tuyển tập báo cáo khoa học hội thảo khoa học quốc gia về khí tượng thủy văn môi trường và biến đổi khí hậu

Hình 1: Các mode EOF1 của trường nhiệt độ bề mặt của trường tái phân tích ở góc trái trên cùng và dự báo của các mô hình toàn cầu tháng 12-2 lần lượt từ trái sang phải, từ trên xuống dướ

TUYỂN TẬP BÁO CÁO

HỘI THẢO KHOA HỌC QUỐC GIA VỀ KHÍ TƯỢNG, THỦY VĂN, MÔI TRƯỜNG VÀ BIẾN ĐỔI KHÍ HẬU

(LẦN THỨ XVII)

HÀ NỘI – 2014

i

1 Xem xét khả năng dự báo hình thế nhiệt độ mùa đông của một số mô hình toàn cầu 1

Tạ Hữu Chỉnh, Trần Ngọc Vân, Nguyễn Thị Diễm Hương

2 Ứng dụng phương pháp K – MEAN để xác định khách quan hình thế thời tiết trong các đợt mưa lớn Miền Trung 8

Lê Đức, Nguyễn Văn Hưởng

3 Đánh giá các yếu tố cực trị nhiệt độ và lượng mưa vùng Tây Nguyên 14

Hoàng Đức Cường,Vũ Văn Thăng, Lã Thị Tuyết, Đỗ Thị Nương

4 Thông tin khí hậu và biến đổi khí hậu phục vụ đánh giá rủi ro và đề xuất giải pháp thích ứng 20 Ngô Sỹ Giai, Nguyễn Đăng Mậu, Phùng Đức Chính

5 Ảnh hưởng của vai trò ban đầu hóa xoáy trong mô hình HWRF đối với cấu trúc bão Ketsana (2009) 28

Nguyễn Thị Hoan, Hoàng Đức Cường, Nguyễn Văn Hiệp

6 Nghiên cứu sự biến đổi mùa nhiệt khu vực Đông Bắc Bắc Bộ 34

Nguyễn Thị Lan Hương

7 Nghiên cứu đặc điểm khí hậu Biển Đông 40

Mai Văn Khiêm, Trần Thục, Lã Thị Tuyết, Trương Thị Thanh Thủy,

Hoàng Đức Cường

8 Đánh giá khả năng mô phỏng nhiệt độ của mô hình REGCM và NHRCM trên khu vực Việt Nam 47

Nguyễn Mạnh Linh, Kiều Thị Xin

9 Quan trắc mưa bằng công nghệ viễn thám G-WADI PERSIANN-CCS GEOSERVER 54

Trương Hoài Thanh

10 Phân vùng khí hậu Sơn La 59

Trần Thị Thảo, Lã Thị Tuyết, Hoàng Đức Cường

11 Hoạt động của bão và áp thấp nhiệt đới ở Tây Bắc Thái Bình Dương và biển Đông năm 2013 66

Nguyễn Thị Xuân, Trần Đình Trọng, Lã Thị Tuyết, Mai Văn Khiêm, Nguyễn Văn Hiệp, Vũ Anh Tuấn

KHÍ TƯỢNG NÔNG NGHIỆP

12 Ứng dụng mô hình ORYZA2000 để đánh giá mức giảm năng suất lúa do nhiệt độ cực đoan ở Đồng Bằng Sông Hồng 75

Trịnh Hoàng Dương, Dương Văn Khảm, Trần Thị Tâm, Nguyễn Thị Huyền

13 Nghiên cứu các chỉ tiêu khí hậu nông nghiệp phục vụ phân vùng khí hậu nông nghiệp tỉnh Thừa Thiên Huế 82

Dương Văn Khảm, Nguyễn Hồng Sơn

14 Đánh giá tài nguyên khí hậu nông nghiệp, thiên tai và đề xuất các mô hình nông nghiệp phù hợp ở ba huyện đảo Vân Đồn, Cô Tô (Tỉnh Quảng Ninh),

và Cát Hải (Thành Phố Hải Phòng) 88

Nguyễn Văn Liêm, Ngô Sỹ Giai, Ngô Tiền Giang, Nguyễn Quý Vinh

15 Sử dụng kỹ thuật phân loại hướng đối tượng phục vụ theo dõi biến động sử dụng đất Thành Phố Hà Nội 95

Doãn Hà Phong, Đào Ngọc Long

16 Nghiên cứu, đánh giá năng suất tiềm năng và hệ số thuận lợi của điều kiện khí tượng nông nghiệp đối với một số cây trồng chính ở tỉnh Thừa Thiên Huế 102

Nguyễn Hồng Sơn, Dương Văn Khảm, Trịnh Hoàng Dương

BIẾN ĐỔI KHÍ HẬU

17 Đánh giá tác động của biến đổi khí hậu đến cân bằng nước tỉnh Bình Thuận 111

Hoàng Văn Đại, Hoàng Thị Phương Thảo, Đặng Thu Hiền

18 Đánh giá cân bằng nước lưu vực Sông Cầu trong bối cảnh biến đổi khí hậu 117

Trần Thị Thanh Hải, Phạm Thị Thu Trang

19 Đánh giá tính dễ bị tổn thương kinh tế - xã hội do biến đổi khí hậu ở tỉnh Thừa Thiên Huế 124

Trần Thị Diệu Hằng, Lê Thị Hường, Nguyễn Thanh Tường, Trần Thanh Thủy

20 Nghiên cứu ảnh hưởng của mực nước biển dâng do biến đổi khí hậu đến sự thay đổi đặc trưng của các sóng triều cho khu vực ven biển Đà Nẵng 130

Trần Duy Hiền, Dương Ngọc Tiến, Nguyễn Xuân Hiển, Hoàng Anh

21 Bước đầu đánh giá tiềm năng giảm phát thải khí nhà kính từ việc phát triển điện gió ở Việt Nam 137

Huỳnh Thị Lan Hương, Vương Xuân Hòa, Nguyễn Thị Liễu, Đào Minh Trang, Hoàng Tùng, Nguyễn Lê Giang

22 Nghiên cứu xây dựng khung bộ chỉ số về khả năng chống chịu của môi trường tự nhiên với biến đổi khí hậu 142

iii

trong phát triển sinh kế bền vững và thích ứng với biến đổi khí hậu 149

Nguyễn Thị Xuân Quỳnh, Nguyễn Xuân Hiển, Phạm Văn Tiến, Phan Thị Anh Đào, Lê Quốc Huy, Khương Văn Hải

24 Tác động của biến đổi khí hậu lên dòng chảy thượng nguồn lưu vực sông Cầu, Việt Nam 156

Nguyễn Phương Thảo, Hoàng Văn Đại, Charlie Navanugraha

25 Đánh giá tác động của thiên tai, biến đổi khí hậu tới sinh kế dựa trên tiếp cận cộng đồng ở huyện đảo Phú Quý, Bình Thuận 163

Phạm Văn Tiến, Nguyễn Xuân Hiển, Nguyễn Thị Phương, Nguyễn Thị Lan, Phan Thị Anh Đào, Trần Duy Hiền

26 Đánh giá tác động của biến đổi khí hậu đến xâm nhập mặn đồng bằng Sông Cửu Long trong xu thế phát triển tài nguyên nước của các quốc gia thượng lưu sông Mê Công 170

Đặng Quang Thịnh, Nguyễn Văn Đại, Nguyễn Thị Hằng

27 Tác động của biến đổi khí hậu đến xâm nhập mặn tại tỉnh Thái Bình 177

Phạm Thị Thu Trang

28 Kết quả kiểm kê khí nhà kính quốc gia cho lĩnh vực năng lượng năm 2005 183

Hoàng Tùng, Đào Minh Trang, Vương Xuân Hòa, Huỳnh Thị Lan Hương

THỦY VĂN – TÀI NGUYÊN NƯỚC

29 Xây dựng biểu đồ vận hành khẩn cấp kiểm soát lũ 191

Lê Xuân Cầu

30 Ứng dụng mô hình Tank Malaysia dự báo lưu lượng về hồ sông Ba Hạ 199

Bùi Văn Chanh, Phùng Đức Chính, Nguyễn Thị Hoan

31 Ứng dụng mô hình SWAT tính toán lưu lượng bùn cát đến hồ Tuyên Quang 205

Lê Tuấn Nghĩa, Lưu Thị Hồng Linh, Lương Hữu Dũng

32 Diễn biến địa hình và thay đổi tỷ lệ phân lưu sông Hồng, sông Đuống 211

Trần Đức Thiện, Lương Hữu Dũng, Hoàng Thị Quỳnh, Hoàng Minh Tuyển

33 Đánh giá hiện trạng và đề xuất mạng lưới khí tượng thủy văn phục vụ dự báo thiên tai lũ, lụt cho khu vực Trung Bộ, Tây Nguyên và Nam Bộ trong bối cảnh biến đổi khí hậu 218

Nguyễn Kiên Dũng, Bùi Đức Long

34 Nghiên cứu dự báo thử nghiệm dòng chảy đến các hồ chứa lớn trên hệ thống sông Hồng 224

Hoàng Văn Đại, Đặng Thị Lan Phương, Phan Văn Thành

35 Đánh giá tác động của EL NINO đến thiếu hụt lượng mưa cho khu vực thượng lưu sông Hồng 231

Lã Thanh Hà, Nguyễn Thị Vân

36 Tính toán dòng chảy đô thị phục vụ đề xuất các giải pháp thoát nước mặt chống ngập lưu vực Ngã Cạy - TP Vĩnh Long 238

Trương văn Hiếu, Nguyễn Thúy Lan Chi

37 Nghiên cứu tương quan mực nước trên sông, kênh, rạch TP Hồ Chí Minh phục vụ công tác giảm ngập úng 246

Vũ Thị Hương

38 Nghiên cứu bài toán ứng dụng sản phẩm mưa dự báo vào mô hình thủy văn thông số phân bố phục vụ tác nghiệp tại Trung tâm Khí tượng Thủy văn Trung Ương 253

Bùi Đình Lập

39 Giới thiệu phần mềm hỗ trợ ra bản tin cảnh báo, dự báo lũ và cảnh báo ngập lụt cho sông Thạch Hãn, tỉnh Quảng Trị 260

Vũ Đức Long, Đặng Thanh Mai, Phùng Tiến Dũng

40 Nghiên cứu ứng dụng công nghệ viễn thám giám sát hạn hán ở Tây Nguyên 267

Nguyễn Hữu Quyền, Dương Văn Khảm, Trần Thị Tâm

41 Tích hợp các mô hình khí tượng, thủy văn, hải văn nhằm dự báo mực nước

hạ lưu hệ thống sông Đồng Nai 273

Bảo Thạnh, Vũ Thị Hương, Trần Tuấn Hoàng, Ngô Nam Thịnh, Nguyễn Văn Tín, Trương Hoài Thanh

42 Ứng dụng mô hình DELFT3D tính toán mực nước cửa sông hạ lưu sông Sài Gòn - Đồng Nai 280

Ngô Nam Thịnh, Trần Tuấn Hoàng, Bảo Thạnh

43 Nước ở các đảo ven bờ Việt Nam 286

45 Các vấn đề ảnh hưởng đến sự phát triển bền vững lưu vực sông 298

Lê Thị Mai Vân, Trần Thanh Xuân

v

Nam 307

Phạm Khánh Ngọc, Nguyễn Bá Thủy, Nadao Kohno, Nguyễn Mạnh Dũng

47 Nghiên cứu ứng dụng mô hình JMA trong dự báo nghiệp vụ nước dâng bão tại Việt Nam 313

Bùi Mạnh Hà, Nguyễn Bá Thủy, Trịnh Thị Tâm, Nadao Kohno, Nguyễn Thị Thu Mai

48 Xác định biến động nội mùa của trường nhiệt độ bề mặt nước biển khu vực nước trồi Nam Trung Bộ 319

Lê Quốc Huy, Trần Thục, Đinh Văn Ưu, Nguyễn Xuân Hiển

49 Năng suất sinh học của quần xã sinh vật nổi (PLANKTON) khu vực quần đảo Hoàng Sa Việt Nam 325

Nguyễn Ngọc Tiến, Lư Quang Huy, Dư Văn Toán

50 Tính toán nguy cơ ngập gây bởi nước dâng do siêu bão 333

Trần Thục, Nguyễn Xuân Hiển, Phạm Văn Tiến

51 Một số kết quả tính toán thủy triều, sóng biển và nước dâng trong bão bằng

mô hình SUWAT tại Việt Nam 339

Đỗ Đình Chiến, Trần Sơn Tùng,Nguyễn Bá Thủy, Trịnh Thị Tâm, Sooyoul Kim

52 Hiện trạng đa dạng thực vật nổi khu dự trữ sinh quyển Cần Giờ, TP Hồ Chí Minh 345

Lê Xuân Tuấn, Nguyễn Đức Tuấn, Nguyễn Xuân Tùng

53 Đa dạng các nhóm động vật nổi (ZOOPLANKTON) vùng rừng ngập mặn huyện Cần Giờ, TP Hồ Chí Minh 352

Lê Xuân Tuấn, Phan Văn Mạch

MÔI TRƯỜNG

54 Nghiên cứu phối hợp năng lực xử lý sinh học hiếu khí và kị khí để xử lý nước thải lò giết mổ quy mô phòng thí nghiệm 360

