Tải bản đầy đủ

Lam hoang so tay du bao vien 20170322

SỔ TAY DỰ BÁO VIÊN
------o0o------

Hoàng Phúc Lâm

Hà Nội, 2017


Sổ tay dự báo viên

MỞ ĐẦU
“The main job of the meteorologist working today in synoptics is therefore to
monitor the numerical analyses and, if necessary, correct them, to diagnose
physically the momentary state of the atmosphere and to interpret the numerically
computed forecasting results in such a way that they can be used.”
Synoptic Meteorology, Manfred Kurz
“Công việc chính của nhà khí tượng synop ngày nay là theo dõi các phân tích số trị
và hiệu chỉnh chúng (nếu cần thiết) để xác định bản chất vật lý của trạng thái khí
quyển hiện tại và để hiểu các kết quả dự báo số trị (gió, áp, nhiệt, mưa) để có được
các kết quả hữu dụng.”
Theo sách Khí tượng Synốp của Kurz


Tác giả xin được cảm ơn sự chỉ bảo tận tình của rất nhiều những cô, chú, anh, chị
đồng nghiệp trong đó phải kể đến Ông Tom Yoshida và Chị Dương Liên Châu từ
những ngày đầu bước chân vào Sự nghiệp khí tượng. Câu trích dẫn trên (đã được
in và đóng khung lưu tại Phòng Dự báo khí tượng hạn ngắn) chính là để nhớ tới
Chị Dương Liên Châu, đây được tác giả xem là kim chỉ nam trong Sự nghiệp khí
tượng của mình. Ông Tom Yoshida cũng đã từng khuyên tác giả rằng: “If you
don’t ask, you don’t get”, tương tự như câu thành ngữ của Việt Nam “Muốn biết
phải hỏi, muốn giỏi phải học”. Những lời dặn dò từ những ngày đầu khi mới tốt
nghiệp này đã có tác động lớn đến những kế hoạch cũng như quyết tâm của tác giả
trong những năm tiếp theo của sự nghiệp.
Tác giả hoàn toàn đồng ý với Kurz về nhận xét này. Dự báo số đang ngày càng trở
nên quan trọng trong công tác dự báo, nhưng bản chất của các mô hình dự báo là
không chắc chắn bởi các lý do sau đây:
Thứ nhất, những sai số từ số liệu quan trắc hay trạng thái ban đầu của khí quyển.
Cho dù hiện nay có rất nhiều số liệu quan trắc, từ mặt đất đến thám không, vệ tinh
độ phân giải cao đến radar phân cực, trạm đo mưa đến trạm khí tượng tự động
nhưng vẫn không thể nào mô tả được trạng thái hiện tại của khí quyển mà không
có bất cứ sai số nào.
Thứ hai, đó là những kiến thức của chúng ta về các quá trình vật lý trong khí quyển
và động lực học khí quyển vẫn chưa hoàn chỉnh. Chúng ta hiện phải sử dụng các
xấp xỉ khi tích phân hệ phương trình nhiệt động lực, vốn là nền tảng cốt lõi của
một mô hình dự báo số.
1


Hoàng Phúc Lâm
Thứ ba, các tương tác trong hệ thống khí hậu vẫn không được mô phỏng đúng, đặc
biệt là tương tác giữa biển và khí quyển, khí quyển với thảm thực vật, các loại đất
và các quá trình đất...
Việc phát triển nở rộ các mô hình từ rất nhiều nước khác nhau, nhiều nguồn khác
nhau (và đa số chúng đều miễn phí) đã tạo ra một yêu cầu tất yếu đối với dự báo
viên, đó là phải biết sử dụng và khai thác hiệu quả các sản phẩm rất đa dạng của dự
báo số.

2


Sổ tay dự báo viên


SỔ TAY DỰ BÁO VIÊN
---ooo000ooo--Câu hỏi đầu tiên, để làm được điều đó, dự báo viên phải cần và phải làm
những gì?
Thứ nhất, dự báo viên phải hiểu sơ lược về đặc điểm của mô hình:
- Các loại số liệu nào được đưa vào mô hình trong quá trình đồng hóa số
liệu? Đưa vào như thế nào?
- Thời gian cập nhật các số liệu quan trắc: vệ tinh, radar, thám không,
v.v…
Thứ hai, dự báo viên phải có hiểu biết sâu sắc về các quá trình khí quyển: đối lưu,
đối lưu sâu, bức xạ, bình lưu nhiệt, bình lưu ẩm… cũng như điều kiện địa hình của
địa phương, đặc điểm khí hậu từng mùa, từng vùng, biến trình nhiệt, mưa, ẩm
trong năm tại khu vực dự báo.
Thứ ba, dự báo viên phải hiểu được nhu cầu của người sử dụng thông tin dự báo
thời tiết. Khi người sử dụng hỏi thông tin thời tiết thì ít nhất dự báo viên cũng cần
phải biết họ cần thông tin thời tiết cho hoạt động gì? Mục đích gì? Từ đó đưa ra
thông tin dự báo kèm theo những lời khuyên sát thực.
Thứ tư, dự báo viên cần phải được tập huấn, giới thiệu về các loại số liệu, sản
phẩm mới nhất, đảm bảo kết quả thu được có chất lượng tốt nhất có thể. Ngoài ra,
dự báo viên cũng cần biết được các ưu nhược điểm, sai số tiềm ẩn trong các loại số
liệu, phương pháp sử dụng trong dự báo.
Vài nét về mô hình dự báo số
Mô hình ngày nay đã phát triển nhanh chóng, một quốc gia, kể cả đang phát triển
như Việt Nam hay Philippines, có thể nhận hàng chục sản phẩm dự báo số trong
một ngày từ các quốc gia phát triển, thông qua tổ chức Khí tượng thế giới hoặc các
nước khác trong khuôn khổ các hợp tác song phương và đa phương. Ngoài ra, các
nước cũng có thể tự chạy các mô hình khu vực riêng cho nước mình, ví dụ mô hình
HIRLAM khá phổ biến trong cộng đồng Châu Âu, nhưng mỗi nước sử dụng
HIRLAM trong cộng đồng Châu Âu lại chọn những miền tính riêng cho nước
mình cũng như sử dụng các thông số kỹ thuật, tham số mô hình khác nhau với
mong muốn mô hình phục vụ tốt nhất cho công tác dự báo nghiệp vụ ở nước mình;
ở Châu Á và rất nhiều nước trên thế giới, mô hình WRF của NCEP/NCAR cũng
rất phổ biến với hàng trăm phiên bản với các sơ đồ tích phân, sơ đồ tham số hoá,
các thành phần mặt đệm, mô hình đất, đồng hoá số liệu… khác nhau. Các mô hình
ngày nay có khả năng tích hợp các thông tin khác nhau từ các phương pháp quan
3


