Header Page of 16 TRƢỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN o0o PHẠM THỊ TUYẾT MÂY ĐÁNH GIÁ KẾT QUẢ DỰ BÁO NHIỆT ĐỘ VÀ LƢỢNG MƢA CỦA MỘT SỐ MÔ HÌNH DỰ BÁO THỜI TIẾT CHO KHU VỰC VIỆT NAM LUẬN VĂN THẠC SỸ KHOA HỌC HÀ NỘI, 2012 Footer Page of 16 Header Page of 16 TRƢỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN -o0o - PHẠM THỊ TUYẾT MÂY ĐÁNH GIÁ KẾT QUẢ DỰ BÁO NHIỆT ĐỘ VÀ LƢỢNG MƢA CỦA MỘT SỐ MÔ HÌNH DỰ BÁO THỜI TIẾT CHO KHU VỰC VIỆT NAM Chuyên ngành Mã số : Khí tƣợng Khí hậu học : 60 44 87 LUẬN VĂN THẠC SỸ KHOA HỌC NGƢỜI HƢỚNG DẪN KHOA HỌC: TS VŨ THANH HẰNG HÀ NỘI, 2012 Footer Page of 16 ii Header Page of 16 MỤC LỤC MỤC LỤC CHƢƠNG TỔNG QUAN VỀ BÀI TOÁN ĐÁNH GIÁ DỰ BÁO TRONG KHÍ TƢỢNG VÀ CÁC CHỈ SỐ ĐÁNH GIÁ 1.1 Bài toán đánh giá dự báo khí tƣợng 1.1.1 Mục đích ý nghĩa toán đánh giá 1.1.2 Mô hình chung cho đánh giá dự báo yếu tố thời tiết 1.1.3 Sơ lược tiêu chuẩn đánh giá 10 1.1.4 Các loại yếu tố dự báo 11 1.1.5 Các thuộc tính dự báo tốt 12 1.2 Một số phƣơng pháp số đánh giá phổ biến 14 1.2.1 Sơ đồ chung đánh giá sản phẩm mô hình dự báo thời tiết số 14 1.2.2 Phương pháp đánh giá biến liên tục 17 1.2.3 Phương pháp đánh giá dự báo pha 21 1.3 Cơ sở lý thuyết phƣơng pháp đánh giá fuzzy 24 1.4 Tình hình nghiên cứu chung liên quan đến đề tài giới Việt Nam33 CHƢƠNG KHÁI QUÁT VỀ CÁC MÔ HÌNH DỰ BÁO THỜI TIẾT SỐ HRM, MM5 VÀ NGUỒN SỐ LIỆU SỬ DỤNG 36 2.1 Giới thiệu mô hình MM5 36 2.1.1 Giới thiệu mô hình 36 2.1.2 Cấu trúc mô hình 36 2.1.3 Hệ phương trình thủy nhiệt động lực MM5 37 2.1.4 Điều kiện biên 37 2.1.5 Các trình tham số hóa 38 2.2 Giới thiệu mô hình HRM 40 2.2.1 Giới thiệu mô hình 40 2.2.2 Cấu trúc lưới phương pháp số 40 2.2.3 Hệ phương trình 40 2.2.4 Các trình tham số hóa vật lý 41 2.3 Số liệu 42 CHƢƠNG KẾT QUẢ ĐÁNH GIÁ NHIỆT ĐỘ VÀ LƢỢNG MƢA CỦA MÔ HÌNH MM5 VÀ HRM CHO KHU VỰC VIỆT NAM 45 3.1 Kết đánh giá nhiệt độ 45 3.2 Kết đánh giá lƣợng mƣa 51 3.3 Kết thử nghiệm đánh giá mƣa phƣơng pháp fuzzy 66 3.3.1 Kết thử nghiệm với chuỗi số liệu mẫu 66 3.3.2 Thử nghiệm đánh giá kết dự báo mưa phương pháp fuzzy cho Việt Nam 71 3.3.2.1 Thử nghiệm đánh giá cho dự báo mưa bão gây 71 3.3.2.2 Thử nghiệm đánh giá cho dự báo mưa không khí lạnh gây 75 KẾT LUẬN 79 TÀI LIỆU THAM KHẢO 81 Tiếng Việt: 81 Tiếng Anh: 81 Footer Page of 16 Header Page of 16 DANH MỤC HÌNH VẼ Hình 1.1 Sơ đồ chung cho đánh giá yếu tố thời tiết Hình 1.2 Sơ (NWP) 16 Hình 1.3 Toán đồ tụ điểm cho dự báo gió biển Bên trái trƣờng hợp dự báo 00 giờ, bên phải trƣờng hợp dự báo 36 (số liệu lấy từ trạm phao) 17 Hình 1.4 Sơ đồ biểu diễn số phục vụ đánh giá chất lƣợng dự báo mƣa 21 Hình 1.5 a Miền quan trắc; b Đánh giá truyền thống (phải tƣơng thích không gian thời gian dự báo quan trắc); c Đánh giá phƣơng pháp fuzzy (vùng dự báo tính đến miền lân cận quanh điểm quan trắc) 24 Hình 1.6 Cửa sổ quan trắc dự báo phƣơng pháp đánh giá fuzzy 25 Hình 2.1 Sơ đồ lồng ghép hai miền tính cho MM5 39 Hình 2.2 Các trạm quan trắc miền tính 43 Hình 3.1 Nhiệt độ trung bình tháng mùa hè trạm a) HRM1; b) OBS (128 trạm); c) HRM2; d) MM5; e) OBS (24 trạm) 46 Hình 3.2 Nhiệt độ trung bình tháng mùa đông trạm a) HRM1; b) OBS (128 trạm); c) HRM2; d) MM5; e) OBS (24 trạm) 47 Hình 3.3 Sai số ME nhiệt độ cho toàn Việt Nam khu vực mùa đông (a) mùa hè (b) 48 Hình 3.4 Sai số MAE nhiệt độ cho toàn Việt Nam khu vực mùa đông (a) mùa hè (b) 49 Hình 3.5 Sai số RMSE nhiệt độ cho toàn Việt Nam khu vực mùa đông (a) mùa hè (b) 50 Hình 3.6 Hệ số tƣơng quan nhiệt độ mô hình cho toàn Việt Nam (a) khu vực (b, c, d) 51 Hình 3.7 Giá trị trung bình mƣa tích lũy 24 tháng mùa hè a) HRM1; b) OBS (128 trạm); c) HRM2; d) MM5; e) OBS (24 trạm) 52 Hình 3.8 Giá trị trung bình mƣa tích lũy 24 tháng mùa đông a) HRM1; b) OBS (128 trạm); c) HRM2; d) MM5; e) OBS (24 trạm) 53 Hình 3.9 Điểm số ME mƣa cho toàn Việt Nam khu vực tháng mùa đông (a) mùa hè (b) 54 Hình 3.10 Điểm số MAE mƣa cho toàn Việt Nam khu vực tháng mùa đông (a) mùa hè (b) 55 Hình 3.11 Chỉ số RMSE mƣa cho Việt Nam khu vực mùa đông (a) mùa hè (b) 56 Hình 3.12 Hệ số tƣơng quan mƣa mô hình cho Việt Nam (a) khu vực (b, c, d) 58 Hình 3.13 Chỉ số FBI cho Việt Nam khu vực thời kỳ mùa đông 59 Hình 3.14 Chỉ số FBI cho Việt Nam khu vực thời kỳ mùa hè 59 Hình 3.15 Chỉ số TS khu vực theo ngƣỡng mƣa mùa đông 61 Hình 3.16 Chỉ số TS khu vực theo ngƣỡng mƣa mùa hè 62 Hình 3.17 Chỉ số POD khu vực theo ngƣỡng mƣa mùa đông 63 Hình 3.18 Chỉ số POD khu vực theo ngƣỡng mƣa mùa hè 63 Hình 3.19 Chỉ số TSS khu vực theo ngƣỡng mƣa mùa đông 64 Hình 3.20 Chỉ số TSS khu vực theo ngƣỡng mƣa mùa hè 65 Hình 3.21 Vùng mƣa thám sát (trái) vùng mƣa dự báo 3h (phải) (mm/h) lúc 15h UTC ngày 29/5/1999 66 Footer Page of 16 Header Page of 16 Hình 3.22 Kết đánh giá phƣơng pháp fuzzy cho hạn dự báo 03 ngày 29/5/1999 68 Hình 3.23 Vùng mƣa thám sát (trái) vùng mƣa dự báo mƣa tích lũy 24h (phải) (mm/ngày) ngày 6/7/2007 71 Hình 3.24 Kết đánh giá phƣơng pháp fuzzy cho dự báo mƣa 24 ngày 06/7/2007 72 Hình 3.25 Vùng mƣa thám sát (trái) vùng mƣa dự báo 24h (phải) (mm/ngày) ngày 23/12/2007 (không khí lạnh) 75 Hình 3.26 Kết đánh giá phƣơng pháp fuzzy cho hạn dự báo mƣa tích lũy 24 ngày 23/12/2007 76 Footer Page of 16 Header Page of 16 MỞ ĐẦU Nhƣ biết, khí hậu nói chung thời tiết nói riêng ảnh hƣởng đến mặt đời sống kinh tế - xã hội loài ngƣời Vì việc dự báo yếu tố khí hậu nhƣ thời tiết ngày quan trọng cần thiết, trở thành mối quan tâm lớn tất quốc gia giới Và trở nên cấp bách hết ảnh hƣởng nƣớc giới Việt Nam quốc gia chịu ảnh hƣởng nặng nề biến đổi khí hậu s thử nghiệm nghiệp vụ nghiê văn văn Trung ƣơng, RAMS, HRM, WRF , Trƣờng Khoa Môi nhiên Mỗi mô hình số chứa đựng sai số sinh số liệu ban đầu, trình tham số hóa khí chƣa đủ xác , cần phải tìm đƣợc điểm mạnh mô hình để khai thác sử dụng đồng thời điểm yếu để tìm cách khắc phục, đem lại hiệu cao cho công tác dự báo Bên cạnh đó, kết đánh giá cho biết sai số hệ thống mô hình, sở cho việc hiệu chỉnh mô hình cho tốt Chính vậy, vấn đề đánh giá định lƣợng sản phẩm mô hình số cần thiết có ý nghĩa khoa học Bài toán đánh giá dự báo đánh giá mức độ xác mô hình mức độ sai khác sản phẩm dự báo mô hình với kết quan trắc thực tế nhằm ƣu điểm, nhƣợc điểm mô hình, giúp cho chuyên gia nghiên cứu tìm kiếm giải pháp cải tiến, phát triển, nâng cao chất lƣợng dự báo mô hình Hơn nữa, kết đánh giá dự báo đƣa thông tin giúp nhà quản lý định có nên đầu tƣ sở vật chất, trang thiết bị để phát triển mô hình hay không lƣợng mƣa Footer Page of 16 Chính vậy, Header Page of 16 khuôn khổ luận văn tác giả tập trung vào việc đánh giá chất lƣợng dự báo 24h nhiệt độ, lƣợng mƣa hai mô hình dự báo thời tiết số đƣợc sử dụng phổ biến Việt Nam mô hình HRM mô hình MM5 Ngoài phần Mở đầu, Kết luận Tài liệu tham khảo, luận văn đƣợc bố cục cụ thể nhƣ sau: Chƣơng Tổng quan toán đánh giá dự báo khí tƣợng số đánh giá Chƣơng Khái quát mô hình dự báo thời tiết số HRM, MM5 nguồn số liệu sử dụng Chƣơng Kết đánh giá nhiệt độ lƣợng mƣa mô hình MM5 HRM cho khu vực Việt Nam Footer Page of 16 Header Page of 16 CHƢƠNG TỔNG QUAN VỀ BÀI TOÁN ĐÁNH GIÁ DỰ BÁO TRONG KHÍ TƢỢNG VÀ CÁC CHỈ SỐ ĐÁNH GIÁ 1.1 Bài toán đánh giá dự báo khí tƣợng 1.1.1 Mục đích ý nghĩa toán đánh giá Đánh giá chất lƣợng dự báo thời tiết nói chung phƣơng pháp thẩm tra đánh giá xác định định lƣợng mức độ xác mô hình mức độ sai khác sản phẩm dự báo mô hình với kết quan trắc thực tế nhằm ƣu điểm, nhƣợc điểm mô hình, giúp cho chuyên gia nghiên cứu tìm kiếm giải pháp cải tiến, phát triển, nâng cao chất lƣợng dự báo mô hình Có ba lý quan trọng để đánh giá dự báo là: - Kiểm tra chất lƣợng dự báo – dự báo xác đến đâu đƣợc cải tiến - Nâng cao chất lƣợng dự báo: Bƣớc để tiến tới dự báo tốt việc tìm mà ngƣời làm dự báo làm sai - So sánh chất lƣợng hệ thống dự báo khác – đến mức độ hệ thống dự báo đƣợc cho dự báo tốt so với hệ thống dự báo khác cách mà hệ thống dự báo đem lại kết tốt nhƣ Các hoạt động đánh giá hữu ích chúng đƣa đƣợc định sản phẩm dự báo đƣợc đánh giá Quyết định làm phát sinh thay đổi sản phẩm dự báo cách thức dự báo đƣợc thực sau đó, định xác nhận khẳng định sản phẩm dự báo thỏa mãn cho mục đích ngƣời sử dụng xã hội Các sản phẩm dự báo đƣợc phổ biến rộng rãi công chúng phải đƣợc viết đủ khách quan để ngƣời sử dụng kiểm tra, số liệu quan trắc khí thực tế phải đƣợc thể cách xác diễn thực tế Hơn nữa, vài phƣơng pháp đánh giá đòi hỏi quan trắc điểm đại diện cách đầy đủ khách quan tƣợng thời tiết xảy khu vực Chính tính cấp thiết hoạt động đánh giá chất lƣợng dự báo thời tiết cho thấy mục đích đánh giá phải đƣợc thiết lập trƣớc hệ thống đánh giá Footer Page of 16 Header Page of 16 đƣợc xác lập Từ hoạt động đánh giá khí tƣợng nhƣ hoạt động dự báo thời tiết đƣợc phân chia thành hai mục