(Luận văn thạc sĩ) đánh giá khả năng dự báo khí hậu hạn mùa của mô hình RSM trên khu vực việt nam

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

Hà Trường Minh

ĐÁNH GIÁ KHẢ NĂNG DỰ BÁO KHÍ HẬU HẠN MÙA
CỦA MƠ HÌNH RSM TRÊN KHU VỰC VIỆT NAM

LUẬN VĂN THẠC SĨ KHOA HỌC

Hà Nội – 2017


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

Hà Trường Minh

ĐÁNH GIÁ KHẢ NĂNG DỰ BÁO KHÍ HẬU HẠN MÙA
CỦA MƠ HÌNH RSM TRÊN KHU VỰC VIỆT NAM
Chuyên ngành: Khí tượng và khí hậu học
Mã số: 60440222
LUẬN VĂN THẠC SĨ KHOA HỌC
NGƯỜI HƯỚNG DẪN KHOA HỌC:
TS. MAI VĂN KHIÊM

Hà Nội – 2017

LỜI CẢM ƠN
Trước hết, tôi xin gửi lời cám ơn sâu sắc nhất đến các thầy cơ trong khoa Khí
tượng Thủy văn và Hải dương học, trường Đại học Khoa học Tự nhiên, Đại học Quốc
gia Hà Nội, đã trang bị cho tôi những kiến thức chuyên môn và kinh nghiệm nghiên
cứu quý báu trong suốt thời gian học tập tại trường cũng như trong quá trình thực
hiện luận văn.
Đặc biệt tôi xin trân trọng cảm ơn TS. Mai Văn Khiêm là người đã tận tình chỉ
bảo, định hướng khoa học và tạo điều kiện tốt nhất cho tôi trong q trình thực hiện
luận văn này.
Tơi cũng xin gửi lời cảm ơn đến lãnh đạo Trung tâm Nghiên cứu Khí tượng
Khí hậu, Viện Khoa học Khí tượng Thủy văn và Biến đổi khí hậu đã tạo mọi điều
kiện thuận lợi và tận tình giúp đỡ tơi trong q trình thực hiện luận văn này.
Cuối cùng tôi xin gửi lời cảm ơn chân thành đến gia đình, bạn bè và đồng
nghiệp, những người đã động viên và giúp đỡ tôi trong suốt quá trình thực hiện luận
văn này.


MỤC LỤC
DANH MỤC HÌNH .................................................................................................... 2
DANH MỤC BẢNG ................................................................................................... 4
DANH MỤC CÁC KÝ HIỆU VIẾT TẮT.................................................................. 5
MỞ ĐẦU ..................................................................................................................... 6
CHƯƠNG 1: TỔNG QUAN ................................................................................... 7
CHƯƠNG 2: SỐ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU ............................ 23
2.1 Sơ lược về mơ hình khí hậu phổ khu vực (RSM) ........................................ 23
2.2 Số liệu nghiên cứu ........................................................................................ 28
2.3 Thiết kế nghiên cứu ...................................................................................... 30
2.4 Phương pháp đánh giá .................................................................................. 37
CHƯƠNG 3: ĐÁNH GIÁ KHẢ NĂNG MƠ PHỎNG CỦA MƠ HÌNH RSM
THEO CÁC LỰA CHỌN CẤU HÌNH KHÁC NHAU ........................................ 39

3.1 Đánh giá độ nhạy của mơ hình với độ rộng miền tính ................................. 39
3.2 Đánh giá độ nhạy của mơ hình với độ phân giải .......................................... 56
3.3 Đánh giá độ nhạy của mơ hình với sơ đồ đối lưu. ....................................... 60
3.4 Kết quả thử nghiệm đánh giá thời gian thực ................................................ 67
KẾT LUẬN ............................................................................................................... 74
TÀI LIỆU THAM KHẢO ......................................................................................... 75

1


DANH MỤC HÌNH
Hình 1.1 Hệ số tương quan dị thường nhiệt độ bề mặt biển giữa dự báo của mô hình
và quan trắc: (a) dự báo 3-tháng của CFSv1, (b) dự báo 6-tháng của CFSv1, (c) dự
báo 3-tháng của CFSv2 và (d) dự báo 6-tháng của CFSv2 ....................................... 10
Hình 2.1 Sơ đồ biên độ của một biến bất kỳ theo một chiều trên miền tính khu vực
cho (a) phương pháp thông thường và (b) Phương pháp xử lý nhiễu của RSM. Các
ký hiệu A đại diện cho một trường đầy đủ, và AG đại diện cho sự đóng góp từ mơ
hình phổ tồn cầu. ..................................................................................................... 24
Hình 2.2 Vị trí 55 trạm lấy số liệu quan trắc để đánh giá ......................................... 30
Hình 2.3 Miền mẹ của các thí nghiệm ...................................................................... 31
Hình 2.4 Các miền tính lần lượt ứng với 3 thí nghiệm: PA1, PA2, PA3 .................. 32
Hình 2.5 Miền tính thí nghiệm nghiệm đánh giá ảnh hưởng của độ phân giải......... 34
Hình 2.6 Miền tính thí nghiệm đánh giá ảnh hưởng của sơ đồ tham số hóa đối lưu 36
Hình 3.1 Trường khí áp mực biển trung bình các tháng 1, 4, 7, 10 (từ trên xuống
dưới) trong giai đoạn 1991-1995 so với số liệu CFSR ............................................. 40
Hình 3.2 Trường vectơ gió và độ cao địa thế vị mực 850 mb trung bình các tháng 1,
4, 7, 10 (từ trên xuống dưới) trong giai đoạn 1991-1995 so với số liệu CFSR ........ 42
Hình 3.3 Trường vectơ gió và độ cao địa thế vị mực 500 mb trung bình các tháng 1,
4, 7, 10 (từ trên xuống dưới) trong giai đoạn 1991-1995 so với số liệu CFSR ........ 44
Hình 3.4 Trường vectơ gió và độ cao địa thế vị mực 200 trung bình các tháng 1, 4,

7, 10 (từ trên xuống dưới) trong giai đoạn 1991-1995 so với số liệu CFSR ............ 46
Hình 3.5 Trường nhiệt độ mơ phỏng trung bình năm, mùa hè, mùa đông (từ trên
xuống dưới) trong giai đoạn 1991-1995 của 3 phương án thí nghiệm và số liệu
APHRODITE ............................................................................................................ 48
Hình 3.6 Trường mưa mơ phỏng trung bình năm, mùa hè, mùa đông (từ trên xuống
dưới) trong giai đoạn 1991-1995 của 3 phương án thí nghiệm và số liệu
APHRODITE ............................................................................................................ 49
Hình 3.7 Biều đồ Hovmoller trung bình trượt 5 ngày của nhiệt độ (trên) và lượng
mưa (dưới) của 3 phương án thí nghiệm với APHRODITE ..................................... 51
Hình 3.8 Profile thẳng đứng của nhiệt độ (trên) và độ ẩm riêng (dưới) trung bình
năm, mùa hè, mùa đơng giai đoạn 1991-1995 của 3 phương án thử nghiệm với số
liệu CFSR. ................................................................................................................. 52
Hình 3.9 Đồ thị tụ điểm đánh giá sai số mơ phỏng trung bình năm, mùa hè, mùa
đơng của nhiệt độ 2m (trên) và lượng mưa (dưới) của 3 phương án thử nghiệm tại
55 trạm quan trắc ....................................................................................................... 53
Hình 3.10 Diễn biến theo tháng của nhiệt độ (trái) và lượng mưa (phải) trung bình
trên khu vực Việt Nam trong giai đoạn 1991-1995 của số liệu APHRODITE và 3
phương án độ phân giải ............................................................................................. 57

