Nghiên cứu khả năng dự báo hạn mùa của mô hình RegCM đối với một số cực đoan nhiệt độ mùa hè trên khu vực bắc trung bộ việt nam

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

Hoàng Thị Thúy Vân

NGHIÊN CỨU KHẢ NĂNG DỰ BÁO HẠN MÙA
CỦA MÔ HÌNH REGCM ĐỐI VỚI
MỘT SỐ CỰC ĐOAN NHIỆT ĐỘ MÙA HÈ
TRÊN KHU VỰC BẮC TRUNG BỘ VIỆT NAM

LUẬN VĂN THẠC SĨ KHOA HỌC

Hà Nội - 2019


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

Hoàng Thị Thúy Vân

NGHIÊN CỨU KHẢ NĂNG DỰ BÁO HẠN MÙA
CỦA MÔ HÌNH REGCM ĐỐI VỚI
MỘT SỐ CỰC ĐOAN NHIỆT ĐỘ MÙA HÈ
TRÊN KHU VỰC BẮC TRUNG BỘ VIỆT NAM

Chuyên ngành: Khí tượng học
Mã số: 8440222.01

LUẬN VĂN THẠC SĨ KHOA HỌC

NGƯỜI HƯỚNG DẪN KHOA HỌC :

TS. Mai Văn Khiêm

Hà Nội - 2019


LỜI CAM ĐOAN
Tôi xin cam đoan luận văn này là kết quả nghiên cứu của riêng tôi, chưa được
công bố trong bất cứ một công trình nghiên cứu nào của người khác. Việc sử dụng
kết quả, trích dẫn tài liệu của người khác đảm bảo theo đúng các quy định. Các nội
dung trích dẫn và tham khảo các tài liệu, sách báo, thông tin được đăng tải trên các
tác phẩm, tạp chí và trang web theo danh mục tài liệu tham khảo của luận văn.
Tác giả luận văn

Hoàng Thị Thúy Vân


LỜI CẢM ƠN
Thực tế cho thấy rằng bất cứ một thành công nào đều được tạo ra không chỉ
dựa trên sự nỗ lực của bản thân mà còn gắn liền với sự động viên, giúp đỡ từ người
khác dù ít hay nhiều, dù gián tiếp hay trực tiếp.
Với một sự tri ân và lòng biết ơn sâu sắc nhất, tác giả xin gửi lời cảm ơn chân
thành nhất tới tiến sỹ Mai Văn Khiêm công tác tại Viện khoa học Khí tượng Thủy
văn và Biến đổi khí hậu, người thầy đã trực tiếp hướng dẫn, tận tình chỉ bảo, định
hướng đề tài cũng như tạo mọi điều kiện thuận lợi cho tác giả trong suốt quá trình
làm luận văn.
Tác giả cũng xin chân thành cảm ơn lãnh đạo Viện khoa học Khí tượng Thủy
văn và Biến đổi khí hậu, lãnh đạo và các anh chị đồng nghiệp công tác tại Trung tâm

Nghiên cứu Khí tượng Khí hậu đã rất tận tình giúp đỡ, chia sẻ kinh nghiệm, kiến thức
và tạo mọi điều kiện về thời gian, vật chất cho tác giả trong việc hoàn thành luận văn.
Lời cảm ơn xin gửi đến quý thầy cô Bộ môn khí tượng nói riêng và Khoa Khí
tượng Thủy Văn và Hải dương học, Trường Đại học Khoa học tự nhiên đã dồn hết
tâm huyết của mình để truyền đạt tri thức cho các học viên.
Cuối cùng là lời cảm ơn tới gia đình, bạn bè đã luôn bên cạnh và động viên tác
giả trong suốt quá trình học tập.

Hoàng Thị Thúy Vân


MỤC LỤC
DANH MỤC BẢNG ................................................................................................ iii
DANH MỤC HÌNH VẼ .......................................................................................... iv
DANH MỤC CÁC TỪ VIẾT TẮT ........................................................................ vi
MỞ ĐẦU ....................................................................................................................1
CHƯƠNG 1. TỔNG QUAN VẤN ĐỀ NGHIÊN CỨU .........................................3
1.1. Nghiên cứu dự báo hạn mùa cực đoan nhiệt độ cao ...................................3
1.1.1. Tình hình nghiên cứu ngoài nước.............................................................3
1.1.2. Tình hình nghiên cứu trong nước ...........................................................12
1.2. Đặc trưng chế độ nhiệt trong mùa hè trên khu vực Bắc Trung Bộ ........15
1.3. Nhận xét chung .............................................................................................17
CHƯƠNG 2. SỐ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU ..........................19
2.1. Giới thiệu mô hình RegCM .........................................................................19
2.2. Nguồn số liệu ................................................................................................22
2.3. Thiết kế thí nghiệm ......................................................................................24
2.3.1. Thông số mô hình ...................................................................................24
2.3.2. Nội suy số liệu của mô hình ....................................................................25
2.3.3. Các chỉ số cực đoan được đánh giá .......................................................27
2.4. Phương pháp đánh giá ................................................................................31

2.5. Phương pháp hiệu chỉnh .............................................................................32
CHƯƠNG 3. KẾT QUẢ VÀ NHẬN XÉT ............................................................34
3.1. Khả năng dự báo hạn mùa cực đoan nhiệt độ mùa hè trên khu vực Bắc
Trung Bộ ..............................................................................................................34
3.1.1. Khả năng dự báo các yếu tố cực trị và cực đoan nhiệt độ mùa hè ........34
3.1.1.1. Nhiệt độ tối cao ...............................................................................34
3.1.1.2. Nhiệt độ tối cao tuyệt đối ................................................................41
3.1.1.3. Phần trăm số ngày trong tháng có nhiệt độ cực đại lớn hơn phân vị
90% (TX90p)................................................................................................46


3.1.2. Khả năng dự báo hiện tượng khí hậu cực đoan liên quan nhiệt độ cao
trong mùa hè .....................................................................................................51
3.2. Hiệu chỉnh sai số mô hình đối với kết quả dự báo hạn mùa cực đoan nhiệt
độ mùa hè trên khu vực Bắc Trung Bộ .............................................................60
3.2.1. Tháng 6 ...................................................................................................60
3.2.2. Tháng 7 ...................................................................................................63
3.2.3. Tháng 8 ...................................................................................................66
KẾT LUẬN ..............................................................................................................69
TÀI LIỆU THAM KHẢO ......................................................................................72
PHỤ LỤC .................................................................................................................78


