Sử dụng biến đổi nhanh fourier (FFT) nghiên cứu cấu trúc bão và sự phát triển xoáy bão trong sơ đồ ban đầu hóa xoáy động lực

Tạp chí khoa học biến đổi khí hậu
Số 6 - Tháng 6/2018 
1
SỬ DỤNG BIẾN ĐỔI NHANH FOURIER (FFT)
NGHIÊN CỨU CẤU TRÚC BÃO VÀ SỰ PHÁT TRIỂN XOÁY BÃO 
TRONG SƠ ĐỒ BAN ĐẦU HÓA XOÁY ĐỘNG LỰC 
Phạm Ngọc Bách(1), Nguyễn Văn Hiệp(2)
(1)Trường Đại học Khoa học Tự nhiên, Đại học Quốc gia Hà Nội
(2)Viện Vật lý địa cầu, Viện Hàn lâm Khoa học và Công nghệ Việt Nam
Ngày nhận bài 16/5/2018; ngày chuyển phản biện 17/5/2018; ngày chấp nhận đăng 26/6/2018
Tóm tắt: Bài báo này nghiên cứu cấu trúc và sự phát triển xoáy bão trong sơ đồ ban đầu hóa xoáy động 
lực thông qua việc phân tách các trường thành các sóng thành phần sử dụng biến đổi nhanh Fourier (Fast 
Fourier Transform - FFT). Kết quả phân tích sóng của các trường gió mực 10 m, khí áp mực biển cho thấy các 
thành phần sóng số 0 và sóng số 1 là hai thành phần sóng chính quyết định độ lớn các trường khí tượng bên 
trong cơn bão. Trong đó thành phần sóng đối xứng (sóng số 0) đóng vai trò quan trọng nhất cho sự phát 
triển của cường độ xoáy bão. Trong quá trình chạy vòng lặp, các thành phần phổ sóng với số sóng lớn hơn 1 
chỉ phát triển đáng kể trong 30 - 40 vòng lặp ban đầu, sau đó giữ ở trạng thái ổn định.
Từ khóa: Biến đổi nhanh Fourier (FFT), ban đầu hóa xoáy động lực.
1. Mở đầu
Trong dự báo thời tiết bằng các mô hình số, 
ngoài cấu trúc toán lý và độ phân giải của mô hình 
thì trường ban đầu là một trong những yếu tố 
quyết định tới chất lượng và độ chính xác của dự 
báo. Ban đầu hóa xoáy là một bài toán được đặt ra 
để nâng cao chất lượng điều kiện ban đầu của mô 
hình dự báo bão. Năm 2002, Phan Văn Tân và cộng 
sự [1] đã nghiên cứu kỹ thuật phân tích xoáy tạo ra 
trường ban đầu cho mô hình chính áp dự báo quỹ 
đạo bão. Mục đích của ban đầu hóa là loại bỏ một 
cách cẩn thận xoáy yếu, sai vị trí khỏi trường ban 
đầu và cài vào một xoáy nhân tạo với vị trí và cường 
độ phù hợp với xoáy thực. Quá trình phân tích này 
cần được thực hiện sao cho thông tin trong tập 
số liệu toàn cầu được giữ lại càng nhiều càng tốt. 
Phan Văn Tân và CS [1] đã chỉ ra rằng xoáy nhân tạo 
được xây dựng dựa trên cơ sở kết hợp các thành 
phần đối xứng của xoáy phân tích và thành phần 
đối xứng giả; thành phần phi đối xứng sinh ra bởi 
hiệu ứng β thay thế xoáy phân tích ban đầu sẽ tạo 
ra trường ban đầu tốt hơn. Năm 2002, Phan Văn 
Tân và cộng sự [2] đã khảo sát ảnh hưởng của quá 
trình ban đầu hóa tới quỹ đạo dự báo bão bằng 
việc chạy mô hình dự báo WBAR ứng với 9 trường 
hợp cho 3 cơn bão Durian (2001), Kajiki (2001), 
Wukong (2000). Kết quả cho thấy trường ban đầu 
được xây dựng bằng các phương pháp khác nhau 
sẽ có những ảnh hưởng rõ rệt khác nhau đến quỹ 
đạo dự báo của bão. Với cơn bão mạnh và xa bờ 
thì quá trình ban đầu hóa cần thiết loại bỏ thành 
phần phi đối xứng phân tích và những nhiễu động 
quy mô nhỏ trong trường môi trường quy mô nhỏ, 
ngược lại, với những cơn bão yếu và gần bờ nên 
được duy trì thành phần phi đối xứng phân tích 
trong trường ban đầu [2].
