Đề tài Nghiên cứu thử nghiệm dự báo mưa lớn ở Việt Nam bằng mô hình mm5

BTNMT VKTTVMT BỘ TÀI NGUYấN VÀ MễI TRƯỜNG VIỆN KHOA HỌC KHÍ TƯỢNG THỦY VĂN VÀ MễI TRƯỜNG 23/62 Nguyễn Chớ Thanh, Đống Đa, Hà Nội -----------------********-------------------- BÁO CÁO TỔNG KẾT ĐỀ TÀI NGHIấN CỨU KHOA HỌC VÀ CễNG NGHỆ CẤP BỘ ĐỀ TÀI: NGHIấN CỨU THỬ NGHIỆM DỰ BÁO MƯA LỚN Ở VIỆT NAM BẰNG Mễ HèNH MM5 Chủ nhiệm Đề tài: TS. Hoàng Đức Cường 7005 20/10/2008 HÀ NỘI, 10-2008 BỘ TÀI NGUYấN VÀ MễI TRƯỜNG VIỆN KHOA HỌC KHÍ TƯỢNG THỦY VĂN VÀ MễI TRƯỜNG 23/62 Nguyễn Chớ Thanh, Đống Đa, Hà Nội -----------------********-------------------- BÁO CÁO TỔNG KẾT ĐỀ TÀI NGHIấN CỨU KHOA HỌC VÀ CễNG NGHỆ CẤP BỘ ĐỀ TÀI: NGHIấN CỨU THỬ NGHIỆM DỰ BÁO MƯA LỚN Ở VIỆT NAM BẰNG BẰNG Mễ HèNH MM5 Chỉ số đăng ký: Chỉ số phõn loại: Chỉ số lưu trữ: Cộng tỏc viờn chớnh: TS. Đặng Thị Hồng Nga, Ths. Mai Văn Khiờm, CN. Nguyễn Thị Thanh, CN. Nguyễn Đỡnh Dũng, CN. Ló Thị Tuyết, CN. Trần Thị Thảo, CN. Nguyễn Ngọc Bớch Phượng, CN. Vũ Dư Tiến Hà Nội, ngày thỏng năm 2008 Hà Nội, ngày thỏng năm 2008 Hà Nội, ngày thỏng năm 2008 CHỦ NHIỆM ĐỀ TÀI ĐƠN VỊ THỰC HIỆN ĐỀ TÀI CƠ QUAN CHỦ TRè ĐỀ TÀI Hoàng Đức Cường Nguyễn Văn Thắng Hà Nội, ngày thỏng năm 2008 Hà Nội, ngày thỏng năm 2008 HỘI ĐỒNG ĐÁNH GIÁ CHÍNH THỨC CHỦ TỊCH HỘI ĐỒNG TS. Lờ Kim Sơn CƠ QUAN QUẢN Lí ĐỀ TÀI TL. BỘ TRƯỞNG Q. VỤ TRƯỞNG VỤ KHOA HỌC VÀ CễNG NGHỆ Lờ Kim Sơn HÀ NỘI, 10-2008 Danh mục các chữ viết tắt AVN: Mô hình toàn cầu của Mỹ (AViatioN Global Model) BIAS: Bias score CSI: Critical Success Index ECMWF: Trung tâm dự báo hạn vừa Châu Âu (European Center for Medium-range Weather Forecasts) DWD : Tổng cục thời tiết Cộng hòa Liên bang Đức (Deutscher Wetter Dienst) GFS: Hệ thống dự báo toàn cầu của Mỹ (Global Forecasting System) GME: Mô hình toàn cầu của CHLB Đức (Global Model for Europe) GrADS: Hệ thống phân tích và hiển thị trên l−ới (Grid Analysis and Display System) GSM: Mô hình phổ toàn cầu của JMA (Global Spectral Model) JMA: Cơ quan khí t−ợng Nhật Bản (Japan Meteorological Agency) HRM: Mô hình khu vực phân giải cao (High-resolution Regional Model) MAE: Sai số tuyệt đối trung bình (Mean Absolute Error) ME: Sai số trung bình (Mean Error) MSE: Sai số bình ph−ơng trung bình (Mean Square Error) NCEP: Trung tâm dự báo môi tr−ờng quốc gia Mỹ (National Center for Environmental prediction) NOAA: Cơ quan đại d−ơng và khí quyển Mỹ (National Oceanic and Atmospheric Administration) NWP: Dự báo thời tiết số trị (Numerical Weather Prediction) RMSE: Sai số bình ph−ơng trung bình quân ph−ơng (Root Mean Square Error) TLAPS: Hệ thống dự báo cho khu vực nhiệt đới (Tropical Limited Area Prediction System) SREF: Hệ thống dự báo tổ hợp hạn ngắn (Short Range Ensemble Forecast ) WMO: Tổ chức Khí t−ợng thế giới (Weather Meteorology Organization) Danh mục các bảng Số thứ tự bảng Tên bảng Trang 1.1 Bảng liên kết giữa dự báo và thực tế 15 1.2 Danh sách các đợt m−a vừa, m−a lớn ở Việt Nam trong năm 2004 17 1.3 Danh sách các đợt m−a vừa, m−a lớn ở Việt Nam trong năm 2005 19 2.1 Các đặc tr−ng đánh giá chất l−ợng sản phẩm dự báo m−a với các sơ đồ tham số hóa đối l−u khác nhau 39 2.2 Chỉ số đánh giá sản phẩm dự báo m−a CSI và BIAS trong 24h đầu với các sơ đồ tham số hóa đối l−u khác nhau 40 2.3 Chỉ số đánh giá sản phẩm dự báo m−a CSI và BIAS trong 24h sau với các sơ đồ tham số hóa đối l−u khác nhau 40 2.4 Chỉ số đánh giá sản phẩm dự báo m−a CSI và BIAS trong 48h với các sơ đồ tham số hóa đối l−u khác nhau 41 2.5 Các đặc tr−ng đánh giá chất l−ợng sản phẩm dự báo m−a với các sơ đồ vi vật lý mây khác nhau 43 2.6 Chỉ số đánh giá sản phẩm dự báo m−a CSI và BIAS trong 24h đầu với các sơ đồ tham số hóa vi vật lý mây khác nhau 43 2.7 Chỉ số đánh giá sản phẩm dự báo m−a CSI và BIAS trong 24h sau với các sơ đồ tham số hóa vi vật lý mây khác nhau 44 2.8 Chỉ số đánh giá sản phẩm dự báo m−a CSI và BIAS trong 48h với các sơ đồ tham số hóa vi vật lý mây khác nhau 44 2.9 Các đặc tr−ng đánh giá chất l−ợng sản phẩm dự báo m−a với các sơ đồ bức xạ khác nhau 45 2.10 Chỉ số đánh giá sản phẩm dự báo m−a CSI và BIAS trong 24h đầu với các sơ đồ bức xạ khác nhau 45 2.11 Chỉ số đánh giá sản phẩm dự báo m−a CSI và BIAS trong 24h sau với các sơ đồ bức xạ khác nhau 45 2.12 Chỉ số đánh giá sản phẩm dự báo m−a CSI và BIAS trong 48h với các sơ đồ bức xạ khác nhau 46 2.13 Các đặc tr−ng đánh giá chất l−ợng sản phẩm dự báo m−a với các sơ đồ lớp biên hành tinh khác nhau 46 2.14 Chỉ số đánh giá sản phẩm dự báo m−a CSI và BIAS trong 24h đầu với các sơ đồ lớp biên hành tinh khác nhau 47 2.15 Chỉ số đánh giá sản phẩm dự báo m−a CSI và BIAS trong 24h sau với các sơ đồ lớp biên hành tinh khác nhau 47 2.16 Chỉ số đánh giá sản phẩm dự báo m−a CSI và BIAS trong 48h với các sơ đồ lớp biên hành tinh khác nhau 47 2.17 Các chỉ số đánh giá sản phẩm dự báo nhiệt độ với các lựa chọn sơ đồ tham số hóa vật lý khác nhau 48 2.18 Các chỉ số đánh giá sản phẩm dự báo độ ẩm t−ơng đối (%) với các lựa chọn sơ đồ tham số hóa vật lý khác nhau 49 3.1 Danh sách các dự báo thành phần trong dự báo tổ hợp ở Đài Loan trên cơ sở mô hình MM5 55 3.2 Các ph−ơng án lựa chọn cho dự báo tổ hợp đối với MM5 58 3.3 Các trọng số t−ơng ứng với các ph−ơng án trong dự báo tổ hợp đối với l−ợng m−a với các hạn dự báo khác nhau 66 3.4 Sai số bình ph−ơng trung bình (RMSE-mm) của 9 ph−ơng án dự báo thành phần, dự báo tổ hợp không trọng số và có trọng số đối với l−ợng m−a 72 3.5 Tỷ lệ dự báo thành công sự xuất hiện hoặc không xuất hiện (PEC) hiện t−ợng m−a ứng với các ng−ỡng khác nhau của dự báo tổ hợp có trọng số 73 4.1 Bảng miêu tả tên và đơn vị của số liệu khí t−ợng cho MM5 77 4.2 Các đặc tính cơ bản của mô hình GSM(JMA) 78 4.3 Các tr−ờng yếu tố khí t−ợng của mô hình GSM do JMA cung cấp cho Trung tâm Dự báo Khí t−ợng Thủy văn Trung −ơng 79 4.4 Khí áp thấp nhất (hPa), tốc độ gió lớn nhất (m/s) và l−ợng m−a tích lũy (mm) của một số trạm ven biển Trung Bộ từ 29 tháng 9 đến 2 tháng 10 năm 2006 (tính toán bằng MM5) 97 4.5 Khoảng cách (km) giữa tâm bão, ATNĐ thực tế và dự báo của MM5 với các hạn dự báo khác nhau 98 4.6 Góc lệch (độ) giữa h−ớng di chuyển thực tế và dự báo của bão, ATNĐ trong năm 2006 với các hạn dự báo khác nhau 99 4.7 Độ lệch trung bình theo vĩ độ và theo kinh độ (độ) giữa vị trí tâm dự báo và thực tế của bão, ATNĐ trong năm 2006 với các hạn dự báo khác nhau 99 Danh mục các Hình Số thứ tự hình Tên hình Trang 1.1 Sơ đồ cấu trúc các mô đun chính của mô hình MM5 3 1.2 Sơ đồ cấu trúc đầy đủ các mô đun của mô hình MM5 4 1.3 Cấu trúc thẳng đứng của MM5 4 1.4 Cấu trúc ngang theo l−ới xen kẽ Arakawa B của MM5 5 1.5 Miền tính thứ nhất cho khu vực Đông Nam á 9 1.6 Bản đồ độ cao địa hình (a) và phân loại hình đất sử dụng (b) của miền tính thứ nhất 9 1.7 Sơ đồ lồng ghép hai miền tính cho MM5 10 1.8 Bản đồ độ cao địa hình (a) và phân loại hình đất sử dụng (b) của miền tính thứ hai 10 1.9 Sơ đồ các miền tính cho từng khu vực của Việt Nam 11 1.10 Sơ đồ biểu diễn các chỉ số phục vụ đánh giá chất l−ợng dự báo m−a 15 2.1 L−ợng m−a dự báo ngày 16/09/2005 với sơ đồ tham số hóa đối l−u Kuo (a), BM (b), Grell (c) và l−ợng thực tế (d) (thời điẻm thực hiện dự báo 00Z_16/09/2005) 41 2.2 L−ợng m−a dự báo ngày 18/09/2005 với sơ đồ tham số hóa đối l−u Kuo (a), BM (b), Grell (c) và l−ợng thực tế (d) (thời điẻm thực hiện dự báo 00Z_16/09/2005) 41 2.3 L−ợng m−a dự báo ngày 16/09/2005 với sơ đồ Warm Rain (a), Simple Ice (b), Mixed- phase (c) và l−ợng thực tế (d) (thời điểm thực hiện dự báo 00Z_16/09/2005) 42 2.4 L−ợng m−a dự báo ngày 18/09/2005 với sơ đồ Warm Rain (a), Simple Ice (b), Mixed- phase (c) và l−ợng thực tế (d) (thời điẻm thực hiện dự báo 00Z_16/09/2005) 42 3.1 Sơ đồ mô tả dự báo tổ hợp theo nhóm I 51 3.2 Sơ đồ mô tả dự báo tổ hợp theo nhóm II 51 3.3 Sơ đồ mô tả dự báo tổ hợp theo nhóm III 51 3.4 Ví dụ mô tả ph−ơng pháp tổ hợp các đ−ờng đẳng trị áp suất 53 3.5 Ví dụ minh họa bản đồ xác suất trong dự báo tổ hợp 53 3.6 Đ−ờng đẳng khí áp mực biển 1008mb trên bề mặt và độ cao địa thế vị 584dam trên mực 500mb 60 3.7 Đ−ờng đẳng khí áp mực biển 1008mb trên bề mặt và độ cao địa thế vị 584dam trên mực 500mb 61 3.8 Dự báo l−ợng m−a tích lũy trong 24h cho miền 1 với sơ đồ tham số hóa đối l−u Kuo (a), Grell (b), BM (c), vi vật lý mây Mixed phase (d), Simple ice (e), Warm rain (f), và dự báo tổ hợp (g). 62 3.9 Sản phẩm dự báo l−ợng m−a tích lũy trong 24h với hạn dự báo 24h (a), 48h (b) và l−ợng m−a thực tế (c) ngày 16 tháng 9 năm 2005 (miền tính thứ hai) 63 3.10 Sản phẩm dự báo l−ợng m−a tích lũy trong 24h với hạn dự báo 48h (a), 72h (b) và l−ợng m−a thực tế (c) ngày 18 tháng 9 năm 63 2005 (miền tính thứ hai) 3.11 L−ợng m−a thực tế ngày 02/12/2005 64 3.12 Dự báo m−a ngày 02/12/2005 (thời điểm dự báo 07h ngày 02/12/2005) với các ph−ơng án KW (a), KS (b), KM (c), GW (d), GS (e), GM (f), BW (g), BS (h) và BM (i) 65 3.13 Dự báo m−a ngày 02/12/2005 (thời điểm dự báo 07h ngày 02/12/2005) bằng ph−ơng pháp dự báo tổ hợp không trọng số (a) và có trọng số (b) 66 3.14 L−ợng m−a thực tế ngày 03/12/2005 67 3.15 Dự báo m−a ngày 03/12/2005 (thời điểm dự báo 07h ngày 02/12/2005) với các ph−ơng án KW (a), KS (b), KM (c), GW (d), GS (e), GM (f), BW (g), BS (h) và BM (i) 68 3.16 Dự báo m−a ngày 03/12/2005 (thời điểm dự báo 07h ngày 02/12/2005) bằng ph−ơng pháp dự báo tổ hợp không trọng số (a) và có trọng số (b) 69 3.17 L−ợng m−a thực tế ngày 04/12/2005 69 3.18 Dự báo m−a ngày 04/12/2005 (thời điểm dự báo 07h ngày 02/12/2005) với các ph−ơng án KW (a), KS (b), KM (c), GW (d), GS (e), GM (f), BW (g), BS (h) và BM (i) 70 3.19 Dự báo m−a ngày 04/12/2005 (thời điểm dự báo 07h ngày 02/12/2005) bằng ph−ơng pháp dự báo tổ hợp không trọng số (a) và có trọng số (b) 71 3.20 Sai số bình ph−ơng trung bình (RMSE) của 9 ph−ơng án dự báo thành phần, dự báo tổ hợp không trọng số (TH1) và có trọng số (TH2) đối với l−ợng m−a 72 3.21 Chỉ số CSI với các ng−ỡng l−ợng m−a khác nhau của 9 ph−ơng án dự báo thành phần, dự báo tổ hợp không trọng số - TH1 và có trọng số - TH2 (dự báo 24h) 73 3.22 Chỉ số CSI với các ng−ỡng l−ợng m−a khác nhau của 9 ph−ơng án dự báo thành phần, dự báo tổ hợp không trọng số - TH1 và có trọng số - TH2 (dự báo 48h) 74 3.23 Chỉ số CSI với các ng−ỡng l−ợng m−a khác nhau của 9 ph−ơng án dự báo thành phần, dự báo tổ hợp không trọng số - TH1 và có trọng số - TH2 (dự báo 72h) 74 3.24 Chỉ số BIAS với các ng−ỡng l−ợng m−a khác nhau của 9 ph−ơng án dự báo thành phần, dự báo tổ hợp không trọng số - TH1 và có trọng số - TH2 (dự báo 24h) 75 3.25 Chỉ số BIAS với các ng−ỡng l−ợng m−a khác nhau của 9 ph−ơng án dự báo thành phần, dự báo tổ hợp không trọng số - TH1 và có trọng số - TH2 (dự báo 48h) 76 3.26 Chỉ số BIAS với các ng−ỡng l−ợng m−a khác nhau của 9 ph−ơng án dự báo thành phần, dự báo tổ hợp không trọng số - TH1 và có trọng số - TH2 (dự báo 72h) 76 4.1 Tr−ờng khí áp mực biển phân tích từ hai mô hình GSM và GFS vào 00UTC ngày 03/11/2007. 