luận văn thạc sĩ nghiên cứu khả năng ứng dụng mô hình khí hậu khu vực dự báo hạn mùa ở việt nam

ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƢỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN
---------------------

Nguyễn Quang Trung

NGHIÊN CỨU KHẢ NĂNG ỨNG DỤNG MÔ HÌNH KHÍ HẬU KHU
VỰC DỰ BÁO HẠN MÙA Ở VIỆT NAM

Chuyên ngành: Khí tƣợng và khí hậu học
Mã số: 62.44.87

LUẬN VĂN THẠC SĨ KHOA HỌC

NGƢỜI HƢỚNG DẪN KHOA HỌC:

GS. TS. Phan Văn Tân

Hà Nội - 2012


LỜI CẢM ƠN
Tác giả hoàn thành luận văn này khi học tập và cơng tác tại Bộ mơn Khí
tƣợng, Khoa Khí tƣợng Thủy văn và Hải dƣơng học, Trƣờng Đại học Khoa học Tự
nhiên, Đại học Quốc gia Hà Nội. Luận văn đƣợc thực hiện dƣới sự hƣớng dẫn tận
tình của GS. TS. Phan Văn Tân. Tác giả xin bày tỏ lòng biết ơn chân thành tới thầy,
ngƣời đã hết lịng quan tâm cũng nhƣ kiên trì giúp đỡ từng bƣớc nghiên cứu của học
viên.
Tác giả cũng xin chân thành cảm ơn tập thể Bộ mơn khí tƣợng nói riêng và
Khoa Khí tƣợng Thủy Văn và Hải dƣơng học nói chung đã luôn giúp đỡ, tạo điều
kiện để tác giả hồn thành luận văn, hơn thế nữa cịn mang lại một mơi trƣờng làm

việc và học tập hiếm có cho học viên.

Nguyễn Quang Trung

2


MỤC LỤC

DANH MỤC HÌNH ..........................................................................................4
DANH MỤC BẢNG .........................................................................................7
DANH MỤC CÁC KÝ HIỆU VIẾT TẮT .......................................................8
MỞ ĐẦU ...........................................................................................................9
Chƣơng 1 TỔNG QUAN ................................................................................10
1.1 Các nghiên cứu trên thế giới .................................................................10
1.2 Các nghiên cứu trong nƣớc ...................................................................18
Chƣơng 2 PHƢƠNG PHÁP NGHIÊN CỨU .................................................22
2.1 Sơ lƣợc về mơ hình khí hậu khu vực RegCM3 ....................................22
2.2 Hệ thống mơ hình kết hợp CAM-SOM ................................................24
2.3 Thiết kế thí nghiệm................................................................................29
2.4 Nguồn số liệu .........................................................................................34
Chƣơng 3 KẾT QUẢ VÀ NHẬN XÉT ..........................................................38
3.1 Kết quả dự báo hạn mùa bằng mơ hình RegCM3 với các tùy chọn tham
số hóa đối lƣu khác nhau .............................................................................38
3.1.1 Thời tiết, khí hậu khu vực Đơng Nam Á giai đoạn 1996-2005 .....38
3.1.2 Hồn lƣu, nhiệt độ và lƣợng mƣa từ đầu ra của RegCM3 .............40
3.2 Đánh giá kết quả dự báo thử nghiệm bằng Reg_CAMSOM ................54
3.2.1 Đánh giá trƣờng đầu vào nhận đƣợc từ CAMSOM .......................54
3.2.2 So sánh Reg_CAMSOM và Reg_NNRP2 .....................................58
3.2.3 Đánh giá kết quả Reg_CAMSOM .................................................64

KẾT LUẬN .....................................................................................................78
TÀI LIỆU THAM KHẢO...............................................................................79

3


DANH MỤC HÌNH

Hình 1.1 Trung tâm sản phẩm tồn cầu cho dự báo hạn dài của WMO ...................15
Hình 2.1 Cấu trúc lƣới thẳng đứng (bên trái) và lƣới ngang dạng xen kẽ ArakawaB
(bên phải) của mơ hình RegCM3 ....................................................................23
Hình 2.2 Mô tả hệ toạ độ lai thẳng đứng trong CAM 3.0 .........................................27
Hình 2.3 Sơ đồ mơ tả các mơ hình thành phần của CAM-SOM ...............................28
Hình 2.5 Miền tính của RegCM3 trong các thí nghiệm. ...........................................31
Hình 2.4 Mơ tả các thí nghiệm đƣợc thực hiện. ........................................................32
Hình 2.5 Vị trí 48 trạm lấy số liệu quan trắc để thẩm định .......................................36
Hình 3.1 Nino3.4 trung bình từ tháng 6 đến tháng 12 giai đoạn 1950 – 2007. ........39
Hình 3.2 Tần số bão ở khu vực Biển Đơng (1961 - 2007) ........................................39
Hình 3.3 Trƣờng vectơ gió và độ cao địa thế vị mực 850 mb trung bình các tháng 4,
7, 10 (trên xuống dƣới) của các thí nghiệm so sánh với số liệu NNRP2 .......42
Hình 3.4 Trƣờng vectơ gió và độ cao địa thế vị mực 500 mb trung bình các tháng 4,
7, 10 (trên xuống dƣới) của các thí nghiệm so sánh với số liệu NNRP2 .......43
Hình 3.5 Trƣờng vectơ gió và độ cao địa thế vị mực 200 mb trung bình các tháng 4,
7, 10 (trên xuống dƣới) của các thí nghiệm so sánh với số liệu NNRP2 .......44
Hình 3.6 Trƣờng khí áp mực biển trung bình các tháng 4, 7, 10 (trên xuống dƣới)
của các thí nghiệm so sánh với số liệu NNRP2 ..............................................45
Hình 3.7 Trƣờng nhiệt độ mực 2m trung bình các tháng 5-10 trong giai đoạn 19962005 của các thí nghiệm so sánh với số liệu CRU .........................................46
Hình 3.8 Lƣợng mƣa trung bình các tháng 5-10 trong giai đoạn 1996-2005 của các
thí nghiệm so sánh với số liệu CRU ...............................................................47
Hình 3.9 Trƣờng nhiệt độ mực 2m trung bình các tháng 5-10 trong giai đoạn 19962005 của các thí nghiệm so sánh với số liệu quan trắc tại 48 trạm ................48

Hình 3.10 Lƣợng mƣa trung bình các tháng 5-10 trong giai đoạn 1996-2005 của các
thí nghiệm so sánh với số liệu quan trắc tại 48 trạm ......................................49

