2
Tình hình dự báo bão hạn 5 ngày trên Thế giới và Việt Nam
Dự báo bão hạn 5 ngày đã được nghiên cứu và ứng dụng tại nhiều trung tâm lớn trên thế giới như Trung tâm Dự báo Bão Quốc gia Hoa Kỳ, cơ quan khí tượng Nhật Bản, Hàn Quốc, Úc và Trung tâm Dự báo Hạn vừa Châu Âu Công nghệ thông tin phát triển đã thúc đẩy việc áp dụng hệ thống dự báo tổ hợp, với sai số dự báo 5 ngày của Nhật Bản năm 2007 là 451 km và của Hoa Kỳ khoảng 491 km trong giai đoạn 2000 – 2008 Mặc dù có cải tiến về dự báo quỹ đạo bão, kỹ năng dự báo cường độ bão vẫn chưa có nhiều tiến bộ do các mô hình thường không phản ánh chính xác cấu trúc bão thực tế Tại Việt Nam, một số nghiên cứu đã đạt được kết quả đáng chú ý trong dự báo bão hạn 5 ngày trên Biển Đông, như hệ thống dự báo tổ hợp của tác giả Công Thanh và Trần Tân Tiến, cho thấy độ chính xác tương đương với dự báo của Nhật Bản Nghiên cứu cũng sử dụng mô hình WRF để dự báo cho các cơn bão trên Biển Đông trong các năm 2009-2011, chứng minh tính khả thi của các phương trình dự báo quỹ đạo bão.
Gần đây, mạng lưới quan trắc khí tượng đã phát triển mạnh mẽ cả về số lượng và loại hình, với số liệu vệ tinh trở thành nguồn thông tin đáng tin cậy cho mô hình số trị Việc thu thập dữ liệu trên biển gặp nhiều khó khăn, đặc biệt trong điều kiện thời tiết bão Thêm vào đó, số liệu quan trắc ở độ cao cũng cung cấp thông tin bổ sung cần thiết cho việc điều chỉnh mô hình dự báo số trị, giúp cải thiện độ chính xác của mô hình bằng cách đồng hóa dữ liệu với trạng thái khí quyển thực tế.
Trong luận văn này, tác giả sẽ sử dụng phương pháp đồng hóa số liệu quan trắc vệ tinh và cao không thông qua sơ đồ LETKF để cải thiện dự báo bão trong vòng 5 ngày trên Biển Đông Tiếp theo, tác giả sẽ trình bày một cái nhìn tổng quan về sơ đồ đồng hóa LETKF.
Tổng quan về sơ đồ đồng hóa LETKF
1.2.1 Một số nghiên cứu về sơ đồ LETKF
LETKF (Lọc Kalman Tổ hợp Biến đổi Địa phương hóa) được đề xuất năm
Thuật toán LETKF, được phát triển bởi Hunt và các cộng sự vào năm 2005, là sự kết hợp giữa lọc Kalman tổ hợp địa phương (LEKF) và lọc Kalman biến đổi tổ hợp (ETKF), cho thấy khả năng ứng dụng trong mô hình dự báo toàn cầu với 40 thành phần tổ hợp Nghiên cứu của Miyoshi và Yamane (2007) đã chứng minh LETKF có độ chính xác tương đương với hệ thống đồng hóa biến phân 3DVAR và có khả năng nắm bắt tốt dữ liệu vệ tinh Szunyogh và các cộng sự (2008) đã áp dụng LETKF cho mô hình toàn cầu NCEP với 60 thành phần tổ hợp và phương pháp tăng cấp hiệp biến, cho kết quả phân tích chính xác hơn các phương pháp khác Trong nghiên cứu khu vực, Miyoshi và Kunii (2012) đã thử nghiệm LETKF với mô hình WRF, cho thấy phương pháp tăng cấp thích ứng là lựa chọn tốt để xác định sai số mô hình Nghiên cứu của Kiều và các cộng sự (2012) chứng minh rằng việc đồng hóa số liệu gió vệ tinh bằng LETKF trong mô hình WRF cải thiện đáng kể chất lượng dự báo quỹ đạo bão Megi 2010, mặc dù họ luôn ấn định số thành phần tổ hợp là 21 và sử dụng phương pháp đa vật lý để xác định sai số mô hình.
