Phương pháp xác định số ngày nắng nóng (H35), nắng nóng gay gắt (H37), số ngày rét đậm (C15), số ngày rét hại (C13) và số ngày mưa lớn R50 từ mô hình được chỉ ra trong mục 2.4. Dưới đây là so sánh kết quả giữa dự báo mô hình và quan trắc.
Trục x là tháng dự báo (từ tháng 1 đến tháng 10), trục y là hạn dự báo (từ 0 đến 6 tháng), bên dưới là giá trị quan trắc từng tháng tứng ứng với thang giá trị là trung bình số ngày xuất hiện trong một tháng.
64
(a) (b)
Hình 3.18 khả năng dự báo số ngày rét đậm C15 (a), rét đậm, rét hại C13 (b).
Với khả năng dự báo trường nhiệt độ của mô hình với sai số mang tính hệ thống như đã nêu trên, Kết quả dự báo số ngày rét đậm cho kết quả khá đồng nhất với các tháng dự báo, nhất là tháng 4, tháng 9 tháng 10 và với các hạn dự báo khác nhau. Các tháng chuyển mùa được dự báo khá tốt một phần là vì vào tháng này có ít ngày rét đậm (khoảng dưới 2 ngày). Kết quả dự báo tháng 5 có dưới 2 ngày rét đậm, tuy nhiên trong số liệu quan trắc ko có ngày nào rét đậm trong tháng này. Các kết quả dự báo còn thiếu đồng nhất cho tháng 2 và tháng 3 với các hạn dự báo khác nhau. Kết quả dự báo càng chính xác với hạn dự báo càng ngắn. Đối với số ngày rét đậm, rét hại (C13), mô hình cho kết quả tương đối chính xác với hầu hết các tháng dự báo. Chỉ có tháng 9 vẫn có trung bình dưới 2 ngày rét đậm rét hại/tháng kết quả dự báo mô hình vẫn chưa dự báo được. Với các hạn dự báo khác nhau, kết quả mô hình tương đối đồng nhất.
b) Số ngày nắng nóng và nắng nóng gay gắt H35, H37
(a) (b)
Hình 3.19 khả năng dự báo số ngày nắng nóng H35 (a), nắng nóng gay gắt H37 (b).
Như đã nêu trên, kết quả dự báo phân bố tần suất và phân bố đồng thời trường nhiệt độ cực đại là không tốt bằng dự báo cho trường nhiệt độ trung bình. Chính vì vậy, kết quả dự báo số ngày nắng nóng (H35) và nắng nóng gay gắt (H37) dựa vào trường nhiệt độ cực đại là kém hơn so với dự báo C13 và C15. Kết quả dự báo cho thấy, số
65
ngày nắng nóng (H35) cho kết quả không đồng nhất đối với dự báo các tháng mùa hè nhất là tháng 6 và tháng 7. Các dự báo với hạn trên 1 tháng hầu như cho kết quả chưa tốt khi so sánh với quan trắc. Kết quả dự báo không đồng nhất với các hạn khác nhau. Các kết quả dự báo chỉ chính xác đối tháng 9, tháng 10 và các tháng đầu năm, nguyên nhân là do vào các tháng chuyển mùa, có ít ngày nắng nóng hoặc không có vào các tháng này. Điều đó cho thấy dự báo ECE chỉ tốt với các tháng có tần suất xuất hiện ECE thấp. Đối với số ngày nắng nóng gay gắt (H37) mô hình cho kết quả dự báo khả quan hơn. Nhất là vào các tháng mùa hè, kết quả dự báo đã có sự đồng nhất trong tháng và với các hạn dự báo khác nhau.
c .Số ngày mưa lớn R50
(a)
Hình 3.20 khả năng dự báo số ngày mưa lớn
Dự báo số ngày mưa lớn ở mô hình nhìn chung cho kết quả chưa tin cậy. Kết quả dự báo khác khác biệt với cùng 1 tháng dự báo với các hạn dự báo khác nhau. Dự báo cũng cho kết quả sai khác. Với các tháng đầu năm, dự báo tốt hơn bởi trong những tháng đầu năm, có ít ngày mưa lớn trên các trạm tại Việt Nam.
