(Luận văn thạc sĩ) 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

Và hầu hết các nghiên cứu đều chưa áp dụng phương pháp hiệu chỉnh theo phân vị các sản phẩm dự tính nhiệt độ từ các mô hình cho việc xác định số ngày nắng nóng.. Trong khuôn khổ luận văn

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

i

LỜI CAM ĐOAN

Tôi xin cam đoan luận văn này là công trình nghiên cứu do cá nhân tôi thực hiện dưới sự hướng dẫn khoa học của TS Nguyễn Văn Hiệp, không sao chép các công trình nghiên cứu của người khác Số liệu và kết quả của luận văn chưa từng được công

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 trích dẫn 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

ii

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 chân thành tới TS Nguyễn Văn Hiệp đã hết lòng động viên, tận tình giúp đỡ và quan tâm trong 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 kiện cho 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 Tự nhiên, Đại học Quốc gia Hà Nội và Viện Vật lý địa cầu, Viện Hàn lâm Khoa học và Công 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, Công nghệ và Hợp tác quốc tế và gia đình tôi đã động viên tôi trong quá trình học tập và nghiên cứu

Tôi xin chân thành cảm ơn!

iii

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 Model CCSM3 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 Fluid Dynamics Laboratory)

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

tượng Hadley, Vương quốc Anh IPCC Ủy ban liên chính phủ về Biến đổi hí hậu

(Intergovernmental Panel on Climate Change) MAE Sai số tuyệt đối trung bình

ME Sai số trung bình

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)

v

N1 Vùng khí hậu Nam Trung Bộ

N2 Vùng khí hậu Tây Nguyên

RegCM Mô hình hí hậu hu vực RegCM (Regional Climate

Model) RegCM3 Mô hình khí hậu khu vực phiên bản 3 (Regional Climate

Model version 3) PRECIS Mô hình hí hậu hu vực của Trung tâm Khí tượng

Hadley, Vương quốc Anh (Providing Regional Climates for Impacts Studies)

SNNN Số ngày nắng nóng

SRES Báo cáo đặc biệt về ịch bản phát thải (Special Report on

Emission Scenarios) SREX Báo cáo đặc biệt của Ủy ban Liên chính phủ về BĐKH về

QLRRTT và các hiện tượng cực đoan nhằm thúc đẩy thích ứng với BĐKH (MANAGING THE RISKS OF EXTREME EVENTS AND DISASTERS TO ADVANCE CLIMATE CHANGE ADAPTATION)

Tx Nhiệt độ tối cao ngày

UNDP Chương trình phát triển Liên Hợp Quốc (United Nationals

Develoment Programme) WRF Mô hình Nghiên cứu và Dự báo thời tiết (The Weather

Research and Forecast

vi

DANH MỤC BẢNG

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

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

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

vii

DANH MỤC HÌNH

Hình 1.1 Số ngày nắng nóng năm tại một số trạm tiêu biểu trên các vùng khí hậu giai đoạn 1961-2007 11 Hình 2.1 Sơ đồ phương pháp hiệu chỉnh phân vị (Quantile Mapping) 19 Hình 2.2 Minh họa bước 1 (trái) và bước 2 (phải) 20 Hình 2.3 Miền tính của các mô hình CCAM, PRECIS, clWRF, RegCM sử dụng trong nghiên cứu 22 Hình 3.1 Sai số ME trước và sau hiệu chỉnh 24 Hình 3.2 Sai số MAE trước và sau hiệu chỉnh 24 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 26 Hình 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 27 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 28 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 28 Hình 3.7 SNNN trung bình giai đoạn 1986-2005 từ số liệu quan trắc 29 Hình 3.8 SNNN trung bình giai đoạn 1986-2005 của phương án CCAM_ACCESS1-0 trước khi hiệu chỉnh (trái) và sau khi hiệu chỉnh (phải) 30 Hình 3.9 SNNN trung bình giai đoạn 1986-2005 của mô hình clWRF_NorESM1-M trước khi hiệu chỉnh (trái) và sau khi hiệu chỉnh (phải) 31 Hình 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) 31 Hình 3.11 SNNN trung bình năm giai đoạn 1986-2005 mô phỏng của phương án RegCM_ACCESS1-0 trước khi hiệu chỉnh (trái) và sau khi hiệu chỉnh (phải) 32 Hình 3.12 Biến đổi SNNN trung bình năm thời kỳ 2016-2035 của các phương án mô hình CCAM so với thời kỳ cơ sở theo ịch bản RCP4.5 34 Hình 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 35 Hình 3.14 Biến đổi SNNN trung bình năm thời kỳ 2016-2035 của các phương án mô hình PRECIS so với thời kỳ cơ sở theo kịch bản RCP4.5 35 Hình 3.15 Biến đổi SNNN trung bình năm thời kỳ 2046-2065 của các phương án CCAM_GFDL-CM3 và CCAM_MPI-ESM-LR so với thời kỳ cơ sở theo kịch bản RCP 4.5 36 Hình 3.16 Biến đổi SNNN trung bình năm thời ỳ 2046-2065 của phương án mô hình clWRF so với thời ỳ cơ sở theo ịch bản RCP4.5 37 Hình 3.17 Biến đổi SNNN trung bình năm thời kỳ 2046-2065 của các phương án mô hình RegCM so với thời kỳ cơ sở theo kịch bản RCP4.5 38