đích đánh giá hành đánh giá khoa học Mục đích hành chính: Các thông tin đánh giá mục đích quản lý hành nhằm cung cấp thông tin cho việc mua sắm trang thiết bị nhƣ máy tính có cấu hình cao hơn, tốc độ xử lý nhanh hơn,… Xác định nào, có nên thay sản phẩm đƣợc sử dụng sản phẩm dự báo hay không, nhiều định khác để phát triển tối ƣu nguồn lực ngƣời nhƣ nguồn trang thiết bị khác phục vụ cho công tác phát hành tin dự báo thời tiết Mục đích khoa học: Đánh giá với mục đích khoa học xác định cách đầy đủ chi tiết ƣu điểm nhƣ nhƣợc điểm sản phẩm dự báo Các hoạt động giúp tìm biện pháp thích hợp để cải thiện chất lƣợng dự báo phục vụ nhƣ cung cấp thông tin để hoạch định phƣơng hƣớng cho việc nghiên cứu phát triển Ngoài số tác giả khác xét đến mục đích kinh tế nhƣng vấn đề phức tạp nên giới hạn luận văn không đƣợc đề cập đến 1.1.2 Mô hình chung cho đánh giá dự báo yếu tố thời tiết Hình 1.1 kiểu mô hình chung để đánh giá dự báo yếu tố thời tiết, có mô hình đánh giá khác Tuy nhiên mô hình cho thấy tranh chi tiết quan hệ đặc trƣng phép đánh giá đại lƣợng đo giải pháp khác để lựa chọn Sơ đồ sử dụng cho việc định bƣớc cần thiết phải đƣợc làm trƣớc lựa chọn phƣơng pháp đánh giá cụ thể Tất phƣơng pháp đánh giá việc tập hợp tập số liệu quan trắc dự báo (hình bình hành Hình 1.1) Bƣớc xử lý số liệu, bƣớc phụ thuộc vào việc định ngƣời sử dụng (hình thoi sơ đồ) Quan trọng việc định ngƣời sử dụng lựa chọn mục đích đánh giá hành hay khoa học nhƣ nêu Khi mục đích đánh giá đƣợc xác định, tiến hành phân loại tập số liệu mẫu theo mục đích định trƣớc Phân loại nghĩa chia nhỏ phần tử tập mẫu thành hai hay nhiều nhóm theo nguyên tắc định sẵn, sau thực đánh giá cho nhóm cách riêng biệt Trên Hình 1.1 Footer Page of 16 Header Page 10 of 16 hai kiểu phân loại “Phân loại ngoại bộ” “Phân loại nội bộ” Phân loại ngoại kiểu phân loại mà nguyên tắc lựa chọn độc lập yếu tố cần đƣợc đánh giá Kiểu phân loại ngoại phổ biến cho phép xác định biến đổi đánh giá theo thời gian ngày theo mùa Phân loại ngoại tiến hành thời điểm trình trƣớc tính toán đánh giá thống kê thực tế, đƣợc làm cho mục đích hành hay mục đích khoa học Các tập số liệu dùng để đánh giá Mục đích khoa học Quản lý hành Phân loại ngoại Phân loại ngoại Phân loại nội theo quan trắc Phân loại nội theo dự báo Biến pha Biến liên tục Bảng liên hợp Đồ thị điểm Biến pha Bảng liên hợp Biến liên tục Phân loại nội theo dự báo Biến pha Đồ thị điểm Sai số trung bình tuyệt đối Điểm Berier RPS Nguyên lý phát tín hiệu Biến liên tục Sai số bình phƣơng trung bình Bảng độ tin cậy Điểm kỹ Brier Độ giảm phƣơng sai Hệ số phân tán Hình 1.1 Sơ đồ chung cho đánh giá yếu tố thời tiết Footer Page 10 of 16 Độ lệch (BIAS) Header Page 70 of 16 Hình 3.22 Kết đánh giá phương pháp fuzzy cho hạn dự báo 03 ngày 29/5/1999 Khi bảng liên hợp yếu tố dựa xác suất đồng thời, khác với fuzzy lôgic, trƣờng hợp giá trị ETS xấu quy mô không gian tăng (Hình 3.22e) Điều xác suất đồng thời dự báo có tƣợng xảy so với thám sát giảm trƣờng trở nên không đồng P nhận giá trị trung bình Mức độ phù hợp dự báo thám sát ngƣỡng cƣờng độ mƣa với quy mô không gian 5km cho giá trị ETS cao (ví dụ, ngƣỡng mƣa 20km/giờ, ETS lớn khoảng cách 45km) Điểm số Hanssen Kuipers đƣợc biểu diễn trƣờng hợp bảng liên hợp kiện (Multi-event contingency table) Tiêu chuẩn cho dự báo tốt trƣờng hợp dự báo đƣợc kiện gần với thám sát Trƣờng hợp tƣơng tự nhƣ trƣờng hợp tiêu chuẩn phủ thứ (Hình 3.22b Footer Page 70 of 16 68 Header Page 71 of 16 Anywhere in window), trừ trƣờng hợp kiện quan trắc vị trí trung tâm vùng lân cận Các giá trị lớn số HK nằm quy mô trung bình ngƣỡng mƣa cao (Hình 3.22f) Hình 3.21 cho thấy mƣa dự báo thấp khoảng vài km so với tâm mƣa thám sát, nhƣng mở rộng không gian dễ dàng tìm thấy có khoảng có cƣờng độ mƣa dự báo gần với thám sát Phƣơng pháp quy mô - cƣờng độ cho thấy vùng có điểm số lớn không phụ thuộc vào ngƣỡng mƣa (Hình 3.22.g) Cấu trúc giống nhƣ điểm kỹ việc xếp ngẫu nhiên cửa sổ thám sát, điểm số có giá trị cực trị xảy ngƣỡng mƣa lớn Kết thu đƣợc từ phƣơng pháp biến thiên nhiều so với phƣơng pháp khác không gian cửa sổ đƣợc lấy trƣờng hợp riêng lẻ không lấy liên tiếp cửa sổ với kích thƣớc khác Điểm kỹ phần tử (FSS) (Hình 3.22h) đo mức độ phù hợp xác suất xuất kiện dự báo tƣợng quan trắc vùng lân cận, cấu trúc giống nhƣ điểm kỹ đặc trƣng cho dự báo không chồng chéo lên