So với dự báo nhiệt độ trung bình và nhiệt độ cực tiểu, dự báo nhiệt độ cực đại ngày cho kết quả kém hơn. So với tháng 8, giá trị tần suất cực đại cho dự báo tháng 4 vẫn còn chƣa cao, phân bố kết quả dự báo chƣa tập trung, mức độ tản mạn của phân bố lớn. So với tháng 4, phân bố tần suất dự báo tháng 8 cho kết quả khả quan hơn.
Phân bố đồng thời các tháng 7, 8, 9 (xem phụ lục) nhiệt độ cực đại có độ phân tán rộng, nhất là đối với tháng 9. Ngoài ra giá trị tần suất cực đại cũng chƣa cao, phân bố tản mạn.
Qua khảo sát đánh giá khả năng mô phỏng với trƣờng nhiệt độ bao gồm trƣờng nhiệt độ trung bình,nhiệt độ cực tiểu ngày và nhiệt độ cực đại ngày, chúng ta có thể nhận thấy
- Dự báo nhiệt độ cho các tháng mùa hè (tháng 6, tháng 7, tháng 8, tháng 9) mơ hình có khả năng dự báo tốt hơn các tháng chuyển mùa (tháng 4 và tháng 10)
- Với các hạn dự báo khác nhau đều cho kết quả khá tƣơng đồng với cùng một đích dự báo, điều đó cho thấy khả năng dự báo phụ thuộc nhiều vào tháng cần dự báo hơn là hạn dự báo.
- Khả năng dự báo mùa không phụ thuộc nhiều vào các điều kiện ban đầu, điều này có nghĩa với các tháng chọn làm thời điểm dự báo khác nhau, với cùng một đích dự báo cho kết quả khá tƣơng đồng với nhau.
- Dự báo với trƣờng nhiệt độ trung bình và trƣờng nhiệt độ cực tiểu ngày là tốt nhất, với giá trị tƣơng quan dự báo lớn (0.4-0.7), tuy sai số ME và RMSE lớn nhƣng các dự báo với các hạn dự báo khác nhau và các tháng dự báo đều có sai số khá đồng nhất. Có thể sai số của mơ hình mang tính hệ thống, để khảo sát chi tiết hơn khả năng dự báo của mơ hình, chúng ta có thể xem xét hàm phân bố giá trị dự báo và quan trắc.
3.2.2 Các trƣờng nhiệt độ cực trị tuyệt đối
Kết quả dự báo nhiệt độ cực tiểu tuyệt đối tháng và nhiệt độ cực đại tuyệt đối tháng cho tháng 3 đến tháng 8 với hạn dự báo tƣơng ứng từ 1 đến 6 tháng đƣợc thể hiện trên hình 3.16 và 3.17. Với thời điểm dự báo ban đầu là ngày 13 tháng 02 năm 2012. Vì nhiệt độ cực tiểu tháng và nhiệt độ cực đại tháng chỉ có 1 giá trị trong một tháng, vì vậy tập giá trị mẫu không đủ lớn nên chúng tôi không tiến hành đánh giá với các chỉ số thống kê và hàm phân bố.
Nhiệt độ cực tiểu tháng đƣợc mơ phỏng nhìn chung hợp lý, nhiệt độ tăng dần từ phía Bắc xuống phía Nam, Nhiệt độ thấp hơn tại những nơi có địa hình cao hơn. từ tháng 3 đến tháng 8, nhiệt độ tăng dần theo thời gian.
b) Nhiệt độ cực đại tuyệt đối tháng TXx
Cũng tƣơng tự nhƣ nhiệt độ cực tiểu tháng, nhiệt độ cực đại tháng (hình 3.17) nhìn chung đƣợc mô phỏng khá hợp lý.
3.3 Các chỉ số khí hậu cực đoan
Phƣơng 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 mƣa lớn R50 từ mơ hình đƣợc chỉ ra trong mục 2.4. Dƣới đây là so sánh kết quả giữa dự báo mơ 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 dƣới là giá trị quan trắc từng tháng tứng ứng với thang giá trị là trung bình số ngày xuất hiện trong một tháng.
a) Số ngày rét đậm rét hại C13, C15
(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 trƣờng nhiệt độ của mơ hình với sai số mang tính hệ thống nhƣ 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 đƣợc dự báo khá tốt một phần là vì vào tháng này có ít ngày rét đậm (khoảng dƣới 2 ngày). Kết quả dự báo tháng 5 có dƣới 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), mơ hình cho kết quả tƣơng đối chính xác với hầu hết các tháng dự báo. Chỉ có tháng 9 vẫn có trung bình dƣới 2 ngày rét đậm rét hại/tháng kết quả
dự báo mơ hình vẫn chƣa dự báo đƣợc. Với các hạn dự báo khác nhau, kết quả mơ hình tƣơng 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).
Nhƣ đã nêu trên, kết quả dự báo phân bố tần suất và phân bố đồng thời trƣờng nhiệt độ cực đại là không tốt bằng dự báo cho trƣờng nhiệt độ trung bình. Chính vì vậy, kết quả dự báo số ngày nắng nóng (H35) và nắng nóng gay gắt (H37) dựa vào trƣờng nhiệt độ cực đại là kém hơn so với dự báo C13 và C15. Kết quả dự báo cho thấy, số 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 nhƣ cho kết quả chƣa 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 khơng 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) mơ 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.