viii

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

ix

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

là một loại thiên tai được quy định và phân cấp độ rủi ro thiên tai theo Quyết định 44/2014/QĐ-TTg ngày 15 tháng 08 năm 2014 của Thủ tướng Chính phủ về Quy định 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 thể được 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 nước biển dâng đang là một trong những thách thức lớn của thế kỉ 21, là một vấn đề đang được toàn nhân loại quan tâm Trong những năm qua nhiều nước trên thế giới đã phải chịu nhiều thiên tai nguy hiểm như bão, mưa lớn, nắng nóng, lũ lụt, hạn hán, rét đậm, rét hại, [17] gây nhiều thiệt hại về người và tài sản Là một trong những nước chịu tác động 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 tiết cực đoan thì nắng nóng cũng thường xuyên hơn, mức độ khốc liệt hơn Theo nhận định của 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 ôn đới 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 nguyên nhân của 830 trường hợp tử vong trên toàn nước Mỹ, ước tính trung bình có khoảng 1.000 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 40o

C là nguyên nhân tử vong của

2

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

độ trung bình ngày trên 40o

C, 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 khu vực ở Ấn Độ nhiệt độ lên tới 45oC, một số nơi nóng gần 50oC…[55] Những thống kê thiệt 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 hội cũng như sức khỏe con người Các đợt nắng nóng thường đi èm hiện tượng hạn hán gây thiệt hại trong nông nghiệp, thủy điện; gia tăng các chi phí năng lượng trong các ngành 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 ha nông 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 tỷ đồng; năm 2010 thiệt hại nặng nhất ở miền Trung mất trắng hàng nghìn ha, thiệt hại ước tính 2500 tỷ đồng [2]

Với những thiệt hại do hiện tượng nắng nóng, trong bối cảnh BĐKH cùng với sự nóng lên toàn cầu việc dự tính hiện tượng nắng nóng trong tương lai nhằm cung cấp thông 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 những hiện tượng cực đoan liên quan đến nhiệt độ như nắng nóng Các nghiên cứu đã tính toán 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 các nghiên cứu đều chưa áp dụng phương pháp hiệu chỉnh theo phân vị các sản phẩm dự tính nhiệt độ từ các mô hình cho việc xác định số ngày nắng nóng Trên thực tế, tất cả các mô hình luôn tồn tại sai số hệ thống liên quan đến động lực, vật lý, điều kiện ban đầu, điều kiện biên, mô tả địa hình, vì vậy việc hiệu chỉnh sai số kết quả của mô hình rất quan trọng Ngoài ra hầu hết các nghiên cứu đều chưa tính đến mức độ chưa chắc trong dự tính SNNN Việc xác định mức độ chưa chắc chắn có tầm quan trọng trong việc xây dựng kịch bản khí hậu và trong sử dụng thông tin dự tính khí hậu

3

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 động lực đã được hiệu chỉnh sai số hệ thống theo phương pháp hiệu chỉnh phân vị (quantile mapping) 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 và cuối 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 định mức 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 hậu Việt 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 độ chưa chắc chắn về dự tính SNNN cho khu vực Việt Nam là thông tin tham khảo hữu ích trong nghiên cứu, ứng dụng thông tin biến đổi khí hậu

