 -75 -75 -76 -84 -84 -126 -143 -163 -182 -190 -212 -243 -273 -308 -322 -340 -406 KFCT-06 -41 -63 -74 -84 -91 -86 -91 -91 -117 -142 -158 -182 -181 -195 -216 -236 -261 -283 -273 -331

Hạn

6

12

18

24

30

36

42

48

54

60

66

72

78

84

90

96

102

108

114

120

149

Kuo+00 -30 -9.9 -4 12 19 29 33 48 40 34 35 29 60 39 50 48 27 9.4 0.5 -21 Kuo+01 -30 -11 -12 1.7 9.5 28 27 41 31 26 20 20 43 37 37 46 31 26 -1.1 -5.1 Kuo-01 -31 -12 -11 3.2 13 27 29 41 35 37 32 41 69 57 53 75 69 66 43 35 Kuo+02 -30 -10 -6.1 2.3 10 26 27 39 32 40 38 37 58 48 51 62 44 45 30 16 Kuo-02 -36 -18 -9.6 5.9 7.7 27 31 43 43 37 41 27 66 60 63 80 54 25 17 -7.5 Kuo+03 -28 -12 -8.9 5.2 6.4 22 24 47 43 42 48 49 62 53 65 73 64 53 32 8.6 Kuo-03 -34 -17 -16 -1 8.7 22 27 41 34 36 32 34 71 56 60 47 36 26 20 9.5 Kuo+04 -35 -16 -15 -0.9 3.1 17 21 32 26 27 21 17 43 32 51 58 29 24 -3.3 -0.1 Kuo-04 -32 -10 -10 7.5 16 27 31 45 36 39 30 32 63 51 47 59 31 33 20 16 Kuo+05 -29 -16 -14 -4.2 7.9 25 27 42 29 33 34 38 56 55 49 60 38 41 31 23 Kuo-05 -30 -11 -2.3 8.8 8 33 34 48 36 32 24 20 56 46 57 46 30 8.2 -32 -47 Kuo+06 -33 -18 -17 3.2 3.7 24 27 43 35 32 36 37 64 61 69 67 56 41 32 -9.2 Kuo-06 -29 -13 -6.2 1.4 14 24 31 45 36 31 31 24 36 23 24 37 8.7 18 -5.3 2.8 KF+00 -25 -9 -6.9 19 36 57 65 89 102 127 134 151 176 190 211 228 211 243 211 222 KF+01 -29 -22 -7.7 16 33 55 63 85 99 127 139 153 175 188 198 222 205 220 210 217 KF-01 -29 -12 -3.2 19 32 48 59 81 102 120 134 145 171 184 197 201 194 202 170 172 KF+02 -29 -14 -7.5 19 34 56 62 89 95 123 134 144 172 178 202 206 203 210 182 185 KF-02 -27 -15 -7.5 18 33 58 65 92 110 131 136 153 182 206 209 233 209 241 225 237

Bảng 4.4 Bảng sai số khoảng cách trung bình của các cơn bão trong 4 năm 2009, 2010, 2011 và 2012 bằng phương án tổ hợp

KF+03 -32 -13 -6.8 12 27 48 55 83 97 118 132 140 163 173 176 193 195 205 176 198 KF-03 -30 -14 -9.3 19 30 56 64 89 97 117 123 137 162 172 190 214 200 225 183 203 KF+04 -28 -16 -4.5 21 34 61 61 93 106 131 137 151 171 189 207 229 209 233 198 216 KF-04 -30 -14 -7.4 13 27 50 57 85 94 124 133 153 183 194 201 218 222 227 213 221 KF+05 -28 -16 -9.1 15 28 48 59 85 93 119 127 146 169 182 192 211 178 194 164 185 KF-05 -30 -15 -2 20 30 59 71 89 105 129 144 153 179 187 208 224 220 248 206 235 KF+06 -31 -16 -12 19 31 52 53 80 92 118 128 141 175 190 193 204 204 233 212 228 KF-06 -27 -13 -1.8 21 36 57 65 85 103 129 139 152 166 180 201 203 203 224 190 201 KFCT+00 -31 -14 -0.8 24 34 53 63 87 85 101 90 99 109 124 100 132 111 113 91 102 KFCT+01 -34 -16 -5.1 21 33 63 65 92 106 123 130 131 149 159 150 176 145 164 123 149 KFCT-01 -33 -11 -4.2 21 37 50 61 81 98 117 114 110 118 122 106 129 106 117 61 100 KFCT+02 -32 -9.6 5.1 22 41 59 60 82 100 104 103 102 117 124 110 128 136 153 115 139 KFCT-02 -34 -19 -4.3 19 32 53 59 84 94 105 108 107 121 121 103 150 141 142 116 132 KFCT+03 -35 -20 -4.2 19 32 47 51 69 83 99 104 111 126 136 114 135 101 118 70 136 KFCT-03 -32 -18 -2.7 21 33 51 54 78 99 108 105 109 131 132 106 140 144 181 141 187 KFCT+04 -33 -15 -5.1 22 43 62 66 91 106 120 123 118 114 121 109 138 147 156 120 156 KFCT-04 -39 -21 -8.5 14 27 45 44 61 80 97 98 98 129 126 111 122 152 148 133 188 KFCT+05 -30 -16 -3.4 22 41 61 66 89 101 116 121 121 128 124 123 139 109 125 103 108 KFCT-05 -33 -15 -6.1 20 30 55 61 81 92 98 102 105 111 116 103 127 125 141 121 130 KFCT+06 -32 -17 -7.7 27 34 53 50 63 64 69 81 78 87 93 84 110 82 97 51 107 KFCT-06 -27 -16 -5 16 36 52 57 78 89 114 108 119 145 149 124 164 146 177 152 171

