Luận văn thạc sĩ khoa học: Thử nghiệm dự báo hạn mùa một số yếu tố và hiện tượng cực đoan ở Việt Nam bằng mô hình clWRF

ĐẠI HỌC QUỐC GIA HÀ NỘI

TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN

Nguyễn Thị Hạnh

THU NGHIỆM DỰ BAO HAN MÙA MOT SO YEU TO VÀ HIỆN

TƯỢNG CUC DOAN O VIET NAM BANG MÔ HÌNH CLWRF

LUẬN VAN THAC SĨ KHOA HOC

Hà Nội - 2013

ĐẠI HỌC QUỐC GIA HÀ NỘI

TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN

Nguyễn Thị Hạnh

THU NGHIEM DỰ BAO HAN MÙA MOT SO YEU TO VÀ HIỆN

TƯỢNG CUC DOAN Ở VIỆT NAM BANG MO HÌNH CLWRE

Chuyên ngành: Khí tượng và khí hau học

Mã số: 60440222

LUẬN VĂN THẠC SĨ KHOA HỌC

NGƯỜI HƯỚNG DAN KHOA HỌC:

GS.TS Phan Văn Tân

Hà Nội - 2013

Mục lục

M.9/28/0/9:0222 5 .-:1 4

DANH MỤC BẢNG - -52 ©2221 2122127122121121127111211211211111211211111 21c 8DANH MỤC VIET TAT uu ccccsssssessessssssessessesssessessecsvssssssessesssessessessesassssessesssaneeseeses 9Mở GaU occ ecccecceccessessesssessessessesssessessessessressessessnsssessessssnsssessessesssssessessessetsesseesesaeen 11

Chương 1 TONG QUAN wo.ceeccsscessessessesssessessessscssessessessvsssessessessesssessessessteaseanesseeseees 12

L.1 Sơ lược về dur báo ma cece eeccccccsecscsecececsesscscsesucecseseecscssecevsueececsvssesaveeeees 121.2 Một số công trình nghiên cứu mô phỏng và dự báo mùa 131.3 Về các yếu tố và hiện tượng khí hậu cực đoan 2-2 2+ z+scxscxez 18Chương 2-SO LIEU VA PHƯƠNG PHÁP NGHIÊN CỨU . : 24

2.1 Mô hình và thi nghiệm - - G2 32132111211 151 1151191111111 E111 111111, 24

2.1.1 Sơ lược về mô hÌnh 5- S55 E2 2122122121212 xe 242.1.2 Thiết kế thí nghiệm © +©-++EESEECSEEEEEEEEEErrrkrrkrerreee 242.2 Số liệu và phương pháp xử lý số liệu - ¿+ 25++c<+E++E++EczEerxerxered 28

2.3 Hạn dự báo L LG HH HH HH HH KH kg 31

2.4 Damh gid du B40 ee e3 33

Chương 3 KET QUA VA NHẬN XÉT 2-52 2228 EEEEEEEEEE2E121121212Ecrk 35

3.1 Dự báo các trường trung bình tháng - 225 +22 * + +EseErseererreseres 35

3.1.1 Nhiệt độ trung bình tháng MuUc 2M .ààằằằĂSSisseseeresree 35

3.1.2 Nhiệt độ trung bình cực tiểu tháng - 55c ScccteEetEEEkrtrrrererkrred 42

3.1.3 Nhiệt độ cực đại trung Dinh thẳng - s-cccc ch sierikrrrrerereree 51

3.1.4 Luong MUd thang an ốốẦe 60

3.2 Đánh giá khả nang dự báo một số hiện tượng cực ổoan 69

Kết luận 2-2: 22< 2222211221221122112711211211111211211111 2111211111121 11110 ree 94TÀI LIEU THAM KHẢO 2-©22SE22E‡2E2SEE2E1121127112712112711271211711 11.2 e6 96

DANH MỤC HÌNH

Hình 1.1 Sự khác nhau giữa: hình trên - nhiệt độ không khí 2m (°C), hình dưới —

bức xạ sóng ngắn đi ra khỏi đỉnh khí quyền (Wm-2) Bên trái là mùa hè (JJA), bên

phải là mùa đông (DJJF) - -.- Án TH nh nh TH TT TH HH Hàn Hàng ghe 14

Hình 1.2 Sự tăng nhiệt độ trung bình dẫn đến tăng nhiệt độ cực đoan Nguồn: US

Climate Change Science Program / Southwest Climate Change NetWork 18

Hình 2.2 So đồ thé hiện phương pháp xử lý số liệu 2-2 s2 ++£szzsrxcrez 28

Hình 2.3 Quy trình thực hiện dự báo 2c 2c 3321111111135 xre 32

Hình 3.1 Nhiệt độ trung bình thang mực 2m của các tháng được dự báo với hạn dự

báo từ 1 đến 6 tháng trước hiệu chỉnh, sau hiệu chỉnh va quan trẮC ccccccccce 36Hình 3.2 Sai số ME, MAE, RMSE của T2m cho 17 tháng được dự báo ứng với

trường hợp hiệu chỉnh và không hiệu chỉnh ứng với han dự báo từ 1 đến 6 tháng .38Hình 3.3 Nhiệt độ Tm cho 17 tháng ứng với các hạn dự báo trên toàn quốc ứng vớitrường hợp dự báo chưa hiệu chỉnh, hiệu chỉnh và quan trắc - +: 42

Hình 3.4 Sai số ME, MAE, RMSE của Tm ứng với trường hợp dự báo chưa hiệu

chỉnh, hiệu chỉnh .- 2< E11 222111 1111153311111 1183111111103 11kg kg và 44

Hình 3.5 Sai số ME, MAE, RMSE của Tm trên khu vực B3 cho 17 tháng được dự

báo ứng với trường hợp chưa hiệu chỉnh, hiệu chỉnh . ¿55+ 55<+s52 45

Hình 3.6 Sai số ME, MAE, RMSE của Tm trên khu vực B4 cho 17 tháng được dự

báo ứng với trường hợp chưa hiệu chỉnh, hiệu chỉnh . -<++-<+<s2 46

Hình 3.7 Sai số ME, MAE, RMSE của Tm trên khu vực N3 cho 17 tháng được dự

báo ứng với trường hợp chưa hiệu chỉnh, hiệu chỉnh .- 5+ +5 ++<+++++47Hình 3.8 Nhiệt độ Tx cho 17 tháng được dự báo ứng với các hạn dự báo trên toàn

quốc ứng với trường hợp dự báo chưa hiệu chỉnh, hiệu chỉnh và quan trắc 51

Hình 3.9 Sai số ME, MAE, RMSE của Tm ứng với trường hợp chưa hiệu chỉnh,

hiệu chỉnh 222111112 22353 111111129311 111111993 11 KH 11H 1kg 1E reg 52

Hình 3.10 Sai số ME, MAE, RMSE của Tx trên khu vực B3 cho 17 tháng được dự

báo ứng với trường hợp chưa hiệu chỉnh và hiệu chỉnh -.-5 5-5555 ++<<+<52 54

Hình 3.11 Sai số ME, MAE, RMSE của Tx trên khu vực N3 cho 17 tháng được dự

báo ứng với trường hợp chưa hiệu chỉnh và hiệu chỉnh - -55- 5+ s+-sss+<ss>2 55

Hình 3.12 Sai số ME, MAE, RMSE của Tx trên khu vực N3 cho 17 tháng được dự

báo ứng với trường hợp chưa hiệu chỉnh và hiệu chỉnh -5 55+ + >+<+ss2 56

Hình 3.13 Téng lượng mưa hàng thang của 17 thang được dự báo cho han dự bao 1

đến 6 tháng ứng với trường hợp chưa hiệu chỉnh, hiệu chỉnh và quan trắc 60

Hình 3.14 Sai số ME, MAE, RMSE của mưa ứng với trường hợp chưa hiệu chỉnh,

hiệu chỉnh - - << 222111116 22353 111111125311 1111119930 11 1kg 11kg 1kg 1 ket 61

Hình 3.15 Sai số ME, MAE, RMSE của mưa ứng với trường hợp chưa hiệu chỉnh,

hiệu chỉnh trên khu vực B3 - << 1 1E 1222311111 1115311 1111199531111 1 re 63

Hình 3.16 Sai số ME, MAE, RMSE của mưa ứng với trường hợp chưa hiệu chỉnh,

hiệu chỉnh rên khu vực B4 .- - 2 c1 E1 11223111 111111531 1111119953111 kg 1k krrreg 64

Hình 3 17 Sai số ME, MAE, RMSE của mưa ứng với trường hợp chưa hiệu chỉnh,

hiệu chỉnh trên khu vực ÌN3 - - 2c 1E 1221111253111 2511 111531 1119011 11g 1kg krrưyy 65