Ngô Kim Anh, Bạch Quang Dũng, Vũ Tiến Nhiên

55 Nghiên cứu tiền xử lý nước thải giết mổ gia súc tại lò giết mổ tập trung 366

Bạch Quang Dũng, Vũ Tiến Nhiên, Đỗ Tiến Anh

56 Bước đầu đánh giá kết quả giám sát lắng đọng axit (Lắng đọng ướt) tại một

số trạm giám sát thuộc Miền Bắc Việt Nam 372

Phan Thị Thúy Hoàn, Nguyễn Thị Diệu Tú, Nguyễn Duy Dương

57 Nghiên cứu quá trình hình thành khí sinh học trong bể yếm khí xử lý chất thải rắc của lò giết mổ 378

Vũ Tiến Nhiên, Bạch Quang Dũng, Đỗ Tiến Anh

58 Ứng dụng mô hình COAWST nghiên cứu quá trình vận chuyển bùn cát khu vực ven biển Cà Mau 383

Dương Hồng Sơn, Trần Thùy Nhung

59 Xây dựng bản đồ nồng độ CO 2 khu vực Tây Nguyên 389

Doãn Hà Phong, Lê Phương Hà, Nguyễn Thị Minh Hằng

60 Lựa chọn các tham số đầu vào cho mô hình hồi quy tính toán nồng độ CO 2 khu vực Tây Nguyên 395

Doãn Hà Phong, Hoàng Thanh Tùng, Nguyễn Thanh Bằng

61 Xử lý đồng thời nước thải và mùi trong chăn nuôi gia súc bằng công nghệ lọc sinh học sử dụng giá thể vi sinh là phế phẩm nông nghiệp 402

Lê Viết Thìn, Mai Xuân Tiếp, Hoàng Thị Thu Cúc

62 Nghiên cứu xây dựng bộ tiêu chí lựa chọn công nghệ xử lý chất thải đồng thời giảm phát thải khí nhà kính cho các bãi chôn lấp chất thải rắn tại Việt Nam: Áp dụng thí điểm cho 53 khu chôn lấp 410

Đào Minh Trang, Vũ Minh Tâm, Lê Minh Trang, Đỗ Tiến Anh

GIỚI THIỆU MỘT SỐ NHIỆM VỤ CẤP NHÀ NƯỚC DO VIỆN CHỦ TRÌ THỰC HIỆN

63 Xây dựng bộ bản đồ hạn hán cho Việt Nam 419

64 Dự án: “Xây dựng hệ thống cảnh báo sớm khí hậu cho Việt Nam” 424

Mai Văn Khiêm, Trần Đình Trọng, Lê Duy Điệp

65 Dự án: “Ứng dụng mô hình hệ thống trái đất của Na Uy xây dựng kịch bản biến đổi khí hậu, nghiên cứu gió mùa và các hiện tượng khí hậu cực đoan ở Việt Nam” 427

Trần Thục, Nguyễn Văn Thắng, Nguyễn Thị Hiền Thuận, Ngô Tiền Giang, Nguyễn Văn Hiệp

66 Xây dựng hệ thống phân tích dự báo và cung cấp các sản phẩm khí hậu, bộ công cụ hỗ trợ ra quyết định cảnh báo một số loại thiên tai khí hậu chính phục vụ phát triển kinh tế - xã hội và phòng chống thiên tai 431

Mai Văn Khiêm, Nguyễn Đăng Mậu

67 Nghiên cứu xây dựng Atlas khí hậu và biến đổi khí hậu Việt Nam 434

Mai Văn Khiêm, Nguyễn Đăng Mậu

Viện Khoa học Khí tượng Thủy văn và Biến đổi khí hậu là Viện nghiên

cứu khoa học, phát triển công nghệ và đào tạo trình độ tiến sỹ các chuyên ngành Khí tượng và khí hậu học, Thủy văn học, Hải dương học, Quản lý Tài nguyên và Môi trường, Biến đổi khí hậu và phát triển bền vững

Viện Khoa học Khí tượng Thủy văn và Biến đổi khí hậu được ghi nhận là

đã có nhiều đóng góp nổi bật trong lĩnh vực Khí tượng thủy văn và Biến đổi khí hậu với những thành quả đáng tự hào về nghiên cứu cơ bản, phát triển ứng dụng triển khai, chuyển giao công nghệ, phục vụ công tác quản lý nhà nước và đào tạo chuyên sâu về khí tượng thủy văn, môi trường và biến đổi khí hậu

Hội thảo khoa hàng năm là dịp để trao đổi kinh nghiệm và chia sẻ các kết

quả nghiên cứu Với chủ đề “Chuyển những kiến thức khoa học thành những

hành động trong bảo vệ tài nguyên biển đảo và ứng phó với biến đổi khí hậu”, Hội thảo khoa học lần thứ XVII của Viện năm 2014 là diễn đàn để các

nhà khoa học trong và ngoài Viện có cơ hội tổng kết, đánh giá những kết quả nghiên cứu đã đạt được trong những năm qua, trên cơ sở đó rút kinh nghiệm và xây dựng kế hoạch nghiên cứu khoa học, phát triển công nghệ và hợp tác cho những năm tiếp theo

Viện Khoa học Khí tượng Thủy văn và Biến đổi khí hậu trân trọng giới

thiệu Tuyển tập báo cáo Hội thảo khoa học lần thứ XVII gồm các báo cáo khoa học thuộc các lĩnh vực: Khí tượng - Khí hậu, Khí tượng nông nghiệp, Biến đổi khí hậu, Thuỷ văn - Tài nguyên nước, Biển, Môi trường và giới thiệu một số nhiệm vụ cấp Nhà nước, cấp Bộ do Viện chủ trì và tham gia thực hiện

Trong quá trình biên tập, Tuyển tập báo cáo Hội thảo chắc chắn vẫn còn những sai sót, rất mong nhận được sự thông cảm và ý kiến đóng góp của độc giả cho Ban biên tập và các tác giả để Tuyển tập có chất lượng ngày càng cao hơn

Trân trọng cảm ơn!

VIỆN TRƯỞNG

PGS.TS NGUYỄN VĂN THẮNG

KHÍ TƢỢNG – KHÍ HẬU

Viện Khoa học Khí tượng Thủy văn và Biến đổi khí hậu 1

XEM XÉT KHẢ NĂNG DỰ BÁO HÌNH THẾ NHIỆT ĐỘ MÙA ĐÔNG

CỦA MỘT SỐ MÔ HÌNH TOÀN CẦU

Tạ Hữu Chỉnh, Trần Ngọc Vân, Nguyễn Thị Diễm Hương

Trung tâm Dự báo KTTV Trung ương

Bài viết đánh giá kỹ năng dự báo hình thế nhiệt độ mùa đông của một số mô hình toàn cầu Phương pháp sử dụng là phép phân tích quay thành phần chính (REOF) Kết quả phân tích cho thấy, phổ biến các mô hình đều diễn tả được xu thế tăng, giảm nhiệt độ trên qui mô lớn, đặc biệt vào những năm có cực trị điển hình như năm lạnh (1983) và năm ấm (1997) Thông qua kết quả phân tích, bài viết nhằm cung cấp thông tin về khả năng dự báo xu thế qui

mô lớn của lớp các mô hình toàn cầu này

1 Mở đầu

Kết quả dự báo khí hậu thời hạn mùa đóng góp nhiều vào việc xây dựng chính sách kinh tế - xã hội dài hạn Do vậy, dự báo trước được diễn biến khí hậu trong giới hạn từ vài tháng đến dưới một năm là cần thiết cho cộng đồng sử dụng Trong những thập niên gần đây để nâng cấp kết quả dự báo khí hậu, thế giới hướng tới sử dụng các

mô hình dự báo số nhằm khắc phục những nhược điểm của phương pháp thống kê Kết quả cũng đã thu được nhiều thành công hơn so với sử dụng phương pháp truyền thống Tuy nhiên, việc ứng dụng những mô hình động lực hiện đại này sao cho phát huy được tính hiệu quả trên những khu vực địa lý của từng đất nước khác nhau vẫn còn rất phức tạp Có những cách tiếp cận nhằm khai thác thông tin từ mô hình toàn cầu như: 1 - sử dụng phương pháp thống kê để chuyển thông tin về qui mô nhỏ hơn (qui mô địa phương); 2 - sử dụng mô hình khu vực chạy lồng trong mô hình toàn cầu Để làm tốt việc này thì đầu tiên cần trả lời là khả năng dự báo qui mô lớn của các mô hình toàn cầu này bằng bao nhiêu?

Do vậy, nghiên cứu này nhằm vào việc xem xét kỹ năng dự báo của một số mô hình khí hậu toàn cầu Nguồn cung cấp số liệu nhận được từ trung tâm khí hậu châu Á

- APCC (APEC climate center) Bài viết trước hết muốn cho thấy một cái nhìn tổng thể về kỹ năng dự báo qui mô lớn trường nhiệt độ của các mô hình này Thô các biến động không gian và thời gian nằm trong chuỗi các tín hiệu khí hậu nhận được bởi phép phân tích quay thành phần chính (REOF) Phương pháp này được sử dụng thay cho phân tích thành phần chính (PCA) nhằm mục đích biểu diễn tốt hơn bản chất vật lý của quá trình thực Biến động trong không gian của tín hiệu khí hậu được biểu diễn thông qua hệ véc tơ riêng, biến đổi thời gian của các tín hiệu này được biểu thị bằng hệ số thời gian tương ứng

Trong mục 2 bài viết giới thiệu về phương pháp REOF, số liệu và thí nghiệm Mục 3 trình bày về một số kết quả đánh giá thông qua các tín hiệu nhận được từ phép lọc REOF Mục 4 trình bày một số kết luận nhận được sau phân tích

2 Phương pháp và số liệu

2.1 Phương pháp quay thành phần chính (REOF)

Phân tích thành phần chính (PCA) cho phép lọc ra các tín hiệu khí hậu cơ bản

và các nhiễu từ trường nền Từ các tín hiệu này, chúng ta có thể hiểu rõ hơn về cấu

trúc cũng như đặc trưng của bộ số liệu nghiên cứu Đặc điểm của hệ véc tơ riêng sau khi phân tích là trực giao từng cặp, mục đích độc lập hóa vai trò của từng tín hiệu nhận được Tuy nhiên, việc cố gắng khai triển các tín hiệu này thành các quá trình độc lập

có thể dẫn tới hệ véc tơ riêng tạo ra mô tả sai lệch bản chất vật lý của quá trình thực

Vì trong thực tế sự độc lập của các quá trình này chỉ có ý nghĩa tương đối Bên cạnh

đó, việc khai triển này được thực hiện với giả định về diễn biến của các quá trình trong

đó là tuyến tính Do vậy, trong nhiều trường hợp phép phân tích này bộc lộ nhược điểm

Khác với phân tích EOF, hệ véc tơ riêng của phân tích REOF không hoàn toàn trực giao nhau Nói cách khác, việc khai triển hệ véc tơ riêng trong REOF không ưu tiên theo cách cố gắng khai triển trực giao mà sẽ điều chỉnh hệ trục véc tơ riêng này sao cho đảm bảo mô tả sát hơn tính vật lý của các quá trình Do vậy, phép phân tích REOF được hy vọng có thể tách và ít làm biến đổi bản chất vật lý của các tín hiệu khí hậu thực Về cơ bản, phương trình khai triển của REOF vẫn giống với EOF và có dạng như sau:

F(x,t)E1(x).A1(t)E2(x).A2(t) E n(x).A n(t) (1)

Trong đó F(x,t) là trường số liệu đầy đủ, E(x) là các hệ véc tơ riêng, A(t) là các

hệ số thời gian Chi tiết hơn về phương pháp tham khảo tại (Allen, 1996; Silvia, 2001)

2.2 Mô tả thí nghiệm và số liệu

Bảng 1 Số liệu mô hình và tái phân tích

JRA (tái phân tích) Nhiệt độ bề mặt trung bình mùa đông (tháng 12, 1, 2)

COLA (dự báo của mô hình) Nhiệt độ bề mặt trung bình mùa đông (tháng 12, 1, 2) CWB (dự báo của mô hình) Nhiệt độ bề mặt trung bình mùa đông (tháng 12, 1, 2)

GDAPS_F (dự báo của mô

hình) Nhiệt độ bề mặt trung bình mùa đông (tháng 12, 1, 2) HMC (dự báo của mô hình) Nhiệt độ bề mặt trung bình mùa đông (tháng 12, 1, 2)

IRI (dự báo của mô hình) Nhiệt độ bề mặt trung bình mùa đông (tháng 12, 1, 2)

IRIF (dự báo của mô hình) Nhiệt độ bề mặt trung bình mùa đông (tháng 12, 1, 2) MGO (dự báo của mô hình) Nhiệt độ bề mặt trung bình mùa đông (tháng 12, 1, 2) NCEP (dự báo của mô hình) Nhiệt độ bề mặt trung bình mùa đông (tháng 12, 1, 2)

POAMA (dự báo của mô

hình) Nhiệt độ bề mặt trung bình mùa đông (tháng 12, 1, 2)

