NGHIÊN CỨU ỨNG DỤNG MÔ HÌNH MM5 VÀO DỰ BÁO THỜI TIẾT MÙA MƯA KHU VỰC NAM TRUNG BỘ

Tài liệu NGHIÊN CỨU ỨNG DỤNG MÔ HÌNH MM5 VÀO DỰ BÁO THỜI TIẾT MÙA MƯA KHU VỰC NAM TRUNG BỘ: ... Ebook NGHIÊN CỨU ỨNG DỤNG MÔ HÌNH MM5 VÀO DỰ BÁO THỜI TIẾT MÙA MƯA KHU VỰC NAM TRUNG BỘ

doc68 trang | Chia sẻ: huyen82 | Ngày: 09/12/2013 | Lượt xem: 1653 | Lượt tải: 2download
Tóm tắt tài liệu NGHIÊN CỨU ỨNG DỤNG MÔ HÌNH MM5 VÀO DỰ BÁO THỜI TIẾT MÙA MƯA KHU VỰC NAM TRUNG BỘ, để xem tài liệu hoàn chỉnh bạn click vào nút DOWNLOAD ở trên
ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN NGHIÊN CỨU ỨNG DỤNG MÔ HÌNH MM5 VÀO DỰ BÁO THỜI TIẾT MÙA MƯA KHU VỰC NAM TRUNG BỘ LUẬN VĂN THẠC SĨ KHOA HỌC HÀ NỘI – 2008 2 ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN HÀ NỘI – 2008 MỤC LỤC Trang MỞ ĐẦU ……………………………………………………. 1 Chương 1. TỔNG QUAN CÁC MÔ HÌNH SỐ DỰ BÁO THỜI TIẾT Ở VIỆT NAM 3 1.1 Các mô hình số dự báo thời tiết ở Việt Nam …………. 3 1.1.1 Mô hình HRM………………………………… 3 1.1.2 Mô hình RAMS ………………………………….. 4 1.1.3 Mô hình ETA ……………………………………. 5 1.1.4 Mô hình WRF …………………………………… 6 1.2 Mô hình MM5 và ứng dụng trong dự báo thời tiết ở Việt Nam và trên Thế giới 7 1.2.1 Trên thế giới ………………….. 8 1.2.2 Ở Việt Nam ……………………… 10 Chương 2. MÔ HÌNH KHÍ TƯỢNG ĐỘNG LỰC QUY MÔ VỪA MM5…13 2.1 Hệ các phương trình thủy nhiệt động lực học của mô hình MM5…… 13 2.2 Tham số hóa Vật lý ……………………………………… 17 2.2.1 Tham số hóa đối lưu ………………………………… 17 2.2.2 Tham số hóa vi vật lý mây……………………………… 19 2.2.3 Tham số hóa bức xạ …………………………………… 20 2.2.4 Tham số hóa lớp biên hành tinh (PBL) ……………………………… 20 2.2.5 Các sơ đồ (mô hình) đất …………………………………………… 21 2.3 Điều kiện biên và điều kiện ban đầu ………………………………… 22 2.4 Hệ tọa độ ngang và đứng ………………………………………………… 23 2.5 Cấu trúc của mô hình MM5………………………………………… 25 2.5.1 Mô đun TERRAIN ………………………………… 26 2.5.2 Mô đun REGRID ……………………………………… 26 4 2.2.3 Mô đun INTERPF……………… 28 2.2.4 Mô đun MM5 ……………………………………… 28 2.6. Các dạng sản phẩm của mô hình MM5 …………… 28 Chương 3. KẾT QUẢ TÍNH TOÁN VÀ PHÂN TÍCH…… 31 3.1 Thiết kế thí nghiệm …………………… 31 3.1.1 Lựa chọn miền tính và độ phân giải ………… 31 3.1.2 Lựa chọn các tham số Vật lý………… 32 3.1.3 Nguồn số liệu.............................. 33 3.1.4 Mô tả thí nghiệm ................................................ 33 3.2. Các phương pháp đánh giá ………………… 34 3.2.1. Đánh giá trực quan ............................. 34 3.2.2. Đánh giá thông qua các chỉ số thống kê ......... 35 3.3. Độ nhạy của các sơ đồ TSHĐL với các hình thế thời tiết gây mưa lớn 37 3.4. Khả năng dự báo mưa lớn ………………………………………………….. 45 3.5. Khả năng dự báo nghiệp vụ ………… 64 3.5.1. Trường mưa ……………… 65 3.5.2. Trường Nhiệt độ (2m) …………… 68 3.5.3. Tốc độ gió (độ cao 10m) … 70 KẾT LUẬN ………………………… 72 TÀI LIỆU THAM KHẢO ………………………………. 74 PHỤ LỤC ………………………………………… 76 MỞ ĐẦU Phương pháp dự báo thời tiết bằng mô hình số đã được sử dụng ở nhiều nước trên thế giới trong nhiều thập kỷ qua. Chất lượng dự báo của các mô hình số không ngừng được cải tiến và đã trở thành phương pháp dự báo chủ lực trong nghiệp vụ dự báo thời tiết ở các nước phát triển. Đặc biệt là dự báo định lượng về mưa, phương pháp dự báo bằng mô hình số cao hơn hẳn các phương pháp truyền thống khác như sy nốp hay thống kê… mặt khác, 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 dự báo lũ lụt, lũ quét. Một trong những nhân tố quyết định gây nên sự hình thành và phát triển mưa lớn trong các hiện tượng thời tiết nguy hiểm như xoáy thuận nhiệt đới, dải hội tụ nhiệt đới,... là đối lưu mây tích. Các quá trình đối lưu này đóng vai trò quan trọng trong chu trình vận chuyển năng lượng 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 lưu mạnh còn phụ thuộc vào tính bất ổn định của khí quyển. Chính vì vậy, ưu tiên phát triển phương pháp dự báo số trị, mà trước hết là áp dụng các mô hình số ở nước ta là một hướng đi nhằm tăng cường chất lượng dự báo. Ở nước ta, việc nghiên cứu ứng dụng các mô hình khu vực vào dự báo thời tiết thực sự mới bắt đầu từ cuối năm 2000, sau khi mô hình HRM được tiếp nhận từ Cơ quan Khí tượng Đức (DWD), và được chạy theo chế độ nghiệp vụ ở Trường Đại học Khoa học Tự nhiên, Đại học Quốc gia Hà Nội (ĐHKHTN). Đến giữa năm 2002 thì HRM mới được đưa vào chạy thử nghiệm ứng dụng nghiệp vụ. Hiện nay HRM cũng là mô hình duy nhất được ứng dụng trong dự báo nghiệp vụ ở Trung tâm Dự báo KTTV Trung ương. Kể từ sau năm 2000, một loạt các mô hình số khác cũng đã được nghiên cứu triển khai ứng dụng ở nhiều cơ sở khác nhau, như ETA, WRF, RAMS (ĐHKHTN, Trung tâm Dự báo KTTV TW), MM5 (ĐHKHTN, Viện Khoa học KTTV và MT),… Mặc dù vậy, cho đến nay chưa có một công trình nào chỉ ra được mức độ chính xác của dự báo đối với các mô hình này, nhất là đối với khu vực Nam Trung Bộ. Trong bối cảnh đó, với mục đích tìm kiếm một mô hình thích hợp có khả năng áp dụng vào nghiệp vụ dự báo cho khu vực Nam Trung Bộ, nơi mà chúng tôi đang công tác, chúng tôi chọn đề tài luận văn tốt nghiệp của mình là “Nghiên cứu ứng dụng mô hình MM5 vào dự báo thời tiết mùa mưa khu vực Nam Trung Bộ”. Nội dung của luận văn được bố cục thành 3 chương: Chương 1: Tổng quan về các mô hình dự báo số trị dự báo thời tiết Chương 2: Sơ lược về mô hình MM5 Chương 3: Kết quả tính toán và phân tích. 7 Chương 1 TỔNG QUAN VỀ CÁC MÔ HÌNH SỐ DỰ BÁO THỜI TIẾT Ở VIỆT NAM 1.1. Các mô hình số dự báo thời tiết ở Việt Nam Cùng với sự phát triển mạnh mẽ của khoa học kỹ thuật, nhất là trong lĩnh vực công nghệ thông tin và điện tử viễn thông, các mô hình số dự báo thời tiết cũng đã được xây dựng và ứng dụng vào nghiệp vụ dự báo thời tiết trong nhiều thập kỷ qua. Đến nay, các mô hình số dự báo thời tiết đã thực sự trở thành công cụ chủ yếu ở các nước phát triển như Mỹ, Nhật, một số nước Châu Âu, Australia,v.v. Sau đây là một số mô hình dự báo thời tiết tiêu biểu hiện đang được nghiên cứu khai thác ứng dụng ở Việt Nam. 1.1.1. Mô hình HRM HRM (High Resolution Regional Model) là một mô hình số thủy tĩnh dự báo thời tiết khu vực hạn chế quy mô vừa. HRM dùng toạ độ lai theo phương thẳng đứng, hệ toạ độ ngang quay (l’, j’). Không gian trong HRM hiện nay có thể biến thiên từ 20 đến 40 mực thẳng đứng với độ phân giải ngang từ 0,25 độ kinh vĩ (tương đương với 28 km) đến 0.0625 độ kinh vĩ (khoảng 7 km). Hệ phương trình nguyên thuỷ của mô hình bao gồm 7 phương trình dự báo với biến ứng là khí áp bề mặt (pS), các thành phần gió ngang (u, v), nhiệt độ (T), hơi nước (qV), nước mây (qC) và băng mây (qi). Ngoài ra còn có một số biến nhiệt độ và độ ẩm đất. HRM được tiếp nhận từ Cơ quan Khí tượng Đức (DWD) từ năm 2000 thông qua đề tài Khoa học Công nghệ độc lập cấp Nhà nước DBB-2000/02 do PGS. TSKH Kiều Thị Xin làm chủ nhiệm và chạy ở chế độ nghiệp vụ tại Bộ môn Khí tượng từ đó đến nay. Bắt đầu từ giữa năm 2002, HRM được đưa vào chạy thử nghiệm và sau đó là chạy dự báo nghiệp vụ tại Trung tâm Dự báo Khí tượng Thủy văn Trung ương. Ở Việt Nam, trong quá trình nghiên cứu ứng dụng, HRM đã được cải tiến, phát triển trên một số khía cạnh. Chẳng hạn, Bùi Hoàng Hải [8], đã nghiên cứu phát triển HRM thành phiên bản mới (HRM_TC) vừa có chức năng dự báo bão vừa có chức năng dự báo thời tiết nói chung [8]. Vũ Thanh Hằng [4], đưa thêm ba sơ đồ tham số hóa đối lưu mới vào mô hình HRM và ứng dụng dự báo mưa ở Việt Nam đạt kết quả tốt hơn so với phiên bản HRM nguyên gốc sử dụng