4

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 nóng trên thế giới và ở Việt Nam, vấn đề hiệu chỉnh sai số hệ thống của mô hình và mức độ chưa 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 số liệu được sử dụng để phục vụ nghiên cứu và phương pháp hiệu chỉnh sai số hệ thống sản phẩm các mô hình, phương pháp xác định mức độ chưa chắc chắn kết quả của mô hình, 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 theo đánh giá chất lượng phương pháp hiệu chỉnh sai số; kết quả dự tính biến đổi SNNN thời 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 quả luận văn cũng như các vấn đề cần tiếp tục nghiên cứu

1.1.1 Trên thế giới

Theo báo cáo lần thứ tư của IPCC (2007) [31], nhiệt độ trung bình toàn cầu tăng lên 0,74±0,18oC trong vòng 100 năm qua (từ 1906-2005) với tốc độ tăng nhiệt độ trong 50 năm cuối là +0,13±0,03o

C/thập kỷ, gần bằng 2 lần tốc độ tăng trung bình trong thời kỳ 1906-2005 Cùng với sự tăng lên của nhiệt độ, theo IPCC (2007) hiện tượng 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 đến 1,5oC giai đoạn giữa thế kỉ 21 (2046-2065) và có khả năng tăng hơn 2o

ra rằng, từ năm 1990 nhiệt độ trung bình hàng năm trên miền Nam Canada tăng trung bình 0,98oC với sự ấm lên lớn nhất trong mùa đông và đầu mùa xuân Nhiệt độ cực tiểu tăng mạnh hơn nhiệt độ cực đại, theo đó làm giảm biên độ nhiệt ngày Phía Nam Canada, 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 độ cực cực trị cao trong mùa hè không rõ rệt Thời kì 1950-1998 có sự khác biệt lớn giữa các vùng nhất là mùa đông và mùa xuân Tăng giá trị nhiệt độ cực trị đối với nhiệt độ cực tiểu và cực đại ngày ở phía Tây Canada và giảm đi ở phía Đông, biến đổi mạnh

mẽ xảy ra trong mùa xuân với sự tăng giá trị nhiệt độ ở phân vị 5th lên 5oC/49 năm

6

quan trắc ở phía Tây và giảm tương ứng ở phía Đông Mùa hè có sự khác biệt không gian ít hơn với nhiệt độ cực tiểu tăng hầu hết trên toàn Canada và cũng như toàn giai đoạn 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 Quốc giai đoạn 1958-2008, Wei và Chen đã nghiên cứu xu thế biến đổi của nhiệt độ cực trị cao trên phạm vi toàn Trung Quốc trong mùa hè (từ tháng 6 đến tháng 8) Tác giả sử dụng ngưỡng của ngày có nhiệt độ cực trị cao là lớn hơn 35oC Kết quả cho thấy có xu thế giảm đáng ể ở khu vực giữa Trung Quốc và xu thế tăng lên ở miền Bắc và miền Nam Trung Quốc Sự giảm số ngày có nhiệt độ cực trị cao ở miền Trung Trung Quốc xảy 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 toàn Trung 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 cho cuối thế kỉ 21 (2057-2099), Gao và nnk [26] đã sử dụng mô hình khí hậu phân giải cao WRF với kịch bản RCP8.5 Kết quả cho thấy, đến cuối những năm 2050s, các đợt nắng nóng trở nên nghiêm trọng hơn ở hầu hết các vùng phía Đông Hoa Kỳ, riêng vùng Đông bắc Mỹ nắng nóng tăng mạnh về cường độ, tăng hoảng 3,5oC Một nghiên cứu khác của Maule và nnk [38] sử dụng kết hợp các mô hình toàn cầu và khu vực khác nhau NorESM-WRF (BCCR) và EC-EARTH-HIRHAM5 (DMI), mô hình toàn cầu được tăng độ phân giải đến 8 km dự tính nắng nóng ở Bắc Châu Âu với 2 kịch bản RCP4.5 và RCP8.5 Kết quả tính toán cho giai đoạn 2021-2050 và 2071-2100

so với giai đoạn 1981-2010 cho thấy tỉ lệ nắng nóng tăng ở khu vực này và thời gian mỗi đợt nắng nóng sẽ éo dài hơn trong tương lai Tương tự như vậy, Sun [46] bằng phương pháp downscaling từ các mô hình toàn cầu (CMIP5) dự tính biến đổi số ngày nắng nóng 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 lên tới 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 do bệnh nhồi máu cơ tim ở Đức, Stefan Zacharias và nnk [45] sử dụng 19 mô hình khu