Giá trị điểm số FSS tăng lên với độ tăng ngƣỡng không gian dự báo gần với thám sát, trƣờng hợp này, FSS đạt giá trị lớn ngƣỡng cƣờng độ mƣa trung bình, nơi dự báo có độ lệch nhỏ so với thám sát Các phƣơng pháp tiếp cận thực tế so sánh xác suất kiện bên cửa sổ dự báo với tƣợng xảy trung tâm cửa sổ quan trắc, sử dụng số điểm kỹ Brier đánh giá sai số bình phƣơng trung bình với chuẩn khí hậu Các kỹ lớn ngƣỡng mƣa trung bình đến lớn quy mô không gian vừa phải (Hình 3.22i) Hình 3.22j cho thấy tỷ lệ xác phƣơng pháp thực nghiệm hoàn hảo (Practically perfect hindcast), ETSy/ETSx Trƣờng hợp ETS cho giá trị lớn quy mô không gian lớn ngƣỡng cƣờng độ mƣa thấp (0,1-0,2mm/giờ) Thấy rõ lƣợng mƣa trung bình phía tây xứ Wales đƣợc dự báo không tốt ngƣỡng mƣa trung bình Hai phƣơng pháp xác định điểm số cách trực tiếp độc lập với cƣờng độ mƣa, xác định xuất hay xác suất kiện Căn bậc hai có điều kiện RPS (CSRR) kiểm tra xác suất dự báo Footer Page 71 of 16 69 Header Page 72 of 16 cƣờng độ mƣa phù hợp nhƣ so với giá trị thám sát Khi quy mô tăng quy mô RPS giảm (Hình 3.22k), tiếp tục tăng quy mô lớn dự báo không đƣợc sắc nét điểm số bắt đầu trở nên (RPS tăng lên) Vùng liên đới RMSE tính giá trị sai số bình phƣơng trung bình cƣờng độ đƣợc xếp không gian cửa sổ Các đồ thị Hình 3.22l cho thấy trung bình giá trị RMSE khu vực liên đới đến tất cửa sổ miền tính Phù hợp với FSS Hình 3.22h, điểm số đƣợc cải thiện tăng kích thƣớc cửa sổ đồng nghĩa với việc phân bố cƣờng độ vùng lân cận dự báo thám sát trở nên phù hợp Điểm mấu chốt phƣơng pháp đánh giá fuzzy đƣa đƣợc thông tin dự báo quy mô cƣờng độ có kỹ năng, đƣa đƣợc định đắn tính hữu ích mô hình cho ngƣời sử dụng, Việc có mức độ phù hợp tốt dự báo thám sát quy mô thô quan trọng, điều xảy trƣờng hợp mƣa nhỏ (Hình 3.22a) Nếu không kết hợp giá trị trung bình khu vực, đòi hỏi dự báo có chứa giá trị phù hợp vùng lân cận giá trị quan sát, nhiều khả mức độ sai số tăng lên Trong thực tế, kỹ nhƣ minh chứng cho độ giảm báo động sai (false alarms) dự báo xót (miss) để dự báo đƣợc tốt ngƣỡng cƣờng độ mƣa lớn (Hình 3.22b, hình 3.22e) Nếu mức độ bao phủ 50% cần thiết cho kiện phù hợp lƣợng mƣa nhỏ (Hình 3.22c) Khi kiện đƣợc phép phần "có" phần "không", fuzzy lôgic cho thấy dự báo xác quy mô lớn (Hình 3.22d) Ngƣợc lại, phƣơng pháp xác suất chung cho thấy quy mô lớn xác thực tế, dự báo xác quy mô lớn cƣờng độ mƣa nhẹ (Hình 3.22e) Nếu đặc trƣng xác cho phần mƣa quan trọng nhất, kỹ lớn xảy ngẫu nhiên quy mô không gian lớn ngƣỡng cƣờng độ mƣa cao (nơi không dự báo không quan trắc đƣợc nhƣng sai số ngẫu nhiên lại nhỏ) (Hình 3.22g) Chúng ta làm giảm quy mô không gian cƣờng độ chúng không đặc trƣng vùng quy mô không gian cƣờng độ mƣa (xem Hình 3.22a) mô hình dự báo mƣa tốt quy mô lớn lƣợng mƣa nhỏ dự báo xác xảy quy mô Footer Page 72 of 16 70 Header Page 73 of 16 không gian nhỏ cƣờng độ mƣa cao Nếu dự báo hữu ích đòi hỏi tần số dự báo tƣơng tự nhƣ tần số quan sát, dự báo tốt quy mô lớn cƣờng độ mƣa trung bình (Hình 3.22h) Khi dự báo cho địa điểm cụ thể khu vực lân cận, kỹ tốt việc phát kiện kiện xảy quy mô không gian trung bình cƣờng độ trung bình (Hình 3.22i) Dự báo gần đƣợc cấp dự báo có kỹ tốt quy mô trung bình ngƣỡng mƣa nhỏ (Hình 3.22j) Cuối cùng, phân bố cƣờng độ thám sát quan trọng, hai phƣơng pháp sai phƣơng có điều kiện CSRR phƣơng pháp vùng liên đới RMSE cho kỹ tốt ngƣỡng mƣa trung bình với quy mô lớn (Hình 3.22k Hình 3.22l) 3.3.2 Thử nghiệm đánh giá kết dự báo mưa phương pháp fuzzy cho Việt Nam Thử nghiệm đánh giá chất lƣợng dự báo mƣa phƣơng pháp fuzzy cho khu vực Bắc Bộ Việt Nam Tác giả thử nghiệm phƣơng pháp fuzzy cho hình mƣa khác nhau: mƣa bão mƣa không khí lạnh Thời gian thử nghiệm cho đánh giá dự báo mƣa bão gây ngày 06/7/2007 (ngày có bão đổ vào miền bắc Việt Nam) mƣa không khí lạnh gây ngày 23/12/2007 Các số liệu đƣợc trích từ tập số liệu thu thập đƣợc nhƣ nói phần (Số liệu dự báo mô hình HRM) Miền đánh giá: Khu vực Bắc Bộ: 19.50N - 27.1250N; 97.1250E - 117.1250E (HRM1: 65 trạm đƣợc nội suy lƣới mô hình) 3.3.2.1 Thử nghiệm đánh giá cho dự báo mưa bão gây a b Hình 3.23 Vùng mưa thám sát (trái) vùng mưa dự báo mưa tích lũy 24h (phải) (mm/ngày) ngày 6/7/2007 Footer Page 73 of 16 71 Header Page 74 of 16 Hình 3.23 biểu diễn sai khác vùng mƣa thám sát (Hình 3.23a) dự báo (Hình 3.23b) ngày 6/7/2007 Hình vẽ cho thấy, cƣờng