KUO-13

KF-13

KFCT-13

KUO+KF KUO+KFCT

KF+KFCT KUO+KF+KFCT

Hạn

107

102

136

124

128

125

130

127

166

151

159

149

159

156

155

196

175

181

176

184

180

228

196

199

204

207

213

203

260

222

237

233

245

231

288

242

241

268

253

273

253

298

251

252

283

263

284

262

316

268

272

309

277

304

277

342

295

302

342

303

332

303

356

309

320

364

317

346

316

377

333

337

398

334

368

336

391

346

355

421

347

381

347

150

384

461

423

375

377

412

375

405

487

444

391

395

429

391

102

401

519

484

403

407

459

408

108

427

535

497

415

422

468

417

114

479

564

536

446

466

494

449

120

532

589

566

474

501

511

473

Bảng 4.5 Bảng sai số khoảng cách trung bình của các cơn bão trong 4 năm 2009, 2010, 2011 và 2012 bằng phương án tổ hợp sau khi hiệu chỉnh

KUO-13

KF-13

KFCT-13

KUO+KF KUO+KFCT

KF+KFCT KUO+KF+KFCT

Hạn

113

107

121

107

114

113

110

143

128

147

131

141

135

162

149

168

151

160

156

155

184

173

195

173

183

180

177

205

198

221

195

205

200

228

222

247

217

227

229

222

239

226

246

222

233

230

226

262

249

263

240

251

246

242

293

277

287

266

277

270

266

314

300

308

283

295

289

282

324

312

309

292

299

290

286

347

341

334

312

321

312

307

373

370

362

335

347

335

329

399

407

392

360

374

364

353

102

391

435

421

366

382

390

366

108

419

467

447

393

407

416

390

114

471

489

487

424

448

442

421

120

518

527

462

487

475

454

151

Bảng 4.6 Bảng phương trình hồi quy hạn 24 giờ

BANG LAT 24

BANG LON 24

TEN

HESO 39

TEN

HESO 31

TEN

HESO 25

TEN

HESO 20

TEN

HESO 39

TEN

HESO 31

TEN

HESO 25

TEN

HESO 20

TEN

HESO 9

HSTD Kuo+00 KFCT-01

24.1833 1.12168 0.54877

HSTD KF+00 Kuo+00

-1.38918 0.15888 0.65486

HSTD KF+00 Kuo+00

1.76405 0.3236 0.63137

HSTD KF+00 Kuo+00

1.64301 0.37368 0.5927

HSTD Kuo+00 KFCT+02

HSTD KF+06 Kuo+00

-1.57297 0.4367 0.65636

HSTD KF+00 Kuo-03

-1.59644 0.99144 0.62235

HSTD KF+00 Kuo-03

-1.28193 0.97067 0.63745

HSTD KF+00 Kuo-03

-1.18521 0.90617 0.53331

HSTD Kuo+00 KFCT-03

KFCT+02

-0.63102

KFCT+05

-0.60875

KFCT+05

-0.48962

KFCT+05

-0.37761

Kuo-03

KFCT+00

0.24463

KF-06

-0.99791

KF-06

-0.98523

KF-06

-1.02505

Kuo-04

- 0.59175 0.65723 0.39352 - 0.51875

KFCT+04 Kuo-05

0.21607 -0.48439

KF-04 Kuo-02

0.61384 -0.32927

Kuo-03 KF-03

-0.4498 0.36969

Kuo-03 KF-06

-0.24823 0.2599

KFCT+05 Kuo-04

Kuo+01 Kuo-03

-0.53345 0.72008

KFCT+06 KF+04

-0.40665 0.65404

KFCT+06 KF+04

-0.44505 0.63436

KFCT+06 KF+04

-0.4031 0.61395

KFCT+00 Kuo-03

2.23919 0.86181 0.20287 - 0.27448 - 0.25335 0.22727

KF+04

1.09216

KF-02

0.3023

Kuo-01

0.22659

Kuo-02

-0.34992

KFCT+01

Kuo-02

-0.56258

Kuo-02

-0.60287

Kuo-02

-0.68009

Kuo-02

-0.60678

KFCT+01

KF+06

-1.20643

Kuo-01

0.18518

KFCT-03

-0.13259

KF+06

0.39627

KFCT-03

KFCT+06

-0.24008

Kuo+00

0.56275

Kuo+00

0.61538

Kuo+00

0.63496

KFCT+02

0.12489 - 0.11884

KFCT-03

0.29508

Kuo-03

-0.48681

Kuo-02

-0.31012

KF+02

-0.54943

KFCT+00

KF-06

-1.04073

KFCT-01

0.08495

KFCT-01

0.12338

KFCT+00

0.4676

KFCT+05

0.66163 0.36566 - 0.26811 - 0.21879 - 0.08765

Kuo-06 KFCT+06 KFCT+02 KF+04 KFCT+04 Kuo-04 KF+05 KFCT+00 KFCT-03 KFCT+01 Kuo+02 Kuo+05

0.11835 - 0.02696

KF+00 KF+04 KF+03 KFCT-03 KFCT+05 Kuo+05 KF-03 KFCT+04 KFCT-06 KFCT+02 KFCT-04 KF-04 KF-05 KFCT+01 KF-01 Kuo-01 Kuo-06 KF+02 KFCT-02 Kuo-04 Kuo+03 Kuo-05 KFCT-05 KF+05 KFCT+03 Kuo+02 KF+01 Kuo+04 KF-02 Kuo+06 KFCT-01

0.01487

0.93859 0.7863 -0.46706 0.43568 -0.2476 0.49214 -0.47868 -0.21392 0.37522 -0.11799 -0.27903 0.30169 0.38771 -0.19562 -0.34313 -0.05124 -0.03643 0.27483 0.10997 -0.12751 0.14879 -0.12068 0.081 -0.12807 -0.05368 -0.06384 -0.07972 -0.04252 0.05392 -0.01029 -0.00335