82 4.2 Dự báo m−a tích lũy 24h (ngày 03/11/2007) khi sử dụng số liệu khí t−ợng của mô hình GSM (a) và mô hình GFS (b) 83 4.3 Vị trí của mô đun Little_R trong mô hình MM5 84 4.4 Các dạng vùng ảnh h−ởng 87 4.5 Sơ đồ ph−ơng pháp Cressman 87 4.6 Tr−ờng khí áp mực biển (a), nhiệt độ bề mặt (b), nhiệt độ mực 500Hpa (c) và độ ẩm mực 500Hpa khi có điều chỉnh và khi không điều chỉnh bởi số liệu quan trắc địa ph−ơng 88 4.7 Tr−ờng nhiệt độ bề mặt (a) và độ ẩm t−ơng đối bề mặt (b) trong hai tr−ờng hợp, có sử dụng sơ đồ đồng hóa số liệu và không sử dụng sơ đồ đồng hóa số liệu 89 4.8 Tr−ờng độ cao địa thế vị (a), nhiệt độ (b), độ ẩm t−ơng đối (c) mực 850 Hpa (a1,b1,c1) và 500Hpa (a2,b2,c2) trong hai tr−ờng hợp, có sử dụng sơ đồ đồng hóa số liệu và không sử dụng sơ đồ đồng hóa số liệu 90 4.9 Kết quả dự báo m−a 24h trong hai tr−ờng hợp, có sử dụng sơ đồ đồng hóa số liệu (a) và không sử dụng sơ đồ đồng hóa số liệu (b) 91 4.10 Kết quả dự báo m−a 48h trong hai tr−ờng hợp, có sử dụng sơ đồ đồng hóa số liệu (a) và không sử dụng sơ đồ đồng hóa số liệu (b) 91 4.11 Chênh lệch l−ợng m−a dự báo trong 48h giữa hai tr−ờng hợp, có sử dụng sơ đồ đồng hóa số liệu và không sử dụng 92 4.12 Phân bố thẳng đứng của chênh lệch độ cao địa thế vị (mb-a), nhiệt độ (OK-b) và độ ẩm t−ơng đối (%-c) tại điểm 12ON, 108OE giữa hai tr−ờng hợp, có sử dụng sơ đồ đồng hóa số liệu và không sử dụng sơ đồ đồng hóa số liệu 92 4.13 Tr−ờng khí áp mực biển và gió bề mặt khi không sử dụng sơ đồ phân tích xoáy (a), khi sử dụng sơ đồ phân tích xoáy của mô hình MM5 (b) và khi sử dụng sơ đồ phân tích xoáy TCLAPS (c) vào thời điểm 00UTC ngày 29/09/2006 94 4.14 Quỹ đạo thực tế của bão số 6/2006 (1) và quỹ đạo mô phỏng của MM5 khi không sử dụng sơ đồ phân tích xoáy (2) và có sử dụng sơ đồ phân tích xoáy (3) 95 4.15 Khí áp mực biển thấp nhất (hPa) theo số liệu thám sát (OBJMA) và mô phỏng bằng mô hình MM5 (KBOG - không sử dụng sơ đồ phân tích xoáy; CBOG - có sử dụng sơ đồ phân tích xoáy 95 4.16 Tốc độ gió mạnh nhất (m/s) theo số liệu thám sát (OBJMA) và mô phỏng bằng mô hình MM5 96 4.17 Diễn biến từng giờ của khí áp (hPa), tốc độ gió (m/s) và l−ợng m−a tích lũy (mm) trạm Đông Hà 96 4.18 Phân bố tr−ờng gió (m/s) vào thời điểm bão đổ bộ (a) và l−ợng m−a tích lũy (mm) của miền tính thứ nhất (b) và miền tính thứ hai (c) của MM5 trong ba ngày 97 Mục lục Trang Mở đầu 1 Ch−ơng 1. mô hình mm5 áp dụng cho việt nam và các chỉ số đánh giá chất l−ợng sản phẩm dự báo của mô hình số trị 3 1.1. Giới thiệu mô hình 3 1.2. Hệ toạ độ theo ph−ơng ngang và đứng 4 1.3. Hệ các ph−ơng trình thủy nhiệt động lực học của MM5 5 1.4. Tham số hoá vật lý 8 1.5. Xây dựng các miền tính của MM5 cho Việt Nam 8 1.5.1. Xây dựng miền tính cho Đông Nam á và Việt Nam 8 1.5.2. Xây dựng miền tính cho các khu vực của Việt Nam 10 1.6. Các nguồn số liệu khí t−ợng cho mô hình 11 1.7. Một số ph−ơng pháp đánh giá chất l−ợng sản phẩm dự báo của mô hình số trị 12 1.7.1. Ph−ơng pháp đánh giá chất l−ợng sản phẩm dự báo của mô hình số trị 12 1.7.2. Số liệu sử dụng 16 1.8. Tổng quan về tình hình dự báo m−a lớn trên thế giới và ở Việt Nam 20 Ch−ơng 2. nghiên cứu lựa chọn các sơ đồ tham số hóa vật lý của mô hình MM5 27 2.1. Các sơ đồ tham số hóa vật lý của MM5 27 2.1.1. Tham số hóa đối l−u 27 2.1.2. Tham số hoá các quá trình vi mô trong mây 30 2.1.3. Sơ đồ tham số hoá bức xạ 33 2.1.4. Tham số hoá lớp biên hành tinh 36 2.1.5. Tham số hoá các quá trình đất - bề mặt 38 2.2. Kết quả dự báo m−a với các lựa chọn vật lý khác nhau 38 2.2.1. Sơ đồ tham số hóa đối l−u 38 2.2.2. Sơ đồ tham số hóa vi vật lý mây 42 2.2.3. Sơ đồ tham số hóa bức xạ 44 2.2.4. Sơ đồ tham số lớp biên hành tinh 46 2.2.5. Kết quả đánh giá đối với nhiệt độ và độ ẩm t−ơng đối 48 ch−ơng 3. xây dựng hệ thống dự báo tổ hợp cho mô hình mm5 50 3.1. Ph−ơng pháp dự báo tổ hợp 50 3.1.1. Cơ sở lý thuyết của ph−ơng pháp dự báo tổ hợp 50 3.1.2. Tổng quan về dự báo tổ hợp ở trong và ngoài n−ớc 54 3.2. Kết quả thử nghiệm dự báo tổ hợp đối với mô hình MM5 57 3.2.1. Các ph−ơng án dự báo tổ hợp 57 3.2.2. Kết quả dự báo tổ hợp đối với khí áp mực biển và độ cao địa thế vị 57 3.2.3. Kết quả dự báo tổ hợp đối với một số tr−ờng hợp m−a vừa, lớn trong năm 2005 62 3.3. B−ớc đầu đánh giá chất l−ợng dự báo m−a bằng ph−ơng pháp dự báo tổ hợp 71 ch−ơng 4. nghiên cứu cảI tiến tr−ờng đầu vào cho mm5 77 4.1. Nghiên cứu sử dụng các tr−ờng phân tích và dự báo từ các mô hình toàn cầu khác nhau cho mô hình MM5 77 4.1.1. Mô tả số liệu l−ới làm đầu vào cho mô hình MM5 77 4.1.2. Mô tả số liệu của mô hình GSM 78 4.1.3. Tạo tr−ờng số liệu đầu vào cho mô hình MM5 từ số liệu mô hình GSM và GFS 80 4.1.4. Kết quả thử nghiệm 82 4.2. Thử nghiệm điều chỉnh tr−ờng khí t−ợng đầu vào bằng số liệu quan trắc địa ph−ơng 84 4.3. Ban đầu hóa xoáy cho mục đích dự báo bão ở Biển Đông 93 Kết luận và kiến nghị 100 Tài liệu tham khảo 102 Phụ lục 105 1 Mở đầu Ph−ơng pháp dự báo số trị - dự báo bằng mô hình thuỷ động lực học hiện đại có phân giải cao áp dụng cho từng khu vực đã đ−ợc sử dụng ở nhiều n−ớc trên thế giới, đặc biệt là các n−ớc phát triển. Chất l−ợng dự báo về hiện t−ợng m−a lớn cao hơn hẳn các ph−ơng pháp dự báo ra đời tr−ớc đó và sản phẩm số của mô hình dự báo có thể đảm bảo các yêu cầu của các mô hình dự báo thuỷ văn đối với lũ lụt, lũ quét. Một trong những nhân tố quyết định gây nên sự hình thành và phát triển m−a lớn trong các hiện t−ợng thời tiết nguy hiểm nh− xoáy thuận nhiệt đới (XTNĐ), dải hội tụ nhiệt đới,... là đối l−u mây tích. Các quá trình đối l−u này đóng vai trò quan trọng trong chu trình vận chuyển năng l−ợng của khí quyển và do đó phân bố lại sự đốt nóng không đồng đều trên bề mặt trái đất. Ngoài phụ thuộc vào độ hội tụ ẩm mực thấp, đối l−u mạnh còn phụ thuộc vào tính bất ổn định của khí quyển. Và nh− chúng ta đã biết, các quá trình qui mô vừa nh− vậy chỉ có thể tính đ−ợc bằng các mô hình số trị. Chính vì vậy, −u tiên phát triển ph−ơng pháp dự báo số trị, mà tr−ớc hết là áp dụng các mô hình số ở n−ớc ta là một h−ớng đi nhằm tăng c−ờng chất l−ợng dự báo. Ph−ơng pháp dự báo số trị có quy mô toàn cầu, khu vực đ−ợc phát triển và ứng dụng mạnh mẽ trong dự báo thời tiết ở Mỹ, úc, Nhật Bản, Liên Bang Nga, các n−ớc Châu Âu,... Sự phát triển nhanh chóng của công nghệ thông tin là động lực thúc đẩy và tạo nên những thành quả to lớn hiện nay của hầu hết các ngành khoa học. Hàng loạt vấn đề trong nghiên cứu dự báo khí t−ợng, khí hậu đ−ợc thực hiện với chất l−ợng ngày càng cao với những điều kiện: - Các ph−ơng pháp quan trắc khí t−ợng mới; - Ph−ơng tiện tính toán hiện đại cùng với các ph−ơng pháp phân tích và xử lý số liệu mới; - Các ph−ơng tiện và hình thức truyền tải thông tin hiện đại. Công nghệ thông tin phát triển mạnh mẽ đã mở ra những khả năng mới trong lĩnh vực nghiên cứu dự báo khí t−ợng ở Việt Nam. Tuy nhiên, ở Việt Nam hiện nay, ch−a có thể chạy mô hình dự báo toàn cầu do tính phức tạp về chuyên môn và kỹ thuật tính toán. Vì vậy, tr−ớc mắt phải thông qua hợp tác quốc tế với các Trung tâm khí t−ợng lớn trên thế giới và sử dụng đ−ờng truyền Internet tốc độ cao để tải th−ờng xuyên các tr−ờng phân tích, dự báo toàn cầu làm điều kiện ban đầu và điều kiện biên cho các mô hình khu vực phân giải cao. Nhiều mô hình khu vực đang đ−ợc nghiên cứu thử nghiệm hoặc sử dụng trong nghiệp vụ ở n−ớc ta nh− HRM ở Trung tâm KTTV Quốc gia; ETA, RAMS ở Tr−ờng Đại học Khoa học Tự nhiên,... Song song với việc áp dụng các mô hình trên đây, đã có hàng loạt nghiên cứu nhằm đ−a mô hình khí t−ợng động lực quy mô vừa thế hệ 5 (MM5) vào dự báo thời tiết ở n−ớc ta và hiện nay mô hình này đang đ−ợc sử dụng trong chế dộ dự báo nghiệp vụ ở Viện Khoa học Khí t−ợng Thủy văn và Môi tr−ờng. Mô hình khí t−ợng quy mô vừa thế hệ 5 (MM5) do Tr−ờng đại học Tổng hợp Pennsylvania (PSU) và Trung tâm Quốc gia Nghiên cứu Khí quyển (NCAR), Mỹ 2 xây dựng năm 1994. Phiên bản 3.5 của mô hình (MM5V3.5) đ−ợc hoàn thành vào năm 1999 đã có những cải tiến quan trọng trong các mảng: Kỹ thuật lồng ghép nhiều mực; Động lực học bất thuỷ tĩnh; Đồng hoá số liệu 4 chiều; Bổ sung các sơ đồ tham số hoá vật lý; hả năng truyền tải thông tin và kỹ thuật tính toán,… Đề tài nghiên cứu khoa học “Nghiên cứu thử nghiệm dự báo m−a lớn ở Việt Nam bằng mô hình MM5” đ−ợc triển khai thực hiện là b−ớc kế tiếp của đề tài “Nghiên cứu thử nghiệm áp dụng mô hình khí t−ợng động lực quy mô vừa MM5 trong dự báo hạn ngắn ở Việt Nam” đã hoàn thành năm 2005. Mục tiêu chính của đề tài là áp dụng đ−ợc mô hình MM5 nhằm dự báo m−a lớn ở Việt Nam. Để đạt đ−ợc mục tiêu nêu trên, đề tài đã triển khai thực hiện các nội dung chính sau: Nghiên cứu lựa chọn sơ đồ tham số hóa vật lý phù hợp với Việt Nam; Nghiên cứu xây dựng hệ thống dự báo tổ hợp trên cơ sở mô hình MM5; Nghiên cứu thử nghiệm cải tiến tr−ờng đầu vào cho mô hình MM5 với các nguồn dữ liệu khí t−ợng khác nhau, bao gồm cả ban đầu hóa xoáy cho mục đích dự báo bão ở Biển Đông. Các nghiên cứu lựa chọn thông số tối −u cho mô hình MM5 đ−ợc thực hiện trên cơ sở đánh giá chất l−ợng sản phẩm dự báo của các dự báo thành phần theo các ph−ơng pháp đánh giá thông dụng. Đối t−ợng nghiên cứu là các đợt m−a vừa, m−a lớn ở Việt Nam trong hai năm 2004, 2005. Báo cáo tổng kết đề tài bao gồm các nội dung sau: Mở đầu Ch−ơng 1: Mô hình MM5 áp dụng cho Việt Nam và các chỉ số đánh giá chất l−ợng sản phẩm dự báo của mô hình số trị. Ch−ơng 2: Nghiên cứu lựa chọn các sơ đồ tham số hóa vật lý của mô hình MM5. Ch−ơng 3: Xây dựng hệ thống dự báo tổ hợp cho mô hình MM5. Ch−ơng 4: Nghiên cứu cải tiến tr−ờng đầu vào cho MM5 Kết luận và kiến nghị Tài liệu tham khảo Phụ lục Thay mặt đội ngũ cán bộ thực hiện đề tài, chúng tôi xin chân thành cảm ơn Viện Khoa học Khí t−ợng Thuỷ văn và Môi tr−ờng và các đơn vị trong Viện, đặc biệt là Trung tâm Nghiên cứu Khí t−ợng - Khí hậu đã tạo mọi điều kiện thuận lợi cho công tác triển khai đề tài nghiên cứu. Chúng tôi xin chân thành cảm ơn sự tham gia tích cực vào các hoạt động nghiên cứu của các chuyên gia và các cộng tác viên thuộc Trung tâm Khí t−ợng Thuỷ văn Quốc gia, Tr−ờng Đại học Khoa học Tự nhiên, Viện Khoa học Khí t−ợng Thuỷ văn và Môi tr−ờng. Hà Nội, 7-2008 3 Ch−ơng 1. mô hình mm5 áp dụng cho việt nam và các chỉ số đánh giá chất l−ợng sản phẩm dự báo của mô hình số trị 1.1. Giới thiệu mô hình Mô hình khí t−ợng động lực quy mô vừa thế hệ thứ 5 (MM5) của Trung tâm Quốc gia Nghiên cứu Khí quyển Mỹ (NCAR) và Tr−ờng Đại học Tổng hợp Pennsylvania Mỹ (PSU) là thế hệ mới nhất trong một loạt các mô hình dự báo đ−ợc Anthes phát triển từ những năm 1970. Qua quá trình thử nghiệm, mô hình đã đ−ợc điều chỉnh và cải tiến nhiều lần nhằm mô phỏng tốt hơn các quá trình vật lý quy mô vừa và có thể áp dụng đối với nhiều đối t−ợng sử dụng khác nhau. Phiên bản 3.5 (MM5V3.5) của mô hình ra đời năm 2001 đã đ−ợc điều chỉnh, cải tiến thêm so với các phiên bản tr−ớc trong các mảng: Kỹ thuật lồng ghép nhiều mực; Động lực học bất thuỷ tĩnh; Đồng hoá số liệu 4 chiều; Bổ sung lựa chọn các sơ đồ tham số hoá vật lý; Kỹ thuật tính toán. Hiện nay, chúng tôi đang sử dụng phiên bản mới nhất và cũng là phiên bản cuối cùng của hệ thống mô hình MM5 - phiên bản 3.7.2 trong các nghiên cứu áp dụng ở Viện KHKTTV&MT. Mô hình MM5 sử dụng hệ thống l−ới lồng (nesting grid) nhằm mô phỏng tốt hơn các quá trình vật lý có quy mô nhỏ hơn b−ớc l−ới của miền tính ban đầu. Về lý thuyết, MM5 cho phép lồng ghép tối đa 9 khu vực. Tỷ lệ của độ phân giải (ĐPG) theo ph−ơng ngang của miền tính trong so với miền tính ngoài luôn là 3:1. Sơ đồ trong hình 1.1 biểu diễn hệ thống các mô đun chính của mô hình MM5. Có thể chia mô hình thành hai bộ phận: bộ phận xử lý và bộ phận mô phỏng. Đầu tiên, số liệu địa hình, các thông số của miền tính và số liệu khí t−ợng đ−ợc nội suy theo ph−ơng ngang, ph−ơng đứng thông qua các mô đun thuộc bộ phận xử lý TERRAIN, REGRID và INTERPF. Bộ phận mô phỏng MM5 nhập dữ liệu đã đ−ợc xử lý từ các mô đun trên, mô phỏng các quá trình vật lý và đ−a ra dự báo số của mô hình. Sản phẩm dự báo của MM5 đ−ợc chuyển đến bộ phận xử lý cuối cùng là các mô đun đồ hoạ và phân tích dữ liệu (GRAPH/RIP, GRADS) và Output Analysis). Do các tr−ờng khí t−ợng là điều kiện ban đầu cho mô hình đ−ợc lấy từ phân tích của mô hình toàn cầu có độ phân giải ngang thô nên cần thiết phải đ−ợc điều chỉnh bằng số liệu thám sát địa ph−ơng. Trong tr−ờng hợp này chúng ta có thể sử dụng bổ sung thêm mô đun RAWIN/LITTLE_R nh− thể hiện trong hình 1.2. Trong tr−ờng hợp lồng ghép nhiều mức đối với các khu vực khác nhau, Hình 1.1. Sơ đồ cấu trúc các mô đun chính của mô hình MM5 4 mô hình bổ sung mô đun NESTDOWN với mục đích làm trơn l−ới thô hơn ở miền ngoài. Mô đun INTERPB có chức năng chuyển các tr−ờng khí t−ợng từ mực sigma của mô hình về mực khí áp (Hình 1.2). 