Sơ đồ đồng hóa LETKF hiện tại chưa có khuyến cáo cụ thể về số lượng thành phần tổ hợp cần thiết để đạt được kết quả dự báo hiệu quả nhất Dự báo tổ hợp cung cấp ước lượng phân bố xác suất cho trạng thái khí quyển, và độ tin cậy của ước lượng này phụ thuộc vào cỡ tổ hợp Tuy nhiên, do hạn chế về tài nguyên tính toán, cỡ tổ hợp phải nhỏ hơn nhiều so với không gian mô hình dự báo thời tiết Nghiên cứu của Kalnay (2003) cho rằng tổ hợp khoảng 25-50 thành phần là hiệu quả, trong khi Herschel L Mitchell và P L Houtekamer (2002) chỉ ra rằng với 64 thành phần, Lọc Kalman tổ hợp (EnKF) có tác dụng tốt Tuy nhiên, các nghiên cứu này giả định mô hình hoàn hảo và sai số mô hình được xác định bằng cách cộng thêm nhiễu mô hình Các nghiên cứu gần đây về LETKF sử dụng tổ hợp từ 21 đến 60 thành phần Thực tế cho thấy sai số nội tại của mô hình do quá trình vật lý không được mô tả đầy đủ là nguyên nhân chính gây ra sai số dự báo trong các mô hình xoáy thuận nhiệt đới Do đó, Kiều và cộng sự (2013) đã đề xuất phương pháp đa vật lý để hiệu chỉnh sai số, trong đó các thành phần tổ hợp là sự kết hợp của các sơ đồ vật lý khác nhau Kết quả cho thấy độ tán tổ hợp và sai số căn quân phương năng lượng trung bình thể tích được cải thiện đáng kể, chứng minh ưu điểm của phương pháp đa vật lý so với phương pháp tăng cấp nhân trong các ứng dụng của Lọc Kalman Tổ hợp Địa phương hóa Biến đổi.
LETKF có khả năng tích hợp nhiều loại quan trắc và đã được áp dụng thành công trong các mô hình dự báo toàn cầu và khu vực Nghiên cứu của Kiều và cộng sự (2013) chỉ ra rằng phương pháp đa vật lý là lựa chọn hiệu quả cho dự báo ngắn hạn Do đó, trong luận văn này, tác giả quyết định sử dụng sơ đồ LETKF kết hợp với phương pháp đa vật lý Tiếp theo, tác giả sẽ tóm tắt thuật toán LETKF.
Các nghiên cứu gần đây về LETKF đã chỉ ra khả năng đồng hóa nhiều loại quan trắc ở các quy mô khác nhau trong sơ đồ đồng hóa Kalman tổ hợp Ưu điểm nổi bật của LETKF là khả năng phân tích tính toán trong không gian mở rộng nhờ vào các thành phần tổ hợp dự báo tại mỗi điểm lưới, giúp giảm khối lượng tính toán thông qua song song hóa Thuật toán LETKF sử dụng ma trận tổ hợp nền như một toán tử chuyển đổi từ không gian mô hình căng bởi các điểm lưới trong khu vực địa phương sang không gian tổ hợp Phân tích được thực hiện trong không gian tổ hợp này tại từng điểm lưới Theo Hunt và cộng sự (2007), một ma trận trung bình tổ hợp và một ma trận nhiễu tổ hợp được xác định để hỗ trợ cho quá trình này.
Ký hiệu 𝒙 = 𝒙 𝑏 + 𝑿 𝑏 𝒘, với w là véc tơ địa phương trong không gian tổ hợp, cho thấy hàm giá địa phương được cực tiểu hóa trong không gian này.
Hàm giá J[x b + X b w] trong không gian mô hình xác định rõ ràng trong không gian đầy đủ của X b (N = {v | X b v = 0}) Hàm giá J(w) có thể được phân chia thành hai phần: phần đầu tiên chứa thành phần của w trong N, trong khi phần thứ hai phụ thuộc vào thành phần của w trực giao với N Để hàm giá J(w) đạt cực tiểu, điều kiện trạng thái phân tích trung bình w a phải trực giao với N Ma trận trạng thái phân tích trung bình và ma trận tương quan sai số tương ứng trong không gian tổ hợp có thể được biểu diễn theo cách cụ thể.