DANH MỤC BẢNG
Bảng 2.1. Mô tả sự phát triển qua các phiên bản của hệ thống mô hình RegCM .....21
Bảng 2.2. Danh sách trạm quan trắc .........................................................................23
Bảng 2.3. Các thông số mô hình ...............................................................................25
Bảng 2.4. Hiệu chỉnh sai số độ cao địa hình giá trị dự báo nhiệt độ tối cao ngày của
mô hình tại các trạm ..................................................................................................26
Bảng 3.1. Hệ số tương quan giữa Tx trung bình tháng mùa hè giữa quan trắc và dự

báo mô hình trên khu vực Bắc Trung Bộ giai đoạn 1983 -2012 ...............................39
Bảng 3.2. Hệ số tương quan giữa TXx trung bình tháng mùa hè giữa quan trắc và dự
báo mô hình trên khu vực Bắc Trung Bộ giai đoạn 1983 -2012 ...............................45
Bảng 3.3. Hệ số tương quan giữa TX90p các tháng mùa hè giữa quan trắc và dự báo
mô hình trên khu vực Bắc Trung Bộ .........................................................................49
Bảng 3.4. Sai số dự báo ME, MAE cho Tx, TXx tháng 6 trên khu vực Bắc Trung Bộ
trước và sau khi hiệu chỉnh sai số hệ thống giai đoạn 2013-2014 ............................62
Bảng 3.5. Sai số dự báo ME, MAE cho Tx, TXx tháng 7 trên khu vực Bắc Trung Bộ
trước và sau khi hiệu chỉnh sai số hệ thống giai đoạn 2013-2014 ............................65
Bảng 3.6. Sai số dự báo ME, MAE cho Tx, TXx tháng 8 trên khu vực Bắc Trung Bộ
trước và sau khi hiệu chỉnh sai số hệ thống giai đoạn 2013-2014 ............................67

iii


DANH MỤC HÌNH VẼ
Hình 2.1. Cấu trúc lưới thẳng đứng (bên trái) và lưới ngang dạng xen kẽ Arakawa-B
(bên phải) của mô hình RegCM [29] ........................................................................22
Hình 2.2. Vị trí các trạm quan trắc ............................................................................23
Hình 2.3. Kích thước miền tính mô hình ..................................................................24
Hình 2.4. Độ cao địa hình khu vực Bắc Trung Bộ của mô hình ở miền tính phân giải
20km ..........................................................................................................................27
Hình 3.1. Giá trị ME (oC) dự báo Tx tháng 6 (a), tháng 7 (b), tháng 8 (c) và trung bình
mùa hè giai đoạn 1983-2012 tại các trạm khu vực Bắc Trung Bộ với hạn dự báo từ 1
đến 5 tháng ................................................................................................................35
Hình 3.2. Giá trị MAE (oC) dự báo Tx tháng 6 (a), tháng 7 (b), tháng 8 (c) và trung
bình mùa hè giai đoạn 1983-2012 tại các trạm khu vực Bắc Trung Bộ với hạn dự báo
từ 1 đến 5 tháng .........................................................................................................36
Hình 3.3. Sai số ME, MAE, RMSE (oC) dự báo Tx các tháng 6, 7, 8 trung bình khu
vực Bắc Trung Bộ giai đoạn 1983 -2012 tương ứng các hạn dự báo từ 1-5 tháng ...37

Hình 3.4. Đồ thị phân bố tần suất giá trị MAE cho Tx của mô hình trong tháng 6,
tháng 7, tháng 8 trên khu vực Bắc trung Bộ giai đoạn 1983 - 2012 .........................38
Hình 3.5. Phân bố tần suất Tx tháng 6, tháng 7, tháng 8 giữa quan trắc (màu đỏ) và
dự báo (màu xanh đậm) từ số liệu giai đoạn 1983 – 2012 khu vực Bắc Trung Bộ các
hạn dự báo 1 tháng, 3 tháng và 5 tháng.....................................................................40
Hình 3.6. Giá trị ME (oC) dự báo TXx tháng 6 (a), tháng 7 (b), tháng 8 (c) giai đoạn
1983-2012 tại các trạm Bắc Trung Bộ hạn dự báo từ 1 đến 5 tháng ........................42
Hình 3.7. Giá trị MAE (oC) của dự báo TXX tháng 6 (a) tháng 7 (b), tháng 8 (c) giai
đoạn 1983-2012 tại các trạm Bắc Trung Bộ với hạn dự báo từ 1 đến 5 tháng .........43
Hình 3.8. Sai số ME, MAE, RMSE (oC) dự báo TXx các tháng 6, 7, 8 trung bình khu
vực Bắc Trung Bộ giai đoạn 1983 -2012 tương ứng các hạn dự báo từ 1-5 tháng ...44
Hình 3.9. Đồ thị phân bố tần suất sai số tuyệt đối trung bình MAE cho TXx của mô
hình trong các tháng mùa hè trên khu vực Bắc trung Bộ giai đoạn 1983-2012 .......44
iv


Hình 3.10. Phân bố tần suất TXx tháng 6, tháng 7, tháng 8 giữa quan trắc (màu đỏ)
và dự báo (màu xanh đậm) từ số liệu giai đoạn 1983 – 2012 khu vực Bắc Trung Bộ
các hạn dự báo 1 tháng, 3 tháng và 5 tháng ..............................................................46
Hình 3.11. Giá trị ME (%) dự báo TX90p tháng 6 (a), tháng 7 (b), tháng 8 (c) giai
đoạn 1983-2012 tại các trạm Bắc Trung Bộ hạn dự báo từ 1 đến 5 tháng ...............47
Hình 3.12. Giá trị MAE (%) dự báo TX90p tháng 6, tháng 7, tháng 8 và trung bình
mùa hè giai đoạn 1983-2012 tại các trạm khu vực Bắc Trung Bộ với hạn dự báo từ 1
đến 5 tháng ................................................................................................................48
Hình 3.13. Sai số ME, MAE, RMSE (%) dự báo TX90p các tháng mùa hè khu vực
Bắc Trung Bộ tương ứng các hạn dự báo từ 1-5 tháng .............................................49
Hình 3.14. Phân bố tần suất TX90p tháng 6, tháng 7, tháng 8 giữa quan trắc (màu đỏ)
và dự báo (màu xanh đậm) từ số liệu giai đoạn 1983 – 2012 khu vực Bắc Trung Bộ
các hạn dự báo 1 tháng, 3 tháng và 5 tháng ..............................................................50
Hình 3.15. Sai số ME số ngày xảy ra nắng nóng (ngày) tại các trạm trên khu vực Bắc

Trung Bộ với ngưỡng nắng nóng cố định (a) và ngưỡng nắng nóng dựa trên phân vị
quan trắc (b) giai đoạn 1983 -2012 ...........................................................................52
Hình 3.16. Sai số MAE số ngày xảy ra nắng nóng (ngày) tại các trạm trên khu vực
Bắc Trung Bộ với ngưỡng nắng nóng cố định (a) và ngưỡng nắng nóng dựa trên phân
vị quan trắc (b) giai đoạn 1983 -2012 .......................................................................53
Hình 3.17. Sai số ME dự báo số ngày, số đợt nắng nóng, nắng nóng gay gắt các tháng
mùa hè trên khu vực Bắc Trung Bộ với ngưỡng nắng nóng cố định (a) và ngưỡng
nắng nóng dựa trên phân vị quan trắc (b) giai đoạn 1983 -2012 ..............................55
Hình 3.18. Sai số MAE dự báo số ngày, số đợt nắng nóng, nắng nóng gay gắt các
tháng mùa hè trên khu vực Bắc Trung Bộ với ngưỡng nắng nóng cố định (a) và
ngưỡng nắng nóng dựa trên phân vị quan trắc (b) giai đoạn 1983 -2012 .................56
Hình 3.19. Giá trị ME số ngày nắng nóng tại các trạm khu vực Bắc Trung Bộ trong
các tháng mùa hè giữa các năm Trung tính (a), năm La Nina (b) và năm El Nino (c)..57

