Tóm tắt
Dự báo thử nghiệm từ 1 đến 3 ngày cho nhiệt độ không khí bề mặt (Tsfc) và
lượng mưa tích lũy 24h cho các trạm trên khu vực Hà Nội trong tháng 1 và tháng
7 năm 2016 bằng mô hình WRF thấy rằng, mô hình WRF thường dự báo nhiệt độ
thấp hơn và lượng mưa cao hơn thực tế. Kết quả dự báo Tsfc trung bình ngày khá
tốt, chỉ khoảng 0,5 ÷ 10C (đối với hạn dự báo 24 giờ), khoảng 1 ÷ 20C (đối với hạn
dự báo 48h và 72h). Tuy nhiên, do các hệ thống thời tiết thường được mô hình dự
báo di chuyển chậm hơn so với thực tế nên sai số dự báo thường lớn hơn trong các
ngày mà các hệ thống này ảnh hưởng trực tiếp đến khu vực. Bởi vậy, cả vùng mưa
và lượng mưa vẫn còn sai số khá lớn. Hơn nữa, sai số dự báo trong tháng 1 thường
nhỏ hơn trong tháng 7.
8 trang |
Chia sẻ: thanhle95 | Lượt xem: 406 | Lượt tải: 0
Bạn đang xem nội dung tài liệu Thử nghiệm dự báo nhiệt độ và lượng mưa trên khu vực Hà Nội bằng mô hình WRT, để tải tài liệu về máy bạn click vào nút DOWNLOAD ở trên
Nghiên cứu
Tạp chí Khoa học Tài nguyên và Môi trường - Số 19 - năm 201850
THỬ NGHIỆM DỰ BÁO NHIỆT ĐỘ VÀ LƯỢNG MƯA
TRÊN KHU VỰC HÀ NỘI BẰNG MÔ HÌNH WRF
Chu Thị Thu Hường, Nguyễn Tiến Mạnh,
Nguyễn Trần Hoàng, Trần Đức Việt
Trường Đại học Tài nguyên và Môi trường Hà Nội
Tóm tắt
Dự báo thử nghiệm từ 1 đến 3 ngày cho nhiệt độ không khí bề mặt (Tsfc) và
lượng mưa tích lũy 24h cho các trạm trên khu vực Hà Nội trong tháng 1 và tháng
7 năm 2016 bằng mô hình WRF thấy rằng, mô hình WRF thường dự báo nhiệt độ
thấp hơn và lượng mưa cao hơn thực tế. Kết quả dự báo Tsfc trung bình ngày khá
tốt, chỉ khoảng 0,5 ÷ 10C (đối với hạn dự báo 24 giờ), khoảng 1 ÷ 20C (đối với hạn
dự báo 48h và 72h). Tuy nhiên, do các hệ thống thời tiết thường được mô hình dự
báo di chuyển chậm hơn so với thực tế nên sai số dự báo thường lớn hơn trong các
ngày mà các hệ thống này ảnh hưởng trực tiếp đến khu vực. Bởi vậy, cả vùng mưa
và lượng mưa vẫn còn sai số khá lớn. Hơn nữa, sai số dự báo trong tháng 1 thường
nhỏ hơn trong tháng 7.
Từ khóa: Nhiệt độ không khí bề mặt (Tsfc); Mô hình WRF; Sai số dự báo
Abstract
Experimental predictions for temperature and precipitation in hanoi using the
WRF model
Experimental predictions of 1 to 3 days for surface air temperature (Tsfc) and
Cumulative rainfall within 24 hours for meteorological stations in Hanoi during
January and July 2016 that is used the WRF model. The results indicate that, the
WRF model often predicts lower temperatures and higher rainfall than actual ones.
The average daily Tsfc forecasts are good, only about 0.5÷10C (for 24 hours forecast
period), about 1÷20C (for 48 hours and 72 hours forecast period). However, because
weather systems are predicted to move more slowly than reality, the forecast errors
are often greater in days when the systems affect directly the area. Therefore, the
error in rain areas and rainfall is still quite large. Moreover, the forecast error in
January is usually smaller than in July.