Trong đó, Y b H(x b (i) - x b) là ma trận tổ hợp giá trị nhiễu nền tại các vị trí quan trắc, và R là ma trận tương quan sai số quan trắc Cần lưu ý rằng ma trận tương quan sai số phân tích P a trong không gian mô hình và P a trong không gian tổ hợp có mối quan hệ đơn giản là P a X b P a (X b) T.
, ma trận nhiễu tổ hợp phân tích X a có thể được biểu diễn như sau:
Tổ hợp phân tích x a cuối cùng được thực hiện như sau:
Chi tiết hơn về thuật toán LETKF có thể tìm trong Hunt và cộng sự (2007) [20].
9
Sử dụng LETKF trong mô hình WRF đồng hóa số liệu phục vụ dự báo bão hạn 5 ngày
Hệ thống WRF-LETKF, được phát triển tại Phòng thí nghiệm nghiên cứu dự báo thời tiết và khí hậu thuộc Khoa Khí tượng Thủy văn và Hải Dương - Trường Đại học Khoa học Tự nhiên bởi tác giả Kiều (2011), ứng dụng sơ đồ LETKF trong dự báo và nghiên cứu thời tiết Hệ thống này hoạt động theo quy trình chuẩn với các bước như cập nhật số liệu, xử lý đồng hóa, kiểm tra chất lượng quan trắc, tạo điều kiện biên tổ hợp và thực hiện dự báo tổ hợp một cách tự động và đồng bộ hóa theo thời gian thực Sơ đồ của hệ thống WRF-LETKF được thể hiện trong hình 2.1.
Hình 2.1 Sơ đồ minh họa hệ thống dự báo tổ hợp WRF-LETKF
Mô hình WRF (Weather Research and Forecasting model) hiện là công cụ dự báo và nghiên cứu thời tiết phổ biến nhất WPS là module tiền xử lý, giúp nội suy dữ liệu dự báo toàn cầu về độ phân giải của mô hình khu vực WRFDA là module đồng hóa dữ liệu, bao gồm bộ kiểm tra chất lượng quan trắc chuẩn Thông tin chi tiết về mô hình WRF và các thành phần liên quan có thể tìm thấy trên trang web [44] LETKF (Local Ensemble Transform Kalman Filter) là bộ lọc được sử dụng trong quá trình này.
Bộ lọc Kalman tổ hợp địa phương hóa biến đổi (LETKF) sử dụng thuật toán được tóm tắt trong phần 1.2 và sơ đồ khối hoạt động được mô tả trong phụ lục Hệ thống WRF-LETKF nổi bật với khả năng xác định sai số của mô hình thông qua các thành phần tổ hợp đa vật lý Người dùng có thể tùy chỉnh số lượng thành phần tổ hợp trong tệp namelist.letkf thông qua chương trình điều khiển tự động runmain.sh Đối với từng loại dữ liệu quan trắc được đồng hóa, hệ thống cung cấp các lựa chọn cụ thể; ví dụ, khi đồng hóa dữ liệu vệ tinh, biến obsmode trong chương trình runobs.sh sẽ được gán tương ứng.
”CIMSS”; còn nếu đồng hóa số liệu cao không, thì biến obsmode được gán bằng
Sơ đồ LETKF đã được nghiên cứu nhiều, nhưng số thành phần tổ hợp tối ưu vẫn chưa được khảo sát Trong luận văn này, tác giả áp dụng sơ đồ đồng hóa LETKF với các thành phần tổ hợp đa vật lý trong mô hình WRF để xác định số thành phần tổ hợp tối ưu cho các thử nghiệm dự báo Cụ thể, nghiên cứu sẽ thử nghiệm dự báo cơn bão Conson (2010) trong khoảng thời gian 3 ngày, với số lượng thành phần tổ hợp biến đổi từ 10 đến một giá trị tối ưu.
Sơ đồ đồng hóa LETKF hiện tại chỉ cho phép đồng hóa từng loại số liệu quan trắc riêng biệt mà chưa có thử nghiệm nào đồng hóa đồng thời các loại số liệu như quan trắc bề mặt, số liệu radar, số liệu vệ tinh và số liệu cao không Các nghiên cứu gần đây đã chứng minh khả năng đồng hóa nhiều loại quan trắc ở các quy mô khác nhau trong sơ đồ đồng hóa Kalman tổ hợp Đặc biệt, số liệu quan trắc cao không là một nguồn dữ liệu có giá trị và hệ thống trong khí tượng học, với số liệu được thu thập ở các mực bắt buộc như 1000 hPa.
