Nghiên cứu ứng dụng mô hình khí hậu khu vực mô phỏng/dự báo mùa các trường khí hậu bề mặt phục vụ qui hoạch phát triển và phòng tránh thiên tai

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

Tên đề tài:

Nghiên cứu ứng dụng mô hình khí hậu khu vực
mô phỏng/dự báo mùa các trường khí hậu bề mặt
phục vụ qui hoạch phát triển và phòng tránh thiên tai
Mã số:
Chủ trì đề tài:

QG.TĐ.06.05
PGS. TS. Phan Văn Tân

HÀ NỘI − 2008


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

Tên đề tài:

Nghiên cứu ứng dụng mô hình khí hậu khu vực
mô phỏng/dự báo mùa các trường khí hậu bề mặt
phục vụ qui hoạch phát triển và phòng tránh thiên tai
Mã số:
Chủ trì đề tài:
Các cán bộ tham gia:

QG.TĐ.06
PGS. TS. Phan Văn Tân
1. TS Trần Quang Đức
2. NCS Hồ Thị Minh Hà
3. NCS Vũ Thanh Hằng
4. NCS Bùi Hoàng Hải
5. HVCH Lương Mạnh Thắng
6. ThS Lê Như Quân
7. ThS Tạ Hữu Chỉnh
8. ThS Dư Đức Tiến

HÀ NỘI − 2008


1. Tóm tắt
a. Tên đề tài: “Nghiên cứu ứng dụng mô hình khí hậu khu vực mô phỏng/dự báo mùa
các trường khí hậu bề mặt phục vụ qui hoạch phát triển và phòng tránh thiên tai”. Mã
số: QG.TĐ.06.05
b. Chủ trì đề tài:

PGS. TS. Phan Văn Tân

c. Các cán bộ tham gia:

1. TS Trần Quang Đức
2. NCS Hồ Thị Minh Hà
3. NCS Vũ Thanh Hằng
4. NCS Bùi Hoàng Hải
5. HVCH Lương Mạnh Thắng
6. ThS Lê Như Quân

7. ThS Tạ Hữu Chỉnh
8. ThS Dư Đức Tiến

d. Mục tiêu và nội dung nghiên cứu:
Mục tiêu: Mô phỏng/dự báo hạn mùa các trường khí hậu bề mặt cơ bản, như
nhiệt độ và lượng mưa, bằng mô hình khí hậu khu vực; đánh giá mức độ chính xác của
các trường mô phỏng/dự báo cũng như khả năng sử dụng các thông tin dự báo nhận
được trên cơ sở so sánh kết quả mô phỏng/dự báo với số liệu quan trắc.
Nội dung:
- Nghiên cứu lựa chọn vị trí miền tính trong mối quan hệ với điều kiện địa hình
của khu vực, vai trò của hoàn lưu theo các mùa trong năm cũng như vai trò của biển
Đông, lựa chọn độ phân giải mô hình, xác định kích thước của miền tính phù hợp với
khả năng tính toán của máy tính.
- Nghiên cứu tính phù hợp của các trường khí hậu toàn cầu (ERA40, NNRP1,
NNRP2) dùng làm điều kiện ban đầu và điều kiện biên cho mô hình khí hậu khu vực
RegCM và đánh giá khả năng sử dụng chúng: Chạy mô hình khí hậu khu vực RegCM
với các bộ số liệu khác nhau cho cùng một thời đoạn và với cấu hình thí nghiệm thích
hợp; So sánh kết quả nhận được với các tập số liệu thực (số liệu phân tích, tái phân
tích hoặc quan trắc) để rút ra kết luận về khả năng sử dụng của từng tập số liệu.
- Đánh giá được mức độ tác động của các nguồn số liệu nhiệt độ bề mặt biển (số
liệu trung bình tháng và trung bình tuần) đến kết quả mô phỏng.
- Nghiên cứu lựa chọn các sơ đồ tham số hóa vật lý trong mô hình RegCM: Thử
nghiệm và lựa chọn sơ đồ tính các dòng trao đổi đại dương − khí quyển, sơ đồ tham số
hóa giáng thủy đối lưu.

iii


- Đánh giá khả năng ứng dụng RegCM3 vào điều kiện Việt Nam: Chạy mô
phỏng mô hình RegCM một cách đồng bộ theo các phương án đã lựa chọn cho một số

năm có điều kiện khí hậu điển hình (1996-1998); xác định các bộ chỉ tiêu đánh giá và
xây dựng chương trình tính; đánh giá kết quả dựa trên việc so sánh với các tập số liệu
quan trắc; thử nghiệm khả năng kết hợp RegCM3 và mô hình CAM cho mục đích dự
báo khí hậu hạn mùa ở Việt Nam.
e. Các kết quả đạt được:
1) Đã xác định được vị trí, kích thước và độ phân giải thích hợp cho mô hình khí
hậu khu vực RegCM3 và áp dụng vào mô phỏng khí hậu bề mặt cho khu vực Đông
Nam Á và Việt Nam. Đó là miền tính từ 15S-42N và từ 75-135E, độ phân giải ngang
54km (tương đương 0,5 độ kinh vĩ), số mực theo chiều thẳng đứng là 18 mực, trong đó
có 6 mực trong lớp PBL (dưới 850mb) và mực trên cùng của mô hình ở 70mb.
2) Đã thiết kế thí nghiệm, tiến hành chạy mô hình RegCM3 và đánh giá độ nhạy
của RegCM3 đối với: 1) các nguồn số liệu tái phân tích toàn cầu khác nhau (ERA40,
NNRP1, NNRP2); 2) trường nhiệt độ mặt nước biển (OISST, sst_mnmean); 3) sơ đồ
tính các dòng trao đổi đại dương – khí quyển (BATS, Zeng); và 4) sơ đồ tham số hóa
đối lưu (Kuo, Grell (AS74), Grell (FC80), MIT−Emanuel).
Kết quả nhận được cho thấy: 1) trong số ba nguồn số liệu tái phân tích được sử
dụng để thí nghiệm, số liệu ERA40 là phù hợp nhất cho mục đích mô phỏng khí hậu
khu vực Việt Nam và Đông Nam Á; 2) ảnh hưởng của các nguồn SST khác nhau đối
với kết quả mô phỏng của mô hình không thể hiện rõ ràng, nhất là vào mùa hè, nhưng
số liệu OISST cho trường lượng mưa mô phỏng gần với CMAP hơn. Do đó việc chọn
số liệu OISST sẽ hợp lý hơn; 3) sơ đồ BATS để tính các dòng trao đổi đại dương − khí
quyển cho kết quả mô phỏng phù hợp với thực tế hơn so với sơ đồ Zeng; 4) tham số
hóa đối lưu có ảnh hưởng quan trọng nhất đến kết quả mô phỏng của mô hình. Trong
các thí nghiệm được cấu hình với các sơ đồ đối lưu khác nhau, nhiệt độ mô phỏng của
Reg+Eman (chạy với sơ đồ MIT−Emanuel) phù hợp nhất với số liệu CRU, nhưng
lượng mưa và diện mưa thường lớn hơn CMAP. Các sơ đồ Grell (thí nghiệm
Reg+GAS và Reg+GFC) tái tạo nhiệt độ bề mặt thường thấp hơn CRU khoảng 2-3oC,
nhưng lượng mưa và vị trí các tâm mưa, đặc biệt tâm mưa lớn trên vịnh Bengal, được
mô phỏng khá tốt, trong đó Reg+GFC tái tạo mưa lớn hơn và nhiệt độ thấp hơn nhiều
so với Reg+GAS. Xét trên toàn miền tính, Reg+GAS cho lượng mưa mô phỏng phù