66
KẾT LUẬN
Với mục tiêu của bài toán là thử nghiệm dự báo hạn mùa một số chỉ số khí hậu cực đoan, 37 dự báo bởi mô hình RegCM4.2 với hạn dự báo tối đa là 6 tháng sử dụng điều kiện ban đầu và điều kiện biên từ hệ thống dự báo CFS đã thử nghiệm cho khu vực Việt Nam. Một cải tiến quan trọng khi RegCM4.2 đã được điều chỉnh để đọc trường đầu vào SST 6 giờ một thay vì lấy giá trị trung bình tháng như phiên bản gốc qua đó thông tin SST được cập nhập tốt hơn cho phép dự báo tốt hơn. Giá trị dự báo ứng với mỗi tháng được lấy trung bình từ các dự báo với thời điểm dự báo ban đầu khác nhau trong cùng một tháng. Để thử nghiệm dự báo một số chỉ số khí hậu cực đoan, trường mưa, nhiệt độ trung bình ngày, nhiệt độ cực tiểu ngày và nhiệt độ cực đại ngày được nội suy về 172 trạm khí tượng synop và so sánh với số liệu quan trắc. Ngoài ra các chỉ số khí hậu cực đoan: số ngày rét đậm C15, số ngày rét đậm, rét hại C13, số ngày nắng nóng H35, số ngày nắng nóng gay gắt H37 và số ngày mưa lớn R50 được tính toán bằng phương pháp tính xác suất dựa trên chuỗi số liệu quan trắc thời kì 1961- 2010 của 70 trạm trên toàn quốc. Từ các phân tích kết quả có thể rút ra một số kết luận:
1. Đối với dự báo các trường nhiệt độ trung bình tháng và lượng mưa tháng
- Dự báo mô hình RegCM4.2 cho kết quả dự báo luôn thiên thấp với các trường nhiệt độ trung bình.
- Đối với trường mưa kết quả dự báo khá kém, không có tính đồng nhất giữa các tháng và nhất là với các dự báo hạn dài.
- Kết quả dự báo hạn mùa không phụ thuộc nhiều vào thời điểm dự báo ban đầu mà phụ thuộc chủ yếu vào tháng dự báo. Đối với trường nhiệt độ nói chung có tính đồng nhất và ổn định với dự báo với các hạn dự báo khác nhau.
- Dựa vào phân bố tần suất và phân bố đồng thời có thể thấy sai số dự báo có tính hệ thống.
- Phân bố tần suất và phân bố đồng thời cho thấy với khoảng giá trị nhiệt độ thấp mô hình nắm bắt phân bố tốt hơn khoảng giá trị nhiệt độ cao. Ngoài ra, hàm phân bố của dự báo có dạng chuẩn vào các tháng mùa hè, trong khi hàm phân bố quan trắc vào các tháng này có dạng lệch phải.
67
- Kết quả dự báo mô hình thiên thấp với các trường, nhiệt độ cực tiểu ngày và nhiệt độ cực đại ngày.
- Kết quả dự báo hạn mùa không phụ thuộc nhiều vào thời điểm dự báo ban đầu
mà phụ thuộc chủ yếu vào tháng dự báo. Đối với các trường nhiệt độ cực trị,
kết quả dự báo có tính đồng nhất và ổn định với các tháng dự báo và với các
hạn dự báo khác nhau.
- Dựa vào đồ thị phân bố tần suất và phân bố đồng thời có thể khẳng định sai số dự báo của mô hình có tính hệ thống.
3. Đối với dự báo một số chỉ số khí hậu cực đoan
- Bằng phương pháp dự báo theo xác suất, chỉ số C13, C15, H35 và H37 ban đầu đã cho các kết quả hợp lý.
- Tuy vẫn có dự báo khống cho tháng 5 hoặc không dự báo được cho tháng 9 đều là các tháng chuyển mùa nhưng các dự báo C13, C15 khá đồng nhất với các tháng dự báo và các hạn dự báo khác nhau. Nhìn chung dự báo C13 và C15 là tốt hơn so với dự báo H35 và H37, nguyên nhân do dự báo nhiệt độ trung bình ngày được đánh giá tốt hơn so với dự báo nhiệt độ cực đại ngày. - Dự báo mưa lớn nhìn chung chưa tốt do dự báo giá trị lượng mưa ngày chưa
chính xác.