Phép biến đổi Fourier có nhiều ứng dụng 
trong vật lý, số học, xử lý tín hiệu,... Trong xử lý tín 
hiệu, biến đổi Fourier thường được áp dụng dạng 
chuyển đổi tín hiệu thành các thành phần biên 
độ và tần số. Biến đổi Fourier rời rạc có thể được 
tính toán nhanh hơn nhờ kỹ thuật biến đổi nhanh 
Fourier (Fast Fourier Transform - FFT). 
Trong khí tượng học, theo nghiên cứu của Raaf 
và Adane năm 2012 [3], FFT được sử dụng để xác 
định và theo dõi sự phát triển của bão trong các 
hình ảnh radar thời gian thực. FFT được áp dụng 
cho các hình ảnh đã được lọc cho thấy các phổ 
Fourier đặc trưng các đám mây đối lưu có sự khác 
Liên hệ tác giả: Nguyễn Văn Hiệp
Email: hiepwork@gmail.com
2 Tạp chí khoa học biến đổi khí hậu
Số 6 - Tháng 6/2018
biệt đáng kể so với mây tầng tầng. Sự khác biệt này 
được ứng dụng để phát hiện ra các cơn dông mạnh 
từ thông tin ảnh radar. 
Trong khi FFT có nhiều ứng dụng trên thế giới, 
việc ứng dụng FFT trong nghiên cứu khí tượng ở 
Việt Nam còn hạn chế. Trong nghiên cứu này kỹ 
thuật FFT được sử dụng để nghiên cứu cấu trúc và 
sự phát triển của xoáy bão trong một sơ đồ ban 
đầu hóa xoáy động lực nhằm chỉ ra sự phát triển 
của các sóng khác nhau và vai trò của chúng trong 
quá trình phát triển xoáy bão trong mô hình.
2. Phương pháp và số liệu
2.1. Thiết kế thí nghiệm và số liệu mô hình
Bài báo sử dụng mô hình nghiên cứu và dự báo 
thời tiết WRF (Weather Research and Forecasting) 
phiên bản 3.7 mô phỏng cơn bão Mujigae (2015) 
với phương pháp ban đầu hóa xoáy động lực 
NC2011 của hai tác giả Nguyễn Văn Hiệp và 
Yi-Leng Chen [4]. Bão Mujigae bắt nguồn từ 
một nhiễu động nhiệt đới ở gần đảo Palau, 
phía Đông Philippines vào ngày 28/9. Bão Mujigae 
là cơn bão mạnh ảnh hưởng tới Phillipines, phía 
Nam Trung Quốc và miền Bắc Việt Nam vào đầu 
tháng 10 năm 2015. 
 Mô hình WRF được chạy với hai miền tính với 
độ phân giải theo phương ngang lần lượt là 18 km 
và 6 km, tương ứng với số nút lưới theo phương 
ngang là 121×121 và 205×205. Số mực thẳng đứng 
trong mô hình là 38 mực (Hình 1).
Số liệu sử dụng là số liệu tái phân tích toàn cầu 
CFSR với độ phân giải ngang là 0,5˚×0,5˚. Thời điểm 
chạy ban đầu hóa xoáy là 06Z ngày 03/10/2015.
 2.2. Phương pháp và các bước xử lý
Nghiên cứu sử dụng phép biến đổi Fourier để 
phân tích các thành phần sóng, các nhóm sóng 
của yếu tố khí tượng được lấy từ kết quả đầu ra 
của mô hình WRF. Phương pháp biến đổi nhanh 
Fourier FFT cơ số 2 được sử dụng với các bước cơ 
bản sau [5, 6, 7].
