Nghiên cứu khả năng mô phỏng mùa các yếu tố khí tượng trên lãnh thổ Việt Nam bằng phương pháp thuỷ động và thống kê

ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN


HỒ THỊ MINH HÀ




NGHIÊN CỨU KHẢ NĂNG MÔ PHỎNG MÙA CÁC YẾU TỐ
KHÍ TƯỢNG TRÊN LÃNH THỔ VIỆT NAM BẰNG PHƯƠNG
PHÁP THỦY ĐỘNG VÀ THỐNG KÊ

Chuyên ngành: Khí tượng học
Mã số: 62.44.87.01


TÓM TẮT LUẬN ÁN TIẾN SĨ KHÍ TƯỢNG HỌC









HÀ NỘI – 2008
Công trình được hoàn thành tại Khoa Khí tượng Thủy văn và Hải
dương học, trường Đại học Khoa học Tự nhiên, Đại học Quốc gia Hà
Nội

Người hướng dẫn khoa học: PGS. TS. Nguyễn Hướng Điền
GS. TS. Nguyễn Văn Hữu

Phản biện 1: PGS. TS. Phan Văn Tân
Trường Đại học Khoa học Tự nhiên, Đại học Quốc gia Hà Nội.

Phản biện 2: PGS. TS. Nguyễn Văn Tuyên
Trung tâm Khoa họ
c Công nghệ Khí tượng Thủy văn và Môi trường.

Phản biện 3: TS. Hoàng Đức Cường
Viện Khoa học Khí tượng Thủy văn và Môi trường.

Luận án sẽ được bảo vệ trước Hội đồng cấp nhà nước chấm luận án
tiến sĩ họp tại trường Đại học Khoa học Tự nhiên, Đại học Quốc gia
Hà Nội vào hồi 14 giờ 00 ngày 10 tháng 9 năm 2008




Có thể tìm hiể
u luận án tại:
- Thư viện Quốc gia Việt Nam
- Trung tâm Thông tin Thư viện, Đại học Quốc gia Hà Nội

DANH MỤC CÁC CÔNG TRÌNH KHOA HỌC CỦA TÁC GIẢ
LIÊN QUAN ĐẾN LUẬN ÁN

1. Hồ Thị Minh Hà, (2004), “Bước đầu nghiên cứu mạng
thần kinh nhân tạo và khả năng áp dụng để dự báo nhiệt
độ cho khu vực Đông Nam Á”, Nội san khoa học trẻ,
Trường Đại học Khoa học Tự nhiên, ĐHQGHN, Số
2/2004, tr.57-61.
2. Hồ Thị Minh Hà, Nguyễn Hướng Điền, (2006), “Thử
nghiệm dự báo lượng mưa ngày bằng phương pháp dùng
mạng thần kinh nhân tạo hiệu ch
ỉnh sản phẩm mô hình
số”, Tạp chí Khoa học và công nghệ, ĐHQGHN, T.XXII,
Số 1PT-4/2006, tr.1-10.
3. Hồ Thị Minh Hà, Nguyễn Hướng Điền, (2006), “Thử
nghiệm hiệu chỉnh kết quả mô phỏng nhiệt độ hạn mùa
trên khu vực Đông Nam Á của mô hình khí hậu khu vực
RegCM3”, Tạp chí Khoa học và công nghệ, ĐHQGHN,
T.XXII, Số 2B PT 2006, tr.20-27.
4. Ho Thi Minh Ha, Phan Van Tan, Le Nhu Quan, (2006),
“On the regional climate simulation over Southeast Asia
using RegCM”, Report of Vietnam-Japan Joint Workshop
on Asian Monsoon, Ha Long, pp. 62-68.
5. Kieu Thi Xin, Le Duc, and Ho Thi Minh Ha, (2005),
“Simulation of Southeast Asia Rainfall using RegCM3
and Problems”, IAMAS 2005 General Assembly, Beijing,
China, August 2 - 11, 2005. DOI:
T4DKTX13Aug04100242.


24
Tây Nguyên, cả ba phiên bản đều có xu hướng tái tạo nhiệt độ trung bình
tháng cao hơn quan trắc, trong đó phiên bản Reg+GAB lại thường cho mô

phỏng nhiệt độ thấp hơn hai phiên bản còn lại và do đó có sai số nhỏ hơn.
Đối với lượng mưa, nếu tổ hợp ba phiên bản bằng cách lấy trung bình đơn
giản (Reg+Tổ hợp) thì kết quả nhận được gần với quan trắc hơn so với từng
phiên b
ản riêng lẻ; sai số RMSE trong trường hợp này còn khoảng
6mm/ngày tính trung bình trên toàn Việt Nam.
5. Từ các đồ thị biểu diễn nhiệt độ và lượng mưa trung bình tháng
trong 10 mùa hè của và 3 phiên bản Reg+GAB, Reg+TieB và Reg+TieZ và

quan trắc cùng với các điểm số đánh giá (ME, RMSE) cho thấy mô hình
thường mắc phải sai số có tính hệ thống so với quan trắc. Hệ số tương quan
giữa sản phẩm mô phỏng của mô hình và quan trắc thường không cao nghĩa
là mối quan hệ giữa chúng không phải là tuyến tính. Nhằm loại bỏ bớt ảnh
hưởng của sai số mô hình đối với sản phẩm mô phỏng luận án đã sử dụng
phương pháp thần kinh nhân tạo (ANN) để hiệu chỉnh (ký hiệu là
Reg+ANN). Kết quả đánh giá trên 4 năm số liệu độc lập cho thấy sai số ME
và RMSE của nhiệt độ ngày và lượng mưa trung bình tháng của Reg+ANN
đều giảm, đồng thời HSTQ và các chỉ số khác đều tăng mạnh. Cụ thể là
RMSE của nhiệt độ trung bình tháng tính cho cả Việt Nam giảm từ khoảng
2
o
C (Reg+TieB) xuống còn 0,5
o
C và HSTQ tăng từ 0,7 lên hơn 0,9. Độ
chính xác Acc tăng từ 0,3 lên hơn 0,8 và biệt thức HK cũng như điểm số kỹ
năng HSS đều tăng từ 0,1 đến gần 0,7-0,8. Đối với lượng mưa trung bình
tháng, RMSE tính trên toàn Việt Nam giảm từ khoảng 6,2 mm/ngày
(Reg+GAB) và 6,4 mm/ngày (Reg+Tổ hợp) xuống còn 3,9 mm/ngày;
HSTQ tăng từ 0,26 (Reg+GAB) và 0,13 (Reg+Tổ hợp) lên 0,68; Acc tăng từ
0,3 lên 0,5 và HK và HSS đều tăng mạnh, từ 0,079 (Reg+GAB) và 0,015

(Reg+Tổ hợp) lên 0,28. Các chỉ số đố
i với từng khu vực cũng có xu thế
tương tự.
6. Tóm lại, với những đặc điểm mới đã trình bày trong luận án, mô
hình RegCM3 có khả năng mô phỏng tương đối tốt các trường khí hậu khu
vực Việt Nam và Đông Nam Á trong những tháng mùa hè. Điều đó cũng có
nghĩa là nếu được cung cấp các trường dự báo toàn cầu đảm bảo chất lượng
làm điều kiện biên thì mô hình RegCM3 có th
ể được sử dụng để dự báo hạn
mùa, trước hết cho thời kỳ gió mùa mùa hè, trên khu vực này. Hiện nay các
mô hình khí hậu toàn cầu (GCM) ngày càng có kỹ năng dự báo tốt hơn, sản
phẩm của chúng có thể làm đầu vào cho các mô hình khí hậu khu vực nói
chung và RegCM3 nói riêng. Do đó những kết luận về khả năng của
RegCM3 có thể là một trong những cơ sở để chúng ta nghiên cứu áp dụng
các mô hình GCM vào Việt Nam (chẳng hạn như CCSM ).