Đánh giá khả năng dự báo hình thế nhiệt độ trung bình mùa dựa trên phép lọc khí hậu REOF, số liệu nhiệt độ mực 2 mét trung bình của số liệu tái phân tích (JRA)

và 9 mô hình được lấy trung bình hóa trong 3 tháng mùa chính đông (tháng 12, 1 và 2) của thời kỳ 21 năm 1982-2002 Sau đó thực hiện phân tích REOF, so sánh giữa các mode không - thời gian nhận được từ các mô hình và tái phân tích (quan trắc)

Viện Khoa học Khí tượng Thủy văn và Biến đổi khí hậu 3

3 Kết quả và bàn luận

Trước hết, để xem xét theo tín hiệu các thành phần REOF chúng ta cần hiểu một nguyên tắc như sau Nếu như hai trường số liệu là hoàn toàn giống nhau thì các tín hiệu nhận được từ phép phân tích sẽ hoàn toàn giống nhau Do vậy, nếu như kết quả

dự báo nhận được từ mô hình càng gần số liệu phân tích thực tế thì các tín hiệu phân tích nhận được giữa dự báo của mô hình và trường tái phân tích sẽ càng tiến gần đến nhau Bên cạnh đó, chúng ta chưa có điều kiện để phân tích tất cả tổ hợp N thành phần của hệ thống tín hiệu Vì thế, trong bài viết này chủ yếu tập trung phân tích tín hiệu đầu tiên (tín hiệu chiếm lượng thông tin lớn nhất) và nếu như tín hiệu đầu tiên của mô hình mà gần giống thể hiện được xu thế đồng dạng (cả không gian và thời gian) thì có thể xem như mô hình đó dự báo được quá trình vật lý gần thực Như đã trình bày ở phần mở đầu, mục đích của bài viết là đưa ra cái nhìn tổng thể về kỹ năng dự báo qui

mô lớn hình thế nhiệt độ của các mô hình toàn cầu nên sẽ không đi sâu chi tiết, mà chủ yếu chỉ mô tả thông qua tín hiệu đầu tiên của các thành phần chính

Tiếp theo, cần xem xét những năm tiêu biểu cho biến đổi về nền nhiệt độ trung bình mùa trên một qui mô lớn Ví dụ như toàn bộ khu vực Châu Á, Đông Á,…ấm lên hoặc lạnh đi rõ rệt so với giá trị trung bình khí hậu Những hiện tượng điển hình như vậy, có thể liên quan đến những dao động khí hậu nội mùa, ngoại mùa có chu kỳ từ vài tháng đến hàng năm như: MJO (Madden Julian Oscilation), ENSO (El Nino Southern Oscilation), QBO (Quasi-biennial oscilation) Do vậy, việc xem xét khả năng dự báo của mô hình trên các tín hiệu khí hậu phần nào giúp ta có thể liên lạc với những dao động khí hậu mùa như đã trình bày ở trên Bảng dưới đây sẽ liệt kê ra những năm có mức biến đổi nhiệt độ tiêu biểu trong mùa chính đông (tháng 12, 1, 2)

Bảng 2 Một số năm tiêu biểu về nhiệt độ

Năm lạnh 1983 1985 1995 1999

Bảng 2 cho thấy, trong suốt quãng thời gian 21 năm (1982-2002), các năm lạnh chỉ có khoảng 4 năm, trong khi các năm ấm có khoảng 7 năm Kết quả dưới đây đánh giá khả năng dự báo của một số mô hình toàn cầu về các năm này

Hình 1: Các mode EOF1 của trường nhiệt độ bề mặt của trường tái phân tích ở góc trái trên cùng và dự báo của các mô hình toàn cầu tháng 12-2 lần lượt từ trái sang phải, từ trên xuống dưới: COLA, CWB, GDAPS_F, HMC, IRI, IRIF, MGO, NCEP, POAMA

Kết quả dẫn ra từ Hình 1 cho thấy với tái phân tích JRA phổ biến trên toàn miền xem xét đều thể hiện giá trị dương, khu vực có trị số dương lớn nhất (lớn hơn 0,05) nằm ở phần phía Nam Việt Nam chạy xuống đến quần đảo Malaysia và Indonesia Có một phần nhỏ ở vùng biển phía Đông Philippines và phần phía Bắc của lục địa Ấn Độ thể hiện dao động âm Các trung tâm có trị số dao động ngược nhau này có ý nghĩa như sau: Giả sử mode 1 chi phối 100% thông tin trường ban đầu, khi đó nếu nền nhiệt

độ tại khu vực có giá trị dương của mode1 EOF biểu hiện xu thế tăng trong khi đó nền nhiệt độ tại khu vực có giá trị âm của mode 1 EOF biểu thị xu thế giảm và ngược lại

Xu thế phổ biến nhận được từ các mô hình đều cho dao động dương trên hầu hết miền xem xét Gần giống nhất với hình thế không gian (EOF) của tái phân tích (JRA) có mô hình COLA (28%), GDAPS_F (36%) và POAMA (38%); tiếp theo là các

mô hình HMC (29%), IRI (36%), IRIF (36%), MGO (55%), NCEP (46%) So sánh về thông tin chi phối trong mode không gian EOF1 của trường tái phân tích JRA (chiếm 28% thông tin trường ban đầu) thì chỉ có mô hình COLA (xấp xỉ 28%) và HMC (chiếm 29%) là phù hợp nhất, trong khi các mô hình khác đều cho giá trị vượt trội (từ 36% đến 55%) Trong toàn bộ 9 mô hình này, riêng mô hình CWB hiển thị dao động trái ngược lại với tái phân tích JRA cũng như các mô hình khác Những khu vực mà trường tái phân tích JRA thể hiện dao động dương thì bị thay thế bởi dao động âm trong mode EOF1 của CWB Cụ thể, toàn bộ khu vực Việt Nam chạy về phía Nam xuống đến quần đảo Maylaysia và Indonesia là dao động âm Toàn bộ Philippines và phần biển Thái Bình Dương, phần phía Bắc của lục địa Ấn Độ bị thay thế bằng dao

Viện Khoa học Khí tượng Thủy văn và Biến đổi khí hậu 5

động dương Không chỉ thay đổi về chiều dao động (giá trị dương và âm) mà hình thế dao động cũng thay đổi Với tái phân tích (JRA) và các mô hình khác tỷ lệ dao động dương chiếm ưu thế hơn nhiều so với dao động âm, nhưng đối với mô hình CWB thì

tỷ lệ này có xu hướng gần cân bằng nhau

Hình 2: Hệ số thời gian mode 1 của trường nhiệt độ bề mặt tái phân tích và

dự báo của các mô hình toàn cầu tháng 12, 1, 2; trục tung biểu diễn

trị số của hệ số thời gian (không thứ nguyên), trục hoành là năm

Tiếp theo, bàn luận về diễn biến của các trung tâm dao động này trong vòng khoảng 21 năm (1982-2002) Hình 2 dẫn ra hệ số thời gian của mode 1 trường tái phân tích (JRA) và 9 mô hình dự báo Diễn biến thời gian của trường tái phân tích (JRA) cho xu thế tăng dần trong suốt giai đoạn xem xét, trong đó có một số năm tiêu biểu có trị số hệ số thời gian nhỏ cần quan tâm như năm lạnh: 1983 (-30), 1985 (-20), 1988 (-10), 1995 (-20), 1999 (-10) Trong đó có thể nói điển hình nhất là năm 1983 là một năm lạnh nhất trong gian đoạn này Pha dương có một số năm tiêu biểu như: 1987 (+20), 1989 (+10), 1997 (+37), 1998 (+8), 2000 (+10), 2001 (+10), 2002 (+20) Trong

đó điển hình nhất có năm 1997 (+37) – đây là một năm tiêu biểu cho sự tăng nhiệt độ mạnh mẽ trên một miền rộng lớn

So sánh với tái phân tích (JRA), hệ số thời gian của các mô hình phổ biến đều cho thấy một xu thế gần đồng dạng với quan trắc Cụ thể, trong những năm lạnh tiêu biểu như năm 1983 có một số mô hình bắt được cực trị này: COLA, IRI, IRIF, MGO, NCEP, POAMA (6/9); mô hình GDAPS_F cho xu thế trung gian; Mô hình CWB cho

xu thế ngược lại (hệ số thời gian dương) tuy nhiên hình thế không gian EOF1 của CWB cũng có xu thế đối nghịch với tái phân tích (JRA) nên có thể xem là CWB vẫn bắt được năm cực trị này Riêng mô hình HMC cho xu thế thời gian trái ngược lại, trong khi hình thế không gian EOF đồng thuận với tái phân tích (JRA) nên có thể coi HMC đã không bắt được cực trị này Như vậy, với cực trị điển hình như năm 1983 phổ biến các mô hình đều bắt được ngoại trừ mô hình HMC

Xem xét một số năm khác có giá trị nhiệt độ thấp hơn trung bình nhiều năm nhưng không điển hình như: 1985, 1995 và 1999 Với năm 1985, có thể thấy rằng phổ biến các mô hình đều cho xu thế ăn khớp với xu thế của tái phân tích (JRA) trừ mô hình CWB, tuy nhiên như đã phân tích ở trên dao động không gian của CWB trái ngược với tái phân tích (JRA) Với năm 1995 và 1999 thì số lượng các mô hình không

có hệ số thời gian nhận giá trị âm tăng lên, cụ thể năm 1995 có 4/9 mô hình có hệ số thời gian nhận giá trị âm (đồng thuận với tái phân tích), năm 1999 chỉ có 3/9 mô hình đồng thuận Trong cả hai trường hợp năm 1995 và 1999 mô hình CWB đều cho xu thế

hệ số thời gian ngược lại nên có thể xem là đồng thuận

Xem xét những năm ấm có giá trị nhiệt độ trung bình cao hơn so với giá trị khí hậu như trên Bảng 2 Điển hình có 2 năm là 1987 và 1997 là 2 năm tương đối ấm, trong đó cực đại là năm 1997, bên cạnh đó có 3 năm 2000, 2001 và 2002 thể hiện xu thế ấm dần Trong các trường hợp cực trị nhiệt độ theo chiều dương (ấm) này các mô hình đều cho thấy xu thế đồng thuận với tái phân tích (JRA), trong đó điển hình là 2 năm ấm 1987 và 1997, các mô hình đều cho thấy xu thế bám rất sát đến trị số của trường tái phân tích (JRA), ngoại trừ mô hình CWB cho biên độ dao động lớn trái chiều

Thông qua một thành phần tín hiệu ban đầu của trường REOF chưa cho phép khẳng định hoàn toàn là mô hình nào là tốt hơn mô hình nào Nghiên cứu này chỉ mong muốn đưa ra một bức tranh chung về khả năng dự báo, mô tả diễn biến của nhiệt

độ mùa đông trong 21 năm Để có thể kết luận đầy đủ hơn, cần đi sâu và kết hợp thêm nhiều thông tin khác

TÀI LIỆU THAM KHẢO

1 Allen, M R., et all (1996): Distinguishing modulated oscilations from coloured noise in multivariate datasets Clim Dyn 12 (11), 775-784

2 Wang, Bin, Renguang Wu, K-M Lau, 2001: Interannual Variability of the Asian

Summer Monsoon: Contrasts between the Indian and the Western North Pacific–East Asian Monsoons J Climate, 14, 4073–4090

3 Silvia, A.V (2001): “Statistical method for signal detection in climate”, Danish

center for earth system science (DCESS), Niels Bohr institute for astronomy, physics and geophysics, University of Copenhagen, Denmark, page 8-21

Viện Khoa học Khí tượng Thủy văn và Biến đổi khí hậu 7

SKILL OF SEVERAL GLOBAL CLIMATE MODELS IN PREDICTING

WINTER SEASON TEMPERATURE

Ta Huu Chinh, Tran Ngoc Van, Nguyen Thị Diem Huong

National Center for Hydrology and Meteorology Forecasting

This paper assesses the skills of global climate models (GCMs) in predicting winter season temperature The rotated empirical orthogonal function (REOF) was employed to analyze The results showed that most of GCMs are able to capture large-scale temperature variability, particular in the coldest year (1983) and warmest year (1997) in period from 1982-2002 Through the analysis, this paper provides the information of large-scale seasonal prediction skill of several global climate models

ỨNG DỤNG PHƯƠNG PHÁP K – MEAN ĐỂ XÁC ĐỊNH KHÁCH QUAN HÌNH THẾ THỜI TIẾT TRONG CÁC ĐỢT MƯA LỚN MIỀN TRUNG

Lê Đức, Nguyễn Văn Hưởng

Trung tâm dự báo Khí tượng Thủy văn Trung ương

Hiện tượng mưa lớn trên khu vực miền Trung luôn được ghi nhận hàng năm với tần xuất trung bình 10 đợt/năm kéo dài từ tháng 5 cho đến tháng 12, với mức độ gây thiệt hại rất lớn kèm theo Cho đến nay đã có nhiều công trình nghiên cứu trong nước tập trung cho hiện tượng này từ các thống kê hình thế synop, mô tả cơ chế sinh mưa lớn hoặc mô phỏng hay dự báo dựa trên mô hình Mặc dù các kết quả nghiên cứu nói trên đã ít nhiều mang lại hiệu quả cho dự báo mưa nghiệp vụ, nhưng các nghiên cứu này mới chỉ dừng lại ở dự báo định tính, việc xác định hình thế gây mưa ở miền Trung một cách khách quan để từ đó có thể dự báo mưa lớn được chính xác hơn là một nhiệm vụ cấp thiết cần phải thực hiện Trong đó việc sử dụng phương pháp K-Mean sẽ có thể tính toán tìm ra các hình thế khách quan gây mưa lớn ở miền Trung, Tây Nguyên cũng như trong việc ứng dụng K-mean để xác định các hình thế gây thời tiết xấu khác như, gió mạnh, nắng nóng…