Hình 3.18 Sai số trung bình ME của tong số ngày ba tháng mùa hè 2012 có Tm <

TNI0 tại 4 thời điểm dự báo -cccc2tttt thue 69Hình 3.19 Sai số MAE của tông số ngày ba tháng mùa hè 2012 có Tm < TN10 tại 4thoi diém dur bao khac nha 8A 71

Hình 3.20 Sai số ME của tông số ngày ba tháng mùa hè 2012 có Tx > TX90 tai 4

thời điểm dự báo -::-2222t22 2 2221 22.1 re 72Hình 3.21 Sai số MAE của tông số ngày ba tháng mùa hè 2012 có Tx > TX90 tại 4thời điểm dự báo khác nhau - 2 2 2SS2E2EE2EE£EE£EEEEEE2EEEEEEEEEEEEEEEEEerkrrrrrred 73Hình 3.22 Sai số ME của tông số ngày ba tháng mùa hè 2012 có R> R95 tại 4 thờiđiểm dự báo 5 tt tt 1E 111E11115111115111 11111111111 E1E1111E1111111E1111 11111111 74

Hình 3.23 Sai số MAE của tông số ngày ba tháng mùa hè 2012 có R > R95 tại 4

thời điểm dự báo .-:-22+t c2 tt tt tr re 75Hình 3.24 Sai số ME của tông số ngày ba tháng mùa hè 2012 có R > R99 tại 4 thời

điểm dự báo - +: 22 2s 2 11211221127121121112711211211211121121111 2112111121 rre.76Hình 3.25 Sai số MAE của tông số ngày ba tháng mùa hè 2012 có R > R99 tại 4

thời điểm dự báo .::-22+t 22 tt tr tt re 77Hình 3.26 Sai số ME của tông số ngày ba tháng mùa đông 2012 có Tm<TN10 tai 4thời điểm dự báo .::-22+tc2 tt tr HH re 78

Hình 3.27 Sai số MAE của tong số ngày ba tháng mùa đông 2012 có Tm<TN10 tại

4 thời điểm dự báo s:-2222t 22 t22211122211122TE11 re 79

Hình 3.28 Sai số4 thời điểm dự báoHình 3.29 Sai số

tại 4 thời điểm dự

Hình 3.30 Sai sốthời điểm dự báo.Hình 3.31 Sai số4 thời điểm dự báoHình 3.32 Sai sốthời điểm dự báo.Hình 3.33 Sai số4 thời điểm dự báoHình 3.34 Sai số

ME của tổng số ngày ba tháng mùa đông 2012 có Tx<TX10 tại 4

MAE của tổng số ngày ba tháng mùa đông 2012 có Tx< TX10 tạiME của tông số ngày ba tháng mùa đông 2012 có Tx>TX90 tại 4MAE của tổng số ngày ba tháng mùa đông 2012 có Tx>TX90 tạiME của tong số ngày 6 tháng có Tm < TN10 ứng với 12 tháng

ME tổng số ngày 6 tháng có R > R95 ứng với 12 tháng đứng dự

Hình 3.44 Sai số ME của tông số ngày 6 tháng có R > R99 ứng với 12 tháng đứng

00 ố 92

Hình 3.45 Sai số MAE của tong số ngày 6 tháng có R > R99 ứng với 12 tháng

0031500012107 92

DANH MỤC BANG

Bang 1.1 Sự thay đôi nhiệt độ và albedo trong đô thị ccccssekreeerreresres 15

Bảng 2.1 Các trường hợp chạy dự báo óc 1 011 12 1111111111111 11 E11 re 26Bang 2.2 Danh sách 77 tram sử dung trong luận văn - ¿+ +-s+++xs+s+ss2 29

Bảng 3.1 Bảng giá trị nhiệt độ trung bình bể mặt +2 Stcxv E221 2E2EEErxsed40Bảng 3.2 Sai số MAE của nhiệt độ trung bình tháng mực 2m (T2m) cho các tháng

được dự báo với han dự báo 1 đên 6 thang - 5c 22 S22 +21 EvEeererrresrrsee 4I

Bang 3.3 Bảng giá trị nhiệt độ cực tiểu trung bình tháng 2-2-5 szcse¿ 49Bảng 3.4 Sai số MAE của nhiệt độ cực tiểu trung bình tháng (Tm) cho các tháng

được dự báo với hạn dự báo 1 đên 6 thang 5c 223 2122 E* EvEsrerrresrrsee 50

Bang 3.5 Bảng giá trị nhiệt độ cực đại trung bình tháng - ccscc 5< 5< 58

Bảng 3.6 Sai số MAE của nhiệt độ cực đại trung bình tháng (Tx) cho các tháng

được dự báo với hạn dự báo 1 đên 6 thang ¿c2 321112 EESEEserrsrrsrrsre 59

Bảng 3.7 Bảng giá tri lượng mưa thang - c5 32211111113 1EEE1EEkresrvrs 67

Bảng 3.8 Sai số MAE của lượng mưa tháng (R) cho các tháng được dự báo với

hạn dự báo 1 đến 6 tháng c1 t1 1 111 111111111111 111011111 E1 HH ng TH HH kiệt 68

DANH MUC VIET TAT

Mô hình hoàn lưu chung khí quyên (Atmospheric General

Circulation Model)

Atmospheric Model Intercomparison Project

M6 hinh hoan luu chung khi quyén-dai duong

(Atmosphere-Ocean General Circulation Model)

Tay BacĐông Bắc

Đồng bằng Bắc bộBắc Trung bộ

Community Climate System ModelCộng sự

Climate Forecast System

Climate Forecast System Reanalysis

Mô hình khí hậu toàn cầu

Hadley Centre Atmospheric Model version 3Khí hậu cực đoan

Hạn dự báo

Sai số tuyệt đối trung bìnhSai số trung bình

Nam Trung bộTây Nguyên

TBCHC, TBKHCTBHC

The Representative Concentration Pathways

Regional Climate ModelRoot Mean Square Error

Số ngày mưa lớn hon phân vị 95%Số ngày mưa lớn hơn phân vị 99%

The Special Report on Emissions ScenariosTrung bình chưa hiệu chỉnh

Trung bình hiệu chỉnh

Trung bình quan trắc

Nhiệt độ cực tiêu trung bình tháng

Số ngày có nhiệt độ cực tiêu nhỏ hơn phân vị 10%Số ngảy có nhiệt độ cực tiểu lớn hơn phân vị 90%

Nhiệt độ cực đại trung bình thang

Số ngày có nhiệt độ cực đại nhỏ hơn phân vi 10%Số ngày có nhiệt độ cực đại lớn hơn phân vị 90%Nhiệt độ trung bình bề mặt mực 2m

Biến khí hậu cực trị

Tập giá trị của X

Weather Research and Forecasting

10

Mở đầu

Bài toán dự báo mùa (hay dự báo hạn mùa) cho đến bây giờ vẫn là một trongnhững vấn đề cấp thiết đặt ra với Việt Nam Việc dự báo sớm các yếu tố khí hậu

như nhiệt độ, lượng mưa cùng với các hiện tượng cực đoan được chú trọng trong

nhiều năm trở lại đây Sự biến động bất thường của mưa, nhiệt độ cũng như cáchiện tượng cực đoan đang có xu hướng ngày càng phức tạp hơn Việc dự báo được

sớm các yêu tố và hiện tượng này thực sự là van đề cấp thiết dé cung cấp thông tinphục vụ phòng tránh thiên tai, hạn chế những thiệt hại về người va của Trong

nhiều năm qua, bài toán dự báo mùa không còn mới và quá khó khăn với các nước

có nền khoa học tiên tiến trên thế giới Nhưng ở Việt Nam, mặc dù cũng đã được

quan tâm từ sớm nhưng những nghiên cứu vẫn còn nhiêu hạn chê.

Ngày nay, cùng với các công trình nghiên cứu của các nhà khoa học đi trước

còn có sự hỗ trợ mạnh mẽ của công nghệ tính toán hiện đại, các mô hình dự báo SỐtrị ngày càng được cải tiến và sử dụng rộng rãi trong các nghiên cứu khí hậu Nên,việc nghiên cứu bài toán dự báo mùa cho các yếu tô thời tiết cũng hiện tượng khí

hậu cực đoan không còn bị hạn chế nhiều về mặt không gian và thời gian Nó có thể

chi tiết hóa cho từng khu vực, tạo điều kiện thuận lợi cho những nghiên cứu sâu

hơn, mang tính ứng dụng cao hơn.

