Đề tài Đánh giá sai số hệ thống dự báo mưa của mô hình hrm cho khu vực đông bắc bộ

tây của áp cao này thường xảy ra theo chu kỳ 3 ngày hay 5, 7 ngày tuỳ thuộc mức độ và thời kỳ hoạt động của nó. Song song với quá trình lấn về phía tây là quá trình trục áp cao cận nhiệt đới được nâng dần lên phía bắc. Áp cao cận nhiệt đới tăng cường và lấn về phía tây làm cản trở sự xâm nhập của các khối không khí lạnh phía bắc hoặc hạn chế sự phát triển 59 của áp thấp nóng Ấn - Miến . Quá trình mưa và dông xảy ra mãnh liệt nhất vào thời gian gần sáng và sáng trong thời kỳ áp cao cận nhiệt bắt đầu lấn mạnh về phía tây với độ cao địa thế vị tăng 2-3 dam . Cường độ mưa do hình thế synop này phụ thuộc nhiều vào độ dày và cường độ đới gió Đông-Nam và mức độ ẩm trên khu vực. Lớp gió Đông Nam phát triển mạnh nhất có thể lên độ cao đến 5000m. Quá trình mưa và dông di chuyển từ đông sang tây, xảy ra mạnh mẽ đối với các tỉnh phía đông Bắc Bộ và Thanh Hoá, rất ít khi xảy đối với khu vực phía tây dãy núi Hoàng Liên Sơn. Cần lưu ý rằng trong cùng thời kỳ nếu hoàn lưu Tây nam có nguồn gốc từ vịnh Ben Gan được duy trì hoặc dòng xiết trong đới gió tây hoạt động mạnh ở khu vực 20˚N-30˚N , 100˚E-110˚E tạo nên sự hội tụ gió ở khu vực Bắc Bộ thì quá trình mưa và dông sẽ có cường độ mạnh hơn, thời gian kéo dài hơn.  Hình thế rìa áp cao cận nhiệt đới tăng cường Hình 2.4 Hình thế rìa áp cao cận nhiệt đới tăng cường 60 Khi xem xét hình thế synop gây mưa và dông đối với miền Bắc do rìa áp cao cận nhiệt đới tăng cường cần lưu ý vị trí và hướng của trục áp cao cận nhiệt đới hay nói một cách khác xem xét điều kiện thuận lợi cho sự phát triển và duy trì đới tín phong Đông hoặc Đông Nam trên toàn bộ khu vực. Sự duy trì quá trình mưa và dông liên quan mật thiết bởi cường độ, độ dày cũng như quá trình hoạt động của đới gió nóng và ẩm này. Bởi vậy, quá trình mưa và dông do loại hình thế synop này chỉ kết thúc khi áp cao cận nhiệt đới lấn sâu về phía tây, Bắc Bộ và Thanh Hoá nằm sâu trong xoáy nghịch hoặc quá trình suy yếu nhanh chóng của áp cao cận nhiệt đới. Khi xem xét loại hình thế synop áp cao cận nhiệt đới cần lưu ý những nhiễu động trong đới gió đông dưới dạng sóng khí áp hoặc dưới dạng xoáy thuận cũng có thể làm gia tăng quá trình mưa và dông.  Rìa áp cao cận nhiệt đới tăng cường với sự hội tụ gió kinh hướng ở trên cao Hình 2.5 Rìa áp cao cận nhiệt đới tăng cường với sự hội tụ gió kinh hướng ở trên cao 61 Ngoài hình thế synop rìa phía tây áp cao cận nhiệt đới tăng cường với sự duy trì tín phong nêu trên cũng cần làm rõ quá trình ảnh hưởng và nguyên nhân động lực khác gây mưa rào và dông của loại hình thế synop này. Bởi lẽ điều kiện động lực và cơ chế hoàn lưu của rìa phía tây áp cao cận nhiệt đới phụ thuộc không chỉ cường độ mà còn phụ thuộc rất lớn do vị trí và dạng trục áp cao. Có thể chia làm hai loại: Một là vị trí trục áp cao cận nhiết đới ở vĩ độ từ 25˚N trở lên, có trục Đông-Tây hay Tây bắc- Đông nam với sự tác động của tín phong Đông hay Đông nam với đới gió tây có nguồn gốc từ vịnh Ben Gan; Hai là trục áp cao có vị trí dưới 15˚N, các tỉnh miền Bắc chịu tác động hội tụ của hoàn lưu gió Tây nam ở rìa Tây bắc áp cao cận nhiệt đới với gió Tây nam từ vịnh Ben Gan như đã nêu ở trên. Trong cả hai trường hợp này đã xuất hiện dòng hội tụ gió kinh hướng của hai đới gió có nguồn gốc khác nhau (chủ yếu theo chiều kinh tuyến) . Quá trình mưa và dông của loại hình thế này thường kéo dài và chỉ kết thúc khi quá trình hội tụ tan rã. Cường độ mưa ở các tỉnh miền Bắc suy giảm hoặc kết thúc khi cường độ áp cao cận nhiệt đới suy giảm hoăc thay đổi vị trí trục làm mức độ hội tụ yếu dần hoặc vị trí vùng hội tụ di chuyển sang vùng khác ra ngoài phạm vi miền Bắc nước ta 2.3.2.3 Xoáy thuận nhiệt đới Xoáy thuận nhiệt đới ảnh hưởng đến thời tiết nước ta nói chung, các tỉnh miền Bắc nói riêng có nhiều nguồn gốc khác nhau song thường do hai quá trình chủ yếu đó là những xoáy thuận nhiệt đới di chuyển từ nơi khác như vùng áp thấp, ATNĐ, bão và những xoáy thuận hình thành và phát triển ngay trên đất liền tồn tại dưới dạng vùng áp thấp. Tuỳ thuộc vào cường độ và mức độ phát triển mà độ cao tồn tại của xoáy thuận duy trì hoặc tồn tại ở mực nào của khí quyển. Đối với những xoáy thuận có cường độ đạt cấp bão rất ít khi xảy ra quá trình dông, nhưng quá trình tố, lốc lại hay xảy ra ở vành đai gió mạnh nơi mà đối lưu phát triển mạnh nhất. 62 Hình thế xoáy thuận nhiệt đới có thể tồn tại một hay nhiều đường đẳng áp đóng kín bao trùm trên một khu vực rộng lớn. Quá trình mưa, vùng mưa gắn chặt với cơ chế hoàn lưu trong khu vực tồn tại xoáy thuận. Xoáy thuận nhiệt đới gây mưa và dông đôi khi có sự kết hợp với các hệ thống synop khác như dải hội tụ nhiệt đới, áp cao lạnh, áp cao cận nhiệt đới song quá trình này chỉ xảy ra theo trình tự kế tiếp các hệ thống synop trong quá trình tương tác, thay thế lẫn nhau. Quá trình mưa kết thúc khi xoáy thuận di chuyển ra khỏi khu vực hoặc tan đi và được thay thế bởi một loại hình thế synop khác mà loại hình thế synop này không thuận lợi cho quá trình đối lưu phát triển. Căn cứ vào nguồn gốc, quá trình hình thành phát triển của XTNĐ mà có thể chia làm hai loại cụ thể hơn:  Hình thế synop do XTNĐ phát triển ở Bắc Bộ Hình 2.6 Hình thế synop do XTNĐ phát triển ở Bắc Bộ 63 Loại hình thế này do XTNĐ phát triển ở Bắc Bộ là chủ yếu. Quá trình mưa hoàn toàn phụ thuộc vào sự tồn tại và sự phát triển thẳng đứng của XTNĐ hay nói một cách khác phụ thuộc vào độ dày và phạm vi vùng hội tụ gió do xoáy thuận. Quá trình mưa suy giảm hoặc kết thúc cùng với sự suy yếu (đầy lên) hoặc sự di chuyển ra khỏi miền Bắc nước ta của XTNĐ.  