Keywords: Surface air temperature (Tsfc); WRF model; Forecast errors
1. Mở đầu
Dự báo thời tiết là một trong những
nhiệm vụ quan trọng của ngành Khí
tượng, nó có ảnh hưởng không nhỏ đến
các ngành, các lĩnh vực khác nhau trong
đời sống xã hội. Trong những năm gần
đây, khí hậu toàn cầu đã và đang biến
đổi mạnh mẽ, tần suất và cường độ
thiên tai ngày càng gia tăng trên toàn
thế giới. Việt Nam là một trong những
quốc gia chịu ảnh hưởng nặng nề nhất
của biến đổi khí hậu. Điển hình trong
tháng 1 năm 2016, miền Bắc Việt Nam
chịu ảnh hưởng của đợt rét kỷ lục trong
vòng nhiều năm qua, tại các tỉnh miền
núi phía Bắc xảy ra rét đậm, rét hại,
kèm theo mưa tuyết diện rộng, gây thiệt
hại hàng ngàn con gia súc, nhiều hecta
hoa màu và cây công nghiệp ngắn ngày.
Trong tháng 7 năm 2016, miền Bắc chịu
thiệt hại nặng nề do mưa lớn kéo dài,
đặc biệt là tỉnh Quảng Ninh. Mưa lũ đã
Nghiên cứu
Tạp chí Khoa học Tài nguyên và Môi trường - Số 19 - năm 2018 51
khiến hàng nghìn nhà bị ngập, hoa màu
và vật nuôi bị cuốn trôi, gây thiệt hại to
lớn về người và của, ảnh hưởng nghiêm
trọng tới sự phát triển kinh tế, xã hội.
Hiện nay, với sự phát triển của
khoa học, công nghệ máy tính, các mô
hình dự báo số trị đã được áp dụng
trong dự báo thời tiết hàng ngày và dự
báo hạn mùa, đặc biệt là các hiện tượng
thời tiết cực đoan như mưa lớn, bão, áp
thấp nhiệt đới, rét đậm, rét hại, sai số
trong khả năng cho phép, dự báo và định
lượng khá chính xác. Một trong những
mô hình đang được sử dụng trong
nghiên cứu và dự báo nghiệp vụ là mô
hình WRF. Đây là mô hình khí quyển
quy mô vừa, hệ phương trình động lực
học phi thủy tĩnh, các sơ đồ vật lí được
tích hợp cho những ứng dụng ở quy mô
từ mét đến hàng nghìn km và có mã
nguồn mở để người sử dụng có thể đưa
thêm các sơ đồ vật lý vào mô hình, điều
kiện biên di động, có hệ thống đồng
hóa số liệu 3DVAR, kỹ thuật lồng ghép
miền tính di động. Với những ưu điểm
trên, đã có rất nhiều tác giả sử dụng mô
hình WRF vào nghiên cứu và cho kết
quả tương đối tốt. Cụ thể, Chu Thị Thu
Hường (2006) đã sử dụng mô hình WRF
với lần lượt hai sơ đồ tham số hóa đối
lưu Betts-Miller-Janjic và Kain-Fritsch
để dự báo mưa lớn cho khu vực Trung
Bộ trong thời hạn từ 1 đến 3 ngày. Kết
quả cho thấy, lượng mưa dự báo thường
thấp hơn so với thực tế, còn diện mưa
thì chưa thực sự chính xác. Hơn nữa,
sơ đồ Betts-Miller-Janjic dự báo lượng
mưa và sơ đồ Kain-Fritsch thì dự báo
diện mưa chính xác hơn [2]. Cũng với
mục đích dự báo mưa lớn cho khu vực
Trung Bộ, song Nguyễn Thị Thanh
(2010), đã tiến hành việc đồng hóa số
liệu vệ tinh MODIS vào mô hình WRF.
Kết quả chỉ ra rằng, việc đồng hóa số
liệu vệ tinh cho kết quả khá tốt đối với
hạn dự báo dưới 30 giờ, nhưng với hạn
dự báo từ 30 đến 54 giờ thì việc đồng
hóa số liệu không cho kết quả vượt trội
so với trường hợp không đồng hóa [3].
