Nghiên cứu dự tính số ngày nắng nóng cho việt nam trong bối cảnh biến đổi khí hậu luận văn ths biến đổi khí hậu

Trong khuôn khổ luận văn, tác giả dự tính số ngày nắng nóng dựa trên kết quả dự tính nhiệt độ của các mô hình độnglực đã được hiệu chỉnh sai số hệ thống theo phương pháp hiệu chỉnh phân

ĐẠI HỌC QUỐC GIA HÀ NỘI

KHOA CÁC KHOA HỌC LIÊN NGÀNH

NGUYỄN THỊ HOÀNG YẾN

NGHIÊN CỨU DỰ TÍNH SỐ NGÀY NẮNG NÓNG CHO VIỆT NAM

TRONG BỐI CẢNH BIẾN ĐỔI KHÍ HẬU

LUẬN VĂN THẠC SĨ BIẾN ĐỔI KHÍ HẬU

HÀ NỘI – 2018

ĐẠI HỌC QUỐC GIA HÀ NỘI

KHOA CÁC KHOA HỌC LIÊN NGÀNH

NGUYỄN THỊ HOÀNG YẾN

NGHIÊN CỨU DỰ TÍNH SỐ NGÀY NẮNG NÓNG CHO VIỆT NAM

TRONG BỐI CẢNH BIẾN ĐỔI KHÍ HẬU

LUẬN VĂN THẠC SĨ BIẾN ĐỔI KHÍ HẬU Chuyên ngành: BIẾN ĐỔI

KHÍ HẬU Mã số: Chương trình đào tạo thí điểm

Người hướng dẫn khoa học: TS Nguyễn Văn Hiệp

HÀ NỘI – 2018

LỜI CAM ĐOAN

Tôi xin cam đoan luận văn này là công trình nghiên cứu do cá nhân tôi thực hiệndưới sự hướng dẫn khoa học của TS Nguyễn Văn Hiệp, không sao chép các côngtrình nghiên cứu của người khác Số liệu và kết quả của luận văn chưa từng đượccông bố ở bất kì một công trình khoa học nào khác

Các thông tin thứ cấp sử dụng trong luận văn có nguồn gốc rõ ràng, được tríchdẫn đầy đủ, trung thực và đúng quy cách

Tôi hoàn toàn chịu trách nhiệm về tính xác thực và nguyên bản của luận văn

Tác giả luận văn

Nguyễn Thị Hoàng Yến

LỜI CẢM ƠN

Luận văn được hoàn thành tại Khoa Các khoa học liên ngành, Đại học Quốc gia

Hà Nội dưới sự hướng dẫn khoa học của TS Nguyễn Văn Hiệp, Viện Vật lý Địa cầu,Viện Hàn lâm Khoa học và Công nghệ Việt Nam Tôi xin bày tỏ lòng biết ơn chânthành tới TS Nguyễn Văn Hiệp đã hết lòng động viên, tận tình giúp đỡ và quan tâmtrong suốt quá trình thực hiện luận văn

Tôi xin gửi lời cảm ơn đến thầy cô giáo, cán bộ Khoa Các khoa học liên ngành,Đại học Quốc gia Hà Nội đã hết lòng giảng dạy, truyền đạt kiến thức và tạo điều kiệncho tôi hoàn thành chương trình đào tạo thạc sĩ về Biến đổi khí hậu

Tôi cũng xin cảm ơn các bạn bè, đồng nghiệp tại Trường Đại học Khoa học Tựnhiên, Đại học Quốc gia Hà Nội và Viện Vật lý địa cầu, Viện Hàn lâm Khoa học vàCông nghệ Việt Nam đã hỗ trợ nhiệt tình cho tôi trong quá trình thực hiện luận văn.Cuối cùng tôi xin gửi lời cảm ơn tới bạn bè, đồng nghiệp Ban Khoa học, Côngnghệ và Hợp tác quốc tế và gia đình tôi đã động viên tôi trong quá trình học tập vànghiên cứu

Tôi xin chân thành cảm ơn!

MỤC LỤC

LỜI CAM ĐOAN i

LỜI CẢM ƠN ii

MỤC LỤC iii

DANH MỤC CHỮ VIẾT TẮT iv

DANH MỤC BẢNG vi

DANH MỤC H NH vii

MỞ ĐẦU 1

CHƯƠNG 1 TỔNG QUAN VẤN ĐỀ NGHIÊN CỨU 5

1.1 Nghiên cứu về nắng nóng trên thế giới và Việt Nam 5

1.1.1 Trên thế giới 5

1.1.2 Ở Việt Nam 7

1.2 Vấn đề hiệu chỉnh sai số 12

1.3 Mức độ chưa chắc chắn trong dự tính khí hậu 15

CHƯƠNG 2 PHƯƠNG PHÁP NGHIÊN CỨU VÀ SỐ LIỆU 18

2.1 Tiêu chí xác định nắng nóng 18

2.2 Phương pháp nghiên cứu 18

2.2.1 Phương pháp hiệu chỉnh sai số hàm phân bố thực nghiệm (quantile mapping) 18

2.2.2 Phương pháp tổ hợp 19

2.2.3 Phương pháp xác định mức độ chưa chắc chắn 20

2.2.4 Phương pháp đánh giá hả năng hiệu chỉnh sai số hệ thống 20

2.3 Số liệu sử dụng 21

2.3.1 Số liệu quan trắc bề mặt từ mạng lưới quan trắc Việt Nam 21

2.3.2 Số liệu mô phỏng và dự tính của các mô hình hí hậu 21

CHƯƠNG 3 KẾT QUẢ VÀ THẢO LUẬN 24

3.1 Đánh giá hả năng hiệu chỉnh sai số hệ thống 24

3.2 Kết quả mô phỏng số ngày nắng nóng thời kỳ cơ sở 1986-2005 29

3.3 Dự tính biến đổi số ngày nắng nóng trong tương lai 32

3.3.1 Biến đổi số ngày nắng nóng thế ỷ 21 so với thời ỳ cơ sở (1986-2005) theo ịch bản phát thải trung bình RCP4.5 32

3.3.2 Biến đổi số ngày nắng nóng thế ỷ 21 so với thời ỳ cơ sở (1986-2005) theo ịch bản phát thải cao RCP8.5 43

3.3.3 Biến đổi số ngày nắng nóng các giai đoạn của thế ỷ 21 trên cơ sở tổ hợp các phương án 55

3.4 Mức độ chưa chắc chắn trong dự tính biến đổi số ngày nắng nóng 62

3.4.1 Mức độ chưa chắc chắn trong dự tính biến đổi số ngày nắng nóng theo ịch bản RCP4.5 62

3.4.2 Mức độ chưa chắc chắn trong dự tính biến đổi số ngày nắng nóng theo ịch bản RCP8.5 64

3.5 Thảo luận về ảnh hưởng của biến đổi nắng nóng đến sức hỏe cộng đồng 67

KẾT LUẬN VÀ KHUYẾN NGHỊ 69

TÀI LIỆU THAM KHẢO 73 PHỤ LỤC A

CCAM Mô hình Khí quyển bảo giác lập phương (Conformal

Cubic Atmospheric ModelCCSM3 Mô hình hệ thống khí hậu cộng đồng phiên bản 3

(Community Climate System Model version 3)CCSM4 Mô hình hệ thống khí hậu cộng đồng phiên bản 4

CLWRF Mô hình WRF phiên bản nghiên cứu hí hậu

CMIP5 Dự án đối chứng các mô hình hí hậu lần 5 (Coupled

Model Intercomparison Project Phase 5)CNRM-CM5 Mô hình hí hậu toàn cầu thuộc Dự án CMIP5

ECHAM Mô hình của trung tâm Humburg châu Âu (European

Centre Hamburg Model)GFDL-CM3 Mô hình khí hậu toàn cầu của Phòng thí nghiệm động lực

học chất lỏng Địa Vật lý Hoa Kỳ (Geophysical FluidDynamics Laboratory)

HadGEM2- ES Mô hình khí hậu toàn cầu của Trung tâm Nghiên cứu Khí

tượng Hadley, Vương quốc Anh

(Intergovernmental Panel on Climate Change)

MM5 Mô hình quy mô vừa của PSU/NCAR phiên bản 5

MM5CL Mô hình qui mô vừa MM5 phiên bản khí hậu (Climate

Mode of the MM5)MPI_ESM-LR Mô hình khí hậu toàn cầu của Viện Khí tượng học Max-

Planck (MPI-M)

iv

N1

DANH MỤC BẢNG

Bảng 3.1 Biến đổi SNNN trung bình và ứng với các phân vị 90 , phân vị 10th th các thời

kỳ thế kỷ 21 theo kịch bản RCP4.5 64Bảng 3.2 Biến đổi SNNN trung bình và ứng với các phân vị 90 , phân vị 10th th các thời

kỳ của thế kỷ 21 theo kịch bản RCP8.5 65Bảng 3.3: Khoảng chỉ số nhiệt mà một người mạnh hỏe làm việc nặng nhọc hoặc tiếpxúc lâu với thời tiết nóng bắt đầu bị ảnh hưởng về sức hỏe 68

DANH MỤC HÌNH

Hình 1.1 Số ngày nắng nóng năm tại một số trạm tiêu biểu trên các vùng khí hậu giaiđoạn 1961-2007 11Hình 2.1 Sơ đồ phương pháp hiệu chỉnh phân vị (Quantile Mapping) 19Hình 2.2 Minh họa bước 1 (trái) và bước 2 (phải) 20Hình 2.3 Miền tính của các mô hình CCAM, PRECIS, clWRF, RegCM sử dụng trongnghiên cứu 22Hình 3.1 Sai số ME trước và sau hiệu chỉnh 24Hình 3.2 Sai số MAE trước và sau hiệu chỉnh 24Hình 3.3 Giản đồ tụ điểm của mô phỏng của các phương án trước khi hiệu chỉnh sai

số hệ thống cho thời kỳ cơ sở 1986-2005 26Hình 3.4 Giản đồ tụ điểm của mô phỏng của các phương án sau hi hiệu chỉnh sai số

hệ thống cho thời kỳ cơ sở 1986-2005 27Hình 3.5 Biến trình nhiệt độ năm của các phương án trước hiệu chỉnh sai số hệ thốnglấy trung bình cho thời kỳ cơ sở 1986-2005 28Hình 3.6 Biến trình nhiệt độ năm của các phương án sau hiệu chỉnh sai số hệ thốnglấy trung bình cho thời kỳ cơ sở 1986-2005 28Hình 3.7 SNNN trung bình giai đoạn 1986-2005 từ số liệu quan trắc 29Hình 3.8 SNNN trung bình giai đoạn 1986-2005 của phương án CCAM_ACCESS1-0trước khi hiệu chỉnh (trái) và sau khi hiệu chỉnh (phải) 30Hình 3.9 SNNN trung bình giai đoạn 1986-2005 của mô hình clWRF_NorESM1-Mtrước khi hiệu chỉnh (trái) và sau khi hiệu chỉnh (phải) 31Hình 3.10 SNNN trung bình năm giai đoạn 1986-2005 của phương án mô hình

