72 CHƯƠNG 3 KẾT QUẢ TÍNH TOÁN VÀ PHÂN TÍCH DỰ BÁO MƯA MÔ HÌNH HRM Chương 3 tập trung đánh giá sai số hệ thống (Bias) theo không gian và thời gian của dự báo mưa mô hình HRM trong 3 năm 2005, 2006 và 2007 kết hợp với những chỉ tiêu đánh giá khác nhằm làm rõ hơn chất lượng dự báo mưa của mô hình HRM. Cuối cùng là việc đánh giá, so sánh khả năng dự báo mưa vừa, mưa lớn của mô hình HRM cho khu vực Đông Bắc Bộ trong một số hình thế gây mưa chính ở khu vực này. 3.1 Các kết quả tính toán Với bộ số liệu mưa dự báo 24h của mô hình HRM và bộ số liệu quan trắc thực tế tương ứng, chúng tôi đã tiến hành tính toán và phân tích trên bộ số liệu đó, kết quả thu được như dưới đây: - Các chỉ tiêu Bias, SD, MAE, RMSE trên biến liên tục đa cấp mưa - Phân bố độc lập mưa dự báo và quan trắc theo 10 cấp - Các chỉ tiêu ETS, P, HK, HSS trên biến rời rạc hai cấp mưa - Các chỉ tiêu BE/10, TS, PosP, PreP trên biến rời rạc đa cấp mưa - Các chỉ tiêu BE/10, TS, FAR, POD trên biến rời rạc 2 cấp mưa - Chỉ tiểu Bias thể hiện sai số theo không gian. - Phân bố mưa thực tế và mưa dự báo của mô hình HRM theo trung bình ngày. - Các trường hợp mưa lớn được xét riêng. 3.2 Phân tích chất lương sản phẩm dự báo Để đánh giá sai số hệ thống dự báo mưa của mô hình HRM, chúng tôi tập trung đi vào phân tích những thành phần sau: 73 - Sai số hệ thống, tính biến động của sai số dự báo theo không - thời gian. - Kỹ năng dự báo. - Chất lượng chung/mức chính xác dự báo chung; - Những trường hợp riêng 3.2.1 Phân tích sai số hệ thống Bias 3.2.1.1 Sai số hệ thống theo chỉ tiêu thống kê Sai số dự báo các yếu tố khí tượng của bất kỳ một hệ thống hay mô hình dự báo nào cũng được chia ra làm 2 thành phần là sai số hệ thống và sai số ngẫu nhiên. Cũng giống như các hệ quan trắc khí tượng, sai số hệ thống là sai số về nguyên tắc có thể hiệu chỉnh được, còn sai số ngẫu nhiên là sai số không thể hiệu chỉnh được. Vì vậy việc đánh giá chất lượng dự báo của mô hình trước tiên là phải xem xét sai số hệ thống. Với một phương pháp đánh giá xác định thì sai số hệ thống gây ra bởi các nhân tố đặc trưng của mô hình và chúng lặp đi lặp lại theo thời gian, đồng thời chúng có đặc điểm phân bố theo không gian và thời gian. - Để mở rộng khả năng phân tích sai số, đối với sai số hệ thống chúng tôi tính 3 chỉ tiêu Bias cho 3 loại biến: + Với biến liên tục ta tính sai số trung bình đại số giưa trị số mưa dự báo và trị số quan trắc, ký hiệu là 'BIAS'. Đây là sai số hệ thống đích thực của mô hình. 74 + Với biến rời rạc 10 cấp mưa và 2 cấp ta tính trung bình sai số hệ thống về số trường hợp dự báo so với số trường hợp thực tế, ký hiệu là BE. Nó ám chỉ sự sai khác về số trường hợp dự báo và số