1
MỞ ĐẦU
1. Lý do lựa chọn đề tài
Các điều kiện khí hậu vào tháng sau, mùa sau hay năm sau luôn
được quan tâm hàng đầu khi con người đề ra những kế hoạch dài hạn
trong sản xuất nông, lâm, ngư nghiệp, trong kinh tế, xây dựng, du
lịch,… Như ta đã biết, đây chính là mục đích của bài toán dự báo khí
hậu hạn mùa. Đối với khu vực có địa lý tự nhiên phức tạp như Đông
Nam Á, gió mùa tác động mạnh tới khí hậu ở đ
ây, vì vậy bài toán dự
báo mùa không hề đơn giản, đặc biệt là trong mùa hè.
Các phương pháp thường được sử dụng trong dự báo khí hậu là
phương pháp thống kê và phương pháp số trị. Cùng với sự phát triển
mạnh mẽ và nhanh chóng của công nghệ máy tính trong một vài thập

kỷ gần đây, chúng ta đã có thể xây dựng và phát triển những mô hình
số trong dự báo khí hậu. Tuy nhiên, mô hình toàn cầu không thể dự
báo chi tiết cho khu vực Châu Á do hạn chế về
độ phân giải. Vì vậy,
xây dựng mô hình khí hậu khu vực phù hợp là mối quan tâm của hầu
hết các quốc gia trên châu lục này, trong đó có Việt Nam. Đứng trước
yêu cầu cấp thiết đó, chúng tôi đã chọn và thực hiện đề tài: “Nghiên
cứu khả năng mô phỏng mùa các yếu tố khí tượng trên lãnh thổ Việt
Nam bằng phương pháp thủy động và thống kê”.
3. Mục đích, đối tượng và phạm vi nghiên cứu
- Mục đích của luận án là đánh giá được khả năng mô phỏng khí
hậu hạn mùa cho khu vực Đông Nam Á và Việt Nam của mô hình
khí hậu khu vực RegCM3 và cải tiến mô hình RegCM3 bằng cách
đưa thêm vào một sơ đồ tham số hóa đối lưu mới nhằm nâng cao chất
lượng mô phỏng của mô hình, sau đó xây dựng được phương pháp
hiệu chỉnh sản phẩm đầu ra của mô hình bằng công cụ thống kê nhằm
chính xác hóa kế
t quả mô phỏng.

2
- Đối tượng nghiên cứu là nhiệt độ và lượng mưa trung bình
tháng mùa hè trên khu vực Đông Nam Á nói chung và Việt Nam nói
riêng. Phương pháp nghiên cứu bao gồm phương pháp số mô phỏng
khí hậu khu vực, phương pháp thống kê hiệu chỉnh sản phẩm mô
hình số. Phạm vi nghiên cứu là khu vực Đông Nam Á và các vùng
biển lân cận, đặc biệt chú trọng đến Việt Nam.
4. Những đóng góp mới của luận án
- Đã đưa được sơ đồ
tham số hoá đối lưu Tiedtke (1989) vào mô
hình RegCM3 thành một tùy chọn mới và do đó đã làm tăng chất

lượng mô phỏng của mô hình đối với trường nhiệt độ bề mặt.
- Đã nghiên cứu và xây dựng được phương pháp hiệu chỉnh các
trường nhiệt độ và lượng mưa của mô hình RegCM3 bằng phương
pháp mạng thần kinh nhân tạo (ANN).
5. Ý nghĩa khoa học và thực tiễn
Tổng quan được vấn đề dự
báo và mô phỏng khí hậu hiện nay và
đề ra phương án nghiên cứu mô phỏng khí hậu khu vực Việt Nam
bằng mô hình RegCM3 và thống kê. Đã khảo sát và thử nghiệm các
sơ đồ tham số hóa đối lưu Kuo, BMJ, GAS, GFC, Tiedtke, thử
nghiệm các sơ đồ tính toán thông lượng đại dương BATS và Zeng và
chọn được sơ đồ đối lưu Tiedtke, sơ đồ thông lượng đại dương BATS
là tốt nhất để mô phỏng khí hậu khu vực Việt Nam. Kết hợ
p kết quả
động lực và phương pháp thống kê (mạng thần kinh nhân tạo) để đưa
ra kết quả mô phỏng trường nhiệt độ 2m và lượng mưa mùa hè trên
lãnh thổ Việt Nam phù hợp với thực tiễn hơn. Kết quả nghiên cứu
của luận án có thể sử dụng trong nghiên cứu và tìm ra một số đặc
điểm khí hậu (lượng mưa, nhiệt độ) mùa hè của Việt Nam.
Luận án g
ồm 4 chương. Nội dung chính của các chương được
trình bày tóm tắt sau đây.

23
KẾT LUẬN
Từ kết quả nghiên cứu của luận án có thể rút ra một số kết luận và
kiến nghị như sau:
1. Phiên bản gốc của mô hình RegCM3 với các cấu hình thí nghiệm
khác nhau đã thể hiện khả năng mô phỏng tương đối tốt hoàn lưu, trường áp
suất mực biển trung bình trong mùa gió mùa mùa hè trên khu vực Đông

Nam Á. Trong số các sơ đồ tham số hóa đối lưu của RegCM3, sơ đồ Grell
(1993) với giả thiết khép kín mô hình mây của Arakawa-Schubert (GAS)
cho kết quả mô phỏng hợp lý hơn cả. Nhiệt độ mô phỏng bởi RegCM3 với
tùy ch
ọn GAB (GAS và BATS), ký hiệu là Reg+GAB, có xu thế thấp hơn
thực tế, cả bề mặt và trên cao. Lượng mưa mô phỏng trung bình tháng thấp
hơn nhưng diện mưa rộng hơn thực tế. Hệ số tương quan giữa mô phỏng và
quan trắc của nhiệt độ khá cao (0,65) nhưng của lượng mưa rất thấp (0,087)
cho thấy khả năng mô phỏng nhiệt độ của mô hình tốt hơn so với mô phỏng
m
ưa.
2. Luận án đã thực hiện việc cải thiện khả năng mô phỏng của
RegCM3 bằng cách đưa thêm sơ đồ tham số hóa đối lưu Tiedtke (1989) vào
mô hình như là một tùy chọn bổ sung. Kết quả là RegCM3 đã chạy ổn định
với sơ đồ này và đã cải thiện đáng kể chất lượng mô phỏng nhiệt độ bề mặt
trung bình tháng của mô hình. Sai số bình phương trung bình (RMSE) c
ủa
nhiệt độ tính theo phiên bản cải tiến (Reg+TieB) trên toàn Việt Nam giảm
0.4
o
C so với Reg+GAB, còn khoảng 1,8
o
C. Reg+TieB cũng cho lượng mưa
mô phỏng lớn hơn và diện mưa rộng hơn thực tế, các tâm mưa lớn điển hình
trong mùa hè khu vực ĐNA cũng được tái tạo tốt hơn so với Reg+GAB. Sai
số RMSE tính trung bình trên toàn lãnh thổ Việt Nam khoảng 9mm/ngày.
3. Những thử nghiệm mô phỏng của mô hình trong đó các thông
lượng đại dương-khí quyển được tính theo hai sơ đồ BATS (Reg+GAB) và
Zeng (Reg+GAZ) cũng đã được thực hiện. K
ết quả chứng tỏ rằng các

trường mô phỏng của mô hình tính theo BATS phù hợp hơn so với tính theo
Zeng. Mặc dù vậy sự khác biệt này không quá lớn. Đáng chú ý là khi kết
hợp hai sơ đồ BATS và Zeng với sơ đồ đối lưu Tiedtke thì Reg+TieZ đã làm
giảm lượng mưa mô phỏng so với Reg+TieB, và do đó gần với thực hơn.
4. Ba phiên bản Reg+GAB, Reg+TieB và Reg+TieZ được chạy riêng
biệt để mô phỏng nhiệt độ và lượng mư
a các tháng mùa hè trong 10 năm, từ
1991-2000, trên khu vực ĐNA. Việc phân tích các điểm số đánh giá cho
thấy trong ba phiên bản thử nghiệm thì Reg+TieB có khả năng tái tạo nhiệt
độ bề mặt tốt nhất, đặc biệt trong những năm xảy ra các cực trị khí hậu như
1997, 1998, kém nhất là phiên bản Reg+GAB. Mặc dù vậy, trên khu vực

22
Nhận xét cuối chương

Hiệu chỉnh bằng ANN đã giảm được sai số hệ thống, bằng chứng
là sai số RMSE giảm còn các chỉ số Acc, HK, HSS tăng lên. Rõ ràng
là các khoảng chia nhiệt độ và lượng mưa trung bình tháng của quan
trắc và Reg+ANN đã gần trùng nhau. HSTQ tăng lên chứng tỏ sai số
hệ thống được giảm bớt không phải dạng tuyến tính mà là dạng phi
tuyến và ANN đã xử lý tốt.