KFCT+05 KFCT-03 KFCT+01 KFCT+00 KFCT+03 Kuo+02 Kuo+05 KFCT-04 KF+03 KF+06 KF-03 Kuo-04 KF-04 KFCT-05 KF+01 KFCT+04 KF+02 KFCT+02 KF+05 KF-02 Kuo-01 Kuo+03 Kuo-06

-0.14204 0.48429 -0.1737 0.41747 -0.06023 -0.21893 0.31263 -0.21428 -0.32325 0.29887 -0.34693 -0.22863 0.21607 0.14533 -0.15563 -0.09996 0.27497 -0.10551 -0.10078 0.07573 0.04033 0.02685 -0.02588

KFCT+05 KFCT-03 KFCT+01 KFCT+00 Kuo+02 Kuo+05 KF+06 KF-03 Kuo-04 KFCT+02 KF+02 KF+05 KFCT-05 KFCT+04 Kuo-06 KF+01 Kuo-01

-0.23334 0.41127 -0.18396 0.37795 -0.27569 0.30621 0.31872 -0.33501 -0.14636 -0.12912 0.27241 -0.16929 0.09118 -0.07221 -0.05417 -0.05979 0.01456

KFCT-03 KFCT+05 KFCT+01 Kuo+05 Kuo+02 KF+06 KF+05 Kuo-04 KF+02 KFCT+02 Kuo-06 KFCT+04

0.35292 -0.21706 -0.24928 0.3289 -0.2569 0.20887 -0.29348 -0.15062 0.2712 -0.06344 -0.03753 -0.01126

KFCT+04

-0.33461 -0.40331 0.24438 0.46757 1.21461 -0.76587 1.0225 -0.98425 0.272 0.16321 0.51559 -0.65797 0.32707 0.45207 0.08894 -0.63116 -0.4207 -0.08658 -0.41264 0.23263 -0.29206 -0.02859 -0.17434 -0.1148 -0.35917 0.35675 0.15122 -0.10203 0.05814 0.01033 0.01278

KF+02 Kuo-06 KFCT+03 KFCT+02 KFCT-01 KF+04 Kuo+05 KF+01 KFCT+01 KFCT+00 KFCT-03 Kuo+03 KF-06 KF+06 KFCT+06 KF-03 Kuo-04 Kuo+02 KFCT-05 KFCT-04 KFCT+04 KF+03 KF+05

-0.61768 0.315 -0.32334 0.22661 0.26224 0.42196 0.27807 -0.38807 0.22231 -0.11625 -0.18228 -0.22288 0.18608 0.18174 -0.08693 0.12529 0.07273 0.06043 -0.01164 -0.00863 -0.00738 0.00685 0.00417

Kuo-06 KF+02 KFCT+01 KF+05 KF+01 KF+06 KFCT+06 KF-06 KFCT-01 KFCT+00 KF+04 KFCT+04 KFCT+02 Kuo-04 KFCT-05 Kuo+02 Kuo+05

0.26164 -0.52444 0.22316 0.19212 -0.29749 0.37771 -0.07565 0.24135 0.21078 -0.16431 0.32182 -0.16192 0.10565 0.13257 -0.08261 -0.05594 0.01664

0.28726 -0.0851 0.21593 0.28285 -0.11705 0.20967 0.22121 -0.1355 -0.08245 0.07771 -0.06451 -0.00949

KFCT+04

KFCT+00 Kuo+05 Kuo+01 Kuo-01 KF-04 KF-06 KF-01 KF+05 KFCT+05 KFCT+03 KF-03 Kuo-04 Kuo-06 Kuo+03 KFCT+01 KF-02 Kuo-03 KFCT-02 KF+02 KF+01 Kuo-02 KFCT-05 KFCT-06 KFCT+06 KF-05 KF+00 KF+03 Kuo+04 Kuo+06 KFCT-04 Kuo+02

152

Bảng 4.7 Bảng phương trình hồi quy hạn 48 giờ

BANG LAT 48

BANG LON 48

TEN HSTD KF+03 Kuo-04

HESO 39 3.47374 0.58114 0.50111

TEN KF+03 Kuo+00 Kuo-02

HESO 31 3.53082 0.73692 0.27816

TEN HSTD KF+05 Kuo-04

HESO 25 3.18716 0.4865 0.49249

TEN HSTD KF+05 Kuo-04

HESO 20 3.23958 0.45642 0.42624

TEN HSTD Kuo+00 KFCT+05

TEN HSTD Kuo+00 KFCT+00

HESO 39 8.15527 1.36283 0.36316

TEN HSTD Kuo+00 KFCT+00

HESO 31 7.79056 1.26007 0.3977

TEN HSTD Kuo+00 KFCT+00

HESO 25 8.06566 1.14038 0.35033

TEN HSTD Kuo+00 KFCT+00

HESO 20 7.42693 1.17363 0.35356

TEN HSTD Kuo+00 KFCT+02

HESO 9 6.75912 0.72075 0.30578

KFCT-03

-0.24554

KFCT-03

-0.43204

KFCT-03

-0.30315

KFCT-03

-0.31193

KFCT-03

KF+06

1.17696

Kuo-02

-0.60598

Kuo-02

-0.51577

Kuo-02

-0.5431

Kuo-03

HESO 9 3.16407 0.45498 0.21552 - 0.30356

KF-02

0.60254

Kuo-03

-0.18081

KF-03

-0.09449

KF+04

0.42726

Kuo-04

0.18993

Kuo+04

-0.1175

KFCT-03

0.20518

KFCT-03

0.34493

KFCT-03

0.35858

KFCT+05

KF+00

-0.00371

KF+01

0.40685

Kuo-02

-0.37643

Kuo-02

-0.42255

KFCT+01

0.09534

KF-02

0.18192

KF-06

-0.08232

KF-06

0.05126

KF-06

0.04998

Kuo-04

KFCT+01 KFCT-03 KFCT+00

0.26734 -0.67963 -0.58365

Kuo+02 KF-04 Kuo+03

-0.53524 0.0826 -0.55175

Kuo+02 KF+06 KFCT-01

Kuo+02 KF+06 KF+05

-0.50341 0.78623 -0.14806

-0.58623 0.74364 -0.62569

KFCT-03 KF+05 Kuo-02

-0.6217 -0.51739 0.47328

KF-02 KF-04 Kuo-04

-0.5788 0.83325 -0.72972

Kuo+00 KF+04 KF+01

Kuo+00 KFCT+01 Kuo+05

0.32005 0.6075 -0.57868

0.32037 0.18121 -0.37518

KFCT+02 KFCT+00 Kuo-03

KF-04 Kuo-02 Kuo-05

KFCT+04

Kuo+05 KFCT+06 KFCT+01 KF+04 KF+02 KF+00 KFCT+02 KFCT+05 KFCT+04 Kuo-03 Kuo-04 Kuo-06

