NGHIÊN CỨU XÂY DỰNG PHƢƠNG TRÌNH DỰ BÁO MƢA THỜI HẠN 24 GIỜ TRONG MÙA MƢA CHO KHU VỰC TỈNH NGHỆ AN_10273312052019

1. BỘ TÀI NGUYÊN VÀ MÔI TRƯỜNG
TRƢỜNG ĐẠI HỌC TÀI NGUYÊN VÀ MÔI TRƢỜNG HÀ NỘI
------------------------------------
LUẬN VĂN THẠC SĨ
NGHIÊN CỨU XÂY DỰNG PHƢƠNG TRÌNH DỰ BÁO MƢA
THỜI HẠN 24 GIỜ TRONG MÙA MƢA
CHO KHU VỰC TỈNH NGHỆ AN
CHUYÊN NGÀNH: KHÍ TƯỢNG VÀ KHÍ HẬU HỌC
TĂNG VĂN AN
HÀ NỘI, NĂM 2019

2. BỘ TÀI NGUYÊN VÀ MÔI TRƯỜNG
TRƢỜNG ĐẠI HỌC TÀI NGUYÊN VÀ MÔI TRƢỜNG HÀ NỘI
------------------------------------
LUẬN VĂN THẠC SĨ
NGHIÊN CỨU XÂY DỰNG PHƢƠNG TRÌNH DỰ BÁO MƢA
THỜI HẠN 24 GIỜ TRONG MÙA MƢA
CHO KHU VỰC TỈNH NGHỆ AN
TĂNG VĂN AN
CHUYÊN NGÀNH: KHÍ TƢỢNG VÀ KHÍ HẬU HỌC
MÃ SỐ: 8440222
NGƢỜI HƢỚNG DẪN KHOA HỌC:
1. PGS.TS. NGUYỄN VIẾT LÀNH
2. TS. VÕ VĂN HÒA
HÀ NỘI, NĂM 2019

3. CÔNG TRÌNH ĐƢỢC HOÀN THÀNH TẠI
TRƢỜNG ĐẠI HỌC TÀI NGUYÊN MÔI TRƢỜNG HÀ NỘI
Cán bộ hướng dẫn chính: PGS.TS. Nguyễn Viết Lành
Cán bộ hướng dẫn phụ: TS. Võ Văn Hòa
Cán bộ chấm phản biện 1: TS. Hoàng Phúc Lâm
Cán bộ chấm phản biện 2: TS. Phạm Thị Thanh Ngà
Luận văn thạc sĩ được bảo vệ tại:
HỘI ĐỒNG CHẤM LUẬN VĂN THẠC SĨ
TRƢỜNG ĐẠI HỌC TÀI NGUYÊN MÔI TRƢỜNG HÀ NỘI
Ngày 11 tháng 01 năm 2019

4. LỜI CAM ĐOAN
Tôi xin cam đoan luận văn thạc sĩ “Nghiên cứu xây dựng phương trình
dự báo mưa thời hạn 24 giờ trong mùa mưa cho khu vực tỉnh Nghệ An” là
do tôi thực hiện với sự hướng dẫn của PGS.TS. Nguyễn Viết Lành và TS. Võ
Văn Hòa. Các kết quả nghiên cứu trong luận văn do tôi thực hiện và chưa công
bố bất cứ ở đâu.
Tôi xin hoàn toàn chịu trách nhiệm về những nội dung mà tôi trình bày
trong luận văn này.
Hà Nội, ngày 20 tháng 01 năm 2019
TÁC GIẢ
Tăng Văn An

5. LỜI CẢM ƠN
Sau một thời gian nỗ lực, cố gắng của bản thân luận văn “Nghiên cứu
xây dựng phƣơng trình dự báo mƣa thời hạn 24 giờ trong mùa mƣa cho
khu vực tỉnh Nghệ An” đã hoàn thành. Trong quá trình học tập, nghiên cứu
và hoàn thiện luận văn, tôi đã nhận được rất nhiều sự giúp đỡ của thầy cô và
bạn bè.
Trước hết tôi xin bày tỏ lòng biết ơn sâu sắc và trân trọng tới PGS.TS.
Nguyễn Viết Lành và TS. Võ Văn Hòa những người đã chỉ bảo, hướng dẫn và
giúp đỡ rất tận tình trong suốt thời gian thực hiện luận văn.
Tôi xin gửi lời cảm ơn đến Phòng Đào tạo và Khoa Khí tượng Thủy văn,
Trường Đại học Tài nguyên và Môi trường Hà Nội và toàn thể các thầy, cô đã
giảng dạy, giúp đỡ trong thời gian học tập cũng như thực hiện luận văn.
Nhân dịp này, tôi xin chân thành cảm ơn tập thể cán bộ viên chức Đài
Khí tượng Thủy văn khu vực Bắc Trung Bộ, Trung tâm Dự báo khí tượng
thủy văn Quốc gia và các đồng nghiệp đã giúp đỡ trong quá trình thực hiện
luận văn.
Do thời gian nghiên cứu hạn chế, trình độ và kinh nghiệm thực tiễn còn
chưa tốt nên luận văn chắc chắn không tránh được thiếu sót, vì vậy kính mong
các thầy, cô giáo, đồng nghiệp đóng góp ý kiến để kết quả nghiên cứu được
hoàn thiện hơn./.
Hà Nội, ngày 20 tháng 01 năm 2019
TÁC GIẢ
Tăng Văn An

6. i
MỤC LỤC
MỤC LỤC .....................................................................................................i
TÓM TẮT LUẬN VĂN ..............................................................................iv
DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT .................................. v
DANH MỤC BẢNG BIỂU..........................................................................vi
DANH MỤC HÌNH VẼ..............................................................................vii
MỞ ĐẦU....................................................................................................... 1
1. Tính cấp thiết.......................................................................................... 1
2. Mục tiêu của luận văn............................................................................. 2
3. Phạm vi và đối tượng nghiên cứu ........................................................... 2
4. Cấu trúc luận văn ................................................................................... 2
CHƢƠNG 1. TỔNG QUAN VỀ VẤN ĐỀ NGHIÊN CỨU........................ 3
1.1 Điều kiện tự nhiên tỉnh Nghệ An........................................................... 3
1.1.1 Vị trí địa lý..................................................................................... 3
1.1.2 Địa hình ......................................................................................... 3
1.1.3 Diện tích tự nhiên........................................................................... 3
1.1.4 Khí hậu .......................................................................................... 4
1.2 Tình hình nghiên cứu trong và ngoài .................................................... 4
1.2.1 Tình hình nghiên cứu ngoài nước................................................... 4
1) Dự báo mưa bằng mô hình số trị......................................................... 4
2) Dự báo mưa bằng phương pháp thống kê ........................................... 7
1.2.2 Tình hình nghiên cứu trong nước ................................................... 9
1.2.3 Thực trạng công tác dự báo mưa tại Đài KTTV khu vực Bắc Trung
Bộ ......................................................................................................... 13
1. Phương pháp synop........................................................................... 13
2. Phương pháp thống kê vật lý............................................................. 14
3. Mô hình dự báo số trị........................................................................ 14
CHƢƠNG 2. CƠ SỞ SỐ LIỆU VÀ PHƢƠNG PHÁP NGHIÊN CỨU... 15
2.1 Cơ sở số liệu....................................................................................... 15
2.1.1 Số liệu quan trắc .......................................................................... 15
2.1.2 Số liệu mô hình............................................................................ 16

7. ii
2.2 Phương pháp nghiên cứu.................................................................... 17
2.2.1 Các dạng biến trong dự báo thống kê ........................................... 18
2.2.2 Phép ước lượng hồi quy xác suất sự kiện ..................................... 18
2.2.3 Lọc nhân tố .................................................................................. 20
2.2.4 Xác định ngưỡng dự báo ............................................................. 22
2.2.5 Đánh giá độ chính xác của các phương trình dự báo .................... 23
2.2.6 Sử dụng phần mềm NCSS để xây dựng phương trình dự báo bằng
hàm hồi quy từng bước ......................................................................... 24
2.2.7 Xây dựng bộ nhân tố dự báo ........................................................ 25
CHƢƠNG 3. MỘT SỐ KẾT QUẢ NGHIÊN CỨU.................................. 29
3.1 Một số đặc trưng mưa của tỉnh Nghệ An............................................. 29
3.1.1 Tổng lượng mưa năm................................................................... 29
3.1.2 Phân bố lượng mưa theo mùa....................................................... 30
3.2 Xác đ nh một số hình thế thời tiết cơ n g y mưa l n ....................... 31
3.2.1 Các hình thế thời tiết đơn l ......................................................... 32
3.2.2 Hình thế gây mưa lớn do tổ hợp của hai hình thế thời tiết ............ 37
3.2.3 Hình thế gây mưa lớn do tổ hợp của ba hình thế thời tiết trở lên .. 40
3.3 X y dựng phương trình dự áo mưa ................................................... 43
3.3.1 Kết quả xây dựng phương trình dự báo ........................................ 43
3.3.2 Kết quả dự báo thử nghiệm trên chuỗi số liệu phụ thuộc.............. 46
3.3.3 Kết quả dự báo thử nghiệm trên chuỗi số liệu độc lập.................. 48
3.4 Quy trình dự áo c s dụng các phương trình dự áo đ x y dựng
được............................................................................................................. 50
3.4.1 Những phương trình được chọn ................................................... 50
3.4.2 Thực hiện quy trình dự báo .......................................................... 54
KẾT LUẬN VÀ KIẾN NGHỊ.................................................................... 56
1. Kết luận................................................................................................ 56
2. Kiến ngh .............................................................................................. 57
TÀI LIỆU THAM KHẢO.......................................................................... 58
Phụ lục 1. Dự báo thử nghiệm trên chuỗi số liệu độc lập cho Vinh (tháng
6).................................................................................................................. 62

8. iii
TÓM TĂT LUẬN VĂN
Họ và tên học viên: Tăng Văn An
Lớp CH3A.K Khóa: 2017-2018
Cán bộ hướng dẫn: PGS.TS. Nguyễn Viết Lành và TS. Võ Văn Hòa
Tên đề tài: Nghiên cứu xây dựng phương trình dự báo mưa thời hạn 24 giờ
trong mùa mưa cho khu vực tỉnh Nghệ An
Tóm tắt: Luận văn đã sử dụng số liệu quan trắc và số liệu của Trung tâm Dự
báo thời tiết hạn vừa châu Âu – ECMWF để xây dựng bộ bản đồ hình thế thời
tiết gây mưa lớn trên địa bàn tỉnh Nghệ An, đồng thời để xây dựng phương
trình dự báo mưa thời hạn 24 giờ trong thời kì từ tháng 6 đến tháng 11 cho
bốn trạm khí tượng: Vinh, Quỳnh Lưu, Tây Hiếu và Quỳ Châu. Kết quả dự
báo thử nghiệm cho thấy, có 50% số phương trình đạt yêu cầu về độ chính
xác dự báo mưa.
THESIS ABSTRACT
Full name: Tang Van An
Class CH3A.K Course: 2017-2018
Supervisor: Assoc. Prof. PhD. Nguyen Viet Lanh and PhD. Vo Van Hoa
Project title: Research building equation rain forecast 24-hour period in the
rainy season for the region of Nghe An province
Abstract: The thesis used monitoring data and data of the European Centre for
Medium-Range Wether Forecasts - ECMWF to build a set of weather map to
cause heavy rain in Nghe An province, and build the 24-hour rain forecasting
equation for the period from June to November for four meteorological
stations: Vinh, Quynh Luu, Tay Hieu and Quy Chau. Experimental forecast
results show that 50% of equations meet the requirements for accuracy of rain
forecasting.

