tuyển tập báo cáo khoa học hội thảo khoa học quốc gia về khí tượng thủy văn môi trường và biến đổi khí hậu

BỘ TÀI NGUYÊN VÀ MÔI TRƯỜNG
VIỆN KHOA HỌC KHÍ TƢỢNG THỦY VĂN VÀ BIẾN ĐỔI KHÍ HẬU














TUYỂN TẬP BÁO CÁO
HỘI THẢO KHOA HỌC QUỐC GIA VỀ
KHÍ TƢỢNG, THỦY VĂN, MÔI TRƢỜNG VÀ BIẾN ĐỔI KHÍ HẬU

(LẦN THỨ XVII)

HÀ NỘI – 2014

i

MỤC LỤC
MỞ ĐẦU
1. Xem xét khả năng dự báo hình thế nhiệt độ mùa đông của một số mô hình
toàn cầu 1
Tạ Hữu Chỉnh, Trần Ngọc Vân, Nguyễn Thị Diễm Hương
2. Ứng dụng phƣơng pháp K – MEAN để xác định khách quan hình thế thời
tiết trong các đợt mƣa lớn Miền Trung 8
Lê Đức, Nguyễn Văn Hưởng
3. Đánh giá các yếu tố cực trị nhiệt độ và lƣợng mƣa vùng Tây Nguyên 14
Hoàng Đức Cường,

Vũ Văn Thăng, Lã Thị Tuyết, Đỗ Thị Nương
4. Thông tin khí hậu và biến đổi khí hậu phục vụ đánh giá rủi ro và đề xuất
giải pháp thích ứng 20
Ngô Sỹ Giai, Nguyễn Đăng Mậu, Phùng Đức Chính

5. Ảnh hƣởng của vai trò ban đầu hóa xoáy trong mô hình HWRF đối với cấu
trúc bão Ketsana (2009) 28
Nguyễn Thị Hoan, Hoàng Đức Cường, Nguyễn Văn Hiệp
6. Nghiên cứu sự biến đổi mùa nhiệt khu vực Đông Bắc Bắc Bộ 34
Nguyễn Thị Lan Hương
7. Nghiên cứu đặc điểm khí hậu Biển Đông 40
Mai Văn Khiêm, Trần Thục, Lã Thị Tuyết, Trương Thị Thanh Thủy,
Hoàng Đức Cường
8. Đánh giá khả năng mô phỏng nhiệt độ của mô hình REGCM và NHRCM
trên khu vực Việt Nam 47
Nguyễn Mạnh Linh, Kiều Thị Xin
9. Quan trắc mƣa bằng công nghệ viễn thám G-WADI PERSIANN-CCS
GEOSERVER 54
Trương Hoài Thanh
10. Phân vùng khí hậu Sơn La 59
Trần Thị Thảo, Lã Thị Tuyết, Hoàng Đức Cường
11. Hoạt động của bão và áp thấp nhiệt đới ở Tây Bắc Thái Bình Dƣơng và biển
Đông năm 2013 66
Nguyễn Thị Xuân, Trần Đình Trọng, Lã Thị Tuyết, Mai Văn Khiêm, Nguyễn
Văn Hiệp, Vũ Anh Tuấn






ii

KHÍ TƢỢNG NÔNG NGHIỆP
12. Ứng dụng mô hình ORYZA2000 để đánh giá mức giảm năng suất lúa do

nhiệt độ cực đoan ở Đồng Bằng Sông Hồng 75
Trịnh Hoàng Dương, Dương Văn Khảm, Trần Thị Tâm, Nguyễn Thị Huyền
13. Nghiên cứu các chỉ tiêu khí hậu nông nghiệp phục vụ phân vùng khí hậu
nông nghiệp tỉnh Thừa Thiên Huế 82
Dương Văn Khảm, Nguyễn Hồng Sơn
14. Đánh giá tài nguyên khí hậu nông nghiệp, thiên tai và đề xuất các mô hình
nông nghiệp phù hợp ở ba huyện đảo Vân Đồn, Cô Tô (Tỉnh Quảng Ninh),
và Cát Hải (Thành Phố Hải Phòng) . 88
Nguyễn Văn Liêm, Ngô Sỹ Giai, Ngô Tiền Giang, Nguyễn Quý Vinh
15. Sử dụng kỹ thuật phân loại hƣớng đối tƣợng phục vụ theo dõi biến động sử
dụng đất Thành Phố Hà Nội 95
Doãn Hà Phong, Đào Ngọc Long
16. Nghiên cứu, đánh giá năng suất tiềm năng và hệ số thuận lợi của điều kiện
khí tƣợng nông nghiệp đối với một số cây trồng chính ở tỉnh Thừa Thiên
Huế 102
Nguyễn Hồng Sơn, Dương Văn Khảm, Trịnh Hoàng Dương

BIẾN ĐỔI KHÍ HẬU
17. Đánh giá tác động của biến đổi khí hậu đến cân bằng nƣớc tỉnh Bình Thuận
111
Hoàng Văn Đại, Hoàng Thị Phương Thảo, Đặng Thu Hiền
18. Đánh giá cân bằng nƣớc lƣu vực Sông Cầu trong bối cảnh biến đổi khí hậu
117
Trần Thị Thanh Hải, Phạm Thị Thu Trang
19. Đánh giá tính dễ bị tổn thƣơng kinh tế - xã hội do biến đổi khí hậu ở tỉnh
Thừa Thiên Huế . 124
Trần Thị Diệu Hằng, Lê Thị Hường, Nguyễn Thanh Tường, Trần Thanh Thủy
20. Nghiên cứu ảnh hƣởng của mực nƣớc biển dâng do biến đổi khí hậu đến sự
thay đổi đặc trƣng của các sóng triều cho khu vực ven biển Đà Nẵng 130
Trần Duy Hiền, Dương Ngọc Tiến, Nguyễn Xuân Hiển, Hoàng Anh

21. Bƣớc đầu đánh giá tiềm năng giảm phát thải khí nhà kính từ việc phát triển
điện gió ở Việt Nam 137
Huỳnh Thị Lan Hương, Vương Xuân Hòa, Nguyễn Thị Liễu, Đào Minh Trang,
Hoàng Tùng, Nguyễn Lê Giang
22. Nghiên cứu xây dựng khung bộ chỉ số về khả năng chống chịu của môi
trƣờng tự nhiên với biến đổi khí hậu 142
iii

Huỳnh Thị Lan Hương, Đỗ Tiến Anh, Đào Minh Trang
23. Đánh giá năng lực của cộng đồng ngƣời dân đảo Phú Quý, tỉnh Bình Thuận
trong phát triển sinh kế bền vững và thích ứng với biến đổi khí hậu 149
Nguyễn Thị Xuân Quỳnh, Nguyễn Xuân Hiển, Phạm Văn Tiến, Phan Thị Anh
Đào, Lê Quốc Huy, Khương Văn Hải
24. Tác động của biến đổi khí hậu lên dòng chảy thƣợng nguồn lƣu vực sông
Cầu, Việt Nam 156
Nguyễn Phương Thảo, Hoàng Văn Đại, Charlie Navanugraha
25. Đánh giá tác động của thiên tai, biến đổi khí hậu tới sinh kế dựa trên tiếp
cận cộng đồng ở huyện đảo Phú Quý, Bình Thuận 163
Phạm Văn Tiến, Nguyễn Xuân Hiển, Nguyễn Thị Phương, Nguyễn Thị Lan,
Phan Thị Anh Đào, Trần Duy Hiền
26. Đánh giá tác động của biến đổi khí hậu đến xâm nhập mặn đồng bằng Sông
Cửu Long trong xu thế phát triển tài nguyên nƣớc của các quốc gia thƣợng
lƣu sông Mê Công 170
Đặng Quang Thịnh, Nguyễn Văn Đại, Nguyễn Thị Hằng
27. Tác động của biến đổi khí hậu đến xâm nhập mặn tại tỉnh Thái Bình 177
Phạm Thị Thu Trang
28. Kết quả kiểm kê khí nhà kính quốc gia cho lĩnh vực năng lƣợng năm 2005
183
Hoàng Tùng, Đào Minh Trang, Vương Xuân Hòa, Huỳnh Thị Lan Hương