4


Hình 3.11 Đồ thị tụ điểm đánh giá sai số mô phỏng nhiệt độ mực 2m (a) và lƣợng
mƣa (b) của 3 thí nghiệm so với số liệu quan trắc tại 48 trạm. ......................51
Hình 3.12 Profile thẳng đứng của độ ẩm tuyệt đối (a) và nhiệt độ (b) trung bình từ
tháng 5-10 giai đoạn 1996-2005 của các thí nghiệm......................................51
Hình 3.13 Biểu đồ Hovmoller trung bình trƣợt 5 ngày của nhiệt độ (a) và lƣợng
mƣa (b) của các thí nghiệm Reg_Kuo (trên), Reg_Grell (giữa) và
Reg_Emanuel (dƣới) .......................................................................................54
Hình 3.14 Trƣờng vectơ gió và độ cao địa thế vị mực 1000 mb trung bình các tháng
1,4,7 (trái sang phải) của CAMSOM (trên) và NNRP2 (dƣới) ......................55
Hình 3.15 Trƣờng vectơ gió và độ cao địa thế vị mực 850 mb trung bình các tháng
1,4,7 (trái sang phải) của CAMSOM (trên) và NNRP2 (dƣới) ......................56
Hình 3.16 Trƣờng vectơ gió và độ cao địa thế vị mực 500 mb trung bình các tháng
1,4,7 (trái sang phải) của CAMSOM (trên) và NNRP2 (dƣới) ......................57
Hình 3.17 Trƣờng nhiệt độ khơng khí trung bình mực 2m các tháng 6,7,8 (trên
xuống dƣới) mô phỏng của RegCM3 theo số liệu CAMSOM (trái), NNRP2
(giữa) và hiệu giữa chúng (phải).....................................................................59
Hình 3.18 Trƣờng tổng lƣợng mƣa các tháng 6,7,8 (trên xuống dƣới) mô phỏng của
RegCM3 theo số liệu CAMSOM (trái), NNRP2 (giữa) và hiệu giữa chúng
(phải)................................................................................................................60
Hình 3.19 Nhiệt độ khơng khí trung bình mực 2m các tháng từ tháng 5 đến tháng 9
mô phỏng của RegCM3 theo số liệu CAMSOM (trái), NNRP2 (giữa) và số
liệu quan trắc (phải) tại 48 trạm. .....................................................................61
Hình 3.20 Tổng lƣợng mƣa tháng trung bình trong các tháng từ tháng 5 đến tháng 9
mô phỏng của RegCM3 theo số liệu CAMSOM (trái), NNRP2 (giữa) và số

liệu quan trắc (phải) tại 48 trạm. .....................................................................62
Hình 3.21 Sai số mơ phỏng nhiệt độ khơng khí trung bình mực 2m từ tháng 5 đến
tháng 9 của RegCM3 theo số liệu CAMSOM, NNRP2 và số liệu quan trắc tại
48 trạm. ............................................................................................................63

5


Hình 3.22 Sai số mơ phỏng lƣợng mƣa trung bình các tháng từ tháng 5 đến tháng 9
của RegCM3 theo số liệu CAMSOM, NNRP2 và số liệu quan trắc tại 48
trạm. .................................................................................................................64
Hình 3.23 Nhiệt độ khơng khí trung bình mực 2m của (a) tháng 4, (b) tháng 5, (c)
tháng 6 theo số liệu CRU. ...............................................................................65
Hình 3.24 Sai số dự báo nhiệt độ khơng khí trung bình mực 2m của tháng 4 với các
leadtime khác nhau ..........................................................................................66
Hình 3.25 Sai số dự báo nhiệt độ khơng khí trung bình mực 2m của tháng 5 với các
leadtime khác nhau ..........................................................................................67
Hình 3.26 Sai số dự báo nhiệt độ khơng khí trung bình mực 2m của tháng 6 với các
leadtime khác nhau ..........................................................................................68
Hình 3.27 Lƣợng mƣa trung bình của (a) tháng 4, (b) tháng 5, (c) tháng 6 theo số
liệu CRU. .........................................................................................................69
Hình 3.28 Sai số dự báo lƣợng mƣa trung bình của tháng 4 với các leadtime khác
nhau .................................................................................................................70
Hình 3.29 Sai số dự báo lƣợng mƣa trung bình của tháng 5 với các leadtime khác
nhau .................................................................................................................71
Hình 3.30 Sai số dự báo lƣợng mƣa trung bình của tháng 6 với các leadtime khác
nhau .................................................................................................................72
Hình 3.31 Sai số dự báo nhiệt độ mực 2m tại 48 trạm. .............................................73
Hình 3.32 Sai số dự báo nhiệt độ mực 2m tại các trạm miền Bắc ............................74
Hình 3.33 Sai số dự báo nhiệt độ mực 2m tại các trạm miền Nam ...........................75

Hình 3.34 Sai số dự báo lƣợng mƣa tại 48 trạm. .......................................................76
Hình 3.35 Sai số dự báo lƣợng mƣa tại các trạm miền Bắc ......................................76
Hình 3.36 Sai số dự báo lƣợng mƣa tại các trạm miền Nam.....................................77

6


DANH MỤC BẢNG
Bảng 2.1 Danh mục một số trƣờng kết xuất của mơ hình CAM-SOM .....................29
Bảng 2.2 Các hàm đƣợc sử dụng trong thƣ viện NFI ................................................34
Bảng 2.3 Danh sách 48 trạm lấy số liệu quan trắc để thẩm định ..............................36

7


DANH MỤC CÁC KÝ HIỆU VIẾT TẮT

AGCM

Mơ hình hồn lƣu chung khí quyển

GCM

Mơ hình hồn lƣu chung khí quyển (Global Circulation model)

GPC

Trung tâm sản phẩm toàn cầu cho dự báo hạn dài

LSM

Mơ hình bề mặt đất (land surface model)

RegCM

Mơ hình khí hậu khu vực (Regional Climate Model)

SST

Nhiệt độ mặt nƣớc biển tồn cầu (Sea surface temperature)

WMO

Tổ chức Khí tƣợng Thế giới (World Meteorological Organization)

8


MỞ ĐẦU
Bài toán dự báo hạn mùa hiện đang là một trong những bài toán đƣợc quan
tâm trên thế giới cũng nhƣ trong khu vực bởi những ứng dụng thiết thực đối với đời
sống xã hội. Cụ thể trong dự báo hạn mùa, phƣơng pháp đƣợc quan tâm nhiều hiện
nay là phƣơng pháp mơ hình động lực, thay thế cho phƣơng pháp thống kê đƣợc
phát triển mạnh những năm trƣớc đây. Sự phát triển của các mơ hình dự báo số trị,
khơng chỉ trên quy mơ tồn cầu mà cịn chi tiết hóa cho từng khu vực, đã góp phần
tạo điều kiện thuận lợi cho hƣớng nghiên cứu này.
Ở Việt Nam, việc ứng dụng và thử nghiệm các mơ hình khí hậu khu vực cho
bài tốn dự báo tuy khơng còn mới mẻ nhƣng vẫn còn nhiều câu hỏi cần đƣợc 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 với sản phẩm đầu ra từ mơ hình

dự báo tồn cầu, để đƣa ra các sản phẩm dự báo và đánh giá cho khu vực Việt Nam.
Mơ hình khu vực đƣợc sử dụng là Mơ hình khí hậu khu vực RegCM phiên bản 3
(RegCM3), với đầu vào từ hệ thống mô hình kết hợp CAM-SOM. Trƣớc đó, khả
năng mơ phỏng của RegCM3 với các sơ đồ đối lƣu khác nhau cũng đƣợc đánh giá
với kết quả trong giai đoạn 10 năm. Luận văn đƣợc bố cục thành 3 chƣơng, ngoài
mở đầu, kết luận và tài liệu tham khảo nhƣ sau:
Chƣơng 1: Tổng quan
Chƣơng 2: Phƣơng pháp nghiên cứu
Chƣơng 3: Kết quả và nhận xét

