Tác giả

Nguyễn Khắc Quân 1* , Phạm Thị Thanh Ngà 2

Đơn vị công tác

1 Đài khí tượng thủy văn khu vực Tây Bắc; mr.nguyenkhacquan@gmail.com
2 Viện Khoa học Khí tượng Thủy văn và Biến đổi khí hậu; pttnga.monre@gmail.com
*Tác giả liên hệ: mr.nguyenkhacquan@gmail.com; Tel.: +84–966031851 

Tóm tắt

Mưa nhìn chung có thể mang đặc điểm đối lưu và phân tầng, mỗi loại mưa gắn với các quá trình phát triển vi vật lí mây là khác nhau dẫn đến sự khác nhau về cường độ, thời gian và diện mưa. Sử dụng số liệu quan trắc Ra đa phân cực trên khu vực Tây Bắc, nghiên cứu đã tiến hành xây dựng một phương pháp nhằm phân loại đặc điểm mưa dựa trên thuật toán phân loại Máy vectơ hỗ trợ. Kết quả phân loại sau đó được sử dụng nhằm tìm ra các hệ số thực nghiệm trong các công thức ước tính mưa dựa trên phương pháp bình phương tối thiểu. Qua đánh giá cho thấy với phương pháp phân loại được đưa ra chỉ dưới 10% khu vực có dải sáng bị phân loại là mưa đối lưu, phương pháp cũng đã khắc phục được các phân loại sai so với phương pháp tham khảo trong các trường trường hợp mưa được xem xét. Kết quả ước tính mưa cho thấy lượng mưa ước tính từ Ra đa thấp hơn giá trị quan trắc, các công thức với việc phân loại đặc điểm mưa và sử dụng các biến phân cực có kết quả tốt hơn công thức chỉ sử dụng giá trị của Z, trong đó công thức R(Z, ZDR, KDP) có hệ số tương quan cao và sai số nhỏ nhất.

Từ khóa

Phân loại đặc điểm mưa; Máy vectơ hỗ trợ; Ra đa phân cực; Tây Bắc.

Trích dẫn bài báo

Quân, N.K.; Ngà, P.T.T. Phân loại đặc điểm mưa và ước tính mưa bằng quan trắc Ra đa phân cực cho khu vực Tây Bắc. Tạp chí Khí tượng Thuỷ văn 2023, 749, 71-84.

Tài liệu tham khảo

1. Điền, N.H.; Đa, T.V. Khí tượng Ra đa, Nhà xuất bản Trường Đại Học Khoa học Tự nhiên, Đại học Quốc gia Hà Nội, 2009, tr. 208.

2. Houze, R.A. Cloud Dynamics. Academic Press: Cambridge, MA, USA, First Eds.: 1993, pp. 573.

3. Austin, P.M.; Houze Jr, R.A. Analysis of the structure of precipitation patterns in New England. J. Appl. Meteorol. 1972, 11, 926–935.

4. Houze Jr, R.A. A Climatological study of vertical transports by cumulus-scale convection. J. Atmos. Sci. 1973, 30, 1112–1123.

5. Houze Jr, R.A. Structure and dynamics of a tropical squall-line system. Mon. Wea. Rev. 1977, 105, 1540–1567.

6. Houze Jr, R.A.; Smull, B.F.; Dodge, P. Mesoscale organization of springtime rainstorms in Oklahoma. Mon. Wea. Rev. 1990, 118, 613–654.

7. Adler, R.F.; Negri, A.J. A satellite infrared technique to estimate tropical convective and stratiform rainfall. J. Appl. Meteorol. 1988, 27, 30–51.

8. Biggerstaff, M.I.; Listemaa, S.A. An improved scheme for convective/stratiform echo classification using radar reflectivity. J. Appl. Meteorol. 2000, 39, 2129–2150.

9. Yang, Y.; Chen, X.; Qi, Y. Classification of convective/stratiform echoes in radar reflectivity observations using a fuzzy logic algorithm. J. Geophys. Res. Atmos. 2013, 118, 1896–1905.

10. Steiner, M.; Houze Jr, R.A.; Yuter, S.E. Climatological characterization of three-dimensional storm structure from operational radar and rain gauge data. J. Appl. Meteorol. 1995, 34, 1978–2007.

11. Ikeda, K.; Brandes, E.A. Freezing level determinations with polarimetric radar: Retrieval model and application. J. Appl. Meteorol. 2003, 43, 1541–1553.

12. Rico-Ramirez, M.A.; Cluckie, I.D.; Han, D. Correction of the bright band using dual-polarisation rada. Atmos. Sci. Lett. 2005, 6, 40–46.

13. Bringi, V.N.; Williams, C.R.; Thurai, M.; May, P.T. Using dualpolarized radar and dual-frequency profiler for DSD characterization: a case study from Darwin, Australial. J. Atmos. Oceanic Technol. 2009, 26, 2107–2122.

14. Wang, H.; Shao, N.; Ran, Y. Identification of Precipitation Clouds Based on the Dual-Polarization Doppler Weather Radar Echoes Using Deep-Learning Method.  IEEE Access. 2018, 7, 12822–12831.

15. Wang, Y.; Tang, L.; Chang, P.; Tang, Y. Separation of convective and stratiform precipitation using polarimetric radar data with a support vector machine method.  Atmos. Meas. Tech. 2021, 14, 185–197.

16. Sơn, T.D. Nghiên cứu sử dụng thông tin ra đa thời tiết phục vụ theo dõi, cảnh báo mưa, dông và bão. Báo cáo tổng kết đề tài nghiên cứu khoa học cấp Bộ, Bộ Tài nguyên và Môi Trường, 2007.

17. Thắng, N.V. và cs. Nghiên cứu khai thác các định dạng số liệu, tổ hợp và xây dựng phần mềm xác định vị trí tâm mắt bão, hướng và tốc độ di chuyển của tâm bão cho mạng lưới ra đa thời tiết ở Việt Nam. Báo cáo tổng kết đề tài nghiên cứu khoa học cấp Bộ, Bộ Tài nguyên và Môi Trường, 2012.

18. Toán, H.M. Xây dựng công thức tính lượng mưa từ số liệu Ra đa Đốp-Le cho khu vực Trung Trung Bộ. Luận văn thạc sĩ, Trường Đại Học Khoa học Tự nhiên, Đại học Quốc gia Hà Nội, 2009.

19. Điền, N.H. Công thức thực nghiệm tính toán cường độ mưa từ độ phản hồi vô tuyến quan trắc bởi Ra đa cho khu vực Trung Trung Bộ. Tạp chí khoa học: Khoa học Tự nhiên và Công nghệ 2010, 26(38), 317–321.

20. Điền, N.H. Công thức thực nghiệm tính toán cường độ mưa từ độ phản hồi radar cho khu vực Đông Nam Bộ. Tạp chí Khoa học: Khoa học Tự nhiên và Công nghệ 2015, 31(3S), 66-70.

21. Burges, C.J.C. A tutorial on Support Vector Machines for pattern recognition. Data Min. Knowl. Discovery. 1988, 2, 955–974.

22. Haykin, S.O. Neural networks and learning machines, Pearson Higher Education, Pearson Education, Inc., Upper Saddle River, New Jersey, 2011.

23. Houghton, H.G. On precipitation mechanisms and their artificial modification. J. Appl. Meteor. 1968, 7, 851–859.

24. Houze Jr, R.A. Stratiform precipitation in regions of convection: A meteorological paradox. Bull. Amer. Meteor. Soc. 1997, 78, 2179–2196.