1.2. Hệ toạ độ theo ph−ơng ngang và đứng Theo ph−ơng thẳng đứng, mô hình MM5 sử dụng hệ toạ độ sigma (σ): (1.1) trong đó, p – khí áp; ps – khí áp mặt đất, pt – khí áp trên đỉnh khí quyển mô hình. Các mực theo ph−ơng đứng trong hệ toạ độ σ có đặc điểm uốn sát địa hình ở lớp d−ới và gần sát với các mực khí áp ở lớp trên (Hình 1.3). Theo (1.1) ta có thể thấy σ biến đổi từ 1 (mặt đất) tới 0 (mực khí quyển đỉnh mô hình) và các mực khí quyển đ−ợc xác định bởi tập giá trị σ trong khoảng [0,1]. Các biến σ& , ω đ−ợc xác định trên các mực nguyên (K=1, 2,...), các biến còn lại đ−ợc xác định trên các mực phân (K=11/2, 21/2,...). Ưu điểm của hệ toạ độ σ là theo đó ta tính đ−ợc ảnh h−ởng của địa hình đến các quá trình nhiệt động lực học xảy ra trong khí quyển. Ngoài ra, điều kiện biên của t−ơng tự tốc độ thăng (ω) tại biên d−ới của mô hình là chính xác. Thật vậy, ta có biên d−ới của mô hình dự báo là mặt đất với σ =1 và điều kiện biên ω(1)=0, chính xác hơn điều kiện biên ω(1)=0 khi sử dụng hệ toạ độ khí áp (vì mặt 1000mb không trùng với mặt đất nên điều kiện cuối cùng này chỉ là gần đúng). Mô hình MM5 sử dụng luới tọa độ so le Arakawa B theo ph−ơng ngang có dạng nh− trên hình 1.4. Tại các điểm gạch chéo (x) mô hình thực hiện việc tích phân cho các biến vô h−ớng nh− áp suất, độ ẩm riêng, nhiệt độ,… Tại các điểm có ký hiệu (.), mô hình thực hiện việc tích phân cho các thành phần gió ngang. Sơ đồ cấu trúc mô hình MM5 TErrain Regrid interpf Mm5 Graph/rip Output Analysis interpb Rawins/Little_r nestdown Hình 1.2. Sơ đồ cấu trúc đầy đủ các mô đun của mô hình MM5 Hình 1.3. Cấu trúc thẳng đứng của MM5 ts t pp pp − −=σ 5 1.3. Hệ các ph−ơng trình thủy nhiệt động lực học của MM5 Tr−ớc khi đề cập đến hệ ph−ơng trình bất thuỷ tĩnh của mô hình MM5, chúng tôi trình bày về hệ ph−ơng trình nhiệt động lực học viết trong hệ toạ độ σ theo ph−ơng đứng với gần đúng thuỷ tĩnh. • Các ph−ơng trình chuyển động ngang: (1.2) (1.3) trong đó, u và v - các thành phần vận tốc theo h−ớng đông và bắc; φ - độ cao địa thế vị; m - nhân tố bản đồ; dt dσσ =& ; ρ - mật độ không khí; f - tham số Coriolis; Du và Dv - biểu diễn hiệu ứng khuếch tán ngang và đứng; p*=ps - pt. • Ph−ơng trình nhiệt động lực học: (1.4) trong đó, cp = cpd(1+0.8qv) – nhiệt dung của khí ẩm với áp suất cố định, cpd – nhiệt dung của khí khô với áp suất cố định, qv - tỷ số xáo trộn hơi n−ớc, Q – năng l−ợng đoạn nhiệt, DT - biểu diễn hiệu ứng khuếch tán ngang và đứng, dt dp=ω đ−ợc tính bằng: (1.5) với: (1.6) • Khí áp bề mặt có thể đ−ợc tính từ: (1.7) Hình 1.4. Cấu trúc ngang theo l−ới xen kẽ Arakawa B của MM5 uDvpxx pmpup y mvup x muupm t up f ++⎥⎦ ⎤⎢⎣ ⎡ ∂ ∂+∂ ∂−∂ ∂−⎥⎦ ⎤⎢⎣ ⎡ ∂ ∂+∂ ∂−=∂ ∂ * * * **** //2 φ ρ σ σ σ& vDpyy pmpvp y mvvp x muvpm t p fu v ++⎥⎦ ⎤⎢⎣ ⎡ ∂ ∂+∂ ∂−∂ ∂−⎥⎦ ⎤⎢⎣ ⎡ ∂ ∂+∂ ∂−=∂ ∂ * * * **** //2 φ ρ σ σ σ& T pp D c Qp c pTp y mvTp x mTpm t Tp u +++∂ ∂−⎥⎦ ⎤⎢⎣ ⎡ ∂ ∂+∂ ∂−=∂ ∂ && ** **** //2 ω σ σ dt dpp ** σσω += & ⎥⎦ ⎤⎢⎣ ⎡ ∂ ∂+∂ ∂+∂ ∂=∂ ∂ y pv x pum t p t p **** σ σ ∂ ∂−⎥⎦ ⎤⎢⎣ ⎡ ∂ ∂+∂ ∂−=∂ ∂ &**** //2 p y mvp x mupm t p 6 cùng với sử dụng tích phân theo ph−ơng đứng: (1.8) Sau khi xác định xu thế khí áp bề mặt t p ∂ ∂ * , vận tốc thẳng đứng trong hệ toạ độ sigma (σ& ) đ−ợc tính cho mỗi mực từ tích phân theo ph−ơng đứng trong ph−ơng trình (1.9): (1.9) trong đó, σ ’ là biến hình thức của tích phân và σ& (σ =0)=0. • Ph−ơng trình thuỷ tĩnh xác định độ cao địa thế vị từ nhiệt độ ảo Tv: (1.10) trong đó, R - hằng số khí khô; Tv=T(1+0.608qv); qc và qr là tỷ số xáo trộn n−ớc mây hoặc băng và n−ớc m−a hoặc tuyết. Đối với động lực học bất thuỷ tĩnh, các biến đ−ợc phân tích thành tổng của trạng thái nền và nhiễu động nh− sau: ( ) ( ) ( )tzyxpzptzyxp ,,,,,, '0 += ( ) ( ) ( )tzyxTzTtzyxT ,,,,,, '0 += ( ) ( ) ( )tzyxztzyx ,,,,,, '0 ρρρ += trong đó, đặc tr−ng profile trạng thái nền của nhiệt độ có thể là hàm phân tích đ−ợc hiệu chỉnh từ profile nhiệt độ trung bình của tầng đối l−u. Trong động lực bất thủy tĩnh, hệ tọa độ thẳng đứng đ−ợc tính theo áp suất của trạng thái nền: ts t pp pp − −= 0σ trong đó, ps, pt là khí áp trạng thái nền tại bề mặt và tại đỉnh khí quyển, chúng không phụ thuộc thời gian. áp suất tổng cộng tại mỗi nút l−ới đ−ợc tính nh− sau: '* pppp t ++= σ (1.11) trong đó, p’ là nhiễu động rối; p*(x,y) = ps(x,y) - pt. Khi đó, hệ ph−ơng trình của mô hình MM5 với động lực học bất thuỷ tĩnh trong hệ toạ độ σ chuyển thành: • Các ph−ơng trình chuyển động ngang và thẳng đứng: ∫ ⎥⎦ ⎤⎢⎣ ⎡ ∂ ∂+∂ ∂−=∂ ∂ 1 0 2 // *** σd y mvp x mupm t p '//1 0 2 *** * σσ σ d y mvp x mupm t p p ∫ ⎥⎦ ⎤⎢⎣ ⎡ ⎟⎟⎠ ⎞ ⎜⎜⎝ ⎛ ∂ ∂+∂ ∂+∂ ∂−=& 1 1 1 )/ln( * − ⎥⎦ ⎤⎢⎣ ⎡ + ++−=+∂ ∂ c rc v t q qq RT ppσ φ 7 uDvp p x p px pmp uDIVup y mvup x muupm t up f ++⎥⎦ ⎤⎢⎣ ⎡ ∂ ∂ ∂ ∂−∂ ∂− −+∂ ∂−⎥⎦ ⎤⎢⎣ ⎡ ∂ ∂+∂ ∂−=∂ ∂ * * * * **** '' //2 σ σ ρ σ σ& (1.12) vDp p y p py pmp vDIVvp y mvvp x muvpm t vp fu ++⎥⎦ ⎤⎢⎣ ⎡ ∂ ∂ ∂ ∂−∂ ∂− −+∂ ∂−⎥⎦ ⎤⎢⎣ ⎡ ∂ ∂+∂ ∂−=∂ ∂ * * * * **** '' //2 σ σ ρ σ σ& (1.13) [ ] ωσρ ρ ωσ σωωωω Dqqgp Tp pT T Tp p gp DIVp y mvp x mupm t p rc v ++−⎥⎦ ⎤⎢⎣ ⎡ −+∂ ∂+ ++∂ ∂−⎥⎦ ⎤⎢⎣ ⎡ ∂ ∂+∂ ∂−=∂ ∂ )(*''' * 1* // 0 00 2 **** & (1.14) • Ph−ơng trình xu thế khí áp: ωρσ ωγρ σ σ σ σγ σ σ gppg v y p mpx muu x p mpx muppm DIVpp y mvpp x muppm t p pp 00 2 2 * //* '/'/' * * * * '***'* +∂ ∂+ +⎥⎦ ⎤⎢⎣ ⎡ ∂ ∂ ∂ ∂−∂ ∂+∂ ∂ ∂ ∂−∂ ∂− −+∂ ∂−⎥⎦ ⎤⎢⎣ ⎡ ∂ ∂+∂ ∂−=∂ ∂ & (1.15) • Ph−ơng trình xu thế nhiệt độ: T p p p D c QpDgp Dt Dpp c TDIVTp y mvTp x mTpm t Tp u ++⎥⎦ ⎤⎢⎣ ⎡ −−+ ++∂ ∂−⎥⎦ ⎤⎢⎣ ⎡ ∂ ∂+∂ ∂−=∂ ∂ & & * **** '0 2 *'*1 // ωρρ σ σ (1.16) trong đó σ σ ∂ ∂+⎥⎦ ⎤⎢⎣ ⎡ ∂ ∂+∂ ∂−= &*** //2 p y mvp x mupmDIV (1.17) và v y p p mu x p p m p g ∂ ∂−∂ ∂−−= * *** *0 σσωρσ& (1.18) 8 1.4. Tham số hoá vật lý Trong các mô hình toàn cầu không thể mô phỏng hết các quá trình có quy mô d−ới l−ới.nh− bức xạ, lớp biên hành tinh, đối l−u, các quá trình vi mô trong mây,...bởi hàng loạt nguyên nhân. Thứ nhất là khả năng tính toán của máy tính (ngay cả đối với máy tính hiện đại) do phải giảm bớt l−ới xuống d−ới quy mô đặc tr−ng của quá trình xem xét dẫn đến tăng số l−ợng điểm tính. Thứ hai là không phải tất cả các quá trình có quy mô d−ới l−ới đều có thể mô tả bằng các ph−ơng trình vi phân. Trong những năm gần đây, các mô hình số trị dự báo thời tiết đ−ợc xây dựng theo một h−ớng mới, đ−ợc gọi là tham số hoá các quy trình vật lý, nghĩa là các tham số hoặc các đặc tr−ng cấu trúc của mô hình khí quyển đ−ợc tính toán trong khi tích phân các ph−ơng trình dự báo và mối quan hệ giữa những tham số hoặc đặc tr−ng của mô hình với những đặc tr−ng phản ánh hiệu ứng cuối cùng hoặc hiệu ứng tổng hợp của các quá trình quy mô d−ới l−ới đến các quá trình quy mô lớn. Kết quả gián tiếp của tham số hoá các quá trình vật lý quy mô d−ới l−ới là ph−ơng pháp tính các đại l−ợng phản ánh tác động của độ nhớt đến gia tốc hạt (Fx và Fy), dòng nhiệt và dòng ẩm (ξ và ξP ), các thành phần của cân bằng nhiệt (R, H, Q) và những đại l−ợng khác tham gia vào ph−ơng trình dự báo. Kết quả của tham số hoá có thể là ph−ơng pháp tính các đại l−ợng khác, chẳng hạn nh− các đại l−ợng trong điều kiện biên,... Chi tiết hơn về cơ sở lý thuyết (hệ ph−ơng trình nguyên thuỷ, hệ toạ độ theo ph−ơng ngang và ph−ơng đứng, sơ đồ sai phân, sơ đồ tham số hoá vật lý,…) của mô hình MM5 có thể tham khảo trong [1], [19], [32]. 1.5. Xây dựng các miền tính của MM5 cho Việt Nam 1.5.1. Xây dựng miền tính cho Đông Nam á và Việt Nam Việc chọn vùng địa lý thích hợp để áp dụng một mô hình số dự báo thời tiết hay khí hậu khu vực hạn chế đ−ợc nhập từ n−ớc ngoài về là đặc biệt quan trọng. Khu vực đ−ợc chọn phải bao hàm những đặc điểm địa lý địa hình và quá trình khí quyển dẫn đến sự hình thành và diễn biến thời tiết. Ngoài ra, miền biên giới hạn khu vực phải thoả mãn những yêu cầu của bài toán biên trong mô hình. Nghĩa là, trên miền biên mô hình của khu vực nghiên cứu phải ít phát triển nhất những nhiễu động thời tiết hay khí hậu mạnh. Việc lựa chọn này vừa đòi hỏi những hiểu biết về cơ chế nhiệt động lực học của sự phát triển thời tiết, khí hậu khu vực nói chung, cơ sở lý thuyết của mô hình nói riêng, vừa đòi hỏi kiểm nghiệm thực tế trong quá trình chạy thử nghiệm mô hình cho khu vực nghiên cứu. Hơn nữa, phải cân đối với khả năng của máy tính sử dụng để thời gian cần thiết cho việc chạy mô hình vẫn đảm bảo đ−ợc dự báo thực tế nhằm áp dụng trong nghiệp vụ. Để đảm bảo thỏa mãn tối đa những đòi hỏi nêu trên, sau một thời gian nghiên cứu thử nghiệm cũng nh− tham khảo ý kiến từ các chuyên gia và trên cơ sở phân tích quy mô không gian của các quá trình khí quyển có thể tác động đến 9 n−ớc ta, chúng tôi đã xây dựng hai miền tính lồng ghép cho mô hình MM5 đối với khu vực Đông Nam á và Việt Nam. Miền tính thứ nhất (Hình 1.5) giới hạn trong khoảng 5-30ON, 90-130OE với 65x95 điểm tính và độ phân giải ngang 45km. Về ph−ơng đứng, chúng tôi lựa chọn ph−ơng án khuyến cáo của nhóm tác giả mô hình với 23 mực sigma phân bố không đều từ mặt đất đến mực xấp xỉ 100mb. Sản phẩm dự báo trên miền tính này có thể tham khảo đối với các quá trình nh− không khí lạnh bắt đầu ảnh h−ởng đến Việt Nam, diễn biến của xoáy thuận nhiệt đới (XTNĐ) trên Biển Đông, hoạt động của gió mùa tây nam, dải hội tụ nhiệt đới,... và các quá trình có quy mô nhỏ hơn trong giới hạn miền tính. Số liệu về độ cao địa hình (Hình 1.6a) của khu vực trong miền tính này đ−ợc trích từ nguồn dữ liệu toàn cầu của USGS với độ phân giải ngang 2’ (xấp xỉ 4km). Loại hình đất sử dụng (Hình 1.6b) cũng đ−ợc trích từ nguồn dữ liệu trên với 25 cấp phân loại. Hình 1.5. Miền tính thứ nhất cho khu vực Đông Nam á Hình 1.6. Bản đồ độ cao địa hình (a) và phân loại hình đất sử dụng (b) của miền tính thứ nhất a) b) 10 Miền tính thứ hai cho Việt Nam đ−ợc lồng vào miền tính thứ nhất có độ phân giải ngang 15km với 127x63 điểm tính (Hình 1.7). Miền tính này bao trùm lãnh thổ Việt Nam và sẽ là cơ sở để xây dựng các miền tính nhỏ hơn đối với từng khu vực cụ thể của n−ớc ta với độ phân giải ngang tới 5km và nhỏ hơn nhằm đáp ứng các bài toán ứng dụng khác nhau. Các dữ liệu về độ cao địa hình và phân loại hình đất sử dụng cũng đ−ợc trích từ nguồn dữ liệu toàn cầu của USGS với độ phân giải ngang tới 4km (Hình 1.8). 1.5.2. Xây dựng miền tính cho các khu vực của Việt Nam Chúng tôi đã thử nghiệm xây dựng các miền tính cho từng khu vực cụ thể của Việt Nam ví dụ nh− Bắc Bộ (Hình 1.9a), Trung Bộ (Hình 1.9b), đồng bằng Nam Bộ (Hình 1.9c) và Nam Trung Bộ và Tây Nguyên (Hình 1.9d). Độ phân giải ngang của các miền tính này là 5km. Các miền tính nói trên đã đ−ợc sử dụng để mô phỏng các tr−ờng khí t−ợng, đặc biệt là m−a trong những đợt m−a vừa, m−a lớn ở n−ớc ta trong năm 2004, 2005, 2006 và 2007. Sản phẩm l−ợng m−a mô phỏng trên các miền tính này hoàn toàn đáp ứng các bài toán ứng dụng khác nh− dự báo thuỷ văn, dự báo lan truyền ô nhiễm,... về phạm vi miền tính và độ phân giải ngang. Tuy nhiên, do khả năng tính toán có hạn nên các miền tính nói trên không đ−ợc sử dụng trong chế độ dự báo nghiệp vụ. Hình 1.8. Bản đồ độ cao địa hình (a) và phân loại hình đất sử dụng (b) của miền tính thứ hai a) b) Hình 1.7. Sơ đồ lồng ghép hai miền tính cho MM5 11 a) b) c) d) Hình 1.9. Sơ đồ các miền tính cho từng khu vực của Việt Nam 1.6. Các nguồn số liệu khí t−ợng cho mô hình Các tr−ờng khí t−ợng tối thiểu cho MM5 là khí áp mực biển, nhiệt độ mặt n−ớc biển, nhiệt độ không khí bề mặt, độ ẩm không khí bề mặt, các thành phần gió ngang ở độ cao 2m so với bề mặt và độ cao địa thế vị, nhiệt độ không khí, độ ẩm không khí, các thành phần gió ngang ở các mực khí áp 1000, 850, 700, 500, 400, 300, 250, 200, 150, 100mb. Phạm vi không gian của các tr−ờng khí t−ợng phải bao trùm miền tính thứ nhất. Độ phủ tuyết bề mặt và các tr−ờng nhiệt độ đất có thể lấy từ số liệu khí hậu. Ngoài ra, số liệu của các trạm khí t−ợng cao không và quan trắc bề mặt trong miền tính cũng có thể đ−ợc sử dụng nhằm điều chỉnh tr−ờng phân tích ban đầu (điều kiện ban đầu) thông qua kỹ thuật đồng hoá số liệu. Sau đây sẽ giới thiệu về các nguồn số liệu khí t−ợng trong tr−ờng hợp mô phỏng và dự báo bằng MM5. Đối với bài toán dự báo hạn ngắn, yêu cầu về nguồn số liệu khí t−ợng là phải đáp ứng đủ các yêu cầu của mô hình MM5 đồng thời phải đ−ợc cập nhật hàng ngày hoặc từng 6h một (tuỳ theo yêu cầu thực hiện dự báo bằng MM5 bao nhiêu lần trong ngày). Một trong những nguồn số liệu đáp ứng đủ các yêu cầu trên là các tr−ờng phân tích và dự báo của mô hình AVN do NCEP thực hiện. Hạn dự báo tối đa của mô hình AVN là 16 ngày (384h) với các dự báo cách nhau 3h. Trong thực tế, để thực hiện các dự báo cho Việt Nam, điều kiện biên tốt nhất