Tìm hiểu về sự biên đổi của khí hậu và kết hợp mô hình toàn cầu

1. Tổng quan
Mục tiêu của chương là đánh giá khả năng và giới hạn của mô hình khí hậu toàn
cầu. Một số hoạt động đánh giá được mô tả ở những chương khác của báo cáo.
Chương này cung cấp bối cảnh những nghiên cứu đó và hướng dẫn người đọc
những chương thích hợp.
1.1. Đánh giá có nghĩa là gì
Một dự báo cụ thể dựa trên mô hình có thể chứng minh được là đúng hoặc sai
nhưng bản thân mô hình luôn luôn cần xem xét thận trọng. Điều này đúng với dự
báo thời tiết và dự báo khí hậu. Dự báo thời tiết được sinh ra từ những thông tin cơ
bản, thường xuyên và có thể đối chiếu với những hiện tượng đã xảy ra. Theo thời
gian, nhưng thông tin này được tích lũy và cung cấp cho mô hình. Trái lại, trong
mô phỏng sự biến đổi khí hậu, mô hình được sử dụng để dự báo những thay đổi
trong tương lai có thể xảy ra qua khoảng thời gian hàng thập kỷ và không có những
thay đổi tương tự đã xảy ra trong quá khứ. Độ tin cậy của mô hình có thể thu được
qua việc mô phỏng những ghi chép trong lịch sử hoặc khí hậu cổ, nhưng điều này
bị giới hạn hơn so với dự báo thời tiết.
1.2. Phương pháp đánh giá
Mô hình khí hậu là mô hình tổng hợp với nhiều thành phần. Mô hình phải được thử
nghiệm ở mức độ hệ thống, tức là chạy một mô hình đầy đủ và so sánh kết quả với
thông tin đã thu thập được. Những thử nghiệm này có thể cho thấy lỗi của mô hình
nhưng nguyên nhân của chúng bị ẩn đi bởi tính phức tạp của mô hình. Vì vậy, cần
1
phải thử nghiệm mô hình ở mức độ thành phần, tức là cô lập những thành phần và
kiểm tra chúng độc lập so với một mô hình hoàn chỉnh. Việc đánh giá mức độ
thành phần của mô hình khí hậu là thông thường. Phương pháp số được thử
nghiệm ở những test tiêu chuẩn, được thiết lập qua hoạt động như hội nghị hai năm
một lần về Partial Differential Equations on Sphere. Các thông số vật lý sử dụng
trong mô hình biến đổi khí hậu được thử nghiệm qua nhiều nghiên cứu (một số dựa
trên những số liệu thu thập được và một số được lý tưởng hóa), được thiết lập
thông qua chương trình Đo lường phóng xạ khí quyển (ARM), Hệ thống mây châu
Âu (EUROCS), Năng lượng toàn cầu và cuộc thử nghiệm chu trình nước

(GEWEX), Nghiên cứu hệ thống mây (GCSS). Những hoạt động này đã và đang
diễn ra trong một thập kỷ hoặc nhiều hơn và phần lớn kết quả đã công bố.
Việc đánh giá mức độ hệ thống tập trung vào kết quả của mô hình đầy đủ (ví dụ
mô hình mô phỏng các biến khí hậu) và các phương pháp cụ thể được bàn chi tiết
dưới đây.
1.2.1. So sánh các mô hình và ensemble
Hoạt động so sánh mô hình toàn cầu bắt đầu từ cuối những năm 1980, được tiếp
tục với dự án so sánh mô hình khí quyển (AMIP) bây giờ đã bao gồm vài tá dự án
bao phủ toàn bộ các thành phần mô hình khí hậu và các dạng mô hình kết hợp khác
nhau (tóm tắt tại Nỗ lực tham vọng trong
việc thu thập và phân tích kết quả mô hình lưu chuyển khí quyển đại dương
(AOGCM) từ các thí nghiệm tiêu chuẩn được thực hiện trong vài năm gần đây.
2
Điều này khác với các so sánh mô hình trước đó ở chỗ một tập hợp hoàn thiện các
thí nghiệm được thực nghiệm, bao gồm việc mô phỏng có điều khiển không bắt
buộc, mô phỏng nhằm tái tạo biến đổi khí hậu được quan sát qua những thời điểm
và mô phỏng biến đổi khí hậu trong tương lai. Với mỗi thí nghiệm, các mô phỏng
được thực hiện trên nhiều mô hình khác nhau để việc chia sẻ tín hiệu biến đổi khí
hậu từ sự biến thiên bên trong trong phạm vi hệ thống khí hậu được dễ dàng hơn.
Có lẽ, thay đổi quan trọng nhất từ những nỗ lực này là bộ sưu tập tập hợp các kết
quả mô hình ở chương trình Chẩn đoán mô hình khí hậu và so sánh (PCMID).
Thành tựu này liên quan đến Tập hợp dữ liệu đa mô hình (MMD) ở PCMID, đã
cho phép hàng trăm nhà khoa học ở bên ngoài các nhóm làm mô hình có thể xem
xét kỹ lưỡng mô hình dưới nhiều góc độ khác nhau.
Sự nâng cao việc phân tích chẩn đoán kết quả mô hình khí hậu là một bước quan
trọng. Nhìn chung, những hoạt động so sánh đang diễn ra đã làm gia tăng mối liên
hệ giữa các nhóm làm mô hình, cho phép nhận dạng nhanh chóng và sửa chữa sai
số của mô hình, khuyến khích sáng tạo sự tính toán tiêu chuẩn cũng như những ghi
chép có hệ thống về những tiến bộ trong mô hình hóa.
Ensemble của mô hình đại diện cho một phương thức mới để nghiên cứu một