hợp nhất so với CMAP, mặc dù có xu hướng thấp hơn.
3) Đã thử nghiệm khả năng mô phỏng nhiều năm của RegCM3 bằng cách tích
phân mô hình liên tục 10 năm, từ 01/11/1990 đến 01/01/2001 với 1 tháng khởi động
iv


mô hình (spin up time). Kết quả nhận được cho thấy, mô hình đã tái tạo khá tốt điều
kiện hoàn lưu (đặc trưng bởi trường khí áp mực biển), nhiệt độ và lượng mưa so với
các trường điều khiển toàn cầu (ERA40), số liệu CRU và CMAP.
4) Đã xây dựng hệ thống chỉ tiêu đánh giá, tính toán đánh giá kết quả mô phỏng
của RegCM3 cho khu vực Việt Nam bằng cách so sánh với số liệu quan trắc từ mạng
lưới trạm khí tượng. Qua đó rút ra rằng, đối với Việt Nam, RegCM3 với sơ đồ đối lưu
MIT−Emanuel cho mô phỏng nhiệt độ tốt nhất, trong khi sơ đồ đối lưu Grell (AS74)
làm cho RegCM tạo ra lượng mưa mô phỏng hợp lý hơn cả. Tính trung bình trên toàn
lãnh thổ và cho tất cả các tháng trong năm, RegCM3 có xu hướng mô phỏng nhiệt độ
thấp hơn quan trắc khoảng 2,0 độ, còn lượng mưa cao hơn quan trắc khoảng 70−80%.
5) Đã thử nghiệm sử dụng sản phNm kết xuất của mô hình CAM như là trường dự
báo toàn cầu làm đầu vào và tiến hành chạy mô hình RegCM3 để mô phỏng các
trường nhiệt độ và lượng mưa các tháng 6,7,8/1996. Kết quả đánh giá sai số cho khu
vực Việt N am chỉ ra rằng mô phỏng của RegCM3 với đầu vào là sản phNm của CAM
có xu hướng thấp hơn quan trắc một cách có hệ thống. Sai số mô phỏng của nhiệt độ
nằm trong khoảng 2−3oC, của lượng mưa từ 50−70%, trong đó sai số nhiệt độ thể hiện
rõ qui luật hơn sai số lượng mưa.
6) Kết quả đào tạo và bài báo khoa học: 04 luận văn Thạc sỹ; 01 Khóa luận Tốt
nghiệp Đại học; 01 báo cáo khoa học tại Hội thảo quốc tế Việt-N hật; 01 bài báo khoa
học gửi đăng Tạp chí quốc tế Climate Research; 04 bài báo khoa học gửi đăng Tạp chí
Khí tượng Thủy văn.
f. Tình hình kinh phí của đề tài:
Tổng kinh phí được cấp:

300.000.000 VN Đ

Tổng kinh phí đã chi:

300.000.000 VN Đ (Đã quyết toán)

KHOA QUẢN LÍ

CHỦ TRÌ ĐỀ TÀI

(Ký và ghi rõ họ tên)

(Ký và ghi rõ họ tên)

PGS. TS Phạm Văn Huấn

PGS. TS Phan Văn Tân

TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN

v


2. Summary
a. Title: “Study on implementation of Regional Climate Model for seasonal
simulation/prediction of surface climate fields for development planning and disaster
prevention”. Code: QG.TĐ.06
b. Project leader:
c. Members:

Assoc. Prof. Dr. Phan Van Tan
1. Dr. Tran Quang Duc

2. PhD Student Ho Thi Minh Ha
3. PhD Student Vu Thanh Hang
4. PhD Student Bui Hoang Hai
5. Msc Student Luong Manh Thang
6. Msc Le N hu Quan
7. Msc Ta Huu Chinh
8. Msc Du Duc Tien
d. Aims and content:
Aims: Seasonal simulattion/prediction of key surface climate fields, such as
monthly temperature and rainfall, using Regional Climate Model; evaluation of
confidences of simulated fields as well as capability of using ouput results by
comparison the model outputs and observed data.
Content:
− Study on the selection of the model domain location with respect to the

regional topography, circulation patterns in the year as well as the role of the ocean; to
select the model resolution, domain size with respect to the computation capability of
the available equipments.
− Carry out sensitivity tests with different available reanalysis data which are

used as initial and lateral boundary conditions for the RegCM and verify the model
output by comparison with the analysis (reanalysis or observed) data to determine
which is better for regional climate simulation over Vietnam and Southeast Asia.
− To evaluate the impacts of SST (monthly and weekly data) on the model

results.
− Carry out sensitivity tests of the RegCM with respect to the physical

parameterization schemes, such as ocean fluxe parameterization and convective
parameterization schemes.
− To validate the RegCM for Vietnam: Run the RegCM with the selected

configuration for the 1996−1998 period, to verify the model output by comparison
with observed data from meteorological station network over Vietnam using different
vi


methods; to evaluate ability of using ouput from CAM as RegCM3 input for seasonal
climate prediction for Vietnam.
e. Main results:
1) Determined the appropriate location, domain size and model resolution for the
RegCM3 to simulate surface climate conditions over Southeast Asis and Vietnam:
Model domain covers from 15S-42N and from 75-135E, the model horizontal
resolution is 54km in both South−N orth and West−East directions, 18 vertical σ−levels
with 6 levels located in planetary boundary layer, and pressure at top model is 70mb.
2) Designed the numerical experiments and performed the sensitivity tests for: 1)
different reanalysis data (ERA40, N N RP1, N N RP2); 2) different SST data (OISST,
sst_mnmean); 3) different ocean flux schemes (BATS, Zeng); and 4) different
convective schemes (Kuo, Grell (AS74), Grell (FC80), MIT−Emanuel).
The results showed that: 1) The ERA40 reanalysis data is the most appropriate
choice for the purpose of regional climate simulation over Vietnam and Southeast
Asia; 2) It seems no different between model simulations of RegCM forcing by
different SST data, especially in summer, but the simulated rainfall in case of using
OISST somewhat better agreed with CMAP. Thus, it is the best to use OISST as
forcing data for RegCM instead of sst_mnmean; 3) Compared to Zeng scheme, BATS
scheme leads to the RegCM simulations better agree with observed; 4) Convective
parameterization schemes play the most important roles in model simulations. Among

the sensitivity experiments configured with four different convective schemes, the
RegCM simulated temperature of Reg+Eman (RegCM run using MIT−Emanuel
scheme) is a good agreement with CRU data, but the model overestimates rainfall
amounts and rainfall areas in comparison with CMAP. RegCM with Grell schemes
(Reg+GAS and Reg+GFC experiments) underestimates temperature about 2−3oC
compared to CRU data, but model can reproduce well rainfall amount and rainfall
centers, especially heavy rainfall areas over Bay of Bengal. Compared to Grell (AS74)
scheme, Grell (FC80) scheme leads to RegCM produces much more rainfall and much
low temperature. In general, overall model domain, the simulated rainfall of RegCM
with Grell (AS74) scheme has the best agreement with CMAP, although it somewhat
tends to underestimation.
3) Capability of RegCM3 for the simulation of long term climate is investigated
by continuous integration the model from 01/12/1990 to 01/01/2001 with one month
spin up (12/1990). The obtained results showed that, RegCM3 can reproduce well
regional circulation (represented by pressure mean sea level patterns), surface
vii


temperature and rainfall patterns in comparison with driven fields (ERA40), and with
analysis data (CRU and CMAP).
4) The validation of RegCM3 for the seasonal climate simulation against
observed data from meteorological stations over Vietnam have been done. The results
showed that, the simulated temperature of RegCM3 with MIT−Emanuel convective
scheme is the best agreement with observed, while the rainfall reproduced by RegCM3
with Grell (AS74) convective scheme is the most reasonable. In average overall the
territory and all months in the year, RegCM3 underestimated surface temperature
aobut 2oC and overestimated rainfall about 70−80% in comparison with observed data.
5) Using output from CAM model as global forecast fields for RegCM3 input
and run the RegCM3 to simulate surface climate fields of Jun−Aug, 1996. The
verification results for Vietnam showed that, RegCM3 simulations tend to

systematically underestimate compared to observed. Mean absolute errors of monthly
mean temperature about 2,0−3,0oC, and of rainfall about 50−70%.
6) Results in Training and Publications: 04 graduated theses; 01 undergraduated
thesis; 01 Vietnam-Japan International workshop proceeding published; 01 Scientific
article submitted to Journal of Climate Research; 04 Scientific articles submitted to
Journal of Hydrometeorology.

