Dự báo mưa hạn mùa cho khu vực việt nam bằng mô hình CCAM

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƢỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN - Nguyễn Xuân Thành DỰ BÁO MƢA HẠN MÙA CHO KHU VỰC VIỆT NAM BẰNG MƠ HÌNH CCAM Chun ngành: Khí tượng Khí hậu học Mã số: 6044 0222 LUẬN VĂN THẠC SĨ KHOA HỌC Hà Nội – 2017 ĐẠI HỌC QUỐC GIA HÀ NỘI TRƢỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN - Nguyễn Xuân Thành DỰ BÁO MƢA HẠN MÙA CHO KHU VỰC VIỆT NAM BẰNG MƠ HÌNH CCAM Chun ngành: Khí tượng Khí hậu học Mã số: 6044 0222 LUẬN VĂN THẠC SĨ KHOA HỌC Ngƣời hƣớng dẫn khoa học: GS TS Phan Văn Tân Hà Nội – 2017 LỜI CẢM ƠN Để hoàn thành luận văn này, xin gửi lời cảm ơn sâu sắc đến Thầy Cơ khoa Khí tượng Thuỷ văn Hải Dương học, trường Đại học Khoa học Tự nhiên – Đại học Quốc Gia Hà Nội, trang bị cho kiến thức chuyên môn, kinh nghiệm quý báu, tạo điều kiện giúp đỡ suốt thời gian học tập trường, giúp đỡ tơi nhiều q trình thực Luận văn Đặc biệt, xin trân trọng cảm ơn GS.TS Phan Văn Tân, người tận tình bảo, định hướng khoa học tạo điều kiện tốt cho suốt thời gian học tập làm việc Bộ môn Tôi xin chân thành cảm ơn thầy cô, anh chị bạn đồng nghiệp khoa Khí tượng Thuỷ văn Hải dương học nói chung, nhóm nghiên cứu REMOCLIC nói riêng ln ln giúp đỡ, hỗ trợ tơi suốt q trình học tập chun mơn cung cấp hướng dẫn kỹ nghiệp vụ cần thiết để hoàn thành luận văn Sau xin gửi lời cảm ơn đến gia đình bạn bè, người ln ủng hộ, cổ vũ, tin tưởng động viên suốt thời gian qua Học viên Nguyễn Xuân Thành MỤC LỤC MỤC LỤC DANH MỤC HÌNH DANH MỤC KÝ HIỆU VIẾT TẮT MỞ ĐẦU Chƣơng Tổng quan 1.1 Giới thiệu chung ý nghĩa thực tiễn dự báo khí hậu hạn mùa 1.2 Tổng quan dự báo khí hậu hạn mùa 10 1.3 Các phƣơng pháp dự báo hạn mùa 15 1.3.1 Hướng tiếp cận sử dụng phương pháp thống kê thực nghiệm 15 1.3.2 Hướng tiếp cận sử dụng phương pháp động lực 17 1.3.3 Hướng tiếp cận sử dụng phương pháp tổ hợp đa mơ hình 19 1.4 Hiện trạng dự báo mùa nƣớc 20 Chƣơng Phƣơng pháp nghiên cứu số liệu 23 2.1 Tổng quan mơ hình CCAM 23 2.1.1 Một số đặc điểm bật mơ hình CCAM 23 2.1.2 Sơ lược kỹ thuật vận hành mơ hình CCAM 28 2.2 Thiết kế thí nghiệm 31 2.2.1 Các nguồn số liệu sử dụng 31 2.2.2 Thiết kế thí nghiệm 33 2.2.3 Phương pháp đánh giá 35 Chƣơng Kết nhận xét 40 3.1 Đánh giá khả mô CCAM giai đoạn 2001 – 2010 40 3.2 Đánh giá kết mơ tồn cầu phân giải độ 54 3.3 Đánh giá kết chi tiết hoá với phân giải 0.25 độ 58 3.4 Đánh giá kết chi tiết hoá phân giải 0.08 độ 72 KẾT LUẬN VÀ KIẾN NGHỊ 73 Tài liệu tham khảo 76 DANH MỤC HÌNH Hình Tương quan số ENSO khu vực Nino3-4 (trung bình miền từ 5◦ N–5◦ S, 170◦ –120◦ W) số liệu mưa lưới GPCCv5 trung bình tháng 3-4-5, 6-7-8, 910-11, 12-1-2 tương ứng cho hình a, b, c, d (giai đoạn 1960 – 2009) [9] 12 Hình Minh hoạ lưới lập phương CCAM 24 Hình So sánh lưới lập phương lưới lập phương co dãn [36] 25 Hình Minh họa mặt lập phương bảo giác ghép lại (a); mặt lập phương trải (b); hệ toạ độ khối lập phương mặt cầu (c) 26 Hình Sơ đồ chuyển đổi hệ tọa độ mơ hình CCAM từ khâu xử lý số liệu đầu vào đến khâu chiết xuất kết đầu 26 Hình Phân bố 125 trạm sử dụng luận văn 32 Hình Các dạng lưới lập phương (a), lập phương co giãn 0.25 độ (b), 34 Hình Quy trình thực dự báo hạn mùa [6] 35 Hình Phân bố giá trị xuất trường hợp 37 Hình 10 Minh hoạ cấu trúc biểu đồ hộp 39 Hình 11 Phân bố trường độ ẩm tương đối hoàn lưu mực 1000mb cho mùa Đông, Xuân, Hạ, Thu tương ứng DJF, MAM, JJA, SON; số liệu trung bình giai đoạn 2001 - 2010 từ mô CCAM-CFSR (trên) CFSR (dưới) 42 Hình 12 Tương tự hình 11 cho mực 850 mb 43 Hình 13 Tương tự hình 11 cho mực 500 mb 44 Hình 14 Tương tự hình 11 cho mực 200 mb 45 Hình 15 Phân bố tổng lượng mưa tháng trung bình cho mùa đơng, xn, hạ thu tương ứng DJF, MAM, JJA, SON; số liệu trung bình giai đoạn 2001 – 20100 từ GPCC v6, TRMM 3B42v7, CCAM-CFSR (a, b, c) 47 Hình 16 Biến trình tổng lượng mưa tháng năm trung bình giai đoạn 2001 – 2010, trung bình miền – 360, -45 – 45 lục địa (a), đại dương (b), trung bình miền 60 – 150, -10 – 40 lục địa (c), đại dương (d), so sánh số liệu TRMM, GPCC, CCAM-CFSR 48 Hình 17 Sai số trung bình giai đoạn 2001 – 2010 số R10mm, R20mm, CDD, CWD (a, b, c, d) so sánh