PRECIS_CNRM-CM5 trước khi hiệu chỉnh (trái) và sau khi hiệu chỉnh (phải) 31Hình 3.11 SNNN trung bình năm giai đoạn 1986-2005 mô phỏng của phương ánRegCM_ACCESS1-0 trước khi hiệu chỉnh (trái) và sau khi hiệu chỉnh (phải) 32Hình 3.12 Biến đổi SNNN trung bình năm thời kỳ 2016-2035 của các phương án môhình CCAM so với thời kỳ cơ sở theo ịch bản RCP4.5 34Hình 3.13 Biến đổi SNNN trung bình năm thời ỳ 2016-2035 của phương án clWRF

so với thời ỳ cơ sở theo ịch bản RCP4.5 35Hình 3.14 Biến đổi SNNN trung bình năm thời kỳ 2016-2035 của các phương án môhình PRECIS so với thời kỳ cơ sở theo kịch bản RCP4.5 35Hình 3.15 Biến đổi SNNN trung bình năm thời kỳ 2046-2065 của các phương ánCCAM_GFDL-CM3 và CCAM_MPI-ESM-LR so với thời kỳ cơ sở theo kịch bảnRCP 4.5 36Hình 3.16 Biến đổi SNNN trung bình năm thời ỳ 2046-2065 của phương án mô hìnhclWRF so với thời ỳ cơ sở theo ịch bản RCP4.5 37Hình 3.17 Biến đổi SNNN trung bình năm thời kỳ 2046-2065 của các phương án môhình RegCM so với thời kỳ cơ sở theo kịch bản RCP4.5 38

Hình 3.18 Biến đổi SNNN trung bình năm thời kỳ 2046-2065 của các phương án môhình PRECIS so với thời kỳ cơ sở theo kịch bản RCP4.5 39Hình 3.19 Biến đổi SNNN trung bình năm thời kỳ 2080-2099 của các phương án môhình CCAM_MPI-ESM-LR và CCAM_GFDL-CM3 so với thời kỳ cơ sở theo kịchbản RCP4.5 40Hình 3.20 Biến đổi SNNN trung bình năm thời ỳ 2080-2099 của phương án mô hìnhclWRF so với thời ỳ cơ sở theo ịch bản RCP4.5 41Hình 3.21 Biến đổi SNNN trung bình năm thời kỳ 2080-2099 của các phương ánRegCM so với thời kỳ cơ sở theo kịch bản RCP4.5 42Hình 3.22 Biến đổi SNNN trung bình năm thời kỳ 2080-2099 của các phương án môhình PRECIS_CNRM-CM5 và PRECIS_HadGEM2-ES so với thời kỳ cơ sở theo kịchbản RCP 4.5 43Hình 3.23 Biến đổi SNNN trung bình năm thời ỳ 2016-2035 của các phương án môhình CCAM_CNRM-CM5 và CCAM_GFDL-CM3 so với thời ỳ cơ sở theo ịch bảnRCP8.5 44Hình 3.24 Biến đổi SNNN trung bình năm thời ỳ 2016-2035 của mô hình clWRF sovới thời ỳ cơ sở theo ịch bản RCP8.5 45Hình 3.25 Biến đổi SNNN trung bình năm thời kỳ 2016-2035 của các phương án môhình PRECIS_CNRM-CM5 và PRECIS_GFDL-CM3 so với thời kỳ cơ sở theo kịchbản RCP8.5 45Hình 3.26 Biến đổi SNNN trung bình năm thời kỳ 2046-2065 của các phương án môhình CCAM_CNRM-CM5 và CCAM_GFDL-CM3 so với thời kỳ cơ sở theo kịch bảnRCP8.5 47Hình 3.27 Biến đổi SNNN trung bình năm thời ỳ 2046-2065 của phương án mô hìnhclWRF so với thời ỳ cơ sở theo ịch bản RCP8.5 48Hình 3.28 Biến đổi SNNN trung bình năm thời kỳ 2046-2065 của các phương án môhình RegCM so với thời kỳ cơ sở theo kịch bản RCP8.5 49Hình 3.29 Biến đổi SNNN trung bình năm thời kỳ 2046-2065 của các phương án môhình PRECIS_CNRM-CM5 và PRECIS_GFDL-CM3 so với thời kỳ cơ sở theo kịchbản RCP8.5 50Hình 3.30 Biến đổi SNNN trung bình năm thời kỳ 2080-2099 của các phương án môhình CCAM_ NorESM1-M và CCAM_GFDL-CM3 so với thời cơ sở theo kịch bảnRCP8.5 51Hình 3.31 Biến đổi SNNN trung bình năm thời ỳ 2080-2099 của phương án mô hìnhclWRF so với thời ỳ cơ sở theo ịch bản RCP8.5 52Hình 3.32 Biến đổi SNNN trung bình năm thời kỳ 2080-2099 của các phương môhình RegCM so với thời kỳ cơ sở theo kịch bản RCP8.5 53Hình 3.33 Biến đổi SNNN trung bình năm thời kỳ 2080-2099 của các phương án môhình PRECIS_CNRM-CM5 và PRECIS_GFDL-CM3 so với thời kỳ cơ sở theo kịchbản RCP8.5 54

Hình 3.34 Biến đổi SNNN trung bình năm thời ỳ đầu thế ỷ 21 so với thời ỳ cơ sởtheo ịch bản RCP4.5 từ tổ hợp mô hình trước hiệu chỉnh sai số (trái) và sau hi hiệuchỉnh sai số (phải) 56Hình 3.35 Biến đổi SNNN trung bình năm thời kỳ giữa thế kỷ 21 so với thời kỳ cơ sởtheo kịch bản RCP4.5 từ tổ hợp mô hình trước hiệu chỉnh sai số (trái) và sau hi hiệuchỉnh sai số (phải) 57Hình 3.36 Biến đổi SNNN trung bình năm thời kỳ cuối thế kỷ 21 so với thời kỳ cơ sởtheo kịch bản RCP4.5 từ tổ hợp mô hình trước hiệu chỉnh sai số (trái) và sau hi hiệuchỉnh sai số (phải) 58Hình 3.37 Biến đổi SNNN trung bình năm thời kỳ đầu thế kỷ 21 so với thời kỳ cơ sởtheo kịch bản RCP8.5 từ tổ hợp mô hình trước hiệu chỉnh sai số (trái) và sau hi hiệuchỉnh sai số (phải) 59Hình 3.38 Biến đổi SNNN trung bình năm thời kỳ giữa thế kỷ 21 so với thời kỳ cơ sởtheo kịch bản RCP8.5 từ tổ hợp mô hình trước hiệu chỉnh sai số (trái) và sau hi hiệuchỉnh sai số (phải) 60Hình 3.39 Biến đổi SNNN trung bình năm thời kỳ cuối thế kỷ 21 so với thời kỳ cơ sởtheo kịch bản RCP8.5 từ tổ hợp mô hình trước hiệu chỉnh sai số (trái) và sau hi hiệuchỉnh sai số (phải) 61Hình 3.40 Xu thế biến đổi SNNN trung bình năm thời kỳ đầu (a), thời kỳ giữa (b) vàthời kỳ cuối (c) theo kịch bản RCP4.5, đường màu đỏ và màu tím là mức thay đổitương ứng với phân vị 90th và phân vị 10th , đường màu xanh là mức thay đổi trungbình 64Hình 3.41 Mức độ chưa chắc chắn trong dự tính biến đổi SNNN các vùng khí hậu vàcủa Việt Nam theo kịch bản RCP4.5 dạng boxplot 64Hình 3.42 Xu thế biến đổi SNNN trung bình năm thời kỳ đầu (a), thời kỳ giữa (b) vàthời kỳ cuối (c) theo kịch bản RCP8.5, đường màu đỏ và màu tím là mức thay đổitương ứng với phân vị 90th và phân vị 10th , đường màu xanh là mức thay đổi trunngbình 66Hình 3.43 Mức độ chưa chắc chắn trong dự tính biến đổi SNNN trung bình các vùngkhí hậu và của Việt Nam các thời kỳ tương lai theo ịch bản phát thải RCP4.5, dạngboxplot 66

MỞ ĐẦU

1 Lý do chọn luận văn

Nắng nóng là một hiện tượng thời tiết đặc trưng thường xuất hiện vào mùa hè

ở các nước khu vực nhiệt đới, sự xuất hiện của nắng nóng trong một số trường hợpthường đi èm với hạn hán Nắng nóng là một trong những hiện tượng hí tượng thủyvăn nguy hiểm, tác động trực tiếp đến các ngành sản xuất, sức khỏe con người, gâynên những điều kiện bất lợi cho hoạt động kinh tế xã hội và sinh hoạt của người dân.Khi nhiệt độ tăng cao vượt ngưỡng chịu đựng của con người và sinh vật, nắng nóngkhông những gây thiệt hại lớn về kinh tế, ảnh hưởng sức khỏe mà còn là nguyên nhânphổ biến gây ra các trường hợp tử vong liên quan đến thời tiết Ở Việt Nam, nắngnóng là một loại thiên tai được quy định và phân cấp độ rủi ro thiên tai theo Quyếtđịnh 44/2014/QĐ-TTg ngày 15 tháng 08 năm 2014 của Thủ tướng Chính phủ về Quyđịnh chi tiết về cấp độ rủi ro thiên tai [16]

Biến đổi khí hậu (BĐKH) là sự biến đổi về trạng thái của hệ thống khí hậu, có thểđược nhận biết qua sự biến đổi về trung bình và sự biến động của các thuộc tính của nó,được duy trì trong một thời gian đủ dài, điển hình là hàng thập kỷ hoặc dài hơn (IPCC,2007) [31] Biến đổi khí hậu mà biểu hiện chính là sự nóng lên toàn cầu và mực nướcbiển dâng đang là một trong những thách thức lớn của thế kỉ 21, là một vấn đề đang đượctoàn nhân loại quan tâm Trong những năm qua nhiều nước trên thế giới đã phải chịunhiều thiên tai nguy hiểm như bão, mưa lớn, nắng nóng, lũ lụt, hạn hán, rét đậm, réthại, [17] gây nhiều thiệt hại về người và tài sản Là một trong những nước chịu tácđộng nặng nề nhất của BĐKH, Việt Nam cũng không nằm ngoài những tác động đó.Trong bối cảnh BĐKH hiện nay, cùng với sự gia tăng của các hiện tượng thời tiếtcực đoan thì nắng nóng cũng thường xuyên hơn, mức độ khốc liệt hơn Theo nhận địnhcủa IPCC (2013) [32], các đợt nắng nóng xảy ra nhiều hơn, thời gian éo dài hơn đặc biệt

là vào cuối thế kỷ Nắng nóng không chỉ xảy ra ở khu vực nhiệt đới mà các khu vực ônđới cũng đã xuất hiện hiện tượng này gây ra thiệt hại lớn về người và tài sản