2


Hình 3.11 Đồ thị tụ điểm đánh giá sai số mơ phỏng trung bình năm, mùa hè, mùa
đơng của nhiệt độ 2m (trên) và lượng mưa (dưới) của 3 phương án thử nghiệm tại
55 trạm quan trắc ....................................................................................................... 58
Hình 3.12 Trường nhiệt độ (trái) và lượng mưa (phải) mô phỏng trung năm, mùa hè,
mùa đông (từ trên xuống dưới) trong giai đoạn 1986-1995 của 2 sơ đồ đối lưu và số
liệu APHRODITE ..................................................................................................... 61
Hình 3.13 Biều đồ Hovmoller trung bình trượt 5 ngày của nhiệt độ (trên) và lượng
mưa (dưới) của 3 phương án thí nghiệm với APHRODITE ..................................... 62

Hình 3.14 Profile thẳng đứng của nhiệt độ (trên) và độ ẩm riêng (dưới) trung bình
năm, mùa hè, mùa đơng giai đoạn 1986-1995 của 2 sơ đồ đối lưu và số liệu
CFSR ......................................................................................................................... 63
Hình 3.15 Đồ thị tụ điểm đánh giá sai số mơ phỏng trung bình năm, mùa hè, mùa
đơng của nhiệt độ 2m (trên) và lượng mưa (dưới) của 2 sơ đồ đối lưu tại 55 trạm
quan trắc .................................................................................................................... 65
Hình 3.16 Miền tính trong mơ hình RSM ................................................................. 66
Hình 3.17 Sai số so với số liệu quan trắc tại 48 trạm của mơ hình CFS (trên) và
CFS/RSM (dưới) đối với nhiệt độ trong giai đoạn tháng 5 năm 2014 đến tháng 10
năm 2015 với hạn dự báo 1 tháng ............................................................................. 68
Hình 3.18 Sai số so với số liệu quan trắc tại 48 trạm của mơ hình CFS (trên) và
CFS/RSM (dưới) đối với nhiệt độ trong giai đoạn tháng 5 năm 2014 đến tháng 10
năm 2015 với hạn dự báo 2 tháng ............................................................................. 69
Hình 3.19 Sai số so với số liệu quan trắc tại 48 trạm của mơ hình CFS (trên) và
CFS/RSM (dưới) đối với nhiệt độ trong giai đoạn tháng 5 năm 2014 đến tháng 10
năm 2015 với hạn dự báo 3 tháng ............................................................................. 70
Hình 3.20 Sai số so với số liệu quan trắc tại 48 trạm của mô hình CFS (trên) và
CFS/RSM (dưới) đối với lượng mưa trong giai đoạn tháng 5 năm 2014 đến tháng 10
năm 2015 với hạn dự báo 1 tháng ............................................................................. 71
Hình 3.21 Sai số so với số liệu quan trắc tại 48 trạm của mơ hình CFS (trên) và
CFS/RSM (dưới) đối với lượng mưa trong giai đoạn tháng 5 năm 2014 đến tháng 10
năm 2015 với hạn dự báo 2 tháng ............................................................................. 72
Hình 3.22 Sai số so với số liệu quan trắc tại 48 trạm của mơ hình CFS (trên) và
CFS/RSM (dưới) đối với lượng mưa trong giai đoạn tháng 5 năm 2014 đến tháng 10
năm 2015 với hạn dự báo 3 tháng ............................................................................. 73

3


DANH MỤC BẢNG

Bảng 2.1 Danh sách 55 trạm lấy số liệu quan trắc để đánh giá ................................ 29
Bảng 2.2 Các phương án thử nghiệm lựa chọn miền tính mơ hình RSM ................. 32
Bảng 2.3 Các sơ đồ tham số hóa vật lý trong thử nghiệm độ rộng miền tính........... 32
Bảng 2.4 Độ phân giải các trường hợp thử nghiệm .................................................. 33
Bảng 2.5 Các sơ đồ tham số hóa vật lý sử dụng trong thử nghiệm độ phân giải...... 34
Bảng 2.6 Thời gian cần thiết cho các trường hợp thử nghiệm độ phân giải ............. 35
Bảng 2.7 Cấu hình miến tính sử dụng trong thử nghiệm sơ đồ đối lưu .................... 36
Bảng 3.1 Sai số MAE của nhiệt độ trung bình năm, mùa hè, mùa đông so với số liệu
quan trắc tại trạm trong giai đoạn 1991-1995 của 3 phương án độ rộng miền tính .. 54
Bảng 3.2 Sai số MARE của nhiệt độ trung bình năm, mùa hè, mùa đơng so với số
liệu quan trắc tại trạm trong giai đoạn 1991-1995 của 3 phương án độ rộng miền
tính ............................................................................................................................. 55
Bảng 3.3 Sai số MAE của nhiệt độ trung bình năm, mùa hè, mùa đông so với số liệu
quan trắc tại trạm trong giai đoạn 1991-1995 của 3 phương án độ phân giải .......... 59
Bảng 3.4 Sai số MARE của lượng mưa trung bình năm, mùa hè, mùa đơng so với số
liệu quan trắc tại trạm trong giai đoạn 1991-1995 của 3 phương án độ phân giải ... 59
Bảng 3.5 Sai số MAE của nhiệt độ trung bình năm, mùa hè, mùa đông so với số liệu
quan trắc tại trạm trong giai đoạn 1986-1995 của 2 sơ đồ đối lưu ........................... 64
Bảng 3.6 Sai số MARE của lượng mưa trung bình năm, mùa hè, mùa đông so với số
liệu quan trắc tại trạm trong giai đoạn 1991-1995 của 3 phương án độ rộng miền
tính ............................................................................................................................. 64
Bảng 3.7 Các sơ đồ tham số hóa sử dụng trong mơ hình RSM ................................ 66

4


DANH MỤC CÁC KÝ HIỆU VIẾT TẮT
Mơ hình hồn lưu chung khí quyển (General Circulation Models of the
Atmosphere)
AOGCM Atmosphere-Ocean General Circulation Model (Mơ hình hồn lưu

chung
khí quyển - đại dương)
CFS
Hệ thống mơ hình dự báo dự báo khí hậu tồn cầu (Climate Forecast
System)
ECMWF Trung tâm dự báo thời tiết hạn vừa Châu Âu (European Centre for
Medium Range Weather Forecasts)
ENSO
El Nino/Southern Oscillation
GCM
Mơ hình hồn lưu tồn cầu (Global Circulation Model)
GFS
Hệ thống dự báo toàn cầu (Global Forecast System)
IPCC
Intergovernmental Panel on Climate Change (Ban Liên chính phủ về
Biến đổi khí hậu)
NCEP
Trung tâm dự báo môi trường quốc gia, Mỹ (National Centers for
Environmental Prediction)
RCM
Regional Climate Model (Mơ hình khí hậu khu vực)
RSM
Mơ hình phổ khu vực (Regional Spectral Model)
SST
Nhiệt độ mặt nƣớc biển toàn cầu (Sea surface temperature)
AGCM

5

MỞ ĐẦU
Bài toán dự báo hạn mùa hiện đang là một trong những bài toán được quan
tâm trên thế giới cũng như trong khu vực bởi những ứng dụng thiết thực đối với đời
sống xã hội. Trong những năm gần đây, cùng với sự phát triển của khoa học công
nghệ, đặc biệt là trong ngành máy tính và tính tốn hiệu năng cao, phương pháp dự
báo khí hậu sử dụng mơ hình động lực đã có những bước phát triển mạnh mẽ và ngày
càng được ứng dụng rộng rãi. Việc ứng dụng các mơ hình dự báo số trị, khơng chỉ
trên quy mơ tồn cầu mà cịn chi tiết hóa cho từng khu vực, đã góp phần tạo điều kiện
thuận lợi cho các nghiên cứu chuyên sâu và mang tính ứng dụng cao hơn.
Ở Việt Nam, việc ứng dụng và thử nghiệm các mơ hình khí hậu khu vực cho
bài toán dự báo mùa đã được thực hiện tương đối nhiều trong những năm gần đây với
các mơ hình như RegCM, clWRF, ... Trong khuôn khổ luận văn này, tác giả sẽ thử
nghiệm sử dụng mơ hình khí hậu phổ khu vực RSM, kết hợp với sản phẩm đầu ra từ
mơ hình dự báo tồn cầu CFS, để đưa ra các sản phẩm dự báo và đánh giá kết quả
cho khu vực Việt Nam. Khác với các mơ hình điểm lưới kể trên, mơ hình RSM là mơ
hình có cấu trúc phổ tương tự như các mơ hình tồn cầu nên có nhiều ưu điểm khi sử
dụng để chi tiết hóa kết quả của mơ hình tồn cầu cho các khu vực nhỏ. Trước đó,
khả năng mơ phỏng của RSM với lựa chọn độ rộng miền tính, độ phân giải và các sơ
đồ đối lưu khác nhau cũng được đánh giá với kết quả trong giai đoạn quá khứ. Luận
văn được bố cục thành 4 chương, ngoài mở đầu, kết luận và tài liệu tham khảo như
sau:
Chương 1: Tổng quan
Chương 2: Số liệu và phương pháp nghiên cứu
Chương 3: Đánh giá khả năng mơ phỏng của mơ hình theo các lựa chọn cấu
hình khác nhau
Chương 4: Kết quả thử nghiệm đánh giá dự báo thời gian thực