Các mức áp suất như 925, 850, 700, 500, 400, 300, 250, 200, 150, 100, 70, 50, 30, 20 và 10 hPa cho thấy rằng dữ liệu từ các trạm cao không ở châu Á có thể cung cấp thông tin quan trắc quan trọng cho quá trình đồng hóa Đồng hóa là quá trình ước lượng trạng thái khí quyển từ các thông tin có sẵn, bao gồm trạng thái nền và trạng thái quan trắc Sự phong phú của thông tin có sẵn sẽ nâng cao độ chính xác trong việc ước lượng trạng thái khí quyển Vì vậy, trong luận văn này, tác giả sẽ tích hợp dữ liệu cao không vào quá trình đồng hóa số liệu gió vệ tinh của sơ đồ LETKF trong mô hình WRF để cải thiện dự báo quỹ đạo và cường độ bão trong vòng 5 ngày.
Một nhược điểm của sơ đồ đồng hóa LETKF trong mô hình WRF là số lượng trạm cao không cố định, dẫn đến việc một số trạm có thể không phát báo trong quá trình quan trắc Để khắc phục điều này, tác giả đã điều chỉnh module xử lý số liệu cao không với số lượng trạm được cập nhật tự động Ngoài ra, tác giả cũng tạo lựa chọn đồng hóa đồng thời số liệu vệ tinh và cao không (với obsmode=”MIX”) để thực hiện các thử nghiệm dễ dàng hơn.
Với sơ đồ đồng hóa LETKF được điều chỉnh phù hợp để đồng hóa đồng thời
Trong nghiên cứu này, tác giả đã tiến hành thử nghiệm dự báo cơn bão Megi năm 2010, một cơn bão mạnh với sự thay đổi hướng di chuyển đột ngột Cơn bão Megi 2010 cũng được sử dụng để kiểm tra độ nhạy của số liệu gió vệ tinh được đồng hóa bằng LETKF trong việc dự báo quỹ đạo và cường độ bão, như đã được đề cập trong các nghiên cứu trước Do đó, cơn bão Megi 2010 được chọn làm trường hợp thử nghiệm để so sánh kết quả với các nghiên cứu trước Các phần tiếp theo sẽ tóm tắt quá trình hoạt động của cơn bão Megi 2010 và thiết kế thí nghiệm.
2.2 Sơ lƣợc về quá trình hoạt động của cơn bão Megi 2010
Cơn bão Megi hình thành vào lúc 00 giờ UTC ngày 13 tháng 10 năm 2010, cách 600 km về phía đông Philippines với áp suất tâm 885hPa và tốc độ gió bề mặt 63 m/s Bão di chuyển theo hướng tây tây bắc dọc theo rìa phía nam của áp cao cận nhiệt tây Thái Bình Dương Sự phát triển của rãnh trên miền trung Trung Quốc đã làm Megi di chuyển chậm lại và đổi hướng sang bắc đông bắc vào lúc 00 giờ UTC ngày 19 Bão suy yếu xuống cấp 3 vào ngày 20 tháng 10 và chỉ còn cấp 1 vào ngày 22 tháng 10 do nhiệt độ bề mặt biển giảm Megi tan trước khi đổ bộ vào tỉnh Fujian, Trung Quốc, và cuối cùng suy yếu thành áp thấp nhiệt đới vào ngày 23 tháng 10, trước khi tan hoàn toàn vào sáng ngày 24 tháng 10.
Hình 2.2 Quỹ đạo cơn bão MEGI từ ngày 13/10 đến ngày 23/10/2010
2.3 Thiết kế miền tính và cấu trúc tổ hợp
Miền lưới thiết kế cho thử nghiệm dự báo cơn bão Megi bao gồm hai miền lưới ngang với kích thước 36/12 km và 31 mực σ thẳng đứng Cụ thể, miền lưới 1 có 203x203 điểm lưới ngang, trong khi miền lưới 2 có 181x181 điểm, với tâm miền tính cố định.