độ mƣa dự báo nhỏ so với thám sát, vùng mƣa mô hình HRM lệch lên phía Bắc so với thám sát Hình 3.24 biểu diễn kết đánh giá fuzzy số phƣơng pháp tiêu biểu cho dự báo mƣa khu vực bắc Việt Nam với hình mƣa bão gây ra, trục hoành ngƣỡng cƣờng độ mƣa, trục tung quy mô không gian Kích thƣớc cửa sổ đƣợc chọn 65 ô lƣới (tƣơng ứng với 910km) Các điểm số hàm kích thƣớc cửa sổ phụ thuộc vào ngƣỡng cƣờng độ mƣa (từ 0.1 – 150mm/ngày) Hình3.24 Kết đánh giá phương pháp fuzzy cho dự báo mưa 24 ngày 06/7/2007 Footer Page 74 of 16 72 Header Page 75 of 16 Phƣơng pháp nâng quy mô (upscaling) cho giá trị ETS lớn ngƣỡng cƣờng độ mƣa nhỏ (dƣới 5mm/ngày) quy mô không gian lớn (ETS =0.46 quy mô 462km) (Hình 3.23a) Ở ngƣỡng cƣờng độ mƣa cao (trên 5mm/ngày), ETS cho giá trị nhỏ (hoặc không xác định đƣợc (không có kỹ năng) – ô màu trắng) Điều phạm vi rộng mức độ phù hợp dự báo thám sát giảm mức độ mƣa khác Ở hình hình 3.24.b hình 3.24c kết tính số ETS phƣơng pháp độ bao phủ tối thiểu (minimum coverage) Trong trƣờng hợp này, phƣơng pháp kỹ với cƣờng độ mƣa 50mm/ngày, nên từ ngƣỡng cƣờng độ ETS có giá trị (những ô màu xanh dƣơng) không xác định đƣợc (những ô màu trắng) tất quy mô không gian từ nhỏ đến lớn Trong Hình 3.24 (anywhere in window), ta thấy ETS có giá trị cao quy mô không gian lớn (0.58) ngƣỡng cƣờng độ mƣa 30mm/ngày Ở quy mô không gian nhỏ hơn, ETS cho giá trị nhỏ Điều quy mô rộng lớn điều kiện dự báo xảy kiện so với thám sát dễ đƣợc đáp ứng so với phạm vi quy mô nhỏ Một trƣờng hợp khác phƣơng pháp độ phủ tối thiểu, độ phủ 50% (≥50 coverage) gần giống với trƣờng hợp nâng quy mô (upscaling) Hình 3.24a, giá trị ETS lớn ngƣỡng cƣờng độ mƣa nhỏ (dƣới 5mm/ngày), nhƣng quy mô không gian nhỏ (hình 3.24c) Ở ngƣỡng cƣờng độ mƣa lớn, quy mô không gian lớn hơn, ETS có giá trị không xác định đƣợc Điều cho thấy quy mô không gian rộng lớn điều kiện mức độ phù hợp dự báo thám sát phải 50% khó thực đƣợc quy mô không gian nhỏ tất ngƣỡng cƣờng độ mƣa (đặc biệt ngƣỡng mƣa lớn) Hai trƣờng hợp Hình 3.24d Hình 3.24e phƣơng pháp fuzzy lôgic xác suất đồng thời (một dạng phƣơng pháp fuzzy lôgic) Hai phƣơng pháp cho ETS không xác định đƣợc giá trị ngƣỡng mƣa 30mm/ngày Trong đó, ngƣỡng mƣa dƣới 30mm/ ngày, fuzzy lôgic (Hình 3.24d) cho giá trị ETS quy mô lớn ngƣỡng cƣờng độ mƣa nhỏ (ETS cho giá trị cao vùng dƣới 5mm/ngày với quy mô 126km), xác suất đồng thời (Hình 3.24e) cho giá trị ETS lớn ngƣỡng cƣờng độ mƣa nhỏ (dƣới 5mm/ngày) với quy mô không gian nhỏ (ETS lớn 0.18 quy mô nhỏ 42km) Hình (Hình 3.24f) biểu diễn phƣơng pháp liên hợp kiện Footer Page 75 of 16 73 Header Page 76 of 16 (Multi-event contingency table), tiêu chuẩn cho dự báo tốt trƣờng hợp dự báo đƣợc kiện gần với thám sát Trong phƣơng pháp ETS lớn quy mô nhỏ với cƣờng độ mƣa thấp (ETS lớn 0.18 ngƣỡng dƣới 5mm/ngày với quy mô 14km) Ở ngƣỡng mƣa 50mm/ngày dƣới 100 mm/ngày ETS có giá trị 0, ngƣỡng 100 mm/ ngày giá trị ETS không xác định Điểm kỹ phần tử (FSS) (Hình 3.24g) xác định mức độ phù hợp dự báo tƣợng quan trắc đƣợc vùng lân cận, cấu trúc giống nhƣ điểm kỹ dự báo không chồng chéo lên Giá trị điểm số FSS tăng lên với độ tăng ngƣỡng không gian dự báo gần với thám sát, trƣờng hợp này, FSS đạt giá trị lớn ngƣỡng cƣờng độ mƣa thấp, nơi dự báo có độ lệch nhỏ Khi dự báo cho điểm ô lƣới khu vực lân cận, kỹ lớn việc phát kiện kiện xảy quy mô trung bình cƣờng độ trung bình (Hình 3.24.h) Trƣờng hợp điểm số BSS có giá trị tuyệt đối lớn quy mô nhỏ ngƣỡng cƣờng độ mƣa thấp Ngƣợc lại quy mô lớn ngƣỡng cƣờng độ mƣa cao, điểm số BSS cho giá trị thấp Hình 3.24i cho thấy tỷ lệ xác phƣơng pháp thực nghiệm hoàn hảo (Practically perfect hindcast) Trƣờng hợp ETS cho giá trị lớn quy mô không gian lớn ngƣỡng cƣờng độ mƣa nhỏ (dƣới 5mm/ngày) Tiếp theo phƣơng pháp sai số bình phƣơng có điều kiện (CSRR) RPS (Hình 3.24j) kiểm tra xác suất dự báo cƣờng độ mƣa phù hợp nhƣ so với giá trị thám sát Phƣơng pháp độc lập với ngƣỡng cƣờng độ mƣa, đƣợc biểu diễn dƣới dạng đƣờng cong Đƣờng CSRR có xu hƣớng giảm dần theo mức tăng quy mô, tức quy mô lớn mô hình dự báo tốt (vì CSRR gần giống nhƣ độ lệch chuẩn xác suất) Ở quy mô lớn đƣờng CSRR lại có xu hƣớng tăng lên, quy mô lớn này, dự báo xác suất dự báo không sắc nét điểm số bắt đầu trở nên Vùng liên đới RMSE tính giá trị sai số bình phƣơng trung bình, đƣờng biểu diễn Hình 3.24k cho thấy đƣờng