viii


Mục lục
Mục lục ........................................................................................................................1
Danh mục các ký hiệu và chữ viết tắt..........................................................................3
Danh mục hình ảnh......................................................................................................5
Danh mục bảng biểu ....................................................................................................9
Mở đầu.......................................................................................................................10
Ch−¬ng 1 : Tổng quan ...........................................................................................14
1.1. Sơ lược về các mô hình khí hậu

14

1.2. Các mô hình khí hậu toàn cầu (GCM)

17

1.3. Mô hình khí hậu khu vực (RCM)

20

1.4. Vấn đề ứng dụng các mô hình khí hậu khu vực trong mô phỏng khí hậu hạn vừa,

hạn dài

27

1.4.1. Lựa chọn miền tính, điều kiện ban đầu và điều kiện biên ......................... 27
1.4.2. Độ phân giải của mô hình .......................................................................... 29
1.4.3. Tham số hóa các quá trình vật lý ............................................................... 30
1.5. Về khả năng ứng dụng RCM vào dự báo khí hậu khu vực

34

1.6. Tình hình nghiên cứu mô phỏng và dự báo khí hậu ở Việt Nam

35

Ch−¬ng 2 : Mô hình khí hậu khu vực RegCM ......................................................37
2.1. Sơ lược lịch sử phát triển

37

2.2. Hệ các phương trình cơ bản

39

2.3. Điều kiện biên và điều kiện ban đầu

42

2.4. Tham số hóa vật lý

44

2.4.1. Mô hình đất ................................................................................................ 44
2.4.2. Sơ đồ bức xạ............................................................................................... 45
2.4.3. Tham số hoá lớp biên hành tinh................................................................. 46
2.4.4. Tham số hoá đối lưu................................................................................... 47
2.4.5. Sơ đồ tính giáng thủy quy mô lưới ............................................................ 49
2.4.6. Tham số hoá thông lượng đại dương ......................................................... 50
2.4.7. Mô hình hồ ................................................................................................. 52
2.4.8. Mô hình hóa học (Chemistry Model)......................................................... 53


2.5. Mô tả cấu trúc ngôn ngữ của RegCM3

54

Ch−¬ng 3 : Ứng dụng mô hình khí hậu khu vực RegCM để mô phỏng mùa các
trường khí hậu bề mặt khu vực Việt Nam và phụ cận...............................................56
3.1. Mô tả các nguồn số liệu

56

3.2. Thiết kế thí nghiệm độ nhạy

58

3.3. Ảnh hưởng của kích thước, vị trí miền tính và độ phân giải của mô hình

60

3.4. Ảnh hưởng của các trường toàn cầu

61

3.5. Ảnh hưởng của nhiệt độ mặt nước biển

66

3.6. Ảnh hưởng của việc tham số hóa quá trình vật lý

68

3.6.1. Độ nhạy đối với sơ đồ trao đổi đại dương − khí quyển ............................. 69
3.6.2. Độ nhạy đối với tham số hóa đối lưu ......................................................... 71
3.7. Về khả năng mô phỏng khí hậu khu vực nhiều năm bằng RegCM3

77

Ch−¬ng 4 : Đánh giá khả năng ứng dụng RegCM3 vào điều kiện Việt Nam.......81
4.1. Đặt vấn đề

81

4.2. Một số chỉ tiêu đánh giá

82

4.2.1. Phương pháp trực quan .............................................................................. 82
4.2.2. Phương pháp đánh giá dự báo hai pha (có/không) .................................... 83
4.2.3. Phương pháp đánh giá dự báo nhiều pha ................................................... 84

4.2.4. Phương pháp đánh giá mô phỏng/dự báo các biến liên tục ....................... 85
4.3. Kết quả đánh giá trường nhiệt độ

86

4.4. Kết quả đánh giá trường lượng mưa

89

4.5. Đánh giá chung

95

4.6. Thử nghiệm ứng dụng RegCM3 dự báo hạn mùa ở Việt Nam

96

Kết luận và kiến nghị...............................................................................................104
TÀI LIỆU THAM KHẢO .......................................................................................108

2


Danh mục các ký hiệu và chữ viết tắt
AS74

Giả thiết khép kín mô hình mây của Arakawa – Schubert (1974)

CAM

Community Atmosphere Model

CCAM

Conformal – Cubic Atmospheric GCM – của CSIRO, Úc

CCM

Community Climate Model

CCSM

Community Climate System Model, của NCAR

CMAP

Climate modelled and analysis precipitation -

CRU

Center Research of Units – Trung tâm nghiên cứu đo lường.

CSIRO

Common wealth Scientific and Industrial Research Organisation

DARLAM

Division of Atmospheric Research

ĐNA

Đông Nam Á

ECHAM4

Mô hình khí hậu toàn cầu của Viện Max Planck (Đức)

ECMWF

European Center for Medium Range Weather Forecasts - Trung tâm
dự báo thời tiết hạn vừa Châu Âu.

ENSO

El Nino-Southern Oscillation – El Nino và dao động Nam

EOF

Empirical Orthogonal Function – Hàm trực giao kinh nghiệm

ERA40

Số liệu tái phân tích 40 năm của ECMWF

FC80

Giả thiết khép kín mô hình mây của Fritsch - Chappel (1980)

GCM

Global Climate Model – Mô hình khí hậu toàn cầu hoặc Mô hình
hoàn lưu chung khí quyển

MM5

Mesoscale Model 5 – Mô hình quy mô vừa thế hệ thứ 5

NCAR

National Center for Atmospheric Research (USA) – Trung tâm quốc
gia nghiên cứu khí quyển (Mỹ).

NCEP

National Center for Environmental Prediction – Trung tâm Quốc gia
về Dự báo Môi trường (Mỹ)

NOAA

National Oceanographical and Atmospheric Administration – Cơ

3


quan quản lý Khí quyển – Đại dương (Mỹ)
RCM

Regional Climate Model – Mô hình khí hậu khu vực

RegCM

Regional Climate Model – Mô hình khí hậu khu vực của NCAR

RegCM3

RegCM phiên bản thứ 3

Reg+Eman

RegCM3 + sơ đồ tham số hóa đối lưu MIT−Emanuel

Reg+GAS

RegCM3 + sơ đồ tham số hóa đối lưu Grell (AS74)

Reg+GFC

RegCM3 + sơ đồ tham số hóa đối lưu Grell (FC80)

Reg+Kuo

RegCM3 + sơ đồ tham số hóa đối lưu Kuo

Reg+BATS

RegCM3 + sơ đồ tham số hóa đối lưu Grell (AS74) + sơ đồ thông
lượng đại dương BATS

Reg+Zeng

RegCM3 + sơ đồ tham số hóa đối lưu Grell (AS74) + sơ đồ thông
lượng đại dương Zeng

REMO

(The REgional MOdel) - Mô hình khí hậu khu vực của Viện Khí
tượng Max Planck (Cộng hòa Liên bang Đức)

SST

Sea surface temperature - nhiệt độ nước biển bề mặt

và CS.

