Đánh giá khả năng dự báo mưa mùa hè của mô hình WRT đối với khu vực Nam Bộ và Nam Tây Nguyên khi có bão trên biển Đông

TẠP CHÍ KHOA HỌC BIẾN ĐỔI KHÍ HẬU
Số 2 - Tháng 6/2017
43
ĐÁNH GIÁ KHẢ NĂNG DỰ BÁO MƯA MÙA HÈ CỦA MÔ HÌNH WRF ĐỐI VỚI 
KHU VỰC NAM BỘ VÀ NAM TÂY NGUYÊN KHI CÓ BÃO TRÊN BIỂN ĐÔNG
Vũ Văn Thăng(1), Vũ Thế Anh(2), Trần Duy Thức(1), Trương Bá Kiên(1), Nguyễn Văn Hiệp(2)
(1)Viện Khoa học Khí tượng Thủy văn và Biến đổi khí hậu
(2)Viện Vật lý Địa cầu, Viện Hàn lâm Khoa học và Công nghệ Việt Nam
Ngày nhận bài 4/6/2017; ngày chuyển phản biện 6/6/2017; ngày chấp nhận đăng 16/6/2017
Tóm tắt: Trong nghiên cứu này nhóm tác giả đánh giá khả năng dự báo mưa của mô hình WRF đối với 
khu vực Nam Bộ và Nam Tây Nguyên khi có bão hoạt động trên Biển Đông thời kỳ 2010-2014. Số liệu điều 
kiện ban đầu và điều kiện biên cho mô hình WRF được lấy từ mô hình toàn cầu GFS của NCEP với độ phân 
giải ngang 0,5x0,5 độ kinh vĩ. Số liệu mưa tại 17 trạm quan trắc bề mặt được sử dụng để đánh giá khả năng 
dự báo mưa. Kết quả cho thấy, mô hình WRF thường cho kết quả dự báo cao hơn quan trắc cả về lượng mưa 
và diện mưa. Với trường hợp mưa lớn điển hình liên quan đến cơn bão Utor mô hình mô phỏng khá tốt về 
diện mưa trên khu vực nghiên cứu. Mưa dự báo trên lưới của mô hình có thể nắm bắt được tương đối tốt 
một số cực trị địa phương. 
Từ khóa: WRF, dự báo mưa, sai số thống kê.
1. Mở đầu
Mưa lớn thường gây ra những thiệt hại to 
lớn về người và tài sản, ảnh hưởng trực tiếp đến 
kinh tế - xã hội. Dự báo mưa lớn là một bài toán 
rất quan trọng nhưng cũng rất phức tạp. Phương 
pháp được áp dụng phổ biến ở các nước phát 
triển hiện nay để dự báo định lượng mưa lớn là 
sử dụng các mô hình số trị. Tuy nhiên, để nâng 
cao chất lượng dự báo mưa nói chung, đặc biệt 
là mưa lớn, một bước quan trọng là cần đánh 
giá kỹ năng dự báo của mô hình cũng như bộ 
tham số mô hình, đặc biệt là các tham số vật lý 
phù hợp với tính chất nhiệt động lực của khu 
vực dự báo.
Có nhiều mô hình số trị đã được phát triển 
và áp dụng ở các nước trên thế giới, trong đó 
mô hình WRF của NCAR được sử dụng phổ biến 
nhất hiện nay, cho cả mục nghiên cứu và dự báo 
nghiệp vụ. Một số nghiên cứu gần đây cho thấy 
mô hình WRF có khả năng mô phỏng khá tốt 
định lượng mưa [10, 11]. Zhang (2012) nghiên 
cứu đánh giá khả năng mô phỏng lượng mưa 
cho đảo Hawaii cho thấy WRF nắm bắt khá tốt 
cả về độ lớn và phân bố không gian của lượng 
mưa trên quần đảo Hawaii. Müller (2015) đánh 
giá khả năng mô phỏng mưa của mô hình WRF 
với độ phân giải lưới tính ngang 15 km x 15 km 
trên khu vực Nam Mỹ, kết quả cho thấy rằng mô 
hình WRF có khả năng nắm bắt chính xác trên 
70% các ngày có mưa và không mưa. 
Ở Việt Nam, nghiên cứu, đánh giá kỹ năng 
mô phỏng của mô hình WRF đối với mưa nói 
chung và mưa lớn nói riêng đã được quan tâm 
nghiên cứu theo các cách tiếp cận khác nhau, từ 
lựa chọn các sơ đồ tham số hóa vật lý, sử dụng 
đồng hóa số liệu, đến cập nhật số liệu vệ tinh, 
ra đa và số liệu địa phương [1-8]. Các kết quả 
nghiên cứu cho thấy mô hình WRF có khả năng 
mô phỏng khá tốt một số đợt mưa lớn.