Hoàng Phúc Lâm
trắc hiện đại như vệ tinh, radar, tự động… nhưng lưu ý không phải tất cả các mô
hình đều có thể tích hợp được tất cả các thông tin này.
Những phân tích trên đây cho thấy, vô hình chung, dự báo viên được xem như
người đóng vai trò phụ trong quy trình sản xuất ra các bản tin, các sản phẩm dự
báo thời tiết bởi các dự báo ngày nay (ở các nước tiên tiến, trong đó có Phần Lan,
Anh và Úc; và trong tương lai gần ở Việt Nam) được tạo ra hoàn toàn tự động
thông qua các hệ thống xử lý, dự báo và tính toán trên các máy tính (cả máy tính
hiệu năng cao lẫn máy tính cá nhân). Tuy nhiên, dự báo viên vẫn đóng vai trò rất
quan trọng trong quy trình tạo ra các dự báo thời tiết, và truyền đạt các dự báo này
đến với người dùng cuối. Trên thực tế, khi có các sản phẩm dự báo từ các mô hình,
như một hệ quả, dự báo viên lại phải ra rất nhiều các quyết định so với thời kỳ
chưa có mô hình số.
Trước đây, các thông tin dự báo thời tiết được các dự báo viên tạo ra dựa trên việc
phân tích kỹ lưỡng trạng thái khí quyển hiện tại, sau đó áp dụng các phương pháp
kinh nghiệm, thống kê… để hình dung ra sự phát triển của các hệ thống/hình thế
thời tiết trong tương lai (6 giờ, 12 giờ, 24 giờ) và rồi dùng kinh nghiệm của mình
để xác định các loại hình thời tiết có liên quan đến các hệ thống/ hình thế đó. Công
tác dự báo đã thay đổi rất nhiều khi mô hình xuất hiện, đặc biệt khi có thêm
internet tốc độ cao. Rất nhiều sản phẩm dự báo số đã được cung cấp (đa số các sản
phẩm là miễn phí, một số sản phẩm mất phí) cho các quốc gia, tới các cơ quan dự
báo quốc gia và thậm chí là cả các cơ quan dự báo cấp tỉnh. Đây chính là lúc dự
báo viên phải chứng tỏ được “giá trị gia tăng” và trình độ của mình bởi sản phẩm
nhận được không chỉ là dự báo của một mô hình đơn lẻ mà còn có tổ hợp của rất
nhiều mô hình (ví dụ: SREP và LREP tại Trung tâm Dự báo KTTV Trung ương có
21 thành phần, EPS của ECMWF có 51 thành phần, v.v…)
Những trang sách sau đây nhằm chia sẻ những kiến thức, kinh nghiệm cần thiết để
một dự báo viên có thể biết cách sử dụng mô hình số, tăng hiệu quả dự báo và
thêm được “giá trị gia tăng” vào các dự báo của mình.
Tại các trung tâm nghiệp vụ, khoảng 05-06Z hàng ngày, dự báo viên sẽ nhận được
sản phẩm của các mô hình dự báo số trị bắt đầu chạy với số liệu lúc 00Z, tức là độ
trễ của mô hình là khoảng 5-6 tiếng, bao gồm thời gian quan trắc, truyền tin và
chạy mô hình. Lúc đó, dự báo viên cũng sẽ có số liệu quan trắc lúc 03Z và 06Z đối
với số liệu quan trắc truyền thống, thậm chí có thể có số liệu quan trắc từng giờ
hoặc nhiều hơn nếu là số liệu tự động; quan trắc vệ tinh Himawari-8 liên tục 15
phút có một ảnh và 5 phút một lần đối với số liệu radar. Thông qua số liệu quan
trắc, dự báo viên sẽ biết được thời tiết từng khu vực trên cả nước. Điều này tạo
4