và cộng sự

4


Danh mục hình ảnh
Hình 1.1: Dự báo hiện tượng ENSO bằng (a) các mô hình thống kê và (b) các mô hình
động lực từ 8/2005 đến 5/2007 (Nguồn: Viện nghiên cứu Quốc tế, Hoa Kỳ) ......16
Hình 1.2: Sai số hệ thống của nhiệt độ mặt đất (oC) và giáng thủy (%) của các thử
nghiệm sử dụng mô hình AOGCM của CSIRO Mk2, CCSR/NIES,
ECHAM/OPYC, CGCM1 (tổ hợp 3 thành phần) và HadCM2 (tổ hợp 4 thành
phần) giai đoạn 1961-1990. (Nguồn: Giorgi và Francisco, 2000). .....................20
Hình 1.3: Dòng chảy mùa hè ở Thụy Điển, (a) tính toán từ mô hình thủy văn, sử dụng
quan trắc mưa và dòng chảy tại trạm (Raab và Vedin, 1995); (b) mô phỏng của
GCM; (c) mô phỏng của RCM độ phân giải 55km; (d) mô phỏng của RCM độ

phân giải 18km. Đơn vị dòng chảy mặt là mm. (Nguồn: Christensen và CS.,
1998). ....................................................................................................................24
Hình 1.4: Các đặc trưng tương đối của pha chuyển tiếp giữa thụ động và hoạt động
của gió mùa Ấn Độ được mô phỏng bởi (a) GCM và (b) RCM. Mỗi trường là
hiệu giáng thủy giữa pha hoạt động và pha thụ động chia cho giáng thủy trung
bình và dị thường gió mực 850mb (pha thụ động trừ đi pha hoạt động, đơn vị là
m/s). Các khu vực đóng khung là nơi quan trắc < -50% (Trung tâm Ấn Độ) và >
+50% (Tamil Nadu và đông bắc Ấn Độ) tương ứng với số liệu của Hamilton
(1977). (Nguồn: Hassel và Jones, 1999). .............................................................25
Hình 2.1: Cấu trúc lưới thẳng đứng (bên trái) và lưới ngang dạng xen kẽ Arakawa−B
(bên phải) của mô hình RegCM3..........................................................................39
Hình 2.2: Sơ đồ minh họa phương pháp lồng RCM vào GCM .....................................43
Hình 3.1: Nhiệt độ 2m (độ C) theo CRU (a), Lượng mưa tháng (mm/tháng) theo
CMAP (b) trung bình mùa đông của 3 năm từ 1996-1998...................................58
Hình 3.2: Nhiệt độ 2m (độ C) theo CRU (a), Lượng mưa tháng (mm/tháng) theo
CMAP (b) trung bình mùa hè của 3 năm từ 1996-1998 .......................................58
Hình 3.3: Trường độ ẩm tương đối (%) và đường dòng mực 1000mb trung bình tháng
01/1996 của (a) ERA40, (b) NNRP1 và (c) NNRP2 .............................................63
Hình 3.4: Trường độ ẩm tương đối (%) và đường dòng mực 1000mb trung bình tháng
07/1996 của (a) ERA40, (b) NNRP1 và (c) NNRP2 .............................................63
5


Hình 3.5: Trường nhiệt độ T2m (độ C) (a) và lượng mưa (mm/tháng) (b) trung bình
các tháng mùa đông mô phỏng bởi Reg+ERA40 .................................................64
Hình 3.6: Trường nhiệt độ T2m (độ C) (a) và lượng mưa (mm/tháng) (b) trung bình
các tháng mùa hè mô phỏng bởi Reg+ERA40......................................................64
Hình 3.7: Trường nhiệt độ T2m (độ C) (a) và lượng mưa (mm/tháng) (b) trung bình
các tháng mùa đông mô phỏng bởi Reg+NNRP1 ................................................65
Hình 3.8: Trường nhiệt độ T2m (độ C) (a) và lượng mưa (mm/tháng) (b) trung bình

các tháng mùa hè mô phỏng bởi Reg+NNRP1.....................................................65
Hình 3.9: Trường nhiệt độ T2m (độ C) (a) và lượng mưa (mm/tháng) (b) trung bình
các tháng mùa đông mô phỏng bởi Reg+NNRP2 ................................................66
Hình 3.10: Trường nhiệt độ T2m (độ C) (a) và lượng mưa (mm/tháng) (b) trung bình
các tháng mùa hè mô phỏng bởi Reg+NNRP2.....................................................66
Hình 3.11: Tổng lượng mưa tháng trung bình mùa đông (mm/tháng) mô phỏng theo
(a) Reg+SST1 và (b) Reg+SST2 ...........................................................................68
Hình 3.12: Tổng lượng mưa tháng trung bình mùa hè (mm/tháng) mô phỏng theo (a)
Reg+SST1 và (b) Reg+SST2.................................................................................68
Hình 3.13: Lượng bốc hơi (mm/ngày) từ đại dương vào khí quyển trung bình 6-8/1996
tính theo Reg+BATS (a) và Reg+Zeng (b) ...........................................................70
Hình 3.14: Dòng hiển nhiệt (W/m2) từ đại dương vào khí quyển trung bình 6-8/1996
tính theo Reg+BATS (a) và Reg+Zeng (b) ...........................................................70
Hình 3.15: Nhiệt độ 2m (độ C) (trái) và lượng mưa (mm) (phải) tháng 8/1996 tính theo
Reg+BATS (trên) và Reg+Zeng (dưới) ................................................................71
Hình 3.16: Trường nhiệt độ T2m (độ C) (a) và lượng mưa (mm/tháng) (b) trung bình
các tháng mùa đông mô phỏng bởi Reg+Kuo. .....................................................74
Hình 3.17: Trường nhiệt độ T2m (độ C) (a) và lượng mưa (mm/tháng) (b) trung bình
các tháng mùa hè mô phỏng bởi Reg+Kuo. .........................................................74
Hình 3.18: Trường nhiệt độ T2m (độ C) (a) và lượng mưa (mm/tháng) (b) trung bình
các tháng mùa đông mô phỏng bởi Reg+Eman ...................................................75
Hình 3.19: Trường nhiệt độ T2m (độ C) (a) và lượng mưa (mm/tháng) (b) trung bình
các tháng hè đông mô phỏng bởi Reg+Eman ......................................................76

6


Hình 3.20: Trường nhiệt độ T2m (độ C) (a) và lượng mưa (mm/tháng) (b) trung bình
các tháng mùa đông mô phỏng bởi Reg+GAS .....................................................76
Hình 3.21: Trường nhiệt độ T2m (độ C) (a) và lượng mưa (mm/tháng) (b) trung bình