Kuo-03 KFCT+04 KF-06 Kuo-06 KFCT+05 KFCT+02 KF+00 Kuo+02 KFCT+06 KF+06 KFCT+00 KF+02

KFCT-05 KF+04 Kuo+05 KF+05 KFCT+05 KFCT+02 KFCT+06 Kuo-04 KFCT+01 KF+02 KF+00 KFCT+04 KF+01 KF-03 Kuo-06 Kuo-01 Kuo-03

-0.05232 0.19348 -0.22469 -0.35944 -0.06724 0.72555 -1.59327 -0.33903 0.20738 -0.20332 0.58474 0.72337 -0.60298 -0.40799 0.36429 -0.15152 0.17827 -0.13751 0.22865 0.38891 -0.10056 -0.10877 0.0777 -0.13865 -0.19741 0.11336 -0.16082 -0.06879 0.05392 0.04316 -0.01426

Kuo+05 KF+06 KF+05 KFCT-04 KF+03 KF+00 KFCT+06 KFCT-01 KF+01 Kuo-06 KFCT+05 KF-02 KFCT+02 KFCT-05 KF-03 KF+02 KF+04 KFCT+01 Kuo-03 Kuo-01 KFCT+04 Kuo-04 KFCT+03

0.67406 1.191 -0.73822 0.28688 0.77308 -1.04568 -0.18567 -0.24502 -0.13495 0.3363 0.16025 -0.09523 -0.166 0.14168 -0.10038 0.21314 -0.12052 -0.05314 -0.06995 -0.03992 -0.01829 -0.01182 0.00667

0.27033 -0.41049 0.47354 -0.56761 0.17475 -0.16501 -0.22461 -0.17759 0.08057 0.44641 -0.49591 -0.04753 0.10998 -0.05577 0.05553 -0.02826 -0.01959

0.39198 -0.24616 0.15339 -0.32441 0.45144 -0.4019 -0.09518 0.11905 -0.05146 0.06709 -0.04441 -0.0144

0.26706 - 0.21852 - 0.10628 - 0.09858 0.06321 0.0618 - 0.06014

0.08112 0.05421 0.04119 - 0.02995

KF-06 KFCT-06 KFCT-01 Kuo-05 Kuo-03 KF+03 KF+00 KF+01 KFCT-04 KFCT+02 KF-05 Kuo+05 Kuo+02 Kuo+03 Kuo+01 KFCT+04 KFCT+05 KFCT+01 Kuo-06 KF+02 KFCT+06 KF+04 KFCT-05 KF-03 KF-01 Kuo-01 Kuo-04 KFCT+03 KFCT-02 KF-04 Kuo+06

0.58855 0.17728 -0.16325 0.22936 0.17326 -0.1965 -0.02783 -0.61694 0.20432 -0.28645 -0.20839 -0.44516 -0.30002 0.41709 -0.19707 0.19617 0.1144 0.16325 0.22025 -0.22872 0.16924 -0.12721 0.14108 -0.11638 0.04857 0.08541 0.04452 -0.03092 -0.01709 -0.01905 0.01505

KFCT+03 KFCT+02 Kuo-01 KF+02 KFCT+01 KFCT+04 KF+05 KFCT+00 KF-06 KFCT+05 Kuo-06 Kuo+05 KFCT-04 KFCT+06 KFCT-05 KF-03 KF+04 Kuo+03 KFCT-01 KF+00 Kuo+02 KF+06 HSTD

0.52268 -0.24923 0.18605 -0.31978 0.29518 0.19288 -0.18171 0.3448 -0.19274 -0.45786 0.13056 0.23043 -0.27546 0.09443 -0.11179 0.07258 -0.20179 0.15008 0.08156 0.05194 0.07436 -0.00405 0.00423

KFCT+01 KFCT+04 Kuo-06 Kuo+05 Kuo-03 KFCT+02 Kuo-01 KF+00 KF-06 KFCT+05 KFCT+06 KFCT-05 KFCT+00 KF+02 KFCT-01 Kuo+02 KF+06

0.20087 -0.19665 0.35283 -0.38325 0.29742 0.10789 -0.18884 0.22512 -0.31836 0.15236 -0.12454 0.11749 -0.13933 0.18599 0.05795 -0.08212 -0.03145

0.22678 -0.18064 -0.49065 0.34657 0.14484 0.14815 0.25265 -0.12596 -0.04919 -0.15248 -0.0776 0.04087

KFCT+04

KF+05 KFCT+05 KFCT+06 KFCT+02 KFCT-02 KFCT+04 KFCT-01 KF-06 KFCT+01 KFCT+00 KFCT+03 KF+01 Kuo-01 Kuo-03 Kuo+06 KF+02 KFCT-05 Kuo+03 KF-05 KF-03 Kuo-06 Kuo+05 KF+04 Kuo+04 KFCT-04 KF-01 Kuo+00 Kuo+02 KFCT-06 Kuo+01 KF+06