Nhăm góp phân vào việc xây dựng, phát triên bải toán dự báo mùa ở Việt

Nam, dé tai luận văn được chon là: “Thử nghiệm dự báo hạn mùa một sô yêu tô

và hiện tượng cực đoan ở Việt Nam bằng mô hình CIWRE”,Bồ cục của Luận văn gồm 3 chương:

Chương 1 Tổng quan: Chương này trình bày sơ lược về dự báo mùa; các công

trình nghiên cứu mô phỏng, dự báo mùa, các yếu tố và hiện tượng khí hậu cực đoan.

Chương 2 Số liệu và phương pháp nghiên cứu: Chương này giới thiệu tổng quan

về mô hình, số liệu, phương pháp xử lí số liệu và phương pháp đánh giá.

Chương 3 Kết quả và nhận xét: Chương này trình bày kết quả dự báo hạn mùamột số trường trung bình tháng và một số chỉ số khí hậu cực đoan.

11

Chương 1 TONG QUAN

1.1 So lược về dự báo mùa.

Hiện nay, bài toán dự báo thời tiết và dự báo mùa là hai bài toán được quantâm nhiều trong nghiệp vụ dự báo Đối với dự báo thời tiết, thông thường hạn dựbáo khoảng 3-5 ngày và tối đa khoảng 5—10 ngày Dự báo thời tiết cần phải chỉ rađược trạng thái của khí quyền tại một địa điểm cụ thể, vào những thời điểm cụ thể(từng ngày, thậm chí từng giò) trong thời hạn dự báo Khác với dự báo thời tiết, dựbáo mùa không chỉ ra trạng thái khí quyên vào những thời điểm cụ thể đến từngngày, thay vào đó là thông tin chung về điều kiện khí quyền trong từng khoảng thờigian nhất định (chăng hạn từng tháng, từng mùa — ba tháng, sáu tháng) trong thờihạn dự báo Nó có thé giúp chỉ ra những xu thé tiến triển của các hiện tượng thờitiết, các yếu tố khí hậu từ quá khứ cho tới tương lai Dự báo mùa, hay dự báo hạn

mùa, hay dự báo khí hậu hạn mùa có hạn dự báo đến tối đa (hiện nay) là một năm

cũng như động lực hoc nằm ấn bên trong Điều này có nghĩa là phương pháp hiệu

quả khi sự phát triển quy mô lớn là rõ rệt và theo một hướng nhưng rất khó délường trước những sự chuyên pha, ví dụ như từ nóng sang lạnh và ngược lại Vàcuối cùng, phương pháp thường không nắm bắt được những yếu tố đột biến.Phương pháp động lực nhìn chung chỉ mới bắt đầu từ khoảng 30 năm trở lại đây đối

với bai toán dự báo mua Phương pháp nay sử dụng các mô hình hoàn lưu chung khíquyền Sự phát triển đáng kê hiện tai đã tạo ra một hệ thống tương tác đầy đủ trong

12

đó thành phan đại dương, khí quyền va mặt đất của mô hình tương tác liên tục với

nhau đê cho ra các bản tin dự báo đên vài tháng.

Trong bối cảnh biến đổi khí hậu đang diễn ra nhanh chóng những thập niên

gần đây, cùng với những hậu quả đáng báo động mà nó đã gây ra như trận động đấtkinh hoàng tại Nhật Bản năm 2011, nắng nóng nghiêm trọng tại châu Âu, và gầnđây là cơn bão Haiyan (11/2013) đã gây ra hậu quả vô cùng to lớn với đất nướcPhilippines Bài toán dự báo mùa các yêu tố và hiện tượng cực đoan, dự báo bãocàng trở nên cấp thiết Tại các nước phát triển, sự cải tiễn không ngừng trong lĩnhvực dự báo thời tiết cũng như nghiên cứu khí hậu quá khứ và tương lai trong nhiềunăm trở lại đây, đã làm bài toán dự báo mùa các yếu tố và hiện tượng khá tốt và

giảm thiểu đáng ké thiệt hai.

1.2 Một số công trình nghiên cứu mô phỏng và dự báo mùa.

Hiện nay, có nhiều mô hình khu vực (RCM) ngoài việc thực hiện bài toán dựbáo thời tiết, còn được cải tiến và nâng cấp dé có thé phục vụ vào bài toán nghiên

cứu, mô phỏng, dự tính khí hậu Zongxin Zhang và CS (2009) [35] đã sử dụng 2 mô

hình WRE và HadRM để tiễn hành nghiên cứu tái tạo nhiệt độ cực đại, cực tiểu vàlượng mưa ngày băng số liệu tái phân tích R-2 sau đó so sánh với các số liệu quan

trắc được trên toàn bộ các trạm Hoa Ky thuộc Tây Bắc Thái Bình Dương cho thời kì

2003-3007 Kết quả chỉ ra sai số cực đại Tx vào mùa xuân và mùa hè thấp hơn vàomùa thu và mùa đông so với quan trắc Với nhiệt độ cực tiêu cho kết quả gần vớiquan trắc hơn Tương quan thời gian giữa tái tạo với quan trắc của lượng mưa ngàythấp ở cả 2 mô hình Tuy nhiên, dự báo cho tương quan lại tăng với chuỗi thời giandai hơn Dev Millstein và Surabi Menon (2011) [13], sử dung mô hình WRF dé

khao sat phan hồi giữa sự thay đổi albedo bề mặt, nhiệt độ, lượng mưa và độ phủ

mây trung bình Kết quả cho thấy, với sự chấp nhận đỉnh mây và chân mây lạnh,với miền tính rộng, lượng bức xa đi ra trung bình hàng năm tăng 0.16 +0.03 Wm-2

(hình 1.1) và nhiệt độ lúc budi chiều mùa hè ở các đô thị giảm 0.11 -0.53” (bảng

13

Hình 1.1 Sự khác nhau giữa: hình trên - nhiệt độ không khí 2m ÓC), hình dưới — bức xạ

sóng ngắn đi ra khỏi đỉnh khí quyền (Wm-2) Bên trái là mùa hè (JJA), bên phải là mùađông (DJF).

14

Bảng 1.1 Sự thay đôi nhiệt độ và albedo trong đô thị

San Jose, CA 29% 0.03 — 0.23 — 0.10

Dallas, TX 42% 0.05 —0.09° — 0,08

Phoenix, AZ 47% 0.05 — 0.16 —0.19Miami, FL 54% 0.06 —0.11 —0.12Chicago, IL 61% 0.07 —0.27 —0.12Atlanta, GA 70% 0.08 —0.12 — 0.21Philadelphia, PA 75% 0.09 —0.22 —0.22

Houston, TX 86% 0.10 —0.19 — 0.24New York, NY 91% 0.10 — 0.30 — 0.24Detroit, MI 95% 0.11 — 0.39 —0.12

Los Angeles, CA 96% 0.11 — 0.53 — 0.41

* phan trăm vùng đất được coi giống như đô thị

° nhiệt độ thay đổi không đáng ké so với 0

James M Done và CS [20] sử dung mô hình WRF để tái tạo khí hậu khuvực, kết quả cho thấy rằng các vùng châu thổ lớn, dãy Rocky và khu vực tây Bắc

Thái Bình Dương có sự tăng nhẹ nhiệt độ còn các vùng sa mạc phía tây nam, thung

lũng Sacramento va San Joaquin ở Califonia có sự giảm nhẹ nhiệt độ bề mặt Năm

2006, Wei Gao và CS [34] cũng đã mở rộng mô hình WRF dự báo thời tiết cho khí

Năm 2011, Chakrit và CS [10] đã sử dụng mô hình WRF dé xem xét sự thayđổi của nhiệt độ và lượng mưa thời kì 1990-1999 tới 2045-2054 trên toàn bộ khu

vực Đông Nam Á Xét trên cả miền tính, nhiệt độ được mô phỏng khá tốt với “cold

bias” sai số thiên âm cho nhiệt độ cực đại va “warm bias” thiên dương cho nhiệt độ

cực tiểu Lượng mưa trung bình tăng và được mô phỏng tốt hơn vào mùa khô Xéttrên quy mô địa phương và theo mùa, nhiệt độ dao động từ 0.1 đến 3C, ban ngày

dao động ít hơn ban đêm Mùa khô lượng mưa giảm.

Năm 2012, Chakrit và CS [9] tiếp tục tiến hành sử dụng 8 sơ đồ tham số hóađối lưu với mô hình WRF lồng hai lưới 60km và 20km, dé ước lượng lượng mưa

gió mùa trên khu vực Thai Lan với miên lưới là khu vực Đông Nam A cho năm

15

2005 Đầu vào là số liệu tái phân tích của NCEP/NCAR Kết quả cho thấy, sơ đồBest-Miller-Janjic cho sai số nhỏ nhất, phân bố mưa tốt nhất trên cả lưới tính vàtừng khu vực địa phương Các tác giả cũng thấy sự phù hợp của việc sử dụng môhình WRF dé mô phỏng khí hậu khu vực.