9. iv
DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT
cs.
KTTV
KKL
Cộng sự
Khí tượng thủy văn
Không khí lạnh
ITCZ Dải hội tụ nhiệt đới
ĐD
BĐ
H
ATNĐ
Đường dòng
Báo động
Độ cao địa thế vị
Áp thấp nhiệt đới
BĐKH Biến đổi khí hậu
R24
RAT
ECMWF
Tổng lượng mưa 24 giờ
Rãnh áp thấp
Trung tâm Dự báo Khí tượng hạn vừa Châu Âu

10. v
DANH MỤC BẢNG BIỂU
Bảng 2.1. Tổng hợp đánh giá dự báo............................................................ 23
Bảng 2.2. Nhân tố dự báo sơ cấp từ số liệu quan trắc (20 nhân tố) ............... 25
Bảng 2.3. Nhân tố dự báo sơ cấp từ số liệu mô hình (75 nhân tố)................. 26
Bảng 2.4. Nhân tố dự báo thứ cấp từ số liệu quan trắc (20 nhân tố).............. 26
Bảng 2.5. Nhân tố dự báo thứ cấp từ số liệu mô hình (15 nhân tố) ............... 27
Bảng 3.1. Lượng mưa trung bình nhiều năm (mm) tại ở Nghệ An................ 29
Bảng 3.2. Phân bố lượng mưa theo mùa ở Nghệ An..................................... 31
Bảng 3.3. Phân loại các hình thế gây mưa lớn trên khu vực Nghệ An giai đoạn
2007-2017 .................................................................................................... 32
Bảng 3.4. Thống kê các hình thế thời tiết đơn l gây mưa lớn ở Nghệ An giai
đoạn 2007-2017............................................................................................ 33
Bảng 3.5. Thống kê các dạng tổ hợp 2 hình thế thời tiết gây mưa lớn ở Nghệ
An giai đoạn 2007-2017............................................................................... 38
Bảng 3.6. Thống kê các dạng tổ hợp 3 hình thế thời tiết gây mưa lớn ở Nghệ
An giai đoạn 2007-2017............................................................................... 41
Bảng 3.7. Kết quả xây dựng phương trình dự báo mưa cho 4 trạm trên khu
vực tỉnh Nghệ An......................................................................................... 43
Bảng 3.8. Kết quả đánh giá dự báo thử nghiệm trên chuỗi số liệu phụ thuộc 47
Bảng 3.9. Kết quả đánh giá dự báo thử nghiệm trên chuỗi số liệu độc lập.... 48

11. vi
DANH MỤC HÌNH VẼ
Hình. 2.1. Bản đồ Mạng lưới trạm khí tượng thủy văn khu vực Bắc Trung Bộ
..................................................................................................................... 15
Hình 2.2. Khởi động modul Stepwise Regression......................................... 24
Hình 3.1. Phân bố lượng mưa trung bình nhiều năm tỉnh Nghệ An .............. 30
Hình 3.2. Bản đồ hình thế ITCZ gây mưa lớn từ ngày 28-29/7/2007............ 34
Hình 3.4. Bản đồ hình thế gió SE gây mưa lớn từ ngày 29-31/10/2008 ........ 36
Hình 3.5. Bản đồ hình thế KKL gây mưa lớn từ ngày 3-4/10/2017............... 37
Hình 3.6. Bản đồ hình thế KKL tác động RAT gây mưa lớn từ ngày 9-
13/10/2017 ................................................................................................... 39
Hình 3.7. Bản đồ hình thế XTNĐ kết hợp với RAT gây mưa lớn từ ngày 25 -
26/9/2009 ..................................................................................................... 40
Hình 3.8. Bản đồ hình thế RAT kết hợp với KKL và nhiễu động gió đông gây
mưa lớn từ ngày 15 - 19/10/2010.................................................................. 42

12. 1
MỞ ĐẦU
1. Tính cấp thiết
Nghệ An là tỉnh thuộc vùng duyên hải Bắc Trung Bộ, nơi có địa hình đa
dạng, phức tạp và bị chia cắt bởi các hệ thống đồi núi, sông suối hướng
nghiêng từ tây - bắc xuống đông - nam.
Trong những năm gần đây, các trận mưa lớn đã xảy ra trên khu vực tỉnh
Nghệ An với tần suất và cường độ ngày một lớn. Những trận mưa này, mỗi
khi xảy ra cùng với việc xả lũ từ các hồ chứa thủy lợi, thủy điện thường gây
ra ngập lụt nghiêm trọng trên địa bàn tỉnh, tác động rất lớn đến kinh tế xã hội
và môi trường sống của người dân.
Năm 2008, tỉnh Nghệ An bị thiệt hại do mưa lũ gây ra là: chết 25 người,
bị sập 156 ngôi nhà, đập bị vỡ 70 cái, đập hư hỏng 2700 cái, đường bị sạt lở
12054 m, cầu cống hư hỏng 158 cái và mất trắng 1251 ha lúa [3].
Năm 2010, tỉnh Nghệ An bị thiệt hại do mưa lũ gây ra là 3.206 tỷ đồng,
đặc biệt, đã có 50 người chết, 51 người bị thương [3].
Năm 2015, tỉnh Nghệ An bị thiệt hại do mưa lũ gây ra là 580 tỷ đồng,
đặc biệt, đã có 9 người chết, 2 người bị thương [3].
Năm 2017, tỉnh Nghệ An bị thiệt hại do mưa lũ gây ra là 3.514 tỷ đồng,
đặc biệt, đã có 23 người chết, 15 người bị thương [3].
Hiện tại trên địa bàn tỉnh Nghệ An các hồ chứa thủy lợi, thủy điện đã
được xây dựng trên tất cả hệ thống sông, ngoài những lợi ích kinh tế thì các
sự cố của các hồ chứa này có tác động đáng kể đến đời sống của nhân dân các
huyện, thị xã ở trung và hạ lưu hệ thống sông Cả. Quyết định 2125/QĐ-TTg
ngày 01/12/2015 của Thủ tướng Chính phủ về việc ban hành quy trình vận
hành liên hồ chứa trên lưu vực sông Cả đã quy định thời gian thông báo xả lũ
là trước 24h, và như vậy bắt buộc công tác dự báo KTTV phải dự báo trước
24-48 giờ [2].
Để phục vụ tốt cho công tác phòng chống giảm nhẹ thiên tai và tìm kiếm
cứu nạn tỉnh Nghệ An, đặc biệt là phục vụ tốt cho công tác bảo đảm vận hành
liên hồ chứa theo Quyết định trên, cần phải nâng cao chất lượng dự báo mưa,
đặc biệt là mưa lớn thời đoạn 24 giờ là cực kỳ cấp bách và quan trọng. Vì vậy,
đề tài: “Nghiên cứu xây dựng phương trình dự báo mưa thời hạn 24 giờ
trong mùa mưa cho khu vực tỉnh Nghệ An” đã được chọn để làm luận văn

13. 2
tốt nghiệp cao học. Kết quả nghiên cứu này sẽ là cơ sở khoa học cho các đơn
vị dự báo KTTV trong khu vực Bắc Trung Bộ ứng dụng vào nghiệp vụ với
mục tiêu phục vụ địa phương trong công tác phòng chống thiên tai và đặc biệt
giúp cho công tác dự báo phục vụ vận hành liên hồ chứa trên lưu vực Cả, hiện
tại có hồ chứa Bản Vẽ, Chi Khê và Khe Bố.
2. Mục tiêu của luận văn
- Xác định được các hình thế thời tiết gây mưa lớn cho khu vực tỉnh
Nghệ An;
- Xây dựng được các phương trình dự báo mưa trong các tháng mùa mưa
tại một số trạm khí tượng trên địa bàn tỉnh Nghệ An với thời hạn dự báo 24
giờ bằng phương pháp thống kê.
3. Phạm vi và đối tƣợng nghiên cứu
- Phạm vi nghiên cứu:
+ Phạm vi không gian: Luận văn tập trung nghiên cứu hình thế gây mưa
lớn và xây dựng phương trình dự báo mưa thời hạn 24 giờ trong mùa mưa cho
khu vực tỉnh Nghệ An;
+ Phạm vi thời gian: Nghiên cứu trên chuỗi số liệu từ 2007 đến 2017.
- Đối tượng: Hình thế thời tiết gây mưa lớn diện rộng và dự báo mưa
thời hạn 24 giờ trong các tháng mùa mưa lũ.
4. Cấu trúc luận văn
Nội dung của luận văn, ngoài phần mở đầu, kết luận, tài liệu tham khảo
và phụ lục, luận văn được bố cục thành 3 chương như sau:
Chương 1. Tổng quan tình hình nghiên cứu. Chương này trình bày về
một số khái niệm cơ bản, điều kiện tự nhiên khu vực nghiên cứu và tình hình
nghiên cứu trong và ngoài nước có liên quan.
Chương 2. Cơ sở dữ liệu và phương pháp nghiên cứu. Chương này trình
bày nguồn số liệu được sử dụng trong nghiên cứu cũng như phương pháp
nghiên cứu.
Chương 3. Một số kết quả nghiên cứu. Chương này chủ yếu trình bày
các hình thế gây mưa lớn và phương trình dự báo mưa cho một số trạm trong
tỉnh Nghệ An xây dựng được.

14. 3
CHƢƠNG 1
TỔNG QUAN VỀ VẤN ĐỀ NGHIÊN CỨU
1.1 Điều kiện tự nhiên tỉnh Nghệ An
1.1.1 Vị trí địa lý
Nghệ An nằm ở vị trí trung tâm vùng Bắc Trung Bộ của Việt Nam (vĩ độ
Bắc (từ:180
33' đến 200
01') và kinh độ Đông (từ 1030
52' đến1050
48').
- Phía đông giáp biển Đông;
- Phía tây giáp nước Cộng hòa Dân chủ Nhân dân Lào;
- Phía nam giáp tỉnh Hà Tĩnh;
- Phía bắc giáp tỉnh Thanh Hóa.
Nằm trong hành lang kinh tế Đông - Tây (nối liền Myanmar - Thái Lan -
Lào - Việt Nam) theo Quốc lộ 7 đến cảng Cửa Lò, tỉnh Nghệ An có 1 thành phố,
3 thị xã và 17 huyện [39].
1.1.2 Địa hình
Tỉnh Nghệ An nằm ở Đông Bắc dãy Trường Sơn, địa hình đa dạng, phức
tạp và bị chia cắt bởi các hệ thống đồi núi, sông suối hướng nghiêng từ tây -
bắc xuống đông - nam với ba vùng sinh thái rõ rệt: miền núi, trung du, đồng
bằng ven biển. Đỉnh núi cao nhất là đỉnh Pulaileng (2.711m) ở huyện Kỳ Sơn,
thấp nhất là vùng đồng bằng huyện Quỳnh Lưu, Diễn Châu, Yên Thành có
nơi chỉ cao đến 0,2 m so với mặt nước biển (đó là xã Quỳnh Thanh huyện
Quỳnh Lưu). Đồi núi chiếm 83% diện tích đất tự nhiên của toàn tỉnh [39].
1.1.3 Diện tích tự nhiên
Nghệ An có diện tích tự nhiên 1.649.368,62 ha, là tỉnh có diện tích lớn
nhất cả nước, địa hình phong phú, đa dạng, có biển, đồng bằng, trung du và
miền núi. Trong đó, đất nông nghiệp 1.238.315,48 ha (đất sản xuất nông
nghiệp: 256.834,9 ha, đất lâm nghiệp có rừng: 972.910,52 ha, đất nuôi trồng
thủy sản: 7.457,5 ha, đất làm muối: 837,98 ha, đất nông nghiệp khác: 265,58
ha), đất phi nông nghiệp: 124.653,12 ha, đất chưa sửa dụng: 286.056,4 ha.
Đất đai lớn là tiềm năng để phát triển sản xuất nông, lâm, thuỷ sản trên
quy mô lớn, tập trung, tạo vùng nguyên liệu cho công nghiệp chế biến các loại
sản phẩm từ cây công nghiệp dài ngày, ngắn ngày, cây ăn quả, cây dược liệu,