Năm 1995, một đợt nắng nóng với cường độ mạnh vào giữa tháng 7 là nguyênnhân của 830 trường hợp tử vong trên toàn nước Mỹ, ước tính trung bình có khoảng1.000 ca tử vong mỗi năm có thể liên quan tới nắng nóng ở nước này [44] Năm 2003,đợt nắng nóng bất thường, nhiệt độ cao nhất lên đến 40oC là nguyên nhân tử vong của

70.000 người ở Châu Âu [55] Năm 2010, ở Nga trên 55.000 người đã thiệt mạngtrong các đợt nắng nóng từ tháng 6 đến tháng 8 [54] Tại Trung Quốc năm 2013, từngày 31/7 đến 29/8 phần lớn các khu vực miền Trung và miền Đông Trung Quốc nhiệt

độ trung bình ngày trên 40oC, nhiệt độ cao nhất tại tỉnh Triết Giang lên tới 44.,oC;tháng 5 năm 2015 tại Ấn Độ nắng nóng đã làm trên 2000 người thiệt mạng, nhiều khuvực ở Ấn Độ nhiệt độ lên tới 45oC, một số nơi nóng gần 50oC…[55] Những thống kêthiệt hại về người này cho thấy sự khắc nghiệt của hiện tượng nắng nóng

Ở Việt Nam, nắng nóng tác động trực tiếp đến điều kiện tự nhiên, kinh tế xã hộicũng như sức khỏe con người Các đợt nắng nóng thường đi èm hiện tượng hạn hángây thiệt hại trong nông nghiệp, thủy điện; gia tăng các chi phí năng lượng trong cácngành Nắng nóng ảnh hưởng đến sức khỏe người dân đặc biệt là người già và trẻ em.Theo báo cáo của Chương trình phát triển Liên Hợp Quốc (UNDP) năm 1997 –

1998, thiệt hại do nắng nóng và hạn hán ở Việt Nam làm mất trắng khoảng 120.000 hanông nghiệp, thiệt hại ước tính 5000 tỷ đồng; năm 2004 – 2005 khu vực miền Bắc,Tây Nguyên, Nam Trung Bộ mất trắng khoảng 142.300 ha, thiệt hại ước tính 2420 tỷđồng; năm 2010 thiệt hại nặng nhất ở miền Trung mất trắng hàng nghìn ha, thiệt hạiước tính 2500 tỷ đồng [2]

Với những thiệt hại do hiện tượng nắng nóng, trong bối cảnh BĐKH cùng với sựnóng lên toàn cầu việc dự tính hiện tượng nắng nóng trong tương lai nhằm cung cấpthông tin cho các nhà quản lý có phương án quản lý rủi ro và thích ứng là cần thiết

Ở Việt Nam có rất nhiều công trình nghiên cứu về biến đổi nhiệt độ và nhữnghiện tượng cực đoan liên quan đến nhiệt độ như nắng nóng Các nghiên cứu đã tínhtoán lại xu thế thời kỳ quá khứ và dự tính tương lai bằng các mô hình khí hậu toàn cầu

và khu vực Tuy nhiên số lượng mô hình được sử dụng còn hạn chế Và hầu hết cácnghiên cứu đều chưa áp dụng phương pháp hiệu chỉnh theo phân vị các sản phẩm dựtính nhiệt độ từ các mô hình cho việc xác định số ngày nắng nóng Trên thực tế, tất cảcác mô hình luôn tồn tại sai số hệ thống liên quan đến động lực, vật lý, điều kiện banđầu, điều kiện biên, mô tả địa hình, vì vậy việc hiệu chỉnh sai số kết quả của mô hìnhrất quan trọng Ngoài ra hầu hết các nghiên cứu đều chưa tính đến mức độ chưa chắctrong dự tính SNNN Việc xác định mức độ chưa chắc chắn có tầm quan trọng trongviệc xây dựng kịch bản khí hậu và trong sử dụng thông tin dự tính khí hậu

Từ lý do này, tác giả thực hiện luận văn: “Nghiên cứu dự tính số ngày nắng

nóng cho Việt Nam trong bối cảnh biến đổi khí hậu” Trong khuôn khổ luận văn, tác

giả dự tính số ngày nắng nóng dựa trên kết quả dự tính nhiệt độ của các mô hình độnglực đã được hiệu chỉnh sai số hệ thống theo phương pháp hiệu chỉnh phân vị (quantilemapping) và đưa ra những nhận định về mức độ chưa chắc chắn trong kết quả dự tính

2. Mục tiêu nghiên cứu

- Xác định và áp dụng được phương pháp hiệu chỉnh phân vị nhiệt độ tối cao cho mô phỏng và dự tính của các mô hình

- Dự tính và đưa ra được các nhận định về biến đổi số ngày nắng nóng (SNNN),mức độ chưa chắc chắn trong dự tính SNNN cho Việt Nam từ kết quả dự tính của các

mô hình theo các kịch bản phát thải trung bình và cao, cho các giai đoạn đầu, giữa vàcuối thế kỷ 21

3. Đối tượng, phương pháp và phạm vi nghiên cứu của luận văn

- Đối tượng nghiên cứu: Hiện tượng nắng nóng, tập trung vào nghiên cứu và dự

tính SNNN

- Phạm vi nghiên cứu: Toàn bộ lãnh thổ Việt Nam, thời kỳ cơ sở 1986-2005 và

các thời kỳ đầu (2016-2035), thời kỳ giữa (2046-2065) và thời kỳ cuối thế kỷ 21(2080-2099) theo định nghĩa của IPCC

- Phương pháp nghiên cứu: Luận văn sử dụng phương pháp hiệu chỉnh hiệu

chỉnh sai số hệ thống sản phẩm mô hình, phương pháp tổ hợp, phương pháp xác địnhmức độ chưa chắc chắn và phương pháp phân tích đánh giá

4. Những đóng góp của luận văn

Về mặt khoa học: Đề xuất phương pháp xác định SNNN trong dự tính khí hậuViệt Nam thông qua hiệu chỉnh sai số hệ thống bằng phương pháp hiệu chỉnh phân vị,

tổ hợp, xác định mức độ chưa chắc chắn từ sản phẩm mô hình

Về mặt thực tiễn: Các nhận định định tính và định lượng có tính đến mức độchưa chắc chắn về dự tính SNNN cho khu vực Việt Nam là thông tin tham khảo hữuích trong nghiên cứu, ứng dụng thông tin biến đổi khí hậu

5 Cấu trúc luận văn

Ngoài các phần lời cám ơn, danh sách các từ viết tắt, bảng biểu, hình vẽ, đồ thị,mục lục, mở đầu, tài liệu tham khảo và phụ lục, nội dung chính của luận văn bao gồm:

Chương 1 Tổng quan vấn đề nghiên cứu

Trong chương này sẽ trình bày tình hình nghiên cứu về hiện tượng nắng nóngtrên thế giới và ở Việt Nam, vấn đề hiệu chỉnh sai số hệ thống của mô hình và mức độchưa chắc chắn trong kết quả dự tính

Chương 2: Nguồn số liệu và phương pháp nghiên cứu

Trong chương này sẽ trình bày sơ lược về các mô hình được sử dụng, nguồn sốliệu được sử dụng để phục vụ nghiên cứu và phương pháp hiệu chỉnh sai số hệ thốngsản phẩm các mô hình, phương pháp xác định mức độ chưa chắc chắn kết quả của môhình, phương pháp đánh giá

Chương 3: Kết quả và thảo luận

Chương này trình bày toàn bộ kết quả xác định SNNN thời kỳ cơ sở kèm theođánh giá chất lượng phương pháp hiệu chỉnh sai số; kết quả dự tính biến đổi SNNNthời kỳ tương lai của các phương án mô hình và trên cơ sơ tổ hợp của các phương án

mô hình và những nhận định về mức độ chưa chắc chắn trong kết quả dự tính

Kết luận và khuyến nghị trình bày tóm tắt các kết quả chủ yếu của luận văn,

những điểm mới đã đạt được; nêu những tồn tại và kiến nghị việc sử dụng kết quảluận văn cũng như các vấn đề cần tiếp tục nghiên cứu

CHƯƠNG 1 TỔNG QUAN VẤN ĐỀ NGHIÊN CỨU 1.1 Nghiên cứu về nắng nóng trên thế giới và Việt Nam

Trong những năm gần đây, đã có rất nhiều tác giả trong và ngoài nước nghiêncứu về các hiện tượng nắng nóng dựa vào nhiệt độ cực trị hoặc các chỉ số khí hậu trênmỗi vùng

1.1.1 Trên thế giới

Theo báo cáo lần thứ tư của IPCC (2007) [31], nhiệt độ trung bình toàn cầu tănglên 0,74±0,18oC trong vòng 100 năm qua (từ 1906-2005) với tốc độ tăng nhiệt độtrong 50 năm cuối là +0,13±0,03oC/thập kỷ, gần bằng 2 lần tốc độ tăng trung bìnhtrong thời kỳ 1906-2005 Cùng với sự tăng lên của nhiệt độ, theo IPCC (2007) hiệntượng thời tiết, khí hậu cực đoan liên quan đến nhiệt độ như số đợt nắng nóng cũng có

xu hướng tăng lên từ những năm 1950 [31]

Theo báo cáo mới nhất của IPCC (2013), với kịch bản phát thải trung bình, nhiệt

độ trái đất rất có khả năng tăng lên 1oC giai đoạn đầu thế kỉ 21 (2016-2035); tăng đến1,5oC giai đoạn giữa thế kỉ 21 (2046-2065) và có khả năng tăng hơn 2oC vào cuối thế

kỷ (2081-2100) Theo đó, báo cáo cũng nhận định rằng các đợt nắng nóng xảy ra nhiềuhơn, thời gian éo dài hơn, đặc biệt là vào cuối thế kỷ 21 [32]