Nhiệt độ trung bình tháng

Lượng mưa trung bình tháng



Hình 4.29: (a) HSTQ và (b) RMSE của
nhiệt độ bề mặt trung bình tháng của 3

tháng trong 4 năm số liệu độc lập (98, 96,
91, 95) giữa mô hình và quan trắc, đánh
giá cho từng khu vực trên Việt Nam. Đơn
vị RMSE là độ C.
Hình 4.32: (a) HSTQ và (b) RMSE của
lượng mưa trung bình tháng của 3 tháng
trong 4 năm số liệu độc lập (98, 96, 91,
95) giữa mô hình và quan trắc, đánh giá
cho từng khu vực trên Việt Nam. Đơn vị
RMSE là mm/ngày.

3
CHƯƠNG 1: CÁC NGHIÊN CỨU VỀ DỰ BÁO KHÍ HẬU KHU
VỰC BẰNG MÔ HÌNH SỐ TRỊ
1.1. Tình hình nghiên cứu trên thế giới
Về nguyên tắc, có thể sử dụng mô hình hoàn lưu chung khí quyển
hay mô hình khí hậu toàn cầu (đều ký hiệu là GCM) để DBKH cho
từng khu vực trên toàn cầu nhưng độ chính xác không cao do độ phân
giải của GCM thường khá thô, thường từ 2,5 độ đến 3,7 độ, không
thể biểu diễn đủ chi tiết các đặc trưng khí hậ
u của khu vực và địa
phương như khí hậu gió mùa thống trị, địa hình và hệ sinh thái phức
tạp, đặc biệt là tác động mạnh mẽ của con người. Nhiệt độ mô phỏng
thường thấp hơn còn giáng thủy lại mạnh hơn so với thực tế trên tất
cả các khu vực trong hầu hết các mùa. Sản phẩm của GCM có thể
được sử dụng làm đầu vào cho các mô hình khí hậu khu vực RCM.
Hiệ
n tại, các RCM có thể chạy mô phỏng và dự báo nhiều tháng,
nhiều mùa thậm chí nhiều năm. Độ dài ngưỡng điển hình của một mô
phỏng khí hậu là 1 tháng và “hạn dài” nghĩa là mô phỏng tháng/mùa

đến thập kỷ/nhiều năm. Các mô hình RCM thường được ứng dụng là
RegCM, CMM5, NCEP ETA, CRCM, Reg\_NCC (Trung Quốc),
Trong mô phỏng khí hậu hạn mùa Đông Á, người ta thường sử
dụng mô hình RegCM, gốc từ PSU/NCAR. Hoàn lưu gió mùa, giáng
thủy và nhiệt độ mặt đất nhìn chung phù h
ợp với quan trắc mặc dù
mô hình phần nào mô phỏng lạnh và khô hơn [Liu, Giorgi và
Washington, 1994; Small vcs., 1999; Im vcs., 2006]. Kết quả mô
phỏng của RegCM thường nhạy với các tham số vật lý như đối lưu,
bức xạ, các quá trình bề mặt [Leung vcs., 1999; Francisco, 2006;
Giorgi và Mearns, 1999; Li và Yanai, 1996; Ueda và Yasunari, 1998;
Kato vcs., 1999; Qian và Giorgi, 1999].
1.2. Tình hình nghiên cứu trong nước

4
Ở Việt Nam, tại Trung tâm dự báo Khí tượng thủy văn Trung
ương và Viện Khoa học Khí tượng thủy văn và Môi trường, trong
những năm trước đây, hầu hết đều sử dụng phương pháp thống kê để
DBKH hạn vừa và hạn dài, chủ yếu dự báo nhiệt độ và lượng mưa
cao hay thấp hơn TBNN và xác suất xảy ra [Nguyễn Duy Chinh,
2002, 2003; Lương Văn Việt, 2006; Nguyễn Văn Thắng vcs., 2001,
2006; Nguy
ễn Đức Hậu và Phạm Đức Thi, 2002].
Phương pháp mô hình hoá khí hậu khu vực mới được quan tâm
nghiên cứu ở Việt Nam trong khoảng chục năm trở lại đây, chủ yếu
là mô hình RegCM. Các nghiên cứu thử nghiệm ở Việt Nam điển
hình là Kiều Thị Xin (2004); Nguyễn Đăng Quang (2004); Phan Văn
Tân (2003); Dư Đức Tiến (2003); Lê Văn Thiện và Nguyễn Văn
Thắng (2004). RegCM thường mô phỏng lượng mưa thấp hơn nhiề
u

so với thực tế. Về nhiệt độ, hầu hết các khu vực có nhiệt độ thấp như
Tây Bắc Bộ, Tây Nguyên đều được mô phỏng tốt. Tuy nhiên, ở miền
Bắc mô hình cho kết quả thấp hơn thực đo, riêng miền Trung và miền
Nam thì mô hình cho kết quả sát với thực tế hơn. Như vậy, RegCM
thường mắc sai số âm có tính hệ thống đối với nhiệt độ còn sai số

lượng mưa biến đổi tùy mô hình và tùy khu vực. Do đó, cần thiết
hiệu chỉnh sản phẩm của RegCM3 về gần với quan trắc thực tế hơn.
1.3. Những nghiên cứu về thống kê hiệu chỉnh mô hình số
Hạ quy mô bằng phương pháp thống kê là một trong những cách
thức được sử dụng khi thực hiện MOS, cơ bản gồm 2 bước: (1) tìm
hiểu mối quan hệ thống kê gi
ữa các biến khí hậu địa phương (ví dụ
như nhiệt độ bề mặt và giáng thủy) và các nhân tố quy mô lớn, và (2)
áp dụng mối quan hệ này cho sản phẩm dự báo của mô hình số để mô
phỏng các đặc trưng khí hậu khu vực. Hạ quy mô bằng phương pháp
thống kê sử dụng hồi quy tuyến tính (HQTT) có thể gặp phải sai số vì

21
Bảng 4.6: Bảng các chỉ số đánh giá biến liên tục
đối với nhiệt độ
trung bình tháng của Việt Nam giữa quan trắc và các phiên bản
Reg+GAB, Reg+TieB, Reg+TieZ, 4 năm (98, 96, 91, 95).
Phiên bản TrBình
mô hình
TrBình
qtrắc
MAE RMSE ME
Reg+GAB 26.139 1.907 2.228 -1.542
Reg+TieB 27.017 27.681 1.453 1.858 -0.664