Bên cạnh đó, để đánh giá khả năng dự
báo mưa lớn cho khu vực Trung Trung
Bộ khi trên khu vực chịu ảnh hưởng
kết hợp của không khí lạnh và dải hội
tụ nhiệt đới, Nguyễn Tiến Toàn (2011)
đã sử dụng phương pháp hồi quy từng
bước dựa trên sản phẩm dự báo của mô
hình WRF kết hợp với các số liệu địa
phương. Tác giả cho rằng, kết quả dự
báo mưa chính xác hơn khi dự báo có
cập nhật số liệu địa phương [4]. Ngoài
ra, để khảo sát độ nhạy của các sơ đồ
tham số hoá đối lưu trong việc dự báo
mưa, Nguyễn Thị Hạnh và cs (2016)
đã sử dụng mô hình clWRF để dự báo
lượng mưa hạn mùa (từ 1 đến 6 tháng)
cho các tháng 6, 7, 8, 9 năm 2012. Kết
quả cho thấy, sơ đồ Kain-Fritsch thường
dự báo lượng mưa cao hơn và sai số lớn
hơn, đặc biệt ở vùng khí hậu Nam Bộ.
Trong khi đó, sơ đồ Betts-Miller-Janjic
và Grell Devenji thường dự báo thấp hơn
thực tế, nhất là ở các khu vực phía Bắc.
Hơn nữa, nghiên cứu cũng cho thấy, mô
hình c/WRF cho kết quả dự báo tốt hơn
ở các vùng khí hậu phía Bắc và kém hơn
ở vùng khí hậu Nam Bộ [1].
Có thể nói, mặc dù kết quả dự
báo của của mô hình WRF vẫn còn có
những hạn chế nhất định, song so với
một số mô hình ra đời trước đó như
HRM, MM5, ETA,... thì kết quả dự báo
của mô hình WRF cũng khá phù hợp.
Mặc dù vậy, các nghiên cứu trước
đó chỉ dừng lại việc mô phỏng hay dự
báo thời tiết nói chung hay nhiệt độ và
lượng mưa nói riêng cho các khu vực,
phạm vi lớn mà hầu như chưa có nghiên
cứu nào sử dụng mô hình WRF để dự
Nghiên cứu
Tạp chí Khoa học Tài nguyên và Môi trường - Số 19 - năm 201852
báo điểm. Chính vì thế việc sử dụng mô
hình WRF để thử nghiệm dự báo Tsfc
và lượng mưa cho khu vực Hà Nội trong
tháng 1 và tháng 7 là một vấn đề có tính
thực tiễn, nhằm đáp ứng những yêu cầu
ngày càng cao của xã hội.
2. Số liệu và phương pháp
nghiên cứu
2.1. Số liệu
Số liệu trường ban đầu được sử
dụng trong mô hình là kết quả dự báo
của mô hình dự báo toàn cầu GFS trong
tháng 1 và tháng 7. Đây là số liệu của
các biến khí quyển trên lưới với độ phân
giải ngang là 0,5x0,5 độ kinh vĩ và 27
mực thẳng đứng từ 1000 đến 10mb. Số
liệu được lưu dưới dạng GRIB2, có hạn
dự báo tới đa 16 ngày (384 giờ) và được
khai thác tại website:
ncdc.noaa.gov/GFS/grid4.
Số liệu tái phân tích của các trường
mưa, nhiệt độ không khí bề mặt, độ
cao địa thế vị và gió trên các mực đẳng
áp chuẩn 1000, 850, 700, 500, 300 và
200mb được sử dụng để so sánh với
các kết quả dự báo của mô hình. Số liệu
này có độ phân giải 0,5 x 0,5 độ kinh vĩ,
được cung cấp bởi Trung tâm Dự báo
hạn vừa châu Âu (ERA) và được khai
thác tại website:
datasets/data/interim-full-daily.
Số liệu quan trắc Tsfc trung bình,
cao nhất, thấp nhất ngày và lượng mưa
trong từng obs quan trắc (1, 7, 13 và 19
giờ) tại 5 trạm khí tượng trên khu vực
Hà Nội (Hà Đông, Láng, Sơn Tây, Ba
Vì, Hoài Đức) trong tháng 1 và tháng
7 năm 2016 để đánh giá kết quả dự báo
Tsfc trung bình và lượng mưa tích lũy
24 giờ trong các hạn dự báo 24, 48 và 72
giờ của mô hình.
2.2. Phương pháp nghiên cứu
a. Phương pháp dự báo
Dự báo Tsfc và lượng mưa tích lũy
24 giờ trong thời hạn 24, 48 và 72 giờ
cho khu vực Hà Nội trong tháng 1 và
tháng 7 bằng mô hình WRF, nghiên cứu
sử dụng phiên bản WRF3.8 với 27 mực
thẳng đứng và lưới lồng.