15. 4
chăn nuôi đại gia súc, gia cầm,… [39].
1.1.4 Khí hậu
- Khí hậu: Nằm trong vùng khí hậu nhiệt đới gió mùa, chịu sự tác động
trực tiếp của gió mùa tây nam khô và nóng (từ tháng 4 đến tháng 8) và gió
mùa đông bắc lạnh, ẩm ướt (từ tháng 11 đến tháng 3 năm sau). Tính trung
bình nhiều năm, nhiệt độ từ 23 - 24,20
C, tổng lượng mưa từ 1.200 - 2.000
mm, độ ẩm từ 80 - 90% và khoảng 1.460 giờ nắng.
- Thủy văn: Tỉnh Nghệ An có 7 lưu vực sông (có cửa riêng biệt) với tổng
chiều dài sông suối trên địa bàn tỉnh là 9.828 km, mật độ trung bình là 0,7
km/km2
. Sông lớn nhất là sông Cả (sông Lam) bắt nguồn từ huyện Mường
Pẹc tỉnh Xiêng Khoảng (Lào), có chiều dài là 532 km (riêng trên đất Nghệ An
có chiều dài là 361 km), diện tích lưu vực 27.200 km2
(riêng ở Nghệ An là
15.346 km2
). Tổng lượng nước hàng năm khoảng 28.109 m3
[39].
1.2 Tình hình nghiên cứu trong và ngoài
1.2.1 Tình hình nghiên cứu ngoài nước
Mưa lớn luôn là hiện tượng thời tiết nguy hiểm, ảnh hưởng xấu đến đời
sống, kinh tế-xã hội của con người, vì vậy các nhà khí tượng trên thế giới đặc
biệt quan tâm đến công tác nghiên cứu dự báo mưa lớn và có nhiều công trình
dự báo về mưa lớn. Trong vài thập niên gần đây phương pháp số trị đã được
ứng dụng và phát triển mạnh mẽ, với độ phân dãi ngày càng cao từ các mô
hình toàn cầu độ phân giải ngang 15 - 50 km đến các mô hình quy mô vừa
(<15 km). Mô hình dự báo số trị cho phép dự báo định lượng mưa chi tiết
theo không gian và thời gian.
1) Dự áo mưa ằng mô hình số tr
Như đã biết, mưa là kết cục của sự hòa hợp nhiệt động giữa ba yếu tố
quan trọng nhất là gió, nhiệt và ẩm nên biến động rất mạnh theo không gian
và thời gian. Như vậy, một mô hình NWP muốn dự báo mưa tốt cần đồng thời
dự báo tốt cả ba yếu tố gió, nhiệt và ẩm. Ngược lại, nếu mô hình NWP dự báo
mưa tốt đồng nghĩa với mô hình đã dự báo tốt các trường gió, nhiệt và ẩm của
khí quyển. Hiện nay, trên thế giới mô hình NWP khu vực phân giải cao có thể
nói đã phát triển khá hoàn thiện cho vùng ngoại nhiệt đới. Tuy vậy, dự báo
mưa của mô hình NWP vẫn còn nhiều hạn chế bởi lẽ một biến đổi tương đối

16. 5
nhỏ của một trong ba yếu tố trên cũng có thể dẫn đến biến đổi tương đối lớn
của lượng mưa cả về không gian và thời gian.
Đối với vùng nhiệt đới - xích đạo, vấn đề dự báo thời tiết nói chung và
dự báo mưa nói riêng bằng mô hình số càng phức tạp hơn so với vùng ngoại
nhiệt đới. Sự phức tạp trước hết vì chưa có lý thuyết hoàn chỉnh cho mối quan
hệ giữa trường khí áp và trường gió ở vùng vĩ độ rất thấp (kiểu như quan hệ
địa chuyển cho vĩ độ cao) nên không tạo ra được sự cân bằng tốt trong trạng
thái ban đầu và do đó sự điều chỉnh thường chỉ theo chiều thẳng đứng, trong
khi gió vùng nhiệt đới rất yếu nên một sai số tuyệt đối nhỏ trong tính toán
trường gió sẽ tác động đến sự phân bố đốt nóng đối lưu rất mạnh. Do đó, có
thể dẫn tới sai số tương đối lớn trong dự báo mưa… Khó khăn thứ hai không
kém phần quan trọng là mưa vùng nhiệt đới sinh ra chủ yếu bởi đối lưu sâu
mà trong mô hình thuỷ tĩnh với độ phân giải còn rất hạn chế thì đối lưu chỉ
được tham số hóa. Trong khi hiện nay, hiểu biết của con người về quá trình
hình thành và phát triển của đối lưu và đối lưu sâu còn chưa đầy đủ. Ở vùng
nhiệt đới, việc xác định đúng phân bố ẩm là nguồn gốc của mưa còn khó khăn
do hệ thống quan trắc thám sát còn nghèo nàn sẽ tác động rất lớn đến chất
lượng dự báo mưa của mô hình. Từ những luận điểm trên ta thấy, trước khi
muốn áp dụng một mô hình số có nguồn gốc từ vùng vĩ độ cao vào vùng nhiệt
đới trước hết cần cải tiến mô hình, còn gọi là khu vực hóa mô hình về động
lực để có thể tương thích hơn với động lực học nhiệt đới và khu vực hóa mô
hình về vật lý để mô tả tốt hơn các quá trình ở vùng nhiệt đới. Đây là bài toán
lớn và phức tạp tầm quốc tế, đòi hỏi nhiều công sức nghiên cứu.
Vào những năm đầu thập niên 80 của thế kỷ trước, tại Trung tâm Dự báo
thời tiết hạn vừa Châu Âu (ECMWF - European Center for Medium range
Weather Forecasting) đã có những cải tiến cơ bản trong dự báo nghiệp vụ
bằng mô hình toàn cầu cho các vùng nhiệt đới. Tại đây đã đưa vào thử
nghiệm sơ đồ tham số hóa đối lưu nông và sâu, một sơ đồ mây mới và tăng độ
phân giải ngang của mô hình. Kết quả cho thấy những cải tiến trong dự báo
vùng nhiệt đới thể hiện chủ yếu qua giảm sai số hệ thống phản ánh ràng buộc
phi đoạn nhiệt ở vùng nhiệt đới thực hơn. Trên qui mô toàn cầu, nghiên cứu
của Tiedtke & cs. (1988) [21] đã đánh giá tác động của tổ hợp vật lý và tăng
độ phân giải ngang đối với sai số hệ thống trong dự báo nghiệp vụ vùng nhiệt

17. 6
đới của ECMWF. Sự thiết lập tham số hóa vật lý có ảnh hưởng lớn không
những đối với sai số hệ thống mà còn đến chất lượng dự báo những yếu tố cá
biệt. Kết quả của những thay đổi này cho thấy, tham số hóa đối lưu mây tích
nông đã làm tăng thông lượng ẩm đi từ lớp biên vào các lớp cao hơn của vùng
cận nhiệt đới. Ở đây lớp nghịch nhiệt từ gió mậu dịch được duy trì cho ta cấu
trúc lớp điển hình là lớp biên - nghịch nhiệt. Lượng ẩm tăng lên này được
chuyển vào vùng nhiệt đới nhờ gió mậu dịch và nhờ đó làm tăng nguồn ẩm
cho đối lưu sâu. Nguồn ẩm tăng lên này cùng với biến đổi sơ đồ Kuo đã tạo ra
lượng mưa lớn hơn và phân bố mưa gần thực hơn theo vĩ độ địa lý.
Hình thế dải hội tụ nhiệt đới (ITCZ - InterTropical Convergence Zone)
của mô hình cũng được cải tiến nhiều và rãnh xích đạo cũng được mô phỏng
sâu hơn. Biến đổi chủ yếu trong sơ đồ đối lưu sâu là việc đánh giá lại tham số
ẩm. Kết quả của thay đổi trong sản phẩm mô hình là đốt nóng đối lưu nhiều
hơn và làm ẩm ít hơn đối với cùng một lượng ẩm được cung cấp nhờ hội tụ.
Tuy nhiên, mô hình có xu thế đạt tới trạng thái quá ẩm và quá lạnh. Thêm vào
đó, việc xác định lại độ cao chân mây cho ta chu trình ngày đêm của đối lưu
trên lục địa tiệm cận thực tế hơn. Do giải phóng ẩn nhiệt tăng mà cân bằng
năng lượng trong khí quyển cũng biến đổi. Thay cho làm lạnh toàn cầu, mô
hình khí quyển bây giờ đã ít nhiều nóng hơn. Đốt nóng phi đoạn nhiệt tăng
lên trước hết làm cho hoàn lưu Hadley mạnh lên và do đó làm biến đổi dòng
qui mô lớn, cụ thể là hoàn lưu gắn liền với cao áp cận nhiệt đới mạnh hơn so
với trước. Những cải tiến này đánh dấu một bước chuyển biến quan trọng
trong dự báo thời tiết nghiệp vụ vùng nhiệt đới.
Từ giữa thập kỷ 90, các nhà nghiên cứu trên thế giới đã kỳ vọng về khả
năng tăng cường chất lượng QPF do sự ra đời của các NWP khu vực phân
giải cao. Đây là mục tiêu chính trong các dự án của chương trình nghiên cứu
thời tiết thế giới WWRP (World Weather Research Programme) cũng như
chương trình nghiên cứu khí hậu thế giới WCRP (World Climate Research
Programme) kể từ thời gian này. Các dự án lớn bắt đầu được WWRP triển
khai thực hiện hướng tới tăng cường chất lượng QPF cho các loại hình thế
thời tiết khác nhau. Dự án MAP (Mesoscale Alpine Programme) mở đầu cho
quá trình này khi nghiên cứu bài toán QPF tại vùng núi cao Alpine (Bougeault
và cs. 2002 [22]) từ năm 1994 đến 2002.