7

vực, độ phân giải 0,25° × 0,25° với kịch bản trung bình A1B đánh giá biến đổi nắng nóng 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 3 ngày liên tiếp với nhiệt độ không khí trung bình lớn hơn phân vị thứ 95 của thời kỳ 1971-2000 Kết quả tổ hợp trung bình từ các mô hình cho thấy, trong tương lai các đợt nắng nóng ở Đức sẽ tăng cả về tần suất, độ dài và cường độ Đến cuối thế kỉ 21, số đợt nắng nóng có thể gấp 3 lần hiện nay; tính trung bình hàng năm số đợt nắng nóng tăng 1.6 lần thời kỳ 2021-2050 và tăng 3.2 lần thời kỳ 2069-2098, độ dài trung bình mỗi đợt nắng nóng tăng 25% và nhiệt độ trung bình mỗi đợt nắng nóng tăng 1o

C Kết quả này phù 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 như Bắc Mỹ, Châu Âu và Úc

Trong một nghiên cứu khác của Lau và Nath sử dụng 2 mô hình hoàn lưu chung với 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 các khu vực có đủ dữ liệu cũng ghi nhận được độ dài các đợt nắng nóng đã tăng lên từ giữa thế kỷ 20 Những tác động của con người đã đưa đến xu thế tăng lên của các cực trị nhiệt độ tối cao và tối thấp Các mô hình cũng cho thấy xu thế này trong các cực trị nhiệt 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 thải A2 và A1B của SRES, ,vào giữa thế kỷ 21, nhiệt độ ngày cao nhất hàng năm tăng từ 1-

3oC và tăng từ 2-5o

C vào cuối thế kỷ so với nhiệt độ ngày cao nhất hàng năm của chuỗi số liệu 20 năm cuối thế kỷ 20 Giá trị tăng này tùy thuộc vào vùng và kịch bản phát 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

8

Phân tích sự biến đổi nhiệt độ cực trị ở Việt Nam giai đoạn 1961-2007 trên tập số liệu nhiệt độ cực đại và cực tiểu ngày của 58 trạm quan trắc hí tượng trên 7 vùng khí hậu, Hồ Thị Minh Hà và Phan Văn Tân [4] cho thấy, nhiệt độ cực tiểu tháng của Việt Nam tăng lên trung bình gần 0,9o

C/thập kỷ, nhanh hơn nhiều so với tốc độ ấm lên của nhiệt 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 đồng nhất trên toàn Việt Nam Nhiệt độ cực đại có xu hướng giảm nhẹ ở những khu vực có nhiệt độ cực đại cao và tăng ở những khu vực có nhiệt độ cực đại thấp hơn; nhiệt độ cực tiểu tăng trên những khu vực có giá trị cực tiểu thấp và tăng nhẹ hoặc giảm trên những 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

từ 0,4-0,6oC, 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 Bình Dương trong thời kỳ này

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

Nghiên cứu sự biến động theo không gian, thời gian, mức độ và xu thế biến đổi của nắng nóng trong giai đoạn 1961-2007, Chu Thị Hường và nnk [6] sử dụng số liệu nhiệt độ cực đại ngày của 57 trạm quan trắc trên 7 vùng khí hậu Việt Nam dựa trên các đặc trưng thống ê như chuỗi SNNN; độ lệch chuẩn của SNNN; xu thế biến đổi tuyến tính 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 lãnh thổ 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

7 với các vùng từ B2 đến N1 và trong tháng 4 và tháng 5 với các vùng B1, N2, N3 Nắng nóng có xu thế tăng ở hầu hết các trạm trong thời kỳ 1961-2007 và tăng nhanh