Điều kiện ban đầu của mô hình là
các trường các yếu tố khí tượng của các
dự báo toàn cầu NCEP-GFS, bước thời
gian sai phân là 90 giây.
Miền tính của mô hình
Trong nghiên cứu này, chúng tôi
đã dự báo thử nghiệm với 3 miền tính
lồng ghép với tọa độ tâm lưới là 210N,
105,850E (hình 1). Trong đó, miền 1 có
độ phân giải 36km, với 100 x 95 điểm
lưới, đảm bảo một vùng đủ rộng để đánh
giá ảnh hưởng của các trung tâm khí áp
chính cũng như của gió mùa đến thời tiết
khu vực Hà Nội. Miền 2 có độ phân giải
12km, với 88 x 85 điểm lưới. Miền 3 có
độ phân giải 4km với 76 x 73 điểm lưới.
Miền này bao trùm Hà Nội và các tỉnh
lân cận. Từ đó, bản đồ trường các yếu tố
khí tượng được vẽ trên lưới 2, còn giá
trị nhiệt độ và lượng mưa dự báo được
chiết xuất tại lưới 3.
Hình 1: Các miền tính trong nghiên cứu
Các sơ đồ tham số vật lý trong
mô hình
Trong nghiên cứu này, các sơ đồ
tham số hóa được sử dụng để chạy dự
báo thử nghiệm gồm: Sơ đồ tham số hóa
đối lưu Betts-Miller-Janjic, sơ đồ tham
Nghiên cứu
Tạp chí Khoa học Tài nguyên và Môi trường - Số 19 - năm 2018 53
số vi vật lý mây Thompson, sơ đồ bức
xạ sóng ngắn RRTM, bức xạ sóng dài
Duhia, sơ đồ bề mặt MM5, sơ đồ lớp đất
bề mặt Noah LSM.
b. Phương pháp đánh giá kết quả
dự báo
Sau khi chạy mô hình dự báo hạn từ
1 đến 3 ngày cho từng ngày trong tháng
1 và tháng 7 năm 2016, nghiên cứu sử
dụng các chỉ số thống kê để đánh giá kết
quả dự báo.
Các chỉ số được sử dụng trong
nghiên cứu này gồm: sai số trung
bình (ME - Mean Error), sai số trung
bình tuyệt đối (MAE - Mean Absolute
Error và sai số bình phương trung bình
(RMSE - Root Mean Square Error). Các
sai số này sẽ được tính trung bình trong
từng tháng và đối với từng hạn dự báo.
1ME
N
i ii
F O
N
(1)
N
i ii 1
F O
MAE
N
(2)
2
1
1 N
i i
i
RMSE ( F O )
N
(3)
Trong đó, Fi là giá trị dự báo thứ i;
Oi là giá trị quan trắc thứ i; N là dung
lượng mẫu.
Sai số trung bình (ME) xác định xu
thế mô hình dự báo vượt quá hay thấp
hơn giá trị thực tế. Giá trị ME dương
thể hiện xu thế dự báo của mô hình vượt
quá giá trị quan trắc và ngược lại giá trị
âm của ME thể hiện xu thế dự báo của
mô hình thấp hơn giá trị quan trắc.
Sai số trung bình tuyệt đối (MAE)
cho biết độ lớn trung bình của sai số
nhưng không chỉ ra hướng của độ lệch.
Sai số bình phương trung bình
(RMSE) xác định sai số về độ lớn của biến
dự báo. Giá trị này càng tiến tới không thì
mô hình dự báo càng chính xác.
3. Kết quả dự báo thử nghiệm
Trong nghiên cứu này, nhóm tác
giả đã phân tích và đánh giá kết quả
dự báo thử nghiệm đối với hạn dự báo
24, 48 và 72 giờ của từng ngày trong
tháng 1 và 7 năm 2016. Tuy nhiên, trong
khuôn khổ bài báo này, nhóm tác giả chỉ
đưa ra hình ảnh minh họa cho các ngày
có Tsfc cao, thấp nhất hoặc có mưa lớn
trong tháng. Cụ thể, chúng tôi tiến hành
phân tích trường Tsfc lúc 7 giờ ngày 23,
24, 25 (trong tháng 1), lúc 13 giờ ngày
16, 17, 18 (trong tháng 7) và lượng mưa
tích lũy 24 giờ trong các ngày 27, 28,
29/7 tương ứng với dự báo hạn 24, 48
và 72 giờ. Đồng thời, nguồn số liệu tái
phân tích được sử dụng để đánh giá kết
quả dự báo trong các ngày tương ứng.