Hình thế ATNĐ, bão Hình 2.7 Hình thế ATNĐ, bão Đây là loại hình thế synop gây mưa đặc trưng và rõ rệt nhất. Mưa thường bắt đầu và kéo dài cùng với sự ảnh hưởng của ATNĐ hay bão. Mưa do ATNĐ hoặc bão có tời gian kéo dài vài ngày với tổng lượng mưa cả đợt phổ biến có thể lên tới 400-500mm. Tuy nhiên quá trình mưa và tổng lượng mưa phụ thuộc vào hoàn lưu XTNĐ và tốc độ 64 di chuyển của nó. Quá trình mưa do ATNĐ, bão chỉ có thể kết thúc khi ở các tỉnh miền Bắc không còn tồn tại ATNĐ, bão hay vùng XTNĐ do chúng đầy lên. Cũng cần lưu ý khi ATNĐ, bão ảnh hưởng đến các tỉnh Trung Bộ do tác động của địa hình và sự tương tác với các hệ thống thời tiết khác mà quá trình mưa thường ác liệt hơn Bắc Bộ. 2.3.2.4 Dải hội tụ nhiệt đới Hình 2.8 Hình thế dải hội tụ nhiệt đới Như đã nói ở phần trên, đặc điểm hoạt động của dải hội tụ nhiệt đới đối với các khu vực tuỳ thuộc vào vị trí của nó. Đối với các tỉnh miền Bắc dải hội tụ nhiệt đới hoạt động vào thời kỳ cuối mùa hè thường bắt đầu cuối tháng VI đến đầu tháng IX. Hình thế synop dải hội tụ nhiệt đới liên qua chặt chẽ đến hoạt động của tín phong và gió mùa tây nam. Thông thường dải hội tụ nhiệt đới liên quan mật thiết với rãnh áp thấp có trục Tây 65 bắc-Đông nam có vị trí qua Bắc Bộ. Tiêu chí phân loại hình thế synop dải hội tụ nhiệt đới là dựa trên tín phong và gió mùa tây nam. Tuy nhiên khó có thể phân biệt ranh giới của rãnh áp thấp có trục Tây bắc-Đông nam và dải hội tụ nhiệt đới đặc biệt vào thời kỳ cuối của hoạt động gió mùa mùa hè. Mưa và dông do dải hội tụ nhiệt đới xảy ra mãnh liệt hơn khi chịu tác động bởi các hệ thống synop khác trong đó hoạt động của xoáy thuận nhiệt đới và tín phong đông nam là đáng kể nhất. Hoạt động của dải hội tụ nhiệt đới đơn thuần không có khả năng xảy ra tố lốc. Quá trình tố lốc chỉ có thể xuất hiện bởi sự kết hợp của hoạt động của xoáy thuận và tín phong mạnh. 2.3.2.5. Áp thấp nóng Ấn Miến bị nén (Rãnh áp thấp bị nén )  Rãnh áp thấp bị nén Hình 2.9 Rãnh áp thấp bị nén 66 Trong quá trình phát triển của áp thấp nóng đối với Bắc Bộ thời tiết xảy ra chủ yếu là quá trình nắng nóng hoặc đôi khi kèm theo dông nhiệt. Chỉ có tác động của các hệ thống synop khác như áp cao lạnh phía bắc, áp cao cận nhiệt đới hoặc những nhiễu động về mặt hoàn lưu ở những lớp trên cao của khí quyển gây sự hội tụ gió hay thúc đẩy sự phát triển của đối lưu cưỡng bức mới có thể gây mưa rào và dông hoăc đôi khi kèm theo tố lốc. Mô hình synop đặc trưng là loại hình thế synop áp thấp nóng Ấn Miến bị nén và tồn tại dưới hai dạng chủ yếu: Rãnh thấp có trục Đông- Tây và Tây bắc- Đông nam qua Bắc Bộ. Chỉ tiêu của loại hình thế synop này là sự tăng khí áp và độ ẩm.  Rãnh áp thấp bị nén với sự kết hợp của dòng xiết gió tây trên cao Trong quá trình phát triển của áp thấp nhiệt Ấn-Miến phụ thuộc hoàn toàn vào vị trí biểu kiến của mặt trời, có nghĩa phụ thuộc vào mùa. Tuy nhiên trong cùng thời kỳ áp thấp này có thể phát triển và tự suy yếu (đầy lên). Quá trình bị nén cưỡng bức thường làm vùng áp thấp biến dạng thành rãnh áp thấp. Đáng lưu ý là hai điều kiện nén cưỡng bức chủ yếu do áp cao lạnh và áp cao cận nhiệt đới. Tuy nhiên hệ thống synop ở tầng thấp khí quyển liên quan bởi các quá trình nhiễu động trên cao. Trong những mùa chuyển tiếp khi áp cao lạnh có cường độ chưa đủ mạnh để "lấp đầy" vùng áp thấp mà chỉ tạo nên quá trình nén cưỡng bức với đường đứt hoặc front lạnh yếu tồn tại khu vực Vân Nam Trung Quốc và rãnh áp thấp bị nén dịch dần xuống Bắc Bộ. Nếu ở lớp trên tầng đối lưu xuất hiện nhiễu động trong dòng xiết trong đới gió tây (rãnh gió tây) quá trình này làm gia tăng sự bất ổn định khí quyển và là nguyên nhân động lực gây mưa và dông đối với các tỉnh miền Bắc nói chung và Bắc Bộ nói riêng. 67 Năm loại hình thế synop mô phỏng trên là cơ sở khoa học và tiêu chí để phân loại hình thế synop gây mưa và dông đối với các tỉnh miền Bắc. Tuy nhiên hình thế synop chưa phải là điều kiện đầy đủ để hình thành quá trình mưa và dông mà nó chỉ là điều kiện cơ sở cần thiết. Để xem xét một cách đầy đủ hình thế synop đặc trưng quá trình mưa, dông cần thiết phải phân tích đánh giá các điều kiện khác về mặt hoàn lưu, điều kiện ẩm, điều kiện động nhiệt lực khác đặc biệt là sự hội tụ của các luồng không khí có bản chất khác nhau trong tầng đối lưu cũng như sự phát triển đối lưu sâu trong khu vực cần xem xét. Việc mô phỏng mô hình synop đặc trưng là cơ sở để phân tích, phân loại các hình thế synop và đánh giá đặc điểm synop của các quá trình gây mưa trong vòng 10 năm gần đây đối với các tỉnh miền Bắc nước ta. Dựa trên các tiêu chí hình thế synop được mô phỏng ở mục trên, chúng tôi tiến hành phân loại hình thế synop bao gồm 5 loại hình thế chính: áp cao lạnh (ACL), áp cao cận nhiệt đới (ACCNĐ), Xoáy thuận nhiệt đới (XTNĐ), dải hội tụ nhiệt đới (HTNĐ) và rãnh áp thấp bị nén (RTBN). Trong mỗi loại hình thế synop cơ bản đều kèm theo các hệ thống tương tác khác. 68 2. 4 Thống kê về các ngày có mưa lớn diện rộng và các hình thế gây ra mưa lớn diện rộng trong 3 năm 2005, 2006, 2007 khu vực Đông Bắc Bộ 1 2 3 4 5 6 7 8 9 1 0 1 1 1 2 1 3 1 4 1 5 1 6 1 7 1 8 1 9 2 0 2 1 2 2 2 3 2 4 2 5 2 6 2 7 2 8 2 9 3 0 3 1 6 + + + 7 + + + 8 + + + 9 + + + + 2005 10 1 2 3 4 5 6 7 8 9 1 0 1 1 1 2 1 3 1 4 1 5 1 6 1 7 1 8 1 9 2 0 2 1 2 2 2 3 2 4 2 5 2 6 2 7 2 8 2 9 3 0 3 1 6 + + 7 + + + + 8 + + + + + 9 + 2006 10 1 2 3 4 5 6 7 8 9 1 0 1 1 1 2 1 3 1 4 1 5 1 6 1 7 1 8 1 9 2 0 2 1 2 2 2 3 2 4 2 5 2 6 2 7 2 8 2 9 3 0 3 1 2007 6 + + 69 7 + + 8 9 + + + + + 10 + Bảng 2.3. Các ngày có mưa lớn diện rộng và các hình thế gây ra mưa lớn diện rộng trong 3 năm 2005, 2006, 2007 khu vực Đông Bắc Bộ 70 Theo quy định tổng kết các hiện tượng thời tiết nguy hiểm của Trung tâm dự báo khí tượng Thủy văn Trung Ương thì một khu vực có xảy ra mưa lớn diện rộng phải thỏa mãn những điều kiện sau: + Lượng mưa tích lũy đo được trong 24h > 16 mm + Mưa lớn xảy ra quá một nửa số trạm trong toàn bộ số trạm có quan trắc mưa thu thập được của khu vực đó. Dựa vào quy định trên, chúng tôi đã tiến hành thống kê và đưa ra được những ngày có mưa lớn diện rộng xảy ra ở khu vực Đông Bắc Bộ trong 3 năm 2005, 2006 và 2007 kết quả như ở bảng trên Theo tổng kết ở bảng trên, trong 3 năm 2005 – 2007 có tổng cộng tất cả 35 ngày có xảy ra mưa vừa, mưa lớn diện rộng. Ứng với các ngày đó, chúng tôi cũng đã tiến hành phân loại hình thế thời tiết gây mưa cho từng ngày 1 dựa vào 5 loại hình thế thời tiết đã nêu ra ở mục 2.2 đó là: 1): Áp cao lạnh (ACL); 2): Áp cao cận nhiệt đới (ACCNĐ); 3): Xoáy thuận nhiệt đới (XTNĐ); 4): Dải hội tụ nhiệt đới (ITCZ); 5): Rãnh thấp bị nén (RTBN), kết quả lần lượt như sau: 1. ACL: 1 ngày (chiếm 2,8%) 2. ACCNĐ: 5 ngày (chiếm 14,3%) 3. XTNĐ: 19 ngày (chiếm 54,3%) 4. ITCZ: 5 ngày (chiếm 14,3%) 5. RTBN: 5 ngày (chiếm 14,3%) Tuy nhiên, việc thống kê như ở trên cũng chỉ mang tính chất tương đối, vì trên thực tế có những ngày chỉ thiếu 1 vài trạm là đạt ngày có mưa lớn diện rộng, nhưng để theo quy chuẩn, chúng tôi ko tính những ngày đó. Kết quả thống kê trên đây sẽ là cơ sở 71 để so sánh với dự báo thực tế của mô hình HRM trong chương 3 sẽ được trình bày ở phần sau. Trên cơ sở số liệu và phương pháp được trình bày ở trên, việc tính toán, phân tích và biểu diễn kết quả đánh giá sẽ được trình bày trong chương 3. 