ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN
---------------------

Mai Khánh Hưng

NGHIÊN CỨU ẢNH HƯỞNG CỦA SỐ LIỆU THÁM KHÔNG GIẢ LẬP TRÊN
QUẦN ĐẢO TRƯỜNG SA VÀ HOÀNG SA ĐẾN DỰ BÁO BÃO TRÊN BIỂN
ĐÔNG

Chuyên ngành : Khí tượng và khí hậu học
Mã số: 60440222

LUẬN VĂN THẠC SĨ KHOA HỌC

NGƯỜI HƯỚNG DẪN KHOA HỌC: TS LÊ ĐỨC

Hà Nội


LỜI CẢM ƠN
Trước tiên tôi xin bày tỏ lòng biết ơn sâu sắc tới TS.Lê Đức là người đã tận
tình chỉ bảo và hướng dẫn tôi trong quá trình học tập và hoàn thành luận văn này.
Tôi xin cảm ơn các thầy cô trong khoa Khí tượng – Thủy văn – Hải dương
học đã cung cấp cho tôi những kiến thức chuyên môn quý giá.
Tôi cũng xin cảm ơn các cán bộ phòng Dự báo số và viễn thám, Trung tâm
Dự báo khí tượng thủy văn Trung ương đã tạo giúp đỡ và điều kiện thuận lợi về cơ
sở vật chất, máy móc thiết bị trong suốt thời gian tôi thực hiện luận văn.
Tôi cũng xin cảm ơn Phòng sau đại học, Trường Đại học Khoa học Tự nhiên
đã tạo điều kiện cho tôi có thời gian hoàn thành luận văn.
Cuối cùng, tôi xin gửi lời cảm ơn chân thành tới gia đình, người thân và bạn

Experiment
Final
Operational
Global
FNL
Analysis data
Global Atmospheric Research
GARP
Program
GFS
Global Forecasct System
LSM
Land – Surface model
National Aeronautics and
NASA
Space Administration
National Centers for
NCEP
Environmental Prediction
NR
Nature Run
Observation system simulation
OSSE
experiments
PBL
Planetary boundary layer
Weather
Research
and
WRF

tiết kết hợp phương pháp biến phân


MỞ ĐẦU
Chất lượng dự báo của các mô hình số trị đã được nâng cao nhanh chóng
trong khoảng hai thập kỷ trở lại đây, tuy nhiên độ chính xác trong dự báo các hiện
tượng thời tiết có tác động lớn như bão hay xoáy thuận nhiệt đới vẫn còn là thách
thức. Các cơn bão thường diễn ra trên những vùng biển, đại dương nơi mà mật độ
các trạm quan trắc rất thưa thớt. Việc thiếu thông tin quan trắc đã dẫn tới trường số
liệu ban đầu của các mô hình số trị trở nên không chính xác, gây khó khăn trong
việc dự báo bão và xoáy thuận nhiệt đới. Việt Nam là quốc gia có đường bờ biển
dài trên 3000 km, nằm trong khu vực có tần suất hoạt động của bão lớn nhất trên thế
giới, thường xuyên phải đón nhận các cơn bão với sức tàn phá lớn. Vì vậy, dự báo
bão là một trong những nhiệm vụ quan trọng hàng đầu của dự báo số trị.
Tầm quan trọng của số liệu thám sát trong và xung quanh hoàn lưu bão đã
được biết đến từ nhiều năm. Tại các quốc gia tiên tiến, khi có bão, các quan trắc
dropsonde hoặc radar sử dụng máy bay thường được tiến hành để cung cấp thêm
thông tin trạng thái khí quyển trong bão. Do còn nhiều hạn chế về công nghệ, nhân
lực cũng như tài chính tại Việt Nam, các loại thám sát đặc biệt này vẫn chưa được
sử dụng. Tuy nhiên, Việt Nam có hai quần đảo Trường Sa và Hoàng Sa trên biển
Đông, hoàn toàn có thể cung cấp các dự báo bổ sung này dưới dạng số liệu thám
không và được kỳ vọng có thể cải thiện được chất lượng dự báo bão. Tuy nhiên,
việc kiểm chứng tác động của số liệu này tới dự báo bão là không đơn giản khi các
trạm quan trắc chưa được xây dựng và số liệu thám không tại vực nói trên chưa tồn
tại. Trong khi đó, việc xây mới hay bảo trì, bảo dưỡng hệ thống quan trắc nói chung
hay từng trạm thám không riêng lẻ đòi hỏi nhiều chi phí, bên cạnh đó cần có những
điều tra tỉ mỉ, tốn nhiều thời gian về vị trí đặt trạm, tần suất hoạt động v..v.. để đảm
bảo số liệu thám sát mới có thể phát huy hiệu quả cao nhất. Do vậy, để kiểm chứng
được các tác động của loại số liệu thám không tới dự báo bão trong khi các trạm
quan trắc còn chưa được xây dựng, các nhà khoa học trên thế giới đã sử dụng