các tháng mùa hè mô phỏng bởi Reg+GAS..........................................................76
Hình 3.22: Trường nhiệt độ T2m (độ C) (a) và lượng mưa (mm/tháng) (b) trung bình
các tháng mùa đông mô phỏng bởi Reg+GFC.....................................................77
Hình 3.23: Trường nhiệt độ T2m (độ C) (a) và lượng mưa (mm/tháng) (b) trung bình
các tháng mùa hè mô phỏng bởi Reg+GFC.........................................................77
Hình 4.1: Đồ thị tụ điểm của nhiệt độ (độ C) mô phỏng và quan trắc trong cả 3 năm
1996-1998 của (a) Reg+Eman, (b) Reg+GAS, (c) Reg+GFC và (d) Reg+Kuo..87
Hình 4.2: Phân bố tần suất các khoảng giá trị của nhiệt độ trung bình tháng quan trắc
và mô phỏng theo Reg+Eman, Reg+GAS, Reg+GFC, Reg+Kuo........................87
Hình 4.3: Biến trình qua các năm 1996-1998 của nhiệt độ trung bình tháng (độ C) trên
toàn lãnh thổ Việt Nam theo số liệu quan trắc tại trạm và theo mô phỏng của
RegCM3 ................................................................................................................88
Hình 4.4: Sai số ME của nhiệt độ trung bình tháng (độ C) của (a) Reg+Kuo, (b)
Reg+Eman, (c) Reg+GAS và (d) Reg+GFC so với quan trắc trong 3 năm 19961998 ......................................................................................................................89
Hình 4.5: Sai số MAE của nhiệt độ trung bình tháng (độ C) của (a) Reg+Kuo, (b)
Reg+Eman, (c) Reg+GAS và (d) Reg+GFC so với quan trắc trong 3 năm 19961998 ......................................................................................................................89
Hình 4.6: Đồ thị tụ điểm của lượng mưa (mm/tháng) mô phỏng và quan trắc trong cả
3 năm 1996-1998 của (a) Reg+Eman, (b) Reg+GAS, (c) Reg+GFC và (d)
Reg+Kuo...............................................................................................................90
Hình 4.7: Phân bố tần suất các khoảng giá trị của lượng mưa tháng quan trắc và mô
phỏng theo Reg+Eman, Reg+GAS, Reg+GFC, Reg+Kuo ..................................91
Hình 4.8: Biến trình qua các năm 1996-1998 của lượng mưa tháng (mm/tháng) trên
lãnh thổ Việt Nam theo số liệu quan trắc tại trạm và theo mô phỏng của RegCM3
..............................................................................................................................91
Hình 4.9: Các chỉ số đánh giá thống kê lượng mưa tháng các năm 1996-1998...........94

7


Hình 4.10: Trường vector gió và độ cao địa thế vị mực 1008.43mb trung bình các

tháng 6,7,8 (trái sang phải) của CAM (trên) và ERA40 (dưới) ...........................97
Hình 4.11: Trường vector gió và độ cao địa thế vị mực 830.23mb trung bình các tháng
6,7,8 (trái sang phải) của CAM (trên) và ERA40 (dưới)......................................98
Hình 4.12: Trường nhiệt độ không khí trung bình mực 2m các tháng 6,7,8/1996 (trái
sang phải) theo số liệu CRU.................................................................................99
Hình 4.13: Trường nhiệt độ không khí trung bình mực 2m các tháng 6,7,8/1996 (trên
xuống dưới) mô phỏng của RegCM3 theo số liệu của CAM (trái), ERA40 (giữa)
và hiệu giữa chúng (phải).....................................................................................99
Hình 4.14: Trường tổng lượng mưa các tháng 6,7,8/1996 (trái sang phải) theo số liệu
CMAP..................................................................................................................100
Hình 4.15:Trường tổng lượng mưa các tháng 6,7,8/1996 (trên xuống dưới) mô phỏng
của RegCM3 theo số liệu của CAM (trái), ERA40 (giữa) và hiệu giữa chúng
(phải)...................................................................................................................101
Hình 4.16: Nhiệt độ trung bình tháng theo số liệu quan trắc (chấm xanh) và số liệu mô
phỏng của RegCM−CAM (chấm đỏ) ..................................................................102
Hình 4.17: Tổng lượng mưa tháng theo số liệu quan trắc (các cột) và số liệu mô phỏng
của RegCM−CAM (chấm xanh)..........................................................................103

8


Danh mục bảng biểu
Bảng 1.1 : Các mô hình khí hậu khu vực nhận điều kiện ban đầu và điều kiện biên từ
số liệu tái phân tích. (Nguồn: Dự án Đánh giá các mô hình khí hậu khu vực,
Giorgi và Hewitson) .............................................................................................21
Bảng 1.2: Các mô hình khí hậu khu vực nhận điều kiện ban đầu và điều kiện biên từ
các dự báo của GCM. (Nguồn: Dự án Đánh giá các mô hình khí hậu khu vực,
Giorgi và Hewitson) .............................................................................................22
Bảng 3.1: Ký hiệu các thí nghiệm số với các nguồn số liệu đầu vào khác nhau. .........62
Bảng 3.2: Ký hiệu các thí nghiệm độ nhạy của RegCM đối với SST ............................67

Bảng 3.3: Các sơ đồ vật lý biểu diễn trong RegCM3....................................................69
Bảng 3.4: Các thí nghiệm độ nhạy với sơ đồ tính dòng trao đổi đại dương – khí quyển
..............................................................................................................................70
Bảng 4.1: Bảng ngẫu nhiên đối với dự báo hai pha (Dự báo hiện tượng)....................83
Bảng 4.2: Các chỉ số đánh giá dự báo hai pha .............................................................84
Bảng 4.3: Bảng ngẫu nhiên đối với dự báo nhiều pha..................................................85
Bảng 4.4: Bảng các chỉ số đánh giá dự báo đa nhóm...................................................85
Bảng 4.5: Bảng các chỉ số đánh giá dự báo biến liên tục.............................................86
Bảng 4.6: Các chỉ số đánh giá chung đối với nhiệt độ và lượng mưa mô phỏng của
RegCM theo các thí nghiệm..................................................................................96
Bảng 4.7: Một số đặc trưng thống kê đánh giá dự báo cho khu vực Việt Nam ..........103

9


Mở đầu
Trong những năm gần đây, điều kiện thời tiết và khí hậu có chiều hướng diễn
biến ngày càng phức tạp. Những biến đổi bất thường của thời tiết, khí hậu, như hạn
hán, bão, mưa lớn,… đã gây không ít khó khăn, thậm chí thiệt hại lớn, cho sản xuất,
kinh doanh trong nhiều lĩnh vực hoạt động kinh tế − xã hội. Mặt khác, những biến
động thất thường của khí hậu, thời tiết đã làm cho công tác dự báo gặp nhiều khó
khăn. Việc thiếu các thông tin dự báo thời tiết, khí hậu hạn dài là một trở ngại lớn cho
các nhà hoạch định chính sách, các nhà quản lý trong việc đề xuất, qui hoạch, xây
dựng các kế hoạch phát triển kinh tế − xã hội ở cấp quốc gia và địa phương, làm cho
các nhà lãnh đạo và cả những người dân ở các địa phương phải đối phó một cách thụ
động với thiên nhiên. Điều đó thực sự đã tác động rất lớn tới đời sống kinh tế, xã hội
của đất nước.
Có nhiều nguyên nhân dẫn đến sự biến đổi bất thường của điều kiện thời tiết,
khí hậu mà một trong số đó có thể là tác động của biến đổi khí hậu và sự nóng lên toàn
cầu. Ở qui mô hành tinh, tác động này thể hiện rõ ở xu thế tăng của nhiệt độ bề mặt

Trái đất, hiện tượng biến mất dần các lớp phủ băng ở hai cực Trái đất, trên các đỉnh
núi cao, dẫn đến hiện tượng nước biển dâng và “biển tiến”. Ở qui mô khu vực, biến đổi
khí hậu đã tác động mạnh mẽ đến các thiên tai hiện hữu, với tính chất biến động mạnh
hơn, cực đoan hơn, dị thường hơn, cả về tần suất và cường độ. Chính vì vậy, người ta
ngày càng quan tâm hơn đến việc nâng cao độ chính xác của các bản tin dự báo thời
tiết và khí hậu.
Dự báo thời tiết có thể cho biết những gì sẽ xảy ra trong tương lai gần của điều
kiện khí quyển với thời hạn khoảng một vài ngày đến một tuần, cùng lắm đến hai tuần.
Trong khi đó dự báo khí hậu có thể cho biết trạng thái trung bình của thời tiết với
thời hạn dài hơn rất nhiều. Thông thường khái niệm dự báo khí hậu được phân biệt
thành dự báo mùa hay dự báo hạn mùa (Seasonal forecasting), trong đó hạn dự báo có
thể là 1, 2, 3, 6, 9 hoặc 12 tháng, và dự tính khí hậu (Climate projection), trong đó điều
kiện khí hậu tương lai được xác định trên cơ sở các kịch bản biến đổi khí hậu.
Đối với bài toán dự báo thời tiết, cho đến nay nhờ sự phát triển mạnh mẽ của
toán học, công nghệ thông tin và kỹ thuật máy tính, người ta đã có thể dự báo được
những hiện tượng qui mô nhỏ bằng các mô hình số với độ chính xác khá cao, đặc biệt
là ở các nước phát triển như Hoa Kỳ, Anh, Đức, Pháp, Nhật,…