sơ đồ Teidtke. Ngoài ra, mô hình HRM còn được nhiều học giả, chuyên gia trong và nước tiến hành các nghiên cứu nhằm cải tiến kỹ năng dự báo của mô hình chẳng hạn như đồng hóa số liệu, cập nhật số liệu quan trắc địa phương cho phù hợp với điều kiện thời tiết ở Việt Nam. 1.1.2. Mô hình RAMS RAMS là một mô hình khu vực hạn chế được xây dựng và phát triển tại trường Đại học tổng hợp Colorado – Mỹ. Mô hình RAMS có khả năng ứng dụng rộng rãi cho các mục đích khác nhau. Mô hình được thiết kế chạy được nhiều lưới lồng với nhiều miền tính khác nhau mà độ phân giải có thể biến thiên từ vài chục km tới vài trăm mét. Vì vậy, nó có thể mô phỏng chi tiết được các hệ thống khí quyển quy mô nhỏ như là dòng chuyển động trên các địa hình phức tạp, các hoàn lưu nhiệt bề mặt,... Lưới thô hơn bên ngoài sử dụng để mô phỏng các quá trình quy mô lớn và cung cấp điều kiện biên phụ thuộc thời gian cho các lưới tính bên trong. Mô hình RAMS được tiếp thu về Việt Nam thông qua đề tài KHCN KC09- 04 do GS.TS Trần Tân Tiến làm chủ nhiệm [10], và đã từng chạy theo chế độ nghiệp vụ tại Khoa Khí tượng Thủy văn và Hải dương học trong giai đoạn đề tài đang triển khai. Theo các tác giả đề tài, RAMS đã chứng tỏ khả năng dự báo tốt trong nhiều trường hợp mưa lớn, bão, và các hiện tượng thời tiết nguy hiểm như dông. 1.1.3. Mô hình ETA ETA là mô hình dự báo khu vực do trường Đại học Belgrade và Viện Khí tượng Thuỷ văn Federal – Belgrade cùng với Trung tâm Khí tượng Quốc tế Mỹ xây dựng. Điểm đặc biệt của mô hình này là sử dụng hệ toạ độ thẳng đứng “eta” (h), có khả năng mô tả tốt hoàn lưu và các yếu tố khác trên khu vực địa hình phức tạp. Mô hình ETA đang được sử dụng vào nghiệp vụ ở Mỹ, Nam Tư, Hy Lạp, Rumani, Nam Phi, Ấn Độ, Italy, Brazil,... Bên cạnh ứng dụng trong dự báo thời tiết hạn ngắn, mô hình còn được sử dụng trong các bài toán về môi trường, hàng không và nông nghiệp. Mô hình ETA sử dụng hệ phương trình nguyên thủy bất thủy tĩnh viết trên hệ tọa độ cầu với đầy đủ các tham số hóa vật lý như đối lưu, lớp biên, vi vật lý mây, bức xạ và mô hình đất. Theo không gian, mô hình ETA sử dụng lưới sai phân xen kẽ Arakawa-E trong đó các biến vô hướng được xen kẽ và lệch đi nửa bước lưới so với các biến có hướng. Ở nước ta, mô hình ETA phiên bản 2001 đã được nghiên cứu từ năm 2002 và được đưa vào chạy thử nghiệm nghiệp vụ tại Trung tâm dự báo KTTV TW từ tháng 5-2003. Đến năm 2004, Trần Tân Tiến [10] đã tiến hành nghiên cứu và áp dụng mô hình ETA vào xây dựng mô hình dự báo các trường Khí tượng Thủy văn trên biển Đông. Theo tác giả, sai số dự báo của mô hình ETA tương đương với các mô hình dự báo số của nước ngoài. Đỗ Ngọc Thắng [11], nghiên cứu thử nghiệm 2 sơ đồ tham số hóa đối lưu BMJ và Kain Fristch trong mô hình ETA. Tác giả kết luận sơ đồ Kain Fritsch có ưu thế hơn sơ đồ BMJ và cho kết quả dự báo tốt hơn so với sơ đồ Kain Fritsch nguyên bản. 1.1.4. Mô hình WRF WRF (the Weather Research and Forcast) là mô hình khí quyển quy mô vừa được thiết kế linh động, có độ tùy biến cao và có thể sử dụng trong nghiên cứu và dự báo nghiệp vụ. WRF là kết quả của sự hợp tác, phát triển của nhiều trường đại học, trung tâm nghiên cứu và dự báo khí tượng ở Hoa Kỳ. Hệ phương trình cơ bản của WRF là hệ phương trình đầy đủ phi thủy tĩnh viết cho chất lỏng nén được, có khả năng mô phỏng được các quá trình khí quyển trên nhiều quy mô khác nhau. WRF sử dụng hệ tọa độ áp suất cho phương thẳng đứng và lưới ngang xen kẽ Arakawa-C với sơ đồ tích phân thời gian Runge – Kutta bậc ba. Mô hình có thể sử dụng số liệu thực hoặc mô phỏng lý tưởng với điều kiện biên xung quanh là biên tuần hoàn, mở, đối xứng, biên cấu hình với điều kiện biên trên là lớp hấp thụ sóng dài của trái đất (suy giảm hoặc tán xạ Rayleigh) và điều kiện biên dưới là biên cứng hoặc bề mặt trượt tự do. Về cơ bản các sơ đồ tham số hóa vật lý của WRF đều dựa trên các mô hình MM5, ETA, và một số mô hình khác. Các sơ đồ tham số hóa vật lý trong WRF được chia thành năm loại: Các quá trình vi vật lý, các sơ đồ tham số hóa mây đối lưu, các quá trình bề mặt đất, lớp biên khí quyển và tham số hóa bức xạ. Ở Việt Nam mô hình WRF chưa được sử dụng vào nghiệp vụ dự báo thời tiết song các nghiên cứu về mô hình này nhìn chung rất đa dạng và phong phú với nhiều hướng tiếp cận khác nhau, chẳng hạn, trong nghiên cứu của mình, các tác giả Bùi Hoàng Hải, Phan Văn Tân, Nguyễn Minh Trường [5] cho thấy WRF là một mô hình cho phép thực hiện những mô phỏng lý tưởng XTNĐ khá thuận lợi. Bằng công cụ này có thể mô phỏng được nhiều quá trình xảy ra trong XTNĐ, đồng thời mở ra những hướng nghiên cứu lý tưởng sâu hơn về XTNĐ cũng như áp dụng vào bài toán ban đầu hóa xoáy cho mô hình dự báo bão. Nguyễn Lê Dũng, Phan Văn Tân [3], đã thử nghiệm ứng dụng hệ thống WRF-VAR kết hợp ban đầu hóa xoáy dự báo quỹ đạo bão trên khu vực biển Đông, các tác giả cho biết việc sử dụng nguồn số liệu “giả” đã cải thiện đáng kể chất lượng dự báo quĩ đạo bão. Hiện nay mô hình WRF đang được nghiên cứu và áp dụng thử nghiệm dự báo ở Trường Đại học Khoa học Tự nhiên, ĐHQGHN, Viện Khoa học KTTV và Môi Trường, Trung tâm Dự báo KTTV TW. 1.2. Mô hình MM5 và ứng dụng trong dự báo thời tiết ở Việt Nam và trên Thế giới Mô hình MM5 được xây dựng và phát triển với sự phối hợp của Trung tâm Quốc gia nghiên cứu khí quyển (NCAR) và Trường Đại học tổng hợp Pennsylvania (PSU), Mỹ. Phiên bản đầu tiên của mô hình này được Athes phát triển từ những năm 1970. Qua quá trình thử nghiệm, mô hình đã được điều chỉnh và cải tiến nhiều lần nhằm mô phỏng tốt hơn các quá trình vật lý qui mô khu vực. Phiên bản cuối cùng của MM5 là MM5 V3.7. So với các phiên bản trước, MM5 V3.7 đã được thay đổi một cách đáng kể, chủ yếu là các sơ đồ tham số hóa vật lý, kỹ thuật lồng nhiều lưới, cập nhật số liệu địa phương, đồng hóa số liệu,… chi tiết hơn về mô hình này sẽ được trình bày trong chương 2. 1.2.1. Trên thế giới Là một trong những mô hình số khu vực được phát triển đầu tiên và được phát hành miễn phí rộng rãi trên thế giới nên MM5 được cộng đồng các nhà khí tượng hết sức quan tâm. Ngay từ những phiên bản đầu tiên MM5 đã nhận được sự hưởng ứng của nhiều cơ quan dự báo thời tiết từ các quốc gia khác nhau. Chẳng bao lâu sau đó nó đã được ứng dụng trong dự báo nghiệp vụ ở Mỹ, Hồng Kông, Hàn Quốc, Đài Loan, Thái Lan và nhiều nước khác. Hình 1.1: Sản phẩm dự báo mưa của mô hình MM5 (a)- Dự báo của cơ quan Khí tượng Thái Lan; (b)- Dự báo của NCAR Ngoài việc ứng dụng trong dự báo nghiệp vụ tại các cơ quan dự báo thời tiết, MM5 còn được nghiên cứu theo nhiều hướng khác rất đa dạng. Chẳng hạn, V. Kontroni và K. Lagouvardos [14], đã sử dụng mô hình MM5 với 2 lưới lồng có độ phân giải tương ứng là 8km và 2km để dự báo trường nhiệt độ (2m) và trường gió (10m) cho thành phố Athen - Hylạp. Các tác giả đánh giá rằng, khi tăng độ phân giải mô hình từ 8km lên 2km thì kỹ năng dự báo nhiệt độ và tốc độ gió của mô hình được cải thiện một cách đáng kể. Wei Wang và Nelson L.Seaman [16], khảo sát độ nhạy của 4 sơ đồ TSHĐL là KuO, BM, Grell, Kain- Fritsch bằng việc thử nghiệm dự báo 6 trường hợp mưa trong mùa lạnh và mùa nóng trên lục địa nước Mỹ. Theo các tác giả, kỹ năng dự báo của mô hình MM5 trong mùa lạnh tốt hơn mùa nóng và sơ đồ Kain- Fritsch có kỹ năng dự báo tốt nhất trong 4 sơ đồ đã lựa chọn thử nghiệm. Brian A.Colle, Clifford F.Mass