1.1 Tổng quan các nghiên cứu về OSSE trên thế giới và tại Việt Nam
Trong bài viết tổng quan về vai trò của phương pháp thử nghiệm giả lập hệ
thống quan trăc trong ngành khí tượng năm 1989, tác giả Alane.Lipton[7] đã cho
biết phương pháp này được ra đời vào những năm 1960 của thế kỷ trước. Động lực
đầu tiên thúc đẩy sự hình thành và phát triển của phương pháp này là kế hoạch xây
dựng một hệ thống quan trắc toàn cầu có độ chính xác cao của chương trình nghiên
cứu khí quyển toàn cầu (Global Atmospheric Research Program – GARP). Tuy
nhiên, xây mới một hệ thống quan trắc hay lắp đặt mới các thiết bị quan trắc là rất
tốn kém đặc biệt là các thiết bị quan trắc hiện đại như vệ tinh, radar v..v… Hơn nữa,
do kinh phí đầu tư là có giới hạn, nên việc lắp đặt thêm thiết bị quan trắc này đồng
nghĩa với việc giảm bớt thành phần khác quan trắc. Do đó, quá trình thiết kế hệ
thống quan trắc mới cần phải điều tra kỹ lưỡng nhằm ước tính được tác động của
quan trắc mới tới dự báo số. Tuy nhiên, đây là công việc khó thực hiện bởi hệ thống
quan trắc mới chưa được xây dựng, số liệu quan trắc mới chưa tồn tại. Để giải quyết
vấn đề trên, các nhà khoa học trên thế giới đã đề xuất một phương pháp cho phép
mô phỏng lại tác động tiềm năng của số liệu quan trắc mới hay hệ thống quan trắc
mới tới các dự báo số được biết với tên gọi là thử nghiệm giả lập hệ thống quan trắc
được gọi tắt là phương pháp OSSE.
Theo những nghiên cứu của Atlas và nnk vào năm 1985[9], Arnold và Dey
trong năm 1986[8] thì phương pháp OSSE được xếp nằm trong lớp bài toán kiểm
nghiệm, giả lập (mô phỏng) tuy nhiên khác biệt với thử nghiệm giả lập (mô phỏng)
thông thường, phương pháp OSSE cho phép giả lập những thứ chưa tồn tại cụ thể là
các quan trắc mới. Từ đó, dựa trên ý tưởng hệ thống đồng hóa số liệu, phương pháp
OSSE có thể ước tính được tác động tiềm năng của quan trắc mới tới hệ thống dự
báo số trị (NWP) làm cơ sở cho chương trình thử nghiệm thời tiết toàn cầu. Trong
nghiên cứu của Atlas và Emmitt vào năm 1991[11], của Rohaly và Krishnamutri
vào năm 1993[21] và của Atlas trong năm 1989[10] phương pháp OSSE còn được
sử dụng để cho phép ước lượng, điều chỉnh thêm hoặc giảm các thành phần cấu
thành nên hệ thống quan trắc.
Trong giai đoạn đầu phát triển từ năm 1960 đến 1980, phương pháp OSSE