Phan Văn Tân và Ngô Đức Thành [13] cũng đã đưa ra những nhận định về xu thế 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 hơn nhiệt 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 dựa trên trung bình tổ hợp từ 3 mô hình khí hậu khu vực là RegCM, CCAM và REMO cho thấy nhiệt độ không khí trung bình trên khu vực Việt Nam tăng lên đáng ể, có thể lên tới 0,3°C/thập kỷ trong giai đoạn 2000-2050, ngoại trừ một phần nhỏ ở khu vực Bắc Trung Bộ Nghiên cứu này cũng đưa ra nhận xét về tính chưa chắc chắn của kết quả từng mô hình Theo các tác giả những kết quả dự tính khí hậu nhận được từ nghiên cứu 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 Bộ Tài nguyên và Môi trường năm 2012 [1], vào cuối thế kỷ 21 SNNN (nhiệt độ cao nhất trên 35oC) tăng từ 15 đến 30 ngày trên phần lớn diện tích cả nước Đa phần diện tích Bắc 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 tượng cực đoan nhằm thúc đẩy thích ứng với biến đổi khí hậu [2], SNNN tăng ở hầu hết các

10

khu vực, đặc biệt là ở Đông Bắc, Đồng bằng Bắc Bộ và Tây Nguyên Số ngày và số đợt nắng nóng dự tính tăng trên hầu hết trên các khu vực, nhất là khu vực miền Trung.Theo kịch bản cao RCP 8.5, SNNN dự tính đến giữa thế kỷ 21 tăng phổ biến từ 20-30 ngày so với thời kỳ 1980-1999 ở khu vực Nam Bộ; và đến cuối thế kỷ 21, tăng khoảng 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 ở hầu hết khu vực của Việt Nam, đặc biệt khu vực Nam Bộ và Nam Tây Nguyên với mức 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 lớn hơn 35oC được dự tính sẽ tăng trong suốt thế kỷ 21 cho kịch bản RCP8.5 và tăng mạnh

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 ể trong 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 ở khu vực Nam Bộ Cũng liên quan đến việc cung cấp cơ sở khoa học cho cập nhật kịch bản biến đổi khí hậu và nước biển dâng, Nguyễn Văn Hiệp đã dự tính SNNN trên phạm vi cả nước theo hai kịch bản RCP4.5 và RCP8.5 Kết quả tổ hợp trung bình từ các mô hình clWRF, PRECIS và mô hình CCAM cho thấy SNNN có xu thế tăng trên phạm vi cả nước theo cả hai kịch bản Đến cuối thế kỷ 21, SNNN khu vực Việt Nam tăng lên 30-50 ngày so với thời kỳ cơ sở (1986-2005) theo kịch bản RCP4.5 và 60-80 ngày theo kịch bản RCP8.5, tăng nhanh nhất ở Nam Bộ và Bắc Trung Bộ, tăng thấp nhất ở Tây Nguyên và một phần Nam Trung Bộ [5]

Thử nghiệm dự tính SNNN trên khu vực Việt Nam bằng mô hình clWRF, Phạm Quang Nam và nnk [9] dự tính SNNN của mô hình theo phân vị quan trắc của ngưỡng nắng 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 trên hầu hết phạm vi cả nước Theo kịch bản cao RCP8.5, SNNN tăng phổ biến 30-60 ngày trên 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 phía Bắc

11

Trong khuôn khổ đề tài cấp Nhà nước, Phan Văn Tân [12] đã phân tích xu thế nắng 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 đã chỉ ra hiện tượng nắng nóng có xu thế tăng nhiều trên các vùng khí hậu phía Bắc và tăng dần từ Bắc vào Nam; các vùng khí hậu phía Năm có sự tăng giảm không nhất quán 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 nóng khoảng 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 và ECHAM5/MPI-OM cho hai kịch bản phát thải A1B và A2 Đối với hiện tượng nắng nóng, từ kết quả tính toán riêng của từng mô hình, tác giả đã ết luận các mô hình không 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

dự tính theo các mô hình cho nhóm yếu tố hiện tượng cực đoan liên quan đến nhiệt độ thời kỳ giữa thế kỷ đến năm 2050 cho từng mô hình so với thời kỳ chuẩn 1980-1999