v


Hình 3.20. Giá trị MAE số ngày nắng nóng tại các trạm khu vực Bắc Trung Bộ trong
các tháng mùa hè giữa năm Trung tính (a), năm La Nina (b) và năm El Nino (c) ...58
Hình 3.21. Sai số dự báo MAE cho số ngày nắng nóng, số đợt nắng nóng cục bộ, diện
rộng trên khu vực Bắc Trung Bộ trong các tháng mùa hè giữa các năm Trung tính,
năm La Nina và năm El Nino ....................................................................................59
Hình 3.22. Đồ thị tụ điểm của Tx tháng 6 (oC) của mô hình RegCM so với quan trắc
trong các trường hợp chưa hiệu chỉnh (RAW), hiệu chỉnh sai số hệ thống (BSC) các
hạn dự báo 1 tháng, 3 tháng, 5 tháng giai đoạn 2013-2014 tại 25 trạm quan trắc Bắc
Trung Bộ. Đường liền nét màu đỏ là đường hồi quy tuyến tính thực nghiệm giữa quan
trắc và dự báo, đường liền nét màu đen là đường hồi quy lý tưởng. Hệ số tương quan
r giữa quan trắc và dự báo ở góc trên bên trái đồ thị ................................................61
Hình 3.23. Tương tự Hình 3.21 nhưng cho biến TXx ..............................................62
Hình 3.24. Sai số dự báo các chỉ số liên quan đến hiện tượng cực đoan nắng nóng

trong tháng 6 trên khu vực Bắc Trung Bộ trước hiệu chỉnh (RAW) và sau khi hiệu
chỉnh sai số hệ thống (BSC) giai đoạn 2013-2014....................................................63
Hình 3.25. Tương tự Hình 3.22 nhưng cho Tx tháng 7 ............................................64
Hình 3.26. Tương tự Hình 3.22 nhưng cho TXx tháng 7 .........................................64
Hình 3.27. Tương tự Hình 3.24 nhưng cho tháng 7 ..................................................65
Hình 3.28. Tương tự Hình 3.22 nhưng cho Tx tháng 8 ............................................66
Hình 3.29. Tương tự Hình 3.22 nhưng cho TXx tháng 8 .........................................67
Hình 3.30. Tương tự Hình 3.24 nhưng cho tháng 8 ..................................................68

vi


DANH MỤC CÁC TỪ VIẾT TẮT
STT
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

17
18
19
20

Viết tắt
BTB
BSC
CFS
CS
NN
NNN
NNNGG
RAW
RegCM
SNNN
SNNNCB
SNNNDR
SNNNGGCB
SNNNGGDR
SDNNDR
SDNNGGCB
SDNNGGDR
Tx
TXX
Tx90p

Giải nghĩa
Bắc Trung Bộ
Hiệu chỉnh sai số hệ thống

Hệ thống dự báo khí hậu của Mỹ (Climate Forecast Systerm)
Cộng sự
Nắng nóng
Ngưỡng nắng nóng
Ngưỡng nắng nóng gay gắt
Trước hiệu chỉnh
Mô hình khí hậu khu vực (Regional Climate Model)
Số ngày nắng nóng
Số ngày nắng nóng cục bộ
Số ngày nắng nóng diện rộng
Số ngày nắng nóng gay gắt cục bộ
Số ngày nắng nóng gay gắt diện rộng
Số đợt nắng nóng diện rộng
Số đợt nắng nóng gay gắt cục bộ
Số đợt nắng nóng gay gắt diện rộng
Nhiệt độ tối cao
Nhiệt độ tối cao tuyệt đối
Phần trăm số ngày trong tháng có nhiệt độ cực đại lớn hơn
phân vị 90%

vii


MỞ ĐẦU
Cùng với xu thế gia tăng nhiệt độ trên toàn cầu, các kỷ lục mới về nhiệt độ cao
liên tiếp được ghi nhận trong các tháng mùa hè tại nhiều khu vực ở châu Á. Bên cạnh
đó, tần suất, cường độ và thời gian kéo dài các hiện tượng cực đoan liên quan đến
nhiệt độ cao cũng tăng lên đáng kể gây thiệt hại nghiêm trọng về người và của. Ở
Việt Nam, Kịch bản Biến đổi Khí hậu và Nước biển dâng do Bộ Tài nguyên và Môi
trường công bố năm 2016 đã dự tính xu thế tăng rõ rệt của nhiệt độ cực trị và cực

đoan nắng nóng trên các khu vực trên khắp cả nước, trong đó khu vực Bắc Trung Bộ
được dự tính tăng nhanh nhất.
Tuy nhiên, thông thường những bệnh tật và tử vong liên quan đến cực đoan
nhiệt độ phần lớn có thể ngăn ngừa trước một thời gian dài nếu có thể xây dựng được
một hệ thống dự báo khí hậu nội mùa đến hạn mùa có độ tin cậy cao. Do đó các sản
phẩm dự báo khí hậu hạn mùa đóng vai trò vô cùng quan trọng trong cuộc sống của
người dân cũng như những hoạch định phát triển kinh tế xã hội trong tương lai.
Sự phát triển của khoa học máy tính kết hợp với những hiểu biết sâu hơn về
bản chất vật lý các quá trình trong khí quyển của con người đã tạo điều kiện cho việc
ứng dụng các mô hình khí hậu khu vực độ phân giải cao trong nghiên cứu, dự báo
hạn mùa các hiện tượng cực đoan tại nhiều khu vực. Trong đó ở Việt Nam, mô hình
khí hậu khu vực RegCM đã được quan tâm và ứng dụng trong công tác dự báo hạn
mùa ở nước ta trong nhiều năm qua. Tuy nhiên do khó khăn về số liệu, nên các nghiên
cứu trước đây ở Việt Nam chưa tính toán và xây dựng được trường khí hậu của mô
hình với số liệu dự báo lại trong thời kỳ dài. Thông thường các đặc trưng khí hậu mô
hình chủ yếu được xác định từ sản phẩm chiết xuất của các mô hình khí hậu chạy với
số liệu tái phân tích; hoặc việc đánh giá khả năng dự báo cuả mô hình với số liệu dự
báo chỉ được thực hiện trong thời gian ngắn 1 đến 2 năm. Điều này dẫn đến việc
nghiên cứu khả năng dự báo từ mô hình chưa được khách quan, còn nhiều hạn chế.
Do vậy, trong khuôn khổ luận văn, tác giả sẽ “Nghiên cứu khả năng dự báo
hạn mùa của mô hình RegCM đối với một số cực đoan nhiệt độ mùa hè trên khu
1


vực Bắc Trung Bộ Việt Nam” với điều kiện ban đầu và điều kiện biên sử dụng sản
phẩm dự báo lại của mô hình dự báo toàn cầu CFS với hạn dự báo từ 1-5 tháng trong
30 năm từ 1983 - 2012. Ngoài ra trên cơ sở sai số hệ thống đã được xác định từ kết
quả trong thời kỳ 1983 -2012, luận văn thực hiện đánh giá hiệu quả khi áp dụng
phương pháp hiệu chỉnh sai số hệ thống cho thời kỳ kiểm định hiệu chỉnh 2013 -2014.
Ngoài mở đầu, kết luận và tài liệu tham khảo và phụ lục luận văn được bố cục

thành 3 chương, như sau:
Chương 1: Tổng quan vấn đề nghiên cứu: trình bày các nghiên cứu trong và ngoài
nước liên quan đến dự báo hạn mùa các cực đoan nhiệt độ cao và nêu rõ đặc trưng
chế độ nhiệt trên khu vực Bắc Trung Bộ trong các tháng mùa hè.
Chương 2: Số liệu và Phương pháp nghiên cứu: Khái quát mô hình RegCM và giới
thiệu những điểm mới trong mô hình này ở phiên bản 4 so với các phiên bản trước
đó; nguồn số liệu sử dụng trong luận văn và phương pháp nội suy, đánh giá, hiệu
chỉnh kết quả dự báo của mô hình được sử dụng trong luận văn.
Chương 3: Kết quả và nhận xét: Trình bày các kết quả về khả năng mô phỏng hạn
mùa với các hạn dự báo từ 1 đến 5 tháng các chỉ số cực đoan nhiệt độ cao trong các
tháng mùa hè trên khu vực Bắc Trung Bộ giai đoạn cơ sở 1983 - 2012. Thử nghiệm
và đánh giá hiệu quả của phương pháp hiệu chỉnh sai số hệ thống đối với kết quả mô
hình cho thời kỳ kiểm định sau hiệu chỉnh 2013 - 2014.