Baker và nnk vào năm 1995[13]. Trong những nghiên cứu này, các tác giả sử dụng
mô hình tích phân hoàn lưu chung khí quyển có độ phân giải 5 o, hệ thống đồng hóa
và dự báo GEOS3 có độ phận giải 1 o. Kết quả có được từ các nghiên cứu này đã chỉ
ra sự cải thiện rõ rệt độ chính xác của dự báo khi số liệu gió vệ tinh lidar được đồng
hóa. Cụ thể, kỹ năng dự báo trung bình đã được kéo dài thêm từ 12 – 18 giờ tại
Nam Bán Cầu và từ 3 - 6 giờ tại Bắc Bán Cầu. Tăng độ chính xác trong dự báo quỹ
đạo bão, sai số vị trí tâm bão dự báo giảm xấp xỉ 10% tính trung bình toàn cầu. Đặc
biệt với các cơn bão có cường độ mạnh (áp suất cực tiểu tại tâm nhỏ hơn 945hPa),
thì sai số khoảng cách giảm trung bình hơn 200km. Không chỉ vậy, các nhà khoa
học còn chỉ ra được tác động của gió Lidar này đã cải thiện được dự báo vị trí đổ bộ

7


của các cơn bão, giảm sai số xấp xỉ 250km.
Trước năm 2000, phương pháp OSSE thường được sử dụng trong các nghiên
cứu có quy mô lớn, các mô hình được sử dụng để thực hiện các giả lập thử nghiệm
là mô hình toàn cầu. Từ những năm đầu thế kỷ 21 cho đến nay, sự phát triển nhảy
vọt của khoa học kỹ thuật và năng lực tính toán của máy tính đã tạo điều kiện cho
các hệ thống mô hình khu vực cũng ra đời và hoàn thiện. Các nghiên cứu sử dụng
phương pháp OSSE đã tập trung hơn vào nghiên cứu quy mô vừa, đặc biệt là tác
động tiềm năng của số liệu viễn thám tới các loại thời tiết có tác động lớn như bão,
xoáy thuận nhiệt đới. Trong nghiên cứu sử dụng OSSE ước tính tác động tiềm năng
của số liệu gió Lidar Doppler tới việc dự báo các hiện quy mô vừa như bão tuyết,
xoáy thuận nhiệt đới vào năm 2009 [25], Pu và Zhang đã chỉ ra những khó khăn khi
sử dụng mô hình toàn cầu mô phỏng hiện tượng quy mô vừa do không phản ánh
được cấu trúc và cường độ của các hiện tượng này, do vậy cần có những thử
nghiệm dựa trên những mô hình khu vực. Năm 2013, Nolan và nnk [22] đã xây
dựng một khí quyển giả lập quy mô khu vực phục vụ cho xem xét tác động của các
loại quan trắc tương lai tới dự báo bão. Quá trình mô phỏng này được thực hiện