Phép biến đổi Fourier của một hàm 
 được định nghĩa bởi công thức: 
 ( ) ( )
^
,i tf f t e dt Rωω ω
+∞
−
−∞
= ∫ ∈
Phép biến đổi ngược của biến đổi Fourier được 
cho bởi công thức:
Tiến hành tính gần đúng các tích phân trên, 
trước tiên, ta giả thiết rằng các số a, b có giá trị 
tuyệt đối đủ lớn: a0 ta được (3) là xấp xỉ tốt 
của tích phân Fourier (1):
Tiếp tục, áp dụng biến đổi rời rạc (DFT) của một 
chuỗi x(n) chu kỳ N:
Với: 
Sử dụng FFT cơ số 2, chuỗi có N điểm thỏa mãn 
N=2s, (s ϵ Z+)
Trong đó: f1(m)=x(2m ) 
 f2(m)=x(2m+1)
=> 
Áp dụng tính chất tuần hoàn theo chu kì 
2
N của 
F1k và F2k ta có:
( )
( )1 1
2 2
2
2
NF k F k
NF k F k
 + = 
 
 + = 
 
⇒ 

Ngoài ra ta có: kN
Nk
N WW −=
+
2Hình 1. Miền tính cho mô phỏng 
cơn bão Mujigae
( ) ( )1f t L R∈
(1)
( ) ( )1
2
i tf t f e dωω ω
π
+∞ ∧
−∞
= ∫ (2)
( )
b
i t
a
f t e dtω−∫
(3)
( ) ( ) ( ) ( )
1
0
,
0; 1
knN
N
N
n
X k X x n k x n W
k N
−
=
=   = 
= −
∑
(4)
2 i
N
NW e
π
−
=
( ) ( ) ( ) ( )
1 11 2 2
1 /2 2 /2
0 0 0
. . . .
N N
N
kn km k km
N N N n
n m m
X k x n W f m W W f m W
− −
−
= = =
= = +∑ ∑ ∑
( ) ( ) ( )1 2.
0, 1
k
NX k F k W F k
k N
= +
= −
Tạp chí khoa học biến đổi khí hậu
Số 6 - Tháng 6/2018 
3
Như vậy, thay vì việc tính DFT của N điểm thì 
ta chia X(k) thành 2 DFT của 2
N
 điểm. Tiếp tục quá 
trình trên cho đến khi được biến đổi của DFT của 2 
điểm (cơ bản), ta sẽ có được 
2
N log2N biến đổi DFT 
2 điểm. Mặt khác, mỗi DFT của 2 điểm chỉ phải tính 
1 phép nhân phức và 2 phép cộng phức. Suy ra, để 
tính DFT của N=2s điểm ban đầu bằng thuật toán 
Hình 3. Phương pháp nội suy Bilinear [8]
FFT chỉ cần tính 
2
N log2N phép nhân phức (thay 
vì N2) và Nlog2N phép cộng phức (thay vì N(N-1)). 
Nếu N càng lớn, khối lượng phép tính theo thuật 
toán FFT giảm đi càng nhiều so với phép DFT.
Trong nghiên cứu này, biến đổi Fourier được áp 
dụng cho các sóng gần tâm bão. Để áp dụng FFT, từ 
một lưới vuông ban đầu, một lưới giả định là các 
đường tròn đồng tâm với tâm được đặt trùng với 
vị trí tâm bão. Mỗi đường tròn bao gồm 64 điểm 
nút lưới (Hình 2).
Hình 2. Minh họa lưới tọa độ tròn giả định
 FFT sẽ được áp dụng cho các chuỗi N=64 
điểm tương ứng với mỗi đường tròn là một 
chuỗi các số liệu. Để xác định số liệu trên lưới 
tròn từ lưới kinh vĩ của mô hình, trong nghiên 
cứu sử dụng phương pháp nội suy Bilinear [8] 
(Hình 3), là một phần mở rộng của phương pháp 
nội suy tuyến tính nội suy hàm 2 biến trên lưới 
2 chiều (lưới vuông) nhằm mục đích để nội suy 
các giá trị từ các điểm nút lưới vuông ban đầu về 
lưới tròn giả định vừa tạo ra.
 Bốn điểm màu đỏ trên Hình 3 hiển thị các dữ 
liệu và điểm màu xanh lá cây là điểm muốn nội suy.
Sau khi thu được toàn bộ các hàm sóng thành 
phần, chia các sóng thành 5 nhóm phổ sóng:
• Phổ sóng số 0: Bao gồm sóng số 0, ứng với 
tần số f(0) = 0
• Phổ sóng số 1: Bao gồm sóng số 1, ứng với 
tần số f(1)
• Phổ sóng số 2: Bao gồm sóng số 2, ứng với 
tần số f(2)
( ) ( )
( ) ( ) ( )1 2
1 2
.