Lê Văn Thiện và Nguyễn Văn Thắng (2004) đã 
mô phỏng lại đợt mưa lớn xảy ra ở miền Trung 
Việt Nam do ảnh hưởng của không khí lạnh từ 
ngày 14-17/10/2007 bằng mô hình WRF. Kết 
quả cho thấy mô hình đã nắm bắt được phân bố 
không gian, thời gian đợt mưa, đặc biệt là tâm 
mưa lớn gồm các tỉnh Quảng Nam, Quảng Ngãi, 
Bình Định [6]. Nghiên cứu của Đỗ Huy Dương 
(2005) cũng cho thấy mô hình WRF có kỹ năng 
dự báo tốt mưa lớn trên khu vực Việt Nam với 
xác suất dự báo đúng đạt 80% với các ngưỡng 
mưa khác nhau [3]. Hoàng Đức Cường và cộng 
sự (2009) đã nghiên cứu ứng dụng mô hình 
WRF với trường đầu vào từ mô hình toàn cầu 
GFS của NCEP thử nghiệm dự báo mưa lớn các 
44 TẠP CHÍ KHOA HỌC BIẾN ĐỔI KHÍ HẬU
Số 2 - Tháng 6/2017
năm 2004-2005 cho Việt Nam. Kết quả cho thấy, 
mô hình WRF đã nắm bắt được tương đối tốt 
về diện mưa lớn, tuy nhiên về lượng mưa lớn 
dự báo chưa thực sự trùng khớp với thực tế [5]. 
Nguyễn Văn Thắng và cộng sự (2011) đã 
nghiên cứu thử nghiệm dự báo mưa lớn khu 
vực Bắc Bộ Việt Nam cho thấy, mô hình WRF 
nắm bắt được khá tốt các tâm mưa, nhiều khu 
vực có lượng mưa gần với thực tế, tuy nhiên 
vùng mưa lớn dự báo chưa thực sự trùng với 
thực tế [7]. Đàng Hồng Như và cộng sự (2014) 
đã chỉ ra mô hình WRF có khả năng mô phỏng 
phân bố không gian đợt mưa lớn lịch sử tháng 
11/1999 tại Huế, tuy nhiên mô hình không dự 
báo chính xác hoàn toàn về lượng mưa tại tâm 
mưa lớn nhất [4].
Bùi Minh Tăng và cộng sự (2014) đã áp dụng 
thành công mô hình WRF, NHM và sơ đồ đồng 
hóa số liệu 3DVAR để xây dựng 10 thử nghiệm 
hạ quy mô động lực với độ phân giải 15 km 
và 5 km. Kết quả cho thấy, chất lượng dự báo 
mưa lớn ở miền Trung và Tây Nguyên được cải 
thiện đáng kể sau khi đồng hóa số liệu quan trắc 
truyền thống (bề mặt và trên cao) và số liệu vệ 
tinh, ra đa. Các thử nghiệm dự báo mưa lớn với 
độ phân giải cao 5 km dựa trên mô hình WRF/
NHM với đầu vào từ mô hình toàn cầu IFS (độ 
phân giải 14 km) và thử nghiệm đồng hóa số liệu 
3DVAR ở độ phân giải 15 km cho chất lượng dự 
báo mưa tốt nhất [1]. 
Do sự khác biệt về điều kiện nhiệt động lực, 
cơ chế gây mưa lớn ở các khu vực nghiên cứu 
khác nhau, mỗi sơ đồ tham số hóa vật lý có các 
ưu nhược điểm khác nhau, chất lượng dự báo 
của mô hình trên mỗi khu vực cũng khác nhau 
nên cần phải có những nghiên cứu đánh giá kỹ 
năng của mô hình cho từng khu vực cụ thể và 
cho mỗi loại hình thế thời tiết khác nhau. Bên 
cạnh đó, khả năng dự báo của mô hình cũng phụ 
thuộc vào các loại hình thời tiết khác nhau.
Nam Bộ và Tây Nguyên là khu vực có mùa 
mưa gắn liền với thời kỳ hoạt động của gió mùa 
Tây Nam, đây cũng là thời kỳ có sự hoạt động 
mạnh của xoáy thuận nhiệt đới trên Biển Đông. 