kết từ CCAM-CFSR TRMM 49 Hình 18 Sai số trung bình giai đoạn 2001 – 2010 số Rx1day, Rx5day, SDII (a, b, c) so sánh kết từ CCAM-CFSR TRMM 50 Hình 19 Biểu đồ biến động theo thời gian sai số (a) sai số tương đối (b) trung bình khu vực 50 – 150, -10 – 40 giai đoạn 01/2001 – 12/2010 51 Hình 20 Phân bố giá trị PC theo vùng cho tháng giai đoạn 2001-2010 52 Hình 21 Phân bố giá trị ROC-1, ROC-2, ROC-3 (từ xuống) theo vùng cho tháng giai đoạn 2001-2010 54 Hình 22 So sánh trường ẩm hồn lưu mùa Đông (trái) Hè (phải) mực 1000mb CCAM-CFS CCAM-IRI với hạn dự báo 1, 3, tháng (từ xuống) 55 Hình 23 Tương tự hình 22 cho mực 850 mb 56 Hình 24 So sánh trường tổng lượng mưa tháng trung bình mùa Đông (trái) hè (phải) CCAM-CFS (trái) CCAM-IRI (phải) với hạn dự báo 1, 3, tháng (từ xuống) 57 Hình 25 So sánh phân bố tổng lượng mưa tháng (2 cột bên trái) phân bố sai số tương đối (2 cột bên phải) trung bình mùa Đơng 2012 – 2013 (2 cột bên trái), CCAM-CFS CCAM-IRI với hạn dự báo 1, 3, (từ xuống) 59 Hình 26 Tương tự hình 25 cho mùa hè 60 Hình 27Biểu đồ so sánh sai số tương đối tuyệt đối CCAM-CFS CCAM-IRI với số liệu quan trắc trạm 61 Hình 28 Phân bố sai số tương đối trung bình (RME) (trên) sai số tuyệt đối trung bình (RMAE) (dưới) tháng với hạn dự báo khác (trường hợp CCAM-CFS) 65 Hình 29 Phân bố sai số tương đối RE giá trị Trung bình (Average), Trung vị (Median), phân vị (Q75), phân vị (Q25) với giá trị trung bình (Average) tổng lượng mưa trạm vùng với hạn dự báo 1, 3, (từ xuống) 66 Hình 30 Tương tự hình 27 cho sai số tương đối Rx1day 67 Hình 31 Tương tự hình 27 cho sai số tương đối Rx5day 68 Hình 32 Tương tự hình 27 cho sai số tương đối SDII 69 Hình 33 Tương tự hình 27 cho sai số R10mm 69 Hình 34 Tương tự hình 27 cho sai số R20mm 70 Hình 35 Tương tự hình 27 cho sai số CDD 71 Hình 36 Tương tự hình 27 cho sai số CWD 71 Hình 37 So sánh dự báo tổng lượng mưa tháng 7, 8, 9, 10, 11 mô CCAM-CFS 0.08 độ hai thời điểm bắt đầu dự báo khác số liệu VnGP 0.1 độ 72 DANH MỤC BẢNG Bảng Một số tham khảo lựa chọn cấu hình miền tính 30 Bảng Một số tham khảo lựa chọn bước thời gian tích phân 31 Bảng Một số số khí hậu cực đoan mưa 37 Bảng 4Phân bố giá trị RAE dự báo cho tháng trạm vùng khí hậu; Kết từ mơ hình CCAM-CFS 62 Bảng Phân bố giá trị RAE dự báo cho tháng trạm vùng khí hậu; Kết từ mơ hình CCAM-IRI 62 Bảng Phân bố giá trị RE dự báo cho tháng trạm vùng khí hậu;Kết từ mơ hình CCAM-CFS 64 Bảng Phân bố giá trị RE dự báo cho tháng trạm vùng khí hậu;Kết từ mơ hình CCAM-IRI 64 DANH MỤC KÝ HIỆU VIẾT TẮT CSIRO AGCM AOGCM CCAM CCAM-CFS The Commonwealth Scientific and Industrial Research Organisation Tổ chức nghiên cứu khoa học công nghiệp Liên bang Australia General Circulation Models of the Atmosphere Mơ hình hồn lưu chung khí Atmosphere-Ocean General Circulation Model Mơ hình hồn lưu chung khí - đại dương Conformal Cubic Atmospheric Model Mơ hình khí bảo giác lập phương Mơ hình CCAM với số liệu đầu vào từ CFSv2 CCAM-CFSR Mơ hình CCAM với số liệu đầu vào từ CFSR CCAM-IRI Mơ hình CCAM với số liệu đầu vào từ IRI CFS Climate Forecast System Hệ thống mơ hình dự báo dự báo khí hậu toàn cầu European Centre for Medium Range Weather Forecasts Trung tâm dự báo thời tiết hạn vừa Châu Âu El Niño Southern Oscillation Dao động nam El Niño El Nino/Southern Oscillation ECMWF ENSO ENSO GFS GHG IPCC IRI ITCZ NCEP RCM SST SSTA Global Forecast System Hệ thống dự báo tồn cầu Green house gases Các khí nhà kính Intergovernmental Panel on Climate Change Ban Liên phủ Biến đổi khí hậu The International Research Institute for Climate and Society Viện nghiên cứu quốc tế khí hậu xã hội The Inter Tropical Convergence Zone Dải hội tụ nhiệt đới National Centers for Environmental Prediction Trung tâm dự báo môi trường quốc gia, Mỹ Regional Climate Model Mơ hình khí hậu khu vực Sea Surface Temperature Nhiệt độ bề mặt biển Sea Surface Temperature Anormally Dị thường nhiệt độ bề mặt biển MỞ ĐẦU Trong năm gần đây, với phát triển khoa học công nghệ, đặc biệt ngành kỹ thuật máy tính tính tốn hiệu cao, phương pháp dự báo thời tiết khí hậu sử dụng mơ hình động lực có bước phát triển mạnh mẽ ngày ứng dụng rộng rãi, chất lượng mơ ngày hồn thiện Chính điều