CHƯƠNG 4. PHƯƠNG PHÁP XÂY DỰNG KỊCH BẢN BIẾN ĐỔI KHÍ HẬU 86
4.3 Xây dựng kịch bản biến đổi khí hậu quy mô khu vực
Các mô hình hoàn lưu chung kết hợp đại dương khí quyển là các công cụ chính để nắm bắt các biểu hiện của hệ thống khí
trong khoảng từ 400 đến 125 km. Độ phân giải này là thô, không đủ chi tiết cho việc phân tích, đánh giá BĐKH và tác động của nó ở quy mô khu vực. Vì vậy, để xây dựng các kịch bản BĐKH cho từng khu vực, từng quốc gia và vùng lãnh thổ cần phải hạ thấp quy mô (hay còn gọi là chi tiết hóa) sản phẩm của các mô hình toàn cầu, nghĩa là tạo ra các thông tin ở quy mô dưới lưới của AOGCM. Có hai cách tiếp cận chính là hạ thấp quy mô là phương pháp thống kê và phương pháp động lực. Ngoài ra còn có một cách tiếp cận ít được sử dụng hơn là nội suy trực tiếp từ đầu ra của AOGCM.
4.3.1 Nội suy đơn giản từ ô lưới của mô hình toàn cầu
Đầu ra của các AOGCM thường là dữ liệu trên lưới phân giải thô. Để nhận được các thông tin ở độ phân giải thấp hơn, một trong những phương pháp đơn giản nhất là nội suy đơn giản. Có 2 cách thường được sử dụng là:
- Sử dụng thông tin trực tiếp trên ô lưới của mô hình.
- Nội suy xuống một lưới tinh hơn sử dụng kỹ thuật đơn giản.
Cách tiếp cận đầu tiên sử dụng giá trị ở điểm lưới gần nhất. Điểm lưới gần nhất là điểm lưới có khoảng cách ngắn nhất đến điểm địa phương đang xem xét, hoặc điểm lưới có cùng độ cao và đặc điểm khí hậu. Cách tiếp cận này có một số nhược điểm chính như sau:
- Thiếu độ tin cậy trong các kết quả BĐKH ở quy mô khu vực từ đầu ra mô hình toàn cầu, dẫn đến quy mô không gian của khu vực xem xét phải chiếm ít nhất 4 hoặc nhiều hơn ô lưới của AOGCM;
- Các vị trí gần nhau nhưng lại nằm trong 2 ô lưới khác nhau mặc dù có thể có đặc điểm khí hậu rất gần nhau trong thời kỳ chuẩn nhưng lại sẽ rất khác nhau theo các kịch bản trong tương lai;
- Một vị trí trên đất liền có thể nằm trên một ô lưới của GCM được định nghĩa ở trên biển.
Cách tiếp cận thứ 2, nội suy đầu ra của GCM là phương pháp hạ quy mô đơn giản nhất (Hình 4.7). Các trường khí hậu sẽ được nội suy từ các ô lưới gần đó. Cách tiếp cận này giải quyết được vấn đề về tính không liên tục trong các biến đổi giữa các vị trí gần nhau nhưng thuộc 2 ô lưới khác nhau.
Hình 4. 7. Minh họa về phương pháp nội suy đơn giản 4.3.2 Phương pháp hạ thấp quy mô thống kê
Phương pháp hạ thấp quy mô thống kê dựa trên quan điểm rằng khí hậu khu vực được tạo thành từ 2 nhân tố: trạng thái khí hậu quy mô lớn và các đặc điểm địa phương/khu vực (ví dụ như địa hình, phân bố đất biển, tình trạng sử dụng đất). Đầu tiên, mối quan hệ thống kê giữa các yếu tố khí tượng quy mô địa phương/khu vực (còn gọi là yếu tố dự báo) với các biến khí hậu quy mô lớn (còn lại là nhân tố dự báo) sẽ được xây dựng. Chấp nhận giả thiết rằng mối quan hệ này được duy trì trong tương lai, áp dụng chúng cho đầu ra của các mô phỏng GCM sẽ nhận được các thông tin về đặc điểm khí hậu tương lai cho địa phương và khu vực.