6

CHƯƠNG 1: TỔNG QUAN
Thơng tin khí hậu và dự báo khí hậu đóng một vai trị quan trọng đối với các
ngành kinh tế - xã hội và cơng tác phịng tránh thiên tai. Đặc biệt trong bối cảnh biến
đổi khí hậu như ngày nay, những biến đổi về thời tiết và khí hậu đã gây ra những ảnh
hưởng nghiêm trọng đến các ngành kinh tế - xã hội như nông nghiệp, tài nguyên
nước, đa dạng sinh học, sức khỏe con người, … Do vậy, kết quả dự báo khí hậu có
độ tin cậy và chi tiết sẽ giúp người sử dụng bao gồm các nhà hoạch định chính sách,
nhà quản lý và sản xuất,… đưa ra được các giải pháp và kế hoạch sản xuất hợp lý
nhằm giảm thiểu những thiệt hại có thể có.
Khái niệm về dự báo khí hậu có khá nhiều những quan niệm khác nhau. Có
người cho rằng dự báo khí hậu phải là dự báo những biến động khí hậu có chu kỳ kéo
dài hàng thập kỷ, hoặc hàng thế kỷ trở lên, còn những biến động có chu kỳ dưới một
năm được gọi chung là dự báo khí tượng hạn dài, gắn bó nhiều hơn với dự báo thời
tiết. Trong vài thập kỷ gần đây các nhà nghiên cứu khí hậu đã có một quan niệm khá
thống nhất: dự báo mùa là đối tượng trung tâm của dự báo khí hậu.
Đến nay, hai phương pháp chính được sử dụng rộng rãi trong nghiên cứu dự
báo khí hậu quy mơ khu vực và Quốc gia là phương pháp thống kê thực nghiệm và
phương mơ hình hóa động lực. Phương pháp thống kê thực nghiệm được xây dựng
trên cơ sở các nguồn số liệu khí hậu q khứ trong khi đó các mơ hình động lực dựa
trên các nguyên lý cơ bản nhiệt động lực học trong khí quyển để mơ phỏng các hiện
tượng, các q trình vận động của tồn bộ khí quyển đối với khu vực quan tâm. Mặc
dù các mơ hình thống kê thực nghiệm hiện đang được sử dụng chủ yếu và hiệu quả
tại một số trung tâm dự báo khí hậu khu vực và quốc tế, song cùng với sự phát triển
mạnh mẽ của cơng nghệ máy tính và những hiểu biết sâu về bản chất vật lý các quá
trình trong khí quyển đã tạo điều kiện cho phát triển và ứng dụng mơ hình động lực
trong dự báo khí hậu, đặc biệt tại các trung tâm nghiên cứu dự báo khí hậu lớn trên
thế giới, từ Châu Âu, Châu Á, Châu Mỹ, Châu Phi đến Châu Úc.
Sau đây sẽ trình bày khái quát cách tiếp cận nghiên cứu sử dụng mơ hình động
lực trong dự báo khí hậu dựa trên những kết quả nghiên cứu chính đã được cơng bố.

7


Ngồi nước:
Mơ 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 mơ hình tốn học mơ tả
khí hậu. Theo mức độ phức tạp, có thể sắp xếp các mơ hình khí hậu theo thứ tự từ
những mơ hình cân bằng năng lượng đơn giản đến các mơ hình rất phức tạp, địi hỏi
phải có các máy tính lớn, tốc độ tính tốn nhanh và những kỹ thuật tính tốn phức
tạp. Các mơ hình khí hậu thường được ký hiệu ngắn gọn là GCM (General Circulation
Model). Nguyên gốc GCM được cấu tạo từ thuật ngữ mơ hình hồn lưu chung khí
quyển. Tuy nhiên, hiện nay GCM được dùng để ký hiệu loại mơ hình khí hậu tinh
xảo nhất, trong đó hồn 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 mơ hình khí hậu tồn cầu.
Khởi đầu của việc ứng dụng các GCM trong nghiên cứu khí hậu là mơ hình
hồn lưu chung khí quyển đơn giản được Philip xây dựng lần đầu tiên vào năm 1956.
Sau đó, các mơ hình hồn lưu chung khí quyển 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 mơ hình hồn lưu chung khí quyển đã thu hút sự quan tâm đặc biệt
của các nhà khí tượng, khí hậu học. Đánh dấu cho sự phát triển mơ hình khí hậu là sự
hình thành nhóm nghiên cứu biến đổi khí hậu của Ban liên Chính phủ về biến đổi khí
hậu (IPCC) vào những năm 1980.
Do tầm quan trọng của đại dương đối với hệ thống khí hậu nên các nhà mơ
hình hố đã bắt đầu thử “ghép” mơ hình hồn lưu chung đại dương (OGCM) với mơ
hình hồn lưu chung khí quyển (AGCM) để tạo thành hệ thống mơ hình kết hợp
(couple) đại dương khí quyển (AOGCM). Đến giữa những năm 1980 các mơ hình
AOGCM đã được thiết lập như một tiêu chuẩn mới đối với mơ hình hố khí hậu. Các
mơ hình AOGCM đã có thể mơ phỏng được (a) Thơng lượng nhiệt và ẩm (bốc hơi)
từ đại dương vào lớp biên khí quyển; (b) Thơng 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

8


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 khơng khí và nước.
Theo kết quả tổng hợp trong báo cáo lần thứ Tư (The Fourth Assessment
Report  AR4) của IPCC (2007), cho đến nay các mơ hình đã đạt được những tiến
bộ vượt bậc trong mơ phỏng nhiều khía cạnh của khí hậu trung bình hiện tại. Các mơ
phỏng giáng thủy, khí áp mực biển và nhiệt độ bề mặt nhìn chung đã được cải thiện
mặc dù vẫn còn một số khiếm khuyết, nhất là đối với giáng thủy vùng nhiệt đới. Đối
với giáng thủy, các mơ hình nói chung vẫn cho mơ phỏng thấp hơn thực tế trong hầu
hết các hiện tượng cực đoan. Việc mơ phỏng xốy thuận ngoại nhiệt đới cũng đã có
nhiều tiến bộ. Một số mơ hình đã được sử dụng để dự tính sự biến đổi của xốy thuận
nhiệt đới. Kết quả cho thấy chúng có thể mô phỏng khá thành công tần suất và sự
phân bố của xốy thuận nhiệt đới quan trắc. Các mơ hình cũng đã mô phỏng được
các dạng (mode) chủ đạo của biến động khí hậu ngoại nhiệt đới, như NAM/SAM (the
Northern and Southern hemisphere Annular Modes), PNA (Pacific/North American),
PDO (Pacific Decadal Oscillation). Mặc dù vậy, các mơ hình vẫn chưa tái tạo được
một số đặc điểm của các dạng biến động này. Hiện tại đã có một số mơ hình có thể
mơ phỏng nhiều đặc tính quan trọng của ENSO (El Nino/Southern Oscillation),
nhưng mơ phỏng dao động MaddenJulian nói chung vẫn còn chưa tốt.
Trong những năm gần đây, cùng với sự phát triển mạnh mẽ của khoa học tính
tốn, các mơ hình GCM đã khơng ngừng được phát triển và hồn thiện thông qua việc
tăng độ phân giải không gian cũng như cải tiến các module động lực và các sơ đồ
tham số hóa (băng biển, lớp biên khí quyển, lớp xáo trộn đại dương). Nhiều quá trình
rất quan trọng đã được đưa vào trong các mơ hình, bao gồm những quá trình ảnh
hưởng đến các nhân tố tác động (forcing) (ví dụ aerosol bây giờ đã được mơ hình hóa
trong mối tương tác với các quá trình khác trong nhiều mơ hình). Ở nhiều nước mơ