Sổ tay dự báo viên

điều kiện cho các dự báo viên trực ca so sánh được giá trị quan trắc thời gian thực
và giá trị dự báo (00-06 tiếng) của mô hình dựa trên số liệu lúc 00Z. Trên thực tế,
các mô hình ngày nay có sai số dự báo 0-6 tiếng là khá nhỏ, tuy nhiên các mô hình
khác nhau sẽ có kết quả dự báo, chất lượng dự báo khác nhau, đặc biệt đối với các
hình thế synôp chuyển động nhanh hoặc đang trong giai đoạn biến đổi, tương tác
lẫn nhau. Vậy dự báo viên phải so sánh, đánh giá tức thời các mô hình này như thế
nào?
So sánh và đánh giá tức thời các mô hình số
Điều quan trọng nhất khi thực hiện so sánh và đánh giá tức thời này là dự báo viên
phải so sánh và ra quyết định xem mô hình nào đúng hơn tính đến thời điểm hiện
tại. Vì từ khi có số liệu dự báo của mô hình, số liệu quan trắc đến lúc ra bản tin là
rất ngắn nên đòi hỏi dự báo viên phải thực hiện nhanh.
Đánh giá tức thời ở đây là so sánh trường áp, biến áp, độ cao địa thế vị, nhiệt độ,
tổng lượng mưa, gió… tính đến thời điểm làm dự báo (ví dụ: 13h30 hàng ngày ở
Trung tâm Dự báo KTTV Trung ương). Để làm được điều này, dự báo viên cần có
sự hỗ trợ của các phần mềm có thể cung cấp hiển thị, trích xuất số liệu quan trắc
truyền thống, viễn thám (vệ tinh, radar) dưới dạng bản đồ nội suy trên lưới (như
phần mềm SmartMet, Diana) vì nó giúp dự báo viên tiết kiệm thời gian, tăng năng
suất và hiệu quả. Hiển thị số liệu trực quan, dễ dàng chồng các trường quan trắc và
dự báo để so sánh. Dự báo viên nên khai thác triệt để các công cụ này.
Khi có trong tay các sản phẩm dự báo mới nhất của các mô hình số, thông thường
dự báo viên phải chọn cho mình một mô hình “tốt nhất” hoặc “ưa thích nhất” hoặc
“phù hợp nhất” hoặc “ít phải điều chỉnh nhất” để làm cơ sở cho các dự báo và điều
chỉnh tiếp theo của mình. Kinh nghiệm trong lựa chọn mô hình thì rất đa dạng,
nhưng một trong những lời khuyên cho những ai đọc cuốn sách này đó là:
1. Chọn một mô hình tốt nhất theo kinh nghiệm của bạn, yên tâm đi chẳng có
mô hình nào luôn đúng đâu nên bạn cứ chọn một trong mấy mô hình của các
nước lớn được rồi, ví dụ: IFS của ECMWF, GFS của Mỹ hay GSM của
Nhật.
2. Tìm cách hiểu mô hình đó, nhất là những lần mô hình dự báo sai (mưa, bão,
KKL…). Tìm hiểu nguyên nhân tại sao mô hình sai? Do đánh giá sai sự lấn
tây của cao áp cận nhiệt? dự báo KKL bị chậm? KKL yếu hơn thực tế? Tốc
độ dòng xiết quá lớn? v.v…
3. Sau một thời gian, bạn và mô hình đó sẽ trở thành một “cặp đôi hoàn hảo”
hay “người tình trăm năm”. Thấu hiểu nhau từng chi tiết. Bạn có thể thích
một cô gái môi đỏ, da trắng, tóc dài, chân thon nhưng mắt lại hơi lé và nói
5


Hoàng Phúc Lâm
ngọng “n”, “l”. Chẳng sao cả, hãy chung thủy với cô ấy, quan trọng là bạn
biết cô ấy lé bao nhiêu độ để “hiệu chỉnh”, biết cô ấy lườm rau là sẽ gắp thịt,
cô ấy nói “Hà Lội” có nghĩa là “Hà Nội”. Thế là đủ.
Khi so sánh cần làm những gì?
Điều quan trọng nhất khi so sánh là đánh giá dự báo của các mô hình về sự tiến
triển của các hệ thống quy mô synôp. Do đó cần sử dụng các công cụ thích hợp để
hiển thị hoàn lưu khí quyển quy mô synôp, cụ thể ở đây là ảnh vệ tinh và ảnh
radar, hai nguồn số liệu tham khảo quan trọng. Dùng các công cụ này để xác định
các vùng mây và các hệ thống gây mưa (rãnh, dòng xiết, xoáy thấp, front lạnh…)
và để so sánh nhanh các nhân tố (áp, nhiệt, gió, ẩm, mưa…) trong các dự báo mô
hình với quan trắc thực tế.
Ảnh mây vệ tinh còn có thể giúp xác định sự phát triển của các hệ thống thời tiết.
Ảnh vệ tinh liên tục cập nhật 10-15 phút. Các hệ thống chính có thể xác định qua
ảnh mây vệ tinh như đối lưu, front, bão, dòng xiết… Nếu các hệ thống này đang
mở rộng và phát triển theo thời gian (ví dụ: đỉnh mây lạnh dần theo thời gian) có
nghĩa rằng dòng thăng đang tăng ở bên trong các hệ thống này và khiến cho các hệ
thống mây đối lưu phát triển mạnh hơn. Với một vùng áp thấp, điều này còn được
thể hiện qua khí áp giảm; còn đối với một hệ thống đối lưu, nhiệt độ đỉnh mây
giảm có nghĩa là hệ thống đang được tăng cường. Nếu các hệ thống này ở trên đất
liền thì có thể kiểm tra thông qua biến áp 3 giờ tại các trạm quan trắc.
Ảnh mây vệ tinh cũng được sử dụng để xác định vị trí của các hệ thống quan trọng
ở tầng cao như dòng xiết, sống và rãnh. Các hệ thống này có thể đem so sánh với
trường độ cao địa thế vị, đường dòng, xoáy thế và đường đẳng tốc trên các bản đồ
trên cao của các mô hình số để xác định sự phù hợp hoặc lệch pha của các phân
tích, dự báo (00-06, 06-12 tiếng) của mô hình.
Sự so sánh này sẽ giúp dự báo viên đánh giá nhanh chất lượng của các mô hình là
như thế nào, rằng các hệ thống này được các mô hình mô phỏng có chính xác hay
không? Những thông tin này sẽ rất quan trọng trong phần ra quyết định hiệu chỉnh
các mô hình số trị của dự báo viên.
Ví dụ, nếu dự báo viên cho rằng thời tiết trong thời gian tới ở khu vực của mình
chịu ảnh hưởng của dòng xiết trên mực 5000m, kết hợp với hội tụ tầng thấp (do địa
hình, xoáy thấp) thì trong số các mô hình dự báo, mô hình nào cho dự báo chính
xác hơn về cường độ và vị trí của trục dòng xiết sẽ được ưu tiên sử dụng. Còn nếu
dự báo viên lựa chọn mô hình theo tiêu chí “ưa thích nhất”, tức dùng chỉ 01 mô
hình hiểu hơn về mô hình này thì cần lưu ý về mức độ so sánh của “mô hình ưa
6