Janime và Zaitao đã chỉ ra kha năng dự báo các di thường cực tri trên quy môtrung bình mùa tại Hoa Ky [21] Tác giả đã chọn đợt lạnh dị thường vào tháng

7/2009 và đợt âm ướt nhất xảy ra vào tháng 10/2009 tại vùng trung tâm và phíađông nước Mĩ dé nghiên cứu Kết quả cho thay, WRF có thé dự báo “patterns” dịthường nhiệt độ khá chính xác cả về vị trí và quy mô vùng dị thường Tuy nhiên,

giá trị dự báo đưa ra lại thiên thấp SO VỚI quan trắc, chênh lệch khoảng 3-6°C cho dự

báo tháng 7/2009 Trên dãy núi Rocky và khu vực phía Tây Bắc, Đông Bắc Mĩ, môhình cho kết quả thấp hơn rất nhiều so với quan trắc thực tế Với mưa, dự báo cho

mưa là bài toán khó hơn nhiệt độ trên quy mô mùa Mô hình có khả năng chỉ ra xu

thế của mưa, tuy nhiên, các vi tri thể hiện các pattern di thường lại không luôn chínhxác Dự báo cho trường hợp mưa tháng 10/2009, mô hình chỉ bắt được vị trí trungtâm mà không bắt được mưa tại phía Bắc và phía Nam.

Trong nghiên cứu của Daniel Argueso và CS (2012) [11], có thể thấy mô

hình WRF không chỉ ước lượng được các trường trung bình mùa, thang, năm ma

còn đánh giá được các chỉ số cực đoan như lượng mưa ngày lớn nhất (RXIday),

lượng mưa 5 ngày lớn nhất (RX5day), trung bình số ngày ẩm cực đại liên tiếp hàng

năm (CWD - the mean annual number of maximum consective wet days), trung

bình số ngày khô han cực đại liên tiếp hang năm (CDD - the mean annual number

of maximum consective dry days), số ngày có mưa vượt quá 10mm (R10 — thenumber of days that exceed 10mm) Tuy sai số là không tránh khỏi nhưng một lầnnữa, nghiên cứu chỉ ra được xu thế và pattern của các yếu tố trên quy mô địa

phương là khá rõ ràng.

Ở Việt Nam, cho đến nay chưa có nghiên cứu nào sử dụng mô hình WRF dédự báo mùa dài hạn lên từ một tháng trở lên mà mới chỉ sử dụng một số các môhình khí hậu khu vực như RegCM, MMS trong đề tai nghiên cứu cấp Nhà nước

16

KC08.29/06-10 “Nghiên cứu tác động của biến đổi khí hậu toàn cầu đến các yếu tốvà hiện tượng khí hậu cực đoan ở Việt Nam, khả năng dự báo và giải pháp chiến

lược ứng phó” do GS TS Phan Văn Tân làm chủ nhiệm.

17

1.3 Về các yếu tố và hiện tượng khí hậu cực đoan

Theo chương trình nghiên cứu biến đổi khí hậu của Hoa kỳ đã chỉ ra sự tăng

nhiệt độ và các cực trị nhiệt độ trong tương lai (hình 1.2) Nhiệt độ trung bình tăng

dẫn đến việc tăng nhiệt độ cực đoan trong tương lai Tuy nhiên, nhiệt độ lạnh hơn

van xuât hiện nhưng sé it hơn hiện tai.

Current climate Future climate

oO cold Increase in hot

weather average weather

\ temperature

Cold Average Hot

Hình 1.2 Sự tăng nhiệt độ trung bình dẫn đến tăng nhiệt độ cực đoan Nguồn: US Climate

Change Science Program / Southwest Climate Change Network

Kiktev va CS (2003) [22] đã đánh gia kha nang mô phỏng ECE của mô hình

AGCM HadAM3 Cac tác gia nhận thay, xu thé gia tri năm của các chi số khí hậu

ước tính trên lưới (mô hình) cho thời kỳ 1950-1995 biểu diễn rõ ràng hơn bức tranhcác kiểu xu thế trong các chỉ số khí hậu so với việc xem xét chúng dựa trên số liệutrạm trực tiếp Các xu thế tính trên lưới cũng cho phép so sánh xu thế quan trắc với

xu thế mô phỏng bởi mô hình khí hậu thích hợp chạy với các điều kiện biên quantrắc biến đôi của SST, qui mô băng biển và những kết hợp khác của tác động do con

người Kết quả sử dụng kỹ thuật bootstrap đánh giá tính bat định trong ước lượng

xu thê trên lưới và ý nghĩa trường của các kiêu xu thê quan trac cho thay: có sự

18

giảm đáng ké số ngày băng giá và tăng số đêm nóng Những vùng có sự tăng đáng

kê của cực tri mưa và sô ngày giảm ở Bac ban câu.

Meehl và CS (2004a) [26] đã đánh giá kết quả mô phỏng số ngày sương giá

từ mô hình PCM (Parallel Climate Model) cho thế kỷ 20 trong đó có tính đến sự tácđộng của các yếu tố như biến động mặt trời, núi lửa, xon khí, ôzôn và khí nhà kính.Các kết quả mô phỏng và quan trắc đều cho thấy xu thế giảm khoảng 2 ngày chomỗi thập kỷ ở phía Tây nước Mỹ trong thế kỷ 20 Tuy nhiên, kết quả mô phỏng từ

PCM lại rất khác so với quan trắc trong vùng Đông Nam nước Mỹ (mô phỏng chogiảm trong khi quan trắc lại cho tăng số ngày sương giá) Nguyên nhân dẫn đến saisố này theo nhóm tác giả là do sự bất ôn định của mô hình PCM khi mô phỏng tác

động của các hiện tượng El Nino cho vùng Đông Nam nước Mỹ Meehl va Warren,

và CS (2004b) [27] cũng sử dung mô hình PCM dé đánh giá khả năng mô phỏng số

đợt nóng (heat wave) trong thời kỳ 1961-1990 dựa trên tiêu chí 1 đợt nóng là có ít

nhất 3 ngày liên tiếp có đêm ấm Các kết quả đánh giá cho thấy kỹ năng mô phỏngcủa PCM là rat tốt.

Kharin và CS (2005) [28] đã đánh giá kỹ năng mô phỏng các ECE liên quan

đến nhiệt độ và mưa dựa trên 15 GCM trong dự án AMIP-2 Kết quả cho thấy, hầu

hết các GCM mô phỏng tốt các cực trị nhiệt độ, đặc biệt là các cực trị nhiệt độ tốicao Tuy nhiên, hầu hết các mô hình không mô phỏng tốt cho các cực trị mưa, đặc

biệt là cho vùng nhiệt đới.

Sun va CS (2006) [31] đã khảo sát cường độ mưa ngày được mô phỏng từ 18

AOGCM và nhận thấy hầu hết các mô hình cho lượng mưa mô phỏng ít hơn so vớithực tế Ngoài ra, sai số hệ thống là không rõ ràng dẫn đến lượng mưa trung bình

theo mùa không đáng tin cậy Kimoto và CS (2005) [23] đã nghiên cứu mô phỏnglượng mưa ngày cho khu vực Nhật Bản dựa trên một AOGCM với độ phân giải thô

và cao Các kết quả đánh giá cho thấy phân bố mưa trong trường hợp sử dụng phân

giải cao đáng tin cậy hơn độ phân giải thô Emori và CS (2005) [15] đã chỉ ra rằng

các mô hình AGCM với độ phân giải cao có thê mô phỏng tốt các cực trị mưa nếu

mô hình có khả năng kìm hãm đối lưu khi độ âm tương đối tại các vùng lân cận nhỏ

19

hơn 80% Hay nói cách khác, cực tri mưa được mô phỏng từ các GCM rất nhạy vớicác sơ đồ tham số hóa đối lưu Chang hạn, nghiên cứu của Kiktev và CS (2003)[22] với mô hình HadAM3 GCM cho thấy kỹ năng mô phỏng sự thay đổi các cựctrị mưa là rất kém May (2004) [25] đã nghiên cứu sự biến đôi các cực trị mưa ngàydựa trên mô phỏng từ mô hình ECHAM4 GCM và nhận thấy mô hình này mô

phỏng khá tốt cho hầu hết các khu vực thuộc An Độ nhưng lại thiên cao cho khu

vực trung tâm của Ấn Độ Theo hướng này, lorio và CS (2004) [19] đã nghiên cứutác động của độ phân giải mô hình tới kết quả mô phỏng lượng mưa ở Hoa Kỳ dựatrên mô hình CCM3 và thấy rằng các mô phỏng với độ phân giải cao sẽ tạo ra cácphân bố mưa ngày tin cậy hơn độ phân giải thô (thường cho nhiều ngày mưa vớilượng mưa nhỏ) Tuy nhiên, không phải lúc nào độ phân giải cao cũng tạo ra kết

quả mô phỏng mưa tốt mà phải kết hợp sự cải tiến trong các sơ đồ tham số hóa đối

lưu và mây.