liên đới RMSE giảm dần theo mức tăng quy mô Điều phù hợp với xu hƣớng điểm FSS Hình 3.24g, điểm số đƣợc cải thiện tăng quy mô đồng nghĩa với việc phân bố mƣa dự Footer Page 76 of 16 74 Header Page 77 of 16 báo thám sát trở nên phù hợp 3.3.2.2 Thử nghiệm đánh giá cho dự báo mưa không khí lạnh gây Hình 3.25 biểu diễn sai khác vùng mƣa thám sát dự báo ngày 23/12/2007, mƣa thám sát (Hình 3.25a), vùng mƣa dự báo (Hình 3.25b) Hình vẽ cho thấy vị trí mƣa dự báo lệch hẳn phía nam so với thám sát (và vùng mƣa dự báo nhỏ nhiều so với vùng mƣa thám sát), cƣờng độ mƣa dự báo nhỏ nhiều so với thám sát Hình 3.25 Vùng mưa thám sát (trái) vùng mưa dự báo 24h (phải) (mm/ngày) ngày 23/12/2007 (không khí lạnh) Hình 3.26 biểu diễn kết phƣơng pháp đánh giá fuzzy số phƣơng pháp cho dự báo mƣa khu vực bắc Việt Nam với hình mƣa không khí lạnh gây ra, trục hoành ngƣỡng cƣờng độ mƣa, trục tung quy mô không gian Kích thƣớc cửa sổ đƣợc chọn 65 ô lƣới (tƣơng ứng với 910km) Các điểm số hàm kích thƣớc cửa sổ phụ thuộc vào ngƣỡng cƣờng độ mƣa (từ 0.1 – 150mm/ngày) Phƣơng pháp nâng quy mô (upscaling) cho giá trị ETS lớn ngƣỡng cƣờng độ mƣa nhỏ (dƣới 5mm/ngày) quy mô không gian lớn (ETS =0.49 quy mô 462km) (hình 3.26.a), ngƣỡng cƣờng độ mƣa cao (trên 5mm/ngày), ETS cho giá trị nhỏ (hoặc không xác định đƣợc (không có kỹ năng) – ô màu trắng) Điều phạm vi rộng mức độ phù hợp dự báo thám sát giảm Ở hình hình 3.26b hình 3.26c kết tính số ETS phƣơng pháp độ phủ tổi thiểu (minimum coverage) Trong trƣờng hợp này, phƣơng pháp kỹ với cƣờng độ mƣa 20mm/ngày, ngƣỡng cƣờng độ ETS có giá trị (các ô màu xanh dƣơng) xác định đƣợc (những ô màu trắng) Trong hình 3.26b (anywhere in window), ta Footer Page 77 of 16 75 Header Page 78 of 16 thấy ETS có giá trị cao quy mô không gian trung bình (0.42) ngƣỡng cƣờng độ mƣa nhỏ dƣới mm/ngày Điều quy mô rộng lớn điều kiện dự báo xảy kiện so với thám sát dễ đƣợc đáp ứng so với phạm vi quy mô nhỏ Một trƣờng hợp khác phƣơng pháp độ phủ tối thiểu, độ phủ 50% (≥50 coverage), giá trị ETS lớn ngƣỡng cƣờng độ mƣa nhỏ (dƣới 5mm/ngày) với quy mô không gian trung bình (hình 3.26c) Ở ngƣỡng cƣờng độ mƣa lớn, quy mô không gian lớn hơn, ETS có giá trị không xác định đƣợc Điều cho thấy quy mô không gian rộng lớn mức độ phù hợp dự báo thám sát phải 50% khả quan quy mô không gian nhỏ tất ngƣỡng cƣờng độ mƣa (đặc biệt ngƣỡng mƣa lớn) Hình 3.26 Kết đánh giá phương pháp fuzzy cho hạn dự báo mưa tích lũy 24 ngày 23/12/2007 Footer Page 78 of 16 76 Header Page 79 of 16 Hai trƣờng hợp Hình 3.26d hình 3.26e phƣơng pháp fuzzy lôgic xác suất đồng thời (một dạng phƣơng pháp fuzzy lôgic) Hai phƣơng pháp cho ETS (những ô màu xanh dƣơng) không xác định đƣợc (những ô màu trắng) giá trị ETS ngƣỡng mƣa 20mm/ngày Trong đó, ngƣỡng mƣa dƣới 20mm/ ngày, fuzzy lôgic (Hình 2.26d) cho giá trị ETS hơn quy mô lớn quy mô trung bình với ngƣỡng cƣờng độ mƣa nhỏ, xác suất đồng thời (hình 3.26e) cho giá trị ETS lớn ngƣỡng cƣờng độ mƣa nhỏ (dƣới 5mm/ngày) với quy mô không gian nhỏ (ETS lớn 0.27 quy mô nhỏ 126km) Hình (Hình 3.26f) biểu diễn phƣơng pháp liên hợp kiện (Multi-event contingency table), ETS lớn quy mô nhỏ với cƣờng độ mƣa thấp (ETS lớn 0.28 ngƣỡng dƣới 5mm/ngày với quy mô 14km) Ở ngƣỡng mƣa 20mm/ngày giá trị ETS không xác định đƣợc Điểm kỹ phần tử (FSS) (hình 3.26g), giá trị điểm số FSS cao quy mô không gian lớn tất ngƣỡng mƣa nhƣng cao ngƣỡng mƣa thấp (dƣới 5mm/ngày) Điều vị trí vùng mƣa dự báo lệch phía nam nhiều so với vị trí vùng mƣa thám sát, mặt khác dự báo lại cho kết mƣa ngƣỡng thấp Khi dự báo cho điểm ô lƣới khu vực lân cận, kỹ lớn việc phát kiện kiện xảy quy mô trung bình cƣờng độ mƣa thấp (hình 3.24.h) Trƣờng hợp điểm số BSS có giá trị tuyệt đối lớn quy mô nhỏ ngƣỡng cƣờng độ mƣa thấp Hình 3.26.i cho thấy tỷ lệ xác phƣơng pháp thực nghiệm hoàn hảo (Practically perfect hindcast) Trƣờng hợp ETS cho giá trị lớn quy mô không gian lớn ngƣỡng cƣờng độ mƣa nhỏ dƣới 5mm/ngày (ETS lớn 0.54) Ở ngƣỡng mƣa vừa (16-20mm/ngày) ETS có giá trị 0, ngƣỡng 20mm/ngày ETS không xác định Tiếp theo phƣơng pháp sai số bình phƣơng có điều kiện (CSRR) RPS (hình 3.26j), phƣơng pháp độc lập với ngƣỡng cƣờng độ mƣa, đƣợc biểu diễn dƣới dạng đƣờng cong Đƣờng CSRR có xu hƣớng giảm dần theo mức tăng quy mô, tức quy mô lớn mô hình dự báo tốt (vì CSRR gần giống nhƣ độ lệch chuẩn xác suất) Ở quy mô