ĐÁNH GIÁ KẾT QUẢ DỰ BÁO NHIỆT ĐỘ VÀ LƯỢNG MƯA CỦA MỘT SỐ MÔ HÌNH DỰ BÁO THỜI TIẾT SỐ CHO KHU VỰC VIỆT NAM

75 1 0
  • Loading ...
1/75 trang

Thông tin tài liệu

Ngày đăng: 27/03/2019, 14:06

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN o0o PHẠM THỊ TUYẾT MÂY ĐÁNH GIÁ KẾT QUẢ DỰ BÁO NHIỆT ĐỘ VÀ LƯỢNG MƯA CỦA MỘT SỐ MƠ HÌNH DỰ BÁO THỜI TIẾT SỐ CHO KHU VỰC VIỆT NAM LUẬN VĂN THẠC SỸ KHOA HỌC HÀ NỘI, 2011 ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN -o0o - PHẠM THỊ TUYẾT MÂY ĐÁNH GIÁ KẾT QUẢ DỰ BÁO NHIỆT ĐỘ VÀ LƯỢNG MƯA CỦA MỘT SỐ MƠ HÌNH DỰ BÁO THỜI TIẾT SỐ CHO KHU VỰC VIỆT NAM Chuyên ngành Mã số : Khí tượng Khí hậu học : 604487 LUẬN VĂN THẠC SỸ KHOA HỌC NGƯỜI HƯỚNG DẪN KHOA HỌC: TS VŨ THANH HẰNG HÀ NỘI, 2011 ii MỤC LỤC MỤC LỤC .1   DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT   DANH MỤC HÌNH VẼ   MỞ ĐẦU   CHƯƠNG TỔNG QUAN VỀ BÀI TOÁN ĐÁNH GIÁ DỰ BÁO TRONG KHÍ TƯỢNG VÀ CÁC CHỈ SỐ ĐÁNH GIÁ   1.1 Bài toán đánh giá dự báo khí tượng   1.1.1 Mục đích ý nghĩa toán đánh giá   1.1.2 Mơ hình chung cho đánh giá dự báo yếu tố thời tiết .7   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 11   1.2 Một số phương pháp số đánh giá phổ biến 13   1.2.1 Sơ đồ chung đánh giá sản phẩm mơ hình dự báo thời tiết số .13   1.2.2 Phương pháp đánh giá biến liên tục .16   1.2.3 Phương pháp đánh giá dự báo pha 19   1.3 Cơ sở lý thuyết phương pháp đánh giá fuzzy 22   1.3.1 Các phương pháp đánh giá fuzzy đặc trưng 25   1.3.2 Ưu điểm phương pháp đánh giá fuzzy 29   1.4 Tình hình nghiên cứu chung liên quan đến đề tài giới Việt Nam29   CHƯƠNG KHÁI QT VỀ CÁC MƠ HÌNH DỰ BÁO THỜI TIẾT SỐ HRM, MM5 VÀ NGUỒN SỐ LIỆU SỬ DỤNG .31   2.1 Giới thiệu mơ hình MM5 31   2.1.1 Giới thiệu mơ hình 31   2.1.2 Cấu trúc mô hình 31   2.1.3 Hệ phương trình thủy nhiệt động lực MM5 32   2.1.4 Điều kiện biên .32   2.1.5 Các q trình tham số hóa 33   2.2 Giới thiệu mơ hình HRM 34   2.2.1 Giới thiệu mơ hình 34   2.2.2 Cấu trúc lưới phương pháp số .35   2.2.3 Hệ phương trình .35   2.2.4 Các trình tham số hóa vật lý 35   2.3 Số liệu .36   CHƯƠNG KẾT QUẢ ĐÁNH GIÁ NHIỆT ĐỘ VÀ LƯỢNG MƯA CỦA MƠ HÌNH MM5 VÀ HRM CHO KHU VỰC VIỆT NAM 38   3.1 Kết đánh giá nhiệt độ 38   3.2 Kết đánh giá lượng mưa 45   3.3 Kết thử nghiệm đánh giá phương pháp fuzzy 59   3.3.1 Kết đánh giá dự báo mưa cho chuỗi số liệu thử nghiệm .59   3.3.2 Thử nghiệm đánh giá kết dự báo mưa phương pháp fuzzy cho Việt Nam .64   KẾT LUẬN VÀ KIẾN NGHỊ .70   TÀI LIỆU THAM KHẢO .72   Tiếng Việt: 72   Tiếng Anh: 72   DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT BOM Cơ quan khí tượng Australia CMA Tổng Cục Khí tượng Trung Quốc CMC Cơ quan Khí tượng Canađa CS Cộng DWD Tổng cục Thời tiết Cộng hòa liên bang Đức ĐPG Độ phân giải ETA Mơ hình dự báo khu vực GFS Mơ hình phổ tồn cầu GME Mơ hình tồn cầu HRM Mơ hình dự báo thời tiết phân giải cao (High resolution Regional Model) KTTV Khí tượng Thủy văn MM5 Mơ hình Khí tượng động lực quy mơ vừa NCAR Trung tâm Quốc gia Nghiên cứu Khí Mỹ NCKH Nghiên cứu khoa học NWP TTDBTƯ Mơ hình dự báo số Trung tâm Dự báo Khí tượng Thủy văn Trung ương WRF Mơ hình khí quy mơ vừa WMO Tổ chức Khí tượng giới DANH MỤC HÌNH VẼ Hình Sơ đồ chung cho đánh giá yếu tố thời tiết Hình Sơ đồ chung đánh giá sản phẩm mơ hình dự báo số (NWP) 15 Hình Tốn đồ tụ điểm cho dự báo gió biển Bên trái trường hợp dự báo 00 giờ, bên phải trường hợp dự báo 36 (số liệu lấy từ trạm phao) 16 Hình Sơ đồ biểu diễn số phục vụ đánh giá chất lượng dự báo mưa 19 Hình a Miền quan trắc; b Đánh giá truyền thống (phải tương thích khơng gian thời gian dự báo quan trắc); c Đánh giá phương pháp fuzzy (vùng dự báo tính đến miền lân cận quanh điểm quan trắc) 23 Hình Cửa sổ quan trắc dự báo phương pháp đánh giá fuzzy 23 Hình Sơ đồ lồng ghép hai miền tính cho MM5 34 Hình Các trạm quan trắc miền tính 36 Hình Nhiệt độ trung bình tháng mùa hè trạm a) HRM1; b) OBS (128 trạm); c) HRM2; d) MM5; e) OBS (24 trạm) 39 Hình 10 Nhiệt độ trung bình tháng mùa đơng trạm a) HRM1; b) OBS (128 trạm); c) HRM2; d) MM5; e) OBS (24 trạm) 40 Hình 11 Nhiệt độ trung bình toàn chuỗi số liệu a) HRM1; b) OBS (128 trạm) ; c) HRM2; d) MM5; e) OBS (24 trạm) 41 Hình 12 Sai số ME nhiệt độ cho tồn Việt Nam khu vực