nhóm khí hậu đáng tin cậy tương ứng với một cưỡng bức cho trước. Những
ensemble này có thể được tạo ra từ việc thu thập kết quả của một nhóm mô hình ở
các trung tâm làm mô hình khác nhau (ensemble đa mô hình) hoặc được tạo ra qua
các phiên bản đa mô hình trong phạm vi cấu trúc một mô hình cụ thể, bằng cách
3
thay đổi các thông số mô hình bên trong trong một khoảng tin cậy (ensemble vật lý
xáo trộn). Những tiếp cận này được bàn chi tiết ở phần 10.5.
1.2.2. Hệ thông số độ tin cậy của mô hình
Độ chính xác mô phỏng mô hình khí hậu trong quá khứ hay hiện tại cho biết điều
gì về độ chính xác của dự báo biến đổi khí hậu? Một số các thông số dựa trên
thông tin thu thập được sử dụng để định lượng độ tin cậy của mô hình khi đưa ra
dự báo xác suất (phần 10.5.4).
Với bất kỳ thông số nào, cần đánh giá sự đúng đắn của kết quả mô hình dự báo khí
hậu trong tương lai. Không thể tiến hành phép thử trực tiếp bởi vì không có những
thay đổi cưỡng bức tương tự như những thay đổi dự báo ở thế kỷ 21. Dù vậy, mối
quan hệ giữa thông số từ thông tin thu thập được với lượng dự báo (ví dụ độ nhậy
khí hậu) có thể được khám phá qua ensemble mô hình. Shulka et al. (2006) đã liên
hệ độ trung thực của nhiệt độ bề mặt mô phỏng trong thế kỷ 20 với những thay đổi
nhiệt độ bề mặt được mô phỏng ở thế kỷ 21 trong một ensemble đa mô hình. Kết
quả là, mô hình có sai số ở thế kỷ 20 nhỏ nhất tạo ra một số gia nhiệt độ bề mặt
khá lớn ở thế kỷ 21. Knutti et al.(2006) sử dụng một ensemble vật lý xáo trộn khác
đã chỉ ra rằng mô hình có nhiệt độ bề mặt thay đổi theo mùa thường có độ nhậy lớn
hơn. Những thông số phức tạp hơn được phát triển dựa vào những thông tin thu
thập về khí hậu hiện tại và có tiềm năng làm giảm tính mờ của độ nhậy khí hậu qua
những ensemble mô hình đã cho (Murphy et al.,2004; Piani et al.,2005). Những
nghiên cứu trên hứa hẹn rằng thông số định lượng khả năng xảy ra của dự báo mô
4
hình có thể được phát triển, nhưng sự phát triển của thông số mới ở giai đoạn đầu,
việc đánh giá mô hình mô tả ở chương này chủ yếu dựa vào kinh nghiệm và suy
luận vật lý.

Một sự phát triển quan trọng kể từ khi Báo cáo đánh giá thứ ba (TAR) đang thiết
lập và định lượng quá trình thông tin phản hồi (feedback process) là xác định phản
ứng của thay đổi khí hậu. Hiểu biết về những quá trình này củng cố cả cách tiếp
cận đánh giá mô hình dựa trên thông số lẫn truyền thống. Ví dụ Hall và Qu (2006)
phát triển một thông số cho feedback giữa nhiệt độ và albedo trong một vùng bị
bao phủ bởi tuyết, dựa trên mô phỏng chu kỳ theo mùa. Họ thấy rằng, mô hình có
feedback dựa vào chu kỳ mùa cũng có một feedback ở điều kiện khí nhà kính tăng
lên. So sánh với giá trị ước đoán quan sát được của chu kỳ theo mùa cho thấy đa số
mô hình trong MMD thấp hơn giá trị ước đoán của feedback này. Phần 8.6 mô tả
các feedback khác nhau, vận hành trong hệ thống băng bề mặt biển, khí quyển đất
để xác định độ nhậy của khí hậu và phần 8.3.2 mô tả vài quá trình quan trọng về sự
hấp thu nhiệt của đại dương (và thay đổi khí hậu nhất thời).
1.2.3. Thử nghiệm mô hình với khí hậu trong quá khứ và hiện tại
Thử nghiệm khả năng của mô hình trong việc mô phỏng khí hậu hiện tại (bao gồm
tính biến thiên và điểm cực) là một phần quan trọng của đánh giá mô hình (phần
8.3 tới 8.5, và đánh giá vùng cụ thể ở chương 11). Trong đó, cần có những lựa
chọn thực tế(…). Những quyết định như thế được đưa ra bởi các nhà nghiên cứu và
5
phụ thuộc vào vấn đề được nghiên cứu. Sự khác nhau giữa mô hình và các quan sát
cần được xem xét nếu chúng nằm trong phạm vi:
1. Tính biến thiên bên trong không dự đoán được (ví dụ thời điểm quan sát có
một số bất thường các sự kiện El Nino).
2. Sự khác nhau theo một điều kiện
3. Tính mờ trong các lĩnh vực quan sát.
Trong khi không gian không cho phép bàn luận chi tiết các vấn đề trên cho mỗi
biến khí hậu, chúng được tính đến trong đánh giá tổng thể. Mô phỏng mô hình khí
hậu hiện tại ở phạm vi toàn cầu đến tiểu lục địa được mô tả ở chương này, các chi
tiết về vùng có thể xem ở chương 11.
Mô hình được sử dụng rộng rãi để mô phỏng biến đổi khí hậu trong suốt thế kỷ 20.
Vì những thay đổi bắt buộc không được biết tới đầy đủ ở thời điểm đó (chương 2),