lớn đƣờng CSRR lại có xu Footer Page 79 of 16 77 Header Page 80 of 16 hƣớng tăng lên, quy mô lớn này, dự báo xác suất không sắc nét điểm số bắt đầu trở nên Vùng liên đới RMSE tính giá trị sai số bình phƣơng trung bình, đƣờng biểu diễn hình 3.26k cho thấy đƣờng liên đới RMSE giảm mạnh theo mức tăng quy mô Điều phù hợp với xu hƣớng điểm FSS hình 3.26g, điểm số đƣợc cải thiện tăng quy mô đồng nghĩa với việc phân bố mƣa dự báo thám sát trở nên phù hợp Footer Page 80 of 16 78 Header Page 81 of 16 KẾT LUẬN Vì điểm số đánh giá chứa đầy đủ thông tin nhƣ ý nghĩa ƣu việt cần phải kết hợp tính toán nhiều điểm số nhằm đánh giá đƣợc cách toàn diện khách quan phân tích kết Sau chọn phân tích kết hợp điểm số đánh giá có trọng đến tính hệ thống tính ngẫu nhiên sai số, tác giả rút số kết luận sau: * Đối với nhiệt độ: Mô hình HRM cho nhiệt độ dự báo thấp so với quan trắc khoảng 0C (dự báo thiên thấp) Trong mô hình MM5 cho nhiệt độ dự báo cao quan trắc khoảng dƣới 0.50C (dự báo thiên cao) Sai số nhiệt độ mùa đông thƣờng lớn so với mùa hè Kết đánh giá chung cho toàn chuỗi số liệu HRM cho thấy sai số lớn thƣờng khu vực Bắc Bộ nhỏ khu vực Trung Bộ, MM5 cho sai số lớn khu vực Nam Bộ Tuy mô hình MM5 cho giá trị độ lệch trung bình nhiệt độ nhỏ so với mô hình HRM nhƣng độ ổn định không cao (Có lúc dự báo cho giá trị nhiệt độ thấp so với thám sát thiên thấp, có lúc lại cho dự báo thiên cao) Và hệ số tƣơng quan thấp so với mô hình HRM Mô hình HRM cho giá trị nhiệt độ dự báo thấp so với giá trị thám sát (ME âm), kết hợp với giá trị MAE chênh lệch không nhiều so với ME Điều khiến cho việc hiệu chỉnh mô hình HRM dễ dàng so với mô hình MM5 Kết đánh giá nhiệt độ đề tài cho khu vực Bắc Bộ Việt Nam hoàn toàn phù hợp với kết đề tài luận văn thạc sỹ: “Đánh giá sản phẩm mô hình dự báo số HRM trƣờng nhiệt độ mùa đông Bắc Bộ Việt Nam” tác giả Vũ Anh Tuấn (2004) * Đối với mƣa: HRM cho dự báo mƣa mùa hè xác mùa đông (ME mùa đông dƣới 1mm/ngày, mùa hè tới gần 7mm/ngày khu vực Bắc Bộ) Sai số lớn thƣờng khu vực Bắc Bộ nhỏ khu vực Trung Bộ Trƣờng hợp chuỗi số liệu ngắn (HRM2) thƣờng cho sai số nhỏ Mô hình MM5 cho dự báo lƣợng mƣa thiên thấp MM5 cho dự báo lƣợng mƣa thấp so với thực tế khu vực Bắc Bộ Trung Bộ, nhƣ khu vực Việt Nam Chỉ riêng khu vực Nam Bộ cho lƣợng mƣa cao hơn, sai số Footer Page 81 of 16 79 Header Page 82 of 16 lớn khu vực Bắc Bộ Điều cho thấy dự báo lƣợng mƣa, mô hình phi thủy tĩnh MM5 mô tả tốt trình khí vùng vĩ độ thấp Nhƣ vậy, xét chung cho toàn chuỗi số liệu ta thấy mô hình HRM cho dự báo lƣợng mƣa thiên cao, mô hình MM5 dự báo mƣa thiên thấp Cả hai mô hình cho giá trị độ lệch trung bình dự báo quan trắc lúc âm lúc dƣơng (lúc dự báo thấp thám sát, lúc lại dự báo cao thám sát) Hệ số tƣơng quan HRM ổn định mùa so với MM5 Kết hợp số thấy mô hình HRM có tính ổn định mức độ tin cậy cao so với mô hình MM5 Ở hai mô hình, dự báo mƣa ngƣỡng mƣa thấp cho kết xác (độ tin cậy cao hơn) so với ngƣỡng mƣa lớn * Đánh giá dự báo mƣa phƣơng pháp fuzzy: Ƣu điểm lớn phƣơng pháp đánh giá kết dự báo mƣa mô hình HRM dễ dàng nhận thấy trực giác quy mô không gian ngƣỡng mƣa mô hình cho dự báo tốt Các kết đƣợc tính chiếm phần nhỏ điểm số mà phƣơng pháp fuzzy tính đƣợc Tuy nhiên, khó để đồng thời làm rõ ý nghĩa tất điểm số điểm số nhất, mà ngƣời dùng phải kết hợp tất điểm số đƣa đƣợc kết luận đắn Đánh giá fuzzy phƣơng pháp hoàn toàn Việt Nam, số liệu mô hình HRM có độ phân giải (14km) không đƣợc tinh nhƣ số liệu rađa số liệu mẫu (5km), số liệu chạy cho hai ngày không đủ dài để đánh giá thống kê Chính mà việc áp dụng phƣơng pháp khuôn khổ luận văn, tác giả chủ yếu trọng đến việc thử nghiệm phƣơng pháp Tuy vậy, bƣớc đầu thu đƣợc số kết có ý nghĩa mặt lý thuyết Về mô hình HRM dự báo tốt đƣợc lƣợng mƣa cƣờng độ mƣa không cao HRM dự báo tốt quy mô không gian không lớn Hƣớng nghiên cứu tiếp theo, tác giả có tham vọng sử dụng phƣơng pháp để đánh giá cho tất mô hình dự báo thời tiết chạy nghiệp vụ Việt Nam với độ xác đủ tin cậy./ Footer Page 82 of 16 80 Header Page 83 of 16 TÀI LIỆU THAM KHẢO Tiếng Việt: Nguyễn Văn Bảy (2003), Đánh giá dự báo mưa vừa, mưa lớn trường dự báo khí áp mực biển cho khu vực Trung Bộ, Luận văn thạc sĩ Khoa học, Đại học Khoa học Tự Nhiên, Đại học Quốc gia Hà Nội; Dƣơng Liên Châu, Nguyễn Viết Thi (2007), Xây dựng hệ thống tiêu đánh giá chất lượng dự báo khí tượng