153

Bảng 4.8 Bảng phương trình hồi quy hạn 72 giờ

BANG LAT 72

BANG LON 72

HESO 39 4.87826 0.62004 0.33975 -0.17733 0.40843 -0.45139 0.24031 -0.12649 0.17958 0.48131 -0.51064 -0.43712 0.16343 0.56033 -0.49422 -0.07825 -0.46973 0.38924 -0.43659 -0.26108 0.23781 0.22285 0.29044 0.20144 -0.1181 0.08523 -0.23032 0.07163 -0.12392 -0.04428 0.13403 -0.0646 0.0388 -0.02986 0.03169 0.05131 -0.02261 0.00789 0.01028 -0.00012

TEN HSTD KF+03 Kuo-03 KFCT-03 KFCT+02 Kuo+03 Kuo-04 Kuo-06 Kuo+05 Kuo+02 KFCT+05 KFCT-05 KFCT+04 Kuo+00 KF+06 KF+04 KF+05 KF+01 KF+00 KFCT+00 Kuo-01 KF-02 KFCT-01 KFCT+03 KF+02 KF-04 KFCT+01 KF-06 Kuo-02 KFCT+06 KFCT-04 KF-03

HESO 31 4.6423 0.42843 0.35453 -0.2096 0.14972 -0.15838 0.37911 0.29824 -0.38243 -0.2196 0.03037 -0.04724 0.1755 0.10228 -0.33905 0.39407 0.27442 -0.45083 0.33292 -0.15993 -0.1301 -0.25039 0.0825 -0.06701 -0.18804 0.12932 0.05588 0.0745 0.05594 -0.0281 0.00924 0.00521

TEN HSTD KF+05 Kuo-06 Kuo+05 Kuo-03 KFCT-03 KFCT+02 Kuo-04 KFCT+05 Kuo+02 KF+04 KF+06 KF+01 KF+00 KFCT+04 KFCT+00 Kuo-01 KFCT-01 KFCT+01 KFCT-05 KF-06 Kuo-02 KF+02 KF-03 KFCT+06 Kuo+00

HESO 25 4.14039 0.49402 0.35162 -0.5338 0.38629 -0.22957 0.1643 0.36266 0.05373 -0.19274 0.34037 -0.29766 -0.48282 0.23804 0.1297 -0.11407 -0.15647 0.06351 0.0819 -0.07787 0.16999 0.07034 -0.04843 -0.04016 -0.02071 0.01569

TEN HSTD KF+05 Kuo-06 Kuo+05 Kuo-03 KFCT-03 KFCT+02 Kuo-04 KFCT+05 Kuo+02 KF+04 KF+06 KF+00 KFCT+04 KFCT+00 Kuo-02 Kuo+00 KF-06 KFCT+01 KFCT+06 KF+02

HESO 20 3.71442 0.40259 0.28552 -0.47867 0.32447 -0.25295 0.17816 0.29693 0.08324 -0.17828 0.22859 -0.36229 0.21296 0.0897 -0.08204 0.07857 -0.04569 -0.03015 0.01985 -0.00883 -0.01337

TEN HSTD Kuo-03 KFCT+05 Kuo-04 KFCT+04 KFCT-03 KFCT+02 KFCT+00 Kuo+00 KFCT+01

HESO 9 2.81306 0.38558 0.17007 0.13468 0.20888 -0.2337 0.08834 0.04216 0.01524 0.00419

TEN HSTD Kuo+00 KFCT+00 KF+06 KF-06 Kuo+04 Kuo-03 KFCT+03 Kuo-06 KF+05 KF+03 Kuo+05 KF+04 KF-03 KFCT-04 KF+02 KF-02 KF+00 KFCT+04 Kuo-01 Kuo-05 KFCT+05 KF-05 KF-01 KF+01 KFCT+02 Kuo+06 Kuo+03 KFCT-01 KFCT+01 KFCT+06 KFCT-03 Kuo+01 Kuo-02 KF-04 KFCT-02 KFCT-05 Kuo+02 Kuo-04 KFCT-06

HESO 39 17.166 0.79662 0.21526 0.6794 0.04974 -0.93318 1.04185 0.27118 -0.66297 -0.68178 0.73019 0.2535 0.71069 -0.56986 0.31528 -0.85442 -1.05274 0.94558 0.23941 0.21965 -0.45261 -0.1798 0.57639 -0.71824 -0.2616 -0.19042 0.28952 -0.22264 0.15853 -0.07902 -0.1282 0.09589 -0.12579 0.15087 0.1984 -0.027 0.01951 0.03873 -0.01475 0.00119

TEN HSTD Kuo+00 KFCT+00 Kuo-06 Kuo-03 KF-06 KF+00 KF-03 KF+05 KFCT+03 KF+02 KF+03 KF-02 KF+06 KFCT+04 Kuo-04 Kuo-02 KFCT+05 KF+04 KFCT-05 Kuo+03 Kuo+05 KFCT-04 KFCT+02 KFCT-03 KFCT+06 KFCT-01 KF-04 Kuo+02 KFCT+01 Kuo-01 KF+01

HESO 31 16.3766 0.2571 0.22339 -0.64776 0.78601 -0.19433 1.52408 -0.59634 -0.763 0.21626 -1.00664 0.61501 -1.05599 0.63643 0.16123 0.33787 -0.05634 -0.15877 0.39752 0.06819 -0.30628 0.27701 0.12033 -0.12831 0.14072 -0.13345 0.10036 0.18134 -0.09721 -0.03233 -0.04166 0.02502

TEN HSTD Kuo+00 KFCT+00 Kuo-06 Kuo-03 KF-06 KF+00 KF-03 KF+05 KF+06 KF+02 Kuo+05 KFCT-03 KFCT+06 KFCT-05 Kuo-02 Kuo-04 KF+04 KFCT+02 KF+01 KFCT+05 KFCT+01 Kuo+02 Kuo-01 KFCT+04 KFCT-01