thực hiện. Nghiên cứu của Kiều Thị Xin và Lê Đức (2003) [2] đã sử dụng mô hình
HRM kết hợp với sơ đồ đồng hóa biến phân ba chiều 3DVAR để đồng hóa số liệu
tại các trạm cao không và Synop. Kết quả cho thấy lượng mưa dự báo đã gần với
thực tế hơn so với trường hợp không có đồng hóa. Trần Tân Tiến và nnk (2009)[5]
đã thực hiện đồng hóa số liệu áp suất mặt biển và gió đã cho thấy những cải tiến
trong khả quan trong việc dự quỹ đạo và cường độ bão đặc biệt trong hạn dự báo từ
6 đến 48h. Cùng năm 2009, Phan Văn Tân và Nguyễn Lê Dũng [4] đã sử dụng mô
hình WRF kết hợp với hệ thống đồng hóa số liệu biến phân ba chiều của WRF thử
nghiệm cho dự báo một số cơn bão có quỹ đạo phức tạp trên biển Đông. Đồng hóa
số liệu được thực hiện với số liệu quan trắc giả lập tạo bởi một module ban đầu
xoáy hóa. Trần Tân tiến và Nguyễn Thị Thanh (2011)[6] đã nghiên cứu đồng hóa số
liệu vệ tinh MODIS trong mô hình WRF để dự báo mưa lớn ở khu vực Trung Bộ.
Các nghiên cứu được tiến hành trong hai mùa mưa 2007 và 2008 và thu được kết
quả khả quan, đã cải thiện đáng kể về diện mưa và lượng mưa trong dự báo 30 giờ
đầu. Cũng trong năm này, Kiều Quốc Chánh [3] đã tổng quan về hệ thống đồng hóa
lọc Kalman tổ hợp và ứng dụng cho mô hình dự báo thời tiết WRF. Kết quả thu
được cho thấy bộ lọc Kalman tổ hợp có khả năng nắm bắt tốt số liệu quan trắc vệ
tinh. Gần đây nhất, Hoàng Đức Cường và nnk (2013) [1] với nghiên cứu “Ứng dụng
mô hình WRF dự bão bão đến hạn 72h” thử nghiệm với 18 cơn bão trên biển Đông
trong hai mùa bão 2007 và 2008. Tác giả sử dụng sơ đồ đồng hóa 3DVAR cập nhật
số liệu synop và cao không cho trường ban đầu. Kết quả nghiên cứu cho thấy, sai số
đã giảm, đặc biệt là trong 42 giờ đầu khi sử dụng sơ đồ đồng hóa 3DVAR. Cần lưu
ý rằng ngoài Kiều Thị Xin [2] và Chánh Kiều [3], các nghiên cứu còn lại không
chạy một hệ thống đồng hóa đúng nghĩa theo chu kỳ mà chỉ thực hiện đồng hóa duy
nhất tại một thời điểm.
Qua các nghiên cứu trên thế giới, có thể nhận thấy phương pháp OSSE là
một công cụ hữu ích cho các nhà khoa học trong việc nghiên cứu tác động của các
loại số liệu quan trắc tương lai tới hệ thống dự báo số hiện tại. Các nghiên cứu trong

9

được cấu trúc bên trong của các hiện tượng này vì vậy cần có những khí quyển giả
lập quy mô khu vực (regional nature run) được tạo bởi các mô hình khu vực với
thời gian ngắn hơn, từ vài ngày đến một tuần và độ phân giải tinh hơn. Do trong
thực tế, khí quyển có nhiều quy mô khác nhau, cũng như các mô hình số trị là chưa
hoàn hảo nên khí quyển giả lập không thể giống chính xách hoàn toàn với khí
quyển thực tế. Tuy nhiên, để phương pháp thử nghiệm giả lập hệ thống quan trắc có
thể ước lượng được chính xác tác động của quan trắc mới thì khí quyển giả lập nên