18. 7
Tiếp theo MAP, dự án IHOP (International Water Vapour Project) được
thực hiện tại khu đồng bằng rộng lớn phía nam Hoa Kỳ (Weckwerth và cs.
2004 [33]). Khác với MAP tập trung nghiên cứu trên khu vực núi cao, khu
vực nghiên cứu của IHOP có địa hình bằng phẳng nhưng lại là nơi xuất hiện
những nhiễu động quy mô vừa với biên độ lớn.
Năm 2005, WWRP tiếp tục triển khai dự án CSIP (Convective Storm
Initiation Project) với QPF trên khu vực phía nam của vương quốc Anh
(Browning và cs. 2007 [23]). Đây là khu vực vĩ độ cao, điều kiện khí hậu biển
với sự kết hợp thường xuyên của các loại hình thế thời tiết như front, rãnh, và
dị thường xoáy thế.
2) Dự áo mưa ằng phương pháp thống kê
Như đã biết, rất nhiều phương pháp dự báo khí hậu và thời tiết nghiệp vụ
đều dựa trên nền tảng của thống kê. Điều này là do khí quyển là một hệ thống
động lực phi tuyến nên không thể dự báo chính xác theo quan điểm dự báo tất
định (deterministic). Chính vì thế, các phương pháp thống kê là thực sự cần
thiết và trở thành một phần không thể thiếu của các hệ thống dự báo. Trong
khoa học khí quyển, việc ứng dụng các phương pháp thống kê trong dự báo
nghiệp vụ có thể phân làm 2 dạng: dự áo thống kê cổ điển và dự áo thống
kê động lực (Wilks, 2006 [32]).
Phương pháp dự báo thống kê cổ điển được nghiên cứu phát triển trước
khi có các sản phẩm NWP và chủ yếu dựa trên cách tiếp cận dự báo hoàn hảo
(PP - Perfect Prog). Cùng với sự phát triển của khoa học khí quyển và công
nghệ tính toán, các sản phẩm NWP được sử dụng rộng rãi và đưa đến sự ra
đời của phương pháp dự báo thống kê động lực do các thông tin dự báo trực
tiếp từ mô hình NWP (DMO - Direct Model Output) vẫn chưa thực sự chính
xác. Về bản chất, cả hai phương pháp này đều dựa trên một số phương pháp
thống kê để thiết lập mối quan hệ tuyến tính hoặc phi tuyến giữa yếu tố dự
báo và một tập hợp các nhân tố dự báo. Các phương trình dự báo được xây
dựng dựa trên một tập số liệu trong quá khứ (gọi là tập số liệu phụ thuộc) và
áp dụng để dự báo cho tương lai. Cho đến nay, phương pháp thống kê cổ điển
ít khi được sử dụng cho bài toán dự báo thời tiết mà thay vào đó là các
phương pháp thống kê động lực (Wilks, 2006 [32]).

19. 8
Những nỗ lực nghiên cứu áp dụng các phương pháp thống kê trong bài
toán dự báo xác suất định lượng mưa (PQPF-Probabilistic Quantitative
Precipitation Forecast) dựa trên cách tiếp cận PP; khí hậu synop của Korte và
cs. (1972) [28]; và MOS của Glahn và Lowry (1972) [25]. Glahn và Lowry
(1972) chính là những người đặt nền móng đầu tiên trong việc ứng dụng các
phương pháp thống kê kết hợp với các sản phẩm dự báo từ mô hình NWP
nhằm mục đích: 1) Nâng cao chất lượng dự báo mưa từ mô hình NWP, 2) Dự
báo cho các điểm không được dự báo trực tiếp từ mô hình NWP, và 3) Áp
dụng cho bài toán downscaling. Đối với bài toán PQPF, mô hình MOS của
Glahn và Lowry (1972) được xây dựng dựa trên phương pháp hồi quy tuyến
tính đa biến với yếu tố dự báo là xác suất xảy ra mưa thay vì lượng mưa hiểu
theo nghĩa thông thường. Cụ thể, lượng mưa quan trắc sẽ được quy về biến
nhị phân trong đó nhận giá trị 1 nếu có mưa xảy ra (xác suất 100%) và giá trị
0 nếu không có mưa xảy ra (xác suất 0%). Glahn và Lowry (1972) gọi
phương pháp thống kê này là mô hình PoP (Probability of Precipatation). Quá
trình tuyển chọn nhân tố cho mô hình PoP được thực hiện dựa trên phương
pháp hồi quy từng bước với tiêu chuẩn dừng tuyển chọn dựa trên chỉ số đánh
giá BS. Trong nghiên cứu này, Glahn và Lowry (1972) không phát triển các
phương trình MOS cho tất cả các trạm mà dựa trên các đặc trưng khí hậu để
nhóm các trạm vào trong các nhóm khác nhau và phát triển các phương trình
MOS cho từng nhóm trạm này.
Kế thừa những thành công trong nghiên cứu của Lemcke và Kruizinga
(1988) [30] cho Hà Lan, Brunet và cs. (1988) [24] cho Canada,… Hầu hết các
nghiên cứu này dựa trên ý tưởng về mô hình PoP của Glahn và Lowry (1972)
[25] nhưng đã được địa phương hóa và có một số điểm khác biệt liên quan
đến các tùy chọn về ngưỡng mưa, tập nhân tố, dung lượng mẫu, mùa dự báo,
tiêu chí tuyển chọn nhân tố,… Tuy nhiên, có một kết quả chung mà tất cả các
nghiên cứu nói trên chỉ ra đó là các kết quả dự báo từ MOS đã cho thấy sự cải
thiện đáng kể trong chất lượng dự báo so với DMO, dự báo khí hậu quán tính
và dự báo chủ quan của dự báo viên. Đặc biệt, cách tiếp cận MOS còn được
ứng dụng để phát triển các phương trình dự báo lượng mưa trung bình lưu vực
sông như trong các nghiên cứu của Krzysztofowitz và cs. (1993) [29],
Knuepffer (1996) [27], Sigrest và Krzysztofowitz (1998) [29], Charba (1998)

20. 9
[34] và Antolik (2000) [35], và Sokol (2003) [31].
1.2.2 Tình hình nghiên cứu trong nước
Việt Nam hàng năm đều chịu ảnh hưởng của các hình thế thời tiết gây
mưa lớn như: Bão, ATNĐ, không khí lạnh có cường độ mạnh,... Mưa lớn gây
ra những thiệt hại to lớn về kinh tế và con người, do vậy từ trước đến nay các
nhà khí tượng trong nước rất quan tâm đến việc nghiên cứu dự báo mưa lớn.
Trước đây, trong nghiệp vụ dự báo, các cơ quan dự báo khí tượng thủy văn từ
cấp Trung ương đến địa phương đã sử dụng chủ yếu là phương pháp synop để
dự báo hình thế thời tiết và dự báo mưa hàng ngày. Các bản đồ synop lúc này
còn vẽ thủ công, các đường đẳng áp còn thưa (phổ biến cách nhau 5mb), số
liệu mặt đất còn thưa, số liệu trên cao còn quá ít. Do vậy phương pháp synop
lúc này chủ yếu là phân tích hình thế và kết quả chỉ dự báo được xu thế mưa
cho từng khu vực tương đối rộng lớn, các khu vực nhỏ chưa được chính xác,
và chưa dự báo được định lượng mưa. Phương pháp thống kê đã được dùng
đến, nhưng chủ yếu là dựa vào phương pháp hồi quy đơn giản áp dụng cho
một vài điểm, kết quả chưa cao vì nguồn số liệu sử dụng còn ít và là số liệu
mặt đất của các trạm quan trắc bề mặt.
Trong những năm gần đây, trước nhu cầu cấp bách về việc nâng cao chất
lượng dự báo cùng với sự phát triển mạnh mẽ của công nghệ dự báo thời tiết
bằng phương pháp số trị trên thế giới thì ở Việt Nam đã tiến hành tiếp thu
công nghệ của một số mô hình như RAMS, ETA, WRF, MM5, HRM nhằm
mục đích nghiên cứu, cải tiến và áp dụng thành công các mô hình này phục
vụ cho công tác dự báo thời tiết nói chung và dự báo mưa nói riêng tại Việt
Nam. Trong đó tiêu biểu là các công trình nghiên cứu.
Năm 2005, Hoàng Đức Cường và cs. đã ứng dụng mô hình MM5 của Mỹ
để dự báo mưa lớn và bão cho toàn bộ lãnh thổ Việt Nam với trường đầu vào từ
mô hình toàn cầu GFS của NCEP, không xây dựng hệ thống phân tích riêng
của mình. Nhóm tác giả tập trung thử nghiệm các sơ đồ tham số hóa khác nhau
và kết luận rằng, không có một tổ hợp sơ đồ tham số hóa nào tối ưu cho mọi
hình thế thời tiết gây mưa. Như vậy nghiên cứu của nhóm tác giả cũng chưa
giải quyết được bài toán dự báo mưa lớn cho khu vực Bắc Bộ Việt Nam.
Khi thực hiện nhiệm vụ dự báo mưa nhỏ mưa phùn cho khu vực bắc

21. 10
Trung Bộ, Nguyễn Viết Lành đã phân tích được các hình thế synop cũng như
những điều kiện khí tượng có thể gây mưa nên mưa nhỏ mưa phùn cho khu
vực nghiên cứu một cách khá đầy đủ và khoa học. Đặc biệt, tác giả đã xây
dựng được bộ phương trình dự báo sự xuất hiện mưa nhỏ mưa phùn với thời
hạn dự báo 24 giờ cho 10 trạm khí tượng đại diện cho khu vực Bắc Trung Bộ
bằng phương pháp thống kê trên chuỗi số liệu quan trắc tại trạm. Kết quả cho
thấy, bộ phương trình có độ chính xác trên 79% trên chuỗi số liệu phụ thuộc
và 74% trên chuỗi số liệu độc lập [37].
Khi thử nghiệm dự báo mưa lớn khu vực Nam Trung Bộ, Bùi Minh Sơn
và Phan Văn Tân đã sử dụng mô hình quy mô vừa MM5 để khảo sát khả năng
dự báo các sự kiện mưa lớn trong thời kỳ 2005-2007 ở khu vực Nam Trung
Bộ. Hai thí nghiệm đã được thực hiện: 1) Chạy mô hình dự báo cho các đợt
mưa lớn điển hình xảy ra trên khu vực Nam Trung Bộ thời kỳ 2005-2007 với
3 sơ đồ tham số hóa đối lưu khác nhau là sơ đồ Kuo (Ku), sơ đồ Betts-Miller
(BM) và sơ đồ Grell (Gr); 2) Chạy mô hình dự báo cho tất cả 23 đợt mưa lớn
trong thời kỳ nói trên, trong đó các đợt mưa lớn này được chia làm 3 nhóm
căn cứ vào các dạng hình thế synôp gây mưa. Việc đánh giá kết quả dự báo
được thực hiện khi sử dụng số liệu quan trắc từ 20 trạm khí tượng trên khu
vực nghiên cứu. Kết quả nhận được cho thấy, khi sử dụng MM5 để dự báo
mưa lớn trên khu vực Nam Trung Bộ, trong số các sơ đồ tham số hóa đối lưu,
sơ đồ BM cho lượng mưa và phân bố không gian của mưa tốt hơn một ít.
Diện mưa mô hình thường nhỏ diện mưa quan trắc trong điều kiện mưa do
ảnh hưởng của KKL, nhưng lớn hơn trong các hình thế chịu ảnh hưởng của
bão hoặc áp thấp nhiệt đới. Mưa dự báo có xu hướng vượt quá quan trắc trong
các hình thế bão, áp thấp nhiệt đới, và thấp hơn quan trắc trong các điều kiện
có sự kết hợp giữa KKL và bão, áp thấp nhiệt đới hoặc dải hội tụ nhiệt đới.
Nói chung, MM5 có thể dự báo được các sự kiện mưa lớn trên khu vực Nam
Trung Bộ, nhưng cho kết quả dự báo tốt hơn một ít trong các điều kiện mưa
gây ra do sự hoạt động của xoáy thuận nhiệt đới hoặc có sự tương tác giữa chúng
với KKL [13].
Năm 2008, Vũ Thanh Hằng và cs. đã thực hiện đề tài nghiên cứu
“Nghiên cứu cải tiến sơ đồ tham số hóa đối lưu để dự báo mưa lớn khu vực
Bắc Bộ bằng mô hình HRM”. Đề tài này đã thu được một số kết quả trong