72 CHƯƠNG 3 KẾT QUẢ TÍNH TOÁN VÀ PHÂN TÍCH DỰ BÁO MƯA MÔ HÌNH HRM Chương 3 tập trung đánh giá sai số hệ thống (Bias) theo không gian và thời gian của dự báo mưa mô hình HRM trong 3 năm 2005, 2006 và 2007 kết hợp với những chỉ tiêu đánh giá khác nhằm làm rõ hơn chất lượng dự báo mưa của mô hình HRM. Cuối cùng là việc đánh giá, so sánh khả năng dự báo mưa vừa, mưa lớn của mô hình HRM cho khu vực Đông Bắc Bộ trong một số hình thế gây mưa chính ở khu vực này. 3.1 Các kết quả tính toán Với bộ số liệu mưa dự báo 24h của mô hình HRM và bộ số liệu quan trắc thực tế tương ứng, chúng tôi đã tiến hành tính toán và phân tích trên bộ số liệu đó, kết quả thu được như dưới đây: - Các chỉ tiêu Bias, SD, MAE, RMSE trên biến liên tục đa cấp mưa - Phân bố độc lập mưa dự báo và quan trắc theo 10 cấp - Các chỉ tiêu ETS, P, HK, HSS trên biến rời rạc hai cấp mưa - Các chỉ tiêu BE/10, TS, PosP, PreP trên biến rời rạc đa cấp mưa - Các chỉ tiêu BE/10, TS, FAR, POD trên biến rời rạc 2 cấp mưa - Chỉ tiểu Bias thể hiện sai số theo không gian. - Phân bố mưa thực tế và mưa dự báo của mô hình HRM theo trung bình ngày. - Các trường hợp mưa lớn được xét riêng. 3.2 Phân tích chất lương sản phẩm dự báo Để đánh giá sai số hệ thống dự báo mưa của mô hình HRM, chúng tôi tập trung đi vào phân tích những thành phần sau: 73 - Sai số hệ thống, tính biến động của sai số dự báo theo không - thời gian. - Kỹ năng dự báo. - Chất lượng chung/mức chính xác dự báo chung; - Những trường hợp riêng 3.2.1 Phân tích sai số hệ thống Bias 3.2.1.1 Sai số hệ thống theo chỉ tiêu thống kê Sai số dự báo các yếu tố khí tượng của bất kỳ một hệ thống hay mô hình dự báo nào cũng được chia ra làm 2 thành phần là sai số hệ thống và sai số ngẫu nhiên. Cũng giống như các hệ quan trắc khí tượng, sai số hệ thống là sai số về nguyên tắc có thể hiệu chỉnh được, còn sai số ngẫu nhiên là sai số không thể hiệu chỉnh được. Vì vậy việc đánh giá chất lượng dự báo của mô hình trước tiên là phải xem xét sai số hệ thống. Với một phương pháp đánh giá xác định thì sai số hệ thống gây ra bởi các nhân tố đặc trưng của mô hình và chúng lặp đi lặp lại theo thời gian, đồng thời chúng có đặc điểm phân bố theo không gian và thời gian. - Để mở rộng khả năng phân tích sai số, đối với sai số hệ thống chúng tôi tính 3 chỉ tiêu Bias cho 3 loại biến: + Với biến liên tục ta tính sai số trung bình đại số giưa trị số mưa dự báo và trị số quan trắc, ký hiệu là 'BIAS'. Đây là sai số hệ thống đích thực của mô hình. 74 + Với biến rời rạc 10 cấp mưa và 2 cấp ta tính trung bình sai số hệ thống về số trường hợp dự báo so với số trường hợp thực tế, ký hiệu là BE. Nó ám chỉ sự sai khác về số trường hợp dự báo và số trường hợp thực tế, trong đó không tính đến số trường hợp dự báo đúng, vì thế nó chỉ có ý nghĩa tham khảo thêm cho phân tích sai số hệ thống, ngay cả khi BE=1. Trong các hình vẽ, màu vàng được ký hiệu là tháng 6, màu hồng là tháng 7, màu xanh lục là tháng 8, màu đỏ là tháng 9, màu xanh lam là tháng 10. Đường trung các tháng là đường màu xanh lục liền nét. Trục hoành thể hiện các cấp mưa được phân cấp, trục tung là trị số của các chỉ tiêu thống kê 2005 75 2006 2007 Hình 3.1 Chỉ tiêu BIAS trên biến liên tục: 2005, 2006, 2007 Từ hình vẽ phân bố chỉ tiêu Bias qua ba năm 2005 đến 2007, ta có thể dễ dàng thấy là: Trong tất cả các cấp mưa thì lượng mưa dự báo của mô hình HRM phần lớn đều cao hơn thực tế, chỉ có cấp mưa 1 (0 – 6.35 mm) BIAS <0 (điều này cũng chỉ xảy ra trong 3 tháng giữa mùa 7, 8 và 9), lượng mưa càng lớn (cấp mưa càng lớn) thì sai số cũng càng lớn. Chỉ số Bias không nhạy và không có nhiều hiệu quả với 2 tháng đầu và cuối mùa mưa là tháng 6 và tháng 10. Trong hai tháng đó, mưa mô hình dự báo có quy luật chung là luôn cao hơn mưa thực tế ở các cấp mưa và sai số đều tăng dần cùng với cấp mưa. Sai số lượng mưa dự báo trong 2 năm sau 2006, 2007 đã có sự cải thiện khá rõ nếu so với năm 2005 đặc biệt là trong các tháng 7, 8, 9 và từ cấp mưa có lượng nhỏ 76 hơn 50 mm trở lại. Từ cấp mưa với lượng nhỏ hơn 50 mm, thì lượng mưa trung bình tháng mô hình dự báo cao hơn thực tế chỉ khoảng 5 – 20 mm. Tháng 10 là tháng có sai số lớn nhất, Bias >0 và tăng dần, nghĩa là mô hình luôn dự báo mưa cao hơn thực tế. Trong 2 năm 2006 và 2007, ở cấp mưa với lượng mưa 50 – 60 mm của một số tháng, Bias nhỏ < 0 khá lớn, điều này là do trong những tháng đó, có một số trạm có lượng mưa đặc biệt lớn trong khi dự báo là nhỏ hơn khá nhiều. Để tham khảo thêm về sai số hệ thống, ta dẫn ra đường cong BE Trong các hình vẽ, màu vàng được ký hiệu là tháng 6, màu hồng là tháng 7, màu xanh lục là tháng 8, màu đỏ là tháng 9, màu xanh lam là tháng 10. Đường trung các tháng là đường màu xanh lục liền nét. Trục hoành thể hiện các cấp mưa được phân cấp, trục tung là trị số của các chỉ tiêu thống kê 2005 77 2006 2007 Hình 3.2 Chỉ tiêu BE trên biến rời rạc 10 cấp mưa , 2005, 2006, 2007 Từ chỉ tiêu BE được thể hiện bằng hình vẽ ta có thể thấy rằng trong năm 2005, 2 tháng đầu và cuối mùa: tháng 6 và tháng 10 BE khá lớn và > 1 (để dễ biểu diễn trên hình vẽ BE được chia cho 10, như vậy BE/10 = 0,1 tương ứng với BE=1) đối với cấp mưa 1 ở cấp mưa 1 và 2, các