Reg+TieZ 26.766 1.518 1.935 -0.916
Reg+ANN 27.519 0.441 0.566 -0.163
HSTQ Acc HK HSS
Reg+GAB 0.703 0.276 0.043 0.037
Reg+TieB 0.665 0.390 0.138 0.127
Reg+TieZ 0.671 0.389 0.153 0.139
Reg+ANN 0.970 0.822 0.729 0.726
4.2.2. Hiệu chỉnh lượng mưa
Trong Bảng 4.8, RMSE lượng mưa trung bình tháng của Việt
Nam giảm từ 6,2mm/ngày (Reg+GAB) và 6,4mm/ngày (Reg+Tổ
hợp) xuống còn 3,9 mm/ngày; HSTQ tăng từ 0,26 (Reg+GAB) và
0,13 (Reg+Tổ hợp) lên 0,68; Acc tăng từ 0,3 lên 0,5; HK và HSS đều
tăng nhiều, từ 0,079 (Reg+GAB) và 0,015 (Reg+Tổ hợp) lên 0,28.
Các chỉ số đối với từng khu vực cũng có xu thế tương tự (Hình 4.29
và Hình 4.32)
Bảng 4.8: Bảng các chỉ số đánh giá biến liên tục đối với lượng
mưa trung bình tháng, từng trạm của Việt Nam giữa quan trắc và các
phiên bản Reg+GAB, Reg+TieB, Reg+TieZ, 4 năm (98, 96, 91, 95).
Phiên bản TrBình
mô hình
TrBình
qtrắc
MAE RMSE ME
Reg+GAB 5.064 4.615 6.195 -2.877
Reg+TieB 11.248 7.265 10.922 3.308
Reg+TieZ 8.061 7.940 5.437 7.287 0.120
Reg+Tổ hợp 8.124 4.817 6.417 0.184
Reg+ANN 8.353 2.991 3.906 0.412
HSTQ Acc HK HSS
Reg+GAB 0.259 0.306 0.084 0.079

Reg+TieB 0.030 0.304 0.028 0.028
Reg+TieZ 0.110 0.302 0.022 0.022
Reg+Tổ hợp 0.134 0.322 0.014 0.015
Reg+ANN 0.675 0.511 0.264 0.278

20
Chương trình ANN được sử dụng trong luận án là một phần của
chương trình Matlab - phần mềm tính toán với các ma trận rất hiệu
quả của Mỹ và có mã nguồn mở.
Bộ số liệu nhiệt độ (lượng mưa) ngày của 3 tháng mùa hè của 10
năm được chia thành 2 phần một cách ngẫu nhiên, 6 năm số liệu phụ
thuộc để luyện mạng và 4 năm số liệu độc lậ
p để áp dụng hiệu chỉnh
và đánh giá. Sáu năm số liệu phụ thuộc là 1992, 1993, 1994, 1997,
1999, 2000. Bốn năm để hiệu chỉnh là 1991, 1995, 1996 và 1998. Sáu
mươi trạm trên Việt Nam được luyện trong 60 mạng ANN riêng. Mỗi
mạng ANN bao gồm đầu vào là nhiệt độ (hoặc lượng mưa) của 3
phiên bản Reg+GAB, Reg+TieB và Reg+TieZ tại một trạm và đích
ra là nhiệt độ (lượng mưa) của quan trắc tại trạm tương ứng. Số l
ớp
ẩn là 2 với số nút trong từng lớp là 5 và 3. Hàm truyền giữa lớp đầu
vào và lớp ẩn cũng như giữa các lớp ẩn là hàm tang hypebol sigma và
hàm truyền giữa lớp ẩn cuối cùng với lớp kết xuất là hàm tuyến tính.
Số thế hệ luyện của nhiệt là 300 và của mưa là 1000 thế hệ.
4.2.1. Hiệu chỉnh nhiệt độ
Các chỉ số đánh giá cho thấy với Reg+ANN, sai số RMSE của
nhiệt độ trung bình tháng tính cho cả Việt Nam giảm từ khoảng 2
o
C
(Reg+TieB) xuống còn 0,5

o
C và HSTQ tăng từ 0,7 lên hơn 0,9. Độ
chính xác Acc tăng từ 0,3 lên hơn 0,8 và biệt thức HK cũng như hệ
số kỹ năng HSS đều tăng từ 0,1 đến gần 0,7-0,8 (Bảng 4.6). Đối với
từng khu vực, sau khi hiệu chỉnh, sai số hệ thống cũng giảm và các
chỉ số Acc, HK, HSS đều tăng nhưng mức độ không mạnh bằng các
chỉ số tính trên toàn Việt Nam. Với sai số nhiệt độ
dưới 2
o
C, miền
Trung và Nam Bộ có thể không cần phải hiệu chỉnh nhiệt độ còn các
khu vực thuộc miền Bắc và Tây Nguyên cần thiết phải hiệu chỉnh
bằng ANN.

5
không biểu diễn đúng và đủ mối quan hệ giữa nhân tố và yếu tố hồi
quy. Sử dụng hồi quy phi tuyến cho kết quả tốt hơn [McGinnis, 1994;
Koizumi, 1999, ].
CHƯƠNG 2:
PHƯƠNG PHÁP DỰ BÁO KHÍ HẬU KHU VỰC VÀ
PHƯƠNG PHÁP THỐNG KÊ SẢN PHẨM MÔ HÌNH SỐ (MOS)

2.1. Phương pháp mô hình hóa khí hậu khu vực ứng dụng vào
mô hình RegCM3
Mô hình hóa khí hậu khu vực là phương pháp lồng mô hình khu
vực hạn chế vào mô hình GCM và phân tích các kết quả nhận được
từ GCM, thông qua tích phân số học của hệ phương trình mô hình
khu vực hạn chế trên lưới có độ phân giải tinh hơn để suy luận ra tác
động của trường GCM điều khiển đối với khu vực đó. Đây cũng
chính là hạ quy mô bằng phương pháp độ

ng lực. Để hiểu rõ hơn về
phương pháp này, chúng tôi xem xét động lực và biểu diễn vật lý
trong mô hình RegCM3. RegCM là mô hình khí hậu khu vực của
Pennsynavia NCEP/NCAR, có nguồn gốc từ mô hình quy mô vừa
NCAR/MM4 ra đời vào những năm 80 thường được sử dụng để mô
phỏng và dự báo gió mùa Châu Á. Động lực học về cơ bản giống như
của MM4, là mô hình sai phân hữu hạn viết cho chất lỏng nén được
với cân bằng thủy tĩ
nh trong hệ tọa độ thẳng đứng. Khi áp dụng
MM4 vào nghiên cứu khí hậu, các tác giả đã thay thế một số tham số
hóa vật lý, phần lớn là quá trình vận chuyển bức xạ và vật lý đất.
RegCM đã được phát triển qua nhiều thế hệ khác nhau. Luận án sử
dụng phiên bản mới nhất được phát triển ở ICTP là RegCM3. Các
phương trình trong mô hình RegCM3 được xây dựng cho hệ tọa độ
thẳng đứng thủy t
ĩnh theo địa hình. Hệ phương trình thống trị của
RegCM3 bao gồm các phương trình chuyển động ngang, phương
trình liên tục và đạo hàm của vận tốc thẳng đứng, phương trình xu

6
thế khí áp mặt đất, vận tốc thẳng đứng trong toạ độ sigma, phương
trình nhiệt, phương trình thủy tĩnh và 3 phương trình ẩm viết cho các
biến hơi nước q
v
, nước mây q
c
và băng mây q
i
. Điều kiện ban đầu và
điều kiện biên của mô hình được cung cấp bởi trường điều khiển, là

số liệu tái phân tích hay trường dự báo của GCM tuỳ theo mục đích
mô phỏng hay dự báo, cập nhật sau từng khoảng thời gian tích phân
nào đó, từng 6h hoặc 3h.
Các quá trình vật lý cơ bản của RegCM3 bao gồm: (1) Bức xạ, (2)
Trao đổi sinh quyển – khí quyển, (3) Chuyển động rối trong lớp biên
hành tinh, (4) Giáng thu
ỷ quy mô lớn, (5) Đối lưu, (6) Trao đổi thông
lượng đại dương – khí quyển, (7) Trao đổi thông lượng hồ - khí
quyển, và (8) Vận chuyển các thành phần hóa học. Trong mô hình
RegCM3 chưa xem xét đến 2 quá trình, một là trao đổi thông lượng
giữa hồ - khí quyển và hai là vận chuyển các thành phần hóa học.
Động lực học và vật lý biểu diễn trong RegCM3 được trình bày trong
luận án được tham khảo chủ yếu từ tài liệu của Elguindi vcs. (2003).
2.2. Phương pháp thống kê sản phẩ
m mô hình số MOS
2.2.1. Các phương pháp đánh giá thống kê mô hình khí hậu
Đánh giá dự báo là thẩm định chất lượng của dự báo, trong đó kết
quả dự báo được so sánh với quan trắc của hiện tượng đã thực sự xảy
ra hoặc kết quả dự báo khác đã được đánh giá là tốt. Có nhiều kiểu
đánh giá, ví dụ đối với dự báo lượng giáng thủy có thể đánh giá trực
quan, phân đôi,
đa nhóm, liên tục, phân bố không gian; dự báo xác
suất giáng thủy sử dụng đánh giá trực quan, xác suất, tổ hợp; dự báo
các điều kiện nóng hay lạnh hơn bình thường được đánh giá bằng
phương pháp trực quan, đa nhóm, xác suất, phân bố không gian, tổ
hợp… [Barb Brown, 2003; Dobryshman, 1972; Zhang và Casey,
2000; WMO, 2002].