Duffy P B và CS (2006) [14] phân tích kết quả mô phỏng khí hậu hiện tại và

tương lai ở tây Hoa Kỳ được thực hiện với 4 RCM lông vào 2 AOGCM Mục đích

của các tác giả là đánh giá mức độ phản ứng lại của khí hậu khu vực đối với sự giatăng các khí nhà kính Bốn RCM được ứng dụng cho các miền tính, các kịch bảntăng khí nhà kính khác nhau, và trong một số trường hợp các điều kiện biên khác

nhau, để mô phỏng khí hậu tương lai Đối với mô phỏng khí hậu hiện tại, mô phỏng

của RCM được so sánh với quan trắc và với các trường GCM làm điều kiện biêncho RCM Đối với mô phỏng khí hậu tương lai (khí nhà kính gia tăng), sản phẩm

của RCM được so sánh với nhau và với GCM điều khiển Theo các tác giả, khi lấytrung bình không gian trên khu vực tây Hoa Kỳ, kết quả của từng RCM gần nhưtuân theo trường điều khiển GCM trên cùng một vùng, cả đối với khí hậu hiện tại vàtương lai Phản ứng lại của giáng thủy mô hình trong nhiều khu vực không đáng kể

so với dao động giữa các năm Các mô hình đều cho nhiệt độ gần bề mặt sẽ tăng lên

nhưng phân bố không gian không giống nhau về mức độ tăng Bốn RCM cho những

ước lượng rat khác nhau vê ham lượng nước của tuyết trong khí hậu hiện tại, và

20

cũng rất khác nhau trong sự biến đôi hàm lượng hơi nước trong sự phản ứng lại vớicác chất khí nhà kính gia tăng.

Caldwell và CS (2009) [8] đã dẫn ra kết quả mô phỏng 40 năm khí hậu trên

khu vực mà California nằm ở trung tâm bằng mô hình WRF độ phân giải ngang 12km sử dụng số liệu điều kiện biên của CCSM3 độ phân giải 1° x 1.25° Mô phỏng

của mô hình về trung bình giáng thủy, nhiệt độ 2m và tuyết phủ đã được so sánh vớiquan trắc Theo các tác giả, mô hình tái tạo phân bố không gian của giáng thủy khátốt nhưng lượng mưa mô hình vượt quá quan trắc đáng ké doc theo các sườn đón

gió Nguyên nhân là do mô hình cho cường độ giáng thủy lớn hơn; thực tế mô hìnhcho tần suất giáng thủy thấp hơn quan trắc, và sai số trong mô phỏng giáng thủy làdo các quá trình bên trong WRF gây nên Nhiệt độ được mô phỏng tốt trong tat cả

các mùa trừ mùa hè khi âm đất khô quá mức dẫn đến nhiệt độ mô phỏng cao hơn

vài độ trong cả CCSM3 và WRF.

Halenka T và CS (2006) [17] đã sử dụng kết quả mô phỏng khí hậu trên khuvực Cộng hòa Czech thời kỳ 40 năm từ 1961-2000 bằng mô hình RegCM3 dé phân

tích các cực tri giáng thủy và nhiệt độ Mô hình được chạy ở độ phân giải 45 km với

điều kiện biên là tái phân tích NCEP/NCAR Theo các tác giả, việc so sánh với sốliệu trạm cho thấy mô hình mô phỏng tốt tần suất các sự kiện mưa ngày có cường

độ vừa và lớn cũng như cường độ mưa (giá tri lặp lai) ứng với các chu kỳ lặp lại, trừ

những trạm ở vùng núi Sai số ở những trạm thuộc vùng núi có thé do độ phân giảitương đối thô của mô hình không mô tả được điều kiện địa hình và có thể còn dotham số hóa đối lưu gây nên Mô hình cho mô phỏng thấp hơn thực tế về nhiệt độ

cực đại ngày (đặc biệt vào mùa nóng) và sự xuất hiện các sóng nóng (những giai

đoạn có nhiệt độ cao) Khả năng của mô hình được cải thiện trong mô phỏng nhiệt

độ cực tiểu ngày và các sự kiện sóng lạnh Các tác giả cho rang, dé áp dụng mô hình

vào mô phỏng các sự kiện cực tri trên khu vực địa hình phức tạp như Cộng hòa

Czech cần tăng độ phân giải cao hơn nhằm mô tả tốt hơn điều kiện địa hình và do

đó sẽ làm giảm sai sô của nhiệt độ cực đại ngày.

21

Sylla M B va CS (2009) [32] cũng đã nghiên cứu khí hậu hiện tại (thời ky

1981-2000) trên khu vực Tây Phi dựa trên hai kết quả mô phỏng của RegCM khi sửdụng các nguồn số liệu điều kiện biên tương ứng là tái phân tích NCEP va sản phẩm

của AOGCM là ECHAMS Giáng thủy và nhiệt độ từ hai mô phỏng được so sánh

với số liệu quan trắc CRU Theo các tác giả, phân bố không gian của chúng là sátthực tế Biến trình năm rất chính xác Mô phỏng cũng được đánh giá theo cáctrường điều khiển qui mô lớn va cho thay RCM thé hiện sự cải thiện đáng ké so vớicác trường AOGCM Việc đánh giá sai số giáng thủy mùa cho thấy mô phỏng củaRCM khô hơn thực tế và khô nhất vào các tháng 6-8 xung quanh các dãy núi Điềuđó liên quan với mô phỏng lạnh hơn thực tế của nhiệt độ mà nó có liên hệ với môphỏng giáng thủy vượt quá quan trắc ở những nơi nằm ngoài các vùng núi Mặc du

vẫn còn sai số nhưng kết quả mô phỏng của RCM khá hợp lí và cho thấy khả năng

của AOGCM trong vai trò điều khién RCM dé dự tính khí hậu tương lai.

Ở Việt Nam, bài toán dự báo mùa các hiện tượng cực đoan cũng được quantâm từ sớm Tuy nhiên, chúng vẫn chưa được đề cập một cách hệ thống Trong sốcác công trình nghiên cứu đã thực hiện có thể nói đáng chú ý nhất là kết quả của đềtài nghiên cứu khoa học cấp Nhà nước “Tác động của ENSO đến thời tiết khí hậu,môi trường và kinh tế xã hội” (1999-2001) do GS Nguyễn Đức Ngữ (2002) làm

Chủ nhiệm và trang web http://www.thoitietnguyhiem.net/general/introduce.aspx

“Hiện tượng thời tiết nguy hiểm” của Trung tâm Khí tượng Thủy văn Quốc gia, Bộ

Tài nguyên và Môi trường.

Nguyễn Đức Ngữ (2009) [1] cho rằng, số ngày năng nóng trong thập ky1991-2000 nhiều hơn so với các thập kỷ trước, đặc biệt ở Trung Bộ và Nam Bộ.Phân tích các trung tâm khí áp ảnh hưởng đến Việt Nam để giải thích sự tăng lêncủa nhiệt độ trung bình trên một số trạm đặc trưng trong thời kỳ 1961-2000,Nguyễn Viết Lành (2007) [2] cho rằng, nhiệt độ trung bình trong thời kỳ này đã

tăng lên từ 0,4-0,6°C, nhưng xu thế tăng rõ rệt nhất xảy ra trong thập kỷ cuối và

trong mùa đông, đặc biệt là trong tháng 1, mà nguyên nhân là do sự mạnh lên của

áp cao Thái Bình Dương trong thời kỳ này Tác giả Nguyễn Văn Tuyên (2007) [7]