120 o E và 18 o N sử dụng trong mô hình WRF phiên bản 3.2
Các thành phần tổ hợp đa vật lý được sử dụng trong các thử nghiệm, gồm:
The article discusses the use of three microphysical schemes, namely the Kessler scheme, the Lin and colleagues scheme, and the WSM3 scheme Additionally, it highlights the application of two PBL (Planetary Boundary Layer) schemes, specifically the YSU scheme and the Mellor-Yamada-JanJic scheme.
Trong nghiên cứu này, chúng tôi đã sử dụng 24 sự kết hợp khác nhau của các sơ đồ vật lý, bao gồm 2 sơ đồ tham số hóa đối lưu (Kain-Fritsch và Betts-Miller-JanJic) và 2 sơ đồ bức xạ sóng dài (RRTM và GFDL) Việc ấn định các sơ đồ này cho từng thành phần tổ hợp sẽ lặp lại nếu số thành phần lớn hơn 24 Số thành phần tổ hợp được khảo sát trong thử nghiệm dự báo cơn bão CONSON 2010 sẽ dao động từ 10 đến 50 Đối với các thử nghiệm dự báo bão hạn 5 ngày với sơ đồ LETKF trong mô hình WRF, chúng tôi sẽ sử dụng số thành phần tổ hợp tối ưu như đã nêu trong phần khảo sát Danh sách các trường hợp thử nghiệm được trình bày trong bảng 2.1.
Bảng 2.1 Danh sách các trường hợp thử nghiệm
CTL Thử nghiệm dự báo bão với mô hình WRF không đồng hóa
CIMSS Thử nghiệm dự báo bão với WRF-LETKF đồng hóa số liệu vệ tinh với 21 thành phần tổ hợp
MIX Thử nghiệm dự báo bão với WRF-LETKF đồng hóa số liệu hỗn hợp
(vệ tinh+cao không) với 21 thành phần tổ hợp
2.4 Nguồn số liệu Điều kiện biên bên và điều kiện ban đầu của mô hình trong các dự báo tổ hợp và dự báo tất định là các dự báo nghiệp vụ của Hệ thống Dự báo Toàn cầu (GFS) thuộc Trung tâm Dự báo Môi trường Quốc Gia Hoa Kỳ (NCEP) với độ phân giải 1 0 x1 0 Khoảng thời gian được dự báo là từ 0000 UTC ngày 15 đến 0000 UTC ngày 19 tháng 10 năm 2010 là thời gian cơn bão Megi hoạt động Điều kiện biên được cập nhật 6 giờ một lần không cài xoáy giả Đối với số liệu sử dụng trong các thử nghiệm CIMSS và MIX, số liệu gió vệ tinh được tiền xử lý bởi CIMSS-UW trong cùng khoảng thời gian đã chọn Một số các nghiên cứu với số liệu AMV-CIMSS đã chỉ ra số liệu này có thể giúp cải thiện chất lượng dự báo của các hệ thống qui mô trung bình khác nhau [38][11][8][21 Ưu điểm của số liệu AMV-CIMSS là sai số đã được kiểm định chất lượng cao và được xác định bằng thuật toán lọc đệ qui Mỗi một số liệu được kiểm tra sao cho phù hợp hầu hết với số liệu xung quanh bằng kỹ thuật chỉ số chất lượng Nếu số liệu gió ở bất kỳ vị trí nào có điểm phân tích chỉ số chất lượng thấp (1 cho thấy hệ thống hiệu quả, trong khi η1 cho thấy hệ thống dự báo hiệu quả, trong khi η1, hệ thống dự báo tổ hợp đạt hiệu quả tối ưu, với độ tán tổ hợp phủ được xác định là “giá trị thật” Đây là điều mà tất cả các hệ thống dự báo tổ hợp đều mong muốn đạt được.
Nếu η1) trong hai thử nghiệm MIX và CIMSS Nghiên cứu của Kiều và cộng sự (2013) cho thấy, khi áp dụng phương pháp đa vật lý để xác định sai số mô hình, độ tán tổ hợp sẽ rộng hơn so với phương pháp tăng cấp nhân, từ đó nâng cao hiệu quả dự báo quỹ đạo và cường độ bão Nếu độ tán tổ hợp đủ rộng, nó có khả năng bao trùm giá trị thực, dẫn đến kết quả dự báo chính xác hơn.