10


Đối với bài toán dự báo khí hậu, phương pháp thống kê là một công cụ được
ứng dụng khá phổ biến. Trước khi các mô hình khí hậu khu vực được ứng dụng rộng
rãi, phương pháp thống kê đã được sử dụng để xây dựng các mô hình dự báo mùa, dự
báo sự hoạt động của xoáy thuận nhiệt đới,… Với cách tiếp cận “cổ điển”, các mô
hình dự báo này được xây dựng dựa trên nguyên tắc sử dụng các biến khí quyển, đại
dương (chủ yếu là nhiệt độ bề mặt biển − SST) làm các nhân tố dự báo. Các nhân tố
thường được chọn nhất là các chỉ số ENSO, MEI (Multivariate ENSO Index), hoặc các
trường tái phân tích toàn cầu. Trong những năm gần đây để tăng tính độc lập giữa các
nhân tố dự báo người ta đã sử dụng kỹ thuật phân tích trực giao (EOF) tạo ra các biến

thứ sinh. Tuy nhiên, do bản chất của phương pháp, các mô hình thống kê “cổ điển” đã
bộc lộ những nhược điểm vốn có của nó. Đó là chúng chỉ có thể nắm bắt được những
hiện tượng mang tính qui luật. Nói cách khác, các mô hình thống kê sẽ cho sai số lớn
khi đối tượng được dự báo xảy ra có tính đột biến. Một cách tiếp cận khác hiện đang
được ứng dụng rộng rãi là kỹ thuật “hạ thấp qui mô” thống kê (statistical
downscaling), trong đó các biến đầu vào của mô hình thống kê là các trường dự báo
toàn cầu của mô hình động lực. Đây là cách tiếp cận “rẻ tiền” nhất, phù hợp với các
nước nghèo mà điều kiện trang thiết bị tính toán hạn chế, và trong nhiều trường hợp nó
cũng đã mang lại hiệu quả đáng kể. Với cách tiếp cận này, các trường khí hậu toàn cầu
dự báo, nhận được từ các trung tâm lớn trên thế giới, sẽ được nội suy về các vùng, địa
phương có qui mô nhỏ hơn nhờ kỹ thuật thống kê. Nhược điểm chính của phương
pháp này nằm ở chỗ đầu vào của các mô hình thống kê là sản phNm dự báo của các mô
hình toàn cầu, do đó phụ thuộc vào độ chính xác của các mô hình này. Hơn nữa, do độ
phân giải của các mô hình toàn cầu hiện nay nói chung còn khá thô (khoảng vài trăm
km), nhiều đặc tính địa phương bị làm trơn (độ cao địa hình, lớp phủ bề mặt, tính chất
đất,…) trong khi chúng là những nhân tố chi phối mạnh mẽ điều kiện khí hậu địa
phương và khu vực, nên hiệu quả của việc nội suy từ lưới mô hình về các vùng có qui
mô nhỏ bằng phương pháp thống kê nói chung không cao, và dù sao vẫn mang tính
quán tính lớn.
Trong khi hướng tiếp cận thống kê vẫn tiếp tục những nỗ lực tìm kiếm giải
pháp cải tiến, các mô hình khí hậu khu vực đã bắt đầu được phát triển từ cuối những
năm 1980 của thế kỷ 20. Ý tưởng hình thành những mô hình này bắt nguồn từ việc cải
tiến các mô hình dự báo thời tiết qui mô vừa cho mục đích mô phỏng các trường khí
hậu quá khứ, trong đó mô hình khu vực được “lồng” (nest) vào một mô hình toàn cầu
nào đó. Kết quả là đã có nhiều công trình đăng tải trên các tạp chí khoa học công bố về
khả năng mô phỏng, tái tạo lại các trường khí hậu quá khứ của các mô hình khu vực.

11

Cũng với phương thức đó, việc ứng dụng các mô hình khí hậu khu vực vào dự
báo/dự tính khí hậu tương lai (chúng tôi muốn nhấn mạnh sự khác nhau về tính chất và
mức độ của hai thuật ngữ dự báo − forecast/prediction và dự tính − projection) được
thực hiện bằng cách tích phân mô hình với các trường ban đầu và điều kiện biên phụ
thuộc thời gian là sản phNm của các mô hình toàn cầu. Với khả năng hiện tại, người ta
chỉ mới chạy mô hình khí hậu khu vực cho mục đích dự báo tối đa đến 1 năm, thông
thường là 3−6 tháng. Trong số các mô hình khí hậu toàn cầu dự báo hạn mùa (seasonal
forecasting) đáng chú ý là mô hình CFS (The N CEP Climate Forecast System) (Saha
S. và CS., 2006). Đây là hệ thống mô hình kết hợp đầy đủ (full couple) đồng thời giữa
mô hình khí quyển và mô hình đại dương, mới được đưa vào chạy nghiệp vụ từ tháng
8 năm 2004 tại N CEP (N ational Centers for Environmental Prediction). Hiện tại, hạn
dự báo của CFS là 9 tháng. Một số hệ thống mô hình khí hậu toàn cầu khác hiện nay
cũng đang được ứng dụng trong cả dự báo hạn mùa và mô phỏng khí hậu tương lai
(nghiên cứu biến đổi khí hậu) là CCSM (Community Climate Model System),
ECHAM,... Mô hình CCSM là một hệ thống kết hợp (couple) bốn mô hình thành phần
là khí quyển (ATM), bề mặt đất (LN D), đại dương (OCN ) và băng biển (ICE), được
cung cấp miễn phí cho cộng đồng các nhà nghiên cứu. Còn mô hình ECHAM cũng
được cung cấp miễn phí nhưng phải có cam kết. Kết quả của các mô hình này sẽ được
dùng làm đầu vào cho các mô hình khu vực. Đặc biệt, với phiên bản CCSM miễn phí,
nhiều công trình nghiên cứu đã chú trọng phát triển các mô hình khí hậu khu vực sử
dụng sản phNm của nó cho mục đích dự báo và mô phỏng khí hậu tương lai, trong đó
CWRF là một ví dụ.
Ở Việt N am, việc nghiên cứu tiếp thu và ứng dụng các mô hình số dự báo thời
tiết thực sự mới bắt đầu từ năm 2000 (mô hình HRM) và đến năm 2002 mới được đưa
vào ứng dụng nghiệp vụ ở Trung tâm Dự báo Khí tượng Thủy văn Trung ương. Hiện
nay các mô hình số dự báo thời tiết đã được ứng dụng rộng rãi hơn ở một số Đài Khí
tượng Thủy văn khu vực.
Tuy nhiên, do nhiều điều kiện khác nhau, bài toán dự báo khí hậu hiện chỉ mới
dừng lại trong phạm vi các mô hình thống kê “cổ điển”. N hư đã biết, hạn chế của các
mô hình thống kê loại này là phụ thuộc vào độ dài và chất lượng của tập số liệu sử

dụng. Để có thể nâng cao chất lượng dự báo, bên cạnh các mô hình thống kê cần phải
nghiên cứu ứng dụng các mô hình số công nghệ cao.
Được sự hỗ trợ kinh phí từ phía Đại học Quốc gia Hà N ội (ĐHQG HN ), sự ủng
hộ và giúp đỡ nhiệt tình về nhiều mặt của Ban Khoa học và Công nghệ, của Hội đồng
Khoa học Trái đất, ĐHQG HN , cũng như các cấp quản lý, các đồng nghiệp thuộc
12