những thử nghiệm như trên không ràng buộc đầy đủ phản ứng trong tương lai với
những thay đổi bắt buộc. Knutti et al.(2002) chỉ ra rằng trong một ensemble vật lý
xáo trộn của Mô hình hệ thống trái đất có sự phức tạp trung bình (EMICs), nếu
cưỡng bức sol khí được phép thay đổi trong phạm vi khoảng mờ của nó thì mô
phỏng từ mô hình này trong một khoảng độ nhậy khí hậu là phù hợp với nhiệt độ
không khí bề mặt được quan sát và hàm lượng nhiệt trong đại dương. Mặc dù giới
hạn cơ bản này, thử nghiệm mô phỏng các quan sát trong lịch sử thế kỷ 20 tạo ra
ràng buộc với phản ứng của khí hậu tương lai (Knutti et al., 2002). Chủ đề này
được bàn chi tiết ở chương 9.
6
1.2.4. Các phương pháp đánh giá khác
Mô phỏng khí hậu trong quá khứ cho phép mô hình được đánh giá theo một cách
thức khác so với hiện tại. Những thử nghiệm này bổ sung đánh giá khí hậu hiện tại
và khí hậu tại thời điểm thuộc dụng cụ, bởi vì sự biến thiên khí hậu ở thế kỷ 20
được so sánh với những thay đổi tương lai dự kiến theo một kịch bản bắt buộc từ
báo cáo đặc biệt của IPCC về kịch bản phát xạ (SRES). Giới hạn của thử nghiệm
khí hậu cổ là tính mờ trong cưỡng bức và các biến khí hậu thực tế (nhận được từ
proxy) thường lớn hơn so với ở thời điểm dụng cụ, và số biến khí hậu để có proxy
cổ bị giới hạn. Hơn nữa, tình trạng khí hậu có thể thay đổi (ví dụ kích cỡ lớn nhất
của dải băng) dẫn đến quá trình định lượng (ví dụ độ nhậy của khí hậu) khác biệt
so với ở thế kỷ 21. Cuối cùng là khoảng thời gian biến đổi rất dài dẫn đến những
khó khăn trong thiết kế thực nghiệm, ít nhất là cho mô hình lưu chuyển chung
(GCMs). Những vấn đề này được bàn sâu sắc trong chương 6.
Mô hình khí hậu có thể được thử nghiệm thông qua những dự báo dựa trên điều
kiện ban đầu. Mô hình khí hậu liên quan với mô hình dự báo thời tiết bằng số( ).
Dù vậy, mô hình dự báo thời tiết bằng số chạy ở độ phân giải cao hơn so với mô
phỏng khí hậu. Đánh giá những dự báo như thế kiểm tra mô tả của mô hình đối
với một vài quá trình chính trong không khí và đại dương, mặc dù mối liên hệ giữa
những quá trình này và phản ứng khí hậu dài hạn không được thiết lập. Chất lượng
của một dự báo có giá trị ban đầu phụ thuộc vào vài yếu tố vượt ra ngoài bản thân

mô hình bằng số (ví dụ kỹ thuật đồng hóa, phương pháp sinh ensemble), và những
7
yếu tố này có thể kém liên quan tới dự đoán phản ứng bắt buộc, dài hạn của hệ
thống khí hậu với những thay đổi theo cưỡng bức bức xạ.
1.3. Mô hình được xây dựng như thế nào
Cơ sở để xây dựng mô hình không thay đổi kể từ TAR, mặc dù mô hình đã có
những bước phát triển cụ thể (phần 8.2). Mô hình khí hậu có được từ các định luật
vật lý cơ bản (ví dụ như định luật chuyển động của Newton), để đưa ra xấp xỉ vật
lý phù hợp với hệ thống khí hậu trong phạm vi lớn, và xa hơn để xấp xỉ trong
discretization toán học. Những ràng buộc của máy tính hạn chế giải pháp có thể
xảy ra trong phương trình discretized và những ảnh hưởng có quy mô lớn của quá
trình không được giải đáp (vấn đề thông số).
1.3.1. Lựa chọn thông số và tuning
Thông số hóa dựa một phần vào mô hình vật lý đơn giản của những quá trình
không được giải đáp (ví dụ ). Hệ thông số hóa cũng liên quan thông số bằng số
được chỉ rõ ở đầu vào. Một vài thông số này có thể đo lường, ít nhất là theo nguyên
tắc, trong khi những thông số khác không thể. Bởi vậy, có thể điều chỉnh giá trị của
thông số (có thể chọn từ những phân bố ưu tiên) để tối ưu hóa mô phỏng mô hình
các biến cụ thể hoặc để cải thiện sự cân bằng nhiệt độ toàn cầu. Quá trình này gọi
là ‘tuning’.
1. Ràng buộc dựa trên quan sát của khoảng thông số không quá lớn. Trong một vài
trường hợp, điều này cung cấp một điều kiện về giá trị thông số (ví dụ,
Heymsfield và Donner 1990).
8
2. Mức độ tự do của những thông số có thể điều hòa nhỏ hơn mức độ tự do của
những điều kiện dựa trên quan sát sử dụng trong đánh giá mô hình. Điều này
đúng với đa số GCMs- ví dụ mô hình khí hậu không điều hòa một cách rõ ràng
để đưa ra tính biến thiên của dao động phía bắc Đại Tây Dương (NAO)- nhưng
không có nghiên cứu nào có giá trị để trả lời câu hỏi trên. Nếu mô hình được
điều hòa để đưa ra trình diễn tốt về một lượng quan sát cụ thể thì thỏa thuận với

quan sát này không thể được sử dụng để xây dựng độ tin cậy của mô hình. Dù
vậy, một mô hình có thể được điều hòa để trình diễn tốt một số quan sát chủ
chốt có khả năng đưa ra một dự báo chính xác, hơn là một mô hình tương tự (có
lẽ là một thành viên khác của ensemble vật lý xáo trộn) nhưng ít được điều hòa
(phần 8.1.2.2 và chương 10).
Dựa vào thời gian máy tính, quy trình điều hòa theo nguyên tắc có thể được tự
động sử dụng quy trình đồng hóa dữ liệu khác nhau. Dù vậy, điều này chỉ khả thi
với EMICs (Hargreaves et al.,2004) và GCMs phân giải thấp. Phương pháp
ensemble không phải lúc nào cũng tạo ra một thông số tốt nhất với một sai số đã
cho.
1.3.2. Dải mô hình hay hệ thống cấp bậc
Giá trị khi sử dụng một nhóm mô hình (một dải hay hệ thống) có tính phức tạp
khác nhau được nói đến trong TAR (phần 8.3). Những mô hình rẻ hơn như EMICs
cho phép khám phá thấu đáo hơn khoảng cách thông số và cũng đơn giản hơn khi
phân tích phản ứng của mô hình cụ thể. Mô hình có độ phức tạp giảm được sử
9
dụng một cách rộng rãi trong báo cáo hơn là trong TAR, và giá trị của chúng được
bàn đến ở phần 8.8. Mô hình khí hậu vùng có thể xem như phần hình thành một hệ
thống mô hình khí hậu.
Câu hỏi 8.1: Mô hình đưa ra dự báo biến đổi trong tương lai có độ tin cậy như thế
nào?
Mô hình khí hậu cung cấp giá trị ước lượng đáng tin cậy về biến đổi khí hậu trong
tương lai, đặc biệt là ở quy mô lục địa và lớn hơn. Sự tin cậy bắt nguồn từ sự thành
lập mô hình dựa trên nguyên tắc vật lý đã được chấp nhận và khả năng của chúng
khi tái tạo ra đặc điểm biến đổi khí hậu hiện tại và trong quá khứ. Độ tin cậy trong
ước lượng mô hình cho vài biến khí hậu (ví dụ nhiệt độ) cao hơn so với những biến
khác (ví dụ lượng mưa). Qua vài thập kỷ phát triển, mô hình đã cung cấp một bức
tranh rõ ràng về sự ấm lên của khí hậu ứng với sự tăng lên của khí nhà kính.
Mô hình khí hậu là biểu diễn toán học về hệ thống khí hậu, được diễn tả qua mã
máy tính và chạy trên máy tính mạnh. Một nguyên nhân dẫn đến độ tin cậy của mô