Bonsal và nnk (2001) sử dụng số liệu nhiệt độ cực đại, cực tiểu và nhiệt độ trungbình ngày của 210 trạm trên toàn Canada để phân tích xu thế nhiệt độ cực trị hàngngày trong thế kỉ XX cho 2 giai đoạn 1900-1998 (cho miền Nam Canada) và giai đoạn1958-1998 (cho toàn Canada) Cực trị thấp và cực trị cực cao về nhiệt độ được xácđịnh theo phân vị 5th va 95th của nhiệt độ cực tiểu và cực đại ngày Nghiên cứu đã chỉ

ra rằng, từ năm 1990 nhiệt độ trung bình hàng năm trên miền Nam Canada tăng trungbình 0,98oC với sự ấm lên lớn nhất trong mùa đông và đầu mùa xuân Nhiệt độ cựctiểu tăng mạnh hơn nhiệt độ cực đại, theo đó làm giảm biên độ nhiệt ngày Phía NamCanada, những ngày có nhiệt độ cực đoan thấp giảm đi trong mùa đông, mùa xuân,tăng số ngày có nhiệt độ cực trị cao trong mùa đông và mùa xuân Sự thay đổi nhiệt độcực cực trị cao trong mùa hè không rõ rệt Thời kì 1950-1998 có sự khác biệt lớn giữacác vùng nhất là mùa đông và mùa xuân Tăng giá trị nhiệt độ cực trị đối với nhiệt độcực tiểu và cực đại ngày ở phía Tây Canada và giảm đi ở phía Đông, biến đổi mạnh mẽxảy ra trong mùa xuân với sự tăng giá trị nhiệt độ ở phân vị 5th lên 5oC/49 năm

quan trắc ở phía Tây và giảm tương ứng ở phía Đông Mùa hè có sự khác biệt khônggian ít hơn với nhiệt độ cực tiểu tăng hầu hết trên toàn Canada và cũng như toàn giaiđoạn 1990-1998, sự biến đổi cực trị về nhiệt độ cực đại ngày không rõ rệt [19].

Sử dụng bộ số liệu nhiệt độ cực đại ngày từ 300 trạm trên lãnh thổ Trung Quốcgiai đoạn 1958-2008, Wei và Chen đã nghiên cứu xu thế biến đổi của nhiệt độ cực trịcao trên phạm vi toàn Trung Quốc trong mùa hè (từ tháng 6 đến tháng 8) Tác giả sửdụng ngưỡng của ngày có nhiệt độ cực trị cao là lớn hơn 35oC Kết quả cho thấy có xuthế giảm đáng ể ở khu vực giữa Trung Quốc và xu thế tăng lên ở miền Bắc và miềnNam Trung Quốc Sự giảm số ngày có nhiệt độ cực trị cao ở miền Trung Trung Quốcxảy ra chủ yếu trong giai đoạn trước những năm 1980 và sự gia tăng đáng ể số ngày

có nhiệt độ cực trị cao tại hầu hết các trạm sau những năm 1980 Tác giả còn cho rằng

có khả năng tăng vọt số ngày có nhiệt độ cực trị cao tại hầu hết các trạm trên toànTrung Quốc từ giữa những năm 1990, đặc biệt là ở miền Nam, miền Đông, miền Bắc

và Tây Bắc Trung Quốc [51]

Để dự tính biến đổi của các hiện tượng cực trị thời tiết vùng đông Hoa Kỳ chocuối thế kỉ 21 (2057-2099), Gao và nnk [26] đã sử dụng mô hình khí hậu phân giải caoWRF với kịch bản RCP8.5 Kết quả cho thấy, đến cuối những năm 2050s, các đợtnắng nóng trở nên nghiêm trọng hơn ở hầu hết các vùng phía Đông Hoa Kỳ, riêngvùng Đông bắc Mỹ nắng nóng tăng mạnh về cường độ, tăng hoảng 3,5oC Một nghiêncứu khác của Maule và nnk [38] sử dụng kết hợp các mô hình toàn cầu và khu vựckhác nhau NorESM-WRF (BCCR) và EC-EARTH-HIRHAM5 (DMI), mô hình toàncầu được tăng độ phân giải đến 8 km dự tính nắng nóng ở Bắc Châu Âu với 2 kịch bảnRCP4.5 và RCP8.5 Kết quả tính toán cho giai đoạn 2021-2050 và 2071-2100 so vớigiai đoạn 1981-2010 cho thấy tỉ lệ nắng nóng tăng ở khu vực này và thời gian mỗi đợtnắng nóng sẽ éo dài hơn trong tương lai Tương tự như vậy, Sun [46] bằng phươngpháp downscaling từ các mô hình toàn cầu (CMIP5) dự tính biến đổi số ngày nắngnóng vùng Los Angele cho giữa thế kỷ 21 (2041-2060) và cuối thế kỷ 21 (2081-2100).Với kịch bản RCP8.5, kết quả cho thấy đến cuối thế kỷ 21, vùng sâu lục địa tăng lêntới 60-90 ngày nắng nóng mỗi năm, hu vực miền núi đêm lạnh khó xảy ra

Trong nghiên cứu về mối quan hệ giữa các đợt nắng nóng và tỉ lệ tử vong dobệnh nhồi máu cơ tim ở Đức, Stefan Zacharias và nnk [45] sử dụng 19 mô hình khu

vực, độ phân giải 0,25° × 0,25° với kịch bản trung bình A1B đánh giá biến đổi nắngnóng cho ba thời kì: hiện tại (1971–2000), tương lai gần (2021–2050) và tương lai xa(2069–2098) Trong nghiên cứu này, đợt nắng nóng là khoảng thời gian có ít nhất 3ngày liên tiếp với nhiệt độ không khí trung bình lớn hơn phân vị thứ 95 của thời kỳ1971-2000 Kết quả tổ hợp trung bình từ các mô hình cho thấy, trong tương lai các đợtnắng nóng ở Đức sẽ tăng cả về tần suất, độ dài và cường độ Đến cuối thế kỉ 21, số đợtnắng nóng có thể gấp 3 lần hiện nay; tính trung bình hàng năm số đợt nắng nóng tăng1.6 lần thời kỳ 2021-2050 và tăng 3.2 lần thời kỳ 2069-2098, độ dài trung bình mỗi đợtnắng nóng tăng 25% và nhiệt độ trung bình mỗi đợt nắng nóng tăng 1oC Kết quả nàyphù hợp với nhiều nghiên cứu hác cũng cho dự tính số đợt nắng nóng tăng lên, cường

độ mạnh hơn và độ dài mỗi đợt tăng lên ở nhiều khu vực khác nhau trên thế giới nhưBắc Mỹ, Châu Âu và Úc

Trong một nghiên cứu khác của Lau và Nath sử dụng 2 mô hình hoàn lưu chungvới độ phân giải ngang 50 và 200km, kết quả cho thấy có sự gia tăng đáng ể thời gian

và tần số đợt nắng nóng và số ngày nắng nóng trong năm trong suốt thế kỉ 21 ở Bắc

Mỹ [41]

Theo báo cáo SREX của IPCC, ghi nhận được sự giảm số ngày và số đêm lạnh

và sự gia tăng số ngày và số đêm ấm tại các lục địa trên quy mô toàn cầu Hầu hết cáckhu vực có đủ dữ liệu cũng ghi nhận được độ dài các đợt nắng nóng đã tăng lên từgiữa thế kỷ 20 Những tác động của con người đã đưa đến xu thế tăng lên của các cựctrị nhiệt độ tối cao và tối thấp Các mô hình cũng cho thấy xu thế này trong các cực trịnhiệt độ vào cuối thế kỷ 21 Xu hướng tăng lên về tần suất cũng như biên độ và giảm

số ngày và đêm lạnh xảy ra trong suốt thế kỷ 21 trên quy mô toàn cầu; độ dài, tần suất,cường độ các đợt nắng nóng tăng lên ở hầu hết các lục địa Theo các kịch bản phát thảiA2 và A1B của SRES, ,vào giữa thế kỷ 21, nhiệt độ ngày cao nhất hàng năm tăng từ 1-

3oC và tăng từ 2-5oC vào cuối thế kỷ so với nhiệt độ ngày cao nhất hàng năm củachuỗi số liệu 20 năm cuối thế kỷ 20 Giá trị tăng này tùy thuộc vào vùng và kịch bảnphát thải [33]

1.1.2 Ở Việt Nam

Cũng như trên thế giới, cho đến nay ở Việt nam cũng đã có nhiều nghiên cứu về

xu thế nắng nóng trong quá hứ và dự tính nắng nóng thời ỳ tương lai

Phân tích sự biến đổi nhiệt độ cực trị ở Việt Nam giai đoạn 1961-2007 trên tập sốliệu nhiệt độ cực đại và cực tiểu ngày của 58 trạm quan trắc hí tượng trên 7 vùng khíhậu, Hồ Thị Minh Hà và Phan Văn Tân [4] cho thấy, nhiệt độ cực tiểu tháng của ViệtNam tăng lên trung bình gần 0,9oC/thập kỷ, nhanh hơn nhiều so với tốc độ ấm lên củanhiệt độ trung bình toàn cầu; nhiệt độ cực đại tháng lại giảm nhẹ khoảng 0,1oC/thập

kỷ Mức độ và xu thế biến đổi của nhiệt độ cực tiểu và nhiệt độ cực đại hông đồngnhất trên toàn Việt Nam Nhiệt độ cực đại có xu hướng giảm nhẹ ở những khu vực cónhiệt độ cực đại cao và tăng ở những khu vực có nhiệt độ cực đại thấp hơn; nhiệt độcực tiểu tăng trên những khu vực có giá trị cực tiểu thấp và tăng nhẹ hoặc giảm trênnhững khu vực có giá trị cực tiểu cao hơn và tăng trung bình từ 1-2oC trên cả nước.Tốc độ tăng của nhiệt độ cực tiểu nhanh hơn nhiều so với nhiệt độ cực đại

Nguyễn Viết Lành [7] đã phân tích các trung tâm hí áp ảnh hưởng đến Việt Nam

để giải thích sự tăng lên của nhiệt độ trung bình trên một số trạm đặc trưng trong thời

kỳ 1961-2000, kết quả cho thấy nhiệt độ trung bình trong thời kỳ này đã tăng lên từ0,4-0,6oC, nhưng xu thế tăng rõ rệt nhất xảy ra trong thập kỷ cuối và trong mùa đông,đặc biệt là trong tháng 1, mà nguyên nhân là do sự mạnh lên của cao áp Thái BìnhDương trong thời kỳ này

Phân tích số ngày nắng nóng trong từng thời kỳ trên lãnh thổ Việt Nam, NguyễnĐức Ngữ [10] cho rằng SNNN trong thập kỷ 1991 - 2000 nhiều hơn so với các thập kỷtrước, đặc biệt ở Trung Bộ và Nam Bộ