cấp mưa sau đó BE 7 thì BE tiến nhanh đến 0. Điều này cho ta thấy rằng những tháng đầu và cuối mùa mưa, kết quả dự báo của mô hình luôn vượt so với thực tế trong 6 cấp mưa đầu, những cấp mưa còn lại thì gần như không dự báo được. Trong 3 tháng còn lại, chất lượng dự báo khá tốt và ổn định, đặc biệt là ở các cấp mưa 2, 3 và 3. Cấp mưa càng lớn, kết quả dự báo càng giảm và không sát thực tế. Năm 2006, chất lượng dự báo được cải thiện rõ rệt, nhưng ở tháng 10 BE lại quá lớn, đặc biệt là trong ba cấp mưa đầu, các tháng còn lại kết quả khá ổn định. 78 Năm 2007 cho thấy BE ổn định, không còn những trường hợp đặc biệt như hai năm trước nhưng kết quả dự báo lại không tốt bằng hai năm trước do BE < 1 nhiều, điều này cho thấy rằng mô hình đã bỏ qua, không dự báo được một số đợt mưa kể cả những tháng giữa mùa mưa. Khi xem xét chỉ tiêu sai số tuyệt đối trung bình (MAE) có thể thấy rằng trong 3 – 4 cấp mưa đầu tiên, giá trị của MAE rất ổn định, ngoài ra đường thể hiện MAE giữa các tháng khá trùng khít nhau, từ cấp mưa 4 – 5 trở đi, MAE của các tháng đều có sự biến động và tăng mạnh. Các đường biểu diễn MAE của các tháng từ những cấp mưa này đều không gần sát nhau nữa, điều này cho thấy đối với các cấp mưa lớn, độ lớn trung bình của sai số có sự khác biệt rất rõ qua từng tháng. Ngoài ra để đánh giá độ tin cậy của mô hình, xem xét đồng thời hai chỉ số ME (sai số hệ thống) và MAE, ta thấy rằng chúng rất sát nhau. Điều này cho ta biết rằng có thể dùng chỉ số Bias để hiệu chỉnh sản phẩm dự báo một cách đáng tin cậy. Chỉ tiêu RMSE cũng hoàn toàn phù hợp với MAE và độ biến động SD (độ biến động SD được trình bày ở phần phụ lục). 79 MAE 2005 RMSE 2005 MAE 2006 RMSE 2006 80 MAE 2007 RMSE 2007 Hình 3.3 Các chỉ tiêu MAE và RMSE trong 3 năm 2005, 2006 và 2007 Đến đây có thể nói rằng sai số hệ thống của HRM khá ổn định và có quy luật rõ rệt (quan trọng ở tính quy luật, còn trị số lớn hay nhỏ không mấy quan trọng). Còn câu hỏi đặt ra là tại sao ở các cấp mưa lớn mưa HRM > mưa thực tế mà những ngày có mưa lớn cụ thể thì lại thấy mưa HRM < mưa thực tế? Điều đó không có gì trái với quy luật của sai số hệ thống và sẽ được đề cập đến trong phần "Phân tích những trường hợp riêng" ở dưới. 3.2.1.2 Sai số hệ thống phân bố theo không gian Khi nghiên cứu về sai số hệ thống ta phải xem xét cả phân bố của chúng theo không gian, vì nếu ta chỉ mới biết xu thế mô hình dự báo thiên cao hay thiên thấp so với mưa thực tế có nghĩa là ta chưa nói gì đến ảnh hưởng của cơ chế hoàn lưu và địa hình. Do đó ta chưa xác định được để hoàn thiện mô hình ta cần tác động vào đâu, đồng thời cũng chưa biết được việc hiệu chỉnh sản phẩm mô hình ta phải tác động vào 81 cái gì và như thế nào. Đặc biệt là để sử dụng thông minh kết quả mô hình, dự báo mưa cho những địa điểm cụ thể mà ta không biết phân bố sai số hệ thống theo không gian thì không thể thực hiện được. Để nắm được phân bố sai số hệ thống theo không gian, ta phải biểu diễn chúng trên bản đồ đẳng sai số cho từng cấp mưa trên từng khu vực. Trong các hình được trình bày như ở dưới đường đỏ (liền nét) là Bias >0 - ứng với trường hợp mưa mô hình dự báo cao hơn thực tế, đường xanh (chấm chấm) là Bias<0 - ứng với trường hợp mưa mô hình dự báo nhỏ hơn so với thực tế. Ta thấy sai số hệ thống có phân bố rành rọt, nói chung là mưa mô hình cao hơn mưa thực tế, chỉ một vài vùng nhỏ có Bias<0. 82 Hình 3.4 Các chỉ tiêu MAE và RMSE trong 3 năm 2005, 2006 và 2007 Do số lượng hình vẽ rất nhiều nên chúng tôi chỉ lấy một số hình vẽ phân bố sai số theo không gian 6 cấp mưa đầu của tháng 6/2005, những tháng sau đó sẽ chỉ trình bày phân tích, hình vẽ sẽ được lưu ở phần phụ lục. 83 Trong tháng 6/2005, đối với cấp mưa 1 ta dễ dàng nhận thấy có sự đan xen giữa các khu vực có Bias 0. Hai khu vực có Bias < 0 lớn nhất là Hà Giang và Quảng Ninh, nhưng đến các cấp mưa tiếp theo, từ cấp 2 đến cấp 4 thì khu vực Hà Giang là có Bias < 0, ngoài ra khu Tây Bắc cũng bắt đầu có Bias<0 từ cấp mưa thứ 2 trở đi. Các cấp mưa tiếp theo Bias luôn > 0. Tính theo trung bình tháng 6/2005 thì chỉ có Hà Giang là có Bias < 0 với chênh lệch lượng mưa dự báo thấp hơn so với thực tế khoảng 20 – 25 mm. Tháng 7/2005, khu vực có Bias < 0 nhiều nhất lại chủ yếu tập trung ở các tỉnh ven biển từ Hải Phòng đến Quảng Ninh, riêng Hà Giang chỉ có ở cấp mưa 3 và 6 là Bias 0. Tháng 8/ 2005, Bias < 0 vẫn duy trì ở các tỉnh ven biển và mở rộng ra phía đồng bằng ven biển và cũng chỉ xảy ra ở các cấp mưa nhỏ hơn cấp 5. Tháng 9/2005, khu vực có Bias < 0 tiếp tục mở rộng về phía nam đồng bằng, đặc biệt là các tỉnh ven biển Thái Bình, Nam Định ở các cấp mưa 2 và 3. Tháng 10/2005 Bias > 0 ở tất cả các cấp mưa. Đến tháng 6/2006, về cơ bản khu vực Hà Giang vẫn có Bias < 0 nhưng chỉ ở trong 3 cấp mưa đầu tiên. Đến tháng 7/2006, ở 3 cấp mưa đầu tiên khu vực Hà Giang vẫn có bias < 0. Từ cấp mưa 2 trở lên, khu vực ven biển, đặc biệt là khu vực Móng Cái (Quảng Ninh) Bias < 0. Sang cấp mưa 4, 5, Bias < 0 ở hầu hết các tỉnh vùng núi phía Bắc và vùng núi Đông Bắc. Từ cấp mưa 6 thì Bias > 0. Trong tháng 8/2006, khu vực các tỉnh ven biển Bắc Bộ tiếp tục có Bias âm, đồng thời đến cấp mưa 4 thì mở rộng ra toàn bộ khu vực đồng bằng. Sang tháng 9/2006, khu vực Hà Giang và nam đồng bằng có Bias < 0 ở cấp mưa bằng 3 trở lại. Tháng 10/2006 giống năm 2005, nghĩa là Bias luôn > 0 ở tất cả các cấp mưa. Năm 2007: Tháng 6 khu vực có Bias < 0 vẫn tập trung ở Hà Giang và khu vực vùng núi phía đông bắc (Móng Cái – Quảng Ninh) và xảy ra chủ yếu ở 3 cấp mưa đầu 84 tiên. Tháng 7 giống tháng 6 nhưng xảy ra đến cấp mưa thứ 5. Trong tháng 8, có hai cấp mưa 4 và 5 các khu vực Hà Giang và Đông Bắc (Cao Bằng, Quảng Ninh, Lạng Sơn) Có Bias âm khá lớn. Tháng 9 ngoài các khu vực như Hà Giang và Móng cái có Bias < 0, xu hướng Bias < 0 cũng mở rộng ra toàn bộ phía Đông Bắc Bộ và xảy ra ở cấp mưa bằng 4 trở lại. Tháng 10 Bias < 0 chủ yếu ở một vài khu vực nhỏ ở phía nam đồng bằng và xảy ra ở hai cấp mưa đầu tiên, từ các cấp mưa về sau, Bias > 0. Như vậy, sau khi xem xét về sai số theo không gian ( cụ thể ở đây là các đường đẳng sai Bias) chúng ta có thể dễ dàng thấy là sai số hệ thống xảy ra có tính quy luật: - Trong tất cả các cấp mưa, Bias < 0 chỉ ở mưa cấp 5, cấp 6 trở lại, còn từ cấp 6 trở lên Bias luôn > 0. - Khu vực Hà Giang và Móng Cái, Quảng Ninh là hai nơi có tần suất Bias < 0 nhiều nhất, tiếp theo đó là khu vực đồng bằng ven biển và vùng núi phía Bắc. - Theo tháng, trong tháng đầu tiên Bias < 0 chủ yếu ở Hà Giang và Móng Cái, sau đó trong tháng 7, 8 và 9 khu vực có Bias < 0 mở rộng lần lượt dần ra phía các tỉnh ven biển và trong tháng 8, 9 thì mở rộng ra ở khu vực nam đồng bằng. Đến tháng 10 thì Bias luôn > 0. 