là các dự báo cách 12 nhau 3h của mô hình AVN. Tuy nhiên, để đảm bảo về thời gian cung cấp sản phẩm dự báo, có thể sử dụng các dự báo cách nhau 6 giờ nhằm giảm thời gian tải số liệu từ mạng Internet. Địa chỉ Internet của nguồn số liệu AVN/NCEP là: ftp://ftpprd.ncep.noaa.gov/pub/data/nccf/com/gfs/prod. Các tr−ờng dự báo cách nhau 12h một cũng có thể sử dụng làm điều kiện biên cho mô hình MM5 trong dự báo ngắn hạn là sản phẩm dự báo của mô hình MRF do NCEP thực hiện. Độ phân giải ngang của các tr−ờng khí t−ợng là 1x1 độ kinh vĩ. NCEP thực hiện các dự báo bằng mô hình MRF cho toàn cầu hai lần trong ngày vào các thời điểm 00Z và 12Z. Chúng ta có thể tải các tr−ờng dự báo này làm điều kiện biên và điều kiện ban đầu cho mô hình MM5 từ địa chỉ Internet: ftp://ftpprd.ncep.noaa.gov/pub/data/nccf/com/mrf/prod. Chúng tôi cũng đã thử nghiệm sử dụng sản phẩm dự báo của mô hình GSM của cơ quan khí t−ợng Nhất Bản (JMA) làm số liệu đầu vào cho mô hình MM5 với hạn dự báo đến 48h. Do không đủ các yếu tố khí t−ợng cần thiết nh− SST, các yếu tố khí t−ợng ở mực thấp và định dạng các file số liệu khác với các định dạng sẵn có của MM5 nên việc sử dụng chúng trong nghiệp vụ đòi hỏi một khối l−ợng công việc khá lớn nhằm giải quyết các hạn chế trên đây. Một số thử nghiệm sử dụng nguồn số liệu này sẽ đ−ợc trình bày trong ch−ơng 4. Ngoài ra, ở Việt Nam hiện nay cũng có thể sử dụng nguồn số liệu dự báo của mô hình GME của Cơ quan Khí t−ợng Đức (DWD), tuy nhiên, một số vấn đề liên quan đến kỹ thuật nh− chuyển định dạng các file số liệu, bổ sung các yếu tố thiếu,... cũng sẽ gặp phải nh− tr−ờng hợp của GSM. Đối với bài toán dự báo hạn vừa, hạn dài ở Việt Nam, nguồn số liệu tin cậy và đáp ứng đ−ợc các yêu cầu về thời gian, các yếu tố khí t−ợng cần thiết,... là các sản phẩm của mô hình AVN và MRF. Đối với mô hình AVN, từ hạn dự báo 180h đến 384h chỉ có các file số liệu cách nhau 12h một và các yếu tố dự báo cũng ít hơn so với các hạn dự báo tr−ớc đó nên dung l−ợng mỗi file số liệu cũng nhỏ hơn (khoảng 4Mb so với khoảng 26Mb). 1.7. Ph−ơng pháp đánh giá chất l−ợng sản phẩm dự báo của mô hình số trị và số liệu sử dụng 1.7.1. Ph−ơng pháp đánh giá chất l−ợng sản phẩm dự báo của mô hình số trị Để ứng dụng đ−ợc một mô hình khu vực hạn chế kiểu nh− MM5 vào trong nghiệp vụ dự báo thời tiết đòi hỏi tr−ớc hết là phải đánh giá đ−ợc sai số dự báo của mô hình so với thực tế. Các nguyên nhân có thể đ−a đến dự báo sai của mô hình số trị có thể tóm tắt nh− sau: - Các công thức toán học để mô tả các quá trình vật lý xảy ra trong khí quyển là ch−a hoàn chỉnh; - ảnh h−ởng của địa hình (th−ờng không đ−ợc mô hình số trị mô tả hoàn chỉnh) đến kết quả dự báo; - Các quá trình vật lý và các sơ đồ tham số hóa ch−a thật sự hoàn thiện; 13 - Một số giả thiết không thực sự phù hợp đ−ợc đ−a ra để có thể giải đ−ợc hệ ph−ơng trình thủy nhiệt động lực học mô tả khí quyển thực. - Điều kiện biên và điều kiện ban đầu của các biến khí t−ợng là ch−a hoàn chỉnh và phụ thuộc khá nhiều vào địa hình. Các trạm thám sát th−a thớt, đặc biệt là vùng nhiệt đới; - Các kết quả nhận đ−ợc chứa đựng những sai số khi giải các công thức toán học bằng ph−ơng pháp gần đúng, ... Có nhiều chỉ số khác nhau để đánh giá chất l−ợng dự báo của mô hình số trị nh− sai số trung bình (ME), sai số bình ph−ơng trung bình (RMSE), sai số độ lệch Bias error (BE), sai số trung bình tuyệt đối (MAE), t−ơng quan chuẩn sai (AC), chỉ số CSI, chỉ số BIAS,... D−ới đây, chúng tôi sẽ giới thiệu sơ l−ợc về các chỉ số nói trên. Sai số ME xác định xu thế mô hình dự báo v−ợt quá hay thấp hơn giá trị thực tế và đ−ợc xác định bằng công thức toán học cho một biến x dạng: ( )∑ = −= N i of xx N xME 1 1)( (1.19) ở đây, N là dung l−ợng mẫu, ký hiệu f và 0 để chỉ các giá trị dự báo và quan trắc. Giá trị ME d−ơng thể hiện xu thế dự báo v−ợt giá trị thực của mô hình và ng−ợc lại giá trị âm của ME thể hiện xu thế dự báo thấp hơn giá trị thực. Sai số bình ph−ơng trung bình (RMSE) là căn bậc hai của trung bình bình ph−ơng sai số giữa giá trị dự báo và thám sát, đ−ợc xác định theo công thức: ( ) 2/1 1 21)( ⎟⎠ ⎞⎜⎝ ⎛ ∑ −= = N i of xx N xRMSE (1.20) RMSE giữ lại đơn vị của biến dự báo và xác định sai số về độ lớn của biến dự báo. Giá trị này càng tiến tới không thì mô hình dự báo càng chính xác. MAE là một chỉ số đ−a ra độ lớn trung bình của sai số nh−ng không chỉ ra h−ớng của độ lệch. Chỉ số này đ−ợc tính nh− sau: (1.21) Độ lệch chuẩn σ đ−ợc sử dụng để đo mức độ biến đổi trong dự báo của các biến khí t−ợng và là căn bậc hai của sai khác bình ph−ơng trung bình giữa sai số dự báo (ei=fi - 0i ) và sai số dự báo trung bình: (1.22) trong đó, N là tổng số các so sánh dự báo. Hệ số suy giảm ph−ơng sai (RV) đ−ợc tính nh− sau: ⎥⎦ ⎤⎢⎣ ⎡ −= ∑ = N i ii OFN MAE 1 1 ( )∑ = −−= N i i eeN 1 2 1 1σ 14 (1.23) trong đó, M là giá trị trung bình mẫu hoặc trung bình khí hậu, RMSEc là sai số bình ph−ơng trung bình trên cơ sở khí hậu, RMSE là sai số bình ph−ơng trung bình của dự báo. Nh− vậy, RV nhận giá trị trong khoảng (- ∝, 1] và khi RV = 1 thì không có sai số trong giá trị dự báo, khi RV = 0 dự báo không tốt hơn trung bình khí hậu. Để đánh giá chất l−ợng dự báo m−a của mô hình, về diện m−a, ng−ời ta th−ờng sử dụng chỉ số CSI có dạng sau: CS I= H/(H+M+F) (1.24) Trong đó: - H là số trạm dự báo có m−a và thực tế có m−a (theo nghĩa v−ợt một ng−ỡng nào đó); - M là số trạm dự báo không m−a nh−ng thực tế có m−a; - F là số trạm dự báo có m−a nh−ng thực tế không m−a. Nh− vậy, CSI đ−ợc tính bằng tỷ số giữa vùng giao nhau của hai tập số liệu dự báo và thám sát, giá trị của CSI nằm trong khoảng [0,1]. CSI nói lên mức độ trùng khớp giữa vùng m−a dự báo và vùng m−a thám sát. Khi CSI gần đến 1 thì vùng m−a dự báo gần sát với vùng m−a thực tế, khi CSI gần đến 0 thì vùng m−a dự báo và vùng m−a thực tế rất khác nhau. Ng−ỡng đ−ợc chọn ở đây phụ thuộc vào thời gian tích luỹ l−ợng m−a (24h, 48h,...) và đặc điểm m−a khu vực đ−ợc dự báo. Thông th−ờng ng−ời ta chọn các ng−ỡng 1, 5mm (đối với m−a nhỏ), 15mm (đối với m−a vừa), 50mm (đối với m−a lớn) và 100mm (đối với m−a rất lớn) cho l−ợng m−a trong 24h. Để đánh giá về l−ợng, ng−ời ta sử dụng chỉ số BIAS, đ−ợc tính nh− sau: BIAS = (H+F)/(H+M) (1.25) Chỉ số BIAS lớn hơn 1 khi l−ợng m−a dự báo lớn hơn so với l−ợng m−a thực tế và ng−ợc lại, l−ợng m−a dự báo nhỏ hơn l−ợng m−a thực tế khi BIAS nhỏ hơn 1. Cần l−u ý là chỉ số BIAS đ−ợc sử dụng để đánh giá khuynh h−ớng dự báo diện m−a của mô hình cao hơn hay thấp hơn so với thực tế mà không đánh giá sự chính xác về l−ợng. BIAS =1,0 khi vùng m−a dự báo trùng với vùng m−a thực tế tại một ng−ỡng đ−ợc chọn nào đó. ( ) ( ) c c i ii RMSE RMSERMSE OM OF RV −=− −−= ∑ ∑ 2 2 1 15 Các chỉ số trên đây có tính toán một cách đơn giản thông qua bảng liên kết (Bảng 1.1). Một cách hình t−ợng, chúng ta có thể mô tả phân bố của chỉ số trong bảng 1.1 thông qua sơ đồ trên hình 1.10. Bảng 1.1. Bảng liên kết giữa dự báo và thực tế Thực tế Có Không Có H F Dự báo Không M CN Cũng từ bảng liên kết trên, ta có thể tính đ−ợc các chỉ số khác nhau nh− xác xuất phát hiện hiện t−ợng (Probability of Detection of Event - POD), tỉ lệ báo động sai (False Alarm Ratio - FAR), phần trăm đúng (Percent Correct - PEC),... Chỉ số POD đ−ợc tính bằng tỷ số giữa số dự báo đúng xuất hiện m−a lớn hơn một ng−ỡng chọn tr−ớc nào đó trên tổng số lần thám sát có m−a. POD nói lên tỷ lệ dự báo đúng so với thực tế và giá trị của POD nằm trong khoảng [0,1], mô hình dự báo m−a là hoàn hảo khi POD=1. POD = H/(H+M) (1.26) Hình 1.10. Sơ đồ biểu diễn các chỉ số phục vụ đánh giá chất l−ợng dự báo m−a F Miền thực tế H M Miền dự báo 16 Cũng t−ơng tự nh− chỉ số CSI, điểm số POD rất nhạy khi sự giao nhau giữa vùng dự báo và thám sát là lớn, nh−ng lại không quan tâm tới các tr−ờng hợp không dự báo đ−ợc sự xuất hiện của hiện t−ợng và số lần dự báo sai, POD cũng bị ảnh h−ởng bởi tần suất khí hậu khi xét trong các mùa khác nhau. Có thể cải tiến bằng cách cho nhiều dự báo có, để tăng phần giao nhau giữa vùng dự báo và thám sát, khi đó POD sẽ tăng lên. Trong thực tế chỉ số POD th−ờng đ−ợc sử dụng kèm chỉ số FAR. Chỉ số FAR đ−ợc tính bằng tỷ số giữa số dự báo m−a không xuất hiện lớn hơn một ng−ỡng đ−ợc chọn nào đó nh−ng thực tế không xảy ra trên tổng số lần dự báo có m−a. Chỉ số FAR nói lên tỷ lệ dự báo sai trong tổng số lần dự báo. Giá trị của FAR nằm trong khoảng [0,1]. Giá trị hoàn hảo của FAR là khi bằng 0, tức là mô hình dự báo hoàn hảo. FAR rất nhạy đối với vùng báo động sai và chỉ số này không quyết định trực tiếp đến chất l−ợng dự báo. FAR = F/(H+F) (1.27) Chỉ số PEC đ−ợc tính bằng tỷ số giữa tổng số lần dự báo đúng trên tổng số lần dự báo. Giá trị của PEC nằm trong khoảng [0,1]. PEC = (H+CN)/(H+CN+M+F) (1.28) trong đó, CN là tổng số lần dự báo và thám sát d−ới một ng−ỡng đ−ợc chọn. 1.7.2. Số liệu sử dụng Với đối t−ợng đ−ợc chọn thử nghiệm dự báo là m−a trong các đợt m−a vừa, m−a lớn ở Việt Nam trong hai năm 2004, 2005, chúng tôi đã sử dụng số liệu GFS cách nhau 6h một từ mô hình toàn cầu AVN ứng với các đợt m−a ấy làm đầu vào (điều kiện ban đầu và điều kiện biên) cho mô hình MM5. Tổng số có khoảng 60 đợt m−a (theo Thông báo và Dự báo Khí hậu). Danh sách cụ thể về các đợt m−a đ−ợc trình bầy chi tiết trên bảng 1.2. Số liệu đ−ợc sử dụng để đánh giá chất l−ợng sản phẩm dự báo của mô hình MM5 là số liệu m−a 12h khai thác từ Trung tâm T− liệu KTTV thuộc Trung tâm KTTV Quốc gia của khoảng 168 trạm trên toàn lãnh thổ Việt Nam. 17 Bảng 1.2. Danh sách các đợt m−a vừa, m−a lớn ở Việt Nam trong năm 2004 TT Thời gian Địa điểm L−ợng m−a (mm) 1 15 - 19/3 Bắc Bộ và Bắc Trung Bộ Tổng l−ợng phổ biến 30 - 50mm. Vùng núi và trung du 50 - 80mm. Đặc biệt: Spa (204mm), SìnHồ (160mm), Lục Ngạn (157mm), Tiên Yên (146mm) 2 24 - 31/3 Bắc Bộ, Bắc Trung Bộvà Tây Nguyên Tổng l−ợng phổ biến: 35 - 65mm 3 1 - 3/5 Nam Trung Bộ, Tây Nguyên và Nam Bộ Tổng l−ợng phổ biến 20 - 30mm, một số nơi 30 - 50mm đặc biệt Đầu Tiếng (142mm) 4 4 - 5/5 Bắc Bộ và Khu 4 cũ Tổng l−ợng phổ biến 60 - 100mm, đặc biệt M−ờng Tè (210mm), Phú Thọ (248mm), Spa (165mm), Chí Linh (178mm), Hà Nội (134mm), Tĩnh Gia (180mm). 5 9 - 12/5 Nam Trung Bộ, Tây Nguyên và Nam Bộ Tổng l−ợng phổ biến 60 - 100mm, đặc biệt Bình Thuận (136mm), Thị xã KonTum (220mm), Đắc Nông (206mm) Bắc Bộ và Bắc Trung Bộ Tổng l−ợng phổ biến 150 - 200mm 6 13 - 19/5 Nam Trung Bộ và Đông Nam Bộ Tổng l−ợng phổ biến 50 - 100mm, đặc biệt Đồng nai, Tiền Giang, Tây Ninh, Tp HCM khoảng 200 -340mm 7 20 - 26/5 Điện Biên và Hà Nội M−a lớn kéo dài 8 1 - 6/6 Đồng Tháp Xảy ra m−a lớn đặc biệt vào đêm 5 sáng ngày 6 9 1 - 10/6 Lào Cai M−a lớn kéo dài 10 5 - 7/6 Bắc Bộ và Thanh Hoá Tổng l−ợng phổ biến: 30 - 50mm có nơi 50 - 100mm, một số nơi trên 100mm 11 7 - 9/6 Tây Nguyên và Nam Bộ Tổng l−ợng phổ biến ở Tây Nguyên và phía bắc Miền Đông Nam Bộ 120 - 180mm, Tây Nam Bộ 80 - 120mm 12 11 - 14/6 Miền Trung Tổng m−a toàn đợt tại Quảng Bình, Quảng Trị - Đà Nắng là 100 - 250mm; tại Huế, Quy Nhơn - Bình Định là 150 - 180mm, khu vực còn lại dới 100mm. Đặc biệt: Tổng l−ợng lớn nhất từ 19h/12 - 19h/13 tại Hơng Khê là 127mm, tại Kỳ Anh là 160mm và tại Hà Tĩnh là 251mm 13 17 - 22/6 Tây Nguyên và Nam Bộ Tổng l−ợng phổ biến: 50 - 100mm, đặc biệt ĐắcKMôt (127mm); PLayCu (236mm); Đắc Nông (192mm); Tà Lài (134mm) 18 TT Thời gian Địa điểm L−ợng m−a (mm) 14 18 - 21/7 Miền núi phía Bắc Tổng l−ợng phổ biến: 50 - 150mm, Có nơi Trên 200mm đặc biệt: Tuyên Quang (260mm), M−ờng Tè (362mm), Sìn Hồ (308mm), Quỳnh Nhai (254mm), Phủ Thông - Bắc Cạn (254mm), Thái Nguyên (242mm) 15 19 - 24/7 Đồng Bằng Bắc Bộ M−a lớn kéo dài 16 25 -28/7 M−a lớn 17 5 - 7/8 Lào Cai M−a lớn 18 10 - 20/8 Đắc Nông M−a lớn kéo dài 19 17 - 31/8 Điện Biên M−a lớn liên tiếp 20 27 -31/8 Bắc Bộ và Bắc Trung Bộ Tổng l−ợng phổ biến:70 - 100mm, đặc biệt Thanh Hoá, Đồng Bằng Bắc Bộ trên 100mm; Bạch long Vĩ (trên 600mm) 21 1 - 15/9 Sơn La M−a lớn, kéo dài 22 7 - 9/9 M−a lớn 23 9 - 13 M−a lớn, kéo dài 24 16 - 19/9 Ven biển Trung Trung Bộ và Nam Trung Bộ Tổng l−ợng phổ biến 70 - 100mm, Đặc biệt: Quảng Nam, Quảng Ngãi (100 - 200mm), một số nơi cao hơn nh− Sơn Giang (278mm), Đức Phổ (391mm) 25 23 - 24/9 Khu vực Lào Cai, Nghệ An M−a lớn 26 1 - 3/10 Huế, Đà Nẵng, Phú Yên Tổng l−ợng phổ biến: 110 - 160mm 27 1 - 7/10 M−a lớn, kéo dài 28 23 - 24/10 M−a lớn 29 27 -29/10 M−a lớn 30 13 - 16/11 Quảng Trị M−a lớn, kéo dài 31 15 - 18/11 Thừa Thiên Huế Tổng l−ợng phổ biến 100 đến trờn 200mm. 32 22 -27/11 Huế, Quảng Nam và Quảng Ngói mưa lớn kộo dài do ảnh hưởng của KKL kết hợp với hoàn lưu bóo số 4, 33 1 - 2/12 M−a lớn 19 Bảng 1.3. Danh sách các đợt m−a vừa, m−a lớn ở Việt Nam trong năm 2005 TT Thời gian Địa điểm L−ợng m−a (mm) 1 21- 24/3 Lào Cai, Cao Bằng L−ợng m−a phổ biến 26 - 60mm 2 8 - 9/6 Quảng Ninh M−a lớn 3 11 - 16/6 Xuân Hội (Cao Bằng) M−a lớn kéo dài 4 15 - 16/6 Điện Biên M−a lớn diện rộng xảy ra ở Điện Biên. L−ợng m−a trung bình 200 đến 260mm, có nơi nh− Thanh N−a l−ợng m−a lên đến 366mm. 5 1 - 3/7 Quảng Ninh M−a lớn 6 7 - 8/7 Hà Giang M−a lớn 7 8 - 14/7 M−a lớn kéo dài 8 11 - 12/7 Yên Bái M−a lớn 9 21 - 31/7 M−a lớn kéo dài 10 24 - 26/7 Hà Tĩnh M−a lớn 11 31/7 - 4/8 Quảng Ninh đến Thanh Hóa và Lào Cai M−a lớn kéo dài trên diện rộng 12 5 - 14/8 M−a lớn kéo dài 13 9 - 16/8 Kon Tum M−a lớn kéo dài 14 10 - 12/8 Bắc Bộ và Bắc Trung Bộ M−a lớn diện rộng 15 12 - 13/8 M−a lớn 16 22/8 Hà Nội M−a lớn kéo dài khoảng 3h kèm theo dông mạnh xảy ra ở Hà Nội và một số tỉnh thuộc Đồng Bằng Bắc Bộ, l−ợng m−a phổ biến 20 - 75mm, riêng khu vực Láng 115mm 17 29 - 31/8 Lào Cai M−a lớn 18 30 - 31/8 Các tỉnh ven biển Đồng Bằng Bắc Bộ, Bắc và Trung Trung Bộ L−ợng m−a phổ biến 100 đến 150mm. Các tỉnh từ Nghệ An đến Quảng Bình phổ biến 200 - 250mm, có nơi trên 300mm gây lũ lụt. 19 12 - 14/9 Các tỉnh ven biển Trung Bộ và Tây Nguyên M−a lớn diện rộng 20 18 - 19/9 Các tỉnh phí Đông Bắc Bộ, Bắc và Trung Trung Bộ M−a vừa, m−a to, có nơi m−a rất to 20 TT Thời gian Địa điểm L−ợng m−a (mm) 21 26 - 28/9 Bắc Bộ, Bắc và Trung Trung Bộ M−a lớn diện rộng 22 7 - 8/10 Quảng Bình đến Huế M−a lớn trong thời gian ngắn 23 19 - 24/10 Một số tỉnh miền Trung và Tây Nguyên M−a lớn kéo dài trên diện rộng 24 29/10 - 2/11 Các tỉnh từ Bình Định đến Thanh Hóa và các tỉnh phía Đông Bắc Bộ M−a to đến rất to 25 16 - 18/11 Các tỉnh từ QuảngTrị đến Bình Định M−a lớn do ảnh h−ởng của gió mùa đông bắc kết hợp với triều c−ờng 26 17 - 19/11 Thành phố Hồ Chí Minh M−a lớn 27 24 - 25/11 Bình Định M−a vừa, m−a to, có nơi m−a rất to 28 25 - 30/11 Nha Trang và một số địa ph−ơng thuộc tỉnh Khánh Hòa M−a lớn kéo dài 1.8. Tổng quan về tình hình dự báo m−a lớn trên thế giới và ở Việt Nam M−a lớn (bao gồm m−a lớn diện rộng, m−a với c−ờng độ lớn, m−a lớn trên các l−u vực nhỏ có độ dốc lớn,...) là một trong những hiện t−ợng thời tiết nguy hiểm, th−ờng gây ra những thiệt hại vô cùng to lớn về ng−ời và tài sản, ảnh h−ởng trực tiếp đến kinh tế - xã hội trong một phạm vi rộng. Tai biến thiên nhiên này diễn ra gần nh− trên mọi miền đất n−ớc, nó gây ra lũ lụt, ngập úng ở đồng bằng hay lũ quét ở vùng núi. Dự báo tốt m−a lớn là một bài toán rất phức tạp và nan giải nh−ng vô cùng quan trọng của ngành Khí t−ợng Thuỷ văn (KTTV) hiện nay mặc dù trên thực tế độ chính xác của các mô hình số đã tăng lên đáng kể trong một vài thập kỷ qua. M−a sinh ra do tác động phối hợp của hầu hết các yếu tố khí t−ợng biến động rất mạnh theo không gian và thời gian hơn tất cả mọi yếu tố khác. Rất nhiều các quá trình có thể dẫn đến m−a nh−: hội tụ ẩm qui mô lớn, đối l−u sâu, các quá trình gần bề mặt,... Các quá trình này cần đ−ợc biểu diễn trong các mô hình dự báo thời tiết số để có thể dự báo kịp thời và chính xác hơn l−ợng m−a và vùng có m−a. Dự báo chính xác m−a phụ thuộc tr−ớc hết vào dự báo chính xác chuyển động khí quyển và l−ợng ẩm. Chính vì vậy, dự báo tốt m−a trên một vùng lớn có nghĩa là dự báo tốt tất cả các biến khí t−ợng khác. Vì thế mà nhiều Trung tâm dự báo lớn sử dụng kỹ năng QPF làm số đo tiêu biểu của khả năng mô hình. Hiểu biết về bản chất của QPF không những giúp ích cho 21 ng−ời phát triển mô hình mà cả cho ng−ời sử dụng QPF hiểu đ−ợc khả năng của sản phẩm mô hình. M−a nhiệt đới là một thành phần không chỉ cho phối thời tiết và khí hậu nhiệt đới mà còn rất quan trọng đối với những vĩ độ cao hơn bởi lẽ ẩn nhiệt giải phóng kèm theo của m−a nhiệt đới điều khiển hoàn l−u Hadley để vận chuyển nhiệt từ nhiệt đới về hai cực. Tuy nhiên, sự phát sinh và phát triển m−a nhiệt đới rất phức tạp có tính địa ph−ơng cao và biến động mạnh. Bởi vậy, dự báo số ở nhiệt đới càng phức tạp hơn nhiều so với ngoại nhiệt đới. ở Liên Xô (cũ), dự báo l−ợng m−a đ−ợc đề cập đến trong nhiều công trình nghiên cứu kể cả trong các tài liệu giáo khoa hoặc “h−ớng dẫn dự báo thời tiết”. Tuy nhiên, do vị trí địa lý, khí hậu, m−a lớn hoặc cực lớn ít khi xuất hiện. Một số ít vùng do ảnh h−ởng của XTNĐ (vùng cực đông) hoặc địa hình (vùng cực tây và phía nam) trong thời kỳ mùa hè cũng có thể có m−a lớn. Có thể điểm qua một số công trình: - Dự báo thống kê giáng thuỷ mùa hè đối với s−ờn phía tây núi Caspát (Tôkarep – 1971). - Dự báo giáng thuỷ tháng (Bagrôp – 1966). - Tính toán giá trị cực đại c−ờng độ m−a rào trên lãnh thổ với bán kính 100 km (Livavôva – 1973). - Ph−ơng pháp dự báo l−ợng m−a 5 ngày ở vùng Baikan – Amua trong các tháng VII – VIII và kết quả thử nghiệm (Phêđulôva, Taraxenkô - 1977). - Ph−ơng pháp synôp – thuỷ động – thống kê dự báo l−ợng m−a 5 ngày và kết quả sơ bộ về độ chính xác trên lãnh thổ đông Xibêri và Viễn Đông (Taraxenkô, Makximôva – 1980). - Một số tính đặc biệt chế độ m−a và m−a rất mạnh ở vùng duyên hải Viễn Đông từ tháng XI đến tháng III (Pinsker – 1987). Ph−ơng pháp số trị đ−ợc phát triển từ rất sớm ở Liên Xô (cũ) và đã đạt đ−ợc những thành công đáng kể. Một trong những mô hình hoàn thiện nhất (với ý nghĩa tính đến các quá trình vật lý và nhân tố ảnh h−ởng) trong số các mô hình toàn cầu (GCM) là mô hình đ−ợc xây dựng bởi Cơ quan Khí t−ợng Thuỷ văn Liên Xô (cũ) d−ới sự chỉ đạo của Trôsnhikôp và Kurbatkin. Hệ ph−ơng trình nguyên thuỷ bao gồm các ph−ơng trình chuyển động, ph−ơng trình trạng thái, ph−ơng trình nhập nhiệt và vận chuyển ẩm đ−ợc xây dựng trên hệ toạ độ cầu (chiều thẳng đứng đ−ợc coi là khí áp). Mô hình có tính đến các quá trình vật lý cơ bản nh− bức xạ, t−ơng tác giữa khí quyển và lớp bề mặt lục địa, đại d−ơng; chuyển động rối, chu trình ẩm trong đất và lớp tuyết phủ,... Mô hình đ−ợc thử nghiệm và đ−a vào phục vụ công tác dự báo nghiệp vụ từ những năm 1970. Một số hạn chế của mô hình này là ch−a mô phỏng tốt đới gió đông ở vùng nhiệt đới và nhiệt độ tầng đối l−u ở vùng cực và nhiệt đới. Trong những năm gần đây, Đài Vật lý Địa cầu Trung −ơng thuộc Cơ quan Khí t−ợng Thuỷ văn Liên bang Nga và đơn vị trực thuộc của nó là GGI đã xây dựng thành công các mô hình số trị dự báo hiện t−ợng thời tiết nguy hiểm nh− m−a lớn ở vùng núi Caspát, giông lốc ở vùng thung lũng và thảo nguyên,... Các 22 mô hình số trị này đóng vai trò quan trọng trong công tác dự báo và cảnh báo các hiện t−ợng thời tiết nguy hiểm ở địa ph−ơng. Ngoài ra, hàng loạt nghiên cứu về ph−ơng pháp số trị và xây dựng mô hình dự báo thời tiết cho các n−ớc ở vùng vĩ độ thấp đã đ−ợc triển khai (thông qua các luận án tiến sĩ, tiến sĩ khoa học chuyên ngành địa lý và toán lý) bởi sự h−ớng dẫn, cố vấn của các chuyên gia thuộc Cơ quan Khí t−ợng Thuỷ văn Liên xô (cũ) và nay là Cơ quan Khí t−ợng Thuỷ văn Liên bang Nga, Tr−ờng Đại học Khí t−ợng Thuỷ văn Xanh Petebua, Tr−ờng đại học Khí t−ợng Thuỷ văn Ođetxa,... Hai ph−ơng pháp chính dự báo định l−ợng m−a theo không gian ở Anh đ−ợc sử dụng hiện nay là phân tích hồi qui bội và mô hình số trị. Đối với ph−ơng pháp thống kê, n−ớc Anh đ−ợc chia thành 10 khu vực và dự báo m−a đ−ợc thực hiện thông qua các dự báo về tr−ờng khí áp mặt biển. Dự báo m−a ở Nhật Bản đ−ợc thực hiện theo bốn h−ớng chính: ph−ơng pháp hồi qui bội, ph−ơng pháp t−ơng tự, ph−ơng pháp phân tích phổ/chu kỳ và đặc biệt là mô hình số trị. Sản phẩm dự báo của mô hình số trị đ−ợc cung cấp cho các n−ớc trong khu vực, trong đó có Việt Nam. Do ảnh h−ởng của gió mùa, l−ợng m−a năm tập trung chủ yếu ở Trung Quốc vào các tháng mùa hè cho nên dự báo m−a, m−a lớn thời kỳ tháng VI – VIII đ−ợc đặc biệt quan tâm. Ph−ơng pháp dự báo nghiệp vụ hiện nay đ−ợc xây dựng trên cơ sở toán thống kê hiện đại nh− hồi quy bội, phân tích thành phần chính,... Mô hình số trị đã và đang đ−ợc nghiên cứu thử nghiệm. Ph−ơng pháp dự báo số trị có quy mô toàn cầu và khu vực đ−ợc phát triển và ứng dụng mạnh mẽ trong dự báo thời tiết nói chung và dự báo m−a nói riêng ở Mỹ, úc, các n−ớc Châu Âu,... Hàng loạt mô hình khu vực đ−ợc xây dựng đ−ợc nh− RAMS, ETA, MM5, WRF, RSM (Mỹ), ALADIN (Pháp), CCM, DARLAM (úc), GME, HRM (Đức), ECMWF (Châu Âu),... Nh− trên đã nói, hầu hết các hiện t−ợng m−a lớn đều có nguồn gốc từ các quá trình vật lý qui mô vừa hay là hệ quả của sự t−ơng tác phức tạp giữa đối l−u và địa hình. Cả hai quá trình này rất nhạy bén với kích th−ớc ô l−ới theo ph−ơng ngang trong mô hình dự báo. Mô hình số trị phân giải cao có thể đáp ứng đ−ợc những yêu cầu đặt ra về thời gian cũng nh− sản phẩm dự báo m−a vừa, m−a lớn trên từng khu vực nhỏ. Cơ chế cơ bản của kỹ thuật mô hình hoá khu vực phân giả cao là: Các mô hình toàn cầu có khả năng thể hiện năng l−ợng qui mô lớn thông qua hoàn l−u qui mô lớn, còn mô hình khu vực phân giải cao (hay mô hình khu vực lồng vào l−ới của mô hình toàn cầu) lại có khả năng phản ánh những hiệu ứng địa ph−ơng biểu diễn năng l−ợng của những quá trình có qui mô d−ới l−ới. Kỹ thuật mô hình hoá lồng ghép này đã đ−ợc sử dụng rộng rãi trong dự báo thời tiết số. Mô hình khí t−ợng qui mô vừa khu vực hạn chế ETA (do Nam T− (cũ) và Trung tâm Khí t−ợng Quốc gia Mỹ xây dựng) đ−ợc NCEP (Mỹ) cải tiến trở thành một trong những mô hình dự báo nghiệp vụ ở Mỹ. Một số n−ớc trên thế giới cũng sử dụng mô hình ETA trong dự báo nghiệp vụ hoặc dự báo thử nghiệm nh− Nam T− (cũ), Hy Lạp, Rumany, Nam Phi, ấn Độ, ý,... 23 Mô hình thuỷ tĩnh HRM cho dự báo thời tiết khu vực hạn chế qui mô vừa với cập nhật tr−ờng số liệu ban đầu và điều kiện biên của mô hình toàn cầu GME (Đức) đang đ−ợc sử dụng trong dự báo nghiệp vụ hàng ngày tại một số Trung tâm dự báo ở Ai Cập, Bungari, Balan, Braxin, Rumany, Kenya,... Năm 1998, trong ch−ơng trình thực nghiệm gió mùa Biển Nam Hải (SCSMEX), mô hình MM5 đ−ợc ứng dụng để mô phỏng và nghiên cứu về các đợt m−a lớn diện rộng trên khu vực. Thời gian tích luỹ l−ợng m−a đ−ợc xác định là 12, 24 và 36h. Độ phân giải theo ph−ơng ngang ở miền tính nhỏ nhất là 15km. Kết quả nghiên cứu cho thấy mô hình này mô phỏng khá thành công 2 thời kỳ m−a lớn ở đây (5 – 25/5/1998 và 5 – 25/6/1998), kết quả mô phỏng m−a đ−ợc so sánh với l−ợng m−a thực tế của 7 trạm quan trắc ở Đài Loan và Biển Đông. Trong các nghiên cứu của mình, Simon Low-Nam và Christopher Davis (NCAR, Mỹ) đã cho thấy rằng mô hình MM5 có thể sử dụng tốt trong mô phỏng và dự đoán các đặc tr−ng của xoáy thuận nhiệt đới, đây là cơ sở quan trọng trong dự báo m−a lớn gây nên bởi xoáy thuận nhiệt đới ở những khu vực chịu ảnh h−ởng của nhiễu động khí quyển này. Các tác giả đã nghiên cứu tạo xoáy nhân tạo với thành phần đối xứng và cài vào mô hình MM5 trong những tr−ờng hợp trong miền tính có XTNĐ. ở Hồng Kông, Đài Loan, Hàn Quốc mô hình MM5 đ−ợc sử dụng nh− một công nghệ chính trong dự báo thời tiết hàng ngày. Độ phân giải theo ph−ơng ngang lên tới 1 - 2km. Một phiên bản của MM5 (MM5-V3) đã đ−ợc sử dụng trong mô phỏng các đợt m−a lớn ở Nam California (Mỹ) do ảnh h−ởng của El Nino 1997-1998 đ−ợc nhóm các nhà nghiên cứu Tr−ờng Đại học Tổng hợp California và Cục Khí t−ợng Quốc gia Los Angeles thực hiện. L−ợng m−a quan trắc đ−ợc trên các trạm thuộc Nam California đ−ợc sử dụng để đánh giá và kiểm nghiệm mô hình. Kết quả cho thấy, mô hình MM5 mô phỏng rất tốt phạm vi (vùng) m−a lớn. Tuy nhiên, l−ợng m−a dự báo đ−ợc th−ờng cao hơn so với l−ợng m−a thực tế. Thời kỳ 1984 – 1985 ở ECMWF đã có những cải tiến to lớn trong dự báo nghiệp vụ bằng mô hình toàn cầu cho các vùng nhiệt đới. ở đây đã đ−a vào tham số hoá đối