hình động lực đã trở thành cơng cụ chính trong dự báo khí hậu nghiệp vụ. Có thể nêu
ra một số ví dụ:
Ở Hoa Kỳ, Trung tâm Dự báo khí hậu quốc gia (CPC) đã phát triển hệ thống
dự báo khí hậu sử dụng mơ hình động lực tồn cầu CFS (Climate Forecast System).

9


Phiên bản đầu tiên là CFSv1 được đưa vào hoạt động dự báo nghiệp vụ tại NCEP từ
tháng 8 năm 2004, đây là mơ hình kết hợp đầy đủ khí quyển-đại dương-đất (Saha và
CS, 2006). Hệ thống CFSv1 làm việc hiệu quả và được sử dụng bởi nhiều người trong
cộng đồng, thậm chí sau khi CFSv2 được triển khai đưa vào hoạt động tháng 3 năm
2011, CFSv1 vẫn tiếp tục hoạt động. CFSv1 cuối cùng đã ngừng hoạt động vào cuối
tháng 9 năm 2012. CFSv2 đã cải tiến tất cả các thành phần của hệ thống CFSv1 và
đưa vào một vài điểm mới như nâng cấp mơ hình đất với bốn lớp đất, mơ hình băng
biển tương tác ba lớp và đưa sự biến đổi nồng độ CO2 trong quá khứ vào trong mơ
hình. Hơn nữa, tính nhất qn giữa trạng thái mơ hình và trạng thái ban đầu được tạo
ra bởi hệ thống đồng hóa số liệu đã được cải thiện trong CFSv2 (Saha và CS, 2014).
Kết quả dự báo của mơ hình CFS là trung bình tổ hợp của 40 thành phần dự báo, hạn
dự báo mùa của CFSv2 lên tới 9 tháng.

Hình 1.1 Hệ số tương quan dị thường nhiệt độ bề mặt biển giữa dự báo của mơ hình và quan
trắc: (a) dự báo 3-tháng của CFSv1, (b) dự báo 6-tháng của CFSv1, (c) dự báo 3-tháng của
CFSv2 và (d) dự báo 6-tháng của CFSv2
Ở Anh, bên cạnh các mơ hình thống kê truyền thống, từ những năm 1990,
Trung tâm xây dựng và ứng dụng các mơ hình hồn lưu chung khí quyển như chuỗi
mơ hình toàn cầu HadAM, GloSea. 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 tới 92×62 km. Độ
phân giải ngang của mơ hình biển và băng biển đã giảm từ 111 km tới 27 km (Arribas

và CS, 2011). Trong dự báo khí hậu mùa, để loại bỏ sai số hệ thống của mơ hình, các

10


dự báo được hiệu chỉnh bởi các dự báo lại (hindcast) của mơ hình. Dự báo lại của
GloSea5 thực hiện trong giai đoạn 1996-2009, các dự báo bắt đầu tại 4 ngày 01, 09,
17 và 25 của tháng với 3 thành phần tổ hợp. Dự báo mùa của Trung tâm được chia
làm 3 loại: (1) Dự báo trên chuẩn, dưới chuẩn và tựa chuẩn; (2) Dự báo trên chuẩn
nhiều, trên chuẩn, tựa chuẩn, dưới chuẩn và dưới chuẩn nhiều; (3) Dự báo trên chuẩn
và dưới chuẩn. Hiện nay, các sản phẩm dự báo với thời hạn trước từ 1 đến 6 tháng
của Trung tâm Hadley đã được đưa lên trang web.
Tại Úc, từ năm 2002 Cục Khí tượng Úc (BOM) đã sử dụng mơ hình động lực
kết hợp khí quyển-đại dương POAMA để dự báo mùa. Mơ hình này đã được nâng
cấp lên POAMA-1.5 và POAMA-2 với những cải tiến số liệu ban đầu hóa và các khởi
tạo tổ hợp để đưa ra dự báo phù hợp với quy mô nhiều tuần. Hệ thống POAMA-2
được đưa vào dự báo nghiệp vụ từ tháng 5 năm 2013. Hệ thống dự báo mới POAMA2 được thiết kế để dự báo quy mô giữa dự báo thời tiết và dự báo mùa. POAMA-2 sử
dụng mơ hình khí quyển – UM phiên bản 3 và mơ hình đại dương – ACOM phiên
bản 2. Trường ban đầu được cung cấp bởi các sơ đồ đồng hóa dữ liệu riêng biệt cho
các thành phần đại dương, đất và khí quyển. POAMA-2 bao gồm hệ thống tổ hợp
đồng hóa số liệu đại dương (Yin và CS, 2011) và hệ thống ban đầu hóa đất/ khí quyển
(Hudson và CS, 2011). Chi tiết các thành phần của mơ hình có thể tìm đọc trong
Wang và CS (2011). Một kỹ thuật nữa được đưa vào đó là tạo nhiễu điều kiện ban
đầu phù hợp với khí quyển và đại dương tại thời điểm ban đầu của các dự báo. Các
nhiễu được tạo ra bằng cách sử dụng mơ hình kết hợp đại dương-khí quyển xác định
tính khơng chắc chắn trong dự báo gây ra do độ nhạy của điều kiện ban đầu. Hệ thống
dự báo mới này là cột mốc quan trọng trong sự phát triển của hệ thống dự báo mùa
POAMA. Hiện nay, BOM đang thực hiện dự báo khí hậu mùa bằng mơ hình kết hợp
đại dương-khí quyển POAMA. Dự báo từ tổ hợp của 30 thành phần với điều kiện đầu
vào khác nhau (từ ngày mồng 1 đến 15 hàng tháng) với hạn dự báo lên đến 9 tháng

(Marshall và CS 2012).
Trung tâm dự báo thời tiết hạn vừa Châu Âu (ECMWF) đưa mơ hình
ECMWF hoạt động dự báo mùa từ năm 1997. Hệ thống dự báo thế hệ 3 được giới

11


thiệu vào tháng ba năm 2007. Hệ thống dự báo tốt nhiệt độ bề mặt nước biển (SST)
ở Ấn Độ Dương so với các hệ thống trước kia của ECMWF (thế hệ 1 và 2) (Stockdale
và CS, 2011). 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 dữ liệu
dự báo lại lớn. Chi tiết nâng cấp của thế hệ 4 có thể xem trong (Molteni và CS, 2011).
Hiện nay, ECMWF đã kết hợp mơ hình đại dương NEMO có độ phân giải ngang 10
km với mơ hình khí quyển ECMWF-IFS có 91 mực theo phương thẳng đứng và độ
phân giải ngang khoảng 80 km. Hệ thống mơ hình hiện nay cung cấp sản phẩm dự
báo mùa với 51 thành phần tổ hợp.
Ở Nhật Bản, Cục Khí tượng Nhật Bản (JMA) sử dụng hệ thống dự báo tổ hợp
EPS, bao gồm mơ hình hồn lưu chung khí quyển AGCM và mơ 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.
Ở Hàn Quốc, Cục Khí tượng Hàn Quốc (KMA) dự báo khí hậu với thời hạn
từ một đến sáu tháng. Dự báo một tháng được phát báo ba lần trong một tháng bao
gồm nhiệt độ, lượng mưa, và hình thế khí áp cho 30 ngày tiếp theo. Dự báo ba tháng
được tạo ra hàng tháng bao gồm xu thế nhiệt độ, lượng mưa bao gồm các hiện tượng
mùa đặc biệt như bụi Châu Á, bão cho 3 tháng tới. Dự báo mùa sáu tháng được phát
báo hai lần trong một năm (tháng 5 và tháng 11). Dự báo dựa trên xác định chuẩn sai,
trên chuẩn, dưới chuẩn và tựa chuẩn. Các dị thường được tính dựa trên tập số liệu quá
khứ 24 năm (1979-2002). Các dự báo dựa trên kỹ thuật tổ hợp nhiều mơ hình (multi