hình là những yếu tố cơ bản của mô hình dựa trên những định luật vật lý đã thiết
lập như định luật bảo toàn khối lượng, năng lượng và động lượng, cùng với nhiều
quan sát.
Nguyên nhân thứ hai là khả năng của mô hình trong việc mô phỏng những khía
cạnh quan trọng của khí hậu hiện tại. Mô hình được đánh giá một cách tổng quát
qua việc so sánh mô phỏng với những quan sát về không khí, đại dương, khu vực
thấp và bề mặt đất. Mức độ đánh giá chưa từng thấy đã chiếm chỗ hơn một thập kỷ
10
gần đây là so sánh đa mô hình có tổ chức. Mô hình có những kỹ năng đáng kể và
tăng lên khi thể hiện nhiều đặc điểm khí hậu quan trọng như phân bố trong phạm vi
lớn của nhiệt độ không khí, lượng mưa, phóng xạ và gió, nhiệt độ đại dương, dòng
và sự bao phủ băng trên biển. Mô hình cũng có thể mô phỏng những khía cạnh cốt
yếu của nhiều kiểu biến thiên khí hậu được quan sát qua các khoảng thời gian. Ví
dụ như bước tiến và lùi của hệ thống gió mùa chính, sự chuyển đổi theo mùa của
nhiệt độ, đường đi của bão và vành đai mưa, dao động trong phạm vi bán cầu của
áp suất bề mặt (phương thức hình khuyên phía bắc và phía nam). Một số mô hình
hay những biến thể liên quan cũng được thử nghiệm bằng cách sử dụng những mô
hình này để dự báo thời tiết và dự báo theo mùa. Những mô hình này cho thấy kĩ
năng trong những dự báo như trên, chúng có thể biểu diễn những đặc điểm quan
trọng của chu trình nói chung qua một khoảng thời gian ngắn cũng như tính biến
thiên theo mùa và giữa năm. Tính biến thiên của mô hình khi biểu diễn những đặc
điểm khí hậu quan trọng làm tăng lên sự tin cậy rằng chúng mô tả quá trình vật lý
cốt yếu mà quá trình này mô phỏng biến đổi khí hậu trong tương lai. (chú ý rằng
giới hạn của tính biến thiên mô hình khí hậu khi dự báo thời tiết muộn hơn một vài
ngày không giới hạn khả năng của chúng để dự báo biến đổi khí hậu dài hạn, bởi vì
đây là những kiểu rất khác nhau của dự báo)
Nguyên nhân thứ ba là khả năng của mô hình tạo ra đặc điểm của biến đổi khí hậu
trong quá khứ. Mô hình cũng được sử dụng để mô phỏng khí hậu cổ như thể mid-
Holocene ấm ở 6000 năm trước hay cực đại băng hà cách đây 21000 năm (chương
11

6). Chúng có thể tạo ra nhiều đặc điểm (cho phép tính mờ trong khí hậu cổ đang
xây dựng) như độ lớn và broad-scale pattern của quá trình làm lạnh biển suốt thời
kỳ đóng băng. Mô hình cũng có thể mô phỏng nhiều khía cạnh được quan sát của
biến đổi khí hậu qua các ghi chép của dụng cụ. Một ví dụ là xu hướng nhiệt độ
toàn cầu hơn một thế kỷ gần đây (hình 1)có thể được mô hình hóa với kỹ năng cao
khi cả yếu tố tự nhiên và nhân tạo có ảnh hưởng tới khí hậu được tính đến. Mô
hình cũng có thể tạo ra những thay đổi được quan sát khác như nhiệt độ ban đêm
tăng lên nhanh hơn so với ban ngày, sự ấm lên ở Nam Cực, và quá trình làm lạnh
toàn cầu ngắn hạn (và sự phục hồi sau đó) sau những vụ phun núi lửa chính, như ở
Mt.Pinatubo 1991. Mô hình dự báo nhiệt độ toàn cầu được làm qua hơn hai thập kỷ
gần đây và vẫn còn phù hợp với những quan sát sau thời điểm đó.
Dù vậy, mô hình cũng có sai số đáng kể. Những sai số này lớn hơn ở trong phạm
vi nhỏ( ). Ví dụ sự thiếu hụt còn lại trong mô phỏng lượng mưa nhiệt đới, sự dao
động phía nam của El Nino và sự dao động Madden-Julian (một biến đổi được
quan sát về gió nhiệt đới và lượng mưa trong khoảng thời gian 30 đến 90 ngày).
Nguyên nhân cuối cùng gây ra sai số là nhiều quá trình quan trọng trong phạm vi
nhỏ không thể mô tả một cách rõ ràng trong mô hình, và phải ở dạng xấp xỉ khi
chúng liên kết với những đặc điểm trong phạm vi lớn. Điều này một phần bởi vì
giới hạn của tính toán, nhưng cũng là kết quả từ giới hạn hiểu biết khoa học hoặc
tính biến thiên của những quan sát tỉ mỉ quá trình vật lý. Tính mờ đáng kể liên
quan đến việc mô tả những đám mây, và phản ứng của mây với biến đổi khí hậu.
12
Do đó, mô hình tiếp tục mô tả một khoảng theo sau sự biến đổi nhiệt độ toàn cầu
ứng với khí nhà kính tăng lên. Mặc dù tính mờ, mô hình thống nhất trong dự báo
sự ấm lên của khí hậu sau đó dưới sự tăng lên của khí nhà kính, và sự ấm lên này
có độ lớn phù hợp với ước lượng độc lập nhận được từ những nguồn khác, ví dụ từ
những biến đổi khí hậu được quan sát và sự khôi phục khí hậu trong quá khứ.
Bởi vì độ tin cậy của biến đổi được dự báo bằng mô hình toàn cầu giảm ở phạm vi
nhỏ, nên những kỹ thuật khác như sử dụng mô hình khí hậu vùng hoặc phương
pháp downscaling được phát triển cho nghiên cứu biến đổi khí hậu của vùng và địa