Nghiên cứu sự biến động theo không gian, thời gian, mức độ và xu thế biến đổicủa nắng nóng trong giai đoạn 1961-2007, Chu Thị Hường và nnk [6] sử dụng số liệunhiệt độ cực đại ngày của 57 trạm quan trắc trên 7 vùng khí hậu Việt Nam dựa trên cácđặc trưng thống ê như chuỗi SNNN; độ lệch chuẩn của SNNN; xu thế biến đổi tuyếntính theo thời gian của số ngày xuất hiện nắng nóng Kết quả cho thấy nắng nóng xảy

ra nhiều nhất ở vùng Bắc Trung Bộ (B4) và giảm dần về phía bắc và phía nam của lãnhthổ Nắng nóng thường xuất hiện từ tháng 3 đến tháng 9 ở các vùng khí hậu Tây Bắc(B1) đến Nam Trung Bộ (N1), từ tháng 2 đến tháng 6 ở Tây Nguyên (N2) và Nam Bộ(N3) Cường độ mạnh nhất của nắng nóng xảy trong các tháng mùa hè, tháng 6 và 7với các vùng từ B2 đến N1 và trong tháng 4 và tháng 5 với các vùng B1, N2, N3 Nắngnóng có xu thế tăng ở hầu hết các trạm trong thời kỳ 1961-2007 và tăng nhanh

hơn trong thời kỳ 1991-2007 ở các trạm thuộc vùng B2, B3 và B4 nhưng lại giảm xuống ở một số trạm thuộc vùng B1, N2 và N3 Biến động nắng nóng xảy ra mạnh hơn

ở những trạm và những tháng có số ngày nắng nóng lớn

Trong nghiên cứu về dự tính khí hậu cho khu vực miền Trung Việt Nam bằngphương pháp hạ quy mô động lực, tác giả Ngô Đức Thành và nnk [14] đã dùng môhình khí hậu khu vực RegCM3 với điều kiện biên từ mô hình toàn cầu CCSM3(Community Climate System Model) chạy với 2 kịch bản A1B và A2 Kết quả chothấy thời kì 2020-2050, cả 2 kịch bản đều cho mức tăng nhiệt độ khoảng 1oC, tăngmạnh hơn hi đi từ khu vực ven biển vào khu vực nằm sâu trong đất liền Cả hai kịchbản đều cho nhiệt độ tăng lên nhiều vào mùa hè Nhiệt độ cũng tăng lên trong mùađông với mức tăng thấp hơn so với trung bình năm Nhiệt độ mùa hè tăng nhanh hơnnhiệt độ mùa đông và theo đó, biên độ năm của nhiệt độ trong năm tăng SNNN tănglên ở tất cả các trạm và tăng nhiều hơn ở khu vực phía Bắc

Phan Văn Tân và Ngô Đức Thành [13] cũng đã đưa ra những nhận định về xuthế biến đổi của các yếu tố và hiện tượng khí hậu cực đoan, trong đó: nhiệt độ cực đại

và nhiệt độ cực tiểu có xu thế tăng trên toàn lãnh thổ; nhiệt độ cực tiểu tăng nhanh hơnnhiệt độ cực đại Phù hợp với sự gia tăng của nhiệt độ cực đại và cực tiểu, SNNN có

xu thế tăng lên ở các vùng khí hậu Dự tính khí hậu tương lai theo kịch bản A1B dựatrên trung bình tổ hợp từ 3 mô hình khí hậu khu vực là RegCM, CCAM và REMO chothấy nhiệt độ không khí trung bình trên khu vực Việt Nam tăng lên đáng ể, có thể lêntới 0,3°C/thập kỷ trong giai đoạn 2000-2050, ngoại trừ một phần nhỏ ở khu vực BắcTrung Bộ Nghiên cứu này cũng đưa ra nhận xét về tính chưa chắc chắn của kết quảtừng mô hình Theo các tác giả những kết quả dự tính khí hậu nhận được từ nghiêncứu này mặc dù đã là tổ hợp sản phẩm từ ba mô hình nhưng vẫn còn quá ít để xác định

độ tin cậy của chúng

Theo kịch bản Biến đổi khí hậu, nước biển dâng cho Việt Nam năm 2012 của BộTài nguyên và Môi trường năm 2012 [1], vào cuối thế kỷ 21 SNNN (nhiệt độ cao nhấttrên 35oC) tăng từ 15 đến 30 ngày trên phần lớn diện tích cả nước Đa phần diện tíchBắc Bộ và một phần nhỏ diện tích Tây Nguyên có mức tăng từ 5 đến 15 ngày

Theo báo cáo đặc biệt của Việt Nam về quản lý rủi ro thiên tai và các hiện tượngcực đoan nhằm thúc đẩy thích ứng với biến đổi khí hậu [2], SNNN tăng ở hầu hết các

khu vực, đặc biệt là ở Đông Bắc, Đồng bằng Bắc Bộ và Tây Nguyên Số ngày và sốđợt nắng nóng dự tính tăng trên hầu hết trên các khu vực, nhất là khu vực miềnTrung.Theo kịch bản cao RCP 8.5, SNNN dự tính đến giữa thế kỷ 21 tăng phổ biến từ20-30 ngày so với thời kỳ 1980-1999 ở khu vực Nam Bộ; và đến cuối thế kỷ 21, tăngkhoảng từ 60-70 ngày trên khu vực Đông Bắc, Đồng bằng Bắc Bộ, Trung Trung Bộ,Nam Trung Bộ và Nam Bộ, các khu vực khác có mức tăng thấp hơn Đến cuối thế kỷ

21, số đợt nắng nóng (3 ngày liên tiếp xuất hiện nắng nóng) được dự tính gia tăng ởhầu hết khu vực của Việt Nam, đặc biệt khu vực Nam Bộ và Nam Tây Nguyên vớimức tăng có thể lên tới 6 đến 10 đợt; các khu vực còn lại có mức tăng từ 2 đến 6 đợt.Theo tác giả Katzfey và Nguyen [35], số ngày trong năm có nhiệt độ cực đại lớnhơn 35oC được dự tính sẽ tăng trong suốt thế kỷ 21 cho kịch bản RCP8.5 và tăngmạnh ở nửa sau thế kỉ ở miền Nam Việt Nam Các tác giả cũng đưa ra ết quả dự tính

số ngày nóng (ngày có nhiệt độ cực đại lớn hơn nhiệt độ tại phân vị 90) tăng đáng ểtrong thế kỷ 21 và tăng mạnh hơn ở nửa sau thế kỷ trong khu vực đồng bằng Bắc Bộ,tăng mạnh ở khu vực Nam Trung Bộ từ giữa thế kỷ 21 và tăng trong suốt thế kỷ 21 ởkhu vực Nam Bộ Cũng liên quan đến việc cung cấp cơ sở khoa học cho cập nhật kịchbản biến đổi khí hậu và nước biển dâng, Nguyễn Văn Hiệp đã dự tính SNNN trênphạm vi cả nước theo hai kịch bản RCP4.5 và RCP8.5 Kết quả tổ hợp trung bình từcác mô hình clWRF, PRECIS và mô hình CCAM cho thấy SNNN có xu thế tăng trênphạm vi cả nước theo cả hai kịch bản Đến cuối thế kỷ 21, SNNN khu vực Việt Namtăng lên 30-50 ngày so với thời kỳ cơ sở (1986-2005) theo kịch bản RCP4.5 và 60-80ngày theo kịch bản RCP8.5, tăng nhanh nhất ở Nam Bộ và Bắc Trung Bộ, tăng thấpnhất ở Tây Nguyên và một phần Nam Trung Bộ [5]

Thử nghiệm dự tính SNNN trên khu vực Việt Nam bằng mô hình clWRF, PhạmQuang Nam và nnk [9] dự tính SNNN của mô hình theo phân vị quan trắc của ngưỡngnắng nóng Kết quả cho thấy, vào giữa thế kỷ 21, theo kịch bản trung bình RCP4.5,SNNN trung bình năm tăng phổ biến 20-40 ngày so với thời kỳ cơ sở 1986-2005 trênhầu hết phạm vi cả nước Theo kịch bản cao RCP8.5, SNNN tăng phổ biến 30-60 ngàytrên phạm vi cả nước, phổ biến 30-40 ngày đối với các vùng khí hậu phía Bắc và 50-

70 ngày đối với các vùng khí hậu phía Nam Theo cả hai kịch bản, vào giữa thế kỷ 21,SNNN ở các vùng khí hậu phía Nam tăng nhanh hơn so với các vùng khí hậu phíaBắc

Trong khuôn khổ đề tài cấp Nhà nước, Phan Văn Tân [12] đã phân tích xu thếnắng nóng trong quá khứ và dự tính nắng nóng cho nửa đầu thế kỉ 21 (2000-2050).Phân tích xu thế biến đổi của nắng nóng trên tập số liệu từ 1961-2007, tác giả đãchỉ ra hiện tượng nắng nóng có xu thế tăng nhiều trên các vùng khí hậu phía Bắc vàtăng dần từ Bắc vào Nam; các vùng khí hậu phía Năm có sự tăng giảm không nhấtquán nhưng vẫn nhận thấy xu thế tăng trên đa số các trạm và tăng dần từ Nam ra Bắc.Miền Trung là tâm của nắng nóng, nhất là vùng B4, số ngày nắng nóng cao nhất lên tới

90 ngày và ít nhất 20 ngày và hầu hết các trạm trong vùng có số ngày nắng nóngkhoảng 40-60 ngày [12]

Hình 1.1 Số ngày nắng nóng năm tại một số trạm tiêu biểu trên các

vùng khí hậu giai đoạn 1961-2007 [12]

Phan Văn Tân [12] sử dụng ba mô hình khu vực RegCM, REMO và MM5CL để

dự tính các yếu tố và hiện tượng khí hậu cực đoan trong nửa đầu thế kỷ 21 2050), với số liệu đầu vào là sản phẩm của mô hình toàn cầu CCSM3.0 vàECHAM5/MPI-OM cho hai kịch bản phát thải A1B và A2 Đối với hiện tượng nắngnóng, từ kết quả tính toán riêng của từng mô hình, tác giả đã ết luận các mô hìnhkhông nắm bắt tốt hiện tượng nắng nóng nhưng vẫn nhận thấy xu thế tăng của các chỉ