Mặc dù vậy, kết quả bước đầu khẳng định có thể dự báo hạn mùa bằng phương pháp mô hình. Các sai số có thể liên quan do sơ đồ đất của mô hình RegCM bao gồm độ ẩm đất và nhiệt độ đất không được cập nhập.
Do kết quả mô hình có tính hệ thống, để kết quả dự báo được tốt hơn, mô hình cần được hiệu chỉnh. Ngoài ra phương pháp tổ hợp kết quả với nhiều điều kiện đầu vào khác nhau và nhiều mô hình khác nhau sẽ cho kết quả dự báo tốt hơn.
68
TÀI LIỆU THAM KHẢO
Tiếng Việt
1. Nguyễn Đức Ngữ (2007), “Tác động của ENSO đến thời tiết, khí hậu, môi trường và kinh tế xã hội ở Việt Nam”, Hội thảo chuyên đề về Đa dạng sinh học và Biến đổi khí hậu: Mối liên quan tới Đói nghèo và Phát triển bền vững, Hà Nội, Ngày 22-23 tháng 5, 2007.
2. Phan Văn Tân, Hồ Thị Minh Hà, Lương Mạnh Thắng, Trần Quang Đức (2009), “Về khả năng ứng dụng mô hình RegCM vào dự báo hạn mùa các trường khí hậu bề mặt ở Việt Nam”, Tạp chí Khoa học ĐHQGHN, Khoa học Tự nhiên và Công nghệ 25 (2009), tr. 241-251.
3. Phan Văn Tân (2010), “Nghiên cứu tác động của biến đổi khí hậu toàn cầu đến các yếu tố và hiện tượng khí hậu cực đoan ở Việt Nam, khả năng dự báo và giải pháp chiến lược ứng phó”,Đề tài cấp Nhà nước, mã số KC08.29/06-10.
4. Phạm Đức Thi (1987), “Xây dựng một số phương pháp dự báo hạn vừa, hạn dài nhiệt độ mùa đông và mưa mùa hè khu vực phía bắc Việt Nam”, Tổng cục KTTV Đề tài Chương trình 42.
5. http://www.imh.ac.vn/
Tiếng Anh
6. Baede, A. P. M., M. Jarraud, and U. Cubasch (1979),“Adiabatic formulation and organization of ECMWF's model”, Technical Report 15, ECMWF, Reading, U.K.
7. Bath, L. M., M. A. Dias, D. L. Williamson, G. S. Williamson, and R. J. Wolski (1987),“User's Guide to NCAR CCM1”, Technical Report NCAR/TN-286+IA,
National Center for Atmospheric Research, Boulder, CO, 173 pp.
8. Bath, L., J. Rosinski, and J. Olson (1992),“User's Guide to NCAR CCM2”,
Technical Report NCAR/TN-379+IA, National Center for Atmospheric Research, Boulder, CO, 156 pp.
9. Bergant K., Belda M., Halenka T. (2007), “Systematic errors in the simulation of European climate (1961-2000) with RegCM3 driven by NCEP/NCAR reanalysis”, International Journal of Climatology Vol. 27 (4), pp. 455-472.
69
10.Bourke, W., B. McAvaney, K. Puri, and R. Thurling (1977),“Global modeling of atmospheric flow by spectral methods, in Methods in Computational Physics”,
Vol. 17, 267-324, Academic Press, New York.
11.Briegleb, B. P.(1992), “Delta-Eddington approximation for solar radiation in the NCAR Community Climate Model”, J. Geophys. Res., 97, 7603-7612.
12.Cantelaube, P., Terres, J.M., (2005) “Seasonal weather forecasts for crop yield modelling in Europe”, Tellus Series a-Dyn. Meteorol. Ocea- nogr. 57 (3), 476– 487
13.Challinor, AJ; Slingo, JM; Wheeler, TR; Doblas-Reyes,FJ (2005) “Probabilistic simulations of crop yield over western India using the DEMETER seasonal hindcast ensembles”, TELLUS A, 57, pp.498-512.
14.Collins, W. D., P. J. Rasch, et al.(2004),“Description of the NCAR Community Atmosphere Model (CAM 3.0)”, NCAR Tech Note NCAR/TN-464+STR, National Center for Atmospheric Research, Boulder, CO 80307.
