Hiện Trạng Công Nghệ Dự Báo Mưa, Lũ

 

Phương pháp phân tích synốp dựa trên việc xác định các hình thế thời tiết và hoàn lưu khí quyển gây mưa và mưa lớn như bão, áp thấp nhiệt đới, rãnh áp thấp, dải hội tụ nhiệt đới, gió mùa đông bắc, gió mùa tây nam để dự báo định tính sự xuất hiện của mưa cũng như mưa lớn. Việc dự báo bằng phương pháp phân tích synốp dựa hoàn toàn vào thống kê kinh nghiệm các hình thế đã gây mưa và mưa lớn trong quá khứ cho từng khu vực. Ngoài ra, hạn chế chính của phương pháp phân tích synốp là dựa vào tính quán tính của khí quyển, dẫn tới khả năng mở rộng hạn dự báo là rất hạn chế, chỉ có độ chính xác cao ở thời đoạn từ 1-2 ngày.

Phương pháp thống kê dự báo mưa được ứng dụng trong lĩnh vực dự báo thời tiết, trong đó giá trị mưa dự báo được xây dựng như là yếu tố dự báo và các nhân tố dự báo được lựa chọn thông qua các đánh giá tương quan thống kê cho từng khu vực và thời điểm cụ thể. Hạn chế chính của phương pháp này là khả năng định lượng hóa và chi tiết hóa dự báo mưa theo cả quy mô không gian và thời gian. Trong những năm trở lại đây, phương pháp thống kê chủ yếu tập trung theo hướng hiệu chỉnh các sản phẩm từ mô hình dự báo số trị, còn được gọi là các quá trình xử lý hậu mô hình, là quá trình loại bỏ đi các sai số mang tính hệ thống của mô hình số đối với từng khu vực.

Phương pháp số trị hoặc phương pháp động lực sử dụng phương pháp số giải xấp xỉ các phương trình toán, lý mô phỏng các quá trình chuyển động trong khí quyển. Tùy thuộc vào năng lực tính toán và tính đáp ứng của số liệu điều kiện biên ban đầu và điều kiện biên theo thời gian mà phương pháp số trị có thể cung cấp một cách định lượng mưa các giá trị dự báo theo không gian và thời gian. Hiện nay Tổng cục KTTV đang khai thác và vận hành 2 lớp sản phẩm mô hình dự báo số trị gồm: Các sản phẩm dự báo số trị toàn cầu được khai thác qua mạng Internet từ Mỹ, Trung tâm Dự báo thời tiết hạn vừa Châu Âu (EMCWF), Nhật Bản, Đức và Canada (bao gồm cả dạng sản phẩm dự báo tất định và dự báo tổ hợp); Các sản phẩm dự báo số trị khu vực được cung cấp từ các hệ thống mô hình dự báo số trị khu vực đang được vận hành trên các hệ thống máy tính hiệu năng cao (bao gồm cả dạng sản phẩm dự báo tất định và dự báo tổ hợp).

Cụ thể gồm: Hệ thống mô hình dự báo tất định phân giải cao (5km) dựa trên các mô hình WRF và COSMO; Hệ thống dự báo tổ hợp thời tiết hạn 3-5 ngày (LEPS), dựa trên cách tiệm cận đa đầu vào cho một mô hình khu vực bằng cách tích phân mô hình HRM với 21 đầu vào từ hệ thống dự báo tổ hợp toàn cầu GFS của Mỹ;

Các sản phẩm dự báo từ 2 lớp sản phẩm mô hình dự báo thời tiết số trị nói trên hết sức cho dự báo viên, nhất là trong việc phân tích hình thế thời tiết và tham khảo các dự báo định lượng. Tuy nhiên, do chưa có hệ thống đồng hóa số liệu khu vực trong đó số liệu quan trắc mưa là một đầu vào quan trọng, nên chất lượng dự báo mưa, đặc biệt là mưa do các hình thế thời tiết quy mô vừa gây ra, còn nhiều hạn chế và cần phải cải tiến.

Công nghệ dự báo thủy văn, dự báo phục vụ vận hành hồ chứa, dự báo ngập lụt đô thị, đặc biệt là dự báo lũ đã sử dụng các mô hình toán thủy văn thông số tập trung, thông số phân bố, mô hình thủy lực của các nước phát triển trên thế giới như Nhật Bản, Hoa Kỳ, Đan Mạch. Đối với dự báo lũ, ngập lụt, cảnh báo lũ quét, sạt lở đất, các mô hình thủy văn thông số phân bố, mô hình dự báo lũ cực ngắn có kết hợp ứng dụng công nghệ GIS bước đầu được nghiên cứu ứng dụng trong trong nghiệp vụ. Dữ liệu đầu vào vận hành các mô hình này là dữ liệu mưa thực đo, mực nước, lưu lượng thực đo tại các điểm quan trắc và dữ liệu mưa dự báo số trị hoặc dữ liệu ước lượng mưa từ ảnh vệ tinh. Các trạm đo mưa truyền thống được truyền dữ liệu về phổ biến theo bước thời gian 6 giờ/lần. Trong các thời kỳ xuất hiện mưa lũ lớn cục bộ, dữ liệu mưa điện về theo tần suất 6 giờ/lần không đảm bảo cho việc vận hành các mô hình thủy văn, phát hiện sớm, cảnh báo lũ cực ngắn, lũ quét sạt lở đất. Mặt khác, với mạng lưới trạm quan trắc chưa đủ dày, các mô hình thủy văn sẽ không thể tính toán, mô phỏng lại quá trình lũ sát với thực tế. Dữ liệu từ các trạm mưa được quan trắc và truyền số liệu tự động theo thời gian thực sẽ nâng cao hiệu quả dự báo, cảnh báo, phát hiện sớm khả năng xuất hiện lũ, lũ lên đột ngột đặc biệt tại vùng núi, thượng nguồn các hồ chứa, cảnh báo sớm lũ quét, sạt lở đất.

Các phân tích ở trên cho thấy bên cạnh việc đầu tư cải tiến các phương pháp dự báo, mô hình dự báo, ... thì việc có được một nguồn số liệu quan trắc mưa dày theo cả không gian và tần suất là hết sức cần thiết để đảm bảo nâng cao giám sát, dự báo, cảnh báo mưa và lũ trên phạm vi toàn quốc. Việc có được một mạng lưới quan trắc mưa dày theo cả không gian và thời gian không chỉ nâng cao năng lực giám sát, dự báo, cảnh báo mưa và lũ, mà còn góp phần quan trọng trong việc nâng cao năng lực đánh giá chất lượng dự báo. Qua đó, tìm ra được các hạn chế của phương pháp dự báo hiện tại để đề ra được các giải pháp cải tiến phù hợp.