thủy văn, Đề tài cấp Nhà nƣớc, Trung tâm Dự báo Khí tƣợng thủy văn Trung Ƣơng; Hoàng Đức Cƣờng (2004), Nghiên cứu thử nghiệm áp dụng mô hình khí tượng động lực quy mô vừa MM5 dự báo hạn ngắn Việt Nam, Viện Khoa học Khí tƣợng Thủy văn Môi trƣờng, tháng 12/2004 – Đề tài cấp Nhà nƣớc; Hoàng Đức Cƣờng (2007), Nghiên cứu thử nghiệm dự bao mưa lớn Việt Nam mô hình MM5, Viện Khoa học Khí tƣợng Thủy văn Môi trƣờng, tháng 12/2007– Đề tài cấp Nhà nƣớc; Nguyễn Đình Dũng (2007), Nghiên cứu Đánh giá chất lượng sản phẩm dự báo khí hậu xây dựng quy trình đánh giá dự báo nghiệp vụ, Viện Khoa học Khí tƣợng Thủy văn Môi trƣờng, 2007 Trần Quang Năng (2009), Đánh giá sai số hệ thống dự báo mưa mô hình HRM cho khu vực đông Bắc Bộ, Luận văn thạc sĩ Khoa học, Đại học Khoa học Tự Nhiên, Đại học Quốc gia Hà Nội, Hà Nội; Đỗ Lệ Thủy (2009), Nghiên cứu xây dựng hệ thống dự báo yếu tố khí tượng phương pháp thống kê sản phẩm mô hình HRM, Trung tâm Khí tƣợng Thủy văn Quốc gia – Đề tài cấp Nhà nƣớc; Vũ Anh Tuấn (2004), Đánh giá sản phẩm mô hình dự báo số (HRM) trường nhiệt độ mùa Đông Bắc Việt Nam, Luận văn thạc sĩ Khoa học, Đại học Khoa học Tự nhiên, Đại học Quốc gia Hà Nội; Tiếng Anh: Atger, F (2001), “Verification of intense precipitation forecasts from single models and ensemble prediction systems”, Nonlin Proc Geophys., 8, 401-417 Brooks, H.E., M Kay and J.A Hart (1998), “Objective limits on forecasting skill of rare events”, 19th Conf Severe Local Storms, AMS, 552-555 Damrath, U., (2004) “Verification against precipitation observations of a high density network – what did we learn” Intl Verification Methods Workshop, 1517 September 2004, Montreal, Canada [Available online at Footer Page 83 of 16 81 Header Page 84 of 16 http://www.bom.gov.au/bmrc/wefor/staff/eee/verif/Workshop2004/presentations /5.3_Damrath.pdf; 24 November 2006 Elizabeth E Ebert (2006), “Fuzzy Verification of High Resolution Gridded Forecasts”, Review and Proposed Framework, Bureau of Meteorology Research Centre, Australia; Germann, U and I Zawadzki, (2004) “Scale dependence of the predictability of precipitation from continental radar images”, Part II: Probability forecasts J Appl Meteorol., 43, 74-89 Henry R Stanski, Laurence J Wilson and William R Burrows (1990), “Survey of common verification methods in meteorology”, Atmospheric Environment Service Forecast Research Division 4905 Dufferin Street, Downsview, Ontation, Canada M3H 5T4; Murphy, A.H and R.L Winkler, 1987, “A general framework for forecast verification” Mon Wea Rev 115, 1330-1338 Rezacova, D., Z Sokol and P Pesice, (2005), “A radar-based verification of precipitation forecast for local convective storms”, Atmos Res., in press Roberts, N.M., (2005), “An investigation of the ability of a storm-scale configuration of the Met Office NWP model to predict flood-producing rainfall”, Forecasting Research Tech Rept 455, Met Office, 80 pp 10 Theis, S.E., A Hense and U Damrath, (2005), “Probabilistic precipitation forecasts from a deterministic model: a pragmatic approach”, Meteorol Appl., 12, 257-268 11 Weygandt, S.S., A.F Loughe, S.G Benjamin and J.L Mahoney, (2004), “Scale sensitivities in model precipitation skill scores during IHOP”, 22nd Conf Severe Local Storms, Amer Met Soc., 4-8 October 2004, Hyannis, MA 12 Yates, E., S Anquetin, V Ducrocq, J.-D Creutin, D Ricard and K Chancibault, (2006), “Point and areal validation of forecast precipitation fields”, Meteorol Appl., 13, 1-20 13 Zepeda-Arce, J., E Foufoula-Georgiou, and K.K Droegemeier, (2000), “Space-time rainfall organization and its role in validating quantitative precipitation forecasts”, J Geophys Res., 105 (D8), 10,129-10,146 14 Zimmermann, H.-J., (2001), “Fuzzy Set Theory and Its Applications”, Kluwer Dordrecht, 507 pp Footer Page 84 of 16 82 ... 41 2.3 Số liệu 42 CHƢƠNG KẾT QUẢ ĐÁNH GIÁ NHIỆT ĐỘ VÀ LƢỢNG MƢA CỦA MÔ HÌNH MM5 VÀ HRM CHO KHU VỰC VIỆT NAM 45 3.1 Kết đánh giá nhiệt độ 45 3.2 Kết đánh giá lƣợng... NHIÊN -o0o - PHẠM THỊ TUYẾT MÂY ĐÁNH GIÁ KẾT QUẢ DỰ BÁO NHIỆT ĐỘ VÀ LƢỢNG MƢA CỦA MỘT SỐ MÔ HÌNH DỰ BÁO THỜI TIẾT CHO KHU VỰC VIỆT NAM Chuyên ngành Mã số : Khí tƣợng Khí hậu học : 60 44 87... Hệ số tƣơng quan mƣa mô hình cho Việt Nam (a) khu vực (b, c, d) 58 Hình 3.13 Chỉ số FBI cho Việt Nam khu vực thời kỳ mùa đông 59 Hình 3.14 Chỉ số FBI cho Việt Nam khu vực thời