và Kenneth J.Westrick [12] đã tiến hành chạy mô hình MM5 cho khu vực Tây bắc Thái Bình Dương trong các năm 1997-1999 khi sử dụng kỹ thuật lưới lồng với 3 miền tính lồng nhau có độ phân giải tương ứng là 36km, 12km và 4 km để đánh giá khả năng dự báo mưa của mô hình này. Theo các tác giả, khi tăng độ phân giải từ 36km lên 12km thì kỹ năng dự báo của mô hình tăng lên rõ rệt, sai số dự báo giảm đi một cách đáng kể; song khi tăng độ phân giải từ 12km lên 4km thì hầu như kỹ năng dự báo của mô hình không được cải thiện, đặc biệt đối với các trường hợp mưa lớn (>50,8mm/24h). Trong một nghiên cứu khác, các tác giả Brian A.Colle, Clifford F.Mass và Kenneth J.Westrick [13] đã tiến hành thử nghiệm dự báo song song 2 mô hình ETA (độ phân giải 10km) và mô hình MM5 (2 lưới lồng 36km và 12km) để dự báo mưa khu vực tây bắc Thái Bình Dương từ 9/12/1996- 30/4/1997. Cả 2 mô hình cho kỹ năng dự báo tương đối giống nhau, đều dự báo thiên nhỏ ở sườn khuất núi nhưng lại dự báo thiên lớn ở sườn đón gió. Để dự báo mưa đối lưu do Front Mei-yu gây ra ở Đài Loan, các tác giả Fang-Ching-Chien, Ying-Hwa KuO, Mịng-Jen-Yang [15] đã sử dụng mô hình MM5 dự báo cho mùa mưa năm 1998 và thời kỳ đầu 3 mùa mưa các năm 2000-2002, sai số dự báo của mô hình so với quan trắc thực tế rất thấp, đặc biệt là trường hợp sử dụng tổ hợp dự báo 6 thành phần. 1.2.2. Ở Việt Nam Thực tế, mô hình MM5 (version 1.0) được du nhập vào Việt Nam từ đầu năm 1996. Tuy nhiên, do điều kiện khó khăn về máy tính, cho mãi đến cuối năm 2000, MM5 mới được chạy thử nghiệm lần đầu tiên trên máy tính SUN Ultra Workstation ở Bộ môn Khí tượng, trường Đại học KHTN-ĐHQGHN. Đến năm 2003, Tiến sỹ Hoàng Đức Cường và các cộng sự của Viện Khoa học KTTV và Môi trường, trong khuôn khổ đề tài nghiên cứu khoa học cấp Bộ:“Nghiên cứu thử nghiệm áp dụng mô hình khí tượng động lực quy mô vừa MM5 trong dự báo hạn ngắn ở Việt Nam” [1], đã khảo sát khả năng ứng dụng của MM5 trong dự báo thời tiết ở Việt Nam. Sau đó mô hình MM5 đã được chạy dự báo thử nghiệm theo chế độ nghiệp vụ tại Trung tâm Khí tượng Khí hậu - Viện Khoa học KTTV và Môi trường. Mặc dù chưa phải là mô hình chạy dự báo nghiệp vụ ở cơ quan dự báo Quốc gia, nhưng các sản phẩm dự báo của mô hình là một kênh thông tin quan trọng giúp cho các nhà dự báo tham khảo rất hữu ích. Hoàng Đức Cường (2008), trong phạm vi đề tài nghiên cứu khoa học cấp Bộ:“Nghiên cứu thử nghiệm dự báo mưa lớn ở Việt Nam bằng mô hình MM5” [2], đã sử dụng tổ hợp sản phẩm dự báo của mô hình MM5 để dự báo mưa lớn Việt Nam. Kết quả cho thấy với tổ hợp 9 phương án dự báo có trọng số thì sai số của mô hình nhỏ hơn so với các phương án dự báo riêng rẽ. Hơn nữa, theo tác giả, trong số các tùy chọn sơ đồ tham số hóa đối lưu hiện có của MM5 thì 3 sơ đồ KuO, Grell và Betts-Miller cho kết quả dự báo mưa lớn ở Việt Nam tốt nhất. Phan Văn Tân, Bùi Hoàng Hải có phương pháp tiếp cận khác đối với mô 15hình MM5 thông qua thử nghiệm “Ban đầu hóa xoáy ba chiều cho mô hình MM5 và ứng dụng trong dự báo quĩ đạo bão” [9]. Bên cạnh sơ đồ ban đầu hóa xoáy mặc định của MM5, các tác giả đã đưa thêm một tùy chọn ban đầu hóa xoáy mới dựa trên sơ đồ phân tích xoáy của mô hình TC-LAPS. Kết quả cho thấy, việc ban đầu hóa xoáy bằng các sơ đồ phân tích và xây dựng xoáy nhân tạo đã làm tăng độ chính xác của quĩ đạo bão dự báo của mô hình. Cùng hướng tiếp cận đó Đặng Hồng Nga (2006) đã nghiên cứu áp dụng sơ đồ ban đầu hóa TC-LAPS vào mô hình MM5 và đạt được những kết quả khả quan trong nâng cao chất lượng dự báo bão bằng mô hình số. Như vậy, cho đến nay mô hình MM5 đã được nghiên cứu và thử nghiệm ứng dụng với nhiều hướng khác nhau, kết quả thu được thông qua các đề tài nghiên cứu ứng dụng hay các chuyên đề nghiên cứu thử nghiệm đều nhằm tạo ra các sản phẩm dự báo ngày một thêm phong phú.Tuy nhiên, cho đến nay chưa có một công trình nào nghiên cứu đánh giá khả năng dự báo của mô hình MM5 theo hướng đánh giá dự báo nghiệp vụ. Nam Trung Bộ là một trong những khu vực thường chịu ảnh hưởng của các đợt mưa lớn. Địa hình khu vực Nam Trung Bộ khá phức tạp, phía Tây là dãy Trường Sơn có độ cao từ 1000 đến 1500m, phía đông nằm kề sát biển Đông, với một dải đồng bằng duyên hải nhỏ, hẹp, thỉnh thoảng xen giữa là các dãy núi chắn ngang ra biển tạo nên sự phân hóa sâu sắc trong chế độ thời tiết, khí hậu. Sự xuất hiện mưa, nhất là mưa lớn, ở đây thường gây ra những hậu quả nghiêm trọng như lũ lụt, trượt lở đất,… ảnh hưởng xấu đến đời sống và các hoạt động kinh tế - xã hội. Do đó, việc dự báo mưa định lượng là một trong những bài toán hết sức quan trọng cần được quan tâm giải quyết nhằm góp phần giảm nhẹ và phòng tránh thiên tai cũng như phục vụ sự nghiệp phát triển kinh tế - xã hội, bảo đảm an ninh - quốc phòng. Điều đó gợi mở cho chúng tôi hướng tiếp cận ứng dụng mô hình số vào dự báo thời tiết các tháng mùa mưa cho khu vực Nam Trung Bộ. Qua tìm hiểu và tham khảo các công trình nghiên cứu như đã nêu trên đây, chúng tôi nhận thấy nên bắt đầu thử nghiệm với mô hình MM5, vì đây là một mô hình số qui mô vừa, được cung cấp miễn phí và được ứng dụng ở nhiều nước trên thế giới cũng như ở Việt Nam. 17 Chương 2 MÔ HÌNH KHÍ TƯỢNG ĐỘNG LỰC QUY MÔ VỪA MM5 2.1. Hệ các phương trình cơ bản trong mô hình MM5 MM5 sử dụng hệ tọa độ ngang Đề các và hệ tọa độ thẳng đứng xicma (s). Các phương trình cơ bản của mô hình bao gồm: § Các phương trình chuyển động ngang: (2.1) (2.2) trong đó, u và v - các thành phần vận tốc theo hướng đông và bắc; f - độ cao địa thế vị; m - nhân tố bản đồ; dt ds s = & ; r - mật độ không khí; f - tham số Coriolis; Du và Dv - biểu diễn hiệu ứng khuếch tán ngang và đứng; p*=ps - pt. § Phương trình nhiệt động lực học: (2.3) 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 nước, Q – năng lượng đoạn nhiệt, DT - biểu diễn hiệu ứng khuếch tán ngang và đứng, dt dp = w được tính bằng: (2.4) u Dvp xx p mp up y mvup x muup m t up f ++ ú û ù ê ë é ¶ ¶ + ¶ ¶ - ¶ ¶ - ú û ù ê ë é ¶ ¶ + ¶ ¶ -= ¶ ¶ * * * **** // 2 f r s s s & v Dp yy p mp vp y mvvp x muvp m t p fu v ++ ú û ù ê ë é ¶ ¶ + ¶ ¶ - ¶ ¶ - ú û ù ê ë é ¶ ¶ + ¶ ¶ -= ¶ ¶ * * * **** // 2 f r s s s & T pp D c Q p c p Tp y mvTp x mTp m t Tp u +++ ¶ ¶ - ú û ù ê ë é ¶ ¶ + ¶ ¶ -= ¶ ¶ & & ** **** // 2 w s s dt dp p * * ssw += & 18 với: (2.5) § Khí áp bề mặt có thể được tính từ: (2.6) cùng với sử dụng tích phân theo phương đứng: (2.7) Sau khi xác định xu thế khí áp bề mặt t p ¶ ¶ * , vận tốc thẳng đứng trong hệ toạ độ sigma (s & ) được tính cho mỗi mực từ tích phân theo phương đứng trong phương trình (1.9): (2.8) trong đó, s ’ là biến hình thức của tích phân và s & (s =0)=0. § Phương trình thuỷ tĩnh xác định độ cao địa thế vị từ nhiệt độ ảo Tv: (2.9) trong đó, R - hằng số khí khô; Tv=T(1+0.608qv); qc và qr là tỷ số xáo trộn nước mây hoặc băng và nước mưa hoặc tuyết. ú û ù ê ë é ¶ ¶ + ¶ ¶ + ¶ ¶ = ¶ ¶ y p v x p um t p t p **** s s ¶ ¶ - ú û ù ê ë é ¶ ¶ + ¶ ¶ -= ¶ ¶ & **** // 2 p y mvp x mup m t p ò ú û ù ê ë é ¶ ¶ + ¶ ¶ -= ¶ ¶ 1 0 2 // *** s d y mvp x mup m t p ' //1 0 2 *** * ss s d y mvp x mup m t p p ò ú û ù ê ë é ÷ ÷ ø ö ç ç è æ ¶ ¶ + ¶ ¶ + ¶ ¶ -= & 1 1 1 )/ln( * - ú û ù ê ë é + + +-= +¶ ¶ c rc v t q qq RT pp s f 19 Đối với động lực học bất thuỷ tĩnh, các biến được phân tích thành tổng của trạng thái nền và nhiễu động như sau: ( ) ( ) ( ) tzyxpzptzyxp ,,,,,, ' 0 += ( ) ( ) ( ) tzyxTzTtzyxT ,,,,,, ' 0 += ( ) ( ) ( ) tzyxztzyx ,,,,,, ' 0 rrr += trong đó, đặc trưng profile trạng thái nền của nhiệt độ có thể là hàm phân tích được hiệu chỉnh từ profile nhiệt độ trung bình của tầng đối lưu. Trong động lực bất thủy tĩnh, hệ tọa độ thẳng đứng được tính theo áp suất của trạng thái nền: ts t pp pp - - = 0 s trong đó, ps và pt là khí áp trạng thái nền tại bề mặt và tại đỉnh khí quyển mô hình, chúng không phụ thuộc thời gian. Áp suất tổng cộng tại mỗi nút lưới được tính như sau: '* pppp t ++= s (2.10) trong đó, p’ là nhiễu động rối; p*(x,y) = ps(x,y) - pt. Khi đó, hệ phương trình của mô hình MM5 với động lực học bất thuỷ tĩnh trong hệ toạ độ s chuyển thành: § Các phương trình chuyển động ngang và thẳng đứng: 20 u Dvp p x p px pmp uDIV up y mvup x muup m t up f ++ ú û ù ê ë é ¶ ¶ ¶ ¶ - ¶ ¶ - -+ ¶ ¶ - ú û ù ê ë é ¶ ¶ + ¶ ¶ -= ¶ ¶ * * * * **** '' // 2 s s r s s & (2.11) v Dp p y p py pmp vDIV vp y mvvp x muvp m t vp fu ++ ú û ù ê ë é ¶ ¶ ¶ ¶ - ¶ ¶ - -+ ¶ ¶ - ú û ù ê ë é ¶ ¶ + ¶ ¶ -= ¶ ¶ * * * * **** '' // 2 s s r s s & (2.12) [ ] w sr r w s swww w Dqqgp Tp pT T Tp p gp DIV p y mvp x mup m t p rc v ++- ú û ù ê ë é -+ ¶ ¶ + ++ ¶ ¶ - ú û ù ê ë é ¶ ¶ + ¶ ¶ -= ¶ ¶ )(* ''' * 1 * // 0 00 2 **** & (2.13) § Phương trình xu thế khí áp: wr s w gr s s s s g s s gppg v y p mpx muu x p mpx mu ppm DIVp p y mvpp x mupp m t p pp 00 2 2 * // * ' /'/' * * * * '***'* + ¶ ¶ + + ú û ù ê ë é ¶ ¶ ¶ ¶ - ¶ ¶ + ¶ ¶ ¶ ¶ - ¶ ¶ - -+ ¶ ¶ - ú û ù ê ë é ¶ ¶ + ¶ ¶ -= ¶ ¶ & (2.14) § Phương trình xu thế nhiệt độ: T p p p D c Q pDgp Dt Dp p c TDIV Tp y mvTp x mTp m t Tp u ++ ú û ù ê ë é --+ ++ ¶ ¶ - ú û ù ê ë é ¶ ¶ + ¶ ¶ -= ¶ ¶ & & * **** '0 2 * ' * 1 // wr r s s (2.15) trong đó s s ¶ ¶ + ú û ù ê ë é ¶ ¶ + ¶ ¶ -= & *** // 2 p y mvp x mup mDIV (2.16) 21 và v y p p m u x p p m p g ¶ ¶ - ¶ ¶ --= * *** * 0 ss w r s & (2.17) 2.2. Tham số hóa vật lý Các quá trình quy mô dưới lưới như đối lưu, bức xạ, khuyếch tán rối ngang và thẳng đứng, các quá trình bề mặt đều có vai trò rất quan trọng đối với động lực học khí quyển. Chính vì vậy chúng cần được tham số hoá trong mô hình dự báo thời tiết số. Các sơ đồ tham số hoá vật lý trong mô hình MM5 rất phong phú, tạo điều kiện thuận lợi cho các đối tượng sử dụng khác nhau. Các quá trình vật lý được tham số hoá trong bộ phận mô phỏng của mô hình bao gồm: đối lưu, vi vật lý mây, bức xạ, lớp biên hành tinh, các quá trình đất – bề mặt (mô hình đất). 2.2.1. Tham số hoá đối lưu Một trong những quá trình vật lý quan trọng nhất phải được tham số hoá là đối lưu. Mô hình MM5 có khá nhiều tùy chọn sơ đồ tham số hoá đối lưu, như Anthes-KuO, Grell, Arakawa-Schubert, Fritsch-Chappell, Kain-Fritsch, Betts-Miller, Kain-Fritsch 2. Một số sơ đồ tham số hóa đối lưu đáng chú ý: - Sơ đồ Kuo: là một trong những sơ đồ đầu tiên của MM5. Sơ đồ Kuo dựa trên các giả thiết sau đây: a) đối lưu mây tích xuất hiện ở vùng có lớp bên dưới phân tầng bất ổn định có điều kiện và có hội tụ ẩm; b) chuyển động đối lưu vận chuyển không khí lớp sát đất đến độ cao rất lớn. Trong chuyển động này, không khí trong mây đi lên theo quá trình đoạn nhiệt giả; c) chân mây nằm ở mực ngưng kết của không khí lớp sát đất, đỉnh mây đạt tới độ cao nơi nhiệt độ của phần tử đi lên bằng nhiệt độ môi trường; d) mây tích tồn tại một thời gian rất ngắn sau đó chúng “hoà tan” vào môi trường ở mực đó. Vì vậy, nhiệt và ẩm mà mây đem theo truyền cho không khí môi trường. Ưu điểm của các sơ đồ Kuo là quá trình đốt nóng khí quyển do đối lưu mây tích được giải thích rõ ràng hơn so với các sơ đồ tham số hoá đối lưu theo phương pháp thích ứng đối lưu. Tuy nhiên, hạn chế của chúng là không tính đến quá trình cuốn hút không khí vào mây. - Sơ đồ Betts – Miller (BM): Đây là sơ đồ dựa trên khái niệm thích ứng đối lưu, trong đó thừa nhận rằng ở những nút lưới có gradient thẳng đứng của nhiệt độ và độ ẩm tương đối vượt quá giá trị tới hạn nào đó thì chúng được thay ngay bằng giá trị tới hạn đó. Ngưỡng tới hạn này được lựa chọn khác nhau tuỳ theo tác giả của sơ đồ tham số hoá. Đồng thời động năng của xoáy quy mô nhỏ do đối lưu gây ra được cho là chuyển hoá ngay tức khắc thành nhiệt năng, và toàn bộ lượng nước rơi xuống thành mưa. Đối với không khí chưa bão hoà thì xảy ra quá trình đối lưu khô. Sơ đồ BM sử dụng hiệu chỉnh đối lưu trễ thông thường, trong đócác trường nhiệt, ẩm được hiệu chỉnh theo các profile quy chiếu chuẩn, các profile này phản ánh trạng thái tựa cân bằng do đối lưu sâu trong các quá trình bình lưu và bức xạ quy mô lớn. Cấu trúc nhiệt động lực được chia thành hai trạng thái riêng biệt: đối lưu nông và đối lưu sâu. - Sơ đồ Grell: Cho phép xác định được đặc tính của từng loại mây tích và vai trò của chúng trong quá trình trao đổi nhiệt ẩm của khí quyển. Đây là phiên bản mô hình mây một chiều của Arakawa-Schubert có tính đến dòng giáng và được áp dụng đầu tiên trong mô hình MM5. Trong sơ đồ giả thiết không có xáo trộn trực tiếp giữa không khí mây với môi trường trừ ở đỉnh mây và chân mây. Thông lượng khối dòng thăng (mu ) và thông lượng khối dòng giáng (md ) được giả thiết là không đổi theo độ cao. Sự tác động của đối lưu đối với các quá trình quy mô lớn thông qua dòng cuốn ra từ mây tại chân mây và đỉnh mây, dòng giáng được bồi hoàn trong môi trường sinh ra do đối lưu. - Sơ đồ Fritsch - chappell (FC): sơ đồ tham số hoá đối lưu mây tích của Fritsch - Chappell (FC) được phát triển nhằm đơn giản hoá việc mô phỏng số các hệ thống đối lưu quy mô vừa đồng thời nó được thiết kế cho các mô hình với các bước lưới khoảng 10-30 km (Fritsch và Chappell 1980). 2.2.2. Tham số hoá vi vật lý mây Mô hình MM5 có các lựa chọn sơ đồ tham số hoá vi vật lý mây sau đây: - Sơ đồ Kessler: Sơ đồ Kessler (Kessler 1969) là một sơ đồ mây ấm đơn giản (warm cloud), và nó bao gồm hơi nước, nước mây và mưa. Các quá trình vi vật lý trong sơ đồ bao gồm là: lượng mưa, tốc độ mưa và bốc hơi của mưa, sự phát triển dần lên của nước mây và sự tự động chuyển biến của nước mây và hàm lượng nước mây từ ngưng kết. - Sơ đồ Lin: Trong sơ đồ này, có sáu dạng băng tồn tại trong mây bao gồm: hơi nước, nước mây, mưa và băng mây, tuyết và graupel. - Sơ đồ băng đơn giản –NCEP: Sơ đồ này có tính đến ảnh hưởng của việc đóng băng. Có ba dạng nước (hydrometeos) được tính đến trong sơ đồ gồm: hơi nước, nước mây/băng và mưa/tuyết. - Sơ đồ pha xáo trộn- NCEP: Sơ đồ này cũng tương tự như sơ đồ băng đơn giản trên. Tuy nhiên, mưa và tuyết được xem là hai dạng khác nhau. Sơ đồ 24 này cho phép nước chậm đông (supercooled water) tồn tại và tuyết sẽ tan dần dần khi nó rơi. Trong sơ đồ có tính đến cả sự đóng băng. - Sơ đồ ETA (trong mô hình ETA): Sơ đồ thực chất là dự báo tỉ số xáo trộn của nước/băng mây. Giáng thủy lỏng và giáng thủy đóng băng nhận được theo tỉ số xáo trộn của mây và được giả thiết là rơi xuống mặt đất trong một bước thời gian riêng lẻ. 2.2.3. Các sơ đồ tham số hoá bức xạ Các lựa chọn sơ đồ tham số hoá bức xạ trong mô hình MM5 và đặc điểm của chúng bao gồm: - 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 như xu thế của nhiệt độ không khí, đó là dòng bức xạ bề mặt. - CCM2 radiation scheme: Phù hợp với bước lưới 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). 