Hạ thấp qui mô thống kê có ưu điểm là đơn giản và không đòi hỏi tài nguyên máy tính lớn, do đó có thể áp dụng cho nhiều thử nghiệm kết quả GCM khác nhau. Một ưu điểm khác là phương pháp này có thể sử dụng để cung cấp thông tin cho một địa điểm cụ thể, rất cần thiết đối với các nghiên cứu về tác động của BĐKH. Ngoài ra phương pháp có thể áp dụng cho cả các biến không phải là sản phẩm của mô hình. Nhược điểm chính của phương pháp này là phải chấp nhận giả thiết về sự không đổi của mối quan hệ thống kê giữa qui mô toàn cầu và qui mô khu vực trong bối cảnh BĐKH tương lai, và do đó các quá trình hồi tiếp của khu vực sẽ không được tính đến. Ngoài ra, phương pháp này cũng đòi hỏi phải có một nguồn số liệu đủ dài để có thể xây dựng được các quan hệ thống kê.
Đối với phương pháp hạ quy mô thống kê, có 3 kỹ thuật chính là: phân loại thời tiết (weather classification), mô hình hồi
quy (regression models) và nguồn sinh thời tiết (WG – weather generator).
Kỹ thuật “phân loại thời tiết” nhóm các ngày vào trong một số hữu hạn các dạng thời tiết dựa trên tính tương đồng về đặc điểm synop. Yếu tố dự báo sẽ được tính dựa trên trạng thái thời tiết thịnh hành và được nhân bản trong điều kiện khí hậu thay đổi bằng cách lấy mẫu lại hoặc sử dụng các hàm hồi quy.
Các mô hình hồi quy là các công cụ đơn giản biểu diễn các quan hệ tuyến tính và phi tuyến giữa các yếu tố dự báo và các trường khí quyển quy mô lớn. Các kỹ thuật hay dùng là hồi quy đa biến, phân tích tương quan chính tắc, và mạng thần kinh nhân tạo, một dạng gần giống hồi quy phi tuyến.
“Nguồn sinh thời tiết” WG là kỹ thuật nhân bản các thông tin thống kê của các biến khí hậu địa phương (ví dụ như giá trị trung bình và phương sai). Kỹ thuật này dựa trên việc biểu diễn xuất hiện của mưa thông qua các quá trình Markov cho các ngày ẩm ướt/khô hoặc các đợt chuyển tiếp. Các biến phụ thuộc như số ngày ẩm ướt, nhiệt độ và bức xạ mặt trời thường được mô phỏng dựa trên sự xuất hiện của mưa (ví dụ như các ngày khô trong mùa hè bình quân có nhiều nắng hơn các ngày ẩm ướt). Kỹ thuật WG sử dụng cho hạ quy mô thống kê bằng cách gắn kết các tham số của WG vào các nhân tố dự báo quy mô lớn, trạng thái thời tiết hoặc đặc điểm mưa.
Sau khi được hiệu chỉnh, các mô hình hạ quy mô thống kê có thể biểu diễn được rất tốt các đặc điểm thống kê của trạng thái khí hậu địa phương. Các kịch bản BĐKH quy mô khu vực từ đó có thể được tạo ra bằng cách áp dụng các mô hình hạ quy mô này. Nhiều nghiên cứu đã chỉ ra rằng nhiệt độ và lượng mưa địa phương tạo bởi phương pháp hạ quy mô thống kê khác biệt đáng kể và cho các cấu trúc không gian mịn hơn so với các sản phẩm được nội suy trực tiếp từ mô hình toàn cầu.
4.3.3 Các mô hình GCM khí quyển phân giải cao
Các mô hình GCM chỉ với thành phần khí quyển (AGCMs) bao gồm các sơ đồ tương tác bề mặt đất giống như trong một mô hình kết hợp AOGCM nhưng chỉ yêu cầu các thông tin về nhiệt độ bề mặt biển SST và băng biển như là điều kiện biên dưới.
Do quy mô thời gian gắn với các quá trình khí quyển và bề mặt đất là ngắn hơn so với các quá trình trong đại dương, các mô hình AGCMs này có thể chạy với độ phân giải không gian cao cho một khoảng thời gian tương đối ngắn (khoảng vài thập kỷ). Các thông tin về SST và băng biển dùng để chạy mô hình có thể nhận được từ các quan trắc hoặc từ các AOGCMs.
Phân giải của các mô hình AGCM hiện có thể đạt được đến 50–100 km. Đặc biệt Viện nghiên cứu khí tượng của Nhật (MRI) cũng đã chạy dự tính cho toàn cầu với độ phân giải 20 km cho kịch bản A1B đến 2100. Một số mô hình AGCM cho phép độ phân giải thay đổi tập trung vào một khu vực nhất định. Các mô hình này được gọi là VRGCMs (Variable – Resolution AGCM), trong đó một ví dụ tiêu biểu là mô hình bảo giác lập phương CCAM của Úc, hiện đang được chạy tại Bộ môn Khí
tượng, Đại học Khoa học Tự nhiên. Các mô hình VRGCM, thông qua những phép co dãn cho phép có những tăng cường phân giải cho một số khu vực nhất định trong khi vẫn giữ được tương tác của khí quyển toàn cầu và số điểm lưới tính toán không bị tăng lên.
