Nghiên cứu khả năng ứng dụng mô hình khí hậu khu vực dự báo hạn mùa ở việt nam

Nghiên cứu khả năng ứng dụng mơ hình khí
hậu khu vực dự báo hạn mùa ở Việt Nam
Nguyễn Quang Trung
Trường Đại học Khoa học Tự nhiên
Luận văn Thạc sĩ ngành: Khí tượng và khí hậu học; Mã số: 62 44 87
Người hướng dẫn: GS. TS. Phan Văn Tân
Năm bảo vệ: 2011
Abstract: Khái quát sơ lược về khái niệm dự báo hạn mùa và sản phẩm dự báo hạn
mùa. Tìm hiểu các nghiên cứu trên thế giới và trong nước về khả năng ứng dụng mơ
hình khí hậu khu vực dự báo hạn mùa. Trình bày sơ lược về mơ hình khí hậu khu vực
RegCM3 và hệ thống mơ hình kết hợp CAM-SOM. Đưa ra kết quả và nhận xét: kết
quả dự báo hạn mùa bằng mơ hình RegCM3 với các tùy chọn tham số hóa đối lưu
khác nhau; đánh giá kết quả dự báo thử nghiệm bằng Reg_CAMSOM.
Keywords: Khí tượng; Khí hậu học; Dự báo; Việt Nam
Content
MỞ ĐẦU
Bài tốn dự báo hạn mùa hiệnđang là một trong những bài toán được quan tâm trên thế
giới cũng như trong khu vực bởi những ứng dụng thiết thực đối với đời sống xã hội. Cụ thể
trong dự báo hạn mùa, phương pháp được quan tâm nhiều hiện nay là phương pháp mô hình
động lực, thay thế cho phương pháp thống kê được phát triển mạnh những năm trướcđây. Sự
phát triển của các mơ hình dự báo số trị, khơng chỉ trên quy mơ tồn cầu mà cịn chi tiết hóa
cho từngkhu vực,đã góp phần tạođiều kiện thuận lợi cho hướng nghiên cứu này.
Ở Việt Nam, việcứng dụng và thử nghiệm các mô hình khí hậu khu vực cho bài tốn
dự báo tuy khơng cịn mới mẻ nhưng vẫn cịn nhiều câu hỏi cần được trả lời, đặc biệt là dự
báo hạn mùa. Trong khuôn khổ luận văn này, tác giả sẽ thử nghiệm sử dụng mơ hình khí hậu
khu vực, kết hợp vớisản phẩmđầu ra từ mơ hình dự báo tồn cầu,đểđưa ra các sản phẩm dự
báo vàđánh giá cho khu vực Việt Nam. Mơ hình khu vực được sử dụng là Mơ hình khí hậu
khu vực RegCM phiên bản 3 (RegCM3), với đầu vào từ hệ thống mơ hình kết hợp CAMSOM. Trướcđó, khả năng mơ phỏng của RegCM3 với các sơ đồ đối lưu khác nhau cũng
đượcđánh giá với kết quả trong giai đoạn 10 năm. Luận văn được bố cục thành 3 chương,
ngoài mở đầu, kết luận và tài liệu tham khảo như sau:

Chương 1: Tổng quan
Chương 2: Phương pháp nghiên cứu
Chương 3: Kết quả và nhận xét
Chƣơng 1
TỔNG QUAN
Chương 1 trình bày tổng quan các nghiên cứutrên thế giới và trong nước về dự báo
hạn mùa, để có được những khái niệm cơ bản cũng như một vài nét về sự phát triển của dự
báo hạn mùa. Từ đó, mục tiêu cũng như ý nghĩa bài tốn được giải quyết trong khn khổ
luận văn sẽ được chỉ rõ.
1.1 Các nghiên cứu trên thế giới
Nghiệp vụ dự báo hiện nay có 3 lớp bài toán dự báo, bao gồm dự báo thời tiết, dự báo
tháng và dự báo mùa. Đối với dự báo thời tiết, thông thường hạn dự báo khoảng 3–5 ngày và
tối đa khoảng 5–10 ngày. Dự báo thời tiết cần phải chỉ ra được trạng thái của khí quyển tại
một địa điểm cụ thể, vào những thời điểm cụ thể (từng ngày, thậm chí từng giờ) trong thời
hạn dự báo. Khác với dự báo thời tiết, dự báo mùa không chỉ ra trạng thái khí quyển vào
những thời điểm cụ thể đến từng ngày, thay vào đó là thơng tin chung về điều kiện khí quyển
trong từng khoảng thời gian nhất định (chẳng hạn từng tháng, từng mùa – batháng) trong thời
hạn dự báo.
Dự báo hạn mùa là một bài tốn phức tạp mà sự thành cơng của các dự báo mùa này
phụ thuộc vào mức độ hiểu biết (chi tiết) về mối quan hệ tương tác giữa khí quyển và đại
dương. Hiện tại, với những hiểu biết của chúng ta về các quá trình tương tác trên, cùng với
việc chi tiết hóa của các mơ hình đã giúp phát triển việc quan trắc đo đạc cũng như tạo ra
những tiến bộ trong dự báo hạn mùa. Trên quy mô toàn cầu, nguyên nhân quan trọng nhất
khiến các đặc trưng khí hậu thay đổi từ năm này qua năm khác là sự biến đổi của nhiệt độ mặt
nước biển toàn cầu (SST).Dự báo hiện tượng ENSO, theo quy mô tháng và năm, cũngđã hỗ
trợ tốt hơn cho dự báo hạn mùa ở nhiều nơi trên thế giới.Bề mặt đất của trái đất cũng có thể
ảnh hưởng đến khí quyển trên quy mơ mùa, trong đó độ ẩm đất đóng vai trò quan trọng, cũng
như một số nơi là độ phủ tuyết. Độ ẩm đất có thể dao động về căn bản từ năm này qua năm
khác và biến đổi trong độ ẩm đất có khoảng thời gian quy mơ từ tháng đến năm.