9


Chƣơng 1
TỔNG QUAN
Dự báo hạn mùa hiện nay đang là một trong những bài tốn đƣợc quan tâm
đặc biệt, khơng chỉ trong nghiên cứu mà còn đƣợc mở rộng trong những ứng dụng
của đời sống xã hội. Trong đó, có thể kể đến hiệu quả của sản phẩm dự báo hạn
mùa có kĩ năng tốt trong lĩnh vực nơng nghiệp nhƣ góp phần đƣa ra những dự báo
đáng tin cậy về sản lƣợng vụ mùa ở Châu Âu [12] hay miền tây Ấn Độ [13], hơn thế
nữa là trong lĩnh vực y tế nhƣ việc dự báo sự lan truyền của dịch sốt rét [38].
Chƣơng 1 sẽ trình bày tổng quan các nghiên cứu trên thế giới và trong nƣớc về dự
báo hạn mùa, để có đƣợc những khái niệm cơ bản cũng nhƣ một vài nét về sự phát
triển của dự báo hạn mùa. Từ đó, mục tiêu cũng nhƣ ý nghĩa bài tốn đƣợc giải
quyết trong khn khổ luận văn sẽ đƣợc chỉ rõ.
1.1 Các nghiên cứu trên thế giới
Đến với bài toán dự báo hạn mùa, trƣớc hết, cần có cái nhìn khái qt về
khái niệm của dự báo hạn mùa, cũng nhƣ về các trung tâm đƣa ra sản phẩm dự báo
hạn mùa, đƣợc bổ nhiệm chính thức bởi Tổ chức Khí tƣợng Thế giới (WMO).
Nghiệp vụ dự báo hiện nay có 3 lớp bài tốn dự báo, bao gồm dự báo thời tiết, dự

báo tháng và dự báo mùa. Đối với dự báo thời tiết, thông thƣờng hạn dự báo khoảng
3–5 ngày (hạn ngắn – Short range forecast) và tối đa khoảng 5–10 ngày (hạn vừa –
Medium range forecast). Dự báo thời tiết cần phải chỉ ra đƣợc 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 – ba tháng) trong thời hạn dự báo. Dự báo mùa,
hay dự báo hạn mùa (Seasonal forecast), hay dự báo khí hậu hạn mùa (Seasonal
Climate forecast) có hạn dự báo đến tối đa (hiện nay) là một năm [35].

10


Bên cạnh đó, theo WMO [44], với bài tốn dự báo thời tiết, dự báo quy mô
lớn hơn 10 ngày trong tƣơng lai đƣợc coi là dự báo hạn dài, mặt khác trong dự báo
khí hậu, dự báo hạn dài nói chung quan tâm ở quy mơ mùa. Dự báo hạn dài đƣợc
mở rộng từ hạn 30 ngày cho đến 2 năm, trong đó bao gồm các mơ tả quy mô mùa
(seasonal outlook) đƣợc định nghĩa là việc chỉ ra các tham số trung bình của thời
tiết thơng qua độ lệch so với giá trị trung bình khí hậu của mùa đó [30]. Khái niệm
mùa có thể hiểu theo mùa thiên văn (xn, hạ, thu, đơng) và cũng có thể có khái
niệm khác ở vùng nhiệt đới (mùa mƣa, mùa khô). Trong thực tế, dự báo hạn mùa
(seasonal forecasting) đƣợc xét từ quy mô tháng cho đến 1 năm (với các hạn phổ
biến là 1, 3, 6, 9 tháng) nhằm đƣa ra các ứng dụng có hiệu quả của sản phẩm dự
báo.
Dự báo hạn mùa (từ quy mô tháng cho đến quy mơ năm) là một bài tốn
phức tạp mà sự thành công của các dự báo mùa này phụ thuộc vào mức độ hiểu biết
(chi tiết) về mối quan hệ tƣơng tác giữa khí quyển và đại dƣơng [44]. Hiện tại, với
những hiểu biết của chúng ta về các q trình tƣơng tác trên, cùng với việc chi tiết
hóa (hồn thiện hơn) của các mơ hình đã giúp phát triển việc quan trắc đo đạc cũng

nhƣ tạo ra những tiến bộ trong dự báo hạn mùa. Để hiểu đƣợc cơ sở vật lý của dự
báo hạn mùa, chúng ta cần hiểu các nhân tố tạo ra các đặc trƣng khí hậu của 1 năm
khác biệt so với các năm khác. Vì vậy, chúng ta cũng cần nắm đƣợc khả năng dự
báo của chính các nhân tố này và cụ thể ở quy mô thời gian nào. Trên quy mô toàn
cầu, nguyên nhân quan trọng nhất khiến các đặc trƣng khí hậu thay đổi từ năm này
qua năm khác là sự biến đổi của nhiệt độ mặt nƣớc biển toàn cầu (SST). Dị thƣờng
nhiệt độ bề mặt biển ở khu vực nhiệt đới là đặc biệt quan trọng bởi vì đối lƣu sâu
trong khí quyển miền nhiệt đới, tác động lớn đến hoàn lƣu toàn cầu, lại rất nhạy
cảm với SST bên dƣới. Ở một số nơi khác nhƣ Châu Âu và Tây Phi, SST của khu
vực cũng đƣợc coi là nhân tố quan trọng. Đối với khu vực nhiệt đới, đặc biệt là khu
vực Thái Bình Dƣơng xích đạo, khả năng dự báo SST đƣợc nâng cao nhờ có các
q trình khác. Trong đó, ENSO là hiện tƣợng đƣợc quan tâm nghiên cứu và có tác
động nhiều nhất đến các quá trình làm thay đổi SST. Dự báo hiện tƣợng ENSO,

11


theo quy mô tháng và năm, đã 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 hƣởng đến khí quyển trên quy mơ
mùa, trong đó độ ẩm đất đóng vai trị quan trọng, cũng nhƣ 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 mô từ tháng đến năm. Koster (2004) [27]
đã sử dụng mơ hình bề mặt đất (LSM) kết hợp với trƣờng toàn cầu trạng thái thực
(của các biến giáng thủy, bức xạ và các trƣờng khí tƣợng bề mặt) để có đƣợc các
trƣờng mới về độ ẩm đất, nhiệt độ và các trạng thái đất khác. Sau đó, tác giả đã sử
dụng các trƣờng này làm điều kiện ban đầu cho dự báo giáng thủy và nhiệt độ bằng
mô hình hồn lƣu chung khí quyển (AGCM). Sự cải thiện trong kết quả đã đƣợc
kiểm định với việc thực hiện dự báo lại ở quy mô tháng (từ tháng 5 đến tháng 9,
1979-93) với hệ thống dự báo hạn mùa của Mơ hình tồn cầu của NASA (GMAO).