1 Giới thiệu

Trên thế giới mưa lớn đã được nghiên cứu từ rất lâu, Cavazos T (1999) cũng đã nghiên cứu về tình hình mưa tuyết lớn ở khu vực Nam Mỹ Trên cơ sở những ngày lượng tuyết có cường độ ít nhất là 30cm trong khoảng 24h, các nghiên cứu hiện tại sử dụng các phân tích thành phần chính (Principal Component Analysis) và các phép phân tích xếp nhóm để mô tả đặc điểm của các hình thế hoàn lưu qui mô synop cho những ngày này trong suốt thời kỳ mùa đông Nishiyama K và cộng sự (2007) cũng đã tiến hành nghiên cứu các hệ thống synop và mối liên hệ giữa các trường synop và các trường hợp mưa lớn tại đảo Kyushu, thuộc Tây Nam Nhật Bản, trong suốt thời kỳ mùa mưa Baiu, các trường synop này đã được phân loại sử dụng bản đồ tự thiết lập (SOM – self-organizing map)

Đặc biệt, với lượng mưa lớn kỷ lục như lượng mưa tại Huế (Việt Nam) năm

1999, gần đây, hiện tượng này cũng bắt đầu nhận được quan tâm nghiên cứu của một

số tác giả trên thế giới Chen và cộng sự (2008) đã nghiên cứu mưa lớn miền Trung bằng cách xem xét ảnh hưởng của hiện tượng ENSO đến mưa ở miền Trung Tại Việt Nam, khu vực nhiệt đới gió mùa, ngay từ khi thành lập Cục Dự báo (nay là Trung tâm

Dự báo khí tượng thuỷ văn Trung ương) mưa lớn đã được xếp là một trong những hiện tượng thời tiết nguy hiểm và việc nghiên cứu mưa lớn đã được tiến hành, tiêu biểu là các công trình của Phạm Ngọc Toàn và Phan Tất Đắc trong cuốn Khí hậu Việt Nam (1993) Sau Phạm Ngọc Toàn và Phan Tất Đắc còn có nhiều tác giả nữa nghiên cứu về mưa lớn ở Việt Nam nói chung và khu vực miền Trung nói riêng, nhưng đáng lưu ý nhất là tác giả Nguyễn Ngọc Thục (1992) với nghiên cứu “Phương pháp Synop dự báo mưa lớn cho khu vực Nghệ An đến Thừa Thiên Huế” và một công trình nữa nối tiếp

đó là “Phân loại hình thế Synop gây mưa lớn, đặc biệt lớn thuộc các tỉnh Nghệ An – Thừa Thiên Huế, phân tích và dự báo”

Như thế có thể thấy rõ hai hạn chế trong các công trình nghiên cứu nêu trên

Thứ nhất: Các bản đồ synop dựa trên tập số liệu cao không và synop toàn cầu

với chất lượng số liệu không có được độ tin cậy cao

Viện Khoa học Khí tượng Thủy văn và Biến đổi khí hậu 9

Thứ hai: Mặc dù kinh nghiệm của dự báo viên là rất quý giá trong việc phân

loại các hình thế synop, công việc này sẽ trở thành một công việc thủ công nặng nhọc khi phải quan sát khoảng 300 bản đồ synop tương ứng với 150 đợt mưa lớn trong 10 năm (giả định có 2 bản đồ synop mỗi ngày vào thời điểm 00 và 12 UTC Quá trình này

có thể dẫn đến những sai sót, ảnh hưởng đến kết quả phân loại

Hạn chế đầu tiên có thể được giải quyết thông qua sử dụng tập số liệu tái phân tích Hạn chế thứ hai rõ ràng chỉ có thể giải quyết nhờ vào khả năng tính toán của máy tính, trên tập số liệu tái phân tích thay vì hướng nghiên cứu trước đây tại Việt Nam,

chúng tôi đưa ra hướng nghiên cứu “Ứng dụng phương pháp K –Mean để xác định

khách quan hình thế thời tiết trong các đợt mưa lớn miền Trung từ số liệu tái phân tích JRA25”

2 Số liệu và phương pháp

2.1 Số liệu

Số liệu mưa từ năm 1994 – 2010 ở 4 khu vực của miền Trung và Tây Nguyên với tiêu chí mưa lớn theo quy định của Tổ chức Khí tượng thế giới (WMO) được phân loại như sau:

- Mưa to: Lượng mưa đo được từ 51 đến 100 mm/24h, hoặc 26 đến 50mm/12h

- Mưa rất to: Lượng mưa đo được > 100 mm/24h, hoặc > 50 mm/12h

2.2 Phương pháp

Hình thế thời tiết tương ứng với mưa lớn trên 4 khu vực sẽ được phân loại Các khu vực này gồm: Bắc Trung Bộ, Trung Trung Bộ, Nam Trung Bộ và Tây Nguyên Số liệu JRA25 được cho tại các thời điểm 00, 06, 12 và 18UTC Để mô tả hình thế thời tiết trên quy mô ngày, số liệu JRA25 sẽ được làm trơn trên quy mô ngày, loại bỏ các dao động ngày đêm Miền phân nhóm được xác định có tọa độ 90 – 1300E và 0 - 350N tương ứng với 33x29 điểm nút lưới trên lưới kinh vĩ 1,25x1,25 độ

Nhân tố phân nhóm được lựa chọn bao gồm áp suất mực biển (pmsl) và độ cao địa thế vị tại mực 500mb (h500) Các biến này khác nhau về thứ nguyên và không thể

so sánh với nhau, nhưng phương trình thống kê xem các nhân tố dự báo như nhau, không phân biệt thứ nguyên Bậc độ lớn chênh lệch quá lớn giữa các nhân tố dự báo sẽ dẫn đến sai sót trong xây dựng phương trình thống kê khi các đại lượng quá lớn hay quá nhỏ sẽ bị bỏ qua Để khắc phục vấn đề này, tập hợp các nhân tố dự báo sẽ được chuẩn hóa về một tập hợp nhân tố mới theo công thức như sau:

k

k k k

sd

xx



Trong đó kỹ thuật phân nhóm K-means với đầu vào là các biến PCn Kỹ thuật K-means yêu cầu số nhóm K cần được cho trước, do đó để xác định số nhóm tối ưu, việc tối ưu hóa nhóm này sử dụng thuật toán Jump Thuật toán Jump được xây dựng dựa trên định nghĩa của độ biến dạng d

Xét n biến X với kích thước p, sau khi áp dụng K-means ta được K nhóm với tâm các nhóm lần lượt là c1, , cK, độ biến dạng d sẽ được định nghĩa bởi:

Với cx là tâm nhóm gần với xi nhất và số hạng trong ngoặc chính là bình phương khoảng cách giữa điểm xi tới nhóm gần nhất trên không gian Rp Ta xác định trước một giới hạn trên Kmax cho số nhóm có thể rút ra từ tập X Xuất phát từ số nhóm K = 1 và thực hiện cho tới số nhóm Kmax, thuật toán Jump xác định số nhóm tối ưu sẽ được thực hiện như sau:

Với mỗi K, xác định dmin(K) tương ứng, từ đó xác định D(K) = dmin(K)-p/2

Xây dựng hàm giá trị J(K) = D(K) - D(K-1) với D(0) = 0 Số nhóm tối ưu Kopt

sẽ tương ứng với K mà J(K) đạt giá trị cực đại

Cuối cùng sau khi đã xác định được số nhóm tối ưu Kopt các hình thế thời tiết ứng với một miền cụ thể, kỹ thuật CA sẽ được áp dụng nhằm làm rõ hơn các đặc trưng của mỗi hình thế xác định được Về bản chất, kỹ thuật này chính là trung bình hóa các biến X được phân vào mỗi nhóm hay cụ thể hơn chính là việc sử dụng tâm nhóm đại diện cho mỗi nhóm thay vì sử dụng từng biến X trong mỗi nhóm Trung bình hóa tương tự như một phép làm trơn sẽ loại bỏ các biến động nhỏ giữa các thành phần và làm nổi rõ những đặc điểm chung nhất giữa các thành phần của cùng một nhóm Kỹ

thuật này cũng giúp cho quá trình phân tích từng hình thế dễ dàng hơn

3 Kết quả

Phân bố mưa ở các tỉnh miền Trung có thể chia làm 3 vùng chính, khu vực bắc miền Trung chịu ảnh hưởng nhiều của các hình thế từ phía Bắc xuống, với các tỉnh Trung và Nam Trung Bộ ngoài các hình thế từ phía Bắc xuống còn có thêm những hình thế gây mưa từ phía Đông vào; khu vực Tây Nguyên thì những nguyên nhân phía Bắc cũng có, từ phía Đông vào cũng xuất hiện, nhưng mưa vừa, mưa to ở Tây Nguyên chủ yếu bắt nguồn từ sự mạnh lên của gió mùa tây nam

Ở khu vực Bắc Trung Bộ lấy trung bình một cách khách quan chia ra được 6 nhóm có thể gây mưa lớn cho khu vực Bắc Trung Bộ: Nhóm 1: KKL tương tác với vùng xoáy thấp phát triển đến độ cao khoảng 3000m trên biển Đông; Nhóm 2: Rãnh thấp Tây Bắc – Đông Nam; Nhóm 3: Hội tụ kinh hướng; Nhóm 4: Các đợt không khí lạnh mạnh; Nhóm 5: Dải hội tụ nhiệt đới kết hợp với rìa áp cao lạnh; Nhóm 6: Xoáy thuận nhiệt đới

Hình 1 Bản đồ phân

bố khí áp và các trường trên cao của của hình thế KKL tương tác với XTNĐ phát triển lên tới độ cao khoảng 3000m gây mưa lớn ở Bắc Trung Bộ

Hình 2 Bản đồ phân bố khí áp và các trường trên cao của hình thế Rãnh thấp trục Tây Bắc – Đông Nam

có trục đi qua Bắc Trung Bộ, gây mưa lớn diện rộng

Viện Khoa học Khí tượng Thủy văn và Biến đổi khí hậu 11

Hình 3 Bản đồ phân

bố khí áp và các trường trên cao của hình thế Hội tụ gió kinh hướng

Hình 4 Bản đồ phân bố khí áp và các trường trên cao của hình thế KKL gây mưa lớn

ở bắc miền Trung

Hình 5 Bản đồ phân

bố khí áp và các trường trên cao của hình thế ITCZ gây mưa lớn ở Bắc Trung

Bộ

Hình 6 Bản đồ phân bố khí áp và các trường trên cao của hình thế XTNĐ gây mưa lớn

ở bắc Trung Bộ

Các nhóm gây mưa lớn ở Trung Trung Bộ bao gồm: Không khí lạnh mạnh tương tác với vùng xoáy thấp phát triển lên độ cao 3000m; Không khí lạnh tương tác với gió đông hoặc nhiễu động gió đông trên cao; Dải hội tụ nhiệt đới tương tác với KKL: Không khí lạnh; Rãnh thấp có trục Tây Bắc – Đông Nam; Xoáy thuận nhiệt đới

Các nhóm gây mưa lớn ở khu vực Nam Trung Bộ gồm: KKL tác động với gió

E hoặc nhiễu động gió E trên cao; ITCZ tương tác với rìa áp cao lạnh; KKL kết hợp Dải thấp xích đạo; Không khí Lạnh tương tác với vùng thấp phát triển lên 3000m; XTNĐ đơn thuần Riêng với khu vực Tây Nguyên cũng qua quá trình phân nhân nhóm

và lấy trung bình chia được 4 nhóm gây mưa lớn ở Tây Nguyên: Dải hội tụ nhiệt đới đơn thuần; Gió mùa Tây Nam; Xoáy thuận nhiệt đới; Không khí lạnh kết hợp gió E phát triển lên mực 5000m

4 Kết luận

Kết quả phân tích phân nhóm nguyên nhân hình thành các đợt mưa lớn ở miền Trung dựa trên chuỗi số liệu nhiều năm cho thấy, các hình thế thời tiết chính gây ra mưa lũ trên các sông miền Trung và Tây Nguyên hết sức đa dạng và phức tạp với có tất cả 21 nhóm có thể gây mưa lớn Tuy nhiên, một nhóm hình thế này có thể cũng gây mưa lớn cho khu vực khác, vì thế khi tổng kết khái quát lại có thể tổng hợp thành 7 hình thế gây mưa chính là:

Mưa lớn do ITCZ có nhiễu động xoáy thuận từ mặt đất lên tới độ cao 4 – 5km Đây là hình thế mà trên ITCZ có một XTNĐ, nhưng lên tới độ cao 700mb hay 500mb

nó sẽ biểu hiện là nhiễu động dạng sóng

Mưa do ITCZ có kết hợp với KKL tác động, dạng hình thế này rất đặc sắc và hầu như chỉ xuất hiện ở Trung Bộ

Mưa do dạng nhiễu động gió E có KKL tác động ở tầng thấp, dạng hình thế này thường xuất hiện từ cuối tháng 10 đến tháng 12, thường xuất hiện nhiều vào tháng

XI

Mưa do KKL hội tụ với tín phong, thường xuất hiện từ cuối tháng X đến tháng XII ở Trung Trung Bộ và Nam Trung Bộ

Mưa lớn gây ra do xoáy thuận nhiệt đới bao gồm cả Bão và áp thấp nhiệt đới Mưa lớn gây ra bởi gió mùa tây nam, hình thế này thường xuất hiện ở khu vực Tây Nguyên

Đối với khu vực Bắc và Trung Trung Bộ còn có thêm dạng mưa lớn do rãnh thấp trục Tây Bắc – Đông Nam, hoặc mưa lớn do hội tụ kinh hướng, giữ gió đông nam tầng thấp và gió tây vùng Vịnh Bengan, di chuyển sang Việc chỉ ra được một cách khách quan về các hình thế mưa lớn ở miền Trung sẽ là bước đầu để có thể tiến hành nghiên cứu khách quan các hình thế thời tiết nguy hiểm khác ảnh hưởng đến Việt Nam, như nghiên cứu về các hình thế gây nắng nóng, không khí lạnh gây rét đậm, rét hại, … Với những kết quả nghiên cứu trên thì đây có thể sẽ là bộ hình thế có thể giúp ích cho các dự báo viên trong giai đoạn đầu của quá trình học tập cũng như dự báo, dựa vào bộ bản đồ phân tích trên có thể làm cơ sở dùng để tiến hành nghiên cứu thêm

và có thể mang ra so sánh với những trường hợp tương tự, qua đó có thể dùng làm cơ

sở dữ liệu hình thế gây mưa để dự báo viên tham khảo

TÀI LIỆU THAM KHẢO

1 Nguyễn Ngọc Thục Phân loại các dạng hình thế Synop gây mưa lớn, đặc biệt lớn thuộc các tỉnh Nghệ An đến Thừa Thiên Huế Phân tích và dự báo

2 Phân loại hình thế Synop gây mưa lớn khu vực Quảng Nam – Đà Nẵng đến Khánh Hòa – K.S Trần Gia Khánh

3 Phạm Ngọc Toàn, Phan Tất Đắc (1993) – Khí hậu Việt Nam

4 Nguyễn Ngọc Thục, Lương Tuấn Minh, 1990: Các hình thế synop gây mưa lớn ở miền bắc Việt nam

5 Đặc điểm Khí tượng thủy văn các năm 1994 đến 2010 (17 năm), Trung tâm Dự báo KTTV Trung ương

6 Cassano E N., Lynch A H., Cassano J J., Koslow M R., 2006: Classification of synoptic patterns in the western Arctic associated with extreme events at Barrow, Alaska, USA Clim Res., 30 83-97

7 Cavazos T (1999) Large-scale circulation anomalies conducive to extreme precipitationevents and derivation of daily rainfall in northeastern Mexico and southeasternTexas J Clim 12: 1506-1523

Viện Khoa học Khí tượng Thủy văn và Biến đổi khí hậu 13

USING THE K-MEAN ALGORITHM TO IDENTIFY OBJECTIVELY THE WEATHER PATTERNS DURING THE PERIOD OF TIME

OCCURRED THE HEAVY RAINFALL

IN THE CENTRAL VIETNAM

Le Duc, Nguyen Van Huong

National Centre for Hydrometeorological Forecasting

Heavy rainfall occurrs in the Central Vietnam with the average of about 10 events per year The time for heavy rainfall occurrence is from May to December So far there have been numerous research projects in Vietnam focused on these phenomenon with analysing the synoptic patterns, describing the mechanism of heavy rainfall, stimulating or forecasting using the weather numerical prediction models Although the results of these studies have more or less effectiveness in heavy rainfall forecasting, most of these studies are limited to the qualitative estimation So identifying the patterns which cause the heavy rainfall in the Central Vietnam objectively to predict the heavy rainfall more effectively becomes one of the most important tasks Using the method K-Mean will be able to find out the typical patterns causing the heavy rainfall in the Central Vietnam and Tay Nguyen as well as applying K- Mean algorithm to determine the patterns causing the other severe phenomena such as damaging winds, extremely hot, etc

.

ĐÁNH GIÁ CÁC YẾU TỐ CỰC TRỊ NHIỆT ĐỘ VÀ LƯỢNG MƯA

VÙNG TÂY NGUYÊN

Hoàng Đức Cường (1) , Vũ Văn Thăng (2) , Lã Thị Tuyết (2) , Đỗ Thị Nương (2)

(2) Viện Khoa học Khí tượng Thủy văn và Biến đổi Khí hậu

Trong bài báo này đánh giá về phân bố không gian của các yếu tố cực trị nhiệt độ và lượng mưa khu vực Tây Nguyên thời kỳ 1981-2010 Các yếu tố cực trị đó là, nhiệt độ tối cao tuyệt đối (Tx), nhiệt độ tối thấp tuyệt đối (Tm), số ngày có nhiệt độ thấp nhất dưới 15 0 C (Tm

<15 0 C), số ngày có nhiệt độ cao nhất trên 35 0 C (Tx >350C), lượng mưa ngày lớn nhất (Rx1day), số ngày có lượng mưa lớn hơn 50mm/ngày (R > 50mm) Kết quả đánh giá cho

thấy, Tx, Tm đều có xu hướng tăng dần từ Tây sang Đông và giảm dần về hai phía Bắc, Nam Tây Nguyên và giảm theo độ cao địa hình Số ngày có Tm <15 0 C tăng theo độ cao địa hình,

số ngày có Tx >350C chỉ tập trung chủ yếu ở phần địa hình thấp phía Đông Tây Nguyên, giáp

với Bình Định, Phú Yên, Khánh Hòa Số ngày mưa trên 50mm tập trung chủ yếu ở vùng núi Ngọc Lĩnh và vùng trũng phía Tây Nam cao nguyên Đắc Nông, Bảo Lộc Rx1day cao nhất ở khu vực miền núi tỉnh Kon Tum, sát phía Đông Bắc của Nam Trung Bộ và khu vực huyện Buôn Hồ của tỉnh Đắc Lắc

1 Mở đầu

Cực trị khí hậu và sự biến đổi của nó dưới tác động của biến đổi khí hậu toàn cầu cần được tập trung nghiên cứu Nhằm mục đích nghiên cứu biến đổi của các cực trị khí hậu khu vực Tây Nguyên, cụ thể là các yếu tố cực trị liên quan đến nhiệt độ và lượng mưa, bài báo sẽ đánh giá về các yếu tố cực trị này thông qua việc phân tích các bản đồ phân bố không gian của các yếu tố cực trị đó được xây dựng riêng cho vùng Tây Nguyên

Trong các nghiên cứu trước đây, đặc điểm và phân bố của các yếu tố khí hậu,

yếu tố cực trị nhiệt, mưa khu vực Tây Nguyên đã được đánh giá trong “Khí hậu Tây

Nguyên” của tác giả Nguyễn Đức Ngữ, xuất bản vào năm 1985 Đây là một trong

những tài liệu đánh giá chi tiết về chế độ gió, chế độ nhiệt, chế độ mưa, chế độ ẩm, bốc hơi, chế độ mây, Năm 1992, khí hậu Tây Nguyên được đánh giá đến cấp tiểu

vùng trong nghiên cứu của Nguyễn Hữu Tài qua “Phân vùng khí hậu tự nhiên lãnh thổ

Việt Nam” Gần đây nhất, năm 2004, cuốn “Khí hậu và Tài nguyên khí hậu Việt Nam”

của các tác giả Nguyễn Đức Ngữ và Nguyễn Trọng Hiệu được xây dựng dựa trên cơ

sở phân tích chuỗi số liệu khí hậu của 150 trạm khí tượng khí hậu, 500 trạm đo mưa phân bố trên phạm vi cả nước thời kỳ 1960 – 2000 cũng một lần nữa đánh giá về đặc điểm khí hậu Tây Nguyên trong đó có các yếu tố cực trị nhiệt và mưa

Trong báo cáo này, nội dung phân tích đánh giá được căn cứ trên bộ số liệu của các yếu tố cực trị nhiệt độ và lượng mưa khu vực Tây Nguyên cập nhật đến năm 2010

2 Số liệu và phương pháp

Số liệu được sử dụng là số liệu thời kỳ 1981-2010 của các yếu tố cực trị nhiệt

độ và lượng mưa như nhiệt độ tối cao ngày (Tx), nhiệt độ tối thấp ngày (Tm), số ngày

có nhiệt độ cao nhất trên 350

C (Tx > 350C), số ngày có nhiệt độ thấp nhất dưới 150

C (Tm < 150C), lượng mưa ngày lớn nhất (Rx1day), số ngày có lượng mưa trên 50mm;

Viện Khoa học Khí tượng Thủy văn và Biến đổi khí hậu 15

là số liệu quan trắc của 16 trạm khí hậu thuộc khu vực Tây Nguyên, 4 trạm mới đưa vào quan trắc gần đây là Eahleo (2003), Lăk (1998), Yaly (2002), Đắk Min (2002) và

20 trạm lân cận Tây Nguyên

Phương pháp: Số liệu quan trắc của các yếu tố cực trị về nhiệt độ và lượng mưa khu vực Tây Nguyên sau khi được xử lý, tính toán các đặc trưng, trị số trung bình trong toàn bộ thời kỳ 1981-2010 sẽ đưa lên bản đồ nền khu vực Tây Nguyên Sử dụng công nghệ GIS, phương pháp chuyên gia để nội suy không gian và xây dựng các bản

đồ phân bố không gian của các yếu tố cực trị đó Kết quả bài báo này là phần phân tích, đánh giá phân bố không gian của các yếu tố cực trị nhiệt độ, lượng mưa dựa trên kết quả xây dựng các bản đồ

3 Kết quả nghiên cứu

3.1 Cực trị liên quan đến nhiệt độ

3.1.1 Phân bố không gian của nhiệt độ cao nhất tuyệt đối (Tx)

Nhiệt độ cao nhất tuyệt đối khu vực Tây Nguyên dao động phổ biến trong khoảng từ 33 đến xấp xỉ 390C Duy nhất có trạm Đà Lạt có nhiệt độ cao nhất tuyệt đối nằm dưới 330C, Tx ở đây chỉ đến 28,10C Trên bản đồ phân bố không gian, Tx được phân thành 5 cấp, từ dưới 280C đến trên 380C với khoảng cách giữa mỗi cấp là 20C

(Hình 1) Kết quả thể hiện trên bản đồ cho thấy, khu vực có trị số Tx từ 360C trở lên chỉ tập trung chủ yếu ở phần phía Đông của Tây Nguyên, thuộc khu vực các huyện An Khê, Phú Thiện, Auynpa, Krong Pa của tỉnh Gia Lai và một phần diện tích của thành phố Buôn Ma Thuột, huyện Krong Ana, Lak và toàn bộ diện tích huyện MadRak của tỉnh Đắc Lắc Tâm nhiệt độ cao nhất trong nhóm các huyện này chỉ tập trung hẹp trong khu vực thung lũng thấp Auynpa và lân cận xung quanh đó Ngoài ra, một phần diện tích cục bộ ở thị xã Kon Tum và huyện Đăk Hà cũng có Tx >360C

Khu vực có Tx dưới 300C chủ yếu tập trung ở phía Nam và phía Bắc Tây Nguyên, nơi có địa hình núi và cao nguyên là chủ yếu Ở phía Bắc, Tx dưới 300C tập trung chủ yếu ở hệ thống núi cao sát với biên giới các tỉnh Quảng Nam và Quảng Ngãi, thuộc các huyện Đăk Glei, Tu Mơ rông, và KonPlong và phần núi cao ở biên giới giữa huyện Đăk Glei với nước Lào Trong những khu vực vừa nêu thì Tx < 280C chỉ xảy ra trong vùng hẹp, ở khối núi cao nhất của dãy Ngọc Lĩnh, phần giáp với biên giới tỉnh Quảng Nam thuộc hai huyện Đăk Glei, Tu Mơ Rông Ở phía Nam Tx dưới