19
Reg+Tổ hợp hầu như luôn có sai số RMSE nhỏ nhất còn HSTQ xấp

xỉ Reg+GAB, tốt hơn Reg+TieB và Reg+TieZ.
Bảng 4.4: Tương tự như Bả
ng 4.2 nhưng là lượng mưa trung bình
tháng và thêm phiên bản Reg+Tổ hợp.
Phiên bản
TrBình
mô hình
TrBình
qtrắc
MAE RMSE ME
Reg+GAB 4.802 4.623 6.164 -3.101
Reg+TieB 9.803 7.903 6.345 9.216 1.900
Reg+TieZ 7.732 5.400 7.426 -0.171
Reg+Tổ hợp 7.445 4.520 6.077 -0.457
HSTQ Acc HK HSS
Reg+GAB 0.257 0.301 0.071 0.068
Reg+TieB 0.113 0.307 0.044 0.043
Reg+TieZ 0.165 0.302 0.041 0.040
Reg+Tổ hợp 0.208 0.354 0.076 0.077
Nhận xét
Nhiệt độ và lượng mưa của mô hình thường mắc sai số có tính hệ
thống so với quan trắc. Tuy nhiên, không thể hiệu chỉnh cơ học bằng
cách cộng hoặc trừ một lượng nào đó để đưa mô phỏng về giá trị
quan trắc thực vì sai số hệ thống khác nhau trên các khu vực khác
nhau và vào các thời gian khác nhau. Thông thường, để đơn giản,
người ta có thể xây dựng phương trình HQTT để hiệu chỉnh s
ản
phẩm của mô hình về giá trị quan trắc nhưng qua một số thử nghiệm
chúng tôi nhận thấy HQTT không cho kết quả tốt. HSTQ giữa nhiệt
độ (lượng mưa) mô phỏng và nhiệt độ (lượng mưa) quan trắc khoảng

0,6-0,7 (0,1-0,2), vì thế mối quan hệ tuyến tính của sản phẩm mô
hình với đại lượng quan trắc đó không mạnh, đặc biệt là đối với
lượng mưa. Do đó, chúng tôi s
ử dụng mạng thần kinh nhân tạo
(ANN) để xây dựng mối quan hệ giữa nhiệt độ (lượng mưa) mô hình
và quan trắc, từ đó hiệu chỉnh giá trị mô phỏng về gần với thực hơn.
4.2. Cải thiện kết quả mô phỏng nhiệt độ và lượng mưa của
RegCM3 nhờ hiệu chỉnh bằng ANN

18
a. Nhiệt độ trung bình tháng

Sai số RMSE nhiệt độ trung bình tháng của Reg+TieB so với
quan trắc tính trên toàn Việt Nam khoảng 1,8
o
C, của Reg+TieZ là
1,9
o
C còn của Reg+GAB là 2,2
o
C. Khi đánh giá cho từng khu vực,
Reg+TieB cũng thể hiện kỹ năng tốt nhất trên hầu hết các khu vực.
Ba chỉ số Acc, HK, HSS của Reg+TieB đều lớn hơn Reg+TieZ và
Reg+GAB (Bảng 4.2). Tuy nhiên, đối với khu vực Tây Nguyên, nơi
có nền nhiệt độ thấp hơn xung quanh do ảnh hưởng của địa hình cao
nguyên ở đây, Reg+GAB có kỹ năng tốt nhất với sai số RMSE chỉ
2,8
o
C trong khi RMSE của Reg+TieB và TieZ lần lượt là 3,3
o

C và
3,2
o
C. Ngoại trừ Tây Nguyên và Nam Bộ, HSTQ của các khu vực
còn lại đều lớn hơn hoặc xấp xỉ 0,5.
Bảng 4.2: Bảng các chỉ số đánh giá biến liên tục đối với nhiệt độ
trung bình tháng của Việt Nam giữa quan trắc và các phiên bản
Reg+GAB, Reg+TieB, Reg+TieZ.
Phiên bản
TrBình
mô hình
TrBình
qtrắc
MAE RMSE ME
Reg+GAB 26.077 1.870 2.205 -1.484
Reg+TieB 26.983 27.561 1.405 1.829 -0.578
Reg+TieZ 26.716 1.473 1.907 -0.845
HSTQ Acc HK HSS
Reg+GAB 0.699 0.283 0.047 0.041
Reg+TieB 0.671 0.428 0.190 0.179
Reg+TieZ 0.674 0.410 0.179 0.166
b. Lượng mưa trung bình tháng
Các sai số đánh giá lượng mưa được trình bày trong Bảng 4.4 cho
thấy trên toàn Việt Nam, Reg+Tổ hợp tốt nhất bởi vì sai số RMSE
nhỏ nhất còn các chỉ số Acc, HK và HSS cũng đều lớn nhất. HSTQ
và sai số RMSE tính cho lượng mưa trung bình tháng trong 30 tháng
đối với từng khu vực và toàn Việt Nam tương đối thấp, HSTQ biến
đổi từ -0,15 đến 0,35 và RMSE khoảng 4-12mm/ngày. Nhìn chung

7

2.2.2. Phương pháp mạng thần kinh nhân tạo ANN
Ý tưởng xây dựng ANN bắt nguồn t
ừ việc nghiên cứu hệ thần
kinh sinh học của con người, trong đó quan trọng nhất là sự điều
khiển của bộ não, sau đó là sự lan truyền thông tin trong hệ thống các
tế bào thần kinh [Haykins, 1994]. Một trong những toán tử thường
được sử dụng nhiều nhất trong ANN là toán tử lan truyền ngược
(back-propagation) trong đó thông tin không những được lan truyền
tiến dọc theo các nút nhờ hàm truyền và các trọng số mà còn được
lan truyề
n ngược trở lại để cập nhật các trọng số sao cho sai số giữa
kết xuất và hàm đích giảm đi. Phương pháp cực tiểu hoá sai số giữa
kết xuất và hàm đích thường được sử dụng là phương pháp học giảm
dốc nhất (phương pháp giảm gradient). Nguyên tắc học là trọng số
được cập nhật sao cho giảm gradient tổng cộng của sai số theo mọi
trọng s
ố trên tất cả các mẫu. Thuật toán Levenberg-Marquardt là một
trong những cải tiến của phương pháp lan truyền ngược và grandient
giảm dốc nhất trong đó trọng số được cập nhật không phải hằng số
theo thời gian mà biến đổi tùy thuộc gradient tại bước ngay trước đó.
2.2.3. Nguồn số liệu sử dụng
a/ Số liệu cho RegCM3

Bao gồm số liệu về độ cao địa hình, các loại bề mặt, nhiệt độ mặt
nước biển và số liệu tái phân tích làm điều kiện ban đầu và điều kiện
biên cập nhật theo thời gian. Tất cả số liệu đầu vào cần để chạy mô
hình có thể được tải về từ trang web của ICTP.
b/ Số liệu thẩm định