trường hợp thực tế, trong đó không tính đến số trường hợp dự báo đúng, vì thế nó chỉ có ý nghĩa tham khảo thêm cho phân tích sai số hệ thống, ngay cả khi BE=1. Trong các hình vẽ, màu vàng được ký hiệu là tháng 6, màu hồng là tháng 7, màu xanh lục là tháng 8, màu đỏ là tháng 9, màu xanh lam là tháng 10. Đường trung các tháng là đường màu xanh lục liền nét. Trục hoành thể hiện các cấp mưa được phân cấp, trục tung là trị số của các chỉ tiêu thống kê 2005 75 2006 2007 Hình 3.1 Chỉ tiêu BIAS trên biến liên tục: 2005, 2006, 2007 Từ hình vẽ phân bố chỉ tiêu Bias qua ba năm 2005 đến 2007, ta có thể dễ dàng thấy là: Trong tất cả các cấp mưa thì lượng mưa dự báo của mô hình HRM phần lớn đều cao hơn thực tế, chỉ có cấp mưa 1 (0 – 6.35 mm) BIAS <0 (điều này cũng chỉ xảy ra trong 3 tháng giữa mùa 7, 8 và 9), lượng mưa càng lớn (cấp mưa càng lớn) thì sai số cũng càng lớn. Chỉ số Bias không nhạy và không có nhiều hiệu quả với 2 tháng đầu và cuối mùa mưa là tháng 6 và tháng 10. Trong hai tháng đó, mưa mô hình dự báo có quy luật chung là luôn cao hơn mưa thực tế ở các cấp mưa và sai số đều tăng dần cùng với cấp mưa. Sai số lượng mưa dự báo trong 2 năm sau 2006, 2007 đã có sự cải thiện khá rõ nếu so với năm 2005 đặc biệt là trong các tháng 7, 8, 9 và từ cấp mưa có lượng nhỏ 76 hơn 50 mm trở lại. Từ cấp mưa với lượng nhỏ hơn 50 mm, thì lượng mưa trung bình tháng mô hình dự báo cao hơn thực tế chỉ khoảng 5 – 20 mm. Tháng 10 là tháng có sai số lớn nhất, Bias >0 và tăng dần, nghĩa là mô hình luôn dự báo mưa cao hơn thực tế. Trong 2 năm 2006 và 2007, ở cấp mưa với lượng mưa 50 – 60 mm của một số tháng, Bias nhỏ < 0 khá lớn, điều này là do trong những tháng đó, có một số trạm có lượng mưa đặc biệt lớn trong khi dự báo là nhỏ hơn khá nhiều. Để tham khảo thêm về sai số hệ thống, ta dẫn ra đường cong BE Trong các hình vẽ, màu vàng được ký hiệu là tháng 6, màu hồng là tháng 7, màu xanh lục là tháng 8, màu đỏ là tháng 9, màu xanh lam là tháng 10. Đường trung các tháng là đường màu xanh lục liền nét. Trục hoành thể hiện các cấp mưa được phân cấp, trục tung là trị số của các chỉ tiêu thống kê 2005 77 2006 2007 Hình 3.2 Chỉ tiêu BE trên biến rời rạc 10 cấp mưa , 2005, 2006, 2007 Từ chỉ tiêu BE được thể hiện bằng hình vẽ ta có thể thấy rằng trong năm 2005, 2 tháng đầu và cuối mùa: tháng 6 và tháng 10 BE khá lớn và > 1 (để dễ biểu diễn trên hình vẽ BE được chia cho 10, như vậy BE/10 = 0,1 tương ứng với BE=1) đối với cấp mưa < 6 trở lại. Trong khi đó các tháng còn lại thì có BE > 1 ở cấp mưa 1 và 2, các cấp mưa sau đó BE < 1 và giảm dần nhưng vẫn ở mức khá ổn định. Đến cấp mưa > 7 thì BE tiến nhanh đến 0. Điều này cho ta thấy rằng những tháng