phương. Dù vậy, khi mà mô hình toàn cầu tiếp tục phát triển, và cách giải chúng
được mở rộng, chúng trở thành công cụ hữu ích để điều tra đặc điểm trong phạm vi
nhỏ như sự thay đổi khi thời tiết cực độ, và những cải tiến xa hơn trong mô tả vùng
được mong đợi với năng lực tính toán được tăng lên. Mô hình đang ngày càng toàn
diện trong xử lý hệ thống khí hậu, sự mô tả một cách rõ ràng quá trình sinh lý, vật
lý và sự tương tác coi biến đổi khí hậu quan trọng một cách tiềm năng, đặc biệt là ở
khoảng thời gian dài. Ví dụ, các phản ứng của thực vật gần đây, sự tương tác sinh
học và hóa học trong biển, và động học bao phủ băng trong vài mô hình khí hậu
toàn cầu.
Tóm lại, độ tin cậy trong mô hình bắt nguồn từ nền tảng vật lý và kỹ năng mô tả
biến đổi khí hậu được quan sát và khí hậu trong quá khứ. Mô hình được chứng
minh là một công cụ quan trọng mô phỏng và hiểu biết về khí hậu, và có một sự tin
cậy đáng kể rằng chúng có khả năng cung cấp ước lượng định lượng đáng tin của
13
biến đổi khí hậu tương lai, đặc biệt là ở phạm vi lớn. Mô hình có giới hạn đáng kể
như trong việc mô tả đám mây, dẫn đến tính mờ trong độ lớn và thời gian, cũng
như chi tiết vùng của biến đổi khí hậu được dự đoán. Dẫu vậy, qua vài thập kỷ phát
triển của mô hình, chúng đã cung cấp một bức tranh rõ ràng sự ấm lên của khí hậu
cùng với sự tăng lên của khí nhà kính.
Hình 1: Nhiệt độ gần bề mặt trung bình toàn cầu qua thế kỷ 20 có được từ quan sát
(màu đen) và từ 58 mô phỏng tạo ra bởi 14 mô hình khí hậu khác nhau và yếu tố
con người tác động đến khí hậu (màu vàng). Trung bình của những kết quả này
được biểu diễn (đường màu đỏ). Sự bất thường của nhiệt độ xảy ra từ năm 1901
đến 1950. Đường màu xám thẳng đứng chỉ ra thời gian xảy ra những vụ phun núi
lửa chính.
14
2. Sự cải tiến trong mô hình hoá
Rất nhiều cải tiến trong mô hình hoá xuất hiện từ báo cáo TAR. Do khoảng cách về
không gian mà không thể thảo luận một cách toàn diện về tất cả các thay đổi chủ
yếu trong vài năm qua, vì vậy nhằm vào 23 mô hình AOGCMs được sử dụng rộng

rãi trong báo cáo này (xem bảng 8.1). Những cải tiến trong mô hình có thể gộp lại
thành 3 loại. Thứ nhất, phần quan trọng nhất của động lực học (advection …) đã
được cải tiến, và sự phân giải theo chiều ngang và chiều dọc của nhiều mô hình
cũng được tăng lên. Thứ hai, nhiều quá trình được kết hợp trong một mô hình,
trong mô hình hoá riêng biệt của các chất phun (aerosols), của mặt đất, và của quá
trình băng trên biển. Thứ ba, hệ thông số hoá của quá trình vật lý đã được cải tiến.
Ví dụ, như sự thảo luận sâu hơn ở phần 8.2.7, hầu hết các mô hình không sử dụng
lâu bất kì sự điều chỉnh nào (Manebe and …) để giảm bớt xu thế khí hậu. Các cải
tiến khác nhau, được thảo luận giữa các nhóm mô hình hoá chính, được trình bày
tốt trong các mô hình khí hậu sử dụng trong bản báo cáo này.
Mặc dù nhiều cải tiến, nhưng vẫn còn nhiều vấn đề. Nhiều quá trình quan trọng, để
xác định mô hình đối phó với những biến đổi trong bức xạ cưỡng bức, không được
giải quyết bởi lưới mô hình. Thay vào đó, hệ thông số hoá trong phạm vi lưới phụ
là các thông số mà quá trình không giải quyết được, như sự hình thành mây và sự
hoà lẫn nhờ các xoáy nước ở đại dương. Sự cải tiến trở thành trường hợp mà việc
mô phỏng ensemble đa mô hình nói chung cung cấp nhiều thông tin thiết thực hơn
15
so với những mô hình đơn lẻ bất kì. Bảng 8.1 tổng kết những trình bày rõ ràng về
từng mô hình AOGCMs được sử dụng trong báo cáo này.
Hiện nay không có sự nhất trí về cách tối ưu để phân chia nguồn tài nguyên máy
tính ở giữa số lưới mô hình lớn hơn, lưới này cho phép việc mô phỏng tốt hơn;
greater number of ensemble members, cho phép đánh giá thống kê tốt hơn những
trạng thái không rõ ràng; và bao gồm cả tập hợp đầy đủ hơn của quá trình (vd: sự
phản carbon, sự ảnh hưởng lẫn nhau của các thành phần trong khí quyển)
2.1. Qúa trình khí quyển
2.1.1. Hệ thuật toán
Trong báo cáo TAR, hơn một nửa số mô hình khí quyển tham gia đều sử dụng
spectral advection. Từ báo cáo TAR, semi-Lagrangian advection schemes được
chấp nhận trong một vài mô hình khí quyển. These schemes cho phép các bước
tiến hành trong thời gian dài và khẳng định các giá trị xác thực của advected tracer

