ảnh minh họa

Lợi ích của dự báo mưa tổ hợp (EPP)

Trong những giai đoạn gần đây, dự báo mưa tổ hợp (EPP) từ mô hình số trị đã nhận được rất nhiều sự quan tâm của các nhà khoa học nhờ những lợi ích nổi bật của nó so với dự báo tất định. EPP không chỉ cung cấp thông tin dự báo về chất lượng và định lượng dự báo khi xem xét giá trị trung bình của tổ hợp như là dự báo tất định, mà nó còn cung cấp những thông tin giá trị về xác suất xảy ra mưa bằng việc đếm số lượng các thành viên vượt một ngưỡng mưa xem xét. Bằng cách này, EPP có thể trả lời câu hỏi “Khả năng xảy ra mưa là bao nhiêu phần trăm (ví dụ 70%) hoặc không xảy ra (ví dụ 30%)?”, trong khi đó dự báo tất định chỉ có thể trả lời “có xảy ra mưa hay không? (có: 100%, không: 0%)”. Vì vậy, EPP là công cụ rất có giá trị tham khảo cho các dự báo viên trước khi đưa ra quyết định ra bản tin dự báo. Lợi ích của EPP còn đến từ ứng dụng của nó trong nhiều lĩnh vực dự báo khác. Trong dự báo lũ, EPP được sử dụng làm đầu vào cho mô hình thủy văn để dự báo dòng chảy tổ hợp, yếu tố rất có giá trị hỗ trợ các nhà thủy văn và quản lý nước trong việc đưa ra quyết định.

EPP có thể được tạo ra bằng 2 cách (không xem xét trường hợp tổ hợp nhiều mô hình) bao gồm 1) chạy mô hình số trị nhiều lần với các điều kiện biên, thông số mô hình số trị khác nhau hoặc 2) hậu xử lý thống kê lượng mưa dự báo tất định của mô hình số trị. Phương pháp thứ nhất thường gặp nhiều khó khăn về mặt kỹ thuật và yêu cầu tài nguyên tính toán lớn, chính vì vậy nhiều mô hình số trị chạy nghiệp vụ hiện tại vẫn là tất định. Hơn nữa, dải tổ hợp thường rất hẹp. Phương pháp thứ hai đơn giản hơn và có thể tiết kiệm thời gian và tiền bạc, vận hành tương đối nhanh trong dự báo lũ tổ hợp. Nhờ những lợi ích như vậy, nhiều kỹ thuật, phương pháp hậu xử lý thống kê đã được phát triển để tạo ra EPP như Multiple Linear Regression model, Bayesian Joint Probability (BJP), mixed-type bivariate meta-Gaussian distribution model. Những kỹ thuật này thường yêu cầu một lượng lớn dữ liệu dự báo trong trong một thời gian dài trong quá khứ để xác định bộ thông số tối ưu. Sử dụng một bộ dữ liệu dự báo dài hạn cho hiệu chỉnh sẽ tăng kỹ năng dự báo hiệu quả hơn nhiều so với việc sử dụng bộ dữ liệu dự báo ngắn hạn. Vì vậy, những phương pháp này có thể không phù hợp với những mô hình số trị tất định mới được vận hành gần đây. Việc thực hiện chạy mô hình số trị để tái dự báo cho quá khứ sẽ gặp lại vấn đề về tiền bạc, công sức và tài nguyên tính toán.

Mục đích của nghiên cứu này là để đề xuất một phương pháp có thể giải quyết các hạn chế của các phương pháp trước trong việc nâng cao năng lực dự báo mưa, lũ. Một phiên bản chỉnh sửa của phương pháp tạo EPP phát triển bởi Saavedra được đề xuất để tạo ra EPP với biên độ nhiễu loạn khác nhau giữa các ô lưới trên lưu vực nghiên cứu. EPP được tích hợp với thông tin dự báo từ ra đa để tạo ra một hỗn hợp dự báo để có thể tạo ra dự báo tốt hơn so với dự báo mưa đơn lẻ từ mô hình số trị hoặc từ ra đa. Cuối cùng, một phương pháp xem xét sai số không gian của mưa được áp dụng để điểu chỉnh từng thành viên của hỗn hợp. Sơ đồ thực hiện của phương pháp được thể hiện trong Hình sau:

Các bước thực hiện của phương pháp đề xuất để cải thiện năng lực dự báo mưa, lũ.

 Kết quả mong đợi

Nghiên cứu này đề xuất một phương pháp để nâng cao năng lực dự báo mưa, lũ của một cặp mô hình khí tượng thủy văn. Phương pháp này được áp dụng để cải thiện năng lực dự báo mưa, lũ cho 2 sự kiện lũ xảy ra vào năm 2013 và 2016 trên lưu vực sông Yeongwol sử dụng cặp mô hình LDAPS và SURR và đã cho thấy những sự cải thiện đáng kể. Sự thành công của trường hợp nghiên cứu này chứng tỏ khả năng áp dụng của phương pháp đề xuất trong nghiên cứu này và dẫn đến các kết luận sau:

Phương pháp tạo mưa tổ hợp đã thành công trong việc tạo ra EPP từ giá trị dự báo mưa tất định, với giá trị BS giảm xuống. Điểm độc đáo của phương pháp này là nó không yêu cầu số liệu dự báo trong quá khứ. Vì vậy, phương pháp này rất có giá trị cho các mô hình số trị tất định mới được chạy trong thời gian gần đây.

Kỹ thuật tích hợp có thể tạo ra hỗn hợp mưa dự báo với độ chính xác cao hơn hoặc mô hình số trị hoặc ra đa có thể thực hiện với các giá trị tốt hơn của PC, RMSE, CC và BS.

Hiệu quả của phương pháp tích hợp là tốt nhất cho 6 giờ kế tiếp với sự hiển thị của lượng mưa dự báo từ ra đa. Đối với các khoảng thời gian dự báo dài hơn, có rủi ro trong dự báo mưa khi giá trị của FAR tăng lên, nhưng rủi ro này lại có giá trị đôi với dự báo dòng chảy khi giá trị của ME được cải thiện.

Phương pháp điều chỉnh thủy văn và thời gian thực là một phương pháp hữu ích cho việc xem xét những sai số không gian của lượng mưa để năng cao độ chính xác của dự báo dòng chảy. Điều chỉnh lượng mưa xem xét điều chỉnh thủy văn là cần thiết nhờ sự thực hiện tốt hơn so với việc không xem xét điều chỉnh thủy văn.

        Việt Anh