2.2.4. Các sơ đồ tham số hóa lớp biên hành tinh (PBL) Trong mô hình MM5 có các lựa chọn sơ đồ tham số hoá lớp biên hành tinh và một số đặc điểm của chúng như sau: - Bulk PBL: Thích hợp với độ phân giải thô thẳng đứng trong lớp biên 25 - High-Resolution Blackdar PBL: Thích hợp với độ phân giải cao của lớp biên, ví như 5 lớp thấp nhất, lớp bề mặt có độ dày < 100m, bốn chế độ ổn định, bao gồm lớp xáo trộn đối lưu tự do được sử dụng phân tách bước 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 được 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 phương. - MRF PBL: Thích hợp đối với lớp biên hành tinh phân giải cao (như sơ đồ Blackada). Sơ đồ được 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. Nhưng khác biệt là dùng nhiệt độ thế vị nước lỏng như là biến bảo toàn, được tính chính xác trong điều kiện bão hoà. Hiệu quả của sơ đồ có thể so sánh được với sơ đồ Blackada vì nó cũng phân tách bước thời gian. 2.2.5. Các sơ đồ (mô hình) đất: Mô hình MM5 có các lựa chọn sơ đồ đất sau: - None – không lựa chọn sơ đồ đất - Sơ đồ Force/restore (Blackadar) - Sơ đồ đất 5 lớp – Nhiệt độ đất được dự báo tại 5 tầng 1,2,4,8,16 cm - Sơ đồ đất bề mặt Noah 26 - Sơ đồ đất bề mặt Pleim-Xiu: trong sơ đồ này có 4 lựa chọn ( sơ đồ Bucket, sơ đồ đất ẩm (Soil Moisture Model), sơ đồ tuyết (Snow Cover Model), và sơ đồ Polar Mods). 2.3. Điều kiện biên và điều kiện ban đầu Để chạy mô hình dự báo thời tiết khu vực yêu cầu phải có điều kiện biên xung quanh. Trong MM5, các biến trường bắt buộc phải có dùng làm điều kiện ban đầu và điều kiện biên xung quanh để chạy mô hình gồm các thành phần gió (U, V), nhiệt độ (T), độ cao địa thế vị (H), độ ẩm tương đối (RH) trên các mực đẳng áp, khí áp mực biển trung bình (PMSL) và nhiệt độ bề mặt biển (SST). Ngoài ra, tùy thuộc vào điều kiện cụ thể có thể cần có thêm một số trường ban đầu khác, như nhiệt độ và độ ẩm đất tại các lớp đất,… Việc xử lý cập nhật biên xung quanh trong mô hình MM5 có thể thực hiện theo hai phương pháp: a) Phương pháp Sponge Theo phương pháp này, các giá trị trên biên được tính như sau ) LCMCn t n t n t ÷ ø ö ç è æ ¶ ¶ -+ ÷ ø ö ç è æ ¶ ¶ = ÷ ø ö ç è æ ¶ ¶ a w a w a 1 (2.34) trong đó, n= 1, 2, 3, 4 đối với các điểm có dấu nhân (x) (nằm tại tâm ô lưới) và n =1, 2, 3, 4, 5 đối với các điểm có dấu tròn ( · ) (nằm tại các nút lưới) (hình 2.2), a ký hiệu các biến cần tính, MC chỉ xu thế tính toán của mô hình, LC là xu thế quy mô lớn lấy từ mô hình mô phỏng quy mô lớn, n chỉ số nút lưới tính từ biên ngoài cùng (n=1), hàm trọng lượng thực nghiệm w(n) ở các điểm (x) tương ứng là 0.0, 0.4, 0.7, và 0.9, còn trên các điểm ( · ) tương ứng là 0.0, 0.2, 0.55, 0.8 và 0.95. Ở tất cả các nút lưới khác trong miền tính thì w(n)=1. 27 Phương pháp Sponge không được sử dụng trong phiên bản phi thủy tĩnh của MM5. b) Phương pháp Nudging Theo phương pháp này thì các giá trị trên biên được tính như sau: ( ) ( ) ( ) ( ) MCLSMCLS n FnFFnF t aaaa a -D--= ÷ ø ö ç è æ ¶ ¶ 221 (2.35) Hàm F giảm tuyến tính từ biên xung quanh và có dạng ) 3 5 ()( n nF - = , n=2, 3, 4 (2.36) 0)( = nF , n>4 Trong đó F1 và F2 của phương trình (2.35) được xác định như sau: t F D = 10 1 1 (2.37) t s F D D = 50 2 1 Trong đó: t D : bước thời gian : s D độ phân giải của mô hình 2.4. Hệ toạ độ theo phương ngang và đứng Theo phương thẳng đứng, mô hình MM5 sử dụng hệ toạ độ sigma (s): ts t pp pp - - = s (2.38) Trong đó, p – khí áp; ps – khí áp bề mặt, pt – khí áp tại đỉnh mô hình. 28 Các mực theo phương đứng trong hệ toạ độ s có đặc điểm uốn sát địa hình ở lớp dưới và gần sát với các mực khí áp ở lớp trên. Theo (hình 2.1-b) ta có thể thấy s biến đổi từ 1 (mặt đất) tới 0 (mực khí quyển đỉnh mô hình) và các mực khí quyển được xác định bởi tập giá trị s trong khoảng [0,1]. Các biến s & , w được xác định trên các mực nguyên (K=1, 2,...), các biến còn lại được xác định trên các mực phân (K=11/2, 21/2,...). Ưu điểm của hệ toạ độ s là theo đó ta tính được ảnh hưởng của địa hình đến các quá trình nhiệt động lực học xảy ra trong khí quyển. Ngoài ra, điều kiện biên của tốc độ thăng (w) tại biên dưới là w(1)=0. Mô hình MM5 sử dụng lưới tọa độ so le Arakawa B theo phương ngang có dạng như trên hình 2.1(a). Tại các điểm (x) mô hình thực hiện việc tích phân cho các biến vô hướng như 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. Hình 2.1: (a)- Cấu trúc ngang theo lưới xen kẽ Arakawa B. (b)- Cấu trúc thẳng đứng của MM5. 2.5. Cấu trúc của mô hình MM5 Sơ đồ trong hình 2.2 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 tượng được nội suy theo phương ngang, phương đứng thông qua các mô đun thuộc bộ phận xử lý TERRAIN, REGRID và INTERPF. Do các trường khí tượng là điều kiện ban đầu cho mô hình được lấy từ phân tích của mô hình toàn cầu có độ phân giải ngang thô nên cần thiết phải được điều chỉnh bằng số liệu thám sát địa phương. Trong trường hợp này chúng ta có thể sử dụng bổ sung thêm mô đun RAWIN/LITTLE_R. Trong trường hợp chạy lồng nhiều lưới, mô hình bổ sung mô đun NESTDOWN với mục đích làm trơn lưới Hình 2.2 Cấu trúc của hệ thống mô hình MM5 30 thô hơn ở miền ngoài. Mô đun INTERPB có chức năng chuyển các trường khí tượng từ mực sigma của mô hình về mực khí áp. 2.5.1. Mô đun TERRAIN TERRAIN là mô đun đầu tiên của hệ thống mô hình dự báo MM5, dùng để nội suy phương ngang các dữ liệu về độ cao địa hình và thảm thực vật (land use), loại hình bề mặt đất, ranh giới đất – nước,... cho các miền tính. Trường số liệu đưa vào ở đây bao gồm: Độ cao địa hình; Thảm thực vật hay loại hình sử dụng; Nhiệt độ đất các lớp sát mặt; Độ nhám bề mặt đất. Tất cả các số liệu được chia thành 6 bộ với các bậc và độ phân giải tương ứng là: 10, 30’, 10’, 5’, 2’, 30’’ và có thể tải từ Internet : ftp://ftp.ucar.edu/mesouser/MM5V3/TERRAIN_DATA/. Quá trình tính toán trong chương trình của mô đun TERRAIN được thực hiện theo hai bước sau: - Thiết lập trường địa hình khu vực cho miền dự báo ở dạng lưới thô và lưới dự báo; - Truy xuất sản phẩm là file số liệu địa hình cho khu vực lựa chọn. Sản phẩm của mô đun TERRAIN là các file TERRAIN_DOMAIN1, TERRAIN_DOMAIN2,... tương ứng với miền tính thứ nhất, miền tính thứ hai,... và sẽ là đầu vào cho các mô đun REGRID, MM5 sau này. 2.5.2. Mô đun REGRID Các chương trình trong mô đun REGRID dùng để đọc và phân tích số liệu khí tượng ở các mực khí áp theo phương ngang đồng thời nội suy các giá trị phân tích được từ lưới thô ban đầu (lưới của các mô hình toàn cầu, khu vực mà số liệu được lấy làm đầu vào cho MM5) vào lưới tính của mô hình dựa vào các phép chiếu bản đồ đã được định nghĩa trong khi thực hiện tính toán ở mô đun TERRAIN. REGRID bao gồm hai thành phần chính: - Đọc và định dạng lại trường khí tượng đầu vào (thực hiện bởi mô đun pregrid); - Nội suy các trường khí tượng vào lưới tính của MM5 (thực hiện bởi mô đun regridder). Các quá trình xử lý của mô đun pregrid có thể được chia nhỏ thành các phần khác nhau và bất kỳ thành phần nào cũng có thể đọc các file số liệu khí tượng một cách dễ dàng. Mục đích để trợ giúp người sử dụng có thể thay thế các file số liệu đầu vào với các định dạng sẵn có của MM5 (vốn đã rất phong phú) bởi các số liệu có định dạng riêng. Trong thực tế, chúng tôi đã thử nghiệm thành công đưa các trường khí tượng ở dạng ASCII vào mô hình MM5 thay thế các trường khí tượng có định dạng mã hoá (GRIB). Các nguồn số liệu khí tượng cho mô hình MM5 sẽ được trình bày trong mục sau của báo cáo. Sản phẩm của mô đun REGRID là các file REGRID_DOMAIN1, REGRID_DOMAIN2,... tương ứng với các miền tính thứ nhất, miền tính thứ hai,.... Các file số liệu này là đầu vào cho mô đun RAWINS/Little_R (trong trường hợp bổ sung số liệu địa phương) hoặc mô đun INTERPF (trong trường hợp không bổ sung số liệu địa phương). Các files số liệu này được xem như là những phỏng đoán đầu tiên của quá trình phân tích khách quan hay nói cách khác, quá trình phân tích khách quan được nội suy trực tiếp ở các mực trong mô hình đối với điều kiện ban đầu và điều kiện biên của MM5. 