Sổ tay dự báo viên

thích” của mình đối với trục dòng xiết cũng như cường độ dòng xiết để có thể hiệu
chỉnh đúng các dự báo sau này (nói cách khác: “Hãy hiểu cô ấy đang nói gì!”.
Tất nhiên, để làm được điều này dự báo viên cần có những hiểu biết sâu sắc và đầy
đủ về động lực học khí quyển, điều cơ bản để trở thành một dự báo viên giỏi. Động
lực học khí quyển ở đây, đối với người làm synôp, không phải là phương trình hay
hệ phương trình mà đơn thuần là đặc điểm động lực của khí quyển khi có sự hiện
diện của các hệ thống khác nhau, ví dụ: hội tụ tầng thấp, hội tụ trên 5000m hoặc
trên đỉnh tầng đối lưu khác nhau như thế nào? Chuyển động của khí quyển gần lớp
nghịch nhiệt? tại khu vực front? Trong bão, áp thấp nhiệt đới? vai trò của không
khí khô, không khí ẩm đối với thời tiết nói riêng và với bão, áp thấp nhiệt đới,
dông nói chung.
Xác định các hệ thống thời tiết trên ảnh vệ tinh cũng đòi hỏi những kỹ năng cao
trong phân tích ảnh mây vệ tinh. Ví dụ: (1) Vị trí dòng xiết có thể được xác định
dựa vào vị trí của các dải mây lạnh tầng cao, thường có đường viền sắc nét về phía
cực (so với trục dòng xiết); (2) Vị trí của trục rãnh tầng cao dựa vào sự tương phản
giữa các khối mây đối lưu sâu (hơn) ở phía sau và khu vực mây đối lưu thấp (hơn)
ở phía trước so với trục rãnh. Khi so sánh các dự báo 6 hay 12 tiếng của các mô
hình với quan trắc thực tế, các sai số thường là nhỏ, tuy nhiên chỉ một sai số nhỏ
trong vị trí, cường độ của hệ thống thời tiết ở những bước thời gian ban đầu này sẽ
dẫn đến những sai khác rất lớn trong các dự báo dài hơn của các mô hình.
Ở quy mô nhỏ hơn, dự báo viên có thể so sánh dự báo của các mô hình với ảnh
radar, đặc biệt là phản hồi radar và phân bố mưa do radar ước lượng so với dự báo
mưa của mô hình số trị. Ở quy mô này, dự báo viên sẽ xem xét các sai khác về thời
gian và cường độ của vùng mưa mà có thể ảnh hưởng đến các dự báo trong tương
lai. Nếu dải mưa di chuyển nhanh hơn hay chậm hơn so với quan trắc sẽ cần phải
được điều chỉnh bởi các dự báo viên trong các dự báo tiếp theo của mô hình trước
khi phát báo hoặc cung cấp các thông tin tới người dùng cuối. Ngoài ra, cường độ
mưa và tổng lượng mưa trong các dự báo 3-6 tiếng cũng phải được xác định xem là
hụt hay vượt so với quan trắc? Những so sánh này còn giúp dự báo viên xác định
được các sai số trong các dự báo ngắn mô hình số trị. Từ đó làm cơ sở để hiệu
chỉnh các dự báo dài hơn.
Ngoài các vấn đề phổ biến nêu trên, các mô hình khác nhau lại gặp các vấn đề khác
nhau đối với các hình thế synôp riêng biệt. Các trung tâm dự báo lớn đều có các
đánh giá sai số của mô hình của họ về các hình thế này. Dự báo viên cũng cần phải
tham khảo thêm các thông tin này trên các website của họ để biến thành kinh
nghiệm sử dụng mô hình trong dự báo và hiệu chỉnh dự báo của riêng mình.
7