model ensemble – MME) được phát triển ở APCC. APCC thu thập số liệu dự báo
thời gian thực và q khứ của 15 mơ hình từ 8 quốc gia và xây dựng hệ thống tính
tốn tự động tổ hợp MME. APCC phát triển nhiều kỹ thuật MME để dự báo tất định
và xác suất mùa. Đối với dự báo tất định, ba loại kỹ thuật MME tuyến tính được sử
dụng, cụ thể là hợp thành sai số và khơng sai số, kết hợp có trọng số của nhiều mơ
hình dựa trên giá trị dập tắt của gió – SVD, và tổ hợp nhiều mơ hình với hiệu chỉnh

12


thống kê. Đối với dự báo xác suất, dải ba phân vị được xác định bởi phương pháp xếp
hạng dựa trên tỷ lệ phần trăm của các thành phần tổ hợp từ các mơ hình trong ba loại
trên. Hệ thống tổ hợp nhiều mơ hình khu vực MME I-IV đã được xây dựng cho khu
vực gió mùa Châu Á. Các nghiên cứu đánh giá gần đây cho thấy MME có kỹ năng
mơ phỏng tốt hồn lưu, phân bố khơng gian trường nhiệt độ, mưa.
Tại Trung Quốc, dự án về nghiên cứu xây dựng hệ thống mơ hình dự báo khí
hậu hạn ngắn kéo dài trong khoảng thời gian từ 1996-2000. Để thực hiện dự án này,
Trung Quốc đã huy động một đội ngũ các nhà khoa học rất hùng hậu gồm 731 nhà
khoa học đến từ 31 cơ quan khác nhau thuộc 5 bộ và viện nghiên cứu là: Cục khí
tượng Trung Quốc, Viện Khoa học Trung Quốc, Bộ Giáo dục, Bộ Nơng nghiệp, Bộ
Tài ngun nước. Trong đó Cục khí tượng Trung Quốc giữ vai trị chủ dự án. Việc
thực hiện dự án được phân thành 3 giai đoạn chính:
- Nghiên cứu ảnh hưởng của hiện tượng ENSO đến điều kiện khí hậu Trung
Quốc, đến nền kinh tế xã hội. Nghiên cứu ảnh hưởng điều kiện mặt đệm, gió mùa đến
khí hậu Trung Quốc.
- Xây dựng hệ thống mơ hình dự báo khí hậu tồn cầu và khu vực gồm: Mơ
hình hồn lưu chung khí quyển tồn cầu, mơ hình khu vực phân giải cao, mơ hình đại
dương tồn cầu, mơ hình đại dương phân giải cao cho các vùng biển Thái Bình
Dương, Ấn Độ Dương và mơ hình dự báo El-Nino.
- Áp dụng hệ thống mơ hình dự báo trên vào dự báo thời gian thực trên hệ máy

tính tốn tính hiệu năng cao.
Mặc dù các GCM đã đạt được những tiến bộ vượt bậc trong việc mô phỏng
khí hậu nhưng chúng vẫn chưa thể mơ phỏng tốt khí hậu cho từng khu vực do hầu hết
các GCM đều có độ phân giải thấp, thường từ 1 độ đến 2.5 độ, khơng đủ để có thể
mơ tả các đặc trưng khu vực như khí hậu gió mùa, địa hình và hệ sinh thái phức tạp,
đặc biệt là tác động mạnh mẽ của con người. Do đó, từ những năm đầu thập kỷ 90
của thế kỷ 20, các mô hình khu vực hạn chế (LAM) đã được áp dụng vào nghiên cứu
khí hậu khu vực thơng qua kỹ thuật “lồng ghép” một chiều (Giorgi và Mearns, 1991;
McGregor, 1997), trong đó các điều kiện ban đầu (Initial Condition  IC) và điều

13


kiện biên xung quanh (Lateral Boundary Condition  LBC) cần để chạy LAM được
cung cấp bởi số liệu tái phân tích tồn cầu hoặc từ sản phẩm của GCM (Giorgi và Bi,
2000). Đó là các mơ hình khí hậu khu vực (RCM). Phương pháp lồng ghép RCM vào
GCM thường được gọi là hạ thấp qui mô động lực, hay chi tiết hóa động lực
(Dynamical Downscaling). Các RCM được tích phân với độ phân giải ngang mịn hơn
rất nhiều khi sử dụng IC và LBC phụ thuộc thời gian.
Nếu RCM được điều khiển bởi số liệu tái phân tích, IC và LBC được xem là
gần với trạng thái thực của khí quyển, và do đó số liệu đầu vào được coi như là các
trường dự báo tồn cầu “hồn hảo”. Chính vì vậy, người ta thường sử dụng các trường
tái phân tích làm IC và LBC để nghiên cứu, đánh giá kỹ năng của các RCM. Kỹ năng
của các RCM trong trường hợp này phụ thuộc vào bản chất động lực học và vật lý
của mơ hình, như hệ phương trình mơ tả trạng thái khí quyển, hệ tọa độ, phương pháp
tích phân thời gian, khơng gian, độ phân giải, các sơ đồ tham số hóa vật lý,… Và do
đó để nghiên cứu, phát triển và cải tiến các RCM số liệu tái phân tích thường đươc
sử dụng trong các bài tốn mơ phỏng, khảo sát độ nhạy (sensitivity testing) thơng qua
việc đánh giá khả năng tái tạo điều kiện khí hậu quá khứ của các RCM.
Nhiều nghiên cứu đã chỉ ra rằng các RCM hiện hành có thể tái tạo các trường

nhiệt độ quan trắc trung bình trên khu vực khoảng 105 đến 106 km2 với sai số dưới
2oC và từ 5-50% đối với lượng giáng thủy (Giorgi và Shields, 1999; Pan và CS, 2000).
Rất nhiều nghiên cứu khác nhau về RCM đã được so sánh để tìm ra sự khác biệt cũng
như điểm chung về ưu điểm và nhược điểm của các mơ hình, như Christensen và CS
(1997) ở Châu Âu, Takle và CS (1999) ở Mỹ và Leung và CS (1999a,b) ở Đông Á.
Sau khi được đánh giá kỹ năng qua mơ phỏng khí hậu tại từng khu vực, trong
từng mùa, các mơ hình RCM có thể được ứng dụng để dự báo khí hậu khu vực với
IC và LBC lấy từ các trường dự báo của các GCM. Sai số dự báo của RCM trong
trường hợp này có thể bao gồm sai số của chính mơ hình (khả năng của mơ hình) và
sai số của GCM (Noguer và CS., 1998). Mặc dù vậy, việc sử dụng RCM vào dự báo
(mùa) khí hậu nói chung vẫn cịn hết sức khiêm tốn. Các cơng trình nghiên cứu hiện
nay chủ yếu vẫn tập trung vào khảo sát độ nhạy, đặc biệt là độ nhạy của các sơ đồ