tạo điều kiện thuận lợi cho nhiều hướng nghiên cứu thử nghiệm ứng dụng phát triển, bao gồm cải thiện chất lượng cho mơ hình có xây dựng mơ hình với hướng tiếp cận khác Một số mơ hình nghiên cứu bật kể đến như: WRF, RegCM, REMO, PRECIS, RAM, Mơ hình khí lập phương bảo giác (CCAM) nghiên cứu xây dựng phát triển trung tâm CSIRO với khả mơ tồn cầu dạng lưới lập phương đều, khả chi tiết hoá với phân giải cao cho khu vực định lưới lập phương co giãn, thử nghiệm số nghiên cứu nước quốc tế Kết bước đầu nhận cho thấy tiềm mơ hình ứng dụng vào tốn khí tượng với quy mô không gian thời gian khác Ở phương diện khác, toán dự báo với quy mô thời gian hạn mùa dần thể vai trò, bắt đầu ứng dụng rộng rãi Nhiều nghiên cứu giới cho thấy hiệu lợi ích thơng tin dự báo mùa đem lại Việc đưa thông tin xu hướng nhiệt độ, lượng mưa, số yếu tố thời tiết khác cho một vài tháng nguồn tham khảo hữu ích cho quyền người dân việc xây dựng kế hoạch chiến lược cho mùa Đặc biệt, dự báo hạn mùa lượng mưa có ý nghĩa quan trọng khơng xây dựng kế hoạch canh tác, lựa chọn giống phù hợp với thời tiết mùa ngành nơng lâm nghiệp, mà có ý nghĩa chiến lược đến việc quản lý tài nguyên nước, vận hành điều tiết hệ thống hồ chứa thuỷ điện, thuỷ lợi, số ngành khác lượng sạch, nghư nghiệp, Hiểu ý nghĩa tầm quan trọng dự báo mùa, luận văn này, học viên thực số thử nghiệm ứng dụng sử dụng mơ hình động lực nhằm mô trường mưa khu vực Việt Nam với độ phân giải khác Bố cục luận văn cấu trúc thành chương không kể phần mở đầu, danh mục tài liệu tham khảo sau: - Chương 1: Tổng quan - Chương 2: Phương pháp nghiên cứu Chương 3: Kết nhận xét Chƣơng Tổng quan Nội dung chương giới thiệu khái quát dự báo khí hậu hạn mùa bao gồm số khái niệm bản, chế hoạt động, số hướng tiếp cận ý nghĩa thực tiễn toán dự báo mùa Ngồi ra, số thơng tin khu vực nghiên cứu Việt Nam số nghiên cứu dự báo mùa thực khu vực đưa nhằm có nhìn tổng quan mục tiêu luận văn 1.1 Giới thiệu chung ý nghĩa thực tiễn dự báo khí hậu hạn mùa Dự báo khí hậu hạn mùa (hay dự báo mùa) dự báo thực nhằm đưa thông tin biến thiên hệ thống khí hậu với quy mô thời gian dự báo (hay hạn dự báo) nằm khoảng từ vài tháng năm (Luo cs., 2011) [9] Mặt khác, dự báo có hạn dự báo từ vài ngày khoảng hai tuần thường coi dự báo thời tiết; dự báo cận mùa dự báo thực để đưa thông tin với quy mô thời gian nằm dự báo thời tiết dự báo mùa Đối với dự báo có hạn dự báo từ vài năm trở lên dự báo thực với mục đích ước lượng khả phát triển khí hậu cho tương lai vài thập kỷ dựa kịch có sẵn, dự báo coi dự báo khí hậu hạn dài, dự tính khí hậu Mặc dù vậy, ranh giới loại dự báo khơng rõ ràng khơng mang tính bắt buộc Theo Shukla Kinter (2006) [10], nhìn chung, dự báo có quy mơ thời gian từ vài tháng trở lên thường thực dựa tính biến động chậm dự tính số yếu tố độ ẩm đất, độ phủ băng, quan hệ băng biển, đặc biệt biến thiên nhiệt độ bề mặt biển (SST) Đối với dự báo mùa, trữ lượng nhiệt – ẩm đại dương lục địa, với trình hình thành – tan rã tuyết băng biển yếu tố quan trọng ảnh hưởng đến khả dự báo chất lượng dự báo Ngoài ra, theo nghiên cứu Oldenborgh cs., (2005) [11], Weisheimer cs., (2009) [8] Wu cs., (2009) [12], rằng, dao động Nam Elnino (ENSO) q trình có ảnh hưởng đáng kể đến chất lượng dự báo quy mô thời gian hạn mùa Cụ thể, dị thường nhiệt độ mặt biển (SSTA) vùng nhiệt đới Thái Bình Dương tăng lên theo chiều dương (hay mặt biển ấm hơn), làm cho thông lượng nhiệt đại dương khí tăng lên Q trình diễn đủ mạnh dẫn đến thay đổi lớp biên khí từ gây thay đổi giáng thuỷ trình giải phóng ẩn nhiệt Av e M rag ed e ia Qn Av Q25 e M rag5 ed e ia Qn Av Q25 e M rag5 ed e ia Qn Av Q25 e M rag5 ed e ia Qn Av Q25 e M rag5 ed e ia Qn Av Q25 e M rag5 ed e ia Qn Av Q25 e M rag5 ed e ia Qn Q5 75 Month Av e M rag ed e ia Qn Av Q25 e M rag5 ed e ia Qn Av Q25 e M rag5 ed e ia Qn Av Q25 e M rag5 ed e ia Qn Av Q25 e M rag5 ed e ia Qn Av Q25 e M rag5 ed e ia Qn Av Q25 e M rag5 ed e ia Qn Q5 75 Month Av e M rag ed e ia Qn Av Q25 e M rag5 ed e ia Qn Av Q25 e M rag5 ed e ia Qn Av Q25 e M rag5 ed e ia Qn Av Q25 e M rag5 ed e ia Qn Av Q25 e M rag5 ed e ia Qn Av Q25 e M rag5 ed e ia Qn Q5 75 Month Lead − 12 11 10 150 100 50 −50 −100 −150 Lead − 12 11 10 150 100 50 −50 −100 −150 Lead − 12 11 10 150 100 50 −50 −100 −150 Hình 29Phân bố sai số tương đối RE giá trị Trung bình (Average), Trung vị (Median), phân vị (Q75), phân vị (Q25) với giá trị trung bình (Average) tổng lượng mưa trạm vùng với hạn dự báo 1, 3, (từ xuống) 66 Trong dự báo hạn mùa, với hạn dự báo lên tới – tháng hơn, việc đòi hỏi xác cao cho trạm khó Thay vào đó, việc đưa dự báo chung cho vùng lại có tính khả thi cao Tuy việc lựa chọn giá trị đại diện cho vùng không dễ dàng thực Do vậy, phần đưa thử nghiệm dự báo chung cho vùng sau: với số liệu quan trắc cho vùng tính cách tính trung bình giá trị mưa tất trạm vùng; giá trị dự báo từ mơ hình thử nghiệm chọn theo trung bình, trung vị, phân vị trên, phân vi tập số liệu dự báo cho trạm vùng Sai số tương đối RE giá trị với giá trị quan trắc đưa hình 29 cho thấy, cách chọn khác nhau, sai số RE đầu khơng có nhiều khác biệt cách chọn Tuy vậy, nhiều trường hợp cách chọn theo Q25 đem lại sai số nhỏ Mặt khác, khác biệt hạn dự báo khác không đáng kể Tiếp theo, giá trị RAE Rx1day, Rx5day, SDII, RE R10mm, R20mm, CDD CWD được biểu diễn hình từ 30 đến 36 nhằm khảo sát khả nắm bắt tượng cực đoan CCAM-CFS CCAMIRI RAE Rx1day 250 (%) 200 150 100 50 JAN FEB MAR C_CFS; Lt−1 APR C_CFS; Lt−3 MAY JUN JUL Tháng C_CFS; Lt−6 || AUG C_IRI; Lt−1 SEP OCT C_IRI; Lt−3 NOV C_IRI; Lt−6 Hình 30Tương tự hình 27 cho sai số tương đối Rx1day 67 DEC RAE Rx5day 250 (%) 200 150 100 50 JAN FEB MAR C_CFS; Lt−1 APR C_CFS; Lt−3 MAY JUN JUL Tháng C_CFS; Lt−6 || AUG C_IRI; Lt−1 SEP OCT C_IRI; Lt−3 NOV DEC C_IRI; Lt−6 Hình 31Tương tự hình 27 cho sai số tương đối Rx5day Hai biểu đồ biểu diễn cho Rx1day Rx5day cho xu tương đồng Sai số CCAM-IRI vào tháng lớn, tháng lại khơng có chênh lệch nhiều so với CCAM-CFS Mặt khác, biểu đồ hộp Rx5day có khoảng dao động lớn so với Rx1day, điều hợp lý giá trị Rx5day tính tổng ngày thay ngày Rx1day Về biến trình năm, dao động RAE Rx1day Rx5day lớn vào tháng mùa đông nhỏ từ đến 10 Mặt khác, hình minh hoạ Rx1day, tháng 5, 6, 7, xuất nhiều giá trị ngoại lai nằm Q25, điều đồng nghĩa tháng có nhiều trạm cho kết Rx1day sát với quan trắc Các biểu diễn RAE giá trị cường độ mưa đơn giản (SDII) (hình 32) cho tín hiệu tương tự với Rx1day Rx5day Tuy vậy, độ lớn khoảng dao động Q25 Q75 RAE tháng 10, 11, 12, 1, SDII thể nhỏ so với RAE hai số trước 68 RAE SDII 250 (%) 200 150 100 50 JAN FEB MAR C_CFS; Lt−1 APR C_CFS; Lt−3 MAY JUN JUL Tháng C_CFS; Lt−6 || AUG C_IRI; Lt−1 SEP OCT C_IRI; Lt−3 NOV DEC C_IRI; Lt−6 Hình 32Tương tự hình 27 cho sai số tương đối SDII Các hình 33, 34 khảo sát chênh lệch tuyệt đối số ngày có lượng mưa 10mm (R10mm) 20mm (R20mm) Nhìn chung, thể R10mm R20mm tương đồng Có điểm khác biệt rõ ràng với biểu diễn trước Rx1day, Rx5day SDII, giá trị dự báo R10mm R20mm lại tỏ tốt vào tháng mùa Đông, bao gồm tháng 11, 12, 1, 2, với sai số hai số chênh lệch phổ biến khoảng đến ngày Trong tháng 5, 6, 8, tháng cho kết tốt số trước lại có kết sai số cao với Q75 lên tới khoảng ngày Delta R10mm 30 (ngày) 25 20 15 10 JAN FEB MAR C_CFS; Lt−1 APR C_CFS; Lt−3 MAY JUN JUL Tháng C_CFS; Lt−6 || AUG C_IRI; Lt−1 SEP C_IRI; Lt−3 Hình 33Tương tự hình 27 cho sai số R10mm 69 OCT NOV DEC C_IRI; Lt−6 Delta R20mm 30 (ngày) 25 20 15 10 JAN FEB MAR C_CFS; Lt−1 APR C_CFS; Lt−3 MAY JUN JUL Tháng C_CFS; Lt−6 || AUG C_IRI; Lt−1 SEP OCT C_IRI; Lt−3 NOV DEC C_IRI; Lt−6 Hình 34Tương tự hình 27 cho sai số R20mm Các khảo sát hai số: số ngày liên tiếp có lượng mưa nhỏ 1mm (CDD) lớn 1mm (CWD) thể hình 35 36 Có thể nhận thấy biến trình năm phân bố chênh lệch tuyết đối hai số có khác biệt rõ ràng Trong biểu diễn CDD có nhiều nét tương đồng với biểu diễn Rx1day, Rx5day, SDII trước đó, biểu diễn CWD lại có nhiều nét tương đồng với R10mm R20mm Tuy nhiên, điều lý giải vào tháng mùa hè, thường có tổng lượng mưa lớn, đồng nghĩa số ngày có lương mưa nhỏ 1mm không nhiều, sai số dự báo CDD ko đáng kể Ngược lại, vào tháng mùa đông thường có tổng lượng mưa tháng khác thấp, dẫn đến việc số ngày có lượng mưa > 1mm khơng nhiều, từ sai số CWD mơ hình quan trắc không cao 70 Delta CDD 30 (ngày) 25 20 15 10 JAN FEB MAR C_CFS; Lt−1 APR C_CFS; Lt−3 MAY JUN JUL Tháng