mùa đơng (a), mùa hè (b), trung bình tồn chuỗi số liệu (c) 42 Hình 13 Sai số MAE nhiệt độ cho tồn Việt Nam khu vực mùa đơng (a), mùa hè (b), trung bình tồn chuỗi số liệu (c) 43 Hình 14 Sai số RMSE nhiệt độ cho tồn Việt Nam khu vực mùa đơng (a), mùa hè (b), trung bình tồn chuỗi số liệu (c) 44 Hình 15 Hệ số tương quan nhiệt độ mơ hình cho tồn Việt Nam (a) khu vực (b, c, d) 45 Hình 16 Giá trị mưa trung bình ngày tháng mùa hè a) HRM1; b) OBS (128 trạm); c) HRM2; d) MM5; e) OBS (24 trạm) 46 Hình 17 Giá trị mưa trung bình ngày tháng mùa đơng a) HRM1; b) OBS (128 trạm); c) HRM2; d) MM5; e) OBS (24 trạm) 47 Hình 18 Giá trị mưa trung bình ngày toàn chuỗi số liệu a) HRM1; b) OBS (128 trạm); c) HRM2; d) MM5; e) OBS (24 trạm) 48 Hình 19 Điểm số ME mưa cho toàn Việt Nam khu vực tháng mùa đông (a), mùa hè (b), trung bình chuỗi (c) 49 Hình 20 Điểm số MAE mưa cho toàn Việt Nam khu vực tháng mùa đông (a), mùa hè (b), trung bình chuỗi (c) 50 Hình 21 Chỉ số RMSE mưa cho Việt Nam khu vực mùa đơng (a), mùa hè (b), trung bình chuỗi (c) 51 Hình 22 Hệ số tương quan mưa mơ hình cho Việt Nam (a) khu vực (b, c, d) 53 Hình 23 Chỉ số FBI cho Việt Nam khu vực thời kỳ mùa đơng mùa hè 54 Hình 24 Chỉ số TS khu vực theo ngưỡng mưa mùa đơng mùa hè 56 Hình 25 Chỉ số POD khu vực theo ngưỡng mưa mùa đơng mùa hè 57 Hình 26 Chỉ số TSS khu vực theo ngưỡng mưa mùa đông mùa hè 59   MỞ ĐẦU Như biết, khí hậu nói chung thời tiết nói riêng ảnh hưởng đến mặt đời sống kinh tế - xã hội loài người Vì việc dự báo yếu tố khí hậu thời tiết ngày quan trọng cần thiết, trở thành mối quan tâm lớn tất quốc gia giới Và trở nên cấp bách hết ảnh hưởng biến đổi khí hậu ngày sâu sắc đến hầu giới Việt Nam, quốc gia chịu ảnh hưởng nặng nề biến đổi khí hậu Trong nỗ lực tăng cường chất lượng dự báo, kết hợp với phương pháp dự báo synop truyền thống trước đây, mơ hình dự báo số trị đưa vào chạy dự báo Việt Nam, mơ hình HRM, thử nghiệm vào năm 2000 Cho đến có nhiều mơ hình khác chạy nghiệp vụ nghiên cứu số trung tâm tính tốn Việt Nam HRM, ETA Trung Tâm Khí tượng Thủy văn Trung ương, RAMS, HRM, WRF Khoa Khí tượng Thủy văn Hải dương học, Trường Đại học Khoa học Tự nhiên, MM5, WRF Viện Khoa học Khí tượng Thủy văn Mơi trường Mỗi mơ hình số chứa đựng sai số sinh số liệu ban đầu, q trình tham số hóa khí chưa đủ xác Bởi vậy, trước áp dụng mơ hình số cần phải tìm điểm mạnh mơ hình để khai thác sử dụng đồng thời điểm yếu để tìm cách khắc phục, đem lại hiệu cao cho cơng tác dự báo Bên cạnh đó, kết đánh giá cho biết sai số hệ thống mơ hình, sở cho việc hiệu chỉnh mơ hình cho tốt Chính vậy, vấn đề đánh giá định lượng sản phẩm mơ hình số cần thiết có ý nghĩa khoa học Bài tốn đánh giá dự báo đánh giá mức độ xác mơ hình mức độ sai khác sản phẩm dự báo mơ hình với kết quan trắc thực tế nhằm ưu điểm, nhược điểm mơ hình, giúp cho chun gia nghiên cứu tìm kiếm giải pháp cải tiến, phát triển, nâng cao chất lượng dự báo mơ hình Hơn nữa, kết đánh giá dự báo đưa thông tin giúp nhà quản lý định có nên đầu tư sở vật chất, trang thiết bị để phát triển mơ hình hay khơng Như biết nhiệt độ lượng mưa hai yếu tố quan trọng quan tâm nhiều tin dự báo thời tiết Chính vậy, khn khổ luận văn tác giả tập trung vào việc đánh giá chất lượng dự báo 24h nhiệt độ, lượng mưa hai mơ hình dự báo thời tiết số sử dụng phổ biến Việt Nam mơ hình HRM mơ hình MM5 Ngồi phần Mở đầu, Kết luận Tài liệu tham khảo, luận văn bố cục cụ thể sau: Chương Tổng quan tốn đánh giá dự báo khí tượng số đánh giá Chương Khái quát mơ hình dự báo thời tiết số HRM, MM5 nguồn số liệu sử dụng Chương Kết đánh giá nhiệt độ lượng mưa mơ hình MM5 HRM cho khu vực Việt Nam CHƯƠNG TỔNG QUAN VỀ BÀI TOÁN ĐÁNH GIÁ DỰ BÁO TRONG KHÍ TƯỢNG VÀ CÁC CHỈ SỐ ĐÁNH GIÁ 1.1 Bài tốn đánh giá dự báo khí tượng 1.1.1 Mục đích ý nghĩa tốn đánh giá Đánh giá chất lượng dự báo thời tiết nói chung phương pháp thẩm tra đánh giá xác định định lượng mức độ xác mơ hình mức độ sai khác sản phẩm dự báo mơ hình với kết quan trắc thực tế nhằm ưu điểm, nhược điểm mô hình, giúp cho chuyên gia nghiên cứu tìm kiếm giải pháp cải tiến, phát triển, nâng cao chất lượng dự báo mơ hình Có ba lý quan trọng để đánh giá dự báo là: - Kiểm tra chất lượng dự báo – dự báo xác đến đâu