Có hai cách tiếp cận dự báo hạn mùa là dự báo bằng phương pháp thống kê và phương
pháp mơ hình động lực. Phương pháp thống kê làphương pháp đơn giản nhất để dự báo dị
thường các yếu tố so với khí hậu trung bình, quy mơ tháng hay mùa, sử dụng các nguyên tắc

2


(bằng thống kê) liên kết các hình thế trong tương lai với đặc tính khí hậu hiện tại.Phương
pháp mơ hình động lực là một cách tiếp cận có cơ sở vật lý hơn để dự báo mùa, sử dụng các
mô hình hồn lưu chung khí quyển. Sự phát triển đáng kể hiện tại đã tạo ra một hệ thống
tương tác đầy đủ trong đó thành phần đại dương, khí quyển và mặt đất của mơ hình tương tác
liên tục với nhau để cho ra các bản tin dự báo đến vài tháng.
Hiện nay, WMO đã thiết lập được các nguồn cung cấp sản phẩm dự báo hạn dài. Các
quá trình dự báo hạn dài dựa trên nền tảng máy tính (quy mô từ 30 ngày đến 2 năm) trên quy
mô tồn cầu địi hỏi lượng lớn tài ngun máy tính cùng với những hiểu biết đặc biệt. Vì lý do
này, chỉ có một vài trung tâm trên thế giới cung cấp các bản tin dự báo khí hậu hạn dài toàn
cầu. Những dịch vụ cung cấp bởi các trung tâm này được biết đến với tên gọi Trung tâm sản
phẩm toàn cầu cho dự báo hạn dài (GPCs) đưa ra điều kiện cơ bản cho dự báo khí hậu và thời
tiết ở quy mô khu vực/địa phương và được sử dụng ở các trung tâm dự báo khu vực và địa
phương. Một số các GPCs chính của WMO là: Cục khí tượng Úc (Bureau of Meteorology,
Australia); Cơ quan khí tượng Trung Quốc (China Meteorological Administration/Bejing
Climate Center); Trung tâm dự báo khí hậu Mỹ (Climate Prediction Center, NOAA)…
Bên cạnhđó, nổi bật lên hiện nay, khi quan tâm đến dự báo hạn mùa đáng lưu ý là Hệ
thống dự báo khí hậu CFS (Climate Forecast System) với hệ thống dự báo hạn mùa sử dụng
mơ hình động lực kết hợp đầy đủ đại dương-đất-khí quyển, đã được đưa vào nghiệp vụ tại
NCEP từ tháng 8 năm 2004. Gần đây, CFS đã phát triển phiên bản 2 với dự báo tổ hợp. Dự
báo sử dụng điều kiện đầu vào của 30 ngày gần nhất và thực hiện chạy 4 lần/1 ngày. Dự báo
tổ hợp đầu vào từ 40 thành phần với điều kiện ban đầu theo thời đoạn 10 ngày. Ở Châu Âu,
một dựán khác cũng đáng lưu ý là DEMETER, dự án được Liên minh Châu Âu tài trợ để tạo
bộ số liệu dự báo lại bằng phương pháp tổ hợp đa mơ hình bao gồm 7 mơ hình với 9 thành

phần tổ hợp mỗi mơ hình, đã được đánh giá sử dụng bộ số liệu tái phân tích ERA40 và số liệu
mưa GPCP.
1.2 Các nghiên cứu trong nước
Trong những năm vừa qua, Viện Khoa học Khí tượng Thủy văn và Mơi trường đã đưa
vào hệ thống nghiệp vụ dự báo dị thường tổng lượng mưa mùa và nhiệt độ trung bình trên cơ
sở phương pháp thống kê. Kết quả được biên tập thành “Thơng báo và dự báo khí hậu” ra
hàng tháng và được cập nhật thường xuyên lên website của Viện ( />Năm 2009, Phan Văn Tân (cùng cs.) cũng đã thử nghiệm bước đầu ứng dụng mơ hình
khí hậu khu vực RegCM3 để dự báo nhiệt độ trung bình tháng và tổng lượng mưa tháng cho
ba tháng mùa hè 6-8/1996 khi sử dụng sản phẩm kết xuất của mơ hình khí hậu tồn cầu CAM
làm điều kiện ban đầu và điều kiện biên (RegCM-CAM). Các trường dự báo của RegCM-

3


CAM đã được đánh giá bằng cách so sánh với sản phẩm mô phỏng tương ứng của RegCM3
với đầu vào là số liệu tái phân tích ERA40 và nhiệt độ mặt nước biển phân tích OISST
(RegCM-ERA).Trướcđó, trong đề tài “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”, Phạm Đức Thi (cùng cs.)
đã xây dựng các phương pháp dự báo nhiệt độ trung bình tháng và mùa đối với mùa đông.
Như vậy, qua tổng quan các nghiên cứu trong và ngoài nước về bài tốn dự báo hạn
mùa, cóthể nhận thấy2 điểmcần lưu ý. Thứ nhất, về mặt phương pháp, hiện nay phương pháp
mô hìnhđộng lực tỏ ra cóưu thế hơn vàđược phát triển ngày càng hồn thiện hơn. Phương
pháp thống kê, tuy cóưu điểm khơng u cầu cao về mặt tài ngun tính tốn, nhưng cũng có
nhiều nhượcđiểm. Điểm thứ hai, so với sự phát triển trên thế giới thì dự báo hạn mùaở Việt
Nam cịn khá “thơ sơ”, với khơng nhiều các nghiên cứu và nghiệp vụ còn phụ thuộc nhiều vào
phương pháp thống kê. Trong khi đó, những năm gần đây, có khơng ít các mơ hình khí hậu
khu vựcđãđược thử nghiệm cho khu vực Việt Nam. Từđó, tác giả nhận thấy việc hướng đến
nghiên cứu khả năng ứng dụng mô hình khí hậu khu vực vào bài tốn dự báo hạnmùaở Việt
Nam là một hướngđi cóý nghĩa và cần thiết. Trước hết là khai thác phương pháp mơ hìnhđộng
lực cho bài toán dự báo mùaở Việt Nam, hơn thế nữa nếu kết quả khả quan, có thểứng dụng

tốt cho các bài toán sau này như thống kê trên sản phẩm mơ hình hay dự báo tổ hợp. Để giải
quyết hướng đi này, tác giả tập trung vào hai khía cạnh. Đầu tiên là khảo sátđược năng lực
của mơ hình khí hậu khu vực lựa chọn sử dụng, màởđây là mô hìnhMơ hình khí hậu khu vực
RegCM phiên bản 3 (RegCM3). Khi điều kiện đầu vào là trường khí quyển thực, được coi là
trường “dự báo hoàn hảo”, đồng thời với các tham số hóa đối lưu khác nhau, khả năng mô
phỏng của RegCM3 sẽ như thế nào? Tiếp theo, sẽ khai thác sử dụng đầu ra từ một mơ hình dự
báo toàn cầu làm điều kiện biên cho RegCM3 nhằmđưa ra các sản phẩm dự báo bước đầu. Mơ
hình tồn cầu được sử dụngởđây là hệ thống mơ hình CAMSOM. Các kết quả đượcđánh giá
so sánh với số liệu quan trắc, cả trên quy mô lưới vàđiểm trạm.
Chƣơng 2
PHƢƠNG PHÁP NGHIÊN CỨU
Để cụ thể hóa bài tốn nghiên cứu khả năng ứng dụng mơ hình khí hậu khu vực dự
báo hạn mùaở Việt Nam trong khuôn khổ luận văn này, chương 2 sẽ trình bày việc thiết kế
các thí nghiệm sẽ được thực hiện. Mơ hình khí hậu khu vực RegCM phiên bản 3 và hệ thống
mơ hình kết hợp CAM-SOM là hai cơng cụ chính sẽđược ứng dụng để mô phỏng và dự báo
hạn mùa cho khu vực Việt Nam.

