Thử nghiệm dự báo nhiệt độ và lượng mưa trên khu vực Hà Nội bằng mô hình WRT

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.

pdf8 trang | Chia sẻ: thanhle95 | Lượt xem: 406 | Lượt tải: 0download
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)
Tài liệu liên quan