Tải file PDF Tác giả
Đơn vị công tác
1 Khoa Khí tượng Thủy văn và Biến đổi khí hậu, Trường Đại học Tài nguyên và Môi trường TP. HCM; ttmhuong@hcmunre.edu.vn; tvson@hcmunre.edu.vn; minhpt201@gmail.com.
2 Khoa Đại cương, Trường Đại học Tài nguyên và Môi trường TP. HCM; hang.nguyen687@gmail.com
3 Khoa Quản lý Tài nguyên Biển và hải đảo, Trường Đại học Tài nguyên và Môi trường TP. HCM; nvtin@hcmunre.edu.vn
Tóm tắt
Nghiên cứu tiến hành các thử nghiệm với việc đồng hóa số liệu gió vệ tinh (CIMSS), số liệu cao không (RADS) và số liệu hỗn hợp (gió vệ tinh và số liệu cao không MIX) bằng phương pháp lọc Kalman tổ hợp. Kết quả thử nghiệm cho thấy, ứng với mỗi loại số liệu quan trắc, các mô phỏng đường dòng (hoàn lưu khí quyển mô phỏng) trong các thử nghiệm là khác nhau. Trong đó thử nghiệm CIMSS, RADS và MIX mô phỏng xu thế cũng như cường độ của hoàn lưu chung khí quyển giống với sự phát triển thực tế hơn so với thử nghiệm không sử dụng số liệu quan trắc (MPH), nhờ đó quỹ đạo bão Haiyan được mô phỏng khá phù hợp với quỹ đạo thực, sai số thống kê trong 4 trường hợp thử nghiệm giảm đáng kể. Cụ thể, sai số quỹ đạo trong thử nghiệm CIMSS cải thiện 14,0% và 14,3% so với thử nghiệm MPH, và giảm lần lượt 14,0% và 23,9% so với kết quả dự báo toàn cầu GFS ở hạn dự báo 48 giờ và 72 giờ, trong thử nghiệm RADS sai số qũy đạo cải thiện 11,1% so với GFS và MPH ở hạn 60 giờ, và sai số quỹ đạo trong thử nghiệm MIX giảm 12% và 14,2% so với GFS ở hạn 60 giờ và 72 giờ, ngoài ra thử nghiệm MIX có sai số qũy đạo giảm 12% so với thử nghiệm MPH ở hạn 60 giờ. Về cường độ bão, dự báo Pmin trong các thử nghiệm MPH, CIMSS, RADS và MIX tốt hơn so với số liệu GFS. Trong đó sai số Pmin trong thử nghiệm CIMSS nhỏ hơn sai số Pmin trong các thử nghiệm còn lại và số liệu GFS ở hạn dự báo dài hơn 48 giờ. Đối với Vmax, các thử nghiệm CIMSS, RADS và MIX dự báo Vmax hiệu quả ở hạn dự báo 60 và 72 giờ.
Từ khóa
Trích dẫn bài báo
Hương, T.T.M.; Hằng, N.T.; Tín, N.V.; Sơn, T.V.; Minh, P.T. Thử nghiệm đồng hóa số liệu gió vệ tinh và số liệu cao không để mô phỏng qũy đạo và cường độ cơn bão Haiyan 2013. Tap chí Khí tượng Thủy văn 2020, 716, 79–95.
Tài liệu tham khảo
1. Hunt, BR.; Kostelich, EJ.; Szunyogh, I. Efficient data assimilation for spatiotemporal chaos: A local ensemble transform Kalman Filter. Physica D. 2007, 230, 112–126.
2. Hong, L.; Kalnay, E.; Miyoshi, T.; Danforth, C.M. Accounting for model errors in ensemble data assimilation. Mon. Weather Rev. 2009, 137, 3407–3419.
3. Miyoshi, T.; Yamane, S. The Gaussian Approach to Adaptive Covariance Inflation and Its Implementation with the Local Ensemble Transform Kalman Filter. Mon Weather Rev. 2007, 139, 1519–1535.
4. Miyoshi, T.; Kunii, M. The Local Ensenble Transform Kalman Filter with the Weather Rearch and Forecasting Model: Experiments with Real Observation. Pure Appl. Geophy. 2012, 169, 321–333.
5. Kieu, C.Q.; Truong, N.M.; Mai, H.T.; Ngo–Duc, T. 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. 2012, 29, 1794–1810.
6. https://vi.wikipedia.org/wiki/B%C3%A3o_Haiyan_(2013)#Vi%E1%BB%87t_Nam
7. http://www2.mmm.ucar.edu/wrf/users/docs/user_guide_V3.9/contents.html
8. https://www.metoc.navy.mil/jtwc/jtwc.html?best–tracks
9. http://tropic.ssec.wisc.edu
10. Wilks Daniel, S. Statistical Methods in the Atmospheric Scienes. Ithaca New York 1997, 59, 255.
11. Tiến, T.T.; Mai, H.T.; Thanh, C. An Application of the Ensemble Kalman Filter on 5 days Forcasting Track and Intensity Tropical Cyclone. VNU J. Sci. Nat. Sci. Technol. 2013, 29, 201–206.
12. Tien, D.D.; Thanh, N.D.; Mai, H.T.; Chanh, K. A study of the connection between tropical cyclone track and intensity errors in the WRF model. Meteorol. Atmos. Phys. 2013, 121, 3–4, 12.