(2000-số liên quan đến hiện tượng này (chuẩn sai của: SNNN diện rộng, SNNN cục bộ,SNNN gay gắt và các chỉ số đối với số đợt nắng nóng) trên tất cả các vùng khí hậu.Ngô Đức Thành [15] dự tính BĐKH bằng các mô hình khu vực RegCM, REMO,CCAM và MM5 đến năm 2100 cho 2 ịch bản phát thải A1B và A2 Đánh giá ết quả dựtính theo các mô hình cho nhóm yếu tố hiện tượng cực đoan liên quan đến nhiệt độthời kỳ giữa thế kỷ đến năm 2050 cho từng mô hình so với thời kỳ chuẩn 1980-1999

cho thấy kết quả thay đổi của các yếu tố và hiện tượng là hác nhau đáng ể giữa các môhình và giữa các vùng Hầu hết các mô hình đều cho kết quả nhiệt độ cực đại ngàytăng trên toàn lãnh thổ, ngoại trừ MM5 Đối với nhiệt độ cực đại và cực tiểu năm, các

mô hình đều cho kết quả tăng, nhiệt độ cực đại năm tăng mạnh hơn nhiệt độ cực tiểu.Cùng với sự gia tăng của nhiệt độ, SNNN cũng tăng lên trong tương lai với mức tăngkhác nhau giữa các mô hình Mô hình RegCM và MM5 do đặc tính mô phỏng nhiệt độthiên thấp nên dự tính SNNN chỉ tăng nhẹ ở một số địa điểm thuộc Bắc Bộ, các khuvực khác gần như hông thay đổi; CCAM cho mức tăng đến 40 ngày/năm cho cả 2 kịchbản; REMO cũng cho mức tăng trung bình dưới 10 ngày/năm có nơi đến 20 ngày/nămnhư hu vực Tây Nguyên Qua đánh giá từng mô hình cho thấy sự thay đổi cho các yếu

tố liên quan đến nhiệt độ không khác nhau nhiều giữa các kịch bản nhưng phụ thuộcnhiều vào mô hình sử dụng và khu vực địa lý Trong nghiên cứu này tác giả tiếp tụcchỉ ra mức độ biến đổi của một số yếu tố và hiện tượng trên cơ sở tổ hợp kết quả củacác mô hình bằng nhiều phương pháp tổ hợp khác nhau [15]

1.2 Vấn đề hiệu chỉnh sai số

Mô hình khí hậu khu vực cũng như toàn cầu luôn tồn tại sai số do bản thân môhình cũng như mô tả các quá trình vật lý, tính chưa chắc chắn do nhiều nguồn gốckhác nhau Vì vậy, các nhà nghiên cứu cho rằng nếu kết quả các mô hình hông đượchiệu chỉnh thì việc ứng dụng kết quả đặc biệt trong các đánh giá tác động sẽ không sátvới thực tế

Sai số hệ thống đã được phát hiện từ rất sớm [25], [28], [39] Jacob và nn [34] đãnghiên cứu các lỗi hệ thống trong RCMs liên quan đến khả năng mô phỏng khí hậu và

sự biến động liên hàng năm đối với nhiệt độ và lượng mưa và đã tìm thấy rằng tồn tạimột sai số hệ thống do các mô hình đối với nhiệt độ Với những sai số dẫn đến kết quả

mô hình có thể đánh giá thiên cao hoặc thiên thấp các biến dự báo Vì vậy, việc hiệuchỉnh sai số hệ thống các mô hình là quan trọng và cần thiết

Có nhiều phương pháp thực nghiệm thống kê hiệu chỉnh sai số hệ thống đã vàđang được phát triển Phương pháp hiệu chỉnh sai số đơn giản nhất là phương phápdelta, trong đó loại bỏ sai số hệ thống trung bình trong một thời kì nhất định hoặc có

hệ số delta cho toàn bộ thời kì xem xét hoặc cho từng giai đoạn khác nhau (ví dụ: hệ sốdelta cho từng tháng, từng mùa), đây cũng là nhược điểm của phương pháp này [37]

Với Y0: giá trị quan trắc hiện tại; X0: giá trị mô phỏng thời kì hiện tại; X1: mô phỏng tương lai

Phương pháp hồi quy tuyến tính đa biến đã từng được sử dụng để tạo ra nhữngchuyển hóa tuyến tính giữa một hay nhiều nhân tố dự báo và yếu tố dự báo [29], [30][36]. Những điều chỉnh này thay đổi trị số trung bình và phương sai của các chuỗiquan trắc và dự báo Để khắc phục đặc điểm tính biến thiên bị suy giảm, Zorita và vonStorch [53] đã giới thiệu một thành phần nhiễu trong đó thêm vào một sự biến thiênngẫu nhiên và cho ra một kết quả tốt hơn

Tỉ lệ phương sai hiệu chỉnh giá trị trung bình và phương sai của chuỗi thời giancủa nhiệt độ Đó là cách tiếp cận từng bước và đầu tiên là sử dụng một tỉ lệ tuyến tính.Trong bước thứ hai, chuỗi thời gian gốc đã hiệu chỉnh và dự báo được xếp trên đườngtrung bình 0 hàng tháng Bước thứ 3 tính tỉ lệ giữa độ lệch chuẩn với tỉ số của độ lệchchuẩn quan trắc và dự báo gốc (control run) Bước cuối cùng tính chuỗi thời gianđược hiệu chỉnh dựa trên độ lệch chuẩn sử dụng trung bình đã được hiệu chỉnh củabước đầu tiên [22]

Phương pháp tương tự là một phương pháp lấy mẫu tiên tiến sử dụng số liệutrong quá khứ mà ở đó trạng thái khí quyển được tìm thấy tương tự với số liệu củahình thế synop của một ngày bất kỳ để dự báo Ở đây hông cần giả thiết về sự phân bốthống kê của cấu trúc thời gian, không gian và sự phụ thuộc lẫn nhau giữa các biến.Nếu các hình thế synop được chọn ngẫu nhiên từ lịch sử thì phương pháp đó được gọi

là phương pháp tương tự gần nhất [23], [53]

Phương pháp tiếp cận tiên tiến hơn được gọi là hàm phân bố (quantile mapping QM), QM lần đầu tiên được đề cập bởi Brier và Panofsky [21] như một hàm chuyểnđổi kinh nghiệm Déqué [24]; Boé và nnk [18] lần đầu sử dụng nó cho việc hiệu chỉnhsai số và hạ qui mô Những phương pháp dựa trên phân vị ngày càng phổ biến trongthời gian gần đây và đã được ứng dụng để hạ qui mô và hiệu chỉnh nhiệt độ và mưa từnhững mô hình khí hậu khu vực [42], [48], [49] Phương pháp này dựa trên giả thiếthàm phân bố của yếu tố khí quyển từ mô phỏng của các GCMs và RCMs là tương tựvới số liệu quan trắc Như vậy, nếu sản phẩm dự tính là tốt thì phân bố của mô phỏng

-và của quan trắc phù hợp với nhau Nghĩa là hàm phân bố của mô phỏng sau khi hiệu

chỉnh phù hợp với phân bố quan trắc.

Themeßl và nnk so sánh hầu hết những phương pháp hiệu chỉnh sai số và hạ qui

mô được đề cập ở trên ứng dụng cho tổng lượng mưa ngày của một mô hình khí hậukhu vực cho khu vực Alp châu Âu Họ chỉ ra rằng phương pháp QM cho chất lượngtốt nhất đối với mưa ngày [48]

Teutschbein và Seibert [47] so sánh những phương pháp hiệu chỉnh sai số (BC)tương tự như Themeßl và nn [48] nhưng tập trung vào những ứng dụng thủy văn, ởđây là những mô phỏng dòng chảy Họ thấy rằng có sự khác biệt về mức độ thànhcông của mỗi phương pháp Và cũng như Themeßl [48], họ đồng ý QM là phươngpháp hiệu chỉnh sai số tốt nhất trong số những phương pháp được kiểm tra

Räisänen and Räty [43] đã so sánh 5 phương pháp hiệu chỉnh sai số cho việc ứngdụng trong nhiệt độ của khí hậu tương lai, bao gồm: (1) Chỉ hiệu chỉnh cho độ lệch trungbình, (2) hiệu chỉnh cho độ lệch trung bình và độ lệch chuẩn, (3) hiệu chỉnh cho giá trịtrung bình, độ lệch chuẩn và độ lệch, và (4) là hiệu chỉnh bằng QM và làm trơn (trungbình trượt) cho những phần đuôi của phân bố để tránh các nhiễu, (5) hiệu chỉnh bằng QM.Tác giả chỉ ra kết quả rất ấn tượng của 2 cách tiếp cận QM dựa trên phân bố

Bordoy và Burlando [20] chứng minh kết luận về sự cải thiện đáng ể đầu ra củacác mô hình khí hậu khu vực sử dụng phương pháp QM cho hu vực có địa hình phứctạp ở dãy Alps ở Thụy Sĩ giống như Themeßl và nn [48], [49] đề cập cho khu vực Alps

ở Áo

Themeßl, M J và nn đã sử dụng phương pháp QM hiệu chỉnh nhiệt độ trungbình, nhiệt độ tối cao và nhiệt độ tối thấp ngày cho đầu ra của mô hình COSMO Tácgiả sử dụng số liệu mô hình và quan trắc thời kỳ 1961-2000 Kết quả cho thấy sau khihiệu chỉnh, sai số trung bình của nhiệt độ trung bình ngày giảm từ -1K còn 0.0K, sai sốnhỏ nhất giảm từ -8,8 còn -0,3K, sai số lớn nhất giảm từ 5,0K còn 0,1K đối với cáctháng mùa đông Đối với các tháng mùa hè, sai số giảm tương ứng từ 0,8 xuống 0,0Kđối với sai số trung bình, sai số nhỏ nhất giảm từ -8.3K xuống -0.1K và sai số lớn nhấtgiảm từ 8,2K xuống 0,1K [49]

Wilcke Renate Anna Irma [52] sử dụng phân bố thực nghiệm dựa trên phươngpháp Themeßl và nnk [49] để hiệu chỉnh nhiệt độ, lượng mưa Kết quả cho thấy, QMhiệu chỉnh tốt nhiệt độ trung bình hàng năm từ mô phỏng của mô hình ICTP-RegCM3

Sai số trung bình trên tất cả các trạm giảm từ -1,5oC xuống -0,3oC, đối với từng trạmsai số lớn nhất dưới 1,1oC so với 3,5oC trước khi hiệu chỉnh.