THỦY VĂN – TÀI NGUYÊN NƢỚC
29. Xây dựng biểu đồ vận hành khẩn cấp kiểm soát lũ 191
Lê Xuân Cầu
30. Ứng dụng mô hình Tank Malaysia dự báo lƣu lƣợng về hồ sông Ba Hạ 199
Bùi Văn Chanh, Phùng Đức Chính, Nguyễn Thị Hoan
31. Ứng dụng mô hình SWAT tính toán lƣu lƣợng bùn cát đến hồ Tuyên Quang
205
Lê Tuấn Nghĩa, Lưu Thị Hồng Linh, Lương Hữu Dũng
32. Diễn biến địa hình và thay đổi tỷ lệ phân lƣu sông Hồng, sông Đuống 211
Trần Đức Thiện, Lương Hữu Dũng, Hoàng Thị Quỳnh, Hoàng Minh Tuyển
33. Đánh giá hiện trạng và đề xuất mạng lƣới khí tƣợng thủy văn phục vụ dự
báo thiên tai lũ, lụt cho khu vực Trung Bộ, Tây Nguyên và Nam Bộ trong
bối cảnh biến đổi khí hậu 218
Nguyễn Kiên Dũng, Bùi Đức Long
34. Nghiên cứu dự báo thử nghiệm dòng chảy đến các hồ chứa lớn trên hệ thống
sông Hồng 224


iv

Hoàng Văn Đại, Đặng Thị Lan Phương, Phan Văn Thành
35. Đánh giá tác động của EL NINO đến thiếu hụt lƣợng mƣa cho khu vực
thƣợng lƣu sông Hồng 231
Lã Thanh Hà, Nguyễn Thị Vân
36. Tính toán dòng chảy đô thị phục vụ đề xuất các giải pháp thoát nƣớc mặt
chống ngập lƣu vực Ngã Cạy - TP. Vĩnh Long 238
Trương văn Hiếu, Nguyễn Thúy Lan Chi
37. Nghiên cứu tƣơng quan mực nƣớc trên sông, kênh, rạch TP. Hồ Chí Minh
phục vụ công tác giảm ngập úng 246
Vũ Thị Hương

38. Nghiên cứu bài toán ứng dụng sản phẩm mƣa dự báo vào mô hình thủy văn
thông số phân bố phục vụ tác nghiệp tại Trung tâm Khí tƣợng Thủy văn
Trung Ƣơng 253
Bùi Đình Lập
39. Giới thiệu phần mềm hỗ trợ ra bản tin cảnh báo, dự báo lũ và cảnh báo
ngập lụt cho sông Thạch Hãn, tỉnh Quảng Trị 260
Vũ Đức Long, Đặng Thanh Mai, Phùng Tiến Dũng
40. Nghiên cứu ứng dụng công nghệ viễn thám giám sát hạn hán ở Tây Nguyên
267
Nguyễn Hữu Quyền, Dương Văn Khảm, Trần Thị Tâm
41. Tích hợp các mô hình khí tƣợng, thủy văn, hải văn nhằm dự báo mực nƣớc
hạ lƣu hệ thống sông Đồng Nai 273
Bảo Thạnh, Vũ Thị Hương, Trần Tuấn Hoàng, Ngô Nam Thịnh, Nguyễn Văn
Tín, Trương Hoài Thanh
42. Ứng dụng mô hình DELFT3D tính toán mực nƣớc cửa sông hạ lƣu sông Sài
Gòn - Đồng Nai 280
Ngô Nam Thịnh, Trần Tuấn Hoàng, Bảo Thạnh
43. Nƣớc ở các đảo ven bờ Việt Nam 286
Ngô Trọng Thuận, Phùng Đức Chính
44. Một số phƣơng pháp xác định chỉ số căng thẳng tài nguyên nƣớc và bƣớc
đầu áp dụng cho vùng Nam Trung Bộ, Việt Nam 292
Phùng Thị Thu Trang, Huỳnh Thị Lan Hương, Nguyễn Văn Đại, Nguyễn Hoàng
Thủy
45. Các vấn đề ảnh hƣởng đến sự phát triển bền vững lƣu vực sông 298
Lê Thị Mai Vân, Trần Thanh Xuân



v

BIỂN
46. Mô hình dự báo sóng MRI-III trong dự báo nghiệp vụ sóng biển tại Việt
Nam 307
Phạm Khánh Ngọc, Nguyễn Bá Thủy, Nadao Kohno, Nguyễn Mạnh Dũng
47. Nghiên cứu ứng dụng mô hình JMA trong dự báo nghiệp vụ nƣớc dâng bão
tại Việt Nam 313
Bùi Mạnh Hà, Nguyễn Bá Thủy, Trịnh Thị Tâm, Nadao Kohno, Nguyễn Thị Thu
Mai
48. Xác định biến động nội mùa của trƣờng nhiệt độ bề mặt nƣớc biển khu vực
nƣớc trồi Nam Trung Bộ 319
Lê Quốc Huy, Trần Thục, Đinh Văn Ưu, Nguyễn Xuân Hiển
49. Năng suất sinh học của quần xã sinh vật nổi (PLANKTON) khu vực quần
đảo Hoàng Sa Việt Nam 325
Nguyễn Ngọc Tiến, Lư Quang Huy, Dư Văn Toán
50. Tính toán nguy cơ ngập gây bởi nƣớc dâng do siêu bão 333
Trần Thục, Nguyễn Xuân Hiển, Phạm Văn Tiến
51. Một số kết quả tính toán thủy triều, sóng biển và nƣớc dâng trong bão bằng
mô hình SUWAT tại Việt Nam 339
Đỗ Đình Chiến, Trần Sơn Tùng,

Nguyễn Bá Thủy, Trịnh Thị Tâm, Sooyoul Kim
52. Hiện trạng đa dạng thực vật nổi khu dự trữ sinh quyển Cần Giờ, TP. Hồ
Chí Minh 345
Lê Xuân Tuấn, Nguyễn Đức Tuấn, Nguyễn Xuân Tùng
53. Đa dạng các nhóm động vật nổi (ZOOPLANKTON) vùng rừng ngập mặn
huyện Cần Giờ, TP. Hồ Chí Minh 352
Lê Xuân Tuấn, Phan Văn Mạch

