- 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. - Abstract: Tổng quan về bài toán đánh giá dự báo trong khí tƣợng và các chỉ số đánh giá:. - bài toán đánh giá dự báo trong khí tƣợng, một số phƣơng pháp và chỉ số đánh giá phổ biến, cơ sở lý thuyết của phƣơng pháp đánh giá fuzzy, tình hình nghiên cứu chung liên quan đến đề tài trên thế giới và tại Việt Nam. - Khái quát về các mô hình dự báo thời tiết số HRM (mô hình dự báo thời tiết khu vực phân giải cao -High Resolution Regional Model), MM5(Mô hình khí tƣợng động lực quy mô vừa thế hệ thứ 5) và nguồn số liệu sử dụng. - Kết quả đánh giá nhiệt độ và lƣợng mƣa của mô hình MM5 và HRM cho khu vực Việt Nam.. - Keyword: Dự báo thời tiết. - Nhiệt độ. - Lƣợng mƣa. - TỔNG QUAN VỀ BÀI TOÁN ĐÁNH GIÁ DỰ BÁO TRONG KHÍ TƢỢNG VÀ CÁC CHỈ SỐ ĐÁNH GIÁ. - Bài toán đánh giá dự báo trong khí tƣợng 1.1. - Mục đích và ý nghĩa của bài toán đánh giá. - Mục đích hành chính: Các thông tin đánh giá trong mục đích quản lý hành chính nhằm cung cấp thông tin cho việc mua sắm các trang thiết bị chính nhƣ các máy tính có cấu hình cao hơn, tốc độ xử lý nhanh hơn,… Xác định khi nào, hoặc có nên thay thế một sản phẩm đang đƣợc sử dụng bằng một sản phẩm dự báo mới hay không, và còn nhiều các quyết định khác để phát triển tối ƣu nguồn lực về con ngƣời cũng nhƣ các nguồn trang thiết bị khác phục vụ cho công tác phát hành một bản tin dự báo thời tiết.. - Mục đích khoa học: Đánh giá với mục đích khoa học là xác định một cách đầy đủ và chi tiết ƣu điểm cũng nhƣ nhƣợc điểm của một sản phẩm dự báo. - Các hoạt động này giúp tìm ra các biện pháp thích hợp để cải thiện chất lƣợng dự báo phục vụ cũng nhƣ cung cấp các thông tin để hoạch định phƣơng hƣớng cho việc nghiên cứu và phát triển tiếp theo.. - Mô hình chung cho đánh giá dự báo các yếu tố thời tiết 1.3. - Sơ lƣợc về tiêu chuẩn đánh giá. - Các loại yếu tố dự báo. - Yếu tố dự báo liên tục: Là các yếu tố đƣợc dự báo tại một giá trị nhất định hoặc trong một khoảng giá trị nào đó. - Trong số các yếu tố thời tiết thì nhiệt độ, áp suất, và gió là hay đƣợc dự báo theo cách này.. - Yếu tố dự báo pha: Là các yếu tố dự báo có thể xảy ra hoặc không xảy ra. - Các thuộc tính của một dự báo tốt. - Một số phƣơng pháp và chỉ số đánh giá phổ biến. - Sơ đồ chung đánh giá sản phẩm mô hình dự báo thời tiết số 2.2. - Phƣơng pháp đánh giá đối với biến liên tục. - Phƣơng pháp đánh giá đối với dự báo pha 3. - Cơ sở lý thuyết của phƣơng pháp đánh giá fuzzy. - Tình hình nghiên cứu chung liên quan đến đề tài trên thế giới và tại Việt Nam. - KHÁI QUÁT VỀ CÁC MÔ HÌNH DỰ BÁO THỜI TIẾT SỐ HRM, MM5 VÀ NGUỒN SỐ LIỆU SỬ DỤNG. - Giới thiệu về mô hình MM5 1.1. - Giới thiệu mô hình. - Cấu trúc mô hình. - Giới thiệu về mô hình HRM 2.1. - Cấu trúc lƣới và phƣơng pháp số 2.3. - Số liệu. - KẾT QUẢ ĐÁNH GIÁ NHIỆT ĐỘ VÀ LƢỢNG MƢA CỦA MÔ HÌNH MM5 VÀ HRM CHO KHU VỰC VIỆT NAM. - Kết quả đánh giá nhiệt độ. - Mô hình HRM cho nhiệt độ dự báo thấp hơn so với quan trắc khoảng 2 0 C (dự báo thiên thấp). - Trong khi đó mô hình MM5 cho nhiệt độ dự báo cao hơn quan trắc khoảng dƣới 0.5 0 C (dự báo thiên cao). - Sai số nhiệt độ trong mùa đông thƣờng lớn hơn so với mùa hè. - Kết quả đánh giá chung cho toàn chuỗi số liệu của HRM cho thấy sai số lớn nhất thƣờng ở khu vực Bắc Bộ và nhỏ nhất là ở khu vực Trung Bộ, MM5 cho sai số lớn ở khu vực Nam Bộ.. - Tuy rằng mô hình MM5 cho giá trị độ lệch trung bình nhiệt độ nhỏ hơn so với mô hình HRM nhƣng độ ổn định không cao (Có lúc dự báo cho giá trị nhiệt độ thấp hơn so với thám sát thiên thấp, có lúc lại cho dự báo thiên cao). - Và hệ số tƣơng quan cũng thấp hơn so với mô hình HRM. - Mô hình HRM luôn cho giá trị nhiệt độ dự báo thấp hơn so với giá trị thám sát (ME luôn âm), kết hợp với giá trị MAE chênh lệch không nhiều so với ME. - Điều này khiến cho việc hiệu chỉnh mô hình HRM sẽ dễ dàng hơn so với mô hình MM5.. - Kết quả đánh giá nhiệt độ của đề tài này cho khu vực Bắc Bộ Việt Nam hoàn toàn phù hợp với kết quả đề tài luận văn thạc sỹ: “Đánh giá sản phẩm mô hình dự báo số HRM trƣờng nhiệt độ mùa đông ở Bắc Bộ Việt Nam” của tác giả Vũ Anh Tuấn (2004).. - Kết quả đánh giá lƣợng mƣa. - HRM cho dự báo mƣa mùa hè kém chính xác hơn trong mùa đông (ME mùa đông dƣới 1mm/ngày, trong khi mùa hè tới gần 7mm/ngày tại khu vực Bắc Bộ). - Sai số lớn nhất thƣờng ở khu vực Bắc Bộ và nhỏ nhất ở khu vực Trung Bộ. - Trƣờng hợp chuỗi số liệu ngắn (HRM2) thƣờng cho sai số nhỏ hơn.. - Mô hình MM5 cho dự báo lƣợng mƣa thiên thấp. - MM5 cho dự báo lƣợng mƣa thấp hơn so với thực tế ở khu vực Bắc Bộ và Trung Bộ, cũng nhƣ khu vực Việt Nam. - Chỉ riêng khu vực Nam Bộ cho lƣợng mƣa cao hơn, trong đó sai số lớn nhất ở khu vực Bắc Bộ. - Điều này cho thấy đối với dự báo lƣợng mƣa, mô hình phi thủy tĩnh MM5 mô tả tốt hơn các quá trình khí quyển ở 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, còn mô hình MM5 dự báo mƣa thiên thấp. - Cả hai mô hình đều cho các giá trị độ lệch trung bình giữa dự báo và quan trắc lúc âm lúc dƣơng (lúc dự báo thấp hơn thám sát, lúc lại dự báo cao hơn thám sát). - Hệ số tƣơng quan của HRM ổn định hơn trong các mùa so với MM5.. - Kết hợp giữa các chỉ số có thể thấy mô hình HRM có tính ổn định và mức độ tin cậy cao hơn so với mô hình MM5.. - Ở cả hai mô hình, dự báo mƣa ở các ngƣỡng mƣa thấp cho kết quả chính xác (độ tin cậy cao hơn) so với các ngƣỡng mƣa lớn.. - Kết quả thử nghiệm đánh giá mƣa bằng phƣơng pháp fuzzy 3.1. - Kết quả thử nghiệm với chuỗi số liệu mẫu. - Thử nghiệm đánh giá kết quả dự báo mƣa bằng phƣơng pháp fuzzy cho Việt Nam. - *Kết quả thử nghiệm đánh giá cho dự báo mƣa do bão gây ra. - *Kết quả thử nghiệm đánh giá cho dự báo mƣa do không khí lạnh gây ra. - Ƣu điểm lớn nhất của phƣơng pháp đánh giá kết quả dự báo mƣa mô hình HRM là có thể dễ dàng nhận thấy bằng trực giác ở những quy mô không gian nào và ở ngƣỡng mƣa nào mô hình cho dự báo tốt hơn.. - Các kết quả đƣợc tính trên đây chỉ chiếm một phần nhỏ của các điểm số mà phƣơng pháp fuzzy có thể tính đƣợc. - Đánh giá fuzzy là một phƣơng pháp hoàn toàn mới tại Việt Nam, số liệu mô hình HRM có độ phân giải (14km) không đƣợc tinh nhƣ số liệu rađa của số liệu mẫu (5km), số liệu chỉ chạy cho hai ngày không đủ dài để đánh giá thống kê. - Chính vì vậy mà việc áp dụng phƣơng pháp này trong khuôn khổ luận văn, tác giả chủ yếu chú trọng đến việc thử nghiệm phƣơng pháp.. - Tuy vậy, bƣớc đầu cũng đã thu đƣợc một số kết quả có ý nghĩa về mặt lý thuyết. - Về cơ bản mô hình HRM dự báo tốt đƣợc lƣợng mƣa ở cƣờng độ mƣa không quá cao và HRM dự báo tốt hơn ở những quy mô không gian không quá lớn.. - Hƣớng nghiên cứu tiếp theo, tác giả có tham vọng sử dụng phƣơng pháp này để đánh giá cho tất cả các mô hình dự báo thời tiết đang chạy nghiệp vụ tại Việt Nam với độ chính xác đủ tin cậy./.