C_CFS; Lt−6 || AUG C_IRI; Lt−1 SEP OCT C_IRI; Lt−3 NOV DEC C_IRI; Lt−6 Hình 35Tương tự hình 27 cho sai số CDD Delta CWD 30 (ngày) 25 20 15 10 JAN FEB MAR C_CFS; Lt−1 APR C_CFS; Lt−3 MAY JUN JUL Tháng C_CFS; Lt−6 || AUG C_IRI; Lt−1 SEP OCT C_IRI; Lt−3 NOV DEC C_IRI; Lt−6 Hình 36Tương tự hình 27 cho sai số CWD Như qua phân tích thấy, với số có ưu nhược điểm riêng phụ thuộc vào thời điểm năm vùng Mặc dù với tập mẫu khảo sát hai năm chưa thể đưa kết luận xác khả CCAM mô trường mưa được, nhiên, kết ban đầu cho thấy số tín hiệu tích cực mơ hình áp dụng vào dự báo mưa Việt Nam Trong phần tiếp theo, kết khác thử nghiệm nhỏ dụng mơ hình CCAM với phân giải cao (0.08 độ) cho khu vực Việt Nam Tuy nhiên vài hạn chế, kết đưa nhằm mục đích tham khảo 71 3.4 Đánh giá kết chi tiết hoá phân giải 0.08 độ Trong phần này, mục đích ban đầu học viên sử dụng kết mô CCAM 0.25 độ phần trước điều kiện biên điều kiện ban đầu để thực chi tiết hoá cho số khu vực Việt Nam với độ phân giải 0.08 độ Tuy nhiên, trình thực thử nghiệm, mơ hình chạy tốn nhiều thời gian tài nguyên máy tính cho trường hợp Do vậy, học viên thực hai trường hợp mơ hình CCAM-CFS với thời điểm bắt đầu dự báo nằm tháng 05/2012 06/2012 Các kết mô mưa cho tháng 7, 8, 9, 10, 11 đưa hình 32 để so sánh với số liệu VnGP phân giải 0.1 độ Nhìn chung, mơ trường hợp tương đồng dù số khác biệt tập trung chủ yếu duyên hải miền Trung Nam Các kết mô cho tháng 7, 8, 9, 10 có phân bố mưa giống VnGP mô tháng lại có xu hướng khơ miền Bắc Việt Nam Hình 37So sánh dự báo tổng lượng mưa tháng 7, 8, 9, 10, 11 mô CCAMCFS 0.08 độ hai thời điểm bắt đầu dự báo khác số liệu VnGP 0.1 độ 72 KẾT LUẬN VÀ KIẾN NGHỊ Bằng việc tìm hiểu chế hiểu ý nghĩa thực tiễn quan dự báo với quy mô thời gian hạn mùa nói chung dự báo mưa hạn mùa khu vực Việt Nam nói riêng, luận văn thực nhằm thử nghiệm đánh giá khả mô mưa hạn mùa mô hình CCAM Đây mơ hình tồn cầu sử dụng hệ lưới lập phương với khả co giãn để chi tiết hoá cho vực xác định Mặc dù, khơng phải mơ hình mới, thử nghiệm sử dụng CCAM cho khu vực Việt Nam hạn chế, đó, mơ hình CSIRO liên tục phát triển cập nhật Trong luận văn này, học viên tiến hành cài đặt, hệ thống lại mơ hình CCAM, ứng dụng mơ hình vào số thí nghiệm Một số kết bật luận văn sau: - Trong thí nghiệm 1: Các thử nghiệm mơ khí hậu CCAM với điều kiện biên điều kiện ban đầu từ nguồn số liệu tái phân tích CFS giai đoạn 2001 – 2010 cho kết trường ẩm hồn lưu tương đồng với số liệu tái phân tích CFS Trường lượng mưa giai đoạn CCAM mô tả lại giống với số liệu GPCC v6 TRMM 3B42v7 Các số khí hậu cực đoạn số Pha (PC, POD, FAR, ROC) cho thấy tín hiệu khả quan khả mô CCAM cho biến mưa - Trong thí nghiệm 3: Các dự báo mùa cho giai đoạn 01/2012 – 12/2013 với hai nguồn số liệu đầu vào khác từ CFSv2 (1 độ) IRI (2.5 độ) cho kết mô với nhiều nét tương đồng trường độ ẩm, hồn lưu trương mưa Khi phân tích trường mưa độ phân giải 0.25 độ, chất lượng kết từ CCAM-CFS có phần nhỉnh so với CCAM-IRI, đặc biệt tháng 11, 12, 1, Mặt khác, mô CCAM thường ẩm so với quan trắc vào mùa tháng mùa Đông, thường khô vào tháng mùa Hè Khi đánh giá số, hầu hết số sai số thường tương đối cao vào tháng mùa Đơng, khu vực N1 N3 hai khu vực có sai số RAE lớn vào thời gian (đặc biệt N3) Tương tự vậy, số khí hậu cực đoan Rx1day, Rx5day, SDII, CDD thường dự báo tốt vào tháng 5, 6, 7, 8, 9, 10, số R10mm, R20mm, CWD lại tốt vào tháng lại 73 - Trong thí nghiệm 4: Khi tiến hành sử dụng CCAM để chi tiết hoá độ phân giải cao (0.08 độ) cho khu vực Việt Nam, số lượng thử nghiệm độ phân giải vài hạn chế, song kết nhận ban đầu cho thấy số tín hiệu tích cực, cho thấy tiềm mơ hình CCAM áp dụng vào dự báo mưa hạn mùa độ phân giải cao Tuy vậy, để ứng dụng điều vào nghiệm vụ cần đòi hỏi tảng cao nguồn lực máy tính lưu trữ - So sánh với số nghiên cứu dự báo mùa tƣơng tự đƣợc thực trƣớc đây, luận văn đạt mục đích xây dựng hệ thống dự báo mưa hạn mùa đồng từ mơ tồn cầu chi tiết hố phân giải cao hồn toàn CCAM sử dụng SST làm ĐKB, điều đồng nghĩa với việc tiết kiệm lượng lớn tài nguyên máy tính, thời gian thu thập liệu Mặt khác, so sánh với số liệu quan trắc so với hai nghiên cứu trên, sai số CCAM phân giải 0.25 độ chấp nhận