4


2.1 Sơ lược về mơ hình khí hậu khu vực RegCM3
Hiện nay, mơ hình khí hậu khu vực RegCM đãđượcứng dụngđể nghiên cứu khí hậu
quá khứ, hiện tại và tương lai tại nhiều nơi khác nhau trên thế giới, từ Châu Mỹ, Châu Âu đến
Châu Á, Châu Phi. Mơ hình RegCM3 sử dụng hệ tọa độ thẳng đứng thủy tĩnh theo địa hình,
ký hiệu là , được định nghĩa bởi

  ( p  pt ) /( ps  pt ) trong đó p là áp suất, p là áp suất
t

tại đỉnh mơ hình, và p s là áp suất tại bề mặt.  bằng 0 tại đỉnh và bằng 1 tại bề mặt. Lưới

ngang có dạng xen kẽ ArakawaB. Hệ phương trình cơ bản của RegCM3 bao gồm các
phương trình động lượng ngang, phương trình liên tục, phương trình nhiệt động học, phương
trình thủy tĩnh và phương trình ẩm.Về tham số hóa đối lưu, trong mơ hình RegCM có thể sử
dụng một trong ba tùy chọn sau đây để tính giáng thuỷ đối lưu: (1) Sơ đồ Kuo sửa đổi; (2) Sơ
đồ MIT Emanuel; và (3) Sơ đồ Grell. Trong đó, sơ đồ Grell có thể áp dụng với một trong hai
giả thiết khép kín: (1) khép kín Arakawa và Schubert và (2) khép kín Fritsch và Chappell.
2.2 Hệ thống mơ hình kết hợp CAM-SOM
Mơ phỏng và tính tốnđầy đủ đặc tính ba chiều của hệ thống khí hậu là mụcđích của
các mơ hình khí hậu tồn cầu (GCM), trong đó có tínhđếnít nhất hai thành phần quan trọng là
khí quyển và bề mặt bao gồm bề mặt đất và đại dương. Khi GCM có sự kết hợp đầy đủ các
thành phần khí quyển – bề mặt đất và đại dương nó được gọi là hệ thống mơ hình kết hợp khí
quyển – đại dương và ký hiệu là AOGCM.Một trong những AOGCM đơn giản là mơ hình
trong đó thành phần đại dương được đưa vào như là một lớp nước mỏng phía trên (SOM –
Slab Ocean Model). SOM cịn được gọi là mơ hình “lớp xáo trộn” hoặc “lớp mỏng” do độ dày
của lớp này tương đương với độ dày lớp xáo trộn trong đại dương. CAM
(Community Atmosphere Model) là thành phần khí quyển trong mơ hình hệ thống khí hậu
CCSM (Community Climate System Model) trong đó kết hợp mơ hình khí quyển với mơ hình
bề mặt đất CLM (Community Land Model).CAM-SOM là hệ thống kết hợp (couple) giữa
CAM và SOM, là một AOGCM đơn giản sẽ được ứng dụng trong luận văn này.
 Mơ hình CAM 3.0
Trung tâm Quốc gia Nghiên cứu Khí quyển Hoa Kỳ (NCAR) đã phát triển mơ hình
khí quyển tồn cầu ba chiều nghiên cứu và tìm hiểu khí hậu Trái đất trong nhiều năm. Mơ
hình được thiết kế để làm một cơng cụ của cộng đồng nên có tên là Mơ hình Khí hậu Cộng
đồng (CCM - Community Climate Model). CAM 3.0 đãlà thế hệ thứ 5 của mơ hình khí quyển
tồn cầu NCAR. Mơ hình CAM 3.0 có ba dạng nhân động lực: (1) động lực Ơle, (2) động lực
bán-Lagrangian, (3) động lực thể tích hữu hạn, và hệ tọa độ thẳng đứng lai. Hệ tọa độ thẳng
đứng lai được phát triển với mục đích cung cấp khung áp dụng chung cho trục tọa độ thẳng

5

đứng, trong đó bám sát theo địa hình gần bề mặt Trái đất và trở thành hệ tọa độ áp suất ở
những lớp trên.
 Mơ hình SOM
Cấu hình hiện tại của mơ hình đại dương lớp mỏng SOM cho phép có q trình tương
tác đầy đủ ở bề mặt với CAM 3.0. Biến dự báo cho đại dương là nhiệt độ lớp xáo trộn T 0. Lớp
xáo trộn đại dương có nguồn nội nhiệt Q (cịn gọi là thơng lượng Q), biểu diễn trao đổi nước
sâu theo mùa và vận chuyển nhiệt đại dương phương ngang. Ví dụ, nếu sử dụng nhiệt độ bề
mặt và phân bố băng biển cho trước, thông lượng thuần năng lượng bề mặt trên mặt biển có
thể được tính tốn để tính nguồn nhiệt Q. Trao đổi thêm của nhiệt xuất hiện giữa lớp xáo trộn
và mơ hình băng biển khi băng được hình thành và tan rã.
Có thể nhận được gần 300 biến từ CAM-SOM và các biến có thể là các giá trị tức thời,
giá trị cực đại, giá trị cực tiểu, và giá trị trung bình theo thời gian:Trung bình ngày, trung bình
tháng, trung bình theo mùa, trung bình năm. Một số biến dự báo quan trọng kết xuất từ mơ
hình CAM-SOM có thể làm đầu vào cho mơ hình khí hậu khu vực.
2.3 Thiết kế thí nghiệm
Có hai nhóm thí nghiệmđược thực hiện như sau:
 TN1. Nghiên cứu khả năng dự báo hạn mùa của mơ hình RegCM3 với các tùy
chọn tham số hóađối lƣu khác nhau
Mơ hình RegCM3 được thiết kế chạy lần lượt với 3 sơđồ tham số hóađối lưu khác
nhau, từ ngày 01 tháng 04 đến ngày 31 tháng 10 của từng năm trong giai đoạn 1996-2005 với
số liệuđầu vào là số liệu tái phân tích NNRP2 của Trung tâm quốc gia Dự báo Môi trườngcủa
Mỹ NCEP vàbộ số liệu phân tích hàng tháng trên lưới 1 độ của nhiệt độ mặt biển ngoại suy
tốiưu (OISST) từ Cơ quan quản lý biển và khí quyển quốcgia NOAA. Các sơđồđối lưu được
sử dụng là: (1) Sơ đồ Kuo sửa đổi; (2) Sơ đồ MIT Emanuel và (3) Sơ đồ Grell với giả thiết
khép kín Arakawa và Schubert. Kí hiệu tương ứng với 3 nhóm kết quả của thí nghiệm 1 này
là: Reg_Kuo, Reg_Emanuel vàReg_Grell. Với điều kiện biên là số liệu tái phân tích, điều kiện
khí quyển gần thực nhất có thể có, thí nghiệm này nhằm đưa ra các dự báo cho mùa hè (mở
rộng từ tháng 04 đến tháng 10) trong giai đoạn 10 năm với các sơ đồ đối lưu khác nhau. Thí
nghiệm này nhằm đánh giá khả năng của RegCM3 khi trường đầu vào cho RegCM3 là trường

khí quyển thực. Kết quảđược so sánh với số liệu quan trắcđểđưa ra đánh giá về chất lượng mô
phỏng hạn mùa của RegCM3 cho khu vực Việt Nam.
 TN2. Nghiên cứu khả năng kết nối mơ hình RegCM3 với CAM-SOM
Kết nối vớiđầu ra từ hệ thống mơ hình kết hợp CAM-SOM, mơ hình RegCM3
đượcđặt chạy với 2 trường hợp:

6


a. Từ ngày 01 tháng 04 đến ngày 01 tháng 10 của từng năm trong giai đoạn 20002005, kết quảđược so sánh với kết quả của chạy RegCM3 vớiđầu vào là số liệu tái
phân tích NNRP2 cho giai đoạn tương ứng, nhằm đánh giá sự khác biệt khi dự báo
với 2 đầu vào khác nhau (kết quả dự báo của CAM-SOM và số liệu tái phân tích)
của mơ hình RegCM3. Kí hiệu tương ứng của 2 nhóm thí nghiệm này
làReg_CAMSOM vàReg_NNRP2.
b. Chạy 4 tháng (leadtime từ 0 cho đến 3 tháng) bắtđầu từ ngày 01 của từng tháng từ
tháng 01 đến tháng 06, của từng năm trong giai đoạn 2001-2005. Đây là kết quả
thử nghiệm dự báo hạn mùa, đặt chạy nối tiếpđể xétđến sự khác biệt của kết quả
với các leadtime khác nhau của RegCM3 khi sử dụng sản phẩm dự báo của CAMSOM.
Mô tả một cách trực quan hơn các thí nghiệmđược minh họa trong hình 2.1. Theo
chiều thẳng đứng mơ hình gồm 18 mực σ vớiđỉnh tại mực 50 mb. Miền tính mơ hình gồm
144x105 điểm (theo hai chiềuđông-tây và nam-bắc tương ứng) với tâm tạiđiểm 11.5oN và
108oE. Độ phân giải ngang là 36 km sử dụng phép chiếu Mercator.
Mộtđiểm lưu ýởđây là khi sử dụngđầu ra từ hệ thống mơ hình CAMSOM làm đầu vào
cho mơ hình RegCM3, cần phải sửa đổi quá trình tiền xử lý (chuẩn bị điều kiện biên) trong
mơ hình RegCM3. Cụ thể về chương trình cần chỉnh sửa các module:
o cam42.f: tạo mới tập tin này, chứa chương trình con đọc các biến tốcđộ gió kinh vĩ
hướng, nhiệtđộ, độẩm riêng, nhiệtđộ bề mặt, độ cao địa thế vị và khíáp bề mặt (U, V,
T, Q, TS, Z3, PS) từđầu vào CAMSOM.
o CAM.f: chỉnh sửa từ CCSM.f ban đầu, gọi chương trình con từ cam42.f kết hợp
với việc đọc biếnđịa thế vị bề mặt (PHIS) từđầu vào CAMSOM.

o ICBC.f: chỉnh sửa để sử dụng các chương trình con trong 2 tập tin trên

7


TN1

T4

T10 T4

1996

TN2a T4

T10

T4

1997

T9

T4

2000

1998 ~ 2003

T9

2001

T4

T9

T4

2002

T10 T4

2004

T9

2003

T4

2004

T10

2005

T9

T4

T9

2005

T1 T2 T3 T4 T5 T6 T7 T8 T9

TN2b

2001 ~ 2005
Hình 2.1 Mơ tả các thí nghiệm được thực hiện.
2.4 Nguồn số liệu
 Số liệu cho RegCM3:
Tất cả nguồn số liệu đầu vào cần để cung cấp cho mơ hình RegCM3 (bao gồm số liệu
về độ cao địahình, các loại bề mặt, nhiệt độ mặt nước biển và số liệu tái phân tích làm điều
kiệnban đầu và điều kiện biên cập nhật theo thời gian) có thể được tải về từ trang web
/>Số liệuđầu ra của hệ thống mơ hình CAM-SOM để sử dụng đối với các điều kiện ban
đầu và biên được lấy từ tháng 01 đến tháng 09 của từng năm trong giai đoạn 2000-2005.
Nhưđãđề cập, số liệuđầu ra của CAM-SOM cho dướiđịnh dạng netcdf với tên tập tin và các
biến chứa trong các tập tin tương ứng như sau:
 somYYYY_rmr.cam2.h0.YYYY-MM.nc (địa thế vị bề mặt)
 somYYYY_rmr.cam2.h1.YYYY-12-01-21600.nc (tốc độ gió kinh, vĩ hướng)
 somYYYY_rmr.cam2.h2.YYYY-12-01-21600.nc (độ ẩm tuyệtđối, nhiệtđộ các mực
và nhiệt độ bề mặt)
 somYYYY_rmr.cam2.h3.YYYY-12-01-21600.nc (khí áp bề mặt và độ cao địa thế vị)
Trong đó, YYYY chỉ năm (YYYY nhỏ hơn YYYY 1 năm) và MM chỉ tháng của số liệu chứa
trong tập tin.
 Số liệu đánh giá:

8



Số liệuCRU: Số liệu tái phân tích của Trung tâm nghiên cứu khí hậu của Anh với

độphân giải ngang 0,5 độ, chỉ lấy số liệu nhiệt độ bề mặt, lượng mưa trung bình tháng.


Số liệu đầu vào: có thể so sánh với chính số liệu đầu vào NNRP2 (NCEP) đểxem

xét khả năng tái tạo các trường gió, nhiệt và ẩm của mơ hình.


Số liệu quan trắc thực tế trên Việt Nam: 48 trạm quan trắc khí tượng điển hình trải