14


tham số hóa đối lưu, đánh giá khả năng mơ phỏng của các RCM. Chẳng hạn, Jiao
Yanjun (2006) đã sử dụng mơ hình CRCM (The third-generation Canadian Regional
Climate Model) để mơ phỏng hồn lưu, nhiệt độ và giáng thủy trên khu vực Bắc Mỹ
thời kỳ 19871991. Kết quả cho thấy, CRCM đã tái tạo tốt hồn lưu qui mơ lớn, đã
mô phỏng khá gần với thực tế biến động mùa của nhiệt độ và giáng thủy mùa đông
trên khu vực Bắc Mỹ. Mặc dù vậy, mơ hình cũng đã cho kết quả mô phỏng lượng
giáng thủy mùa hè vượt quá quan trắc một cách có hệ thống.
Liang, X. Z. và CS (2004) đã khảo sát khả năng mô phỏng biến trình năm của
lượng giáng thủy trên lãnh thổ Hoa Kỳ bằng mơ hình MM5 phiên bản khí hậu
(CMM5) khi tích phân mơ hình liên tục từ 1982-2002 với trường điều khiển tồn cầu
là số liệu tái phân tích của NCEP-DOE AMIP II. Những ngun nhân gây sai số của
mơ hình đã được tác giả nghiên cứu thơng qua các thí nghiệm độ nhạy mùa với các
điều kiện biên xung quanh và biểu diễn vật lý khác nhau. Kết quả cho thấy CMM5
có kỹ năng rõ rệt, mơ tả chi tiết hơn và sát thực hơn điều kiện khí hậu trong vùng với

sai số nhỏ hơn so với số liệu tái phân tích tồn cầu. Zhu J. và CS (2007) đã nghiên
cứu khả năng của CMM5 trong việc mô phỏng biến động nhiều năm của giáng thủy
và nhiệt độ bề mặt thời kỳ 1982-2002. Theo tác giả, CMM5 nắm bắt được sự phân
bố không gian, sự tiến triển theo thời gian, và mối quan hệ xa của hoàn lưu tốt hơn
nhiều so với trường tái phân tích. Tuy nhiên, kĩ năng hạ thấp qui mô của CMM5 khá
nhạy với tham số hóa đối lưu. Độ nhạy này được thể hiện khi so sánh kết quả mô
phỏng theo hai sơ đồ Grell và Kain-Fritsch.
Ngồi ra, có thể thấy những nhận xét khả quan về khả năng của RCM trong
mơ phỏng khí hậu khu vực qua nhiều nghiên cứu khác, như của Duffy và CS (2006),
Bergant và CS (2007),…
Việc ứng dụng các RCM trong nghiên cứu khí hậu khu vực gió mùa cũng đã
được nhiều tác giả quan tâm đặc biệt. Trong số đó, gió mùa Châu Á là khu vực gió
mùa điển hình nhất trên thế giới nên đã có nhiều dự án, phịng thí nghiệm đã được
triển khai, thành lập. Các nhà khí hậu học Ấn Độ, Trung Quốc, Hàn Quốc, Nhật
Bản,… đã đầu tư phát triển mơ hình RCM cho riêng khu vực của mình.

15


Theo Fu và CS (1998), trên qui mô thời gian mùa, phân bố không gian, thời
gian của các đặc trưng khí hậu khu vực, như dải mưa Đơng Á và front Baiu, có thể
được tái tạo tốt với độ tin cậy cao bởi RCM. Các RCM cũng có thể mơ phỏng tốt sự
biến đổi dưới mùa của gió mùa Nam Á, dao động 30-50 ngày của hoàn lưu và dị
thường giáng thủy (Bhaskaran và CS., 1998; Hassell và Jones, 1999).
Một trong những nghiên cứu kiểm nghiệm khả năng của RCM trong mơ phỏng
khí hậu hạn mùa Châu Á đáng chú ý là của Liu, Giorgi và Washington (1994). Các
tác giả đã sử dụng mơ hình RegCM để mơ phỏng gió mùa mùa hè Đông Á từ tháng
6 đến tháng 8 năm 1990. Hồn lưu gió mùa, giáng thủy và nhiệt độ mặt đất nhìn
chung phù hợp với quan trắc, mặc dù phần nào mơ phỏng của mơ hình lạnh và khô
hơn. Xu thế này cũng tương tự như các kết quả mô phỏng bởi RegCM trên khu vực

khác (Mỹ, Châu Âu, Châu Phi). Hơn nữa, RegCM có thể biểu diễn được các trung
tâm mưa lớn và ảnh hưởng của địa hình tới nhiệt độ cực đại địa phương.
Im E.-S và CS (2006) đã chạy thử nghiệm RegCM3 để mô phỏng nhiệt độ bề
mặt và giáng thủy cho khu vực này. RegCM3 được lồng một chiều nhưng sử dụng
hai lưới lồng với độ phân giải 60km và 20km tương ứng với miền lớn, bao phủ cả
khu vực Đông Á, và miền nhỏ, bao phủ bán đảo Triều Tiên. Thời gian mô phỏng là
từ 1 tháng 10 năm 2000 đến 30 tháng 9 năm 2003. Nhiệt độ mơ phỏng có sai số hệ
thống là âm, đặc biệt trên các khu vực núi trong mùa hè. Lượng mưa mùa hè phụ
thuộc chủ yếu vào khả năng mô phỏng những hiện tượng đối lưu mùa hè riêng lẻ và
các cơn bão nhiệt đới hơn là tác động của địa hình. Francisco và CS (2006) cũng sử
dụng mơ hình RegCM để thử nghiệm mơ phỏng mưa mùa hè ở Phillipines. Các thử
nghiệm độ nhạy được thực hiện với số liệu đầu vào khác nhau (NCEP và ERA40) và
sơ đồ thông lượng khối qua bề mặt đại dương (BATS và Zeng) được chạy cho 5 mùa
hè. Đối chiếu kết quả mô phỏng với quan trắc thực tế, tác giả cho rằng số liệu tái phân
tích ERA40 và sơ đồ tính thơng lượng khối đại dương theo BATS thích hợp hơn cả
đối với mơ phỏng giáng thủy của Phillipines.
Gần đây nhóm các nhà khoa học thuộc Đại học Tổng hợp bang Iowa, Hoa Kỳ
(Iowa State University, Ames, Iowa USA) đã thực hiện dự án MRED (Multi-RCM

16


Ensemble Downscaling of NCEP CFS Seasonal Forecasts) trong đó sản phẩm dự báo
mùa của mơ hình CFS được sử dụng làm đầu vào cho một loạt các mơ hình khí hậu
khu vực để xây dựng và thử nghiệm một hệ thống dự báo tổ hợp. Động lực thúc đẩy
việc hình thành dự án này là chi tiết hóa động lực sản phẩm dự báo mùa của mơ hình
tồn cầu. Cụ thể, các mơ hình dự báo hạn mùa vốn dĩ là các mơ hình tồn cầu trong
đó độ phân giải bị hạn chế nên chưa đáp ứng được nhu cầu thực tế do chưa thể mô tả
chi tiết các đặc điểm địa phương như đường bờ biển, địa hình hoặc đất sử dụng. Việc
chi tiết hóa động lực có thể cung cấp thêm những thơng tin chi tiết, hữu ích cho sản

phẩm dự báo toàn cầu, nhất là tổ hợp các sản phẩm đó. Mục tiêu của dự án là chứng
minh được tính hữu ích của việc chi tiết hóa động lực sản phẩm dự báo hạn mùa của
mơ hình tồn cầu bằng nhiều mơ hình khu vực để ứng dụng trong thủy văn ở Hoa Kỳ.
Ở các khu vực thống trị bởi khí hậu gió mùa, mơ hình CFS là một hệ thống
mơ hình động lực có kĩ năng tốt có thể so sánh được với phương pháp thống kê hiện
đang sử dụng ở Trung tâm Dự báo Khí hậu của NCEP (CPC) và được sử dụng phổ
biến để làm đầu vào cho các RCM. Trong số các RCM, mơ hình khí hậu phổ khu vực
RSM có nhiều ưu điểm như có chung lõi động lực, vật lý và quan trọng nhất là được
hỗ trợ các công cụ đi kèm để kết hợp với sản phẩm của CFS.
Năm 2003, với mục đích xây dựng hệ thống dự báo khí hậu mùa cho Đài Loan,
Henry và CS (2003) đã thử nghiệm áp dụng mơ hình phổ khu vực RSM với điều kiện
ban đầu và điều kiện biên từ mơ hình phổ tồn cầu. Kết quả đánh giá cho thấy mơ
hình RSM có kỹ năng dự báo tốt hơn hẳn so với trường dự báo toàn cầu. Misra (2005)
đã sử dụng mơ hình phổ khu vực RSM để downscalling thơng tin dự báo từ mơ hình
CFS (CFS/RSM) và mơ hình hồn lưu khí quyển tồn cầu AGCM (AGCM/RSM)
của COLA (Center for Ocean–Land–Atmosphere Studies) nhằm đánh giá thay đổi
theo mùa của bức xạ sóng dài trong các vùng gió mùa Nam Mỹ (SASM) và vùng biển
phía Đơng xích đạo Thái Bình Dương (EEPO). Tác giả cho rằng, kết quả dự báo từ
hệ thống mơ hình CFS/RSM được cải thiện đáng kể, trong khi đó kết quả của hệ
thống mơ hình AGCM/RSM khơng được cải tiến rõ ràng. Chan và CS (2010) sử dụng
mơ hình phổ khu vực RSM với độ phân giải ngang 60 km và 28 mực theo phương