Thực tế quan trắc cho thấy, trong một số trường 
hợp mưa lớn xảy ra ở Nam Bộ và Nam Tây 
Nguyên khi có bão xuất hiện ở Biển Đông trong 
các tháng mùa hè (6, 7, 8). Đây là hình thế thời 
tiết đặc biệt khi có sự tương tác giữa hoàn lưu 
bão và hệ thống gió mùa Tây Nam. Trong nghiên 
cứu này nhóm tác giả đánh giá khả năng dự báo 
của mô hình WRF đối với một số đợt mưa thời 
kỳ 2010-2014 ở Nam Bộ và Nam Tây Nguyên khi 
có bão hoạt động trên Biển Đông dựa trên sự 
so sánh và tính toán thống kê sản phẩm của mô 
hình với các số liệu quan trắc bề mặt. 
2. Phương pháp và số liệu nghiên cứu
2.1. Số liệu
Số liệu ban đầu và số liệu điều kiện biên phụ 
thuộc thời gian được lấy từ dự báo của mô hình 
toàn cầu GFS cung cấp bởi Trung tâm Quốc Gia 
Dự báo Môi trường (NCEP) với độ phân giải 
0,5ox0,5o kinh vĩ. Kết quả dự báo mưa từ mô 
hình WRF của 17 cơn bão hoạt động trên Biển 
Đông từ năm 2010-2014, mỗi cơn bão được 
chạy 3 lần với tổng số 51 trường hợp nghiên cứu 
(Bảng 1). Số liệu sử dụng đánh giá sai số dự báo 
bao gồm: Mưa quan trắc của 17 trạm thuộc khu 
vực Nam Bộ và Nam Tây Nguyên (Bảo Lộc, Buôn 
Ma Thuột, Kon Tum, Đắk Nông, Đà Lạt, Pleiku, 
Liên Khương, Đắc Tô, Buôn Hồ, Ayun Pa, Mdrak, 
Mỹ Tho, Phước Long, Sơn Hòa, Cà Mau, Rạch 
Giá, Tây Ninh) và số liệu vệ tinh TRMM với độ 
phân giải 0,25o×0,25o kinh vĩ cho vùng vĩ độ từ 
0oN - 40oN. 
 2.2. Thiết kế thí nghiệm
Trong nghiên cứu này mô hình WRF phiên 
bản V3.8.1 với ba lưới lồng tương tác hai chiều 
với độ phân giải tương ứng là: 54 km, 18 km và 6 
km (Hình 1) được sử dụng để tính toán. Miền 1 
gồm 110×100 điểm lưới với tọa độ tâm là 13,0oN, 
107,3oE, miền 2 gồm 199×175 điểm lưới, miền 
3 gồm 187×199 điểm lưới với 38 mực thẳng 
đứng. Miền 1 được thiết kế đủ rộng để mô hình 
có thể nắm bắt được các quá trình hoàn lưu quy 
mô lớn ảnh hưởng đến Việt Nam, các miền con 
được thu hẹp phạm vi bao trọn khu vực Nam Bộ 
và Nam Tây Nguyên. Bảng 2 trình bày bộ tham 
số vật lý của mô hình WRF được lựa chọn để mô 
phỏng mưa khu vực Nam Bộ và Nam Tây Nguyên 
khi có bão hoạt động trên Biển Đông. Bộ tham 
số vật lý được lựa chọn hiện đang được chạy dự 
báo hàng ngày tại Viện Khoa học Khí tượng Thủy 
văn và Biến đổi khí hậu.
TẠP CHÍ KHOA HỌC BIẾN ĐỔI KHÍ HẬU
Số 2 - Tháng 6/2017
45
Hình 1. Các miền tính của mô hình
Bảng 2. Sơ đồ vật lý sử dụng trong thí nghiệm
2.3. Phương pháp đánh giá
Mô hình WRF được chạy mô phỏng 84 giờ 
trong đó 12 giờ tích phân đầu không được sử 
dụng với hai lý do: (1) Loại bỏ số liệu trong 
khoảng thời gian cân bằng mô hình (spin-up 
time); (2) Lượng mưa mô hình được lấy cùng 
thời gian với mưa quan trắc từ 12h ngày hôm 
trước đến 12h ngày hôm sau (giờ GMT), tương 
ứng với mưa quan trắc tại trạm ở Việt Nam 
được tính từ 19h ngày hôm trước đến 19h ngày 
hôm sau (GMT+7). Các thông số vật lý của mô 
hình được chọn trên Bảng 2. 
Kết quả dự báo được đánh giá với số liệu 
quan trắc thông qua các chỉ số thống kê sau:
- Sai số trung bình:
ME = N F O
1
i i
i
N
1
-
=
^ h/
- Sai số tuyệt đối trung bình MAE:
Lớp biên hành tinh YSU
Tham số hóa đối lưu Betts-Miller-Janjic
Sơ đồ vi vật lý mây Thompson
Bức xạ sóng ngắn Dudhia
Bức xạ sóng dài RRTM
.
.