cải tiến - Nâng cao chất lượng dự báo: Bước để tiến tới dự báo tốt việc tìm mà người làm dự báo làm sai - So sánh chất lượng hệ thống dự báo khác – đến mức độ hệ thống dự báo cho dự báo tốt so với hệ thống dự báo khác cách mà hệ thống dự báo đem lại kết tốt Các hoạt động đánh giá hữu ích chúng đưa định sản phẩm dự báo đánh giá Quyết định làm phát sinh thay đổi sản phẩm dự báo cách thức dự báo thực sau đó, định xác nhận khẳng định sản phẩm dự báo thỏa mãn cho mục đích người sử dụng xã hội Các sản phẩm dự báo phổ biến rộng rãi cơng chúng phải viết đủ khách quan để người sử dụng kiểm tra, số liệu quan trắc khí thực tế phải thể cách xác diễn thực tế Hơn nữa, vài phương pháp đánh giá đòi hỏi quan trắc điểm đại diện cách đầy đủ khách quan tượng thời tiết xảy khu vực Chính tính cấp thiết hoạt động đánh giá chất lượng dự báo thời tiết cho thấy mục đích đánh giá phải thiết lập trước hệ thống đánh giá xác lập Từ hoạt động đánh giá khí tượng hoạt động dự báo thời tiết phân chia thành hai mục đích đánh giá hành đánh giá khoa học Mục đích hành chính: Các thơng tin đánh giá mục đích quản lý hành nhằm cung cấp thông tin cho việc mua sắm trang thiết bị máy tính có cấu hình cao hơn, tốc độ xử lý nhanh hơn,… Xác định nào, có nên thay sản phẩm sử dụng sản phẩm dự báo hay khơng, nhiều định khác để phát triển tối ưu nguồn lực người 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 ưu điểm nhược điểm sản phẩm dự báo Các hoạt động giúp tìm biện pháp thích hợp để cải thiện chất lượng dự báo phục vụ cung cấp thông tin để hoạch định phương hướng cho việc nghiên cứu phát triển Ngoài số tác giả khác xét đến mục đích kinh tế vấn đề phức tạp nên giới hạn luận văn không đề cập đến 1.1.2 Mơ hình chung cho đánh giá dự báo yếu tố thời tiết Hình kiểu mơ hình chung để đánh giá dự báo yếu tố thời tiết, ngồi có mơ hình đánh giá khác Tuy nhiên mơ hình cho thấy tranh chi tiết quan hệ đặc trưng phép đánh giá đại lượng đo giải pháp khác để lựa chọn Sơ đồ sử dụng cho việc định bước cần thiết phải làm trước lựa chọn phương pháp đánh giá cụ thể Tất phương pháp đánh giá việc tập hợp tập số liệu quan trắc dự báo (hình bình hành Hình 1) Bước xử lý số liệu, bước phụ thuộc vào việc định người sử dụng (hình thoi sơ đồ) Quan trọng việc định người sử dụng lựa chọn mục đích đánh giá hành hay khoa học nêu Khi mục đích đánh giá xác định, tiến hành phân loại tập số liệu mẫu theo mục đích định trước 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 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 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 q trình trước tính tốn đánh giá thống kê thực tế, 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 Biến pha Bảng liên hợp Phân loại nội theo dự báo Biến liên tục 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 phương trung bình Bảng độ tin cậy Điểm kỹ Brier Độ giảm phương sai Hệ số phân tán Độ lệch (BIAS) Hình Sơ đồ chung cho đánh giá yếu tố thời tiết Xuất phát từ câu hỏi đặt đánh giá khoa học thấy rằng, cần có nhu cầu phân loại cao tập mẫu Chẳng hạn như, ta quan tâm đến dự báo cực trị tập mẫu phải phân nhóm để tách giá trị cực trị từ chuỗi kiện chung Kiểu phân nhóm gọi “phân loại nội bộ” nguyên tắc phân loại định mục đích đánh giá sử dụng yếu tố đánh giá Có hai cách để thực phân loại nội bộ, Hình cho thấy khác Mùa đông Nam Bộ Mùa hè Nam Bộ 0.8 0.8 HRM1 MM5 HRM2 TSS TSS HRM1 0.6 HRM2 0.6 0.4 0.4 MM5 0.2 0.2 0 10 15 20 30 40 50 10 15 20 30 40 50 -0.2 -0.2 Ngưỡng mưa (mm) Ngưỡng mưa (mm) (g) (h) Hình 26 Chỉ số TSS khu vực theo ngưỡng mưa mùa đơng mùa hè Hình 26 biểu diễn điểm kỹ TSS hai mô hình ngưỡng mưa Giá trị TSS nằm khoảng -1 đến 1, giá trị tối ưu Hình vẽ cho thấy điểm số TSS tháng mùa đông dốc so với tháng mùa hè, điều chứng tỏ vào mùa đông TSS giảm theo độ tăng ngưỡng mưa lớn so với mùa hè Kỹ dự báo mưa mô hình tốt vào mùa đơng ngưỡng mưa nhỏ, sau giảm nhanh ngưỡng mưa tăng lên Trong tháng mùa hè, đường biểu diễn TSS có xu hướng nằm ngang hơn, có nghĩa kỹ dự báo mơ hình tương đối ổn định ngưỡng mưa tăng lên Đường màu xanh lục (HRM1) đường màu đỏ (HRM2) nằm so với đường màu xanh (MM5), điều cho thấy mơ hình HRM có kỹ tốt so với mơ hình MM5 3.3 Kết thử nghiệm đánh giá phương