10


có những đặc điểm của khí quyển thực tế trong thời đoạn cần nghiên cứu.
2) Giả lập số liệu quan trắc (Observation simulation)
Nếu như số liệu quan trắc thật có được thông qua các công cụ đo đạc thì ở
đây, số liệu quan trắc giả lập sẽ được mô phỏng từ khí quyển giả lập. Hiện nay có
hai cách tiếp cận để mô phỏng số liệu quan trắc [9]. Cách đơn giản nhất là nội suy
dữ liệu trên lưới mô hình của khí quyển giả lập về vị trí cần có số liệu quan trắc,
quá trình này bao gồm cả sai số của từng loại số liệu quan trắc. Một cách khác phức
tạp hơn và đắt hơn đó là sẽ giả lập cách thu thập số liệu quan trắc như trong thực tế.
Một điểm cần nói thêm, quá trình mô phỏng số liệu quan trắc bao gồm quá trình mô
phỏng lại các loại quan trắc đã có và mô phỏng, giả lập các loại quan trắc chưa có.
Việc lựa chọn đồng hóa loại số liệu quan trắc mô phỏng giả lập nào sẽ dẫn đến các
quá trình điều khiển hoặc thử nghiệm được trình bày trong bước 3 dưới đây.
3) Các quá điều khiển (Control Run), thử nghiệm (Experiments) và ước lượng tác
động của quan trắc mới
Để xem xét được tác động một loại số liệu, thì phương pháp phổ biến nhất là
so sánh, phân tích kỹ năng dự báo khi chưa có và có đồng hóa số liệu mới. Đối với
phương pháp OSSE cũng vậy, để biết tác động của số liệu quan trắc tương lai tới
chất lượng dự báo, ta cần có một quá trình chạy dự báo của mô hình khi chưa đồng
hóa số liệu quan trắc mới này. Quá trình này được gọi tên là Control Run (CR) tạm


Khí quyển thực

Quá trình
mô phỏng

Quá trình
đo đạc

Số liệu quan trắc
(hiện thời và tương lai
giả lập)

Số liệu quan trắc hiện thời có
thật

Đồng hóa
số liệu

Đồng hóa
số liệu

Mô hình
dự báo số trị

Mô hình
dự báo số trị

a) Hệ thống đồng hóa số liệu
b) OSSE



Chương 2
HỆ THỐNG ĐỒNG HÓA SỐ LIỆU
2.1 Phương pháp biến phân ba chiều 3DVAR
Đồng hóa số liệu là quá trình tạo trường ban đầu tốt nhất có thể cho mô hình
dự báo. Hiện nay, trên thế giới có hai phương pháp hiện đại được sử dụng trong
nghiên cứu cũng như trong nghiệp vụ là phương pháp đồng hóa biến phân
(variational assimilation) và phương pháp lọc Kalman tổ hợp. Đồng hóa biến phân
được chia thành đồng hóa biến phân ba chiều (3DVAR) và đồng hóa biến phân bốn
chiều (4DVAR). Trong khuôn khổ của luận văn này, tác giả chỉ áp dụng đồng hóa
biến phân ba chiều. Phương pháp 3DVAR sẽ tìm trạng thái khí quyển x phù hợp
nhất với quan trắc y hay chính là việc tìm trạng thái khí quyển x có xác suất cực đại
khi biết quan trắc. Theo công thức Bayes, xác suất có điều kiện của x khi biết trước
y được tính như sau:
P ( x) P ( y / x)
P( x / y ) =
P( y )
(2.1)
Vì P(y) không phụ thuộc vào x nên:
P(x/y) ~ P(x)P(y/x)
Trong đó, x được giả định có phân bố Gauss:

(2.2)

(2.3)
 1

T −1


exp − ( H ( x) − y )T R −1 ( H ( x) − y )  
 2


1
(2π )

p /2

1/2

(2.4)
với R là ma trận tương quan sai số quan trắc (gọi tắt là ma trận sai số quan trắc), y
là giá trị trường thám sát. Thay thế P(x) và P(y|x) trở lại vào (2.2) ta được:
1
(2π )

n /2

1
1/2

B

(2π )

p /2

1/2



(2.5)
Hay P(x/y) ~ với

1
 ( x − xb )T B −1 ( x − xb )  +  ( H ( x) − y )T R −1 ( H ( x) − y ) 
2
2

(2.6)
Xác suất P(x/y) cực đại khi J(x) cực tiểu. Trường phân tích mà ở đó hàm J
16