+ CRU: Số liệu tái phân tích của Climatic Research Unit (Anh),

độ phân giải ngang 0,5 độ, chỉ có số liệu nhiệt độ bề mặt, lượng mưa,
tổng lượng mây và độ ẩm tuyệt đối trung bình tháng.
+ Số liệu đầu vào: ERA40 (ECMWF)

8
+ Quan trắc thực tế trên Việt Nam: 60 trạm quan trắc khí tượng
điển hình trải đều trên lãnh thổ Việt Nam.
Tiến trình thực hiện là chạy RegCM3, thực hiện đánh giá và hiệu
chỉnh. Kết quả trình bày trong chương 3 và chương 4 tương ứng.
CHƯƠNG 3: KẾT QUẢ MÔ PHỎNG CÁC TRƯỜNG KHÍ
TƯỢNG TRÊN KHU VỰC ĐÔNG NAM Á BẰNG MÔ HÌNH
KHÍ HẬU KHU VỰC RegCM3
3.1. Thời tiết, khí hậu khu vực ĐNA vào thập kỷ cu
ối thế kỷ XX
Trong thập kỷ cuối của thế kỷ XX, thời tiết khu vực ĐNA đã chịu
ảnh hưởng mạnh mẽ của hiện tượng ENSO - viết tắt của các từ ghép
“El Nino” và “SO” (Southern Oscillation: Dao động Nam). Hiện
tượng El Nino và La Nina có ảnh hưởng đến thời tiết, khí hậu toàn
cầu với mức độ khác nhau và rất đa dạng. Trong 10 năm cuối của thế
kỷ XX đã x
ảy ra 4 đợt El Nino với một đợt 1997-1998 được xem là
mạnh nhất thế kỷ [Nguyễn Đức Ngữ và Phạm Thị Thanh Hương,
2003]. Hiện tượng El Nino chủ yếu bắt đầu xảy ra vào các tháng mùa
hè, kéo dài đến hết mùa hè đó hoặc sang mùa hè năm sau.
3.2. Hoàn lưu, nhiệt độ, độ ẩm và lượng mưa của RegCM3
3.2.1. Cấu hình động lực
Các thử nghiệm đều sử dụng cấu hình như trong Bảng 3.1.
B
ảng 3.1: Cấu hình động lực trong RegCM3.
Động lực học Thủy tĩnh

Số liệu đầu vào ERA40
Miền tích phân 15S-27N; 70-135E
Độ phân giải ngang 60km
Độ phân giải thẳng đứng 18 mực sigma (từ mặt đất Æ 70mb)
Thời gian mô phỏng 3 tháng mùa hè (6-8), từ 1991-2000
Thời gian Spin-up 10 ngày (bắt đầu từ 20/5 hàng năm)

17
trên toàn ĐNA của Reg+GAB, Reg+TieB và ERA40 so với ERA40
cho thấy mô hình hầu như luôn thấp hơn ERA40 và độ lệch giữa mô
hình và ERA40 cao nhất vào những năm có độ ẩm cao, độ lệch
không đáng kể vào những năm có độ ẩm thấp. Đường biểu diễn độ
ẩm của Reg+TieB luôn nằm giữa Reg+GAB và ERA40 chứng tỏ độ
ẩm được biểu diễn tốt hơn bởi sơ đồ Tiedtke.
Bảng 4.1: Các chỉ s
ố đánh giá nhiệt độ trung bình tháng của
Reg+TieB so với CRU tính trên toàn khu vực ĐNA.
Trung bình dự báo = 26.983 Fre = 0.979
Trung bình quan trắc = 27.564 HSTQ = 0.613
ME = -0.581 Acc = 0.370
MAE = 1.712 HK = 0.154
RMSE = 2.210 HSS = 0.152
d/ Tác động đến lượng mưa
Diện mưa đối lưu của sơ đồ Reg+GAB luôn lớn hơn của
Reg+TieB do điều kiện bùng phát đối lưu của Reg+GAB dựa trên
CAPE dễ đạt được hơn, nhưng vị trí các tâm mưa của sơ đồ Tiedtke
phù hợp với lượng mưa tổng cộng trên thực tế hơn.
Reg+GAB tái tạo được tâm mưa ở phía nam Campuchia nhưng
mô phỏng không chính xác tâm mưa ở vịnh Belgan, lượng mưa
thường thấp hơn CRU, đặc biệt trên bán đảo Đông Dương và trên

Việt Nam nói riêng. Reg+TieB nắm bắt được hầu hết các tâm mưa
chính, ngoại trừ tâm mưa trên biên giới Việt-Lào, ở đây lượng mưa
mô phỏng thấp hơn CRU. Diện mưa trên vịnh Belgan của Reg+TieB
cũng lấn sâu hơn về phía đông so với CRU, cường độ mưa cao hơn.
4.1.2.3. Đánh giá thống kê
RegCM3 được thử nghiệm với s
ơ đồ tham số hóa đối lưu Tiedtke
(1989) và sơ đồ thông lượng đại dương – khí quyển của Zeng (1998),
ký hiệu là Reg+TieZ làm phiên bản thứ 3 và chạy mô phỏng 10 năm.

16
nhất, đồng bộ giữa các biến vào ra tương ứng của RegCM3 và sơ đồ
này. Nói cách khác, cần phải biến sơ đồ Tiedtke lấy từ HRM thành
một thủ tục con của RegCM3. Mặc dù mang nặng tính kỹ thuật lập
trình, song đây quả là một vấn đề không đơn giản. Kết quả kiểm tra
cho thấy sơ đồ Tiedtke chạy ổn định và cho kết quả khả quan nên
chúng tôi tiến hành chạ
y dự báo mùa 3 tháng mùa hè cho năm 1996
và sau đó là cho 10 năm, từ 1991 đến 2000.
4.1.2.2. Tác động của sơ đồ tham số hóa đối lưu Tiedtke lên kết
quả mô phỏng của RegCM3
a/ Tác động đến trường áp

Sơ đồ tham số hóa đối lưu của Grell (1993) không hồi tiếp lại
động lượng của môi trường mà hồi tiếp gián tiếp thông qua nhiệt, ẩm,
áp, trong khi sơ đồ Tiedtke (1989) cho phép biến đổi trực tiếp gió
ngang u và v tương tự như đối với nhiệt, ẩm. Do đó, MSLP trung
bình tháng của Reg+TieB rất gần với MSLP của ERA40. Trục của
rãnh thấp trên vịnh Belgan không quá lệch sang phía đông bắc so với
ERA40 như phiên bản Reg+GAB. Phân b

ố khí áp trên Ấn Độ Dương
và biển Đông cũng gần với ERA40 hơn.
b/ Tác động đến nhiệt độ

Profile nhiệt độ trung bình tháng của Reg+TieB không khác nhiều
so với ERA40. Sai số hệ thống (ME) nhiệt độ tại 2m trung bình tháng
của Reg+TieB giảm xuống -0,5 độ so với -1,5 độ của Reg+GAB. Sai
số RMSE của Reg+TieB khoảng 2,2 độ so với 2,5 độ của Reg+GAB.
Các chỉ số Acc, HK, HSS của Reg+TieB đều tăng 1,5 – 2 lần so với
Reg+GAB (Bảng 4.1).
c/ Tác động đến độ ẩm

Biểu diễn chính xác độ ẩm là vấn đề vô cùng quan trọng đối với
mô hình khí hậu. Profile độ ẩm riêng trung bình tháng tính trung bình