như hơi nước, nhưng chúng cũng khuyếc tán, và một số kiểu không được chính
thức bảo tồn khối lượng. Trong bản báo cáo này, nhiều mô hình sử dụng spectral,
semi-Lagrangian, and Eulerian finite-volume and finite-difference advection
schemes, mặc dù không có sự nhất trí để dạng của schemes là tốt nhất.
2.1.2. Sự phân giải theo chiều ngang và chiều dọc
Sự phân giải theo chiều ngang và chiều dọc của mô hình AOGCMs được phát triển
tương xứng với báo cáo TAR. Ví dụ mô hình HadGEM1 có gấp 8 lần ô lưới của
16
mô hình HadCM3 (số ô gấp 2 lần cả 3 kích thước). Ở trung tâm quốc gia nghiên
cứu khí quyển (NCAR) hiện nay thường sử dụng kiểu T85 của mô hình hệ thống
khí quyển (CSM), trong khi kiểu T42 đã từng là tiêu chuẩn của báo cáo TAR.
Trung tâm nghiên cứu hệ thống khí quyển (CCSR), Viện quốc gia nghiên cứu môi
trường (NIES) và trung tâm nghiên cứu lĩnh vực biến đổi trái đất (FRCGC) đã phát
triển mô hình khí quyển có độ phân giải cao (MIROC-hi, gồm có mô hình T106
L56 AGCM và mô hình 1/4
o
đến 1/6
o
L48 OGCM) và Viện nghiên cứu khí tượng
(MRI) của cơ quan khí tượng học Nhật Bản (JMA) đã phát triển mô hình TL956
L60 spectral AGCM, là mô hình được sử dụng trong phương thức khoảng thời gian
(time-slice). Sự dự đoán được tạo ra với những mô hình này được trình bày trong
chương 10.
Bởi vì sự phát triển của độ phân giải theo chiều ngang và chiều dọc, cả trong đặc
trưng khí hậu vùng và trái đất, nên mô phỏng tốt hơn. Ví dụ, hiệu ứng dịch chuyển
ra xa của đảo Hawaiian ở Thái Bình Dương được mô phỏng rất tốt và sự phân phối
thường xuyên của lượng mưa kết hợp với Bain front cũng được cải tiến.
2.1.3. Các hệ thông số hoá
Hệ thống khí quyển bao gồm các trạng thái khác nhau của quá trình vật lý như quá
trình mây, quá trình bức xạ và quá trình boundary-layer, những quá trình tác động

tới mỗi phạm vi mặt đất và không gian. Bởi vì giới hạn sự phân giải của các mô
hình, mà đa số các quá trình này không được giải quyết tương xứng bằng lưới mô
17
hình và phải nhờ vào các thông số. Sự khác nhau giữa các hệ thông số hoá là
nguyên nhân quan trọng làm mô hình khí hậu có những kết quả khác nhau. Ví dụ,
hệ thông số hoá về new boundary-layer có sự tác động dương (positive impact)
mạnh mẽ đến sự mô phỏng tầng mây tích trên biển, được tạo ra bởi phòng thí
nghiệm động lực chất lỏng thuộc địa vật lý và mô hình khí hậu trung tâm Hadley,
nhưng hệ thông số hoá tương tự có sự tác động dương kém hơn trong khi thực hiện
ở kiểu ban đầu của mô hình trung tâm Hadley. Rõ ràng là các hệ thông số hoá phải
được hiểu trong điều kiện của số đông mô hình.
Quá trình mây ảnh hưởng đến mô hình khí hậu bởi nó điều chỉnh việc phát tán của
bức xạ ở tầng trên của khí quyển, bởi sự tạo mưa, bởi sự phân phối lại của lượng
khí quyển thỉnh thoảng diễn ra và hoàn thành nhanh chóng và bổ sung cơ cấu là
quá nhiều trong danh sách ở đây (Arakawa and Schubert, 1974; Arakawa, 2004).
Các hệ thông số hoá mây là nền tảng của các giả thuyết vật lý, các giả thuyết này
nhằm vào việc diễn tả các số liệu thống kê của vùng mây nhưng không có việc
diễn tả các thành phần mây đơn lẻ. Trong sự phát triển về số lượng mô hình khí
quyển, các hệ thông số hoá vi vật lý, các thông số đại diện cho quá trình như sự
hình thành hạt mây và hạt mưa, được sử dụng để dự đoán sự phân phối của mây
lỏng và băng. Các hệ thông số hoá này cải tiến việc mô phỏng khí hậu hiện tại, và
ảnh hưởng sự nhạy cảm của khí hậu. Các hệ thông số hoá thực tế của quá trình
mây là điều kiện tiên quyết để mô hình khí hậu hiện tại và tương lai đang tin cậy.
18
Dữ liệu từ nhiều cuộc thí nghiệm như chương trình nghiên cứu khí quyển trái đất
(GARP), thí nghiệm vùng nhiệt đới ở Đại Tây Dương (GATE, 1974), thí nghiệm
về mùa mưa (MONEX) và khí quyển trái đất vùng biển nhiệt đới (TOGA) thí
nghiệm về sự đối phó cặp khí quyển đại dương (COARE, 1993) được sử dụng để
kiểm tra và cải tiến các hệ thông số hoá của mây và sự đối lưu. Nghiên cứu có hệ
thống như việc quản lý bởi GCSS được tổ chức để kiểm tra các hệ thông số hoá