Với 75 dự báo riêng biệt, kết quả đã cung cấp cơ bản đầy đủ về mặt thống kê cho
việc đánh giá sự cải thiện trong kĩ năng dự báo liên quan đến việc ban đầu hóa điều
kiện bề mặt đất. Đánh giá kĩ năng đƣợc tập trung cho khu vực Đồng bằng lớn của
Bắc Mỹ, khu vực có nguồn số liệu về điều kiện đất ban đầu đáng tin cậy và có sự
ảnh hƣởng lớn của điều kiện độ ẩm đất tới các nhiễu động khí quyển trong việc phát
triển các trƣờng khí tƣợng. Nghiên cứu đã chỉ ra ban đầu hóa đất tác động nhỏ
nhƣng là có thể nhận thấy cho sự cải thiện của dự báo nhiệt độ và lƣợng mƣa của
khu vực này. Đối với giáng thủy, sự phát triển trong kĩ năng dự báo xuất hiện rõ nét
vào tháng 5 đến tháng 7, trong khi đó với nhiệt độ khơng khí, là tháng 8 và tháng 9.
Cả ban đầu hóa đất và khí quyển đều chi phối một cách độc lập đến kĩ năng thực
của dự báo nhiệt độ hàng tháng, với kĩ năng lớn nhất nhận đƣợc từ việc ban đầu hóa
là khi kết hợp 2 nguồn này.
Việc dự báo hạn dài chính xác các nhân tố khí hậu (nhiệt độ, lƣợng mƣa, trên
hay dƣới chuẩn… ) có những tiềm năng ứng dụng rất lớn, ví dụ những dự báo này
có thể cung cấp thơng tin cần thiết cho những quyết định dài hạn và cảnh báo sớm
các thiên tai có thể xảy ra. Một lƣu ý là mức độ tin cậy của bất kỳ dự báo nào cũng

12


phụ thuộc vào khả năng nắm bắt chính xác đến đâu của chúng khi so sánh với trung
bình khí hậu. Cụ thể là dự báo chỉ đƣợc chấp nhận nếu chúng chính xác hơn và
cung cấp nhiều thơng tin hơn so với kinh nghiệm về khí hậu mà vẫn đƣợc sử dụng
để đánh giá và đƣa ra các quyết định trƣớc đây. Có hai cách tiếp cận dự báo hạn
mùa là dự báo bằng phƣơng pháp thống kê và phƣơng pháp mơ hình động lực (dự
báo sử dụng các mơ hình số trị).
Phương pháp thống kê là phƣơng pháp đơn giản nhất để dự báo dị thƣờng
các yếu tố so với khí hậu trung bình, quy mơ tháng hay mùa, sử dụng các nguyên
tắc (bằng thống kê) liên kết các hình thế trong tƣơng lai với đặc tính khí hậu hiện
tại. Những dị thƣờng biến đổi chậm và có quy mơ lớn của khí hậu (ví dụ nhƣ SST)

có thể tồn tại trong nhiều tháng, và có thể tác động làm thay đổi hình thế hồn lƣu
chung khí quyển và từ đó sai lệch so với trạng thái trung bình của hồn lƣu khí hậu
địa phƣơng. Ban đầu, hƣớng tiếp cận này không mấy thành công, nhƣng sự tăng
cƣờng hiểu biết về hiện tƣợng ENSO và các hình thế tác động khác giúp cho
phƣơng pháp này đáng tin cậy hơn. Điểm mạnh của phƣơng pháp này là tƣơng đối
dễ áp dụng bởi vì hầu nhƣ phụ thuộc vào thống kê khí hậu và sử dụng tài nguyên
máy tính khiêm tốn. Đƣơng nhiên, vẫn tồn tại những hạn chế. Các mô hình thống kê
thƣờng thử nghiệm dự báo các mối liên hệ phức tạp mà khơng có các mối liên hệ cụ
thể nào với các quá trình vật lý cũng nhƣ động lực học nằm ẩn bên trong. Điều này
có nghĩa là phƣơng pháp hiệu quả khi sự phát triển quy mô lớn là rõ rệt và theo một
hƣớng nhƣng rất khó để lƣờng trƣớc những sự chuyển pha, ví dụ nhƣ từ nóng sang
lạnh và ngƣợc lại. Và cuối cùng, phƣơng pháp thƣờng không nắm bắt đƣợc những
yếu tố đột biến.
Phương pháp mơ hình động lực là một cách tiếp cận có cơ sở vật lý hơn để
dự báo mùa, sử dụng các mơ hình hồn lƣu chung khí quyển. Trong một dạng của
hƣớng tiếp cận này, bƣớc đầu tiên là dự báo sự phát triển của SST trong vùng nhiệt
đới Thái Bình Dƣơng. Các dự báo có thể dựa trên mơ hình khu vực mà coi sự phát
triển trong vùng đại dƣơng nhiệt đới là cô lập. Khi mô hình đƣa ra dự báo về Thái
Bình Dƣơng, có thể trong một năm tới, hình thế dự báo của SST sẽ đƣợc sử dụng

13


tác động đến mơ hình hồn lƣu chung khí quyển để dự báo thời tiết toàn cầu phản
ứng ra sao. Những dự báo mùa đã cho các kết quả đầy hứa hẹn, đặc biệt là khu vực
nhiệt đới. Sự phát triển của các dự báo này đƣợc xây dựng dựa trên những điểm
mạnh của mơ hình và những quan trắc ngày càng tốt hơn ở khu vực Thái Bình
Dƣơng xích đạo. Sự phát triển đáng kể hiện tại đã tạo ra một hệ thống tƣơng tác đầy
đủ trong đó thành phần đại dƣơng, khí quyển và mặt đất của mơ hình tƣơng tác liên
tục với nhau để cho ra các bản tin dự báo đến vài tháng.

Với sự phát triển nhƣ vậy, hiện nay WMO đã thiết lập đƣợc 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 mơ tồn cầu địi hỏi lƣợng 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 đƣợc biết đến với tên gọi Trung tâm sản
phẩm toàn cầu cho dự báo hạn dài (GPCs) đƣa ra điều kiện cơ bản cho dự báo khí
hậu và thời tiết ở quy mô khu vực/địa phƣơng và đƣợc sử dụng ở các trung tâm dự
báo khu vực và địa phƣơng. Từ đó, dự báo hạn dài ở quy mơ khu vực đƣợc cung
cấp bởi cả Các trung tâm khí hậu khu vực (RCCs) cũng nhƣ các Diễn đàn về dự báo
mùa khu vực (RCOFs). Cũng nhƣ GPCs, RCCs và RCOFs sử dụng số liệu đƣợc hỗ
trợ bởi các mô hình số trị để phát triển các dự báo chi tiết thích hợp cho khu vực
riêng. Những mơ hình và dự báo này sau đó đƣợc sử dụng bởi các trung tâm dự báo
để tạo ra các dự báo quốc gia và địa phƣơng chính xác và tốt hơn.
Năm 2006, WMO bắt đầu chính thức bổ nhiệm các trung tâm đƣa ra các bản
tin dự báo mùa toàn cầu đƣợc gọi là Trung tâm sản phẩm toàn cầu cho dự báo hạn
dài (GPCs), một thành phần của Hệ thống Xử lý số liệu và Dự báo toàn cầu
(GDPFS) [30]. Các trung tâm này cần cung cấp tối thiểu:
o Dự báo giá trị trung bình, tích lũy hoặc tần suất với thời hạn 1 tháng hoặc lâu
hơn; đặc trƣng là dị thƣờng phân vị trung bình 3 tháng với định dạng chuẩn
cho dự báo mùa. Các dự báo thƣờng biểu diễn dƣới dạng xác suất.
o Thời trễ dự báo (leadtime): từ 0 đến 4 tháng.