l−u (TSHĐL) nông, biến đổi TSHĐL sâu, một sơ đồ mây mới và tăng độ phân giải ngang của mô hình. Kết quả cho thấy những cải tiến trong dự báo nhiệt đới thể hiện chủ yếu qua giảm sai số hệ thống phản ánh ràng buộc phi đoạn nhiệt ở nhiệt đới thực hơn. Trên qui mô toàn cầu, nghiên cứu của Tiedtke & CS (1988) đã đánh giá tác động của tổ hợp vật lý và tăng độ phân giải ngang đối với sai số hệ thống trong dự báo nghiệp vụ ở nhiệt đới của ECMWF. Các cải tiến nêu trên đã góp phần nâng cao hiệu quả trong dự báo m−a ở ECMWF Nhiều công trình nghiên cứu đã chứng minh, việc tăng độ phân giải ngang có tác động rõ rệt đến l−ợng m−a mô phỏng của mô hình số trị. Tuy nhiên, với điều kiện là độ phân giải ngang vẫn còn đủ thô để sử dụng sơ đồ TSHĐL. Tác động của quá trình tham số hóa thay đổi khi độ phân giải tăng lên có thể rất khó giải thích (Molinari và Dudek, 1986; Zhang và Fritsch, 1988; Molinari và Dudek, 1992). Zhang & CS (1984) cũng đã nhận thấy rằng, việc nghiên cứu quan hệ giữa m−a qui mô d−ới l−ới và qui mô l−ới có tác động đáng kể đến kết 24 quả mô phỏng. Hong và Pan (1998) cho thấy vị trí của m−a qui mô l−ới bị ảnh h−ởng nhiều bởi TSHĐL hơn là việc thay đổi ph−ơng pháp tính m−a qui mô l−ới. Mặt khác, thời gian kích hoạt của cả sơ đồ TSHĐL và sơ đồ ẩm hiện có tác động đáng kể đối với m−a mô phỏng (Grell, 1993) và có thể thay đổi các sơ đồ khác nhau. Mặt khác, những cải tiến trong thám sát và ph−ơng pháp đồng hóa để cải tiến tr−ờng ban đầu cho mô hình góp phần quan trọng trong việc nâng cao chất l−ợng dự báo. Nh− đã biết khí quuyển là một hệ thống hỗn loạn (Lorenz, 1963), vì thế những sai số nhỏ trong điều kiện ban đầu của một mô hình dự báo thời tiết số bất kỳ sẽ khuyếch đại theo thời gian dự báo với sai số RMSE cuối cùng sẽ trở nên bão hòa, có nghĩa là ph−ơng sai của sai số dự báo gần bằng hai lần ph−ơng sai của sai số khí hậu (Anthes, 1986). Tuy vậy, mỗi một vấn đề này là một bài toán khí t−ợng phức tạp, trong đó mô phỏng thành công hiện t−ợng m−a lớn có lẽ là bài toán khí t−ợng phức tạp, trong đó mô phỏng thành công hiện t−ợng m−a lớn có lẽ là bài toán khó nhất, bởi lẽ để giải quyết bài toán này tr−ớc hết cần có một mô hình số thích hợp về động lực học cũng nh− vật lý, trong đó quan trọng hơn đối với vùng nhiệt đới là một sơ đồ TSHĐL thích hợp. Vấn đề thứ hai lại đang là bài toán nan giải của khí t−ợng học trên qui mô toàn cầu vì cho đến nay con ng−ời hiểu biết về đối l−u nói chung, đối l−u nhiệt đới nói riêng vẫn còn nhiều hạn chế. Nghiên cứu dự báo m−a lớn diện rộng ở Việt Nam đã đ−ợc triển khai từ những năm 1960. Các công trình của Vũ Bội Kiếm về hoàn l−u gió mùa ở Đông á có đề cập đến thời tiết m−a ở Việt Nam. Đinh Văn Loan với công trình "Những hình thế thời tiết nửa năm mùa nóng" đã đề cập khá chi tiết về tình hình m−a lớn và những hình thế gây m−a lớn ở đồng bằng trung du Bắc Bộ. Lê Đình Quang đã đề cập đến "M−a lớn ở đồng bằng Bắc Bộ và phân loại hình thế synôp gây m−a lớn". Ngoài ra, trong nhiều số nội san Khí t−ợng năm 1970 đã đăng tải về m−a lớn do bão ở Bắc Việt Nam nói chung và ở đồng bằng Bắc Bộ nói riêng. Nguyễn Vũ Thi trong công trình "Thời tiết Việt Nam" cũng đề cập đến m−a và m−a lớn ở đồng bằng Bắc Bộ. Trong tập công trình nghiên cứu số 2 - Khí t−ợng Thuỷ văn 1978-1979, Nguyễn Văn Tuyên đã đề cập tới dự báo m−a rào mùa hè bằng ph−ơng pháp vật lý thống kê sử dụng các nhân tố dự báo: chỉ số hoàn l−u khí quyển và tr−ờng ẩm, quán tính của giáng thuỷ, nhân tố vật lý,... Nguyễn Ngọc Thục với bài báo đăng trong "Tổng kết công tác nghiên cứu dự báo và phục vụ dự báo KTTV" lần IV (1996 - Tập I) đã phân loại các dạng hình thế synôp gây m−a lớn thuộc các tỉnh Nghệ An – Thừa Thiên Huế: do XTNĐ đơn thuần; do XTNĐ đổ bộ kết hợp với không khí lạnh (KKL); do dải hội tụ nhiệt đới; do KKL hội tụ với tín phong hoặc tổ hợp các hình thế này. Trần Đình Bá với công trình "Sử dụng ảnh mây GMS khoanh vùng m−a lớn trong bão". Vũ Đình Hải đã nêu ra các các dạng hình thế gây m−a lớn ở Miền Trung ("Khoa học, công nghệ dự báo và phục vụ dự báo KTTV"- Hội nghị lần V (2000, Tập I). Hoàng Minh Hiền với báo cáo "Thử nghiệm sử dụng ảnh mây vệ tinh địa tĩnh GMS-5 trong đánh giá m−a" và Lê Văn Thảo với báo cáo "M−a lớn ở các 25 tỉnh Miền Trung do tác động KKL với nhiễu động sóng Đông trong đới gió đông cận nhiệt đới" cũng đã trình bày khá chi tiết tại Hội nghị lần này. Việc ứng dụng mô hình số trị trong dự báo thời tiết ở n−ớc ta tuy mới đ−ợc bắt đầu, nh−ng đã có b−ớc phát triển khá chắc chắn mang tính hiệu quả. Mô hình HRM đ−ợc sử dụng vào nghiệp vụ ở Trung tâm Dự báo Khí t−ợng Thủy văn Trung −ơng từ năm 2002. Các sản phẩm của mô hình rất phong phú và trong một chừng mực nhất định có thể đáp ứng đ−ợc các yêu cầu của dự báo m−a lớn phục vụ công tác dự báo lũ lụt ở Việt Nam. Tuy nhiên, theo nhận định mô hình này chỉ cho kết quả t−ơng đối tốt đối với hạn dự báo đến 24h (chỉ tr−ớc 1 ngày). Dự báo m−a bằng mô hình th−ờng khác với thực tế về l−ợng, phạm vi m−a gần sát với thực tế. Hiện nay, độ phân giải theo ph−ơng ngang của mô hình là 28km. Độ phân giải này có hạn chế nhất định trong việc dự báo l−ợng m−a cho khu vực nhỏ/l−u vực sông với địa hình phức tạp. Tiếp theo là sự thành công của đề tài “Nghiên cứu dự báo m−a lớn diện rộng bằng công nghệ hiện đại phục vụ phòng chống lũ lụt ở Việt Nam”, mã số ĐTĐL 2002/02 do TSKH. Kiều Thị Xin chủ nhiệm. Những kết quả khoa học chính đạt đ−ợc của đề tài này bao gồm: lựa chọn miền dự báo và nâng cao độ phân giả của mô hình HRM phù hợp với dự báo m−a lớn diện rộng ở Việt Nam; cải tiến một số phần tham số hóa vật lý trong mô hình nh− tham số hóa mây qui mô l−ới, tham số hóa mây đối l−u, khu vực hóa mô hình đất; cải tiến tr−ờng ban đầu và phát triển ph−ơng pháp đồng hóa số liệu 3DVAR cho mô hình HRM. Đề tài KHCN KC09-04 do GS.TS Trần Tân Tiến làm chủ nhiệm đã áp dụng mô hình RAMS từ Đại học Tổng hợp Colorado (Mỹ) và mô hình số trị phi thủy tĩnh Eta từ Đại học Tổng hợp Athens (Hy Lạp) vào “Xây dựng mô hình dự báo các tr−ờng Khí t−ợng Thủy văn trên Biển Đông”. Mô hình RAMS cho phép sử dụng nhiều l−ới lồng nhau do đó có khả năng mô tả ảnh h−ởng của các quá trình qui mô nhỏ. Các tác giả đã nghiên cứu sự phụ thuộc vào độ phân giải l−ới của hai sơ đồ TSHĐL là Kuo và Kain Fristch. Kết quả cho thấy sơ đồ Kuo phụ thuộc mạnh vào cấu hình l−ới hơn so với sơ đồ Kain Fristch, mô phỏng m−a của sơ đồ Kain Fristch cho kết quả phù hợp với thám sát hơn cả về vùng m−a. Mô hình RAMS có thể dự báo rất tốt các tr−ờng khí t−ợng cho khu vực Việt Nam, đặc biệt là l−ợng m−a, một trong những vấn đề khí khăn trong công tác nghiệp vụ tuy nhiên l−ợng m−a dự báo của mô hình vẫn thấp hơn thực tế. Mô hình ETA – 95 đã đ−ợc thử nghiệm ở Trung tâm Khí t−ợng Thuỷ văn Quốc gia từ năm 1998. Song vì đây là phiên bản thực nghiệm nên việc nghiên cứu nhằm đ−a mô hình vào công tác nghiệp vụ gặp nhiều khó khăn. Mặc dù đã chạy thông mô hình về mặt tin học, song còn gặp nhiều v−ớng mắc trong việc xử lý các sai sót ở cả 4 biên của miền dự báo và vấn đề chuẩn bị số liệu đầu vào cho mô hình. Phiên bản ETA – 2003 cũng đang đ−ợc chạy thử nghiệm ở Tr−ờng Đại học Khoa học Tự nhiên. Luận án Tiến sỹ của Đỗ Ngọc Thắng với đề tài “Nghiên cứu tham số hóa đối l−u sâu áp dụng vào mô hình dự báo thời tiết số trị Eta cho khu vực Đông Nam á”. Trong mô hình Eta, tác giả đã thử nghiệm hai sơ đồ đối l−u là BMJ và Kain Fritsch. Qua đánh giá kết quả về sự vận chuyển khối l−ợng, động l−ợng và 26 độ ẩm theo ph−ơng thẳng đứng của hai sơ đồ tác giả đã kết luận là sơ đồ Kain Fritsch có −u thế hơn so với sơ đồ BMJ và hiệu ứng của mây lên các quá trình thời tiết đ−ợc mô phỏng gần với thực tế hơn. Từ đó, tác giả đã lựa chọn sơ đồ Kain Fritsch để thực hiện một số thử nghiệm nh− biến đổi điều kiện xuất hiện đối l−u, biến đổi tham số cuốn hút trong mây, biến đổi hàm hiệu quả m−a và tham số điều khiển tỷ phần chuyển n−ớc ng−ng kết. Những thử nghiệm này đã cho kết quả dự báo tốt hơn so với sơ đồ Kain Fritsch nguyên bản (Đ.N. Thắng, 2005). Ngoài ra, hàng loạt ứng dụng ở Việt Nam đối với các mô hình WRF và MM5 đã đ−ợc thực hiện trong dự báo thời tiết nói chung và dự báo m−a nói riêng ở Viện Khoa học Khí t−ợng Thủy văn và Môi tr−ờng, Tr−ờng Đại học Khoa học Tự nhiên và Trung tâm Khí t−ợng Thủy văn Quốc gia. 27 Ch−ơng 2. nghiên cứu lựa chọn các sơ đồ tham số hóa vật lý của mô hình MM5 Một trong những nội dung chính của đề tài là lựa chọn các sơ đồ tham số hóa vật lý trong số các sơ đồ có sẵn của mô hình MM5 phù hợp với dự báo m−a ở Việt Nam. Để thực hiện nội dung này, chúng tôi đã lần l−ợt sử dụng các sơ đồ tham số hóa vật lý khác nhau cho mô hình MM5 nhằm dự báo các tr−ờng khí t−ợng tới hạn dự báo 48h. Kết quả đánh giá chất l−ợng sản phẩm dự báo m−a đ−ợc sử dụng để xây dựng tiêu chí lựa chọn các sơ đồ tham số hóa vật lý. Trong mục 2.1 sẽ giới thiệu sơ l−ợc về các sơ đồ tham số hóa vật lý đ−ợc lựa chọn sử dụng cho mô hình MM5 và kết quả đánh giá chất l−ợng sản phẩm báo m−a đối với các dợt m−a vừa, m−a lớn trong năm 2004, 2005 đ−ợc trình bày trong mục 2.2 . 2.1. Các sơ đồ tham số hóa vật lý của MM5 2.1.1. Tham số hóa đối l−u Hiện nay hầu hết các mô hình số trị, kể cả những mô hình khu vực độ phân giải cao cũng ch−a thể mô phỏng đ−ợc những ổ đối l−u riêng biệt và các quá trình vận chuyển ẩm tiếp theo, vì vậy tham số hoá đối l−u trong các mô hình có vai trò đặc biệt quan trọng. Một số sơ đồ tham số hoá đối l−u coi đối l−u ẩm phụ thuộc vào độ hội tụ ẩm mực thấp và đ−a tham số hoá bằng cách đ−a l−ợng ẩm vào mô hình nh− một bộ phận của tham số hoá. Ngoài ra ng−ời ta cũng nghiên cứu các đại l−ợng độ ẩm t−ơng đối và tốc độ giảm của nhiệt độ ở cuối mỗi b−ớc thời gian trong từng cột l−ới. Dựa vào tốc độ giảm nhiệt mà ng−ời ta điều chỉnh các yếu tố khác nhau. Nếu tốc độ giảm nhiệt là siêu đoạn nhiệt thì bằng cách bảo toàn năng l−ợng ng−ời ta điều chỉnh profile nhiệt độ về chế độ phiếm định tĩnh khô. Mục đích của tham số hoá đối l−u là dự báo đ−ợc l−ợng m−a sinh ra do đối l−u; tính toán đ−ợc các tác động của đối l−u đến các quá trình nhiệt động lực học nh− tính ổn định theo ph−ơng thẳng đứng, sự phân bố các tr−ờng ẩm, nhiệt, sự hình thành mây và các quá trình đốt nóng bề mặt, bức xạ, khí quyển,... Các sơ đồ tham số hoá ngày nay đang đ−ợc áp dụng và cũng đ−ợc áp dụng để đánh giá chất l−ợng dự báo m−a của MM5, đó là các sơ đồ tham số hoá đối l−u: Kuo, Grell, Betts-Miller. Đây cũng là 3 sơ đồ tham số hóa đối l−u tiêu biểu cho 3 nhóm sơ đồ đối l−u: thích ứng đối l−u, đối l−u xuyên thủng và sơ đồ dựa trên mô hình mây tích. • Sơ đồ Kuo Là sơ đồ tiêu biểu trong nhóm sơ đồ đ−ợc xây dựng trên khái niệm bất ổn định điều kiện loại 2, loại bất ổn định đ−ợc gây ra bởi ma sát và toả nhiệt ẩm ng−ng kết. Ưu điểm của các sơ đồ tham số hoá nhóm này là các quá trình đốt 28 nóng khí quyển do đối l−u mây tích đ−ợc giải thích rõ ràng. Tuy nhiên chúng lại bỏ qua các quá trình cuốn hút không khí vào mây. Sơ đồ tham số hoá đối l−u Kuo là một trong những sơ đồ đầu tiên đ−ợc sử dụng trong tham số hóa đối l−u Cumulus, có các ph−ơng trình nhiệt độ và tỷ số xáo trộn hơi n−ớc trong hệ toạ độ khí áp (x, y, p): (2.1) (2.2) trong đó, Fk và Fq - thông l−ợng xoáy thẳng đứng của hơi n−ớc và hiển nhiệt; L - ẩn nhiệt ng−ng kết của hơi n−ớc; Qr - tốc độ đốt nóng do bức xạ; π - hàm Exner; C - phần ng−ng kết của hơi n−ớc trừ đi phần bốc hơi. Các giả thiết của sơ đồ Kuo: - Đối l−u mây tích xuất hiện ở vùng có lớp bên d−ới phân tầng bất ổn định có điều kiện và và hội tụ ẩm; - Chuyển động đối l−u vận chuyển lớp không khí sát đất đến độ cao rất lớn. Trong quá trình đó không khí trong mây đi lên theo quá trình đoạn nhiệt giả; -Chân mây nằm ở mực ng−ng 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 tr−ờng. - Mây tích tồn tại một thời gian rất ngắn trong môi tr−ờng ở mực đó. Vì vậy nhiệtvà ẩm trong mây đ−ợc truyền môi tr−ờng. • Sơ đồ Grell Là sơ đồ tham số hoá đối l−u thuộc nhóm thứ 3, trong đó đặc tính của từng loại mây tích và vai trò của chúng trong quá trình trao đổi nhiệt ẩm đ−ợc xác định. Lần đầu tiên đ−ợc