2.5.3. Mô đun INTERPF Chức năng chính của mô đun INTERPF là: - Nội suy số liệu khí tượng theo chiều thẳng đứng vào lưới mô hình; - Bổ sung các trường bề mặt như khí áp, nhiệt độ không khí; - Xử lý mô hình bất thuỷ tĩnh nguyên thuỷ. 2.5.4. Mô đun MM5 MM5 là mô đun chính, đảm nhiệm chức năng mô phỏng và dự báo. Dữ liệu đầu vào của mô đun MM5 chính là đầu ra của các chương trình INTERPF và TERRAIN. Sản phẩm của mô đun MM5 là các file có tên được đặt theo qui ước MMOUT_DOMAIN1, MMOUT_DOMAIN2,... 2.6. Các dạng sản phẩm của mô hình MM5 Sản phẩm cuối cùng của MM5 là các file MMOUT_DOMAIN1,2,... cho các miền tính khác nhau ở toàn bộ các thời điểm tính từ thời điểm bắt đầu mô phỏng hoặc dự báo. Khoảng cách thời gian giữa các thời điểm này bằng bước thời gian của mô hình. Tuy nhiên, trong quá trình lưu sản phẩm dự báo số, chúng ta chỉ lưu lại các trường khí tượng cách nhau 3h, 6h hoặc 12h nhằm giảm dung lượng của file sản phẩm. Mô hình MM5 cho phép trích các yếu tố từ các trường khí tượng dự báo cho các điểm theo ô lưới dưới dạng ASCCI ngay trong quá trình chạy mô hình. Đây là một thuận lợi cho việc lập bản tin dự báo cho các điểm cố định mà không cần phải phân tích toàn bộ trường khí tượng khu vực. Bảng 2.1. Các yếu tố dự báo của MM5 Các yếu tố dự báo 3 chiều U Thành phần gió vĩ hướng (m/s) V Thành phần gió kinh hướng (m/s) T Nhiệt độ (K) Q Tỉ số xáo trộn hơi nước (kg/kg) (if IMPHYS2) CLW Tỉ số xáo trộn nước mây (kg/kg) (if IMPHYS3) RNW Tỉ số xáo trộn nước mưa (kg/kg) (if IMPHYS3) ICE Tỉ số xáo trộn băng mây (kg/kg) (if IMPHYS5) SNOW Tỉ số xáo trộn tuyết (kg/kg) (if IMPHYS5) GRAUPEL Tỉ số xáo trộn hạt graupel (kg/kg) (if IMPHYS6) NCL Băng mây (if IMPHYS7) TKE Động năng rối (J/kg) (if IBLTYP=3,4,6) RAD TEND Xu thế bức xạ khí quyển (if FRAD2) W Tốc độ gió thẳng đứng (m/s) (ở tất cả các mực) Các yếu tố dự báo 2 chiều U10 Trường gió U ở độ cao 10 m V10 Trường gió V ở độ cao 10 m PSLV Áp suất mặt biển RAIN CON: Mưa đối lưu (cm) RAIN NON Mưa quy mô lưới (cm) PBL HGT Độ cao lớp biên hành tinh (m) REGIME Kiểu lớp biên hành tinh (loại 1-4) SHFLUX Thông lượng hiển nhiệt bề mặt (W/m2) LHFLUX Thông lượng ẩn nhiệt bề mặt (W/m2) UTS Vận tốc ma sát (m/s) SOIL Tx Nhiệt độ trong các lớp đất (K)(If SOIL=1,2) Các sản phẩm khác SIGMAH Mực phân của mô hình ALBD Albedo bề mặt theo loại đất sử dụng SLMO Độ ẩm khả năng bề mặy theo loại đất sử dụng SFEM Độ phát xạ bề mặt theo loại đất sử dụng SFZO Độ gồ ghề theo loại đất sử dụng THERIN Nhiệt dung của bề mặt theo loại đất sử dụng SFHC Nhiệt dung của đât SIGMAH Mực phân của mô hình ALBD Albedo bề mặt theo loại đất sử dụng SLMO Độ ẩm khả năng bề mặy theo loại đất sử dụng Chương 3 KẾT QUẢ TÍNH TOÁN VÀ PHÂN TÍCH Ở Việt Nam, mô hình MM5 đã được ứng dụng trong nghiên cứu và dự báo ở một số cơ sở thuộc Bộ Tài nguyên và Môi trường cũng như ở Trường Đại học Khoa học Tự nhiên, Đại học Quốc gia Hà Nội, song chưa có một công trình nào đi sâu đánh giá khả năng dự báo nghiệo vụ của nó. Do vậy, trong thực tiễn khi ứng dụng sản phẩm dự báo của mô hình, các dự báo viên thường gặp rất nhiều khó khăn do chưa nắm được xu hướng sai số dự báo của mô hình, chưa xác định được trong những trường hợp nào thì mô hình cho dự báo chính xác, sai số dự báo của mô hình có thể hiệu chỉnh được hay không,...v.v. Nhằm góp phần khắc phục sự khiếm khuyết đó, trong khuôn khổ luận văn này, chúng tôi đã ứng dụng mô hình MM5 dự báo thời tiết các tháng mùa mưa ở khu vực Nam Trung Bộ (tháng 9 đến tháng 12), qua đó đánh giá khả năng dự báo nghiệp vụ của mô hình đối với một số trường khí tượng quan trọng, như mưa, nhiệt độ và tốc độ gió. 3.1.Thiết kế thí nghiệm 3.1.1. Miền tính và độ phân giải Việc lựa chọn miền tính thích hợp là một vấn đề không đơn giản, nhất là đối với vùng Đông Nam Á và Việt Nam - Đông Dương, vì đây là nơi “giao tranh” của nhiều hệ thống gió mùa khác nhau. Do đó, ở đây chúng tôi cố gắng chọn miền tính sao cho bao phủ toàn vùng dự báo của Việt Nam, trong đó có chú trọng đến khu vực Nam Trung Bộ. Nhằm tăng độ phân giải ngang cho khu vực Nam Trung Bộ, mô hình được chạy với hai miền tính lồng nhau, tương tác hai chiều (hình 3.1). Miền ngoài (D01) nằm trong khoảng 50 N-250 N và 950 E-1250 E, có kích thước 82 x102 điểm nút lưới, độ phân giải ngang là 27km. Miền trong (D02) nằm trong khoảng 80 N-150 N và 1050 E-1120 E, gồm 85 x 85 điểm nút lưới, độ phân giải 9km. Số mực theo chiều thẳng đứng là 23 mực. Hình 3.1. Các miền tính của mô hình MM5 3.1.2. Các tham số vật lý MM5 hỗ trợ khá nhiều tùy chọn sơ đồ tham số hóa vật lý. Tuy nhiên không có một tùy chọn nào có thể áp dụng cho tất cả mọi miền địa lý và trong mọi điều kiện thời tiết. Cách duy nhất để chỉ ra được một bộ sơ đồ tham số hóa vật lý thích hợp nhất cho từng khu vực là phải thử nghiệm nhiều lần và tiến hành đánh giá một cách đầy đủ. Trong khuôn khổ luận văn này, chúng tôi không thể thử nghiệm cho tất cả các tùy chọn hiện có của mô hình. Do đó, trên cơ sở tìm hiểu các công trình nghiên cứu trong và ngoài nước, các sơ đồ tham số hóa sau đây đã được lựa chọn cho những thử nghiệm: Sơ đồ vi vật lý mây Simple-Ice (Dudhia,1989), sơ đồ tham số lớp biên hành tinh MRF (Hong và Pan, 1996), và sơ đồ bề mặt đất Noah. Riêng đối với sơ đồ tham số hóa đối lưu, việc lựa chọn gặp khá nhiều khó khăn. Vì MM5 có đến 8 tùy chọn, nếu thực hiện thử nghiệm với tất cả các tùy chọn này khối lượng tính toán sẽ quá lớn. Bởi vậy, trên cơ sở các công trình nghiên cứu [1,2,12,13,14,15,16,17] và khuyến cáo của nhóm tác giả mô hình, chúng tôi quyết định thử nghiệm với 3 sơ đồ là 1) sơ đồ KuO, 2) Betts-Miller và 3) Grell. 3.1.3. Nguồn số liệu Số liệu được sử dụng trong luận văn gồm: 1) Số liệu đề chạy mô hình; và 2) Số liệu quan trắc thực tế để đánh giá mô hình. 1) Số liệu để chạy mô hình MM5 gồm 2 loại: a) Số liệu về độ cao địa hình, lớp phủ bề mặt, loại đất và các đặc tính vật lý của đất. Tập các số liệu này được cho sẵn cùng với bộ mô hình miễn phí có thể download từ Internet; b) Số liệu làm điều kiện ban đầu và điều kiện biên phụ thuộc thời gian. Đây là các trường phân tích và dự báo của các mô hình toàn cầu. Trong luận văn nguồn số liệu này là sản phẩm của mô hình GFS/AVN của NCEP, cũng được khai thác miễn phí từ Internet. Để cập nhật biên theo thời gian chúng tôi lấy các trường số liệu cách nhau từng 6h một. 2) Số liệu quan trắc: Là bộ số liệu quan trắc khí tượng thu thập tại 20 trạm thuộc khu vực Nam Trung Bộ trong thời gian từ 01/9-31/12 của 3 năm 2005-2007, gồm 3 yếu tố: mưa, nhiệt độ và tốc độ gió. Số liệu mưa tại các trạm quan trắc được cộng tích lũy tương ứng với các thời hạn dự báo của mô hình. 3.1.4. Mô tả thí nghiệm Trong nghiên cứu này chúng tôi đã ứng dụng mô hình MM5 để thực hiện các thí nghiệm sau đây: - Thí nghiệm 1: sử dụng mô hình MM5 với cấu hình như đã nêu tại mục 3.1 để khảo sát độ nhạy của 3 sơ đồ TSHĐL KuO, Betts-Miller và Grell với