của quá trình bởi việc so sánh kết quả với cả sự quan sát và kết quả của mô hình
phân giải mây. Những kết quả này có ảnh hưởng đến sự phát triển của nhiều mô
hình mới thành lập. Ví dụ, hệ thông số hoá buondary-layer cloud của Lock và cộng
sự (2000) và Lock (2001) cũng được kiểm tra qua GCSS. Các hệ thông số hoá của
quá trình bức xạ được cải tiến và kiểm tra bằng việc so sánh kết quả của các hệ
thông số hoá bức xạ sử dụng trong mô hình AOGCMs với hầu hết các trình bày chi
tiết “line-by-line” quy ước bức xạ. Từ báo cáo TAR, việc cải tiến được tạo ra trong
một vài mô hình hướng đến sự ghép nối vật lý giữa các hệ thông số hoá mây và đối
lưu, ví dụ, trong mô hình Max Planck Institute (MPI) AOGCM sử dụng Tompkins
(2002), trong mô hình IPSL-CM4 AOGCM sử sụng Bony and Emanuel (2001) và
trong mô hình GFDL sử dụng Tiedtke (1993). Các ví dụ này là của bài kiểm tra
mức độ cấu thành.
Song song với việc cải tiến các hệ thông số hoá, mô hình không phải thuỷ tĩnh
cũng được sử dụng để hạn chế phạm vi. Một mô hình với lưới 5 km trên lãnh thổ
19
4000 x 3000 x 22 km đặt ở giữa che phủ nước Nhật cũng được tiến hành bởi
MRI/JMA, sử dụng phương khoảng thời gian (time-slice) để thực hiện báo cáo
đánh giá thứ tư (AR4) (Yoshizaki và cộng sự, 2005).
Aerosols có vai trò quan trọng trong hệ thống khí hậu. Các hệ thông số hóa aerosol
có ảnh hưởng lẫn nhau, hiện nay được sử dụng trong một số mô hình (HADGEM1,
MIROC-hi, MIROC-med). Cả hiệu ứng aerosol trực tiếp và gián tiếp (Chương 2)
cũng bao hàm trong một số trường hợp (ví dụ, IPSL-CM4). Trong việc bổ sung
sunfat, một số dạng khác của aerosols như carbon đen và carbon hữu cơ, muối biển
và bụi khoáng sản được giới thiệu như việc dự báo sự biến đổi. Chi tiết hơn xem
trong phần 8.2.5
2.2. Qúa trình đại dương.
2.2.1. Hệ thuật toán
Gần đây, sự kết hợp theo chiều dọc của isopycnic hoặc hybrid vẫn được lựa chọn
trong một số mô hình đại dương (GISS-EH và BCCR-BCM2.0). Bài kiểm tra được
trình bày như mô hình có thể cung cấp giải pháp để tổ hợp sự phát tán thuộc miền,

những điều này thực tế có thể được với sự kết hợp phổ biến theo chiều sâu (Drange
và cộng sự, 2005). Các vấn đề còn lại một lần nữa xử lý thích hợp của
thermobaricity (mối quan hệ không theo thứ tự của nhiệt độ, độ mặn và áp suất dày
đặc (pressure to density)), điều này có nghĩa là một số mô hình kết hợp isopycnic
tương xứng với mật độ dày đặc của, ví dụ như, lượng nước ở đáy biển Địa Trung
20
Hải và Nam cực là không định hình (distorted). Giá trị của nhiều hệ thống kết hợp
theo chiều dọc vẫn tiếp tục được thiết lập.
Mẫu rõ ràng (explicit representations) của độ cao trên mặt biển được sử dụng trong
nhiều mô hình và dòng nước ngọt thực sự (real freshwater) thường cưỡng bức các
mô hình này thay vì dòng muối thực tế. Phương pháp dòng muối thực tế đem lại
sai số hệ thống trong việc dự báo độ mặn của bề mặt biển và nguyên nhân gây ra
nhiều vấn đề ở của sông nơi lưu vực rộng lớn (Hasumi, 2002a,b; Griffies, 2004).
Nói chung sự kết hợp theo đường cong ngang với ô lưới 2 cực và 3 cực (Murray,
1996) được sử dụng rộng rãi trong thành phần đại dương của các mô hình
AOGCMs. Đây là chiến lược thường xử lý kết hợp kì dị ở Bắc cực, như là sự lựa
chọn trước cực lọc phổ biến hoặc chu kì kết hợp theo hình cầu. Các lưới mới có
thuận lợi là những điểm dị thường có thể chuyển về đất liền trong khi vẫn giữ
nguyên những điểm thẳng hàng trên đường phân điểm. Các phương pháp cũ để làm
mẫu mặt biển, dòng nước bề mặt và Bắc cực vẫn còn được sử dụng trong một vài
mô hình AOGCMs.
2.2.2. Sự phân giải theo chiều ngang và chiều dọc
Có sự phát triển chung trong việc phân giải từ báo cáo TAR, với sự phân giải theo
chiều ngang theo thứ tự từ cấp 1 đến cấp 2 được sử dụng phổ biến trong thành
phần đại dương của hầu hết mô hình khí hậu. Cách quyết định tốt hơn dấu hiệu chỉ
đường ở gần xích đạo, một vài mô hình sử dụng sự tăng cường phân giải theo
21
đường kinh tuyến trong vùng nhiệt đới. Sự phân giải cao đủ để cho phép oceanic
eddies, eddy-permitting, không được sử dụng trong a full suite of climate scenario
integrations bởi chi phí tính toán, nhưng từ báo cáo TAR nó được sử dụng trong

