Tạp chí Khoa học đhqghn, KHTN & CN, T.xxII, Số 1PT., 2006

Dự báo dông ở bắc bộ
Trần Tân Tiến, Nguyễn Thế Vinh, Đặng Thị An
Khoa Khí tợng-Thuỷ văn và Hải dơng học
Trờng Đại học Khoa học Tự nhiên, ĐHQG Hà Nội
1. Mở đầu
Mọi hoạt động trong đời sống xã hội của con ngời đều trực tiếp chịu ảnh hởng
của các điều kiện thời tiết, nhất là các hiện tợng thời tiết nguy hiểm nh bão, ma lũ,
lốc, tố và dông. Những hiện tợng thời tiết nguy hiểm trên đặc biệt là dông ảnh hởng
lớn đến hiệu quả của các ngành kinh tế nh hàng không, hàng hải, du lịch, bu chính
viễn thông. Vì vậy việc dự báo dông là một vấn đề cấp bách đặt ra hiện nay.
Có rất nhiều phơng pháp để dự báo dông song theo ơc tính cho thấy dự báo
bằng mô hình chỉ đúng đợc khoảng 10% còn lại do kinh nghiệm đạt 30% và theo bản
năng là 60%. Các phơng pháp dự báo dông trên thế giới chủ yếu dựa vào các chỉ số
đặc trng cho độ bất ổn định của khí quyển. Các chỉ số thờng dùng là LI ( Liftid
index), CAPE (Convective Available Potention Eneregy ), độ đứt của gió, gió trên các
mặt đẳng áp, nhiệt độ, độ ẩm v.vTrong bài báo này chúng tôi sử dụng kết quả dự bảo
trờng địa thế vị , nhiệt độ, điểm sơng của mô hình bất thủy tĩnh ETA để tính toán
các chỉ số bất ổn định và xây dựng phơng trình dự báo dông cho từng trạm thuộc Bắc
bộ.
2. Mô hình ETA
Mô hình khu vực hạn chế ETA do trờng đại học Belgrade và Viện Khí tợng
Thủy văn Federal Belgrade cùng với Trung tâm Khí tợng Quốc gia Mỹ xây dựng. Mô
hình liên tục đợc thay đổi thông qua các hội thảo hàng năm của các chuyên gia về mô
hình trên thế giới đang sử dụng ETA. Mô hình ETA hiện nay đợc NCEP cải tiến trở
thành một trong các mô hình số trị chạy nghiệp vụ dự báo ngắn hạn tại Mỹ. Trên thế
giới có nhiều nớc sử dụng nh Nam T, Hy Lạp, Italy, Nam Mỹ Phiên bản mới nhất
của mô hình ETA không thuỷ tĩnh đợc hoàn thiện và sử dụng tại Đại học tổng hợp Hy
Lạp đứng đầu là giáo s G.Kaloss. Hiện nay nhóm nghiên cứu dự báo khí tợng trờng
Đại học Khoa học tự nhiên - ĐHQGHN với sự giúp đỡ của giáo s G. Kaloss đã áp dụng

thì hệ phơng trình nhiệt động lực bất thủy tĩnh có dạng sau (Janjic et al., 2001) [27]:
1) Phơng trình cho xu thế khí áp:

à
à



=


d
t
)(
1
0
v
(3)
2) Phơng trình trạng thái:

RTp
=

(4)
3) Phơng trình của độ cao địa thế vị:


+=
1


T
T=
t
T
+


+


+


++






])1([
])()1([
0



à




==




&
v
(9)

)(
11

w
w
t
w
gdt
dw
g



++


==
&
v

(10)

2001.0
7001000700



=
T
Z
Z
Boyd
,
trong đó:
Z
700
là độ cao địa thế vị ở mực 700mb (m
2
/s
2
)
Z
1000
là độ cao địa thế vị ở mực 1000mb (m
2
/s
2
)
T
700
là nhiệt độ tại mực 700mb (K
0

T
d850
là nhiệt độ điểm sơng tại mực 850mb (K
0
)

T
d700
là nhiệt độ điểm sơng tại mực 700mb (K
0
)

3.3. Chỉ số TT:
Công thức toán học của chỉ số TT:
T
T
T
T
d
TT
500850500850

+

=
,
trong đó:
T
850
là nhiệt độ tại mực 850mb (K

, Z
700
, T
850
,

T
d850
, T
700
, T
d700
, T
500
tại thời điểm đó. Mô
hình ETA chạy dự báo cho 48 giờ chúng tôi lấy ra 336 trờng số liệu mỗi trờng gồm
12285 điểm (105 x117 với 7 yếu tố từng giờ một. Miền tính từ kinh độ từ 96 đến 125
0
và
vĩ độ từ 1
0
đến 25
0
, độ phân giải ngang là 0.25 x 0.25.
Đã lập trình tính toán các chỉ số Boyd, KI, TT cho tất cả các điểm (tức 12285
điểm) dựa vào 7 yếu tố: Z
1000
, Z
700
, T