các đợt mưa lớn điển hình trong các năm 2005- 2007. Thời hạn dự báo 48h, bắt đầu từ 00UTC của ngày trước khi có mưa lớn xảy ra. - Thí nghiệm 2: cùng cấu hình như thí nghiệm 1 nhưng chỉ sử dụng một sơ đồ TSHĐL là Betts-Miller để dự báo 23 đợt mưa lớn xảy ra ở khu vực Nam Trung Bộ trong 3 năm 2005-2007. Thời hạn dự báo 48h, bắt đầu từ 00UTC của ngày trước khi mưa lớn xảy ra. Mục đích của thí nghiệm này là đánh giá kỹ năng dự báo mưa lớn của mô hình đối với khu vực Nam Trung Bộ. - Thí nghiệm 3: tương tự như cấu hình đã lựa chọn với các thí nghiệm trên đây, nhưng thời gian dự báo bắt đầu 00UTC từ ngày 01/9-31/12 các năm 2005- 2007. Mô hình chạy theo chế độ nghiệp vụ. Mục đích của thí nghiệm này là để đánh giá khả năng dự báo nghiệp vụ của mô hình MM5 đối với mùa khu vực Nam Trung Bộ. 3.2. Các phương pháp đánh giá Hiện nay có rất nhiều phương pháp đánh giá sản phẩm mô hình số, trong nghiên cứu này chúng tôi sử dụng 2 phương pháp thông dụng nhất đó là phương pháp đánh giá trực quan và đánh giá định lượng bằng các chỉ số thống kê. 3.2.1. Đánh giá trực quan Phương pháp trực quan này giúp chúng ta đánh giá một cách tính tính giữa trường dự báo và quan trắc, qua đó có thể nhận định nguyên nhân gây sai số dự báo đối với từng trường hợp. Ưu điểm của phương pháp này là cho phép nhìn một cách khái quát sự phân bố không gian của sản phẩm dự báo và kết quả quan trắc. Nhược điểm của nó là khó có thể rút ra được qui luật chung về sai số của mô hình. 3.3.2. Đánh giá thông qua các chỉ số thống kê Đánh giá thống kê theo loại (hay đánh giá dự báo hiện tượng) là đánh giá sự phù hợp giữa hai sự kiện dự báo và quan trắc. Các chỉ số đánh giá dựa vào bảng ngẫu nhiên sau (Damrath, 2002): Hits (H) = dự báo có + quan trắc có Misses (M) = dự báo không + quan trắc có False alarms (F) = dự báo có + quan trắc không Correct negatives(CN)=dự báo không+quan trắc không Dưới đây là một số chỉ số thường dùng trong đánh giá dự báo hiện tượng. * Bias score (BIAS hay FBI): Thường dùng trong đánh giá diện mưa dự báo ứng với một ngưỡng nào đó cho trước H F FBI H M + = + (3.1) FBI < 1: vùng dự báo nhỏ hơn vùng thám sát FBI > 1: vùng dự báo lớn hơn vùng thám sát FBI = 1: vùng dự báo bằng với vùng thám sát (giá trị lý tưởng) * Xác suất phát hiện (Probability of Detection - POD) H POD H M = + (3.2) POD chỉ nhạy đối với những hiện tượng không dự báo được (misses events) chứ không nhạy đối với phát hiện sai (false alarms). POD dao động từ 0 đến 1. Giá trị tối ưu POD = 1. * Tỷ phần dự báo phát hiện sai (False Alarms Ratio - FAR) 40 F FAR H F = + (3.3) Giá trị tối ưu FAR = 0 * Chỉ số thành công (Critical Success Index – CSI hay Threat Score – TS) H CSI TS M F H = = + + (3.4) Giá trị tối ưu TS = 1 * Chỉ số thành công hợp lý (Equitable Threat Score – ETS). ETS có giá trị tốt nhất là 1. random random H H ETS M F H H - = + + - (3.5) trong đó random H là số dự báo đúng ngẫu nhiên xác định như sau ( ) ( ) * random H F H M hit total + + = * Độ chính xác (Percentage Correct - PC) H CN PC total + = (3.6) Đánh giá thống kê các biến liên tục là số đo sự tương ứng giữa giá trị dự báo và giá trị quan trắc. Phương pháp đánh giá thống kê dựa vào mômen bậc nhất hay bậc hai, trong đó phổ biến sử dụng các chỉ số sau: * Sai số trung bình (ME) ( ) å = -= N i ii OF N ME 1 1 (3.7) * Sai số tuyệt đối trung bình (MAE) å = -= N i ii OF N MAE 1 1 (3.8) * Sai số bình phương trung bình quân phương (RMSE) 41 ( ) å = -= N i ii OF N RMSE 1 2 1 (3.9) Các ký hiệu được sử dụng trên đây gồm: F : dự báo; O: quan trắc; N : tổng số trường hợp (theo pha hay toàn bộ). Vì không có một chỉ số đánh giá nào có đầy đủ ý nghĩa ưu việt do đó cần phải kết hợp tính toán nhiều chỉ số nhằm đánh giá được một cách toàn diện và dễ dàng trong phân tích kết quả. 3.3. Độ nhạy của các sơ đồ TSHĐL với các hình thế thời tiết gây mưa lớn Nhằm nghiên cứu lựa chọn sơ đồ TSHĐL phù hợp với khu vực dự báo của mô hình, chúng tôi đã chạy dự báo cho ba đợt mưa lớn ở khu vực Nam Trung Bộ là ngày 20-26/10/2005, 20-27/10/2006, 01-5/11/2007. Lượng mưa mô hình được dùng để phân tích, đánh giá là sản phẩm dự báo của miền D02. Dưới đây là một ví dụ để minh họa dự báo của mô hình: Trên các hình 3.2 đến 3.4(a-f) minh họa kết quả quan trắc và dự báo mưa tích lũy 12h, 24h, 36h và 48h tính từ 00UTC ngày 03/11/2007 của MM5 chạy với các sơ đồ đối lưu KuO, Betts-Miller và Grell; trong đó các hình (a)-(c) là các trường dự báo kết xuất trực tiếp từ mô hình, các hình (d)-(f) biểu diễn lượng mưa dự báo đã được nội suy về vị trí trạm sau đó được phân tích lại về lưới mô hình, hình (g) là lượng mưa quan trắc phân tích. Phương pháp phân tích số liệu trạm (quan trắc và dự báo) về lưới mô hình được sử dụng là phương pháp Cressman. Từ các hình 3.2(a)-(c) nhận thấy rằng trong cả ba thí nghiệm mô hình đều cho vùng mưa dự báo bao phủ một miền rộng lớn cả ngoài khơi và trên đất liền khu vực Nam Trung Bộ, trong đó thí nghiệm với sơ đồ KuO cho diện mưa dự báo rộng nhất, phủ kín miền tính, bao gồm cả Tây Nguyên, Nam Bộ và vùng lãnh thổ Campuchia. Các thí nghiệm với sơ đồ Betts-Miller và Grell cho diện mưa dự báo hẹp hơn, nhất là với sơ đồ Grell. Nhìn chung phân bố không gian của mưa mô hình khi sử dụng các sơ đồ Betts-Miller và Grell khá tương đồng nhau. Cả hai thí nghiệm này đều tạo ra dải mưa lớn ngoài khơi dọc bờ biển Nam Trung Bộ, trong khi đối với sơ đồ KuO dải mưa lớn này có vị trí dịch chuyển lên phía bắc. So với số liệu quan trắc cả ba thí nghiệm đều đã dự báo được diện mưa thực tế (hình 3.2 (d)-(g)), trong đó hai thí nghiệm sử dụng sơ đồ KuO và Grell tạo ra các vị trí tâm mưa lớn phù hợp với quan trắc hơn. Mặc dù vậy, lượng mưa dự báo của mô hình nói chung thấp hơn quan trắc khá nhiều. Đánh giá chung cho dự báo mưa tích lũy 12h dường như MM5 với sơ đồ đối lưu KuO cho dự báo mưa phù hợp với quan trắc hơn so với hai sơ đồ Betts-Miller và Grell. Tình hình diễn ra tương tự đối với diện mưa dự báo tích lũy 24h, 36h và 48h. Tuy nhiên về lượng mưa, các sơ đồ Betts-Miller và Grell có xu hướng nắm bắt tốt hơn vị trí và cường độ các tâm mưa lớn (các hình 3.2, 3.3) mặc dù so với quan trắc vị trí tâm mưa dự báo hơi lùi xuống phía nam. Hình 3.2. Mưa tích lũy 12h tính từ 00UTC ngày 03/11/2007. (a), (b), (c) là trường mưa dự báo của MM5 tương ứng với các sơ đồ KuO, Betts-Miller và Grell; (d), (e), (f) là mưa dự báo của mô hình; hình (g) là lượng mưa quan trắc đã được phân tích về lưới mô hình. 44 Hình 3.3: Tương tự hình 3.2 nhưng là mưa tích lũy 24h Việc xem xét trực tiếp các trường dự báo và quan trắc trên đây cũng đã được tiến hành cho tất cả các lần dự báo của ba đợt mưa thử nghiệm. Nhận xét chung rút ra từ những đánh giá này là mô hình MM5 đã có khả năng dự báo được sự xuất hiện mưa trên khu vực Nam Trung Bộ. Tuy nhiên, lượng mưa dự báo của mô hình trên khu vực nghiên cứu hầu như thấp hơn nhiều so với lượng mưa quan trắc. Một trong những nguyên nhân dẫn đến điều này có thể do sự sai lệch các vị trí các tâm mưa lớn của mô hình. Các sơ đồ tham số hóa đối lưu khác nhau cho kết quả khác nhau khá nhiều về lượng mưa dự báo. Dường như sơ đồ 45 KuO đã làm tăng dự báo khống của mô hình còn sơ đồ Betts-Miller có tính ổn định hơn. Hình 3.4. Tương tự hình 3.2 nhưng là mưa tích lũy 48h Trên các hình 3.5 đến 3.7 lần lượt dẫn ra đồ thị biểu diễn kết quả tính các chỉ số đánh giá thống kê cho cả