Tác giả

Đơn vị công tác

1 Viện Vật lý Địa cầu, Viện Hàn lâm Khoa học và Công nghệ Việt Nam; hhson.igp@gmail.com; nxanh@igp.vast.vn; pxthanh@igp.vast.vn; phamlekhuongigp@gmail.com

2 Học viện Khoa học và Công nghệ, Viện Hàn lâm Khoa học và Công nghệ Việt Nam; hhson.igp@gmail.com; nxanh@igp.vast.vn; pxthanh@igp.vast.vn; phamlekhuongigp@gmail.com

3 Đài Khí tượng Thủy văn Khu vực Đồng bằng và Trung du Bắc Bộ; hiepwork@gmail.com

*Tác giả liên hệ: hhson.igp@gmail.com; Tel.: +84–984863042

Tóm tắt

Bài báo này trình bày những nghiên cứu cải tiến phương pháp cảnh báo sét theo tổ hợp đa nguồn số liệu ở một số khu vực tại tỉnh Quàng Nam, thu thập trong khoảng thời gian từ 2015 đến 2017. Phương pháp cảnh báo sét theo số liệu điện trường, số liệu ảnh mây và số liệu định vị sét cho khu vực bán kính 8 km xung quanh trạm tại Hội An, Hiệp Đức, Đại Lộc, xác định được ngưỡng điện trường cảnh báo sét tối ưu hóa qua hai chỉ số EFAI và EFDI từ các chỉ số thống kê POD, FAR và CSI. Phương pháp cảnh báo sét theo số liệu thiết bị cảnh báo sét, số liệu ảnh mây và số liệu định vị sét cho khu vực Tam Kỳ. Những kết quả nghiên cứu cho thấy: với nguồn số liệu độc lập, áp dụng cảnh báo sét cho một số khu vực tại Quảng Nam (Hội An, Hiệp Đức, Đại Lộc) xác định được thời gian cảnh báo sét trung bình đạt 22,45 phút, tỷ lệ cảnh báo sét đúng đạt 82,56%. Thử nghiệm cảnh báo sét theo số liệu thiết bị Strike Guard, số liệu vệ tinh, số liệu định vị sét tại Tam Kỳ, xác định được thời gian cảnh báo sét trung bình là 18,0 phút. Những kết quả cho thấy có thể sử dụng các phương pháp cảnh báo sét đã xây dựng cho các khu vực nghiên cứu phục vụ phát triển kinh tế xã hội và du lịch tại tỉnh Quảng Nam.

Từ khóa

Trích dẫn bài báo

Sơn, H.H.; Anh, N.X.; Thành, P.X.; Khương, P.L.; Hiệp, N.V. Nghiên cứu cải tiến phương pháp cảnh báo sét theo tổ hợp đa nguồn số liệu, áp dụng cho một số khu vực tại tỉnh Quảng Nam. Tạp chí Khí tượng Thuỷ văn 2024, 766, 29-42.

Tài liệu tham khảo

1. Anh, N.X. và cs. Nghiên cứu hoạt động dông sét và đề xuất các giải pháp phòng chống ở Việt Nam. Báo cáo tổng kết Đề tài cấp Nhà nước. 2005, tr. 252.

2. Anh, N.X. và cs. Nghiên cứu và đề xuất các giải pháp phòng chống sét trên địa bàn tỉnh Quảng Nam. Báo cáo tổng kết Đề tài cấp Bộ. 2013, tr. 188.

3. Anh, N.X. và cs. Dự án thí điểm ứng dụng xây dựng hệ thống cảnh báo sớm và phòng chống sét tại bãi biển thành phố Vũng Tàu. Báo cáo tổng kết nhiệm vụ. 2022, tr. 182.

4. Anh, N.X.; Huy, L.V.; Sơn, H.H. Một số kết quả nghiên cứu hoạt động dông sét qua mạng trạm định vị sét ở Việt Nam. Tuyển tập báo cáo Hội nghị Khoa học kỹ thuật Địa Vật lý lần thứ 5. Nhà xuất bản khoa học kỹ thuật, 2007, tr. 11–20.