2


CHƯƠNG 1. TỔNG QUAN VẤN ĐỀ NGHIÊN CỨU
1.1. Nghiên cứu dự báo hạn mùa cực đoan nhiệt độ cao
1.1.1. Tình hình nghiên cứu ngoài nước
Trong thế kỷ 21, biến đổi khí hậu được xem là một trong những mối đe dọa
môi trường lớn nhất đối với thế giới, và sự thay đổi phức tạp của các cực đoan khí
hậu được ước tính gây ra những tác động tiêu cực đến xã hội loài người và môi trường
tự nhiên nhiều hơn so với sự biến đổi của các đặc trưng khí hậu trung bình [42]. Theo
báo cáo lần thứ năm (AR5) của IPCC, phần lớn những thay đổi lớn nhất của cực đoan
khí hậu trên toàn cầu được tìm thấy trong các yếu tố và hiện tượng liên quan đến nhiệt
độ; cực đoan lượng mưa mặc dù cũng có xu thế tăng lên tuy nhiên có sự biến động
không gian lớn [45]. Các cực đoan nhiệt độ là một trong những nguyên nhân hàng
đầu gây ra bệnh tật và tử vong cho các đối tượng dễ bị tổn thương nhất bao gồm người
già, trẻ sơ sinh ở cả các nước phát triển cũng như đang phát triển. Nó chiếm tới 75%

số ca tử vong liên quan đến thời tiết cũng như tăng tỷ lệ mắc bệnh ngay cả ở các nước
có thu nhập cao [25, 26].
Cùng với xu thế gia tăng nhiệt độ trên toàn cầu, trong những năm gần đây, các
kỷ lục mới về nhiệt độ cao liên tiếp được ghi nhận tại nhiều khu vực và thường xảy
ra trong các tháng mùa hè như Mitribah (Kuwait) 54,2oC ngày 21/07/2016; Ahwaz
(Iran) 54,0oC ngày 29/6/2017; Basra (Irag) 53,9oC ngày 22/7/2016; 50,3oC (Trung
Quốc) ngày 24/7/2015; 51oC (Ấn Độ) ngày 19/5/2016....[51]. Các cực đoan liên quan
đến nhiệt độ được dự báo sẽ tăng ở nhiều khu vực; đồng thời tần suất, cường độ và
thời gian kéo dài các hiện tượng cực đoan liên quan đến nhiệt độ cao, cụ thể là nắng
nóng (NN) có xu thế tăng lên đáng kể gây thiệt hại lớn về người và của. Theo báo
cáo của IPCC 2015, từ những năm 1950 trở lại đây, trong khi số ngày và số đêm lạnh
có xu thế giảm thì số ngày, số đêm nóng, tần xuất xuất hiện các đợt nắng nóng lại có
xu thế gia tăng rõ rệt trên quy mô toàn cầu, đặc biệt tại các khu vực như châu Âu,
châu Á và Austraylia [45]. Tại một số khu vực, nắng nóng là nhân tố chịu trách nhiệm
cho nhiều trường hợp tử vong trong những thập kỷ qua hơn bất kỳ sự kiện cực đoan
nào khác [39].
3


Thế nhưng thật may mắn khi thông thường những bệnh tật và tử vong liên
quan đến cực đoan nhiệt độ phần lớn có thể ngăn ngừa trước một thời gian dài nếu có
thể xây dựng được một hệ thống dự báo khí hậu nội mùa đến hạn mùa S2S (subseasonal-to-seasonal) có độ tin cậy cao [39]. Trong đó, các thông tin dự báo hạn mùa
là chìa khóa quan trọng cho những quyết định dài hạn và cảnh báo sớm các hiện tượng
cực đoan, thiên tai có thể xảy ra trong bối cảnh sự nóng lên toàn cầu đang diễn ra với
tốc độ ngày càng nhanh như hiện nay.
Dự báo hạn mùa (seasonal forecast) thuộc bài toán dự báo khí hậu, do vậy cần
xác định rõ ràng rằng các kết quả dự báo sẽ không chỉ ra được trạng thái khí quyển
vào những thời điểm cụ thể từng ngày, từng giờ mà thay vào đó sẽ cung cấp các thông
tin chung về điều kiện khí quyển trong từng khoảng thời gian nhất định ví dụ như
từng tháng, từng mùa và tối đa là 1 năm. Thông thường, trong nghiên cứu dự báo

mùa, các nhà khí tượng - khí hậu chủ yếu tập trung vào dự báo xu hướng và mức độ
dao động xung quanh trung bình nhiều năm hay trung bình chuẩn (dưới dạng dự báo
chuẩn sai) hoặc xác suất xuất hiện các pha với 3 pha cơ bản bao gồm trên (vượt)
chuẩn, lân cận (xấp xỉ) chuẩn và dưới (hụt) chuẩn.
Về phương pháp dự báo hạn mùa đối với cả yếu tố khí hậu và các yếu tố, hiện
tượng cực đoan đến nay có hai cách tiếp cận cơ bản là bằng phương pháp thống kê
thực nghiệm (thống kê truyền thống và hạ quy mô thống kê) và phương pháp số trị
(bao gồm sử dụng một mô hình số hoặc kết hợp đa mô hình số trị để dự báo) [49, 27].
Cách tiếp cận thống kê là một phương pháp truyền thống được thực hiện từ rất
lâu và là công cụ sử dụng khá phổ biến từ cuối thế kỷ 19. Trong cách tiếp cận này,
quan hệ thống kê giữa yếu tố dự báo và nhân tố dự báo (tập số liệu lịch sử hoặc trường
dự báo từ mô hình khí hậu toàn cầu hoặc khu vực) được thiết lập. Một số nghiên cứu
áp dụng phương pháp này trong dự báo cực đoan nhiệt độ có thể kể đến như: Alfaro
và CS, 2006 [22] xây dựng mô hình thống kê dựa trên phân tích tương quan Canon
(CCA) nhằm đánh giá khả năng dự báo nhiệt độ tối cao (Tx) và nhiệt độ tối thấp (Tm)
tháng 6 đến tháng 8 cũng như tần suất cực trị nhiệt độ ngày (Tx ngày lớn hơn phân
vị 90% Tx khí hậu trong các tháng mùa hè) ở khu vực trung tâm và miền Tây Hoa