12

cho thấy kết quả thay đổi của các yếu tố và hiện tượng là hác nhau đáng ể giữa các

mô hình và giữa các vùng Hầu hết các mô hình đều cho kết quả nhiệt độ cực đại ngày tăng 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 tăng khác nhau giữa các mô hình Mô hình RegCM và MM5 do đặc tính mô phỏng nhiệt độ thiên thấp nên dự tính SNNN chỉ tăng nhẹ ở một số địa điểm thuộc Bắc Bộ, các khu vực khác gần như hông thay đổi; CCAM cho mức tăng đến 40 ngày/năm cho cả 2 kịch bản; REMO cũng cho mức tăng trung bình dưới 10 ngày/năm có nơi đến 20 ngày/năm như 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 thuộc nhiều vào mô hình sử dụng và khu vực địa lý Trong nghiên cứu này tác giả tiếp tục chỉ ra mức độ biến đổi của một số yếu tố và hiện tượng trên cơ sở tổ hợp kết quả của các 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 mô hình cũng như mô tả các quá trình vật lý, tính chưa chắc chắn do nhiều nguồn gốc khác nhau Vì vậy, các nhà nghiên cứu cho rằng nếu kết quả các mô hình hông được hiệu chỉnh thì việc ứng dụng kết quả đặc biệt trong các đánh giá tác động sẽ không sát với thực tế

Sai số hệ thống đã được phát hiện từ rất sớm [25], [28], [39] Jacob và nn [34]

đã nghiên 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 tại một 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 hiệu chỉnh 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 và đang được phát triển Phương pháp hiệu chỉnh sai số đơn giản nhất là phương pháp delta, 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 số delta cho từng tháng, từng mùa), đây cũng là nhược điểm của phương pháp này [37]

Tỉ lệ phương sai hiệu chỉnh giá trị trung bình và phương sai của chuỗi thời gian của 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 đường trung bình 0 hàng tháng Bước thứ 3 tính tỉ lệ giữa độ lệch chuẩn với tỉ số của độ lệch chuẩn quan trắc và dự báo gốc (control run) Bước cuối cùng tính chuỗi thời gian được hiệu chỉnh dựa trên độ lệch chuẩn sử dụng trung bình đã được hiệu chỉnh của bước đầu tiên [22]

Phương pháp tương tự là một phương pháp lấy mẫu tiên tiến sử dụng số liệu trong quá khứ mà ở đó trạng thái khí quyển được tìm thấy tương tự với số liệu của hình thế synop của một ngày bất kỳ để dự báo Ở đây hông cần giả thiết về sự phân

bố thống 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 chuyển đổi kinh nghiệm Déqué [24]; Boé và nnk [18] lần đầu sử dụng nó cho việc hiệu chỉnh sai số và hạ qui mô Những phương pháp dựa trên phân vị ngày càng phổ biến trong thời gian gần đây và đã được ứng dụng để hạ qui mô và hiệu chỉnh nhiệt độ và mưa từ những mô hình khí hậu khu vực [42], [48], [49] Phương pháp này dựa trên giả thiết hàm phân bố của yếu tố khí quyển từ mô phỏng của các GCMs và RCMs là tương tự với 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

14

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 hậu khu vực cho khu vực Alp châu Âu Họ chỉ ra rằng phương pháp QM cho chất lượng tốt 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, ở đây

là những mô phỏng dòng chảy Họ thấy rằng có sự khác biệt về mức độ thành công của mỗi phương pháp Và cũng như Themeßl [48], họ đồng ý QM là phương pháp 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 ứng dụng trong nhiệt độ của khí hậu tương lai, bao gồm: (1) Chỉ hiệu chỉnh cho độ lệch trung bình, (2) hiệu chỉnh cho độ lệch trung bình và độ lệch chuẩn, (3) hiệu chỉnh cho giá trị trung bình, độ lệch chuẩn và độ lệch, và (4) là hiệu chỉnh bằng QM và làm trơn (trung bình 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 của các mô hình khí hậu khu vực sử dụng phương pháp QM cho hu vực có địa hình phức tạp 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 trung bình, nhiệt độ tối cao và nhiệt độ tối thấp ngày cho đầu ra của mô hình COSMO Tác giả sử dụng số liệu mô hình và quan trắc thời kỳ 1961-2000 Kết quả cho thấy sau khi hiệu chỉnh, sai số trung bình của nhiệt độ trung bình ngày giảm từ -1K còn 0.0K, sai số nhỏ nhất giảm từ -8,8 còn -0,3K, sai số lớn nhất giảm từ 5,0K còn 0,1K đối với các tháng mùa đông Đối với các tháng mùa hè, sai số giảm tương ứng từ 0,8 xuống 0,0K đối với sai số trung bình, sai số nhỏ nhất giảm từ -8.3K xuống -0.1K và sai số lớn nhất giảm từ 8,2K xuống 0,1K [49]