pháp fuzzy 3.3.1 Kết đánh giá dự báo mưa cho chuỗi số liệu thử nghiệm Để làm sáng tỏ phương pháp đánh giá fuzzy, trước áp dụng đánh giá cho khu vực Việt Nam, tác giả thử nghiệm với chuỗi số liệu mẫu đánh giá dự báo mưa gây bão xứ Wales nước Anh Số liệu thám sát lấy từ số liệu rađa, số liệu dự báo với độ phân giải tinh 5km, hạn dự báo mơ hình dự báo quy mơ vừa (Golding 2000) Miền tính gồm 256x256 lưới trung tâm vùng mưa Hình 27 cho thấy sai khác vùng mưa thám sát dự báo lúc 15h UTC ngày 29 tháng năm 1999 Hình vẽ cho thấy vùng mưa dự báo có cường độ nhỏ lại mở rộng so với vùng mưa thám sát Vị trí vùng mưa dự báo lệch phía tây bắc so với vùng mưa thám sát 59 100 km Hình 27 Vùng mưa thám sát (trái) vùng mưa dự báo 3h (phải) (mm/h) lúc 15h UTC ngày 29/5/1999 Hình 28 biểu diễn kết phương pháp đánh giá fuzzy số phương pháp tiêu biểu, trục tung ngưỡng cường độ mưa, trục hồnh quy mơ khơng gian Kích thước cửa sổ chọn 65 ô lưới (tương ứng với 325km) Các điểm số hàm kích thước cửa sổ phụ thuộc vào ngưỡng cường độ mưa (từ 0.1 – 50mm/h) Phương pháp nâng quy mô (upscaling) cho giá trị ETS lớn ngưỡng cường độ mưa nhỏ quy mô không gian lớn (hình 28.a), vị trí ngưỡng cường độ mưa lớn, khoảng cách không gian lớn điểm số cho giá trị nhỏ (hoặc khơng tính được) Điều vùng mưa trải rộng khoảng cách xa cho cường độ mưa thấp Ở ngưỡng cường độ mưa lớn, quy mô không gian lớn, mức độ phù hợp thám sát dự báo giảm đi, Ở hình 28.b, kết tính số ETS phương pháp thiên thấp (minimum coverage) Trong trường hợp này, mơ hình khơng tính lượng mưa ngưỡng cường độ mưa 50mm/giờ, nên ngưỡng cường độ ETS có giá trị tất quy mơ khơng gian khác Nhìn vào hình ta thấy ETS có giá trị cao quy mô không gian lớn khoảng cường độ mưa 50mm/giờ ETS cho giá trị cao (0.61) ngưỡng cường độ mưa 20mm/giờ quy mô không gian 325km Ở quy mô không gian nhỏ hơn, tỉ lệ báo động sai ETS cho giá trị nhỏ Trường hợp tiếp theo, phương pháp “trên bán” (≥50 coverage) gần giống với trường hợp nâng quy mô (upscaling), giá trị ETS lớn ngưỡng quy mô cường độ mưa thấp, quy mơ khơng gian nhỏ (24÷45km) (hình 28c) Ở ngưỡng cường độ mưa lớn, quy mô không gian rộng hơn, ETS có giá trị (các màu xanh dương), mơ hình dự báo khơng có kỹ (các ô trắng) 60 Cả phương pháp fuzzy lôgic phương pháp liên kết (joint probability) xác định tượng xảy theo khả xảy tượng hộp lưới, khác cách tính dự báo (hits: dự báo có, quan trắc có), dự báo sót (miss: dự báo khơng, quan trắc có), dự báo khống (false alarms - dự báo có, quan trắc không), dự báo không – quan trắc không (corect negative) bảng liên hợp Sử dụng phương pháp fuzzy lôgic, thực cách tăng quy mô không gian nhiều ngưỡng khác thước đo mức độ dự báo sai giảm nhanh đến mức so với dự báo (hình 28.d) Khi bảng liên hợp yếu tố sở cho khả liên hợp thay cho nguyên tắc phương pháp fuzzy lơgic giá trị ETS giảm tăng khoảng cách (hình 28.e) Điều khả liên hợp “có” tượng “khơng” có tượng dự báo quan trắc giảm trường không đồng 〈P〉 đừa vào giá trị trung gian Ở ngưỡng cường độ mưa với quy mô không gian 5km cho giá trị ETS cao (ví dụ, ngưỡng mưa 20km/h, ETS lớn khoảng cách 45km) Điểm số Hanssen Kuipers biểu diễn cho bảng liên hợp kiện liên quan đến đồ thị đường ROC Atger (2001) Tiêu chuẩn cho dự báo tốt trường hợp dự báo kiện gần với thám sát Nói cách khoa học, gần với nơi trường nhợp này, ngoại trừ trường hợp kiện quan trắc đặt vị trí trung tâm vùng lân cận Các giá trị lớn số HK nằm quy mô trung bình ngưỡng mưa cao (hình 28.f) Phương pháp quy mô cường độ cho thấy phạm vi lớn điểm số khơng phụ thuộc vào ngưỡng mưa (hình 28.g) Cấu trúc giống điểm kỹ việc xắp xếp cách ngẫu nhiên thám sát cửa sổ, giá trị lớn đặc trưng cho trường hợp dự báo vùng mưa phù hợp với thám sát Đây trường hợp quy mô lớn không với trường hợp quy mô nhỏ Các giá trị cực trị (chính xác xác nhất) xảy ngưỡng mưa lớn Kết thu từ phương pháp biến thiên nhiều so với phương pháp khác không gian cửa sổ lấy trường hợp riêng lẻ không lấy liên tiếp cửa sổ với kích thước khác Điểm kỹ phần tử (FSS) (hình 28.h) xác định mức độ phù hợp dự báo tượng quan trắc vùng lân cận, cấu trúc giống điểm kỹ dự báo không chồng chéo lên Giá trị điểm số FSS tăng lên với độ tăng ngưỡng không gian dự báo gần với