MÔI TRƢỜNG
54. Nghiên cứu phối hợp năng lực xử lý sinh học hiếu khí và kị khí để xử lý

nƣớc thải lò giết mổ quy mô phòng thí nghiệm 360
Ngô Kim Anh, Bạch Quang Dũng, Vũ Tiến Nhiên
55. Nghiên cứu tiền xử lý nƣớc thải giết mổ gia súc tại lò giết mổ tập trung 366
Bạch Quang Dũng, Vũ Tiến Nhiên, Đỗ Tiến Anh
56. Bƣớc đầu đánh giá kết quả giám sát lắng đọng axit (Lắng đọng ƣớt) tại một
số trạm giám sát thuộc Miền Bắc Việt Nam 372
Phan Thị Thúy Hoàn, Nguyễn Thị Diệu Tú, Nguyễn Duy Dương
57. Nghiên cứu quá trình hình thành khí sinh học trong bể yếm khí xử lý chất
thải rắc của lò giết mổ 378


vi

Vũ Tiến Nhiên, Bạch Quang Dũng, Đỗ Tiến Anh
58. Ứng dụng mô hình COAWST nghiên cứu quá trình vận chuyển bùn cát khu
vực ven biển Cà Mau 383
Dương Hồng Sơn, Trần Thùy Nhung
59. Xây dựng bản đồ nồng độ CO
2
khu vực Tây Nguyên 389
Doãn Hà Phong, Lê Phương Hà, Nguyễn Thị Minh Hằng
60. Lựa chọn các tham số đầu vào cho mô hình hồi quy tính toán nồng độ CO
2

khu vực Tây Nguyên 395
Doãn Hà Phong, Hoàng Thanh Tùng, Nguyễn Thanh Bằng
61. Xử lý đồng thời nƣớc thải và mùi trong chăn nuôi gia súc bằng công nghệ
lọc sinh học sử dụng giá thể vi sinh là phế phẩm nông nghiệp 402
Lê Viết Thìn, Mai Xuân Tiếp, Hoàng Thị Thu Cúc
62. Nghiên cứu xây dựng bộ tiêu chí lựa chọn công nghệ xử lý chất thải đồng

thời giảm phát thải khí nhà kính cho các bãi chôn lấp chất thải rắn tại Việt
Nam: Áp dụng thí điểm cho 53 khu chôn lấp 410
Đào Minh Trang, Vũ Minh Tâm, Lê Minh Trang, Đỗ Tiến Anh

GIỚI THIỆU MỘT SỐ NHIỆM VỤ CẤP NHÀ NƢỚC DO VIỆN CHỦ TRÌ
THỰC HIỆN
63. Xây dựng bộ bản đồ hạn hán cho Việt Nam 419
64. Dự án: “Xây dựng hệ thống cảnh báo sớm khí hậu cho Việt Nam” 424
Mai Văn Khiêm, Trần Đình Trọng, Lê Duy Điệp
65. Dự án: “Ứng dụng mô hình hệ thống trái đất của Na Uy xây dựng kịch bản
biến đổi khí hậu, nghiên cứu gió mùa và các hiện tƣợng khí hậu cực đoan ở
Việt Nam” 427
Trần Thục, Nguyễn Văn Thắng, Nguyễn Thị Hiền Thuận, Ngô Tiền Giang,
Nguyễn Văn Hiệp
66. Xây dựng hệ thống phân tích dự báo và cung cấp các sản phẩm khí hậu, bộ
công cụ hỗ trợ ra quyết định cảnh báo một số loại thiên tai khí hậu chính
phục vụ phát triển kinh tế - xã hội và phòng chống thiên tai 431
Mai Văn Khiêm, Nguyễn Đăng Mậu
67. Nghiên cứu xây dựng Atlas khí hậu và biến đổi khí hậu Việt Nam 434
Mai Văn Khiêm, Nguyễn Đăng Mậu

LỜI NÓI ĐẦU

Viện Khoa học Khí tượng Thủy văn và Biến đổi khí hậu là Viện nghiên
cứu khoa học, phát triển công nghệ và đào tạo trình độ tiến sỹ các chuyên ngành
Khí tượng và khí hậu học, Thủy văn học, Hải dương học, Quản lý Tài nguyên và
Môi trường, Biến đổi khí hậu và phát triển bền vững.
Viện Khoa học Khí tượng Thủy văn và Biến đổi khí hậu được ghi nhận là
đã có nhiều đóng góp nổi bật trong lĩnh vực Khí tượng thủy văn và Biến đổi khí
hậu với những thành quả đáng tự hào về nghiên cứu cơ bản, phát triển ứng

dụng triển khai, chuyển giao công nghệ, phục vụ công tác quản lý nhà nước và
đào tạo chuyên sâu về khí tượng thủy văn, môi trường và biến đổi khí hậu.
Hội thảo khoa hàng năm là dịp để trao đổi kinh nghiệm và chia sẻ các kết
quả nghiên cứu. Với chủ đề “Chuyển những kiến thức khoa học thành những
hành động trong bảo vệ tài nguyên biển đảo và ứng phó với biến đổi khí
hậu”, Hội thảo khoa học lần thứ XVII của Viện năm 2014 là diễn đàn để các
nhà khoa học trong và ngoài Viện có cơ hội tổng kết, đánh giá những kết quả
nghiên cứu đã đạt được trong những năm qua, trên cơ sở đó rút kinh nghiệm và
xây dựng kế hoạch nghiên cứu khoa học, phát triển công nghệ và hợp tác cho
những năm tiếp theo.
Viện Khoa học Khí tượng Thủy văn và Biến đổi khí hậu trân trọng giới
thiệu Tuyển tập báo cáo Hội thảo khoa học lần thứ XVII gồm các báo cáo khoa
học thuộc các lĩnh vực: Khí tượng - Khí hậu, Khí tượng nông nghiệp, Biến đổi
khí hậu, Thuỷ văn - Tài nguyên nước, Biển, Môi trường và giới thiệu một số
nhiệm vụ cấp Nhà nước, cấp Bộ do Viện chủ trì và tham gia thực hiện.
Trong quá trình biên tập, Tuyển tập báo cáo Hội thảo chắc chắn vẫn còn
những sai sót, rất mong nhận được sự thông cảm và ý kiến đóng góp của độc giả
cho Ban biên tập và các tác giả để Tuyển tập có chất lượng ngày càng cao hơn.
Trân trọng cảm ơn!

VIỆN TRƢỞNG

PGS.TS. NGUYỄN VĂN THẮNG

KHÍ TƢỢNG – KHÍ HẬU

Hội thảo khoa học Quốc gia về Khí tượng Thủy văn, Môi trường và Biến đổi khí hậu

Viện Khoa học Khí tượng Thủy văn và Biến đổi khí hậu 1

XEM XÉT KHẢ NĂNG DỰ BÁO HÌNH THẾ NHIỆT ĐỘ MÙA ĐÔNG
CỦA MỘT SỐ MÔ HÌNH TOÀN CẦU

Tạ Hữu Chỉnh, Trần Ngọc Vân, Nguyễn Thị Diễm Hƣơng
Trung tâm Dự báo KTTV Trung ương

Bài viết đánh giá kỹ năng dự báo hình thế nhiệt độ mùa đông của một số mô hình toàn
cầu. Phương pháp sử dụng là phép phân tích quay thành phần chính (REOF). Kết quả phân
tích cho thấy, phổ biến các mô hình đều diễn tả được xu thế tăng, giảm nhiệt độ trên qui mô
lớn, đặc biệt vào những năm có cực trị điển hình như năm lạnh (1983) và năm ấm (1997).
Thông qua kết quả phân tích, bài viết nhằm cung cấp thông tin về khả năng dự báo xu thế qui
mô lớn của lớp các mô hình toàn cầu này.