trường Đại học Khoa học Tự nhiên (ĐHKHTN ), đề tài “N ghiên cứu ứng dụng mô hình
khí hậu khu vực mô phỏng/dự báo mùa các trường khí hậu bề mặt phục vụ qui hoạch
phát triển và phòng tránh thiên tai” được mở ra và thực hiện như là sự nối tiếp các đề
tài trước của chúng tôi trong các giai đoạn 2002−2003 và 2004−2005. N ội dung chính
mà đề tài cần giải quyết là nghiên cứu khả năng mô phỏng hạn mùa các trường khí hậu
bề mặt bằng mô hình khí hậu khu vực RegCM, nhằm hướng tới mục đích xa hơn là
ứng dụng các mô hình này vào nghiệp vụ dự báo khí hậu hạn mùa, phục vụ qui hoạch
phát triển và phòng tránh thiên tai, một vấn đề mang tính thời sự ở nước ta hiện nay.
Về mặt khoa học và thực tiễn, việc triển khai thực hiện đề tài này sẽ góp phần
làm sáng tỏ nhiều khía cạnh quan trọng trong nghiên cứu mô hình hóa khí hậu khu
vực; sự thành công của đề tài sẽ mở ra một hướng nghiên cứu ứng dụng trong lĩnh vực
dự báo khí hậu và nghiên cứu biến đổi khí hậu bằng mô hình số ở Việt N am. N goài ra,
đề tài còn góp phần nâng cao trình độ cho đội ngũ cán bộ khoa học, đặc biệt là các cán
bộ trẻ ở Việt N am, mà trước hết là các cán bộ hiện đang công tác tại Trường
ĐHKHTN . Việc triển khai đề tài còn góp phần nâng cao chất lượng đào tạo, nhất là
đào tạo sau đại học, của ĐHQG HN .
Trong quá trình thực hiện đề tài, chúng tôi đã nhận được sự giúp đỡ nhiệt tình
và tạo mọi điều kiện thuận lợi của Ban Khoa học, Phòng Tài vụ, ĐHQG HN , của
Phòng Khoa học và Công nghệ, Trường ĐHKHTN cũng như Ban Chủ nhiệm khoa và
các đồng nghiệp thuộc Khoa Khí tượng Thủy văn và Hải dương học. N hân đây, tập thể
cán bộ tham gia đề tài xin được bày tỏ lòng biết ơn sâu sắc.

13


Ch−¬ng 1 : Tổng quan
1.1. Sơ lược về các mô hình khí hậu
Mô phỏng và dự báo khí hậu có thể được thực hiện bằng cách kết hợp các
nguyên lý của vật lý học, hóa học và sinh học vào trong một mô hình toán học mô tả
khí hậu. Theo mức độ phức tạp, có thể sắp xếp các mô hình khí hậu theo thứ tự từ
những mô hình cân bằng năng lượng đơn giản đến mô hình rất phức tạp, đòi hỏi phải
có các máy tính lớn, tốc độ tính toán nhanh và những kỹ thuật tính toán phức tạp. Hiện
nay các mô hình khí hậu thường được ký hiệu ngắn gọn là GCM. N guyên gốc GCM
được cấu tạo từ thuật ngữ mô hình hoàn lưu chung khí quyển (General Circulation
Model). Tuy nhiên, hiện nay GCM được dùng để ký hiệu loại mô hình khí hậu tinh
xảo nhất, trong đó hoàn lưu chỉ là một trong những thành phần cốt yếu, nên dường như
nó được thay đổi một cách hợp lý nguồn gốc cấu tạo là mô hình khí hậu toàn cầu
(Global Climate Model).
GCM hiện đại có nguồn gốc từ các mô hình toán học được phát triển trước hết
để dự báo các hình thế thời tiết hạn vài ngày. N ăm 1922, Richardson L. F. là người
đầu tiên đã đưa ra ý tưởng rằng thời tiết trong tương lai có thể dự báo bằng việc tích
phân số các phương trình chuyển động của chất lỏng khi sử dụng thời tiết hiện tại như
là điều kiện ban đầu. Ông đã cố gắng tính toán dự báo thời tiết bằng tay khi ông đang
là một lái xe cứu thương ở Pháp trong chiến tranh Thế giới thứ I. Kết quả dự báo sai
quá mức, bởi vì những điều kiện ban đầu của ông có chứa thành phần hội tụ gió giả tạo
lớn. Dự báo số trị thành công đầu tiên sử dụng các phương trình đã được đơn giản hóa
rất nhiều so với những phương trình của Richardson, và đối với các phương trình này
nghiệm của chúng ít nhạy cảm với những điều kiện ban đầu.
Dự báo thời tiết bằng phương pháp số được đề xuất như là một khả năng sử
dụng của máy tính điện tử được John von N eumann phát triển vào cuối những năm
1940. Thành công đầu tiên của dự báo số thời tiết sử dụng máy tính điện tử là ở Viện
nghiên cứu nâng cao Princeton, N ew Jersey, bởi một nhóm do Jule Charney lãnh đạo.

Mô hình này chỉ có một lớp khí quyển và chỉ mô tả vùng lục địa nước Mỹ. Thí nghiệm
số đầu tiên có tính đến bức xạ và sự tiêu tán đã được xây dựng khi sử dụng một mô
hình đơn giản hai mực theo chiều thẳng đứng. Sau đó để mô phỏng chi tiết hơn hoàn
lưu chung khí quyển, người ta đã đưa vào các phương trình chuyển động chính xác
hơn, tăng độ phân giải không gian ngang và đứng, và các quá trình vật lý điều khiển
hoàn lưu chung khí quyển, như bức xạ, sự giải phóng Nn nhiệt, và tiêu tán do ma sát
14


được mô tả sát thực hơn. Chất lượng của những mô phỏng nhận được bằng các mô
hình khí quyển đã dần dần được cải thiện nhờ nghiên cứu thực nghiệm chuyên sâu liên
quan đến việc cung cấp thông tin dự báo thời tiết thực tế. Cùng với sự nỗ lực để tăng
chất lượng dự báo thời tiết là sự cố gắng lớn trong việc thu thập số liệu quan trắc thời
tiết tại bề mặt và tại các mực khí quyển trên cao. N hững quan trắc này có thể dùng để
mô tả trạng thái khí quyển dùng cho việc điều chỉnh những dự báo ban đầu.
Theo thời gian, cùng với sự phát triển mạnh mẽ của khoa học kỹ thuật, đặc biệt
là ngành công nghệ thông tin, điện tử viễn thông và khoa học máy tính, các nguồn số
liệu quan trắc ngày càng phong phú, đa dạng, khả năng tính toán ngày càng tăng lên,
mức độ phức tạp và hoàn thiện của các GCM cũng ngày càng tăng. N gày nay, các
GCM đã và đang được ứng dụng rộng rãi trong nghiên cứu mô phỏng khí hậu quá khứ
và hiện tại, dự báo khí hậu hạn mùa và dự tính khí hậu cho tương lai xa hơn, cỡ hàng
thập kỷ đến thế kỷ.
Về bài toán dự báo khí hậu, trên thế giới đã có nhiều cơ sở xây dựng và phát
triển các mô hình dự báo, cả các mô hình thống kê và mô hình động lực. Phương pháp
thống kê đã được sử dụng để dự báo khí hậu từ rất lâu. N gày nay, nó đã được coi là
một phương pháp cổ điển nhưng vẫn còn được sử dụng tại nhiều quốc gia, từ các nước
phát triển đến các nước đang phát triển do ưu điểm đơn giản. Phương pháp này không
đòi hỏi máy tính có cấu hình cao, không mất nhiều thời gian chạy, không cần biểu diễn
các quá trình vật lý phức tạp,… Để thực hiện dự báo chỉ cần chuNn bị và xử lý số liệu,
chọn các nhân tố và yếu tố dự báo thích hợp, sau đó lựa chọn một trong các phương