3.1. Dự báo nhiệt độ không khí
bề mặt
Kết quả dự báo Tsfc lúc 7 giờ ngày
23/1/2016 cho thấy, trường Tsfc dự báo
và tái phân tích khá tương đồng với
nhau, Tsfc dự báo vẫn cao hơn phân tích
khoảng 2 30C (Hình 2).
Kết quả này có thể do mô hình đã
dự báo chưa tốt thời điểm xâm nhập của
không khí lạnh. Thời điểm không khí
lạnh ảnh hưởng đến khu vực Hà Nội
trong thực tế sớm hơn so với thời điểm
dự báo bằng mô hình nên Tsfc thực tế
giảm nhiều hơn dự báo trong ngày này.
Sang ngày 24 và 25 tháng 1, trường Tsfc
giữa giá trị dự báo và tái phân tích khá
đồng nhất. Lúc này hoàn lưu của không
khí lạnh đã bao trùm toàn bộ khu vực nên
trường nhiệt khá ổn định. Theo số liệu
quan trắc, Tsfc lúc 7 giờ ngày 23 tháng 1
tại các trạm khí tượng ở Hà Nội dao động
từ 7 100C. Đến ngày 24, 25 tháng 1,
Tsfc đã giảm xuống trên dưới 50C.
Nghiên cứu
Tạp chí Khoa học Tài nguyên và Môi trường - Số 19 - năm 201854
Hình 2: Trường Tsfc lúc 7 giờ ngày 23/1/2016 hạn dự báo 24 - 48 - 72 giờ (phía trên)
và số liệu tái phân tích 23, 24, 25/1/2016 (phía dưới)
Hình 3: Bản đồ Tsfc lúc 13 giờ ngày 16/07/2016 hạn dự báo 24 - 48 - 72 giờ (phía
trên) và số liệu tái phân tích (phía dưới)
Tương tự trong tháng 1, bản đồ
trường Tsfc lúc 13 giờ trong các ngày
16, 17 và 18/7/2016 là kết quả dự báo
hạn 24, 48 và 72 giờ của ngày 15/7/2016
cũng được phân tích và so sánh với bản
đồ tái phân tích trong các ngày tương
ứng. Có thể thấy, với hạn dự báo 24 và
48 giờ, mô hình đã dự báo tương đối
chính xác trường Tsfc trên khu vực, đặc
biệt là vùng xảy ra nắng nóng trong 2
Nghiên cứu
Tạp chí Khoa học Tài nguyên và Môi trường - Số 19 - năm 2018 55
ngày 16/7 và 17/7. Cụ thể, trong ngày
16/7/2016, trên vùng Đồng bằng Bắc
Bộ nắng nóng đã xảy ra, thậm chí Tsfc
ở phía Nam của vùng còn lên tới 38ºC.
Sang ngày 17/7/2016, phạm vi vùng
nắng nóng trên cả bản đồ dự báo và tái
phân tích đều có xu hướng mở rộng hơn
về phía Đông Bắc và xuống phía Nam.
Tuy nhiên, đến ngày 18/7, mô hình lại
dự báo Tsfc thấp hơn từ 2 40C so với
thực tế. Theo số liệu tái phân tích, phạm
vi và nhiệt độ vùng nắng nóng biến đổi
không nhiều so với ngày 17/7, song kết
quả dự báo Tsfc trên các vùng này chỉ
dao động từ khoảng 33 - 360C (Hình 3).
Sai số dự báo Tsfc trung bình trong
tháng 1 và tháng 7/2016 đối với các
hạn dự báo 24, 48 và 72 giờ được chỉ ra
trong hình 4.