1. Mở đầu
Kết quả dự báo khí hậu thời hạn mùa đóng góp nhiều vào việc xây dựng chính
sách kinh tế - xã hội dài hạn. Do vậy, dự báo trước được diễn biến khí hậu trong giới
hạn từ vài tháng đến dưới một năm là cần thiết cho cộng đồng sử dụng. Trong những
thập niên gần đây để nâng cấp kết quả dự báo khí hậu, thế giới hướng tới sử dụng các
mô hình dự báo số nhằm khắc phục những nhược điểm của phương pháp thống kê. Kết
quả cũng đã thu được nhiều thành công hơn so với sử dụng phương pháp truyền thống.
Tuy nhiên, việc ứng dụng những mô hình động lực hiện đại này sao cho phát huy được
tính hiệu quả trên những khu vực địa lý của từng đất nước khác nhau vẫn còn rất phức
tạp. Có những cách tiếp cận nhằm khai thác thông tin từ mô hình toàn cầu như: 1 - sử
dụng phương pháp thống kê để chuyển thông tin về qui mô nhỏ hơn (qui mô địa

phương); 2 - sử dụng mô hình khu vực chạy lồng trong mô hình toàn cầu. Để làm tốt
việc này thì đầu tiên cần trả lời là khả năng dự báo qui mô lớn của các mô hình toàn
cầu này bằng bao nhiêu?
Do vậy, nghiên cứu này nhằm vào việc xem xét kỹ năng dự báo của một số mô
hình khí hậu toàn cầu. Nguồn cung cấp số liệu nhận được từ trung tâm khí hậu châu Á
- APCC (APEC climate center). Bài viết trước hết muốn cho thấy một cái nhìn tổng
thể về kỹ năng dự báo qui mô lớn trường nhiệt độ của các mô hình này. Thô các biến
động không gian và thời gian nằm trong chuỗi các tín hiệu khí hậu nhận được bởi phép
phân tích quay thành phần chính (REOF). Phương pháp này được sử dụng thay cho
phân tích thành phần chính (PCA) nhằm mục đích biểu diễn tốt hơn bản chất vật lý của
quá trình thực. Biến động trong không gian của tín hiệu khí hậu được biểu diễn thông
qua hệ véc tơ riêng, biến đổi thời gian của các tín hiệu này được biểu thị bằng hệ số
thời gian tương ứng.
Trong mục 2 bài viết giới thiệu về phương pháp REOF, số liệu và thí nghiệm.
Mục 3 trình bày về một số kết quả đánh giá thông qua các tín hiệu nhận được từ phép
lọc REOF. Mục 4 trình bày một số kết luận nhận được sau phân tích.
2. Phƣơng pháp và số liệu
2.1. Phương pháp quay thành phần chính (REOF)
Phân tích thành phần chính (PCA) cho phép lọc ra các tín hiệu khí hậu cơ bản
và các nhiễu từ trường nền. Từ các tín hiệu này, chúng ta có thể hiểu rõ hơn về cấu

Hội thảo khoa học Quốc gia về Khí tượng Thủy văn, Môi trường và Biến đổi khí hậu

2 Viện Khoa học Khí tượng Thủy văn và Biến đổi khí hậu

trúc cũng như đặc trưng của bộ số liệu nghiên cứu. Đặc điểm của hệ véc tơ riêng sau
khi phân tích là trực giao từng cặp, mục đích độc lập hóa vai trò của từng tín hiệu nhận
được. Tuy nhiên, việc cố gắng khai triển các tín hiệu này thành các quá trình độc lập
có thể dẫn tới hệ véc tơ riêng tạo ra mô tả sai lệch bản chất vật lý của quá trình thực.
Vì trong thực tế sự độc lập của các quá trình này chỉ có ý nghĩa tương đối. Bên cạnh

đó, việc khai triển này được thực hiện với giả định về diễn biến của các quá trình trong
đó là tuyến tính. Do vậy, trong nhiều trường hợp phép phân tích này bộc lộ nhược
điểm.
Khác với phân tích EOF, hệ véc tơ riêng của phân tích REOF không hoàn toàn
trực giao nhau. Nói cách khác, việc khai triển hệ véc tơ riêng trong REOF không ưu
tiên theo cách cố gắng khai triển trực giao mà sẽ điều chỉnh hệ trục véc tơ riêng này
sao cho đảm bảo mô tả sát hơn tính vật lý của các quá trình. Do vậy, phép phân tích
REOF được hy vọng có thể tách và ít làm biến đổi bản chất vật lý của các tín hiệu khí
hậu thực. Về cơ bản, phương trình khai triển của REOF vẫn giống với EOF và có dạng
như sau:

)().( )().()().(),(
2211
tAxEtAxEtAxEtxF
nn

(1)
Trong đó F(x,t) là trường số liệu đầy đủ, E(x) là các hệ véc tơ riêng, A(t) là các
hệ số thời gian. Chi tiết hơn về phương pháp tham khảo tại (Allen, 1996; Silvia,
2001).
2.2. Mô tả thí nghiệm và số liệu
Bảng 1. Số liệu mô hình và tái phân tích
Số liệu
Thời kỳ (1982-2002)
JRA (tái phân tích)
Nhiệt độ bề mặt trung bình mùa đông (tháng 12, 1, 2)
COLA (dự báo của mô hình)
Nhiệt độ bề mặt trung bình mùa đông (tháng 12, 1, 2)
CWB (dự báo của mô hình)
Nhiệt độ bề mặt trung bình mùa đông (tháng 12, 1, 2)

GDAPS_F (dự báo của mô
hình)
Nhiệt độ bề mặt trung bình mùa đông (tháng 12, 1, 2)
HMC (dự báo của mô hình)
Nhiệt độ bề mặt trung bình mùa đông (tháng 12, 1, 2)
IRI (dự báo của mô hình)
Nhiệt độ bề mặt trung bình mùa đông (tháng 12, 1, 2)
IRIF (dự báo của mô hình)
Nhiệt độ bề mặt trung bình mùa đông (tháng 12, 1, 2)
MGO (dự báo của mô hình)
Nhiệt độ bề mặt trung bình mùa đông (tháng 12, 1, 2)
NCEP (dự báo của mô hình)
Nhiệt độ bề mặt trung bình mùa đông (tháng 12, 1, 2)
POAMA (dự báo của mô
hình)
Nhiệt độ bề mặt trung bình mùa đông (tháng 12, 1, 2)
Đánh giá khả năng dự báo hình thế nhiệt độ trung bình mùa dựa trên phép lọc
khí hậu REOF, số liệu nhiệt độ mực 2 mét trung bình của số liệu tái phân tích (JRA)
và 9 mô hình được lấy trung bình hóa trong 3 tháng mùa chính đông (tháng 12, 1 và 2)
của thời kỳ 21 năm 1982-2002. Sau đó thực hiện phân tích REOF, so sánh giữa các
mode không - thời gian nhận được từ các mô hình và tái phân tích (quan trắc).

Hội thảo khoa học Quốc gia về Khí tượng Thủy văn, Môi trường và Biến đổi khí hậu

Viện Khoa học Khí tượng Thủy văn và Biến đổi khí hậu 3

3. Kết quả và bàn luận
Trước hết, để xem xét theo tín hiệu các thành phần REOF chúng ta cần hiểu
một nguyên tắc như sau. Nếu như hai trường số liệu là hoàn toàn giống nhau thì các tín
hiệu nhận được từ phép phân tích sẽ hoàn toàn giống nhau. Do vậy, nếu như kết quả

dự báo nhận được từ mô hình càng gần số liệu phân tích thực tế thì các tín hiệu phân
tích nhận được giữa dự báo của mô hình và trường tái phân tích sẽ càng tiến gần đến
nhau. Bên cạnh đó, chúng ta chưa có điều kiện để phân tích tất cả tổ hợp N thành phần
của hệ thống tín hiệu. Vì thế, trong bài viết này chủ yếu tập trung phân tích tín hiệu
đầu tiên (tín hiệu chiếm lượng thông tin lớn nhất) và nếu như tín hiệu đầu tiên của mô
hình mà gần giống thể hiện được xu thế đồng dạng (cả không gian và thời gian) thì có
thể xem như mô hình đó dự báo được quá trình vật lý gần thực. Như đã trình bày ở
phần mở đầu, mục đích của bài viết là đưa ra cái nhìn tổng thể về kỹ năng dự báo qui
mô lớn hình thế nhiệt độ của các mô hình toàn cầu nên sẽ không đi sâu chi tiết, mà chủ
yếu chỉ mô tả thông qua tín hiệu đầu tiên của các thành phần chính.
Tiếp theo, cần xem xét những năm tiêu biểu cho biến đổi về nền nhiệt độ trung
bình mùa trên một qui mô lớn. Ví dụ như toàn bộ khu vực Châu Á, Đông Á,…ấm lên
hoặc lạnh đi rõ rệt so với giá trị trung bình khí hậu. Những hiện tượng điển hình như
vậy, có thể liên quan đến những dao động khí hậu nội mùa, ngoại mùa có chu kỳ từ vài
tháng đến hàng năm như: MJO (Madden Julian Oscilation), ENSO (El Nino Southern
Oscilation), QBO (Quasi-biennial oscilation). Do vậy, việc xem xét khả năng dự báo
của mô hình trên các tín hiệu khí hậu phần nào giúp ta có thể liên lạc với những dao
động khí hậu mùa như đã trình bày ở trên. Bảng dưới đây sẽ liệt kê ra những năm có
mức biến đổi nhiệt độ tiêu biểu trong mùa chính đông (tháng 12, 1, 2).
Bảng 2. Một số năm tiêu biểu về nhiệt độ
Năm lạnh
1983
1985
1995
1999



Năm ấm
1987

1989
1997
1998
2000
2001
2002
Bảng 2 cho thấy, trong suốt quãng thời gian 21 năm (1982-2002), các năm lạnh
chỉ có khoảng 4 năm, trong khi các năm ấm có khoảng 7 năm. Kết quả dưới đây đánh
giá khả năng dự báo của một số mô hình toàn cầu về các năm này.




Hội thảo khoa học Quốc gia về Khí tượng Thủy văn, Môi trường và Biến đổi khí hậu

4 Viện Khoa học Khí tượng Thủy văn và Biến đổi khí hậu








Hình 1: Các mode EOF1 của trường nhiệt độ bề mặt của
trường tái phân tích ở góc trái trên cùng và dự báo của
các mô hình toàn cầu tháng 12-2 lần lượt từ trái sang
phải, từ trên xuống dưới: COLA, CWB, GDAPS_F,
HMC, IRI, IRIF, MGO, NCEP, POAMA
Kết quả dẫn ra từ Hình 1 cho thấy với tái phân tích JRA phổ biến trên toàn miền

xem xét đều thể hiện giá trị dương, khu vực có trị số dương lớn nhất (lớn hơn 0,05)
nằm ở phần phía Nam Việt Nam chạy xuống đến quần đảo Malaysia và Indonesia. Có
một phần nhỏ ở vùng biển phía Đông Philippines và phần phía Bắc của lục địa Ấn Độ
thể hiện dao động âm. Các trung tâm có trị số dao động ngược nhau này có ý nghĩa
như sau: Giả sử mode 1 chi phối 100% thông tin trường ban đầu, khi đó nếu nền nhiệt
độ tại khu vực có giá trị dương của mode1 EOF biểu hiện xu thế tăng trong khi đó nền
nhiệt độ tại khu vực có giá trị âm của mode 1 EOF biểu thị xu thế giảm và ngược lại.
Xu thế phổ biến nhận được từ các mô hình đều cho dao động dương trên hầu
hết miền xem xét. Gần giống nhất với hình thế không gian (EOF) của tái phân tích
(JRA) có mô hình COLA (28%), GDAPS_F (36%) và POAMA (38%); tiếp theo là các
mô hình HMC (29%), IRI (36%), IRIF (36%), MGO (55%), NCEP (46%). So sánh về
thông tin chi phối trong mode không gian EOF1 của trường tái phân tích JRA (chiếm
28% thông tin trường ban đầu) thì chỉ có mô hình COLA (xấp xỉ 28%) và HMC
(chiếm 29%) là phù hợp nhất, trong khi các mô hình khác đều cho giá trị vượt trội (từ
36% đến 55%). Trong toàn bộ 9 mô hình này, riêng mô hình CWB hiển thị dao động
trái ngược lại với tái phân tích JRA cũng như các mô hình khác. Những khu vực mà
trường tái phân tích JRA thể hiện dao động dương thì bị thay thế bởi dao động âm
trong mode EOF1 của CWB. Cụ thể, toàn bộ khu vực Việt Nam chạy về phía Nam
xuống đến quần đảo Maylaysia và Indonesia là dao động âm. Toàn bộ Philippines và
phần biển Thái Bình Dương, phần phía Bắc của lục địa Ấn Độ bị thay thế bằng dao

Hội thảo khoa học Quốc gia về Khí tượng Thủy văn, Môi trường và Biến đổi khí hậu

Viện Khoa học Khí tượng Thủy văn và Biến đổi khí hậu 5

động dương. Không chỉ thay đổi về chiều dao động (giá trị dương và âm) mà hình thế
dao động cũng thay đổi. Với tái phân tích (JRA) và các mô hình khác tỷ lệ dao động
dương chiếm ưu thế hơn nhiều so với dao động âm, nhưng đối với mô hình CWB thì
tỷ lệ này có xu hướng gần cân bằng nhau.

