Việc sử dụng phương pháp synốp truyền thống chỉ có thể dự báo mưa một cách định tính. Tuy các mô hình dự báo thời tiết số trị có thể đưa ra những dự báo định lượng, nhưng những sản phẩm dự báo trực tiếp từ mô hình thường có những sai số hệ thống nhất định liên quan đến nhiều yếu tố, đặc biệt là vấn đề tham số hoá.

Hiện nay, ở hầu hết các trung tâm dự báo trên thế giới, song song với việc đưa ra các sản phẩm mô hình thường có các chỉ dẫn thống kê để thêm giá trị vào những sản phẩm trực tiếp của mô hình. Đây là phương thức hợp lý để diễn xuất mô hình một cách khách quan nhằm loại bỏ những sai số của mô hình và dự báo dịnh lượng cho địa điểm có tính đến các điều kiện khí hậu và địa phương cụ thể.

Tuy nhiên, việc ứng dụng các sản phẩm này kết hợp với các thông tin khác trong dự báo thời tiết nghiệp vụ vẫn còn ở dạng rời rạc, thiếu hệ thống. Các sản phẩm của mô hình chủ yếu được tham khảo một cách chủ quan. Trong khi các mô hình cũng còn cần được cải tiến cho phù hợp với hoàn lưu của khu vực, cũng như phù hợp với các điều kiện địa phương.

Xuất phát từ thực tế này, nhóm tác giả do TS. Bùi Minh Tăng làm chủ nhiệm đã cho thấy bài toán xử lý hậu mô hình với cách tiếp cận thống kê là rất cần thiết. Đây là những công cụ khách quan để diễn giải đầu ra của mô hình hỗ trợ cho dự báo synốp truyền thống nhằm nâng cao khả năng dự báo mưa một cách định lượng để phục vụ sự phát triển kinh tế xã hội và phòng chống giảm nhẹ thiên tai.

Để thực hiện đề tài nghiên cứu khoa học “Nghiên cứu thử nghiệm dự báo định lượng mưa từ sản phẩm của mô hình HRM và GSM” nhằm nâng cao chất lượng dự báo mưa tại Việt Nam, nhóm thực hiện đề tài đã thực hiện theo 2 hướng nghiên cứu là nghiên cứu ứng dụng các phương pháp thống kê bao gồm hồi quy tuyến tính đa biến (MLR), hồi quy logistic (LR), mạng thần kinh nhân tạo (ANN) và phân tích phân biệt Fisher (FDA) cho bài toán dự báo xác suất định lượng mưa (PQPF); và nghiên cứu ứng dụng các phương pháp thống kê MLR và ANN cho bài toán dự báo định lượng mưa (QPF). Cả hai nhóm mô hình thống kê này được xây dựng tách biệt cho từng tập nhân tố dự báo là các sản phẩm dự báo từ mô hình HRM và GSM, và áp dụng cho 230 trạm quan trắc khí tượng bề mặt và đo mưa thuỷ văn dựa trên chuỗi số liệu từ năm 2003 đến 2009.

Dựa trên những kết quả đánh giá và phân tích kỹ năng dự báo PQPF và QPF, đề tài đã thu được những kết quả như sau: Hai nhân tố được lựa chọn nhiều nhất cho cả bài toán PQPF và QPF là lượng mưa dự báo 24h và độ ẩm tương đối trung bình dự báo tại thời điểm 12h; số nút ẩn tối ưu cho phương pháp ANN đối với bài toán PQPF sử dụng tập nhân tố dự báo được lấy từ quá trình hồi quy từng bước với tỷ lệ dừng 1% là 4 cho toàn bộ khu vực VN và 2 mùa dự báo; hai phương pháp MLR và LR luôn cho thấy một kỹ năng dự báo PQPF tốt hơn so với 2 phương pháp còn lại FDA và ANN; ở những ngưỡng mưa nhỏ cho bài toán PQPF, nhìn chung cả 4 phương pháp đều có độ tin cậy cao; kỹ năng dự báo PQPF và QPF cho mùa Đông thường cao hơn nhiều hơn so với mùa Hè; …

Tổng kết lại, với 4 phương pháp thống kê MLR, LR, FDA và ANN sử dụng các nhân tố dự báo từ sản phẩm của 2 mô hình GSM và HRM để dự báo PQPF và QPF, phương pháp MLR cho thấy một chất lượng dự báo tốt nhất.

Có thể tìm đọc toàn bộ Báo cáo KQNC Đề tài (số lưu trữ: 7557/2009) tại Cục Thông tin KH&CN Quốc gia (http://db.vista.gov.vn).