đầu và cuối mùa mưa, kết quả dự báo của mô hình luôn vượt so với thực tế trong 6 cấp mưa đầu, những cấp mưa còn lại thì gần như không dự báo được. Trong 3 tháng còn lại, chất lượng dự báo khá tốt và ổn định, đặc biệt là ở các cấp mưa 2, 3 và 3. Cấp mưa càng lớn, kết quả dự báo càng giảm và không sát thực tế. Năm 2006, chất lượng dự báo được cải thiện rõ rệt, nhưng ở tháng 10 BE lại quá lớn, đặc biệt là trong ba cấp mưa đầu, các tháng còn lại kết quả khá ổn định. 78 Năm 2007 cho thấy BE ổn định, không còn những trường hợp đặc biệt như hai năm trước nhưng kết quả dự báo lại không tốt bằng hai năm trước do BE < 1 nhiều, điều này cho thấy rằng mô hình đã bỏ qua, không dự báo được một số đợt mưa kể cả những tháng giữa mùa mưa. Khi xem xét chỉ tiêu sai số tuyệt đối trung bình (MAE) có thể thấy rằng trong 3 – 4 cấp mưa đầu tiên, giá trị của MAE rất ổn định, ngoài ra đường thể hiện MAE giữa các tháng khá trùng khít nhau, từ cấp mưa 4 – 5 trở đi, MAE của các tháng đều có sự biến động và tăng mạnh. Các đường biểu diễn MAE của các tháng từ những cấp mưa này đều không gần sát nhau nữa, điều này cho thấy đối với các cấp mưa lớn, độ lớn trung bình của sai số có sự khác biệt rất rõ qua từng tháng. Ngoài ra để đánh giá độ tin cậy của mô hình, xem xét đồng thời hai chỉ số ME (sai số hệ thống) và MAE, ta thấy rằng chúng rất sát nhau. Điều này cho ta biết rằng có thể dùng chỉ số Bias để hiệu chỉnh sản phẩm dự báo một cách đáng tin cậy. Chỉ tiêu RMSE cũng hoàn toàn phù hợp với MAE và độ biến động SD (độ biến động SD được trình bày ở phần phụ lục). 79 MAE 2005 RMSE 2005 MAE 2006 RMSE 2006 80 MAE 2007 RMSE 2007 Hình 3.3 Các chỉ tiêu MAE và RMSE trong 3 năm 2005, 2006 và 2007 Đến đây có thể nói rằng sai số hệ thống của HRM khá ổn định và có quy luật rõ rệt (quan trọng ở tính quy luật, còn trị số lớn hay nhỏ không mấy quan trọng). Còn câu hỏi đặt ra là tại sao ở các cấp mưa lớn mưa HRM > mưa thực tế mà những ngày có mưa lớn cụ thể thì lại thấy mưa HRM < mưa thực tế? Điều đó không có gì trái với quy luật của sai số hệ thống và sẽ được đề cập đến trong phần "Phân tích những trường hợp riêng" ở dưới. 3.2.1.2 Sai số hệ thống phân bố theo không gian Khi nghiên cứu về sai số hệ thống ta phải xem xét cả phân bố của chúng theo không gian, vì nếu ta chỉ mới biết xu thế mô hình dự báo thiên cao hay thiên thấp so với mưa thực tế có nghĩa là ta chưa nói gì đến ảnh hưởng của cơ chế hoàn lưu và địa hình. Do đó ta chưa xác định được để hoàn thiện mô hình ta cần tác động vào đâu, đồng thời cũng chưa biết được việc hiệu chỉnh sản phẩm mô hình ta phải tác động vào 81 cái gì và như thế nào. Đặc biệt là để sử dụng thông minh kết quả mô hình, dự báo