Gutjahr và Helnemann sử dụng mô hình COSMO-CLIM và GCM (ECHAM5)với độ phân giải từ 4,5 m đến quy mô trạm, miền tính bao phủ nước Đức Các tác giả

sử dụng phương pháp MAE và số liệu 10 năm (1991-2000) để để đánh giá mưa vànhiệt độ Kết quả cho thấy phương pháp thực nghiệm cho kết quả tốt hơn so vớiphương pháp tham số [27]

1.3 Mức độ chưa chắc chắn trong dự tính khí hậu

Độ chưa chắc chắn trong mô phỏng và dự báo khí hậu bắt nguồn từ nhiều yếu tố.Việc xác định và hiểu được bản chất của độ chưa chắc chắn trong mô phỏng khí hậu

có tầm quan trọng trong việc xây dựng, cập nhật và sử dụng các kịch bản khí hậu Việcgiảm hoặc lượng hóa được độ chưa chắc chắn là vấn đề các nhà khoa học đang quantâm

Murphy và Winkler cho rằng dự báo không thể nói là tốt nếu độ chưa chắc chắntrong dự báo hông được định lượng và biểu diễn một cách chính xác [40]

Visser và nnk cho rằng trong dự tính biến đổi khí hậu luôn tồn tại sự chưa chắcchắn Và nguồn gốc chính của sự chưa chắc chắn trong dự tính nhiệt độ toàn cầu do sựchưa chắc chắn trong các mô hình tác động bức xạ và mô hình chu kỳ hí đóng góp ítnhất gây nên sự chưa chắc chắn [50]

Trong báo cáo của IPCC đưa ra phạm vi chưa chắc chắn trong dự tính nhiệt độcho năm 2100 là 3,7oC (dao động từ 0,8oC đến 4,5oC) do sự lựa chọn các kịch bảnhác nhau và độ nhạy khí hậu khác nhau [31]

Theo IPCC, dự tính biến đổi khí hậu luôn tồn tại sự chưa chắc chắn do các nguồn:chưa chắc chắn trong kịch bản phát thải; chưa chắc chắn trong bản thân các mô hình khíhậu; chưa chắc chắn trong điều kiện ban đầu và điều kiện biên Sự chưa chắc chắn trongcác mô hình đóng góp quan trọng trong sự chưa chắc chắn của kết quả dự tính Sự chưachắc chắn của mô hình do chưa mô tả đúng các quá trình động lực, vật lý, sinh địa hóacủa hệ thống khí hậu cũng như phản ứng của mô hình đối với tác động bên ngoài Chưachắc chắn của mô hình còn liên quan đến sự chưa chắc chắn trong các giá trị tham số môhình và sự chưa chắc chắn trong cấu trúc mô hình Kịch bản chưa

chắc chắn do chưa chắc chắn trong ước lượng nồng độ khí thải trong tương lai theocác kịch bản phát triển kinh tế, xã hội, thay đổi công nghệ, xu hướng sử dụng đất [32].Trong IPCC sử dụng ngôn ngữ hiệu chỉnh để mô tả mức độ chưa chắc chắn, cóthể được sử dụng để thể hiện một ước tính xác suất xuất hiện của một sự kiện hoặcmột kết quả giúp người sử dụng trong việc lựa chọn thông tin [32].

Ở Việt Nam, việc nghiên cứu ứng dụng các mô hình số trong lĩnh vực đánh giáBĐKH đã được tiến hành trong nhiều năm qua và hiện đang được đẩy mạnh áp dụngvào thực tiễn Tuy nhiên,mức độ chưa chắc chắn của các kết quả cho đến nay hầu nhưchưa được đề cập tới, trong hi đây là vấn đề hết sức quan trọng và có thể nói là có ýnghĩa quyết định trong việc đánh giá tác động và xây dựng chiến lược thích ứng củacác bộ, ngành, các lĩnh vực, các vùng miền khác nhau

Ngô Đức Thành đã đánh giá độ chưa chắc chắn của các mô hình khí hậu khu vựckhi mô phỏng một số yếu tố và hiện tượng liên quan đến nhiệt độ và lượng mưa [15].Nguyễn Văn Hiệp đã đánh giá tính chưa chắc chắn của các dự tính, kịch bản khí hậu,nước biển dâng làm cơ sở khoa học cho việc cập nhật kịch bản biến đổi khí hậu vànước biển dâng cho Việt Nam [5]

Nhận xét cuối chương:

Như vậy đã có rất nhiều những công trình nghiên cứu trong nước về biến đổi vềnhiệt độ và những hiện tượng cực đoan liên quan đến nhiệt độ Các nghiên cứu đã tínhtoán lại xu thế thời kỳ quá khứ và dự tính tương lai bằng các mô hình khí hậu toàn cầu

và khu vực Tuy nhiên số lượng mô hình được sử dụng còn hạn chế Các nghiên cứu ởViệt Nam đều chưa sử dụng phương pháp hiệu chỉnh phân vị (Quantile Mapping) đểhiệu chỉnh sản phẩm dự tính nhiệt độ từ các mô hình cho việc xác định SNNN cũngnhư hiệu chỉnh SNNN Các mô hình khí hậu đều có những sai số nhất định, vì vậyviệc hiệu chỉnh sai số hệ thống kết quả của mô hình bằng các phương pháp hiệu chỉnhtiên tiến rất quan trọng

Nội dung tổng quan cũng đã đưa ra một số phương pháp hiệu chỉnh sai số hệthống đầu ra của mô hình Trong đó, một cách tiếp cận hiện đại là phương pháp hiệuchỉnh hàm phân bố đã được nhiều tác giả ứng dụng trong các nghiên cứu thủy văn, hạquy mô, hiệu chỉnh lượng mưa và nhiệt độ Trong các nghiên cứu của các tác giả cóhai cách xây dựng hàm phân bố: hàm phân bố lý thuyết và hàm phân bố thực nghiệm

Tuy nhiên, nhiều tác giả đã so sánh và đưa ra nhận định ưu điểm của phương phápthực nghiệm Hơn nữa, đối với việc xây dựng hàm phân bố lý thuyết, ngoài yêu cầuchuỗi số liệu phải đủ dài để đảm bảo kiểm nghiệm thống kê thì việc khảo sát và lựachọn một trong các lớp hàm lý thuyết sao cho nó phù hợp nhất với phân bố thựcnghiệm và ước lượng được chính xác tham số phân bố là một quá trình phức tạp [11].Trong khuôn khổ luận văn, tác giả lựa chọn phương pháp thực nghiệm xây dựng hàmphân bố để hiệu chỉnh sai số hệ thống.

Nội dung tổng quan cũng đề cập đến mức độ chưa chắc chắn trong dự tínhSNNN Việc xác định mức độ chưa chắc chắn có tầm quan trọng trong việc xây dựngkịch bản khí hậu

CHƯƠNG 2 PHƯƠNG PHÁP NGHIÊN CỨU VÀ SỐ LIỆU

2.2 Phương pháp nghiên cứu

2.2.1 Phương pháp hiệu chỉnh sai số hàm phân bố thực nghiệm (quantile mapping)

Phương pháp được sử dụng trong nghiên cứu này là phương pháp hiệu chỉnhdựa trên hàm phân bố tích lũy xác suất thực nghiệm, được sử dụng trong các nghiêncứu [18], [27], [48], [49], [52] đã đề cập đến trong mục tổng quan

Đối với mỗi biến nhất định, hàm mật độ xác suất tích lũy của các giá trị thời kỳ

mô phỏng được làm cho phù hợp với hàm mật độ xác suất tích lũy của các giá trị quantrắc tương ứng Việc hiệu chỉnh được thực hiện bằng cách hiệu chỉnh phân bố của môhình dựa vào phân bố của quan trắc qua hiệu chỉnh cho từng phân vị Đây là điểm khácbiệt chính quyết định hả năng hiệu chỉnh sai số tốt hơn của phương pháp này khi coisai số hệ thống của mô hình thay đổi theo phân vị số liệu quan trắc và mô hình Từ mốiquan hệ hiệu chỉnh có thể xác định hệ số hiệu chỉnh ứng với mỗi phân vị của hai phân

bố này Các hệ số hiệu chỉnh này được áp dụng để hiệu chỉnh các phân vị tương ứngcủa thời kỳ dự tính Phương pháp này được thực hiện với các bước chính như sau[11], [18], [48], [49], [52]:

- Sắp xếp chuỗi số liệu quan trắc theo thứ tự tăng dần (gọi là chuỗi trình tự), rồilập chuỗi xếp hạng Xác định được hạng Rx ,i cho mỗi giá trị quan trắc (số thứ tự củagiá trị quan trắc trong chuỗi xếp hạng)

- Xác định hàm phân bố tích lũy thực nghiệm của giá trị quan trắc Fn,x bằng cách

tính tần suất tích lũy pi tương ứng của mỗi giá trị quan trắc theo công thức kinh

nghiệm:

n +1

- Xác định hàm phân bố tích lũy thực nghiệm của giá trị mô phỏng của mô hình

Fn,y bằng cách tính tần suất tích lũy qi cho mỗi một giá trị mô phỏng y(qi) tương tự

như trên

- Xác định giá trị mô phỏng của mô hình sau khi hiệu chỉnh y’(qi) bằng cách sử

dụng nghịch đảo của hàm phân bố tích lũy của quan trắc:

Sai số được tính theo công thức:

∆y(qi)=y’(qi)-y(qi)Giá trị ∆y(qi) được áp dụng để hiệu chỉnh sai số thời kỳ dự tính ứng với giá trị

của phân bố qi trong tương lai

Trong nghiên cứu của luận văn sản phẩm dự tính của mỗi mô hình sau hi đã hiệu

chỉnh sai số hệ thống sẽ được tổ hợp với nhau theo phương pháp trung bình theo công

thức dưới đây:

EM =

trong đó: N là số lượng mô hình được sử dụng; Fi là dự tính thành phần thứ i

(mô hình thứ i) (i = 1,N)

2.2.3 Phương pháp xác định mức độ chưa chắc chắn

Tính chưa chắc chắn (uncertainty) được dùng để đánh giá mức độ chưa chắc

chắn hay mức độ dao động của các dự tính khí hậu trong tương lai từ các mô hình và

các kịch bản đối với mỗi biến Trong luận văn, tính chưa chắc chắn được thảo luận

qua các giá trị phân vị 10th, 50th (trung vị) và 90th của các thành phần mô hình Các giá

trị này được xác định bằng cách: 1) Tính xu thế tương lai của các biến so với thời kỳ

cơ sở 1986-2005 của các mô hình tại trạm; 2) Xác định các phân vị 10th, 50th (trung vị)

và 90th tại mỗi trạm từ các giá trị của các mô hình (Hình 2.2)

Giá trị dự tính của mô hình tại các phân vị 10th và và 90th càng xa so với trung vị

thì tính chưa chắc chắn càng cao

Hình 2.2 Minh họa bước 1 (trái) và bước 2 (phải) [5]