đều trên lãnh thổ Việt Nam.
Chƣơng 3
KẾT QUẢ VÀ NHẬN XÉT

Chương 3 trình bày vàđánh giá các kết quả theo như thiết kế thí nghiệmđã nêu trong
chương 2. Cụ thể kết quả sẽ gồm hai phần chính tương ứng với 2 thí nghiệm, đó là (1) nghiên
cứu khả năng dự báo hạn mùa của mơ hình RegCM3 vớicác sơ đồ tham số hóađối lưu khác
nhau và (2) nghiên cứu khả năng kết nối mơ hình RegCM3 với CAM-SOM.
3.1 Kết quả dự báo hạn mùa bằng mơ hình RegCM3 với các tùy chọn tham số
hóađối lưu khác nhau
3.1.1 Thời tiết, khí hậu khu vực Đông Nam Á giai đoạn 1996-2005
Trước khi đánh giá các kết quả dự báo thử nghiệm từđầu ra của mơ hình RegCM3,
chúng ta cần quan tâmđếnđiều kiện thời tiết, khí hậu của khu vựcĐơng Nam Á trong giai đoạn
nghiên cứu (1996-2005). Hiện tượngENSO và hoạtđộng của bão là hai nhân tốảnh hưởng

mạnh mẽđến thời tiết, khí hậu khu vựcĐông Nam Á trong giai đoạn này.
Hiện tượng El Nino và La Nina có ảnh hưởng đến thời tiết, khí hậu toàn cầuvới mức
độ khác nhau và rất đa dạng. Tuy nhiên, đối với từng khu vực cụ thể, vẫncó thể xác định được
những ảnh hưởng chủ yếu có tính đặc trưng của mỗi hiệntượng nói trên. Trong giai đoạn
1996-2005, đặc biệtđáng chúý làđợtEl Nino mạnh năm 1997-1998 (kéo dài khoảng 15 tháng,
từ tháng 4 năm 1997 đến tháng 6 năm 1998) và ngay sau đó làđợt La Nina năm 1998-2000 (từ
tháng 8 năm 1998 đến tháng 7 năm 2000). Những thời kỳ xảy ra ENSO mạnh sẽ được chú ý
trong khi phân tích kết quả mơ phỏng hồn lưu, nhiệt độ, độ ẩm và lượng mưa của mơ hình
RegCM3 tiếp sau đây.
Về hoạtđộng của bão, sốlượng các cơn bão Biển Đông tăng trong các năm 1996, 1999
và 2001 (trung bình khoảng 15 cơn bão/ 1 năm). Bão Biển Đơng là những cơn bão hình thành
ngay trên Biển Đơng hoặc di chuyển từ ngồi khơi Tây Bắc Thái Bình Dương vào khu vực
được giới hạn bởi kinh tuyến 100oE – 120oE và vĩ tuyến 0oN – 23oN. Trong khi đó, năm 1997
lại đánh dấu một năm “ơn hịa” với chỉ 6 cơn bão.

9


3.1.2 Hoàn lưu, nhiệt độ và lượng mưa từđầu ra của RegCM3
Trong mục này, sản phẩm đầu ra của RegCM3 với thiết kế như thí nghiệm 1 (mục 2.3)
sẽđược trình bày vàđánh giá với các trường/biến cơ bản. Các kết quảđược chia thành 3 nhóm
so sánh với nhau, ứng với các tùy chọn tham số hóađối lưu được sử dụng khi chạy RegCM3,
cụ thể là Reg_Kuo, Reg_Emanuel và Reg_Grell. Trước tiên, trường độ cao địa thế vị, trường
gió cũng như trường khíáp mực biển sẽđược so sánh với miền phân tích được giới hạn từ 5oN
đến 25oN và 100oE đến 120oE. Tiếp theo đó, trường nhiệtđộ mực 2m và lượng mưa cũng
sẽđược phân tích khơng chỉ trên khu vực Việt Nam mà cònđượcđưa về cácđiểm trạm. Các
trạm cũng được chia theo 7 vùng khí hậu của Việt Nam đểđánh giá theo dạngđồ thị tụđiểm.
Cuối cùng, profile thẳngđứng của nhiệtđộ và độẩm, cùng với biểuđồ dạng Hovmollerđược sử
dụngđể làm rõ một sốđiểm khác biệt giữa các kết quả.
Trường vectơ gió và trường độ cao địa thế vị các mực 850, 500, 200 mb trung bình

trong giai đoạn 1996-2005 của các tháng 4, 7, 10 từ đầu ra của các thí nghiệm được so sánh
với số liệu tái phân tích. So sánh với trường tái phân tích, mộtđiều dễ nhận thấy là mơ hình
RegCM3, dùvới sơ đồ tham số hóa đối lưu nào, cũng tái tạo tốt hình thế trường độ cao địa thế
vị và trường gió. Sự sai khác tồn tại chủ yếu là độ lớn trường độ cao, nhưng cũng chỉ khoảng
5 mb. Xét chung cả 3 mực được đánh giá, Reg_Kuo cho trường “mạnh” hơn trong khi
Reg_Emanuel tái tạo trường “yếu” hơn, do vậy, Reg_Grell với kết quả “vừa phải” được cho là
kết quả tốt nhất. Trường gió trên diện của miền phân tíchđược mơ phỏng tốt nhưng nếu xét
riêng cho khu vực Việt Nam thì có một số trường hợp sai khác lớn về hướng

Reg_Kuo

Reg_Grell

Reg_Emanuel

NNRP2

Hình 3.1 Trường vectơ gió vàđộ cao địa thế vị mực 850 mb trung bình tháng 10 của các thí
nghiệm so sánh với số liệu NNRP2

10


Khi so sánh giữa các thí nghiệm, trường khíáp mực biển cũng cho thấy sự mô phỏng
hạn mùa tốt của RegCM3, đặc biệt là Reg_Emanuel. Nhìn chung, các thí nghiệmđều mơ
phỏng tốt hình thế phân bố khíáp mực biển trong các tháng, tuy về giá trị lớn hơn khoảng 2mb
trong đa phần các trường hợp. Reg_Emanuel cho kết quả mô phỏng sát với số liệu tái phân
tích nhất vào tháng 4 và tháng 10. Trong khi đó, Reg_Kuo và Reg_Grell cho giá trị khíáp lớn
hơn ở hầu như trên tồn miền phân tích trong tất cả các trường hợp.
Bên cạnhđó, trường nhiệtđộ mực 2m và lượng mưa trung bình các tháng 5-10 trong