300C tập trung chủ yếu ở phần diện tích giáp với Khánh Hòa và Ninh Thuận của hai tỉnh Đắc Lắc và Lâm Đồng Đó là phần diện tích của các huyện Krong Pông, Lắk, Lạc Dương, Lâm Hà, Đà Lạt, Liên Khương Đây là khu vực với địa hình núi cao chủ yếu

từ 1000-1500m trong đó Tx thấp nhất (dưới 280C) chỉ tập trung hẹp trong khối núi cao nhất thuộc huyện Lạc Dương và khối núi cao nhất nằm ở biên giới giữa Krong Pông

và Lắk

Như vậy, khái quát trên cả khu vực Tây Nguyên có thể thấy Tx phân hóa rất rõ rệt theo địa hình, trị số của Tx tỷ lệ nghịch với độ cao địa hình Ở khu vực giữa Tây Nguyên, Tx có xu hướng tăng từ Tây sang Đông Chung cho cả khu vực Tây Nguyên thì Tx có xu hướng giảm về hai đầu Nam và Bắc, đạt giá trị nhỏ nhất ở những phần địa

hình núi cao sát biên giới với các tỉnh thuộc khu vực Nam Trung Bộ

3.1.2 Phân bố không gian của nhiệt độ tối thấp tuyệt đối (Tm)

Trên chuỗi số liệu quan trắc, nhiệt độ thấp nhất tuyệt đối (Tm) khu vực Tây Nguyên dao động trong khoảng từ 6,5-13,80C Thấp nhất ở Đắc Tô và cao nhất ở MDrac Trên bản đồ phân bố không gian, trị số của Tm được chia theo 5 cấp, từ dưới

40C đến trên 120C (Hình 2) Kết quả thể hiện trên bản đồ cho thấy, so với phân bố

không gian của Tx thì phân bố không gian của Tm cũng không khác nhiều, càng ở khu vực địa hình cao trị số của Tm càng nhỏ, Tm có giá trị lớn ở khu vực giữa Tây Nguyên

và có giá trị nhỏ hơn ở hai phía Nam và Bắc Tây Nguyên Trị số Tm < 80C xảy ra chủ yếu ở nửa phần diện tích phía Đông của tỉnh Kon Tum, một phần diện tích phía Đông Bắc của tỉnh Gia Lai, là khu vực có địa hình chủ yếu là hệ thống núi Ngọc Lĩnh Trị số

Tm thấp nhất của Tây Nguyên xuống tới < 40C tại những đỉnh núi cao nhất thuộc hệ thống núi Ngọc Lĩnh Khu vực có trị số Tm < 80C là khu vực cao nguyên Lâm Viên và Bảo Lộc trong đó trị số Tm dưới 60C chỉ xảy ra ở hai khối núi cao nhất của các cao nguyên này

Khu vực giữa Tây Nguyên vẫn luôn là khu vực có trị số nhiệt độ cao, kể cả Tx

và Tm Khu vực có Tm đạt giá trị lớn nhất Tây Nguyên (trên 120C) vẫn bao trùm trong

hệ thống địa hình đồi, thung lũng thấp của các huyện An Khê, KongChro, Phú Thiện, Auynpa, Eaheo, Krong pa (của tỉnh Gia Lai), kéo sang bao trùm hầu hết các huyện gần trung tâm của tỉnh Đắc Lắc và đa phần diện tích huyện Đắc Min của tỉnh Đắc Nông

Như vậy, trên đại bộ phận Tây Nguyên Tm chủ yếu có trị số trong khoảng từ

8-120C, ở khu vực giữa Tây Nguyên Tm có xu hướng tăng dần từ Tây sang Đông, ở khu vực Nam và Bắc Tây Nguyên Tm có xu hướng ngược lại, giảm dần từ Tây sang Đông

3.1.3 Phân bố không gian của số ngày có nhiệt độ thấp nhất dưới 15 0 C (Tm <15 0 C)

Số ngày có Tm <150C ở khu vực Tây Nguyên dao động trong một khoảng rất

lớn, chênh nhau tới hàng trăm ngày Trên chuỗi số liệu quan trắc, số ngày có Tm

<15 0 C thấp nhất ở Tây Nguyên xảy ra tại trạm Buôn Ma Thuột chỉ có 6 ngày trong khi

số ngày có Tm <15 0 C tại Đà Lạt lên tới khoảng 170 ngày và Đà Lạt cũng là nơi có số

ngày có Tm <15 0 C cao nhất khu vực Tây Nguyên Trên bản đồ phân bố không gian

(Hình 4) số ngày Tm <15 0 C phân bố khá đều, ở đa phần diện tích Tây Nguyên, bao

gồm hầu hết diện tích của các tỉnh Gia Lai, Đắc Lắc, Đắc Nông, với số ngày Tm

<15 0 C đều dưới 90 ngày Những khu vực có số ngày Tm<15 0 C trên 90 ngày đến 240

ngày, tuy ngưỡng dao động rất rộng nhưng lại chỉ tập trung ở những vùng diện tích hẹp, trên các vùng núi cao ở biên giới Đông Bắc và Đông Nam của Tây Nguyên, điển hình là dãy núi Ngọc Lĩnh thuộc tỉnh Kon Tum, hệ thống núi cao ở phía Tây Nam của tỉnh Đắc Lắc và hệ thống núi cao thuộc cao nguyên Lâm Viên, Đà Lạt

Nhìn chung số ngày Tm <15 0 phân bố khá đều ở khu vực giữa Tây Nguyên, tăng về phía Nam và phía Bắc của Tây Nguyên với sự tịnh tiến của độ cao địa hình

Viện Khoa học Khí tượng Thủy văn và Biến đổi khí hậu 17

Hình 1 Bản đồ phân

bố Tx

Hình 2 Bản đồ phân bố Tm

nơi có gần 60 ngày Bản đồ phân bố số ngày có Tx >350

C trên Hình 3 cho thấy, hầu hết Tây Nguyên có số ngày Tx >350C dưới 10 ngày, chỉ một vùng diện tích nhỏ ở

xung quanh thung lũng Auynpa là có số ngày có Tx >350C cao hơn Hầu hết số ngày

có Tx >350C tập trung ở sườn Đông của dãy Trường Sơn với tâm nóng là thung lũng

Auynpa Số ngày có Tx >350C ở đây cao nhất Tây Nguyên với xấp xỉ 60 ngày Số

ngày có Tx >350C giảm dần ở các huyện lân cận quanh huyện Auynpa như Phú Thiện, Krongpa, La Pa và khu vực biên giới sát với tỉnh Bình Định, Phú Yên thuộc huyện

Krongpa và Kong Chro có số ngày Tx >350C dao động từ 20-40 ngày Khu vực có số

ngày Tx >350C từ 10-20 ngày nằm ở sườn Đông dãy Trường Sơn kéo dài từ huyện An Khê qua Phú Thiện đến thành phố Buôn Ma Thuột và hồ Lắk của tỉnh Đắc Lắc

Như vậy, số ngày có Tx >350C ở Tây Nguyên có xu hướng tăng từ Tây sang Đông, xảy ra nhiều nhất ở một phần diện tích thuộc thung lũng thấp của tỉnh Gia Lai

và tỉnh Đắc Lắc Các cao nguyên Bảo Lộc và Lâm Viên ở phía Nam Tây Nguyên là

hai nơi duy nhất không hề xảy ra Tx >350C trong suốt thời kỳ nghiên cứu

3.2 Các cực trị liên quan đến lượng mưa

3.2.1 Phân bố không gian của lượng mưa ngày lớn nhất

Lượng mưa ngày lớn nhất (Rx1day) khu vực Tây Nguyên dao động từ xấp xỉ 80mm đến trên 180mm Thấp nhất tại trạm Đà Lạt với trị số Rx1day là 78,7mm và Rx1day có trị số lớn nhất tại trạm Buôn Hồ với lượng mưa là 185mm

Trên bản đồ Rx1day (Hình 5) cho thấy, khu vực có Rx1day 140mm trở lên chủ

yếu tập trung ở khu vực núi cao của tỉnh Kon Tum, kéo dài từ Đắc Klei qua các cao nguyên Tu Mơ Rông, Kon Plong đến huyện Kbang và An Khê của tỉnh Gia Lai và một phần diện tích phía Tây của tỉnh Đắc Lắc với tâm mưa ở Buôn Hồ, nơi có Rx1day cao nhất Tây Nguyên (185mm) Các vùng lân cận với Buôn Hồ là Krong Buk, Krong Năng, Đắc Lắc hay Ma Đrắc đều có Rx1day trong khoảng 140-160mm Ngoài ra, khu

vực có Rx1day nằm trong khoảng này còn có một phần diện tích tỉnh Đắc Nông, nơi giáp với tỉnh Bình Phước bao gồm thị xã Gia Nghĩa, Đắc R’lâp, Cát Tiên

Rx1day dưới 80mm xảy ra chủ yếu ở địa phận các huyện biên giới với Ninh Thuận, Bình Thuận của tỉnh Lâm Đồng, đó là các huyện Di Linh, Đức Trọng, thành phố Đà Lạt, huyện Lạc Dương Ngoài ra có ngưỡng lượng mưa này còn có phần bình nguyên Iasup và trũng Cheo Reo, Phú Túc thuộc tỉnh Gia Lai và Đắc Lắc Đây là phần địa hình thấp, nằm ở phía Tây, giáp với Campuchia bao gồm các huyện Easup, Buôn Đôn, Cư Jut, Đắc Min và khu vực hồ Lawck Nhỏ lẻ ở tỉnh Kon Tum và Gia Lai có một số nơi có Rx1day trong ngưỡng thấp nhất này là khu vực hồ Yaly, thị xã Playcu

và một phần diện tích của huyện Đắc Tô

Nhìn chung, Rx1day ở khu vực giữa và Bắc Tây Nguyên có xu hướng tăng dần

từ Tây sang Đông, và phân hóa tăng theo độ cao địa hình, càng lên cao lượng mưa càng tăng Trong khi ở Nam Tây Nguyên Rx1day lại có xu hướng ngược lại, tăng dần

từ Đông sang Tây và không thể hiện rõ sự phân hóa tăng theo độ cao địa hình như quy luật phân hóa thông thường của mưa

3.2.2 Số ngày có lượng mưa lớn hơn 50mm/ngày (R > 50mm)

Số ngày có R > 50mm khu vực Tây Nguyên dao động trong một khoảng hẹp, từ

4 ngày đến trên 10 ngày, thấp nhất ở Auynpa và cao nhất ở Bảo Lộc Trên bản đồ phân

bố không gian Hình 6 cho thấy, đại bộ phận Tây Nguyên có số ngày R > 50mm là 8

ngày, bao gồm hết diện tích các tỉnh Kon Tum, Gia Lai, Đắc Lắc và một phần diện

tích tỉnh Lâm Đồng và Đắc Nông Số ngày R > 50mm dưới 4 ngày xảy ra rải rác ở

nhiều nơi, ở một vài khu vực như Đắc Tô, Yaly, Auynpa, khu vực bình nguyên Iasup

và vùng trũng Cheoreo-Phú túc phía Tây của tỉnh Đắc Lắc và Đắc Nông và phần phía Đông Nam của tỉnh Lâm Đồng, nơi giáp với các tỉnh Ninh Thuận và Bình Thuận Số

ngày R > 50mm từ 10 ngày trở lên tập trung nhiều ở khu vực núi Ngọc Lĩnh, khu vực

núi cao Lạc Dương và KrongPong, vùng trũng phía Tây Nam các cao nguyên Đắc

Nông và Bảo Lộc Nhìn chung, số ngày R > 50mm không thể hiện rõ rệt theo sự phân

hóa theo độ cao địa hình Ở phía Bắc, càng ở địa hình cao số ngày mưa lớn càng nhiều,

tuy nhiên ở phía Nam Tây Nguyên số ngày R > 50mm lại xuất hiện nhiều hơn ở vùng

trũng Tây Nam Tây Nguyên

Viện Khoa học Khí tượng Thủy văn và Biến đổi khí hậu 19

4 Kết luận

Diễn biến của các yếu tố cực trị về nhiệt độ và lượng mưa khu vực Tây Nguyên

có thể tóm tắt như sau: Tx và Tm đều có xu hướng tăng dần từ Tây sang Đông và giảm

dần về hai phía Bắc, Nam Tây Nguyên và giảm theo độ cao địa hình Số ngày có Tm

<15 0 C ít biến đổi ở khu vực giữa Tây Nguyên, tăng dần về phía Nam và phía Bắc,

tăng theo độ cao địa hình Số ngày có Tx >350C chỉ tập trung chủ yếu ở phần địa hình thấp phía Đông Tây Nguyên, giáp với Bình Định, Phú Yên, Khánh Hòa

Số ngày mưa R > 50mm phân bố khá đều trên đại bộ phận Tây Nguyên, tập

trung chủ yếu ở hệ thống núi Ngọc Lĩnh và vùng trũng phía Tây Nam cao nguyên Đắc Nông, Bảo Lộc Rx1day không thể hiện sự phân hóa theo địa hình một cách rõ rệt, cao nhất ở khu vực miền núi tỉnh Kon Tum, sát biên giới Đông Bắc của Tây Nguyên với Nam Trung Bộ và khu vực huyện Buôn Hồ của tỉnh Đắc Lắc

TÀI LIỆU THAM KHẢO

1 Nguyễn Đức Ngữ Khí hậu Tây Nguyên Viện KTTV xuất bản, Hà Nội, 1985

2 Nguyễn Hữu Tài Phân vùng khí hậu tự nhiên lãnh thổ Việt Nam Báo cáo đề tài

nghiên cứu khoa học cấp Tổng cục, Hà Nội, 1992

3 Phạm Ngọc Toàn, Phan Tất Đắc Khí hậu Việt Nam Nhà xuất bản KHKT, Hà Nội,

1979

4 Nguyễn Đức Ngữ và Nguyễn Trọng Hiệu Khí hậu và tài nguyên khí hậu Việt Nam

NXB Nông Nghiệp, Hà Nội, 2004

ASSESSMENT ELEMENTS TEMPERATURE AND RAINFALL

EXTREME HIGHLANDS REGION

Hoang Duc Cuong(1), Vu Van Thang (2), La Thi Tuyet(2),Do Thi Nuong(2)