pháp thống kê truyền thống như hồi quy, quán tính (persistence), phân tích tương quan
Canon,… xây dựng mối quan hệ hàm giữa nhân tố và yếu tố dự báo. N hược điểm cơ
bản của phương pháp này là đòi hỏi bộ số liệu dài năm và chính xác. N goài ra, sai số
của phương pháp này sẽ tăng lên khi khí hậu không còn biến đổi theo quy luật chu kỳ
như các năm trước trong lịch sử.
Trên Hình 1.1 dẫn ra kết quả dự báo EN SO thông qua dị thường nhiệt độ mặt
nước biển dự báo trên khu vực N ino 3-4 từ tháng 8/2005 đến tháng 5/2007 bằng (a)
các mô hình thống kê và (b) các mô hình động lực (các mô hình khí hậu toàn cầu của
Viện nghiên cứu Quốc tế − IRI, Hoa Kỳ). Đường màu đen đậm với các nút tròn là
quan trắc thực tế. So sánh các kết quả dự báo với quan trắc, khó có thể nói các mô hình
động lực có kỹ năng tốt hơn các mô hình thống kê. N ếu chọn được các nhân tố dự báo
có tương quan tốt với các yếu tố dự báo, một mô hình thống kê thậm chí còn cho kết
quả vượt trội hơn một mô hình khí hậu toàn cầu với độ phân giải không đủ mịn để biểu
diễn các quá trình địa phương. Mặc dù vậy, như đã đề cập ở trên, do nhược điểm của
15


phương pháp thống kê là đòi hỏi bộ số liệu dài năm và chính xác, hơn nữa do điều kiện
khí hậu đang có xu hướng biến đổi ngày càng phức tạp, hiện nay người ta đang thiên
về việc xây dựng, phát triển và ứng dụng các mô hình động lực. Phương pháp thống kê
được xem là một trong những công cụ đắc lực và hiệu quả để tạo ra sản phNm dự báo
từ các kết quả tính toán của các mô hình động lực theo hướng dự báo tổ hợp
(Ensemble), hạ thấp qui mô (Downscaling) hoặc thống kê trên sản phNm mô hình
(Model Output Statistics − MOS).

(a) Các mô hình thống kê
(b) Các mô hình động lực
Hình 1.1: Dự báo hiện tượng ENSO bằng (a) các mô hình thống kê và (b) các mô
hình động lực từ 8/2005 đến 5/2007 (Nguồn: Viện nghiên cứu Quốc tế, Hoa Kỳ)
Trong hướng nghiên cứu mô phỏng khí hậu bằng mô hình số, Các mô hình

hoàn lưu chung khí quyển − đại dương (AOGCM) và các mô hình khí hậu khu vực
(RCM) là công cụ chủ yếu được sử dụng để hiểu và xác định sự biến động khí hậu
trong quá khứ, và để dự báo/dự tính cho tương lai.
Các mô hình AOGCM đã không ngừng được phát triển và hoàn thiện thông qua
việc tăng độ phân giải không gian cũng như cải tiến các modul động lực học và các sơ
đồ tham số hóa (chẳng hạn, băng biển, lớp biên khí quyển, lớp xáo trộn đại dương).
N hiều quá trình rất quan trọng đã được đưa vào trong các mô hình, bao gồm những
quá trình ảnh hưởng đến các nhân tố tác động (forcing) (ví dụ aerosol bây giờ đã được
mô hình hóa trong mối tương tác với các quá trình khác trong nhiều mô hình). Hầu hết
các mô hình bây giờ duy trì trạng thái ổn định khí hậu không cần sử dụng việc hiệu
chỉnh các dòng, mặc dù một vài xu thế dài năm vẫn còn giữ lại trong các phiên bản
kiểm chứng (control integration) của AOGCM, chẳng hạn các quá trình chậm trong
đại dương.
Bên cạnh đó, các mô hình khí hậu khu vực (Regional Climate Models − RCMs)
cũng ngày càng được chú trọng. RCMs được phát triển dựa trên nguyên tắc lồng (nest)
16


vào các mô hình toàn cầu. N ói cách khác, các mô hình này sử dụng sản phNm của mô
hình toàn cầu làm điều kiện ban đầu và điều kiện biên phụ thuộc thời gian để mô
phỏng/dự báo khí hậu cho những khu vực nhỏ hơn. Ưu điểm của các mô hình này là
độ phân giải của chúng cao hơn và có thể mô tả được các quá trình qui mô nhỏ hơn,
chi tiết hơn mà các mô hình toàn cầu không nắm bắt được. Trong số các mô hình này
có RegCM, REMO, DARLAM, CCAM, MM5,…
1.2. Các mô hình khí hậu toàn cầu (GCM)
Khởi đầu của mô hình khí hậu là mô hình hoàn lưu chung khí quyển (General
Circulation Model − GCM) đơn giản được Philip xây dựng lần đầu tiên vào năm 1956.
Sau đó, các mô hình GCM bắt đầu được nghiên cứu rộng rãi ở nhiều cơ sở khác nhau
của Hoa Kỳ, Châu Âu, Australia và nhiều nơi khác. Từ những năm 1970, các mô hình
GCM đã thu hút sự quan tâm đặc biệt của các nhà khí tượng, khí hậu học. Đánh dấu

cho sự phát triển mô hình khí hậu là sự hình thành nhóm nghiên cứu biến đổi khí hậu
của Tổ chức liên chính phủ về biến đổi khí hậu (The Intergovernmental Panel on
Climate Change − IPCC) vào những năm 1980. N hận thức được mối liên hệ giữa sự
nóng lên của khí hậu Trái đất và sự gia tăng hiệu ứng nhà kính do nồng độ CO2 trong
khí quyển tăng lên, các nhà khí hậu học bắt đầu quan tâm đến các tác động dài hạn của
sự tích luỹ CO2 trong khí quyển do phát thải từ các hoạt động sản xuất công nghiệp và
đốt nhiên liệu hóa thạch. Chẳng hạn, một số công trình như Schlesinger và Mitchell
(1987) đã sử dụng mô hình GCM để tính sự biến đổi trong cấu trúc ba chiều của khí
quyển khi có nồng độ CO2 tăng gấp đôi; Gates (1976) đã dùng mô hình GCM hai
chiều, Williams và CS (1974), Manabe và Broccoli (1985), Kutzback và CS (1989) đã
dùng mô hình GCM nhiều lớp để nghiên cứu vấn đề này.
Do tầm quan trọng của đại dương đối với hệ thống khí hậu nên các nhà mô hình
hoá đã bắt đầu thử “ghép” mô hình hoàn lưu chung đại dương (OGCM) với mô hình
hoàn lưu chung khí quyển (AGCM) để tạo thành hệ thống mô hình kết hợp (couple)
đại dương khí quyển (AOGCM). Đến giữa những năm 1980 các mô hình AOGCM đã
được thiết lập như một tiêu chuNn mới đối với mô hình hoá khí hậu. Các mô hình
AOGCM đã có thể mô phỏng được (a) Thông lượng nhiệt và Nm (bốc hơi) từ đại
dương vào lớp biên khí quyển; (b) Thông lượng nhiệt và giáng thủy từ khí quyển vào
đại dương; (c) Sự điều khiển gió của hoàn lưu đại dương; (d) Sự biến đổi độ cản gió
do biến đổi độ cao sóng và (e) Các quá trình quan trọng khác tại mặt phân cách khí
quyển - đại dương, là kết quả của sự vận chuyển các xon khí từ các hạt nước biển và
vận chuyển hóa học giữa không khí và nước.

17