9
3.2.2. Lựa chọn sơ đồ tham số hóa vật lý
Tham số hóa vật lý là thành phần quan trọng nhất trong mô hình
hóa khí hậu. Các sơ đồ tham số hóa vật lý được thử nghiệm trong
RegCM3 được trình bày trong Bảng 3.4.
Bảng 3.4: Các sơ đồ vật lý biểu diễn trong RegCM3.
Sơ đồ tham số hóa đối lưu (1)Kuo (2)BMJ (3)GAS (4)GFC
Sơ đồ tính toán thông lượng đại
dương-khí quyển
(1) BATS (2) Zeng
Sơ đồ bức xạ CCM3
Sơ đồ lớp biên hành tinh Hostlag
Sơ đồ trao đổi mặt đất-khí quyển BATS
3.2.2.1. Chọn sơ đồ tham số hóa đối lưu
Tham số hóa đối lưu rất cần thiết trong các mô hình khí hậu khu

vực vì độ phân giải ngang khoảng vài chục đến vài trăm km không
thể biểu diễn hiện được các quá trình vật lý mây vốn có quy mô dưới
lưới. Tham số hóa đối lưu là biểu diễn các đặc trưng thống kê của
mây theo các biến quy mô lưới giải được. Các phiên bản của
RegCM3 với các sơ đồ
đối lưu được trình bày trong Bảng 3
Bảng 3.5: Ký hiệu các phiên bản mô hình RegCM3 với các sơ đồ
tham số hóa đối lưu.
Sơ đồ tham số hóa đối lưu Ký hiệu
Kuo Reg+Kuo
Betts-Miller-Janjic Reg+BMJ
Grell+AS Reg+GAS
Grell+FC Reg+GFC
Trong số các phiên bản thì Reg+GAB cho các kết quả hợp lý nhất.
a/ Nhận xét về Reg+Kuo:


10
Sơ đồ tham số hóa đối lưu của Kuo tái tạo tốt nhiệt độ bề mặt
nhưng lượng mưa thấp hơn CRU và vị trí các tâm mưa không chính
xác. Theo Emanuel (1994), nguyên nhân có thể là sơ đồ Kuo không
thể tạo ra sự làm ẩm thực tế trong khí quyển, một phần vì bản chất
không biết trước được của tham số kinh nghiệm α, phần làm ẩm từ
giáng thủy. Đây là vấn đề
đặc biệt không tốt trong các mô hình khí
hậu vì các mô hình khí hậu rất nhạy đối với sự dự báo chính xác hơi
nước – thành phần quan trọng nhất hấp thụ bức xạ hồng ngoại trong
khí quyển.
b/ Nhận xét về Reg+BMJ:

Sơ đồ tham số hóa đối lưu BMJ cũng có xu hướng tái tạo lượng
mưa rất thấp hơn thực tế trong khi trường nhiệt độ bề mặt khá gần
với CRU. Yếu điểm của sơ đồ BMJ là không có cơ sở vật lý đối với
profile tham chiếu tổng quát của độ ẩm tương đối. Trong khi mô hình
có thể được điều chỉnh để nhận được các k
ết quả đáng tin cậy tại một
điểm hay một thời gian nào đó, ta không thể hy vọng nhận được các
profile độ ẩm thực tế trong các hoàn cảnh khác. Tại ICTP, năm 2007,
các tác giả của RegCM3 đã gỡ bỏ lựa chọn sơ đồ tham số hóa đối
lưu BMJ khỏi phiên bản mới nhất của RegCM3.
c/ Nhận xét về Reg+GAS và Reg+GFC:

Sơ đồ tham số hóa đối lưu của Grell tái tạo nhiệt độ bề mặt
thường thấp hơn CRU 2-3
o
C nhưng lượng mưa và vị trí các tâm mưa,
đặc biệt tâm mưa lớn trên vịnh Belgan được mô phỏng khá tốt. Với 2
giả thiết khép kín khác nhau, sơ đồ Grell cho các kết quả mô phỏng
rất khác nhau. Reg+GFC tái tạo mưa lớn hơn và nhiệt độ thấp hơn
hẳn so với Reg+GAS. Giả thiết khép kín khác nhau dẫn đến thông
lượng khối đáy mây của GFC lớn hơn nhiều so với GAS, kết quả là
giáng thủy đố
i lưu của GFC lớn hơn GAS và hiệu ứng làm lạnh do

15
+ Hơn nữa, mô hình mây của sơ đồ Tiedtke bao gồm đầy đủ ba
loại mây là mây đối lưu sâu, đối lưu nông và đối lưu mực giữa, trong
đó chỉ có đối lưu nông là không cho mưa nhưng vẫn làm biến đổi
nhiệt, ẩm của môi trường.
+ Ngoài ra, dòng cuốn ra do rối được biểu diễn trong sơ đồ

Tiedtke (1989) cũng quan trọng vì cuố
n không khí khô của môi
trường vào không khí ẩm của mây, kìm hãm CAPE tăng quá nhanh
dẫn đến tích lũy CAPE và làm tăng năng lượng cho đám mây. Mô
hình mây của Grell (1993) không cho phép xáo trộn không khí môi
trường vào mây nên các đám mây thường dễ hình thành nhưng không
phát triển thành đối lưu sâu.
Hiện nay, sơ đồ Tiedtke (1989) đã và đang được sử dụng trong
mô hình khí hậu toàn cầu ECHAM4 [Fu vcs., 2002] và được nhận
định là cho kết quả dự báo tốt.
Ngoài ra, sơ đồ này cũng là sơ đồ
tham số hóa đối lưu chính trong mô hình thời tiết khu vực phân giải
cao HRM. Chính vì vậy, chúng tôi lựa chọn sơ đồ Tiedtke (1989) để
ghép vào làm một tùy chọn tham số hóa đối lưu mới cho mô hình
RegCM3.
4.1.2. Mô hình RegCM3 với sơ đồ đối lưu mới Tiedtke
4.1.2.1. Phát triển mã nguồn của RegCM3 khi sử dụng sơ đồ
tham số hóa đối lưu Tiedtke (1989)
RegCM3 là mô hình mã nguồn mở có thể download miễn phí tại
website Để
đưa sơ đồ
đối lưu Tiedtke vào RegCM chúng tôi đã sử dụng mã nguồn của sơ
đồ này từ mô hình dự báo thời tiết HRM. Do sự khác nhau giữa hai
mô hình RegCM3 và HRM trên nhiều khía cạnh, như phương thức
lập trình, hệ tọa độ ngang và thẳng đứng, nên một vấn đề hết sức
quan trọng và có ý nghĩa quyết định đến sự thành bại là sự thống

14
CHƯƠNG 4: CẢI THIỆN KỸ NĂNG MÔ PHỎNG NHIỆT ĐỘ
VÀ LƯỢNG MƯA CỦA MÔ HÌNH RegCM3 BẰNG SƠ ĐỒ

THAM SỐ HÓA ĐỐI LƯU MỚI VÀ BẰNG PHƯƠNG PHÁP
HIỆU CHỈNH THỐNG KÊ
4.1. Cải thiện kỹ năng của RegCM3 bằng sơ đồ tham số hóa đối
lưu mới
4.1.1. Lý do chọn lựa sơ đồ tham số hóa đối lưu Tiedtke
Như ta đã biết, nghiên cứ
u hoạt động đối lưu là một trong những
vấn đề khó khăn lớn đối với khí tượng học miền nhiệt đới nói chung
trong đó có khu vực Đông Nam Á. Theo một số tác giả [Ogura và
Cho, 1974; Lindzen, 1981; Yanai vcs., 1973] và chính những kiểm
nghiệm trên số liệu thực tế nhằm thẩm định khả năng biểu diễn các
đặc trưng đối lưu nhiệt đới của Tiedtke (1989) thì sơ đồ tham số hóa
đối l
ưu của Tiedtke (1989) có những đặc điểm phù hợp để mô phỏng
đối lưu nhiệt đới trong mùa gió mùa mùa hè.
+ Sơ đồ tham số hóa đối lưu của Tiedtke (1989) dựa trên giả thiết
hội tụ ẩm, phù hợp với miền nhiệt đới, đặc biệt là khu vực ĐNA, nơi
hầu như bao quanh bởi đại dương và nằm trong khu vực gió mùa điển
hỉnh của thế giới. Trong mùa gió mùa mùa hè, trên quy mô lớ
n, sự
hội tụ của các dòng ẩm ở lớp dưới thấp đóng vai trò quan trọng trong
việc cung cấp ẩm cho hoạt động đối lưu [Krishnamurti, 1968].
+ Ở nhiệt đới, ẩm càng có vai trò quan trọng trong hoạt động đối
lưu vì sinh ra bất ổn định loại 2 làm cho đối lưu sâu phát triển lên
những mực cao. Lực nổi chỉ đóng vai trò khởi động ban đầu. Cũng
theo Xie và Zhang (2000), số liệu quan trắc trung bình
đối với miền
nhiệt đới, đặc biệt là khu vực gió mùa Châu Á cho thấy việc sử dụng
chỉ số độ bất ổn định thường dùng từ trước đến nay trong dự báo đối
lưu (CAPE) là không thích hợp, đặc biệt là vào mùa hè.