Không có dông Có dông Có dông
Không có dông Không có dông Không có dông
Sau khi quy định nh trên, chúng tôi lập trình chơng trình đọc số liệu phát báo
7 trạm trên, kết hợp với số liệu tính toán các chỉ số Boyd, chỉ số KI và chỉ số TT ta lập
đợc chuỗi số liệu để dự báo dông ở các trạm.
Trần Tân Tiến, Nguyễn Thế Vinh, Đặng Thị An
60
Mô hình ETA chạy từ tháng 2 đến tháng 5 chúng tôi thu đợc một tập số liệu nh
dã mô tả. Sử dụng chơng trình phân để tính toán với chuỗi số liệu đã có đã tìm đợc
hàm phân lớp dự báo dông.
4. 2. Phơng pháp đánh giá kết quả
Ngời ta có nhiều phơng pháp để đánh giá kết quả, nhng trong bài báo về dự
báo dông này chúng tôi sử dụng phơng pháp đánh giá kết quả dự báo pha (có hay
không có dông). Độ chính xác của phơng pháp dự báo đợc xác định theo công thức sau:
N
U
NN
2211
+
=
,
trong đó:
N: Tổng số lần dự báo.
N
11
: Số lần dự báo đúng pha có dông.
N
22
: Số lần dự báo đúng pha không có dông.
Về nguyên tắc, chọn phơng pháp dự báo nào có U lớn nhất. Thực tế chỉ sử dụng

59.032 (%) 0.18 43.236
Dự báo dông ở Bắc Bộ
61
Bảng 4: Kết quả phân lớp của chỉ số KI:
U (%) H (độ tin cậy) Ngỡng
55.040 (%) 0.1008 582.8
Sau khi đổ vào chơng trình phân lớp ta thu đợc ngỡng của các chỉ số TT
(43.236), chỉ số KI (582.8) và chỉ số Boyd (-176.004), trong đó hai chỉ số KI và TT dự báo
không tốt bằng chỉ số Boyd vì chỉ số Boyd dự báo đúng 65.985% với độ tin cậy là 0.3197
trong khi đó hai chỉ số KI và TT chỉ dự báo đúng 55.040% và 59.032% với độ tin cậy nhỏ
hơn 0.2. Vì vậy ta có thể kết luận đợc rằng chỉ số Boyd có thể đợc sử dụng để dự báo
dông.
4.3.2. Sử dụng hai chỉ số làm hai nhân tố dự báo:
Bảng 5: Kết quả phân lớp của chỉ số Boyd và TT:
U(%) H (Độ tin cậy) Hàm phân lớp
65.985% 0.3197 I=14.744TT + 6.199Boyd + 823.13
Bảng 6: Kết quả phân lớp của chỉ số Boyd và KI:
U(%) H (Độ tin cậy) Hàm phân lớp
69.051% 0.381 I=133.97KI + 6.2127Boyd 76984.256
Bảng 7: Kết quả phân lớp của chỉ số KI và TT:
U(%) H (Độ tin cậy) Hàm phân lớp
58.905% 0.1781 I=22.094TT + 137.567KI 81129.4
Kết quả phân lớp thu đợc cho thấy việc sử dụng hai chỉ số làm hai nhân tố dự
báo cho kết quả khả quan hơn và khả năng dự báo chính xác hơn việc sử dụng một chỉ
số làm nhân tố dự báo.
Kết quả dự báo kết hợp hai chỉ số Boyd và KI có thể đúng tới 69.051% với hàm
phân lớp I = 133.97KI + 6.2127Boyd 76984.256 và độ tin cậy 0.381.
Tổ hợp hai chỉ số Boyd và TT cũng cho kết quả tốt hơn đúng tới 65.985% với độ
tin cậy 0.3197 và cũng tìm đợc hàm phân lớp I = 14.744TT + 6.199Boyd + 823.13.
Việc tổ hợp hai chỉ số KI và TT cho kết quả không tốt chỉ dự báo đúng 58,905%

VNU. JOURNAL OF SCIENCE, Nat., Sci., & Tech., T.xXII, n
0
1AP., 2006

THUNDERSTORM FORECAST IN THE NORTH OF VIETNAM
Tran Tan Tien, Nguyen The Vinh, Dang Thi An
Department of Hydro-Meteorology & Oceanography
College of Science, VNU

Using prediction fields of geopotential, temperature, moistue given by ETA every
hour, some unstable indexes of the atmosphere at a model grid point are calculated.
The indexes include Boyd, KI and TT. These indexes are interpolated into the positions
of weather stations, where thunderstorms are observed every 30 minute. The series of
these indexes and thunderstorms are used to establish discriminative functions. The
functions are tested using independent and dependent data. The results of the tests
show that discriminative function with 3 variables may be used for thunderstorm
forecast in the North of Vietnam in meteorological operations.
Dù b¸o d«ng ë B¾c Bé
63