2.2.4 Phương pháp đánh giá khả năng hiệu chỉnh sai số hệ thống

Để đánh giá hả năng của phương pháp hiệu chỉnh sai số hệ thống mô hình, luận

văn sử dụng chỉ số đánh giá sai số trung bình ME, sai số trung bình tuyệt đối MAE cho

từng điểm trạm và lấy trung bình cộng để có được trị số đánh giá cho vùng nghiên cứu

từ chuỗi số liệu thời kỳ cơ sở 1986-2005 Các chỉ số đánh giá này được tính theo các

công thức (2.5)-(2.6):

n

MAE =

Trong đó: n là dung lượng mẫu đánh giá, Fi là nhiệt độ mô hình trước hoặc saukhi hiệu chỉnh sai số; Oi là nhiệt độ quan trắc tương ứng Chỉ số ME biểu thị sai sốtrung bình giữa mô hình và quan trắc, kết quả giá trị của ME cho ta biết xu hướng sai

số của mô hình nhưng không phản ánh được độ lớn của sai số Giá trị của ME dương

có nghĩa là ết quả của mô hình có xu hướng cao hơn so với quan trắc, ngược lại giá trịcủa ME âm thì mô hình có xu hướng thấp hơn so với quan trắc Khi ME=0, mô hìnhđược xem là hoàn hảo Miền giá trị của ME biến thiên từ -∞ đến +∞ MAE có giá trịgần 0 là mô hình mô phỏng tốt

2.3 Số liệu sử dụng

Với mục đích xác định SNNN cho khu vực Việt Nam từ mô phỏng của các môhình toàn cầu và mô hình khu vực, các loại số liệu được sử dụng bao gồm:

2.3.1 Số liệu quan trắc bề mặt từ mạng lưới quan trắc Việt Nam

Để phục vụ nghiên cứu hiệu chỉnh nhiệt độ cho bài toán dự tính nắng nóng, tácgiả sử dụng số liệu nhiệt độ tối cao ngày Tx của 150 trạm hí tượng bề mặt trên khuvực Việt Nam, danh sách các trạm này được chi tiết trong Bảng P.1.Số liệu được thuthập trong 20 năm thời kỳ cơ sở 1986-2005

2.3.2 Số liệu mô phỏng và dự tính của các mô hình khí hậu

Để phục vụ nghiên cứu hiệu chỉnh nhiệt độ của mô hình và dự tính SNNN trongtương lai, tác giả sử dụng số liệu nhiệt độ cực đại ngày của các mô hình đã được nộisuy về điểm trạm trong đề tài cấp nhà nước [5], bao gồm: Số liệu sản phẩm của 4 môhình CCAM, clWRF, PRECIS và RegCM với 12 phương án đầu vào từ các mô hìnhtoàn cầu (6-CCAM, 1-clWRF, 3-PRECIS, và 2-RegCM) cho giai đoạn tương lai từ

2016 đến 2099 theo hai kịch bản cao RCP8.5 và trung bình thấp RCP4.5 cùng với sốliệu quá khứ từ 1986 đến 2005

Hình 2.3 Miền tính của các mô hình CCAM, PRECIS, clWRF, RegCM sử dụng

trong nghiên cứu [5]

a) Số liệu mô hình CCAM:

Số liệu mô hình CCAM bao gồm đầu ra từ 6 mô hình CCAM thành viên nhưsau: ACCESS-1.0, CCSM4, CNRM-CM5, GFDL-CM3, MPI-ESM-LR và NorESM1-

M Trong nghiên cứu này, số liệu CCAM có độ phân giải trong mô hình hu vực ViệtNam là 10 m, 171×201 điểm nút lưới Miền lấy số liệu bao phủ từ 98oE-115oE theochiều đông tây và 5oN-25oN theo chiều bắc nam (Hình 2.4)

b) Số liệu mô hình PRECIS:

Số liệu mô hình PRECIS bao gồm đầu ra từ 3 mô hình PRECIS thành viên:CNR-CM5, GFDL-CM3 và HadGEM2-ES Miền tính của PRECIS được thiết lập với

độ phân giải 20km, số điểm nút lưới là 85×100 với 19 mực thẳng đứng bao phủ khuvực từ 6.5oN-25oN và 99.5oE-115oE (Hình 2.4)

c) Số liệu mô hình RegCM:

Số liệu mô hình RegCM được sử dụng là đầu ra từ 2 mô hình RegCM thànhviên: ACCESS1-0 và NorESM1-M Kích thước miền tính của mô hình như sau: độphân giải 20 m, 110x106 điểm nút lưới, bao phủ phạm vi từ 6.5-25oN và 99.5- 119.5oE (Hình 2.4)

d) Số liệu mô hình clWRF:

Số liệu mô hình clWRF là đầu ra của mô hình clWRF với đầu vào từ mô hìnhtoàn cầu NorESM Các miền tính được thiết lập trong lưới lồng hạ thấp quy mô từ độphân giải của NorESM xuống 90 km và tiếp theo là 30km Miền trong bao phủ từ3.5oN-27oN và 97.5oE-116oE, bao gồm 69×90 điểm nút lưới (Hình 2.4)

CHƯƠNG 3 KẾT QUẢ VÀ THẢO LUẬN3.1 Đánh giá khả năng hiệu chỉnh sai số hệ thống

Mục này trình bày hả năng hiệu chỉnh sai số hệ thống của phương pháp quantile mapping

Hình 3.1 đưa ra ết quả tính toán chỉ số đánh giá ME của mô phỏng trước và sauhiệu chỉnh từ 12 phương án Từ hình 3.1 cho thấy sau khi hiệu chỉnh, sai số hệ thống

đã được khử gần như hoàn toàn đối với tất cả các phương án mô hình Sai số trungbình cao nhất khoảng 4oC giảm về xấp xỉ 0oC

Hình 3.2 đưa ra giá trị sai số trung bình tuyệt đối MAE của các phương án trước

và sau khi hiệu chỉnh Cũng tương tự đối với chỉ số ME, từ Hình 3.2 cho thấy giá trịsai số MAE lớn nhất giảm từ 5oC xuống 2oC

Hình 3.1 Sai số ME trước và sau hiệu chỉnh

Hình 3.2 Sai số MAE trước và sau hiệu chỉnh

Ngoài ra, để có cách nhìn trực quan về khả năng hử sai số hệ thống của phươngpháp hiệu chỉnh hàm phân bố, trong luận văn này sử dụng thêm giản đồ tụ điểm Hình3.3 và Hình 3.4 đưa ra giản đồ tụ điểm của mô phỏng của các phương án trước khihiệu chỉnh và sau hiệu chỉnh sai số hệ thống Từ hình 3.3 cho thấy với 2 phương ánclWRF-NorESM1-M, PRECIS-CNMR-CM5 và PRECIS-GFDL-CM3 có xu hướngthiên thấp của Tx so với quan trắc và có biên độ sai số trung bình lớn nhất lần lượt là3,06oC, -1,36 oC và -1,61oC Các phương án còn lại cho thấy xu hướng thiên cao đốivới các giá trị nhiệt độ thấp và thiên thấp đối với giá trị nhiệt độ cao Sau khi áp dụngphương pháp hiệu chỉnh sai số (Hình 3.4) cho thấy sai số hệ thống được khử gần nhưhoàn toàn với biên độ sai số trung bình của 10 phương án (các phương án của mô hìnhCCAM, clWRF, PRECIS) trong khoảng -0,023 đến -0,03 và các điểm dữ liệu có xuhướng tập trung quanh giá trị đường chéo chính (y=x), đường hồi quy nằm gần trùngvới đường chéo chính.

Hình 3.5 và 3.6 đưa ra biến trình năm nhiệt độ mô phỏng từ 12 phương án và tổhợp các phương án trước và sau khi hiệu chỉnh so với biến trình nhiệt độ năm củaquan trắc giai đoạn 1986-2005 Qua đó nhận thấy biến trình năm nhiệt độ mô phỏng từcác phương án hác nhau và tổ hợp các phương án sau hi hiệu chỉnh tiệm cận với biếntrình năm nhiệt độ của quan trắc

Từ kết quả các chỉ số ME và MAE, đánh giá từ giản đồ tụ điểm và biến trình nămcủa nhiệt độ Tx trước và sau khi hiệu chỉnh cho thấy tính hiệu quả trong việc khử sai

số hệ thống của các phương án mô hình

Hình 3.3 Giản đồ tụ điểm của mô phỏng của các phương án trước khi hiệu

chỉnh sai số hệ thống cho thời kỳ cơ sở 1986-2005

Hình 3.4 Giản đồ tụ điểm của mô phỏng của các phương án sau khi hiệu

chỉnh sai số hệ thống cho thời kỳ cơ sở 1986-2005

Hình 3.5 Biến trình nhiệt độ năm của các phương án trước hiệu chỉnh sai số

hệ thống lấy trung bình cho thời kỳ cơ sở 1986-2005.

oC

o C

Hình 3.6 Biến trình nhiệt độ năm của các phương án sau hiệu chỉnh sai số hệ

thống lấy trung bình cho thời kỳ cơ sở 1986-2005

3.2 Kết quả mô phỏng SNNN thời kỳ cơ sở 1986-2005

Mục này trình bày kết quả mô phỏng SNNN trung bình năm thời kỳ cơ sở

1986-2005 của các mô hình từ kết quả nhiệt độ trước hiệu chỉnh và sau khi hiệu chỉnh sovới SNNN xác định từ số liệu quan trắc (Hình 3.7) Trong khuôn khổ của luận văn, tácgiả chỉ đưa ra ết quả mô phỏng của một số phương án đối với mỗi mô hình, bao gồmclWRF_NorESM1-M, PRECIS_CNRM-CM5, CCAM_ACCESS1-0 vàRegCM_ACCESS1-0 cho 7 vùng khí hậu Các phương án hác của mỗi mô hình nhìnchung cho kết quả tương tự chỉ khác nhau một chút khi xét chi tiết về chi tiết (HìnhP3.1-P3.3)

Từ Hình 3.7, SNNN xác định từ số liệu quan trắc phổ biến từ 15-30 ngày ở cácvùng khí hậu B1, B2 và B3, trên 35 ngày ở trạm Yên Châu và Lai Châu (vùng khí hậuB1), thấp nhất dưới 5 ngày ở trạm Điện Biên, Sơn La (vùng hí hậu B1) Vùng khí hậuB4, SNNN phổ biến từ 40-60 ngày, cao nhất 86 ngày (trạm Nam Đông), 82 ngày (trạmTương Đường) và ít nhất dưới 30 ngày (Thanh Hóa) Vùng Nam Trung Bộ, số ngàynắng nóng phổ biến 40-50 ngày, cao nhất hơn 60 ngày (Quy Nhơn, Ba Tơ), ít nhấtdưới 5 ngày (Nha Trang, Phan Thiết) SNNN rất khác nhau giữa các trạm ở vùng khíhậu N2, cao nhất lên đến 58 ngày (AYUNPA), ít nhất dưới 5 ngày (Daknong, Plaiku)

Ở vùng N3, SNNN phổ biến dưới 10 ngày

Hình 3.7 SNNN trung bình giai đoạn 1986-2005 từ số liệu quan trắc