giai đoạn 1996-2005 của các thí nghiệmđượcso sánh với số liệu CRU. Mô phỏng nhiệtđộ mực
2m của cả 3 thí nghiệm nhìn chung nắm bắtđược phân bố nhiệtđộ trên khu vực Việt Nam
nhưng đều cho giá trịcao hơn số liệu CRU khoảng 1oC. Điều này có thể thấy rõở các vùng khí
hậu B2, B4, N1 và N3. Riêng vùng cóđịa hình cao như B1 và N2, nhiệtđộ mơ phỏng của
Reg_Grell và Reg_Emanuel cho kết quả tốt hơn Reg_Kuo.Kết quả mô phỏng lượng mưa lại
cho sự khác biệt lớn giữa các thí nghiệm, nhìn chung thì Reg_Grell mơ phỏng cho khu vực
Việt Nam là gần với số liệu CRU nhất. Bên cạnhđó, Reg_Kuo cho mơ phỏng khơ hơn (thấp
hơn khoảng 50-100 mm) cịn Reg_Emanuel mơ phỏng lượng mưa vượt quá rất nhiều (từ 100
đến 200 mm). Như vậy, trong khi nhiệtđộ mực 2m được mô phỏng hạn mùa tốtở cả 3 thí
nghiệm thì lượng mưa trung bìnhđánh dấu sự mô phỏng sai khác nhiều so với số liệu CRU, và
nếu xét trên tồn khu vực Việt Nam thì Reg_Grell có kết quả khả quan nhất.
Để thấy rõ hơn khả năng dự báo hạn mùa trong các thí nghiệm, nhiệtđộ mực 2m và
lượng mưa trung bình các tháng 5-10 trong giai đoạn 1996-2005 của các thí nghiệmđược nội
suy về trạm và so sánh với số liệu quan trắc tại 48 trạm. Một cách tổng quát, nhiệtđộ 2m mô
phỏng bởi 3 thí nghiệmnhìn chung xấp xỉ và thấp hơn số liệu quan trắc tại trạm, từ 1oC đến
2oC. Các trạm thuộc khu vực B1 và B4 cho kết quả mô phỏng thấp hơn quan trắc rõ rệt hơn
cả. Bên cạnhđó các trạmđặc biệt như Sapa, Đà Lạt kết quả mô phỏng lại cao hơn quan trắc,
khoảng 2oC. So sánh giữa các thí nghiệm, Reg_Kuo cho giá trị mơ phỏng cao hơn 2 thí
nghiệm cịn lại vàReg_Grell cho mơ phỏng thấp hơn cả. Khác với nhiệtđộ mực 2m, lượng
mưa mô phỏng hạn mùa bởi 3 thí nghiệm khi so sánh với số liệu quan trắc cho thấy sự khác
biệt lớn khi thay đổi việc sử dụng các sơđồđối lưu. Trong đó, Reg_Emanuel mô phỏng dường
như gần với số liệu quan trắc nhất, cịn Reg_Kuo và Reg_Grell cho mơ phỏng thấp hơn hẳn,
đặc biệt là Reg_Kuo.
Đồ thị tụđiểmđược sử dụngđểđánh giá sai số mơ phỏng của 3 thí nghiệm khi so sánh
với số liệu quan trắc tại 48 trạm với 2 biến là nhiệtđộ mực 2m và lượng mưa. Vớiđồ thị này,
kết quả dự báo thấp hơn so với quan trắc của biến nhiệtđộ và kết quả không tốt với biến lượng

11

mưa được chỉ ra khá rõ nét. Kết quả cũng không cho sự khác biệt nào đáng kể khi so sánh
giữa các trạm miền bắc và miền nam Việt Nam.

a.

b.

Hình 3.2Đồ thị tụđiểmđánh giá sai số mô phỏng nhiệtđộ mực 2m (a) và lượng mưa (b) so với
số liệu quan trắc tại 48 trạm.

Kết hợp thông tin từ các mựcđộ cao khác nhau, profile thẳngđứng của nhiệtđộ vàđộẩm
tuyệtđốicũng đượcđưa vàođánh giá. Miền tính trung bình được lấy từ 8oN đến 24oN và 102oE
đến 110oE, bao quanh vừa trọn vẹn khu vực Việt Nam. Về cơ bản, sự khác biệt vềđộẩm
tuyệtđối giữa các thí nghiệm có thể nhận thấy được, trong khi sự khác biệt về nhiệtđộ là
không đáng kể. Chênh lệch, tuy nhỏ, chủ yếu giữa Reg_Emanuel với 2 trường hợp còn lại vàở
dưới mực 700 mb. Ở trên mực300 mb, profile của 3 thí nghiệm dường nhưđồng nhất. Điều
này cũng xảy ra vớiđộẩm tuyệtđối, trên 300 mb các thí nghiệm gần như trùng khít profile,
nhưng dưới 300 mb, frofile củađộẩm tuyệtđối có sự khác biệt lớn hơn rõ rệt. Nhìn chung,
Reg_Emanuel cho độẩm tuyệtđối lớn hơn 2 thí nghiệm còn lạiở tất cả các mực, còn
Reg_Grell là thấp nhất.
Biểuđồ dạng Hovmoller biểu diễn trung bình trượt 5 ngày của nhiệtđộ và lượng mưa
tiến triển theo các tháng từ tháng 5 đến tháng 10 cho thấy rõ hơn sự khác biệt giữa 3 thí
nghiệm. Nhìn chung, Reg_Kuo và Reg_Emanuel mơ phỏng trường nhiệt phát triển qua các
tháng lớn hơn so với Reg_Grell, rõ nét ở miền nam (vĩđộ dưới 10oN). Sự khác biệt cũng nhận
thấy rõở khoảng vĩ độ 16oN-18oN và 20oN-22oN. Với lượng mưa, sự chênh lệch giữa các thí
nghiệm là rất rõ nét. Trong khi Reg_Kuo cho thấy sự phát triển của lượng mưa trung bình
trượt 5 ngày nhỏ (khoảng 5-10 mm) và Reg_Grell cũng chỉ thấy lớn hơn một chút (khoảng 15
mm) vào khoảng sau tháng 7, thì Reg_Emanuel cho thấy lượng mưa lớn ngay từđầu tháng 6.

12

Tóm lại, bằng các cách biểu diễn vàđánh giá khác nhau cho các trường dự báo hạn
mùa từ sản phẩm của RegCM3, ta có thể nhận thấy sự tái tạo tốt của RegCM3 với trường độ
cao địa thế vị, trường gió và trường nhiệt độ. Sự khác biệt giữa các thí nghiệm (sử dụng các
sơđồđối lưu khác nhau) là có thể nhận thấy, đặc biệt là trường nhiệt độ và lượng mưa trung
bình, cũng như là biến độẩm. Xét theo các mực thẳngđứng khác nhau, cũng như xét theo sự
tiến triển theo mùa trên dải vĩđộ của Việt Nam, sự khác biệt vàđặc tính của các thí
nghiệmđược làm rõ hơn. Trong đó, Reg_Grell cho dự báo hạn mùa với trạng thái “ơn hịa”
hơn cả vàđánh giá tổng quan chung là tốt hơn cả.
3.2 Đánh giá kết quả dự báo thử nghiệm bằng Reg_CAMSOM
3.2.1 Đánh giá trường đầu vào nhận được từ CAMSOM
Kết quả dự báo thử nghiệm của RegCM3 vớiđầu vào CAM-SOM sẽđượcđánh giá với
2 thí nghiệm nhỏ (Hình 2.1). Trước khi xem xét kết quả dự báo thử nghiệm của RegCM3
vớiđầu vào từ mơ hình CAMSOM, ta cần đánh giá trườngđầu vào nhậnđược từ CAMSOM.
Trường vectơ gió vàđộ cao địa thế vị tại các mực1000, 850 và 500 mb trung bình các tháng
01, 04, 07 nhậnđược từ CAMSOM được so sánh với số liệu tái phân tích NNRP2.
Một cách tổng quan, trường đầu vào từ CAMSOM khá tương đồng với số liệu
NNRP2, đặc biệt là trong tháng 1. Điều này có thể thấy rõở mực 1000 mb, CAMSOM đã tái
tạo khá tương đồng với NNRP2 về trườngđộ cao địa thế vị và tái tạo tốt trường gió cho tháng
1. Tuy vậy, trường gió trong tháng 7 của CAMSOM lại mô phỏng nhỏ hơn nhiều so với
NNRP2, đặc biệt làở phía nam miền phân tích. Điều này có thể do CAMSOM mô phỏng
trung tâm áp cao hơn nhưng rút về phía bắc nhiều hơn so với NNRP2. Trường gió trong tháng
1 và tháng 4 trên khu vực Việt Nam của CAMSOM có giá trị lớn hơn. Nếu xét hẹp trên khu
vực Việt Nam thì hướng gió tháng 4 có sự sai khác rõ rệt, ở cả miền bắc và miền nam.
3.2.2 So sánh Reg_CAMSOMvà Reg_NNRP2
Sau khi đánh giáđược sự tái tạo tốt của CAMSOM, tạo trườngđầu vào hiệu quả cho
RegCM3, ta tiến hành thêm một thí nghiệmđểđánh giá khả năng dự báo của RegCM3 với 2
loạiđầu vào khác nhau. Kết quảđầu tiên của thí nghiệm 2 là kết quả dự báo của RegCM3
vớiđầu vào CAMSOM và vớiđầu vào NNRP2 được so sánh với nhau (TN2a). Trường nhiệtđộ