Có thể thấy, sai số trung bình đều
có giá trị âm, giá trị dự báo thấp hơn
giá trị quan trắc (Hình 4). Giá trị sai số
trung bình đối với hạn dự báo 24 giờ
trong tháng 1 (ME < 0,5) nhỏ hơn trong
tháng 7 (ME ~ 1), nhất là tại trạm Ba Vì
(ME ~ 0). Đối với hạn dự báo 48h và
72h, ME dao động khoảng từ 1 2ºC
(trong cả tháng 1 và 7). So với các trạm
trên khu vực, Tsfc dự báo tại trạm Ba
Vì (đối với các hạn dự báo) trong tháng
7 cũng đều có sai số nhỏ nhất (xấp xỉ
0,10C) (Hình 4b).
Hình 4: Sai số dự báo Tsfc trung bình ngày tại Hà Nội trong tháng 1 (bên trái) và
tháng 7 (bên phải) với thời hạn dự báo 24, 48 và 72 giờ
Như vậy, có thể nói, mô hình WRF
đã dự báo Tsfc ngày khá tốt. Sai số lớn
nhất xảy ra đối với Tsfc trung bình trong
2 tháng này chỉ khoảng 10C, 1,20C và
20C đối với các hạn dự báo 24, 48 và
72 giờ tương ứng. Trong đó, sai số lớn
nhất xảy ra tại trạm Hà Đông với ME
cao hơn so với các trạm khác trong khu
vực từ 0,2 - 1,50C (trừ trạm Ba Vì).
3.2. Dự báo lượng mưa tích lũy
24 giờ
Tương tự như dự báo nhiệt độ,
lượng mưa tích lũy 24 giờ trung bình
trong tháng 1 và 7/2016 với các hạn
dự báo 24, 48 và 72 giờ cũng được
minh họa bởi 1 đợt mưa lớn. Đây là đợt
mưa do ảnh hưởng của cơn bão số 1
(MIRINAE). Trên bản đồ phân bố khí
áp bề mặt lúc 7 giờ ngày 27/7, bão số 1
nằm trên Biển Đông (19,50N; 108,50E).
Nó di chuyển theo hướng Tây Tây
Bắc đổ bộ vào Bắc Bộ. Lúc 19h cùng
ngày, vị trí tâm bão ở khoảng 19,90N;
106,60E, nằm trên vùng biển tỉnh Thái
Bình. Do ảnh hưởng của hoàn lưu bão,
khu vực Hà Nội đã có mưa. Đến ngày
28/7, bão tiếp tục đi sâu vào đất liền.
Hà Nội nằm hoàn toàn trong hoàn lưu
bão nên lượng mưa đạt giá trị lớn nhất.
Sang ngày 29/7, bão suy yếu và chỉ còn
là vùng áp thấp nên mưa cũng giảm đi
rất nhiều.
Bản đồ mưa tích lũy 24 giờ và
tái phân tích trong các ngày 27, 28 và
29/7/2016 đã được phân tích để đánh
giá diện mưa dự báo của mô hình với
Nghiên cứu
Tạp chí Khoa học Tài nguyên và Môi trường - Số 19 - năm 201856
các hạn dự báo 24, 48 và 72 giờ của
ngày 26/7/2016 (Hình 5).
Có thể thấy, vùng mưa dự báo lệch
hơn về phía Đông so với số liệu tái phân
tích. Trong ngày 27/7, ta thấy một vùng
mưa khá lớn trên khu vực vịnh Bắc Bộ,
với lượng mưa tích lũy 24 giờ lên đến
trên 100 mm. Vùng trung tâm mưa phía
tây đảo Hải Nam (khoảng 108,50E, 180N)
với lượng mưa tích lũy lên tới trên 500
mm. Còn ở các tỉnh ven biển Đồng bằng
Bắc Bộ, lượng mưa chỉ đạt từ khoảng 50
đến 100 mm. Kết quả này cũng khá phù
hợp với mưa tái phân tích, song vùng
mưa trên 100 mm trong số liệu tái phân
tích mở rộng hơn so với dự báo.