STT Tên cơn bão Thời gian dự báo (TH1) Thời gian dự báo (TH2) Thời gian dự báo (TH3)
1 Chanthu 19/07/2010 - 22/07/2010 20/07/2010 - 23/07/2010 21/07/2010 - 24/07/2010
2 Conson 14/07/2010 - 17/07/2010 15/07/2010 - 18/07/2010 16/07/2010 - 19/07/2010
3 Mindulle 22/08/2010 - 25/08/2010 23/08/2010 - 26/08/2010 24/08/2010 - 27/08/2010
4 Lionrock 28/08/2010 - 31/08/2010 29/08/2010 - 01/09/2010 30/08/2010 - 02/09/2010
5 Sarika 09/06/2011 - 12/06/2011 10/06/2011 - 13/06/2011 11/06/2011 - 14/06/2011
6 Haima 20/06/2011 - 23/06/2011 21/06/2011 - 24/06/2011 22/06/2011 - 25/06/2011
7 Nock-ten 27/07/2011 - 30/07/2011 28/07/2011 - 31/07/2011 29/07/2011 - 01/08/2011
8 Doksuri 28/06/2012 - 01/07/2012 29/06/2012 - 02/07/2012 30/06/2012 - 03/07/2012
9 Vicente 21/07/2012 - 24/07/2012 22/07/2012 - 25/07/2012 23/07/2012 - 26/07/2012
10 Kai-tak 15/08/2012 - 18/08/2012 16/08/2012 - 19/08/2012 17/08/2012 - 20/08/2012
11 Talim 17/06/2012 - 20/06/2012 18/06/2012 - 21/06/2012 19/06/2012 - 22/06/2012
12 Bebinca 20/06/2013 - 23/06/2013 21/06/2013 - 24/06/2013 22/06/2013 - 25/06/2013
13 Rumbia 30/06/2013 - 03/07/2013 01/07/2013 - 04/07/2013 02/07/2013 - 05/07/2013
14 Jebi 30/07/2013 - 02/08/2013 31/07/2013 - 03/08/2013 01/08/2013 - 04/08/2013
15 Mangkhut 05/08/2013 - 08/08/2013 06/08/2013 - 09/08/2013 07/08/2013 - 10/08/2013
16 Utor 12/08/2013 - 15/08/2013 13/08/2013 - 16/08/2013 14/08/2013 - 17/08/2013
17 Rammasun 16/07/2014 - 19/07/2014 17/07/2014 - 20/07/2014 18/07/2014 - 21/07/2014
Bảng 1. Danh sách các cơn bão và số trường hợp nghiên cứu
46 TẠP CHÍ KHOA HỌC BIẾN ĐỔI KHÍ HẬU
Số 2 - Tháng 6/2017
MAE = N F O
1
i i
i
N
1
-
=
/
- Sai số bình phương trung bình (RMSE - Root 
mean square Error):
RMSE = N F O
1
i i
i
N
2
1
-
=
^ h/
 Trong đó, N là dung lượng mẫu, F
i
 là giá trị 
dự báo, O
i
 là giá trị quan trắc.
- Đánh giá dự báo pha:
Đánh giá sự phù hợp giữa số lần hiện tượng 
được dự báo và quan trắc xảy ra dựa vào bảng 
ngẫu nhiên (Damrath, 2004) [2, 9]:
Hits (H) = dự báo có, khi quan trắc có.
Misses (M) = dự báo không, khi quan trắc có.
False alarms (F) = dự báo có, khi quan trắc 
không.
Correct negatives (CN) = dự báo không, khi 
quan trắc không.
+ Đánh giá tỷ số giữa vùng dự báo và vùng 
thám sát (BS hay FBI - Bias score):
FBI H M
H F= +
+
FBI < 1: Vùng dự báo nhỏ hơn vùng thám sát.
FBI >1: Vùng dự báo lớn hơn vùng thám sát.
FBI = 1: Vùng dự báo trùng với vùng thám sát 
(giá trị lý tưởng).
+ Xác suất phát hiện (Probability of Detection 
- POD)
POD H M
H= +
POD cho biết khả năng thành công của mô 
hình, có giá trị trong khoảng (0, 1), POD = 1 là giá 
trị lý tưởng mô hình được xem là hoàn hảo. POD 
càng gần 1 thì chất lượng mô hình càng cao, POD 
chỉ nhạy đối với những hiện tượng không dự báo 
được chứ không nhạy đối với phát hiện sai.
+ Tỷ phần phát hiện sai (False Alarms Ratio 
- FAR)
FAR H F
F= +
FAR cho biết tỷ lệ mô phỏng/dự báo khống 
của mô hình (mô hình cho kết quả có nhưng 
thực tế hiện tượng không xảy ra). Giá trị FAR 
biến đổi từ (0, 1), tối ưu FAR = 0.