một số ý tưởng và các thí nghiệm dự đoán cơ bản khí hậu như thảo luận dưới đây.
Tập giới hạn của sự tích hợp sử dụng mô hình eddy-permitting MIROC3.2 được
sự dụng tại đây và chương 10. Một số trung tâm lập mô hình cũng có sự tiến bộ
trong việc phân giải theo chiều dọc từ báo cáo TAR.
Một vài mô hình khí hậu liên kết (coupled climate) với sự phân giải eddy-
permitting ocean (1/6
o
đến 1/3
o
) đã có sự phát triển (Roberts và cộng sự, 2004;
Suzuki và cộng sự, 2005), và tỉ lệ lớn đặc trưng mô hình gây ra bởi sự liên kết
không khí biển cục bộ đã được mô phỏng thành công.
Roberts và cộng sự (2004) đã tìm thấy sự tiến bộ trong việc phân giải đại dương
của mô hình HadCM3 từ about 1
o
to 0.33
o
by 0.33
o
by 40 levels (trong khi sự dịch
chuyển của các thành phần khí quyển là không biến đổi) kết quả đạt được chính là
sự cải tiến trong mô phỏng những đặc điểm lưu thông của đại dương. Tuy nhiên,
sự tác động đối với mô phỏng khí quyển là tương đối nhỏ và cục bộ. Sự đối phó
những biến đổi khí hậu tương tự như mô hình phân giải tiêu chuẩn, với sự tăng giá
trị lên không đáng kể của sự ấm lên ở vùng Northern Europe-Atlantic nhờ vào sự
đối phó với những phá vỡ lưu thông theo đường kính (MOC) ở Atlantic. Khoảng
thời gian sử dụng của ngân sách nước ngọt Atlantic Basin được điều chỉnh giảm từ
22
khoảng 400 năm xuống còn 150 năm cùng với sự phân giải đại dương cao hơn, và
đề xuất sự khác nhau có thể chấp nhận được trong sự đối phó với MOC thoáng qua

trong những khoảng thời gian này, nhưng cơ chế và vai trò tương đối của sự phân
giải theo chiều ngang và chiều dọc là không rõ ràng.
Atlantic MOC bị ảnh hưởng bởi nước ngọt tương đương với cưỡng bức nhiệt.
Ngoài nước ngọt khí quyển cưỡng bức, nước ngọt được vận chuyển bởi đại dương
cũng rất quan trọng. Để Atlantic MOC, nước ngọt ở Thái Bình dương đi qua
Bering Strait có thể khó mô tả trên đoạn qua Canadian Archipelago và Labrador
Sea (Komuro và Hasumi, 2005). Những khía cạnh này được cải tiến từ báo cáo
TAR trong nhiều đánh giá mô hình ở đây.
Những biến đổi quanh bờ lục địa rất quan trọng trong biến đối khí hậu cùng. Ngoài
những khu vực này, khí hậu cũng bị ảnh hưởng bởi lưu thông đại dương mở và khí
quyển. Mô hình khí hậu có sự phân giải cao góp phần vào sự cải tiến việc mô
phỏng khí hậu vùng. Ví dụ, vị trí của Kuroshio tách rời từ quần đảo Nhật Bản được
mô phỏng tốt trong mô hình MIROC3.2, mô hình này có những nghiên cứu có thể
thực hiện được về những biến đổi trong đường trục của Kuroshio của khí hậu
tương lai (Sakamoto và công sự, 2005).
Guilyardi và cộng sự (2004) đã đề xuất sự phân giải đại dương có thể chạy chỉ với
vai trò thứ 2 trong sự sắp đặt khoảng thời gian của mô hình tính biến thiên của
ENSO, với khoảng thời gian quan trọng nhất được sắp đặt bởi mô hình khí quyển
23
đã cung cấp vận tốc cơ bản của phương thức sóng đại dương ở xích đạo chính là
đại diện tương xứng.
2.2.3. Các hệ thông số hoá
Trong tracer equations, isopycnal diffusion (Redi, 1982) với isopycnal layer
khuyếch tán ở mức độ dày đặc (Gent và cộng sự, 1995), kể cả những sử đổi của nó
bởi Visbeck và cộng sự (1997), trở thành lựa chọn phổ biến thay sự khuyếch tán
theo chiều ngang đơn thuần. Điều này dẫn đến những cải tiến trong cấu trúc
thermocline và sự phá vỡ theo đường kính (Boning và cộng sự, 1995; xem phần
8.3.2). Để hoà lẫn theo chiều dọc của tracers, các hệ thông số hoá đa dạng không
hạn chế hiện nay được sử dụng, như turbulence closures (vd, Mellor và Yamada,
1982), non-local diffusivity profiles (Large và cộng sự, 1994) và mô hình tầng hỗn

hợp chủ yếu (vd, Kraus và Turner, 1967). Sự trình bày của tầng hỗn hợp bề mặt
24
phải được cải tiến bởi vì sự phát triển trong các hệ thông số hoá này (xem phần
8.3.2). Sự quan sát thể hiện rằng sự hoà lẫn theo chiều dọc ở đại dương sâu là cải
tiến về đáy gồ ghề, steep slopes và nơi sự phân tầng là yếu nhất (Karus, 1990;
Polzin và cộng sự, 1997; Moum và cộng sự, 2002). Trong khi nghiên cứu mô hình
hoá đã chỉ ra tầm quan trọng của inhomogeneous mixing trong MOC (vd,
Marotzke, 1997; Hasumi và Suginohara, 1999; Ottera và cộng sự, 2004; Oliver và
cộng sự, 2005; Saenko và Merryfield, 2005), các hệ thông số bao hàm toàn diện
của các hiệu ứng và ứng dụng của nó trong kết nối mô hình khí hậu chưa được xem
xét tới.
Nhiều loại nước nặng (dense waters) được tạo ra bởi sự đối lưu của đại dương, đây
chính là toàn bộ global MOC, phải chảy qua gợn sóng đại dương và ở dưới dốc lục
địa. Sự lên của nước bao quanh những đặc trưng địa hình này là quá trình quan
trọng để xác định thuộc tính cuối cùng và khối lượng của nước sâu. Các hệ thông
số hoá của bottom boundary-layer processes được sử dụng trong một số mô hình
AOGCMs (vd, Winton và cộng sự, 1998; Nakano và Suginohara, 2002). Tuy
nhiên, tác động của bottom boundary-layer representation trên liên hệ thống
(coupled system) vẫn chưa được hiểu đầy đủ (Tang và Roberts, 2005). Thorpe và
cộng sự (2004) đã nghiên cứu tác động của scheme rất đơn giản được sử dụng
trong mô hình HadCM3 để điểu khiển sự hoà lẫn của nước tràn qua từ biển Bắc Âu
(Nordic Seas) vào North Atlantic. Mặc dù scheme ?có kết quả trong biến đổi của
25