15.David Lavers, Lifeng Luo, and Eric F. Wood (2009), “A multiple model
assessment of seasonal climate forecast skill for applications”, GEOPHYSICAL
RESEARCH LETTERS, VOL. 36, L23711.
16.Dickinson R. E., R. M. Errico, F. Giorgi, and G. T. Bates (1989),“A regional climate model for the western united states”,Clim. Change, 15, 383-422.
17.Dickinson R.E., Henderson-Sellers A., Kennedy P.J. (1993), “Biosphere- atmosphere transfer scheme (Bats) version 1e as coupled to the ncar community climate model”, Tech. rep., National Center for Atmospheric Research.
18.Giorgi, F. and G. T. Bates, (1989),“The climatological skill of a regional model over complex terrain”,Mon. Wea. Rev., 117, 2325-2347.
19.Giorgi Filippo, Maria Rosaria Marinucci, and Gary T. Bates(1993ª),“Development of a Second-Generation Regional Climate Model (RegCM2). Part I: Boundary- Layer and Radiative Transfer Processes”, Mon. Wea. Rev., 121, 27912813. 20.Giorgi, F., M.R. Marinucci, G.T. Bates, and G. DeCanio (1993b),“Development of
a second generation regional climate model (REGCM2). Part II: Convective processes and assimilation of lateral boundary conditions”,Monthly Weather Review, 121, 2814-2832.
21.Giorgi, F. and C. Shields, (1999),“Tests of precipitation parameterizations available in the latest version of the NCAR regional climate model (RegCM) over the continental United States”,Journal of Geophysical Research, 104, 6353-6375
70
22.Hack, J. J., B. A. Boville, B. P. Briegleb, J. T. Kiehl, P. J. Rasch, and D. L. Williamson (1993),“Description of the NCAR Community Climate Model (CCM2)”, Technical Report NCAR/TN-382+STR, National Center for Atmospheric Research, 120 pp.
23.Hansen, J., A. Lacis, D. Rind, G. Russell, P. Stone, I. Fung, R. Ruedy, and J. Lerner (1984),“Climate sensitivity: Analysis of feedback mechanisms, in Climate Processes and Climate Sensitivity”, edited by J. E. Hansen, and T. Takahashi, 130-163, Amer. Geophys. Union, Washington, D.C.
24.Holtslag A.A.M., Bruijn E.I.F., Pan H.-L. (1990), “A high resolution air mass transformation model for short-range weather forecasting”, Mon. Wea. Rev. Vol. 118, pp. 1561–1575.
25.Kasahara, A. (1974),“Various vertical coordinate systems used for numerical weather prediction”, Mon. Wea. Rev., 102, 509-522.
26.Kiehl, J. T., J. Hack, G. Bonan, B. Boville, B. Briegleb, D. Williamson, and P. Rasch, (1996),“Description of the NCAR Community Climate Model (CCM3)”, Technical Report NCAR/TN-420+STR, National Center for Atmospheric Research, Boulder, Colorado, 152 pp.
27.Koster, Randal D., Max J. Suarez, Ping Liu, Urszula Jambor, Aaron Berg, Michael Kistler, Rolf Reichle, Matthew Rodell, and Jay Famiglietti (2004), “Realistic Initialization of Land Surface States: Impacts on Subseasonal Forecast Skill”, J Hydrometeorology, 5(6), 1049
28.McAvaney, B. J., W. Bourke, and K. Puri(1978)“A global spectral model for simulation of the general circulation”, J. Atmos. Sci., 35, 1557-1583.
29.Nellie Elguindi, Xunqiang Bi, Filippo Giorgi, Badrinath Nagarajan, Jeremy Pal, and Fabien Solmon (2004),“RegCM Version 3.0 User's Guide”, Physics of Weather and Climate Group, International Centre for Theoretical Physics,
MIRAMARE TRIESTE, February 2004
30.New Attachment II-9 to the Manual on the GDPS (WMO-No. 485),Volume I, (2002), “Standardised Verification System (SVS) for Long-Range Forecasts(LRF) Version 3.0”, August 12 2002 SVS for LRF.