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

15

Sai số trung bình trên tất cả các trạm giảm từ -1,5oC xuống -0,3oC, đối với từng trạm sai 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 và nhiệt

độ Kết quả cho thấy phương pháp thực nghiệm cho kết quả tốt hơn so với phương 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 Việc giảm hoặc lượng hóa được độ chưa chắc chắn là vấn đề các nhà khoa học đang quan tâm

Murphy và Winkler cho rằng dự báo không thể nói là tốt nếu độ chưa chắc chắn trong 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 chắc chắn Và nguồn gốc chính của sự chưa chắc chắn trong dự tính nhiệt độ toàn cầu do sự chưa chắc chắn trong các mô hình tác động bức xạ và mô hình chu kỳ hí đóng góp ít nhất gây nên sự chưa chắc chắn [50]

Trong báo cáo của IPCC đưa ra phạm vi chưa chắc chắn trong dự tính nhiệt độ cho năm 2100 là 3,7oC (dao động từ 0,8oC đến 4,5oC) do sự lựa chọn các kịch bản hác 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 khí hậu; chưa chắc chắn trong điều kiện ban đầu và điều kiện biên Sự chưa chắc chắn trong các mô hình đóng góp quan trọng trong sự chưa chắc chắn của kết quả dự tính Sự chưa chắc chắn của mô hình do chưa mô tả đúng các quá trình động lực, vật

lý, sinh địa hóa của hệ thống khí hậu cũng như phản ứng của mô hình đối với tác động bên ngoài Chưa chắc chắn của mô hình còn liên quan đến sự chưa chắc chắn trong các giá trị tham số mô hình và sự chưa chắc chắn trong cấu trúc mô hình Kịch bản chưa

16

chắc chắn do chưa chắc chắn trong ước lượng nồng độ khí thải trong tương lai theo các 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, có thể được sử dụng để thể hiện một ước tính xác suất xuất hiện của một sự kiện hoặc một 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 giá BĐKH đã được tiến hành trong nhiều năm qua và hiện đang được đẩy mạnh áp dụng vào thực tiễn Tuy nhiên,mức độ chưa chắc chắn của các kết quả cho đến nay hầu như chưa được đề cập tới, trong hi đây là vấn đề hết sức quan trọng và có thể nói là có ý nghĩa quyết định trong việc đánh giá tác động và xây dựng chiến lược thích ứng của các 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 vực khi 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 và

nước 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 về nhiệt độ và những hiện tượng cực đoan liên quan đến nhiệt độ Các nghiên cứu đã tính toán 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 ở Việt Nam đều chưa sử dụng phương pháp hiệu chỉnh phân vị (Quantile Mapping) để hiệu chỉnh sản phẩm dự tính nhiệt độ từ các mô hình cho việc xác định SNNN cũng như hiệu chỉnh SNNN Các mô hình khí hậu đều có những sai số nhất định, vì vậy việc hiệu chỉnh sai số hệ thống kết quả của mô hình bằng các phương pháp hiệu chỉnh tiên tiến rất quan trọng

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

17

Tuy nhiên, nhiều tác giả đã so sánh và đưa ra nhận định ưu điểm của phương pháp thực nghiệm Hơn nữa, đối với việc xây dựng hàm phân bố lý thuyết, ngoài yêu cầu chuỗi số liệu phải đủ dài để đảm bảo kiểm nghiệm thống kê thì việc khảo sát và lựa chọn một trong các lớp hàm lý thuyết sao cho nó phù hợp nhất với phân bố thực nghiệm 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 hàm phân bố để hiệu chỉnh sai số hệ thống

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

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 chỉnh

dựa trên hàm phân bố tích lũy xác suất thực nghiệm, được sử dụng trong các nghiên cứu [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 quan trắc tương ứng Việc hiệu chỉnh được thực hiện bằng cách hiệu chỉnh phân bố của mô hình dựa vào phân bố của quan trắc qua hiệu chỉnh cho từng phân vị Đây là điểm khác biệt chính quyết định hả năng hiệu chỉnh sai số tốt hơn của phương pháp này khi coi sai số hệ thống của mô hình thay đổi theo phân vị số liệu quan trắc và mô hình Từ mối quan 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 ứng của 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), rồi lập chuỗi xếp hạng Xác định được hạng Rx ,i cho mỗi giá trị quan trắc (số thứ tự của giá 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



n

p i (2.1)