thám sát, 61 trường hợp này, FSS đạt giá trị lớn ngưỡng cường độ mưa trung bình, nơi dự báo có độ lệch nhỏ Hình 28 Kết đánh giá phương pháp fuzzy cho hạn dự báo 03 ngày 29/5/1999 Khi dự báo cho điểm lưới khu vực lân cận, kỹ lớn việc phát kiện kiện xảy quy mơ trung bình cường độ trung bình (hình 28i) Trường hợp điểm số BSS có giá trị tuyệt đối lớn quy mô nhỏ ngưỡng cường độ mưa thấp Ngược lại quy mô lớn ngưỡng cường độ mưa cao, điểm số BSS cho giá trị thấp Hình 28.j cho thấy tỷ lệ xác phương pháp tái khứ sát thực (Practically perfect hindcast), Etsy/ETSx Trường hợp ETS cho giá trị lớn quy mô không gian lớn ngưỡng cường độ mưa thấp (0,1-0,2mm/h) Đánh giá cao lượng mưa trung bình phía tây xứ Wales đem lại hiệu thấp ngưỡng mưa 62 trung bình Hai phương pháp kết hợp cường độ trực tiếp vào việc tính tốn điểm số, khơng phải xác minh xuất hay xác suất kiện Phương pháp sai phương có điều kiện (CSRR) RPS kiểm tra xác suất dự báo cường độ mưa phù hợp so với giá trị thám sát Khi quy mô tăng xác suất xác định vị trí mưa cải thiện lỗi đo CSRR giảm (hình 28.k) Ở quy mơ lớn dự báo xác suất dự báo khơng sắc nét điểm số bắt đầu trở nên Vùng liên đới RMSE tính giá trị sai số bình phương trung bình cường độ xếp khơng gian cửa sổ Các đồ thị hình 28.l cho thấy trung bình giá trị RMSE khu vực liên đới đến tất cửa sổ miền tính Phù hợp với FSS hình 28.h, điểm số cải thiện tăng kích thước cửa sổ đồng nghĩa với việc phân bố cường độ vùng lân cận dự báo thám sát trở nên phù hợp Điểm mấu chốt phương pháp đánh giá fuzzy đưa thông tin dự báo quy mơ cường độ có kỹ năng, đưa định đắn tính hữu ích mơ hình cho người sử dụng, Việc có mức độ phù hợp tốt dự báo thám sát quy mô thô quan trọng, điều xảy trường hợp mưa nhỏ (hình 28.a) Nếu khơng 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 phát chứng giảm báo động sai (false alarms) dự báo xót (miss) để dự báo tốt ngưỡng cường độ mưa lớn (Figs 28.b, e) Nếu mức độ bao phủ 50% cần thiết cho kiện phù hợp lượng mưa nhẹ (Hình 28.c) Khi kiện phép phần "có" phần "không", fuzzy lôgic cho thấy dự báo xác quy mơ lớn (Hình 28.d) Ngược lại, phương pháp xác suất chung cho thấy quy mơ lớn xác thực tế, dự báo xác quy mơ lớn cường độ mưa nhẹ (Hình 28.e) Nếu đặc trưng xác cho phần mưa quan trọng nhất, kỹ lớn xảy ngẫu nhiên quy mô không gian lớn ngưỡng cường độ mưa cao (nơi không dự báo không quan trắc sai số ngẫu nhiên lại nhỏ) (Hình 28.g) Chúng ta làm giảm giá quy mơ không gian cường độ chúng không đặc trưng vùng quy mô không gian cường độ khơng có mưa (xem hình 28.a) mơ hình dự báo mưa tốt quy mơ lớn lượng mưa nhỏ dự báo xác xảy quy mô không gian nhỏ cường độ mưa cao Nếu dự báo hữu ích đòi hỏi tần số dự báo tương tự tần số quan sát, dự báo tốt 63 quy mô lớn cường độ mưa trung bình (Hình 28.h) Khi dự báo cho địa điểm cụ thể khu vực lân cận, kỹ tốt việc phát kiện kiện xảy quy mơ khơng gian trung bình cường độ trung bình (Hình 28.i) Dự báo gần cấp dự báo có kỹ tốt quy mơ trung bình ngưỡng mưa nhỏ (Hình 28.j) Cuối cùng, phân bố cường độ thám sát quan trọng, hai phương pháp sai phương có điều kiện CSRR phương pháp vùng liên đới RMSE cho kỹ tốt ngưỡng mưa trung bình với quy mơ lớn (hình 28.k l) 3.3.2 Thử nghiệm đánh giá kết dự báo mưa phương pháp fuzzy cho Việt Nam Thử nghiệm đánh giá chất lượng dự báo phương pháp fuzzy cho vùng Bắc Bộ Việt Nam mơ hình HRM Tác giả thử nghiệm phương pháp fuzzy cho hình mưa bão gây Thời gian thử nghiệm cho đánh giá dự báo ngày 06/7/2007 Các số liệu thám sát kết mưa mơ hình HRM lấy từ tập số liệu thu thập nói phần Miền dự báo: Khu vực Bắc Bộ: 19.50N - 27.1250N; 97.1250E - 117.1250E (HRM1: 65 trạm nội suy lưới mơ hình) a b Hình 29 Vùng mưa thám sát (trái) vùng mưa dự báo 24h (phải) (mm/ngày) ngày 6/7/2007 (bão) Hình 29 biểu diễn sai khác vùng mưa thám sát dự báo lúc ngày 6/7/2007, mưa thám sát (hình 29.a), vùng mưa dự báo (hình 29.b) Hình vẽ cho thấy phía tây, tây bắc phía đơng cường độ mưa dự báo nhỏ so với thám sát, ba vị trí tâm mưa mơ hình HRM lệch so với thám sát (tâm mưa phía tây, tây bắc lệch lên phía bắc, vị trí tâm mưa phía đơng lệch nam so với thám sát) 64 Hình 30 biểu diễn kết phương pháp đánh giá fuzzy số phương pháp tiêu biểu cho dự báo mưa khu vực