Hoàng Phúc Lâm
Vai trò hay sự đóng góp lớn nhất của các dự báo viên được thể hiện trong trường
hợp các dự báo mô hình sai lệch nhau nhiều ngay trong những giờ dự báo đầu tiên.
Trên quy mô synôp, phân tích cẩn thận ảnh mây vệ tinh có thể xác định sự phát
triển nhanh của các xoáy thấp, front… mà các mô hình số thường không xác định
được. Phân bố vùng mưa trong bão, front… cũng có thể xác định rõ trên ảnh vệ
tinh và trong nhiều trường hợp, không được các mô hình số mô phỏng đúng.
Ở quy mô nhỏ hơn, radar có thể giúp xác định một vùng đối lưu phát triển mạnh
mà mô hình cho sai vị trí hoặc không đúng cường độ. Dự báo mưa sai (dự báo mưa
mà nắng, dự báo mưa nhỏ mà mưa rào kèm sấm chớp) rất dễ bị chỉ trích, phê bình
bởi người dân và các khách hàng, chứ không giống như nhiệt độ, dự báo sai 2-3 độ
rất khó cảm nhận.
Các sai số hệ thống thường gặp trong các mô hình số trị bao gồm:
- Mưa địa hình, do địa hình trong các mô hình số trị thường phẳng và thấp
hơn so với thực tế
- Mưa do gió đông nam trên khu vực vịnh Bắc Bộ thổi vào đất liền trong
mùa đông, đặc biệt là mức độ mở rộng của vùng mưa, và sai số dự báo
đối với mưa nhỏ, mưa phùn.
- Biến trình ngày, đêm của đối lưu. Điều này đã được khá nhiều bài báo
phân tích. Các mô hình số thường cho đối lưu bắt đầu quá sớm buổi ban
ngày và suy yếu quá nhanh về đêm. Sai số này chủ yếu do các quá trình
phức tạp của tổ chức các hệ thống đối lưu không được thể hiện tốt trong
các sơ đồ tham số hóa đối lưu khí quyển của các mô hình số trị.
- Mưa do nguyên nhân nhiệt lực thường có sai số lớn hơn so với mưa do
nguyên nhân động lực. Ngoài ra, các mô hình cũng thường dự báo hụt
các đợt mưa to và dự báo vượt đối với mưa nhỏ.
Khi phát hiện ra các sai số trong các dự báo của mô hình thì dự báo viên cần
làm gì?
Trước khi vào phần này, cần lưu ý rằng (như đã được đề cập ở trên) việc phân tích
các hệ thống thời tiết, các hệ quả thời tiết trong các hình thế khác nhau đòi hỏi kiến
thức khá sâu và chắc về phân tích ảnh vệ tinh, radar và đặc biệt là các quá trình
động lực của khí quyển. Các dự báo viên cần trang bị tốt những kiến thức này để
có thể hiệu chỉnh các sản phẩm dự báo số cho kết quả TỐT HƠN kết quả thô của
mô hình số.
Khi phát hiện ra các sai số trong các mô hình số trị, dự báo viên có thể:
+ Chọn mô hình tốt hơn, ít phải điều chỉnh hơn
8


Sổ tay dự báo viên

+ Chọn mô hình yêu thích vì bạn đã “quá hiểu” nó, bạn biết phải điều chỉnh
như thế nào cho hợp lý.
+ Chọn kết hợp nhiều mô hình, nói cách khác dùng mô hình tổ hợp
+ Chạy lại mô hình.
Dù dự báo viên chọn cách nào thì vẫn cần phải lưu ý những vấn đề sau:
1. Dự báo viên chính - trưởng ca dự báo ghi lại các nhận định của mình cho các dự
báo viên khác, cho ca dự báo sau về các sản phẩm mô hình số: giải thích các vấn
đề dự báo viên chính – trưởng ca phát hiện được khi tham khảo các mô hình số.
Đồng thời kèm theo các đề xuất hoặc lưu lại những cách điều chỉnh mà mình đã
thực hiện. Đây sẽ là một gợi ý quan trọng, hữu ích giúp dự báo viên ca sau tiết
kiệm thời gian, giúp các sản phẩm dự báo được thống nhất, liên tục.
2. Tuy nhiên, dự báo viên sau khi vào ca cần phải xem xét, đánh giá cẩn thận các
lưu ý mà ca trước truyền đạt lại, sử dụng phương pháp đánh giá, so sánh đề cập ở
trên để xác định xem các điều chỉnh của ca trước có hợp lý hay không?
3. Sử dụng các phần mềm, công cụ hỗ trợ hiệu chỉnh đầu ra của mô hình số trị (ví
dụ: SmartMet) để hiệu chỉnh các trường dự báo và lưu lại, cập nhật vào cơ sở dữ
liệu dự báo cũng như các kênh thông tin đến khách hàng (website, tin nhắn, bảng
số liệu, đồ họa, phần mềm di động…)
Lựa chọn các khu vực khác nhau, áp dụng các phương pháp hiệu chỉnh khác nhau
(+/- một hằng số, trung bình các mô hình khác nhau, tăng vùng mưa lớn lên một
lượng ∆R1, giảm vùng mưa nhỏ một lượng ∆R2 …). Khi thực hiện các điều chỉnh
này, dự báo viên cần ghi lại để tham khảo (cho mình và cho các ca dự báo khác) và
để thống nhất giữa các dự báo trước và sau.
4. Sử dụng các phần mềm hiệu chỉnh chuyên nghiệp (SmarMet) để thay đổi vị trí,
cường độ của các hệ thống thời tiết (vị trí tâm, cường độ bão, áp thấp, front, dòng
xiết…). Các phần mềm này có khả năng tính toán lại các trường khí tượng (áp, gió,
nhiệt…) để có được một trường đồng nhất về mặt động lực (thích ứng trường). Dự
báo viên cũng cần kiểm tra và hiệu chỉnh các dự báo (03 hoặc 06 giờ một lần) của
mô hình để có được kết quả thống nhất và hợp lý.
Các vấn đề và công việc nêu trên, trong đó đơn giản nhất là công việc số (1), đều
cần có sự hỗ trợ của một phần mềm trợ giúp ghi chú, hiển thị và hiệu chỉnh các đầu
ra của mô hình số thông qua giao diện đồ họa giống như SmartMet hay Diana hay
OSFM (UK-Met).