4


Kỳ. Della và CS, 2007 [28] áp dụng phân tích tương quan Canon để xem xét mối
quan hệ và khả năng dự báo các đợt sóng nhiệt trên khu vực Tây Âu giai đoạn 1880
-2003 dựa trên những tác động quy mô lớn (large-scale forcings). Fan và CS, 2013
[30] áp dụng hai phương pháp hạ quy mô thống kê cho việc tính toán bốn chỉ số cực
trị nhiệt độ mùa hè bao gồm: nhiệt độ tối cao trung bình (Tx), nhiệt độ tối thấp trung
bình (Tm), phân vị 90% của nhiệt độ tối cao (Tx90) và phân vị 90% nhiệt độ tối thấp
(Tm90) cho 48 trạm quan trắc ở phía bắc Trung Quốc từ 1960 - 2008. Phương pháp
đầu tiên các tác giả sử dụng là hạ quy mô Tx, Tm ngày dựa vào phân tích EOF và hồi
quy tuyến tính từng bước, sau đó mới tính toán các chỉ số cực đoan. Một cách khác

là hạ quy mô trực tiếp các chỉ số dựa trên ngưỡng phân vị sử dụng các ghi nhận thông
tin về nhiệt độ và độ cao địa thế vị trung bình mùa quy mô lớn thu được từ số liệu tái
phân tích của NCEP. Các kết quả thu được cho thấy, việc xác định các chỉ số cực
đoan bằng phương pháp sau cho kết quả tốt hơn so với phương pháp trước.
Cách tiếp cận thống kê mặc dù có đạt một số kết quả nhất định, dễ áp dụng và
ít tốn kém tài nguyên máy tính, tuy nhiên còn khá xa để phương pháp này có thể đáp
ứng được nhu cầu đòi hỏi của thực tế, đặc biệt là vấn đề dự báo các hiện tượng cực
đoan tại một địa phương. Thông thường cách tiếp cận thống kê chỉ có hiệu quả đối
với các hiện tượng khí hậu mang tính quy luật, hoặc nắm bắt tốt sự phát triển của các
hệ thống thời tiết, khí hậu quy mô lớn; trong khi các hiện tượng cực đoan với tính đột
biến cao thường bị “bỏ sót”, hoặc sự ảnh hưởng của đặc trưng của địa phương thường
bị làm trơn. Hơn nữa, sự hạn chế trong việc thu thập và lưu trữ số liệu quan trắc về
các yếu tố cực trị trong quá khứ cũng là điểm bất lợi đối việc áp dụng phương pháp
này trong dự báo.
Phương pháp động lực áp dụng trong dự báo mùa mới được phát triển khoảng
vài chục năm trở lại đây dựa trên nền tảng sự phát triển mạnh mẽ của công nghệ máy
tính và những hiểu biết sâu về bản chất vật lý các quá trình trong khí quyển của con
người. Cách tiếp cận này dựa trên các nguyên lý cơ bản nhiệt động lực học trong khí
quyển để mô phỏng các hiện tượng, các quá trình vận động của toàn bộ khí quyển đối
với khu vực được quan tâm nghiên cứu. Phương pháp số trị khắc phục một số nhược

5


điểm của phương pháp thống kê trong dự báo cực đoan khí hậu đã đề cập ở trên, đây
là hướng tiếp cận hiện đại mà nhiều Trung tâm nghiên cứu và các nhà khoa học đang
quan tâm phát triển.
Các mô hình dự báo khí hậu hạn mùa, theo mức độ phức tạp, có thể sắp xếp
theo thứ tự từ những mô hình cân bằng năng lượng đơn giản đến các mô hình rất phức
tạp, đòi hỏi phải có các máy tính lớn, tốc độ tính toán nhanh và nhiều kỹ thuật tính

toán. Ban đầu khi các hệ thống máy tính lớn chưa được trang bị tại nhiều khu vực,
thông thường các thông tin dự báo hạn mùa được lấy trực tiếp từ đầu ra các sản phẩm
dự báo của các mô hình khí hậu toàn cầu (GCM-Global climate model) bao gồm mô
hình hoàn lưu chung khí quyển (AGCM) và các mô hình hoàn lưu chung khí quyển
đại dương (AOGCM). Một số mô hình dự báo hạn mùa toàn cầu có thể kể đến như:
CFS của Mỹ, hệ thống dự báo khí hậu mùa GloSea của Anh, mô hình động lực kết
hợp khí quyển - đại dương POAMA của cục Khí tượng Úc (BOM), hệ thống dự báo
mùa ECMWF-IFS của Trung tâm Khí tượng Hạn vừa châu Âu, hệ thống dự báo tổ
hợp EPS bao gồm mô hình hoàn lưu chung khí quyển AGCM và mô hình đại dương
OGCM của Nhật Bản....
Hệ thống dự báo khí hậu CFS (Climate Forecast System) là hệ thống nổi bật
trong dự báo hạn mùa toàn cầu hiện nay và là hệ thống sử dụng mô hình động lực kết
hợp đầy đủ khí quyển-đại dương-đất liền được đưa vào nghiệp vụ tại NCEP từ tháng
8 năm 2004. CFS phiên bản 1 được phát triển từ 4 thành phần công nghệ được thiết
kế độc lập bao gồm cơ quan năng lượng tái phân tích toàn cầu 2 (Department of
Energy Global Reanalysis 2) cung cấp các điều kiện ban đầu bề mặt và khí quyển; hệ
thống đồng hóa dữ liệu đại dương toàn cầu (GODAS) hoạt động tại NCEP năm 2003
cung cấp các trạng thái ban đầu cho đại dương; hệ thống dự báo toàn cầu (GFS) của
NCEP năm 2003 là mô hình khí quyển chạy ở độ phân giải thấp hơn T62L64 và mô
hình đại dương, phiên bản 3 ( MOM3) từ phòng thí nghiệm Động lực học Địa vật lý
(GFDL). Đến tháng 3 năm 2011, CFS phiên bản 2 (CFSv2) được chính thức đưa vào
hoạt động và đã nâng cấp lên gần như tất cả các khía cạnh của các thành phần mô
hình dự báo và đồng hóa dữ liệu của hệ thống ở phiên bản trước đó [48]. Hiện nay,
6


một bản số liệu dự báo lại (CFS-reforecast) trong khoảng thời gian 29 năm (19822011) đã được tạo ra để cung cấp các ước tính kỹ năng và hiệu chuẩn ổn định của hệ
thống mới đối với dự báo nghiệp vụ nội mùa và hạn mùa ở NCEP. Trong phiên bản
này, kết hợp đầy đủ các dự báo 9 tháng từ các điều kiện ban đầu cách nhau 5 ngày
một lần (cho cả bốn chu kỳ trong ngày đó), tuy nhiên chỉ cung cấp miễn phí cho cộng

đồng tới hạn dự báo 5 tháng. Từ năm 2012 đến nay, các kết quả dự báo hạn mùa của
NCEP được cung cấp miễn phí đến hạn 6 tháng [48].
Mô hình kết hợp hoàn lưu chung khí quyển GloSea được trung tâm Hadley
của Anh Quốc đã xây dựng và ứng dụng trong dự báo hạn mùa từ những năm 1990.
GloSea dựa trên phiên bản khí hậu của mô hình hợp nhất Met Office, HadCM3, với
một số cải tiến phù hợp cho mục đích dự báo theo mùa. Hiện nay trung tâm đang vận
hành hệ thống dự báo khí hậu mùa GloSea5 từ tháng 01 năm 2013. Độ phân giải của
khí quyển và bề mặt đất đã được tăng lên so với GloSea4 (2009) từ 210×140 km lên
92×62 km. GloSea5 bao gồm hai thành phần: dự báo và dự báo lại trong giai đoạn
1993 – 2016 được sử dụng cho mục đích hiệu chuẩn và đánh giá kỹ năng [52].
Mô hình động lực kết hợp khí quyển-đại dương POAMA (Predictive Ocean
Atmosphere Model for Australia) được cục khí tượng Úc dùng để dự báo mùa từ năm
2002. Hiện tại POAMA hiện đang chạy dự báo 2 lần mỗi tuần, với 33 phương án cho
9 tháng tới sử dụng điều kiện ban đầu khí quyển và đại dương mới nhất. Trong đó,
trạng thái đại dương được lấy từ một hệ thống phân tích đại dương cũng chạy trong
thời gian thực, dựa trên phương pháp nội suy tối ưu và sử dụng tất cả các quan sát đại
dương dưới bề mặt nhận được qua GTS. Các điều kiện ban đầu của khí quyển được
lấy từ hệ thống dự báo thời tiết nghiệp vụ (GASP) [53].
Trung tâm dự báo thời tiết hạn vừa Châu Âu (ECMWF) đưa mô hình ECMWF
hoạt động dự báo mùa từ năm 1997. Hệ thống dự báo thế hệ 3 được giới thiệu vào
tháng ba năm 2007. Kể từ cuối năm 2011, ECMWF đã nâng cấp dự báo mùa nghiệp
vụ từ thế hệ 3 sang thế hệ 4. Khi nâng cấp, các phiên bản này sử dụng các mô hình
thành phần mới nhất, các dự báo ở độ phân giải cao, tổ hợp nhiều thành phần, chuỗi