khơng khí trung bình mực 2m và trường tổng lượng mưa tháng của các tháng 6, 7, 8 mô
phỏng bởi RegCM3 theo số liệu CAMSOM và theo số liệu NNRP2 được so sánh với nhau.

13


Hình 3.3 Trường nhiệtđộ khơng khí trung bình mực 2m tháng 7 mô phỏng của RegCM3 theo
số liệu CAMSOM (trái), NNRP2 (giữa) và hiệu giữa chúng (phải).
Nhìn chung, cùng tương đồng về sự phân bố nhiệtđộ giữa các vùng, sự khác biệt giữa
hai kết quả dự báo của RegCM3 với biến nhiệtđộ vẫn có thể nhận thấy. Tuy có sự khác biệt
riêng, nhưng nhìn chung ở cả 3 tháng, trường nhiệtđộ mô phỏng của Reg_CAMSOM thấp
hơn so với Reg_NNRP2 ở miền bắc Việt Nam và cao hơn ở miền nam. Nhiệtđộ chênh lệch
khoảng 1oC. Về lượng mưa, trong cả 3 tháng, nhận thấy ngay sự lớn hơn đáng kể của lượng
mưa mô phỏng bởi Reg_CAMSOM so với Reg_NNRP2 trên khu vực Tây Nguyên trong khi
lượng mưa thấp hơn nằm ở khu vực B1 và B3. Sai số chênh lệch giữa 2 mô phỏng là khoảng
50 đến 100 mm.
Để chi tiết hóa hơn việc đánh giá, nguồn số liệu tại trạmđược sử dụngđể so sánh với 2
sản phẩm dự báo trên. Nhiệtđộ mực 2m và lượng mưa tính trung bình cho các tháng từ tháng
5 đến tháng 9 từ kết quả mô phỏng của RegCM3 theo số liệu CAMSOM và NNRP2 so sánh
với số liệu quan trắc tại trạm. Nhìn chung, kết quả mô phỏng của RegCM3 trong cả 2 trường
hợp vớiđầu vào từ CAMSOM và từNNRP2 đều thấp hơn so với giá trị quan trắc tại trạm. Các
vùng B2, B3, B4, N1 và N3 thể hiện rõ nétđiều này. Tuy vậy, về phân bố nhiệtđộ trên tồn
Việt Nam, mơ phỏng là khá tốt.Lượng mưa mô phỏng bởi RegCM với 2 loạiđầu vào khác
nhau có sự sai khác khơng lớn vàđều thấp hơn so với số liệu quan trắc. Mô phỏng tốt có thể
nhận thấy ở vài trường hợp riêng biệt, như các trạm ven biển Ninh Thuận. Đáng chúý là mô
phỏng của Reg_CAMSOM đặc biệt rất thấp ở khu vực B2.
Đếnđây, có thể rút ra được nhận xét về mơ phỏng thấp hơn của Reg_CAMSOM cũng
như Reg_NNRP2 so với số liệu quan trắc về cả nhiệtđộ và lượng mưa, tuy cả 2 kết quả dự
báo cho phân bố theo vùng tốt. Kết quả dự báo của Reg_CAMSOM và Reg_NNRP2 cũng tồn
tại sự khác biệt có thể nhận thấy, với sự tái tạo cao hơn một chút của Reg_NNRP2.

3.2.3 Đánh giá kết quả Reg_CAMSOM

14


Reg_CAMSOM sau khi đượcđánh giá chất lượng dự báo ở thí nghiệm trước sẽđược
thiết lậpchạy thử nghiệm tựa như nghiệp vụ với leadtime cao nhất là 3 tháng (TN2b) cho giai
đoạn 2001-2005. Theo như thiết kế thí nghiệm chạy dự báo bằng mơ hình RegCM3 vớiđầu
vào CAMSOM, có 3 tháng cóđầy đủ kết quả dự báo với các leadtime khác nhau từ
leadtime=0 đến leadtime=3. Trước hết ta đánh giá kết quả dự báo nhiệtđộ trung bình mực 2m
và lượng mưa trung bình tháng của 3 tháng này bằng cách so sánh với số liệu CRU. Sai số dự
báo nhiệtđộ mực 2m và lượng mưacủa Reg_CAMSOM so vớisố liệu CRU trong các tháng 4,
5, 6 đượcđánh giávới các leadtime khác nhau.

Hình 3.4 Sai số dự báo nhiệtđộ khơng khí trung bình mực 2m của tháng 4 với các leadtime
khác nhau
Sai số dự báo nhiệtđộ 2m trong cả 3 tháng khi xét với các leadtime khác nhau đều cho
xu thế thiên âm trên khu vực Việt Nam. Vùng núi cóđịa hình cao thuộckhu vực B1 có sai số
dự báo cao nhất, trong khi vùng đồng bằng Bắc Bộ có sai số thấp hơn cả. Ở các tháng 5, 6 sai
số dự báo giảm khi leadtime tăng từ 0 tháng lên 3 tháng. Một cách hiểu đơn giản là dự báo
sớm cho kết quả sai số thấp hơn hay việc tăng leadtime đến một khoảng thời gian thích hợp
đã cải thiện kết quả dự báo. Cần nhiều đánh giá hơn để có thể kết luận điều này. Nhưng cũng
lưu ý về nền nhiệt các tháng 5 và 6 làđồng đều hơn trên khu vực Việt Nam so với tháng 4.