(1)

National Centre for Hydro-Meteorological Forecasting

(2)

Vietnam Institute of Meteorology Hydrology and Climate change

In this paper, assessment the spatial distribution of temperature and rainfall over Highlands region are performed with analysis of 30-year data from 1981 to 2010

Variables include the maximum absolute temperature (Tx), minimum absolute temperature (Tm), number of days with temperatures below 15 0 C number of days with maximum temperatures above 35 0 C Results show that Tx , Tm tended to increase gradually from west to east and descending two north, south Highlands and decreases with altitude terrain, whereas the number of days with temperatures below 15 0 C (number of cold days) increases with altitude terrain Number of hot days focused mainly in the lowland eastern Highlands, adjacent to Binh Dinh, Phu Yen, Khanh Hoa Number of days of heavy rainfall concentrated mainly in the Ngoc Linh mountain and lowland plateau southwest of Dak Nong, Bao Loc, the largest daily rainfall (Rx1day) was highest in mountainous areas Kon Tum province, eastern border north of the South Central Highlands and regional districts of Dak Lak and Buon Ho

THÔNG TIN KHÍ HẬU VÀ BIẾN ĐỔI KHÍ HẬU PHỤC VỤ ĐÁNH GIÁ

RỦI RO VÀ ĐỀ XUẤT GIẢI PHÁP THÍCH ỨNG

Ngô Sỹ Giai, Nguyễn Đăng Mậu, Phùng Đức Chính

Viện Khoa học Khí tượng Thủy văn và Biến đổi khí hậu

Bài báo trình bày một số cách tiếp cận thông tin khí hậu và biến đổi khí hậu phục vụ đánh giá tác động của khí hậu, rủi ro khí hậu và đề xuất các giải pháp thích ứng Kết quả nghiên cứu được thực hiện dựa trên các tài liệu quốc tế và kế thừa các nghiên cứu trong nước nhằm đưa ra hướng khai thác và cung cấp thông tin khí hậu cực đoan phù hợp cho các đối tượng sử dụng khác nhau

1 Mở đầu

Nhiệt độ và lượng mưa là hai yếu tố khí hậu chính được sử dụng nhằm cung cấp các thông tin biến đổi khí hậu và kịch bản biến đổi khí hậu trong tương lai Trong khi đó, các hiện tượng cực đoan thì lại được quan tâm ở một mức độ nhất định nào đó Điều này có thể do hạn chế về mặt số liệu, tính chất phức tạp của các hiện tượng cực đoan khí hậu (có hiện tượng quan trắc được, có hiện tượng phải thông qua tính toán các chỉ số) Thực tế, các hiện tượng cực đoan mới là các yếu tố đáng lưu tâm nhất vì chúng liên quan trực tiếp đến con người, môi trường, sinh thái, … và là nhân tố trực tiếp ảnh hưởng đến phát triển kinh tế xã hội và anh ninh lương thực Do vậy, thông tin quan trọng phục vụ đánh giá tác động của biến đổi khí hậu, đánh giá rủi ro khí hậu và

đề xuất các giải pháp thích ứng cần được xác định chính xác và phù hợp cho từng đối tượng sử dụng

Dựa trên nhiệt độ và lượng mưa, ETCCDI (Nhóm chuyên gia về đánh giá cực đoan và các chỉ số) đã đề xuất một bộ chỉ số cực đoan khí hậu trên quy mô toàn cầu (Karl et al 1999, Peterson và cộng sự 2001) và được cập cật bổ sung thêm vào năm

2003 [7]

Nhằm phục vụ công tác giám sát, dự báo và đánh giá rủi ro do khí hậu, WMO (2009) khuyễn cáo các nước thành viên cần phải xác định các ngưỡng giá trị của yếu

tố khí hậu gây ảnh hưởng đến các đối tượng khác nhau (ngưỡng cực đoan) [7] Thực

tế, có nhiều hiện tượng cực đoan có thể quan trắc được như bão, mưa lớn, … nhưng hầu hết các chỉ số là được tính toán thông qua các chỉ số Trong đó, các chỉ số thường được tính bằng ngưỡng giá trị của các yếu tố khí hậu Tùy theo từng vùng khí hậu, từng đối tượng bị tác động khác nhau, có các ngưỡng cực đoan khác nhau

Thực tế cho thấy, hiện nay việc ứng dụng thông tin khí hậu phục vụ các ngành kinh tế xã hội vẫn tồn tại nhiều khó khăn Điều này có thể là do hình thức cung cấp thông tin hoặc chưa có những nghiên cứu đánh giá rõ ràng mối quan hệ ràng buộc giữa khí hậu với các ngành kinh tế xã hội và các lĩnh vực cụ thể Vậy, làm thế nào để đưa các thông tin về cực đoan khí hậu này đến với người sử dụng để phục vụ hiệu quả công tác phòng chống thiên tai, phát triển kinh tế xã hội bền vững và ứng phó với biến đổi khí hậu? Vấn đề này sẽ được phác thảo ngắn gọn trong nội dung nghiên cứu của bài báo dựa trên kế thừa các nghiên cứu trong, ngoài nước và hiện trạng thông tin khí hậu có thể cung cấp được ở nước ta

Viện Khoa học Khí tượng Thủy văn và Biến đổi khí hậu 21

2 Thông tin phục vụ đánh giá rủi ro và đƣa ra giải pháp thích ứng

Thông tin về các hiện tượng cực đoan là cơ sở quan trọng phục vụ đánh giá rủi

ro và đề xuất các giải pháp thích ứng [1, 3, 4, 5 7] Theo IPCC (2007), hiện tượng cực đoan được hiểu là những hiện tượng có tần suất xuất hiện tương đối thấp, cường độ lớn và khắc nghiệt hay có khả năng gây ra những ảnh hưởng lớn đến con người, môi trường và xã hội Thông thường, ngưỡng xác suất dưới 10% được lựa chọn để xác định hiện tượng cực đoan Như vậy, theo cách tiếp cận này thì đặc trưng cực đoan ở các khu vực khác nhau là khác nhau đáng kể Khi hiện tượng thời tiết cực đoan xảy ra vào một thời gian nào đó trong năm, chẳng hạn một mùa, khá ổn định, nó có thể được gọi là hiện tượng cực đoan khí hậu

Vậy, từ tập mẫu các số liệu quan trắc thời tiết và khí hậu này có thể xác định được rủi ro khí hậu? Để trả lời câu hỏi này, 27 chỉ số cực đoan khí hậu đã được đề xuất bởi nhóm ETCCDI Các chỉ số này được xây dựng dựa trên đánh giá ngưỡng cực đoan, hay ngưỡng tác động đến môi trường và xã hội Hay nói cách khác, ở ngưỡng này các yếu tố khí hậu bắt đầu gây ra những ảnh hưởng tiêu cực đến môi trường, xã hội và con người Trong nội dung này, chúng tôi tập trung phân tích theo hướng xác định ngưỡng gây bất lợi (nguy hiểm) và những rủi ro phải hứng chịu Từ đó, có thể đề xuất các giải pháp thích ứng phù hợp

2.1 Xác định, đánh giá ngƣỡng gây rủi ro khí hậu

Về cơ bản, mỗi lĩnh vực kinh tế xã hội, môi trường, đối tượng khác nhau có mức chịu đựng với các yếu tố khí hậu khác nhau Do vậy, quan điểm xác định ngưỡng tiêu chí và ngưỡng rủi ro (ngưỡng gây nguy hiểm, hay ngưỡng nguy kịch) với mỗi đối tượng này là khác nhau Ví dụ, ngưỡng của cây trồng vùng nhiệt đới khác với cây trồng vùng ôn đới

Trong bối cảnh biến đổi khí hậu, việc xác định ngưỡng rủi ro khí hậu phục vụ đánh giá tác động của biến đổi khí hậu trong tương lai là vô cùng quan trọng Thông thường, các ngưỡng rũi ro khí hậu này được xác định dựa trên tập mẫu diễn biến khí hậu trong quá khứ và số liệu về đối tượng cần đánh giá [1] Sau đó, xác định khả năng biến đổi trong tương lai của các điều kiện khí hậu trong ngưỡng gây nguy hiểm này ở tương lai để xác định rủi ro khí hậu có thể có Để làm được việc này, cần xây dựng được đường phân ngưỡng (ngưỡng xảy ra) gây hại (đối với đối tượng cụ thể) trong quá khứ Sau đó, áp ngưỡng này trong tương lai để đánh giá rủi ro khí hậu

Thông thường, phân tích này được tập trung vào các khía cạnh sau [1, 5]:

(1) Đánh giá đối với các khu vực tồn tai sự thay đổi phi tuyến về trạng thái (từ loại cực đoan hiện có thành cực đoan khác trong tương lai): Thông thường áp dụng cho các khu vực có điều kiện khí hậu biến đổi hoàn toàn thành điều kiện khí hậu khác

có thể có trong tương lai Ví dụ, các khu vực có điều kiện khô/hạn trong quá khứ chuyển thành mưa nhiều, hạn hán ít hơn trong tương lai theo kịch bản biến đổi khí hậu

Do vậy, điều kiện vật lý môi trường tự nhiên bị thay đổi sẽ tác động đến sinh vật tại khu vực này Do đó, cần phải có những đánh giá rủi ro có thể có đối với các loại sinh vật ở khu vực này;

(2) Đánh giá những khu vực có xu thế biến đổi tuyến tính về điều kiện khí hậu (mức độ khắc nghiệt của loại cực đoan hiện có ngày càng gia tăng): Ví dụ, các khu vực

thường xuyên có mưa lớn trong quá khứ, khả năng sẽ xuất hiện mưa lớn nhiều hơn trong tương lai

Như vậy, việc xác định rủi ro khí hậu cần thiết phải được tiến hành theo các hướng sau:

(1) Khả năng gia tăng rủi ro khí hậu;

(2) Khả năng giảm rủi ro khí hậu;

(3) Khả năng phát sinh rủi ro khí hậu mới

Hình 1 minh họa phương pháp xác định ngưỡng rũi ro (ngưỡng nguy kịch) do nhiệt độ gây ra đối với cây trồng ở vùng ôn đới [1] Đầu tiên, dựa vào số liệu quan trắc trong quá khứ, đường ngưỡng nguy kịch được xác định (ranh giới nhiệt độ bắt đầu gây hại với cây trồng vùng ôn đới) Đồng thời, cũng đã xác định được pham vi ứng phó (đối phó) với yếu tố khí hậu này Sau đó, dựa trên kịch bản biến đổi nhiệt độ trong tương lai, xác định được mức độ thay đổi của ngưỡng nguy kịch này có thể có trong tương lai Từ đó, đưa ra các đánh giá rui ro khí hậu liên quan đến nhiệt độ đối với cây trồng (Hình 1)

Hình 1 Sơ đồ mô tả phân tích mối quan hệ giữa phạm vi ứng phó, ngưỡng nguy kịch,

tính dễ bị tổn thương với yếu tố khí hậu [1]

Sau khi có những đánh giá về khả năng rủi ro có thể có do nhiệt độ, phạm vi ứng phó (đối phó) và thích ứng phù hợp được đề xuất Nội dung này sẽ được trình bày tiếp theo

2.2 Xác định phạm vi ứng phó

Phạm vi ứng phó (đối phó) với khí hậu là năng lực của hệ thống để điều chỉnh những biến động trong các điều kiện khí hậu [1] Các khái niệm về phạm vi ứng phó được đề cập kể từ khi được mở rộng để kết hợp với các khái niệm về thích ứng, tầm nhìn lập kế hoạch và chính sách hiện tại và tương lai Phạm vi ứng phó được sử dụng

để kết nối sự hiểu biết về sự thích ứng hiện tại với khí hậu và với nhu cầu thích ứng trong biến đổi khí hậu Cốt lõi của phạm vi ứng phó chứa đựng các kết quả có lợi Theo hướng một hoặc cả hai khía cạnh của phạm vi ứng phó, các kết quả trở thành tiêu cực nhưng chấp nhận được Vượt ra ngoài phạm vi ứng phó, những thiệt hại hoặc tổn thất không còn chấp nhận được và biểu thị tình trạng dễ bị tổn thương, các giới hạn của sự chịu đựng mô tả một ngưỡng nguy kịch/nghiêm trọng