bắc Việt Nam, trục tung ngưỡng cường độ mưa, trục hồnh quy mơ khơng gian Kích thước cửa sổ chọn 65 ô lưới (tương ứng với 882km) Các điểm số hàm kích thước cửa sổ phụ thuộc vào ngưỡng cường độ mưa (từ 0.1 – 150mm/ngày) Phương pháp nâng quy mô (upscaling) cho giá trị ETS lớn ngưỡng cường độ mưa nhỏ quy mơ khơng gian lớn (hình 30.a), vị trí ngưỡng cường độ mưa lớn, khoảng cách không gian lớn điểm số cho giá trị nhỏ (hoặc không xác định – ô màu trắng) Điều vùng mưa trải rộng khoảng cách xa cho cường độ mưa thấp Ở ngưỡng cường độ mưa lớn, quy mô không gian lớn, mức độ phù hợp thám sát dự báo giảm đi, khơng có Ở hình 30.b, kết tính số ETS phương pháp thiên thấp (minimum coverage) Trong trường hợp này, mơ hình khơng tính lượng mưa ngưỡng cường độ mưa 50mm/ngày, nên từ ngưỡng cường độ ETS có giá trị (hoặc khơng khơng có kỹ năng) quy mơ khơng gian khác Nhìn vào hình ta thấy ETS có giá trị cao quy mơ khơng gian lớn vừa, khoảng cường độ mưa nhỏ (dưới 30mm/ngày) ETS cho giá trị cao (0.58) ngưỡng cường độ mưa 30mm/ngày quy mô không gian 882km Ở quy mô không gian nhỏ hơn, tỉ lệ báo động sai ETS cho giá trị nhỏ Trường hợp tiếp theo, phương pháp “trên bán” (≥50 coverage) gần giống với trường hợp nâng quy mô (upscaling), giá trị ETS lớn ngưỡng cường độ mưa nhỏ (dưới 5mm/ngày), quy mô không gian nhỏ (dưới 462km) (hình 30c) Ở ngưỡng cường độ mưa lớn, quy mơ khơng gian lớn hơn, ETS có giá trị (các ô màu xanh dương), mơ hình dự báo khơng có kỹ (các trắng) Cả phương pháp fuzzy lôgic phương pháp liên kết (joint probability) xác định tượng xảy theo khả xảy tượng hộp lưới, khác cách tính dự báo (hits: dự báo có, quan trắc có), dự báo sót (miss: dự báo khơng, quan trắc có), dự báo khống (false alarms - dự báo có, quan trắc khơng), dự báo không – quan trắc không (corect negative) bảng liên hợp 65 Hình 30 Kết đánh giá phương pháp fuzzy cho hạn dự báo 24 ngày 06/7/2007 Sử dụng phương pháp fuzzy lôgic, thực cách tăng quy mô không gian nhiều ngưỡng khác thước đo mức độ dự báo sai giảm nhanh đến mức so với dự báo (hình 30.d) Khi bảng liên hợp yếu tố sở cho khả liên hợp thay cho ngun tắc phương pháp fuzzy lơgic giá trị ETS giảm tăng khoảng cách (hình 30.e) Điều khả liên hợp “có” tượng “khơng” có tượng dự báo quan trắc giảm trường không đồng 〈P〉 đừa vào giá trị trung gian Ở ngưỡng cường độ mưa nhỏ, quy mô không gian nhỏ cho giá trị ETS cao lớn (ngưỡng mưa mm/ngày, quy mô không gian 42km ETS cho giá trị lớn nhất) 66 Điểm số Hanssen Kuipers biểu diễn cho bảng liên hợp kiện liên quan đến đồ thị đường ROC Atger (2001) Tiêu chuẩn cho dự báo tốt trường hợp dự báo kiện gần với thám sát Nói cách khoa học, gần với nơi trường nhợp này, ngoại trừ trường hợp kiện quan trắc đặt vị trí trung tâm vùng lân cận Các giá trị lớn số HK nằm quy mơ khơng gian nhỏ ngưỡng mưa thấp (hình 30.f) Phương pháp quy mô cường độ cho thấy phạm vi lớn điểm số không phụ thuộc vào ngưỡng mưa (hình 30.g) Cấu trúc giống điểm kỹ việc xắp xếp cách ngẫu nhiên thám sát cửa sổ, giá trị lớn đặc trưng cho trường hợp dự báo vùng mưa phù hợp với thám sát Đây trường hợp quy mô lớn không với trường hợp quy mơ nhỏ Các giá trị cực trị (chính xác xác nhất) xảy ngưỡng mưa lớn Kết thu từ phương pháp biến thiên nhiều so với phương pháp khác khơng gian cửa sổ lấy trường hợp riêng lẻ không lấy liên tiếp cửa sổ với kích thước khác Điểm kỹ phần tử (FSS) (hình 30.h) xác định mức độ phù hợp dự báo tượng quan trắc vùng lân cận, cấu trúc giống điểm kỹ dự báo không chồng chéo lên Giá trị điểm số FSS tăng lên với độ tăng ngưỡng không gian dự báo gần với thám sát, trường hợp này, FSS đạt giá trị lớn ngưỡng cường độ mưa thấp, nơi dự báo có độ lệch nhỏ Khi dự báo cho điểm lưới khơng phải khu vực lân cận, kỹ lớn việc phát kiện kiện xảy quy mơ trung bình cường độ trung bình (hình 30.i) Trường hợp điểm số BSS có giá trị tuyệt đối lớn quy mô nhỏ ngưỡng cường độ mưa thấp Ngược lại quy mô lớn ngưỡng cường độ mưa cao, điểm số BSS cho giá trị thấp Hình 30.j cho thấy tỷ lệ xác phương pháp tái khứ sát thực (Practically perfect hindcast), Etsy/ETSx Trường hợp ETS cho giá trị lớn quy mô không gian lớn ngưỡng cường độ mưa nhỏ (dưới 5mm/ngày) Hai phương pháp kết hợp cường độ trực tiếp vào việc tính tốn