HESO 25 15.16425 0.2967 0.33209 -0.58604 0.72799 -0.28234 0.9167 -0.78609 -0.33747 0.61586 -0.47433 0.15511 0.0895 -0.04351 0.0698 -0.25553 0.2633 0.32503 0.08703 -0.1482 -0.01542 -0.027 -0.10116 0.0409 -0.0261 0.02302

TEN HSTD Kuo+00 KFCT+00 Kuo-06 Kuo-03 KF-06 KF+00 KF+05 KF+02 Kuo+05 KF+06 KFCT+04 Kuo-04 Kuo-02 Kuo+02 KFCT+05 KFCT+02 KFCT+01 KF+04 KFCT-03 KFCT+06

HESO 20 14.46783 0.45146 0.41638 -0.68903 0.49149 -0.44486 0.66005 -0.29877 -0.45869 0.15682 0.26899 0.07967 0.2178 -0.15215 0.13441 -0.05734 0.06214 -0.0351 0.08006 -0.02262 0.00597

TEN HSTD Kuo+00 KFCT+00 KFCT+04 KFCT+02 Kuo-03 Kuo-04 KFCT+01 KFCT-03 KFCT+05

HESO 9 12.27255 0.37312 0.2144 0.19471 -0.10034 0.13746 0.07234 -0.04752 0.03852 0.00386

TEN HSTD KF+03 Kuo-04 KFCT-03 KF+00 KF-02 Kuo-03 Kuo+03 KFCT-02 Kuo-06 Kuo+05 KF+06 KFCT+02 KF+04 KF+01 KF+05 Kuo+02 Kuo+06 Kuo-05 KFCT+00 Kuo+01 KF-01 Kuo+00 KF-03 Kuo-01 KFCT-01 KF+02 KFCT-06 KF-05 KFCT+03 KF-04 Kuo-02 KFCT+04 KFCT-05 KFCT+01 KF-06 KFCT-04 KFCT+05 Kuo+04 KFCT+06

154

Bảng 4.9 Bảng phương trình hồi quy hạn 96 giờ

BANG LAT 96

BANG LON 96

TEN HSTD KF+05 Kuo-03

HESO 39 6.45421 0.17832 0.4306

TEN HSTD KF+05 Kuo-03

HESO 31 5.90617 0.23857 0.38453

TEN HSTD KF+05 Kuo-03

HESO 25 5.15675 0.34712 0.25199

TEN HSTD KF+05 Kuo-03

HESO 20 5.28366 0.34502 0.22375

TEN HSTD Kuo+00 KFCT+04

TEN HSTD KFCT-01 Kuo+00

HESO 39 18.9505 0.12374 -0.05944

TEN HSTD Kuo-03 KFCT+05

HESO 31 28.65159 0.76033 0.37513

TEN HSTD Kuo-03 KFCT+05

HESO 25 26.80491 0.49785 0.31112

TEN HSTD Kuo-03 KFCT+05

HESO 20 20.7928 0.52321 0.2513

TEN HSTD Kuo-03 KFCT+05

HESO 9 16.01628 0.2171 0.36477

KFCT+01 Kuo-04 KF+03 KF-05

-0.05395 0.35689 0.47353 -0.35886

KFCT-03 KFCT+06 KFCT+04 KFCT+01

-0.11069 0.18011 0.10575 -0.09805

KFCT-03 KFCT+06 KFCT+04 KFCT+01

-0.10389 0.22669 0.14304 -0.04725

KFCT-03 KFCT+06 KFCT+04 KFCT+01

-0.15096 0.24098 0.12458 -0.04373

KFCT-03 Kuo-03 Kuo-04 KFCT+00

KFCT+04 KFCT+02 KFCT+05 KFCT-06

0.3056 -0.2423 0.47312 -0.04049

KFCT+04 KF+03 KF+02 KFCT+01

0.26092 0.486 -0.98758 -0.22929

KFCT+04 KFCT-03 KF+00 KF+02

0.35033 -0.06205 0.99699 -0.86616

KFCT+04 KFCT-03 KF+00 KF+02

0.35724 -0.07375 1.06695 -0.75481

KFCT+04 KFCT-03 Kuo-04 KFCT+02

0.3846 -0.06799 0.22093 -0.13009

KF+04

0.54934

Kuo-04

0.41887

Kuo-04

0.32743

Kuo-04

0.25376

KFCT+01

KF-04

1.16932

Kuo-06

-0.70857

KFCT+00

-0.32398

KFCT+00

-0.26063

KFCT+00

-0.14789

KFCT+06

0.12812

Kuo+02

0.0598

Kuo+02

0.01541

Kuo+02

-0.03768

KFCT+05

KF+05

-1.54077

Kuo-04

0.16614

KFCT+06

0.19408

KFCT+06

0.27237

KFCT+01

-0.10077

KF+06 KF-06 KF+04 KF+00 KFCT+00 Kuo-01 Kuo+00 KFCT+05 KF-03 Kuo+05 KF+02 KFCT-01 KFCT-05 Kuo-02 KFCT+02 Kuo-06 KF+01

Kuo+00 KFCT+01 Kuo-06 Kuo+02 KFCT-05 Kuo-02 Kuo-04 KF+06 KF+01 KF+05 KFCT+02 Kuo-01 KF-03 KF+04 Kuo+05 KFCT-01 KF-06

-0.18804 -0.26694 0.09487 0.08966 -0.12519 0.27127 -0.34219 -0.3266 0.16041 -0.17687 -0.3741 -0.37127 0.16011 0.13573 0.09223 0.11196 -0.10981 0.207 0.17342 -0.16673 -0.13247 -0.06477 -0.06816 0.10789 -0.14374 0.08735 0.02175 0.04321 0.044 -0.03226 0.0074

KF+03 KF+06 KF+04 KF+00 Kuo-02 KF+02 KF+01 KFCT+00 KF-06 Kuo+05 Kuo+00 KFCT+03 Kuo-01 KFCT+05 KFCT-01 KF-03 KFCT-05 Kuo+03 KFCT+02 KF-02 KF-04 KFCT-04 Kuo-06