Hình 2: Hệ số thời gian mode 1 của trường nhiệt độ bề mặt tái phân tích và
dự báo của các mô hình toàn cầu tháng 12, 1, 2; trục tung biểu diễn
trị số của hệ số thời gian (không thứ nguyên), trục hoành là năm
Tiếp theo, bàn luận về diễn biến của các trung tâm dao động này trong vòng
khoảng 21 năm (1982-2002). Hình 2 dẫn ra hệ số thời gian của mode 1 trường tái phân
tích (JRA) và 9 mô hình dự báo. Diễn biến thời gian của trường tái phân tích (JRA)
cho xu thế tăng dần trong suốt giai đoạn xem xét, trong đó có một số năm tiêu biểu có
trị số hệ số thời gian nhỏ cần quan tâm như năm lạnh: 1983 (-30), 1985 (-20), 1988 (-
10), 1995 (-20), 1999 (-10). Trong đó có thể nói điển hình nhất là năm 1983 là một
năm lạnh nhất trong gian đoạn này. Pha dương có một số năm tiêu biểu như: 1987
(+20), 1989 (+10), 1997 (+37), 1998 (+8), 2000 (+10), 2001 (+10), 2002 (+20). Trong
đó điển hình nhất có năm 1997 (+37) – đây là một năm tiêu biểu cho sự tăng nhiệt độ
mạnh mẽ trên một miền rộng lớn.
So sánh với tái phân tích (JRA), hệ số thời gian của các mô hình phổ biến đều
cho thấy một xu thế gần đồng dạng với quan trắc. Cụ thể, trong những năm lạnh tiêu
biểu như năm 1983 có một số mô hình bắt được cực trị này: COLA, IRI, IRIF, MGO,
NCEP, POAMA (6/9); mô hình GDAPS_F cho xu thế trung gian; Mô hình CWB cho
xu thế ngược lại (hệ số thời gian dương) tuy nhiên hình thế không gian EOF1 của
CWB cũng có xu thế đối nghịch với tái phân tích (JRA) nên có thể xem là CWB vẫn
bắt được năm cực trị này. Riêng mô hình HMC cho xu thế thời gian trái ngược lại,
trong khi hình thế không gian EOF đồng thuận với tái phân tích (JRA) nên có thể coi
HMC đã không bắt được cực trị này. Như vậy, với cực trị điển hình như năm 1983 phổ
biến các mô hình đều bắt được ngoại trừ mô hình HMC.

Hội thảo khoa học Quốc gia về Khí tượng Thủy văn, Môi trường và Biến đổi khí hậu

6 Viện Khoa học Khí tượng Thủy văn và Biến đổi khí hậu

Xem xét một số năm khác có giá trị nhiệt độ thấp hơn trung bình nhiều năm

nhưng không điển hình như: 1985, 1995 và 1999. Với năm 1985, có thể thấy rằng phổ
biến các mô hình đều cho xu thế ăn khớp với xu thế của tái phân tích (JRA) trừ mô
hình CWB, tuy nhiên như đã phân tích ở trên dao động không gian của CWB trái
ngược với tái phân tích (JRA). Với năm 1995 và 1999 thì số lượng các mô hình không
có hệ số thời gian nhận giá trị âm tăng lên, cụ thể năm 1995 có 4/9 mô hình có hệ số
thời gian nhận giá trị âm (đồng thuận với tái phân tích), năm 1999 chỉ có 3/9 mô hình
đồng thuận. Trong cả hai trường hợp năm 1995 và 1999 mô hình CWB đều cho xu thế
hệ số thời gian ngược lại nên có thể xem là đồng thuận.
Xem xét những năm ấm có giá trị nhiệt độ trung bình cao hơn so với giá trị khí
hậu như trên Bảng 2. Điển hình có 2 năm là 1987 và 1997 là 2 năm tương đối ấm,
trong đó cực đại là năm 1997, bên cạnh đó có 3 năm 2000, 2001 và 2002 thể hiện xu
thế ấm dần. Trong các trường hợp cực trị nhiệt độ theo chiều dương (ấm) này các mô
hình đều cho thấy xu thế đồng thuận với tái phân tích (JRA), trong đó điển hình là 2
năm ấm 1987 và 1997, các mô hình đều cho thấy xu thế bám rất sát đến trị số của
trường tái phân tích (JRA), ngoại trừ mô hình CWB cho biên độ dao động lớn trái
chiều.
4. Kết luận
Thông qua phân tích một số kết quả nhận được, cho phép dẫn ra một số những
kết luận như sau:
Phổ biến các mô hình có thể dự báo được xu thế tăng, giảm nhiệt độ mùa, thậm
chí cả các cực trị như năm 1983 (lạnh) và 1997 (ấm). Riêng mô hình CWB cho thấy tỷ
lệ các trung tâm có trị số dương và âm gần ngang bằng nhau, trong khi điều này không
tồn tại trên số liệu tái phân tích. Nhưng điều này không có nghĩa là CWB không dự
báo được những thời kỳ ấm lên hay lạnh đi vào những năm điển hình.
Thông qua một thành phần tín hiệu ban đầu của trường REOF chưa cho phép
khẳng định hoàn toàn là mô hình nào là tốt hơn mô hình nào. Nghiên cứu này chỉ
mong muốn đưa ra một bức tranh chung về khả năng dự báo, mô tả diễn biến của nhiệt
độ mùa đông trong 21 năm. Để có thể kết luận đầy đủ hơn, cần đi sâu và kết hợp thêm
nhiều thông tin khác.

TÀI LIỆU THAM KHẢO
1. Allen, M. R., et all (1996): Distinguishing modulated oscilations from coloured
noise in multivariate datasets Clim. Dyn. 12 (11), 775-784.
2. Wang, Bin, Renguang Wu, K-M. Lau, 2001: Interannual Variability of the Asian
Summer Monsoon: Contrasts between the Indian and the Western North Pacific–East
Asian Monsoons. J. Climate, 14, 4073–4090
3. Silvia, A.V. (2001): “Statistical method for signal detection in climate”, Danish
center for earth system science (DCESS), Niels Bohr institute for astronomy, physics
and geophysics, University of Copenhagen, Denmark, page. 8-21.



Hội thảo khoa học Quốc gia về Khí tượng Thủy văn, Môi trường và Biến đổi khí hậu

Viện Khoa học Khí tượng Thủy văn và Biến đổi khí hậu 7

SKILL OF SEVERAL GLOBAL CLIMATE MODELS IN PREDICTING
WINTER SEASON TEMPERATURE

Ta Huu Chinh, Tran Ngoc Van, Nguyen Thị Diem Huong
National Center for Hydrology and Meteorology Forecasting

This paper assesses the skills of global climate models (GCMs) in predicting winter
season temperature. The rotated empirical orthogonal function (REOF) was employed to
analyze. The results showed that most of GCMs are able to capture large-scale temperature
variability, particular in the coldest year (1983) and warmest year (1997) in period from
1982-2002. Through the analysis, this paper provides the information of large-scale seasonal
prediction skill of several global climate models.

Hội thảo khoa học Quốc gia về Khí tượng Thủy văn, Môi trường và Biến đổi khí hậu

8 Viện Khoa học Khí tượng Thủy văn và Biến đổi khí hậu

ỨNG DỤNG PHƢƠNG PHÁP K – MEAN ĐỂ XÁC ĐỊNH KHÁCH QUAN
HÌNH THẾ THỜI TIẾT TRONG CÁC ĐỢT MƢA LỚN MIỀN TRUNG

Lê Đức, Nguyễn Văn Hƣởng
Trung tâm dự báo Khí tượng Thủy văn Trung ương

Hiện tượng mưa lớn trên khu vực miền Trung luôn được ghi nhận hàng năm với tần

xuất trung bình 10 đợt/năm kéo dài từ tháng 5 cho đến tháng 12, với mức độ gây thiệt hại rất
lớn kèm theo. Cho đến nay đã có nhiều công trình nghiên cứu trong nước tập trung cho hiện
tượng này từ các thống kê hình thế synop, mô tả cơ chế sinh mưa lớn hoặc mô phỏng hay dự
báo dựa trên mô hình. Mặc dù các kết quả nghiên cứu nói trên đã ít nhiều mang lại hiệu quả
cho dự báo mưa nghiệp vụ, nhưng các nghiên cứu này mới chỉ dừng lại ở dự báo định tính,
việc xác định hình thế gây mưa ở miền Trung một cách khách quan để từ đó có thể dự báo
mưa lớn được chính xác hơn là một nhiệm vụ cấp thiết cần phải thực hiện. Trong đó việc sử
dụng phương pháp K-Mean sẽ có thể tính toán tìm ra các hình thế khách quan gây mưa lớn ở
miền Trung, Tây Nguyên cũng như trong việc ứng dụng K-mean để xác định các hình thế gây
thời tiết xấu khác như, gió mạnh, nắng nóng….