áp dụng trong mô hình MM5, là phiên bản mô hình mây một chiều của Arakawa-Schubert có tính đến dòng giáng. Giả thiết trong sơ đồ là chỉ có sự xáo trộn trực tiếp giữa không khí mây với môi tr−ờng ở đỉnh mây và chân mây và các thông l−ợng khối dòng thăng, dòng giáng không đổi theo độ cao: (2.3) trong đó, mb – thông l−ợng ẩm tại chân mây; mu: thông l−ợng khối dòng thăng; md: thông l−ợng khối dòng giáng. Dựa theo giả thiết tựa cân bằng Grell cho rằng sự thay đổi của năng l−ợng thế năng nổi do đối l−u sẽ bù lại sự thay đổi do các quá trình khác nh− các quá trình bình l−u, bức xạ, bề mặt, ... từ đó ta có hệ ph−ơng trình: p FQLC p v tdt d kr ∂ ∂ ππωθ∂ ∂θ∂ ∂θθ 1)()( −+=+•∇+= p F Cq p vq t q dt dq q ∂ ∂ω∂ ∂ ∂ ∂ −−=+•∇+= )()( mu(z) = mu (zb ) = mb md (z)= md (zb ) = m0 29 (2.4) (2.5) trong đó, ABE – năng l−ợng thế năng nổi, OTH biểu diễn sự biến đổi do đối l−u, đ−ợc chuẩn hoá d−ới dạng thông l−ợng khối do các quá trình khác nh− bình l−u, bức xạ,... Dựa theo các mối liên hệ của 3 ph−ơng trình nêu trên có thể tính đ−ợc giá trị mb. • Sơ đồ Betts-Miller Là sơ đồ thuộc nhóm thích ứng đối l−u, đ−ợc đ−a ra để mô tả trực tiếp trạng thái cân bằng trong đối l−u sâu. Trong các sơ đồ thuộc nhóm thích ứng đối l−u ở những nút l−ới có gradient của nhiệt độ và độ ẩm t−ơng đối v−ợt quá giá trị tới hạn nào đó thì chúng đ−ợc thay ngay bằng giá trị đó. Ng−ỡng tới hạn này đ−ợc chọn tuỳ thuộc vào từng sơ đồ tham số hoá. Ngoài ra trong các sơ đồ thích ứng đối l−u còn thừa nhận động năng của các xoáy quy mô nhỏ do đối l−u sinh ra đ−ợc chuyển hoá ngay thành nhiệt năng và toàn bộ hơi n−ớc rơi xuống thành m−a. Đối với không khí ch−a bão hoà thì xảy ra quá trình đối l−u khô. Sơ đồ Betts-Miller sử dụng sơ đồ đối l−u trễ thông th−ờng, ở đó có sự hiệu chỉnh cấu trúc các tr−ờng nhiệt, ẩm tới các profile quy chiếu chuẩn, phản ánh trạng thái tựa cân bằng do đối l−u sâu trong các quá trình bình l−u và bức xạ quy mô lớn. Cấu trúc nhiệt động lực cũng đ−ợc phân thành hai trạng thái: đối l−u nông và đối l−u sâu. Trong quá trình tham số hoá đối l−u việc đầu tiên là phải xác định quy mô thời gian hiệu chỉnh, xác định chân mây và đỉnh mây, xác định các profile quy chiếu đối với đối l−u nông và đối l−u sâu, sau đó các yếu tố lại đ−ợc xác định trong mô hình giáng thuỷ đ−ợc tham số hoá qua quá trình hiệu chỉnh: (2.6) Quá trình tích phân đ−ợc thực hiện từ các mực áp suất ở chân mây và đỉnh mây. Trong đó, q - độ ẩm riêng; Rq - độ ẩm xác định qua profile quy chiếu (là một hàm của độ cao); τ - quy mô thời gian Tr−ớc năm 1993 sơ đồ Betts-Miller không mấy quan tâm đến vai trò của các dòng giáng trong đối l−u trong khi dòng giáng hoàn toàn có thể sinh ra do quá trình ép buộc bảo toàn năng l−ợng gây ra sự giảm nhiệt độ ở lớp biên. Tuy nhiên sau năm 1993 thì sơ đồ Betts-Miller đã sử dụng profile dòng giáng không bão hoà quy chiếu (đ−ờng đẳng nhiệt và đ−ờng đẳng ẩm song song với đ−ờng đoạn nhiệt ẩm). dABE dt ⎛ ⎝ ⎜ ⎞ ⎠ ⎟ OTH = − dABE dt ⎛ ⎝ ⎜ ⎞ ⎠ ⎟ CU dABE dt ⎛ ⎝ ⎜ ⎞ ⎠ ⎟ CU ≡ mb dABE dt ⎛ ⎝ ⎜ ⎞ ⎠ ⎟ NCU g dpqqPR T B p p R∫ −= τ 30 2.1.2. Tham số hoá các quá trình vi mô trong mây Vật lý mây là một bộ phận của vật lý khí t−ợng và có thể xem nh− là khoa học về mây trong khí quyển. Các quá trình vật lý trong mây rất đa dạng và phức tạp, từ các tính chất quang học của mây đến tính chất hóa học của n−ớc m−a, từ các quá trình tạo băng trong mây đến sự ảnh h−ởng của mây đối với hoàn l−u chung khí quyển,... Để giải quyết đ−ợc tất cả các vấn đề của vật lý mây đòi hỏi một quá trình nghiên cứu lâu dài và phức tạp. Tuy nhiên, trong khuôn khổ của bài toán mô hình hoá dự báo thời tiết ta có thể chỉ cần nghiên cứu một đặc tr−ng cốt lõi của vật lý mây, đó là quá trình liên quan đến sự hình thành mây và m−a. Đây cũng là đối t−ợng nghiên cứu chính của khí t−ợng Ra đa, tác động tích cực đến các quá trình khí quyển, nghiên cứu cấu trúc bão,… Để hình thành mây, cần thiết phải có một l−ợng không khí đủ lớn có nhiệt độ d−ới điểm s−ơng. Trong khí quyển, quá trình làm lạnh th−ờng xảy ra khi không khí đi lên và bị giãn nở gần đúng đoạn nhiệt, ngoài ra còn có thể do quá trình làm lạnh bức xạ hoặc có sự xáo trộn giữa hai khối khí có nhiệt độ và độ ẩm khác nhau. Để hình thành m−a, thì các quá trình làm lạnh trên phải tiếp tục diễn ra cho đến khi đủ l−ợng hơi n−ớc tạo ng−ng kết. Thông th−ờng trong các mô hình số trị, giáng thủy quy mô lớn xảy ra khi độ ẩm t−ơng đối trên toàn bộ hộp l−ới lớn hơn so với giá trị giới hạn. Giá trị giới hạn này nhỏ hơn 100% và tiệm cận đến 100% khi độ phân giải theo ph−ơng ngang tăng. L−ợng ẩm v−ợt quá ng−ỡng sẽ ng−ng tụ lại và tiềm nhiệt thoát ra sẽ làm tăng nhiệt độ của hộp l−ới. Phần n−ớc ng−ng tụ sau đó đ−ợc thêm vào cho hộp l−ới thấp hơn. Nếu hộp l−ới này ch−a bão hòa thì phần n−ớc ng−ng tụ nhận đ−ợc sẽ bị bốc hơi cho tới khi độ ẩm trong hộp l−ới đạt tới một ng−ỡng nhất định. Phần n−ớc còn lại sau đó lại đ−ợc chuyển xuống hộp l−ới thấp hơn. Quá trình này diễn ra liên tục cho tới mặt đất. Vai trò chính của các sơ đồ vi vật lý mây trong mô hình số trị là: - Xử lý các quá trình mây và m−a quy mô l−ới; - Có thể tính toán đến pha băng và tạo hạt đá; - Tính toán xu thế nhiệt, các biến ẩm và m−a không phải do đối l−u; - Cung cấp các thông tin và tính chất của mây cho các sơ đồ bức xạ. • Sơ đồ Simple Ice Sơ đồ này có tính đến ảnh h−ởng của việc đóng băng. Có ba dạng n−ớc (hydrometeos) đ−ợc tính đến trong sơ đồ gồm: hơi n−ớc, n−ớc mây/băng và m−a/tuyết. Băng trong mây và n−ớc mây đ−ợc tính nh− là cùng một dạng và chúng đ−ợc phân biệt qua nhiệt độ, mây dạng băng chỉ có thể tồn tại khi mà nhiệt độ nhỏ hơn hay bằng nhiệt độ đóng băng, trong tr−ờng hợp ng−ợc lại thì chỉ có tồn tại n−ớc mây. Các điều kiện trên cũng giống đối với m−a và tuyết. Trong sơ đồ Simple Ice, cho phép tính đến quá trình tạo băng khi nhiệt độ d−ới 0oC, khi đó n−ớc mây đ−ợc xử lý nh− là băng mây, còn n−ớc m−a nh− là 31 tuyết (Dudhia 1989). Các ph−ơng trình mô tả xu thế tỷ số xáo trộn của hơi n−ớc, n−ớc mây (băng) và n−ớc m−a (tuyết) có dạng: ( ) vqIDIICONRE vnh vvvv DPPPPp DIVqqp y mvqp x muqpm t qp +−−−−+ +∂ ∂−⎥⎦ ⎤⎢⎣ ⎡ ∂ ∂+∂ ∂−=∂ ∂ • δσ σ,***2* // (2.7) ( ) cqCONRARCIIID cnh cccc DPPPPPp DIVqqp y mvqp x muqpm t qp ++−−++ +∂ ∂−⎥⎦ ⎤⎢⎣ ⎡ ∂ ∂+∂ ∂−=∂ ∂ • δσ σ,***2* // (2.8) ( ) rqRARCRE rf rnh rrrr DPPPp gqV DIVqqp y mvqp x muqpm t qp ++++∂ ∂− +∂ ∂−⎥⎦ ⎤⎢⎣ ⎡ ∂ ∂+∂ ∂−=∂ ∂ • σ ρ δσ σ,***2* // (2.9) trong đó: PCON là ng−ng kết (hay đóng băng ở nhiệt độ d−ới 00C) của hơi n−ớc thành mây (băng) khi n−ớc bão hòa; PRA là l−ợng mây tăng c−ờng từ m−a (hay băng tăng c−ờng từ tuyết); PRC là l−ợng mây chuyển thành m−a (băng thành tuyết) và PRE là l−ợng bốc hơi (thăng hoa) của m−a (tuyết). Trong sơ đồ có sử dụng giả thuyết của Marshall-Palmer [3] về sự phân bố kích cỡ hạt m−a, tuyết và tốc độ rơi của hạt xác định theo công thức V(D)=aDb, với D là đ−ờng kính hạt. Các tham số trong giả thiết của Marshall-Palmer đối với hạt m−a là N0=8x106m-4; a=841,99667; b=0,8 và đối với hạt tuyết là N0=2x107m- 4; a=11,2; b=0,41. Tham số chuyển đổi PRC từ mây thành m−a cho bởi: ( )[ ]0,max critcRC qqP −= (2.58) Còn từ băng thành tuyết bằng: ( )[ ]0,/max max tnMqP ccRC ∆−= (2.59) trong đó: k1=10 -3s-1; qcrit=0,5kg -1; Mmax=9.4x10 -10kg; nc đ−ợc tính theo công thức của Fletcher [3] đối với số nhân băng cô đọng (kg-1): ( )[ ] ρ/15.2736.0exp10 2 Tnc −= − (2.60) Tốc độ phát triển của mây từ m−a (băng từ tuyết) tính nh− sau: ( ) bcRA bENaqP + +Γ= 30 34 1 λπρ (2.62) trong đó, Γ là hàm gama, E bằng 1 đối với m−a, bằng 0,1 đối với tuyết và giá trị λ cho bởi công thức: 4/1 0 ⎟⎟⎠ ⎞ ⎜⎜⎝ ⎛= r w q qN ρ ρπλ Với ρw là mật độ trung bình của hạt m−a và tuyết (1000 và 100kgm-3 t−ơng ứng) 32 Bốc hơi của m−a và lắng đọng/thăng hoa của tuyết xác định: ( ) ( ) ⎥⎥⎦ ⎤ ⎢⎢⎣ ⎡ +Γ⎟⎟⎠ ⎞⎜⎜⎝ ⎛++ −= + 2/2/52/1 2/1 22 10 2/2/512 bcRE bSaff BA SN P λà ρ λ π (2.64) với các hệ số lựa chọn liên quan đối với m−a hoặc tuyết; S=Sw hoặc Si. A và B tính theo Lv, qsw đối với m−a hoặc Ls, qi đối với tuyết; f1, f2 bằng 0,78 và 0,32 đối với m−a; 0,65 và 0,44 đối với tuyết. Số hạng trong ngoặc vuông biểu diễn sự đóng góp tích phân của nhân tố lọc F=f1+f2Sc 1/3Re1/2, với Sc=à/ρχ, Re=V(D)Dρ/à là số Reynolds, à là hệ số nhớt động học của không khí. Phần ng−ng kết PCON đ−ợc xác định nh− sau: Tr−ớc hết ta dự báo các biến nhiệt độ, tỷ số xáo trộn hơi n−ớc và n−ớc mây với ký hiệu là T*, q*v, q*c, sau đó xác định: δM= q*v - q*vs trong đó q*vs là tỷ số xáo trộn bão hòa tại nhiệt độ T *. Các tr−ờng hợp xảy ra: - δM>0 (siêu bão hòa) thì: t MrPCON ∆= δ1 (2.65) trong đó: 2 21 1 1 • • + = TcR qL r pmv vsv - δM0 (bay hơi) thì: ⎥⎦ ⎤⎢⎣ ⎡ ∆∆−−= • t q t MrP cCON ,min 1 δ (2.66) - δM<0 và qc=0 thì: 0=CONP (2.67) Khi tuyết rơi qua mực có nhiệt độ là 0oC thì ngay lập tức tan thành n−ớc m−a. Quá trình này thể hiện theo công thức: p qgV P rfRM ∆−= ρ (2.68) L−ợng băng/tuyết đi xuống hoặc mây/m−a đi lên qua mực 0oC đều bị tan hoặc đóng băng và đ−ợc tính theo công thức: ( ) p qq P rcRM ∆ +−= ω (2.69) Giải phóng ẩn nhiệt kết cục sẽ là: ( ) ( )MFRMmCONIIIDRE PPLPPPPLQ +++++=& (2.70) trong đó, L=Lv khi T> 0 oC và L=Ls khi T< 0 oC, còn Lm= Ls -Lv 33 Tốc độ rơi chính là trọng l−ợng rơi và đ−ợc tính theo công thức: ( ) b f baV −+Γ= λ 6 4 (2.71) • Sơ đồ Mixed-phase Về cơ bản, sơ đồ Mixed-phase t−ơng tự nh− sơ đồ Simple Ice nêu trên, tuy nhiên, m−a và tuyết đ−ợc xem là hai dạng khác nhau. Trong sơ đồ có tính đến cả quá trình đóng băng. Quá trình tan băng và m−a đóng băng không xảy ra lập tức nh− sơ đồ Simple Ice. N−ớc có thể tồn tại ở dạng siêu lạnh d−ới 0oC, tuyết không tan ở trên 0oC. Có các mảng riêng biệt đ−ợc sử dụng để l−u trữ các biến hơi n−ớc, mây, m−a, băng mây và tuyết. N−ớc mây sẽ đông kết thành băng mây ngay lập tức khi T < -400C và băng mây cũng tan ngay khi T> 0oC, còn quá trình tan của tuyết tính theo công thức: ( ) ( )⎥⎥⎦ ⎤ ⎢⎢⎣ ⎡ +Γ⎟⎟⎠ ⎞⎜⎜⎝ ⎛+−−= + 2/2/53/1 2/1 22 1 0 0 2/2/52 bca f s SM bSaffTTK L NP λà ρ λ π (2.10) trong đó, f1=0,78; f2=0,31 và các thông số khác đã giới thiệu trong mục 2.4.2.1. Quá trình bốc hơi từ tuyết tan tính t−ơng tự nh− đối với sơ đồ Simple Ice với các giá trị A và B nh− tr−ờng hợp của m−a. Quá trình đông kết của n−ớc mây thành băng mây cũng có thể tính theo công thức của Bigg: ( )[ ]{ } cw c CI N qTTABP ρ ρ 2 0 '' 1exp −−= (2.11) trong đó, A’=0,66K-1; B’=100m-3s-1 và nồng độ hạt mây trong một đơn vị thể tích không khí Nc=10 10m-3. • Sơ đồ Warm Rain Sơ đồ Warm Rain hay còn đ−ợc gọi là sơ đồ Kessler có các quá trình vật lý giống nh− sơ đồ Simple Ice, tuy nhiên trong sơ đồ này chỉ tính đến ba dạng n−ớc trong mây là hơi n−ớc, n−ớc mây và m−a. Các quá trình vi vật lý trong sơ đồ bao gồm: l−ợng m−a, tốc độ m−a, bốc hơi của m−a, sự phát triển dần lên của n−ớc mây, sự tự động chuyển biến của n−ớc mây và hàm l−ợng n−ớc mây từ ng−ng kết. 2.1.3. Sơ đồ tham số hoá bức xạ Bức xạ khí quyển trong mô hình phân thành hai loại: bức xạ sóng dài và bức xạ sóng ngắn. • Sơ đồ bức xạ sóng dài 34 Quá trình hấp thụ sóng dài của hơi n−ớc, yếu tố đóng vai trò hấp thụ chủ yếu trong không khí sạch có đặc điểm phổ khá mạnh. Ph−ơng pháp sử dụng để xác định là ph−ơng pháp c−ờng độ phát xạ phổ thông th−ờng (xem tài liệu Stephens 1984). Sơ đồ này đòi hỏi phải tính lại hàm phát xạ ε, hàm này biểu diễn tần số tích phân phổ hấp thụ của hơi n−ớc, trọng l−ợng bằng một hàm đ−ờng bao phù hợp. Rodgers (1967) đã chỉ ra phát xạ đi và đến là hàm của hơi n−ớc, u, theo số hạng hiệu chỉnh nhiệt độ, trong đó u bao gồm nhân tố hiệu chỉnh áp suất p0.86. Theo Stephens (1978), l−ợng n−ớc mây xem nh− có hệ số hấp thụ không đổi và không có sự khác biệt nhiều giữa bức xạ tới và bức xạ đi. Hệ số hấp thụ t−ơng ứng là αcu=0,130m2g-1 và αcd=0,158m2g-1 . Để kết hợp với hệ số hấp thụ của hơi n−ớc, ta giả thiết sự truyền đa h−ớng do mây nh− là vật xám “grey bodies”. Khi đó, phát xạ thuần bằng: cvtot TT−=1ε (2.12) Tv = 1-εvapor (2.13) Tc = exp (-αcuc) (2.14) trong đó, uc là phần n−ớc mây. Nếu giả thiết các tính thể không phản bức xạ sóng dài và đủ dầy để có thể xem nh− vật đen, ta có thể −ớc tính hệ số hấp thụ nh− diện tích mặt cắt ngang. Chú ý đến sự định h−ớng ngẫu nhiên của các tinh thể băng và nhân tố tích phân bán cầu là 0,66, thì hệ số hấp thụ có giá trị αi=0,0735 m2g-1, hoặc bằng một nửa giá trị của n−ớc mây. Vì giá trị này phù hợp với quan trắc nên nó đ−ợc sử dụng trong mô hình. Đối với m−a và tuyết, việc xem xét đến kích cỡ của hạt là rất quan trong khi mặt cắt ngang không tỉ lệ với khối l−ợng hạt. Phổ kích cỡ hạt thay đổi theo c−ờng độ m−a còn hệ số hấp thụ biến đổi theo l−ợng m−a. Hệ số hấp thụ tính bằng: 12 4/1 3 0 2000 66.1 −⎟⎟⎠ ⎞ ⎜⎜⎝ ⎛= gmN r p ρ πα (2.15) trong đó, ρr mật độ hạt. Đối với các hằng số sử dụng trong sơ đồ ẩm hiện mô tả tr−ớc đây, thì hệ số hấp thụ có giá trị 2,34x10-3m2g-1 đối với tuyết và bằng 0,330x10-3m2g-1 đối với m−a. ảnh h−ởng thành phần của n−ớc trong lớp ∆z cho bởi: up = (ρqr)3/4 ∆z x 1000gm-2 (2.16) và hệ số đ−ờng truyền bằng: Tp = exp (αpup) (2.17) Việc tính đến Dioxde cabon thì phức tạp hơn vì nó không thể giả thiết là vật xám do hệ số hấp thụ của nó đ−ợc tập trung trong dải sóng hồng ngoại. Để tính nó, mô hình sử dụng ph−ơng pháp chồng chéo của Stephens (1984). Trong đó, phổ đ−ợc phân chia thành dải cacbon-dioxid và dải không có cacbon-dioxid. 