+ Điểm số thành công (Critical Success Index 
- CSI hay Threat Score - TS)
CSI = TS = M F H
H
+ +
Phạm vi biến thiên của CSI từ 0 đến 1. CSI = 0 
nghĩa là mô hình không có kỹ năng, CSI = 1 mô 
hình là hoàn hảo.
+ Chỉ số dự báo đúng (Percentage Correct - 
PC hay Eraction Correct - FC)
PC = M F H CN
H CN
+ + +
+
Giá trị của PC biến đổi trong khoảng từ 0 đến 
1. Nếu mô hình là hoàn hảo, tức kết quả mô 
hình trùng khớp hoàn toàn với quan trắc thì PC 
bằng 1, ngược lại, PC sẽ bằng 0 nếu tất cả mọi 
trường hợp kết quả của mô hình đều ngược với 
quan trắc. PC càng lớn chỉ số dự báo đúng mô 
phỏng, dự báo của mô hình càng cao.
3. Kết quả và thảo luận
3.1. Sai số thống kê trung bình 
Kết quả đánh giá các chỉ số thống kê trung 
bình dự báo mưa của 17 cơn bão hoạt động trên 
Biển Đông được trình bày trên Bảng 3 và Bảng 
4. Kết quả tính toán cho thấy chỉ số ME có giá trị 
dương ở hầu hết các trạm quan trắc cho cả ba 
hạn 24h, 48h, 72h chứng tỏ dự báo của mô hình 
WRF có xu thế lớn hơn so với quan trắc thực tế. 
Trong ba hạn 24h, 48h và 72h sai số dự báo mưa 
của mô hình không có sự khác biệt nhiều giữa các 
hạn dự báo cụ thể, sai số MAE phổ biến trong 
khoảng 7-15 mm, trong đó, sai số nhỏ nhất tại 
trạm Mdrak là 5,6 mm trong hạn 48h, lớn nhất 
tại trạm Pleiku 23,6 mm trong hạn 48h, sai số 
quân phương (RMSE) phổ biến trong khoảng 10-
20 mm trong đó sai số lớn nhất tại trạm Pleiku 
đến 40 mm, nhỏ nhất tại Ayun Pa là 8,1 mm trong 
hạn 72h. Sai số dự báo mưa của mô hình không 
có sự khác biệt nhiều giữa các hạn dự báo. Giá trị 
RMSE theo các hạn dự báo 24h, 48h và 72h lần 
lượt là 21,2 mm, 22,9 mm và 18,8 mm tương ứng.
 Kết quả đánh giá dự báo pha cho thấy, với 
ngưỡng mưa vừa (16-50 mm) và ngưỡng mưa 
to (>50 mm) chỉ số FBI tăng theo các hạn dự 
báo, có nghĩa là đối với hạn dự báo 72h mô 
hình cho kết quả dự báo diện mưa lớn hơn so 
với thực tế, đặc biệt là đối với ngưỡng mưa 
to. Đối với xác suất phát hiện (POD), mô hình 
có khả năng dự báo tại ngưỡng mưa vừa với 
xác suất phát hiện cao hơn ngưỡng mưa to 
ở cả 3 hạn dự báo. Ở ngưỡng mưa vừa POD 
có giá trị từ 0,34 đến 0,41 trong khi ở ngưỡng 
mưa to POD có giá trị từ 0,1 đến 0,18. Về tỷ lệ 
mô phỏng/dự báo khống, giá trị chỉ số FAR ở 
TẠP CHÍ KHOA HỌC BIẾN ĐỔI KHÍ HẬU
Số 2 - Tháng 6/2017
47
ngưỡng mưa lớn cao hơn so với ngưỡng mưa 
vừa, nghĩa là ở ngưỡng mưa lớn mô hình dễ dự 
báo khống hơn so với ngưỡng mưa vừa. Giá trị 
FAR đối với ngưỡng mưa vừa là 0,7-0,78, đối 
với ngưỡng mưa to là 0,92-0,96.
Điểm số thành công (CSI) không cao, ngưỡng 
mưa vừa có điểm số thành công cao hơn ngưỡng 
mưa to. Điểm số thành công với ngưỡng mưa 
vừa là 21% ở hạn dự báo 24h, với ngưỡng mưa 
to là 5% ở hạn dự báo 24h và 72h. Chỉ số dự báo 
đúng (PC) của mô hình khá cao ở cả hai ngưỡng 
mưa, đặc biệt là ngưỡng mưa to. Ở hạn dự báo 
72h chỉ số dự báo đúng với ngưỡng mưa vừa là 
72%, ngưỡng mưa to là 96%. 