Cùng với sự phát triển của năng lực tính toán và công nghệ, trong tương lai, các mô hình toàn cầu hứa hẹn sẽ đạt đến mức độ chi tiết theo quy mô khu vực.
4.3.4 Hạ thấp quy mô động lực bằng mô hình khí hậu khu vực
Mặc dù các GCM đã đạt được những tiến bộ vượt bậc trong việc tái tạo khí hậu quá khứ và dự tính khí hậu tương lai nhưng chúng vẫn chưa thể mô phỏng tốt khí hậu cho từng khu vực do hầu hết các GCM đều có độ phân giải thấp tính đến thời điểm hiện tại, không đủ để có thể mô tả các đặc trưng khu vực như khí hậu gió mùa, địa hình và hệ sinh thái phức tạp, đặc biệt là tác động mạnh mẽ của con người. Do đó, từ những năm đầu thập kỷ 90 của thế kỷ 20, các mô hình khu vực hạn chế (LAM) đã được áp dụng vào nghiên cứu khí hậu khu vực thông qua kỹ thuật “lồng ghép” một chiều, trong đó các điều kiện ban đầu (IC) và điều kiện biên xung quanh (LBC) cần để chạy LAM được cung cấp bởi số liệu tái phân tích toàn cầu hoặc từ sản phẩm của GCM. Đó là các mô hình khí hậu khu vực (RCM). Phương pháp lồng ghép RCM vào GCM thường được gọi là hạ thấp quy mô động lực, hay chi tiết hóa động lực (Hình 4.8, 4.9).
Các RCM có các điều kiện biên xung quanh là gió, nhiệt và ẩm từ các trường khí quyển quy mô lớn và các điều kiện biên dưới là SST và băng biển. Các trường điều khiển giữ cho kết quả của RCM thống nhất với hoàn lưu khí quyển của mô hình toàn cầu. Các quá trình vật lý quy mô dưới lưới cũng được tham số hóa một cách thích hợp, tích hợp được các chi tiết địa hình, tương phản đất, biển và sử dụng đất.
Hình 4. 8. Minh hoạ về phương pháp hạ quy mô động lực sử dụng RCM
Phương pháp hạ thấp quy mô động lực có ưu điểm là nắm bắt được các hiệu ứng phi tuyến quy mô vừa và đưa ra được các thông tin thống nhất chặt chẽ giữa các biến khí hậu, cho phép mô tả chi tiết, đầy đủ các quá trình mang tính địa phương và khu vực. Sản phẩm của các mô hình khí hậu khu vực rất đa dạng, phong phú và đồng bộ. Nhược điểm chính của phương pháp này là đòi hỏi cao về năng lực tính toán và lưu trữ của hệ thống máy tính. Ngoài ra các sơ đồ tham số hóa sử dụng trong các quá trình quy mô dưới lưới có thể không thích hợp trong bối cảnh khí hậu tương lai. Độ chính xác cũng như độ bất định của sản phẩm dự tính phụ thuộc lớn vào bản chất động lực và các sơ đồ tham số hóa vật lí của từng mô hình. Một số so sánh giữa phương pháp hạ thấp quy mô động lực và phương pháp hạ thấp quy mô thống kê được liệt kê ở Bảng 4.6.
Hình 4. 9. Lưới 1,4°×1,4° đầu ra của mô hình toàn cầu CCSM và lưới 0,3°×0,3° kết quả hạ quy mô động lực từ CCSM sử dụng mô hình khu vực RegCM. Khu vực được hiển thị là đồng bằng Sông Hồng
Bảng 4. 6. So sánh một số đặc điểm của 2 phương pháp hạ quy mô: thống kê và động lực Hạ quy mô thống kê Hạ quy mô động lực Các biến đầu ra không
phải lúc nào cũng mang tính thống nhất vật lý.
Mang tính thống nhất giữa các biến địa phương/khu vực.
Đòi hỏi tài nguyên tính toán ít, do đó có thể tổ hợp hoặc thực hiện nhiều thử nghiệm khác nhau.
Đòi hỏi tài nguyên tính toán cao, do đó chỉ có thể tiến hành một số ít thử nghiệm.
Đầu ra có các đặc điểm thống kê tương tự với các quan trắc được sử dụng.