35 Sau khi tính đ−ợc các profile của thông l−ợng Fu(z) vaFd(z), tốc độ đốt nóng bức xạ tính nh− sau: ( ) ( )ududpR FFpgFFzt TcQ −∂ ∂−=−∂ ∂=∂ ∂= ρ 1 (2.18) trong mô hình, các giá trị của F trên các mực chính sigma. • Sơ đồ bức xạ sóng ngắn Thành phần đi xuống của thông l−ợng bức xạ sóng ngắn đ−ợc đánh giá qua ba đại l−ợng: (1) ảnh h−ởng của góc thiên đỉnh mặt trời tới thành phần bức xạ đi xuống và độ dài đ−ờng truyền, (2) ảnh h−ởng của mây do phản xạ và hấp thụ, (3) quyển sáng trong đó không có tán xạ và hấp thụ hơi n−ớc. Ta có ph−ơng trình: ( ) ( )∫ +++−= top z ascsd dSdSdSdSSzS ca0à (2.19) trong đó, à là cosin của góc thiên đỉnh và S0 là hằng số mặt trời. Cũng nh− sơ đồ bức xạ sóng dài phần mây trong một l−ới có giá trị bằng 0 hoặc 1. Sự phản xạ trở lại của mây (hoặc albedo) và hấp thụ đ−ợc nội suy song tuyến tính từ hàm thống kê của à và ln(ω/à) (trong đó ω là tích phân thẳng đứng của phần n−ớc mây) theo lý thuyết của Stephens (1978) ảnh h−ởng tổng cộng của mây hoặc nhiều lớp mây ở độ cao z tìm thấy từ cách tính trên bằng phần trăm của thông l−ợng hấp thụ và phản xạ bức xạ mặt trời đi xuống. Tại độ cao z - ∆z, giá trị % tổng cộng mới đ−ợc tính toán từ bảng theo các giá trị của ∆z. Tuy nhiên, các giá trị % này chỉ áp dụng đối với àS0 - ∆S (quyển sáng), tức là ảnh h−ởng của quyển sáng bên trên độ cao z đ−ợc loại bỏ. Trong quyển sáng, phần hấp thụ của hơi n−ớc đ−ợc tính nh− là hàm của l−ợng hơi n−ớc theo góc thiên đỉnh mặt trời. Hàm hấp thụ này đ−ợc xây dựng theo lý thuyết của Lacis và Hansen (1974). Ph−ơng pháp này tích phân rất đơn giản và khác với sơ đồ đã mô tả ở trên. Phần tán xạ theo quyển sáng xem nh− là đồng nhất và có dạng hàm mũ của độ dài đ−ờng truyền và góc thiên đỉnh. Tốc độ đốt nóng sau đó đ−ợc tính nh− sau: abs p TT Sc longwaveRR ρ 1)( += (2.20) trong đó, Sabs là phần hấp thụ của Sd, khi chỉ có mây và hấp thụ của quyển sáng đóng góp vào đốt nóng bức xạ mặt trời. Thông l−ợng bức xạ mặt trời và nhìn thấy tại bề mặt đ−ợc tính toán theo sơ đồ bức xạ khí quyển, các thông l−ợng này sử dụng trong tích trử năng l−ợng bề mặt. Các lựa chọn sơ đồ tham số hoá bức xạ trong mô hình MM5 và đặc điểm của chúng bao gồm: 36 - None: Không tham số hoá bức xạ. - Simple Cooling: Tốc độ giảm nhiệt của khí quyển không chỉ phụ thuộc vào nhiệt độ, không có sự tác động của mây và chu trình ngày đêm. - Cloud - radiation scheme: Khi không đủ cơ sở để tính đến sự tác động của bức xạ sóng dài và sóng ngắn với bầu trời quang mây và có mây nh− xu thế của nhiệt độ không khí, đó là dòng bức xạ bề mặt. - CCM2 radiation scheme: Phù hợp với b−ớc l−ới rộng và có thể tính chính xác trong thời gian dài cho dòng bức xạ bề mặt. - RRTM Longwave scheme: Là sự phối hợp với sơ đồ bức xạ sóng ngắn của mây khi chọn IFRAD = 4. Đó là mô hình truyền nhanh bức xạ (rapit radiative transfer model) và dùng hệ số t−ơng quan k để biểu diễn ảnh h−ởng của phổ hấp thụ tính l−ợng hơi n−ớc, CO2, O3. 2.1.4. Tham số hoá lớp biên hành tinh Trên đất, nhiệt độ bề mặt Tg đ−ợc tính từ ph−ơng trình tích trữ (budget) năng l−ợng bề mặt, trên cơ sở ph−ơng pháp lực phản hồi của Blackadar (Zhang và Anthes 1982). Ph−ơng trình budget có dạng: svsmn g g ELHHRt T C −−−=∂ ∂ (2.21) trong đó, Cg là nhiệt dung riêng trên một đơn vị diện tích bề mặt, Rn là bức xạ thuần, Hm là dòng nhiệt đi vào lớp đất, Hs là thông l−ợng nhiệt hiển đ−a vào khí quyển, Lv là ẩn nhiệt bốc hơi, Es là thông l−ợng ẩm bề mặt. Năm 1979, Blackadar đã chỉ ra rằng nếu nhiệt độ của một thanh và nhiệt độ của lớp đất thực tế có cùng biên độ và pha sẽ có mối quan hệ sau đây: 2/1 2 95.0 ⎟⎠ ⎞⎜⎝ ⎛ Ω= s g C C λ (2.22) trong đó, Cs và λ là nhiệt dung riêng và hệ số dẫn nhiệt của lớp đất thực tế, Ω là tốc độ quay của trái đất. Nếu ký hiệu: χ= λ Cs (2.23) là quán tính nhiệt. Từ (2.90) và (2.91) ta có: Gg=3.293x10 6χ (2.24) trong đó, χ (cal cm-2K-1s-1/2, 1cal=4.18J) xác định trong mô hình nh− là hàm của tính chất đất. Bức xạ là một thành phần quan trọng trong tích trữ cân bằng năng l−ợng bề mặt: ísn IQR += (2.25) 37 trong đó, Qs và Is là độ rọi bức xạ thuần sóng ngắn và sóng dài tại bề mặt. Mô hình phân giải cao của Blackadar do Zhang và Anthes (1982) cải tiến đ−ợc sử dụng để dự báo xáo trộn thẳng đứng của các thành phần gió ngang (u và v), nhiệt độ thế vị (θ), tỉ số xáo trộn (qv), n−ớc mây (qc) và băng (qi). Thông l−ợng nhiệt và ẩm bề mặt đ−ợc tính theo lý thuyết t−ơng tự. Đầu tiên, ta tính vận tốc ma sát theo công thức sau: ⎟⎟ ⎟⎟ ⎠ ⎞ ⎜⎜ ⎜⎜ ⎝ ⎛ − = •• 0 0 , ln u z z kVMAXu m a ψ (2.26) trong đó, u*0 là giá trị nền (=0.1ms -1 trên đất liền và =0 trên mặt n−ớc). Thông l−ợng nhiệt bề mặt sau đó bằng: Hs=-Cpmρaku*T* (2.27) với: h a ga z zT ψ θθ − −=• 0 ln (2.28) trong đó, z0 là tham số gồ ghề, za là độ cao của mực mô hình thấp nhất, ψm và ψm là các tham số ổn định không thứ nguyên và là hàm của số Richardson động học sau đây: 2V gzR vgva a a iB θθ θ −= (2.29) chỉ số v chỉ thị cho nhiệt độ thế ảo. Sơ đồ Blackadar xét hai chế độ lớp biên khác nhau, chế độ ban đêm và chế độ đối l−u tự do. Ba tr−ờng hợp xét đầu tiên ở trên (ổn định, truyền rối cơ học và đối l−u c−ỡng bức) là thuộc chế độ ban đêm, với đặc tính là ổn định hay bất ổn định nhẹ. Sơ đồ khuếch tán thẳng đứng với phía trên lớp xáo trộn ph−ơng pháp K đ−ợc sử dụng để dự báo khuếch tán thẳng đứng của các biến dự báo, ví dụ nh−: z K z pF zV ∂ ∂ ∂ ∂= αα * (2.30) ở đây, khuếch tán rối Kz là hàm của số Richarson địa ph−ơng. Trong mô hình MM5 có các lựa chọn sơ đồ tham số hoá lớp biên hành tinh và một số đặc điểm của chúng nh− sau: - None: Không tham số hoá lớp biên. - Bulk PBL: Thích hợp với độ phân giải thô thẳng đứng trong lớp biên, chẳng hạn với kích th−ớc ô l−ới thẳng đứng > 250m. Có hai kiểu ổn định. 38 - High-Resolution Blackdar PBL: Thích hợp với độ phân giải cao của lớp biên, ví nh− 5 lớp thấp nhất, lớp bề mặt có độ dày < 100m, bốn chế độ ổn định, bao gồm lớp xáo trộn đối l−u tự do đ−ợc sử dụng phân tách b−ớc thời gian ổn định. - Bulk-Thompson PBL: Thích hợp đối với cả độ phân giải thô và độ phân giải cao của lớp biên. Động năng xoáy đ−ợc dùng đối với xáo trộn thẳng đứng, cơ bản là công thức Mellor - Yamada. - ETA PBL: Đó là sơ đồ của Mellor - Yamada dùng trong mô hình ETA dự báo sự xáo trộn thẳng đứng địa ph−ơng. - MRF PBL: Thích hợp đối với lớp biên hành tinh phân giải cao (nh− sơ đồ Blackada). Sơ đồ đ−ợc Troen - Mahrt biểu diễn bằng các số hạng gradien và profile nhiệt độ (K) trong lớp xáo trộn. - Gayno - Seaman PBL: Cơ bản giống sơ đồ Mellor - Yamada. Nh−ng khác biệt là dùng nhiệt độ thế vị n−ớc lỏng nh− là biến bảo toàn, đ−ợc tính chính xác trong điều kiện bão hoà. Hiệu quả của sơ đồ có thể so sánh đ−ợc với sơ đồ Blackada vì nó cũng phân tách b−ớc thời gian. 2.1.5. Tham số hoá các quá trình đất - bề mặt Mô hình MM5 có các lựa chọn sơ đồ đất sau: - None: Không dự báo nhiệt độ lớp đất bề mặt; - Force - Restone (Blackada) scheme: Dùng cho lớp mỏng đơn thuần ngay trên bề mặt và nhiệt độ của lớp đó; - Five - Layer Soil Model: Dự báo nhiệt độ của 5 lớp: 1, 2, 4, 8, 16m; - OSU/Eta-Suface Model: Mô hình lớp đất bề mặt có thể dự báo nhiệt độ và độ ẩm của 4 lớp: 10, 30, 60, 100 cm. 2.2. Kết quả dự báo m−a với các lựa chọn vật lý khác nhau Nhằm nghiên cứu lựa chọn sơ đồ tham số hoá đối l−u, sơ đồ tham số hoá vi vật lý mây, sơ đồ tham số hoá bức xạ, sơ đồ tham số hoá lớp biên hành tinh, sơ đồ tham số hoá các quá trình đất - bề mặt của MM5 phù hợp với đối t−ợng dự báo là m−a lớn ở Việt Nam và trên các khu vực nhỏ hơn, đối t−ợng đ−ợc chọn thử nghiệm là các đợt m−a vừa, m−a lớn ở Việt Nam trong hai năm 2004, 2005. Tổng số có khoảng 60 đợt m−a vừa, m−a lớn đ−ợc thử nghiệm dự báo với hạn dự báo đến 48h. Số liệu m−a 12h khai thác từ Trung tâm T− liệu KTTV thuộc Trung tâm KTTV Quốc gia của khoảng 170 trạm đ−ợc sử dụng để đánh giá chất l−ợng sản phẩm dự báo của mô hình MM5. Ngoài ra, các đánh giá đối với nhiệt độ và độ ẩm t−ơng đối cũng đ−ợc thực hiện. 2.2.1. Sơ đồ tham số hóa đối l−u Trong số các sơ đồ tham số hóa vật lý của mô hình số trị khu vực, có lẽ sơ đồ tham số hóa đối l−u có độ nhạy lớn nhất đối với dự báo m−a. Ví dụ trên hình 39 2.1 cho thấy m−a dự báo của mô hình MM5 t−ơng đối khác nhau ở cả hai miền tính khi sử dụng các sơ đồ tham số hóa đối l−u khác nhau. Sự khác biệt trong dự báo m−a thể hiện trong cả diện m−a và l−ợng m−a. Ba đối t−ợng đ−ợc quan tâm đánh giá nhằm lựa chọn sơ đồ tham số hóa đối l−u thích hợp là l−ợng m−a dự báo trong 24h đầu, trong 24h sau và trong 48h. Số liệu trong bảng 2.1 là các chỉ số RMSE, ME, MAE và hệ số t−ơng quan giữa l−ợng m−a thực tế và l−ợng m−a dự báo bằng mô hình MM5 với các sơ đồ tham số hóa đối l−u khác nhau: Kuo, Grell và Betts Miller. Trong cả 3 đối t−ợng l−ợng m−a so sánh thì mô hình MM5 với sơ đồ tham số hóa đối l−u Kuo cho kết quả khả quan nhất. Trong đó sơ đồ đối l−u Kuo và Betts Miller th−ờng dự báo m−a lớn hơn so với thực tế (ME có giá trị d−ơng) và sơ đồ đối l−u Grell dự báo l−ợng m−a nhỏ hơn so với thực tế (ME có giá trị âm). Hệ số t−ơng quan giữa l−ợng m−a thực tế và l−ợng m−a dự báo đạt 0,3-0,4 và là khá cao đối với một yếu tố có sự biến động t−ơng đối lớn nh− l−ợng m−a. Bảng 2.1. Các đặc tr−ng đánh giá chất l−ợng sản phẩm dự báo m−a với các sơ đồ tham số hóa đối l−u khác nhau L−ợng m−a trong 24h đầu L−ợng m−a trong 24h sau L−ợng m−a trong 48h Đặc tr−ng KUO GRELL BETTS MILLER KUO GRELL BETTS MILLER KUO GRELL BETTS MILLER RMSE (mm) 28.2 28.8 29.5 26.7 28.4 31.3 39.8 41.5 46.6 ME(mm) 2.5 -0.7 3.7 -0.3 -0.8 4.3 2.2 -1.5 8.0 MAE(mm) 13.6 13.3 15.3 12.2 12.6 15.7 20.8 21.3 26.1 R 0.37 0.28 0.33 0.24 0.23 0.30 0.43 0.36 0.40 Các chỉ số CSI và BIAS trong các bảng 2.2, bảng 2.3 và trong các Phụ lục 1, Phụ lục 2 cũng cho thấy sơ đồ tham số hóa đối l−u Kuo cho kết quả dự báo m−a hiệu quả hơn so với các sơ đồ tham số hoá Grell và Betts Miller. Diện m−a dự báo đ−ợc ở cả ba sơ đồ khá sát với thực tế đối với ng−ỡng m−a vừa (15mm/24h) cho cả 24h đầu và 24h sau. Lớn hơn ng−ỡng này chỉ số đánh giá CSI giảm nhanh đáng kể và chỉ còn khoảng 10% đối với ng−ỡng m−a 100mm/24h. Chỉ số BIAS cho thấy mô hình có xu h−ớng dự báo m−a v−ợt trội so với thực tế ở ng−ỡng l−ợng m−a nhỏ và hụt hơn thực tế đối với ng−ỡng l−ợng m−a lớn. Riêng sơ đồ tham số hoá Betts Miller có xu h−ớng dự báo m−a lớn hơn so với thực tế ở tất cả các ng−ỡng l−ợng m−a. Các chỉ số CSI đối với l−ợng m−a dự báo trong 24 sau nhỏ hơn so với các chỉ số t−ơng ứng trong dự báo m−a trong 24h sau (điều này là dĩ nhiên vì càng tăng hạn dự báo thì khả năng dự báo sai càng tăng lên), tuy nhiên có thể thấy sự chênh lệch giữa các chỉ số này là không lớn và có thể nhận định về kỹ năng dự báo m−a không mấy thay đổi với hạn dự báo d−ới 48h. 40 Thông qua các kết quả tính toán nêu trên, chúng tôi đã đi đến lựa chọn sơ đồ tham số hóa đối l−u Kuo cho mô hình MM5 nhằm áp dụng trong dự báo m−a ở Việt Nam. Bảng 2.2. Chỉ số đ