9


Hoàng Phúc Lâm
Việc ghi chú lại các cách hiệu chỉnh mô hình, nhận xét khi làm dự báo của các ca
dự báo đã có từ lâu ở Trung tâm Dự báo KTTV Trung ương nhưng chưa thực sự
hiệu quả. Khi đưa hệ thống SmartMet hay một hệ thống hiệu chỉnh nào khác vào
nghiệp vụ, việc ghi lại các hiệu chỉnh, nhận xét của từng ca dự báo là rất quan
trọng. Sau này, các nhận xét này còn có ý nghĩa rất lớn đối với các dự báo viên ở
Đài khu vực hay Đài tỉnh bởi họ có thể sử dụng các nhận xét này để hiệu chỉnh các
dự báo cho địa phương mình, đồng thời đảm bảo tính thống nhất của các dự báo từ
trung ương đến địa phương.
Tương lai nào cho các dự báo viên thời tiết?
Trong tương lai gần, tất cả các loại số liệu dự báo cung cấp cho các công cụ truyền
tin và khách hàng khác nhau sẽ lấy từ đầu ra của mô hình số trị sau khi đã được
các dự báo viên có trình độ hiệu chỉnh. Các công cụ truyền tin bao gồm website,
mạng nội bộ, phần mềm dự báo thời tiết trên điện thoại di dộng, đài truyền hình,
phát thanh, báo chí, công ty thủy điện, công ty du lịch… Các dạng tin cũng rất đa
dạng: chữ, đồ họa, bảng biểu, chuỗi thời gian, bản đồ…
Do đó, các điều chỉnh số liệu thô của mô hình nên được thực hiện bởi các dự báo
viên có kinh nghiệm và trình độ, am hiểu hệ thống thời tiết trên cả nước, đặc điểm,
các quá trình động lực học trong khí quyển và am hiểu các mô hình số trị. Để có
thể có được kết quả hiệu chỉnh mô hình TỐT HƠN thì dự báo viên có thể sử dụng
cách tiếp cận mô hình tổ hợp. Các điều chỉnh trên sản phẩm tổ hợp, theo quan điểm
của tác giả, sẽ không quá nhiều, giúp tiết kiệm thời gian và công sức. Các dự báo
viên khác có thể tập trung để tạo ra các sản phẩm cho các khách hàng cuối cùng
thay vì cũng phải xem xét nghiên cứu số liệu thô của mô hình và ra các thông tin
thời tiết như dự báo viên chính – trưởng ca. Các sản phẩm cho khách hàng cuối ở
đây được hiểu là các sản phẩm dự báo “hướng đối tượng”. Các thông tin dự báo
không chỉ dừng ở các yếu tố khí tượng chung (mưa, nhiệt, gió, ẩm) mà các yếu tố
đó phải gắn với đối tượng, khách hàng sử dụng sản phẩm dự báo, ví dụ: thời gian
kéo dài mưa, thời gian khô hạn đối với dự báo mùa vụ; hay mưa 50mm trong vòng
3 giờ có tác hại như thế nào với thủ đô Hà Nội? với thủy điện?
Dự báo số trị hạn vừa – Hiệu chỉnh như thế nào?
Khi đọc câu hỏi này và các phần nội dung về hiệu chỉnh sản phẩm dự báo mô hình
cho hạn ngắn và cực ngắn ở trên, các dự báo viên hạn vừa không khỏi băn khoăn
bởi lúc làm dự báo họ không có các số liệu quan trắc của ngày hôm sau hoặc tuần
sau thì làm thế nào để có cơ sở để hiệu chỉnh các mô hình?
Câu trả lời sẽ là: so sánh dự báo của các mô hình khác nhau!
10


Sổ tay dự báo viên

Nhưng mọi việc sẽ không đơn giản như trước (khi có thể so sánh dự báo với quan
trắc), giờ đây, khi tại một cơ quan dự báo có thể có nhiều mô hình khác nhau, bao
gồm 1-2 mô hình do chính cơ quan dự báo đó chạy, 4-5 đầu ra của mô hình từ các
nước tiên tiến trên thế giới và khu vực. Với sự phát triển của nền tảng internet,
ngày nay các dự báo của các trung tâm nước ngoài như ECMWF, NCEP… được
truyền đến các nước trên thế giới, trong đó có Việt Nam, gần như ngay lập tức sau
khi có ở server các nước sở tại, thậm chí ở ở Việt Nam, kết quả của mô hình GFS
của Mỹ hay GSM của Nhật còn có trước cả dự báo của mô hình khu vực do chính
Việt Nam chạy.
Thứ nhất, để sử dụng hiệu quả các sản phẩm dự báo số, các dự báo viên cần biết rõ
ưu nhược điểm của từng mô hình (cái này có thể tìm trong các tài liệu kỹ thuật,
trên các website của các Trung tâm dự báo. Việt Nam cũng có chạy mô hình nhưng
lại không có được báo cáo này (??? – what a shame?) khiến các dự báo viên không
có thông tin gì về cấu hình, ưu nhược điểm cũng như chất lượng của các mô hình
(cho khu vực, cho địa điểm) giống như các mô hình của các nước phát triển. Các
đánh giá mô hình về các hệ thống thời tiết quy mô lớn như áp cao cận nhiệt đới,
gió mùa, ENSO, MJO hay các hệ thống quy mô vừa và nhỏ như bão, ATNĐ,
dông… là rất hữu ích đối với dự báo viên để có thể tạo ra một kết quả hiệu chỉnh
dự báo tốt hơn so với số liệu dự báo gốc của mô hình. Bên cạnh đó, các đánh giá
chất lượng của mô hình (toàn cầu và khu vực) đối với các khu vực khí hậu khác
nhau (Tây Bắc, Đông Bắc, Trung Bộ, Nam Bộ…) cũng rất cần thiết.
Thứ hai, cách tiếp cận của dự báo hạn vừa có khác so với dự báo hạn ngắn đó là
dựa vào so sánh các mô hình, đầu tiên là mô hình khu vực, sau đó là mô hình toàn
cầu. Khi dự báo viên biết mô hình khu vực, hay mô hình toàn cầu có những ưu
nhược điểm nhất định (ví dụ: mô hình khu vực thường cho mưa địa hình lớn hơn
nhiều so với thực tế; hay mô hình toàn cầu dự báo gió mùa đông bắc chậm hơn so
với mô hình khu vực và so với thực tế…) dự báo viên có thể đưa ra các lựa chọn
yêu thích cho mình đối với một mô hình nào đó. Ví dụ dự báo viên A lựa chọn mô
hình GFS của NCEP, khi này dự báo viên cần tìm hiểu (đọc tài liệu, đánh giá thực
tế, có cập nhật thường xuyên) xem “ứng xử” của mô hình GFS đối với các loại
hình thời tiết khác nhau: mưa lớn, mưa dông, sương mù, mưa phùn, nắng nóng…
là như thế nào.
Khi kết quả của các mô hình khác nhau cho dự báo 10 ngày tới là khá thống nhất
thì công việc sẽ khá đơn giản cho các dự báo viên, dự báo viên có thể sử dụng mô
hình yêu thích của mình làm nền để hiệu chỉnh. Nhưng nếu dự báo của các mô