.
2
k
N
k
N
X k F k W F k
NX k F k W F k
= +
 + = − 
 
⇒ 

0, 1
2
Nk = −
0, 1
2
Nk = −
4 Tạp chí khoa học biến đổi khí hậu
Số 6 - Tháng 6/2018
• Phổ sóng số 3: Bao gồm các sóng có tần số 
( ) ( ) ( )42 fkff ≤<
• Phổ sóng số 4: Là phổ sóng gồm các hàm 
có tần số còn lại.
3. Kết quả phân tích sóng
Phần dưới đây sẽ trình bày kết quả tính toán, 
đánh giá sự thay đổi của trường tốc độ gió mực 
10 m, trường khí áp mực biển trong trường hợp 
bão Mujigae năm 2015 (Hình 4 - Hình 12).
a. Trường tốc độ gió mực 10 m
Hình 4. Tốc độ gió mực 10 m (m/s) phổ sóng số 0 với các vòng lặp thứ 1, thứ 8, thứ 36 và thứ 80
Hình 5. Tốc độ gió mực 10 m (m/s) phổ sóng số 1 với các vòng lặp thứ 1, thứ 8, thứ 36 và thứ 80
Tạp chí khoa học biến đổi khí hậu
Số 6 - Tháng 6/2018 
5
Hình 6. Tốc độ gió mực 10 m (m/s) phổ sóng số 2 với các vòng lặp thứ 1, thứ 8, thứ 36 và thứ 80
Hình 7. Tốc độ gió mực 10 m (m/s) phổ sóng số 3 với các vòng lặp thứ 1, thứ 8, thứ 36 và thứ 80
6 Tạp chí khoa học biến đổi khí hậu
Số 6 - Tháng 6/2018
Hình 8. Tốc độ gió mực 10 m (m/s) phổ sóng số 4 với các vòng lặp thứ 1, thứ 8, thứ 36 và thứ 80
Có thể thấy được sự thay đổi của xoáy bão 
trong quá trình phát triển ở các phổ sóng trong 
trường tốc độ gió 10 m. Biên độ dao động thì có vẻ 
như thành phần phổ sóng số 0 và 1 là lớn hơn hẳn 
các thành phần sóng (phổ sóng) khác.
b. Tốc độ gió cực đại gần tâm
Hình 9. Tốc độ gió cực đại từng vòng lặp trong vòng bán kính 200 km tính từ tâm bão
c. Trường khí áp mực biển
Hình 10. Khí áp mực biển theo từng vòng lặp của phổ sóng số 0
Tạp chí khoa học biến đổi khí hậu
Số 6 - Tháng 6/2018 
7
Hình 11. Khí áp mực biển theo từng vòng lặp của phổ sóng số 1, 2, 3 và số 4
 Hình 10 thể hiện sự thay đổi khí áp mực biển 
theo từng vòng lặp của phổ sóng số 0. Có thể thấy 
được sự thay đổi mạnh của khí áp mực biển theo 
từng vòng lặp, giảm từ 996,8 hPa (trước khi ban 
đầu hóa xoáy) xuống còn 954,3 hPa (ở vòng lặp thứ 
80) (Hình 10). 
Hình 11 thể hiện sự thay đổi của khí áp mực 
biển theo từng vòng lặp của phổ sóng số 1, 2, 3, 4. 
Có thể thấy mức độ ảnh hưởng của phổ sóng số 1, 
phổ sóng số 2, phổ sóng số 3 và phổ sóng số 4 đối 
với sự thay đổi khí áp mực biển cực tiểu là không 
đáng kể.
4. Kết luận
Từ những phân tích trên có thể rút ra một số 
kết luận:
Về sự phát triển của xoáy bão trong sơ đồ ban 
đầu hóa xoáy động lực: Các thành phần sóng số 
0, sóng số 1 phát triển mạnh nhất trong quá trình 
chạy lặp. Nghĩa là vai trò đóng góp của thành phần 
sóng số 0 và sóng số 1 vào sự phát triển xoáy bão là 
quan trọng hơn các thành phần còn lại. Các thành 
phần sóng số 0 và số 1 là hai thành phần chính 
quyết định độ lớn các trường tốc độ gió cực đại và 
khí áp mực biển cực tiểu bên trong xoáy bão.