15


Về dự báo lượng mưa, qua đánh giá dự báo lượng mưa cho các tháng 4, 5, 6 có thể
nhận thấy việc thay đổi leadtime không chỉ ra được cải thiện hay khác biệt nào lớn trong việc
dự báo lượng mưa. Những khu vực có lượng mưa lớn có sai số dự báo lớn hơn cả, điều này có

thể lý giải do việc mô phỏngkhô hơn của Reg_CAMSOM được phân tích trong kết quả của thí
nghiệmTN2a. Bên cạnh đó, đây là kết quả dự báo lấy trung bình trong giai đoạn 2001-2005,
mà chưa tách biệt để đánh giá các năm chịu tác động đặc biệt của các hiện tượng như ENSO.
Đểđánh giá kĩ hơn, sử dụng nguồn số liệu quan trắc tại trạm ta tiến hành đánh giá sai
số dự báo với các leadtime khác nhau và các tháng cần dự báo khác nhau. Các chỉ tiêu đánh
giá là sai số trung bình (ME), sai số trung bình tuyệtđối (MAE), sai số quân phương (RMSE)
và hệ số tương quan (CC). Các kết quảđược thể hiện trên đồ thị với trục tung thể
hiệnleadtime(từ 0 đến 3 tháng) và trục hoành thể hiện tháng cần dự báo. Các kết quả được xét
trên tất cả các trạm (48 trạm), đồng thời xét riêng cho các trạm thuộc các vùng B1, B2, B3, B4
(tạm gọi là miền Bắc) và các trạm thuộc vùng N1, N2, N3 (tạm gọi là miền Nam).

ME

MAE

RMSE

CC

Hình 3.5Sai số dự báo nhiệt độ mực 2m tại 48 trạm.
Đối với dự báo nhiệt độ mực 2m, nhìn chung sai số dự báo giảm khi dự báo các tháng
mùa hè (tháng 6, 7, 8) so với dự báo cho các tháng mùađông (tháng 1, 2). RMSE giảm từ 4oC
xuống khoảng 2.5oC. Nền nhiệt mùa hè cao, kết hợp với biên độ dao động nhiệt của mùa hè
cũng thấp hơn so với mùađông có thể là nguyên nhân của sự chênh lệch sai số này. Trong dự
báo từng tháng việc thay đổi leadtime khơng có sự khác biệt lớn về sai số dự báo (chỉ chênh
lệch khoảng 0.2oC). Dự báo thiên âm trong tất cả các trường hợp, tương đồng với kết quả khi
so sánh với số liệu CRU. Hệ số tương quan cao nằm ở các tháng mùađông (tháng 1, 2) với hệ

16

số khoảng 0.8.Khi chỉ xét riêng cho các trạm miền Bắc, dự báo vẫn cho kết quả thấp hơn so
với quan trắc, khoảng 3oC. Xu thế dự báo nhiệtđộ thiên âm cũng tồn tại khi chỉ xét riêng các
trạm miền Nam tuy vậy sự giảm sai số dự báo khi leadtime tăng có thểđược nhận thấyở một
số trường hợp. Các tháng 5 và 6 cho thấy rõđiều này khi sai số giảm khoảng 0.2oC từ leadtime
1 đến 3.
Sai số dự báo lượng mưa vẫn cho giá trị thiên âm giống như với biến nhiệtđộở tất cả
các tháng cần dự báo và các leadtime khác nhau. Nếu xét trên cả 48 trạm thì sự thay đổi
leadtime khơng làm thay đổi nhiều sai số dự báo. Có thể thấy điều này rõ nét ở tháng 5, 6 và
7. Sai số các tháng từ tháng 5 đến tháng 9 lớn hơn các tháng từ 1 đế 4. Hệ số tương quan thấp
hơn nhiều so với biến nhiệtđộ, chỉ khoảng 0.2. Khi xét riêng cho miền Bắc và miền Nam, xu
thế sai số tương đồng với khi xét cho cả khu vực Việt Nam. Sai số các tháng từ tháng 5 trởđi
lớn hơn sai số dự báo trong các tháng trướcđó.
Như vậy, nhìn chung, đối với cả hai biến nhiệtđộ và lượng mưa, xu thế dự báo thiên
âm rõ rệt khi thực hiện cácđánh giá. Bên cạnhđó, ảnh hưởng của các leadtime khác nhau (theo
như thí nghiệm) khơng được nhận thấy rõ nét. Sai số dự báo lớn, còn hệ số tương quan chỉ
tốtđối với biến nhiệtđộ và khá kémđối với biến lượng mưa.

KẾT LUẬN
Ý nghĩa khoa học và thực tiễn của bài toán dự báo hạn mùa đã được chỉ ra, trên quy
mô tồn cầu. Từ đó, luận văn đã hồn thành nghiên cứu khả năng ứng dụng mơ hình RegCM3
dự báo hạn mùa ở khu vực Việt Nam. Mục tiêu chính là thử nghiệm các sơ đồ tham số hóa
khác nhau của RegCM3 trong việc mô phỏng hạn mùa đối với khu vực Việt Nam và đồng
thời kết hợp đầu ra của mơ hình tồn cầu (ở đây là hệ thống CAM-SOM) để thực hiện dự báo
hạn mùa.
Một số kết luận ban đầu là:
+ Mơ hình RegCM3 tái tạo tốt các trường độ cao và trường gió trong mùa hè (từ tháng
4 đến tháng 10) của giai đoạn được nghiên cứu (1996-2005). Kết quả mô phỏng ở các mực
được đánh giá trong chương 3 đã chỉ ra điều đó.
+ Mơ hình RegCM3 cũng tái tạo tốt trường nhiệt độ 2m ở với cả 3 sơ đồ tham số hóa

đối lưu khác nhau (phân bố nhiệt độ tương đồng với quan trắc, sai số xấp xỉ 1 oC). Riêng đối
với biến lượng mưa, có sự khác biệt lớn khi thay đổi các sơ đồ. Trong đó, Reg_Grell cho kết

17


quả mơ phỏng “ơn hịa” và gần với quan trắc hơn cả, cịn Reg_Emanuel lại cho lượng mưa
q lớn.
+ Mơ hình RegCM3 có khả năng kết hợp được với hệ thống mơ hình CAMSOM.
Chương trình để đọc đầu ra của CAMSOM tạo đầu vào cho RegCM3 được phát triển. Các kết
quả mô phỏng khi được so sánh với trường hợp đầu vào là số liệu tái phân tích cũng cho kết
quả tốt.
+ Với thiết kế dự báo ban đầu (chạy với leadtime từ 0 đến 3 tháng), các kết quả chưa
cho thấy rõ sự khác biệt rõ nét giữa các leadtime khác nhau. Xu thế dự báo thiên âm là rõ rệt
đối với cả biến nhiệt độ và lượng mưa. Cần có sự hiệu chỉnh kết quả nếu nghiên cứu kĩ hơn
sau này.
References
Tiếng Việt
1. Nguyễn Đức Ngữ (2007), “Tác động của ENSO đến thời tiết, khí hậu, mơi 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 mơ 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 tồn 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. />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.

18


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.
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, 27912813.
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, 28142832.
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
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.

19

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

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),“Highresolution simulations of West African climate using regional climate model

20


(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-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. />
21