được, khu vực nghiên cứu (Việt Nam), khu vực có địa hình tương đối phức tạp, có phân hố mạnh mưa theo không gian thời gian Mặc dù vậy, để có nhìn xác hệ thống dự báo này, cần thiết phải xây dựng thực thử nghiệm tương tự nghiên cứu tương lai Từ kết luận đây, học viên xin đƣa vài kiến nghị nhƣ sau: - Mặc dù thử nghiệm ban đầu ứng dụng mơ hình CCAM vào dự báo mưa hạn mùa đem lại số tín hiệu tích cực, nhiên với khoảng thời gian nghiên cứu hai năm (từ 01/2012 – 12/2013), luận văn chưa thể đưa kết luận xác khả mơ mơ hình CCAM ứng dụng cho tốn Do vậy, để đưa CCAM thực tế nghiệp vụ, cần thiết phải thực nhiều thử nghiệm với khoảng thời gian dài hơn, phân tích kết nhiều góc độ khác nhau, chí thực mô phân giải cao cho khu vực cụ thể - Trong luận văn này, học viên sử dụng phiên mơ hình CCAM với lựa chọn mặc định, nhiên mơ hình nhiều lựa chọn cấu hình khác như: lựa chọn thuỷ tĩnh phi thuỷ tĩnh, lựa chọn khoảng thời gian cập nhật SST (bao gồm SST tháng SST giờ), lựa chọn sử dụng SST thêm biến khác khí làm đầu vào, hay chí lựa chọn chạy mơ hình CCAM kết hợp với hình đại dương Điều cho thấy tiềm lớn, đòi hỏi nhiều thử nghiệm nguồn lực tính tốn mạnh mẽ q trình nghiên cứu mơ hình 74 - Ngồi ra, sau tham khảo kết mô từ số đề tài dự án Việt Nam ( [31],[1]) từ kết số luận văn cao học với chủ đề tương tự ( [32], [33], [34]), hai nhận định học viên đưa sau: 1Mặc dù có ưu-nhược điểm định, song nhận thấy khả mơ mưa CCAM hồn tồn so sánh với số mơ hình phổ biến RegCM, WRF; 2-Điểm đặc biệt CCAM là mơ hình tồn cầu sử dụng lưới co dãn để chi tiết hoa phân giải cao khu vực xác định Điều dẫn đến ý tưởng việc vận hành kết hợp CCAM nhiều mơ hình khu vực khác Trên thực tế, để vận hành mơ hình khí hậu khu vực cần đòi hỏi lượng lớn dung lượng liệu điều kiện biên điều kiện ban đầu Việc download liệu từ nguồn số liệu quốc tế đơi gặp nhiều trở ngại, đó, CCAM hồn tồn thể giải vấn đề này, với dung lượng nhiều số liệu đầu vào, CCAM cung cấp số liệu toàn cầu để làm ĐKB ĐKBĐ cho mơ hình vực với chất lượng gần tương đương với số nguồn số liệu (như CFS) 75 Tài liệu tham khảo Tài liệu Tiếng Việt Phan Văn Tân cs., "Nghiên cứu xây dựng hệ thống mơ hình dự báo hạn mùa số tượng khí hậu cực đoan phục vụ phòng tránh thiên tai Việt Nam," Báo cáo Tổng kết Đề tài cấp Nhà nước, mã số ĐT.NCCB-ĐHUD.2011-G/09, Bộ Khoa học Công nghệ, Hà Nội, 2014 Phạm Đức Thi, "Xây dựng số phương pháp dự báo hạn vừa, hạn dài nhiệt độ mùa đông mùa hè khu vực phía bắc Việt Nam," Tổng cục KTTV Đề tài chương trình 42, 1987 Phan Văn Tân cs., "Nghiên cứu tác động biến đổi khí hậu tồn cầu đến yếu tố tượng khí hậu cực đoan Việt Nam, khả dự báo giải pháp chiến lược ứng phó," Đề tài cấp nhà nước, mã số KC08.29/06-10, 2010 Nguyễn Quang Trung, "Nghiên cứu khả ứng dụng mơ hình khí hậu khu vực dự báo hạn mùa Việt Nam," Luận văn thạc sĩ, mã số 62.44.87, 2012 Trịnh Tuấn Long, "Thử nghiệm dự báo hạn mùa số số khí hậu cực đoan mơ hình RegCM cho khu vực Việt Nam," Luận văn thạc sĩ, mã số 62.44.87, 2012 Nguyễn Thị Hạnh, "Thử nghiệm dự báo hạn mùa số yếu tố tượng cực đoan Việt Nam mơ hình clWRF," Luận văn thạc sĩ, mã số 62.44.87, 2013 "http://www.imh.ac.vn/," [Online] Tài liệu Tiếng Anh A Weisheimer, F J Doblas-Reyes, T N Palmer, A Alessan-dri, A Arribas, M Deque, N Keenlyside, M MacVean, A Navarra and P Rogel, "ENSEMBLES - a new multi- model ensemble for seasonal-to-annual predictions: skill and progress beyond DEMETER in forecasting tropical Pacific SSTs," Geophys Res Lett, vol 36, 2009 J J Luo, S K Behera, Y Masumoto and Y T, "Impact of global ocean surface warming on seasonal- to-interannual climate prediction," J Clim, vol 24, p 1626–1646, 2011 10 J Shukla and J L Kinter, "Predictability of seasonal climate variations a pedagogical Predictability of Weather and Climate," Cambridge, UK: Cambridge University Press, 2006 11 G J Van Oldenborgh, M A Balmaseda, L Ferranti, T N Stockdale and D Anderson, "Did the ECMWF seasonal forecast model outperform statistical ENSO forecast models over the last 15 years?," J Clim, vol 18, p 3240 – 3249, 2005 76 12 R Wu, B Kirtman and H van den Dool, "An analysis of ENSO prediction skill in the CFS ret- rospective forecasts," J Clim, vol 22, 2009 13 M V K Sivakumar, R Gommes and W Baier, "Agrometeorology and sustainable agriculture," Agric Forest Meteorol, vol 103, 2000 14 S R Gamiz-Fortis, D Pozo-Vazquez, R Trigo and D Y Castro, "Quantifying the predictability of winter river flow in Iberia Part II: seasonal predictability," J Clim, vol 21, p 2503–2518, 2008 15 M García-Morales and L Dubus, "Forecasting precipitation for hydroelectric power management: how to exploit GCM’s seasonal ensemble forecasts," Int J Climatol, vol 27, p 1691–1705, 2007 16 J D.