31.Palmer, T. N., Alessandri, A., Andersen, U., Cantelaube, P., Davey, M., D´el´ecluse, P., D´equ´e, M., D´ıez, E., Doblas-Reyes, F. J., Feddersen, H., Graham, R., Gualdi, S., Gu´er´emy, J.-F., Hagedorn, R., Hoshen, M., Keenlyside, N., Latif, M., Lazar, A., Maisonnave, E., Marletto, V., Morse, A. P., Orfila, B., Rogel, P., Terres, J.-M. and Thomson, M. C. (2004) “Development of a European multimodel ensemble system for seasonal-to- interannual prediction (DEMETER)”,Bull. Am. Meteorol. Soc., 85, 853–872
71
32.Saha, S., and Coauthors, (2006),“The NCEP Climate Forecast System”, J. Climate, 19, 3483–3517.
33.Simmons, A. J., and R. Strüfing(1981),“An energy and angular-momentum conserving finite-difference scheme, hybrid coordinates and medium-range weather prediction”, Technical Report ECMWF Report No. 28, European Centre for Medium-Range Weather Forecasts, Reading, U.K., 68 pp.
34.Singh G.P., Oh J., Kim J., Kim O. (2006), “Sensitivity of Summer Monsoon Precipitation over East Asia to Convective Parameterization Schemes in RegCM3”, SOLA Vol. 2 (029-032).
35.Stockdale, T. (2000), “An overview of techniques for seasonal forecasting”, Stochastic Environ. Res. Risk Assess., 14, 305–318
36.Sundqvist H., Berge E., Kristjansson J.E. (1989), “Condensation and cloud parameterization studies with a mesoscale numerical weather prediction model”, Mon. Wea. Rev. Vol. 117, pp. 1641-1657.
37.Sylla M. B. & A. T. Gaye & J. S. Pal & G. S. Jenkins & X. Q. Bi, (2009),“High- resolution simulations of West African climate using regional climate model (RegCM3) with different lateral boundary conditions”,Theor Appl Climatol
98:293–314
38.Thomson, M.C., F.J. Doblas-Reyes, S.J. Mason, R. Hagedorn, S.J. Connor, T. Phindela, A.P. Morse and T.N. Palmer (2006), “Malaria early warnings based on seasonal climate forecasts from multi-model ensembles”, Nature, 439, 576- 579.
39.Washington, W. M.(1982),“Documentation for the Community Climate Model (CCM)”, Version Φ, Technical Report NTIS No. PB82 194192, National Center for Atmospheric Research, Boulder, Colorado.
40.Williamson, D. L. (1983),“Description of NCAR Community Climate Model
(CCM0B)”, Technical Report NCAR/TN-210+STR, National Center for
Atmospheric Research, Boulder, Colorado, NTIS No. PB83 23106888, 88 pp.
41.Williamson, D. L., J. T. Kiehl, V. Ramanathan, R. E. Dickinson, and J. J. Hack
(1987),“Description of NCAR Community Climate Model (CCM1)”, Technical Report NCAR/TN-285+STR, National Center for Atmospheric Research, Boulder, Colorado, 112 pp.
42.Williamson, G. S., and D. L. Williamson (1987),“Circulation statistics from seasonal and perpetual January and July simulations with the NCAR Community Climate Model (CCM1): R15”, Technical Report NCAR/TN-
72
302+STR, National Center for Atmospheric Research, Boulder, Colorado, 199 pp.
43.Zeng, X., Zhao M., Dickinson R.E. (1998a), “Intercomparison of Bulk Aerodynamic Algorithm for the Computation of Sea Surface Fluxes Using TOGA COARE and TAO data”, Journal of Climate Vol. 11, pp. 2628-2644. 44.http://www.wmo.int/pages/themes/climate/long_range_forecasting.php
45.Alves, O. Wang G., Zhong A.(2006),Operational coupled model seasonal forecast system, Bureau of Meteorology. Bureau of Meteorology (A2)
46.Frumkin, A., Misra V. (2012), “Predictability of dry season reforecasts over the tropical and the sub-tropical South American region”, International Journal of ClimatologyDOI. 10.1002/joc.3508. (A3)
47.Lim, Y. K., Shin D. W. (2007),“Dynamically and statistically downscaled seasonal simualations of maximum surface air temperature over the southeastern United States, Journal of Geophysical Vol. 112, D24102. (B1)
48.Yoon, J. H., Leung, L. R. and Correia, J., (2012) “Comparison of dynamically and statistically downscaled seasonal climate forecasts for the cold season over the
