Tác giả

Nguyễn Thanh Bằng 1* , Trương Bá Kiên 1 , Nguyễn Đức Nam 1 , Trần Duy Thức 1

Đơn vị công tác

1 Viện Khoa học Khí tượng Thủy văn và Biến đổi khí hậu; bangnt29@gmail.com; kien.cbg@gmail.com; ducnam.mi@gmail.com; tranduythuc1@gmail.com
*Tác giả liên hệ: bangnt29@gmail.com; Tel.: +84–838734488

Tóm tắt

Nghiên cứu ứng dụng kỹ thuật hòa hợp (blending) cải thiện trường ban đầu cho mô hình WRF trong dự báo bão trên Biển Đông, với thử nghiệm trên 4 cơn bão năm 2023 (Talim, Saola, Koinu, Sanba). Các cơn bão không đổ bộ trực tiếp vào Việt Nam nhưng gây ảnh hưởng gián tiếp như mưa lớn và gió mạnh trên biển. Kết quả cho thấy, về quỹ đạo, bão Talim có sai số tăng theo hạn thời gian, với CTL (No-blending) luôn tốt hơn blending, sai số lớn nhất 320 km ở hạn 60h. Bão Saola có blending dự báo tốt hơn ở hạn 20-40h, trong khi các hạn khác có sai số tương đương. Bão Koinu có sai số hướng di chuyển ở cả hai phương án, với CTL nhỉnh hơn. Bão Sanba có sai số nhỏ nhưng hướng di chuyển không chính xác. Về cường độ, cả hai phương án dự báo bão Talim mạnh hơn thực tế, sai số khí áp lớn nhất 25 mb ở hạn 42h, blending kém hơn CTL. Với Saola, dự báo yếu hơn thực tế ở hạn đầu nhưng mạnh hơn ở 36-48h, sai số tương đương nhau. Bão Koinu bị dự báo yếu hơn thực tế, sai số lớn nhất 30 mb ở hạn 6h. Bão Sanba mạnh hơn thực tế trong 36h đầu nhưng yếu hơn sau đó, CTL có sai số nhỏ hơn. Kỹ thuật hòa hợp cho thấy tiềm năng cải thiện dự báo quỹ đạo và cường độ bão trong một số tình huống cụ thể.

Từ khóa

Kĩ thuật hoà hợp; Dự báo bão; Mô hình WRF.

Trích dẫn bài báo

Bằng, N.T.; Kiên, T.B.; Nam, N.Đ.; Thức, T.D. Nghiên cứu ứng dụng kĩ thuật hoà hợp cải thiện trường ban đầu cho mô hình WRF dự báo bão trên biển Đông. Tạp chí Khí tượng Thuỷ văn 2025, 773, 31-39.

Tài liệu tham khảo

1. Bui, H.H.; Smith, R.K.; Montgomery, M.T.; Peng, J.Y. Balanced and unbalanced aspects of tropical cyclone intensification. Quart. J. Roy. Meteor. Soc. 2009, 135, 1715–1731.

2. Stunder, B.J. An assessment of the quality of forecast trajectories. J. Appl. Meteorol. Climatol. 1996, 35(8), 1319–1331.

3. Leroux, M.D.; Wood, K.; Elsberry, R.L.; Cayanan, E.O.; Hendricks, E.; Kucas, M.; Otto, P.; Rogers, R.; Sampson, B.; Yu, Z. Recent advances in research and forecasting of tropical cyclone track, intensity, and structure at landfall. Trop. Cyclone Res. Rev. 2018, 7(2), 85–105.

4. Heming, J.; Goerss, J. Track and structure forecasts of tropical cyclones. Global Perspectives on Tropical Cyclones: From Science to Mitigation, 2010, pp. 287–323.

5. Bennett, K.J.; Olsen, J.M.; Harris, S.; Mekaru, S.; Livinski, A.A.; Brownstein, J.S. The perfect storm of information: combining traditional and non-traditional data sources for public health situational awareness during hurricane response. PLoS Currents 2013, 5.

6. Quon, H.; Jiang, S. Decision making for implementing non-traditional water sources: a review of challenges and potential solutions. NPJ Clean Water 2023, 6(1), 56.

7. Li, C.Y.R.; Zhou, W.; Lee, T.C. Climatological characteristics and observed trends of tropical cyclone–induced rainfall and their Influences on long-term rainfall variations in Hong Kong. Mon. Wea. Rev. 2015, 143, 2192–2206.