14


o Tần suất phát báo: hàng tháng hoặc ít nhất là theo quý
o Cung cấp: dạng ảnh hiển thị trên trang web của GPCs hoặc/và số liệu để tải
về
o Các biến: nhiệt độ 2m, lƣợng mƣa, SST, MSLP, độ cao 500hPa, nhiệt độ

850hPa
o Đánh giá kĩ năng dự báo hạn dài, sử dụng quy chuẩn của SVSLRF.

Hình 1.1 Trung tâm sản phẩm toàn cầu cho dự báo hạn dài của WMO (WMO
Global Producing Centres of Long Range Forecasts). Nguồn: WMO 2010
(www.wmo.int)
Một số các GPCs chính của WMO là: Cục khí tƣợng Úc (Bureau of
Meteorology, Australia); Cơ quan khí tƣợng Trung Quốc (China Meteorological
Administration/Bejing Climate Center); Trung tâm dự báo khí hậu Mỹ (Climate
Prediction Center, NOAA); Trung tâm dự báo hạn vừa Châu Âu (European Centre
for Medium-Range Weather Forecasts); Cơ quan khí tƣợng Nhật Bản (Japan
Meteorological Agency/Tokyo Climate Centre)…
Mặt khác, nổi bật lên hiện nay, khi quan tâm đến dự báo hạn mùa đáng lƣu 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 dƣơng-đất-khí quyển, đã đƣợc
đƣa vào nghiệp vụ tại NCEP từ tháng 8 năm 2004 [32]. Hệ thống CFS cung cấp

15


những lợi thế quan trọng trong việc dự báo hạn mùa nghiệp vụ. Lần đầu tiên trong
lịch sử dự báo nghiệp vụ của nƣớc Mỹ, một hệ thống mơ hình động lực có kĩ năng
tốt có thể so sánh đƣợc với phƣơng pháp thống kê hiện đang sử dụng ở Trung tâm
Dự báo Khí hậu của NCEP (CPC). Điều này thể hiện sự tiến bộ đáng kể so với các
hệ thống mơ hình động lực trƣớc đây đƣợc sử dụng ở NCEP. Hơn thế nữa, kĩ năng
đƣợc cung cấp bởi CFS (theo khơng gian và thời gian) cũng đã hồn thiện kĩ năng
của phƣơng pháp thống kê. Thành phần khí quyển của CFS là phiên bản độ phân
giải thấp hơn (T62L64) của Hệ thống Dự báo Toàn cầu (GFS) đã đƣợc chạy nghiệp
vụ ở NCEP từ năm 2003. Thành phần đại dƣơng là GFDL Modul Mơ hình đại
dƣơng phiên bản 3 (MOM3) thay cho MOM1 trƣớc đây. Một số cải tiến quan trọng

của hệ thống CFS so với hệ thống động lực trƣớc đây bao gồm: (1) sự kết hợp giữa
khí quyển và đại dƣơng mở rộng hầu hết tồn cầu từ 64N-74S (trƣớc đây chỉ có khu
vực Thái Bình Dƣơng nhiệt đới) (2) hệ thống CFS đƣợc kết hợp đầy đủ khơng có
hiệu chỉnh dịng (khác với trƣớc đây có hiệu chỉnh dịng và sai số) và (3) một bộ
đầy đủ kết quả dự báo lại của 24 năm (1981-2004) với 15 dự báo cho từng tháng
chạy cho 9 tháng, đã đƣợc cung cấp cùng với CFS. Bộ số liệu dự báo lại của 24 năm
này đặc biệt quan trọng trong việc đánh giá kĩ năng dự báo của hệ thống khi chạy
nghiệp vụ, đồng thời cung cấp thông tin quý báu cho việc nghiên cứu sự tƣơng tác
của các q trình khí quyển-đất-đại dƣơng.
CFS có sai số nhỏ chấp nhận đƣợc trong dự báo SST vùng nhiệt đới và kĩ
năng dự báo Nino 3-4 SST có thể so sánh đƣợc với phƣơng pháp thống kê. Tuy vậy,
kĩ năng dự báo SST vùng vĩ độ trung bình (trƣớc đây khơng có) kém hơn nhiều so
với khu vực nhiệt đới và ở các thời trễ dự báo dài hơn thì chỉ có kĩ năng vào mùa
đơng. Kĩ năng dự báo tháng và mùa của nhiệt độ và lƣợng mƣa khu vực đất liền Bắc
Bán cầu, cụ thể nhƣ Mỹ, còn khiêm tốn, nhƣng vẫn so sánh đƣợc với phƣơng pháp
thống kê trƣớc đây. Kĩ năng của lƣợng mƣa chủ yếu tốt vào mùa đông (liên quan
đến ENSO), trong khi kĩ năng của nhiệt độ chủ yếu tốt vào mùa hè khi dị thƣờng độ
ẩm đất có tác dụng sử dụng.

16


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. Loại tổ
hợp thứ nhất (E1) sử dụng 10 ngày đầu tiên, loại 2 (E2) sử dụng 10 ngày tiếp theo
và loại 3 (E3) sử dụng 10 ngày cuối. Dị thƣờng đƣợc tính so với sản phẩm dự báo
lại giai đoạn 1981-2008. Tƣơng quan theo thời gian dựa vào dự báo lại cho giai
đoạn 1981-2006 và số liệu quan trắc đƣợc sử dụng để đánh giá kĩ năng cho dị
thƣờng khơng gian. Độ lệch chuẩn đƣợc tính trung bình độ lệch chuẩn của từng

thành phần (vẫn tính từ bộ số liệu dự báo lại 1981-2006) với tháng đầu vào và mùa
dự báo tƣơng ứng.
Ở Châu Âu, một dự án khác cũng đáng lƣu ý là DEMETER, dự án đƣợc Liên
minh Châu Âu tài trợ để tạo bộ số liệu dự báo lại bằng phƣơng pháp tổ hợp đa mơ
hình bao gồm 7 mơ hình với 9 thành phần tổ hợp mỗi mơ hình, đã đƣợc đánh giá sử
dụng bộ số liệu tái phân tích ERA40 và số liệu mƣa GPCP [31]. Các mơ hình này từ
các trung tâm khí hậu của Châu Âu đƣợc viết tắt là: CERFACS, ECMWF, INGV,
LODYC, METEO-FRANCE, MPI và UKMO. Sản phẩm đầu ra của DEMETER
đƣợc downscale cho phù hợp để ứng dụng vào việc dự báo sản lƣợng mùa màng và
dịch sốt rét. Kết quả cho thấy việc tổ hợp đa mơ hình là một hƣớng tiếp cận khả thi
khi quan tâm đến độ bất định của mơ hình trong dự báo mùa và nhiều năm, đồng
thời đƣa ra kết quả dự báo đáng tin cậy hơn khi chỉ dựa trên một mơ hình đơn lẻ.
Thêm nữa, một lợi ích khác của dự án là cho ra bộ sản phẩm dự báo lại quy mô
mùa. Bộ số liệu này cho tiềm năng để nâng cao hiểu biết của chúng ta về các cơ chế
trong dao động liên mùa và nhiều năm.
David Lavers (cùng cs.) đã phân tích chi tiết kĩ năng dự báo của nhiệt độ và
lƣợng mƣa từ 8 mơ hình dự báo mùa bằng phân bố đồng thời của quan trắc và dự
báo để đánh giá sản phẩm của DEMETER [15]. Kết quả cũng cho thấy kĩ năng thấp
ở những dự báo trên tháng-1 (tức là lấy thời trễ dự báo chỉ 1 ngày và đánh giá luôn
cho 30 ngày đầu tiên). Ở những thời trễ dự báo dài, chỉ có khu vực Thái Bình
Dƣơng xích đạo cho thấy kĩ năng đáng kể. Điều này có thể ảnh hƣởng trong việc sử