11


Hoàng Phúc Lâm
hình là rất khác nhau, đặc biệt mô hình yêu thích của dự báo viên đó lại nằm ngoài
chùm dự báo của các mô hình tổ hợp thì dự báo viên sẽ phải quyết định:
- Hoặc: sử dụng dự báo tổ hợp
- Hoặc: sử dụng mô hình yêu thích
Tuy nhiên, có một lưu ý và kinh nghiệm cho các dự báo viên đó là mô hình IFS
của ECMWF cho chất lượng dự báo hạn vừa khá tốt khi xét trung bình trên toàn
thế giới. Nếu các dự báo từ các mô hình khác nhau nhiều, dự báo viên có thể coi
mô hình của ECMWF là một lựa chọn tốt để dựa vào và hiệu chỉnh sản phẩm.
Nhưng hiện tại vẫn chưa có một đánh giá chính thống về chất lượng mô hình IFS
cho các hiện tượng thời tiết ở Việt Nam nên đơn vị dự báo cần bổ sung các thông
tin này đến các dự báo viên càng sớm càng tốt. Các đánh giá này cũng cần được
cập nhật thường xuyên (3-6 tháng/lần) để dự báo viên có được thông tin liên tục về
chất lượng dự báo của các mô hình trong thời gian gần đây.
Kinh nghiệm dự báo và hiệu chỉnh dự báo 48-120 giờ
1. Chọn một mô hình cho riêng mình
2. So sánh nó với dự báo của các mô hình khác:
+ Nếu sai khác trong dự báo của các mô hình là nhỏ, hãy sử dụng mô hình
của bạn như dự báo nền để hiệu chỉnh,
+ Nếu sai khác là lớn, hãy hiệu chỉnh nó về hoặc tiện cận với trường tổ hợp
(trường trung bình của các sản phẩm dự báo), trừ trường hợp được nêu dưới đây,
+ Nếu mô hình của bạn khác với các mô hình khác nhưng bạn lại biết rằng
mô hình của bạn thường dự báo tốt hơn so với mô hình khác về hệ thống/ hình thế
thời tiết đó. Khi đó bạn có lý do để không hiệu chỉnh hoặc hiệu chỉnh rất ít mô
hình của bạn.
3. Ngay cả mô hình IFS của ECMWF cũng sai trong một số trường hợp nên khi
xem xét mô hình của ECMWF, nếu dự báo của mô hình tất định khác xa so với các
mô hình trong tổ hợp 51 thành phần thì bạn cần đặt một dấu hỏi lớn cho dự báo tất
định đó.
4. So sánh các phiên dự báo khác nhau cho cùng 01 thời điểm dự báo. Ví dụ: dự
báo cho ngày 2/9 sẽ có các phiên dự báo 24 giờ từ 1/9; 48 giờ từ 31/8 và 72 giờ từ
30/4, v.v…
Nếu trong nhiều phiên dự báo liên tục, mô hình A cho thời tiết ngày 2/9 là như
nhau Hãy tin tưởng mô hình A.
12