22. 11
việc nâng cao chất lượng dự báo định lượng từ mô hình HRM. Tuy nhiên, các
kết quả mới chỉ dừng lại ở nghiên cứu và chưa ứng dụng được cho tác nghiệp
dự báo.
Khi nghiên cứu đánh giá khả năng dự báo mưa cho khu vực Quảng Ngãi
với thời hạn từ 1 đến 2 ngày, Công Thanh và cs. [38] đã sử dụng 3 phương án
dự báo là: Sử dụng mô hình RAMS, sử dụng mô hình WRF và sử dụng tổ hợp
2 mô hình trên. Kết quả dự báo cho thấy có thể sử dụng mô hình RAMS và
phương án tổ hợp để dự báo mưa ở hạn 24 giờ và sử dụng mô hình RAMS để
dự báo mưa cho hạn 48 giờ. Kết quả nghiên cứu có thể trợ giúp người làm dự
báo nghiệp vụ có thêm thông tin dự báo mưa lớn cho khu vực Quảng Ngãi để
phục vụ phòng chống thiên tai.
Năm 2009, Bùi Minh Tăng và cs. đã thử nghiệm dự báo định lượng mưa
cho hạn dựa báo 24 giờ dựa trên một số phương pháp MOS truyền thống như
hồi quy tuyến tính đa biến (MLR), phân tích riêng biệt (MDA), mạng thần
kinh nhân tạo (ANN) và hồi quy logistic (LR) từ sản phẩm của mô hình HRM
và GSM. Các phương trình MOS được phát triển cho cả mục đích dự báo
định lượng và dự báo xác suất. Các kết quả đánh giá đã cho thấy kỹ năng dự
báo mưa đã được cải thiện so với dự báo trực tiếp từ mô hình trong đó
phương pháp MLR có kỹ năng tốt nhất và hiệu quả nhất về mặt tính toán.
Ngoài ra, với cùng một phương pháp thống kê thì áp dụng cho mô hình GSM
sẽ đem lại nhiều hiệu quả hơn so với mô hình HRM. Tuy nhiên, các phương
pháp được sử dụng trong nghiên cứu này vẫn bộc lộ những hạn chế của
phương pháp MOS truyền thống.
Thực hiện đề tài nghiên cứu khoa học “Nghiên cứu cải tiến và triển khai
nghiệp vụ hệ thống dự báo các yếu tố khí tượng thời hạn 6-72h bằng phương
pháp thống kê trên sản phẩm mô hình GSM”, Võ Văn Hòa đã xây dựng hệ
thống UMOS, KF cho các yếu tố lượng mưa, độ cao chân mây và tầm nhìn
xa để hoàn thiện hệ thống MOS dựa trên mô hình GSM độ phân giải 1,25.
Theo đó, có 10 yếu tố dự báo được nghiên cứu dự báo theo UMOS và KF dựa
trên sản phẩm mô hình GSM độ phân giải 0.5 x 0.5 đến hạn dự báo 3 ngày
với thời đoạn 6 giờ một. Trong 10 yếu tố dự báo, có 4 yếu tố dự báo được
phân cấp dự báo gồm 4 cấp vân lượng mây, 4 cấp lượng mưa tích lũy 24h, 5
cấp độ cao chân mây và 5 cấp tầm nhìn xa. Bên cạnh các phương pháp

23. 12
UMOS và KF áp dụng cho điểm trạm, trong nghiên cứu này chúng tôi cũng
phát triển hệ thống GMOS để đưa các dự báo UMOS và KF tại điểm trạm về
lưới phân giải cao để trên cơ sở đó tạo ra các dự báo cho các điểm bất kỳ
không thuộc mạng lưới quan trắc bề mặt [18].
Năm 2014, Bùi Minh Tăng và cộng sự đã thực hiện đề tài độc lập cấp
Nhà nước “Nghiên cứu xây dựng công nghệ dự báo mưa lớn thời hạn 2-3
ngày phục vụ công tác cảnh báo sớm lũ lụt khu vực Trung Bộ Việt Nam”.
Luận văn đã chỉ ra các hình thế gây mưa lớn các tỉnh Trung Bộ trong giai
đoạn 2001-2010, trên cơ sở đó xây dựng công nghệ dự báo mưa lớn thời hạn
2-3 ngày, tuy nhiên chất lượng dự báo mưa to, mưa rất to vẫn còn nhiều hạn
chế đặc biệt là những khu vực địa hình phức tạp và thiếu trạm đo.
Gần đây nhất, năm 2015, Vũ Văn Thăng thực hiện nghiên cứu cơ chế
nhiệt động lực gây mưa lớn và khả năng dự báo mưa lớn mùa hè khu vực
Nam Bộ và Nam Tây Nguyên do tương tác gió mùa tây nam-bão trên biển
Đông. Đề tài đã đưa ra bộ số liệu về các đợt mưa lớn; các hình thế gây mưa
lớn mùa hè khu vực Nam Bộ và Nam Tây Nguyên; báo cáo phân tích hình thế
gây mưa lớn; bộ tham số về cấu hình, các tham số vật lý phù hợp với mô hình
WRF cho bài toán dự báo mưa lớn mùa hè ở Nam Bộ và Nam Tây Nguyên
trong trường hợp có tương tác của gió mùa tây nam và bão trên biển Đông;
báo cáo kết quả mô phỏng và thử nghiệm dự báo mưa lớn mùa hè ở Nam Bộ
và Nam Tây Nguyên trong trường hợp có tương tác của gió mùa tây nam và
bão trên biển Đông; báo cáo cơ chế nhiệt động lực gây mưa lớn ở Nam Bộ và
Nam Tây Nguyên trong trường hợp có tương tác của gió mùa tây nam và bão
trên biển Đông.
Bên cạnh hướng nghiên cứu ứng dụng các sơ đồ đồng hóa số liệu để
nâng cao chất lượng trường ban đầu cho các mô hình NWP khu vực, hướng
tiếp cận thống kê sau mô hình (MOS) cũng đã được triển khai tại TTDBTƯ từ
năm 2002 (Đỗ Lệ Thủy và cs. 2007 [14]; Võ Văn Hòa và cs. 2007 [16]). Hiện
tại, hệ thống MOS tại TTDBTƯ được phát triển dựa trên 2 kỹ thuật thống kê
hiện đại có khả năng cập nhật trọng số theo thời gian gồm UMOS, lọc
Kalman và triển khai nghiệp vụ cho hầu hết các yếu tố khí tượng bề mặt như
nhiệt độ tối cao, tối thấp, gió bề mặt, tầm nhìn xa, độ cao chân mây và lượng
mưa (Đỗ Lệ Thủy và cs. 2009 [15]; Võ Văn Hòa và cs. 2014 [17]). Bộ nhân

24. 13
tố được sử dụng lấy từ các trường phân tích và dự báo của mô hình toàn cầu
GSM độ phân giải 1.25 của JMA. Hệ thống MOS này được xây dựng cho
toàn bộ các điểm trạm quan trắc synop thuộc mạng lưới quan trắc và được
đưa lên lưới có độ phân giải 5km thông qua kỹ thuật phân tích GMOS
(Gridded MOS). Các kết quả đánh giá cho thấy hệ thống UMOS và KF có kỹ
năng dự báo tốt cho bài toán PoP và chưa tốt cho bài toán QPF, đặc biệt là tại
các ngưỡng mưa lớn.
Theo Trần Trung Thành [37], những hình thế thời tiết gây mưa lớn cho
khu vực phía đông Trường Sơn của tỉnh Gia Lai là: (1) Không khí lạnh xâm
nhập; (2) Ảnh hưởng của hoàn lưu bão; (3) Ảnh hưởng của ITCZ; (4) Ảnh
hưởng của không khí lạnh xâm nhập kết hợp với đới gió đông trên cao; (5)
Ảnh hưởng của không khí lạnh xâm nhập kết hợp rìa phía bắc ITCZ hoặc
rãnh gió mùa; (6) Ảnh hưởng của không khí lạnh xâm nhập kết hợp rìa tây
bắc hoàn lưu bão; (7) Ảnh hưởng của không khí lạnh xâm nhập kết hợp với
đới gió đông hoạt động mạnh và rìa tây bắc hoàn lưu bão, ATNĐ.
Như vậy, qua tổng hợp hình hình nghiên cứu trong nước, thấy rằng hiện
chưa có một nghiên cứu cụ thể nào về các hình thế gây mưa lớn tại khu vực
tỉnh Nghệ An, nơi có địa hình đồi núi phức tạp. Tuy nhiên, các nghiên cứu
cũng đã chỉ ra rằng, khi những hình thế thời tiết đến từ phía tây tác động đến,
các khu vực nằm ở phía đông dãy Trường Sơn không mưa, nếu không nói là
chịu nắng nóng do hiệu ứng phơn. Còn những hình thế thời tiết đến từ phía
đông có khả năng cho mưa đối với khu vực nằm ở phía đông dãy Trường Sơn
rất cao.
1.2.3 Thực trạng công tác dự báo mưa tại Đài KTTV khu vực Bắc Trung
Bộ
Công tác dự báo thời tiết nói chung và dự báo mưa nói riêng hiện Đài
đang sử dụng các phương pháp sau.
1. Phương pháp synop
Phương pháp synop hiện nay vẫn là phương pháp đang sử dụng thịnh
hành và là dòng dẫn chính trong dự báo thời tiết. Các dự báo viên thông qua
việc phân tích các bản đồ hiện tại ở mặt đất cũng như tầng cao ở các mực cơ
bản (850mb, 700mb, 500mb, 300mb, 200mb,….) dựa trên các số liệu quan

25. 14
trắc mặt đất và thám không vô tuyến. Các bản đồ phân tích cho khu vực Việt
Nam và lân cận, hàng ngày được các dự báo viên thu nhận từ Trung tâm Dự
báo KTTV Quốc gia, Trung tâm Dự báo thời tiết Thái Lan,... Đây là phương
pháp dự báo dự báo mang tính chủ quan nên phụ thuộc vào kiến thức và kinh
nghiệm phân tích của dự báo viên.
2. Phương pháp thống kê vật lý
Hiện phương pháp thống kê đang được sử dụng có hiệu quả trong việc
dự báo thời tiết hạn vừa (10 ngày), hạn dài (tháng, mùa vụ). Trong tác nghiệp
dự báo định lượng mưa thời đoạn 24h phương pháp thống kê đã được Đài áp
dụng nhiều năm, nguồn số liệu đưa vào tính toán là số liệu quan trắc của các
trạm trong khu vực, chất lượng dự báo không cao, theo đánh giá chỉ đạt ở
mức xấp xỉ 60% theo quy định đánh giá hiện hành.
3. Mô hình dự báo số tr
Hiện Đài sử dụng kết quả các sản phẩm mô hình HRM, WRF,... từ
Trung tâm Dự báo KTTV Quốc gia và kết nối các kết quả dự báo đến Đài
KTTV khu vực Bắc Trung Bộ. Tham khảo các sản phẩm mô hình dự báo của
Trung tâm Dự báo châu Âu, Nhật Bản, Hồng Kông. Từ tháng 5/2016 Đài đã
tiếp nhận và chuyển giao chạy mô hình WRF riêng cho khu vực Bắc Trung
Bộ với độ phân giải (5km x 5km), hiện đang theo dõi, đánh giá để hiệu chỉnh
cho phù hợp.
Tóm lại, từ những kết quả nghiên cứu trên, ta có thể nhận thấy rằng, việc
nghiên cứu các hình thế gây mưa lớn và xây dựng phương trình dự báo mưa
thời hạn 24 giờ trong mùa mưa cho khu vực tỉnh Nghệ An là một vấn đề vừa
có ý nghĩa thực tiễn, vừa có ý nghĩa khoa học, tính thời sự trong công tác dự
báo định lượng mưa ở tỉnh Nghệ An.