3.2.2 Về những chỉ tiêu thống kê khác 3.2.2.1 Về chỉ tiêu TS a) Chỉ tiêu TS đa cấp Chỉ tiêu TS biểu thị độ chính xác dự báo trong từng cấp mưa, thường được gọi là độ chính xác tương đối (relative accuracy). Chỉ số TS xác định sự phù hợp giữa vùng mưa dự báo và vùng mưa quan trắc. Khi TS=1 có nghĩa dự báo mưa là hoàn hảo, vùng 85 mưa dự báo trùng với vùng mưa quan trắc. Đặc tính của chỉ số này là nó rất nhạy với các dự báo sự xuất hiện mưa đúng, nhưng nó không quan tâm tới các trường hợp không dự báo được sự xuất hiện của hiện tượng và số lần dự báo sai. Chỉ số này không nói lên nguồn gốc của sai số dự báo. Trong các mùa khác nhau, chỉ số này bị ảnh hưởng bởi tần suất khí hậu của hiện tượng. Hình dưới cho ta thấy ở mưa cấp 1 là cấp có tần suất mưa lớn nhất thì TS cũng lớn nhất, còn ở các cấp mưa có tần suất nhỏ thì TS cũng thường nhỏ. Trong các hình vẽ, màu vàng được ký hiệu là tháng 6, màu hồng là tháng 7, màu xanh lục là tháng 8, màu đỏ là tháng 9, màu xanh lam là tháng 10. Đường trung các tháng là đường màu xanh lục liền nét. Trục hoành thể hiện các cấp mưa được phân cấp, trục tung là trị số của các chỉ tiêu thống kê 2005 86 2006 2007 Hình 3.5 Chỉ tiêu TS cho 10 cấp mưa ba năm 2005, 2006 và 2007 b) Chỉ tiêu TS của các cấp mưa phân đôi Hình dưới là chỉ tiêu TS của các cấp mưa phân đôi (hai cấp liên tiếp). Ta thấy với cách phân đôi này mức chính xác tương đối được cải thiện đáng kể. Một lần nữa ta lại thấy đường cong TS của tháng 10 cứ như bị tách ra khỏi tập hợp. Điều này gợi cho ta suy nghĩ là tháng 10 là tháng chuyển tiếp giữa mùa mưa và mùa khô, do đó TS của tháng 10 thường bị dị thường như vậy. 87 Trong các hình vẽ, màu vàng được ký hiệu là tháng 6, màu hồng là tháng 7, màu xanh lục là tháng 8, màu đỏ là tháng 9, màu xanh lam là tháng 10. Đường trung các tháng là đường màu xanh lục liền nét. Trục hoành thể hiện các cấp mưa được phân cấp, trục tung là trị số của các chỉ tiêu thống kê 2005 2006 2007 Hình 3. 6 Chỉ tiêu TS với cấp mưa phân đôi 2005, 2006, 2007 3.2.2.2 Về chỉ tiêu độ chính xác dự báo P% 88 Để xem xét độ chính xác dự báo của mô hình, ngoài độ chính xác tương đối TS ra, chúng tôi còn tính các chỉ tiêu cho 10 cấp mưa gồm PosP, PreP, và P% cho toàn bộ các cấp mưa dự báo (được xem như chất lượng dự báo của mô hình/hệ thống dự báo). Đối với các cấp mưa phân đôi (2 cấp) các chỉ tiêu đã tính gồm FAR, POD, HK, HSS và P%. Khi xét đến toàn bộ các cấp mưa dự báo, đầu tiên ta xem xét chỉ số “xác suất hậu nghiệm” - POSP, xác suất hậu nghiệm cho chúng ta cái nhìn tổng quan về chất lượng dự báo đúng/sai của mô hình, với khoảng giá trị từ 0 – 1, xác suất hậu nghiệm tốt nhất khi có giá trị bằng 1. Trong các hình vẽ, màu vàng được ký hiệu là tháng 6, màu hồng là tháng 7, màu xanh lục là tháng 8, màu đỏ là tháng 9, màu xanh lam là tháng 10. Đường trung các tháng là đường màu xanh lục liền nét. Trục hoành thể hiện các cấp mưa được phân cấp, trục tung là trị số của các chỉ tiêu thống kê 2005 89 2006 2007 Hình 3.7 Xác suất hậu nghiệm – POSP cho toàn bộ 10 cấp mưa ba năm 2005, 2006 và 2007 Từ các hình vẽ biểu diễn giá trị Posp qua ba năm 2005, 2006 và 2007 ta thấy rằng chỉ ở cấp mưa đầu tiên Posp có giá trị tốt, đến cấp mưa thứ 2 Posp đã có sự giảm đột ngột trong cả 3 năm đánh giá, và từ cấp mưa thứ 2 trở đi, giá trị trung bình của Posp đều nhỏ hơn 0.1. Nếu xét riêng cho từng năm thì thấy là trong năm 2005, ở tất cả các tháng Posp khá ổn định, tháng 6 và tháng 10 có Posp thấp nhất và chúng = 0 từ cấp mưa thứ 5 trở đi. Năm 2006 Posp có sự trồi sụt ổn định, cứ một cấp mưa Posp = 0 thì ở cấp mưa sau Posp = 0.1, tuy nhiên năm 2006 cũng là năm có Posp kém nhất khi Posp chỉ cho giá trị đến cấp mưa thứ 7. Sang năm 2007, tuy Posp vẫn có giá trị thấp nhưng vẫn có giá trị tham khảo trên toàn bộ 10 cấp mưa, đặc biệt trong tháng 10 từ cấp mưa 6 trở lại, Posp cho giá trị khá tốt so với 2 năm trước đó. 90 Xác suất nhận biết PreP cho chúng ta thấy được khả năng mà mô hình có thể nhận biết/ dự báo được khả năng xuất hiện một hiện tượng thời tiết nào đó hay không, PreP cũng có giá trị trong khoảng (0 – 1), giá trị hoàn hảo của PreP = 1 xảy ra khi mô hình dự báo được tất cả những hiện tượng xảy ra. Trong các hình vẽ, màu vàng được ký hiệu là tháng 6, màu hồng là tháng 7, màu xanh lục là tháng 8, màu đỏ là tháng 9, màu xanh lam là tháng 10. Đường trung các tháng là đường màu xanh lục liền nét. Trục hoành thể hiện các cấp mưa được phân cấp, trục tung là trị số của các chỉ tiêu thống kê 2005 91 2006 2007 Hình 3.8 Xác suất nhận biết - PreP cho toàn bộ 10 cấp mưa ba năm 2005, 2006 và 2007 Nhìn vào hình vẽ biểu thị các giá trị của PreP qua các năm cũng dễ dàng thấy được rằng mô hình có khả năng nhận biết khá tốt đối với những cấp mưa nhỏ (3 cấp mưa đầu), cấp mưa càng nhỏ thì mô hình nhận biết càng tốt, càng cấp mưa lớn PreP càng nhỏ hay nói cách khác khả năng nhận biết các đợt mưa lớn của mô hình còn gặp nhiều hạn chế. Khi xét đến chỉ tiêu FAR, ta dễ dàng thấy là đối với chỉ tiêu FAR, phần trăm “báo động sai” là khá lớn. Trong năm 2005, tháng 7 và tháng 9 FAR xấp xỉ 0.6 – 0.7, còn tháng 8 FAR xấp xỉ 0.8 – 0.9; tháng 10 FAR > 0.9 và đến cấp mưa thứ 3 trở đi thì FAR không còn giá trị tham khảo nữa. Năm 2006, tháng 7, 8 và 9 có FAR khá ổn định từ cấp mưa 60 mm trở lên, FAR tăng khá nhanh; riêng 2 tháng 6 và tháng 10 FAR khá