Thành phần sóng đối xứng thay đổi liên tục 
trong quá trình phát triển của xoáy bão (80 vòng 
lặp). Các thành phần phi đối xứng chỉ phát triển 
đáng kể trong khoảng 30 - 40 vòng lặp đầu tiên và 
sau đó giữ ở trạng thái ổn định. Vì vậy, với nghiên 
cứu này nhóm tác giả khuyến nghị, quá trình chạy 
ban đầu hóa xoáy của phương pháp NC2011 có thể 
dừng lại ở khoảng 40 vòng lặp đầu tiên nhằm tiết 
kiệm thời gian tính toán cũng như dung lượng máy 
tính. Cường độ xoáy đưa vào điều kiện ban đầu 
của mô hình có thể xác định từ thành phần phi đối 
xứng ở khoảng vòng lặp 40 kết hợp với thành phần 
đối xứng ở vòng lặp này nhân một tỉ lệ xác định từ 
cường độ bão quan trắc.
Tài liệu tham khảo
1. Phan Văn Tân, Kiều Thị Xin, Nguyễn Văn Sáng và Nguyễn Văn Hiệp (2002), “Kỹ thuật phân tích xoáy 
tạo trường ban đầu cho mô hình chính áp dự báo quĩ đạo bão”, Tạp chí Khí tượng Thủy văn, 493, 
13-22.
2. Phan Văn Tân, Kiều Thị Xin và Nguyễn Văn Sáng (2002), “Mô hình chính áp WBAR và khả năng ứng 
dụng vào dự báo quĩ đạo bão khu vực Tây bắc Thái bình dương và Biển Đông”, Tạp chí Khí tượng 
Thuỷ văn, 498, 27-33,55.
3. O. Raaf and A. E. H. Adane (2012), “Pattern recognition filtering and bidimensional FFT-based 
detection of storms in meteorological radar images”, Digit. Signal Process. A Rev. J., 22(5), 734-743.
4. C.-Y. Chen, Y.-L. Chen, and H. Van Nguyen (2014), “The Spin-up Process of a Cyclone Vortex in a 
Tropical Cyclone Initialization Scheme and Its Impact on the Initial TC Structure”, Sola, 10(0), 93-97.
5. G. Bachman, L. Narici, and E. Beckenstein (2000), Fourier and wavelet analysis, Springer-Verlag 
New York Berlin Heidelberg.
6. Athanasios Papoulis (1977), Signal analysis, McGraw-Hill Book Company.
8 Tạp chí khoa học biến đổi khí hậu
Số 6 - Tháng 6/2018
7. E. Brigham (1988), The Fast Fourier Transform and its applycations.
8. “https://en.wikipedia.org/wiki/Bilinear_interpolation.”
APPLICATION OF FAST FOURIER TRANSFORM (FFT) ON INVESTIGATING 
STRUCTURE AND DEVELOPMENT OF A TROPICAL CYCLONE VORTEX IN A 
DYNAMICAL VORTEX INITIALIZATION SCHEME
Pham Ngoc Bach(1), Nguyen Van Hiep(2)
(1)Ha Noi University of Science, Viet Nam National University Ha Noi
(2)Institute of Geophysics, Viet Nam Academy of Science and Technology
Received: 16 May 2018; Accepted: 10 June 2018
Abstract: This research investigated the structure and development of tropical cyclone vortex in a 
dynamical vortex initialization scheme using Fast Fourier Transform (FFT) technique. The results of wave 
analysis of the meteorological fields in storms such as winds at 10 m level, sea level pressure showed that the 
wave number 0 and 1 are the two major components contributing to the developments of meteorological 
fields in the storm inner core region. In addition, the study also found that the symmetric wave component 
plays the most important role on the vortex development. All other waves with wave number greater than 
0 only significantly develops in the first 30 - 40 cycles. This allows us to use the vortex at the 40th cycle as 
initial condition to save computing resources and time for possible application of the dynamical vortex initialization 
scheme in operational real time forecast.
Keywords: Fast Fourier Transform, dynamical vortex initialization.