26. 15
CHƢƠNG 2
CƠ SỞ SỐ LIỆU VÀ PHƢƠNG PHÁP NGHIÊN CỨU
2.1 Cơ sở số liệu
Để nghiên cứu, xác định được các hình thế thời tiết gây mưa lớn và xây
dựng phương trình dự báo định mưa trong các tháng mùa lũ cho tỉnh Nghệ
An, luận văn sử dụng các nguồn số liệu sau:
2.1.1 Số liệu quan trắc
1) Các trạm khí tượng cần khai thác: Cả 09 trạm khí tượng: Vinh, Hòn
Ngư, Quỳnh Lưu, Đô Lương, Con Cuông, Tương Dương, Quỳ Hợp, Tây Hiếu
và Quỳ Châu (hình 2.1).
Hình 2.1. B n đồ Mạng lư i trạm khí tượng thủy văn khu vực Bắc Trung Bộ
2) Các yếu tố khí tượng cần khai thác:
- Lượng mưa ngày tại 09 trạm khí tượng để xác định hình thế thời tiết
gây mưa lớn và làm yếu tố dự báo;
- Nhiệt độ, gió, khí áp, độ ẩm và nhiệt độ điểm sương tại các kỳ quan

27. 16
trắc 18z, 00z, 06zh và 12z, của 04 trạm khí tượng: Vinh, Quỳnh Lưu, Tây
Hiếu và Quỳ Châu cùng tham gia làm nhân tố dự báo sơ cấp.
3) Thời gian cần khai thác: Từ tháng 6 đến tháng 11 hàng năm trong thời
gian 11 năm, từ năm 2007 đến năm 2017.
2.1.2 Số liệu mô hình
Luận văn tiến hành khai thác sản phẩm mô hình số trị của Trung tâm Dự
báo Thời tiết hạn vừa châu Âu (European Centre for Medium-Range Wether
Forecasts -ECMWF).
ECMWF là một cơ quan độc lập hỗ trợ bởi 34 nước thành viên.
ECMWF thực hiện cả nghiên cứu và nghiệp vụ dự báo. ECMWF được thiết
lập từ năm 1975, hiện tại có khoảng 350 nhân viên tới từ 34 quốc gia khác
nhau. Trụ sở ECMWF được đặt tại thành phố Reading, Vương quốc Anh. Hệ
thống siêu máy tính và lưu trữ dữ liệu tại ECMWF là một trong những hệ
thống lớn nhất thế giới trong cùng lĩnh vực.
Từ năm 2012 Trung tâm Dự báo khí tượng thủy văn Trung ương đã bắt
đầu khai thác và sử dụng sản phẩm dự báo khí tượng của ECMWF. Đây là
một sản phẩm có độ tin cậy cao, là một nguồn tham khảo không thể bỏ qua
đối với mỗi dự báo viên khí tượng ở Việt Nam.
Một trong những sản phẩm của ECMWF được sử dụng rộng rãi nhất là
số liệu ERA-interim. ERA-Interim là số liệu tái phân tích khí quyển toàn cầu
từ năm 1979, được cập nhật liên tục trong thời gian thực. Hệ thống đồng hóa
dữ liệu được sử dụng để tạo ERA-Interim dựa trên bản phát hành năm 2006
của IFS (Cy31r2). Hệ thống bao gồm phân tích đa dạng 4 chiều (4D-Var). Độ
phân giải khác nhau từ 0.125o
× 0.125o
cho đến 3o
×3o
,với các mực thẳng
đứng từ bề mặt lên đến 0,1 hPa.
Số liệu xây dựng bản đồ
Số liệu tái phân tích Era-interim của ECMWF từ tháng 6 đến tháng 11
hàng năm trong giai đoạn từ năm 2007 đến 2017. Bao gồm các yếu tố độ cao
địa thế vị (z), khí áp mực biển (msl), thành phần gió vĩ hướng (u), thành phần
gió kinh hướng (v). Các yếu tố này được lấy tại [40], xuất theo dạng lưới
0.5o
×0.5o
, tại thời điểm 00:00 giờ GMT hàng ngày,trong phạm vi 10o
S-50o
N,
60-160o
E.

28. 17
Số liệu xây dựng phƣơng trình
Số liệu mô hình của ECMWF được lấy từ tháng 6 đến tháng 11 hàng
năm trong giai đoạn từ năm 2012 đến năm 2017. Bao gồm các yếu tố: Nhiệt
độ (T), độ ẩm riêng (Q), thành phần gió vĩ hướng (U), thành phần gió kinh
hướng (V) và xoáy thế (PV) tại các mực 1000mb, 925mb, 850mb, 700mb,
500mb. Các yếu tố này được lấy tại [40], xuất theo dạng lưới 0.5o
×0.5o
, tại
thời điểm 00:00 giờ GMT hàng ngày và được tính trung bình tại các vùng :
18-200
N, 107-1090
E; 19-210
N, 107-1090
E; 18-200
N, 108-1100
E.
- Khu vực cần khai thác: Do đặc điểm của những hình thế thời tiết ảnh
hưởng đến khu vực nghiên cứu thường đến từ phía đông bắc, đông và đông
đông nam và với tốc độ gió trung bình từ 4-6m/s nên trong khoảng 24 giờ
không khí ở trong phạm vi của các ô lưới: 18-200
N, 107-1090
E; 19-210
N,
107-1090
E; 18-200
N, 108-1100
E sẽ di chuyển đến khu vực nghiên cứu nên
những ô lưới này sẽ được chọn để lấy giá trị các yếu tố khí tượng làm nhân tố
dự báo. Giá trị của các yếu tố khí tượng được lấy trung bình cho cả ô lưới.
2.2 Phƣơng pháp nghiên cứu
Như đã nói, phương pháp thống kê được sử dụng rất rộng rãi trong
nghiên cứu khí tượng, khí hậu nói chung và nghiên cứu dự báo thời tiết nói
riêng. Trong thống kê, hiện có rất nhiều phương pháp được sử dụng để xây
dựng phương trình dự báo xác suất xuất hiện hiện tượng khí tượng. Các
phương trình dự báo này được phát triển từ những phương pháp đơn giản như
biểu đồ tụ điểm, hồi quy đơn giản cho đến các phương pháp thống kê hiện đại
như nguyên lý tương tự, xích Markov, hồi quy nhiều chiều, phân tích phân
biệt, thống kê trên các sản phẩm của mô hình số trị,...
Luận văn này sẽ tiến hành sử dụng phương pháp thống kê đã được rất
nhiều tác giả sử dụng và cũng đã đạt được những kết quả rất khả quan trong
việc xây dựng các công thức dự báo thời tiết, đó là hàm hồi quy nhiều chiều
để dự báo mưa cho các trạm khí tượng trên khu vực Nghệ An. Phương pháp
này đã được rất nhiều nhà khí tượng trong và ngoài nước ứng dụng để xây
dựng các phương trình dự báo hiện tượng khí tượng. Lý thuyết của phương
pháp được trình bày tóm tắt như sau:

29. 18
2.2.1 Các dạng biến trong dự báo thống kê
Từ một tập hợp các nhân tố ban đầu có thể được nhân lên nhiều lần bằng
những phép biến đổi toán học. Vì trong rất nhiều trường hợp, các nhân tố dẫn
xuất này rất có ý nghĩa trong việc xây dựng phương trình hồi quy. Trong một
số trường hợp, phép biến đổi được thực hiện trên cơ sở những hiểu biết vật lý
nhưng cũng không ít trường hợp, phép biến đổi lại dựa vào kinh nghiệm.
Những phép biến đổi như x2=x1
n
hay x2=x1
1/n
là những phép biến đổi thường
được sử dụng. Khi đó, x2 được xem như là một biến dự báo khác x1. Ngoài ra,
một dạng biến khác thường gặp trong các bài toán khí tượng là dạng biến nhị
phân. Biến nhị phân nhận một trong hai giá trị (thông thường là 0 và 1, mặc dù
sự lựa chọn không làm ảnh hưởng đến kết quả) phụ thuộc vào biến được biến
đổi lớn hơn hay nhỏ hơn một giá trị ngưỡng C nào đó. Khi thay giá trị ngưỡng
C ta lại được một biến khác.
Các phương trình dự báo dựa trên cơ sở thống kê cho ta biết thông tin
về xác suất xuất hiện của một yếu tố dự báo nào đó. Theo nghĩa hẹp, dự báo
xác suất là dự báo trong đó yếu tố dự báo là một xác suất chứ không phải là
giá trị của biến khí tượng. Thông thường, phương trình dự báo xác suất được
xây dựng trên cơ sở phép hồi quy bằng việc biến đổi yếu tố dự báo thành
biến nhị phân nhận giá trị 0 và 1 như các nhân tố dự báo đã nói ở trên. Khi
đó phép hồi quy sẽ được thực hiện. Nghĩa là 0 và 1 được xem như là xác
suất của yếu tố dự báo không xuất hiện và có xuất hiện.
2.2.2 Phép ước lượng hồi quy xác suất sự kiện
Có hai phép gần đúng hồi quy để ước lượng xác suất của yếu tố dự báo
là phép hồi quy loga và phép ước lượng hồi quy xác suất sự kiện REEP
(Regression Estimation of Event Probabilities). Trong đó phép ước lượng hồi
quy xác suất sự kiện có ưu việt là không đòi hỏi phải tính toán nhiều hơn bất
kỳ một mô hình hồi quy tuyến tính nào.
Mô hình ước lượng hồi quy xác suất sự kiện có thể được nêu một cách
ngắn gọn như sau:
Trong trường hợp dự báo pha, giả sử có K pha thời tiết khác nhau: 1,
2,..., K, xác suất để cho pha thời tiết thứ i xảy ra sẽ là Pi = P(i), trong đó i =
1, 2,..., K. Gọi X là vector các nhân tố dự báo, X = {x1, x2, ..., xm}, khi đó yếu

30. 19
tố khí tượng cần dự báo (biến phụ thuộc) phụ thuộc vào m nhân tố dự báo
(biến độc lập). Nếu ký hiệu P*
là vector ước lượng của P (P = {P1, P2,..., PK}),
khi đó ta có:
P*
= A . X + A0 (2.1)
Trong đó, A là ma trận K hàng m cột chứa các hệ số hồi quy, A0 là
vector các hệ số tự do. Ma trận A và vec tơ A0 được xác định bằng phương
pháp bình phương tối thiểu. Điều kiện ràng buộc khi xác định các hệ số trong
A và A0 là, tại mọi thời điểm, chúng cần phải thoả mãn hệ thức:
1P
K
1i
i 
(2.2)
Trên cơ sở những nguyên tắc này, để ứng dụng cho bài toán dự báo mưa,
ta có bài toán dự báo lựa chọn giữa 2 pha thời tiết là có mưa và không có mưa
xuất hiện.
Gọi  là sự kiện có mưa và P là xác suất xuất hiện sự kiện . Khi đó P sẽ
nhận giá trị bằng 1 nếu có mưa và P nhận giá trị bằng 0 nếu không có MƯA.
Như vậy, xác suất để sự kiện  xuất hiện sẽ là:
P() = P(P = 1) = M[P] (2.3)
Trong đó M là toán tử kỳ vọng.
Như vậy ta thấy rằng, để xác định được xác suất xuất hiện hiện tượng ,
ta cần phải xác định được kỳ vọng toán của biến ngẫu nhiên P.
Giả thiết rằng, xác suất xuất hiện sự kiện  phụ thuộc vào m nhân tố dự
báo x1, x2,..., xm. Khi đó, thay cho P(), ta có xác suất có điều kiện P(/X).
P(/X) = M[P/X] (2.4)
Trong đó: X là vector các nhân tố dự báo X = {x1, x2 , ... , xm}.
M[P/X] là kỳ vọng có điều kiện của biến ngẫu nhiên P.
Như vậy, để dự báo xác suất xuất hiện mưa theo vector các nhân tố dự
báo X = { x1, x2, ... , xm} đã chọn, chúng ta cần phải xác định được kỳ vọng có
điều kiện M[P/X]. Thông thường, M[P/X] được xấp xỉ bằng một tổ hợp tuyến
tính các nhân tố dự báo:
P = M[P/X] = a0 + a1x1 + a2x2 + ... + amxm (2.5)
Trong đó, các hệ số ai (i = 0, 1, ... , m) là các hệ số hồi quy được xác định