17


thẳng đứng để dự báo khí hậu mùa khu vực Bắc Mỹ. Mơ hình RSM sử dụng điều kiện
ban đầu và điều kiện biên tư mơ hình CFS. Kết quả tính tốn chỉ ra rằng mơ hình
RSM đã cải tiến đáng kể sai số dự báo so với mơ hình CFS, tuy nhiên mơ hình RSM
phát sinh một số bất ổn định mới. Yoon và CS (2011) cũng sử dụng hệ thống mơ hình
CFS/RSM để thử nghiệm dự báo tình trạng hạn hán ở Mỹ theo chỉ số hạn SPI. Kết

quả dự báo từ CFS được chi tiết hóa tới độ phân giải 50 km bằng mơ hình RSM với
5 phương án tổ hợp. Hiện nay một số nước như Đài Loan, Hong Kơng,… đã sử dụng
mơ hình RSM trong dự báo khí hậu nghiệp vụ.
Trong nước:
Có thể thấy rằng, các nghiên cứu trong lĩnh vực dự báo khí hậu mùa ở nước ta
trong gần hai thập kỷ trước đây tập trung chủ yếu vào các phương pháp thống kê
truyền thống, các quan hệ thống kê giữa nhân tố dự báo và yếu tố dự báo dựa vào các
tập số liệu quan trắc tại các trạm khí tượng thủy văn. Có thể kể đến một số cơng trình
như sau:
Phạm Đức Thi (1989) đã đưa vào các phép tốn phân tích tự tương quan nhằm
tìm ra qui luật vận động vật lý của một chuỗi số. Ví dụ như: phân tích chuỗi chuẩn
sai nhiệt độ trung bình tháng hay chuẩn sai tổng lượng mưa tháng từ năm 1960 đến
nay, phương pháp chỉ tìm kiếm qui luật của bản thân chuỗi số đó và cơ lập nó trong
mối quan hệ tương hỗ với các yếu tố bên ngoài. Thực tế, hệ quả thời tiết – khí hậu
gây ra tại một khu vực không phải chỉ phụ thuộc vào một yếu tố duy nhất nên bài
tốn cịn nhiều sai sót.
Nguyễn Duy Chinh (2002) tìm cách xây dựng phương trình hồi qui tuyến tính
đa biến mục đích đưa vào ảnh hưởng của đa yếu tố. Hồi qui tuyến tính đa biến mong
muốn tìm kiếm một kết quả ổn định hơn do có sự tham gia của nhiều nhân tố dự báo.
Tuy nhiên, trong nhiều trường hợp thì phương trình đa nhân tố lại khơng hiệu quả
bằng ít nhân tố, điều đó nghĩa là có những nhân tố làm cho kết quả kém đi. Do vậy
mà hồi qui từng bước đã được sử dụng để lọc đi những nhân tố gây nhiễu. So với các
phương pháp trước thì bài tốn dự báo cũng đã được cải thiện hơn, nhưng như thế
vẫn chưa đủ.

18


Để loại bỏ bớt các yếu tố ngẫu nhiên, nhân tố dự báo được lựa chọn là một
khu vực (gồm nhiều điểm quan trắc). Trong cách sử dụng này thì mỗi một điểm trạm

lại được coi là một nhân tố dự báo giả, do vậy trong nhiều trường hợp số lượng các
nhân tố dự báo sẽ tăng lên rất lớn gây khó khăn cho việc phân tích. Vì vậy, mà phép
phân tích trực giao EOF (emperical orthogonal function) được ứng dụng kết hợp xây
dựng phương trình hồi qui. Phép phân tích này cơ bản sẽ phân tích trường nhân tố dự
báo thành một trường thứ cấp có dung lượng nhỏ hơn nhiều trường ban đầu, nhưng
mang gần như đầy đủ thông tin của trường ban đầu tập trung trong các vec tơ riêng
đầu tiên. Quá trình xây dựng phương trình dự báo được thực hiện với trường thứ cấp
đó. Cách làm này có ưu điểm như sau: i) Tăng tính độc lập giữa các nhân tố dự báo;
ii) Do tính toán với trường thứ cấp gọn nhẹ hơn nên giảm được tối đa khối lượng
phép tính xuống – nghĩa là giảm được loại sai số tính tốn; iii) Cho phép lọc ra được
những tín hiệu quan trọng từ trường nền nên cũng hạn chế được những yếu tố gây
nhiễu.
Bên cạnh đó, nghiên cứu về ảnh hưởng của hiện tượng ENSO (Elnino-South
Oscilation), biến đổi nhiệt độ bề mặt biển ở các khu vực Nino1, Nino2, Nino3, Nino4,
Nino34,..hay chỉ số dao động nam SOI (south oscilation index) có quan hệ với mưa,
nhiệt khu vực Việt Nam được công bố. Kết quả này làm tiền đề cho việc tuyển chọn
các nhân tố dự báo để xây dưng phương trình dự báo. Tuy vậy, cho dù là nhân tố này
hay khác, nhưng bản chất của cách thực hiện vẫn là thống kê truyền thống nên không
tránh khỏi hạn chế cố hữu của phương pháp.
Sau đó, Nguyễn Văn Thắng (2005) đã xây dựng các phương trình dự báo
chuẩn sai nhiệt độ và lượng mưa trung bình của 7 vùng khí hậu với các trường dự báo
toàn cầu. Tuy nhiên, do các sản phẩm dự báo khí hậu tồn cầu thời điểm đó khơng
được cung cấp miễn phí trên mạng internet, nên tác giả tiếp cận bài tốn theo phương
pháp “khơng đồng thời” giữa nhân tố và yếu tố dự báo; thời hạn dự báo được lựa
chọn là trước từ 1 đến 3 tháng. Trong nghiên cứu này, tác giả khảo sát mối quan hệ
thống kê giữa chuẩn sai nhiệt và lượng mưa với các trường tồn cầu (OLR, SST, gió
ở mực 850 và 200mb) để lựa chọn nhân tố dự báo phù hợp. Nhân tố dự báo được lựa