mưa cho những địa điểm cụ thể mà ta không biết phân bố sai số hệ thống theo không gian thì không thể thực hiện được. Để nắm được phân bố sai số hệ thống theo không gian, ta phải biểu diễn chúng trên bản đồ đẳng sai số cho từng cấp mưa trên từng khu vực. Trong các hình được trình bày như ở dưới đường đỏ (liền nét) là Bias >0 - ứng với trường hợp mưa mô hình dự báo cao hơn thực tế, đường xanh (chấm chấm) là Bias<0 - ứng với trường hợp mưa mô hình dự báo nhỏ hơn so với thực tế. Ta thấy sai số hệ thống có phân bố rành rọt, nói chung là mưa mô hình cao hơn mưa thực tế, chỉ một vài vùng nhỏ có Bias<0. [...]... của mô hình HRM trong những ngày mô hình HRM dự báo chính xác về thời gian Số ngày Số trạm Ngày Tháng Thực tế Dự báo (mm) (mm) Đánh giá Năm 2005 1 34 2 7 39 .8 23. 6 OK- 2 31 24 7 30 .9 28.6 OK+ 3 41 31 7 55.8 28.6 OK- 4 31 12 8 33 .5 25.6 OK+ 5 41 19 9 40 .3 26.5 OK- 6 39 28 9 45.2 40.9 OK+ Năm 2006 7 33 30 6 35 .3 22 OK- 8 30 30 7 41 .3 48.6 OK+ 9 35 31 7 36 .8 23. 4 OK+ 10 34 6 8 52.6 30 .8 OK- 11 33 7 8 39 .9... chỉ tiêu thống kê 2005 2007 2006 Hình 3 6 Chỉ tiêu TS với cấp mưa phân đôi 2005, 2006, 2007 3. 2.2.2 Về chỉ tiêu độ chính xác dự báo P% 87 Để xem xét độ chính xác dự báo của mô hình, ngoài độ chính xác tương đối TS ra, chúng tôi còn tính các chỉ tiêu cho 10 cấp mưa gồm PosP, PreP, và P% cho toàn bộ các cấp mưa dự báo (được xem như chất lượng dự báo của mô hình /hệ thống dự báo) Đối với các cấp mưa phân... hình HRM Qua bảng tổng hợp kết quả trên ta có: Trong 3 năm 2005, 2006 và 2007, mô hình HRM lần lượt dự báo có 25, 23 và 25 ngày có mưa vừa, mưa lớn Ký hiệu những ngày mô hình HRM dự báo mưa vừa mưa lớn trùng khớp với ngày có mưa lớn thực tế bằng dấu cộng có màu đỏ ta dễ dàng thấy: Năm 2005 mô hình HRM dự báo đúng 6 ngày, năm 2006 dự báo đúng 8 ngày, năm 2007 dự báo đúng 5 ngày Như vậy có thể thấy là mô. .. 48.8 OK+ 12 35 16 8 47.1 19.8 Not OK 13 47 18 8 63. 8 39 .1 Not OK 14 38 9 9 39 35 .2 OK+ 22.7 16.9 OK+ Năm 2007 15 26 14 6 106 16 27 2 7 21.2 33 .8 OK- 17 35 4 9 43. 5 31 .8 OK+ 18 29 10 9 26.4 39 .8 OK- 19 26 26 9 31 .9 26.4 OK+ Khi xét về lượng mưa trung bình toàn khu vực, nếu cho phép mức sai số ở trong vòng + /- một cấp mưa là kết quả tốt (OK+); + /- hai cấp mưa là kết quả chấp nhận được (OK-) và sai khác... 27 31 6 HRM 7 10 + + + + + + + + + + + + + + + TT 1 03 + + + + + + TT HRM + + TT HRM 9 + TT HRM 8 + + + + + + + HRM TT & HRM + 1 2 3 4 5 6 + 7 8 9 10 11 12 13 TT 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 + 29 30 31 + 6 HRM 7 TT HRM 2007 8 + + + + + + + + + + TT HRM 10 + + + + + + + + TT HRM 9 + TT + + + + + + + + + + + + + + HRM Bảng 3. 