cao, tuy nhiên tháng 10 FAR còn có giá trị tham khảo 92 đến tận cấp mưa bằng 5. Năm 2007, chỉ còn tháng 7 và tháng 9 là là có FAR ổn định, tháng 8 FAR lại khá cao, điều đáng chú ý ở đây là hai tháng 6 và 10, FAR đã cải thiện rõ rệt và không còn tình trạng “no skill – vô kỹ năng” nữa. Tóm lại khi xét đến chỉ tiêu FAR ta có thể thấy được những vấn đề sau: Chỉ số FAR trong tất cả các tháng và ở tất cả các cấp mưa đều có giá trị khá lớn, điều này cho thấy là phần trăm “báo động sai” là khá nhiều. Tháng 7 và tháng 9 có FAR ổn định nhất và chất lượng nhất so với các tháng còn lại, tháng 6 và tháng 10 có FAR rất cao. Càng về sau, chất lượng dự báo ở tháng 6 và tháng 10 càng tăng lên, chỉ số FAR tháng 10 năm 2007 được cải thiện khá nhiều và không còn xảy ra tình trạng “no skill – vô kỹ năng” như trong năm 2005 nữa. Từ đó ta thấy rằng mô hình HRM liên tục được cải tiến và đem lại những hiệu quả rõ rệt. Trong các hình vẽ, màu vàng được ký hiệu là tháng 6, màu hồng là tháng 7, màu xanh lục là tháng 8, màu đỏ là tháng 9, màu xanh lam là tháng 10. Đường trung các tháng là đường màu xanh lục liền nét. Trục hoành thể hiện các cấp mưa được phân cấp, trục tung là trị số của các chỉ tiêu thống kê 2005 93 2006 2007 Hình 3.9 Chỉ tiêu FAR cho các cấp mưa phân đôi 2005, 2006, 2007 Đối với chỉ tiêu POD, chỉ tiêu POD càng ở những cấp mưa nhỏ thì càng tốt, xác suất dự báo đúng càng cao, ở những cấp mưa lớn, POD giảm mạnh và tiến dần về “no skill – vô kỹ năng” ở cấp mưa 10 trở đi. Tháng 7 và tháng 9 POD khá ổn định và ít biến đổi, tháng 8 POD không ổn định, Tháng 6 và tháng 10 POD nhỏ nhất, tuy nhiên tháng 10 tình trạng vô kỹ năng của POD được cải thiện dần từ năm 2005 cho đến năm 2007. 94 Trong các hình vẽ, màu vàng được ký hiệu là tháng 6, màu hồng là tháng 7, màu xanh lục là tháng 8, màu đỏ là tháng 9, màu xanh lam là tháng 10. Đường trung các tháng là đường màu xanh lục liền nét. Trục hoành thể hiện các cấp mưa được phân cấp, trục tung là trị số của các chỉ tiêu thống kê 2005 2006 2007 Hình 3.10 Chỉ tiêu POP cho các cấp mưa phân đôi 2005, 2006, 2007 95 Khi xét chỉ tiêu P% với các cấp mưa phân đôi, ta thấy chất lượng cao hơn rõ rệt: chất lượng chung luôn > 60%. Độ chính xác của các tháng 6, 7, 8 và 9 nói chung tương đối ổn định. Tháng 9 là tháng cho kết quả tốt nhất với P từ cấp mưa thứ 2 trở đi luôn lớn hơn 80% trong cả 3 năm. Mặc dù tháng 10 có P > 90% nhưng không thể so sánh với tháng 9 được bởi vì tháng 10 là tháng cuối mùa mưa, mô hình dự báo trúng nhiều pha không mưa hơn là pha có mưa nên làm cho chỉ tiêu này luôn cao hơn so với các tháng giữa mùa mưa còn lại. Với cách phân lớp đa cấp trên cơ sở phân đôi liên tiếp có nhược điểm là ở các cấp mưa lớn, như cấp mưa > 50mm, số trường hợp sẽ rất nhỏ so với số trường hợp ở các cấp mưa nhỏ hơn, làm cho P% tăng lên đáng kể, vì vậy độ chính xác cao tới trên 80 – 90% là không đáng tin cậy. Song dù cho chúng có nhược điểm như vậy, nhưng vẫn cho chúng ta một nhận thức trực giác là chất lượng mô hình tuy chưa cao, nhưng ổn định, có thể khai thác sử dụng trong thực tế. Trong các hình vẽ, màu vàng được ký hiệu là tháng 6, màu hồng là tháng 7, màu xanh lục là tháng 8, màu đỏ là tháng 9, màu xanh lam là tháng 10. Đường trung các tháng là đường màu xanh lục liền nét. Trục hoành thể hiện các cấp mưa được phân cấp, trục tung là trị số của các chỉ tiêu thống kê 2005 96 2006 2007 Hình 3.11 Chỉ tiêu P% cho các cấp mưa phân đôi 2005, 2006, 2007 Để tự tin vào sự ổn định của chất lượng dự báo, ta có thể tham khảo các chỉ tiêu HSS ở các hình dưới đây. Trong cả 3 năm, chúng đều có phân bố gần giống TS và đều > 0 ở tất cả các cấp mưa, nghĩa là kết quả dự báo của mô hình tốt hơn dự báo ngẫu nhiên. Mặt khác, HSS có giá trị thấp chủ yếu ở hai tháng đầu và cuối mùa mưa (tháng 6 và tháng 10), Còn trong 3 tháng còn lại HSS đều cho kết quả khá tốt, đặc biệt là trong 5 cấp mưa đầu tiên. Tháng 9 là tháng mà HSS đạt kết quả tốt nhất. 97 Trong các hình vẽ, màu vàng được ký hiệu là tháng 6, màu hồng là tháng 7, màu xanh lục là tháng 8, màu đỏ là tháng 9, màu xanh lam là tháng 10. Đường trung các tháng là đường màu xanh lục liền nét. Trục hoành thể hiện các cấp mưa được phân cấp, trục tung là trị số của các chỉ tiêu thống kê 2005 2006 2007 Hình 3.12 Chỉ tiêu HSS cho các cấp mưa phân đôi 2005, 2006 và 2007 e) Một số trường hợp riêng 98 Chúng tôi đã tiến hành xem xét đánh giá một số trường hợp riêng gồm những trường hợp mưa lớn diện rộng theo 2 định nghĩa: 1/ Ngày có lượng mưa trung bình khu vực 24h => 50mm. 2/ Ngày có =>1/3 số trạm trong khu vực có mưa =>50mm. Bảng 3.1 Những ngày mưa lớn diện rộng trong năm 2005, 2006 và 2007 Số ngày Số trạm Ngày Tháng Thực tế Dự báo Ghi chú Năm 2005 1 22 31 7 55.78 41.76mm OK+ 2 30 27 9 79.44 19.55mm Not OK 3 21 28 9 45.18 40.93mm OK+ Năm 2006 4 - 17 7 53.35 22.78mm 5 19 6 8 52.59 30.84mm 6 19 16 8 47.09 19.80mm 7 27 18 8 63.85 39.07mm OK- Năm 2007 8 19 4 9 43.52 31.80mm OK+ Kết quả ở bảng 3.1 cho thấy trong 3 mùa mưa năm 2005, 2006 và 2007 có 4/8 ngày cả 2 định nghĩa này cho cùng một kết quả, có 1 ngày mưa lớn xảy ra theo định nghĩa 1 và 3 ngày chỉ xảy ra theo định nghĩa 2. Như vậy nếu căn cứ theo định nghĩa 2, " Ngày có =>1/3 số trạm trong khu vực có mưa =>50mm được gọi là ngày có mưa lớn diện rộng" thì chỉ có 7 ngày, trong đó mưa trung bình khu vực dự báo luôn nhỏ hơn thực tế. Nếu cho phép sai số 1 cấp mưa là dự báo đúng tương đối thì có 4/8 ngày, còn dự báo chính xác có 3/8 ngày và 1 ngày dự báo không chính xác. Kết quả này rất khả 99 quan khi so sánh với mô hình dự báo số ở các nước phát triển, khả năng dự báo mưa lớn của họ cũng chỉ ở mức 10%. Tuy có kết quả như vậy nhưng chúng ta cũng chưa thể nói được nhiều vì trong 3 năm qua mà chỉ có 8 ngày có xảy ra mưa lớn. Để khảo sát kỹ hơn nữa, chúng tôi đã tiến hành khảo sát việc dự báo của mô hình cho mưa vừa, mưa lớn diện rộng và so sánh với từng hình thế thời tiết cụ thể được trình bày ở phần sau. Qua đây ta có thể rút ra một số nhận xét sau: - Định nghĩa mưa lớn diện rộng với 