Dự báo thời tiết đôi khi sai vì khí quyển là hệ thống phi tuyến nhạy cảm với sai số đầu vào. Ô lưới 9–13 km của siêu máy tính khó bắt kịp từng cụm mây dông nhỏ. Ngoài giới hạn lý thuyết khoảng 14 ngày, các vùng trống dữ liệu trên đại dương cũng làm quỹ đạo dự báo lệch nhanh.

Bốn nguyên nhân khiến bản tin thời tiết lệch thực tế
  • Tính hỗn loạn của khí quyển: Sai số đo đạc cực nhỏ lúc ban đầu khuếch đại theo cấp số nhân sau mỗi vòng tính toán.
  • Điểm mù quan trắc toàn cầu: Khí quyển trên đại dương sâu, vùng cực và tầng cao thiếu trạm đo dày đặc như đất liền.
  • Giới hạn ô lưới mô hình: Lưới 9 km của ECMWF hoặc 13 km của GFS phải dùng công thức ước lượng cho các cơn dông địa phương.
  • Hiểu nhầm xác suất mưa: Chỉ số PoP 30% vẫn có nghĩa xác suất có mưa là 3 trên 10 ngày tương tự.
  • Tra cứu bản tin cập nhật theo giờ: Bạn nên kiểm tra dự báo thời tiết Hà Nội sát giờ xuất phát để kịp điều chỉnh lịch trình.

Bản chất dự báo thời tiết bằng mô hình toán học ngày nay

Ngành khí tượng hiện đại tính toán thời tiết bằng phương trình động lực học chất lưu trên siêu máy tính. Dự báo viên đối chiếu kết quả mô hình với quan trắc thực địa trước khi phát hành bản tin.

Hệ thống chia toàn bộ khí quyển quanh Trái Đất thành hàng triệu ô hộp ba chiều chồng lên nhau. Ở mỗi bước thời gian vài phút, máy tính giải bài toán truyền nhiệt, gió, áp suất và hơi ẩm tại từng nút lưới.

Quá trình thu thập số liệu toàn cầu và vận hành siêu máy tính tuân theo chuỗi nghiệp vụ chuẩn hóa. Bạn có thể xem chi tiết cách các trung tâm xử lý dữ liệu qua bài về lập bản tin thời tiết mỗi ngày.

Mô phỏng đồ thị hỗn loạn Lorenz minh họa sai số nhỏ ban đầu làm các kịch bản thời tiết tách nhánh mạnh theo thời gian
Hiệu ứng hỗn loạn Lorenz làm các quỹ đạo dự báo tách xa nhau sau khoảng 5 ngày tính toán.

Sự khác biệt giữa dự báo vật lý truyền thống và mô hình AI

Tháng 2/2025, ECMWF đưa vào vận hành mô hình học máy AIFS bên cạnh mô hình vật lý IFS. Đến tháng 7/2025, trung tâm này tiếp tục ra mắt phiên bản tổ hợp của AIFS. Mô hình học sâu chỉ mất vài phút để xuất kết quả thay vì chạy nhiều giờ.

Dù học trên chuỗi dữ liệu lịch sử hàng chục năm, cả mô hình vật lý lẫn AI dự báo thời tiết đều dùng chung dữ liệu đầu vào. Nếu trạng thái đầu thiếu chính xác, kết quả đầu ra lập tức trật hướng.

Tính hỗn loạn khí quyển và giới hạn dự báo khoảng 14 ngày

Năm 1963, nhà khí tượng học Edward Lorenz tại Viện Công nghệ Massachusetts phát hiện một quy luật làm thay đổi toàn bộ ngành khí tượng. Khi làm tròn biến số đầu vào từ 0,506127 xuống 0,506 rồi chạy lại mô hình, kết quả thời tiết sau vài ngày đảo lộn hoàn toàn.

Khí quyển vận hành theo động lực học phi tuyến nên sai số ban đầu lớn dần theo từng giờ. Nhiệt độ chỉ cần lệch nửa độ hoặc tốc độ gió lệch vài phần trăm mét mỗi giây cũng đủ làm xoáy áp thấp dịch đường đi hàng trăm kilômét.

Nghiên cứu xác nhận trần dự báo khoảng hai tuần

Năm 2019, hai giáo sư Fuqing Zhang (Đại học Bang Pennsylvania) và Kerry Emanuel (MIT) công bố nghiên cứu trên Journal of the Atmospheric Sciences. Nhóm tác giả thử nghiệm hai hệ thống dự báo toàn cầu hàng đầu với điều kiện đầu có sai số nhỏ nhất về mặt lý thuyết.