5. Anh, N.X.; Huy, L.V.; Sơn, H.H. Nghiên cứu hoạt động dông sét và giải pháp phòng chống ở Việt Nam: Một số kết quả và phương hướng nghiên cứu. Tuyển tập các công trình nghiên cứu Vật lý Địa cầu 2008. Viện Khoa học và Công nghệ Việt Nam. 2008, tr. 289–306.

6. Sơn, H.H.; Anh, N.X.; Huy, L.V.; Thành P.X. Xác định một số tham số hoạt động dông sét từ chuỗi số liệu mô phỏng. Tạp chí Các khoa học về Trái đất 2011, 2, 134–141.

7. Sơn, H.H.; Anh, N.X.; Thành, P.X.; Hiệp, N.V. Nghiên cứu cảnh báo sét bằng nguồn số liệu tổng hợp, thử nghiệm cho khu vực Gia Lâm, Thành phố Hà Nội. Tạp chí Khí tượng Thủy văn 2020, 720, 32–48.

8. Son, H.H.; Anh, N.X.; Thanh, P.X.; Khuong, P.L.; Hiep, N.V. Evaluation of lightning warning technique with multi-source data for Vung Tau coastal area. VN J. Mar. Sci. Technol. 2023, 23(2), 209–222.

9. Amory-Mazaudier, C.; et al. Sun-earth system interaction studies over Vietnam: An international cooperative project. Ann. Geophys. 2006, 24, 3313–3327.

10. Khiem, M.V.; et al. Thunderstorm activity and extremes in Vietnam for the period 2015-2019. Climate 2022, 10, 141. https://doi.org/10.3390/cli10 100141.

11. Ngữ, N.Đ.; Hiệu, N.T. Khí hậu và tài nguyên khí hậu. Nhà xuất bản nông nghiệp, 2004, tr. 294.

12. Montanya, J.; Bergas, J.; Hermoso, B. Electric field measurements at ground level as a basis for lightning hazard warning. J. Electrostat. 2004, 60, 241–246. https://doi.org/10.1016/j. elstat.2004.01.009.

13. Montanya, J.; Rodrı´guez, P.; Bergas, J., Illa, A.; Hermoso, B.; Candela, I. A new electrostatic field measurement method: the Coherent–Notch Field Mill. J. Electrostat. 2007, 6, 431–437. https://doi.org/10.1016/j.elstat.2006.10.005.

14. Aranguren, D.; Montanya, J.; Solá, G.; March, V.; Romero, D.; Torres, H. On the lightning hazard warning using electrostatic field: Analysis of summer thunderstorms in Spain. J. Electrostat. 2009, 67, 507–512. https://doi.org/10.1016/j.elstat.2009.01.023.

15. Ferro, M.A.D.S.; Yamasaki, J.; Pimentel, D.R.D.M.; Naccarato, K.P.; Saba, M.M.F. Lightning risk warnings based on atmospheric electric field measurements in Brazil. J. Aerosp. Technol. Manag. 2011, 3, 301–310. https://doi.org/10.5028/jatm.2011.03032511.

16. Junchi, Z.; Qingfeng, Z.; Shah, A.B.; Xue, J.; Ye, Z. A lightning warning algorithm using a EFMs network and LPS. Pakistan J. Meteorol. 2015, 12, 49–55.

17. Srivastava, A.; Mishra, M.; Kumar, M. Lightning alarm system using stochastic modelling. Nat. Hazards 2015, 75, 1–11. https://doi.org/10.1007/s11069-014-1247-8.

18. Clullow, A.D.; Strydom, S.; Grant, B.; Savage, M.J.; Everson, C.S. Integration of a ground-based lightning warning system into a mining operation in the Democratic Republic of the Congo. Weather Clim. Soc. 2018, 10, 889–912.