1/3 số trạm như trên dẫn đến thực tế ngày có mưa lớn diện rộng nhưng mưa trung bình ngày khu vực < 50mm nhưng vẫn có khả năng gây nguy hiểm và thiệt hại lớn đến đời sống xã hội. Do đó mà định nghĩa về mưa lớn diện rộng thêm vào điều kiện "mưa trung bình khu vực =>50mm/24h" nữa thì hợp lý hơn. - Về trung bình Bias > 0, nhưng dự báo mưa lớn diện rộng lại cho lượng mưa nhỏ hơn thực tế (cả 8/8 ngày), chứng tỏ số trường hợp dự báo khống rất đáng kể (dự báo có mưa lớn nhưng lại rơi vào các ngày mưa thực tế nhỏ), điều này sẽ dẫn đến rất khó hiệu chỉnh sai số hệ thống đối với mưa lớn. - Thống kê trong các trường hợp riêng này chỉ là trung bình về diện và lượng mưa thực tế với dự báo, vì thế phân bố mưa dự báo và mưa thực tế theo không gian không hoàn toàn trùng khớp, ngay cả đối với ngày mưa lớn diện rộng được dự báo chính xác. Ta có thể thấy điều đó trên hình dưới (thực tế 45,18mm, dự báo 40,93mm): 100 Hình 3.13 Dựbáo mưa lớn diện rộng ngày 28-9-2005 Như đã nói ở phần trên, khi xét đến chỉ tiêu mưa lớn diện rộng thì trong 3 năm 2005, 2006 và 2007 chỉ có tổng cộng 8 đợt đạt điều kiện, trong khi đó các hình thế gây mưa vào mùa hè đã được trình bày trong chương 2 cũng thường cho mưa vừa, mưa lớn diện rộng nhưng không phải lúc nào đạt đến lượng mưa lớn trên 50mm, tuy nhiên khả năng gây nguy hiểm và thiệt hại vẫn rất cao. Mặt khác trong dự báo nghiệp vụ thời tiết ở Trung tâm Dự báo khí tượng thủy văn Trung Ương, mưa lớn diện rộng là mưa lớn được gọi chung từ cấp “mưa vừa - lượng mưa >= 16 mm/24h” trở lên. Để đánh giá toàn diện hơn nữa khả năng dự báo mưa vừa, mưa lớn của mô hình, ỏ đây chúng tôi điến hành khảo sát và so sánh tất cả các dự báo của mô hình các đợt mưa diện rộng có lượng lớn hơn 16 mm trở lên ứng với từng hình thế cụ thể để giúp cho các dự báo viên có cái nhìn tổng quan hơn về khả năng dự báo mưa vừa, mưa lớn của mô hình trên cơ sở các kinh nghiệm, kiến thức về hình thế thời tiết đã được tích luỹ trong dự báo nghiệp vụ hàng ngày. 101 Khi xét đến mưa vừa, mưa lớn diện rộng với định nghĩa: “Ngày có >1/2 số trạm trong khu vực có mưa >16mm/24h” thì mô hình HRM cho ra kết quả như bảng dưới. 102 HRM 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 6 + + + + + + + + + 7 + + + + + + + + 8 + + + + + 9 + + + 2005 10 HRM 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 6 + + + 7 + + + + + 8 + + + + + + + + + + 9 + + + 2006 10 + + HRM 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 6 + + + + + 7 + + + + + + + + + + 8 + + + + 9 + + + + + + 2007 10 + + + + + Bảng 3.2 Những ngày mô hình HRM dự báo có mưa vừa , mưa lớn 103 Như vậy, với 2 định nghĩa trên về mưa vừa, mưa lớn, tổng hợp kết quả những ngày thực tế xảy ra mưa lớn và những ngày mô hình HRM dự báo có mưa lớn ta có bảng kết quả tổng hợp sau: TT & HRM 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 TT + + + 6 HRM + + + + + + + + + TT + + + 7 HRM + + + + + + + + TT + + + 8 HRM + + + + + TT + + + + 9 HRM + + + TT 2005 10 HRM TT & HRM 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 TT + + 6 HRM + + + TT + + + + 7 HRM + + + + + TT + + + + + 8 HRM + + + + + + + + + + TT + 9 HRM + + + 2006 10 TT 104 HRM + + TT & HRM 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 TT + + 6 HRM + + + + + TT + + 7 HRM + + + + + + + + + + TT 8 HRM + + + + TT + + + + + 9 HRM + + + + + + TT + 2007 10 HRM Bảng 3.3 Tổng hợp ngày có mưa vừa, mưa lớn thực tế và dự báo của mô hình HRM Qua bảng tổng hợp kết quả trên ta có: Trong 3 năm 2005, 2006 và 2007, mô hình HRM lần lượt dự báo có 25, 23 và 25 ngày có mưa vừa, mưa lớn. Ký hiệu những ngày mô hình HRM dự báo mưa vừa mưa lớn trùng khớp với ngày có mưa lớn thực tế bằng dấu cộng có màu đỏ ta dễ dàng thấy: Năm 2005 mô hình HRM dự báo đúng 6 ngày, năm 2006 dự báo đúng 8 ngày, năm 2007 dự báo đúng 5 ngày. Như vậy có thể thấy là mô hình HRM tuy có tỉ lệ dự báo khống khá cao (các tỉ lệ tương ứng là 6/25; 8/23 và 5/25) tuy nhiên lại phát hiện khá tốt những ngày có mưa vừa, mưa lớn với tỉ lệ lần lượt là 6/13; 8/12 và 5/10. Khi xem xét với từng hình thế thời tiết cụ thể một, chúng tôi thấy rằng: 105 Trong 5 loại hình thế thời tiết chính gây mưa vừa, mưa lớn ở khu vực Đông Bắc Bộ đã trình bày ở trên thì hình thế XTNĐ là hình thế gây mưa vừa, mưa lớn xuất hiện nhiều nhất với 54,3%; ba hình thế thời tiết ACCNĐ, ITCZ và RTBN đều chiếm 14,3%, duy hình thế áp cao lạnh là có tần suất xuất hiện nhỏ nhất chỉ với 2,8%. Kết quả dự báo đúng của mô hình HRM cho từng hình thế được đưa ra ở bảng dưới: Số ngày dự báo đúng Kết quả ACL 1/1 ngày 100% ACCNĐ 2/5 ngày 40% XTNĐ 10/19 ngày 52,6% ITCZ 2/5 ngày 40% RTBN 4/5 ngày 80% Bảng 3.4 Các hình thế gây mưa vừa mưa lớn và kết quả dự báo tương ứng của mô hình HRM Như vậy có thể thấy là trong 5 loại hình thế thời tiết trên, hình thế thời tiết rãnh thấp bị nén (RTBN) được mô hình dự báo chính xác nhất với tỉ lệ lên đến 80%. Hình thế thời tiết XTNĐ là hình thế có tần suất xuất hiện nhiều nhất, mô hình HRM cũng cho kết quả khá tốt với 52,6% đúng. Hai hình thế thời tiết ACCNĐ và ITCZ kết quả là như nhau (40%). Điều muốn nói cuối cùng là tuy hình thế áp cao lạnh gây ra mưa vừa mưa lớn cho khu vực Đông Bắ Bộ chỉ xảy ra có 1 ngày nhưng mô hình cũng đã bắt được. Kết quả đúng 100% đó chưa thể nói lên được điều gì nhưng cũng có thể gợi ý cho chúng ta thấy rằng trong những tháng mùa mưa ở khu vực Đông Bắc Bộ, những loại hình thế thời tiết có liên quan đến áp cao lạnh lục địa (hình thế ACL, RTBN) gây ra mưa vừa mưa lớn cho khu vực này đều được mô hình HRM dự báo với kết quả rất tốt. 106 Bên cạnh việc xác định những ngày mà mô hình HRM dự báo có mưa vừa, mưa lớn trùng với những ngày quan trắc được trong thực tế, chúng tôi cũng tiến hành kiểm tra xem lượng mưa trung bình mà mô hình HRM dự báo có gần sát với thực tế hay không, kết quả được chỉ ra như trong bảng dưới: Bảng 3.5 So sánh lượng mưa trung bình thực tế và mưa trung bình dự báo của mô hình HRM trong những ngày mô hình HRM dự báo chính xác về thời gian Số ngày Số trạm Ngày Tháng Thực tế (mm) Dự