Viện Khoa học Khí tượng Thủy văn và Biến đổi khí hậu 23

Một phạm vi ứng phó thường cụ thể cho một hoạt động, một nhóm, hoặc lĩnh vực Rủi ro được đánh giá bằng cách tính toán mức độ phạm vi ứng phó bị vượt quá trong những điều kiện nhất định Biến đổi khí hậu có thể làm tăng sự rủi ro vượt quá ngưỡng nhưng thích ứng có thể cải thiện các tác động bất lợi bằng cách mở rộng phạm

vi ứng phó Jones (2001)[1] xây dựng các ngưỡng tới hạn đối với lưu vực sông Macquarie tại Úc để phục vụ quy hoạch thủy lợi và các dòng chảy môi trường Xác suất vượt quá các ngưỡng này là một hàm số của cả hai: biến thiên khí hậu tự nhiên và biến đổi khí hậu Yohe và Tol (2002) khám phá các ngưỡng tới hạn giả thuyết trên và dưới cho sông Nile có sử dụng dữ liệu dòng chảy hiện tại và lịch sử Ngưỡng trên ký hiệu là lũ lụt nghiêm trọng, và ngưỡng thấp hơn ký hiệu dòng chảy tối thiểu cần thiết

để cung cấp nhu cầu nước Tần số lịch sử của sự vượt ngưỡng được sử dụng như là một đường cơ sở mà từ đường đó sẽ đo lường/ước lượng những rủi ro/nguy cơ đang thay đổi bằng cách sử dụng một loạt các kịch bản khí hậu

Hình 1 minh họa phương pháp phân tích mỗi quan hệ giữa phạm vi ứng phó, ngưỡng nguy kịch, tính dễ bị tổn thương với yếu tố khí hậu Diễn biến của yếu tố khí hậu cho thấy mức độ biến thiên của yếu tố theo thời gian Trong đó, có những ngưỡng được xem là cực đoan (có ảnh hưởng đến một đối tượng nào đó) và không cực đoan

Do vậy, các ngưỡng ứng phó, nguy kịch, rủi ro cần được xác định cụ thể theo từng đối tượng có liên hệ với yếu tố khí hậu được phân tích

Do vậy, các giải pháp ứng phó và giải pháp thích ứng cần tập trung vào các điểm sau:

(1) Trường hợp cực đoan (giá trị yếu tố nằm từ ngưỡng gây hại trở lên) ngày càng tăng: Tần suất xuất hiện các giá trị nằm trên ngưỡng cực đoan ngày càng tăng;

(2) Mức độ nghiêm trọng của thiên tai: Giá trị của cực đoan lớn nhất có thể có; (3) Mức độ và tần suất của loại cực đoan ngày càng giảm;

(4) Xuất hiện các loại thiên tai mới

2.3 Trường hợp đánh giá với hạn hán và lũ lụt

Biến thiên và biến đổi khí hậu trong tương lai có thể làm tăng tần suất của hạn hán và do đó làm giảm phạm vi ứng phó và khả năng thích ứng của dân cư dễ bị tổn thương tại các khu vực thường bị hạn hán Hình 3 minh họa phương pháp phân tích phạm vi ứng phó do biến đổi khí hậu Nếu phạm vi ứng phó đó được thể hiện trong điều kiện có mưa, ngưỡng ẩm ướt (Y1) đường cơ sở hoặc tham chiếu trên ngưỡng ít thường xuyên bị vượt quá, trong khi sự vượt quá ngưỡng thấp hơn (hoặc điều kiện khô hạn) tăng theo thời gian (Selvaraju, 2003) [2, 3] Tính dễ bị tổn thương sẽ tăng lên đến các mức cực đoan đối với các ngưỡng khô theo thời gian Lượng mưa trong khí hậu đường cơ sở đó lúc này sẽ ổn định nhiều hơn hay í thơn so với giá trị trung bình (Y) Tuy nhiên, với khí hậu đang biến đổi, lượng mưa có xu hướng giảm dần và tần số của hạn hán (phía dưới Y2) sẽ tăng

Khi áp dụng điều này, thực tế cho thấy cường độ canh tác cũng đang tăng lên trong vùng và trong thời gian hạn hán xảy ra và do đó nhu cầu nước có thể tăng lên trong tương lai Có hai yếu tố góp phần làm tăng tính dễ tổn thương: i) tần số cao hơn của hạn hán và các đợt khô có thể ảnh hưởng tiêu cực đến ngành nông nghiệp, và ii) yêu cầu nước cao hơn trong toàn thể hệ thống nông nghiệp do sự gia tăng cường độ canh tác Điều đó có nghĩa là lượng mưa thấp và sự bốc thoát hơi nước tăng có thể tiếp

tục làm trầm trọng thêm tình hình hiện nay trong một khu vực mà hạn hán là thường xuyên

Lượng mưa thường vượt quá một ngưỡng thấp hơn (khô hạn) và do đó vi phạm phạm vi ứng phó hiện có Một khi phạm vi ứng phó bị vi phạm, dân cư dễ bị tổn thương sẽ gặp khó khăn trong việc điều chỉnh với lượng mưa ở mức độ thấp Tuy nhiên, nó có thể mở rộng phạm vi ứng phó thông qua tiến hành các hoạt động thích ứng mới và ổn định có thể nâng cao khả năng thích ứng của sinh kế nông thôn tại các khu vực thường bị hạn hán Các hoạt động thích ứng có thể làm giảm tính dễ bị tổn thương của các hệ thống vật lý-sinh học được tiếp xúc nói chung - người dân nông thôn nói riêng - với một hệ quả về giảm tính dễ bị tổn thương Bản chất của sự thích ứng cần thiết lại phụ thuộc vào tầm quy hoạch được đánh giá và khả năng vượt quá tiêu chí đã nêu đối với tầm quy hoạch

Phạm vi ứng phó cũng có thể được sử dụng để tìm hiểu xem khí hậu và khả năng ứng phó có thể tương tác theo thời gian như thế nào Ví dụ, đánh giá nông nghiệp phỏng đoán sự phát triển trong công nghệ nông nghiệp công nghệ, năng suất và thu nhập sẽ mở rộng phạm vi ứng phó và cũng có thể xác định liệu những thay đổi này có

đủ để ứng phó với biến đổi khí hậu được phỏng đoán

Hình 2 Minh họa phân tích phạm vi ứng phó, tính dễ bị tổn thương

tại khu vực thường bị hạn hán [1]

3 Áp dụng cho đánh giá tác động của lũ lụt và hạn hán ở tỉnh Ninh Bình

Thử nghiệm được áp dụng cho 2 vụ sản xuất điển hình: a) vụ ngô vụ Đông xuân (tháng 11 đến tháng 5) để minh họa tác động của hạn hán, và b) vụ lúa mùa (từ tháng 5 đến tháng 11) để minh họa tác động của lũ lụt Chuỗi số liệu mưa và năng suất ngô và lúa trong 2 vụ có độ dài không giống nhau, đối với ngô từ 1976 đến 2004 (29 vụ), lúa mùa từ 1961 đến 2004 (44 vụ) Từ phương pháp xác định ngưỡng xác định lũ lụt và hạn hán theo lượng mưa […], kết quả xác định cho tỉnh Ninh Bình được trình bày trong Bảng 1

Kết quả thu thập số liệu và tính toán cho thấy rằng, năng suất ngô và lúa khu vực Ninh Bình có xu thế tăng trong những năm qua (Hình 3 và Hình 4) Điều này có thể do liên quan đến kỹ thuật canh tác, diện tích gieo trồng và giống cây không ngừng được cải tiến và phát triển Tuy nhiên, trong xu thế tăng của năng suất cây, tồn tại nhiều năm xuất hiện sự giảm năng suất đột biến Theo thống kê, các đọt này thường gắn liền với các hiện tượng khác nghiệt khí hậu (lũ lụt và hạn hán)

Viện Khoa học Khí tượng Thủy văn và Biến đổi khí hậu 25

Trong vụ Đông Xuân, lượng mưa trung bình vụ khoảng 385,0 mm và độ lệch chuẩn là 115,0 mm Trong các vụ mùa bị khô cạn và khô cằn, năng suất ngô bắt đầu giảm rõ rệt khi lượng mưa thiếu hụt từ (-1 ĐLC) trở lên Trong các vụ ẩm ướt hoặc lũ lụt, mức giảm năng suất càng lớn nếu lượng mước thừa càng lớn (do mưa nhiều) Trong các vụ bình thường, nếu chuẩn sai lượng mưa xung quanh ± 30-50,0 mm sẽ ảnh hưởng không đáng kể đến năng suất

Trong vụ Mùa, lượng mưa trung bình vụ khoảng 1605,0 mm và độ lệch chuẩn

là 427,0 mm Trong các vụ bị khô cạn và khô cằn, với lượng mưa cả vụ thiếu hụt từ

150,0 đến 350,0 năng suất lúa giảm không đáng kể, thậm chí năng suất còn tăng trong một số vụ nhờ đảm bảo thủy lợi tốt Trong các vụ ẩm ướt hoặc lũ lụt, mức giảm năng suất càng lớn nếu lượng mước thừa càng lớn (do mưa nhiều), năng suất bắt đầu giảm đáng kể nếu lượng nước vượt ngưỡng (1 độ lệch chuẩn) và mức giảm càng lớn nếu mức vượt ngưỡng càng lớn Ví dụ, vụ màu năm 1994, chuẩn sai lượng mưa vụ 1198,2

mm, gần gấp 3 lần độ lệch chuẩn, mức giảm năng suất so với xu thế là 9,9 tạ/ha Trong các vụ bình thường, nếu chuẩn sai lượng mưa xung quanh ± 100,0 mm sẽ ảnh hưởng không đáng kể đến năng suất

Bảng 1 Chỉ tiêu mưa đối với lũ lụt/hạn hán trong sản xuất nông nghiệp áp dụng ở

Lũ lụt

Ri > (Rtb + 1,17 )

Ẩm ướt : Rtb +0,33ĐLC < Ri <=

(Rtb+1,17)

Bình thường: Rtb - 0,33ĐLC < Ri <=

(Rtb+0,33)

Khô hạn: Rtb - 1,17ĐLC < Ri <=

(Rtb-0,33)

Khô cằn: Ri

< 1,17)

(Rtb-Ri > (Rtb + 1,17 ĐLC)

Rtb +0,33Đ

LC

(Rtb+1, 17ĐLC)

Rtb - 0,33ĐL

C

(Rtb+0, 33ĐLC)

Rtb - 1,17ĐL

C

0,33Đ LC)

1,17ĐL C)

4 Kết luận

Việc xây dựng các ngưỡng cực đoan đối với các lĩnh vực, ngành kinh tế xã hội

là rất quan trọng phục vụ công tác đánh giá tác động của biến đổi khí hậu, các rủi ro khí hậu có thể có từ đó đề xuất được các giải pháp ứng phó và thích ứng phù hợp và tiết kiệm Đặc biệt, khi nhiệm vụ chuyển đổi và lồng ghép các thông tin khí hậu và biến đổi khí hậu vào các chiến lược và quy hoạch phát triển ngày càng cấp bách

Với hai ví dụ đối với lũ lũ và hạn hán ở Ninh Bình có thể nhận thấy rằng, có thể

sử dụng độ lệch chuẩn của lượng mưa làm thước đo để xác định mức độ khắc nghiệt của hạn hán và lũ lụt trong các vụ sản xuất được xem xét Trong vụ Đông xuân và vụ mùa, đối với cây ngô, đại diện cho các cây trồng cạn, và cây lúa, đại diện cho các cây hàng năm trồng dưới nước, có thể sử dụng độ lệch chuẩn lượng mưa để xác định các ngưỡng nguy kịch của các điều kiện khí hậu mới trong tương lai

Nếu các nghiên cứu thực hiện chuyên sâu hơn cho các đối tượng khác nhau được thực hiện, có thể chỉ ra các đối tượng bị tác động bởi biến thiên và biến đổi khí hậu Các giá trị của độ lệch chuẩn của lượng mưa tháng, vụ, năm từ ± 2 sẽ trở thành những đại lượng cần thiết trong việc sàng lọc, kiểm chứng và lồng ghép các thông tin khí hậu và các vấn đề biến đổi khí hậu vào các quy hoạch và chiến lược phát triển ở các cấp

TÀI LIỆU THAM KHẢO

1 Carter, T.R., R.N Jones, X Lu, S Bhadwal, C Conde, L.O Mearns, B.C O’Neill, M.D.A Rounsevell and M.B Zurek, 2007: New Assessment Methods and the Characterisation of Future Conditions Climate Change 2007: Impacts, Adaptation and Vulnerability Cambridge University Press, Cambridge, UK, 133-171

2 IPCC (2001a) Climate change, 2001 Impacts, adaptation, and vulnerability Chapter

18 adaptation to climate change in the context of sustainable development and equity Cambridge University Press, Cambridge, UK

3 IPCC, 1994: IPCC Technical guidelines for assessing climate change impacts and adaptations University College London and Center for Global Environmental Research, National Institute for Environmental Studies, Tsukuba,59 pp

4 IPCC, 2001b: Climate Change 2001: Impacts, Adaptation, and Vulnerability Contribution of Working Group II to the Third Assessment Report of the Intergovernmental Panel on Climate Change CambridgeUniversity Press, Cambridge,

1032 pp

5 IPCC, 2007: Climate Change 2007: The Physical Science Basis Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change[Solomon, S., D Qin, M Manning, Z Chen, M Marquis, K.B Averyt, M.Tignor and H.L Miller (eds.)] Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA, 996 pp

6 Phan Văn Tân và nnk (2010), Nghiên cứu tác động của biến đổi khí hậu toàn cầu đến các yếu tố và hiện tượng khí hậu cực đoan ở Việt Nam, khả năng dự báo và giải