17


dụng các sản phẩm dự báo mùa trong các dịch vụ khí hậu và kết quả này cũng có
thể đƣợc coi nhƣ tiêu chuẩn của khả năng dự báo khí hậu hiện tại sử dụng các mơ
hình động lực. Các mơ hình của DEMETER đƣợc khởi tạo chạy vào 01 tháng II, 01
tháng V, 01 tháng 8 và 01 tháng XI để đánh giá sự phụ thuộc quy mô mùa của các
dự báo lại và tích phân cho 180 ngày. Cùng giai đoạn nghiên cứu, CFS với 15 dự

báo lại (9 tháng) khởi tạo mỗi tháng đƣợc sử dụng để đánh giá. Thời kì chung của
DEMETER và CFS là 1981-2001 (21 năm). Nhiệt độ 2m ở độ phân giải 2.5x2.5 từ
số liệu tái phân tích ERA40 và lƣợng mƣa quan trắc trung bình tháng ở độ phân giải
1.0x1.0 từ Trung tâm mƣa khí hậu tồn cầu (GPCC) đƣợc sử dụng làm số liệu để so
sánh. Lƣợng mƣa đƣợc đƣa về lƣới 2.5 để khớp với độ phân giải của dự báo lại. Ở
đây, tác giả thực hiện 2 phép đánh giá: (1) đánh giá so sánh trung bình tổ hợp các
mơ hình với số liệu quan trắc, đây đƣợc coi là đáng giá với khí quyển thực và (2)
đánh giá với khí quyển lý tƣởng, với giả thiết là một thành phần của tổ hợp đƣợc coi
là “thật” và trung bình các thành phần cịn lại là “dự báo”. Phƣơng pháp sử dụng
chính là dùng hệ số tƣơng quan (tuyến tính).
Đến đây, chúng ta đã điểm qua một số các nghiên cứu cũng nhƣ các dự án và
sự phát triển các trung tâm dự báo hạn mùa trên thế giới. Các khái niệm và lƣu ý cơ
bản khi đề cập đến bài toán dự báo hạn mùa cũng đã đƣợc nêu ra. Tiếp theo, chúng
ta sẽ tìm hiểu một số các nghiên cứu trong nƣớc.
1.2 Các nghiên cứu trong nước
Trong những năm vừa qua, Viện Khoa học Khí tƣợng Thủy văn và Môi
trƣờng đã đƣa vào hệ thống nghiệp vụ dự báo dị thƣờng tổng lƣợng mƣa mùa và
nhiệt độ trung bình trên cơ sở phƣơng pháp thống kê. Kết quả đƣợc biên tập thành
“Thơng báo và dự báo khí hậu” ra hàng tháng và đƣợc cập nhật thƣờng xuyên lên
website của Viện ( Các thông báo này tổng kết diễn biến khí
hậu 3 tháng trƣớc đó và đƣa ra dự báo khí hậu cho 3 tháng tiếp theo. Diễn biến khí
hậu đƣợc xem xét trên cả quy mơ tồn cầu và Việt Nam với các biến nhiệt độ, mƣa,
nắng, bốc hơi, chỉ số ẩm và một số hiện tƣợng thời tiết đặc biệt. Dự báo khí hậu 3

18


tháng bao gồm các nhận định chung về diễn biến khí hậu thế giới và khu vực (hiện
tƣợng ENSO) và dự báo khí hậu cho Việt Nam (nhiệt độ, lƣợng mƣa, xốy thuận
nhiệt đới và khơng khí lạnh) [5].

Năm 2009, Phan Văn Tân (cùng cs.) [2] cũng đã thử nghiệm bƣớc đầu ứng
dụng mơ hình khí hậu khu vực RegCM3 để dự báo nhiệt độ trung bình tháng và
tổng lƣợng mƣa 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 trƣờng dự báo của RegCM-CAM đã đƣợc đánh giá bằng cách
so sánh với sản phẩm mô phỏng tƣơng ứng của RegCM3 với đầu vào là số liệu tái
phân tích ERA40 và nhiệt độ mặt nƣớc biển phân tích OISST (RegCM-ERA). Kết
quả dự báo nhiệt độ và lƣợng mƣa của RegCM-CAM còn đƣợc so sánh trực tiếp với
số liệu phân tích CRU (nhiệt độ) và CMAP (lƣợng mƣa), và đánh giá định lƣợng
cho khu vực Việt Nam bằng cách nội suy về vị trí trạm và so sánh với số liệu quan
trắc từ mạng lƣới trạm khí tƣợng thơng qua các chỉ số thống kê. Kết quả nhận đƣợc
cho thấy, về cơ bản các trƣờng nhiệt độ và lƣợng mƣa dự báo của RegCM-CAM
phù hợp tốt với sản phẩm mơ phỏng của RegCM-ERA cũng nhƣ với các trƣờng
phân tích CRU, CMAP. Trên khu vực Việt Nam, RegCM-CAM thƣờng dự báo
nhiệt độ thấp hơn quan trắc; sai số dự báo nhiệt độ của RegCM-CAM trung bình
khoảng 2oC, khá ổn định và có tính hệ thống. RegCM-CAM cũng cho lƣợng mƣa
dự báo ở Việt Nam thấp hơn thực tế, tuy nhiên sai số cịn khá lớn và khơng thể hiện
rõ qui luật. Trong ba tháng thử nghiệm, dự báo lƣợng mƣa của RegCM-CAM cho
tháng 6/1996 là hợp lý nhất.
Trƣớc đó, trong đề tài “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”, Phạm Đức Thi
(cùng cs.) [4] đã xây dựng các phƣơng pháp dự báo nhiệt độ trung bình tháng và
mùa đối với mùa đơng. Nhóm tác giả cố gắng tìm các dấu hiệu để phát hiện những
mùa đơng có dao động nhiệt độ mang tính chất dị thƣờng. Đồng thời, đề tài cũng
xây dựng các chỉ tiêu dự báo hạn vừa các đợt không khí lạnh, và các đợt rét đậm, rét
hại, dự báo dài hạn thời kì xuất hiện đợt rét đậm đầu tiên trong mùa đông ở khu vực

