Tải file PDF Tác giả
Đơn vị công tác
1Khoa Khí tượng Thủy văn và BĐKH - Trường ĐH Tài Nguyên và Môi trường TP. Hồ Chí Minh
2Khoa Khí tượng Thủy văn và Hải dương học - Trường ĐH Khoa học Tự Nhiên - ĐH Quốc Gia Hà Nội
Tóm tắt
Bài báo này trình bày một số kết quả đánh giá khả năng của hệ thống dự báo tổ hợp WRF-LETKF trong dự báo bão hạn 5 ngày dựa trên 9 thử nghiệm dự báo cơn bão Megi 2010. Trong đó, ngoài việc sử dụng chỉ số thống kê MAE (sai số trung bình tuyệt đối), tác giả còn dựa trên một tiêu chuẩn đánh giá khác, đó là tỷ số giữa độ tán tổ hợp và sai số tuyệt đối. Kết quả cho thấy, hệ thống WRF-LETKF có những ưu điểm nhất định trong dự báo quỹ đạo và cường độ bão hạn 5 ngày. Cụthể, sai số quỹ đạo bão giảm từ 25% đến 50% ở hạn 5 ngày tương ứng với 6 trường hợp dự báo hiệu quả, chiếm khoảng 66%, còn cường độ bão (PMIN và VMAX), sai số giảm từ 3% đến 8% ở hạn dựbáo 5 ngày tương ứng với 3-4 trường hợp dự báo hiệu quả, chiếm khoảng 36,6%. Ngoài ra, kết quảthống kê cho thấy, hệ thống WRF-LETKF khi đồng hóa số liệu hỗn hợp (vệ tinh - cao không), cải thiện đáng kể chất lượng dự báo bão so với thử nghiệm chỉ đồng hóa số liệu gió vệ tinh. Tuy nhiên, sai số cường độ bão trong 12 giờ tích phân đầu tiên không được cải thiện nhiều. Từ kết quả trên, có thể nhận định rằng đồng hóa số liệu giúp cải thiện chất lượng dự báo dài hơn 1 ngày, song không tác động nhiều đến trường xoáy ban đầu. Vì vậy, trong hệ thống dự báo tổ hợp WRF-LETKF, cần chính xác hóa trường xoáy ban đầu để kết quả dự báo hạn 1 ngày và dưới 1 ngày được cải thiện hơn.
Từ khóa
Trích dẫn bài báo
Phạm Thị Minh, Trần Tân Tiến (2018), Nghiên cứu dự báo cơn bão megi năm 2010 ảnh hưởng đến Việt Nam bằng hệ thống dự báo tổ hợp WRF-LETKF hạn 1 - 5 ngày. Tạp chí Khí tượng Thủy văn 685, 1-10.
Tài liệu tham khảo
1. Kiều Quốc Chánh (2011), Xây dựng hệ thống đồng hóa lọc Kalman tổ hợp địa phương cho mô hình dự báo thời tiết WRF, Tạp chí Khoa học ĐHQGHN, Khoa học Tự nhiên và Công nghệ, số 1S, tr. 17-28.
2. Buizza and T. N. Palmer (1998), Impact of Ensemble on Ensemble Prediction, Amer. Meteor. Soc., 126, 2504-2518.
3. Davidson NE, Weber HC (2000), The BMRC high-resolution tropical cyclone prediction system, TC-LAPS. Mon Weather Rev., 128, 1245-1265.
4. http://www.atmos.umd.edu/~ekalnay/pubs/ECMWFPredictKalnay5.pdf.
5. Eric P. Grimit and Clifford F. Mass (2006), Measuring the Ensemble Spear-Error Realationship with a Probabilistic Approach: Stochastic Ensemble Results, Meteor. Soc., 135, 204-221.
6. Kieu, C.Q., Truong, N.M., Mai, H.T., and Ngo-Duc, T. (2012), Sensitivity of the Track and Intensity Forecasts of Typhoon Megi (2010) to Satellite-Derived Atmosphere Motion Vectors with the Ensenble Kalman filter, J. Atmos. Oceanic Technol., 29, 1794-1810.
7. Kiều Quốc Chánh, Pham Thi Minh & Hoang Thi Mai(2013), An Application of the MultiPhysics Ensemble Kalman Filter to Typhoon Forecast, Pure Appl. Geophys,170, 745-954.
8. Nguyen VH and Chen Y-L (2011), High-resolution initialization and simulations of typhoon morakot 2009, Mon Wea Rev., 139, 1463-1491.
9. Simon C. Sherrer and chiristof Appenzeller, Pierre Eckert and Daniel Cattani(2003), Analysis of the Spread-Skill Realations Using the ECMWF Ensemble Prediction System over Europe, Amer. Meteor. Soc., 19, 552-565.
10. Hunt, B. R., E. J. Kostelich, and I. Szunyogh, (2007): Efficient data assimilation for spatiotemporal chaos: A local ensemble transform Kalman Filter. Physica D, 230, 112-126.
11. Wilks Daniel S.(1997), Statistical Methods in the Atmospheric Scienes, Ithaca New York., 59, 255. 12. http://weather.uwyo.edu/upperair/sounding.htmlvàhttp://tropic.ssec.wisc.edu/archive/.