22

cũng đã nghiên cứu “Xu hướng hoạt động của xoáy thuận nhiệt đới trên Tây BắcThái Bình Dương và Biển Đông theo các cách phân loại khác nhau” Sự phân bố

của bão được nghiên cứu trong đó bão được phân loại theo vùng ảnh hưởng và theo

cường độ rồi phân tích xu hướng hoạt động Kết quả phân tích cho thấy, trong thờikỳ 1951-2006, hoạt động của bão trên khu vực Tây Bắc Thái Bình Dương có xu

hướng giảm về số lượng, trong đó số cơn bão yếu và trung bình có xu hướng giảm,

còn số cơn bão mạnh lại có xu hướng tăng lên Trên khu vực Biển Đông, những cơnbão vào Biển Đông nhưng không vào vùng ven biển và đất liền nước ta lại có xu

hướng tăng về số lượng Bão có xu hướng tăng lên ở hai vùng Trung Bộ và Nam Bộ

nhưng ở vùng Bắc Bộ lại có xu hướng giảm Cường độ bão có xu hướng giảm,

trong đó các cơn bão yếu có xu hướng giảm rõ rệt nhất Phan Văn Tân và CS (2009)

[4] sử dụng mô hình khí hậu khu vực RegCM dé đánh giá một số yếu tổ khí hậu cựcđoan đã cho thay mô hình mô phỏng tốt đối với nhiệt độ cực đại, nhiệt độ cực tiêuvà tốc độ gió cực đại tháng trên hầu hết các khu vực Cũng theo tác giả Phan VănTân và CS (2009) [3] sử dung mô hình RegCM dé dự báo han mùa các trường bềmặt cho thay mô hình đã nắm bat khá hợp lý qui luật phân bé nhiệt độ trên khu vực

Việt Nam, sai số mô phỏng khá ồn định và có tính hệ thống.

23

Chương 2-SO LIEU VÀ PHƯƠNG PHÁP NGHIÊN CỨU

2.1 Mô hình và thí nghiệm

2.1.1 Sơ lược về mô hình

Mô hình WRF (Weather Research and Forecasting model) được sử dụng rấtnhiều trong dự báo nghiệp vụ trên thế giới [20], [36] Gần đây, mô hình này đượcphát triển cho việc nghiên cứu khí hậu cùng với nhiều mô hình khác như MM5,RegCM cũng đã cho những kết quả rat đáng quan tâm [12], [18] Trong luận văn sửdung mô hình WRF 3.3.1 phiên bản cải tiến cho việc mô phỏng khí hậu khu vực vađược gọi là clWRF (Climate WRF model) Mô hình clWRF về cơ ban vẫn giữ

nguyên các “module” của phiên bản thời tiết, chỉ khác nó được cung cấp thêm các

module dé sử dụng với các kịch bản phát thải khí nhà kính SRES cũng như các kịchbản RCP phục vụ bài toán nghiên cứu khí hậu Bên cạnh đó, mô hình cải tiến nàyhoạt động với việc sử dụng sơ đồ bức xạ CAM Mô hình đã giúp ích rất nhiều trongviệc tạo ra những file đầu ra chứa các biến cực trị, các giá trị độ lệch chuẩn của cácyếu tố như nhiệt độ cực đại, nhiệt độ cực tiêu mực 2 mét, lượng giáng thủy cực đại,

cực tiêu, độ lệch chuẩn của nhiệt độ cực đại, cực tiểu, giáng thủy, độ am riêng cực

đại, cực tiểu Ngoài ra, dang chú ý, kết quả xuất ra từ cIWRF còn có thé mô

phỏng, tái tạo các khí nhà kính, các bức xạ mặt trời, gió gust [16].

Nhận thấy, những ưu điểm đáng ké của mô hình này cùng với những kết quả

mà các nhà khoa học trên thế giới đã đạt được khi sử dụng nó, và bên cạnh đó, ở

Việt Nam hiện chưa có nghiên cứu thử nghiệm bài toán dự báo mùa với cÏIWRE nên

mô hình clWRF đã được lựa chọn cho luận văn.

SON 5500

BSE SÚE 95E 100E 105E 110E 1I5E 121E 125E

Kain-Fritsch (new Eta).

Điều kiện biên cho mô hình được lay từ san pham đầu ra của mô hình dự báo

khí hậu toàn cầu CFS của NCEP (CFS 1.0 CFS chạy 4 dự báo một ngày tại các

thời điểm 00Z, 06Z, 12Z và 18Z với hạn dự báo 9 tháng Tuy nhiên, NCEP chỉ cung

cấp miễn phí kết quả dự báo cho người sử dụng 6 tháng dự báo đầu tiên tại thời

điểm 00Z Số liệu này được lưu trữ quay vòng 7 ngày, tức là chỉ lưu kết quả dự báocủa các lần chạy trong 7 ngày gần nhất Do hạn chế về đường truyền và khả nănglưu trữ nên số liệu được tải về chạy dự báo tại bộ môn Khí tượng chỉ được thực hiện7 ngày một lần Trong luận văn này đã tiến hành dự báo cho 58 trường hợp, từtháng 1 năm 2012 đến tháng 05 năm 2013 (bảng 2.1).

25

Bang 2.1 Các trường hợp chạy dự báo

Thời điểm làm dự báoCác tháng được dự báo

2/2012 — 7/2012

7/2012 - 12/2012

1/2013 - 6/2013

2/2013 - 7/2013

26

Thời điểm làm dự báo Các tháng được dự báo

4/2013 - 9/2013

20130415 5/2013 - 10/201320130422

6/2013 - 11/2013

b) Chạy mô phỏng khí hậu qua khứ 1981-2000

Do bản chất động lực và vật lý, mọi mô hình đều tiềm ân những sai số nhấtđịnh, và vì vậy sản phẩm mô phỏng hoặc dự báo của mô hình nói chung không bao

giờ đạt được độ chính xác tuyệt đối Trong bài toán dự báo mùa bằng phương pháp

hạ thấp qui mô động lực (dynamical downscaling)sử dụng các mô hình khu vực(RCM), ngoài sai số của các RCM, đóng góp vào sai số dự báo còn có sai số củachính các trường điều kiện ban đầu và điều kiện biên từ mô hình toàn cầu (GCM).Do đó, để có thể hiệu chỉnh sản phẩm dự báo cần phải chạy các RCM với các

trường dự báo GCM trong quá khứ (dự báo lại - reforecast hoặc hindcast), và chúng

thường được dùng như là khí hậu mô hình (model climatology) Đối với hệ thốngCFS, các tập số liệu dự báo lại không còn được lưu trữ dưới dạng có thể dùng làmđầu vào cho các RCM nên trong luận văn này chúng đã được thay thé bởi bộ số liệu

tái phân tích CFSR (độ phân giải 0.5 x 0.5 độ).

Cấu hình và miễn tính thực hiện chạy mô phỏng cũng được thiết lập tương tựnhư trong phần cài đặt chạy dự báo, chỉ khác đầu vào là số liệu tái phân tích từ hệ

thống dự báo khí hậu NCEP (CFSR 0.5) cho thời kỳ 1980-2000, với một năm đầu

tiên làm spIn-up.

27

2.2 _ Số liệu và phương pháp xử lý số liệu

Đề đánh giá các yếu tố và hiện tượng cực đoan, trong luận văn sẽ xem xét và

đánh giá dựa trên:

- Bộ số liệu quan trắc trường nhiệt trung bình va tong lượng mưa tháng, ngày

thời kỳ 20 năm trong quá khứ giai đoạn 1981-2000 (kí hiệu là OBS_ CHI).

- Bộ số liệu quan trắc nhiệt độ, lượng mưa tháng, ngày năm 2012 và 2013.

- Bộ số liệu mô phỏng từ mô hình cho trường nhiệt độ và lượng mưa ngày,

tháng cho thời kỳ 1981-2000 (kí hiệu là Mod_ Cli).

- Bộ số liệu dự báo từ mô hình cho nhiệt và mưa ở các trường hợp làm dự

báo năm 2012 và 2013 (kí hiệu là Mod_FC)

Hình 2.2 Sơ đồ thé hiện phương pháp xử ly số liệu

Kết qua mô phỏng giai đoạn 20 năm 1981-2000 được trích xuất về 77 điểm

trạm quan trắc (bảng 2.2) theo trung bình từng ngày và từng tháng với nhiệt độ,

28

tong ngày và tháng với mưa dé thực hiện tính toán và đánh giá bài toán đặt ra trong

luận văn.

Kết quả dự báo từ mô hình được tổ hợp đơn giản các dự báo trong cùng

tháng của năm thành một dự báo chung cho ngày và tháng Việc xuất số liệu cũngtương tự như với bộ mô phỏng thời kỳ quá khứ Do số liệu quan trắc mới được xử líđến tháng 6/2013, nên luận văn chỉ đánh giá trên các dự báo từ thang 1 năm 2012

đến tháng 5 năm 2013 (17 dự báo) dé có điều kiện so sánh.