19

phía bắc Việt Nam. Đối với mùa hè, phƣơng pháp dự báo chuẩn sai lƣợng mƣa
tháng và mùa, dự báo lƣợng mƣa cũng nhƣ các chỉ tiêu dự báo hạn vừa thời kì xuất
hiện các đợt mƣa thời kì đầu mùa mƣa ở đồng bằng và trung du Bắc Bộ cũng đƣợc
xây dựng. Số liệu trạm Láng (Hà Nội) trong 91 năm (1898-1989) đƣợc sử dụng cho
mùa đông. Tác giả sử dụng chỉ tiêu K=deltaT/sigma >= 1 (giá trị chuẩn sai nhiệt độ
trung bình từng mùa từng tháng/độ lệch chuẩn) để đánh giá. Tháng đƣợc coi là
tháng rét đậm hay ấm đậm trong mùa đông khi giá trị tuyệt đối của chuẩn sai nhiệt
độ trung bình tháng đó bằng hoặc lớn hơn giá trị độ lệch tiêu chuẩn. Mùa đông đƣợc
coi là rét đậm hay ấm đậm khi giá trị tuyệt đối chuẩn sai nhiệt độ trung bình ba
tháng (12, 1, 2) bằng hoặc lớn hơn giá trị sigma của nhiệt độ 3 tháng đó. Rét hại hay
ấm hại lấy ngƣỡng 1.5. Bên cạnh đó, tác giả cũng đƣa ra các nhận xét về các mùa
đông lạnh kỷ lục (1982/83, 1983/84).
Như vậy, qua tổng quan các nghiên cứu trong và ngồi nƣớc về bài tốn dự
báo hạn mùa, có thể nhận thấy 2 điểm cần lƣu ý. Thứ nhất, về mặt phƣơng pháp,
hiện nay phƣơng pháp mơ hình động lực tỏ ra có ƣu thế hơn và đƣợc phát triển ngày
càng hồn thiện hơn. Phƣơng pháp thống kê, tuy có ƣu điểm khơng u cầu cao về
mặt tài ngun tính tốn, nhƣng cũng có nhiều nhƣợc điểm. Trong đó, việc khơng
tính đến mối quan hệ vật lý giữa các biến đƣợc dự báo, không nắm bắt đƣợc những
phát triển đột biến của khí quyển cũng nhƣ việc phụ thuộc nhiều vào nguồn số liệu
điểm trạm vốn không đầy đủ ở nhiều khu vực, là những khuyết điểm chính. Phƣơng
pháp mơ hình động lực, tuy cần tài ngun tính tốn lớn, cả về tài nguyên máy tính
và nguồn nhân lực, nhƣng lại giải quyết đƣợc hầu hết các hạn chế trên của phƣơng
pháp thống kê. Điểm thứ hai, so với sự phát triển trên thế giới thì dự báo hạn mùa ở
Việt Nam cịn khá “thơ sơ”, với khơng nhiều các nghiên cứu và nghiệp vụ còn phụ
thuộc nhiều vào phƣơng pháp thống kê. Trong khi đó, những năm gần đây, có
khơng ít các mơ hình khí hậu khu vực đã đƣợc thử nghiệm cho khu vực Việt Nam
[3]. Từ đó, tác giả nhận thấy việc hƣớng đến nghiên cứu khả năng ứng dụng mơ
hình khí hậu khu vực vào bài toán dự báo hạn mùa ở Việt Nam là một hƣớng đi có ý
nghĩa và cần thiết. Trƣớc hết là khai thác phƣơng pháp mơ hình động lực cho bài

20


toán dự báo mùa ở Việt Nam, hơn thế nữa nếu kết quả khả quan, có thể ứng dụng
tốt cho các bài toán sau này nhƣ thống kê trên sản phẩm mơ hình hay dự báo tổ hợp.
Để giải quyết hƣớng đi này, tác giả tập trung vào hai khía cạnh. Đầu tiên là khảo sát
đƣợc năng lực của mô hình khí hậu khu vực lựa chọn sử dụng, mà ở đây là mơ hình
Mơ hình khí hậu khu vực RegCM phiên bản 3 (RegCM3). Khi điều kiện đầu vào là
trƣờng khí quyển thực, đƣợc coi là trƣờng “dự báo hồn hảo”, đồng thời với các
tham số hóa đối lƣu khác nhau, khả năng mô phỏng của RegCM3 sẽ nhƣ thế nào?
Tiếp theo, sẽ khai thác sử dụng đầu ra từ một mơ hình dự báo tồn cầu làm điều
kiện biên cho RegCM3 nhằm đƣa ra các sản phẩm dự báo bƣớc đầu. Mơ hình tồn
cầu đƣợc sử dụng ở đây là hệ thống mơ hình CAMSOM. Các kết quả đƣợc đánh giá
so sánh với số liệu quan trắc, cả trên quy mô lƣới và điểm trạm. Chi tiết việc thiết
kế các thí nghiệm cũng nhƣ mơ hình đƣợc sử dụng và các nguồn số liệu sẽ đƣợc
trình bày trong chƣơng 2 tiếp sau đây.

21


Chƣơng 2
PHƢƠNG PHÁP NGHIÊN CỨU

Trong chƣơng 1, ý nghĩa thực tiễn và khoa học của bài toán dự báo hạn mùa
bằng mơ hình khí hậu khu vực đã đƣợc chỉ ra. Để cụ thể hóa bài tốn nghiên cứu
khả năng ứng dụng mơ hình khí hậu khu vực dự báo hạn mùa ở Việt Nam trong
khuôn khổ luận văn này, chƣơng 2 sẽ trình bày việc thiết kế các thí nghiệm sẽ đƣợc
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 sẽ đƣợc ứng dụng để mô phỏng và dự báo hạn
mùa cho khu vực Việt Nam. Sản phẩm đầu ra của CAM-SOM đƣợc sử dụng làm

đầu vào (điều kiện ban đầu và điều kiện biên phụ thuộc thời gian) để chạy cho mơ
hình RegCM3. Các tùy chọn tham số hóa đối lƣu khác nhau đối với mơ hình
RegCM3 cũng đƣợc thử nghiệm khi chạy với số liệu tái phân tích nhằm đánh giá
năng lực của mơ hình trong trƣờng hợp điều kiện đầu vào (các trƣờng khí quyển)
đƣợc xem là gần thực.
2.1 Sơ lược về mơ hình khí hậu khu vực RegCM3
Hiện nay, mơ hình khí hậu khu vực RegCM đã đƣợc ứng dụng để nghiên cứu
khí hậu quá khứ, hiện tại và tƣơng lai tại nhiều nơi khác nhau trên thế giới, từ Châu
Mỹ, Châu Âu đến Châu Á, Châu Phi [21] [34] [9] [37]. Phiên bản NCAR RegCM
(NCAR Regional Climate Model) đầu tiên đƣợc xây dựng dựa trên MM4
(Mesoscale Model Version 4) của Trung tâm quốc gia nghiên cứu khí quyển
(NCAR) và Trƣờng đại học Tổng hợp Pennsylvania (PSU), Hoa Kỳ, vào cuối
những năm 1980 [18] [16]. Phiên bản RegCM đầu tiên đã đƣa vào sơ đồ trao đổi
sinh  khí quyển (Biosphere Atmosphere Transfer Scheme  BATS) để biểu diễn
các quá trình bề mặt và sơ đồ truyền bức xạ của NCARCCM phiên bản 1 (CCM1).
Tiếp sau đó, kết quả của những cải tiến quan trọng về vật lý và các sơ đồ số hóa của
RegCM đã dẫn đến sự hình thành phiên bản thứ hai của RegCM, gọi là RegCM2
[19] [20]. Và phổ biến nhất hiện nay là RegCM phiên bản 3 (RegCM3) với những
cải tiến và bổ sung đáng kể so với các phiên bản trƣớc [29]. Đó là những thay đổi