3 Tổng hợp ngày có mưa vừa, mưa lớn thực tế và dự báo của mô hình. .. mm/24h” trở lên Để đánh giá toàn diện hơn nữa khả năng dự báo mưa vừa, mưa lớn của mô hình, ỏ đây chúng tôi điến hành khảo sát và so sánh tất cả các dự báo của mô hình các đợt mưa diện rộng có lượng lớn hơn 16 mm trở lên ứng với từng hình thế cụ thể để giúp cho các dự báo viên có cái nhìn tổng quan hơn về khả năng dự báo mưa vừa, mưa lớn của mô hình trên cơ sở các kinh nghiệm, kiến thức về hình thế thời... được mô hình HRM dự báo với kết quả rất tốt 105 Bên cạnh việc xác định những ngày mà mô hình HRM dự báo có mưa vừa, mưa lớn trùng với những ngày quan trắc được trong thực tế, chúng tôi cũng tiến hành kiểm tra xem lượng mưa trung bình mà mô hình HRM dự báo có gần sát với thực tế hay không, kết quả được chỉ ra như trong bảng dưới: Bảng 3. 5 So sánh lượng mưa trung bình thực tế và mưa trung bình dự báo của. .. nghĩa này cho cùng một kết quả, có 1 ngày mưa lớn xảy ra theo định nghĩa 1 và 3 ngày chỉ xảy ra theo định nghĩa 2 Như vậy nếu căn cứ theo định nghĩa 2, " Ngày có =>1 /3 số trạm trong khu vực có mưa =>50mm được gọi là ngày có mưa lớn diện rộng" thì chỉ có 7 ngày, trong đó mưa trung bình khu vực dự báo luôn nhỏ hơn thực tế Nếu cho phép sai số 1 cấp mưa là dự báo đúng tương đối thì có 4/8 ngày, còn dự báo chính... cùng là tuy hình thế áp cao lạnh gây ra mưa vừa mưa lớn cho khu vực Đông Bắ Bộ chỉ xảy ra có 1 ngày nhưng mô hình cũng đã bắt được Kết quả đúng 100% đó chưa thể nói lên được điều gì nhưng cũng có thể gợi ý cho chúng ta thấy rằng trong những tháng mùa mưa ở khu vực Đông Bắc Bộ, những loại hình thế thời tiết có liên quan đến áp cao lạnh lục địa (hình thế ACL, RTBN) gây ra mưa vừa mưa lớn cho khu vực này... và lượng mưa thực tế với dự báo, vì thế phân bố mưa dự báo và mưa thực tế theo không gian không hoàn toàn trùng khớp, ngay cả đối với ngày mưa lớn diện rộng được dự báo chính xác Ta có thể thấy điều đó trên hình dưới (thực tế 45,18mm, dự báo 40,93mm): 99 Hình 3. 13 D báo mưa lớn diện rộng ngày 2 8-9 -2 005 Như đã nói ở phần trên, khi xét đến chỉ tiêu mưa lớn diện rộng thì trong 3 năm 2005, 2006 và 2007 . đánh giá khác nhằm làm rõ hơn chất lượng dự báo mưa của mô hình HRM. Cuối cùng là việc đánh giá, so sánh khả năng dự báo mưa vừa, mưa lớn của mô hình HRM cho khu vực Đông Bắc Bộ trong một số. 72 CHƯƠNG 3 KẾT QUẢ TÍNH TOÁN VÀ PHÂN TÍCH DỰ BÁO MƯA MÔ HÌNH HRM Chương 3 tập trung đánh giá sai số hệ thống (Bias) theo không gian và thời gian của dự báo mưa mô hình HRM trong 3 năm. mưa thực tế và mưa dự báo của mô hình HRM theo trung bình ngày. - Các trường hợp mưa lớn được xét riêng. 3. 2 Phân tích chất lương sản phẩm dự báo Để đánh giá sai số hệ thống dự báo mưa của