19. Wang, G.; Kim, W.H.; Kil, G.S.; Park, D.W.; Kim S.W. An intelligent lightning warning system based on electromagnetic field and neural network. Energies 2019, 12, 1275.

20. Zeng, Q.; et al. The application of lightning forecasting based on surface electrostatic field observations and radar data. J. Electrostat. 2013, 71, 6–13. https://doi.org/10.1016/j.elstat. 2012.10.007.

21. Meng, Q.; Yao, W.; Xu, L. Development of lightning nowcasting and warning technique and its application. Adv. Meteorol. 2019, 2405936, 1–9.

22. Gremillion, M.S.; Orville, R.E. Thunderstorm characteristics of cloud-to-ground lightning at the Kennedy space center, Florida: A study of lightning initiation signatures as indicated by the WSR-88D. Weather Forecasting 1999, 14, 640–649.

23. Bonelli, P.; Marcacci, P. Thunderstorm nowcasting by means of lightning and radar data: algorithms and applications in northern Italy. Nat. Hazards Earth Syst. Sci. 2008, 8, 1187–1198.

24. Schneider, S.; et al. Nowcasting of a supercell storm with VERA. Meteorol. Atmos. Phys. 2008, 102, 23–36. https://doi.org/10.1007/s00703-008-0002-7.

25. Mosier, R.M.; Schumacher, C.; Orville, R.E.; Carey L.D. Radar nowcasting of cloud–to–ground lightning over Houston, Texas. Weather Forecasting 2011, 26, 199–212. https://doi.org/10.1175/2010WAF2222431.1.

26. Seroka, G.N.; Orville, R. E. Courtney S. radar nowcasting of total lightning over the Kennedy space center. Weather Forecasting 2012, 27, 189–204. https://doi.org/ 10.11 75/WAF-D-11-00035.1.

27. Srivastava, A.; et al. Lightning nowcasting with an algorithm of thunderstorm tracking based on lightning location data over the Beijing area. Adv. Atmos. Sci. 2022, 39, 178–188.

28. Karagiannidis, A.; Lagouvardos, K.; Kotroni, V. The use of lightning data and Meteosat infrared imagery for the nowcasting of lightning activity. Atmos. Res. 2016, 168, 57–69. https://doi.org/10.1016/j.atmosres.2015.08.011.

29. Zhou, K.; et al. A deep learning network for cloud-to-ground lightning nowcasting with multisource data. J. Atmos. Oceanic Technol. 2020, 37, 927–942.

30. Kohn, M.; Galanti, E.; Price, C.; Lagouvardos, K.; Kotroni, V. Nowcasting thunderstorms in the Mediterranean region using lightning data. Atmos. Res. 2011, 100, 489–502. https://doi.org/10.1016/j.atmosres.2010.08.010.

31. Holle, R.L.; Demetriades, N.W.S.; Nag, A. Objective airport warnings over small areas using NLDN cloud and cloud-to-ground lightning data. Weather Forecasting 2016, 31, 1061–1069. https://doi.org/10.1175/WAF-D-15-0165.1.

32. Lynn, B.H.; et al. Predicting cloud-to-ground and intracloud lightning in weather forecast models. Weather Forecasting 2012, 27, 1470–1488.

33. Giannaros, T.M.; et al. Predicting lightning activity in Greece with the weather research and forecasting (WRF) model. Atmos. Res. 2015, 1–13.

34. Spiridonov, V.; et al. Novel thunderstorm alert system (NOTHAS). Asia-Pac. J. Atmos. Sci. 2020, 57, 479–498. https://doi.org/10.1007/ s13143-020-00210-5.

35. Trực tuyến: https://www.boltek.com/EFM-100C_Manual_121415.pdf

36. Trực tuyến: https://www.wxline.com/strike-guard-lws.

37. Lee, S.; et al. Detection of deterministic and probabilistic convection initiation using Himawari–8 Advanced Himawari Imager data. Atmos. Meas. Tech. 2017, 10, 1859–1874. https://doi.org/10.5194/amt-10-1859-2017.