Bảng 3. Sai số trung bình 17 cơn bão cho 17 trạm quan trắc
TRẠM HẠN 24H (mm) HẠN 48H (mm) HẠN 72H (mm)
ME MAE RMSE ME MAE RMSE ME MAE RMSE
Bảo Lộc 12,0 21,7 35,7 6,6 19,6 28,2 8,2 17,7 24,8
Buôn Ma Thuột 1,7 9,0 12,2 5,7 11,6 20,6 4,7 12,3 19,1
Kon Tum 5,9 15,2 20,6 5,4 15,7 22,5 10,8 16,0 23,7
Đắk Nông 7,6 17,2 23,3 14,8 21,0 30,2 11,0 16,1 20,6
Đà Lạt 7,6 10,9 14,8 6,8 9,7 13,6 5,0 8,5 12,6
Pleiku -6,5 23,6 38,0 4,1 23,6 40,0 11,3 13,8 20,4
Liên Khương 6,3 11,7 14,7 8,2 14,8 20,0 5,1 9,0 12,0
Đắk Tô 7,8 14,2 19,9 7,2 18,4 23,7 10,7 18,0 26,2
Buôn Hồ 5,3 13,0 19,7 2,8 10,3 13,8 5,6 10,9 16,5
Ayun Pa 3,2 7,3 12,1 4,9 9,1 15,1 4,1 5,9 8,1
Mdrak 4,9 6,8 9,2 3,8 5,6 8,7 3,2 8,6 16,1
Mỹ Tho -3,9 7,8 11,2 -1,6 8,4 11,8 -0,7 7,2 10,4
Phước Long 6,1 17,4 23,5 8,5 15,8 21,2 6,8 15,0 21,2
Sơn Hòa 0,3 6,8 9,6 2,2 10,8 20,3 0,9 7,6 12,8
Cà Mau 1,0 7,5 10,3 5,2 11,7 21,2 0,6 10,8 18,1
Rạch Giá 12,6 18,5 25,4 10,3 18,2 26,4 9,3 13,9 20,0
Tây Ninh 4,5 10,0 14,7 4,3 10,7 16,9 3,0 8,2 13,8
Bảng 4. Điểm số đánh giá mưa theo các ngưỡng
Ngưỡng > 16 mm > 50 mm SAI SỐ (mm)
Điểm số FBI POD FAR CSI PC FBI POD FAR CSI PC ME MAE RMSE
24h 1,38 0,41 0,7 0,21 0,68 1,54 0,12 0,92 0,05 0,94 4,5 12,9 21,2
48h 1,45 0,34 0,76 0,16 0,68 2,35 0,1 0,96 0,03 0,93 5,9 13,8 22,9
72h 1,72 0,38 0,78 0,16 0,72 2,64 0,18 0,93 0,05 0,96 5,9 11,7 18,8
 3.2. Đánh giá khả năng mô phỏng cho trường 
hợp mưa lớn điển hình của cơn bão Utor hoạt 
động trên Biển Đông 
Bão Utor hình thành từ một áp thấp nhiệt đới 
ở ngoài vùng biển phía Đông của Philippines có 
vị trí ở vào khoảng 12,3oN; 135,9oE vào ngày 
8/8/2013, đến 18h ngày 9/8/2013 áp thấp 
nhiệt đới đã mạnh lên thành bão có vị trí tâm 
khoảng 13,5oN; 131,7oE, vào thời điểm này, mưa 
dông bắt đầu xuất hiện nhiều ở Tây Nguyên và 
Nam Bộ nhưng lượng mưa phổ biến không lớn. 
Sang đến ngày 10/11/2013 bão Utor tiếp tục di 
chuyển theo hướng Tây Tây Bắc với cường độ 
mạnh lên, mưa lớn tập trung ở khu vực Nam Tây 
48 TẠP CHÍ KHOA HỌC BIẾN ĐỔI KHÍ HẬU
Số 2 - Tháng 6/2017
Hình 3. Diễn biến mưa ở Nam Bộ và Nam Tây Nguyên từ ngày 9-13/8/2013
Hình 2. Quỹ đạo bão Utor [Nguồn: ]
Nguyên nhưng sang đến ngày 11/08 thì mưa 
dông lại giảm ở khu vực này nhưng lại tăng lên 
rõ rệt ở Nam Bộ và duy trì cho đến ngày 12/8. 
Đến ngày 13/8 mưa ở khu vực giảm đi nhanh 
chóng và bão Utor đổ bộ vào Quảng Đông, Trung 
Quốc ngày 14/8/2013 (Hình 2, Hình 3).