Kết quả mô phỏng các đợt rét và mưa lũ lớn khẳng định giới hạn dự báo thời tiết chi tiết từng ngày rơi vào khoảng hai tuần. Nghiên cứu cũng ghi nhận dự báo năm ngày đạt độ tin cậy cao, còn xa hơn mốc 9–10 ngày ở vĩ độ trung bình thì độ chuẩn giảm mạnh (theo PreventionWeb, 16/4/2019).

Điểm mù quan trắc và sai số của điều kiện ban đầu

Để chạy dự báo tương lai, siêu máy tính phải dựng lại ảnh chụp chính xác trạng thái khí quyển tại thời điểm hiện tại. Trong khoa học khí tượng, bức ảnh xuất phát đó là điều kiện ban đầu.

Mạng lưới trạm quan trắc mặt đất, bóng thám không và radar thời tiết thu thập dữ liệu điều kiện đầu cho mô hình dự báo
Mạng lưới trạm đo dày trên đất liền nhưng rất thưa trên đại dương và vùng núi cao hẻo lánh.

Vùng trắng dữ liệu trên đại dương và sai số cảm biến

Trạm khí tượng mặt đất, radar và bóng thám không tập trung dày đặc quanh các thành phố lớn hoặc đường bay thương mại. Ngược lại, hơn 70% bề mặt địa cầu là đại dương, vùng cực và rừng rậm hầu như vắng trạm đo trực tiếp.

Vệ tinh quan trắc phủ sóng toàn cầu nhưng chủ yếu đo bức xạ gián tiếp từ đỉnh mây xuống nên khó xuyên thấu mây bão dày. Mọi cảm biến phao biển hay khí áp kế bản thân cũng luôn mang sai số đo nhất định.

Mỗi ngày các cơ quan khí tượng thuộc WMO phải kết nối nguồn đo đa quốc gia rồi lọc nhiễu liên tục. Chỉ cần thiếu một điểm đo áp suất trên Biển Đông, rìa gió của áp thấp nhiệt đới rất dễ bị tính lệch cường độ.

Giới hạn độ phân giải ô lưới trước mưa dông quy mô nhỏ

Trần phần cứng siêu máy tính buộc các nhà phát triển phải đánh đổi kích thước ô lưới với thời gian xuất bản tin. Mỗi lần chia đôi cạnh ô lưới, số phép tính toán trong mô hình ba chiều tăng gấp khoảng 8 đến 16 lần.

Minh họa mô hình ô lưới thưa làm phẳng địa hình núi cao so với mô hình lưới mịn nắm bắt chi tiết vi khí hậu
Khi kích thước ô lưới quá rộng, mô hình sẽ san phẳng đỉnh núi và bỏ sót vùng mưa cục bộ.

Tham số hóa mây đối lưu trong ô lưới 9 đến 13 km

Mô hình toàn cầu ECMWF IFS vận hành với cạnh ô lưới khoảng 9 km, còn mô hình GFS của NOAA dùng ô lưới 13 km. Một ô lưới 13 x 13 km bao trùm diện tích lên tới 169 km2.

Trên thực tế, nhiều đám mây vũ tích gây mưa rào mùa hè ở miền Nam hoặc vùng núi chỉ rộng 2–5 km. Vì nhỏ hơn cạnh ô lưới, máy tính không giải trực tiếp dòng khí bốc lên trong từng đám mây đó được.

Kỹ sư phải dùng hàm tham số hóa để ước lượng hiệu ứng trung bình của mây nhỏ lên cả ô lưới. Biện pháp gần đúng này dễ khiến bản tin báo mưa rào đúng giờ nhưng mưa thực tế lại trút ở phường kế bên cách 4 km.

Bảng đối chiếu 4 nguồn sai số chính trong dự báo thời tiết

Nguồn gây sai số Cơ chế vật lý cốt lõi Biểu hiện hay gặp nhất Cách khắc phục hiện đại
Thiếu hụt điều kiện đầu Khoảng trống quan trắc trên biển và sai số cảm biến Bão mạnh lên nhanh hơn mức dự báo 24 giờ trước Đồng hóa dữ liệu vệ tinh đa kênh liên tục bằng 4D-Var
Ô lưới thô và tham số hóa Mây đối lưu 2–5 km nhỏ hơn ô lưới 9–13 km Báo mưa nhưng nơi ướt sũng nơi khô ráo hoàn toàn Lồng mô hình khu vực phân giải mịn 1–3 km và radar Doppler
Hiệu ứng hỗn loạn khí quyển Lỗi nhỏ ban đầu nhân lên theo hàm mũ theo từng ngày Dự báo tuần thứ hai đảo chiều hoàn toàn sau hai hôm Chạy dự báo tổ hợp 51 thành viên để đo xác suất phân tán
Hiểu nhầm giao diện ứng dụng Khác nguồn mô hình và thời điểm quét radar thời gian thực Ứng dụng này báo nắng nhưng ứng dụng kia báo dông Đọc trực tiếp phần trăm PoP và so sánh radar mưa trực tuyến