1. Giới thiệu
Trên thế giới mưa lớn đã được nghiên cứu từ rất lâu, Cavazos T (1999) cũng đã
nghiên cứu về tình hình mưa tuyết lớn ở khu vực Nam Mỹ. Trên cơ sở những ngày
lượng tuyết có cường độ ít nhất là 30cm trong khoảng 24h, các nghiên cứu hiện tại sử
dụng các phân tích thành phần chính (Principal Component Analysis) và các phép
phân tích xếp nhóm để mô tả đặc điểm của các hình thế hoàn lưu qui mô synop cho
những ngày này trong suốt thời kỳ mùa đông. Nishiyama K và cộng sự (2007) cũng đã
tiến hành nghiên cứu các hệ thống synop và mối liên hệ giữa các trường synop và các
trường hợp mưa lớn tại đảo Kyushu, thuộc Tây Nam Nhật Bản, trong suốt thời kỳ mùa
mưa Baiu, các trường synop này đã được phân loại sử dụng bản đồ tự thiết lập (SOM –
self-organizing map).
Đặc biệt, với lượng mưa lớn kỷ lục như lượng mưa tại Huế (Việt Nam) năm
1999, gần đây, hiện tượng này cũng bắt đầu nhận được quan tâm nghiên cứu của một
số tác giả trên thế giới. Chen và cộng sự (2008) đã nghiên cứu mưa lớn miền Trung
bằng cách xem xét ảnh hưởng của hiện tượng ENSO đến mưa ở miền Trung. Tại Việt
Nam, khu vực nhiệt đới gió mùa, ngay từ khi thành lập Cục Dự báo (nay là Trung tâm
Dự báo khí tượng thuỷ văn Trung ương) mưa lớn đã được xếp là một trong những hiện
tượng thời tiết nguy hiểm và việc nghiên cứu mưa lớn đã được tiến hành, tiêu biểu là
các công trình của Phạm Ngọc Toàn và Phan Tất Đắc trong cuốn Khí hậu Việt Nam

(1993). Sau Phạm Ngọc Toàn và Phan Tất Đắc còn có nhiều tác giả nữa nghiên cứu về
mưa lớn ở Việt Nam nói chung và khu vực miền Trung nói riêng, nhưng đáng lưu ý
nhất là tác giả Nguyễn Ngọc Thục (1992) với nghiên cứu “Phương pháp Synop dự báo
mưa lớn cho khu vực Nghệ An đến Thừa Thiên Huế” và một công trình nữa nối tiếp
đó là “Phân loại hình thế Synop gây mưa lớn, đặc biệt lớn thuộc các tỉnh Nghệ An –
Thừa Thiên Huế, phân tích và dự báo”.
Như thế có thể thấy rõ hai hạn chế trong các công trình nghiên cứu nêu trên.
Thứ nhất: Các bản đồ synop dựa trên tập số liệu cao không và synop toàn cầu
với chất lượng số liệu không có được độ tin cậy cao.

Hội thảo khoa học Quốc gia về Khí tượng Thủy văn, Môi trường và Biến đổi khí hậu

Viện Khoa học Khí tượng Thủy văn và Biến đổi khí hậu 9

Thứ hai: Mặc dù kinh nghiệm của dự báo viên là rất quý giá trong việc phân
loại các hình thế synop, công việc này sẽ trở thành một công việc thủ công nặng nhọc
khi phải quan sát khoảng 300 bản đồ synop tương ứng với 150 đợt mưa lớn trong 10
năm (giả định có 2 bản đồ synop mỗi ngày vào thời điểm 00 và 12 UTC. Quá trình này
có thể dẫn đến những sai sót, ảnh hưởng đến kết quả phân loại.
Hạn chế đầu tiên có thể được giải quyết thông qua sử dụng tập số liệu tái phân
tích. Hạn chế thứ hai rõ ràng chỉ có thể giải quyết nhờ vào khả năng tính toán của máy
tính, trên tập số liệu tái phân tích thay vì hướng nghiên cứu trước đây tại Việt Nam,
chúng tôi đưa ra hướng nghiên cứu “Ứng dụng phương pháp K –Mean để xác định
khách quan hình thế thời tiết trong các đợt mưa lớn miền Trung từ số liệu tái phân tích
JRA25”.
2. Số liệu và phƣơng pháp
2.1. Số liệu
Số liệu mưa từ năm 1994 – 2010 ở 4 khu vực của miền Trung và Tây Nguyên
với tiêu chí mưa lớn theo quy định của Tổ chức Khí tượng thế giới (WMO) được phân
loại như sau:

- Mưa to: Lượng mưa đo được từ 51 đến 100 mm/24h, hoặc 26 đến 50mm/12h.
- Mưa rất to: Lượng mưa đo được > 100 mm/24h, hoặc > 50 mm/12h.
2.2. Phương pháp
Hình thế thời tiết tương ứng với mưa lớn trên 4 khu vực sẽ được phân loại. Các
khu vực này gồm: Bắc Trung Bộ, Trung Trung Bộ, Nam Trung Bộ và Tây Nguyên. Số
liệu JRA25 được cho tại các thời điểm 00, 06, 12 và 18UTC. Để mô tả hình thế thời
tiết trên quy mô ngày, số liệu JRA25 sẽ được làm trơn trên quy mô ngày, loại bỏ các
dao động ngày đêm. Miền phân nhóm được xác định có tọa độ 90 – 130
0
E và 0 - 35
0
N
tương ứng với 33x29 điểm nút lưới trên lưới kinh vĩ 1,25x1,25 độ.
Nhân tố phân nhóm được lựa chọn bao gồm áp suất mực biển (pmsl) và độ cao
địa thế vị tại mực 500mb (h500). Các biến này khác nhau về thứ nguyên và không thể
so sánh với nhau, nhưng phương trình thống kê xem các nhân tố dự báo như nhau,
không phân biệt thứ nguyên. Bậc độ lớn chênh lệch quá lớn giữa các nhân tố dự báo sẽ
dẫn đến sai sót trong xây dựng phương trình thống kê khi các đại lượng quá lớn hay
quá nhỏ sẽ bị bỏ qua. Để khắc phục vấn đề này, tập hợp các nhân tố dự báo sẽ được
chuẩn hóa về một tập hợp nhân tố mới theo công thức như sau:
k
kk
k
sd
xx
x
ˆ



Trong đó kỹ thuật phân nhóm K-means với đầu vào là các biến PCn. Kỹ thuật
K-means yêu cầu số nhóm K cần được cho trước, do đó để xác định số nhóm tối ưu,
việc tối ưu hóa nhóm này sử dụng thuật toán Jump. Thuật toán Jump được xây dựng
dựa trên định nghĩa của độ biến dạng d.
Xét n biến X với kích thước p, sau khi áp dụng K-means ta được K nhóm với
tâm các nhóm lần lượt là c1, , cK, độ biến dạng d sẽ được định nghĩa bởi:

Hội thảo khoa học Quốc gia về Khí tượng Thủy văn, Môi trường và Biến đổi khí hậu

10 Viện Khoa học Khí tượng Thủy văn và Biến đổi khí hậu


Với c
x
là tâm nhóm gần với x
i
nhất và số hạng trong ngoặc chính là bình
phương khoảng cách giữa điểm xi tới nhóm gần nhất trên không gian Rp. Ta xác định
trước một giới hạn trên Kmax cho số nhóm có thể rút ra từ tập X. Xuất phát từ số
nhóm K = 1 và thực hiện cho tới số nhóm Kmax, thuật toán Jump xác định số nhóm
tối ưu sẽ được thực hiện như sau:
Với mỗi K, xác định dmin(K) tương ứng, từ đó xác định D(K) = dmin(K)
-p/2
.
Xây dựng hàm giá trị J(K) = D(K) - D(K-1) với D(0) = 0. Số nhóm tối ưu Kopt
sẽ tương ứng với K mà J(K) đạt giá trị cực đại.
Cuối cùng sau khi đã xác định được số nhóm tối ưu Kopt các hình thế thời tiết
ứng với một miền cụ thể, kỹ thuật CA sẽ được áp dụng nhằm làm rõ hơn các đặc trưng
của mỗi hình thế xác định được. Về bản chất, kỹ thuật này chính là trung bình hóa các
biến X được phân vào mỗi nhóm hay cụ thể hơn chính là việc sử dụng tâm nhóm đại

diện cho mỗi nhóm thay vì sử dụng từng biến X trong mỗi nhóm. Trung bình hóa
tương tự như một phép làm trơn sẽ loại bỏ các biến động nhỏ giữa các thành phần và
làm nổi rõ những đặc điểm chung nhất giữa các thành phần của cùng một nhóm. Kỹ
thuật này cũng giúp cho quá trình phân tích từng hình thế dễ dàng hơn.
3. Kết quả
Phân bố mưa ở các tỉnh miền Trung có thể chia làm 3 vùng chính, khu vực bắc
miền Trung chịu ảnh hưởng nhiều của các hình thế từ phía Bắc xuống, với các tỉnh
Trung và Nam Trung Bộ ngoài các hình thế từ phía Bắc xuống còn có thêm những
hình thế gây mưa từ phía Đông vào; khu vực Tây Nguyên thì những nguyên nhân phía
Bắc cũng có, từ phía Đông vào cũng xuất hiện, nhưng mưa vừa, mưa to ở Tây Nguyên
chủ yếu bắt nguồn từ sự mạnh lên của gió mùa tây nam.
Ở khu vực Bắc Trung Bộ lấy trung bình một cách khách quan chia ra được 6
nhóm có thể gây mưa lớn cho khu vực Bắc Trung Bộ: Nhóm 1: KKL tương tác với
vùng xoáy thấp phát triển đến độ cao khoảng 3000m trên biển Đông; Nhóm 2: Rãnh
thấp Tây Bắc – Đông Nam; Nhóm 3: Hội tụ kinh hướng; Nhóm 4: Các đợt không khí
lạnh mạnh; Nhóm 5: Dải hội tụ nhiệt đới kết hợp với rìa áp cao lạnh; Nhóm 6: Xoáy
thuận nhiệt đới.

Hình 1. Bản đồ phân
bố khí áp và các
trường trên cao của
của hình thế KKL
tương tác với XTNĐ
phát triển lên tới độ
cao khoảng 3000m
gây mưa lớn ở Bắc
Trung Bộ.

Hình 2. Bản đồ
phân bố khí áp và

các trường trên
cao của hình thế
Rãnh thấp trục Tây
Bắc – Đông Nam
có trục đi qua Bắc
Trung Bộ, gây mưa
lớn diện rộng.

Hội thảo khoa học Quốc gia về Khí tượng Thủy văn, Môi trường và Biến đổi khí hậu

Viện Khoa học Khí tượng Thủy văn và Biến đổi khí hậu 11


Hình 3. Bản đồ phân
bố khí áp và các
trường trên cao của
hình thế Hội tụ gió
kinh hướng

Hình 4. Bản đồ
phân bố khí áp và
các trường trên
cao của hình thế
KKL gây mưa lớn
ở bắc miền Trung.

Hình 5. Bản đồ phân
bố khí áp và các
trường trên cao của
hình thế ITCZ gây

mưa lớn ở Bắc Trung
Bộ.

Hình 6. Bản đồ
phân bố khí áp và
các trường trên
cao của hình thế
XTNĐ gây mưa lớn
ở bắc Trung Bộ
Các nhóm gây mưa lớn ở Trung Trung Bộ bao gồm: Không khí lạnh mạnh
tương tác với vùng xoáy thấp phát triển lên độ cao 3000m; Không khí lạnh tương tác
với gió đông hoặc nhiễu động gió đông trên cao; Dải hội tụ nhiệt đới tương tác với
KKL: Không khí lạnh; Rãnh thấp có trục Tây Bắc – Đông Nam; Xoáy thuận nhiệt
đới.
Các nhóm gây mưa lớn ở khu vực Nam Trung Bộ gồm: KKL tác động với gió
E hoặc nhiễu động gió E trên cao; ITCZ tương tác với rìa áp cao lạnh; KKL kết hợp
Dải thấp xích đạo; Không khí Lạnh tương tác với vùng thấp phát triển lên 3000m;
XTNĐ đơn thuần. Riêng với khu vực Tây Nguyên cũng qua quá trình phân nhân nhóm
và lấy trung bình chia được 4 nhóm gây mưa lớn ở Tây Nguyên: Dải hội tụ nhiệt đới
đơn thuần; Gió mùa Tây Nam; Xoáy thuận nhiệt đới; Không khí lạnh kết hợp gió E
phát triển lên mực 5000m.
4. Kết luận
Kết quả phân tích phân nhóm nguyên nhân hình thành các đợt mưa lớn ở miền
Trung dựa trên chuỗi số liệu nhiều năm cho thấy, các hình thế thời tiết chính gây ra
mưa lũ trên các sông miền Trung và Tây Nguyên hết sức đa dạng và phức tạp với có
tất cả 21 nhóm có thể gây mưa lớn. Tuy nhiên, một nhóm hình thế này có thể cũng gây
mưa lớn cho khu vực khác, vì thế khi tổng kết khái quát lại có thể tổng hợp thành 7
hình thế gây mưa chính là:
Mưa lớn do ITCZ có nhiễu động xoáy thuận từ mặt đất lên tới độ cao 4 – 5km.
Đây là hình thế mà trên ITCZ có một XTNĐ, nhưng lên tới độ cao 700mb hay 500mb

nó sẽ biểu hiện là nhiễu động dạng sóng.
Mưa do ITCZ có kết hợp với KKL tác động, dạng hình thế này rất đặc sắc và
hầu như chỉ xuất hiện ở Trung Bộ.
Mưa do dạng nhiễu động gió E có KKL tác động ở tầng thấp, dạng hình thế
này thường xuất hiện từ cuối tháng 10 đến tháng 12, thường xuất hiện nhiều vào tháng
XI.
Mưa do KKL hội tụ với tín phong, thường xuất hiện từ cuối tháng X đến tháng
XII ở Trung Trung Bộ và Nam Trung Bộ.