đạt giá trị cực tiểu sẽ được xem là trường phân tích tối ưu nhất. Về mặt tính toán
thực tế, việc cực tiểu hóa hàm J gặp hết sức khó khăn do B có kích thước rất lớn
nên người ta thường cực tiểu hóa hàm J bằng phương pháp lặp. Dưới đây, quá trình
cực tiểu hóa J trong hệ thống đồng hóa của mô hình WRF sẽ được giới thiệu.
Để quá trình cực tiểu hóa hàm J được nhanh và hiểu quả, hệ thống đồng hóa
của mô hình WRF (WRF-3DVAR) đã sử dụng một số kĩ thuật chính như sử dụng
phép đổi biến (control variable transform) kết hợp với dạng gia số (increment form),
dạng số điều kiện xác định trước (preconditioning form) và sử dụng phương pháp
lặp gradient liên hợp (conjugate gradient method). Đầu tiên WRF-3DVAR sử dụng
dạng gia số sao cho biến trạng thái là tổng của giá trị nền xb và giá trị nhiễu x’, khí
đó phương trình (2.6) được viết lại theo dạng biến trạng thái nhiễu:

v
n

J ( x ') = ( x ')T B −1 ( x ') + ( H ( x ') − y ')T R −1 ( H ( x ') − y ')


x ' =x 'U=ρU
Uυν U k

U vkp
Trong quá trình xử lý tính toán thực tế, WRF-3DVAR xem toán tử U trong
dạng chuyển biến điều khiển là một chuỗi các phép tính thực nghiệm hay sẽ có dạng
tương ứng là . Trong chuỗi phép thực hiện này, toán tử đại diện cho biến đổi theo

18


phương ngang, đại diện cho biến đổi theo phương thẳng đứng và cuối cùng toán tử
đại diện cho những biến đổi vật lý. Trong WRF-3DVAR, các biến đưa vào đồng
hóa gồm các biến cơ bản như các thành phần gió (u, v), nhiệt độ (T), áp suất p và độ
ẩm riêng q.
Phương pháp cực tiểu hóa trong hệ WRF-3DVAR là phương pháp lặp
gradient liên hợp bao gồm 4 bước chính sau:
Bước 1: Khởi tạo các gia số x’ bằng không
Bước 2: Tính toán hàm cực tiểu J
Bước 3: Tính toán gradient của hàm cực tiểu
Bước 4: Sử dụng hàm J và gradient của hàm J để tính toán giá trị mới của các
biến điều khiển mới ν
Các bước 2 đến bước 4 sẽ được lặp nhiều lần cho đến khi đạt độ hội tụ cho
phép hoặc trả về kết quả lỗi nếu sau số bước (được định trước) không hội tụ được.
2.2 Mô hình dự báo thời tiết WRF và hệ thống đồng hóa WRF – 3DVAR
a) Mô hình dự báo thời tiết WRF
Mô hình WRF là kết quả của sự hợp tác phát triển của nhiều trung tâm
nghiên cứu và dự báo khí tượng ở Hoa Kỳ như Trung tâm Quốc gia về nghiên cứu
khí quyển (NCAR), Trung tâm dự báo môi trường quốc gia (NCEP),…và đội ngũ

hợp với trường thám sát tạo thành trường phân tích nhờ phương pháp phân tích
khách quan 3DVAR. Trường phân tích này lại được sử dụng là trường ban đầu cho
lần chạy dự báo tiếp sau. Mô hình WRF sẽ không cần phải sử dụng kết quả phân