7


dữ liệu dự báo lại lớn. Hiện nay, ECMWF đã kết hợp mô hình đại dương NEMO có
độ phân giải ngang 10km với mô hình khí quyển ECMWF-IFS có 91 mực theo
phương thẳng đứng và độ phân giải ngang khoảng 80 km. Hệ thống mô hình hiện nay

cung cấp sản phẩm dự báo mùa với 51 thành phần tổ hợp [54].
Cục Khí tượng Nhật Bản (JMA) sử dụng hệ thống dự báo tổ hợp EPS, bao
gồm mô hình hoàn lưu chung khí quyển AGCM và mô hình đại dương OGCM. Độ
phân giải ngang của AGCM khoảng 180 km với 40 mực theo phương thẳng đứng.
Mô hình dự báo khí hậu từ 4 đến 7 tháng tới với 51 thành phần tổ hợp khác nhau. Sản
phẩm dự báo là nhiệt độ không khí bề mặt, tổng lượng mưa. Ngoài ra, JMA còn sử
dụng mô hình thống kê để dự báo xác suất các trường nhiệt độ và mưa cho các điểm
trạm với nhân tố dự báo là sản phẩm của mô hình dự báo toàn cầu.
Một số nghiên cứu sử dụng các mô hình khí hậu toàn cầu trong nghiên cứu
cực đoan nhiệt độ có thể kể đến như: Kiktev và CS (2003) [35] đã so sánh quan trắc
tại trạm với khả năng mô phỏng bằng bằng mô hình hoàn lưu chung khí quyển của
trung tâm Hadley (HadAM3) đối với một số chỉ số cực đoan như số ngày sương giá,
số đêm ấm... cho thời kỳ 1950-1995 ở Úc. Các tác giả nhận thấy, xu thế giá trị năm
của các chỉ số khí hậu ước tính trên lưới (mô hình) cho thời kỳ 1950-1995 biểu hiện
rõ ràng hơn bức tranh các kiểu xu thế trong các chỉ số khí hậu so với việc xem xét
chúng dựa trên số liệu quan trắc tại trạm. Meehl and Tebaldi (2004) [43] đã so sánh
giữa kết quả mô phỏng số đợt nắng nóng bằng mô hình kết hợp khí hậu toàn cầu,
PCM (the Parallel Climate Model) so với quan trắc. Trong đó, các tác giả định nghĩa
một đợt nắng nóng là 3 ngày liên tiếp có nhiệt độ tối cao lớn hơn ngưỡng phân vị
97,5% của phân bố khí hậu quan trắc. Các kết quả đánh giá cho thấy, từ năm 1961
đến 1990 có một sự phù hợp giữa kết quả mô hình với quan trắc (số liệu tái phân tích
của NCEP) cho khu vực châu Âu và Bắc Mỹ. Kharin và CS (2005) [36] thực hiện
đánh giá kỹ năng mô phỏng các ECE liên quan đến nhiệt độ dựa trên 15 GCM trong
dự án AMIP-2. Kết quả cho thấy hầu hết các GCM mô phỏng tốt các cực trị nhiệt độ,
đặc biệt là các cực trị nhiệt độ tối cao.

8


Một số nghiên cứu cũng thiết lập mối quan hệ giữa các hoàn lưu quy mô lớn

với số ngày xảy ra sóng nhiệt chẳng hạn như: Meehl và Tebaldi (2004) [43] nhận thấy
rằng các đợt sóng nhiệt xảy ra ở châu Âu và Bắc Mỹ liên quan mật thiết đến sự thay
đổi hệ thống hoàn lưu trên mực 500mb. Weisheimer và CS (2011) [50] cho rằng mặc
dù nhìn một cách tổng thể khả năng dự báo mùa hè nóng ở Nam Âu là tương đối cao,
điều này được giải thích một phần bằng việc đã nắm bắt khá tốt xu hướng ấm lên gần
đây; tuy nhiên, các dự báo từ hệ thống nghiệp vụ dự báo mùa của ECMWF không thể
mô phỏng nhiệt độ và đợt nắng nóng nghiêm trọng trong mùa hè năm 2003 ở châu
Âu. Các tác giả lý giải sự ảnh hưởng của các dị thường độ ẩm của đất khô vẫn tồn tại
thông qua các tương tác với các hệ thống hoàn lưu địa phương là trọng tâm để hiểu
được khả năng dự đoán kém của sự kiện này. Các tác giả đề xuất cần cải thiện các
công thức về các quá trình của thủy văn bề mặt đất, bức xạ và đối lưu trong các mô
hình khí hậu mới có thể dự báo tốt sự kiện kỷ lục này. Lazenby và CS (2014) [37]
xem xét khả năng dự báo hạn mùa cực đoan nhiệt độ tối cao trên khu vực Nam Phi
sử dụng kết hợp hai GCM bao gồm ECHAM4.5 và mô hình đại dương MOM3. Các
kết quả thu được cho thấy, điểm số kỹ năng là lớn trong việc nắm bắt các cực đoan
nhiệt độ bởi sự kết hợp của cặp mô hình này. Hạn dự báo 1 tháng cho điểm số kỹ
năng lớn nhất, tuy nhiên chỉ đến hạn 3 tháng hầu hết các điểm số mới xấp xỉ hạn 1
tháng, các hạn dự báo sau đó khả năng dự báo của mô hình rất kém. Luo và Zhang
(2012) [40] đã nghiên cứu khả năng dự báo sóng nhiệt trong mùa hè 2011 ở Mỹ của
hệ thống dự báo khí hậu NCEP CFSv2. Các tác giả thấy rằng, bắt đầu từ tháng 4 năm
2011, hệ thống dự báo nghiệp vụ CFSv2 liên tục đề xuất xác suất tăng cao số ngày
cực kỳ nóng trong mùa hè sắp tới ở khu vực đồng bằng Trung tâm, và khi mùa hè
đang đến gần thì dự báo trở nên chắc chắn hơn về vị trí, cường độ, thời gian đợt nắng
nóng mùa hè sắp tới. Hamilton và CS (2012) [34] đánh giá khả năng dự báo số ngày
nóng và số ngày lạnh của mô hình GloSea4 cho khu vực Bắc bán cầu hạn dự báo từ
1-3 tháng. Các ngưỡng cực đoan nhiệt độ được xác định dựa trên các ngưỡng phân vị
khác nhau của giá trị Tx, Tm ngày trong quan trắc khí hậu giai đoạn 1989-2010. Các
tác giả nhận thấy, kỹ năng mô hình càng giảm đối với các ngưỡng nhiệt càng cực