Sang ngày 28/7/2016, do bão đã đổ
bộ nên vùng mưa di chuyển vào sâu trong
đất liền. Tuy vùng mưa dự báo vẫn lệch
hơn sang phía Đông, song so với kết quả
dự báo cho ngày 27 và ngày 29/7 thì vùng
mưa dự báo trong ngày này phù hợp với
thực tế hơn. Lượng mưa tích lũy 24 giờ tại
Hà Nội trong ngày 28/7 cũng lên đến 300
mm. Sang ngày 29/7, bão đã tan nên trên
bản đồ tái phân tích, vùng mưa đã thu hẹp
và lệch hơn về phía Tây Bắc. Trên khu
vực Đồng bằng Bắc Bộ nói chung và tại
Hà Nội nói riêng, lượng mưa tích lũy chỉ
khoảng 50 mm. Song theo kết quả dự báo,
khu vực mưa lớn vẫn tồn tại trên Bắc Bộ
với lượng mưa lớn nhất lên tới trên 500
mm trên vùng Đồng bằng và Đông Bắc
Bộ (Hình 5). Từ đó, có thể thấy rằng, mô
hình WRF đã dự báo khá tốt quỹ đạo di
chuyển của bão, song tốc độ di chuyển
của bão dường như lại chậm hơn so với
thực tế. Hơn nữa, lượng mưa dự báo đối
với hạn dự báo từ 1 đến 3 ngày cũng cao
hơn nhiều so với thực tế.
Đánh giá kết quả dự báo lượng mưa
tích lũy 24 giờ tại Hà Nội trong tháng 1
và tháng 7 được phân tích dựa trên giá trị
trung bình của các sai số dự báo của tất
cả các ngày trong từng tháng (Hình 6).
Có thể thấy, trong cả tháng 1 và
tháng 7, các giá trị ME, MAE RMSE đều
có giá trị dương. Điều này chứng tỏ rằng,
mô hình dự báo lượng mưa thường lớn
hơn so với quan trắc. Kết quả đáng giá dự
báo trong tháng 1 cho thấy, đối với hạn
24 và 48 giờ, các sai số trung bình tháng
tại 5 trạm trên khu vực Hà Nội đều có giá
trị rất nhỏ (chỉ dưới 10 mm). Tuy nhiên,
với hạn dự báo 72 giờ, sai số trung bình
lên tới 40 mm (Hình 6).
Sai số lượng mưa tích lũy 24 giờ
trong tháng 7 đều cao hơn so với tháng
1. Điều này cũng hoàn toàn hợp lý bởi
lượng mưa trung bình trong tháng 7 cao
hơn nhiều so với tháng 1. Với hạn dự
báo 24 và 48 giờ, ME và MAE tại các
trạm trong khu vực Hà Nội chỉ dao động
khoảng 15 5mm, sai số lớn nhất xảy
ra tại trạm Ba Vì và nhỏ nhất tại trạm
Láng. Song sai số trung bình tại các
trạm trên khu vực lại lên tới khoảng 70
80 mm (Hình 7).
Như vậy, có thể thấy, mô hình WRF
đã dự báo khá tốt cả nhiệt độ và lượng
mưa tích lũy 24 giờ (đối với hạn dự báo
24 và 48 giờ). Đối với hạn dự báo 72
giờ, mô hình dự báo với sai số lớn hơn.
Nhìn chung, sai số dự báo trong tháng 1
thường nhỏ hơn trong tháng 7. Kết quả
này có thể do mô hình đã dự báo các hệ
thống thời tiết ảnh hưởng đến khu vực
chậm hơn so với thực tế.
4. Kết luận
Nghiên cứu dự báo thử nghiệm Tsfc
và lượng mưa tích lũy 24 giờ cho các
trạm trên khu vực Hà Nội trong tháng
1 và tháng 7 bằng mô hình WRF, chúng
tôi thấy rằng, với hạn dự báo 24 và 48
giờ, mô hình đã dự báo khá tốt. Kết quả
dự báo Tsfc thường thấp hơn, còn lượng
mưa lại cao hơn thực tế. Điều này có thể
do thời gian mà các hệ thống thời tiết
ảnh hưởng trực tiếp đến khu vực thường
chậm hơn so với thực tế. Mặc dù vậy,
các sai số của mô hình vẫn nằm trong
giới hạn sai số cho phép nên chúng ta có
thể sử dụng mô hình để thử nghiệm cho
tất cả các tháng trong năm nhằm đưa mô
hình vào dự báo trong nghiệp vụ.
Nghiên cứu
Tạp chí Khoa học Tài nguyên và Môi trường - Số 19 - năm 2018 57
Hình 5: Bản đồ phân bố lượng mưa tích lũy 24 giờ ngày 27, 28 và 29/07/2016 ứng với
hạn dự báo 24, 48 và 72 giờ (hình trên) và số liệu tái phân tích (hình dưới)