Đầu ra trên lưới với các đặc điểm thống kê phụ thuộc vào quy mô ô lưới.
Phân giải thời gian phụ thuộc vào phương pháp sử dụng, thường từ tháng đến ngày.
Phân giải thời gian cao.
Thông tin khí hậu địa phương (quy mô điểm) được dẫn xuất từ đầu ra của GCM; có thể đưa ra các biến không có trong đầu ra của mô hình.
Thông tin khí hậu với độ phân giải cao (10–60 km) được dẫn xuất từ đầu ra của GCM sử dụng RCM.
Đòi hỏi những nỗ lực trong việc thu thập dữ liệu và triển khai phương pháp hạ quy mô;
Đòi hỏi những nỗ lực trong việc sử dụng được các đầu ra của GCM làm điều kiện biên cho mô
Đòi hỏi chuỗi dữ liệu
quan trắc tương đối dài. hình khí hậu khu vực.
Các yếu tố dự báo thể hiện tốt trong quá khứ khi so sánh với quan trắc có thể sẽ không có chất lượng tương tự như vậy trong tương lai.
Các sơ đồ tham số hóa có thể không còn thích hợp cho tương lai.
Nếu RCM được điều khiển bởi số liệu tái phân tích, IC và LBC được xem là gần với trạng thái thực của khí quyển và do đó số liệu đầu vào được coi như là các trường dự báo toàn cầu “hoàn hảo”. Chính vì vậy, người ta thường sử dụng các trường tái phân tích làm IC và LBC để nghiên cứu, đánh giá kỹ năng của các RCM. Kỹ năng của các RCM trong trường hợp này phụ thuộc vào bản chất động lực học và vật lý của mô hình, như hệ phương trình mô tả trạng thái khí quyển, hệ tọa độ, phương pháp tích phân thời gian, không gian, độ phân giải, các sơ đồ tham số hóa vật lý,… Do vậy, để nghiên cứu, phát triển và cải tiến các RCM, số liệu tái phân tích thường đươc sử dụng trong các bài toán mô phỏng, khảo sát độ nhạy thông qua việc đánh giá khả năng tái tạo điều kiện khí hậu quá khứ của mô hình.
Sau khi được thẩm định kỹ năng qua mô phỏng khí hậu tại từng khu vực, trong từng mùa, các mô hình RCM có thể được ứng dụng để dự báo khí hậu khu vực với IC và LBC lấy từ các trường dự báo/dự tính của các GCM. Sai số dự báo/dự tính của RCM trong trường hợp này có thể bao gồm sai số của chính mô hình (khả năng của mô hình) và sai số của GCM
Nhờ những cải tiến trong các RCM về động lực học và các sơ đồ tham số hóa cũng như độ chính xác trong các trường tái phân tích tăng lên do được bổ sung nhiều nguồn quan trắc khác nhau (số liệu vệ tinh, rada, thám sát máy bay,…), sai số hệ thống trung bình khu vực của các trường mô phỏng bởi RCM đã giảm đáng kể. Nhiều thử nghiệm cho thấy phân bố không gian của các trường của RCM phù hợp với thực tế hơn so với GCM vì đã biểu diễn được các tác động địa hình và tương phản đất − biển với độ phân giải cao hơn (Hình 4.10). Thông thường thì RCM sẽ cho sai số hệ thống thấp hơn GCM vì độ phân giải ngang đặc biệt quan trọng, nhất là đối với mô phỏng chu trình thủy văn.
(a) Lượng mưa quan trắc (b) Lượng mưa cho bởi GCM
Hình 4. 10. Lượng mưa quan trắc (a) và mô phỏng tại Trung
Quốc (tháng 5–tháng 9) bởi một GCM (b) và một RCM lồng 1 chiều vào GCM đó (c).
Lượng mưa được lấy trung bình 30 năm và phân giải của
RCM là 20 km. Đơn vị là mm/ngày
(Gao và cộng sự, 2008).
(c) Lượng mưa cho bởi RCM
Tương tự như các mô hình khu vực dự báo thời tiết, các mô hình khí hậu khu vực cũng sử dụng các trường toàn cầu làm điều kiện ban đầu và điều kiện biên phụ thuộc thời gian. Tuy nhiên, sự khác biệt cơ bản giữa hai loại mô hình này là trong khi điều kiện ban đầu có ý nghĩa quyết định đến độ chính xác dự báo của các mô hình thời tiết thì đối với các mô hình khí hậu đó là vai trò của điều kiện biên.
