Tác giả

Đơn vị công tác

1Trung tâm Dự báo khí tượng thủy văn trung ương
2Trường Đại học Khoa học Tự nhiên, Đại học Quốc gia Hà Nội

Tóm tắt

Bài báo giới thiệu về sự cần thiết của việc hiệu chỉnh thống kê cho dự báo tổ hợp (EMOS) và khái quát một số nghiên cứu về bài toán EMOS trên thế giới để nâng cao chất lượng dự báo trung bình tổ hợp và dự báo xác suất từ các hệ thống dự báo tổ hợp. Các phân tích đã cho thấy EMOS thực sự cần thiết trong nghiệp vụ dự báo khí tượng và hoàn toàn có thể áp dụng để nâng cao các hệ thống dự báo tổ hợp nghiệp vụ tại Việt Nam. Cụ thể, các kỹ thuật EMOS có thể áp dụng có thể chỉ đơn giản là phương pháp hồi quy tuyến tính, trung bình trượt cho đến các phương pháp phức tạp như hồi quy Gauss thông thuần nhất hoặc trung bình Bayes. Tùy theo yếu tố khí tượng quan tâm, các kỹ thuật EMOS khác nhau có thể được sử dụng và đem lại hiệu quả khác nhau.

Từ khóa

Trích dẫn bài báo

Võ Văn Hoà, Bùi Minh Tăng, Phan Văn Tân (2014), Hiệu chỉnh thống kê cho các dự báo tổ hợp và khả năng ứng dụng ở Việt Nam. Tạp chí Khí tượng Thủy văn 638, 33-37.

Tài liệu tham khảo

1. Hoàng Đức Cường và nnk, 2011: Nghiên cứu ứng dụng mô hình WRF phục vụ dự báo thời tiết và bão ở Việt Nam. Báo cáo tổng kết đề tài NCKH cấp Bộ TNMT, 120tr.
2. Võ Văn Hòa và nnk, 2012: Nghiên cứu phát triển hệ thống dự báo tổ hợp thời tiết hạn ngắn cho khu vực Việt Nam. Báo cáo tổng kết đề tài NCKH cấp Bộ TNMT, 188 tr.

3. Nguyễn Chi Mai, Nguyễn Thu Hằng, Nguyễn Phương Liên, 2004: Thử nghiệm dự báo tổ hợp quỹ đạo bão bằng phương pháp thống kê từ dự báo của các trung tâm quốc tế. Tạp chí KTTV, số 519, tr 23-28.
4. Dư Đức Tiến và nnk, 2013: Nghiên cứu phát triển hệ thống dự báo tổ hợp hạn vừa cho khu vực Việt Nam. Báo cáo tổng kết đề tài NCKH cấp Bộ TNMT, 146 tr.
5. Trần Tân Tiến và nnk, 2010: Xây dựng công nghệ dự báo liên hoàn bão, nước dâng và sóng ở Việt Nam bằng mô hình số với thời gian dự báo trước 3 ngày. Báo cáo tổng kết Đề tài NCKH cấp Nhà nước MS: KC.08.05/06-10, 400tr.
6. Đỗ Lệ Thuỷ, Võ Văn Hoà, Nguyễn Chi Mai, 2005: Dự báo tổ hợp quỹ đạo xoáy thuận nhiệt đới dựa trên phương pháp nhiễu động trên mô hình chính áp. Báo cáo tổng kết đề tài nghiên cứu cơ bản, mã số 732904
7. Du J., 2007: Uncertainty and Ensemble Forecast. Science and Technology Lecture Series:
http://www.nws.noaa.gov/ost/climate/STIP/STILecture1.pdf
8. Du, J. and G. DiMego, 2008: A regime-dependent bias correction approach. 19th Coference on probability and Statistics, Jan. 20-24, 2008, New Orleads, LA, paper 3.2.
9. Gneiting T., A. E. Raftery, A. H. Westveld, and T. Goldman, 2005: Calibrated probabilis-tic forecasting using ensemble model output statistics and minimum CRPS estimation. Mon. Wea. Rev., 133, 1098-1118.
10. Raftery, A. E., T. Gneiting, F. Balabdaoui, and M. Polakowski, 2005: Using Bayesian model averaging to calibrate forecast ensembles. Mon. Wea. Rev., 133, 1155–1174.
11. Stensrud, D. J. and N. Yussouf, 2007: Reliable Probabilistic Quantitative Precipitation Forecasts from a short-range ensemble predictions. Wea. Forecasting, 22, 3-17.
12. Stephenson D. B., Coelho C. A. S., Doblas-Reyes F. J. and Balmaseda M., 2005: Forecast assimilation: a unified framework for the combination of multi-model weather and climate predictions. Tellus, 57A, 253-264.
13. Wang, X., and C. H. Bishop, 2005: Improvement of ensemble reliability with a new dressing kernel. Quarterly Journal of the Royal Meteorological Society, 131, 965–986.
14. Wilks, D. S., 2006: Comparison of ensemble-MOS methods in the Lorenz ’96 setting. Meteorological Application, 13, 243–256.