ba đợt mưa được khảo sát, với trục hoành là các ngưỡng lượng mưa, trục tung là giá trị các chỉ số. Qua đó nhận thấy, với lượng mưa tích lũy 12h các sơ đồ KuO và Grell cho dự báo khống ở các ngưỡng lượng mưa dưới 20mm, trong khi sơ đồ Betts-Miller hầu như dự báo sót. Nói một cách chính xác hơn, diện mưa dự báo của mô hình khi chạy với các sơ đồ KuO và Grell lớn hơn diện mưa quan trắc ở các ngưỡng lượng mưa này. Cả ba sơ đồ đều cho xác suất phát hiện mưa trên 40% ở các ngưỡng dưới 30mm, sơ đồ KuO thể hiện xác suất lớn hơn đáng kể (hình 3.5). Các giá trị xác suất này giảm dần khi ngưỡng lượng mưa tăng lên cho đến 50mm và sau đó giảm đột ngột lượng mưa vượt quá 100mm. Với lượng mưa tích lũy 24h, chỉ số FBI tương ứng với ba sơ đồ đối lưu thể hiện sự khác nhau đáng kể, trong đó sơ đồ KuO cho dự báo khống khá rõ ở các ngưỡng dưới 30mm. Tuy nhiên cả ba sơ đồ đều cho giá trị của các chỉ số TS và POD trên 0.5 và chỉ số FAR ở mức dưới 0.35. Đối với chỉ số TS sự khác biệt giữa các sơ đồ hầu như không rõ rệt (hình 3.5). Đối với lượng mưa tích lũy 48h, nhìn chung mô hình cho kết quả dự báo tương đương nhau khi sử dụng các sơ đồ đối lưu khác nhau, mặc dù sơ đồ KuO vẫn thể hiện sự nổi trội nhất định. Việc so sánh các chỉ số đánh giá thống kê giữa các trường hợp mưa tích lũy 12h, 24h, 36h và 48h cho thấy rằng kỹ năng dự báo của mô hình khi sử dụng các sơ đồ đối lưu KuO và BM khá hơn so với sơ đồ Grell. FBI -12h 0.0 0.2 0.4 0.6 0.8 1.0 1.2 1.4 0.1 5 10 20 30 40 50 100 Ngưỡng mưa (mm) Chỉ số FBI KuO BM Grell TS-12h 0.0 0.2 0.4 0.6 0.8 1.0 0.1 5 10 20 30 40 50 100 Ngưỡng mưa (mm) Chỉ số TS KuO BM Grell POD-12h 0.0 0.2 0.4 0.6 0.8 1.0 0.1 5 10 20 30 40 50 100 Ngưỡng mưa (mm) Chỉ số POD KuO BM Grell FAR-12h 0.0 0.2 0.4 0.6 0.8 1.0 0.1 5 10 20 30 40 50 100 Ngưỡng mưa (mm) Chỉ số FAR KuO BM Grell Hình 3.5. Chỉ số FBI, TS, POD, FAR thời hạn dự báo 12h 47 FBI -24h 0.0 0.2 0.4 0.6 0.8 1.0 1.2 1.4 0.1 5 10 20 30 40 50 100 Ngưỡng mưa (mm) Chỉ số FBI KuO BM Grell TS -24h 0.0 0.2 0.4 0.6 0.8 1.0 0.1 5 10 20 30 40 50 100 Ngưỡng mưa (mm) Chỉ số TS KuO BM Grell POD -24h 0.0 0.2 0.4 0.6 0.8 1.0 0.1 5 10 20 30 40 50 100 Ngưỡng mưa (mm) Chỉ số POD KuO BM Grell FAR -24h 0.0 0.2 0.4 0.6 0.8 1.0 0.1 5 10 20 30 40 50 100 Ngưỡng mưa (mm) Chỉ số FAR KuO BM Grell Hình 3.6. Tương tự như 3.5, thời hạn dự báo 24h FBI -36h 0.0 0.2 0.4 0.6 0.8 1.0 1.2 1.4 0.1 5 10 20 30 40 50 100 Ngưỡng mưa (mm) Chỉ số FBI KuO BM Grell TS -36h 0.0 0.2 0.4 0.6 0.8 1.0 0.1 5 10 20 30 40 50 100 Ngưỡng mưa (mm) Chỉ số TS KuO BM Grell POD -36h 0.0 0.2 0.4 0.6 0.8 1.0 0.1 5 10 20 30 40 50 100 Ngưỡng mưa (mm) Chỉ số POD KuO BM Grell FAR -36h 0.0 0.2 0.4 0.6 0.8 1.0 0.1 5 10 20 30 40 50 100 Ngưỡng mưa (mm) Chỉ số FAR KuO BM Grell Hình 3.7. Tương tự như 3.5, thời hạn dự báo 36h 48 FBI -48h 0.0 0.2 0.4 0.6 0.8 1.0 1.2 1.4 0.1 5 10 20 30 40 50 100 Ngưỡng mưa (mm) Chỉ số FBI KuO BM Grell TS -48h 0.0 0.2 0.4 0.6 0.8 1.0 0.1 5 10 20 30 40 50 100 Ngưỡng mưa (mm) Chỉ số TS KuO BM Grell POD -48h 0.0 0.2 0.4 0.6 0.8 1.0 0.1 5 10 20 30 40 50 100 Ngưỡng mưa (mm) Chỉ số POD KuO BM Grell FAR -48h 0.0 0.2 0.4 0.6 0.8 1.0 0.1 5 10 20 30 40 50 100 Ngưỡng mưa (mm) Chỉ số FAR KuO BM Grell Hình 3.8. Tương tự như 3.5, thời hạn dự báo 48h Sau khi thử nghiệm áp dụng mô hình MM5 để dự báo ba đợt mưa lớn xảy ra trên khu vực nghiên cứu trong các năm 2005- 2007. Chúng tôi có một số nhận xét sau đây: - Mô hình MM5 đã dự báo được khá chính xác về diện mưa của ba đợt mưa đã được chọn thử nghiệm. Tuy nhiên lượng mưa dự báo của mô hình luôn có xu hướng nhỏ hơn lượng mưa quan trắc thực tế. - Trong 3 sơ đồ TSHĐL đã thử nghiệm, sơ đồ BM cho kỹ năng dự báo ổn định hơn so với 2 sơ đồ KuO và Grell trong dự báo các đợt mưa lớn. Đó cũng chính là lý do mà trong nghiên cứu này chúng tôi lựa chọn sơ đồ BM đề thử nghiệm dự báo thời gian thực và đánh giá dự báo nghiệp vụ. 3.4. Khả năng dự báo mưa lớn Mưa lớn sinh ra do nhiều hình thế thời tiết khác nhau, chẳng hạn như do ảnh hưởng của ATNĐ, bão, ITCZ, KKL, gió mùa tây nam, rãnh áp thấp,... hay sự kết hợp phức tạp của các hình thế nêu trên. Mỗi một hình thế thời tiết có những cơ chế vật lý cũng như động lực học khác nhau, ví dụ như trong bão có sự kết hợp giữa bất ổn định mạnh trên vùng đại dương nhiệt đới nóng với hội tụ ẩm mực thấp của các hệ thống hoàn lưu khu vực nhiệt đới. Trong ITCZ thì vai trò quyết định là bất ổn định trong những ổ đối lưu sâu nhiệt tới tạo nên dòng thăng mạnh và gây ra mưa lớn. Vì vậy, với mỗi một sơ đồ TSHĐL có thể mô phỏng tốt mưa trong hình thế này nhưng lại không tốt đối với hình thế khác, phụ thuộc vào những quan niệm và ý tưởng thiết lập sơ đồ. Theo thống kê của chúng tôi, trong 3 mùa mưa 2005- 2007 có 23 đợt mưa lớn diện rộng ở khu vực Nam Trung Bộ. Các hình thế gây mưa lớn chủ yếu là do ảnh hưởng của ICTZ, không khí lạnh hoặc ảnh hưởng tổ hợp của KKL với ICTZ, bão, ATNĐ và một số hệ thống khác nhưng tần suất xuất hiện ít hơn. Do đó, để đánh giá khả năng dự báo của mô hình MM5 so với quan trắc thực tế chúng tôi đã chia thành 3 loại hình thế sy nốp điển hình gây mưa lớn (Bảng 3.1). Bảng 3.1: Bảng tổng hợp các hình thế gây mưa lớn từ năm 2005- 2007 STT Thời gian Bão, ATNĐ KKL KKL kết hợp với Bão, ATNĐ 1 10-13/9/2005 x 2 13-15/9/05 x 3 18-20/9/2005 x 4 27-28/9/2005 x 5 7-13/10/2005 x 6 22-27/10/2005 x 7 29/10-2/11/2005 x 8 16-20/11/2005 x 9 22-27/11/2005 x 10 30/11-8/12/2005 x 11 11-21/12/2005 x 12 23-27/9/2006 x 13 29/9-4/10/2006 x 14 01-6/10/2007 x 15 7-9/11/2006 x 16 3-6/12/2006 x 17 13-18/10/2007 x 18 24-27/10/2007 x 19 30/10-5/11/2007 x 20 9-13/11/2007 x 21 16-20/11/2007 x 22 22-24/11/2007 x 23 3-7/12/2007 x Tổng 9 7 7 51 - Hình thế ảnh hưởng của Bão hoặc ATNĐ: Theo qui luật hoạt động, vào tháng 9, ITCZ dịch chuyển dần xuống Trung Bộ và Nam Trung Bộ. Đến tháng 10, ITCZ dịch chuyển xuống Nam Bộ. Cùng với bão, hoạt động của ITCZ chi phối tình hình mưa ở khu vực này. Trên hình 3.10 (a,b) dẫn ra bản đồ phân tích synốp tại mặt đất và mực AT500 vào lúc 00Z ngày 17/9/2005, là một trường hợp điển hình về loại hình thế này. Hình 3.9: (a)- Bản đồ mặt đất, (b)- AT 500mb lúc 00Z ngày 17/9/2005 (c,d)- tương tự như a,b nhưng là mô phỏng của mô hình MM5. - Hình thế ảnh hưởng của không khí lạnh: Hình thế synốp KKL ảnh hưởng độc lập hay đơn thuần là cách nói tương đối trong phân tích hình thế synốp để chỉ ra quá trình xâm nhập của KKL xuống phía nam mà không kết hợp với những hệ thống thời tiết khác ở vùng nhiệt đới. Trên hình 3.10(a,b) là bản đồ phân tích mặt đất và AT500 lúc 00Z ngày 16/11/2000. Hình 3.10(b,c) là mô phỏng của mô hình MM5 lúc 00Z ngày 04/12/2005, đây là một trường hợp điển hình của loại hình thế thời tiết ảnh hưởng của KKL đối với khu vực Nam Trung Bộ. Hình 3.10: (a)- Bản đồ mặt đất, (b)- AT 500mb lúc 00Z ngày 16/11/2000 (b,c) là mô phỏng của mô hình MM5 lúc 00Z ngày 04/12/2007. (b) (a) 53 - Hình thế ảnh hưởng kết hợp của KKL với ICTZ, Bão hoặc ATNĐ: Đây là loại hình thế sy nốp mà khu vực chịu ảnh hưởng của dải ICZ hoặc bão hay ATNĐ kết hợp với KKL. Loại hình thế thời tiết này có đặc trưng là thời gian mưa kéo dài hơn so với 2 hình thế đã nêu ở trên và thường xảy ra trong các tháng 10, tháng 11. Hình 3.11 (a,b) là bản đồ phân tích mặt đất là mực 500._.

Các file đính kèm theo tài liệu này:

  • docLVBMS.doc
  • pdfLVThS - Bui Minh Son.pdf
Tài liệu liên quan