0.32546 -0.23029 0.57659 -0.53737 -0.27178 -0.33202 0.15182 -0.11108 0.19185 -0.21053 0.13657 0.10089 -0.09756 -0.08664 0.09482 -0.13133 -0.05261 -0.1204 -0.03616 0.08373 0.03001 -0.00617 0.00415

-0.13051 0.41266 0.53115 -0.44066 -0.13359 -0.1061 0.14837 -0.0993 -0.13902 -0.22475 -0.23858 0.07962 -0.04837 -0.07545 -0.01812 0.01017 0.0018

KF+06 KF-06 KF+04 KF+00 KFCT+00 Kuo+00 Kuo+05 KF+02 KFCT+05 Kuo-02 Kuo-06 KFCT+02

-0.17881 0.41043 0.45021 -0.45837 -0.11787 0.14057 -0.1974 -0.20501 -0.06286 -0.06748 0.01763 -0.00449

KFCT+02

0.6975 -1.17489 0.76354 -0.16758 -0.7721 -0.65515 0.13941 0.08512 -0.13281 0.14525 2.44199 -1.77382 0.86873 0.60462 0.45477 0.28504 0.05456 -0.22264 0.31843 0.23848 -0.21882 -0.79251 0.35604 -0.34111 -0.36305 0.08709 -0.20581 -0.11403 -0.0718 0.09433 0.00519

Kuo-02 KFCT-05 KF+05 KF+00 Kuo+03 KFCT+02 KFCT+00 KFCT+06 Kuo+02 KF-04 KF-02 KF+04 Kuo+00 KFCT-01 KF+06 KF-06 KFCT-04 Kuo+05 KFCT+03 KF-03 Kuo-01 KF+01 KFCT-03

-0.44758 0.19828 -0.61355 0.9008 0.20537 -0.20819 -0.2733 0.14417 0.1891 0.66145 -0.23316 0.43263 0.23189 0.07945 -0.46815 -0.30417 -0.06317 0.08275 0.04207 0.03676 0.01773 0.00955 -0.00146

0.32117 -0.21099 -0.76695 0.33672 0.23353 -0.45959 0.27451 -0.18303 0.43018 -0.40151 -0.14814 0.15004 -0.22428 0.10957 0.10198 0.05725 0.03933

Kuo+00 KFCT+01 Kuo-06 Kuo+02 Kuo-02 Kuo-04 KF+06 KF+04 KF+05 KFCT+02 Kuo+05 KF-06

0.29798 -0.16557 -0.68441 0.36171 -0.27243 0.28017 -0.32682 0.20524 -0.20825 -0.07073 0.06011 -0.04934

Kuo+00

0.11164

HESO 9 5.36635 0.15487 0.27226 - 0.24719 0.34225 0.16074 0.1662 - 0.11378 - 0.03285 - 0.00274

KF+03 KF+02 Kuo-03 KFCT-02 Kuo-06 Kuo-02 Kuo+01 Kuo-01 KFCT+01 KFCT-05 KF+00 KF-05 KF+04 Kuo-05 Kuo+02 Kuo+03 KF-02 KFCT+00 KF-01 KFCT+06 KFCT-04 KF+06 Kuo+06 KF-06 Kuo+04 KFCT+03 Kuo-04 KF+01 Kuo+05 KF-03 KFCT-03

KFCT-06 KF+06 Kuo+02 KFCT+04 KFCT-03 KF-02 Kuo-02 KF+00 KFCT-01 KFCT+00 KF+02 Kuo+05 Kuo+01 KFCT+03 KF+01 KFCT-02 Kuo-01 KF-04 KF-06 KF-01 KF-03 KFCT+05 KFCT-05 Kuo+00 Kuo-05 Kuo+04 KFCT-04 Kuo-06 Kuo+06 Kuo+03 KFCT+02

155

Bảng 4.10 Bảng phương trình hồi quy hạn 120 giờ

BANG LAT 120

BANG LON 120

TEN HSTD KF+05 Kuo-03

HESO 39 10.2103 0.44965 0.66477

TEN HSTD KF+05 Kuo-04

HESO 31 9.73772 0.53105 0.62269

TEN HSTD KF+05 Kuo-04

HESO 25 9.83088 0.62732 0.65427

TEN HSTD KF+05 Kuo-04

HESO 20 9.615 0.64644 0.72089

TEN HSTD Kuo+00 KFCT+01

HESO 9 10.07517 0.33565 -0.19073

TEN HSTD Kuo+00 KFCT-01

HESO 39 24.1833 1.12168 0.54877

TEN HSTD Kuo+00 KFCT+05

HESO 31 25.06009 0.99821 0.19359

TEN HSTD Kuo+00 KFCT+05

HESO 25 26.85657 1.13873 0.2274

TEN HSTD Kuo+00 KFCT+05

HESO 20 21.72586 0.95663 0.29737

TEN HSTD Kuo+00 KFCT+05

-0.3643 0.76991

Kuo+02 KF-06

0.2072 -0.16489

Kuo+02 KF-06

0.0047 -0.22791

Kuo+02 KF-06

-0.10862 -0.33712

Kuo-04 KFCT+00

0.25585 0.2281

KFCT+02 KFCT+04

-0.63102 0.21607

KF+04 KFCT+02

1.09171 -0.61981

KF+04 KFCT+02

0.35501 -0.56846

KF+04 KFCT+02

0.67292 -0.40214

KFCT+02 KFCT+04

KFCT+01 Kuo-04

-0.8448 0.23579

KFCT+01 Kuo-06

-0.31236 -0.40681

KFCT+01 Kuo-06

-0.24316 -0.23804

KFCT+01 Kuo-06

-0.24303 -0.25131

KFCT+05 KFCT+04

-0.16002 0.0845

Kuo-05 KF+04

-0.48439 1.09216

KFCT+04 KF+06

0.33344 -1.06606

KFCT+04 KF+06

0.33295 -0.61129

KFCT+04 KF+06

0.42777 -0.73198

KFCT+00 KFCT-03

Kuo+05 KFCT+03

KF+00

-0.50834

Kuo+00

0.20021

Kuo+00

0.2573

Kuo+00

0.17633

KFCT-03

-0.03036

KF+06

-1.20643

KFCT-01

0.4724

KFCT-01

0.41048

KFCT+00

-0.32766

Kuo-04

KFCT+00 KFCT-03 Kuo-02 Kuo+05 Kuo-01 KFCT+01 Kuo-04 KF+00 KF-06 KF+02 Kuo+02 KF+01 KFCT+06 Kuo-06 KFCT-05 KF-03 KF+05 Kuo-03