điểm số, khơng phải xác minh xuất hay xác suất kiện Phương pháp sai phương có điều kiện (CSRR) RPS kiểm tra xác suất dự báo cường độ mưa phù hợp so với giá trị thám sát Khi quy mô tăng xác suất xác định vị trí mưa cải thiện lỗi đo CSRR giảm (hình 30.k) Ở quy mơ lớn dự báo xác suất dự báo khơng sắc nét điểm số bắt đầu trở nên 67 Vùng liên đới RMSE tính giá trị sai số bình phương trung bình cường độ xếp khơng gian cửa sổ Các đường biểu diễn hình 30.l cho thấy trung bình giá trị RMSE khu vực liên đới đến tất cửa sổ miền tính Phù hợp với FSS hình 30.h, điểm số cải thiện tăng kích thước cửa sổ đồng nghĩa với việc phân bố cường độ vùng lân cận dự báo thám sát trở nên phù hợp Điểm mấu chốt phương pháp đánh giá fuzzy đưa thông tin dự báo quy mơ cường độ có kỹ năng, đưa định đắn tính hữu ích mơ hình cho người sử dụng, Việc có mức độ phù hợp tốt dự báo thám sát quy mô thô quan trọng, điều xảy trường hợp mưa nhỏ (hình 30.a) Nếu khơng 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 phát chứng giảm báo động sai (false alarms) dự báo xót (miss) để dự báo tốt ngưỡng cường độ mưa lớn (Figs 30.b, e) Nếu mức độ bao phủ 50% cần thiết cho kiện phù hợp lượng mưa nhẹ (Hình 30.c) Khi kiện phép phần "có" phần "khơng", fuzzy lơgic cho thấy dự báo xác quy mơ lớn (Hình 30.d) Ngược lại, phương pháp xác suất chung cho thấy quy mơ lớn xác thực tế, dự báo xác quy mô lớn cường độ mưa nhỏ (Hình 30.e) Nếu đặc trưng xác cho phần mưa quan trọng nhất, kỹ lớn xảy ngẫu nhiên quy mô không gian lớn ngưỡng cường độ mưa cao (nơi không dự báo không quan trắc sai số ngẫu nhiên lại nhỏ) (Hình 30.g) Chúng ta làm giảm giá quy mô không gian cường độ chúng không đặc trưng vùng quy mô không gian cường độ khơng có mưa (xem hình 30.a) mơ hình dự báo mưa tốt quy mô lớn lượng mưa nhỏ dự báo xác xảy quy mơ không gian nhỏ cường độ mưa cao Nếu dự báo hữu ích đòi hỏi tần số dự báo tương tự tần số quan sát, dự báo tốt quy mô lớn cường độ mưa trung bình (Hình 30.h) Khi dự báo cho địa điểm cụ thể khu vực lân cận, kỹ tốt việc phát kiện kiện xảy quy mơ khơng gian trung bình cường độ trung bình (Hình 30.i) Dự báo gần cấp dự báo có kỹ tốt quy mơ trung bình ngưỡng mưa nhỏ (Hình 30.j) Cuối cùng, phân bố cường độ thám sát quan trọng, hai phương pháp sai phương có điều kiện CSRR phương pháp 68 vùng liên đới RMSE cho kỹ tốt ngưỡng mưa trung bình với quy mơ lớn (hình 30.k l) 69 KẾT LUẬN VÀ KIẾN NGHỊ Vì khơng có điểm số đánh giá chứa đầy đủ thông tin ý nghĩa ưu việt cần phải kết hợp tính tốn nhiều điểm số nhằm đánh giá 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: Mơ hình HRM cho nhiệt độ dự báo thấp so với quan trắc khoảng 20C (dự báo thiên thấp) Trong mơ hình MM5 cho nhiệt độ dự báo cao quan trắc khoảng 0.50C (dự báo thiên cao) Sai số nhiệt độ mùa đông thường lớn so với mùa hè Kết đánh giá chung cho toàn chuỗi số liệu HRM cho thấy sai số lớn thường khu vực Bắc Bộ nhỏ khu vực Trung Bộ, MM5 cho sai số lớn khu vực Nam Bộ Tuy mơ hình MM5 cho giá trị độ lệch trung bình nhiệt độ nhỏ so với mơ hình HRM độ ổn định khơng 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 tương quan thấp so với mơ hình HRM Mơ hình HRM ln 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 mơ hình HRM dễ dàng so với mơ hình MM5 * Đối với mưa: HRM cho dự báo mưa mùa hè xác mùa đông (ME mùa đông 1mm/ngày, mùa hè tới gần 7mm/ngày khu vực Bắc Bộ) Sai số lớn thường khu vực Bắc Bộ nhỏ khu vực Trung Bộ Trường hợp chuỗi số liệu ngắn (HRM2) thường cho sai số nhỏ Điều cho thấy số liệu trạm tham gia vào q trình đánh giá có ảnh hưởng đến kết đánh giá mơ hình tùy thuộc vào khu vực Mơ hình MM5 cho dự báo lượng mưa thiên thấp MM5 cho dự báo lượng mưa thấp so với thực tế khu vực Bắc Bộ Trung Bộ, khu vực Việt Nam Chỉ riêng khu vực Nam Bộ cho lượng mưa cáo hơn, sai số lớn khu vực Bắc Bộ Điều cho thấy dự báo lượng mưa, mơ hình phi thủy tĩnh MM5 mơ tả tốt q trình khí vùng vĩ độ thấp Như vậy, xét chung cho toàn chuỗi số liệu ta thấy mơ hình HRM cho dự báo lượng mưa thiên cao, mơ hình MM5 dự báo mưa thiên thấp Cả hai mơ hình 70 cho giá trị độ lệch trung bình dự báo quan trắc lúc âm lúc dương (lúc dự báo thấp thám sát, lúc lại dự báo cao thám sát) Hệ số tương quan HRM ổn định mùa so với