31. 20
bằng phương pháp bình phương tối thiểu.
Ta có thể nhận thấy rằng, việc xấp xỉ P bằng một tổ hợp tuyến tính của
các biến như trên có thể chưa phản ánh hết được mối quan hệ phụ thuộc giữa
P với các nhân tố dự báo xi. Bởi vì mối quan hệ giữa chúng rất có thể không
hoàn toàn là tuyến tính. Do đó, thay cho (2.5), ta cần biểu diễn P dưới dạng
một hàm nào đó của các nhân tố này:
P = M[P/X] = f (x1, x2, ... , xm) (2.6)
Như vậy, để xác định được P, ta phải xây dựng được hàm f(xi). Trên
thực tế khó có thể tìm được một hàm f(xi) có dạng (2.6) mô tả đầy đủ sự phụ
thuộc của P vào tập các nhân tố và tham số dự báo.
2.2.3 Lọc nhân tố
Nguyên tắc kiểm tra đánh giá để lựa chọn công thức dự báo tốt nhất
ngoài việc dựa vào tiêu chuẩn hiệu quả dự báo còn phải căn cứ vào số lượng
biến tham gia vào phương trình hồi quy. Nếu phương trình sau cho hiệu quả
dự báo cao hơn phương trình trước nhưng mức độ cao hơn không đáng kể mà
số biến có mặt trong đó lại tăng lên thì vẫn không được lựa chọn. Một trong
những điều kiện ràng buộc quan trọng khi thực hiện phép lọc là chất lượng
của phương trình hồi quy. Sau mỗi bước tính, trước khi đưa vào đánh giá hiệu
quả để lựa chọn, các phương trình hồi quy thu được đều phải được kiểm
nghiệm theo tiểu chuẩn F với mức ý nghĩa nào đó. Điều đó cho phép lựa chọn
được tổ hợp biến có số lượng biến ít nhất có thể mà vẫn bảo đảm được độ tin
cậy của công thức dự báo.
Có nhiều phương pháp lọc nhân tố. Phương pháp hồi quy từng bước là
một trong những phương pháp thường được sử dụng. Ưu điểm của phương
pháp này là lựa chọn được tập những nhân tố tương quan với nhau kém nhưng
lại quan hệ chặt chẽ với yếu tố dự báo. Tiêu chuẩn lọc của phương pháp này
có thể căn cứ vào hệ số tương quan riêng hoặc hệ số tương quan bội.
Trong luận văn này chúng tôi sử dụng phương pháp hồi quy từng bước
để lọc nhân tố. Phương pháp này được tóm tắt như sau:
Bước 1: Tính các hệ số tương quan toàn phần ryi giữa yếu tố dự báo y với
các nhân tố dự báo xi (i=1, 2,..., m), sau đó chọn trong chúng hệ số tương
quan nào có giá trị tuyệt đối lớn nhất. Giả sử:

32. 21
 yi
mi1
y1 rmaxr

 (2.7)
Khi đó biến x1 là nhân tố có tác động chính lên y và ta xây dựng phương
trình hồi quy:
y(1)
=a0
(1)
+a1
(1)
x1 (2.8)
Tương ứng với phương trình (2.8) ta tính được chuẩn sai thặng dư s(1)
:
1mn
Q
s(1)

 (2.9)
trong đó, Q là tổng bình phương các sai số, (n-m-1) là số bậc tự do của
Q.
Bước 2: tính các hệ số tương quan riêng ryi.1 (i=2, 3,..., m) và cũng chọn
hệ số có giá trị lớn nhất trong chúng. Giả sử:
 yi.1
mi2
y2.1 rmaxr

 (2.10)
Khi đó ta chọn tiếp biến x2 và xây dựng phương trình hồi quy:
y(2)
=a0
(2)
+a1
(2)
x1 +a2
(2)
x2 (2.11)
Tương ứng với nó ta cũng tính được chuẩn sai thặng dư s(2)
. Đến đây ta
có phương trình hồi quy hai biến (2.11) mà độ chính xác của nó được đánh
giá bởi s(2)
.
Bước 3: So sánh giá trị chuẩn thặng dư s(2)
với s(1)
.
Nếu: ε
s
ss
(2)
(1)(2)


(2.12)
thì biến x2 sẽ bị bỏ qua và một biến khác trong số các biến còn lại sẽ
được lựa chọn để xây dựng phương trình hồi quy (2.11) và bắt đầu tính từ
bước 2. Ở đây,  là một số dương tuỳ ý ta đưa vào để đánh giá xem nếu khi ta
tăng thêm biến cho phương trình hồi quy thì độ chính xác của nó có tăng lên
đáng kể hay không. Hay nói cách khác, khi thêm vào phương trình hồi quy
một biến mới thì sự đóng góp thông tin của nó làm giảm sai số được bao
nhiêu phần trăm, nếu mức độ giảm không vượt quá  thì có thể bỏ qua nó.
Tuy nhiên, y2.1r có giá trị lớn nhất trong số các yi.1r , do đó nhân tố sẽ
được đưa vào tiếp theo thay thế x2, chẳng hạn x3, sẽ là nhân tố thoả mãn điều

33. 22
kiện:  yi.12
mi3
y3.1 rmaxr


Nếu tất cả các nhân tố còn lại đều thoả mãn (2.12) thì quá trình hồi quy
sẽ kết thúc và phương trình hồi quy (2.8) là kết quả cuối cùng.
Nếu: ε
s
ss
(2)
(1)(2)


(2.13)
thì nhân tố x2 sẽ được chọn. Khi đó ta phải tính tiếp các hệ số tương quan
ryi.12(i = 3, 4,... m) và quy trình được lặp lại bắt đầu như bước 2.
Quá trình cứ tiếp tục như vậy cho đến khi hết tất cả các nhân tố hoặc tự
kết thúc như đã trình bày.
Như vậy bước thứ m ta có chuẩn sai thặng dư s(k)
tương ứng với phương
trình hồi quy:
y(k)
=a0
(k)
+a1
(k)
x1+...+ak
(k)
xk (2.14)
Và điều kiện lựa chọn:
ε
s
ss
(2)
1)-(k(k)


với k  m (2.15)
2.2.4 Xác định ngưỡng dự báo
Ngưỡng dự báo y0 có thể được xem như là các chỉ tiêu dự báo khi ta tính
được các giá trị y từ tập các nhân tố dự báo. Để xác định giá trị ngưỡng dự
báo y0 từ hệ thức nhận được của hàm y sử dụng tập số liệu quan trắc của các
nhân tố xi ta tính được giá trị ước lượng của y, sau đó tính tần suất các khoảng
giá trị của y đối với hai lớp có mưa (yc) và không có mưa (yk):
 
N
n
yyc

 ;  
N
n
yyk

 ;
trong đó: yc(y), yk(y) là tần suất xuất hiện và không xuất hiện mưa ứng
với các khoảng giá trị của y; N là dung lượng mẫu; n+ và n- là số lần có mưa
và không mưa khi tính với các hàm y.
Trên cơ sở đó, ngưỡng dự báo y0 được xác định như là giá trị của y mà
tại đó tần suất xảy ra và không xảy ra mưa bằng nhau:
y0= y[yc(y) = yk(y)]
Nếu y > y0 sẽ dự báo có mưa, còn nếu y  y0 sẽ dự báo không mưa.

34. 23
2.2.5 Đánh giá độ chính xác của các phương trình dự báo
Đối với những bài toán dự báo yếu tố như lượng mưa, nhiệt độ,... thì
việc đánh giá độ chính xác dự báo được dựa trên cơ sở so sánh giá trị dự
báo với giá trị quan trắc. Khi đó, sai số tuyệt đối hoặc sai số tương đối
thường được dùng để đánh giá. Còn đối với bài toán dự báo pha, việc đánh
giá sẽ căn cứ vào mức độ đúng hay sai của bản tin dự báo khi sử dụng một
phương trình dự báo nào đó trong số các phương trình trên.
Ký hiệu F2 và F1 là các pha thời tiết tương ứng với có mưa và không mưa
xảy ra trong thực tế, P2 và P1 là dự báo có và không có các pha đó. Khi đó,
nếu tiến hành dự báo N lần (ở đây, mỗi ngày tiến hành dự báo một lần), ta sẽ
nhận được những tình huống được dẫn ra trong bảng 2.1.
B ng 2.1. Tổng hợp đánh giá dự áo
Dự báo
Thực tế
Tổng
F1 F2
P1
P2
Tổng
n11
n21
N01
n12
n22
N02
N10
N20
N
Trong đó: n11 là số lần dự báo không mưa và thực tế cũng không mưa;
n22 là số lần dự báo có mưa và thực tế cũng có mưa; n12 là số lần dự báo
không mưa nhưng thực tế lại có mưa; n21 là số lần dự báo có mưa nhưng thực
tế lại không mưa; N10 là số lần dự báo không mưa; N20 là số lần dự báo có
mưa; N01 là số lần thực tế không mưa; N02 là số lần thực tế có mưa;
Khi đó, xác suất khí hậu của pha thời tiết có mưa là 2 = N02/N và pha
thời tiết không mưa là 1 = N0 1/N.
Đặt: U11 = P(P1/F1) = n11/N01 là xác suất dự báo đúng pha thời tiết không
mưa;
U22 = P(P2/F2)=n22/N02 là xác suất dự báo đúng pha thời tiết có mưa;
U12 = P(P1/F2)=n12/N02 là xác suất dự báo sai pha thời tiết không mưa;
U21 = P(P2/F1) = n21/N01 là xác suất dự báo sai pha thời tiết có mưa.
Khi đó, độ chính xác toàn phần sẽ là:

35. 24
n11 + n22
U =  (2.16)
N
Về nguyên tắc, cần phải lựa chọn một phương pháp dự báo nào đó cho
độ chính xác toàn phần U cao nhất.
2.2.6 Sử dụng phần mềm NCSS để xây dựng phương trình dự báo bằng
hàm hồi quy từng bước
Bài toán hồi quy từng bước được thực hiện trên NCSS bởi modul
Stepwise Regression. Modul này được khởi động bởi các bước kích “chuột”
như sau: Analysis Regression/Correlation Stepwise Regression (hình
2.1).
Hình 2.2. Khởi động modul Stepwise Regression
Ta có thể lựa chọn các phương pháp lọc và các ngưỡng biểu thị tính ổn
định của các chỉ tiêu đánh giá tính hiệu quả của phương trình hồi quy khác
nhau. Trong NCSS, có 4 phương pháp lọc: thêm dần các biến, bớt dần các
biến, vừa thêm vừa bớt các biến với chỉ tiêu là hệ số tương quan bội và lọc
theo chỉ tiêu nhỏ nhất của MSE.