(a)
Hình 3.20 khả năng dự báo số ngày mƣa lớn
Dự báo số ngày mƣa lớn ở mơ hình nhìn chung cho kết quả chƣa 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 mƣa lớn trên các trạm tại Việt Nam.
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 mơ 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 đƣợc điều chỉnh để đọc trƣờng đầu vào SST 6 giờ một thay vì lấy giá trị trung bình tháng nhƣ phiên bản gốc qua đó thơng tin SST đƣợc cập nhập tốt hơn cho phép dự báo tốt hơn. Giá trị dự báo ứng với mỗi tháng đƣợc 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, trƣờng mƣa, nhiệt độ trung bình ngày, nhiệt độ cực tiểu ngày và nhiệt độ cực đại ngày đƣợc nội suy về 172 trạm khí tƣợng 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 mƣa lớn R50 đƣợc tính tốn bằng phƣơng pháp tính xác suất dựa trên chuỗi số liệu quan trắc thời kì 1961-2010 của 70 trạm trên tồn quốc. Từ các phân tích kết quả có thể rút ra một số kết luận:
1. Đối với dự báo các trƣờng nhiệt độ trung bình tháng và lƣợng mƣa tháng - Dự báo mơ hình RegCM4.2 cho kết quả dự báo luôn thiên thấp với các
trƣờng nhiệt độ trung bình.
- Đối với trƣờng mƣa kết quả dự báo khá kém, khơng 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 trƣờng 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 mơ 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.
- Kết quả dự báo mơ hình thiên thấp với các trƣờng, 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 trƣờng 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 mơ hình có tính hệ thống.
3. Đối với dự báo một số chỉ số khí hậu cực đoan
- Bằng phƣơng 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 đƣợc cho tháng 9 đều là các tháng chuyển mùa nhƣng 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 đƣợc đánh giá tốt hơn so với dự báo nhiệt độ cực đại ngày.
- Dự báo mƣa lớn nhìn chung chƣa tốt do dự báo giá trị lƣợng mƣa ngày chƣa chính xác.
Mặc dù vậy, kết quả bƣớc đầu khẳng định có thể dự báo hạn mùa bằng phƣơng pháp mơ hình. Các sai số có thể liên quan do sơ đồ đất của mơ hình RegCM bao gồm độ ẩm đất và nhiệt độ đất không đƣợc cập nhập.
Do kết quả mơ hình có tính hệ thống, để kết quả dự báo đƣợc tốt hơn, mơ hình cần đƣợc hiệu chỉnh. Ngồi ra phƣơng pháp tổ hợp kết quả với nhiều điều kiện đầu vào khác nhau và nhiều mơ hình khác nhau sẽ cho kết quả dự báo tốt hơn.
TÀI LIỆU THAM KHẢO
Tiếng Việt
1. Nguyễn Đức Ngữ (2007), “Tác động của ENSO đến thời tiết, khí hậu, mơi trƣờng 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, Lƣơng Mạnh Thắng, Trần Quang Đức (2009), “Về khả năng ứng dụng mơ hình RegCM vào dự báo hạn mùa các trƣờng khí hậu bề mặt ở Việt Nam”, Tạp chí Khoa học ĐHQGHN, Khoa học
Tự nhiên và Cơng nghệ 25 (2009), tr. 241-251.
3. Phan Văn Tân (2010), “Nghiên cứu tác động của biến đổi khí hậu tồn cầu đến các yếu tố và hiện tƣợng khí hậu cực đoan ở Việt Nam, khả năng dự báo và giải pháp chiến lƣợc ứng phó”,Đề tài cấp Nhà nước, mã số KC08.29/06-10. 4. Phạm Đức Thi (1987), “Xây dựng một số phƣơng pháp dự báo hạn vừa, hạn dài
nhiệt độ mùa đông và mƣa 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. Alves, O. Wang G., Zhong A.(2006),Operational coupled model seasonal forecast system, Bureau of Meteorology. Bureau of Meteorology
7. 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.
8. 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.
9. 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.
10. 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.
11. 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.
12. Briegleb, B. P.(1992), “Delta-Eddington approximation for solar radiation in the NCAR Community Climate Model”, J. Geophys. Res., 97, 7603-7612. 13. 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
14. 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.
15. 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.
16. 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.
17. 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. 18. 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.
19. 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.
20. Giorgi, F. and G. T. Bates, (1989),“The climatological skill of a regional model over complex terrain”,Mon. Wea. Rev., 117, 2325-2347.
21. 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.
22. 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.
23. 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
24. 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.
25. 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.
26. 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.
27. Kanamitsu, M., Kanamaru, H. (2007) “Fifty-seven year reanalysis downscaling at 10 km (CaRD10). Part IL System detail and validation with observations”. Journal of Climate 20: 5553O5 71
28. Kasahara, A. (1974),“Various vertical coordinate systems used for numerical weather prediction”, Mon. Wea. Rev., 102, 509-522.
29. 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.
30. 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