9

đoan. Lee và CS (2016) [38] đánh giá khả năng dự đoán xảy ra sóng nhiệt trên Hàn
Quốc áp dụng các mô hình hệ thống quan sát Nghiên cứu và Dự đoán Thử nghiệm
Dữ liệu tương tác Grand Global Ensemble (TIGGE) cho chỉ số sóng nhiệt (HWI) kết
hợp với lưu thông quy mô lớn. HWI cho thấy khả năng dự báo nắng nóng cao hơn so
với nhiệt độ tối đa (TMAX) và hiệu chỉnh sai số của TMAX. Tác giả đề xuất chỉ số
HWI là hữu ích cho dự báo sóng nhiệt, có thể giảm tác động sức khỏe từ sóng nhiệt
thông qua các nỗ lực giảm thiểu thích hợp và kịp thời.
Có thể thấy rằng, mặc dù hiện nay các GCM đã rất phát triển và được nâng
cấp liên tục, tuy nhiên với yêu cầu lớn về tài nguyên máy tính để vận hành và cần
những hiểu biết đặc biệt vì vậy chỉ một số trung tâm lớn trên thế giới mới có thể vận
hành. Hơn nữa, mặc dù đã được cải thiện nhiều tuy nhiên độ phân giải của các GCM
vẫn khá thô do vậy nhiều đặc tính địa phương bị làm trơn như độ cao địa hình, đặc
trưng bề mặt...trong khi đây là một trong các nhân tố quan trọng ảnh hưởng đến đặc
trưng khí hậu, cũng như các cực đoan thời tiết, khí hậu ở địa phương, đặc biệt những
khu vực có địa hình phức tạp.
Để giải quyết vấn đề này, việc các mô hình khí hậu khu vực (Regional climate
model - RCM) với điều kiện ban đầu và điều kiện biên là các GCM được đề xuất và
thực hiện ở nhiều quốc gia. Một trong những ưu điểm của các RCM là có thể đạt độ
phân giải vài chục km, với độ phân giải cao hơn như vậy các RCM về nguyên tắc sẽ
thể hiện những nhiều ưu điểm vượt trội hơn trong khả năng cung cấp sản phẩm dự
báo cho các khu vực hạn chế so với các GCM, đặc biệt trong dự báo các sự kiện cực
đoan [47, 31]. Bởi các tác động địa hình, đặc điểm bề mặt đệm và tương phản đất biển ở địa phương được nắm bắt tốt hơn, phân bố không gian của các trường cũng
phân bố hợp lý hơn [41].
Một số công trình nghiên cứu ứng dụng mô hình số trong mô phỏng cực đoan
nhiệt độ cao được liệt kê dưới đây:
Halenka và CS (2006) [33] đã sử dụng kết quả mô phỏng khí hậu trên khu vực
cộng hòa Czech thời kỳ 40 năm từ 1961-2000 bằng mô hình RegCM3 để phân tích
các cực trị nhiệt độ và giáng thủy. Theo tác giả, mô hình mô phỏng thấp hơn về nhiệt

10


độ cực đại ngày và sự xuất hiện các đợt sóng nhiệt trên khu vực. Các tác giả cho rằng
để áp dụng cho địa hình phức tạp trong mô phỏng cực trị cần tăng độ phân giải cao
hơn nhằm mô tả tốt hơn các điều kiện địa hình và do đó giảm sai số của nhiệt độ cực
đại ngày. Mô hình chạy với độ phân giải lưới tính 45 km và được điều khiển bởi điều
kiện biên là số liệu tái phân tích của NCEP/NCAR.
Abdallad và CS (2015) [23] nghiên cứu khả năng dự báo hạn mùa của mô hình
clWRF đối với trường nhiệt độ, lượng mưa trung bình và cực trị nhiệt độ (nhiệt độ
tối cao và nhiệt độ tối thấp) trên khu vực Bắc Phi từ tháng 7 năm 2006 đến tháng 12
năm 2011. Số liệu tái phân tích NCEP/DOE2 độ phân giải 1,875x1,875o kinh vĩ được
sử dụng làm điều kiện ban đầu và điều kiện biên cho mô hình. Các kết quả mô phỏng
của mô hình được so sánh với số liệu quan trắc trên lưới (CRU và GPCC) và số liệu
vệ tinh đưa về lưới CMORPH. Kết quả thu được cho thấy, mô hình có khả năng nắm
bắt tốt phân bố không gian các trường nhiệt độ trên khu vực và mô phỏng thiên thấp
so với quan trắc.
Ngo Duc Thanh và CS (2017) [44] nghiên cứu khả năng mô phỏng hạn mùa
một số cực đoan nhiệt độ và lượng mưa trên khu vực CORDEX – Đông Nam Á giai
đoạn 1989 -2007 bằng mô hình RegCM phiên bản 4.3 với 18 thí nghiệm kết hợp giữa
các sơ đồ tham số đối lưu và sơ đồ thông lượng bề mặt khác nhau. Mô hình được thiết
lập với 1 miền tính độ phân giải 36km, điều kiện biên và điều kiện đầu vào của mô
hình là số liệu tái phân tích ERA-Interim của trung tâm hạn vừa châu Âu. Các kết quả
nhận được cho thấy, mô hình có xu hướng mô phỏng thiên thấp các chỉ số cực đoan
nhiệt độ trên khu vực. Sự kết hợp giữa sơ đồ đối lưu MIT‐Emanuel và sơ đồ thông
lượng BATS1e trong mô hình thường cho kết quả dự báo tốt nhất.
Mazanas và CS (2018) hạ quy mô 15 thành phần mô hình trong hệ thống dự
báo hạn mùa châu Âu nhằm nâng cao kỹ năng dự báo của mô hình đối với các cực
đoan khí hậu nhiệt độ và lượng mưa và mô phỏng lại một số đợt sóng nhiệt trên khu
vực trong các năm 2003, 2006, 2012 [42].

11


1.1.2. Tình hình nghiên cứu trong nước
Ở Việt Nam, trước những năm 2000, công tác dự báo mùa vẫn chưa thực sự
được chú trọng. Tuy nhiên từ những nghiên cứu đầu tiên, đặt nền móng của tác giả
Nguyễn Duy Chinh và CS (2002) [8], bài toán dự báo hạn mùa bắt đầu được các nhà
khoa học quan tâm nghiên cứu và phát triển. Trong thời kỳ đầu, các nghiên cứu dự
báo mùa dựa trên phương pháp thống kê truyền thống và thực hiện chủ yếu cho các
biến khí hậu như nhiệt độ, lượng mưa trung bình tháng, trung bình mùa [7, 8 dựa trên
mối quan hệ thống kê giữa nhân tố dự báo và các yếu tố dự báo dựa trên tập số liệu
quan trắc khí tượng thủy văn.
Tuy nhiên, cùng với sự phát triển khoa học máy tính, các nghiên cứu trong dự
báo khí hậu hạn mùa của nước ta đã có nhiều bước tiến quan trọng, với việc ứng dụng
rộng rãi các mô hình số đô phân giải cao. Bên cạnh dự báo trường khí hậu trung bình,
một số yếu tố và hiện tượng khí hậu cực đoan bắt đầu được quan tâm nghiên cứu.
Một số công trình tiêu biểu như:
Tác giả Nguyễn Văn Thắng và CS (2005) [13] ứng dụng các phương pháp
thống kê lên số liệu tái phân tích của GCM, sử dụng các bản đồ đường đẳng trị, giá
trị hệ số tương quan để xác định khu vực và thời gian trễ của các trường nhân tố dự
báo sau đó xây dựng hàm hồi quy từng bước để dự báo số lần xuất hiện nắng nóng,
không khí lạnh. Năm 2005, tác giả Nguyễn Văn Thắng [14], trong công trình “Nghiên
cứu các hiện tượng cực đoan phục vụ phòng chống và giảm nhẹ thiệt hại thiên tai ở
thành phố Hà Nội” đã xác định được quy luật phân bố theo không gian và diễn biến
theo thời gian của các đặc trưng hoặc hiện tượng khí tượng cực đoan trên khu vực Hà
Nội và ứng dụng thông tin khí tượng cực đoan trong định hướng giải pháp phòng
tránh, giảm nhẹ thiệt hại thiên tai đối với một số lĩnh vực kinh tế xã hội chủ yếu của
Hà Nội. Để xác định nhiệt độ cực đoan, các tác giả đã khảo sát nhiều chỉ số khí hậu
cực đoan như: số ngày có nhiệt độ cao nhất trên 350C; số đợt nắng nóng, số ngày có

nhiệt độ cao nhất trên 300C; số ngày có nhiệt độ thấp nhất dưới 250C; số ngày có nhiệt