 Trường hợp mưa lớn liên quan tới cơn bão 
Utor năm 2013 được đánh giá cụ thể để thấy 
được khả năng mô phỏng diện mưa của mô 
hình WRF trên khu vực nghiên cứu khi có bão 
hoạt động trên Biển Đông. Hình 4 mô tả tổng 
lượng mưa tích lũy 3 ngày (19h00 ngày 10/8 đến 
19h00 ngày 13/8) từ số liệu quan trắc bề mặt, số 
liệu vệ tinh và số liệu mô phỏng bằng mô hình 
WRF cho khu vực Tây Nguyên và Nam Bộ cho 
thấy, mô hình đã mô phỏng lượng mưa khu vực 
khá gần với lượng mưa lượng quan trắc tại trạm 
(Hình 4a, 4b), tuy nhiên ở một phần diện tích 
khu vực Nam Tây Nguyên (Lâm Đồng) mô hình 
cho kết quả mô phỏng cao hơn so với quan trắc. 
Số liệu mưa phân tích từ vệ tinh TRMM (Hình 
4c) cũng cho thấy mưa xuất hiện trên khu vực 
nghiên cứu, tuy nhiên lượng không cao như 
quan trắc tại trạm. Điều này có thể lý giải là do 
vệ tinh chỉ bay qua Việt Nam 2 lần mỗi ngày nên 
không nắm bắt được chính xác về lượng mưa, 
tuy nhiên về diện mưa thì cũng khá tương đồng 
với quan trắc (Hình 4a, 4c).
TẠP CHÍ KHOA HỌC BIẾN ĐỔI KHÍ HẬU
Số 2 - Tháng 6/2017
49
Hình 4. Lượng mưa tích lũy [mm] 72h từ ngày 10-13/08/2013:
a) Mô hình WRF, (b) Quan trắc, (c) Vệ tinh
(a) (b) (c)
Hình 5. Biểu đồ tương quan giữa lượng 
mưa từ sản phẩm mô hình và quan trắc trong 
các ngày từ 11-13/08/2013.
 Kết quả dự báo mưa từ mô hình và quan trắc 
các ngày 11-13/08/2013 (Hình 5) cho thấy, mô 
hình cho kết quả dự báo diện mưa khá tốt, tuy 
nhiên về lượng mưa mô hình cho kết quả cao 
hơn so với quan trắc. 
50 TẠP CHÍ KHOA HỌC BIẾN ĐỔI KHÍ HẬU
Số 2 - Tháng 6/2017
Tài liệu tham khảo
1. Bùi Minh Tăng và cộng sự (2014), “Nghiên cứu xây dựng công nghệ dự báo mưa lớn thời hạn 2-3 
ngày phục vụ công tác cảnh báo sớm lũ lụt khu vực Trung Bộ Việt Nam”, Báo cáo tổng kết đề tài 
nghiên cứu khoa học cấp Nhà nước. 
2. Công Thanh và cộng sự (2016), “Đánh giá khả năng dự báo mưa do bão bằng mô hình RAMS”, 
Tạp chí Khoa học - Đại học Quốc gia Hà Nội, Các Khoa học Trái đất và Môi trường, tập 32, số 3S, 
tr.195-201.
3. Đỗ Huy Dương (2005), “Khả năng dự báo mưa lớn ở Việt Nam bằng mô hình WRF”, Tạp chí Khí 
tượng Thủy văn.
4. Đàng Hồng Như, Nguyễn Văn Hiệp (2016), “Nghiên cứu vai trò của vận tải ẩm trong đợt mưa lớn 
tháng 11 năm 1999 ở miền Trung bằng mô hình WRF”, Tạp chí Khí tượng Thủy văn, 3/2016.
5. Hoàng Đức Cường và cộng sự (2009), “Dự báo mưa lớn ở khu vực Trung Trung Bộ bằng mô hình số 
trị”, Hội thảo Quốc tế Gió mùa châu Á tại Đà Nẵng, 3/2009.
6. Lê Văn Thiện, Nguyễn Văn Thắng (2004), “Dự báo mưa cực lớn trên khu vực Việt Nam bằng mô 
hình WRF”, Tuyển tập báo cáo Hội thảo khoa học lần thứ 8, Viện Khoa học Khí tượng thủy văn và 
Môi trường. 
7. Nguyễn Văn Thắng và cộng sự (2011), Thử nghiệm dự báo mưa lớn bằng mô hình WRF cho khu vực 
Bắc Bộ Việt Nam, Hội thảo Quốc tế Gió mùa châu Á tại Đà Nẵng.
8. Trần Tân Tiến và Nguyễn Thị Thanh (2011), “Đồng hóa dữ liệu vệ tinh modis trong mô hình WRF 
để dự báo mưa lớn ở khu vực Trung Bộ”, Tạp chí Khoa học - Đại học Quốc gia Hà Nội, Khoa học Tự 
nhiên và Công nghệ, số 3S, tr.90-95.