36. 25
Trong hình 2.1 dẫn ra ví dụ lọc nhân tố bằng phương pháp hồi quy từng
bước với biến phụ thuộc được chọn là tổng lượng mưa ba tháng VIII, IX, X
của 8 trạm ở Việt Nam. Các biến độc lập tham gia vào quá trình tuyển chọn là
12 thành phần chính của trường SST trong 6 tháng, từ tháng I đến tháng VI
(72 biến). Sau khi xác định được các nhân tố sẽ tham gia vào phương trình hồi
quy, tiến hành xây dựng các phương trình hồi quy cho từng trạm theo hai
phương pháp, phương pháp chung và phương pháp chuẩn hoá số liệu. Hệ số
tương quan bội (chính xác hơn là bình phương của nó) – R2
, phương sai thặng
dư – MSE và chỉ tiêu Fisher – F cũng được xác định đối với mỗi phương trình
hồi quy. Ký hiệu EOFij là thành phần chính thứ i của tháng thứ j.
2.2.7 Xây dựng bộ nhân tố dự báo
Trước đây, khi còn hạn chế về năng lực tính toán, các nhân tố dự báo
được lựa chọn khá hạn hẹp nên phải cân nhắc. Ngày nay, năng lực tính toán
cho phép ta có thể đưa số nhân tố dự báo vào để xây dựng phương trình dự
báo một cách rộng rãi để có thể chọn được một tổ hợp các nhân tố dự báo tốt
nhất. Vì vậy, từ nguồn số liệu có thể khai thác được như đã nói cùng với yêu
cầu của dự báo nghiệp vụ, việc dự báo thời tiết thời hạn 24 giờ hàng ngày
được thực hiện vào sau kì quan trắc 13 giờ nên luận văn lấy nhân tố đầu vào
là giá trị quan trắc của các yếu tố khí tượng tại 4 trạm khí tượng vào 4 kì quan
trắc liền kề trước đó là: 19 (ngày hôm trước, ngày n-1), 1, 7 và 13 (ngày n)
giờ, giờ Việt Nam; còn giá trị của các yếu tố khí tượng khai thác được từ sản
phẩm mô hình số được lấy vào lúc 7 giờ, giờ Việt Nam để dự báo mưa cho
ngày n+1. Cụ thể bộ nhân tố dự báo sơ cấp từ số liệu quan trắc được dẫn ra
trong bảng 2.2 và từ số liệu mô hình được dẫn ra trong bảng 2.3.
B ng 2.2. Nh n tố dự áo sơ cấp từ số liệu quan trắc 20 nh n tố
K
quan
trắc
Nhân tố và kí hiệu
Nhiệt đ Đi m sƣơng Đ m Hƣ ng gi Tốc đ gi Khí áp
19 T19 Td19 U19 dd19 ff19 P19
1 T1 Td1 U1 dd1 ff1 P1
7 T7 Td7 U7 dd7 ff7 P7
13 T13 Td13 U13 dd13 ff13 P13

37. 26
B ng 2.3. Nh n tố dự áo sơ cấp từ số liệu mô hình 75 nh n tố
Vùng kinh
v đ lấy số
liệu
Nhân tố lúc giờ Việt Nam và kí hiệu
Mực
(mb)
Nhiệt đ
Gi v
hƣ ng
Gi kinh
hƣ ng
Đ m Xoáy thế
Vùng a (18-
20; 107-
109)
1000 Ta1000 Ua1000 Va1000 Qa1000 PVa1000
925 Ta925 Ua925 Va925 Qa925 PVa925
850 Ta850 Ua850 Va850 Qa850 PVa850
700 Ta700 Ua700 Va700 Qa700 PVa700
500 Ta500 Ua500 Va500 Qa500 PVa500
Vùng b (19-
21; 107-
109)
1000 Tb1000 Ub1000 Vb1000 Qb1000 PVb1000
925 Tb925 Ub925 Vb925 Qb925 PVb925
850 Tb850 Ub850 Vb850 Qb850 PVb850
700 Tb700 Ub700 Vb700 Qb700 PVb700
500 Tb500 Ub500 Vb500 Qb500 PVb500
Vùng c (18-
20; 108-
110)
1000 Tc1000 Uc1000 Vc1000 Qc1000 PVc1000
925 Tc925 Uc925 Vc925 Qc925 PVc925
850 Tc850 Uc850 Vc850 Qc850 PVc850
700 Tc700 Uc700 Vc700 Qc700 PVc700
500 Tc500 Uc500 Vc500 Qc500 PVc500
Từ bộ nhân tố dự báo sơ cấp có thể tạo thành bộ nhân tố thứ cấp. Ví dụ,
với bộ nhân tố dự báo sơ cấp từ số liệu quan trắc, ta có thể tính được sự biến
thiên của chúng trong 24 giờ, 12 giờ và 6 giờ cũng như tính được độ hụt điểm
sương trong từng kỳ quan trắc như được dẫn ra trong bảng 2.4.
B ng 2.4. Nh n tố dự áo thứ cấp từ số liệu quan trắc 20 nh n tố
TT Nhân tố Kí hiệu TT Nhân tố Kí hiệu
1
Độ hụt điểm sương
lúc 19 giờ
D1 11 Biến áp 24 giờ X7
2 Độ hụt điểm sương D2 12 Biến áp 12 giờ X8

38. 27
TT Nhân tố Kí hiệu TT Nhân tố Kí hiệu
lúc 1 giờ
3
Độ hụt điểm sương
lúc 7 giờ
D3 13 Biến áp 6 giờ X9
4
Độ hụt điểm sương
lúc 13 giờ
D4 14 Biến thiên độ ẩm 24 giờ X10
5
Biến thiên điểm
sương 24 giờ
X1 15 Biến thiên độ ẩm 12 giờ X11
6
Biến thiên điểm
sương 12 giờ
X2 16 Biến thiên độ ẩm 6 giờ X12
7
Biến thiên điểm
sương 6 giờ
X3 17 Biến thiên hướng gió 24 giờ X13
8
Biến thiên nhiệt độ
24 giờ
X4 18 Biến thiên hướng gió 12 giờ X14
9
Biến thiên nhiệt độ
12 giờ
X5 19 Biến thiên tốc độ gió 24 giờ X15
10
Biến thiên nhiệt độ 6
giờ
X6 20 Biến thiên tốc độ gió 12 giờ X16
Với bộ nhân tố dự báo sơ cấp từ số liệu mô hình, ta có thể tạo nên bộ
nhân tố dự báo thứ cấp của chúng bao gồm nhóm nhân tố phản ánh sự biến
thiên theo thời gian (chỉ có biến thiên 24 giờ) như được dẫn ra trong bảng 2.5.
B ng 2.5. Nh n tố dự áo thứ cấp từ số liệu mô hình 15 nh n tố
TT Nhân tố Kí hiệu TT Nhân tố Kí hiệu
1
Biến thiên gió vĩ
hướng vùng a
X17 9 Biến thiên nhiệt độ vùng c X25
2
Biến thiên gió vĩ
hướng vùng b
X18 10 Biến thiên độ ẩm vùng a X26
3 Biến thiên gió vĩ X19 11 Biến thiên độ ẩm vùng b X27

39. 28
TT Nhân tố Kí hiệu TT Nhân tố Kí hiệu
hướng vùng c
4
Biến thiên gió kinh
hướng vùng a
X20 12 Biến thiên độ ẩm vùng c X28
5
Biến thiên gió kinh
hướng vùng b
X21 13 Biến thiên xoáy thế vùng a X33
6
Biến thiên gió kinh
hướng vùng c
X22 14
Biến thiên xoáy thế vùng
b
X34
7
Biến thiên nhiệt độ
vùng a
X23 15 Biến thiên xoáy thế vùng c X35
8
Biến thiên nhiệt độ
vùng b
X24
Tương tự như vậy, quá trình tính toán còn lấy biến thứ cấp phản ánh sự
phân bố của các yếu tố khí tượng theo phương thẳng đứng giữa tổ hợp hai của
5 mực, như: lấy nhiệt độ mực trên trừ mực dưới (phản ánh độ bất ổn định của
khí quyển) sẽ tạo ra 10 nhân tố đối với, gió mực trên trừ mực dưới (phản ánh
độ đứt của gió), độ ẩm mực trên trừ mực dưới (phản ánh gradient độ ẩm theo
phương thẳng đứng). Nghĩa là mỗi nhân tố sơ cấp của số liệu mô hình sẽ tạo
ra 10 nhân tố dự báo thứ cấp. Như vậy ta có thêm 50 nhân tố thứ cấp cho mỗi
vùng lấy số liệu mô hình nên 3 vùng ta sẽ có 150 nhân tố.
Tiến hành lấy biến thứ cấp phản ánh sự phân bố của nhiệt độ và độ ẩm
(chỉ lấy được mực 1000mb) theo phương nằm ngang giữa 3 vùng lấy số liệu
mô hình với số liệu tại trạm quan trắc được dự báo (phản ánh sự biến tính của
khối khí) ta có thêm 6 nhân tố dự báo nữa. Như vậy, ta có tất cả 286 nhân tố
được đưa vào tính toán để tuyển chọn biến dự báo mưa cho 4 trạm đã được
chọn trên địa bàn tỉnh Nghệ An.

40. 29
CHƢƠNG 3
MỘT SỐ KẾT QUẢ NGHIÊN CỨU
3.1 Một số đặc trƣng mƣa của tỉnh Nghệ An
3.1.1 Tổng lượng mưa năm
Từ nguồn số liệu đã nói trên, tiến hành tính toán đặc trưng lượng mưa
năm ta có kết quả như được dẫn ra trong bảng 3.1 và hình 3.1.
B ng 3.1. Lượng mưa trung ình nhiều năm (mm) tại ở Nghệ An
Trạm
Tháng
Năm
1 2 3 4 5 6 7 8 9 10 11 12
Quỳnh
Lưu
19,1 21,9 34,0 52,0 105,9 125,8 141,8 251,2 393,1 323,4 80,3 35,1 1583,5
Quỳ
Châu
15,6 16,2 32,8 83,3 245,5 191,1 204,9 295,9 273,4 194,4 47,0 20,4 1620,5
Quỳ
Hợp
17,3 21,1 37,7 63,3 196,0 178,7 178,5 272,5 301,9 217,2 40,3 18,4 1542,9
Tây
Hiếu
27,6 20,5 33,3 59,2 151,7 168,0 195,3 268,5 311,2 250,2 53,7 21,5 1560,5
Tương
Dương
13,8 15,7 33,0 72,1 154,4 160,5 181,2 236,5 214,4 148,8 28,7 12,6 1271,8
Con
Cuông
33,9 35,9 52,8 78,1 180,5 144,0 179,9 261,9 324,1 262,9 70,0 31,0 1655,2
Đô
Lương
31,4 33,6 49,7 75,4 176,6 141,6 166,9 264,8 371,7 389,3 94,1 34,6 1829,6
Hòn
Ngư
48,4 31,5 63,4 54,6 125,7 128,0 121,4 322,1 477,5 441,6 122,4 87,4 2024,2
Vinh 51,2 38,8 50,5 58,9 149,1 107,3 123,5 252,5 447,2 520,6 145,0 69,6 2014,3
Từ bảng 3.1 ta thấy, mùa mưa (được tính khi lượng mưa tháng là
100mm) ở Nghệ An đều bắt đầu từ tháng 5 và hầu hết là kết thúc vào tháng
10, riêng hai trạm Vinh và Hòn Ngư (ở phía Nam tỉnh) kết thúc muộn hơn
một tháng so với các trạm ở phía Bắc tỉnh và đây cũng là hai trạm có tổng

41. http://bit.ly/KhoTaiLieuAZ