0.24657 -0.51372 0.23176 -0.2109 0.15563 -0.29741 -0.00027 0.08623 -0.51794 0.49949 0.35044 -0.75529 0.06995 0.52415 -0.74642 0.15466 -0.16019 0.71382 -0.40433 0.34018 0.35508 0.20851 0.06925 0.05157 -0.13524 0.06291 -0.18166 -0.06825 0.03384 -0.11208 -0.02105 0.01884

KFCT+03 Kuo+05 KFCT-04 KFCT-01 KF-04 KF+04 Kuo-03 KF+00 Kuo-02 KF+03 KFCT+05 KFCT+00 KF+01 KF+02 KFCT-03 Kuo-01 Kuo+03 KF-03 KFCT-05 KFCT+06 KF-02 KF+06 KFCT+02 KFCT+04

0.1754 -0.68957 -0.38103 0.25489 -0.47528 0.26985 0.5797 -0.6178 -0.43203 0.53158 -0.26581 0.12522 0.4557 -0.42096 0.09389 0.15104 0.17782 0.07527 0.04579 0.03174 0.06896 0.02971 0.00846 0.00700

KFCT-01 Kuo+05 KFCT+05 KF+04 KF+00 Kuo-03 KFCT+00 KFCT+02 KFCT+04 KFCT+06 KF+06 KF+01 Kuo-02 Kuo-01 KF-03 KFCT-05 KF+02 KFCT-03

0.16551 -0.50772 -0.17975 0.4041 -0.28444 0.2262 0.09256 -0.07987 0.04488 0.06085 -0.11111 -0.09798 -0.05948 -0.04654 0.03429 -0.00812 -0.02261 0.00233

Kuo+05 KF+04 KF+00 Kuo-03 KFCT+04 KFCT+05 KFCT+00 KFCT+06 KF+06 Kuo-02 KFCT+02 KF+02 KFCT-03

-0.48051 0.45884 -0.26555 0.27804 0.08277 -0.15351 0.12013 0.09462 -0.22893 -0.06195 -0.02348 0.06025 -0.00677

Kuo-03 KFCT+02

-0.02589 -0.01184

KFCT-03 KFCT+00 Kuo+05 Kuo+01 Kuo-01 KF-04 KF-06 KF-01 KF+05 KFCT+05 KFCT+03 KF-03 Kuo-04 Kuo-06 Kuo+03 KFCT+01 KF-02 Kuo-03 KFCT-02 KF+02 KF+01 Kuo-02 KFCT-05 KFCT-06 KFCT+06 KF-05 KF+00 KF+03 Kuo+04 Kuo+06 KFCT-04 Kuo+02

0.29508 -0.33461 -0.40331 0.24438 0.46757 1.21461 -0.76587 1.0225 -0.98425 0.272 0.16321 0.51559 -0.65797 0.32707 0.45207 0.08894 -0.63116 -0.4207 -0.08658 -0.41264 0.23263 -0.29206 -0.02859 -0.17434 -0.1148 -0.35917 0.35675 0.15122 -0.10203 0.05814 0.01033 0.01278

KFCT+00 KFCT-03 Kuo-02 Kuo+05 Kuo-01 KF-04 KF-06 KF+02 Kuo-04 Kuo+03 KF+00 KF-02 KFCT+03 Kuo+02 Kuo-03 KFCT-05 KF-03 KF+05 KFCT+01 KFCT+06 KFCT-04 Kuo-06 KF+03 KF+01

-0.27392 0.14528 -0.56653 -0.33499 0.45604 1.27755 -0.57786 -0.71841 -0.6438 0.43121 0.53501 -0.55753 0.11984 0.29555 -0.21329 -0.10611 0.30406 -0.20729 0.04823 -0.04557 0.03263 -0.04163 0.01466 -0.01114

-0.32519 0.19708 -0.52659 -0.33472 0.34101 0.09611 -0.44433 0.66246 -0.31677 -0.18514 0.13723 0.13194 -0.03808 0.04169 -0.02722 0.06701 -0.02036 0.01101

KFCT-03 Kuo+05 Kuo-02 KF+02 KF+00 Kuo+02 KFCT+06 KF+05 KF-06 Kuo-03 Kuo-04 Kuo-06 KFCT+01

0.17 -0.33691 -0.37871 -0.34302 0.47489 0.1844 0.07872 0.20678 -0.16096 0.06849 -0.04694 -0.01011 0.00121

Kuo-03 KFCT+01

HESO 9 30.8608 0.5556 0.32771 - 0.32559 0.35856 - 0.20017 0.13484 - 0.07819 - 0.03713 -0.0148

KF+04 KFCT-04 KFCT-01 KFCT+05 KFCT+00 Kuo+06 KFCT+06 Kuo+03 Kuo-06 Kuo+01 Kuo+04 Kuo-02 KF-01 KF+03 KF-04 KFCT-02 Kuo-05 KF+01 KF+02 Kuo+00 Kuo-01 KF+06 KFCT-05 KFCT-03 KF-02 KFCT+02 Kuo+02 KF-03 KFCT+04 KF-05 KFCT-06 KF-06

156