Bảng 2.2 Danh sách 77 trạm sử dụng trong luận văn

Name Lon Lat H Reg Name Lon Lat H RegMUONGTE 102.83 | 22.37 | 329 1 NINHBINH 105.97 | 20.23 3VANCHAN 104.52 | 21.58 | 274 2 HAIDUONG 106.3 | 20.93 2 3

MOCCHAU 104.68 | 20.83 | 971 1 VANLY 106.3 | 20.12 3PHUHO 105.23 | 21.45 54 2 LANGSON 106.77 | 21.83 | 263 2

BACNINH 106.08 | 21.18 8 3 THAINGUYEN 105.83 | 21.6 35 2CHILINH 106.38 | 21.08 33 3 NHOQUAN 105.73 | 20.32 3 3TINHGIA 105.78 | 19.45 4 4 BAICHAY 107.07 | 20.97 37 2

LAICHAU 103.15 | 22.07 | 243 1 DONGHA 107.08 | 16.85 7 4SAPA 103.82 | 22.35 | 1584 2 HUE 107.58 | 16.43 9 4

HAGIANG 104.97 | 22.82 | 116 2 QUANGNGAI 108.8 | 15.12 7 5

SONLA 103.9 | 21.33 | 676 1 KONTUM 108 | 14.33 | 537 6BACGIANG 106.22 | 21.3 7 2 PLEIKU 108.02 | 13.97 | 778 6

NAMDINH 106.15 | 20.39 3 3 VUNGTAU 107.08 | 10.37 4 7

29

Name Lon Lat H Reg Name Lon Lat H Reg

RACHGIA 105.07 10 0 7 AYUNPA 108.45 | 13.38 | 160 6

CANTHO 105.77 | 10.02 1 7 PHANTHIET 108.1 | 10.93 9 5

CAMAU 105.15 | 9.18 3 7 CONDAO 106.6 | 8.68 6 7PHUQUOC 103.97 | 10.22 4 7 DIENBIEN 103 | 21.37 | 475 1

TRUONGSA 111.92 | 8.65 3 7 YENCHAU 104.3 | 21.05 | 314 1

VIETTRI 105.42 | 21.3 30 3 BACQUANG 104.87 | 22.5 73 2DONGHOI 106.6 | 17.48 6 4 TAMDAO 105.65 | 21.47 | 934 2

DANANG 108.2 | 16.03 5 5 BAVI 105.42 | 21.15 30 3

QUYNHON 109.22 | 13.77 5 PHULIEN 106.63 | 20.8] 112 3

e Xử lý số liệu dé dự báo các trường trung bình tháng.

Số liệu trung bình tháng của thời kỳ 20 năm cho quan trắc và mô phỏng đượcdùng dé thực hiện hiệu chỉnh cho số liệu dự báo.

- _ Số liệu quan trắc trung bình từng tháng của 20 năm thời kỳ 1981-2000của 77 trạm trừ đi số liệu mô phỏng khí hậu cùng thời kỳ sẽ được giá trịchênh lệch giữa quan trắc và dự báo.

20 20

A= » OBS_Clijy — » Mod _Cliy,

i=1 i=1

Trong đó, i là chỉ số theo năm, 7 là chỉ số theo trạm, k là chỉ số theo tháng

- Aj là bộ số liệu dùng đề hiệu chỉnh cho các trường hợp chạy dự báo khi

đó kết quả mô hình sau khi hiệu chỉnh sẽ thu được theo công thức:

FG, = Mod_FC, + A,

e Xuly số liệu dé dự báo hiện tượng cực đoan

Từ bộ số liệu ngày của thời kỳ 20 năm cho cả mô phỏng và quan trắc, cácngưỡng phân vi được tinh cho 67 trạm x 12 tháng dé lam gia tri chuẩn, cụ thé: tinhphân vị thứ 10 va thứ 90 (TN10, TN90) cho nhiệt độ cực tiêu ngày; phân vị thứ 10

và thứ 90 (TX10, TX90) cho nhiệt độ cực đại ngày; tính phân vi thứ 99 và thứ 95(R99 và R95) cho lượng mưa ngày.

Cách tính các phan vi:

30

Gọi X là một biến khí hậu cực trị nào đó có hàm phân bố là F(x), hoặc hàmmật độ xác suất là f(x) Khi đó tập các giá trị x của X thỏa mãn điều kiện sau đượcgọi là tập các giá trị cực đoan của X, hay yếu tố khí hậu cực đoan:

Nghia là xác suất xuất hiện sự kiện X<x„ hoặc X>xy bằng Dp.

Phân vị thứ g của biến ngẫu nhiên X là giá tri x, của X thỏa mãn điều kiện:

xạ =x[F) = 44] (2.5)Hay nói cách khác, x, là nghiệm của phương trình F(x) = 42.

Từ các công thức (2.4) và (2.5), các ngưỡng phân vị 10%, phân vị 90% cho

nhiệt độ cực đại và cực tiểu; phân vị 95% và phân vị 99% cho lượng mưa được tính

toán Các ngưỡng nay được xem là ngưỡng chuân đê xác định sô ngày xảy ra cực

Từ tập số liệu ngày của các trường hợp dự báo và quan trắc xác định số ngày

có giá trị vượt hoặc dưới ngưỡng phân vi đã tính ở trên.

2.3 Hạn dự báo

Kết quả thu được từ mô hình chạy dự báo cho mỗi trường hợp là 7 tháng,

tính cả tháng làm dự báo Trong hình 2.3a chỉ ra quy trình dự báo khi xét cả tháng

lam dự báo Cụ thé, L=0 ứng với tháng đứng dự báo, L=1, 2, , 6 là các tháng tiếptheo tháng làm dự báo (các tháng được dự báo), tức là hạn dự báo từ 1 đến 6 tháng

31

(hình 2.3b) Trong hình này, trục hoành thé hiện các tháng được dự báo (Target),trục tung là hạn dự báo (hạn từ 1 đến 6 tháng), các ô trên cùng một đường chéo từtrái sang phải là 6 tháng được dự báo bắt đầu từ tháng sau tháng làm dự báo ứng với

2.4 Danh giá dự báo

Trong các công thức dưới đây, Fi va Oi tương ứng là giá tri mô hình và giá

tri quan trắc của một biến nào đó (nhiệt độ, lượng mưa), i=1,2, , N, N là tổng sé

tram được xem xét.

1 Sai số trung bình (ME - Mean Error)

số ME dương cho biết giá trị dự báo vượt quá giá trị quan trắc và ngược lại Mô

hình được xem là “hoàn hảo” (không thiên lệch về một phía nào cả) nêu ME=0.

2 Sai số tuyệt đối trung bình (MAE-Mean Absolute Error)

đánh giá độ tin cậy Chang hạn, néu MAE của sản phâm khác biệt han so với ME

thì việc hiệu chỉnh là hết sức mạo hiểm Trong trường hợp ngược lại, khi mà MAEvà ME tương đối “sát” với nhau thì có thé dùng ME dé hiệu chỉnh sản phẩm dự báo

Sai số bình phương trung bình là một trong những đại lượng cơ bản vàthường được sử dụng phô biến cho việc đánh giá kết quả của mô hình dự báo số trị.Người ta thường hay sử dụng đại lượng sai số bình phương trung bình quân phương

(RMSE) biểu thị độ lớn trung bình của sai số Đặc biệt RMSE rất nhạy với nhữnggiá trị sai số lớn Do đó nếu RMSE càng gần MAE sai số mô hình càng ôn định và

có thể thực hiện việc hiệu chỉnh sản phẩm mô hình Giống như MAE, RMSE không

chỉ ra độ lệch giữa giá tri dự bao va gia tri quan trắc Giá trị của RMSE nam trong

khoảng (0,+ œ)

34

Chương 3 KET QUA VÀ NHẬN XÉT

3.1 Dự báo các trường trung bình tháng.3.1.1 Nhiệt độ trung bình tháng mực 2m.

Hình 3.1 dẫn ra nhiệt độ trung bình bề mặt 2m (T2m) của 77 trạm tại cáctháng được dự báo (từ tháng 2/2012 đến tháng 6/2013) cho hạn dự báo từ 1 thángđến 6 tháng ứng với ba trường hợp: (1) dự báo của mô hình (T2m_TBCHC), (2) sauhiệu chỉnh (T2m_TBHC) và (3) số liệu quan trắc (T2m TBQT).

35

Feh Mar Apr May dun Jul Aug Sep) Oct) No Dec dân Feb Mor Án Moy un

Cees SSeS 2012 =o SSeS >|< 2013 —> Target

15 16 1 18 18 +0 21 22 23 24 25 28 ae +8 +8

Hình 3.1 Nhiệt độ trung bình thang mực 2m của các tháng được dự báo với hạn dự

báo từ 1 đến 6 tháng trước hiệu chỉnh, sau hiệu chỉnh và quan trắc.