Dựa vào tỷ số η, trong 9 trường hợp dự báo thử nghiệm, có 6 trường hợp dự báo PMIN hiệu quả trong thử nghiệm MIX ở hạn dự báo 4 ngày, trong khi thử nghiệm CIMSS chỉ có 1 trường hợp hiệu quả Ở các hạn dự báo 2 ngày, 3 ngày và 5 ngày, số lượng dự báo hiệu quả giữa hai thử nghiệm MIX và CIMSS là tương đương.
Hình 3.12 Trung bình sai số tuyệt đối áp suất mực biển cực tiểu, MIX (màu đen),
CIMSS (màu xám), và CTL (màu xám nhẹ)
Bảng 3.2 Thống kê các trường hợp hệ thống WRF-LETKF dự báo áp suất mực biển cực tiểu hiệu quả trong hai thử nghiệm CIMSS và MIX
Hệ thống WRF-LETKF cho thấy khả năng dự báo PMIN tốt ở tất cả các hạn dự báo, đặc biệt là khi đồng hóa dữ liệu hỗn hợp từ vệ tinh và cao không Kỹ năng dự báo của hệ thống này hiệu quả hơn ở các hạn dự báo dài trên 3 ngày.
00-h 12-h 24-h 36-h 48-h 60-h 72-h 84-h 96-h 108-h 120-h sai số áp suất mực biển cực tiểu (hPa)
Hệ thống WRF-LETKF cho thấy khả năng dự báo tốc độ gió bề mặt cực đại (VMAX) tương đối tốt, với sai số tuyệt đối trong các thử nghiệm MIX và CIMSS thường nhỏ hơn so với thử nghiệm CTL ở nhiều hạn dự báo Điều này cho thấy hệ thống đã hiệu chỉnh sai số mô hình hiệu quả thông qua phương pháp đa vật lý, cùng với những cải thiện trong dự báo quỹ đạo bão Tuy nhiên, ở một số hạn dự báo như 12 giờ, 84 giờ và 108 giờ, sai số VMAX trong thử nghiệm CTL lại thấp hơn so với hai thử nghiệm còn lại, có thể do độ phân giải mô hình 12 km chưa đủ để mô phỏng cấu trúc bão chính xác Thêm vào đó, số lượng trường hợp thử nghiệm còn hạn chế (9 trường hợp) nên chưa thể đưa ra đánh giá toàn diện về khả năng dự báo VMAX của hệ thống WRF-LETKF.
Trong 12 giờ tích phân đầu tiên, VMAX và PMIN trong các thử nghiệm CIMSS, MIX và CTL cho thấy sai số lớn, chủ yếu do xoáy ban đầu yếu trong dữ liệu dự báo toàn cầu Điều này cho thấy cần có thời gian để xoáy phát triển phù hợp với cơ chế động lực thực tế của bão, phù hợp với các nghiên cứu trước đây về tầm quan trọng của ban đầu hóa xoáy trong dự báo xoáy thuận nhiệt đới Mặc dù sai số VMAX trong thử nghiệm MIX có thể thấp hơn hoặc cao hơn so với thử nghiệm CIMSS ở một số hạn dự báo, nhưng nhìn chung, dự báo cường độ trong thử nghiệm MIX vẫn thể hiện những ưu điểm nhất định.
Để đánh giá khả năng dự báo VMAX của hệ thống WRF-LETKF, tác giả sử dụng tỷ số giữa độ tán tổ hợp và sai số tuyệt đối dự báo (η), tương tự như khi đánh giá khả năng dự báo PMIN Bảng 3.3 liệt kê các trường hợp mà hệ thống WRF-LETKF dự báo VMAX hiệu quả, với tỷ số η lớn hơn 1.
Hình 3.13 Trung bình sai số tuyệt đối gió bề mặt cực đại trong đó sai số, MIX
(màu đen); CIMSS (màu xám); và CTL (màu xám nhẹ)
Bảng 3.3 Thống kê các trường hợp hệ thống WRF-LETKF dự báo tốc độ gió bề mặt cực đại hiệu quả trong hai thử nghiệm CIMSS và MIX