báo (mm) Đánh giá Năm 2005 1 34 2 7 39.8 23.6 OK- 2 31 24 7 30.9 28.6 OK+ 3 41 31 7 55.8 28.6 OK- 4 31 12 8 33.5 25.6 OK+ 5 41 19 9 40.3 26.5 OK- 6 39 28 9 45.2 40.9 OK+ Năm 2006 7 33 30 6 35.3 22 OK- 8 30 30 7 41.3 48.6 OK+ 9 35 31 7 36.8 23.4 OK+ 10 34 6 8 52.6 30.8 OK- 11 33 7 8 39.9 48.8 OK+ 12 35 16 8 47.1 19.8 Not OK 13 47 18 8 63.8 39.1 Not OK 14 38 9 9 39 35.2 OK+ Năm 2007 15 26 14 6 22.7 16.9 OK+ 107 16 27 2 7 21.2 33.8 OK- 17 35 4 9 43.5 31.8 OK+ 18 29 10 9 26.4 39.8 OK- 19 26 26 9 31.9 26.4 OK+ Khi xét về lượng mưa trung bình toàn khu vực, nếu cho phép mức sai số ở trong vòng +/- một cấp mưa là kết quả tốt (OK+); +/- hai cấp mưa là kết quả chấp nhận được (OK-) và sai khác lớn hơn hai cấp mưa là kết quả kém (not OK) thì ta có thể dễ dàng thấy được mô hình phần lớn cho kết quả rất sát với thực tế, chỉ có 2/19 ngày là kết quả kém khi sai khác lớn hơn 2 cấp mưa. 108 Kết luận Qua kết quả phân tích đánh giá đầy đủ, khách quan các chỉ tiêu cho khu vực Đông Bắc Bộ trong 5 tháng mùa mưa (tháng 6, 7, 8, 9,10) của 3 năm số liệu 2005, 2006 và 2007 và so sánh dự báo của mô hình ứng với từng hình thế thời tiết cụ thể, ta có thể khái quát rút ra những kết luận sau: 1) Nói chung mô hình HRM cho dự báo lượng mưa thường cao hơn lượng mưa thực tế đo đạc được. 2) Các chỉ tiêu đánh giá theo biến liên tục cũng như theo biến cấp định lượng đều biến thiên đúng quy luật, không biểu hiện tình trạng "no skill" bất quy luật, tất cả chứng tỏ tính ổn định của các mô đun tính mưa trong mô hình HRM. 3) Ngoài các chỉ tiêu đánh giá đã nói ở mục trên chứng tỏ dự báo mô hình tốt hơn dự báo ngẫu nhiên. 4) Sai số hệ thống phân bố theo không gian có quy luật, chất lượng dự báo mô hình tốt hơn ngẫu nhiên, sai số hệ thống có khả năng hiệu chỉnh thống kê, mô hình đã nhận biết được mưa lớn diện rộng là những cơ sở cho việc khai thác sử dụng kết quả dự báo mô hình trong điều kiện nghiệp vụ. 5) Mô hình HRM cho dự báo rất tốt trong những trường hợp mưa vừa, mưa lớn gây ra bởi hình thế thời tiết liên quan đến áp cao lạnh lục địa, ngoài ra kết quả dự báo đối đối với hình thế thời tiết Xoáy thuận nhiệt đới cũng khá tốt với kết quả đạt trên 50%. Các hình thế thời tiết còn lại như là ITCZ và ACCNĐ mô hình cũng nhận biết khá tốt. Tuy nhiên vì mô hình HRM cũng chỉ mới chạy nghiệp vụ từ năm 2002 và bộ số liệu để đánh giá mưa cũng hạn chế (3 năm) nên kết quả so sánh với từng hình thế thời tiết chưa thật đảm bảo. 109 6) Cuối cùng cũng cần đề cập đến sự phân bố trạm quan trắc mưa quá thưa thớt và không đều đã ít nhiều hạn chế việc đánh giá dự báo. Muốn việc đánh giá chất lượng đúng đắn thì khi đưa vào áp dụng nghiệp vụ nhất thiết phải triển khai giám sát số liệu mưa thời gian thực (real-time data monitoring) và kiểm tra chất lượng số liệu mưa tốt hơn. 110 TÀI LIỆU THAM KHẢO Tiếng Việt 1) Phạm Vũ Anh (2006), “Tập bài giảng khí tượng Synôp nâng cao”. 2) Dương Liên Châu (2007), Xây dựng hệ thống chỉ tiêu đánh giá chất lượng dự báo Khí tượng Thủy văn, Trung tâm Khí tượng Thủy văn Quốc Gia, Hà Nội. 3) Phạm Ngọc Toàn, Phan Tất Đắc (1993): Khí hậu Việt Nam. Nhà xuất bản khoa học và kỹ thuật, Hà Nội. 4) Nguyễn Đức Ngữ, Nguyễn Trọng Hiệu (2004), Khí hậu và Tài nguyên khí hậu Việt Nam, NXB Nông nghiệp, Hà Nội. 5) Trần Gia Khánh (1998), Hướng dẫn nghiệp vụ dự báo thời tiết, Trung tâm Quốc gia Dự báo Khí tượng Thủy văn, Hà Nội. 6) Trần Tân Tiến, Nguyễn Đăng Quế (2002), Xử lý số liệu Khí tượng và dự báo thời tiết bằng phương pháp thống kê vật lý, NXB ĐHQG, Hà Nội. 7) Trần Công Minh (2001), Khí tượng Synop, NXB ĐHQG, Hà Nội. 8) Lê Bắc Huỳnh, Nguyễn Viết Thi, Lê Văn Thảo, (2000): “Nghiên cứu xác định căn cứ khoa học nhằm tăng cường một bước năng lực và chất lượng dự báo, cảnh báo bão, lũ phục vụ phòng tránh thiên tai”. Đề tài độc lập cấp nhà nước. 9) Nha Khí tượng (1966): Quy chế tạm thời đánh giá chất lượng dự báo thời tiết hạn ngắn. 10) Nha Khí tượng (1976): Quy định tạm thời về đánh giá dự báo thời tiết hạn ngắn. Tiếng Anh 11) Henry R.Stansky, Laurence J.Wilson, William R.Burrows (1990), Survey of common verification methods in meteorology, Atmospheric Environment 111 Service Forecast Research Division 4905 Dufferin Street, Downsview, Ontario, Cannada M3H 5T4. 12) Silas Michaelides (2008), Precipitation: Advances in Measurement, Estimation and Prediction, Springer, 504, ISBN 3540776540, 9783540776543. 13) Elizabeth E.Ebert, Ulrich Damrath, Werner Wergen and Michael E.Baldwin (2002), The WGNE Assessment of Short-term Quantitative Prediction Forecasts (QPFs) from Operational Numerical Weather Prediction Models, Bulletin of the American Meteorological Society. 14) Barbara Casati (2007), “Verification of continuous predictants”, powerpoint lecture, Canada. 15) Beth Ebert (2002), “Verification of Precipitation Forecasts”, WWRP international Conference on Quantitative Precipitation Forecasting, UK. 16) G.W. Brier and R.A. Allen (1951), “Verification of weather forecast”, Conpendium of Meteorology, American Meteorological Society, pp -841 – 848. 17) Brown, Barbara G, Gregory Thompson, Roelof T.Bruintjes, Randy Bullock and Tresssa Kane (1997), “Intercomparison of in-flight icing algorithms”, Weather and Forecastin. Part II: Statistical verification results. 12, 890 – 914. 18) Jolliffe I.T. and David B. Stephenson (2003): Forecast Verification - A practitioner’s Guide in Atmospheric Science. John Wiley & Sons Ltd. The Atrium, Southern Gate, Chichester. West Sussex PO 8SQ, England. 19) Stanski H.R., L.J. Wilson and W.R. Burrows, (1989): “Survey of common verification methods in Meteorology”. WMO World Weather Watch Technical Report No. 8, WMO/TD No. 358. WMO, Geneva. 112 PHỤ LỤC Phục lục 1: Hình vẽ phân bố sai số hệ thống (Bias) theo không gian khu vực Đông Bắc Bộ trong 3 năm 2005, 2006 và 2007 Năm 2005 113 114 115 116 117 118 119 120 121 Năm 2006 122 123 124 125 126 127 128 129 130 131 Năm 2007 132 133 134 135 136 137 138 139 140 Phụ lục 2: Chỉ tiêu độ biến động SD trong 3 năm 2005, 2006 và 2007 141 2005 2006 2007 142