11
mưa và làm khô tầng thấp của khí quyển do sự hạ xuống của không
khí ngoài mây của GFC mạnh hơn. Khi sử dụng giả thiết khép kín
AS, lượng mưa đố
i lưu của Reg+GAS giảm và nhiệt độ bề mặt tăng
lên, gần với quan trắc hơn. Giáng thủy quy mô lưới của GAS cũng
tăng lên so với GFC do hệ quả của việc tăng nhiệt độ bề mặt của
GAS. Chúng tôi thử nghiệm giảm lượng giáng thủy đối lưu trong
GFC và GAS đi một nửa. Kết quả là giáng thủy tổng cộng cũng giảm
và nhiệt độ bề
mặt tăng lên. Tuy nhiên, nhiệt độ bề mặt tăng không
đáng kể trong khi lượng mưa, đặc biệt trên bán đảo Đông Dương vốn
đã thấp hơn thực tế càng giảm đi.
Một trong những nguyên nhân gây nên giáng thủy đối lưu mạnh
của sơ đồ Grell có thể là do cách tính thông lượng khối đáy mây của
sơ đồ này chỉ dựa trên lực nổi, bản chất là dựa trên độ chênh lệ
ch
nhiệt độ giữa phần tử khí thăng lên và môi trường, khi đó, đối lưu sẽ
sinh ra bất cứ khi nào năng lượng thế khả năng (CAPE) dương, mà
điều kiện này rất dễ xảy ra vào ban ngày ở nhiệt đới, nơi bức xạ mặt
trời lớn, nhất là vào mùa hè [Xie và Zhang, 2000].
Sơ đồ này cũng chỉ tham số hóa một loại đối lưu sâu nên có mây
là sinh mưa đối lưu, do đ
ó dẫn tới làm lạnh mặt đất và làm khô môi
trường tại các mực thấp do dòng hạ xuống ngoài mây. Mặt khác,
tham số hóa đối lưu của Grell được tính trong mỗi bước tích phân,
gần như coi mây liên tục xảy ra và càng làm cho mưa đối lưu tăng lên
và nhiệt độ bề mặt càng giảm.
3.2.2.2. Chọn sơ đồ tính toán thông lượng đại dương-khí quyển

Trong RegCM3 có 2 sơ đồ để lựa chọn phương thức tính toán
thông lượ
ng đại dương, một là sơ đồ BATS của Dickinson vcs.
(1993), hai là sơ đồ của Zeng (1998). Các ký hiệu trong Bảng 3.6.

12
Bảng 3.6: Các phiên bản của RegCM3 với các sơ đồ thông lượng
đại dương – khí quyển.
Sơ đồ thông lượng đại dương – khí quyển Ký hiệu
BATS1E Reg+GAB
Zeng Reg+GAZ
Lượng bốc hơi của Reg+GAZ lớn hơn hẳn so với Reg+GAB và
thông lượng hiển nhiệt của Reg+GAZ cũng dương hơn Reg+GAB,
nghĩa là nhiệt đi từ đại dương vào khí quyển trong sơ đồ của Zeng
lớn hơn trong BATS. Một trong những nguyên nhân là độ gồ ghề (hệ
số nhám) trong sơ đồ Zeng quá nhỏ, dẫn đến bốc hơi E và thông
lượng hiển nhiệt SH lớn. Kết quả là nhiệ
t độ của Reg+GAZ nhỏ hơn
nhiệt độ của Reg+GAB, rõ nhất là trên đại dương và lượng mưa của
Reg+GAZ nhìn chung cũng giảm so với Reg+GAB. Như vậy, để
nhận được nhiệt độ bề mặt gần với thực tế, chúng tôi chọn sơ đồ
tham số hóa đối lưu của BATS.
3.2.2.3. Kết quả mô phỏng 10 năm của RegCM3 với các tham số
được chọn
Reg+GAB tái tạo được các trung tâm khí áp chính trong mùa hè
ở
ĐNA bao gồm rãnh thấp điển hình trên vịnh Belgan, rãnh thấp yếu
hơn trên biển Đông và rìa phía tây của áp cao cận nhiệt đới. Tuy
nhiên, rãnh áp thấp trên vịnh Belgan được tái tạo nông hơn thực tế
khoảng 2mb và trục rãnh nghiêng hơn về phía đông bắc so với

ERA40. Kết quả là đường dòng trên vịnh Belgan của Reg+GAB có
tính vĩ hướng hơn thực tế và đẩy tâm mưa lệch xuống đông nam so
với vị trí đ
iển hình của nó trong mùa hè. Ngoài ra, khí áp trên Ấn Độ
Dương và Biển Đông cũng được tái tạo cao hơn ERA40.
Sai số RMSE và MAE nhiệt độ trung bình tháng gần như tương
đương cho thấy sai số hệ thống gần như đồng nhất toàn khu vực
ĐNA. HSTQ khá cao, khoảng 0,65 nhưng độ chính xác Acc và các

13
chỉ số HK, HSS nhỏ. Do mô hình mắc sai số hệ thống nên các
khoảng chia nhiệt độ quan trắc và dự báo lệch nhau dẫn đến số
điểm
hits thấp (Bảng 3.7).
Bảng 3.7: Các chỉ số đánh giá nhiệt độ mô phỏng của Reg+GAB
so với CRU tính trên toàn khu vực ĐNA.
Trung bình dự báo = 26.078 Fre = 0.946
Trung bình quan trắc = 27.564 HSTQ = 0.645
ME = -1.486 Acc = 0.283
MAE = 2.040 HK = 0.075
RMSE = 2.494 HSS = 0.072
Sai số ME của lượng mưa trung bình tháng của Reg+GAB so với
CRU là khoảng 3mm/ngày nhưng sai số RMSE gần bằng 21mm/ngày
bởi vì độ lệch lượng mưa giữa mô hình và quan trắc không đồng đều
theo cả không gian và thời gian, HSTQ thấp (0,087) cho thấy sai số
là dạng phi tuyến phức tạp. Các chỉ số Acc, HK và HSS nhỏ (Bảng
3.8). Nguyên nhân cũng vẫn là khoảng chia ngưỡng mưa giữa mô
hình và CRU không trùng nhau. Cần có biện pháp hiệu chỉnh để đưa
nhiệt độ
và lượng mưa mô phỏng về gần với thực hơn.

Bảng 3.8: Các chỉ số đánh giá lượng mưa trung bình tháng của
Reg+GAB so với CRU tính trên toàn khu vực ĐNA.
Trung bình dự báo = 4.796 Fre = 0.607
Trung bình quan trắc = 7.900 HSTQ = 0.087
ME = -3.104 Acc = 0.403
MAE = 9.388 HK = 0.077
RMSE = 20.945 HSS = 0.070
Các sai số hệ thống này phù hợp với các nghiên cứu khác trên thế
giới (ví dụ Liu, 2006). Có 2 cách hiệu chỉnh sai số hệ thống là cải
thiện vật lý nội tại của mô hình và hiệu chỉnh bằng phương pháp
thống kê.