9. Damrath, U., (2004), Verification against precipitation observations of a high density network - what 
did we learn, Intl. Verification Methods Workshop, 15-17 September 2004, Montreal, Canada.
10. Müller, O. V., Lovino, M. A., Berbery, E. H., Müller, O. V., Lovino, M. A., & Berbery, E. H. (2016), 
Evaluation of WRF Model Forecasts and Their Use for Hydroclimate Monitoring over Southern 
Lời cảm ơn: Bài báo được hoàn thành nhờ kết quả nghiên cứu của Đề tài “Nghiên cứu cơ chế nhiệt 
động lực gây mưa lớn và khả năng dự báo mưa lớn mùa hè khu vực Nam Bộ và Nam Tây Nguyên do 
tương tác gió mùa Tây Nam - bão trên Biển Đông”, Mã số: 2015.05.12.
 4. Kết luận
Qua phân tích đánh giá kết quả dự báo mưa, 
mưa lớn ở khu vực Nam Bộ và Nam Tây Nguyên 
khi có bão hoạt động trên Biển Đông thời kỳ 
2010-2014 cho thấy, mô hình WRF có xu thế dự 
báo cao hơn so với quan trắc ở cả 3 hạn 24h, 
48h, 72h (ME có giá trị dương ở hầu hết các 
trạm quan trắc), sai số quân phương (RMSE) 
phổ biến trong khoảng 10-20 mm, trong đó 
sai số lớn nhất tại trạm Pleiku đến 40 mm, 
nhỏ nhất tại Ayun Pa là 8,1 mm trong hạn 72h. 
Kết quả dự báo diện mưa cao hơn so với quan 
trắc (FBI >1). Đối với trường hợp mưa lớn điển 
hình liên quan đến cơn bão Utor năm 2013, 
mô hình WRF mô phỏng khá tốt về diện mưa 
trên khu vực nghiên cứu. Mưa dự báo trên lưới 
của mô hình có thể nắm bắt được tương đối 
tốt một số cực trị địa phương mưa thể hiện 
tại số liệu trạm, trong khi mưa lưới quan trắc 
vệ tinh TRMM không nắm bắt được các cực trị 
địa phương này. Như vậy, có thể sử dụng mô 
hình WRF dự báo mưa, mưa lớn khu vực Nam 
Bộ và Nam Tây Nguyên khi có bão hoạt động 
trên Biển Đông, đặc biệt là đối với các đợt mưa 
lớn khi có bão hoạt động trên Biển Đông. Trên 
đây mới chỉ là kết quả bước đầu, để có thể ứng 
dụng mô hình WRF dự báo mưa lớn trong dự 
báo nghiệp vụ cần thực hiện dự báo cho nhiều 
trường hợp thử nghiệm hơn nữa, từ đó có thể 
đánh giá mức độ ổn định của mô hình và nghiên 
cứu phương pháp hiệu chỉnh thống kê kết quả 
dự báo của mô hình.
TẠP CHÍ KHOA HỌC BIẾN ĐỔI KHÍ HẬU
Số 2 - Tháng 6/2017
51
South America. Weather and Forecasting, 31(3), 1001-1017. 
11. Zhang, C., Wang, Y., Lauer, A., Hamilton, K., Zhang, C., Wang, Y., Hamilton, K. (2012), Configuration 
and Evaluation of the WRF Model for the Study of Hawaiian Regional Climate. Monthly Weather 
Review, 140(10), 3259-3277. 
VERIFICATION OF WRF SUMMER RAINFALL FORECASTS OVER THE SOUTH 
AND CENTRAL HIGHLAND OF VIET NAM IN ASSOCIATED WITH TYPHOONS 
IN THE EAST SEA
Vu Van Thang(1), Vu The Anh(2), Tran Duy Thuc(1), Truong Ba Kien(1), Nguyen Van Hiep(2)
(1)Viet Nam Institute of Meteorology, Hydrology and Climate change
(2)Institute of Geophysics, Viet Nam Academy of Science and Technology
Abstract: This study examines rainfall forecasting skills of WRF model over the South and the Southern 
part of Central Highlands in associated with tropical storm activity in the East Sea in the period 2010-2014. 
The initial and boundary conditions for the WRF model are from the NCEP-GFS model with a horizontal 
resolution of 0.5x0.5 degrees. The observed rainfall data at 17-surface stations were used to validate the 
model skills. The results show that the WRF model tends to oversimulate rainfall. In case of heavy rainfall 
caused by Utor typhoon, the model (WRF model) simulates quite well rainfall distribution for the specific 
research site. It is also able to capture as well some local extreme rainfall events.
Keywords: WRF, rainfall forecast, statistic errors.