19

chọn theo ngưỡng hệ số tương quan giữa nhân tố và yếu tố dự báo từ 0,2 trở lên. Dựa
trên mối quan hệ giữa chỉ số hạn SPI với trường tồn cầu (OLR, SST, gió ở mực 200
và 850mb), Nguyễn Văn Thắng (2007) đã xây dựng các phương trình dự báo hạn khí
tượng cho 7 vùng khí hậu.
Tuy vậy, cùng với sự phát triển khoa học máy tính, các nghiên cứu trong dự
báo khí hậu hạn mùa của nước ta bằng mơ hình động lực đã có nhiều bước tiến quan
trọng. Các mơ hình động lực đã được nghiên cứu, thử nghiệm và đưa vào ứng dụng
trong dự báo khí hậu (Kiều Thị Xin và CS, 2000; Nguyễn Văn Tuyên, 2008a,b; Phan
Văn Tân và CS, 2009, 2010, 2014; Nguyễn Văn Thắng và CS, 2011, 2015a, 2015b;
Tạ Hữu Chỉnh, 2015). Thử nghiệm mô phỏng mưa trên lãnh thổ Việt Nam bằng mơ
hình khí hậu khu vực RegCM của Kiều Thị Xin (2000) là một trong những kết quả
đầu tiên về mô phỏng khí hậu bằng mơ hình số ở Việt Nam.
Đề tài cấp Nhà nước “Nghiên cứu tác động của biến đổi khí hậu tồn cầu đến
các yếu tố và hiện tượng khí hậu cực đoan ở Việt Nam, khả năng dự báo và giải pháp
chiến lược ứng phó” (Phan Văn Tân và CS, 2010) đã ứng dụng thành công hệ thống
mơ hình kết hợp đại dương – khí quyển CAM-SOM chạy dự báo hạn mùa cung cấp
đầu vào cho các mơ hình khí hậu khu vực trong điều kiện Việt Nam. Trong đề tài,
việc nghiên cứu ứng dụng các mô hình khí hậu khu vực chỉ đề cập chủ yếu về khả
năng mơ phỏng hạn dài cho mục đích nghiên cứu biến đổi khí hậu.
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, đặc biệt là nhiệt độ, lượng mưa, thiên tai và các
hiện tượng khí hậu cực đoan. Đề tài sử dụng số liệu quan trắc và phân tích lại của
NCAR/NCEP trong 50 năm qua. Đề tài đã 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, khơ
nóng, mưa đá) ở Việt Nam. Tuy nhiên, đề tài sử dụng số liệu tái phân tích của trường
tồn cầu với độ phân giải thơ, do vậy kết quả vẫn cịn hạn chế.
Đề tài nhà nước "Nghiên cứu xây dựng hệ thống mơ hình dự báo hạn mùa một
số hiện tượng khí hậu cực đoan phục vụ phòng tránh thiên tai ở Việt Nam" (Phan Văn

20


Tân và CS, 2014) đã thử nghiệm thành công việc chạy các mơ hình tồn cầu CAM,
CAM-SOM, CCAM và một số mơ hình khu vực để dự báo mùa (RegCM, clWRF).
Đề tài đã tiến hành hiệu chỉnh sản phẩm của mơ hình động lực bằng các phương pháp
thống kê để cải thiện kết quả dự báo mùa. Ngoài ra đề tài đã xây dựng hệ thống dự
báo pha hạn 6 tháng, chương trình dị tìm xốy bão, bộ chương trình dự báo khả năng
xuất hiện hạn hán. Kết quả đánh giá cho thấy dự báo trường nhiệt độ rất khả quan,
tuy nhiên dự báo mưa và các hiện tượng cực đoan vẫn cịn hạn chế.
Trong khn khổ hợp tác song phương giữa Viện Khoa học Khí tượng Thủy
văn và Biến đổi khí hậu với Trung tâm Quốc gia Dự báo Mơi trường Mỹ (NCEP),
năm 2011 đồn chun gia của NCEP đã thăm và làm việc tại Viện Khoa học Khí
tượng Thủy văn và Biến đổi khí hậu về ứng dụng hệ thống dự báo khí hậu mùa
RSM/CFS của NCEP. Hiện nay, bộ mơ hình RSM đang được Viện Khoa học Khí
tượng Thủy văn và Biến đổi khí hậu tập trung nghiên cứu để đưa vào ứng dụng tại
Việt Nam. Nguyễn Văn Thắng và CS (2015a) đã sử dụng phương pháp chi tiết hóa
động lực (dynamical downscaling) bằng mơ hình khu vực WRF và RSM với điều
kiện biên là các trường khí tượng của mơ hình tồn cầu CFSv2 để cung cấp trường
khí tượng đầu vào cho mơ hình dự báo hạn thủy văn, hạn nông nghiệp ở vùng đồng
bằng sông Hồng. Các kết quả nghiên cứu cho thấy phương pháp chi tiết hóa động lực
cho kết quả dự báo khả quan cho nhiều yếu tố khí hậu ở độ phân giải cao, đặc biệt
các sản phẩm dự báo đối với hạn hán và các hiện tượng cực đoan khí hậu. Cũng trong
năm 2015, Nguyễn Văn Thắng và CS (2015b) cũng đã phát triển hệ thống cảnh báo
sớm khí hậu cho Việt Nam. Các tác giả đã áp dụng các nghiên cứu dự báo khí hậu
nêu trên để phát triển một hệ thống cảnh báo và dự báo khí hậu, các hiện tượng cực
đoan khí hậu với thời hạn đến 3 tháng cho khu vực Việt Nam. Nhìn chung, cả hai
nghiên cứu của Nguyễn Văn Thắng và CS (2015a, 2015b) đã khẳng định phương
pháp chi tiết hóa động lực bằng mơ hình khí hậu khu vực WRF và RSM đều cho kết

quả tốt.

21


Nhận xét chung:
Để dự báo chính xác hơn xu thế khí hậu, định lượng các trường khí hậu trung
bình và các hiện tượng khí hậu cực đoan chắc chắn khơng thể chỉ dựa vào phương
pháp thống kê mà cần phải phát triển phương pháp mơ hình động lực. Phương pháp
thống kê không mô tả được mối quan hệ phức tạp theo khơng gian và thời gian của
hệ thống khí hậu, mà chỉ có thể nắm bắt được những hiện tượng mang tính qui luật,
do vậy kết quả khơng chính xác khi gặp những hiện tượng khí hậu đột biến.
Trên thế giới, mơ hình dự báo khí hậu đang phát triển rất mạnh mẽ và được
đưa vào ứng dụng trong nghiệp vụ ở nhiều nước. Trong số đó có thể kể đến các sản
phẩm dự báo của mơ hình MRI (Nhật Bản), CFS (Hoa Kỳ), ECMWF (Trung tâm Dự
báo Hạn vừa Hạn dài châu Âu). Ở các nước châu Á trong đó có Việt Nam - nơi thống
trị bởi khí hậu gió mùa, mơ hình CFS của Trung tâm Dự báo Môi trường quốc gia
(NCEP) đang là một trong những mô hình được sử dụng phổ biến nhất. Với kĩ năng
dự báo của CFS (theo không gian và thời gian) cũng đã cải tiến rất nhiều, hệ thống
CFS cung cấp những lợi thế quan trọng trong việc dự báo hạn mùa nghiệp vụ.
Trong số các mơ hình khí hậu khu vực có thể được sử dụng để chi tiết hóa kết
quả của mơ hình CFS, mơ hình RSM có nhiều ưu điểm như có chung lõi động lực,
vật lý và quan trọng nhất là được hỗ trợ các công cụ đi kèm để kết hợp với sản phẩm
của CFS. Tuy nhiên, so với các mơ hình khu vực khác, mơ hình RSM bắt đầu được
áp dụng ở Việt Nam tương đối muộn, do đó chưa có nhiều các nghiên cứu đánh giá
chi tiết về khả năng mô phỏng cũng như dự báo khí hậu hạn mùa cho nước ta bằng
mơ hình RSM. Trong khuôn khổ luận văn, tác giả muốn hướng đến đánh giá khả năng
dự báo khí hậu hạn mùa cho khu vực Việt Nam của mơ hình RSM sử dụng số liệu
đầu vào từ mơ hình CFS với hạn dự báo từ 1 đến 3 tháng. Để làm được điều này, luận
văn cần tập trung vào hai khía cạnh. Đầu tiên là đánh giá, lựa chọn miền tính và các

sơ đồ tham số hóa của mơ hình RSM phù hợp cho khu vực Việt Nam. Từ cấu hình đã
lựa chọn, tiến hành thử nghiệm dự báo khí hậu hạn mùa cho Việt Nam bằng mơ hình
RSM với điều kiện biên và điều kiện ban đầu từ mơ hình CFS và đánh giá các kết quả
nhận được.

22