20


tích từ mô hình toàn cầu làm trường ban đầu. Như vậy, hệ thống WRF-3DVAR
được xây dựng sẽ bao gồm những đặc điểm sau:
• Phương pháp phân tích khách quan: 3DVAR
• Mô hình dự báo: WRF
• Chu kỳ: 6h
• Thám sát: mọi thám sát (cũ và mới) có được trên khu vực Việt Nam
• Điều kiện ban đầu cho mô hình WRF: trường phân tích được tạo bởi chính
hệ thống WRF – 3DVAR.
• Điều kiện biên: dự báo từ mô hình toàn cầu GFS
Quá trình đồng hóa được thực hiện nhờ hệ thống biến phân ba chiều
(3DVAR) cho mô hình WRF. Với mục đích cụng cấp trường phân tích tốt hơn cho
mô hình hệ thống đồng hóa sử dụng phương pháp cực tiểu hóa gradient liên hợp.
phương pháp này đã được nói tới trong mục 2.1 của luận văn. Ma trận tương quan
sai số quan trắc R và ma trận tương quan sai số nền B có vai trò quan trọng đặc biệt
là ma trận B quyết định sự hội tụ nhanh hay chậm của phương pháp cực tiểu hóa
gradient liên hợp. Do vậy, phần tiếp theo văn sẽ mô tả cấu trúc của hai ma trận R và
B được sử dụng trong chương trình 3DVAR cho mô hình WRF. So với ma trận B,
ma trận R dễ xử lý hơn. Do các quan trắc thường là độc lập với nhau nên tương
quan giữa các quan trắc khác nhau với nhau là bằng 0 do vậy R được coi là ma trận
chéo hay ma trận gần chéo. Các phần tử nằm trên đường chéo của ma trận R là
phương sai của quan trắc. Các giá trị này được có được dựa trên các thống kê và
hiểu biết về đặc tính của dụng cụ đo và được hệ thống đồng hóa WRF-3DVAR
cung cấp và được tóm tắt lại trong bảng 2.1 và 2.2 dưới đây.

P(Pa)

ff(m/s)

dd(o)

7
7.73
8.2
12.1
14.9
18.8

1
1
1
1
1
1

15
10
10
10
10
10

100
100
100


25.4
27.7
32.4
39.4
50.3
59.3
59.3
59.3
59.3

1
1
1
1
1
1
1
1
1

10
10
10
10
10
10
10
10
10


5

Trong đó:
• H là độ cao
• T là nhiệt độ
• Rh là độ ẩm tương đối
• P là áp suất
• ff là tốc độ gió
• dd là hướng gió
So với ma trận R, ma trận B khó xử lý hơn nhiều và có vai trò quan trọng
hàng đầu trong đồng hóa biến phân ba chiều 3DVAR. Nhiệm vụ quan trọng nhất
của ma trận B là truyền thông tin. Như ta đã biết, phân bố các quan trắc trong không
gian là không đồng đều và không nằm trên các điểm lưới của mô hình. Do vậy sẽ có
những vùng quan trắc rất thưa thớt. Tại những vùng này, trường phân tích hoàn toàn
được xác định bởi hàm cấu trúc. Thông tin tại các điểm có quan trắc sẽ được truyền
tới khu vực lân cận thông qua các số hạng tương quan trong B. Để hiểu rõ hơn về
cấu trúc của ma trận B, kiểm tra đồng hóa một quan trắc đơn lẻ (“Single observation
test”) đã được thực hiện trong luận văn.

xa = xb + BH T ( HBH T + R ) −1  xo − H ( xb ) 

(2.6)
Thực hiện kiểm tra đồng hóa một quan trắc đơn cho các biến (U,T,…) khi đó
tương quan sai số giữa các điểm đang xét và các điểm xung quanh sẽ tỉ lệ với hiệu
xa - xb.Việc thể hiện xa – xb trong trường hợp này sẽ thể hiện được cấu trúc của ma
trận B. Trong phần tiếp theo của luận văn, tác giả sẽ tiến thực hiện lần lượt đồng
hóa một số liệu nhiệt độ, gió vĩ hướng để minh họa cho ma trận B sử dụng trong
luận văn. Hình 2.2 là kết quả hiện thị của giá trị nhiệt độ phân tích (x a) trừ giá trị
nhiệt độ nền (xb). Một giá trị nhiệt độ có được từ việc nội suy trường nhiệt độ nền