Cách các trung tâm khí tượng kiểm soát sai số bằng dự báo tổ hợp

Thay vì đặt cược vào một kịch bản duy nhất, các cơ quan hàng đầu dùng dự báo tổ hợp EPS. Tại ECMWF, hệ thống chạy đồng thời 51 kịch bản dự báo trong cùng một chu kỳ.

Một kịch bản chạy từ trạng thái đầu chuẩn nhất, còn 50 kịch bản khác cố tình thêm nhiễu nhỏ hợp lý vào điều kiện ban đầu và tham số vật lý. Nhờ vậy nhà khí tượng nhìn ra được mức độ ổn định của khí quyển.

Biểu đồ dự báo tổ hợp EPS dạng sợi mì Spaghetti cho thấy độ phân tán các kịch bản đường đi thời tiết
Khi 51 kịch bản đồng thuận chặt trên biểu đồ Spaghetti, độ tin cậy của bản tin rất cao.

Đọc bản tin xác suất đúng để tránh hiểu lầm dự báo sai

Nhiều người thấy ứng dụng báo xác suất mưa 30% nhưng chiều lại đổ mưa rào nên kết luận phần mềm dự báo sai. Thực ra con số 30% có nghĩa trong 10 lần tình huống khí quyển tương tự, có khoảng 3 lần điểm đứng sẽ có mưa đo được.

Các ứng dụng điện thoại thường tự động rút dữ liệu từ những mô hình khác nhau nên hiển thị lệch nhau rất dễ hiểu. Bạn có thể đọc kỹ hiện tượng này qua bài hai app lệch số liệu trên hệ thống.

Ngành khí tượng cũng liên tục đánh giá sai lệch sau mỗi đợt dự báo bằng toán thống kê. Các trung tâm áp dụng bộ chỉ số kiểm định dự báo để hiệu chỉnh sai số nhiệt độ hay lượng mưa theo từng địa hình.

Câu hỏi thường gặp về độ chính xác của dự báo thời tiết

Dự báo thời tiết đáng tin cậy nhất trong khung mấy ngày?

Nghiên cứu khí quyển năm 2019 của nhóm giáo sư Zhang và Emanuel xác nhận khung 1–5 ngày có độ tin cậy rất cao. Từ ngày thứ 7 trở đi, sai số hỗn loạn tăng mạnh khiến kịch bản dễ thay đổi liên tục.

Tại sao mùa hè trời mưa chiều bất chợt lại khó báo đúng giờ hơn mùa đông?

Gió mùa Đông Bắc mùa đông quét theo hệ thống áp suất rộng hàng nghìn kilômét nên dễ mô phỏng. Ngược lại, mưa rào mùa hè sinh ra từ mây đối lưu rộng vài kilômét nên mô hình lưới 9–13 km khó bắt chính xác từng phố.

Vì sao cùng ngày mà dự báo từ hai ứng dụng lại khác nhau?

Một số app lấy dữ liệu mô hình ECMWF (lưới 9 km), app khác dùng GFS của Mỹ (lưới 13 km) hoặc mô hình nội địa. Chu kỳ cập nhật radar và thuật toán nội suy độ cao địa hình khác nhau cũng làm lệch nhiệt độ 1–3 °C.

Trong tương lai siêu máy tính mạnh hơn có dự báo chính xác được 1 tháng không?

Không thể dự báo chi tiết ngày nắng hay mưa từng giờ xa tới 30 ngày. Tính hỗn loạn phi tuyến tự nhiên của khí quyển tạo ra bức tường lý thuyết khoảng 14 ngày cho dự báo thời tiết xác định từng ngày.

Làm sao giảm rủi ro gặp mưa bất ngờ khi đã xem dự báo?

Trước giờ xuất phát 1–3 tiếng, nên kiểm tra thêm ảnh radar mưa trực tuyến kết hợp chỉ số xác suất mưa PoP từng giờ. Nếu radar xuất hiện lõi phản hồi đỏ đang tiến về phía mình, cần hoãn di chuyển hoặc mang áo mưa ngay.