- 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:

= (2.2)

Sai số được tính theo công thức: 

y(qi)=y’(qi)-y(qi) (2.3) 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

Hình 2.1 Sơ đồ phương pháp hiệu chỉnh phân vị (Quantile Mapping)

2.2.2 Phương pháp tổ hợp

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:

Y raw Y co r

QM_  Y

Mô hình

Quan trắc trtrằc

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):

i

F n 1

ME (2.5)

F n

1 MAE (2.6)

Trong đó: n là dung lượng mẫu đánh giá, Fi là nhiệt độ mô hình trước hoặc sau khi hiệu chỉnh sai số; Oi là nhiệt độ quan trắc tương ứng Chỉ số ME biểu thị sai số trung 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 trị của ME âm thì mô hình có xu hướng thấp hơn so với quan trắc Khi ME=0, mô hình được xem là hoàn hảo Miền giá trị của ME biến thiên từ - đến + MAE có giá trị gần 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 mô hình 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, tác giả

sử dụng số liệu nhiệt độ tối cao ngày Tx của 150 trạm hí tượng bề mặt trên khu vực Việt Nam, danh sách các trạm này được chi tiết trong Bảng P.1.Số liệu được thu thập 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 trong tương lai, tác giả sử dụng số liệu nhiệt độ cực đại ngày của các mô hình đã được nội suy về điểm trạm trong đề tài cấp nhà nước [5], bao gồm: Số liệu sản phẩm của 4 mô hình CCAM, clWRF, PRECIS và RegCM với 12 phương án đầu vào từ các mô hình toàn 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 số liệu quá khứ từ 1986 đến 2005

22

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 như sau: 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 Việt Nam là 10 m, 171×201 điểm nút lưới Miền lấy số liệu bao phủ từ 98oE-115oE theo chiều 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 khu vực từ 6.5oN-25oN và 99.5oE-115oE (Hình 2.4)

23

c) Số liệu mô hình RegCM:

Số liệu mô hình RegCM được sử dụng là đầu ra từ 2 mô hình RegCM thành viên: ACCESS1-0 và NorESM1-M Kích thước miền tính của mô hình như sau: độ phân 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 hình toàn cầu NorESM Các miền tính được thiết lập trong lưới lồng hạ thấp quy mô từ độ phân giải của NorESM xuống 90 km và tiếp theo là 30km Miền trong bao phủ từ 3.5oN-27oN và 97.5oE-116oE, bao gồm 69×90 điểm nút lưới (Hình 2.4)

24

CHƯƠNG 3 KẾT QUẢ VÀ THẢO LUẬN

3.1 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 sau hiệu 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 trung bình 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 trị sai 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

25

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

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

26

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

27

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

28

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

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

29

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 so với SNNN xác định từ số liệu quan trắc (Hình 3.7) Trong khuôn khổ của luận văn, tác giả chỉ đưa ra ết quả mô phỏng của một số phương án đối với mỗi mô hình, bao gồm clWRF_NorESM1-M, PRECIS_CNRM-CM5, CCAM_ACCESS1-0 và RegCM_ACCESS1-0 cho 7 vùng khí hậu Các phương án hác của mỗi mô hình nhìn chung cho kết quả tương tự chỉ khác nhau một chút khi xét chi tiết về chi tiết (Hình P3.1-P3.3)

Từ Hình 3.7, SNNN xác định từ số liệu quan trắc phổ biến từ 15-30 ngày ở các vùng khí hậu B1, B2 và B3, trên 35 ngày ở trạm Yên Châu và Lai Châu (vùng khí hậu B1), thấp nhất dưới 5 ngày ở trạm Điện Biên, Sơn La (vùng hí hậu B1) Vùng khí hậu B4, SNNN phổ biến từ 40-60 ngày, cao nhất 86 ngày (trạm Nam Đông), 82 ngày (trạm Tương Đường) và ít nhất dưới 30 ngày (Thanh Hóa) Vùng Nam Trung Bộ, số ngày nắng nóng phổ biến 40-50 ngày, cao nhất hơn 60 ngày (Quy Nhơn, Ba Tơ), ít nhất dưới

5 ngày (Nha Trang, Phan Thiết) SNNN rất khác nhau giữa các trạm ở vùng khí hậu 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