12


độ thấp nhất dưới 150C; số ngày có nhiệt độ thấp nhất dưới 130C; số đợt rét hại, số
ngày có nhiệt độ thấp nhất dưới 100C...
Phan Văn Tân và CS (2010) [17] thực hiện ”Nghiên cứu tác động của biến
đổi khí hậu toàn cầu đến các yếu tố và hiện tượng khí hậu cực đoan ở Việt Nam, khả
năng giải pháp và các chiến lược ứng phó”. Trong nghiên cứu này, mô hình kết hợp
đại dương khí quyển CAM- SOM đã được ứng dụng làm đầu vào cho các mô hình
khí hậu khu vực trong dự báo hạn mùa ở Việt Nam. Tuy nhiên, các kết quả nhận được
vẫn tồn tại một số hạn chế, đặc biệt là chưa đánh giá được một cách đầy đủ sai số của
trường dự báo toàn cầu.
Nguyễn Văn Thắng và CS (2011) đã đánh giá mức độ dao động và tính chất
của các yếu tố và hiện tượng khí hậu, một số hiện tượng khí hậu cực đoan (nắng nóng,
rét đậm, rét hại...). Đề tài sử dụng số liệu quan trắc và phân tích lại của NCAR/NCEP
trong 50 năm qua để đánh giá được mức độ dao động của các yếu tố khí hậu theo
tháng mùa và năm, đánh giá được mức độ và tính chất dao động của các hiện tượng
khí hậu cực đoan điển hình (mưa lớn, sương muối, rét hại, khô nóng, mưa đá) ở Việt
Nam. Tuy nhiên, đề tài sử dụng số liệu tái phân tích của trường toàn cầu với độ phân
giải thô, do vậy kết quả vẫn còn hạn chế.
Đỗ Huy Dương (2012) [5] thực hiện đánh giá và chỉ ra được khả năng mô
phỏng hạn mùa một số yếu tố khí hậu cực trị, cực đoạn nhiệt độ như Tx, TXx và hiện
tượng khí hậu cực đoan (số ngày, số đợt nắng nóng cục bộ) liên quan đến nhiệt độ
cao như nhiệt độ tối cao, nhiệt độ tối cao tuyệt đối và số ngày xảy ra nắng nóng từ
kết quả các mô hình khí hậu khu vực RegCM, REMO và MM5CL trong đề tài của
Phan Văn Tân 2010 cho khu vực Việt Nam cho 10 năm 1990 -1999 . Đồng thời trong
luận án đã đánh giá hiệu quả của ba phương pháp hiệu chỉnh và chỉ ra được phương
pháp hiệu chỉnh tốt nhất cho từng yếu tố khí hậu cực trị và hiện tượng khí hậu cực

đoan của các mô hình RegCM, REMO và MM5CL cho từng vùng khí hậu.
Trịnh Tuấn Long (2012) [18] đã tiến hành thử nghiệm dự báo hạn mùa một số
chỉ số khí hậu cực đoan bằng mô hình RegCM cho khu vực Việt Nam. Bộ số liệu
CFS dự báo năm 2012 từ tháng 1 đến tháng 10 được sử dụng làm điều kiện ban đầu
13


và điều kiện biên cho mô hình khí hậu khu vực RegCM4.2 với các biến đầu vào là 5
biến được cho trên các mực áp suất là độ cao địa thế vị (HGT), độ ẩm tương đối
(RH), nhiệt độ không khí (TMP), các thành phần gió vĩ hướng (UGRD), kinh hướng
(VGRD) và 2 biến bề mặt là khí áp mực biển (PRMSL), nhiệt độ bề mặt biển (SST).
Đối với các chỉ số cực đoan liên quan đến nhiệt độ cao, tác giả có thử nghiệm đánh
giá cho các biến Tx và TXx, số ngày nắng nóng và nắng nóng gay gắt trên cả nước.
Phan Văn Tân và CS (2014) [19] trong đề tài nhà nước "Nghiên cứu xây dựng
hệ thống mô hình dự báo hạn mùa một số hiện tượng khí hậu cực đoan phục vụ phòng
tránh thiên tai ở Việt Nam" đã thử nghiệm thành công việc chạy các mô hình toàn
cầu CAM, CAM-SOM, CCAM với bộ số liệu SST khác nhau để tạo ra các trường dự
báo hạn mùa toàn cầu làm cơ sở cho việc chủ động cung cấp nguồn số liệu đầu vào
cho các mô hình khí hậu khu vực trong bài toán dự báo hạn mùa ở Việt Nam. Các kết
quả đánh giá bước đầu cho thấy triển vọng của việc triển khai ứng dụng các hệ thống
CAM-CFS, CCAM-IRI vào dự báo hạn mùa ở Việt Nam. Đồng thời các tác giả có
đánh giá thử nghiệm các mô hình khí hậu khu vực RegCM, clWRF và MM5CL vào
dự báo hạn mùa các trường khí hậu trung bình, cực trị (Tx) và một số chỉ số cực đoan
liên quan nhiệt độ cao (TXx, Tx90p, số ngày, số đợt nắng nóng, nắng nóng gay gắt
cục bộ, diện rộng trên các khu vực ở Việt Nam cho năm 2012 đến hạn 6 tháng khi sử
dụng số liệu dự báo toàn cầu CFS làm điều kiện ban đầu và điều kiện biên cho các
mô hình. Trong đó đáng chú ý là đã cải tiến mô hình RegCM4.2 để nhận số liệu SST
từng 6 giờ một thay vì trung bình tháng. Tuy nhiên xuất phát từ điều kiện khách quan,
dẫn đến một hạn chế trong đề tài là các đặc trưng khí hậu mô hình được chạy với điều
kiện biên là số liệu tái phân tích.

Mai Văn Khiêm (2017) [16] xem xét sự ảnh hưởng của hiện tượng ENSO đến
khả năng dự báo hạn mùa cực đoan nhiệt độ mùa hè trên khu vực Bắc Trung Bộ của
mô hình RegCM4 với điều kiện ban đầu và điều kiện biên xung quanh là số liệu CFS
độ phân giải 1 x1 độ kinh vĩ. Tác giả thực hiện đánh giá kết quả dự báo của mô hình
đối với các chỉ số bao gồm nhiệt độ tối cao, số ngày nắng nóng trong các tháng 5,6,7
cho đợt La Nina 1988 -1989 và đợt El Nino 1997 – 1998; trong đó ngưỡng nắng nóng
14