Thông thường RCM cập nhật điều kiện biên xung quanh từ các trường toàn cầu được cung cấp sau từng khoảng thời gian cách nhau 6h. Vai trò điều khiển của trường toàn cầu được thực hiện thông qua việc “truyền thông tin” qua vùng đệm là dải biên
ngoài của miền tính mô hình vào phía trong. Nhiều nghiên cứu đã chỉ ra rằng, ngoài kỹ năng vốn có được xác định bởi động lực học và vật lý của mô hình, độ chính xác mô phỏng của RCM có liên quan mật thiết với việc lựa chọn miền tính. Kích thước miền càng nhỏ, ảnh hưởng của LBC đến kết quả mô phỏng càng lớn. Ngược lại, khi miền tính có kích thước lớn, càng xa biên vào phía trong miền tính kết quả mô phỏng chủ yếu phụ thuộc vào kỹ năng của mô hình; thời gian tích phân càng dài sự thích ứng của mô hình đối với tác động của điều kiện biên càng giảm, dẫn đến sự không phù hợp giữa mô phỏng của mô hình và tác động qui mô lớn từ điều kiện biên truyền vào. Do đó, cần lựa chọn miền tính sao cho kích thước không quá lớn nhưng vẫn bảo đảm sao cho những tác động địa phương được thể hiện khi tăng độ phân giải đồng thời vai trò điều khiển của trường toàn cầu thông qua điều kiện biên vẫn phát huy tác dụng. Ngoài ra, vị trí miền tính còn phụ thuộc vào nguồn số liệu đầu vào. Một số nghiên cứu đã chỉ ra rằng do sự khiếm khuyết số liệu trên các vùng đại dương nhiệt đới, việc mở rộng miền tính về phía vĩ độ thấp có thể làm giảm độ chính xác mô phỏng của RCM do chất lượng của trường toàn cầu kém. Vị trí của miền tính đi qua các khu vực có địa hình phức tạp cũng có thể gây ra nhiễu và ảnh hưởng xấu tới kết quả mô phỏng do sự không phù hợp giữa giá trị trường trên lưới độ phân giải thô của GCM và giá trị nội suy về lưới độ phân giải tinh hơn của RCM. Ở những nơi có địa hình cao, sai số mô phỏng còn được sinh ra do việc “ngoại suy” các biến bề mặt của các trường điều khiển. Nói chung cần phải tránh việc đặt biên trên những khu vực có địa hình phức tạp.
Độ phân giải của mô hình cũng rất quan trọng khi thiết lập thử nghiệm mô phỏng khí hậu khu vực. Lựa chọn độ phân giải khác nhau có thể dẫn đến việc điều chỉnh hiệu ứng của các tác động vật lý và các tham số hoá khác nhau. Khi tăng độ phân giải có thể biểu diễn tốt hơn chu trình thuỷ văn do địa hình được mô tả chi tiết hơn. Độ phân giải cao có thể cải thiện khả năng biểu diễn các hệ thống xoáy thuận và xoáy thẳng đứng, nhưng có thể sinh nhiễu và do đó đôi khi làm tăng sai số mô phỏng một vài khía cạnh khí hậu của mô hình. Chính vì vậy, trong quá trình thử nghiệm cần lựa chọn các độ phân giải khác nhau để biểu diễn các quá trình có qui mô khác nhau. Nói chung không có một sự lựa chọn duy nhất về độ phân giải cho mọi miền địa lý. Tác động của sự thay đổi độ phân giải thẳng đứng đối với kết quả mô phỏng khí hậu khu vực của các RCM hầu như chưa được đề cập nhiều và cho đến nay cũng chưa có kết luận rõ ràng.
Với độ phân giải hiện nay của các mô hình khí hậu, kể cả các mô hình toàn cầu và mô hình khu vực, các quá trình vật lý quy mô dưới lưới hầu như không thể mô tả được. Và vì vậy để tính đến những quá trình này cần phải tìm cách biểu diễn chúng thông qua các biến giải được ở quy mô lưới mô hình. Đó là bài toán tham số hóa. Trong các mô hình khí hậu những quá trình vật lý qui mô dưới lưới được tham số hóa bao gồm tham số hóa bức xạ, tham số hóa mây và đối lưu, tham số hóa lớp biên hành tinh, tham số hóa các quá trình bề mặt đất. Chi tiết về các bài toán tham số hóa này được mô tả chi tiết trong một số tài liệu như “Climate System Modeling” (Trenberth, 1995), “Báo cáo tổng kết đề tài KC08.29/06-10: Nghiên cứu tác động của BĐKH 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” (Phan Văn Tân, 2010).