8. Tiwari, G.; Kumar, P. Predictive skill comparative assessment of WRF 4DVar and 3DVar data assimilation: An Indian Ocean tropical cyclone case study. Atmos. Res. 2022, 277, 106288.

9. Peng, Y.; Wang, T.; Wang, H.; Wang, L.; Zhang, H.; Wu, S. Impact of digital filtering as a weak constraint on 4DVar to predict and perturb typhoons in WRF model. Atmos. Res. 2023, 284, 106578.

10. Kunii, M.; Otsuka, M.; Shimoji, K.; Seko, H. Ensemble data assimilation and forecast experiments for the September 2015 heavy rainfall event in Kanto and Tohoku regions with atmospheric motion vectors from Himawari-8. SOLA 12, 2016, 209–214.

11. Chen, L.S. Research progress on the structure and intensity change for the landfalling tropical cyclones. J. Trop. Meteorol. 2012, 18(2), 113–118.

12. Chang S.W.; Madala R.V. Numerical simulation of the influence of sea surface temperature on translating tropical cyclones. J. Atmos. Sci. 1980, 37, 2617–2630.

13. Zhang, Y.; Chen, Z.; Xiao, X.; Qie, X.; Chen, M.; Lu, J.; Liu, D. Combined assimilation of radar and lightning data for the short-term forecast of severe convection system. Atmos. Res. 2023, 283, 106562.

14. Kurihara.; Yoshio.; Morris A. Bender.; Ross, R.J. An initialization scheme of hurricane models by vortex specification. Mon. Weather Rev. 1993, 121(7), 2030–2045.

15. Kwon, I. H.; Cheong, H.B. Tropical cyclone initialization with a spherical high-order filter and an idealized three-dimensional bogus vortex. Mon. Weather Rev. 2010, 138(4), 1344–1367.

16. Chiang Yeh, T.; Feng Hsiao, L.; Chen, D.S.; Huang, K.N. A study on terrain-induced tropical cyclone looping in East Taiwan: case study of Typhoon Haitang in 2005. Nat. Hazards 2012, 63, 1497–1514.

17. Chevuturi, A.; Tanguy, M.; Facer-Childs, K.; Martínez-de la Torre, A.; Sarkar, S.; Thober, S.; Blyth, E. Improving global hydrological simulations through bias-correction and multi-model blending. J. Hydrol. 2023, 621, 129607.

18. Wang, H.; Huang, X.Y.; Xu, D.; Liu, J. A scale-dependent blending scheme for WRFDA: impact on regional weather forecasting. Geosci. Model Dev. 2014, 7(4), 1819–1828.

19. Li, Z.; Yang, D.; Hong, Y. Multi-scale evaluation of high-resolution multi-sensor blended global precipitation products over the Yangtze River. J. Hydrol. 2013, 500, 157–169.

20. Hsiao, L.F.; Huang, X.Y.; Kuo, Y.H.; Chen, D.S.; Wang, H.; Tsai, C.C.; Lee, C.S. Blending of global and regional analyses with a spatial filter: Application to typhoon prediction over the western North Pacific Ocean. Weather Forecasting 2015, 30(3), 754–770.

21. Durand, Y.; Bougeault, P. L'analyse objective PERIDOT. Dir. de la Meteorologie Nationale, 1987.

22. Ajjaji, R.; Issara, S. Introduction de l’analyse canari du modèle global arpège dans le modèle à domaine limité aladin. Master's Thesis, Ecole Nationale de la Météorologie, Toulouse, France, 1994.

23. Madsen, H.; Arnbjerg-Nielsen, K.; Mikkelsen, P.S. Update of regional intensity–duration–frequency curves in Denmark: Tendency towards increased storm intensities. Atmos. Res. 2009, 92(3), 343–349.

24. Marks, F.D.; Shay, L.K.; PDT-5. Landfalling tropical cyclones: Forecast problems and associated research opportunities. Bull. Am. Meteorol. Soc. 1998, 79(2), 305–323.

25. Ebert, E.; Wilson, L.; Weigel, A.; Mittermaier, M.; Nurmi, P.; Gill, P.; Watkins, A. Progress and challenges in forecast verification. Meteorol. Appl. 2013, 20(2), 130–139.

26. Raymond, W.H.; Garder, A. A review of recursive and implicit filters. Mon. Weather Rev. 1991, 119(2), 477–495.