MM5 Kết hợp với số khác, ta rút mơ hình HRM có tính ổn định mức độ tin cậy cao so với mơ hình MM5 Dự báo mưa ngưỡng mưa thấp cho kết xác (độ tin cậy cao hơn) so với ngưỡng mưa lớn (Ở hai mơ hình) Trong hướng nghiên cứu tiếp theo, tác giả mong muốn thực đánh giá cho tất mơ hình chạy nghiệp vụ Việt Nam cho tất yếu tố khí tượng hình thành nên tin dự báo khơng hạn chế yếu tố nhiệt mưa * Đánh giá dự báo mưa phương pháp fuzzy: Ưu điểm lớn phương pháp đánh giá kết dự báo mưa mơ hình HRM dễ dàng nhận thấy trực giác quy mô không gian ngưỡng mưa mơ hình cho dự báo tốt Các kết tính chiếm phần nhỏ điểm số mà phương pháp fuzzy tính Tuy nhiên, khó để tạo loạt điểm số đánh giá cách sử dụng tất phương pháp mờ, làm rõ ý nghĩa tất điểm số Ngay hình hiển thị kết đánh giá fuzzy hiển thị hình 30 khó khăn Tuy nhiên bù lại, mang nhiều ý nghĩa để bước đầu trả lời yêu cầu cho dự báo tốt sau tập trung vào phương pháp đánh giá fuzzy giải u cầu mà mơ hình họ lựa chọn Đánh giá fuzzy phương pháp hoàn tồn Việt Nam, số liệu mơ hình HRM có độ phân giải (14km) khơng tinh số liệu rađa số liệu mẫu (5km), hạn dự báo (24h) thô nhiệu so với số liệu mẫu (3 giờ), mà việc áp dụng phương pháp mơ hình dự báo Việt Nam chủ yếu thử nghiệm phương pháp Hướng nghiên cứu tiếp theo, tác giả có tham vọng sử dụng phương pháp để đánh giá cho tất mơ hình dự báo thời tiết chạy nghiệp vụ Việt Nam với độ xác đáng tin cậy./ 71 TÀI LIỆU THAM KHẢO Tiếng Việt: Dương 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 nước, Trung tâm Dự báo Khí tượng thủy văn Trung Ương; Hồng Đức Cường (2004), Nghiên cứu thử nghiệm áp dụng mô hình khí tượng động lực quy mơ vừa MM5 dự báo hạn ngắn Việt Nam, Viện Khoa học Khí tượng Thủy văn Mơi trường, tháng 12/2004 – Đề tài cấp Nhà nước; Hoàng Đức Cường (2007), Nghiên cứu thử nghiệm dự bao mưa lớn Việt Nam mơ hình MM5, Viện Khoa học Khí tượng Thủy văn Môi trường, tháng 12/2007– Đề tài cấp Nhà nước; 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 tượng Thủy văn Mơi trường, 2007 Vũ Thanh Hằng (2006), Nghiên cứu tác động tham số hóa đối lưu dự báo mưa mơ hình HRM Việt Nam, Luận án tiến sĩ Khoa học, Đại học Khoa học Tự Nhiên - Đại học Quốc gia Hà Nội; Phan Văn Tân (2003), Phương pháp thống kê khí hậu, Nhà xuất 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 mơ hình HRM, Trung tâm Khí tượng Thủy văn Quốc gia – Đề tài cấp Nhà nước; Trần Tân Tiến, Nguyễn Đăng Quế (2002), Xử lý số liệu khí tượng dự báo thời tiết phương pháp thống kê vật lý, Nhà xuất Đại học Quốc gia Hà Nội, Hà Nội; Anh Vũ Anh Tuấn (2004), Đánh giá sản phẩm mơ 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; 10 Kiều Thị Xin (2002), Động lực học khí vĩ độ thấp, Nhà xuất Đại học Quốc Gia Hà Nội, 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 72 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, 15-17 September 2004, Montreal, Canada [Available online at http://www.bom.gov.au/bmrc/wefor/staff/eee/verif/Workshop2004/presentations/5.3_D amrath.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; 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 Theis, S.E., A Hense and U Damrath, (2005), “Probabilistic precipitation forecasts from a deterministic model: a pragmatic approach”, Meteorol Appl., 12, 257-268 10 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 11 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 12 Zepeda-Arce, J., E Foufoula-Georgiou, and K.K Droegemeier, (2000), “Spacetime rainfall organization and its role in validating quantitative precipitation forecasts”, J Geophys Res., 105 (D8), 10,129-10,146 13 Zimmermann, H.-J., (2001), “Fuzzy Set Theory and Its Applications”, Kluwer Dordrecht, 507 pp 73 ... so với dự báo tham chiếu Dự báo tham chiếu nói chung dự báo khơng có kỹ năng, dự báo ngẫu nhiên (may rủi), dự báo quán tính, dự báo khí hậu Kỹ ám tăng lên độ xác hệ thống dự báo “thông minh” -
- Xem thêm -

Xem thêm: ĐÁNH GIÁ KẾT QUẢ DỰ BÁO NHIỆT ĐỘ VÀ LƯỢNG MƯA CỦA MỘT SỐ MÔ HÌNH DỰ BÁO THỜI TIẾT SỐ CHO KHU VỰC VIỆT NAM, ĐÁNH GIÁ KẾT QUẢ DỰ BÁO NHIỆT ĐỘ VÀ LƯỢNG MƯA CỦA MỘT SỐ MÔ HÌNH DỰ BÁO THỜI TIẾT SỐ CHO KHU VỰC VIỆT NAM

Gợi ý tài liệu liên quan cho bạn

Nhận lời giải ngay chưa đến 10 phút Đăng bài tập ngay