Có thể nhận thay rang, T2m tai tat cả các tháng được dự báo từ mô hình đều

thấp hơn quan trắc khoảng 3.0°C Sau hiệu chỉnh chênh lệch giữa dự báo và quan

36

trắc chỉ còn khoảng 1.0°C Điều này cho thấy, việc hiệu chỉnh đã cải thiện đáng kểkết quả dự báo của mô hình hầu như cho tất cả các hạn dự báo Ứng với các thờiđiểm làm dự báo khác nhau kết quả dự báo cho cùng một tháng được dự báo cho

thấy, T2m ít phụ thuộc vào thời điểm đứng dự báo Chăng hạn, với trường hợp chưahiệu chỉnh, đứng tại tháng 1, tháng 2, tháng 3 và tháng 4 dự báo cho tháng 5 đều

cho giá trị gần nhau khoảng 26.0°C Kết quả cũng thu được tương tự với trường hợp

hiệu chỉnh.

Kết quả dự cũng cho thấy, mô hình đã nắm bắt được biến trình năm củaT2m, tuy nhiên sai số dự báo có sự khác biệt giữa các mùa trong năm Vào cáctháng chính đông và chính hè, giá trị dự báo cho kết quả tốt hơn các thời kì khác Ba

tháng 6, 7, 8 nền nhiệt tương đối đồng đều khoảng 27.0-28.0°C Vào các mùa

chuyên tiếp (tháng 4 và tháng 10), mô hình cho kết quả kém hơn ở cả trường hợpchưa hiệu chỉnh và hiệu chỉnh Có thé thấy, các nhiệt độ dự báo cho tháng 4 vàtháng 10 đều thấp hơn so với quan trắc khoảng 2.0°C đến 3.0°C (bang 3.1).

Hình 3.2 thể hiện sai số trung bình giữa dự báo khi chưa hiệu chỉnh(ME T2m CHC), và đã hiệu chỉnh (ME T2m HC); sai số tuyệt đối trung bình

(MAE T2m HC); sai số bình phương trung bình quân phương giữa dự báo

(RMSE_T2m_ CHC) và đã hiệu chỉnh (RMSE _T2m_HC).

37

'AQS: COLAYIGES 2013-12-19-1942 GrADS: COLA/KES '2013—12~18—18:42

Hình 3.2 Sai số ME, MAE, RMSE của T2m cho 17 tháng được dự báo ứng vớitrường hợp hiệu chỉnh và không hiệu chỉnh ứng với hạn dự báo từ 1 đến 6 tháng.

Từ hình vẽ có thê nhận thấy, trước khi hiệu chỉnh, giá trị của ME đều âm ởtất cả các tháng được dự báo và các hạn dự báo, nghĩa là, mô hình dự báo thiên thấp

so với quan trắc Biến thiên của ME trong trường hợp này vào khoảng 5.0 đến

-0.5°C Sau khi hiệu cinh sai số ME đã được cải thiện đáng kê với mức biến thiên

38

trong khoảng -2.5 đến 1.5°C, phổ biến trong khoảng từ -1.5 đến 0°C Mặc dù vậy,

sau khi hiệu chỉnh, sai số của mô hình vẫn phản ánh xu hướng thiên thấp của dự

báo Khi chưa hiệu chỉnh, sai số MAE và RMSE rơi vào khoảng 1.5 đến 5.0°C, phổbiến trong khoảng 2.5 đến 4.0°C Tuy nhiên bậc giá trị của MAE và RMSE nóichung tương đương nhau, chứng tỏ sai số dự báo không có những biến động đángkế Đó cũng là lý do dẫn đến việc, sau khi hiệu chỉnh sai số MAE va RMSE đã

được cải thiện RMSE đã giảm xuống còn từ 0.2 đến 3.0°C, phổ biến trong khoảng0.5 đến 2.5°C Sai số của các tháng chuyên mùa tương đối lớn, tháng 4/2012 khoảng2.0°C còn tháng 10 khoảng 2.5°C sau khi đã hiệu chỉnh (Bảng 3.2).

39

Bảng 3.1 Bảng giá trị nhiệt độ trung bình bề mặt

2012 2013Lead

châm) 1 2 3 4 5 6 7 8 9 10 1 12 1 2 3 4 5

1 17.12 | 20.25 | 23.56 | 24.87 | 26.71 | 27.54 | 26.9 | 24438 | 22.88 | 19.76 | 16.04 | 15.23 | 19.88 | 21.39 | 23.76 | 25.55 | 27.172 | 20.46 | 23.59 | 24.72 | 26.08 | 27.45 | 26.59 | 25.39 | 21.35 | 19.82 | 16.67 | 15.67 | 18.76 | 21.42 | 23.47 | 25.48 | 2682| -993 | 23.36 | 25.09 | 26.75 | 27.26 | 26.47 | 23.8 | 21.61 | 20.64 | 15.99 | 16.86 | 18.24 | 21.62 | 23.12 | 25.16 | 2667| -99 | -99

CHC|[ 4 | 2483 | 26.64 | 27.59 | 26.61 | 24.03 | 21.85 | 18.78 | 16.42 | 15.89 | 18.92 | 21.95 | 24.1 | 24.63 | 26.38 | -99 | -99 | -99

5 | 25.96 | 27.34 | 26.44 | 24.41 | 22.45 | 19.7 | 16.89 | 16.66 | 19.52 | 22.01 | 24.16 | 25.33 | 25.99 | -99 | -99 | -99 | -996 | 26.82 | 26.35 | 24.78 | 22.06 | 18.55 | 16.55 | 16.34 | 17.87 | 21.37 | 24.04 | 254 | 26.29 | -99 | -99 | -99 | -99 | -99

I 18.11 | 20.65 | 24.63 | 26.21 | 27.66 | 27.98 | 27.44 | 25.73 | 24.61 | 22.17 | 18.29 | 17.06 | 20.87 | 21.79 | 24.82 | 26.9 | 28.122_ | 20.86 | 24.66 | 26.06 | 27.03 | 27.89 | 27.13 | 26.74 | 23.07 | 22.24 | 18.92 | 17.5 | 19.75 | 21.82 | 24.53 | 26.83 | 27.77 | -99

3 | 24.43 | 26.43 | 27.7 | 27.7 | 27.02 | 25.15 | 23.33 | 23.06 | 18.23 | 18.69 | 19.24 | 22.02 | 24.19 | 265 | 27.62] -99 | -99

He 4 | 26.18 | 27.59 | 28.03 | 27.15 | 25.38 | 23.58 | 21.2 | 18.66 | 17.72 | 19.92 | 22.35 | 25.17 | 25.97 | 27.33 | -99 | -99 | -99

5 | 26.91 | 27.78 | 26.98 | 25.77 | 24.18 | 22.12 | 19.13 | 18.5 | 20.51 | 2241 | 25.23 | 26.67 | 2694| -99 | -99 | +99 | -996 |2726 | 269 | 26.13 | 23.78 | 20.96 | 18.8 | 18.18 | 18.86 | 2177 | 251 | 26.74 | 27.23 | -99 | -99 | +99 | +99 | -99

I 19.35 | 22 | 25.96 | 27.61 | 28.15 | 27.73 | 276 | 26.01 | 25.25 | 23.75 | 21.01 | 18.38 | 21.62 | 24.15 | 25.36 | 27.63 | 27.772 22 | 25.96 | 27.61 | 28.15 | 27.73 | 276 | 26.01 | 25.25 | 23.75 | 21.01 | 18.38 | 21.62 | 24.15 | 25.36 | 27.63 | 2777| -993 | 25.96 | 27.61 | 28.15 | 27.73 | 27.6 | 26.01 | 25.25 | 23.75 | 21.01 | 18.38 | 21.62 | 24.15 | 25.36 | 27.63 | 27.77] -99 | -99

ops 4 | 27.61 | 28.15 | 27.73 | 27.6 | 26.01 | 25.25 | 23.75 | 21.01 | 18.38 | 21.62 | 24.15 | 25.36 | 27.63 | 27.77] -99 | +99 | -99

5 | 28.15 | 27.73 | 27.6 | 26.01 | 25.25 | 23.75 | 21.01 | 18.38 | 21.62 | 24.15 | 25.36 | 27.63 | 27.77] -99 | -99 | -99 | +996 | 27.73 | 27.6 | 26.01 | 25.25 | 23.75 | 21.01 | 18.38 | 21.62 | 24.15 | 25.36 | 27.63 | 27.77] -99 | -99 | -99 | -99 | -99

40