22


trong vật lý mơ hình bao gồm sơ đồ giáng thủy qui mơ lƣới, các sơ đồ tham số hóa
vật lý nhƣ sơ đồ tính các dịng từ bề mặt biển của Zeng, sơ đồ đối lƣu mây tích
Betts,...
Mơ hình RegCM3 sử dụng hệ tọa độ thẳng đứng thủy tĩnh theo địa hình, ký
hiệu là , đƣợc định nghĩa bởi   ( p  pt ) /( ps  pt ) trong đó p là áp suất, pt là áp
suất tại đỉnh mơ hình, và ps là áp suất tại bề mặt.  bằng 0 tại đỉnh và bằng 1 tại bề
mặt. Thông thƣờng, độ phân giải thẳng đứng trong lớp biên mịn hơn các lớp trên

cao và số mực thay đổi tuỳ theo yêu cầu ngƣời sử dụng. Lƣới ngang có dạng xen kẽ
ArakawaB (Hình 2.1). Các biến vô hƣớng (T, q, p,…) đƣợc xác định tại tâm các ơ
lƣới trong khi các thành phần vận tốc gió hƣớng đông (u) và hƣớng bắc (v) đƣợc
xác định tại các nút lƣới. Vị trí tâm ơ lƣới ký hiệu bằng dấu nhân, còn các nút lƣới
đƣợc ký hiệu bằng dấu chấm trịn. Theo phƣơng thẳng đứng các biến vơ hƣớng và
thành phần gió ngang (u, v) đƣợc xác định tại mực giữa mỗi lớp, gọi là các mực
phân, còn thành phần vận tốc thẳng đứng đƣợc xác định trên các mực nguyên (Hình
2.1).

Hình 2.1 Cấu trúc lƣới thẳng đứng (bên trái) và lƣới ngang dạng xen kẽ ArakawaB
(bên phải) của mơ hình RegCM3
Hệ phƣơng trình cơ bản của RegCM3 bao gồm các phƣơng trình động lƣợng
ngang, phƣơng trình liên tục, phƣơng trình nhiệt động học, phƣơng trình thủy tĩnh
và phƣơng trình ẩm [29]. Về điều kiện ban đầu và điều kiện biên, mơ hình khí hậu
khu vực RegCM đƣợc xây dựng dựa trên nguyên tắc cân bằng giữa các quá trình

23


qui mơ lớn (thƣờng là các trƣờng khí tƣợng tồn cầu và đƣợc gọi là các trƣờng điều
khiển), đƣợc cập nhật thƣờng xuyên theo thời gian trên vùng biên, với các q trình
qui mơ khu vực (đƣợc xác định bởi động lực học và vật lý của chính mơ hình khu
vực) tại vùng biên xung quanh gọi là vùng đệm. Điều kiện ban đầu và điều kiện
biên của mơ hình đƣợc cung cấp bởi trƣờng điều khiển là số liệu tái phân tích hay
trƣờng dự báo của GCM tuỳ theo mục đích mơ phỏng hay dự báo. Mơ hình sẽ cập
nhật thông tin từ trƣờng điều khiển sau từng bƣớc thời gian tích phân. Giá trị biên
tại mỗi bƣớc thời gian tích phân là giá trị nội suy từ các trƣờng điều khiển đƣợc cập
nhật từng 3h, 6h hoặc 12h một. Mơ hình RegCM cho phép chọn một trong các
phƣơng pháp cập nhật biên là: (1) biên cố định, (2) biên biến đổi theo thời gian, (3)
biên giả và (4) biên lỏng dần (hay biên giảm dƣ). Trên các vùng đại dƣơng, nhiệt độ

mặt nƣớc biển (SST) đƣợc cung cấp nhƣ là điều kiện biên dƣới. Trên bề mặt đất, sơ
đồ BATS1E khi chạy kết hợp (couple) sẽ cung cấp các dịng trao đổi đất  khí
quyển. Ngồi ra để chạy RegCM3 cần phải có độ cao địa hình, lớp phủ thực vật, đất
và các tính chất vật lý của đất,...
Về tham số hóa đối lƣu, trong mơ hình RegCM có thể sử dụng một trong ba
tùy chọn sau đây để tính giáng thuỷ đối lƣu: (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 tốn đầy đủ đặc tính ba chiều của hệ thống khí hậu là mục
đích của các mơ hình khí hậu tồn cầu (GCM), trong đó có tính đến ít nhất hai thành
phần quan trọng là khí quyển và bề mặt bao gồm bề mặt đất và đại dƣơng. Hầu hết
các GCM hiện nay đã bao gồm hai mơ hình kết hợp khí quyển và bề mặt đất. Việc
kết hợp thêm với thành phần đại dƣơng gặp nhiều khó khăn hơn bởi nhiều nguyên
nhân trong đó quan trọng nhất là khả năng đáp ứng của máy tính. Do đó đa số các
GCM hiện nay chạy với SST cho trƣớc nhƣ là điều kiện biên dƣới trên biển (và

24


thƣờng đƣợc ký hiệu là AGCM). Khi GCM có sự kết hợp đầy đủ các thành phần khí
quyển – bề mặt đất và đại dƣơng nó đƣợc gọi là hệ thống mơ hình kết hợp khí
quyển – đại dƣơng và ký hiệu là AOGCM.
Một trong những AOGCM đơn giản là mơ hình trong đó thành phần đại
dƣơng đƣợc đƣa vào nhƣ là một lớp nƣớc mỏng phía trên (SOM – Slab Ocean
Model). SOM cịn đƣợc gọi là mơ hình “lớp xáo trộn” hoặc “lớp mỏng” do độ dày
của lớp này tƣơng đƣơng với độ dày lớp xáo trộn trong đại dƣơng. Mơ hình “lớp
xáo trộn” biểu diễn đại dƣơng nhƣ là lớp nƣớc mỏng với độ sâu ấn định, thông
thƣờng giữa 70 và 100m. Đôi khi độ sâu lớp xáo trộn có thể thay đổi theo địa hình,

nhƣng thƣờng khơng chênh lệch nhiều trên toàn cầu.
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 đƣợc ứng dụng trong luận văn này. Sau đây sẽ trình bày tóm
tắt hai thành phần của hệ thống CAM-SOM.
 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 đƣợc thiết kế để làm một cơng cụ của cộng đồng nên có tên là
Mơ hình Khí hậu Cộng đồng (CCM - Community Climate Model). Phiên bản gốc
của Mơ hình Khí hậu Cộng đồng NCAR là CCM0A [39] và CCM0B [40], đƣợc dựa
trên mơ hình phổ của Australia [33], [34] và một phiên bản của mô hình phổ
ECMWF [6]. Trải qua thế hệ thứ hai của Mơ hình Cộng đồng, CCM1, đƣợc ban
hành năm 1987 [41], [7], [42], thế hệ thứ 3 của Mơ hình Khí hậu Cộng đồng ra đời
vào tháng 10 năm 1992 [8], [22] và đến CCM3 là thế hệ thứ tƣ của Mơ hình Khí
hậu Cộng đồng NCAR [26]. Hiện nay, CAM 3.0 đã là thế hệ thứ 5 của mơ hình khí
quyển tồn cầu NCAR [14]. Tên của mơ hình thay đổi từ Mơ hình Khí hậu Cộng

25