Sổ tay dự báo viên

Ngược lại, nếu các phiên dự báo của mô hình A là rất khác nhau, mô hình liên tục
điều chỉnh Không nên dùng mô hình A để tránh dự báo không nhất quán (jumpy
forecast)
Nếu các dự báo của các mô hình ở các phiên khác nhau có sai khác lớn chứng tỏ
các dự báo này rất nhạy với điều kiện ban đầu, do đó ít có ý nghĩa trong tham khảo
dự báo.
Công cụ SmartMet - Xem TL riêng
Dự báo tổ hợp và cách sử dụng
Hiện tại ở Trung tâm Dự báo KTTV Trung ương, các dự báo viên có thể tham
khảo dự báo gió mạnh, mưa lớn thông qua các sản phẩm của NCEP, JMA và
ECMWF. Riêng ECMWF có thể tham khảo trên internet (có username và
password). Với các mô hình của NCEP và JMA, GEM,…dự báo viên có thể tham
khảo dự báo xác suất xuất hiện mưa với ngưỡng 20mm, 50mm, 100mm và gió
mạnh lớn hơn 5m/s, 10m/s, 15m/s bằng cách kết hợp các mô hình toàn cầu. Các
mô hình này (SREP, LREP) là sự kết hợp giữa các mô hình khu vực (WRF,
COSMO, NHM) sử dụng các đầu ra của các mô hình toàn cầu (GFS, GSM, GME,
GEM, IFS) làm đầu vào và là điều kiện biên để tạo ra dự báo tổ hợp. Đây là cách
tiếp cận đa mô hình đa phân tích.
Ngoài sản phẩm của SREP và LREP, Trung tâm Dự báo KTTV Trung ương hiện
tại còn được cung cấp sản phẩm dự báo tổ hợp của Trung tâm dự báo hạn vừa
Châu Âu với 51 thành phần. Đây là mô hình tổ (EPS) bao gồm 51 thành phần.
Khi xem xét các dự báo tổ hợp nói chung và tổ hợp của ECMWF nói riêng cần lưu
ý các điểm sau:
- Độ phân tán của các thành phần tổ hợp càng lớn thì sai số tiềm ẩn trong dự
báo ngày hôm đó càng cao. Điều này thể hiện qua bản đồ dạng spagheti đối
với dự báo trường (ví dụ trường H500) hoặc biểu đồ hộp và râu (box-plot) đối
với dự báo điểm (ví dụ dự báo thành phố của ECMWF – hình 1).
- Khi dự báo cho một ngày cụ thể, các thành phần tổ hợp càng gần nhau, càng
thống nhất thì ngày đó càng dễ dự báo(!). Thông thường đây là các ngày dự
báo gần hoặc các ngày không có (hoặc ít) sự biến đổi của các hệ thống thời
tiết. Dự báo viên có thể tin tưởng rằng giá trị thực sẽ xảy ra của mưa, nhiệt
độ, gió,… nằm đâu đó trong một khoảng rất hẹp của các thành phần tổ hợp.
- Khi một ngày dự báo nào đó, các mô hình tổ hợp toàn toàn khác nhau thì có
nghĩa là ngày đó rất khó dự báo, các dự báo viên cần xem xét rất cẩn thận và
13


Hoàng Phúc Lâm
thường phải ra quyết định rằng có xảy ra chuyển biến thời tiết hay không?
Nếu có thì xảy ra vào thời điểm nào?.
- Tóm lại, sự khác nhau giữa các thành phần tổ hợp sẽ cung cấp một gợi ý rất
tốt về mức độ chắc chắn của dự báo. Nếu chúng ta có thể có được một mối
quan hệ giữa hoàn lưu khí quyển và các sai số thì sẽ giúp ích rất nhiều cho
các dự báo viên trong việc quyết định bản tin của mình.

Hình 1: Ví dụ về dự báo địa điểm của ECMWF cho Hà Nội

Ứng dụng trong dự báo tổ hợp trong dự báo xác suất hiện tượng
Các thành phần dự báo tổ hợp (21 thành phần của SREP, LREP hay 51 thành phần
của ECMWF EPS) có thể được sử dụng để dự báo xác suất xuất hiện các hiện
tượng thời tiết. Ví dụ: một khách hàng có thể quan tâm liệu mai ở Hà Nội có mưa
hay không? Hoặc các cơ quan Phòng chống lụt bão có thể hỏi liệu có khả năng xảy
14


Sổ tay dự báo viên

ra mưa lớn trên 100mm trong vòng 48 giờ tới gây ra lũ lớn ở Bình Định được
không?
Đây là những câu hỏi mà chúng ta có thể tìm thấy câu trả lời nếu sử dụng các sản
phẩm dự báo tổ hợp, và đây cũng là một cách để chúng ta tiến tới tạo ra các sản
phẩm dự báo “hướng đối tượng”. Tính xác suất xảy ra hiện tượng dựa trên các
thành phần tổ hợp sẽ giúp ta ước lượng được khả năng xảy ra các sự kiện nêu trên
trong thực tế.
Một ví dụ nữa, nếu tuần sau trời nóng, các siêu thị sẽ tổ chức các chương trình
khuyến mãi kem, salad, đồ uống. Nhưng khả năng này là bao nhiêu %? Nếu chỉ có
một dự báo đơn lẻ mà không kèm theo độ tin cậy sẽ khiến siêu thị bị thiệt hại nếu
quyết định buôn số lượng lớn các mặt hàng kể trên nhưng thực tế trời lại không
nóng. Trong trường hợp này, dự báo tổ hợp với xác suất xảy ra hiện tượng sẽ giúp
các nhà quản lý siêu thị tính toán được mức độ thiệt hại nếu đầu tư nhiều hơn/ ít
hơn cho các mặt hàng tùy thuộc vào dự báo thời tiết dựa trên các thông tin đánh giá
đúng mực về tính chính xác/ chắc chắn trong dự báo thời tiết và nhiệt độ (cao) hôm
đó.
Ngoài ví dụ kể trên, hiện tại Trung tâm Dự báo KTTV Trung ương cũng đang sử
dụng sản phẩm EPS của ECMWF trong dự báo quỹ đạo bão, cường độ bão và ước
lượng xác suất xuất hiện mưa lớn, mưa cực lớn và gió mạnh. Cách sử dụng các sản
phẩm tổ hợp này cũng tương tự như phần giới thiệu ở trên.
Trân trọng,
Mọi ý kiến phản hồi, góp ý xin gửi về địa chỉ email: lamhpvn@gmail.com

15



Tài liệu bạn tìm kiếm đã sẵn sàng tải về

Tải bản đầy đủ ngay

×