-R Francisco, G.-S Javier, L Fabian, P B Aida and R L R Luis, "Seasonal climate predictability and forecasting: status and prospects," WIREs Clim Change, vol 4, p 245–268, 2013 17 "New Attachment II-9 to the Manual on the GDPS (WMO-No 485),Volume I, (2002), “Standardised Verification System (SVS) for Long-Range Forecasts(LRF) Version 3.0”," 2002 18 T N Palmer, A Alessandri, U Andersen, P Cantelaube, M Davey, P DeLeCluse, M DeQue, E DiEz, F J Doblas-Reyes, H Feddersen, R Graham, S Gualdi, J F GueReMy, R Hagedorn, M Hoshen, N Keenlyside, M Latif, A Lazar, E Maisonnave, V Marletto, A P Morse, B Orfila, P Rogel, J M Terres and M C Thomson, "Development of a European multimodel ensemble system for seasonal-to- interannual prediction (DEMETER)," Bull Am Meteorol Soc., vol 85, p 853–872, 2004 19 K Pegion and B Kirtman, "The impact of air-sea inter- actions on the simulation of tropical intraseasonal variability," Journal of Climate, no 21, p 6616 – 6635, 2008 20 C Brankovic, T N Palmer and L Ferranti, "Predictability of Seasonal Atmospheric Variations," Journal of Climate, vol 7, p 217 – 237, 1994 21 J Shukla, "Predictability in the midst of chaos: A scientific basis for climate forecasting," Science, no 282, p 728 – 731, 1998 22 M Alexander, I Blade, M Newman, J Lanzante, N Lau and J Scott, "The atmospheric bridge: the influence of ENSO teleconnections on air- sea interaction over the global oceans," JClim, p 15:2205 – 2231, 2002 23 L Goddard, S J Mason, S E Zebiak, C F Ropelewski, R Basher and M A Cane, "Current approaches to seasonal to interannual climate predictions," Int J Climatol, vol 21, p 1111–1152, 2001 24 S Ineson and A Scaife, "The role of the stratosphere in the European climate response to El Nin ̃ o," Nat Geosci, vol 2, p 32–36, 2009 77 25 M M Holland, M C Serreze and J Stroeve, "The sea ice mass budget of the Arctic and its future change as simulated by coupled climate models," Clim Dyn, vol 34, p 185–200, 2010 26 M Balmaseda, L Ferranti, F Molteni and T Palmer, "Impact of 2007 and 2008 Arctic ice anomalies on the atmospheric circulation: implications for long-range predictions," Q J Meteorol Soc, p 136:1655 – 1664, 2010 27 J A Francis, W Chan, D J Leathers, J R Miller and D E Veron, "Winter Northern Hemisphere weather patterns remember summer Arctic sea-ice extent," Geophys Res Lett, vol 36, no L07503, 2009 28 B Quesada, R Vautard, P Yiou, M Hirschi and S Seneviratne, "Asymmetric European summer heat predictability from wet and dry southern winters and springs," Nature Clim Change, vol 2, p 736 – 741, 2012 29 B Muller and S I Seneviratne, "Hot days induced by precipitation deficits at the global scale," PNAS, 2012 30 G Gong, D Entekhabi and J Cohen, "A large-ensemble model study of the wintertime AO-NAO and the role of interannual snow perturbations," J Clim, vol 16, p 3917 – 3931, 2002 31 Y Peings, D Saint-Martin and H Douville, "A numerical sensitivity study of the influence of Siberian snow on the northern annular mode," J Clim, vol 25, p 592 – 607, 2012 32 A Murphy and R Winkler, "Probability forecasting in meteorology," J Am Stat Assoc, vol 79, p 489–500, 1984 33 M K Tippett, A G Barnston and S Li, "Performance of recent multimodel ENSO forecasts," J Appl Meteorol Climatol , vol 51, p 637 – 654, 2012 34 M A Cane, S E Zebiak and S C Dolan, "Experimental forecasts of El Nin ̃o ," Nature, no 321, p 827–832, 1986 35 [Online] Available: https://www.ncdc.noaa.gov/data-access/model-data/modeldatasets/climate-forecast-system-version2-cfsv2 36 J McGregor, "A new convection scheme using a simple closure," CSIRO Atmospheric Research, 2003 37 J McGregor and M R Dix, "An update description of the Conformal Cubic Atmospheric Model," Atmospheric Research, 2008 38 [Online] Available: www.csiro.au 39 U Schneider, B Andreas, Peter, Finger, M.