CHƯƠNG 2 CƠ SỞ KHOA HỌC VÀ PHƯƠNG PHÁP DỰ BÁO HẠN KHÍ TƯỢNG CHO VÙNG DUYÊN HẢI MIỀN TRUNG
2.3 Phương pháp dự báo hạn khí tượng cho vùng nghiên cứu
2.3.3 Phân tích ảnh hưởng của ENSO đến diễn biến hạn hán của vùng nghiên cứu
68
khả năm xảy ra hạn hán sẽ cao. Vì thế, trong luận án này tác giả sẽ đi nghiên cứu ảnh hưởng của hoạt động ENSO tới diễn biến hạn khí tượng theo không gian và thời gian của vùng nghiên cứu bằng hai phương pháp sau: phương pháp thứ nhất là phân tích diễn biến hạn hán của vùng nghiên cứu trong các thời kỳ xảy ra El Nino; phương pháp thứ hai là xác định mối tương quan giữa SSTA, SOI với các chỉ số SPI, SPEI bằng phương trình tương quan.
Phương trình tương quan được được sử dụng rộng rãi trong các ngành khoa học như là một thước đo của sự phụ thuộc tuyến tính giữa hai biến, nó được phát triển bởi Karl Pearson từ một ý tưởng liên quan giới thiệu bởi Francis Galton năm 1880 [82, 83].
Thông qua các phương trình tương quan giữa để xác định hệ số tương quan của hai chuỗi số liệu, nếu hệ số tương quan là dương (phản ánh mối quan hệ đồng biến) và âm (phản ánh mối quan hệ nghịch biến), giá trị tuyệt đối của hệ số tương quan càng lớn, thì mức độ phụ thuộc tuyến tính giữa chuỗi càng lớn và chặt chẽ.
Trong luận án này tác giả nghiên cứu 8 mối tương quan như sau: (1) tương quan giữa SSTA1 với SPI1; (2) tương quan giữa SSTA1 với SPEI1; (3) tương quan giữa SSTA3 với SPI3; (4) tương quan giữa SSTA3 với SPEI3; (5) tương quan giữa SOI1 với SPI1;
(6) tương quan giữa SOI1 với SPEI1; (7) tương quan giữa SOI3 với SPI3; (8) tương quan giữa SOI3 với SPEI3. Trong đó SSTA1 là giá trị SSTA thời đoạn 1 tháng, SSTA3 là giá trị SSTA thời đoạn 3 tháng (giá trị trung bình 3 tháng liên tiếp), SOI1 là giá trị SOI theo thời đoạn 1 tháng, SOI3 là giá trị SOI thời đoạn 3 tháng (giá trị trung bình 3 tháng liên tiếp).
Mối tương quan giữa chuỗi số liệu SSTA, SOI là x (x1, x2, ..., xn) và chuỗi số liệu SPI, SPEI là y (y1, y2, ..., yn), với n cặp trị số quan sát (xi, yi) (i=1,.., n) để xây dựng ma trận tương quan giữa SSTA, SOI và các chỉ số SPI, SPEI. Các chuỗi số liệu được sử dụng để tính toán như sau: (1) Các chuỗi số liệu có vai trò là nhân tố bao gồm SSTA và SOI, các nhân tố SSTA với các thời đoạn 1, 3 tháng được ký hiệu là SSTA1j, SSTA3j: trong đó các ký hiệu j = 1, 2, ..., 12 là chuỗi số liệu SSTA ở thời điểm thứ j (j = 1 khi chuỗi số liệu SSTA ở trước 1 tháng so với chuỗi giá trị SPI và SPEI, j = 12 khi chuỗi số liệu SSTA ở trước 12 tháng so với chuỗi giá trị SPI và SPEI). Các nhân tố SOI với các thời đoạn 1, 3 tháng được ký hiệu là SOI1j, SOI3j: trong đó các ký hiệu j = 1, 2, ..., 12 là số
69
liệu SOI ở thời điểm thứ j (j = 1 khi chuỗi số liệu SOI ở trước 1 tháng so với chuỗi giá trị SPI và SPEI, j = 12 khi chuỗi số liệu SOI ở trước 12 tháng so với chuỗi giá trị SPI và SPEI); (2) Chuỗi số liệu so sánh, là đối tượng cần nghiên cứu được ký hiệu là SPIk, SPEIk: trong đó chỉ số k = 1, 2 (k = 1 khi chỉ số SPI và SPEI là thời đoạn 1 tháng, k = 3 khi chỉ số SPI là SPEI là thời đoạn 3 tháng).
Trong khí tượng, để nghiên cứu mối quan hệ các yếu tố người ta thường tiến hành các bước sau: Đầu tiên đo khảo sát mối liên hệ bằng cách tính hệ số tương quan sau đó đánh giá được mức độ chặt chẽ của các mối liên hệ qua độ lớn của hệ số tương quan. Trong luận án này sử dụng mối tương quan đơn để xác định mối tương giữa các yếu tố khí tượng với nhau. Hệ số tương quan giữa hai biến x và y người ta gọi là , hệ số tương quan là một biến ngẫu nhiên và không thứ nguyên được tính toán như sau:
n i
n
i i i
n
i
i i
y y x
x
y y x x
1 1
2 2
1 i = 1, 2, …, n (2-26)
Trong đó:
x : giá trị trung bình của dãy xi
y: giá trị trung bình của dãy yi
n: là độ dài của mẫu.
Ta có khoảng giá trị của là: 0 | | 1 (2-27) Việc đánh giá mối quan hệ tương quan giữa hai biến có thể được tiến hành thông qua việc xem xét hệ số tương quan (2.26) giữa chúng tính được từ tập mẫu. Theo (2-27) giá trị tuyệt đối của hệ số tương quan càng lớn (tiến tới giá trị 1) thì mối quan hệ tuyết tính giữa hai biến càng chặt chẽ.
Kiểm định tương quan: Dựa vào mức độ tin cậy của số liệu thống kê Z để kiểm định mối tương quan, mức độ tin cậy của số liệu thống kê Z được tính toán theo công thức sau:
70 S
Z z (2-28)
Trong đó: z là biến đổi Fisher, S là tổng độ lệch chuẩn Biến đổi Fisher (z) được tính toán như sau:
1 ln 1 2
z 1 (2-29)
Trong đó là tương quan giữa hai biến
Tổng độ lệch chuẩn (S) được tính toán như sau:
3 1
S n (2-30)
Trong đó n là độ dài của mẫu (cỡ mẫu)
Độ tin cậy hay mức độ tin cậy là mức độ chính xác của xác suất, mức ý nghĩa là xác suất xảy ra lỗi thường ký hiệu là P, giá trị của P càng nhỏ càng tốt, độ tin cậy có thể được hiểu là mức độ chắc chắn, ví dụ như độ tin cậy là 90%, 95%, 99% thì mức ý nghĩa lần lượt là P < 0.1, P < 0.05 và P < 0.01. Giá trị Z tương ứng với các mức độ tin cậy 90%, 95% và 99% lần lượt là Z90% = 1.65, Z95% = 1.92 và Z99% = 2.58. Như vậy nếu (1.65 ≤ Z
< 1.92) thì tương quan giữa hai chuỗi số liệu có ý nghĩa thống kê với độ tin cậy 90%;
nếu (1.92 ≤ Z < 2.58) thì tương quan giữa hai chuỗi số liệu có ý nghĩa thống kê với độ tin cậy 95%; nếu (2.58 ≤ Z) thì tương quan giữa hai chuỗi số liệu có ý nghĩa thống kê với độ tin cậy 99% [75, 76].