-C Anja, Z Markus and R Bruno, "GPCC's new land surface precipitation climatology based on quality-controlled in situ data and its role in quantifying the global water cycle," Theor Appl Climatol, vol 115, p 15–40, 2014 40 J H George and T B David, "Real-Time TRMM Multi-Satellite Precipitation Analysis Data Set Documentation" 78 41 H F Sergio, R V Brahmananda, C V Ana, Clovis, M E Santo and C C Jorge, "Validation of TRMM precipitation radar monthly rainfall estimates over Brazil," Journal of geophysical research , 2009 42 J S Armstrong and F Collopy, "Error Measures for Generalizing About Forecasting Methods: Empirical Comparisons," International Journal of Forecasting, vol 8, no 1, pp 69-80, 1992 43 L Yang, Y Yang, P Liu and L Wang, "Radar-Derived Quantitative Precipitation Estimation Based on Precipitation Classification," Advances in Meteorology, vol 2016, no 2457489, 2016 44 J Chen, P B Francois and L P Philippe, "Assessing the limits of bias correcting climate model outputs for climate change impact studies," Journal of Geophyisical Research: Atmospheres, vol 120, p 1123–1136, 2015 45 Karl, T.R., N Nicholls and A Ghazi, "CLIVAR/GCOS/WMO workshop on indices and indicators for climate extremes: Workshop summary," Climatic Change, vol 42, pp 3-7, 1999 46 Peterson, T.C and Coauthors, "Report on the Activities of the Working Group on Climate Change Detection and Related Rapporteurs 1998-2001," WMO, Rep WCDMP-47, WMO-TD 1071, Geneve, Switzerland,, p 143pp, 2001 47 D L Isabel, C M Fátima Espírito Santo, M R Alexandre and M T Ricardo, "Trends and correlations in annual extreme precipitation indices for mainland Portugal, 1941–2007," Theor Appl Climatol, vol 119, p 55–75, 2014 48 M Q Villafuerte II and J Matsumoto, "Significant Influences of Global Mean Temperature and ENSO on Extreme Rainfall in Southeast Asia," Journal of Climate, vol 28, pp 1905-1919, 2015 49 T Ngo-Duc, F T Tangang, J Santisirisomboon, F Cruz, L Trinh-Tuan, T Nguyen-Xuan, T Phan-Van, L Juneng, G Narisma, P Singhruck, D Gunawan and E Aldrian, "Performance evaluation of Reg CM in simulating Extreme Rainfall and Temperature Indices over the CORDEX-Southeast Asia Region," International Journal of Climatology, no doi: 10.1002/joc.4803, 2016 50 J Sillmann, V V Kharin, X Zhang, F W Zwiers and D Bronaugh, "Climate extremes indices in the CMIP5 multimodel ensemble: Part Model evaluation in the present climate," Journal of Geophysical Research: Atmospheres, vol 118, no 4, pp 1716-1733, 2013 51 P Gibba and M B Sylla, "Characterization And State-Of-The-Art Modeling Of Extreme Precipitation Events Over Africa During The Historical Period," American Geophysical Union, Fall Meeting 2015, abstract #GC43B-1195, 2015 52 T J Ian and D B Stephenson, Forecast Verification: A Practitioner's Guide in Atmospheric Science, 2003 79 53 X Yuan, X Z Liang and F W Eric, "WRF ensemble downscaling seasonal forecasts of China winter precipitation during 1982–2008," Clim Dyn, vol 39, pp 2041-2058, 2012 54 S Jonatan, B Jan, L Patrick and K Harald, "Towards a Seasonal Precipitation Prediction System for West Africa: Performance of CFSv2 and High Resolution Dynamical Downscaling," American Geophysical Union, 2012 55 C Brankovic, T N Palmer and L Ferranti, "Predictability of Seasonal Atmospheric Variations," Journal of Climate, vol 7, p 217 – 237, 1994 80 ... thời gian dự báo (hay hạn dự báo) nằm khoảng từ vài tháng năm (Luo cs., 2011) [9] Mặt khác, dự báo có hạn dự báo từ vài ngày khoảng hai tuần thường coi dự báo thời tiết; dự báo cận mùa dự báo thực... dự báo hạn mùa số tượng khí hậu cực đoan phục vụ phòng tránh thiên tai Việt Nam [1], ứng dụng xây dựng hệ thống mơ hình có khả dự báo hạn mùa trường khí hậu với hạn dự báo 1, 3, tháng Việt Nam. .. với quy mô thời gian nằm dự báo thời tiết dự báo mùa Đối với dự báo có hạn dự báo từ vài năm trở lên dự báo thực với mục đích ước lượng khả phát triển khí hậu cho tương lai vài thập kỷ dựa kịch